Widyawati, Karina (2017) Optimasi Vektor Bobot Learning Vector Quantization Menggunakan Algoritme Genetika Untuk Penentuan Kualitas Susu Sapi. Sarjana thesis, Universitas Brawijaya.
Abstract
Tubuh manusia memerlukan makanan sehat untuk memenuhi kebutuhan gizi yang salah satu sumbernya dapat diperoleh dari hewan. Susu merupakan bahan pangan yang dihasilkan oleh hewan dan memiliki kandungan gizi lengkap yang penting bagi tubuh Selain pentingnya kandungan susu bagi tubuh manusia, dibutuhkan sebuah sistem yang dapat menentukan kualitas susu sehingga masyarakat bisa mengonsumsi susu dengan kualitas tinggi. Penentuan kualitas susu dapat dilakukan dengan alat Milkoscope Julie c2 atau Lactoscan untuk menguji kandungan kimiawi susu. Alat tersebut dapat mengetahui kandungan kimiawi meliputi 7 parameter yaitu lemak (Fat), Solid Non Fat (SNF), Kekentalan (Density), Protein, Laktosa, Air dan Temperatur. Dari ketujuh parameter tersebut, 3 parameternya merupakan ketentuan dari Standar Nasional Indonesia (SNI) sedangkan 4 parameter yang lain tidak tercantum dalam ketentuan SNI. Jika penentuan kualitas susu hanya dengan 3 parameter sesuai SNI maka hasilnya kurang maksimal. Berdasarkan permasalahan tersebut, dibutuhkan sebuah sistem yang dapat membantu menentukan kualitas susu sapi yang mempertimbangkan 7 parameter. Salah satu metode yang dapat digunakan untuk menentukan kualitas susu adalah Learning Vector Quantization (LVQ) namun LVQ membutuhkan suatu metode optimasi untuk menghasilkan vektor bobot terbaik dan meningkatkan akurasi yaitu menggunakan Algoritme Genetika (AG). AG akan mengoptimasi vektor bobot dengan membangkitkan populasi awal secara random, crossover, mutasi, evaluasi dan seleksi. Vektor bobot terbaik dari AG akan digunakan untuk training LVQ kemudian vektor bobot terbaru dari hasil training digunakan untuk testing. Hasil yang diperoleh dari penelitian memperoleh akurasi tertinggi sebesar 88% dengan parameter terbaik yaitu ukuran populasi 30, crossover rate 0,5, mutation rate 0,5, jumlah generasi 75, laju pembelajaran 0,6, pengurang alpha 0,3 dan membutuhkan waktu komputasi selama 23 menit 57 detik.
English Abstract
Human body needs healthy food to fill nutrition and one of source nutrition can from animals. Milk is a food that produced by animals and has a complete nutrition that important for body. In addition of importance milk for body, we need a system that can determine the quality of milk so every people can consume milk with high quality. Determination of milk quality can by tools called Milkoscope Julie c2 or Lactoscan to test the chemical contents of milk. That tools can identified the chemical content of milk which includes 7 parameters consisting of fat, solid non fat, density, protein, lactose, water and temperature. From 7 parameters, 3 parameters are provisions of SNI namely fat, SNF and protein but the other 4 parameters are not listed in porvisions of SNI. If we determine milk quality only from 3 parameter in SNI, the result is not optimum. Based on that problems, we need a system that can help us to determine quality of milk considering 7 parameters. One of method that can be used for this problem is Learning Vector Quantization (LVQ) but LVQ need an optimazion method to produce the best weight vector and increase accuracy using Genethic Algorithm (GA). GA will optimize weight vector by generating initial random population, crossover, mutation, evaluation and selection. The best weight vector of GA will be used for LVQ training and the latest wight vector of training used for testing. The result of this research obtained the highest accuracy average is 88% with best parameters such as population size 30, crossover rate 0,5, mutation rate 0,5, generation 75, learning rate 0,6, decriment alpha 0,3 and need computation time 23 minutes 57 second.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2017/494/051707816 |
| Uncontrolled Keywords: | Susu Sapi, Algoritme Genetika, Learning Vector Quantization, Klasifikasi, Optimasi |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.31 Machine learning |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Yusuf Dwi N. |
| Date Deposited: | 04 Sep 2017 03:47 |
| Last Modified: | 28 Sep 2020 09:55 |
| URI: | http://repository.ub.ac.id/id/eprint/2011 |
Preview |
Text
Karina Widyawati.pdf Download (6MB) | Preview |
Actions (login required)
 |
View Item |