Meilinda Ayundyahrini Pembimbing: Ir. Rusdhianto Effendie A. K, MT Nurlita Gamayanti, ST., MT Teknik Sistem Pengaturan JURUSAN TEKNIK ELEKTRO Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember SURABAYA 2013
PENDAHULUAN TEORI DASAR PERANCANGAN SISTEM PENGUJIAN DAN ANALISA PENUTUP
PENDAHULUAN
Aktifitas masyarakat (limbah) Musim penghujan dan kemarau [8]
Koagulasi pengikatan koloid air dosis koagulan tergantung kualitas air baku tidak linier Musim ikut mempengaruhi kualitas air baku
TEORI DASAR
Proses Pengolahan Air IPAM Ngagel III Algoritma Genetika
Proses Pengolahan Air IPAM Ngagel III
Algoritma Genetika Inialisasi Populasi
Penentuan nilai sistem awal (uk. Populasi, tipe data, jumlah gen, jumlah var) dan membuat populasi awal
Evaluasi Individu
Menentukan performansi individu. Individu yang memiliki nilai fitness tertinggi yang bertahan
Seleksi Induk
Penentuan induk untuk memperbaiki keturunan
Pindah Silang
Mendapatkan solusi yang bagus dan minimum terdapat 2 kromosom induk. Memiliki probabilitas crossover
Mutasi
Merubah menjadi nilai sebaliknya (dalam biner) umumnya nilai probabilitas mutasi sebagai 1/n (n adl jumlah gen dalam variabel)
Elitisme
Mempertahankan/mengamankan individu terbaik
BAB III PERANCANGAN SISTEM
Mulai Evaluasi Individu Data Real Seleksi Induk Pc,Pm,hi,lo,maxit,mincost, popsize,nbits Pindah Silang Normalisasi Data Real Mutasi Stratifikasi Elitisme Inialisasi Populasi Max Iterasi? Ya
Selesai
Tidak
Normalisasi Data Kekeruhan : 10 ntu sampai ±372 ntu pH : ± 7 sampai ±8 Dosis Tawas : 10 ppm sampai ±120 ppm 3.1 Keterangan: n = nilai ternormalisasi Xn = nilai yang ingin dinormalisasi Xmin = nilai terkecil dalam satu parameter Xmax = nilai terbesar dalam satu parameter
Stratifikasi
Data
Musim Satu Tahun
Kekeruhan
(Kemarau, Penghujan)
Waktu
Kekeruhan (shorting)
1 golongan
2 golongan
Waktu
3 golongan
1 golongan
2 golongan
3 golongan
Mulai
Data normalisasi, n
Pengurutan Kekeruhan
Pengelompokan data sebanyak n
Eksekusi Data Golongan 1
Eksekusi Data Golongan 2
Eksekusi Data Golongan 3
Par1, par2, par3
selesai
Inialisasi Populasi Penentuan harga awal yang meliputi: >> Jumlah parameter (Npar) >> Jumlah gen/bit (Nbits) >> batas awal pengkodean (hi), batas bawah pengkodean (lo) >> Banyak populasi awal (popsize) >> Penentuan banyaknya iterasi (maxit) >> Probabilitas crossover (Pc) dan probabilitas mutas (Pm) >> Penentuan berhentinya iterasi (mincost)
Representasi Kromosom, Individu, dan Populasi Mulai
popsize=16, nbits=8, npar=5
Nt=nbits*npar
pembangkitan populasi popsizexNt
Pengkodean data populasi
par
Selesai
Flowchart Pengkodean Kromosom
Mulai
Pengkodean kromosom bertujuan untuk mengubah data biner menjadi desimal agar data bisa diproses pada evaluasi individu
popsize, keep, chrom, hi, lo,bits
Pengkodean bilangan biner ke bilangan asli
Selesai
Evaluasi Individu Persamaan polynomial
Persamaan least square error
Persamaan error sesaat
Seleksi Induk Mulai
Seleksi Induk menggunakan seleksi turnamen. Seleksi mengambil 8 data teratas untuk menjadi calon induk. Pemilihan induk dilakukan secara acak
Ic=1 odds(id)=>pick1(ic)>odds(id-1)
Ya
ma(ic)=id-1
popsize, keep
M=(popsize-keep)/2
Tidak
Fungsi probabilitas distribusi
Ya odds(id)=>pick2(ic)>odds(id-1)
pick1=rand(1,M), pick2=rand(1,M) Tidak While ic<=M id For id=2:keep+1 ic
Selesai
pa(ic)=id-1
Pindah Silang Mulai
