94
3. Evaluasi Nilai Fitness Fitness Value
Evaluasi nilai fitness digunakan untuk mengetahui baik tidaknya suatu individu. Penggunaan algoritma genetika pada penelitian ini bertujuan untuk
mengoptimasi bobot. Bobot yang bagus ditunjukkan dengan nilai error yang kecil sehingga nilai fitness pada penelitian ini dapat dihitung menggunakan persamaan
2.50 dengan fungsi y yang digunakan adalah fungsi untuk mencari nilai MAPE sehingga diperoleh persamaan berikut:
Nilai MAPE diperoleh dari persamaan 2.48. Dengan
̂ diperoleh dengan
persamaan 4.5 dengan k=1 sehingga ̂
∑
∑
Keterangan = fitness
= nilai target ke-t pada FBPPN data training, t=1,2,3,....,87 ̂
= nilai prediksi ke-t pada FBPPN = variabel input pada FBPPN data training,
=1, 2, 3, 4 = bobot bias lapisan tersembunyi ke lapisan output
= bobot bias lapisan input ke lapisan tersembunyi, j=1,2,3,...,14 = bobot lapisan input ke lapisan tersembunyi
= bobot lapisan tersembunyi ke lapisan output n
= banyak data target
95 = bilangan cukup kecil, pada penelitian ini digunakan 0,001
Dengan persamaan tersebut diperoleh nilai fitness setiap individu pada populasi awal yang disajikan pada tabel 4.6 sebagai berikut:
Tabel 4. 6
Nilai fitness pada populasi awal Individu Nilai Fitness Individu Nilai Fitness
1 0,164978882
21 0,011158692
2 0,003522435
22 0,002714255
3 0,025990385
23 0,023896824
4 0,016083416
24 0,002773316
5 0,033530409
25 0,01020611
6 0,027404203
26 0,002688366
7 0,025159232
27 0,003375211
8 0,002788847
28 0,009566276
9 0,00364982
29 0,010483775
10 0,030692692
30 0,002657026
11 0,003087086
31 0,002769423
12 0,006954762
32 0,013972286
13 0,031096608
33 0,025734994
14 0,003075211
34 0,005712915
15 0,002648467
35 0,024880397
16 0,002933544
36 0,033344171
17 0,003401476
37 0,002698462
18 0,003977754
38 0,00319815
19 0,017330372
39 0,006235635
20 0,002984764
40 0,002723785
Nilai fitness tertinggi
4. Elitism
Tahap selanjutnya adalah tahap Elitism, pada tahap ini individu dengan nilai fitness
terbaik akan disimpan atau dipertahankan. Nilai fitness terbaik perlu dipertahankan karena proses seleksi dilakukan secara acak sehingga tidak ada
jaminan bahwa individu dengan fitness terbaik akan selalu terpilih. Walaupun
96 terpilih, nilai fitness tersebut dapat rusak akibat pindah silang dan mutasi.
Sehingga individu pertama dipertahankan di generasi ke 2.
5. Seleksi Selection
Kategori