BAB 5 KESIMPULAN DAN SARAN 5.1 Kesimpulan Berdasarkan uji coba dan evaluasi terhadap perangkat lunak yang dibangun, dapat diambil kesimpulan sebagai berikut : 1. Analisa rata-rata nilai optimum fungsi menunjukkan bahwa CLPSO secara signifikan mampu meningkatkan kemampuan PSO dan memberikan performa yang terbaik pada kebanyakan permasalahan multimodal, baik untuk fungsi yang terotasi maupun tidak terotasi. 2. Dari analisa statistik terlihat bahwa algoritme CLPSO, yang menggunakan strategi pembelajaran komprehensif, mempunyai perbedaan performa yang signifikan dengan algoritme PSO-w meskipun sama-sama menggunakan berat inersia untuk memperbarui kecepatan partikel-partikelnya. 3. Meskipun permasalahan 30-D lebih sulit jika dibandingkan dengan permasalahan 10-D, tetapi CLPSO dapat tampil konsisten mengungguli performa PSO-w.
5.2 Saran Beberapa saran yang diajukan untuk pengembangan lebih lanjut tugas akhir ini adalah : 1. CLPSO memang bukan merupakan pilihan yang terbaik untuk memecahkan permasalahan unimodal, sedangkan dalam memecahkan permasalahan dalam dunia nyata biasanya tidak diketahui bentuk dari landscape nilai fitness suatu fungsi (unimodal ataukah multimodal), maka disarankan untuk menggunakan algoritme dengan performa yang bagus pada permasalahan multimodal, dimana algoritme tersebut juga mampu menyelesaikan permasalahan unimodal. 2. Dengan mengkombinasikan CLPSO dengan metode pencarian lokal semisal metode Quasi-Newton, mungkin permasalahan unimodal dapat dipecahkan dengan lebih efisien. 81
DAFTAR PUSTAKA Kennedy, J. dan Eberhart, R. C. 1995. “Particle Swarm Optimization”. Proceeding Of The IEEE International Conference on Neural Networks. Piscataway, NJ, USA, 1942-1948. Salerno, J. 1997. “Using the Particle Swarm Optimization Technique to Train a Recurrent Neural Model”. Proceeding Of The IEEE International Conference on Tools with Artificial Intelligence. 45-49. Ismail, A. dan Engelbrecht, A. P. 1999. “Training Product Units in Feedforward Neural Networks Using Particle Swarm Optimization”. Proceeding Of The International Conference on Artificial Intelligence. Durban, South Africa. 36-40. Gudise, V. G. dan Venayagamoorthy, G. K. 2003. “Comparison of Particle Swarm Optimization and Backpropagation as Training Algorithms for Neural Networks”. Proceeding Of The IEEE Swarm Intelligent Symposium 2003. Indianapolis, Indiana, USA, 110-117. Yoshida, H., Kawata, K., Fukuyama, Y., dan Nakanishi, Y. 2000. “A Particle Swarm Optimization for Reactive Power and Voltage Control Considering Voltage Security Assessment”. IEEE Transactions on Power Systems, 15:1232-1239. Abido, M. A. 2002. “Optimal Power Flow Using Particle Swarm Optimization”. Electrical Power and Energy Systems, 24:563-571. Abido, M. A. 2002. “Optimal Design of Power System Stabilizers Using Particle Swarm Optimization”. IEEE Transactions on Energy Conversion, 17: 406-413. 83
84
Agrafiotis, D. K. dan Cedeno, W. 2002. “Feature Selection for Structure-Activity Correlation Using Binary Particle Swarms”. Journal of Medicinal Chemistry, 45: 10981107. Brandstatter, B. dan Baumgartner, U. 2002. “Particle Swarm Optimization – Mass-Spring System Analogon”. IEEE Transactions on Magnetics, 38:997-1000. Ciuprina, G., Ioan, D., dan Munteanu, I. 2002. “Use of IntelligentParticle Swarm Optimization in Electromagnetics”. IEEE Transactions on Magnetics, 38:1037-1040. Robison, J. dan Rahmat-Samii, Y. 2004. “Particle Swarm Optimization in Electromagnetics”. IEEE Transactions on Antennas and Propagation, 52:397-407. Van der Merwe, D. W. dan Engelbrecht, A. P. 2003. “Data Clustering Using Particle Swarm Optimization,” Proceeding Of The IEEE Congress on Evolutionary Computation 2003. Canbella, Australia, 215-220. Coello Coello, C. A., Luna, E. H. n., dan Aguirre, A. H. n. 2003. “Us of Particle Swarm Optimization to Design Combinational Logic Circuits”. Lecture Notes in Computer Science (LNCS), 2606:398 - 409. Tasgetiren, M. F. dan Liang, Y.-C. 2003. “A Binary Particle Swarm Optimization Algorithm for Lot Sizing Problem”. Journal of Economic and Social Research, 5, 2:1-20. Salman, A., Ahmad, I., dan Al-Madani, S. 2003. “Particle Swarm Optimization for Task Assignment Problem”. Microprocessors and Microsystems, 26:363-371.
