OPTIMASI KOMPOSISI PAKAN KAMBING POTONG MENGGUNAKAN ALGORITMA GENETIKA Dyah Pramesti1), Wayan Firdaus Mahmudy2), Indriati2) Program Studi Teknik Informatika Program Teknologi Informasi dan Ilmu Komputer Universitas Brawijaya, Malang 65145, Indonesia Email :
[email protected] ABSTRAK Permasalahan yang sering terjadi dalam usaha ternak kambing potong adalah penggunaan bahan pakan yang belum efisien. Kesalahan dalam menentukan bahan pakan yang digunakan selama ini berdampak pada rendahnya kandungan nutrisi yang diberikan kepada kambing potong yang mengakibatkan kambing potong tersebut tidak tumbuh dan berkembang dengan baik. Dalam sudut pandang ekonomi, pembelian bahan pakan ternak menjadi biaya tertinggi dalam usaha peternakan,
sehingga biaya tersebut harus ditekan serendah
mungkin untuk memaksimalkan pendapatan. Mengoptimalkan penyusunan bahan pakan (ransum) kambing potong merupakan cara untuk menekan biaya pembelian bahan pakan serta untuk memaksimalkan keuntungan maupun pendapatan. Dalam kasus ini digunakan algoritma genetika untuk mengoptimasi komposisi bahan pakan kambing potong. Digunakan representasi kromosom real code dengan panjang kromosom yang didapatkan dari jumlah bahan pakan yang diinputkan. Metode crossover yang digunakan pada penelitian ini adalah extended intermediate crossover dan metode mutasi yang digunakan adalah random mutation. Dan untuk seleksi menggunakan metode ellitsm selection. Solusi optimal diperoleh dari ukuran populasi yaitu 200, crossover rate sebesar 0,1 dan mutation rate 0,5 serta jumlah generasi sebanyak 200 dengan nilai fitness 0.000167046. Kata Kunci : Algoritma genetika, optimasi pakan ,pakan kambing potong. ABSTRACT The common problem that mostly happened in animal husbandry of goat is the insufficient usage of fodder. A simple mistake in choosing the fodder caused the goat to having a little nutrition in their body. That surely make the goat not growing breed well. In the economic point of view, the purchase of fodder becomes the highest cost in factory farming, so the cost should be reduced as low as possible to maximize the revenue. Optimizing the preparations of goat’s fodder is a way to reducing the cost, that can also increasing the revenue. In this case, a genetic algorithm is used to optimizing the goat’s fodder. Real code chromosome is used with chromosome length that obtained from the amount of feed ingredients entered. The crossover method that used in this research is the extended intermediate crossover and the mutation method that used is random mutation. The selection used ellitsm selection method. The optimal solution from a population size is 200, 0.1 for the crossover rate, 0.5 for the mutation rate and the generation number of 200 with fitness value 0.000167046.
Pramesti, D, Mahmudy, WF & Indriati 2015, 'Optimasi komposisi pakan kambing potong menggunakan algoritma genetika ', DORO: Repository Jurnal Mahasiswa PTIIK Universitas Brawijaya, vol. 5, no. 13.
Keywords : Genetic algorithms, Optimizing the preparations of goat’s fodder, feed of goat
1.
Karena algoritma genetika telah berhasil
Pendahuluan
diterapkan pada beberapa masalah kompleks, pada
1.1. Latar Belakang Kambing potong adalah hewan ternak yang banyak
skripsi ini algoritma genetika digunakan untuk
dipelihara oleh masyarakat Indonesia terutama di
membuat aplikasi “Optimasi Komposisi Pakan
pedesaan.
Kambing
Menurut
data
staitistik,
kebutuhan
Potong
menggunakan
Algoritma
konsumsi daging kambing dan domba dalam negeri
Genetika” dengan harapan aplikasi ini dapat
sekitar 5,6 juta ekor setiap tahunnya (Gunawan,
membantu
2013). Penggunaan bahan pakan yang belum efisien
kambing potong untuk membantu para peternak
menjadi salah satu hal penghambat usaha ternak
kambing potong dalam menentukan komposisi
kambing. Kesalahan dalam menentukan bahan
pakan kambing yang tepat dengan biaya yang
pakan yang digunakan selama ini berdampak pada
efisien.
rendahnya kandungan nutrisi yang diberikan kepada
pakan pada hewan kambing potong dapat dihindari
kambing yang mengakibatkan kambing tersebut
untuk mendapatkan kambing potong yang memiliki
tidak tumbuh dan berkembang dengan baik sehingga
kandungan nutrisi sesuai.
