Hybrid Cat Swarm Optimization (CSO) Simulated Annealing ...repository.unair.ac.id/71346/1/KKC KK...
Transcript of Hybrid Cat Swarm Optimization (CSO) Simulated Annealing ...repository.unair.ac.id/71346/1/KKC KK...
ix
Dyah Ayu Puspitasari. 2018. Hybrid Algoritma Cat Swarm Optimization (CSO) dan Simulated Annealing (SA) untuk Permasalahan Land Allocation. Skripsi ini dibawah bimbingan Dr. Herry Suprajitno, M.Si dan Auli Damayanti, S.Si., M.Si. Departemen Matematika. Fakultas Sains dan Teknologi. Universitas Airlangga.
ABSTRAK
Skripsi ini bertujuan untuk menyelesaikan masalah alokasi lahan dengan
mendapatkan urutan masuk dari lahan komponen yang dapat meminimalkan tinggi lahan yang terpakai menggunakan hybrid algoritma cat swarm optimization dan simulated annealing serta membuat program komputer menggunakan bahasa pemrograman C++. Permasalahan alokasi lahan digambarkan dengan penempatan lahan komponen ke dalam lahan yang tersedia. Beberapa metode telah digunakan untuk menyelesaikan permasalahan alokasi lahan, salah satunya adalah cat swarm optimization.
Cat Swarm Optimization (CSO) adalah algoritma yang didapat melalui pengamatan terhadap perilaku sekumpulan keluarga kucing, sedangkan Simulated Annealing adalah metode yang meniru perilaku pergerakan atom atom baja yang dipanaskan kemudian didinginkan secara perlahan. Hybrid algoritma cat swarm optimization dan simulated annealing merupakan algoritma yang menggabungkan proses algoritma cat swarm optimization dan simulated annealing. Proses simulated annealing diletakkan pada solusi terburuk dari cat swarm optimization pada 10 iterasi pertama. Proses hybrid algoritma cat swarm optimization dan simulated annealing dimulai dengan input data dan inisialisasi parameter, membangkitkan posisi dan kecepatan awal, mengevaluasi fungsi tujuan, memberi nilai SPC, penempatan flag, mode seeking, mode tracing, pemilihan solusi untuk diproses dengan algoritma simulated annealing, melakukan proses algoritma simulated annealing terhadap solusi terburuk cat swarm optimization dengan modifikasi, pencarian lokal, pemilihan, dan penurunan suhu.
Data yang digunakan berupa 2 jenis data dan diselesaikan dengan bahasa pemrograman C++ menggunakan software Borland C++ 5.0.2. Penyelesaian yang didapatkan menggunakan program hybrid algoritma cat swarm optimization dan simulated annealing untuk data pertama dengan jumlah lahan sebanyak 13 unit dan lebar lahan 200 feet, didapatkan tinggi minimum lahan terpakai adalah 50 feet. Untuk data kedua dengan jumlah lahan 75 unit dan lebar lahan 250 meter, didapatkan tinggi minimum lahan terpakai adalah 222 meter. Kata kunci : Penataan Lahan, Algoritma Cat Swarm Optimization, Simulated
Annealing, dan Hybrid.
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
x
Dyah Ayu Puspitasari. 2018. Hybrid Cat Swarm Optimization Algorithm and Simulated Annealing for Land Allocation Problem. This Thesis was under guidance of Dr. Herry Suprajitno, M.Si and Auli Damayanti, S.Si., M.Si. Mathematics Department. Science and Technology Faculty. Airlangga University.
ABSTRACT
This thesis has purpose to solve land allocation problem to get the pack order
of component land into a square of land so that will minimize used object height using hybrid of Cat Swarm Optimization Algorithm and Simulated Annealing, and making a computer program of it using C++ languange programming. Land allocation problem can be presented by placement of component land into a square of land. Several methods have been used to solve land allocation problems, ones of which is cat swarm optimization. Cat Swarm Optimization (CSO) is an algorithm obtained through observation of the behavior of a family of cats, while Simulated Annealing is a method that mimics the behavior of later heated steel atomic atoms cool down slowly. Hybrid of Cat Swarm Optimization algorithm and Simulated Annealing is an algorithm that combines the process of Cat Swarm Optimization algorithm with Simulated Annealing. Process Simulated Annealing putting on the bad solution Cat Swarm Optimization on the 10 first iterasions. Process hybrid algorithm CSO and SA begins with data input and initialization parameters, raised position and the initial velocity, evaluate the objective function, giving a value of SPC, the placement of the flags, seeking mode, tracing mode, electoral solution to be processed by this algorithm, the process of this algorithm to the solution the worst in the CSO with modifications, local search, selection, and drop in temperature.
There’s 2 kinds of data being used and solve with C++ programming language using Borland C++ 5.0.2 software. Using hybrid of cat swarm optimization algorithm and simulated annealing with C++ programming language, achieved minimum height from used object is 50 feet for data with 13 component land and object width 200 feet. Second data with 75 component land and object width 250 meters, the minimum height achieved is 222 meters.
Key Words : Land Allocation, Cat Swarm Optimization Algorithm, Simulated
Annealing, and Hybrid.
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
x
DAFTAR ISI
Halaman
LEMBAR JUDUL ........................................................................................... i
LEMBAR PERNYATAAN ............................................................................. ii
LEMBAR PENGESAHAN NASKAH SKRIPSI ............................................ iii
LEMBAR PEDOMAN PENGGUNAAN SKRIPSI ........................................ iv
SURAT PERNYATAAN ORISINALITAS .................................................... v
KATA PENGANTAR ..................................................................................... vi
ABSTRAK ....................................................................................................... ix
ABSTRACT ..................................................................................................... x
DAFTAR ISI .................................................................................................... xi
DAFTAR TABEL ............................................................................................ xiii
DAFTAR GAMBAR ....................................................................................... xv
DAFTAR LAMPIRAN .................................................................................... xvii
BAB I PENDAHULUAN ................................................................................ 1
1.1 Latar Belakang ................................................................................... 1
1.2 Rumusan Masalah .............................................................................. 2
1.3 Tujuan ................................................................................................ 3
1.4 Manfaat .............................................................................................. 3
1.5 Batasan Masalah ................................................................................ 3
BAB II TINJAUAN PUSTAKA ...................................................................... 4
2.1 Land Allocation Problemms .............................................................. 5
2.2 Masalah Pengepakan Segi Empat 2 Dimensi ..................................... 5
2.2.1 Strip Packing Problem .............................................................. 6
2.3 Algoritma Cat Swarm Optimization .................................................. 6
2.3.1 Set Solusi dalam Model ............................................................ 7
2.3.2 Seeking Mode .......................................................................... 9
2.3.3 Tracing Mode ............................................................................ 10
2.4 Algoritma Simulated Annealing (SA) ................................................ 11
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
xi
2.5 Hybrid ................................................................................................ 13
2.6 Pengkodean ........................................................................................ 13
2.7 Penentuan Nilai Fitness dan Seleksi Roulette Wheel ......................... 14
2.8 Algoritma Pengisian Rekursif ............................................................ 15
2.9 Borland C++ ...................................................................................... 16
2.9.1 Struktur Bahasa C++ ................................................................. 16
BAB III METODOLOGI PENELITIAN......................................................... 20
BAB IV PEMBAHASAN ................................................................................ 29
4.1 Masalah Alokasi Lahan ...................................................................... 29
4.2 Hybrid Algoritma Cat Swarm Optimization dan Simulated
Annealing ........................................................................................... 29
4.2.1 Input Data dan Inisialisasi Parameter ..................................... 30
4.2.2 Membangkitkan Solusi Awal .................................................. 31
4.2.3 Membangkitkan Kecepatan Awal ........................................... 32
4.2.4 Representasi Permutasi ........................................................... 33
4.2.5 Menghitung Nilai Fungsi Tujuan ............................................ 34
4.2.6 Menghitung Nilai Fitness ....................................................... 36
4.2.7 Melakukan Penentuan Flag .................................................... 36
4.2.8 Menentukan Self Position Considering (SPC) ........................ 37
4.2.9 Melakukan Proses Mode Seeking ........................................... 38
4.2.10 Melakukan Proses Mode Tracing ........................................... 39
4.2.11 Penentuan Solusi Terburuk pada CSO .................................... 41
4.2.12 Proses Simulated Annealing ................................................... 42
4.2.13 Menyimpan Solusi Terbaik ..................................................... 43
4.3 Data .................................................................................................... 44
4.4 Contoh Kasus Masalah Alokasi Lahan dengan Menggunakan Data 13
Lahan Komponen yang Diselesaikan Secara Manual ........................ 44
4.5 Program .............................................................................................. 69
4.6 Implementasi Program pada Contoh Kasus Land Allocation ............ 69
4.6.1 Menggunakan Data 13 Lahan Komponen ................................ 69
4.6.2 Menggunakan Data 75 Lahan Komponen ................................ 70
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
xii
BAB V PENUTUP ........................................................................................... 72
5.1 Kesimpulan ........................................................................................ 72
5.2 Saran .................................................................................................. 72
DAFTAR PUSTAKA ...................................................................................... 73
LAMPIRAN
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
xiv
DAFTAR TABEL
Nomor Judul Tabel Halaman
4.1 Spesifikasi dan Ukuran Departemen 45
4.2 Area Komponen dan Dimensi yang Sesuai 45
4.3 Populasi Awal Kucing 46
4.4 Kecepatan Awal Kucing 47
4.5 Hasil Transformasi Kucing pada Populasi Awal 47
4.6 Urutan Masuk Lahan Kucing-1 ( ) 48
4.7 Subspace Setelah Lahan ke-1 Masuk 49
4.8 Subspace Setelah Lahan ke-2 Masuk 49
4.9 Subspace Setelah Lahan ke-3 Masuk 50
4.10 Subspace Setelah Semua Lahan Masuk 51
4.11 Nilai fungsi tujuan masing-masing kucing 52
4.12 flag populasi awal 53
4.13 Nilai fitness terurut dan SPC populasi awal 54
4.14 Hasil update kecepatan kucing 3 55
4.15 Hasil update posisi kucing 3 56
4.16 Hasil transformasi update kucing 3 56
4.17 Perbandingan nilai fitness baru dan nilai fitness lama 57
4.18 Proses Pengcopyan Individu 2 Sebanyak SMP-1 Kali 58
4.19 Penentuan Dimensi untuk Modifikasi 59
4.20 Kandidat Solusi Dalam Seeking Memory Pool Individu 2 60
4.21 Representasi Permutasi dalam SMP-1 individu 2 dan
Fleksibilitas 60
4.22 Tinggi dan Nilai Fitness 61
4.23 Probabilitas Terpilih SMP-1 Individu 2 61
4.24 Probabilitas Relatif SMP Individu 2 62
4.25 Roulette Wheel Individu 2 63
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
xv
4.26 Kandidat Solusi Dalam Seeking Memory Pool Individu 1 64
4.27 Representasi Permutasi dalam SMP individu 1 dan
Fleksibilitas 64
4.28 Tinggi dan Nilai Fitness SMP Individu 1 65
4.29 Probabilitas Terpilih dan Probabilitas Relatif SMP Individu 1 ( 65
4.30 Roulette Wheel Individu 1 66
4.31 Urutan lahan komponen masuk setelah modifikasi 68
4.32 Perbandingan Solusi Terbaik Data 13 Lahan Komponen 70
4.33 Perbandingan Solusi Terbaik Data 75 Lahan Komponen 71
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
xvi
DAFTAR GAMBAR
Nomor Judul Gambar Halaman
2.1 Algoritma Pengisian Rekursif 15
3.1 Flowchart Penyelesaian Land Allocation menggunakan Hybrid
Algoritma CSO dan SA 25
3.2 Flowchart Mode Tracing 27
3.3 Flowchart Mode Seeking 28
4.1 Prosedur Hybrid Algoritma CSO dan SA 30
4.2 Prosedur Input Data dan Inisialisasi Parameter 31
4.3 Membangkitkan Populasi awal 31
4.4 Membangkitan Kecepatan Awal 32
4.5 Prosedur Permutasi Objek 33
4.6 Prosedur Memasukkan Lahan ke Lahan yang Tersedia 35
4.7 Prosedur menghitung nilai fitness tiap kucing 36
4.8 Prosedur penentuan flag 37
4.9 Prosedur menentukan Self Position Considering 38
4.10 Prosedur update kecepatan pada mode seeking 39
4.11 Prosedur update kecepatan pada mode tracing 40
4.12 Prosedur update posisi tiap kucing pada mode tracing 40
4.13 Prosedur perbandingan fitness lama dan fitness baru 41
4.14 Prosedur penentuan solusi terburuk 42
4.15 Prosedur proses Simulated Annealing 43
4.16 Prosedur menyimpan solusi Terbaik (Global Best) 44
4.17 Lahan ke-1 masuk 49
4.18 Lahan ke-2 masuk 50
4.19 Lahan ke-3 masuk 51
4.20 Hasil penempatan lahan 52
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
xiv
DAFTAR LAMPIRAN
Nomor Judul Lampiran
1 Data Permasalahan Pengepakan Segi Empat 2D dengan 75 Lahan
Komponen
2 Source Code Program
3 Hasil Running Data Kecil 13 Lahan Komponen
4 Hasil Running Data Besar 75 Lahan Komponen
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Pada jaman sekarang banyak alokasi penggunaan lahan yang tidak
efisien dan tidak sesuai dengan tata letak lahan yang baik. Hal ini
menyebabkan berbagai dampak negatif, diantaranya meningkatnya
ketidakteraturan tata letak lahan, kerusakan lingkungan, dan hilangnya lahan
yang seharusnya dapat digunakan secara optimal. Penggunaan lahan dapat
diartikan sebagai proses alokasi sejumlah aktivitas atau fungsi lahan yang
berbeda (pertanian, industri, rekreasi atau konservasi) ke dalam unit area yang
lebih spesifik.