85 Onwubolu, G. C. dan Clerc, M. 2004. “Optimal Path for Automated Drilling Operations by a New Heuristic Approach Using Particle Swarm Optimization”. International Journal of Production Research, 4:473491. Tasgetiren, M. F., Liang, Y.-C., Sevkli, M., dan Gencyilmaz, G. 2004. “Particle Swarm Optimization Algorithm for Makespan and Maximum Lateness Minimization in Permutation Flowshop Sequencing Problem”. Proceeding Of The Fourth International Symposium on Intelligent Manufacturing Systems. Sakarya, Turkey, 431-441. Tasgetiren, M. F., Sevkli, M., Liang, Y.-C., dan Gencyilmaz, G. 2004. “Particle Swarm Optimization Algorithm for Single Machine Total Weighted Tardiness Problem”. Proceeding Of The IEEE Congress on Evolutionary Computation 2004, Portland, Oregon, USA, 1412-1419. Tasgetiren, M. F., Sevkli, M., Liang, Y.-C., dan Gencyilmaz, G. 2004. “Particle Swarm Optimization Algorithm for Permutation Flowshop Sequencing Problem”. Lecture Notes in Computer Science (LNCS), 3172:382-390. Arumugam, M. Senthil. dan Rao, M. V. C. 2006. “On The Performance Of The Particle Swarm Optimization Algorithm With Various Inertia Weight Variants For Computing Optimal Control Of a Class Of Hybrid Systems . Discrete Dynamics in Nature and Society, 79295:1–17 Shi, Y. dan Eberhart, R. C. May 1998. “A modified particle swarm optimizer”. Proceeding of the IEEE International Conference on Evolutionary Computation (CEC), Piscataway, NJ, 69-73.
86 Shi, Y., dan Eberhart, R. C.1998. “Parameter selection in particle swarm optimization”. Evolutionary Programming VII, Lecture Notes in Computer Science, Springer, New York, 1447:591–600. Hu
,
Xiaohui. 2006. “PSO Tutorial”,
.
Liang, Jing J., Qin, A. Kai., Suganthan, Ponnuthurai Nagaratnam, dan Baskar, S. 2004. “Evaluation of Comprehensive Learning Particle Swarm Optimizer “. LNCS 3316, :230235. Schutte, Jaco F. 2005. “The Particle Swarm Optimization Algorithm”. Liang, J. J., Qin, A. K., Suganthan, Ponnuthurai Nagaratnam, dan Baskar, S. Juni 2006. “Comprehensive Learning Particle Swarm Optimizer for Global Optimization of Multimodal Functions . IEEE Transactions On Evolutionary Computation, 10:3. Particle swarm optimization, . Hu, Xiaohui Hu. 2006. “Particle Swarm Optimization, http://www.swarmintelligence.org/index.php>. Shi, Yuhui dan Eberhart, Russel C. 1998. “Parameter selection in particle swarm optimization”. Evolutionary Programming VII, Lecture Notes in Computer Science, Springer, New York,1447: 591–600. Liang, J. J., Qin, A. K., Suganthan, Ponnuthurai Nagaratnam, dan Baskar, S. 2004. “Particle swarm optimization algorithms with novel learning strategies”. Proceeding Of IEEE Int.
87 Conf. on Systems Man and Cybernetics, Netherlands, October 2004, . Liang, J. J., Suganthan, P. N. dan Deb, K. Juni 2005. “Novel composition test functions for numerical global optimization”. Proceeding of The Swarm Intell. Symposium. Salomon, Ralf. 1995. “Reevaluating Genetic Algorithm Performance under Coordinate Rotation of Benchmark Functions”. BioSystems, 39, 3:263-278. Elsevier Science. Wolpert, D. H. dan Macready , W. G.. April 1997. “No free lunch theorems for optimization”. IEEE Trans. Evolution Computation, 1:67–82.
BIODATA PENULIS Penulis dilahirkan di Ngawi, 21 September 1983, merupakan anak ke tiga dari tiga bersaudara. Penulis telah menempuh pendidikan formal yaitu di TK Kebangsaan I Kecamatan Ngawi, SDN Karangasri II pada tingkat sekolah dasar, SLTPN 2 Ngawi pada tingkat menengah pertama, dan SMUN 2 Ngawi pada tingkat atas. Pada tahun 2002, penulis mengikuti SPMB dan diterima di Jurusan teknik Informatika FTIf-ITS dan terdaftar dengan NRP 5102100010. Di Jurusan Teknik Informatika ini penulis mengambil bidang minat Sistem Bisnis Cerdas.
155