mengoptimalkan
Sehingga
komposisi
ketidakoptimalan
pakan
pemberian
kualitas kambing menjadi turun. Dalam sudut pandang ekonomi, pembelian bahan pakan ternak menjadi biaya tertinggi dalam usaha peternakan, sehingga biaya tersebut harus ditekan serendah mungkin
untuk
memaksimalkan
pendapatan
(Nugraha, 2011). Mengoptimalkan penyusunan bahan pakan (ransum) kambing merupakan cara untuk menekan biaya pembelian bahan pakan serta untuk
memaksimalkan
keuntungan
maupun
1. Bagaimana mengoptimasi komposisi pakan kambing potong agar memenuhi kebutuhan nutrisi yang terbaik dengan biaya yang minimal dengan menggunakan algoritma genetika? 2. Bagaimana menentukan parameter Algoritma Genetika yang tepat? 3. Bagaimana mengukur kualitas solusi yang dihasilkan?
pendapatan. Dalam kasus ini digunakan salah satu metode
1.2 Rumusan Masalah
heuristik
yaitu
algoritma
masalah kompleks, algoritma genetika ini juga banyak digunakan dan dimanfaatkan dalam berbagai juga
menghadapi
optimasi
masalah
matematikannya
kompleks
dibangun.(Mahmudy, 2013).
Batasan masalah yang akan dijadikan
genetika.
Algoritma genetika mampu menyelesaikan berbagai
bidang dan algoritma
1.3 Batasan Masalah
digunakan
sebagai pedoman dalam pelaksanaan penelitian ini adalah sebagai berikut : 1.
potong.
untuk
yang
model
bahkan
sulit
Jenis kambing yang diteliti adalah kambing
2.
Jenis kambing yang diteliti adalah kambing potong yang dalam masa pertumbuhan.
3.
Jenis pakan yang diguankan 30 jenis bahan pakan.
Pramesti, D, Mahmudy, WF & Indriati 2015, 'Optimasi komposisi pakan kambing potong menggunakan algoritma genetika ', DORO: Repository Jurnal Mahasiswa PTIIK Universitas Brawijaya, vol. 5, no. 13.
4.
5.
Penentuan ransum yang disusun berdasarkan
makanan akan jauh lebih baik bila dihitung
berat badan dan target pertambahan berat
berdasarkan Bahan Kering (BK) .
badan(bobot) perhari.
2.
Nutrisi yang digunakan untuk menyusun pakan adalah BK, PK dan TDN.
Protein Yang diperlihatkan dalam table komposisi
adalah protein kasar (Prk). 3.
1.4 Tujuan
TDN
Membangun system rekomendasi yang
Pada ternak ruminansia dikenal istilah Total
mampu mengoptimasi pakan kambing dengan
Digestible Nutrient (TDN), yaitu suatu asumsi
menggunakan algoritma genetika.
bahwa selisih antara zat gizi yang dikonsumsi dengan zat gizi yang terdapat di dalam faeces
2.
TINJAUAN PUSTAKA
merupakan nilai zat gizi yang tercerna dan dapat
2.1 Bahan Pakan Kambing
diubah menjadi enersi. TDN adalah cara/ data yang
Kambing adalah hewan ternak ruminansia kecil yang pakan utamanya adalah hijauan. Pakan hijauan tersebut dapay berupa daun nangka , waru,
banyak tersedia dan telah(pernah) merupakan suatu standar untuk meyatakan nilai energy suatu bahan makanan untuk ruminant (Parakkasi, 1999).
atau yang biasa disebut rambanan, tanaman kacangkacangan dan rumput. Selain diberi pakan hijauan ,
2.3 Ransum
kambing juga diberi pakan berupa konsentrat, konsentrat merupakan makanan penguat yang kandungan gizi tinggi. Namun, meskipun konsentrat memiliki gizi yang baik namun konsentrat tidak bisa dijadikan
makanan
tunggal
karena
dapat
menyebabkan gangguan pencernaan pada kambing yang mengakibatkan hewan ternak mati. Sehingga pakan kambing yang baik adalah perpaduan antara
Ransum merupakan satu atau beberapa jenis bahan pakan yang diberikan untuk seekor ternak selama sehari semalam. Ransum harus dapat memenuhi zat-zat makanna yang dibutuhkan seekor ternak untuk berbagai fungsi tubuhnya, seperti pokok hidup, produksi, maupun reproduksi (Siregar, 1996). Adapun langkah-langkah dalam penyusunan ransum adalah[NN, 2013]:
hijauan dan konsentrat(Susilawati, 2011). 2.2 Kebutuhan Nutrisi Bahan Pakan Kambing
Menentukan kebutuhan nutrisi ternak.
Beberapa bahan makanan memiliki komposisi yang
Menentukan
bahan
makanan
yang
beragam. Sampai saat ini tidak ada yang dapat
digunakan, yaitu :
membantah bahwa analisi dari suatu bahan makanan
- Jenis bahan pakan yang tersedia
yang akan digunakan dalam suatu ransum akan lebih
- Kandungan nutrisinya
akurat bila menggunakan data yang disusun dalam
- Harga bahan pakan
sebuah tabel. Adapun nutrisi yang dibutuhkan oleh
kambing potong adalah BK, PK dan TDN. 1.
