Optimasi Derajat Keanggotaan Fuzzy Tsukamoto Menggunakan Algoritma Genetika Untuk Diagnosis Penyakit Sapi Potong
Sistem inferensi fuzzy bisa digunakan untuk diagnosis penyakit pada sapi potong. Untuk mendapatkan akurasi yang tinggi maka batasan fungsi keanggotaan fuzzy perlu ditentukan secara tepat. Penggunaan metode logika fuzzy untuk memperoleh hasil diagnosis penyakit pada sapi potong sesuai pakar berdasark...
Main Authors: | , , |
---|---|
Format: | Article |
Language: | Indonesian |
Published: |
University of Brawijaya
2017-02-01
|
Series: | Jurnal Teknologi Informasi dan Ilmu Komputer |
Online Access: | http://jtiik.ub.ac.id/index.php/jtiik/article/view/294 |
id |
doaj-c07df7d60b2f45a7af79854cea8d3d40 |
---|---|
record_format |
Article |
spelling |
doaj-c07df7d60b2f45a7af79854cea8d3d402020-11-25T02:47:35ZindUniversity of BrawijayaJurnal Teknologi Informasi dan Ilmu Komputer2355-76992528-65792017-02-014181810.25126/jtiik.201741294194Optimasi Derajat Keanggotaan Fuzzy Tsukamoto Menggunakan Algoritma Genetika Untuk Diagnosis Penyakit Sapi PotongDiva Kurnianingtyas0Wayan Firdaus Mahmudy1Agus Wahyu Widodo2Fakultas Ilmu Komputer Universitas BrawijayaFakultas Ilmu Komputer Universitas BrawijayaFakultas Ilmu Komputer Universitas BrawijayaSistem inferensi fuzzy bisa digunakan untuk diagnosis penyakit pada sapi potong. Untuk mendapatkan akurasi yang tinggi maka batasan fungsi keanggotaan fuzzy perlu ditentukan secara tepat. Penggunaan metode logika fuzzy untuk memperoleh hasil diagnosis penyakit pada sapi potong sesuai pakar berdasarkan batasan gejala penyakit dan aturan-aturan yang diperoleh dari pakar. Batasan tersebut bisa diperbaiki menggunakan Algoritma Genetika untuk mendapatkan akurasi yang lebih baik. Pengujian yang dilakukan pada 51 data dari beberapa gejala penyakit menghasilkan akurasi sebesar 98,04% dengan menggunakan parameter genetika terbaik antara lain ukuran populasi sebesar 80, ukuran generasi sebesar 15, nilai Crossover rate (Cr) sebesar 0,9, dan nilai Mutation rate (Mr) sebesar 0,06. Akurasi tersebut mengalami peningkatan sebesar 3,54% sesudah dilakukannya optimasi pada metode logika fuzzy. Kata kunci: diagnosis penyakit sapi potong, logika fuzzy, Algoritma Genetika Abstract Fuzzy inference systems can be used to diagnose cattle disease. Prior to obtaining the most accurate of limitation, fuzzy membership functions must be defined precisely. Thus, the limits will be optimized along with Genetic Algorithm to get more accurate results. The function of fuzzy logic methods in the diagnosis of disease is relied upon the parametres set by experts. Tests that were performed on 51 data from some of the symptoms of the disease resulted in an accuracy of 98.04% using the best genetic parameters with the population size of 80, the size of the generation of 15, crossover rate value of 0.9, and the value of mutation rate of 0.06. The accuracy has increased by 3.54% compare to results before optimization. Keywords: cattle disease diagnosis, fuzzy logic, genetic algorithmshttp://jtiik.ub.ac.id/index.php/jtiik/article/view/294 |
collection |
DOAJ |
language |
Indonesian |
format |
Article |
sources |
DOAJ |
author |
Diva Kurnianingtyas Wayan Firdaus Mahmudy Agus Wahyu Widodo |
spellingShingle |
Diva Kurnianingtyas Wayan Firdaus Mahmudy Agus Wahyu Widodo Optimasi Derajat Keanggotaan Fuzzy Tsukamoto Menggunakan Algoritma Genetika Untuk Diagnosis Penyakit Sapi Potong Jurnal Teknologi Informasi dan Ilmu Komputer |
