Optimasi Fuzzy System Membership Menggunakan Two Point Crossover

Abstract

Optimasi fuzzy system membership merupakan salah satu solusi yang banyak
diterapkan untuk menentukan desain membership function yang tepat dan optimal.
Untuk membangkitkan sebuah fungsi fuzzy system membership digunakan metode
klasifikasi ataupun clustering. Penggunaan metode klasifikasi membutuhkan seorang
expert dalam menentukan klasisfikasi dataset, hal ini menjadi masalah selanjutnya
terhadap kondisi tersebut yaitu jika para ahli tidak tersedia maka akan menimbulkan
kesulitan dalam membangkitkan fungsi fuzzy system membership bahkan bisa
mengakibatkan sistem fuzzy yang dikembangkan tidak berfungsi dengan baik. Pada
penelitian ini, penulis menggunakan algoritma genetika dengan two point crossover
untuk mengoptimasi fuzzy system membership. Penggunaan algoritma genetika
dengan two point crossover diuji dengan 10 set kromosom yang dibangkitkan secara
random dengan variasi generasi 50 dan 100. Pengujian dengan 50 generasi untuk ke
empat variabel yang digunakan sebagai input menghasilkan nilai fitness terbaik di
generasi tertentu, begitu juga untuk pengujian dengan 100 generasi. Dari hasil yang
didapat penggunaan two point crossover dapat menghasilkan fuzzy system membership
lebih optimal dengan dihasilkannya nilai fitness yang tinggi. Nilai fitness yang
dihasilkan dengan menggunakan Two Point Crossover terlihat menghasilkan nilai
fitness yang random dan lebih dinamis.