ALGORITMA GENETIKA PADA PEMROGRAMAN LINEAR DAN NONLINEAR
Abstract
Optimasi adalah proses memaksimumkan atau meminimumkan suatu fungsi tujuan dengan tetap memperhatikan batasan yang ada. Dalam merumuskan permasalahan optimasi digunakan suatu pemodelan matematika berupa pemrograman linear dan pemrograman nonlinear. Pemrograman linear dan nonlinear adalah teknik riset operasi untuk menyelesaikan suatu perencanaan aktifitas yang telah dibentuk dalam suatu model matematika agar tujuan yang diinginkan dapat tercapai. Salah satu metode untuk menyelesaikan kasus optimasi yaitu algoritma Genetika. Oleh sebab itu, tujuan dari penelitian ini adalah melakukan analisis untuk mencari hasil optimum pada kasus optimasi dan implementasinya dengan algoritma Genetika. Algoritma Genetika merupakan simulasi dari proses evolusi dan operasi Genetika. Proses dari algoritma Genetika dimulai dengan membangkitkan sejumlah individu dalam suatu populasi. Setiap individu merepresentasikan suatu penyelesaian terhadap masalah yang dikerjakan. Kemudian setiap individu dalam suatu populasi akan diproses sesuai dengan evolusi alam sehingga mendapatkan individu yang terbaik. Berdasarkan proses evolusi tersebut dibuat suatu implementasi algoritma Genetika dengan menggunakan program komputer. Analisis algoritma Genetika dengan menggunakan program komputer pada kasus memaksimumkan dan meminimumkan fungsi tujuan 15X"> dengan kasus pemrograman linear yaitu 15 X=2x+3y+4z+5"> dengan batasan kendala 155≤x≤9"> , 153≤y≤7,"> dan 150≤z≤5"> dan fungsi tujuan 15Z"> untuk kasus pemrograman nonlinear yaitu 15Z=21,5+xsin4πx+ycos20πy+z tan2πz "> dengan batasan kendala 157≤x≤12"> , 153≤y≤6,"> dan 150≤z≤5"> . Hasil yang diperoleh dengan 10 kali percobaaan algoritma Genetika mendapatkan nilai yang optimum yaitu pada pemrograman linear 15X=63,13"> untuk nilai maksimum dan 15X=24,13"> untuk nilai minimum dan pada pemrograman nonlinear 15Z=38,6182"> untuk nilai maksimum dan 15Z=24,4050"> untuk nilai minimum.
Kata Kunci: Algoritma Genetika, Optimasi, Riset Operasi
Full Text:
PDFDOI: http://dx.doi.org/10.26418/bbimst.v5i03.16935
Refbacks
- There are currently no refbacks.