Gambar 3. Hubungan antara Data, Informasi, dan Pengetahuan Goenawan, 2007
Sistem penunjang keputusan intelijen adalah sistem pendukung keputusan yang dalam membuat alternatif keputusannya menggunakan
berbagai teknik yaitu penelitian operasional lanjut dengan kecerdasan buatan artificial intelligence, system engineering serta soft computing yang terdiri
dari fuzzy system, neural network, dan genetic algorithm Goenawan, 2007. Optimasi merupakan tahapan untuk pemanfaatan optimal dari
sumberdaya. Untuk itu perlu dikembangkan suatu sistem pendukung keputusan secara cerdas intelligent decision support system dengan
memformulasikan sebuah fungsi obyektif biaya minimum cost minimizing objective function
, serta bermanfaat secara ekonomi. Intelligent decision support system
IDSS merupakan pengembangan dari sistem penunjang keputusan dengan menggunakan pengetahuan aturan-aturan tentang sifat dan
unsur suatu masalah seperti fuzzy systems, neural networks, dan genetic algorithms
algoritma genetik Sadly, 2007.
D. Algoritma Genetik
Menurut Strafaci 2002, algoritma genetik merupakan sebuah konsep baru pencarian secara tersusun untuk optimasi solusi masalah yang rumit dan
kompleks dengan menggunakan persamaan matematika berdasarkan evolusi tiruan artificial evolution. Algoritma genetik dapat mencari solusi optimum
dari fungsi satu variabel bebas dengan representasi dasar atau biner. Untuk fungsi yang lebih kompleks atau lebih dari satu variabel bebas dapat
Pemrosesan data: pengorganisasian, penyimpanan perhitungan, pengambilan data, pembuatan laporan
Pemrosesan informasi: penyusunan kembali,
kuantifikasi, pengelompokan, penyajian
Dikomunikasikan ke orang bagian lain dalam
bentuk teks, keluaran komputer, lisan, tulisan,
dll.
DATA
INFORMASI
PENGETAHUAN
menggunakan representasi float atau integer. Hal tersebut dilakukan untuk penyederhanaan sistem karena gen biner akan menyebabkan besarnya ukuran
kromosom. Algoritma genetika adalah algoritma pencarian berdasarkan pada
mekanisme sistem natural, yakni genetik dan seleksi alam. Algoritma genetika dikembangkan berdasarkan teori dari biologi seperti halnya jaringan
syaraf tiruan. Dalam perkembangannya, algoritma genetika sangat berhasil dan berguna dalam melakukan optimasi Goenawan, 2007.
Dalam aplikasi algoritma genetika, variabel solusi dikodekan ke dalam struktur string yang merepresentasikan barisan gen yang merupakan
karakteristik dari solusi problem. Berbeda dengan teknik pencarian konvensional, algoritma genetika berangkat dari himpunan solusi yang
dihasilkan secara acak. Himpunan ini disebut populasi dan setiap individu dalam populasi disebut kromosom yang merupakan representasi dari solusi.
Kromosom-kromosom berevolusi dalam suatu proses iterasi yang berkelanjutan disebut generasi. Pada setiap generasi, kromosom dievaluasi
berdasarkan suatu fungsi evaluasi. Setelah beberapa generasi maka algoritma genetika akan konvergen pada kromosom terbaik, yang diharapkan
merupakan solusi optimal Goldberg, 1989. Prosedur umum algoritma genetik adalah sebagai berikut :
Langkah 1 : Pengkodean calon solusi dan set-up beberapa parameter awal jumlah individu, probabilitas, penyilangan dan mutasi, dan
jumlah generasi maksimum Langkah 2 : t Å 0 inisialisasi awal
Pembangkitan acak sejumlah n kromosom pada generasi ke-0. Langkah 3 : Evaluasi masing-masing kromosom dengan menghitung nilai
fitness -nya.
Langkah 4 : Seleksi beberapa kromosom dari sejumlah n individu yang memiliki nilai fitness terbaik.
Langkah 5 : Rekombinasikan kromosom terpilih dengan cara melakukan penyilangan crossover dan mutasi mutation.
Langkah 6 : t Å t + 1 Update
jumlah generasi dan kembali ke langkah 2 hingga jumlah generasi maksimum tercapai.
Pencarian kromosom solusi baru pada populasi dilakukan dengan menggunakan operator-operator genetik yang terdiri atas operator seleksi
selection, penyilangan crossover, dan mutasi mutation. Diagram alir algoritma genetik dapat dilihat pada Gambar 4.
Gambar 4. Diagram Alir Algoritma Genetik Wang, 1999
Representasi solusi ke dalam kromosom
Inisialisasi
Evaluasi
Selesai ?
Seleksi
Penyilangan Mutasi
Evaluasi
Perbaikan
Penggantian Selesai
Ya Tidak
E. Enterprise Resource Planning ERP