author_facet |
Diva Kurnianingtyas Wayan Firdaus Mahmudy Agus Wahyu Widodo |
author_sort |
Diva Kurnianingtyas |
title |
Optimasi Derajat Keanggotaan Fuzzy Tsukamoto Menggunakan Algoritma Genetika Untuk Diagnosis Penyakit Sapi Potong |
title_short |
Optimasi Derajat Keanggotaan Fuzzy Tsukamoto Menggunakan Algoritma Genetika Untuk Diagnosis Penyakit Sapi Potong |
title_full |
Optimasi Derajat Keanggotaan Fuzzy Tsukamoto Menggunakan Algoritma Genetika Untuk Diagnosis Penyakit Sapi Potong |
title_fullStr |
Optimasi Derajat Keanggotaan Fuzzy Tsukamoto Menggunakan Algoritma Genetika Untuk Diagnosis Penyakit Sapi Potong |
title_full_unstemmed |
Optimasi Derajat Keanggotaan Fuzzy Tsukamoto Menggunakan Algoritma Genetika Untuk Diagnosis Penyakit Sapi Potong |
title_sort |
optimasi derajat keanggotaan fuzzy tsukamoto menggunakan algoritma genetika untuk diagnosis penyakit sapi potong |
publisher |
University of Brawijaya |
series |
Jurnal Teknologi Informasi dan Ilmu Komputer |
issn |
2355-7699 2528-6579 |
publishDate |
2017-02-01 |
description |
Sistem inferensi fuzzy bisa digunakan untuk diagnosis penyakit pada sapi potong. Untuk mendapatkan akurasi yang tinggi maka batasan fungsi keanggotaan fuzzy perlu ditentukan secara tepat. Penggunaan metode logika fuzzy untuk memperoleh hasil diagnosis penyakit pada sapi potong sesuai pakar berdasarkan batasan gejala penyakit dan aturan-aturan yang diperoleh dari pakar. Batasan tersebut bisa diperbaiki menggunakan Algoritma Genetika untuk mendapatkan akurasi yang lebih baik. Pengujian yang dilakukan pada 51 data dari beberapa gejala penyakit menghasilkan akurasi sebesar 98,04% dengan menggunakan parameter genetika terbaik antara lain ukuran populasi sebesar 80, ukuran generasi sebesar 15, nilai Crossover rate (Cr) sebesar 0,9, dan nilai Mutation rate (Mr) sebesar 0,06. Akurasi tersebut mengalami peningkatan sebesar 3,54% sesudah dilakukannya optimasi pada metode logika fuzzy.
Kata kunci: diagnosis penyakit sapi potong, logika fuzzy, Algoritma Genetika
Abstract
Fuzzy inference systems can be used to diagnose cattle disease. Prior to obtaining the most accurate of limitation, fuzzy membership functions must be defined precisely. Thus, the limits will be optimized along with Genetic Algorithm to get more accurate results. The function of fuzzy logic methods in the diagnosis of disease is relied upon the parametres set by experts. Tests that were performed on 51 data from some of the symptoms of the disease resulted in an accuracy of 98.04% using the best genetic parameters with the population size of 80, the size of the generation of 15, crossover rate value of 0.9, and the value of mutation rate of 0.06. The accuracy has increased by 3.54% compare to results before optimization.
Keywords: cattle disease diagnosis, fuzzy logic, genetic algorithms |
url |
http://jtiik.ub.ac.id/index.php/jtiik/article/view/294 |
work_keys_str_mv |
AT divakurnianingtyas optimasiderajatkeanggotaanfuzzytsukamotomenggunakanalgoritmagenetikauntukdiagnosispenyakitsapipotong AT wayanfirdausmahmudy optimasiderajatkeanggotaanfuzzytsukamotomenggunakanalgoritmagenetikauntukdiagnosispenyakitsapipotong AT aguswahyuwidodo optimasiderajatkeanggotaanfuzzytsukamotomenggunakanalgoritmagenetikauntukdiagnosispenyakitsapipotong |
_version_ |
1724752746577395712 |