(Stewart et al, 2007).
Masalah penataan lahan (land allocation) yakni untuk mengendalikan
segala bentuk efisiensi lahan yang telah ditetapkan, agar terwujudnya tata
letak lahan yang rapi, produktif, nyaman, serta memberikan dampak positif
bagi daerah tersebut. Masalah penataan lahan (land allocation) salah satu
contoh aplikasi masalah pengepakan segi empat 2 dimensi.
Masalah pengepakan segi empat 2 dimensi adalah masalah penempatan
sejumlah item ke objek persegi panjang dengan tujuan meminimalkan ruang
obyek yang digunakan. Proses pengepakan tidak boleh ada yang saling
tumpang tindih antar item satu dengan item lainnya.
(Dereli dan Sena Das, 2006)
Permasalahan land allocation yang didasarkan pada prosedur
permasalahan pengepakan segi empat 2 dimensi ini harus
mempertimbangkan tentang kompleknya masalah yang ada. Selain itu,
pengembangan algoritma yang digunakan untuk menyelesaikan masalah
land allocation haruslah mudah menyelesaikan masalah yang bertujuan untuk
meminimalkan penempatan lahan yang terpakai.
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
2
Algoritma Cat Swarm Optimization dikenalkan pertama kali oleh Shu
Cuan Chu dan Pe Wei Tsai pada tahun 2007 (Chu dan Tsai, 2007). Pada
awal tahun 2013 beberapa studi telah dikembangkan untuk mengaplikasikan
Cat Swarm Optimization dalam menyelesaikan berbagai persoalan di dunia
nyata. Salah satunya adalah menerapkan Algoritma Cat Swarm Optimization
untuk Optimal Power Flow Problem, (Suryakumari, 2013). Menurut
Suryakumari (2013), Cat Swarm Optimization memiliki keunggulan performa
yang lebih baik dalam menemukan solusi global dibandingkan PSO atau PSO
with Weighting Factor. Sedangkan pada algoritma simulated annealing (SA),
algoritma ini beranalogi dengan proses annealing (pendinginan) yang
diterapkan dalam pembuatan material glassy (terdiri dari butir kristal). Proses
annealing dapat didefinisikan sebagai penurunan temperatur secara teratur
atau konstan pada benda padat yang sebelumnya sudah dipanaskan sampai
keadaan dimana benda tersebut mencapai ground state / freezing point atau
dengan kata lain benda mencapai titik bekunya. Sedangkan, kelebihan
simulated annealing (SA) ini akan menghindari terjadinya minimum lokal
karena algoritma ini merupakan algoritma dengan metode stokastik yang
efektif.
(Chibante,2010)
Berdasarkan uraian di atas, penulis akan melakukan penelitian terhadap
masalah land allocation menggunakan hybrid algoritma Cat Swarm
Optimization (CSO) dan Simulated Annealing (SA).
1.2 Rumusan Masalah
Berdasarkan latar belakang, ada rumusan masalah yang dibahas dalam
proposal ini, yaitu:
1. Bagaimana menyelesaikan permasalahan land allocation dengan
menggunakan hybrid algoritma Cat Swarm Optimization (CSO) dan
Simulated Annealing (SA)?
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
3
2. Bagaimana membuat program dari hybrid algoritma Cat Swarm
Optimization (CSO) dan Simulated Annealing (SA) yang dapat
digunakan untuk menyelesaikan permasalahan land allocation?
3. Bagaimana mengimplementasikan program tersebut pada contoh
kasus?
1.3 Tujuan
Tujuan penulisan skripsi ini adalah:
1. Menyelesaikan permasalahan land allocation dengan menggunakan
hybrid algoritma Cat Swarm Optimization (CSO) dan Simulated
Annealing (SA).
2. Membuat program dari hybrid algoritma Cat Swarm Optimization
(CSO) dan Simulated Annealing (SA)
yang dapat digunakan untuk menyelesaikan permasalahan land
allocation.
3. Mengimplementasikan program pada contoh kasus.
1.4 Manfaat
Manfaat penulisan skripsi ini antara lain:
1. Menambah wawasan tentang persoalan Riset Operasional khususnya
untuk masalah land allocation.
2. Program komputer yang dibuat diharapkan mampu memberikan solusi
dari masalah land allocation.
3. Informasi yang didapat dari skripsi ini dapat dilanjutkan untuk skripsi
selanjutnya dengan berbagai modifikasi.
1.5 Batasan Masalah
Batasan masalah dalam proposal ini adalah sebagai berikut:
1. Lahan komponen yang digunakan berbentuk persegi..
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
4
2. Tidak memperhatikan aktifitas antar lahan komponen, tetapi hanya
memperhatikan penempatan lahan komponen.
3. Setiap lahan komponen sudah dipersiapkan fasilitas yang dibutuhkan
lahan tersebut.
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
5
BAB II
TINJAUAN PUSTAKA
Pada bab ini dibahas definisi yang digunakan pada pembahasan Hybrid
Algoritma Cat Swarm Optimization (CSO) dan Simulated Annealing (SA) untuk
Permasalahan Land Allocation.
2.1 Land Allocation Problems
Land Allocation Problems merupakan salah satu permasalahan resource
allocation problem yang secara umum memiliki dua langkah penyelesaian,
yaitu yang pertama adalah menentukan jumlah total lahan komponen, dan
yang kedua adalah menentukan lokasi yang optimal dari setiap masing-masing
lahan komponen sehingga penggunaan dari lahan yang tersedia menjadi
minimal.
(Callaghan, dkk, 1999)
2.2 Masalah Pengepakan Segi Empat 2 Dimensi
Menurut Dereli dan Sena Das (2006), masalah pengepakan segi empat
2D adalah penempatan sejumlah item berbentuk segi empat (yang kecil) ke
dalam satu objek segi empat (yang besar) dalam dua dimensi sehingga dapat
meminimalkan tinggi objek yang terpakai.
Masalah pengepakan berupa, terdapat n item (segi empat kecil) yang
masing-masing memiliki tinggi hi dan lebar wi, i=1,2,...,n dan satu atau lebih
objek yang lebih besar (segi empat). Kita diharuskan menempatkan item
secara ortogonal tanpa overlap (ujung dari setiap item paralel dengan ujung
dari objek) sehingga dapat mengoptimalkan fungsi yang diberikan.
(Imahori, dkk, 2007)
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
6
2.2.1 Strip Packing Problem
Permasalahan ini merupakan bagian dari masalah pengepakan segi
empat. Terdapat n item yang memiliki lebar wi dan tinggi hi
1,2,3, … , serta satu objek besar (disebut strip) yang memiliki lebar
tetap W, tetapi tingginya H merupakan variabel. Fungsi objektif dari
permasalahan ini adalah untuk meminimalkan tinggi dari H sehingga
semua item dapat dimasukkan ke dalam strip.
Umumnya, secara matematik permasalahan ini dideskripsikan
sebagai berikut:
Meminimumkan H
Kendala:
0 , 1 (2.1)
0 , 1 (2.2)
, , , (2.3)
Dengan (xi,yi) adalah koordinat dari ujung kiri bawah dari item ke i.
H tinggi dari strip/ objek. Pernyataan (2.1) dan (2.2) menyatakan bahwa
setiap item harus ditempatkan ke dalam lahan yang tersedia. Pada
pernyataan (2.3) setidaknya satu dari empat pernyataan terpenuhi untuk
setiap pasang i dan j.
Pernyataan (2.3) sendiri menyatakan bahwa tidak ada dua item
yang saling bertumpukan dan menyatakan empat sudut relatif yang
dibutukan untuk menghindari overlap.
(Imahori, dkk, 2007)
2.3 Algoritma Cat Swarm Optimization
Definisi 2.1 Algoritma merupakan suatu himpunan langkah-langkah atau
instruksi yang telah dirumuskan dengan baik (well defined)
untuk memperoleh suatu keluaran khusus (spesific output) dari
suatu masukan khusus (spesific input) dalam langkah yang
jumlahnya berhingga.
(Chartrand dan Oellermann, 1993)
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
7
Cat Swarm Optimization adalah algoritma yang diusulkan oleh Shu-
Chuan Chu dan Pei-Wei Tsai pada tahun 2007, yang didapat melalui
pengamatan terhadap perilaku sekumpulan keluarga kucing. Dalam Ant
Colony Optimization (ACO) semut digunakan sebagai agent, dan jalur yang
dilalui oleh semut-semut tersebut adalah set solusinya. Dalam Particle Swarm
Optimization (PSO), posisi-posisi dari kawanan burung digunakan untuk
menggambarkan set solusinya. Sedangkan, dalam CSO, sekumpulan keluarga
kucing dan model perilakunya digunakan untuk menyelesaikan permasalahan
optimasi. Shu-Chuan Chu dan Pei-Wei Tsai (2007) membagi algortima CSO
ke dalam dua sub model yang berdasar dari dua perilaku utama kucing, yaitu
”seeking mode” dan ”tracing mode”. Untuk lebih jelasnya langkah-langkah
algoritma CSO seperti yang Shu-Chuan Chu dan Pei-Wei Tsai (2007) dalam
penelitiannya akan dijabarkan dalam sub bab berikutnya.
(Chu dan Tsai , 2007)
2.3.1 Set Solusi dalam Model
Bagaimanapun bentuk algoritma optimasi, set solusi (hasil) harus
ditampilkan dalam suatu cara tertentu. Misalnya dalam Ant Colony
Optimization (ACO) semut disimulasikan sebagai agen, dan jalur yang
dibentuk oleh semut menunjukkan set solusinya. Dalam CSO, digunakan
kucing dan model perilaku kucing untuk menyelesaikan permasalahan
optimasi. Dengan kata lain kucing digunakan untuk menggambarkan set
solusi. Tahap pertama dalam CSO adalah menentukan berapa banyak kucing
akan digunakan dalam iterasi, kemudian menggunakan kucing dalam CSO
untuk menyelesaikan permasalahan. Setiap kucing masing-masing memiliki
posisi yang tersusun dalam dimensi D, kecepatan untuk setiap dimensi, nilai
fitness yang menunjukkan seberapa bagus posisi kucing untuk dijadikan
solusi, dan bendera untuk mengetahui apakah kucing berada dalam seeking
mode atau tracing mode. Solusi akhir adalah posisi terbaik dari salah satu
kucing. CSO akan menyimpan solusi terbaik hingga akhir iterasi.
