Optimasi Komposisi Pakan Sapi Menggunakan Hibridisasi Modifikasi Evolution Strategies Dan Linear Programming
| Main Author: | Fatyanosa, Tirana Noor |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2017
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/166819/ |
Daftar Isi:
- Pada penggemukan sapi, salah satu kendala terbesar yang dihadapi adalah tingginya biaya pakan ternak. Sehingga peternak harus mampu merumuskan pakan ternak yang sesuai kebutuhan gizi sapi dengan biaya minimal untuk memaksimalkan pendapatan. Formulasi pakan menjadi rumit karena ada banyak hal yang harus diperhatikan. Kesalahan dalam menentukan formulasi pakan dapat mengakibatkan peningkatan biaya pakan dan hasil yang tidak optimal pada penggemukan sapi. Optimasi pakan sapi termasuk ke dalam kelas constrained optimization. Berbagai algoritma heuristik dan deterministik telah diterapkan untuk memecahkan permasalahan constrained optimization, maupun dalam optimasi komposisi pakan ternak. Namun, algoritma-algoritma tersebut masih belum stabil untuk menemukan solusi yang mendekati global optima. Oleh karena itu, penelitian ini mengusulkan modifikasi algoritma Evolution Strategies (ES) yang dihibridisasi menggunakan Linear Programming (LP). Parameter optimal untuk modifikasi Evolution Strategies, antara lain tipe ES yang digunakan adalah ES (μ/ρ+λ), jumlah populasi sebesar 500, jumlah offspring sebesar 25μ, metode rekombinasi discrete recombination, metode mutasi self-adaptation, metode seleksi elitist selection, modifikasi gen negatif menggunakan random injection, dan maksimal generasi sebesar 450. Terdapat dua model hibridisasi pada penelitian ini, yaitu hibridisasi Linear Programming-Modifikasi Evolution Strategies (LPMES) dan hibridisasi Modifikasi Evolution Strategies-Linear Programming (MESLP). Gabungan dari kedua model hibridisasi menghasilkan nilai rata-rata fitness tertinggi, yaitu sebesar 0.043722611 dengan rata-rata biaya sebesar Rp228.712,465 untuk 12 bahan pakan dan 18 ekor sapi dengan bobot awal dan Pertambahan Bobot Badan Harian (PBBH) yang berbeda-beda. MESLP memberikan hasil yang lebih baik dibandingkan ES, LP, random search, algoritma genetika, dan aplikasi formulasi pakan (Winfeed dan FeedLive). Hibridisasi modifikasi ES dan LP mampu menghasilkan rata-rata fitness tertinggi dengan ratarata biaya yang murah.