Bahan Kering
Oleh karena itu kadar suatu zat dalam suatu bahan
berbagai
bahan
untuk
memenuhi kebutuhan.
Diketahui bahwa kadar air bahan makanan bila diberikan ke pada ternak (as fed) sangat berariasi.
Memformulasikan
akan
Melakukan receck terhadap hasil perhitungan disesuaikan dengan kebutuhan ternak.
Menyiapkan ransum tersusun sesuai dengan kondisi dan kebutuhan[NN, 2013].
Pramesti, D, Mahmudy, WF & Indriati 2015, 'Optimasi komposisi pakan kambing potong menggunakan algoritma genetika ', DORO: Repository Jurnal Mahasiswa PTIIK Universitas Brawijaya, vol. 5, no. 13.
2.4 Algoritma Genetika Algoritma genetika adalah salah satu algoritma
……………………………………………..(2-1)
evolusi yang popular dalam menyelesaikan masalah
Dimana :
optimasi kompleks. Berkembangnya teknologi
Penalty1 = nilai penalti BK
informasi membuat algoritma genetikapun semakin
Penalty2 = nilai penalti PK
berkembang. Algoritma genetika semakin banyak
Penalty3 = nilai penalti TDN
digunakan dalam berbagai bidang seperti fisika
= nilai prioritas untuk BK
sampai sosiologi karena kemampuannya dalam
= nilai prioritas untuk PK
menyelesaikan
maslaah
sederhana
sampai
= nilai prioritas untuk TDN
kompleks (Mahmudy, 2013). Fungsi penalti untuk setiap kebutuhan
2.5 Representasi Kromosom Representasi kromosom merupakan proses pengkodean dari penyelesaian suatu permasalahan (Mahmudy,
2013).
Metode
nutrisi ditunjukkan pada persamaan (2-2), (2-3) dan (2-4) berikut ini.
pengkodean
diklasifikasikan berdasarkan jenis symbol yang digunakan sebagai nilai suatu gen menurut Gen dan Cheng pada tahun 2000 dalam buku Desiani tahun 2006 yaitu sebagai berikut : pengkodean biner , pengkodean riil, bilangan bulat dan struktur data. Pada
contoh
persoalan
ini
menggunakan
Keterangan :
pengkodean riil, pengkodean riil adalah berbetuk
TBK = Total BK
riil. Pengkodean riil tepat sekali jika digunakan pada
TPK
msalah optimalisasi fungsi dan optimalisasi kendala
TTDN = Total TDN
(Desani, 2006).
2.9.5.1 Fitness
= Total PK
Algoritma genetika dapat menyelesaikan
2.6 Niali Fitness 2.9.5.1 Penalty
masalah kompleks salah satunya yaitu permasalahan
Penalty merupakan bobot yang dipakai saat suatu
optimasi, untuk mendapatkan nilai fitness, suatu
individu melakukan pelanggaran terhadap aturan
individu dievaluasi berdasarkan suatu nilai tertentu.
(Tyas, 2013).
Jika
Aturan yang dimaksut dalam
permasalahannya
adalah
optimasi
untuk
penelitian ini adalah nutrisi yang digunakan untuk
memaksimalkan fungsi h, maka digunakan fungsi f
memenuhi kebutuhan pakan kambing berdasarkan
= h untuk mencari nilai fitnessnya. Tapi jika
Tabel 2.2 dan Tabel 2.3. Pinalti dihitung pada saat
permasalahannya
kondisi tertentu yaitu kondisi dimana kebutuhan
meminimalkan fungsi h, maka digunakan fungsi f =
nutrisi rekomendasi dari system kurang dari
1/h untuk mendapatkan nilai fitnessnya. Namun jika
kebutuhan nutrisi dari pakar dan buku. Perhitungan
h bernilai 0 akan mengakibatkan f
penalti ditunjukkan pada persamaan (2-1) berikut (
terhingga. Sehingga h pada fungsi f = 1/h perlu
Sari, Mahmudy, Dewi 2014).
ditambah dengan bilangan yang dianggap kecil.
adalah
optimasi
untuk
bernilai tak
Pramesti, D, Mahmudy, WF & Indriati 2015, 'Optimasi komposisi pakan kambing potong menggunakan algoritma genetika ', DORO: Repository Jurnal Mahasiswa PTIIK Universitas Brawijaya, vol. 5, no. 13.