(Chu dan Tsai , 2007)
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
8
Langkah-Langkah Algoritma Cat Swarm Optimization
Seperti yang telah dijabarkan sebelumnya, CSO terdiri dari dua sub
mode. Untuk mengkombinasikan kedua mode dalam satu algoritma, perlu
didefinisikan rasio campuran / mixture ratio (mr) untuk menggabungkan
seeking mode dan tracing mode. Dengan mengamati perilaku kucing, dapat
diketahui bahwa kucing menghabiskan sebagian besar waktunya untuk
beristirahat. Selama beristirahat, kucing mengubah posisinya perlahan dan
berhati-hati, terkadang bahkan tetap pada tempatnya. Untuk menerapkan
perilaku ini ke dalam CSO, digunakan seeking mode. Perilaku mengejar
target diaplikasikan dalam tracing mode. Karena itu maka mr harus bernilai
kecil untuk memastikan bahwa kucing menghabiskan sebagian besar waktu
dalam seeking mode, seperti di kehidupan nyatanya.
Proses CSO dapat digambarkan dalam 6 langkah sebagai berikut:
Langkah 1: Bangkitkan N kucing dalam proses.
Langkah 2: Sebarkan kucing secara acak dalam ruang solusi berdimensi D
dan secara acak pula pilih nilai dalam rentang kecepatan maksimum untuk
menjadi kecepatan kucing. Kemudian pilih sejumlah kucing secara
sembarang dan masukkan dalam tracing mode sesuai MR, sisanya
dimasukkan dalam seeking mode
Langkah 3: Hitung nilai fitness masing-masing kucing dengan
memasukkan nilai posisi kucing yang telah diubah menjadi representasi
permutasi ke dalam fungsi fitness, dan simpan kucing terbaik dalam
memori. Perlu diingat bahwa yang perlu disimpan adalah posisi kucing
terbaik (xbest ) karena kucing terbaik sejauh ini mewakili solusi terbaik.
Langkah 4: Pilih lagi sejumlah kucing dan masukkan dalam tracing mode
sesuai mr, sisanya masukkan ke dalam seeking mode.
Langkah 5: Pindahkan kucing sesuai benderanya, jika kucingk berada
dalam seeking mode, perlakukan sesuai proses seeking mode, sebaliknya
perlakukan sesuai tracing mode.
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
9
Langkah 6: Perhatikan iterasi maksimum-nya. Jika telah terpenuhi
hentikan program. Sebaliknya ulangi langkah 3 hingga 5.
(Chu dan Tsai , 2007)
2.3.2 Seeking Mode
Sub model ini digunakan untuk memodelkan situasi kucing ketika dalam
keadaan beristirahat, melihat sekeliling dan mencari posisi berikutnya untuk
bergerak. Dalam seeking mode, didefinisikan empat faktor penting: seeking
memory pool (SMP), seeking range of the selected dimension (SRD) ,counts
of dimension to change (CDC) , dan self-position considering (SPC) atau
mempertimbangkan posisi. SMP digunakan untuk mendefinisikan ukuran
memori pencarian untuk masing-masing kucing, yang mengindikasikan
titik-titik yang telah dicoba oleh kucing. Kucing tersebut kemudian akan
memilih titik dari kelompok memori berdasarkan aturan yang akan
dijelaskan kemudian. SRD menyatakan rentang perpindahan dalam dimensi
terpilih. Dalam seeking mode, jika suatu dimensi diputuskan berpindah,
selisih antara nilai baru dengan yang lama tidak boleh melebihi suatu
rentang, yaitu rentang yang didefinisikan oleh SRD. CDC memperlihatkan
berapa banyak dimensi yang akan berubah. Keseluruhan faktor inilah yang
memegang peran penting dalam seeking mode. SPC merupakan variabel
Boolean (bernilai 0 atau 1), untuk memutuskan apakah suatu titik, yang
pernah menjadi posisi kucing, akan menjadi kandidat posisi untuk bergerak.
Bagaimanapun nilai SPC, entah 0 ataupun 1, tidak akan mempengaruhi nilai
SMP.
(Chu dan Tsai , 2007)
Langkah-langkah seeking mode dapat dideskripsikan dalam 5 tahap:
Diasumsikan terdapat sebanyak a kucing berflag 1 dan setiap kucing
mempunyai dimensi sebanyak D 1,2,3, … ,
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
10
Langkah 1: Bangkitkan j tiruan dari posisi kucing1,d , dengan j = SMP.
Jika nilai SPC=1, maka j = (SMP–1), kemudian pertahankan posisi saat ini
sebagai salah satu kandidat.
Langkah 2: Untuk setiap tiruan dari kucing1,d , pilih sebanyak CDC posisi
d secara acak, untuk setiap posisi d yang terpilih .tambahkan atau
kurangkan SRD persen dari nilai saat ini dan gantikan nilai yang
sebelumnya.
Langkah 3: Hitung nilai fitness (FS) untuk semua titik kandidat.
Langkah 4: Jika semua FS tidak benar benar sama, hitung probabilitas
terpilih masing masing titik kandidat dengan menggunakan (2.4),
sebaliknya update probabilitas terpilih untuk semua titik sama dengan 1.
Langkah 5: hitung probabilitas terpilih komulatif untuk semua titik
kandidat dan lakukan roulette wheel untuk menentukan posisi baru dari
kucing1,d.
| | .
Keterangan:
: probabilitas terpilih
: Fitness ke , dengan 1,2, . . , .
: Fitness tertinggi
: Fitness terendah
Ulangi langkah 1 sampai langkah 5 sebanyak a kali.
(Chu dan Tsai , 2007)
2.3.3 Tracing Mode
Tracing mode adalah sub model yang menggambarkan keadaan ketika
kucing sedang mengikuti jejak targetnya. Sekali kucing memasuki tracing
mode, kucing tersebut akan bergerak sesuai dengan kecepatannya untuk tiap
dimensi.
(Chu dan Tsai , 2007)
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
11
Tahapan tracing mode dapat dijabarkan dalam 3 langkah sebagai
berikut:
Diasumsikan terdapat b kucing yang masuk dalam tracing mode.
Langkah 1: Perbarui nilai kecepatan kucing1 untuk setiap dimensi (v1,d)
dengan 1,2,3, … , . Kemudian update kecepatan didapatkan
berdasarkan (2.5)
, , , , (2.5)
1,2… ,
Keterangan:
, : nilai kecepatan kucingk baru pada dimensi d
, : nilai kecepatan kucingk lama pada dimensi ke d
xbest,d : posisi kucing yang memiliki nilai fitness terbesar
xk,d : posisi kucingk pada dimensi ke d.
: konstanta tracing
: nilai acak dalam rentang [0,1].
Langkah 2: Setelah melakukan upate kecepatan, langkah selanjutnya
adalah mengupdate posisi tiap – tiap kucing.
, , , (2.6)
1,2… ,
Keterangan:
, : posisi kucingk baru pada dimensi d
, : nilai kecepatan kucingk baru pada dimensi ke d
xk,d : posisi kucingk pada dimensi ke d.
Langkah 3: Perbarui posisi kucing1 berdasarkan (2.6).
Lakukan langkah 1 sampai langkah 3 sebanyak b kali.
(Chu dan Tsai , 2007)
2.4 Algoritma Simulated Annealing (SA)
Simulated Annealing (SA) adalah salah satu algoritma untuk optimasi
yang bersifat umum. Fitur utama algoritma Simulated Annealing (SA) adalah
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
12
kemampuan untuk menghindar dari perangkat minimum lokal, yaitu dengan
membiarkan algoritma tersebut tidak hanya menerima solusi yang lebih baik,
tetapi juga menerima solusi yang buruk dengan probabilitas tertentu.
Annealing merupakan suatu teknik yang dikenal dalam bidang metalurgi
yang digunakan dalam mempelajari proses pembentukan kristal dalam suatu
materi. Atom–atom dari materi ini memiliki energi yang tinggi pada suhu
yang tinggi. Hal ini memberikan atom banyak kebebasan dalam kemampuan
untuk merestrukturisasi diri mereka sendiri. Seperti saat suhu berkurang,
energi dari atom-atom tersebut menjadi berkurang sampai keadaan energi
mencapai minimum, dan perlahan-lahan memungkinkan atom-atom yang
tadinya bergerak bebas itu pada akhirnya menemukan tempat yang optimum.
Simulated Annealing (SA) berjalan berdasarkan analogi dengan proses
annealing yang telah dijelaskan. Gerakan bebas dari atom-atom pada materi,
direpresentasikan dalam bentuk modifikasi terhadap solusi awal / solusi awal
diatur tinggi, solusi sementara yang sudah ada diperbolehkan untuk
mengambil modifikasi secara bebas.
Bila nilai fungsi evaluasi hasil modifikasi ini membaik ( dalam masalah
optimisasi yang berusaha mencari nilai minimum berarti nilainya lebih kecil /
downhill). Solusi hasil modifikasi ini akan digunakan sebagai solusi
selanjutnya. Bila nilai fungsi evaluasi hasil modifikasi ini memburuk, pada
saat temperatur annealing masih tinggi, solusi lebih buruk ( up hill ) ini masih
mungkin diterima. Dalam tahap selanjutnya, saat temperatur sedikit demi
sedikit dikurangi, maka kemungkinan untuk menerima langkah modifikasi
yang tidak memperbaiki nilai fungsi evaluasi semakin berkurang.
Secara umum prinsip dalam algoritma simulated annealing (SA) dapat
dinyatakan sebagai berikut:
1. Inisialisasi temperatur awal dan temperatur akhir .
2. Inisialisasi individu awal
3. Mengevaluasi individu awal sebagai solusi sementara
4. Modifikasi individu awal dan evaluasi kembali sebagai solusi baru
.
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
13
5. Jika maka solusi sementara digantikan solusi baru.
Jika tidak maka dibangkitkan bilangan acak r pada interval [0,1].
Hitung probabilitas exp ∆ ,jika P > r maka solusi baru tetap
diterima sebagai solusi sementara.
6. Jika , maka algoritma berhenti. Jika tidak, hitung
perubahan temperatur pada iterasi ke - t dengan
0 1. Kemudian kembali ke langkah (4)
(Chibante, 2010)
2.5 Hybrid
Hybrid algoritma adalah perkawinan antara dua jenis yang berlainan.
Sehingga algoritma hybrid dapat dikatakan sebagai gabungan antara dua
algoritma.
(Milano dan Henterryck, 2010)
2.6 Pengkodean
Jenis-jenis pengkodean:
1. Pengkodean Biner
Adalah pengkodean yang setiap kromosomnya dinyatakan
(disimbolkan) dengan dua bilangan, yaitu 0 dan 1.
2. Pengkodean Nilai
Adalah pengkodean yang setiap kromosomnya direpresentasikan
sebagai nilai (nilai dapat berupa angka, bilangan real, atau karakter).
3. Pengkodean Permutasi
Adalah pengkodean yang setiap kromosomnya direpresentasikan
sebagai sebuah urutan bilangan.
(Obitko, 1998)
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
14
2.7 Penentuan Nilai Fitness dan Seleksi Roulette Wheel
Definisi 2.3
Nilai Fitness adalah nilai keandalan suatu individu pada suatu ukuran
populasi tempat individu itu berasal. Individu dengan nilai fitness yang
tinggi akan dapat kesempatan lebih besar untuk survive dalam populasi
selanjutnya. Rumus pencarian nilai fitness (fitness value) tergantung pada
permasalahan yang akan diselesaikan.
