PERILAKU BUAYA MUARA SEBAGAI PEMODELAN
ALGORITMA OPTIMISASI
Total View This Week0
Total View This Week0
Institusion
Institut Teknologi Kalimantan
Author
Afdhal, Ibnu
Subject
TJ Mechanical engineering and machinery
Datestamp
2021-06-16 03:31:48
Abstract :
Optimisasi merupakan suatu proses sistematis untuk memilih elemen terbaik dari suatu kumpulan elemen yang ada. Optimisasi dapat menyelesaikan berbagai masalah teknik seperti perancangan sistem yang memerlukan metode optimisasi yang dapat diimplementasikan ke sistem kecerdasan buatan yang disebut sebagai metaheuristik Oleh karena itu, pada Tugas Akhir ini dilakukan pemodelan algoritma optimisasi buaya muara. Kemudian diuji menggunakan fungsi uji unimodal yaitu (Sphere, Ackley N.2 dan Schwefel 2.20) dan multimodal yaitu (Qing,Rastrigin dan Rosenbrock). Untuk mendapatkan hasil iterasi dan waktu yang diperlukan algoritma dalam menyelesaikan fungsi dari iterasi 1 hingga iterasi 1000 dengan melakukan pengulangan sebanyak 30 kali. Kemudian hasil tersebut dibandingkan dengan algoritma optimisasi pembanding yaitu PSO, GWO, DA, WOA dan Newton Raphson. Hasil waktu yang didapatkan algoritma optimisasi buaya muara pada fungsi unimodal yaitu Sphere, Ackley N.2 dan Schwefel 2.20 secara berturut-turut yaitu 0.3853 detik, 0.3962 detik dan 0.4078 detik. Sedangkan pada fungsi uji multimodal yaitu Qing, Rastrigin, Rosenbrock secara berturut turut yaitu 0.4371 detik, 0.4375 detik dan 0.3858 detik. Hasil iterasi pada fungsi Sphere algoritma optimisasi buaya muara titik optimalnya yaitu 0 pada iterasi ke 421. Pada fungsi Ackley N.2 titik optimalnya yaitu -200 iterasi ke 37. Dan pada fungsi Schwefel 2.20 dapat mencapai titik optimalnya yaitu 0 pada iterasi ke 821. Pada fungsi multimodal Qing algoritma optimisasi buaya muara tidak mencapai titik optimalnya yaitu 0. Dari iterasi 914 hingaa iterasi ke 1000 hasilnya yaitu 348.9768. Sedangkan fungsi Rastrigin titik optimalnya yaitu 0 pada iterasi ke 41. Dan pada fungsi Rosenbrock tidak mencapai titik optimalnya yaitu 0. Dari iterasi ke 901-1000 hasil yang didapatkan yaitu . Berdasarkan hasil algoritma optimisasi buaya muara dan algoritma pembanding disimpulkan bahwa kecepatan waktu tiap algoritma optimisasi buaya lebih lambat dari GWO, WOA dan Newton Raphson. Lebih cepat dari PSO dan DA berbeda dikarenakan faktor seperti pemodelan matematis tiap algoritma yang dikatakan tidak efisien dan proses yang rumit dapat menyebabkan proses komputasi menjadi lama. Sedangkan pada hasil iterasi yang didapatkan terdapat pada algoritma optimisasi ada yang berhasil dan ada juga yang tidak
Optimisasi merupakan suatu proses sistematis untuk memilih elemen terbaik dari suatu kumpulan elemen yang ada. Optimisasi dapat menyelesaikan berbagai masalah teknik seperti perancangan sistem yang memerlukan metode optimisasi yang dapat diimplementasikan ke sistem kecerdasan buatan yang disebut sebagai metaheuristik Oleh karena itu, pada Tugas Akhir ini dilakukan pemodelan algoritma optimisasi buaya muara. Kemudian diuji menggunakan fungsi uji unimodal yaitu (Sphere, Ackley N.2 dan Schwefel 2.20) dan multimodal yaitu (Qing,Rastrigin dan Rosenbrock). Untuk mendapatkan hasil iterasi dan waktu yang diperlukan algoritma dalam menyelesaikan fungsi dari iterasi 1 hingga iterasi 1000 dengan melakukan pengulangan sebanyak 30 kali. Kemudian hasil tersebut dibandingkan dengan algoritma optimisasi pembanding yaitu PSO, GWO, DA, WOA dan Newton Raphson. Hasil waktu yang didapatkan algoritma optimisasi buaya muara pada fungsi unimodal yaitu Sphere, Ackley N.2 dan Schwefel 2.20 secara berturut-turut yaitu 0.3853 detik, 0.3962 detik dan 0.4078 detik. Sedangkan pada fungsi uji multimodal yaitu Qing, Rastrigin, Rosenbrock secara berturut turut yaitu 0.4371 detik, 0.4375 detik dan 0.3858 detik. Hasil iterasi pada fungsi Sphere algoritma optimisasi buaya muara titik optimalnya yaitu 0 pada iterasi ke 421. Pada fungsi Ackley N.2 titik optimalnya yaitu -200 iterasi ke 37. Dan pada fungsi Schwefel 2.20 dapat mencapai titik optimalnya yaitu 0 pada iterasi ke 821. Pada fungsi multimodal Qing algoritma optimisasi buaya muara tidak mencapai titik optimalnya yaitu 0. Dari iterasi 914 hingaa iterasi ke 1000 hasilnya yaitu 348.9768. Sedangkan fungsi Rastrigin titik optimalnya yaitu 0 pada iterasi ke 41. Dan pada fungsi Rosenbrock tidak mencapai titik optimalnya yaitu 0. Dari iterasi ke 901-1000 hasil yang didapatkan yaitu . Berdasarkan hasil algoritma optimisasi buaya muara dan algoritma pembanding disimpulkan bahwa kecepatan waktu tiap algoritma optimisasi buaya lebih lambat dari GWO, WOA dan Newton Raphson. Lebih cepat dari PSO dan DA berbeda dikarenakan faktor seperti pemodelan matematis tiap algoritma yang dikatakan tidak efisien dan proses yang rumit dapat menyebabkan proses komputasi menjadi lama. Sedangkan pada hasil iterasi yang didapatkan terdapat pada algoritma optimisasi ada yang berhasil dan ada juga yang tidak
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
