DAFTAR ISI PENGESAHAN
ii PERNYATAAN ORISINALITAS
iii PERSETUJUAN PUBLIKASI
iv PANITIA PENGUJI
v RIWAYAT HIDUP
vi UCAPAN TERIMA KASIH
vii ABSTRAK
x ABSTRACT
xi DAFTAR ISI
xii DAFTAR TABEL
xv DAFTAR GAMBAR
xvi BAB I PENDAHULUAN
1
1.1 Latar Belakang
1 1.2
Perumusan Masalah 3
1.3 Batasan Masalah
3 1.4
Tujuan Penelitian 4
1.5 Manfaat Penelitian
4
BAB II TINJAUAN PUSTAKA 5
2.1 Logika Fuzzy 5
2.2 Fuzzyfikasi 5
2.2.1 Lingustic Variabel 6
2.2.2 Membership Function 7
2.2.3 Aturan Dasar 8
2.2.4 Defuzzyfication 9
2.3 Algoritma Genetika 11
2.3.1. Inisialisasi Populasi 12
2.3.2 Seleksi 12
2.3.3 Cross over 12
2.3.4 Mutasi 13
Universita Sumatera Utara
2.3.5 Evaluasi 14
2.5 Riset Terkait 18
2.6 Perbedaan Dengan Riset Lain 19
2.7 Kontribusi Riset 19
BAB III METODOLOGI PENELITIAN 20
3.1 Pendahuluan 20
3.2 Data Yang Digunakan 20
3.3 Proses Penyelesaian Masalah 21
3.4 Perancangan Algoritma Genetika 22
3.4.1 Pembentukan kromosom 25
3.4.2 Menentukan Nilai Fitnes 27
3.4.3 Operasi Cross over dan mutasi pada populasi 29
3.4.3.1 One Point Crossover 29
3.4.3.2 Two Point Crossover 30
3.4.3.3 Min-Max Aritmatik Crossover 31
BAB IV HASIL DAN ANALISA
4.1 Pendahuluan 32
4.2 Hasil Uji Coba 32
4.2.1 Set Target dan Variabel Input 33
4.2.2 Pembangkit Fungsi keanggotaan fuzzy menggunakan Two Point Crossover
34 4.2.3 Pembangkit Fungsi Keanggotaan fuzzy menggunakan
Min Max Crossover 43
BAB V KESIMPULAN DAN SARAN 47
5.1 Kesimpulan 47
5.2 Saran 48
DAFTAR PUSTAKA 50
LAMPIRAN 52
Universita Sumatera Utara
DAFTAR TABEL No Tabel
Halaman
2.1 Derajat Keanggotaan Tinggi badan
5 2.2
Riset Terkait 21
4.1 Kromosom dan nilai Fitness pada generasi ke-1
36 4.2
Kromosom dan fitness 50 generasi variabel produktifitas 40
Universita Sumatera Utara
DAFTAR GAMBAR No Gambar
Halaman
2.1 a Himpunan Crisp tinggi badan
5 2.1 b
Himpunan Fuzzy tinggi badan 6
2.2 Kurva segitiga
7 2.3
Interval variabel 9
2.4 Fungsi keanggotaan segitiga
9 2.5
Fungsi keanggotaan dengan overlap 10
2.6 Proses Defuzzifikasi
11 2.7
Struktur Umum Algoritma Genetika 13
2.8 Fungsi keanggotaan fuzzy variabel A dengan
menggunakan segitiga 15
2.9 Representasi kromosom pada sebuah variabel A
16 2.10
Overlap 2 buah segitiga 16
2.11 Range 3 buah segitiga
17 3.1
Alur Proses Penyelesaian Masalah 22
Universita Sumatera Utara
3.2 Interval variabel Produktifitas
23 3.3
Grafik Fungsi keanggotaan segitiga Variabel A 25
3.4 Proses Algoritma Genetika
26 3.5
Gambar fungsi keanggotaan I
j
28 3.6
Grafik segitiga Variabel Produktifitas 28
3.7 Representasi kromosom variabel produktifitas
29 3.8
10 set kromosom yang dibangkitkan secara acak 29
3.9 Grafik fungsi segitiga keanggotaan fuzzy
30 3.10
Pertukaran kromosom metode one point cross over 31
3.11 Pertukaran kromosom metode two point cross over
32 3.12
Pertukaran kromosom metode min max aritmatika 33
4.1 Pembentukan grafik segitiga
36 4.2
Grafik Fungsi keanggotaan pada 50 generasi 39
4.3 Grafik nilai fitness terhadap 50 generasi
40 4.3
Grafik fungsi keanggotaan fuzzy generasi 100 metode two point crossover
43 4.4
Grafik nilai fitness terhadap 100 generasi metode two point crossover
44 4.5
Grafik fungsi keanggotaan yang dibangkitkan sebanyak 50 generasi dengan cross over min max
aritmatika 45
4.6 Grafik nilai fitness terhadap 50 generasi metode
min-max crossover 46
4.7 Grafik fungsi keanggotaan yang dibangkitkan sebanyak
100 generasi dengan crossover min max aritmatika 47
4.8 Grafik nilai fitness terhadap 100 generasi tetode
min-max crossover 48
Universita Sumatera Utara
ABSTRAK
Pada system fuzzy, membangkitkan fungsi keanggotaan fuzzy merupakan bagian yang berperanan penting dalam merepresentasikan masalah. Sedangkan untuk
membangkitkan fungsi keanggotaan fuzzy otomatis sudah dilakukan penelitian terdahulu dengan menggunakan beberapa metode pendekatan namun masih terdapat
kelemahan yaitu lemahnya proses untuk membaca iterasi yang tinggi. Untuk itu maka pada penelitian ini dilakukan membangkitkan fungsi keanggotaan fuzzy secara
otomatis dengan menggunakan pendekatan cross over Algortima Genetika, dengan menganalisis two point cross over dan min-max crossover.
Kata kunci : fungsi keanggotaan fuzzy, cross over, algoritma genetika.
Universita Sumatera Utara
ANALYSIS CROSS OVER POINT GENETIC ALGORITHM TO GENERATE FUZZY MEMBERSHIP FUNCTION AUTOMATICALLY
ABSTRACT
Generating membership function fuzzy for Fuzzy system is important to representative of the problem. Some researchers generating a membership function
automatic had done and still have a problem to generate procces in max iterasi, so that this research will generating membership function fuzzy otomatic used genetic
algorithm by analysing the cross over point. Keyword : membership function fuzzy, cross over
Universita Sumatera Utara
BAB I PENDAHULUAN