Untuk melakukan seleksi individu baru dalam mode seeking , sesuai
dengan jurnal Shu-Chuan Chu dan Pei-Wei Tsai (2007) dilakukan dengan
roulette wheel.
Dalam Obitko (1998), seleksi (selection) merupakan proses pemilihan
individu, menurut teori evolusi, individu yang terbaik seharusnya bertahan
dan membentuk keturunan baru.
a. Seleksi Roulette Wheel
Sebuah roulette wheel (roda rolet) yang ditempati semua
individu dalam populasi. Masing-masing individu menempati luasan
menurut nilai fitnessnya. Selanjutnya roda rolet diputar untuk
menyeleksi individu. Kromosom dengan fitness yang lebih besar
akan terseleksi beberapa kali.
(Obitko 1998)
Langkah-langkah seleksi roulette wheel dapat dijelaskan sebagai berikut :
a. Menghitung nilai fitness setiap kromosom, dinotasikan dengan
1,2, … ,
b. Menghitung jumlah total nilai fitness semua kromosom dalam populasi,
dinotasikan F
c. Menghitung peluang terpilih dari setiap kromosom, pi = fi/F
d. Menghitung peluang kumulatif setiap kromosom,
e. Membangkitkan bilangan random antara (0,1) kemudian dinotasikan r
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
15
f. Jika r ≤ q1, maka kromosom pertama terpilih; yang lain, pilih kromosom
ke i apabila qi-1 < r ≤ qi
(Gen dan Cheng, 1997)
2.8 Algoritma Pengisian Rekursif
Algoritma ini digunakan untuk menempatkan item ke dalam objek.
Langkah-langkah algoritma ini adalah:
1. Menempatkan item pertama ke dalam objek (Operasi ini membagi daerah
objek menjadi dua subspace).
2. Menempatkan item selanjutnya ke dalam subspace S1. Jika hal ini tidak
memungkinkan, maka ditempatkan ke dalam subspace S2. Lakukan
prosedur ini hingga seluruh item ditempatkan ke dalam objek.
Gambar 2.1 Algoritma Pengisian Rekursif
(Dereli dan Das, 2006)
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
16
2.9 Borland C++
Berbicara tentang C++ biasanya tidak lepas dari C, sebagai bahasa
pendahulunya. Pencipta C adalah Brian W. Kerninghan dan Dennis M. Ritchie
pada sekitar tahun 1972. C adalah bahasa pemrograman terstruktur, yang
membagi program dalam bentuk sejumlah blok. Tujuannya adalah untuk
memudahkan dalam pembuatan dan pengembangan program. Pada mulanya
C++ disebut “a better C”. Nama C++ sendiri diberikan oleh Rick Masciti pada
musim panas 1983. Adapun tanda ++ berasal dari nama operator penaikan
pada bahasa C.
Keistimewaan yang sangat berarti pada C++ adalah bahasa ini mendukung
pemrograman yang berorientasi obyek. Tujuan utama pembuatan C++ adalah
untuk meningkatkan produktivitas pemrograman dalam membuat aplikasi.
(Kadir, 2005)
C++ diciptakan oleh Bjarne Stoustrup di Laboratorium Bell, AT & T, pada
tahun 1980-an. C++ digunakan oleh banyak industri karena efisien, dapat
digunakan untuk menyelesaikan masalah dalam segala bidang (fleksibel) dan
compiler C tersedia di hampir seluruh jenis komputer (avaible).
(Horowitz et.al., 2006)
2.9.1 Struktur Bahasa C++
Program C ataupun C++ selalu tersusun dari 4 bagian utama, yaitu:
1. Bagian komentar
2. Bagian pengarah compiler
3. Bagian deklarasi
4. Bagian definisi
a. Bagian komentar
Program yang baik pada umumnya diberi komentar yang akan
membantu orang lain maupun pembuat program ini untuk memahami
program yang dibuat. Dalam C atau C++ setiap proposal yang diapit oleh
variabel /*...*/ atau setiap baris yang dimulai dengan variabel // dianggap
komentar. C++ tidak mengizinkan komentar bersarang (nested comment),
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
17
namun Borland C++ lebih fleksibel dalam hal ini. Pada Borland C++ dapat
menggunakan komentar bersarang asalkan opsi cek Nested Comment pada
menu Option/Compiler/Source dipilih.
b. Bagian pengarah compiler
Include adalah salah satu pengarah preprocessor directive yang tersedia
pada C++. Preprocessor selalu dijalankan terlebih dahulu pada saat proses
kompilasi terjadi. Bentuk umumnya:
#include<nama_file>
tidak diakhiri dengan tanda semicolon, karena bentuk tersebut bukanlah
suatu bentuk pernyataan, tetapi merupakan preprocessor directive. Baris
tersebut menginstruksikan kepada compiler yang menyisipkan file lain
dalam hal ini file yang berakhiran .h(fileheader) yaitu file yang berisi
sebagai deklarasi, contohnya:
1. #include <iostream.h> : diperlukan pada program yang melibatkan
objectcout.
2. #include <conio.h> : diperlukan bila melibatkan clrscr(), yaitu perintah
untuk membersihkan layar.
3. #include <iomanip.h> : diperlukan bila melibatkan setw(), yang
bermanfaat untuk mengatur lebar dari suatu tampilan data.
4. #include <math.h> : diperlukan pada program yang menggunakan
operasi sqrt(), yang bermanfaat untuk operasi matematika pengakaran.
c. Fungsi main()
Fungsi ini menjadi awal dan akhir eksekusi program C++. Main adalah
nama judul fungsi. Melihat bentuk seperti itu dapat kita ambil kesimpulan
bahwa batang tubuh program utama berada didalam fungsi main().
d. Pengaruh compiler #if, #else, #elif, #endif
Digunakan untuk memilih bagian program yang akan dikompilasi.
Kompilasi cara ini disebut kompilasi bersyarat dan program yang baik
biasanya memanfaatkan teknik ini.
e. Pengaruh compiler #ifdef, #ifndef
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
18
Digunakan juga dalam kompilasi bersyarat. #ifdef dapat dibaca: “jika
didefinisikan” dan #ifndef dapat dibaca: “jika tidak didefinisikan”. Pengaruh
compiler ini sering digunakan untuk menandai bahwa suatu file sudah
diikutsertakan dalam kompilasi.
f. Bagian deklarasi dan definisi
Semua program C pada dasarnya tersusun dari rangkaian pemanggilan
fungsi yang bekerja atas sekelompok data. Selain pemanggilan fungsi,
program C mengandung komponen lain yang disebut statement. Statement
C ada dua, yaitu statement yang tidak dapat dieksekusi/non-executable (bila
dikompilasi tidak menghasilkan kode objek dan biasanya digunakan untuk
mengatur alur program), dan statement yang dapat dieksekusi/executable
(bila dikompilasi akan menghasilkan objek). Setiap pemanggilan fungsi
maupun statement executable dalam C harus diakhiri dengan tanda titik
koma. Dalam contoh program C++ diatas, Return merupakan contoh
statement executable yang menginstruksikan agar suatu fungsi
mengembalikan nilai balik tertentu. Contoh statement non executable
adalah: if, else, dan while.
g. Input dan output
Dalam C++ input berarti menulis dari sistem dan output berarti membaca ke
stream.
Bentuk umum output operator:
cout<<ekspresi;
Bentuk umum input operator:
cin>>variabel
h. Tanda semicolon
Tanda semicolon “ ; ” digunakan untuk mengakhiri sebuah pernyataan.
Setiap pernyataan harus diakhiri dengan sebuah tanda semicolon.
i. Variabel
Variabel adalah suatu pengenal (identifier) yang digunakan untuk mewakili
suatu nilai tertentu didalam proses program. Berbeda dengan konstanta yang
nilainya selalu tetap, nilai dari suatu variabel diubah-ubah sesuai
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
19
kebutuhan. Untuk memperoleh nilai dari suatu variabel digunakan
pernyataan penugasan (assigment statement), yang mempunyai sintaks
sebagai berikut:
j. Deklarasi variabel
Bentuk umumnya:
k. Tipe dasar
Tipe Dasar
Ukuran
Memori
(byte)
Jangkauan Nilai
Jumlah
Digit
Presisi
Char 1 -128 hingga +127 -
Int 2 -32768 hingga +32767 -
Long 4 -2.147.438.648 hingga -2.147.438.647 -
Float 4 3.4E-38 hingga 3.4E38 6-7
Double 8 1.7E-308 hingga 1.7E308 15-16
Long double 10 3.4E-4932 hingga 1.1E4932 19
(Kadir, A, 2001)
variabel = ekspresi;
Nama_tipe nama_variabel;
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
20
BAB III
METODE PENELITIAN
Adapun langkah-langkah penelitian ini adalah sebagai berikut :
1. Melakukan kajian pustaka yang berhubungan dengan algoritma Cat
Swarm Optimization (CSO), Simulated Annealing (SA) dan land
allocation.
2. Menerapkan algoritma Cat Swarm Optimization (CSO) dalam
permasalahan land allocation dengan prosedur sebagai berikut:
a) Menginputkan parameter-parameter CSO, yaitu: jumlah populasi
kucing (m), Seeking Memory Pool (SMP), Count Dimension to
Change (CDC), Seeking Range Dimension (SRD), Mixing Ratio
(MR), max iteration, konstanta tracing (c), stripwidth.
b) Menginputkan sejumlah data-data yang berkaitan dengan land
allocation.
c) Menentukan pengkodean individu. Pengkodean yang akan
digunakan pada land allocation adalah pengkodean permutasi.
d) Membentuk populasi awal secara random.
e) Mengevaluasi nilai fungsi tujuan setiap individu dalam populasi
menggunakan algoritma pengisian rekursif.
f) Menempatkan Flag Secara Random dengan proporsi sejumlah
jumlah seeking kucing akan dibagikan flag=1 , dan sejumlah
jumlah tracing kucing akan dibagikan flag=0 , dengan ketentuan :
jumlah seeking=m-MR*m dan jumlah tracing=MR*m
g) Menentukan nilai dari Self Position Consideration (SPC) yakni
boolean untuk memutuskan suatu titik yang pernah menjadi posisi
kucing akan menjadi posisi untuk bergerak. Secara Khusus Proses
Penentuan SPC ini adalah sebagai berikut:
i. Menentukan jumlah kucing yang terlibat seeking yakni
sejumlah jumlah seeking.
ii. Melakukan proses pengurutan nilai fitness tiap-tiap kucing
yang terlibat dalam iterasi.
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
21
iii. Memberi tanda sejumlah jumlah seeking kucing bernilai
evaluasi tertinggi dengan SPC=1 dan sisanya SPC=0.
h) Menyimpan posisi kucing dengan nilai evaluasi terbesar sebagai
xbest.
i) Melakukan Mode Tracing (flag = 0)
i. Mengupdate kecepatan baru untuk setiap kucing yang terlibat
dalam mode tracing dengan formulasi:
, , , , 1,2… ,
ii. Periksa apakah kecepatan berada dalam ambang batas yang
ditentukan. Jika kecepatan baru melebihi batas, atur nilainya
sama dengan batas
iii. Mengupdate posisi baru dari setiap kucing yang terlibat dalam
mode tracing dengan formulasi:
, , ,
1,2… ,
iv. Hitung height (h) setiap posisi baru dari kucing dalam mode
tracing, nilai fitness dan representasi permutasinya.
v. Membandingkan nilai fitness awal dengan nilai fitness baru,
jika nilai fitness baru kurang dari nilai fitness awal maka posisi
baru diubah kembali menjadi posisi awal.
vi. Menyimpan posisi dan jarak dari kucing dalam mode tracing
berfitness terbaik.
j) Melakukan proses mode seeking (flag = 1):
i. Mengambil satu individu kucing yang bermode seeking secara
sebarang misal kucinga.
ii. Jika nilai boolean Self Position Consideration(SPC) dari
kucingk tersebut bernilai 1 maka lakukan langkah-langkah
berikut :
1. Buat tiruan dari posisi kucingk sejumlah SMP-1.
2. Ambil satu tiruan dari kucinga.
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
22
3. Tunjuk secara sebarang dimensi yang akan diubah
nilainya sampai sejumlah dim=CDC*jumlah dimensi
4. Untuk setiap dimensi yang ditunjuk lakukan penambahan
atau pengurangan sebanyak SRD persen dari posisi awal.
