PERBANDINGAN ALGORITMA KONVENSIONAL DAN ALGORITMA GENETIKA UNTUK PENYELESAIAN MASALAH OPTIMISASI

Adveni , Lusia Vreyda (2008) PERBANDINGAN ALGORITMA KONVENSIONAL DAN ALGORITMA GENETIKA UNTUK PENYELESAIAN MASALAH OPTIMISASI. S1 thesis, UAJY.

[img] Text (Halaman Judul)
TF003816.pdf

Download (162kB)
[img] Text (Bab I)
TF103816.pdf

Download (85kB)
[img] Text (Bab II)
TF203816.pdf

Download (198kB)
[img] Text (Bab III)
TF303816.pdf
Restricted to Registered users only

Download (99kB)
[img] Text (Bab IV)
TF403816.pdf
Restricted to Registered users only

Download (1MB)
[img] Text (Bab V)
TF503816.pdf

Download (90kB)

Abstract

Manusia akan dihadapkan pads suatu persoalan pilihan untuk mendapatkan hasil yang terbaik dalam kehidupan sehari-hari. Salah satu upaya untuk itu adalah teknik optimisasi sebagai metode untuk mendapatkan basil yang terbaik dengan menggunakan kriteria meminimumkan usaha yang dilakukan manusia atau memaksimumkan keuntungan yang akan diperoleh. Beberapa algoritma yang digunakan pada penelitian ini adalah algoritma Newton, Quasi Newton, Lagrange Multiplier, dan Differential Evolution. Algoritma Newton bertumpu pada operasi iteratif. Algoritma Quasi Newton menghindari penetapan matriks Jacobian, algoritma ini dapat digunakan untuk menyelesaikan persoalan optimisasi tanpa kekangan. Pada persoalan optimisasi terkekang diselesaikan dengan Lagrange Multiplier. Masing-masing metode optimisasi tersebut memiliki algoritma penyelesaian yang berbeda. Perbedaan itu dianalisis melalui perbandingan proses, solusi, dan kecepatan komputasi dengan bantuan soal test fungsi Himmelblau, Goldstein-Price's, dan Peaks. Perangkat lunak untuk perbandingan algoritma optimisasi ini dikembangkan dengan bahasa pemrograman Matlab. Algoritma konvensional dan algoritma genetika mampu menyelesaikan soal test yang diberikan. Algoritma konvensional memproses sebuah solusi dan algoritma genetika memproses sejumlah himpunan calon solusi, algoritma genetika menampilkan unjuk kerja yang lebih baik dalam proses komputasinya.

Item Type: Thesis (S1)
Uncontrolled Keywords: Optimisasi, Newton, Quasi-Newton, Lagrange Multiplier, Differential Evolution.
Subjects: Teknik Informatika > Soft Computing
Divisions: Fakultas Teknologi Industri > Teknik Informatika
Depositing User: Editor UAJY
Date Deposited: 26 Feb 2015 12:19
Last Modified: 26 Feb 2015 12:19
URI: http://e-journal.uajy.ac.id/id/eprint/6915

Actions (login required)

View Item View Item