2016 Pemilihan Antihipertensi Menggunakan Algoritma
Teks penuh
Gambar
Dokumen terkait
Berdasarkan hasil pengujian penataan barang yang telah dilakukan terhadap 50 barang diperoleh parameter optimal populasi sebesar 60, lambda 18, offspring 18 μ , dan generasi 15
Pada penelitian ini, pengujian akan dilakukan untuk setiap elemen dari parameter kontrol algoritma genetika yang meliputi : ukuran jumalh individu awal, ukuran
Berdasarkan hasil pengujian penataan barang yang telah dilakukan terhadap 50 barang diperoleh parameter optimal populasi sebesar 60, lambda 18, offspring 18 μ , dan generasi 15
Parameter algoritma genetika yang paling optimal dalam penelitian tersebut untuk kasus optimalisasi saham adalah ukuran populasi 100, crossover rate (cr) 0,3
Berdasarkan ujicoba yang telah dilakukan dengan jumlah populasi sebanyak 6, 11, dan 16 serta iterasi sebanyak 5, 10, dan 15 dengan parameter pengujian berupa luas kolam
Kemudian parameter pelatihan algoritma genetika yang menghasilkan rata-rata nilai RMSE paling kecil adalah 2000 generasi, 200 ukuran populasi, cr sebesar 0.1 dan. mr
Dari Tabel 2, didapatkan jumlah generasi yang dipengaruhi oleh ukuran populasi tertentu dalam kurun waktu komputasi selama 1 jam (60 menit). Setiap pertambahan ukuran
5.2 Pengujian Jumlah Generasi Pengujian banyak generasi dilakukan untuk mendapatkan fitness terbaik berdasrkan kombinasi banyak generasi.Banyaknya populasi yang digunakan pada