5. Cek apakah sejumlah (SMP-1) tiruan telah melalui proses
3 dan 4?
6. Jika belum maka kembali ke langkah 2, jika sudah ke
langkah 7.
7. Simpan posisi baru dari setiap kucing tiruan sebagai
kandidat solusi seeking dari kucinga
iii. Sebaliknya Jika nilai boolean Self Position
Consideration(SPC) dari kucinga tersebut bernilai 0 maka
lakukan langkah-langkah berikut :
1. Buat tiruan dari posisi kucinga sejumlah SMP.
2. Ambil satu tiruan dari kucinga.
3. Tunjuk secara sebarang dimensi yang akan diubah
nilainya sampai sejumlah dim=CDC*jumlah dimensi
4. Untuk setiap dimensi yang ditunjuk lakukan penambahan
atau pengurangan sebanyak SRD persen dari posisi awal.
5. Cek apakah sejumlah SMP tiruan telah melalui proses 3
dan 4?
6. Jika belum maka kembali ke langkah 2, jika sudah ke
langkah 7.
7. Simpan posisi baru dari setiap kucing tiruan sebagai
kandidat solusi seeking dari kucinga
iv. Menghitung nilai height (h) dari anggota setiap kandidat solusi
seeking.
v. Menghitung nilai fitness dari anggota setiap kandidat solusi
seeking.
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
23
vi. Jika tidak semua nilai fitness dari setiap anggota kandidat
bernilai sama, hitung probabilitas terpilih dari setiap kandidat
solusi seeking.
Jika tujuan dari fungsi fitness adalah meminimumkan solusi,
maka FSb=FSmax dan sebaliknya FSb=FSmin . Sebaliknya Jika
nilai fitness dari setiap anggota kandidat solusi seeking sama
maka probabilitas terpilih semua kandidat solusi seeking adalah
1.
vii. Hitung probabilitas terpilih relatif (Pir) setiap kandidat solusi
seeking.
viii. Menghitung probabilitas terpilih komulatif (Pik) setiap
kandidat solusi seeking dengan formula :
P
ix. Mulai bangkitkan satu bilangan acak dari interval [0.1]
dinotasikan r.
x. Jika r ≤ P1k, maka kandidat solusi seeking pertama terpilih
menjadi solusi seeking. Sebaliknya pilih kandidat solusi
seeking ke i sebagai solusi seeking apabila P(i-1)k < r ≤ Pik
(seleksi roulette wheel).
xi. Posisi kucingk=posisi solusi seeking.
xii. Simpan posisi dalam Memory Pool yang memberikan solusi
terbaik sebagai gbest seeking
xiii. Semua kucing berflag=1 telah melalui proses seeking?
xiv. Jika belum kembali ke langkah i, jika sudah lakukan proses l.
k) Tentukan solusi iterasi dengan menghitung:
=min (g ,g )
l) Setelah melakukan Mode Seeking dan Mode Tracing dipilih individu
terbaik dari masing-masing mode. Kemudian pilih individu terburuk
untuk dilanjutkan dengan proses Simulated Annealing (SA).
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
24
m) Jika iterasi saat ini kurang dari atau sama dengan 10 maka menuju
langkah berikutnya, jika tidak kembali ke langkah 2.f.
3. Proses Simulated Annealing (SA)
a. Modifikasi menggunakan pencarian lokal, yaitu dengan memilih
dua lokasi secara acak, kemudian menukarnya. Selanjutnya
dihitung fungsi tujuan dari hasil yang diperoleh.
b. Menghitung nilai selisih (calculate), evaluasi dilakukan dengan
cara membandingkan fungsi tujuan solusi hasil modifikasi atau
solusi baru f(xm) dengan fungsi tujuan individu awal atau solusi
sementara .
i. Jika ≤ maka solusi sementara sama dengan solusi
baru.
ii. Jika > maka dihitung probabilitas penerimaannya
menggunakan rumus: ∆
Dimana ΔC merupakan selisih nilai fungsi tujuan.
Kemudian bangkitkan bilangan real r antara interval [0 1], jika
r < P maka solusi baru menggantikan solusi lama, begitu juga
sebaliknya.
c. Jika looping sudah memenuhi, dilakukan penurunan suhu rumus
d. Cek suhu, jika Tb < Takhir, maka proses berhenti.
4. Solusi akhir pada proses simulated annealing menggantikan solusi yang
dipilih pada langkah 3.a.
5. Jika maksimum iterasi sudah tercapai maka menuju langkah
selanjutnya, jika tidak maka kembali ke langkah 2.f.
6. Membuat program dari algoritma di atas.
7. Mengimplementasikan program pada contoh kasus.
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
25
Ya Tidak
Tidak
Ya
Start
Inisialisasi Parameter
Input width (w), height (h) dan strip width
Inisialisasi posisi awal kucing dan kecepatan kucing
Evaluasi Nilai Fitness tiap kucing
Flag kucingk=1?
Kucingk diproses di mode seeking Kucingk diproses di mode tracing
Menentukan individu terbaik dari CSO
Menentukan individu terburuk dari CSO
C
Menentukan nilai SPC
Menentukan flag
Iterasi 10?
A
B
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
26
Ya
Tidak
Tidak
Ya
Ya
Tidak
Tidak
Ya
Gambar 3.1 Flowchart Penyelesaian land allocation menggunakan Hybrid Algoritma Cat Swarm Optimization (CSO) dan Simulated Annealing (SA)
?
End
Mengevaluasi individu yang telah dimodifikasi ( )
A
Hitung P dan Bangkitkan r
P > r ?
Penurunan Suhu
Max iterasi?
Solusi Terbaik
tetap
B
Melakukan modifikasi menjadi
C
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
27
Gambar 3.2 Flowchart Mode Tracing
Start
Update Kecepatan
Update Posisi
Menghitung Fungsi Tujuan
Kucing flag = 0 telah berproses
End
Gbest Solusi
Posisi dan Kecepatan Kucing
Ya
Tidak
Ambil satu individu kucing
Update solusi
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
28
Gambar 3.3 Flowchart Mode Seeking
Start
SPC = 1
End
Buat tiruan sejumlah SMP-1
Isi baris pertama SMP dengan posisi awal
Modifikasi
SMP-1 sudah dimodifikasi
Ambil salah satu tiruan kucing
Buat tiruan sejumlah SMP
Ambil salah satu tiruan kucing
Modifikasi
SMP sudah dimodifikasi
Bangkitkan satu bilangan real secara acak
Hitung tinggi, nilai fitness, probabilitas terpilih relatif dan kumulatif
Simpan kandidat solusi
Kucing flag =1 telah berproses
Ya Tidak Tidak
Ya
Tidak
Gbest Solusi
Ambil satu individu kucing
Ya Tidak
Seleksi
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
29
Gambar 3.4 Flowchart Seleksi Roullete Wheel
Start
Menghitung Nilai Fitness
Menghitung Jumlah Total Nilai
Menghitung Peluang Terpilih
Probabilitas Terpilih Kumulatif Setiap Individu Kucing
NoMenghitung Peluang Kumulatif
Bangkitkan Bilangan Random (r)
r Prob. Kumulatif
Probabilitas Terpilih Kumulatif Pertama
Yes
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
29
BAB IV
PEMBAHASAN
Pada bab ini akan dijelaskan mengenai penggunaan hybrid algoritma Cat
Swarm Optimization (CSO) dan Simulated Annealing (SA) pada masalah land
allocation.
4.1 Masalah Alokasi Lahan
Persoalan alokasi lahan merupakan masalah penempatan lahan komponen
persegi pada lahan yang tersedia, sehingga:
1. Lahan komponen yang akan dialokasikan ditinjau dari fleksibilitas
dimensinya.
2. Fleksibilits dimensi lahan komponen akan mempengaruhi penempatan
lahan komponen tersebut pada lahan yang tersedia, sehingga dapat
meminimalkan area yang dipakai.
4.2 Hybrid Cat Swarm Optimization (CSO) dan Simulated Annealing (SA)
Hybrid Cat Swarm Optimization (CSO) dan Simulated Annealing (SA)
adalah penggabungan dari proses Cat Swarm Optimization dengan Simulated
Annealing dalam aplikasinya merupakan salah satu algoritma heuristik yang
dapat digunakan untuk menyelesaikan masalah optimasi. Menurut (Chu dan
Tsai, 2007) proses penyelesaian permasalahan tersebut diawali dengan
membangkitkan sejumlah m populasi kucing awal, setiap kucing merupakan
representasi dari satu set solusi yang terdiri atas n dimensi. Setiap dimensi
dimodelkan untuk mempunyai inisialisasi kecepatan awal. Kecepatan awal
digunakan untuk memodelkan perilaku sekumpulan kucing yang selalu
berpindah-pindah posisi sesuai kecepatannya ketika sedang berburu. Proses
berlanjut dengan membagi m populasi awal kucing ini menjadi 2 populasi
baru. Yakni populasi mode seeking dan populasi mode tracing. MR (mixing
ratio) adalah parameter yang diinisialisasikan untuk menentukan proporsi
pembagian kucing ke dalam kedua mode tersebut.
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
30
Ilustrasi penggunaan hybrid algoritma Cat Swarm Optimization (CSO) dan
Simulated Annealing (SA) dalam Land Allocation telah diuraikan dalam
Gambar 4.1
Prosedur hybrid algoritma Cat Swarm Optimization (CSO) dan Simulated
Annealing (SA) dapat dilihat pada Gambar 4.1
Prosedur Hybrid Algoritma CSO dan SA Begin input data(); inisialisasi parameter(); bangkitkan populasi awal(); ` bangkitkan kecepatan awal(); hitung fungsi tujuan(); do hitung fitness(); bagikan flag secara acak(); tentukan nilai spc(); lakukan tahap seeking(); lakukan tahap tracing(); if(iterasi<11) proses sa pada individu terburuk(); end while(maks_iterasi) tentukan solusi terbaik(); End
Gambar 4.1 Prosedur Hybrid Algoritma CSO dan SA
Berikut ini dijelaskan langkah-langkah dalam prosedur algoritma Cat
Swarm Optimization (CSO).
4.2.1 Input Data dan Inisialisasi Parameter
Prosedur ini merupakan prosedur untuk menginput data dan
menentukan informasi awal yang dibutuhkan dalam algoritma Cat
Swarm Optimization (CSO). Data yang diinputkan adalah data berupa
lebar dan tinggi lahan serta lebar objek. Parameter yang diperlukan
adalah jumlah populasi kucing yang disimbolkan dengan m, jumlah
lahan yang disimbolkan dengan n, Seeking Memory Pool (SMP),
Count Dimension to Change (CDC), Seeking Range Dimension (SRD),
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
31
Mixing Ratio (MR), konstanta tracing (c), dan maks_iterasi yang dapat
dilihat pada Gambar 4.2
Prosedur Input Data dan Inisialisai Parameter
Begin Jumlah Kucing (Individu)=kucing; Jumlah Seeking Memory Pool=smp; Nilai CDC=cdc; Nilai SRD=srd; Nilai MR=mr; Nilai Beta=beta; Nilai c1=c1; Nilai lebar_wadah=lebar_wadah; Nilai suhu_awal=suhu_awal; Nilai suhu_akhir=suhu_akhir;
End
Gambar 4.2 Prosedur Input Data dan Inisialisasi Parameter
4.2.2. Membangkitkan Populasi Awal
Populasi awal terdiri dari beberapa individu kucing, yang
mereprentasikan urutan lahan masuk ke dalam objek, sebanyak n
dimensi. Tiap individu terdiri dari n sebanyak jumlah lahan. Oleh
karena itu, untuk membangkitkan populasi awal perlu dibangkitkan
bilangan real acak antara 0 dan 1 yang mewakili urutan tiap n dalam
individu. Nilai dalam tiap n akan digunakan untuk menentukan lahan
mana yang akan diletakkan terlebih dahulu. Prosedur pembangkitkan
populasi awal dapat dilihat pada Gambar 4.3
Prosedur Pembangkitan Populasi Awal
Begin for i=0 to kucing for j=0 to jumlah lahan data_kucingi,j = random (1,jumlah lahan); end end End
Gambar 4.3 Membangkitkan Populasi awal
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
32
Untuk mempermudah pembangkitkan populasi awal, dibuat
matriks dengan ukuran m x n.
