Optimasi Fungsi Keanggotaan Fuzzy Tsukamoto Menggunakan Algoritma Genetika Untuk Diagnosis Autisme Pada Anak
Daftar Isi:
- Autisme merupakan suatu gangguan perkembangan sosial dimana anak mengalami gangguan dalam bidang-bidang tertentu. Contohnya komunikasi, interaksi sosial, dan perilaku emosi yang gejalanya sulit untuk dikenali oleh orang awam. Menurut peneliti maupun organisasi yang bidang keilmuannya menyangkut autisme memperkirakan jumlah anak yang mengidap autisme setiap tahunnya terus bertambah diseluruh dunia, tidak terkecuali Indonesia. Pada penelitian ini mengimplementasikan optimaasi algoritma genetika pada metode fuzzy Tsukamoto untuk mendiagnosis autisme pada anak, dengan mengoptimasi batasan-batasan pada semua variabel fuzzy yang dimiliki. Representasi kromosom yang digunakan pada penelitian ini adalah real code yang mana setiap kromosom menginisialisasi batasan-batasan pada semua variabel fuzzy. Metode crossover yang digunakan yaitu extended intermediate crossover. Metode mutasi yang digunakan yaitu random mutation. Sedangkan metode seleksi yang digunakan yaitu elitism selection. Berdasarkan hasil pengujian yang telah dilakukan, didapatkan parameter yang paling optimal pada metode CARS yaitu pada populasi 50, generasi 200, serta kombinasi Cr = 0.8 dan Mr = 0.1 dengan fitness sebesar 1, sedangkan pada metode CHAT populasi 10, generasi 100, serta kombinasi Cr = 0.9 dan Mr = 0.1 dengan fitness sebesar 1.