Sehingga rumus fitness ditunjukkan pada persamaan (2-5) ( Kushardiana, 2013). ………………………………. (2-5)
2.8 Mutasi Mutasi digunakan sebagai operator untuk menjaga keragaman populasi dan untuk membuat individu baru dengan memodifikasi satu atau lebih
Dimana :
gen dalam satu individu yang sama (Mahmudy,
-
2013). Fungsi dari mutasi dalam algoritma genetika
adalah bilangan kecil yang sesuai dengan permasalahan yang dihadapi.
-
adalah sebuah fungsi yang akan diminimalkan (dalam kasus ini adalah harga).
-
untuk menggantikan gen yang hilang dari populasi selama proses seleksi serta menyediakan gen yang tidak ada dalam populasi awal. Metode mutasi yang digunakan dalam kasus ini adalah random mutation
adalah fungsi fitness Dalam penelitian ini, fungsi yang akan
diminimalkan adalah harga dengan menghitung nilai pinalti. Sehingga fungsi fitness yang digunakan dalam penelitian ini ditunjukkan pada persamaan (2-
yang menghasilkan offspring(anak) yang dilakukan dengan menambah atau mengurangi nilai gen terpilih dengan bilangan random yang kecil. Mutasi dilakukan dengan memilih satu induk secara acak dari populasi. Misalkan domain variabel xj adalah
6) (Tyas, 2013) ………………..(2-6)
[minj, maxj] dan offspring yang dihasilkan adalah C=[ x’1..x’n ], maka nilai gen offspring bisa
Dimana :
dibangkitkan sebagai berikut:
-
Total harga diperoleh dengan mengalikan nilai
x’i = x’i + r (maxi –minj)………………(2-9)
bahan pakan setiap kilogram dengan harga
range r misalkan [-0,1, 0,1].
pakan. -
Penalty adalah nilai penalti yang dihitung jika kebutuhan nutrisi rekomendasi system kurang dari kebutuhan nutrisi oleh pakar dan buku.
2.7 Crossover (Pindah Silang) Metode crossover yang digunakan dalam kasus ini adalah extended intermediate crossover yang menghasilkan offspring dari kombinasi nilai dua induk. Kombinasi dua induk(parent) untuk menghasilkan offspring tersebut dipilih secara acak dari populasi. Misalkan P1 dan P2 adalah dua induk yang telah diseleksi untuk melakukan crossover, maka offspring C1 dan C2 bisa dibangkitkan sebagai berikut: C1 = P1 + α (P2 – P1)………………….(2-7) C2 = P2 + α (P1 – P2)………………….(2-8) α dipilih secara acak.
2.9 Seleksi Ellitsm Proses seleksi merupakan proses memilih individu dari himpunan populasi dan offspring yang dipertahankan pada generasi berikutnya (Mahmudy, 2013). Metode yang digunakan dalam penyelesaian kasus ini adalah elitism selection. Seleksi dengan metode elitism selection merupakan proses sleksi yang memilih individu yang memiliki fitness tertinggi
untuk
dipertahankan
ke
generasi
selanjutnya. Metode elitism selection dilakukan dengan mengumpulkan semua individu baik parent maupun offspring, kemudian barulah diseleksi dengan melihat nilai fitness tertingginya untuk dipertahankan ke generasi selanjutnya. Metode seleksi elitism menjamin individu yang terbaik akan selalu lolos (Mahmudy, 2013). 3.
METODELOGI PENELITIAN
Pramesti, D, Mahmudy, WF & Indriati 2015, 'Optimasi komposisi pakan kambing potong menggunakan algoritma genetika ', DORO: Repository Jurnal Mahasiswa PTIIK Universitas Brawijaya, vol. 5, no. 13.
Pada bab metode penelitian dan perancangan ini akan dibahas langkah-langkah yang digunakan
menjual bahan makanan di Kota Malang pada bulan November 2014.
dalam pembuatan aplikasi optimasi komposisi
3.2. Perancangan Sistem
pakan
Optimasi
kambing
potong/pedaging
dengan
komposisi
pakan
menggunakan
langkahnya adalah sebagai berikut :
beberapa proses dimulai dari proses inisialisasi
2.
3.
parameter sampai proses seleksi sehingga terpilih
genetika dan penyusunan atau formulasi
hasil terbaik. Parameter yang digunakan pada
pakan
contoh ini yang meliput: population size, crossover
kambing potong/pedaging yang
akan dibuat dan dibahas pada skripsi ini.
, mutation rate dan jumlah generasi. Berikut adalah
Menganalisa
flowchart proses menyusun ransum pakan untuk
dan
merancang
system
dengan menggunakan hasil dari studi
menghasilkan
literature tersebut.
kebutuhan nutrisi :
Membuat sistem berdasarkan analisa dan
ransum
yang
sesuai
dengan
Mulai
Inisialisasi Parameter Awal
Membuat uji coba terhadap sistem yang telah dibuat.