4.2.3 Membangkitan Kecepatan Awal
Hal yang harus diperhatikan adalah setiap dimensi (n) dari setiap
individu juga memiliki inisialisasi lain yakni kecepatan awal (initial
velocity). Kecepatan awal adalah suatu bilangan acak yang terkait
dengan setiap dimensi dari setiap individu (kucing) yang dapat dilihat
pada Gambar 4.4
Prosedur Membangkitan Kecepatan Awal
Begin for i=0 to kucing for j=0 to jumlah lahan data_kecepatani,j = random (1,jumlah lahan); end end End
Gambar 4.4 Membangkitan Kecepatan Awal
Untuk mempermudah pembangkitan kecepatan awal, dibuat
matriks dengan ukuran m x n.
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
33
4.2.4 Representasi Permutasi
Posisi awal dari setiap individu (kucing) merupakan kandidat lahan
awal dari permasalahan Land Allocation. Untuk mengubah
representasi random dari posisi awal ke dalam bentuk lahan yang
diwakili oleh representasi permutasi digunakan Gambar 4.5 sebagai
prosedur.
Prosedur Konversi ke Dalam Representasi Permutasi Begin for i=0 to m-1
for j=0 to n-1 permutasij=j;
end for j=0 to n-1
kucingurut,j=kucingi,j; end z=0; while(z<1) for i1=0 to n-1
if(kucinguruti1<kucinguruti1+1) ii=kucinguruti1;
kucinguruti1=kucinguruti1+1;
kucinguruti1+1=ii;
k=permutasii1;
permutasii1=permutasii1+1;
permutasii1+1=k;
end end j1=0; for i1=0 to n-1
if (kucinguruti1>=kucinguruti1+1) j1=j1+1;
end end if (j1==n-2)
z=3; end
End
Gambar 4.5 Prosedur Permutasi Objek
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
34
4.2.5 Menghitung Nilai Fungsi Tujuan
Setelah pembangkitan populasi awal diubah menjadi bentuk
permutasi, maka diperoleh urutan masuk lahan kecil ke dalam lahan
besar. Dari urutan tersebut dapat diperoleh tata letak lahan kecil dalam
lahan besar, sehingga dapat diperoleh pula tinggi lahan terpakai.
Tinggi lahan terpakai tersebutlah yang akan diminimalkan sehingga
didapatkan hasil yang optimal. Prosedur meletakkan lahan kecil
dimulai dengan meletakkan lahan kecil pertama pada bagian ujung kiri
bawah objek sehingga terbentuk subspace S1 dan S2. Selanjutnya, lahan
kecil kedua diletakkan pada S1 jika memungkinkan, namun jika tidak
maka lahan kecil kedua akan diletakkan pada S2. Demikian seterusnya
hingga semua lahan kecil diletakkan ke dalam lahan besar. Prosedur
meletakkan lahan kecil ke dalam lahan besar disajikan pada Gambar
4.6
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
35
Prosedur Meletakkan Lahan ke dalam Objek
Begin for i=1 to n for j=1 to jumlah lahan if j=1 if lebarlahankecil[geni,j] <= lebarlahanbesar lebarsubspacei,j=lebarobjek-lebarlahan[geni,j]; tinggisubspacei,j=tinggilahan[geni,j]; end else
lebarsubspacei,j=tinggilahan[geni,j]; tinggisubspacei,j=lebarobjek- lebarlahan[geni,j]; end
end else
if pas=0; for k=1 to j-1
if lebarlahan[geni,j] <= lebarsubspace & tinggilahan[geni,j] <= tinggisubspace
for l > k+1 to l=j lebarsubspacei,l = lebarsubspacei,l-1; tinggisubspacei,l = tinggisubspacei,l-1; end
lebarsubspacei,k+1 = lebarsubspace; tinggisubspacei,k+1 = tinggisubspace -c; lebarsubspacei,k = lebarsubspace-lebarlahan[geni,j]; tinggisubspacei,k =tinggilahan[geni,j]; pas=1; break; end
else if tinggilahan[geni,j] <= lebarsubspace & lebarlahan[geni,j] <= tinggisubspace
for l > k+1 to l=j lebarsubspacei,l= lebarsubspacei,l-1; tinggisubspacei,l= tinggisubspacei,l-1; end
lebarsubspacei,k+1 =lebarsubspace; tinggisubspacei,k+1=tinggisubspace-lebarlahan[geni,j]; lebarsubspacei,k=lebarsubspace-tinggilahan[geni,j]; tinggisubspacei,k=lebarlahan[geni,j]; pas=1; break; end
end if pas!=1
if lebarlahan[geni,j]<=lebarobjek lebarsubspacei,j=lebarobjek- lebarlahan[geni,j]; tinggisubspacei,j= tinggilahan[geni,j]; end
else lebarsubspacei,j=lebarobjek- tinggilahan[geni,j]; tinggisubspacei,j= lebarlahan[geni,j]; end
end end
end End
.
Gambar 4.6 Prosedur Memasukkan Lahan ke Lahan Yang Tersedia
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
36
4.2.6 Menghitung Nilai Fitness
Dalam skripsi ini, nilai fitness (fitness value) yang didapat setiap
individu (kucing) bergantung perhitungan tinggi lahan yang didapat
dari representasi permutasi individu tersebut.
Cara menghitung nilai fitness kucing ke-i adalah dengan membagi
1 dengan nilai tinggi lahan yang diperoleh tiap set solusi kucing ke-i.
Prosedur menghitung nilai fitness setiap kucing dalam populasi dapat
disajikan pada Gambar 4.7
Prosedur menghitung nilai fitness tiap kucing Begin
for i=0 to m-1 fitnessi=1/jaraki;
end End
Gambar 4.7 Prosedur menghitung nilai fitness tiap kucing
Langkah selanjutnya adalah nilai fitness yang didapatkan dalam
proses nilai fitness diurutkan mulai dari yang terbesar hingga yang
terkecil untuk digunakan dalam proses penentuan Self Position
Considering dan penentuan xbest.
4.2.7 Melakukan Penentuan Flag
Setiap individu (kucing) akan dlahanpatkan ke dalam suatu mode,
diantaranya adalah mode seeking atau mode tracing. Gambar 4.8
menunjukkan prosedur penentuan flag dalam Algoritma Cat Swarm
Optimization.
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
37
Prosedur penentuan flag Begin jumtracing=MR*m; for i= 0 to m-1
ri=random(m)/m+1; end for i=0 to m-1
urutanrandomi=randomurut(ri,m) end
for i= 0 to jumtracing-1 flagurutanrandomi=1;
end for i= jumtracing to m-1
flagurutanrandomi=0; end
End
Gambar 4.8 Prosedur penentuan flag
Prosedur diatas adalah proses penentuan flag dilakukan secara
random (acak), dengan membangkitkan sejumlah m bilangan random
dan menempatkannya pada array ri , dengan i adalah indeks dari
individu (kucing). Urutan dari bilangan random dalam array ri secara
ascending disajikan dalam array urutan randomi, penempatan flag
ditentukan oleh indeks individu (i) yang berkaitan dengan bilangan
random terurut dalam array urutan random.
4.2.8 Menentukan Self Position Considering (SPC)
Self Position Considering (SPC) merupakan nilai boolean yang
melabeli setiap individu sebelum melakukan mode seeking atau mode
tracing. Label ini ditentukan sesaat setelah nilai fitness dari masing-
masing individu dalam populasi dihitung. Sebagai catatan dalam
konteks ini populasi yang dimaksud adalah populasi awal untuk iterasi
pertama , dan populasi gabungan hasil mode seeking dan mode tracing
untuk iterasi berikutnya. Secara prosedur penentuan SPC setiap individu
dapat dilakukan seperti terlihat pada Gambar 4.9
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
38
Prosedur penentuan SPC tiap individu (kucing) Begin jumseeking=(1-MR)*m; for i=0 to m-1
urutani=fitnessurut(fitness[],fitnessi,m) end
for i= 0 to jumseeking-1 spcurutani=1;
end for i= jumseeking to m-1
spcurutani =0; end
End Gambar 4.9 Prosedur menentukan Self Position Considering
Array urutan dalam prosedur diatas memuat urutan indeks kucing
dari yang mempunyai nilai fitness terbesar , hingga yang mempunyai
nilai fitness terkecil secara terurut dari atas ke bawah (descending).
4.2.9 Melakukan Proses Mode Seeking
Setelah dilakukan proses penempatan flag, beberapa kucing akan
diproses dalam mode seeking. Setiap kucing yang memiliki flag
bernilai 1 akan memasuki tahap mode seeking. Prosedur mode seeking
ditujukkan pada Gambar 4.10
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
39
Pseudocode proses seeking Begin if(spc(grup_seeking(i))==1 for j=0 to smp for k=0 to jumlahLahan Memory_pool(j,k)=data_random(grup_seeking(i))(k) end for for k=0 to jumlahLahan terpilih[k]=-1; end for if j>0 Modifikasi Memory_Pool() end if end for end if else if(spc(grup_seeking(i))!=1 for j=0 to smp for k=0 to jumlahLahan terpilih[k]=-1; end for Modifikasi Memory_Pool() end for end if End
Gambar 4.10 Prosedur update kecepatan pada mode seeking
4.2.10 Melakukan Proses Mode Tracing
Setelah dilakukan proses penempatan flag secara random (acak),
kemudian beberapa kucing akan diproses dalam mode tracing. Secara
operasional dalam mode ini setiap individu akan mengubah
representasi kecepatan yang lama menjadi representasi kecepatan yang
baru. Proses update kecepatan ini dipengaruhi oleh memory yang
dimiliki setiap kucing, yang berfungsi mengingat posisi terbaik yang
sejauh ini diperoleh swarm (xbest) . Hal ini dapat dijelaskan pada
prosedur dalam Gambar 4.11
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
40
Prosedur update kecepatan pada mode tracing Begin for i=0 to jumtracing-1
acak=random(100); acak1=random(99); d=acak/acak1;
for j=0 to n-1 hj=xi,j; end for j=0 to n-1 m=xbest,j-hj; s=d*c*m; end for j=0 to n-1 vbarui,j=vi,j+s; end
end End
Gambar 4.11 Prosedur update kecepatan pada mode tracing
Untuk mendapatkan set solusi yang lebih baik, dalam fase ini
representasi kecepatan baru digunakan oleh setiap individu (kucing) ini
untuk mengubah posisinya. Prosedur dalam menentukan posisi baru
dapat dilihat dalam Gambar 4.12
Prosedur mengupdate posisi lama setiap kucing
Begin for i= 0 to jumtracing-1
for j = 0 to n-1 kucingbarui,j= kucingi,j +vbarui,j;
end end
End
Gambar 4.12 Prosedur update posisi tiap kucing pada mode
tracing
Dalam skripsi ini ,ditambahkan beberapa prosedur tambahan salah
satunya adalah untuk setiap individu dilakukan pengecekan apakah set
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
41
solusi baru memberikan nilai fitness yang lebih baik dari set solusi lama.
