Modifikasi Kombinasi Particle Swarm Optimization dan Genetic Algorithm untuk Permasalahan Fungsi Non-Linier

Kurniawan, Muchamad; Suciati, Nanik

doi:10.31284/j.integer.2017.v2i2.177

Cited by 4 publications

(4 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Pada algoritma Greedy, prosedur untuk menyelesaikan permasalahan TSP yakni dengan membuat pilihan optimum lokal pada setiap langkah dengan harapan pengambilan langkah optimum lokal akan menuju solusi optimum global [5]. Algoritma Brute Force merupakan algoritma sederhana yang melakukan pencarian menyeluruh terhadap kemungkinan yang ada [6]. Selanjutnya, akan dibandingkan dari ketiga algoritma tersebut untuk mengetahui algoritma terbaik dalam menentukan rute dan total jarak tempuh terpendek pengiriman barang.…”

Section: Aunclassified

Perbandingan Algoritma K-Nearest Neighbor, Greedy dan Brute Force dalam Menentukan Rute Pengiriman Barang

Maulidan

Gunawan

Fajar

2023

BCSM

View full text Add to dashboard Cite

Abstract. The buying and selling transaction system that is widely used by the public today is the online buying and selling system. In the online buying and selling system, of course there is a process of sending goods. One of the goods delivery companies in Indonesia is J&T Express Cicurug, Sukabumi Regency, West Java. In the process of shipping goods, of course, a shipping line with the shortest distance is needed in order to streamline the process of sending goods. Delivery route problems can be solved using the Traveling Salesman Problem algorithm, in this study using the K-Nearest Neighbor (KNN) algorithm, the Greedy algorithm, and the Brute Force algorithm. This study aims to determine and compare the routes and distances traveled in the delivery of goods using the K-Nearest Neighbor algorithm, the Greedy algorithm and the Brute Force algorithm. The results obtained are that the K-Nearest Neighbor algorithm produces a total distance of 24.05 km, for the Greedy algorithm it produces a total distance of 23.5 km. Meanwhile, with the Brute Force algorithm, it is equal to 21.74 km. So using the Brute Force algorithm can produce better routes and total mileage compared to the K-Nearest Neighbor algorithm and the Greedy algorithm. Abstrak. Sistem transaksi jual beli yang sudah banyak masyarakat memanfaatkannya saat ini adalah dengan sistem jual beli online. Pada sistem jual beli online tentu terdapat proses pengiriman barang. Salah satu perusahaan pengirim barang yang ada di Indonesia ialah J&T Express Cicurug Kabupaten Sukabumi Jawa Barat. Pada proses pengiriman barang tentu perlu suatu rute pengiriman dengan jarak tempuh yang terpendek agar dapat mengefisienkan proses pengiriman barang. Permasalahan rute pengiriman barang dapat diselesaikan dengan algoritma pada Travelling Salesman Problem, dalam penelitian ini yaitu menggunakan algoritma K-Nearest Neighbor (KNN), algoritma Greedy, dan algoritma Brute Force. Penelitian ini bertujuan untuk menentukan serta membandingkan rute dan jarak tempuh dalam pengiriman barang menggunakan algoritma K-Nearest Neighbor, algoritma Greedy dan algoritma Brute Force. Hasil yang diperoleh yaitu dengan algoritma K-Nearest Neighbor menghasilkan total jarak tempuh sepanjang 24,05 km, untuk algoritma Greedy menghasilkan total jarak tempuh sebesar 23,5 km. Sedangkan dengan algoritma Brute Force yaitu sebesar 21,74 km. Jadi, dengan menggunakan algoritma Brute Force dapat menghasilkan rute dan total jarak tempuh yang lebih baik dibandingkan dengan algoritma K-Nearest Neighbor dan algoritma Greedy.

show abstract

Section: Aunclassified

Perbandingan Algoritma K-Nearest Neighbor, Greedy dan Brute Force dalam Menentukan Rute Pengiriman Barang

Maulidan

Gunawan

Fajar

2023

BCSM

View full text Add to dashboard Cite

show abstract

“…Model ini akan disimulasikan dalam ruang dengan dimensi tertentu dengan sejumlah iterasi sehingga di setiap iterasi, posisi partikel akan semakin mengarah ke target yang dituju (minimasi atau maksimasi fungsi). Ini dilakukan hingga maksimum iterasi dicapai atau bisa juga digunakan kriteria penghentian yang lain [13], [16], [17].…”

