SetyaArmanda, Rifki (2016) Optimasi Fuzzy Tsukamoto Dengan Algoritma Genetika Studi Kasus Peramalan Permintaan Barang Semen. Sarjana thesis, Universitas Brawijaya.
Abstract
Peramalan merupakan seni atau suatu ilmu yang digunakan dalam memperkirakan kejadian untuk dimasa depan. Hal tersebut dilakukan dengan melibatkan suatu pengambilan data sebelumnya atau data pada masa lalu yang kemudian menempatkannya pada masa yang akan datang dengan suatu bentuk model yang sistematis. Perencanaan kapasitas produksi yang fleksibel adalah dengan melakukan perencanaan kapasitas produksi yang sesuai dengan besarnya kebutuhan permintaan. Apabila kapasitas produksi yang direncanakan terlalu besar sehingga melebihi kebutuhan permintaan yang sebenarnya, maka perusahaan tersebut akan mengalami tingkatan kerugian yang cukup besar. Dengan adanya suatu peramalan dalam permintaan barang, maka suatu perusahaan dapat mencapai tujuan serta mengambil keputusan dalam memproduksi barang agar dapat memenuhi keinginan permintaan pasar. Pada skripsi ini, metode yang digunakan dalam peramalan permintaan barang adalah Algoritma Genetika dan Fuzzy Inferensi System Tsukamoto. Tahapan dalam perhitungan metode Algoritma Genetika dan Fuzzy Tsukamoto adalah dengan mengambil data permintaan pada setiap minggunya secara random, yang kemudian nilai tersebut akan dijadikan sebagai batasan-batasan pada setiap kriteria yang digunakan. Representasi kromosom yang digunakan adalah real code genetic algorithm dimana representasi tersebut dibangkitkan secara random dengan interval tertentu. Dari pengujian yang dilakukan, sistem mampu memberikan nilai terbaik pada jumlah populasi 80, jumlah generasi 120, kombinasi cr 0.3 dan mr 0.7. Pada metode Algoritma Genetika dan Fuzzy Tsukamoto dapat memberikan hasil nilai error yang lebih rendah dibandingkan dengan menggunakan metode Fuzzy Tsukamoto.
English Abstract
Forecasting is an art or a science that used to estimating events in the future. That matter can be done by involving a previous data retrieval or data on the past and then put it in the future with a systematic model form. Planning of flexible production capacity is by doing an appropriate production capacity planning based on the amount of demand needs. When the planned production capacity is too large thus exceeding the needs of actual demand, then the company will run into a level of significant losses. With the existence of a forecasting in the demand for goods, so a company can achieve the goals and take decisions in the production of goods so that can fulfill market demand. In this essay, the methods used in forecasting demand for goods is a Genetic Algorithm and Fuzzy Inference System Tsukamoto. Stages in the computation method of the Genetic Algorithm and Fuzzy Tsukamoto is by taking the data requests randomly every week, afterwards the value will be used as boundaries on each of the criteria used. The representation of chromosome used is real code genetic algorithm where the representation generated randomly with a certain interval. Based on the tests performed, the system is able to provide the best value in populations is 80, the amount of generation is 120, and a combination of cr and mr are 0.3 and 0.7. Genetic Algorithm and Fuzzy Tsukamoto methods can give results of error value is lower than just using Fuzzy Tsukamoto.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2016/659/051612604 |
| Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Sugiantoro |
| Date Deposited: | 15 Dec 2016 09:21 |
| Last Modified: | 22 Oct 2021 02:14 |
| URI: | http://repository.ub.ac.id/id/eprint/147241 |
Preview |
Text
Rifki_Setya_A-115090607111002-Jurnal_Skripsi.pdf Download (2MB) | Preview |
Preview |
Text
Rifki_Setya_A-11509060711002-Skripsi.pdf Download (4MB) | Preview |
Actions (login required)
 |
View Item |