Proses ini kemudian disajikan dalam Gambar 4.13
Prosedur perbandingan fitness lama dan fitness baru Begin
for i= 0 to jumtracing-1 if(fitnessbi-fitnessi>0)
for j=0 to n-1 kucingbarui,j;
end end else
for j=0 to n-1 kucingbarui,j=kucingi,j;
end end
end End
Gambar 4.13 Prosedur perbandingan fitness lama dan fitness baru
4.2.11 Penentuan Solusi Terburuk pada CSO
Penentuan solusi terburuk ini menggunakan informasi posisi kucing
yang baru setelah melalui proses mode seeking dan mode tracing yaitu
dengan cara membandingkan posisi terburuk antara mode seeking dan
mode tracing masing-masing kucing yang telah disimpan pada proses
diatas. Solusi terburuk yang diperoleh dari proses mode seeking dan
proses mode tracing akan dibandingkan dan dicari posisi yang memiliki
nilai fungsi tujuan terbesar. Proses penentuan solusi terburuk dapat
dilihat dalam Gambar 4.14
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
42
Pseucode penentuan solusi terburuk Begin if(tinggi_best_tracing<tinggi_best) real_tinggi=tinggi_best_tracing for i=0 to jumlahLahan real_lahan[i]=lahan_best_tracing[i]; real_variasi[i]=variasi_best_tracing[i]; end for end if else if(tinggi_best<tinggi_best_tracing) real_tinggi=tinggi_best; for i=0 to jumlahLahan real_lahan[i]=lahan_best[i]; real_variasi[i]=variasi_best[i]; end for end else End
Gambar 4.14 Prosedur penentuan solusi terburuk
Setelah solusi terburuk di cat swarm optimization diperoleh, maka
selanjutnya adalah solusi terburuk pada cat swarm optimization
diproses engan menggunakan algoritma simulated annealing.
4.2.12 Proses Simulated Annealing
Pada proses ini individu terburuk dari cat swarm optimization akan
diproses menggunakan simulated annealing. Pada proses annealing
pertama yang dilakukan adalah modifikasi. Proses mutasi yang
digunakan dalam proses modifikasi adalah pencarian lokal, metode
yang digunakan adalah resiprochal exchange mutation. Resiprochal
exchange mutation merupakan suatu metode mutasi dengan cara
memilih secara acak dua lokus kemudian ditukar. Prosedur proses
algoritma simulated annealing dapat dilihat pada Gambar 4.15
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
43
Prosedur Simulated Annealing Begin select_1=random(jumlahLahan-1); select_2=random(jumlahLahan-1); while(select_1==select_2||select_1>select_2); for int sel=0 to jumlah lahan data_random[counter_sa][sel]; end for int j=select_1;j<=select_1+mutatecounter;j++) tempSA=solusi_sa[j]; solusi_sa[j]=solusi_sa[select_2]; solusi_sa[select_2]=tempSA; select_2--; end
evaluasi solusi sa(); penentuan tolak atau terima solusi(); suhu=suhu_sekarang*beta; suhu_sekarang=suhu;
end End
Gambar 4.15 Prosedur proses Simulated Annealing
4.2.13 Menyimpan Solusi Terbaik (Global Best)
Prosedur ini merupakan prosedur untuk menyimpan solusi terbaik
pada setiap iterasinya. Nilai fungsi tujuan terbaik merupakan nilai
fungsi tujuan dari solusi yang terbaik. Solusi terbaik ini dlahanukan
diantara solusi CSO dan SA sehingga dapat pula disebut global best.
Perlu diingat bahwa proses ini dilakukan pada tiap iterasi, sehingga
akan diperoleh solusi terbaik setiap iterasinya maka untuk keseluruhan
akan didapat sejumlah t solusi terbaik (global best). Prosedur
penyimpanan solusi terbaik ditunjukkan pada Gambar 4.16
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
44
Prosedur menentukan gbest Begin
for j=0 to individu-1 if (ftGbest > ftj) then
for k= 0 to n-1 individuGbestk=individuk,j xGbestk=xk,j
end for k end if
end for j End
Gambar 4.16 Prosedur menyimpan solusi Terbaik (Global Best)
4.3 Data
Untuk mengimplementasikan penggabungan algoritma cat swarm
optimization dan simulated annealing pada Land Allocation, akan digunakan
data yang diambil dari Alison R. Callaghan (1999) dan Egy Rifky (2015).
Data yang digunakan dalam skripsi ini dibagi menjadi 2 yaitu :
1. Data dengan 13 lahan komponen
2. Data dengan 75 lahan komponen
Data secara lengkap dapat dilihat pada Tabel 4.1 dan Lampiran 1.
4.4 Contoh Kasus Masalah Alokasi Lahan dengan Menggunakan Data 13
Lahan Komponen yang Diselesaikan Secara Manual
Misalkan pada sebuah gedung terdapat ruangan yang berukuran WxH
dengan W = 200 feet dan H = 171.5 feet. Pada ruangan tersebut akan
dialokasikan lahan untuk departemen – departemen yang ukuran masing-
masing departemen memiliki fleksibilitas dimensi yang dapat dilihat pada
Tabel 4.1 dan Tabel 4.2
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
45
Tabel 4.1 Spesifikasi dan Ukuran Departemen
No. Nama Departemen Size in ft. 1 Police 1520 2 Jail 660 3 Court room 3840 4 Judge’s chamber 300 5 License bureau 900 6 Treasurer’s office 900 7 Welfare office 900 8 Health dept. 900 9 Sanitation 900 10 Engineer’s office 2300 11 Rec. Dept. 900 12 Mayor’s office 300 13 Town council room 750
Tabel 4.1 dapat diubah dengan fleksibilitas dimensi sebagai berikut:
Tabel 4.2 Area Komponen dan Dimensi yang Sesuai
Komponen Total Area
Dimensi (ft.) 1 2 3 4 5 6
1 1520 80x19 76x20 40x38 38x40 20x76 19x80 2 660 132x5 66x10 33x20 20x33 10x66 5x132 3 3840 120x32 96x40 64x60 60x64 40x96 32x1204 300 60x5 30x10 20x15 15x20 10x30 5x60 5 900 90x10 60x15 36x25 30x30 15x60 10x90 6 900 90x10 60x15 36x25 30x30 15x60 10x90 7 900 90x10 60x15 36x25 30x30 15x60 10x90 9 900 90x10 60x15 36x25 30x30 15x60 10x90 10 2300 100x23 92x25 50x46 46x50 25x92 23x10011 900 90x10 60x15 36x25 30x30 15x60 10x90 12 300 60x5 30x10 20x15 15x20 10x30 5x60 13 750 75x10 50x15 30x25 25x30 15x50 10x75
Sumber: Alison R. Callaghan; Anoop R.Nair; Kemper E. Lewis, 1999, ASME Design Engineering Technical Conferences.
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
46
Penyelesaian:
Untuk menyelesaikan alokasi lahan dengan data 13 komponen lahan
menggunakan prosedur hybrid algoritma CSO dan SA, dengan langkah-
langkah sebagai berikut:
Langkah 1: Inisialisasi Parameter
Parameter-parameter dari hybrid algoritma Cat Swarm Optimization
(CSO) dan Simulated Annealing (SA) yang akan digunakan untuk masalah
alokasi lahan adalah sebagai berikut:
jumlah populasi kucing (m) = 3, Seeking Memory Pool (SMP) = 4 , Count
Dimension to Change (CDC) = 0.33 , Seeking Range Dimension (SRD) =
0.5 , Mixing Ratio (MR) = 0.33 , 100, 20, 0,09
Langkah 2: Membangkitkan Individu
Proses membangkitkan individu dilakukan dengan membangkitkan
secara acak bilangan real antara 0 sampai 1 sebanyak a x b untuk setiap
individu. Dimana a adalah banyaknya kucing dan b adalah banyaknya lahan
komponen. Individu baru ditujukkan pada Tabel 4.3
Tabel 4.3 Populasi Awal Kucing
Individu Awal
Urutan Lahan Komponen Masuk 1 2 3 4 5 6 7 8 9 10 11 12 13
0.84 0.09 0.71 0.29 0.16 0.60 0.81 0.92 0.99 0.08 0.26 0.69 0.63 0.23 0.40 0.91 0.51 0.94 0.65 0.14 0.66 0.36 0.79 0.80 0.89 0.34 0.93 0.95 0.50 0.05 0.22 0.99 0.48 0.75 0.28 0.86 0.72 0.30 0.73
Dengan , , dan merupakan notasi yang melambangkan kucing
1, kucing 2, dan kucing 3.
Langkah 3: Membangkitkan Kecepatan Awal
Proses pembangkitkan kecepatan awal kucing analog dengan proses
membangkitkan posisi awal kucing yaitu dengan membangkitkan secara
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
47
acak bilangan real antara 0 sampai 1 sebanyak a x b untuk setiap individu.
Dimana a adalah banyaknya kucing dan b adalah banyaknya lahan
komponen. Hasil pembangkitkan kecepatan awal kucing disajikan pada
Tabel 4.4
Tabel 4.4 Kecepatan Awal Kucing
Kecepatan Awal
Urutan Lahan Komponen Masuk 1 2 3 4 5 6 7 8 9 10 11 12 13
0.52 0.36 0.77 0.13 0.44 0.31 0.50 0.29 0.46 0.67 0.41 0.70 0.61 0.45 0.78 0.71 0.84 0.58 0.16 0.83 0.72 0.47 0.06 0.40 0.55 0.97 0.76 0.10 0.43 0.73 0.87 0.35 0.28 0.85 0.05 0.42 0.86 0.06 0.80
Dengan , , dan merupakan notasi yang melambangkan
kecepatan kucing 1, kecepatan kucing 2, dan kecepatan kucing 3.
Langkah 4: Evaluasi nilai fungsi tujuan beserta fleksibilitas dimensi
Sebelum menghitung nilai fungsi tujuan, elemen dari masing-masing
kucing ditransformasikan ke bilangan asli dengan cara tiap elemen kucing
dengan mengurutkan bilangan asli yang acak tersebut dari yang terkecil
hingga yang terbesar beserta fleksibilitas dimensinya secara acak. Hasil
transformasi disajikan dalam Tabel 4.5
Tabel 4.5 Hasil transformasi kucing pada populasi awal
Individu Urutan Lahan Komponen Masuk
1 2 3 4 5 6 7 8 9 10 11 12 13
11 2 9 5 3 6 10 12 13 1 4 8 7
Dimensi Ukuran 4 3 2 2 1 1 1 5 1 2 5 3 1
2 5 12 6 13 7 1 8 4 9 10 11 3
Dimensi Ukuran 1 4 1 4 4 3 2 2 1 2 3 2 2
11 12 6 1 2 13 5 9 3 10 7 4 8
Dimensi Ukuran 5 6 5 4 2 4 4 4 3 4 1 3 1
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
48
Kemudian mencari dimensi ukuran lahan yang telah dimiliki oleh
masing-masing lahan yang tersedia. Pada data yang diperoleh memiliki 6
variasi dimensi ukuran, sehingga pada masing-masing lahan diacak bilangan
asli pada interval [1 6]. Dari Tabel 4.5 diketahui bahwa lahan komponen
yang dimiliki oleh kucing-1 ( ) adalah 11,2,9,5,3,6,10,12,13,1,4,8,7
dengan dimensi ukuran lahan ke 4,3,2,2,1,1,1,5,1,2,5,3,1. Begitu juga
dengan kucing-2 ( dan kucing-3 ( ). Setelah urutan komponen lahan
yang akan diletakkan sudah diketahui beserta dimensi ukurannya, langkah
selanjutnya adalah menghitung nilai fungsi tujuan.
