Gambar 1. Struktur Sistem Penunjang Keputusan
B. SISTEM PENUNJANG KEPUTUSAN INTELIJEN
Sistem penunjang keputusan intelijen merupakan suatu sistem penunjang keputusan yang menggunakan teknik-teknik di bidang intelijensi
buatan artificial intelligent antara lain fuzzy systems, neural networks, machine learning, dan genetic algorithms algoritma genetika yang
mempunyai tujuan untuk membantu pengguna dalam
mengakses, menampilkan, memahami, serta memanipulasi data secara lebih cepat dan
mudah untuk membantunya dalam mengambil keputusan Dhar dan Stein, 1997.
Pengukuran suatu sistem penunjang keputusan intelijen berdasarkan tingkat kecerdasannya yaitu tingkat kerapatan kecerdasan intelligence
density. Tingkat kerapatan kecerdasan merupakan perbandingan antara tingkat kepuasan yang dihasilkan dalam proses pengambilan keputusan
dengan jumlah waktu analisis yang dihabiskan seorang pembuat keputusan. Oleh sebab itu, sistem penunjang keputusan intelijen yang baik adalah sistem
yang mampu mengasilkan keluaran yang dapat membantu pengambil keputusan menentukan keputusan dengan cepat tanpa mengurangi kualitas
keputusan, atau dapat meningkatkan kualitas keputusan dalam rentang waktu yang sama Dhar dan Stein, 1997.
C. ALGORITMA GENETIKA
Menurut Strafaci 2002, pada tahun 1975 oleh John Holland menemukan sebuah konsep baru tentang pencarian secara tersusun untuk
menyelesaikan masalah yang rumit dan kompleks yang menggunakan persamaan matematika berdasarkan evolusi tiruan dan dikenal dengan
algoritma genetika. Menurut Goldberg 1989, algoritma genetika adalah suatu teknik pencarian dan optimasi stokastik melibatkan probabilitas yang cara
kerjanya meniru proses evolusi dan perubahan genetik pada struktur kromosom makhluk hidup.
Algoritma genetika dapat mencari solusi minimum dan maksimum dari satu variabel bebas dengan representasi dasar atau biner. Untuk fungsi yang
lebih kompleks atau lebih dari satu variabel bebas dapat menggunakan representasi float atau integer. Hal tersebut dilakukan untuk penyederhanaan
sistem, karena gen biner akan menyebabkan besarnya ukuran kromosom Basuki, 2003. Algoritma dapat diaplikasikan dalam berbagai bidang antara
lain, seperti pada desain mesin jet pesawat terbang, prediksi tingkat suku bunga, pengendalian persediaan inventory, perencanaan dan penjadwalan
produksi dan otomatisasi sistem produksi Gunawan, 2003.
1. Prosedur Umum Algoritma Genetika
Prosedur umum algoritma genetika, antara lain: Langkah 1 : Pengkodean calon solusi dan set-up parameter awal yaitu
jumlah individu, probablitas, penyilangan dan mutasi, dan jumlah generasi maksimum.
Langkah 2 : t 0 {inisiasi awal}
Pembangkitan acak sejumlah n kromosom pada generasi ke-0.