Pembangkitan Nilai Belief Pada Dempster-Shafer Dengan Particle Swarm Optimization (PSO) Untuk Penentuan Pasal Kasus Penganiayaan
| Main Author: | Nababan, Merry Gricelya |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2017
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/108/1/Merry%20Gricelya%20Nababan%20.pdf http://repository.ub.ac.id/108/ |
Daftar Isi:
- Tingat kekerasan terhadap tubuh dan nyawa yang salah satunya adalah penganiayaan mengalami peningkatan setiap tahun, oleh sebab itu hakim sebagai penegak hukum yang memiliki hak dalam memberikan keputusan terhadap terdakwa pelanggaran memiliki peran yang sangat penting. Dalam memberikan keputusan tersebut bukan hal yang mudah bagi seorang hakim karena terdapat beberapa kendala pada saat memutuskan pasal-pasal pelanggarannya, khusunya pada saat menangani terdakwa yang mendapatkan pasal berlapis. Metode Dempster-Shafer sering digunakan dalam menangani masalah ketidakpastian. D-S sering digunakan untuk diagnosis penyakit dengan adanya nilai belief yang didapatkan dari pakar. Namun nilai belief tidak selalu menentukan akan hasil yang maksimal, dalam penelitian ini pakar tidak dapat memberikan nilai belief. Oleh sebab itu nilai belief akan dibangkitkan dengan algoritme Particle Swarm Optimization, karena merupakan salah satu metode metaheuristic yang berfokus pada pencarian lokal sehingga pada ruang pencarian yang kecil dapat menemukan solusi yang optimal. Hasil yang akan didapatkan nantinya adalah partikel yang memiliki nilai fitness yang paling maksimal, kemudian partikel tersebut akan digunakan sebagai nilai belief untuk menghitung gejala-gejala penganiayaan. Berdasarkan hasil pengujian dan analisis sistem parameter PSO yang baik untuk menentukan nilai belief yaitu dengan partikel 500, bobot inertia minimal(W_min) 0,3, bobot inertia maksimal(W_max) 0,7, kecepatan minimal(V_min) -0,4, kecepatan maksimal(V_max) 0,4 dan jumlah iterasi 250. Hasil perhitungan akurasi sistem dengan menggunakan nilai belief yang telah dioptimasi pada 29 kasus penganiayaan menunjukkan akurasi sebesar 13,79%. Hasil akurasi ini tidak maksimal dikarenakan permasalahan yang kompleks dengan hasil keluaran(Output) sistem lebih dari satu, meskipun sudah dilakukan pembangkitan nilai belief menggunakan PSO. Untuk penelitian selanjutnya, dapat digunakan metode artificial neural network (ANN) atau dengan algoritme analytic hierarchy process (AHP).