Section: Pendahuluanunclassified

Perbandingan Metode Optimasi Non-Linear Partical Swarm Optimization (PSO) Dengan Metode Interior Point Untuk Optimasi Daya Pada Turbin Angin Dengan Menentukan Nilai Optimum Pitch Angle

Prasetyo

Rafinda

Nugroho

2022

kilat

View full text Add to dashboard Cite

Along with the increasing development of technology, demand for electricity is also increasing. To overcome the problem of reducing electricity raw materials originating from fossil energy, new renewable energi is the solution. One of the new renewable energi sources that have high efficiency values is wind. Wind power plants require wind speed to produce efficiency and output power in the wind turbine. The optimization problem of a wind turbine is to determine the angle of placement of the wind turbine in order to produce the desired optimum power. This journal is determining the wind turbine pitch angle to determine the optimum power by comparing two optimization methods, namely Partical Swarm Optimization (PSO) and the Interior Point optimization method. The data to be obtained is the optimal distance between the turbines and the comparison of the efficiency between the two optimization methods in producing the optimal solution for the problem of placing wind turbines in the wind turbine field. Seiring dengan meningkatnya perkembangan teknologi, kebutuhan listrik juga semakin meningkat. Untuk mengatasi permasalahan berkurangnya bahan baku listrik yang berasal dari energi fosil, maka energi baru terbarukan adalah solusinya. Sumber energi baru terbarukan yang memiliki nilai efisiensi yang tinggi salah satunya adalah angin. Pembangkit listrik tenaga angin membutuhkan kecepatan angin untuk menghasilkan efisiensi dan daya keluaran pada turbin angin tersebut. Permasalahan optimisasi dari suatu turbin angin adalah menentukan sudut peletakan turbin angin agar menghasilkan daya optimum yang diinginkan. Pada jurnal ini bertujuan menentukan pitch angle wind turbine unutk menentukan daya optimum dengan membandingkan dua metode optimasi yaitu Partical Swarm Optimization (PSO) dan metode optimasi Interior Point. Data yang akan diperoleh adalah jarak optimal antar turbin dan perbandingan efisiensi antara kedua metode optimasi tersebut dalam menghasilkan solusi optimal untuk masalah penempatan turbin angin di lapangan turbin angin.

show abstract

“…However, the PSO algorithm that is too fast in achieving convergence can result in premature convergence. Premature convergence occurs when the PSO algorithm approaches the final solution, so the algorithm is unable to find a new, wider solution space [12].…”

Section: Particle Swarm Optimizationmentioning

confidence: 99%

Fuzzy Time Series Optimization using Particle Swarm Optimization for Forecasting the Number of Fresh Fruit Bunches (FBB) of Palm Oil

Aliyah,

Utami,

Oktadini

2021

SJIA

View full text Add to dashboard Cite

Palm oil is a reliable vegetable oil producer because the oil produced has advantages than oils from other plants. The amount of Fresh Fruit Bunches (FFB) raw material from Palm oil has a significant impact on the palm oil production process. Therefore, we need a method to forecasting the amount of palm oil (FFB). One of the suitable forecasting methods is fuzzy time series (FTS). However, FTS still has shortcomings such as innacurate determination of the interval length. For this reason, we need to optimize FTS interval to get optimal forecasting. This research implements Particle Swarm Optimization as the optimization method, FTS Chen-Hsu as the forecast method, and Mean Absolute Percentage Error (MAPE) as the measurement of error. The optimization result using PSO produce an error value of 2.0262% smaller than FTS 3.7108%.

show abstract

Modifikasi Kombinasi Particle Swarm Optimization dan Genetic Algorithm untuk Permasalahan Fungsi Non-Linier

Cited by 4 publications

References 0 publications

Perbandingan Algoritma K-Nearest Neighbor, Greedy dan Brute Force dalam Menentukan Rute Pengiriman Barang

Perbandingan Algoritma K-Nearest Neighbor, Greedy dan Brute Force dalam Menentukan Rute Pengiriman Barang

Perbandingan Metode Optimasi Non-Linear Partical Swarm Optimization (PSO) Dengan Metode Interior Point Untuk Optimasi Daya Pada Turbin Angin Dengan Menentukan Nilai Optimum Pitch Angle

Fuzzy Time Series Optimization using Particle Swarm Optimization for Forecasting the Number of Fresh Fruit Bunches (FBB) of Palm Oil

Contact Info

Product

Resources

About