Mandriana, Indra Eka (2017) Optimasi Fungsi Keanggotaan Fuzzy Tsukamoto Menggunakan Algoritma Genetika Untuk Diagnosis Autisme Pada Anak. Sarjana thesis, Universitas Brawijaya.
Abstract
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.
English Abstract
Autism is a developmental disorder that cause children to experience social disruption in certain areas, such as communications, social interaction, emotional and behavioral symptoms that is difficult to be identified. According to research in autism, the number of children who suffered from autism is estimated to grow every year around the world, including in Indonesia. This research implement Fuzzy Tsukamoto method to optimized genetic algorithm in order to diagnose autism in children, by optimizing the constraints on all fuzzy variables.Chromosome representation that is used in this research is real code genetic algorithm which every chromosome will initialize the limitations on all fuzzy variables. Method that is used to the process of crossover is extended intermediate crossover and random mutation for mutation process while selection method used elitism selection. Based on the results, the system obtained the most optimal parameters on a method of CARS in a population of 50, 200 generations, as well as the combination of Cr = 0.8 and Mr = 0.1 with the fitness of 1, while on the CHAT population method 10, 100 generations, as well as the combination of Cr = 0.9 and Mr = 0.1 with fitness by 1.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2017/315/051705678 |
| Uncontrolled Keywords: | Algoritma Genetika, FIS Tsukamoto, Autisme, Optimasi |
| Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data > 005.1 Programming |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Yusuf Dwi N. |
| Date Deposited: | 31 Jul 2017 07:56 |
| Last Modified: | 08 Oct 2020 03:00 |
| URI: | http://repository.ub.ac.id/id/eprint/892 |
![[thumbnail of Bagian Depan (1).pdf]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text
Bagian Depan (1).pdf Download (367kB) |
|
Text
BAB I.pdf Download (297kB) |
|
Text
BAB II.pdf Download (394kB) |
|
Text
BAB III.pdf Download (346kB) |
Preview |
Text
BAB IV.pdf Download (551kB) |
|
Text
BAB V.pdf Download (325kB) |
Preview |
Text
BAB VI.pdf Download (374kB) | Preview |
Preview |
Text
BAB VII.pdf Download (272kB) | Preview |
Preview |
Text
Daftar Pustaka.pdf Download (283kB) | Preview |
Actions (login required)
 |
View Item |