5.
terdiri dari
Melakukan studi literatur tentang algortima
perancangan yang telah dilakukan. 4.
genetika
potong
menggunakan algoritma genetika. Adapun langkah-
1.
algoritma
kambing
Generasi Populasi Awal
Melakukan evaluasi hasil terhadap hasil yang diperoleh dari uji coba tersebut. Studi Literatur
Crossover
Mutasi
Analisa dan Perancangan Menghitung Fitness
Tidak
Implementasi Sistem Menyeleksi Kromosom
Pengujian Sistem Populasi Baru
Evaluasi Hasil Memenuhi Kondisi Berhenti?
Gambar 3.1 Metode Penelitian
Ya
Kromosom Terbaik
3.1. Data yang Digunakan Data yang digunakan dalam penelitian ini adalah
Selesai
sebagai berikut : 1.
2.
Data bahan makanan dari BBPP Batu Malang
Gambar 3.1 Diagram Alir Algoritma Genetika
Jawa Timur dalam sebuah buku teks ajar 2013.
4. IMPLEMENTASI
Data harga harga makanan didapatkan dengan
Antarmuka yang telah dibuat adalah halaman utama,
melakukan survey ke beberapa tempat yang
halaman nutrisi dan halaman algen. Pada halaman nutrisi terdapat 2 bagian yaitu bagian untuk
Pramesti, D, Mahmudy, WF & Indriati 2015, 'Optimasi komposisi pakan kambing potong menggunakan algoritma genetika ', DORO: Repository Jurnal Mahasiswa PTIIK Universitas Brawijaya, vol. 5, no. 13.
menghitung
menghitung
Untuk mengevaluasi program yang telah dibuat,
kandungan bahan pakan.. Nilai kebutuhan nutrisi
maka dilakukan pengujian terhadap parameter
dan
algoritma genetika sebagai berikut :
nilai
nutrisi
dan
kandungan
untuk
bahan
pakan
tersebut
berpengaruh terhadap perhitungan nilai pinalti.
1. Uji coba untuk menentukan ukuran populasi
Tampilan menu halaman nutrisi sistem ini dilihat
terbaik agar mendapatkan nilai rata-rata fitness
pada Gambar 4.1.
terbaik. 2. Uji coba untuk menentukan jumlah populasi terbaik agar mendapatkan nilai rata-rata fitness terbaik. 3. Uji coba untuk menentukan kombinasi cr dan mr terbaik agar mendapatkan nilai rata-rata fitness terbaik. 5.1. Pengujian dan Analisis Ukuran Populasi Pada
pengujian
pertama
dilakukan
pengujian
terhadap parameter ukuran populasi. Bahan pakan Gambar 4.1 Implemntasi Antarmuka Halaman
yang digunakan pada pengujian ini adalah 3 bahan
Nutrisi
pakan. Untuk menguji ukuran populasi digunakan
Pada halaman algen ini akan dihitung untuk
ukuran populasi kelipatan 40, dimulai dari 40
mendapatkan solusi terbaik. Untuk mendapatkan
sampai 320. Untuk mendapatkan hasil yang lebih
solusi
algoritma
valid maka setiap percobaan akan dilakukan
genetika terlebih dahulu menginputkan jumlah
sebanyak 10 kali untuk diambil nilai rata-rata
populasi, nilai crossover rate, nilai mutation rate dan
fitnessnya. Pada percobaan ini digunakan generasi =
jumlah generasi yang akan digunakan dalam
250, cr = 0,5 dan mr= 0,1. Grafik hasil uji coba
perhitungan. Tampilan menu halaman algoritma
ukuran populasi dapat dilihat pada Gambar 5.1.
terbaik
dengan
perhitungan
genetika sistem ini dilihat pada Gambar 4.2.
Gambar 5.1 Grafik Percobaan Ukuran Populasi Berdasarkan gambar 5.1 dapat dilihat bahwa ukuran populasi berpengaruh terhadap nilai Gambar 4.2 Implemntasi Antarmuka Halaman Algen 5.
PENGUJIAN DAN ANALISA
fitness yang dihasilkan dari perhitungan algoritma genetika. Grafik mengalami kenaikan pada ukuran populasi 50 sampai 200 , dilakukan 10 kali percobaan pada pengujian ukuran populasi untuk
Pramesti, D, Mahmudy, WF & Indriati 2015, 'Optimasi komposisi pakan kambing potong menggunakan algoritma genetika ', DORO: Repository Jurnal Mahasiswa PTIIK Universitas Brawijaya, vol. 5, no. 13.
menghasilkan nilai rata-rata fitness dan dihasilkan
Berdasarkan gambar 5.2 dapat dilihat bahwa
fitness terbaik dengan nilai 0.000166473835. Pada
ukuran populasi berpengaruh terhadap nilai fitness
ukuran populasi 240 sampai 320 tidak terjadi
yang dihasilkan dari perhitungan algoritma genetika.
