Implementasi Metode Particle Swarm Optimization – Certainty Factor Untuk Pengenalan Kondisi Ikan Lele. Fakultas Ilmu Komputer Universitas Brawijaya. Pembimbing: Randy Cahya Wihandika
| Main Author: | Pambudi, Sevtyan Eko |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/13837/1/Sevtyan%20Eko%20Pambudi.pdf http://repository.ub.ac.id/13837/ |
Daftar Isi:
- Kegagalan dalam budidaya ikan lele sering kali disebabkan karena belum menemukan kombinasi komposisi terbaik saat ingin memulai budidaya seperti, jenis kolam, pemberian antiseptik, dll. Maka dari itu dibutuhkan suatu sistem yang bertujuan menemukan kombinasi parameter terbaik sekaligus memprediksi kondisi ikan sebelum diimplementasikan dalam dunia nyata. Salah satu metode yang dapat diterapkan untuk memprediksi kondisi ikan adalah certainty factor. Namun, kinerja certainty factor sangat tergantung kepada ahli yang berkaitan dengan permasalahan sehingga solusi yang dihasilkan rentan terjebak pada daerah optimum lokal. Salah satu pendekatan yang dapat digunakan untuk mengatasi permasalahan ini adalah dengan menerapkan algortima optimasi yaitu Particle Swarm Optimization (PSO). PSO mengeksplorasi ruang pencarian untuk menemukan nilai cf pakar berdasarkan nilai cost partikel. Nilai cost dirancang untuk meminimalkan jarak antara nilai random dengan nilai bobot sehingga semakin kecil mendekati 0 (nol) maka semakin besar peluang sebuah partikel terpilih sebagai solusi. Penelitian ini menggunakan hybrid Particle Swarm Optimization-Certainty Factor untuk mengenali kondisi ikan lele. Kualitas Certainty Factor dievaluasi menggunakan data uji dari pakar dengan membandingkan keluaran sistem. Hasil percobaan menunjukan bahwa algoritma hybrid PSO-Certainty Factor menghasilkan hasil prediksi lebih baik dibandingkan dengan algoritma Certainty Factor yaitu sebesar 90%.