Pindah silang menggunakan
single point crossover. Titik
potong dipilih secara acak yang menggunakan nama xp. Variabel ix menunjukkan indeks induk
selection, M, Nt, ma, pa
Keep=floor(selection*popsize)
ix= 1:2:keep
Penentuan titik potong
Pembentukan Anak 1 dan Anak 2
pop
Selesai
Mutasi
Mulai
popsize, Nt, Pm, pop
nmut=ceil((popsize-1)*Nt*Pm
Mutasi yang merupakan penggantian nilai bit menjadi sebaliknya dipilih secara acak. Pemilihan baris dan kolom untuk mutasi disimpan dalam variabel mrow dan
mcol
mrow=ceil(rand(1,mut)*(popsize-1)+1
mcol=ceil(rand(1,nmut)*Nt
for ii=1:nmut
pop(mrow(ii),mcol(ii))=abs(pop(mrow(ii), mcol(ii))-1)
ii
Selesai
Elitisme mulai
Elistisme, mengamankan individu terbaik dengan tidak mengikutsertakan individu indeks teratas dalam iterasi selanjutnya
par, pop, popsize, nbits
par(2:popsize,:)=gadecode(pop(2:popsize,:),0, 10)
Cost (2,popsize)=feval(ff,par(2,popsize,:))
[cost,ind]=sort (cost)
par=par(ind,: ) pop=pop(ind,: )
Selesai
PENGUJIAN DAN ANALISA
Data
Musim Satu Tahun
(Kemarau, Penghujan)
Kekeruhan
Waktu
(LSE & ES)
(LSE & ES)
Kekeruhan (shorting)
1 golongan
2 golongan
3 golongan
1 golongan
2 golongan
3 golongan
(LSE & ES)
(LSE & ES)
(LSE & ES)
(LSE & ES)
(LSE & ES)
(LSE & ES)
Waktu
Sebaran Data Real Satu Tahun
Sebaran Data Real Musim Kemarau
Sebaran Data Real Musim Penghujan
HASIL RATA-RATA ERROR PENGUJIAN DATA Keterangan
LSE
Error Sesaat
16,645; 1,226 16,638; 1,107
16,716; 0,796 16,644; 1,147
4,08; 0,935 3,971; 1,577 3,194; 0,968 3,08; 0,674 3,37; 0,879 2,327; 0,033
3,779; 1,027 3,665; 1,432 3,039; 0,89 3,076; 0,349 3,66; 1,018 2,297; 0,027
10,611; 0,521 9,165; 0,307 8,501; 0,056 10,584; 0,493 10, 376; 0,204 9,802; 0,343
10,584, 0403 9,137; 0,307 8,491; 0,023 10,583; 0,523 10, 357; 0,304 9,78; 0,199
Satu Tahun
1. Tanpa pengurutan kekeruhan 2. Dengan pengurutan kekeruhan Musim Kemarau 1. Satu tk. kekeruhan 2. Dua tk.kekeruhan 3. Tiga tk. kekeruhan 4. Setiap 6 bulan 5. Setiap 3 bulan 6. Setiap 2 bulan Musim Penghujan 1. Satu tk. kekeruhan 2. Dua tk.kekeruhan 3. Tiga tk. kekeruhan 4. Setiap 6 bulan 5. Setiap 3 bulan 6. Setiap 2 bulan
Data Satu Tahun
Musim Kemarau Dengan 3 Penggolongan Waktu
Persamaan yang didapat
Musim Kemarau Dengan 3 Penggolongan Kekeruhan
Persamaan yang didapat
Musim Penghujan Dengan 3 Penggolongan Kekeruhan
Persamaan yang didapat
Musim Penghujan Dengan 3 Penggolongan Waktu
PENUTUP
Setelah melakukan pengujian terhadap plant maka didapatkan beberapa kesimpulan. Musim penghujan dan musim kemarau memiliki karakteristik yang berbeda, hal tersebut ditunjukkan dari nilai koefisien yang muncul. Untuk musim kemarau, penyelesaian yang bisa menghasilkan nilai error sebesar 2,787 untuk nilai error dari rata-rata error setiap individu dan 0,428 untuk nilai error darirata-rata data keseluruhan adalah dengan mengelompokkan data menjadi tiga kelompok waktu menggunakan persamaan error sesaat. Sedangkan untuk musim penghujan nilai error dari rata-rata error setiap individu bernilai 8,639 dan nilai error dari rata-rata data keseluruhan sebesar 0,204. Nilai error tersebut didapatkan melalui pengelompokan data menjadi tiga golongan terhadap kekeruhan menggunakan persamaan error sesaat. Dari hasil pengujian pada bab sebelumnya, persamaan error sesaat menghasilkan nilai error lebih rendah jika dibandingkan dengan persamaan least square error.