kenaikan yang signifikan dan grafik hampir
Nilai fitness paling rendah didaptkan pada ukuran
membentuk garis lurus. Sehingga populasi paling
generasi 50 karena proses algoritma genetika
optimal untuk kasus ini yaitu pada ukuran populasi
berproses secara optimal. Namun jumlah generasi
200. Dan dapat disimpulkan bahwa nilai fitness
yang tinggi tidak bisa dikatakan generasi terbaik
yang dihasilkan oleh system dipengaruhi oleh
karena belum tentu niali fitness yang dihasilkan
ukuran populasi yang semakin tinggi, namun jika
paling optimal dan waktu untuk proses algoritma
ukuran
tidak
genetika lebih lama. Dapat dilihat pada gambar 6.2,
didapatkan kenaikan fitness yang signifikan dan
grafik mengalami kenaikan pada jumlah generasi 50
waktu
untuk
sampai 200 , dilakukan 10 kali percobaan pada
menghasilkan nilai fitness pun semakin lama. Pola
pengujian ukuran populasi untuk menghasilkan nilai
seperti ini juga didapatkan oleh Pratiwi (2014) yang
rata-rata fitness dan dihasilkan fitness terbaik
menerapkan algoritma genetika untuk pemenuhan
dengan nilai 0.00016626685. Pada jumlah generasi
kebutuhan gizi.
400 sampai 1500 tidak terjadi kenaikan yang
5.2. Pengujian dan Analisis Banyaknya Generasi Pengujian kedua dilakukan pengujian terhadap
signifikan dan grafik hampir membentuk garis lurus.
parameter banyaknya generasi yang digunakan.
yaitu pada jumlah generasi 200.
Bahan pakan yang digunakan pada pengujian ini
generasi digunakan banyaknya generasi mulai 50
5.3. Pengujian dan Analisis Kombinasi Crossover Rate dan Mutation Rate Pengujian terakhir adalah pengujian terhadap
sampai 1500. Untuk mendapatkan hasil yang lebih
parameter kombinasi cr dan mr yang digunakan
valid maka setiap percobaan akan dilakukan
proses algoritma genetika. Bahan pakan yang
sebanyak 10 kali untuk diambil nilai rata-rata
digunakan pada pengujian ini adalah 3 bahan pakan.
fitnessnya. Pada percobaan ini digunakan populasi
Kombinasi cr dan mr yang diguanakn pada uji coba
200 yang didapatkan dari percobaan sebelumnya, cr
ini antara 0,1 sampai 0,5.dan untuk mendapatkan
= 0,5 dan mr = 0,1. Grafik hasil uji coba banyaknya
hasil yang lebih valid maka setiap percobaan akan
generasi dapat dilihat pada Gambar 5.2.
dilakukan sebanyak 10 kali untuk diambil nilai rata-
populasi
komputasi
semakin
yang
tinggi
maka
digunakan
adalah 3 bahan pakan. Untuk menguji banyaknya
Sehingga generasi paling optimal untuk kasus ini
rata fitnessnya. Pada percobaan ini digunakan populasi optimal pada uji coba sebelumnya yaitu ukuran populasi 200, dan gerasi 200
yang
didapatkan dari hasil uji coba sebelumnya. Grafik hasil uji coba kombinasi cr dan mr dapat dilihat pada Gambar 5.3. Gambar 5.2 Grafik Percobaan Banyaknya Generasi
Pramesti, D, Mahmudy, WF & Indriati 2015, 'Optimasi komposisi pakan kambing potong menggunakan algoritma genetika ', DORO: Repository Jurnal Mahasiswa PTIIK Universitas Brawijaya, vol. 5, no. 13.
sehingga mengahasilkan solusi yaitu biaya yang minimum dan nutrisi yang mendekati optimal. 2. Untuk mengukur kualitas solusi terbaik pada permasalahan optimasi komposisi pakan kambing potong menggunakan algoritma genetika ini maka diguanakan representasi kromosom real code. Panjang kromosom didapatkan dari jumlah bahan Gambar 5.3 Grafik Uji Coba Kombinasi Cr dan Mr Berdasarkan gambar 6.3 dapat dilihat bahwa dapat dilihat bahwa nilai fitness terbaik ada pada kombinasi cr dan mr 0.1:0,5 dengan nilai fitness 0.000167046. Uji coba kombinasi cr dan mr berpengaruh terhadap nilai fitness yang dihasilkan. Tingkat crossover rate yang terlalu besar dan mutation rate yang terlalu kecil akan menurunkan kemampuan algoritma genetika untuk memperlebar area pencarian. Dan crossover rate yang kecil dan mutation
rate
yang
besar
akan
menurunkan
kemampuan algoritma genetika untuk belajar dari generasi sebelumnya dan tidak mampu untuk mengeksploitasi area optimum local (Mahmudy,
pakan yang diinputkan. Metode crossover yang digunakan pada penelitian ini adalah extended intermediate crossover. Sedangkan metode mutasi yang digunakan adalah random mutation. 3. Pengujian
parameter
genetika
berpengaruh
terhadap nilai fitness yang dihasilkan. Pengujian pada
parameter
genetika
mengkombinasikan
dilakukan
crossover
rate
dengan (cr)
dan
mutation rate (mr) yang terbaik terdapat pada kombinasi cr dan mr 0.1:0,5 dengan nilai fitness 0.000167046. Kenaikan nilai fitness dipengaruhi oleh nilai crossover rate (cr) dan mutation rate (mr) yang semakin naik karena individu akan lebih sering mengalami persilangan sehingga terbentuk invidu yang bervariasi sehingga nilai fitness juga
WF, Marian, RM & Luong, LHS 2014).
bervariasi.
6. Kesimpulan dan Saran 6.1 Kesimpulan Kesimpulan yang didapatkan dari hasil uji coba
4. Parameter
genetika
yang
juga
diuji
dalam
penelitian ini adalah populasi dan generasi. Kedua
yang telah dilakukan mengenai penerapan algoritma
parameter tersebut berpengaruh terhadap nilai
genetika
permasalahan
fitness yang dihasilkan dari proses algoritma
optimasi komposisi pakan kambing potong yaitu
genetika. Ukuran populasi yang optimal terdapat
sebagai berikut :
pada
untuk
menyelesaikan
ukuran
200
dengan
nilai
fitness
pada
0.000166473835. Sehingga dapat disimpulkan
permasalahan optimasi komposisi pakan kambing
bahwa nilai fitness yang dihasilkan oleh system
potong , dengan dilakukan pengujian terhadap
dipengaruhi oleh ukuran populasi yang semakin
hasil
dilakukan
tinggi, namun jika ukuran populasi semakin tinggi
(ukuran
maka tidak didapatkan kenaikan fitness yang
populasi,kombinasi crossover rate dan mutation
signifikan dan waktu komputasi yang digunakan
rate serta jumlah generasi). Kemudian dilakukan
untuk menghasilkan nilai fitness pun semakin
sleksi untuk mendapatkan nilai fitness terbaik
lama.
1. Algoritma
yang
terhadap
genetika
dapat
diterapkan
didapatkan.
Pengujian
parameter
genetika
Pengujian
dihasilkan
fitness
jumlah terbaik
generasi dengan
optimal nilai
Pramesti, D, Mahmudy, WF & Indriati 2015, 'Optimasi komposisi pakan kambing potong menggunakan algoritma genetika ', DORO: Repository Jurnal Mahasiswa PTIIK Universitas Brawijaya, vol. 5, no. 13.
0.00016626685 dan terdapat pada jumlah generasi
Genetic Algorithm”, Fakultas Sains dan
ke 200. Sehingga disimpulkam pada jumlah
Teknologi, UIN Sultan Syarif Kasim, Riau.
generasi yang terlalu rendah tidak didapatkan
Nugroho, Romada Adi. 2011 ,”Optimalisasi
generasi terbaik sebagai solusi karena proses
Formulasi Pakan Ternak Terhadap Ayam
algoritma genetika berproses secara optimal.
Pedaging Dengan Menggunakan Metode
Namun jumlah generasi yang tinggi tidak bisa
Linear Programming”, Jurusan Teknik
dikatakan generasi terbaik karena belum tentu
Industri,
niali fitness yang dihasilkan paling optimal dan
Universitas Gunadarma, Jakarta
waktu untuk proses algoritma genetika lebih lama.
Mahmudy, WF.
Fakultas
Teknologi 2013,
Indusri,
“Algoritma
6.2 Saran Pada penelitian ini, terdapat beberapa hal yang dapat
Evolusi”, Program Teknologi Informasi
ditambhakan dan dikembangkan untuk penelitian
Malang.
selanjutnya antara lain :
dan Ilmu Komputer, Universitas Brawijaya, Susilawati, Trinil dkk. 2011. “Agribisnis
1. Pada penelitian ini digunakan algoritma genetika untuk menyelesaiakan permasalahan optimasi komposisi bahan pakan kambing potong namun
kambing”,UB Press, Cetakan Pertama, Malang. Dispet Jatim. 2002. “Gizi Ternak Ruminansia
bisa juga menggunakan algoritma lain dalam
Sesuai
menyelesaikan permasalahan ini.
Formulator Pakan Ternak, Jatim.
2. Dapat menggunakan representasi kromosom lain
Stadia
Fisiologis”,
Reorientasi
Murtidjo, Bambang Agus. 2008, “Kambing
selain real code yang digunakan pada penelitian
sebagai Ternak Potong dan Perah”,
ini. Dapat menggunakan metode crossover selain
Kanisius, Cetakan Kesebelas, Jogyakarta.
extended intermediate crossover dan metode
Desiani, Anita dan Arhami, Muhammad. 2006,
mutasi yang selain random mutation. Dan dapat
“Konsep
menggunakan metode seleksi yang lain selain
OFFSET, Cetakan Pertama, Yogyakarta.
ellitsm.
Kecerdasan
Buatan”,
ANDI
Mulyono, Subangkit dan Sarwono, B. 2008,
3. Jumlah bahan pakan bisa ditambahkan, dalam
“Penggemukan
Kambing
Potong”,
permasalahan ini hanya terdapat 30 jenis bahan
Penebar Swadaya, Cetakan V, Depok.
pakan. Dan bisa menambahkan nutrisi yang
Haryadi, NK. 2014, “Teknik Jitu Penggemukan
digunakan, missal ditambahan Cad an P.
kambing Potong”, Trans Idea Publishing, Cetakan Kedua, Jogjakarta.
7 Daftar Pustaka
Sari, AP, Mahmudy, WF & Dewi, C. 2014,
Aribowo , Arnold dkk. 2008, “ Penerapan Algoritma
Genetika
Pada
Penentuan
Komposisi
Pakan
Ayam
Petelur”,
Universitas Pelita Harapan, Indonesia. Wardhani, Luh Kesuma. dkk. 2011, “ Optimasi Komposisi Bahan Pakan Ikan Air Tawar Menggunakan
Metode
Multi-Objective
“Optimasi Asupan Gizi Pada Ibu Hamil dengan
Menggunakan
Genetika”,
DORO:
Algoritma
Repository
Jurnal
Mahasiswa PTIIK Universitas Brawijaya, vol. 4, no. 5. Pratiwi, MI, Mahmudy, WF & Dewi, C. 2014,
Pramesti, D, Mahmudy, WF & Indriati 2015, 'Optimasi komposisi pakan kambing potong menggunakan algoritma genetika ', DORO: Repository Jurnal Mahasiswa PTIIK Universitas Brawijaya, vol. 5, no. 13.
“Implementasi algoritma genetika pada
NN . 2013,“Dasar-Dasar Pakan Ternak”,
optimasi biaya pemenuhan kebutuhan gizi”,
Buku Teks Bahan Ajar Siswa, Direktorat
DORO:
Pembinaan Sekolah Menengah Kejuruan
Repository
Jurnal
Mahasiswa
PTIIK Universitas Brawijaya, vol. 4, no. 6. Zukhri, Zainudin. 2014, “Algoritma Genetika Metode
Komputasi
Evolusioner
Kementerian Pendidikan dan Kebudayaan Republik Indonesia.
untuk
Menyelesaikan Masalah Optimasi”, C. VANDI OFFSET, Yogyakarta.
Kartadisastra, H.R. 1997. “Penyediaan dan Pengelolaan Pakan Ternak Ruminansia”, Kanisius, Cetakan Ke Enam, Yogyakarta.
Mahmudy, WF, Marian, RM & Luong, LHS. 2014, “Hybrid genetic algorithms for part type
selection
and
machine
loading
problems with alternative production plans in flexible manufacturing system”, ECTI Transactions on Computer and Information Technology (ECTI‐CIT), vol. 8, no. 1, pp. 80-93. Siregar, Soribasya. 1996. Sapi Perah Jenis, Teknik Pemeliharaan, dan Analisa Usaha. PT Penebar Swadaya: Jakarta. Santoso, Undang. 2006, “Manajemen Usaha Ternak
Potong”,
Cetakan
Pertama,
Penebar Swadaya, Depok. Guawan, Hadi. 2013, “Prospek Usaha Penggemukan Kambing Potong”, Pustaka Baru Press, Cetakan Pertama, Yogyakarta. Cahyono, Bambang. 2006, “Beternak Domba dan Kambing” , Kanisius , Cetakan Ke Sembilan, Yogyakarta. Parakkasi, Aminuddin. 1999, “Ilmu Nutrisi dan Makanan Ternak Ruminan”, Universitas Indonesia, Jakarta. Kusumaningrum, Brilyan Indah. 2009, “Kajian Kualitas Ransum Kambing Peranakan Ettawa Di Balai Pembibitan Dan Budidaya Ternak Ruminansia Kendal” , Jurusan Nutrisi Dan Makanan Ternak Fakultas Peternakan
Universitas
Diponegoro,
Semarang
Pramesti, D, Mahmudy, WF & Indriati 2015, 'Optimasi komposisi pakan kambing potong menggunakan algoritma genetika ', DORO: Repository Jurnal Mahasiswa PTIIK Universitas Brawijaya, vol. 5, no. 13.