Perhitungan nilai fungsi tujuan merupakan representasi untuk
memperoleh tinggi dari objek yang terpakai (H). Nilai fungsi tujuan
diperoleh melalui proses penempatan lahan ke dalam objek wadah
berdasarkan prosedur algoritma rekursif. Dalam setiap space, W merupakan
lebar space yang terbentuk dari lebar space awal dikurangi dengan lebar
lahan masuk, dan H merupakan tinggi dari space (tinggi lahan masuk).
Proses perhitungan fungsi tujuan diuraikan sebagai berikut:
Misalnya kucing-1 ( ) yang mempunyai urutan masuk lahan sebagai
berikut:
Tabel 4.6 Urutan Masuk Lahan Kucing-1 ( )
Individu Urutan Lahan Komponen Masuk
1 2 3 4 5 6 7 8 9 10 11 12 13
11 2 9 5 3 6 10 12 13 1 4 8 7
Dimensi Ukuran 4 3 2 2 1 1 1 5 1 2 5 3 1
1. Komponen lahan pertama yang akan diletakkan adalah lahan
komponen yang ke-11 dengan dimensi ukuran ke-4. Menurut
Tabel 4.2 lahan komponen ke-11 memiliki ukuran 30 dan
30. Karena merupakan lahan pertama, maka akan terbentuk
space baru S1 dan S2 seperti pada Tabel 4.7 dan Gambar 4.17.
Space S1 terbentuk dengan ukuran W – w11 = 200 – 30 = 170,
sedangkan H dengan ukuran 30 karena tinggi w11 = 30.
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
49
Tabel 4.7 Subspace setelah lahan komponen ke-1 masuk
Sisa Ukuran Lahan
SubspaceS1 S2
W 170 - H 30 -
Gambar 4.17 Lahan ke-1 masuk
2. Selanjutnya diletakkan lahan komponen yang kedua yaitu lahan
komponen yang ke-2 dengan dimensi ukuran ke-3. Menurut Tabel
4.2 lahan komponen ke-2 memiliki ukuran 33 dan 20.
Lahan ini dapat dlahanpatkan pada subspace S1. Sehingga terbentuk
space baru S11 dan S12 seperti pada Tabel 4.8 dan Gambar 4.18
Tabel 4.8 Subspace setelah lahan komponen ke-2 masuk
Sisa Ukuran Lahan
Subspace S11 S12 S2
W 137 170 - H 20 10 -
200 Width (W)
Height (H)
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
50
Gambar 4.18 Lahan ke-2 masuk
3. Selanjutnya diletakkan lahan komponen yang ketiga yaitu lahan
komponen yang ke-9 dengan dimensi ukuran ke-2. Menurut Tabel
4.2 lahan komponen ke-9 memiliki ukuran 60 dan 15.
Lahan ini dapat dlahanpatkan pada subspace S11. Sehingga
terbentuk space baru S111 dan S112 seperti pada Tabel 4.9 dan
Gambar 4.19
Tabel 4.9 Subspace setelah lahan komponen ke-3 masuk
Sisa Ukuran Lahan
Subspace S111 S112 S12 S2
W 77 137 170 -
H 15 5 10 -
200 Width (W)
Height (H)
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
51
200
Width (W)
Gambar 4.19 Lahan ke-3 masuk
Demikian juga dengan komponen lahan lainnya dilakukan dengan
proses yang sama. Sehingga, setelah semua lahan kompenen dimasukkan,
maka dapat dihitung tinggi minimum dengan menjumlahkan tinggi
subspace yang terbentuk. Sehingga didapat hasil tinggi dari wadah yang
terpakai adalah 95 square feet seperti pada Tabel 4.10 dan Gambar
4.20
Tabel 4.10 Subspace setelah semua lahan masuk
Sisa Ukuran Lahan
Subspace S111 S112 S12 S211 S212 S22 S31 S32 S4 S5
W 17 137 5 24 60 80 24 100 110 -
H 15 5 10 25 5 2 20 3 10 -
Height (H)
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
52
200
Width (W)
Gambar 4.20 Hasil penempatan lahan
Selanjutnya dengan cara yang sama untuk menghitung fungsi tujuan
dari tiap-tiap individu kucing. 1 2 3 4 30 32
23 10 95.Hasil lengkapnya terlihat pada Tabel 4.11
Tabel 4.11 Nilai fungsi tujuan masing-masing kucing
Individu f(x) 95
96
120
Langkah 5: Menghitung nilai fitnes dari fungsi tujuan
Menghitung nilai fitness berdasarkan nilai fungsi tujuan. Nilai fitness
dirumuskan dengan:
1
Height (H)
h1=30
h2=32
h3=23
h4=10
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
53
Perhitungannya adalah sebagai berikut:
1. Kucing ke-1 ( )
1 1
950.01053
2. Kucing ke-2 ( )
1 1
960.01042
3. Kucing ke-3 ( )
1 1
1200.00833
Langkah 6: Penempatan Flag
Sebelumnya diperkenalkan formulasi berikut:
∗
∗
Penentuan flag setiap kucing dilakukan secara acak dengan tujuan
menempatkan sejumlah Jumlah seeking kucing ke dalam mode seeking
(flag=1), dan sejumlah Jumlah tracing kucing ke dalam mode tracing
(flag=0). Dalam contoh kasus, parameter yang digunakan adalah mr = 0.33
dan m = 3. Jadi proporsi pembagian ini adalah 2 : 1, 2 individu bermode
seeking dan 1 individu bermode tracing . Hasil pembagian flag secara
random ini dapat dilihat dalam Tabel 4.12
Tabel 4.12 flag populasi awal
Individu Random Urutan Flag 0,4679 2 1 0,5671 3 1 0,2414 1 0
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
54
Langkah 7: Memberi Nilai SPC
Informasi tentang nilai fitness dari setiap individu diatas penting untuk
menetapkan nilai boolean dari Self Position Considering (SPC) . Karena Self
Position Considering (SPC) ditentukan di dalam populasi dengan nilai
fitness yang tertinggi diberi nilai 1. Hasil Penentuan SPC setiap individu
dapat terlihat dalam Tabel 4.13
Tabel 4.13 Nilai fitness terurut dan SPC populasi awal
Individu Nilai Fitness SPC 0.01042 0
0.01053 1
0.00833 0
Dalam Tabel 4.13 (1 individu bernilai label SPC = 1 dan sisanya yang
belum mempunyai label SPC secara otomatis mendapatkan label SPC = 0 ).
Langkah 8: Tracing Mode
Dari Tabel 4.13 dapat dilihat bahwa individu yang masuk ke dalam
mode tracing adalah individu 3 . Sesuai dengan jurnal (Chu,et all,2007)
setiap individu yang tersaring dalam mode ini akan mengupdate
kecepatannya dengan rumus :
∗ ∗
1,2,3, … , 1,2, … ,
xbest terpilih dari iterasi-1 adalah dengan posisi awal yaitu:
0.84 0.09 0.71 0.29 0.16 0.60 0.81 0.92 0.99 0.08 0.26 0.69 0.63
Berikut adalah proses update kecepatan baru untuk individu . Telah
diketahui sebelumnya kecepatan awal dan posisi awal dari individu
adalah sebagai berikut:
0.76 0.10 0.43 0.73 0.87 0.35 0.28 0.85 0.05 0.42 0.86 0.06 0.80
0.93 0.95 0.50 0.05 0.22 0.99 0.48 0.75 0.28 0.86 0.72 0.30 0.73
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
55
Dengan bilangan real secara acak = 0.3498, maka akan dilakukan proses
update kecepatan dengan cara berikut:
Untuk d = 1
0.3498 ∗ 2 ∗
0.93 0.3498 ∗ 2 ∗ 0.84 0.93 0,697
Dengan cara yang sama untuk masing-masing komponen pada individu
kucing, maka diperoleh update kecepatan baru pada Tabel 4.14
Tabel 4.14 Hasil update kecepatan kucing 3
Individu Kecepatan Baru
0.697
-0.5017
0.5769
0.8979
0.828
0.0772
0.5109
0.9689
0.5467
-0.1257
0.5382
0.3328
0.73
Setelah nilai kecepatan kucing 1 diperbarui maka langkah selanjutnya
adalah memperbarui posisi kucing 1. Untuk memperbarui posisi kucing 1
diperlukan nilai kecepatan yang baru kucing 1 dengan menggunakan rumus:
Untuk d= 1
0.93 0.697 1.627
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
56
Dengan cara yang sama untuk masing-masing komponen pada individu
kucing, maka diperoleh update posisi baru Tabel 4.15
Tabel 4.15 Hasil update posisi kucing 3
Individu Posisi Baru
1.627
0.4483 1.0769 0.9479 1.048 1.0672 0.9909 1.7189 0.8267 0.9857 1.2582 0.6328 1.46
Kemudian ditransformasikan ke bilangan asli dengan cara mengurutkan
dari yang terkecil hingga yang terbesar. Hasil transformasi disajikan dalam
Tabel 4.16
Tabel 4.16 Hasil transformasi update kucing 3
Kucing Urutan Lahan Komponen Masuk
1 2 3 4 5 6 7 8 9 10 11 12 13
12 1 9 4 7 8 6 13 3 5 10 2 11
Dimensi Ukuran 6 4 4 5 4 4 4 1 2 1 2 2 2
Diperoleh tinggi sebesar 100 feet dengan urutan lahan masuk 12-1-9-4-7-8-
6-13-3-5-10-2-11 dengan dimensi ukuran 6-4-4-5-4-4-4-1-2-1-2-2-2.
Kemudian dicari nilai fitness:
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
57
1. Kucing ke-3 baru ( baru)
1 1
1000.01
Perbandingan nilai fitness baru dan nilai fitness lama disajikan dalam Tabel
4.17
Tabel 4.17 Perbandingan nilai fitness baru dan nilai fitness lama
Individu Nilai fitness baru Nilai fitness lama
0.01 0,00833
Karena pada individu 3 nilai fitness baru > nilai finess lama, maka
solusi dari tracing diterima.
Sehingga nilai local best untuk mode tracing adalah 100 feet dengan
dengan urutan lahan masuk 12-1-9-4-7-8-6-13-3-5-10-2-11 dengan dimensi
ukuran 6-4-4-5-4-4-4-1-2-1-2-2-2.
Individu Urutan Lahan Komponen Masuk
1 2 3 4 5 6 7 8 9 10 11 12 13
12 1 9 4 7 8 6 13 3 5 10 2 11
Dimensi Ukuran 6 4 4 5 4 4 4 1 2 1 2 2 2
Langkah 9: Seeking Mode
Dari Tabel 4.13 dapat dilihat bahwa individu yang masuk dalam mode
seeking adalah individu 2 dan individu 1 , dapat dilihat juga dari
Tabel 4.13 bahwa SPC individu 2 = 1 dan SPC individu 1 = 0. Terdapat 6
parameter yang diinputkan dalam algoritma Cat Swarm Optimization
(CSO), 3 diantaranya digunakan dalam mode seeking. Parameter-parameter
tersebut antara lain Seeking Memory Pool (SMP) = 4, Change Dimension to
Change (CDC) = 0,33 dan Seeking Range Dimension (SRD) = 0,5
Berikut diberikan operasi mode seeking untuk individu 2, dengan SPC = 1
Posisi awal dari individu 2 adalah sebagai berikut:
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
58
0.23 0.40 0.91 0.51 0.94 0.65 0.14 0.66 0.36 0.79 0.80 0.89 0.34
Karena SPC individu 2 = 1, maka individu 2 akan di copy sebanyak SMP-1.
Tabel 4.18 Proses Pengcopyan Individu 2 Sebanyak SMP-1 Kali
Individu Posisi
0.23 0.40 0.91 0.51 0.94 0.65 0.14 0.66 0.36 0.79 0.80 0.89 0.34
0.23 0.40 0.91 0.51 0.94 0.65 0.14 0.66 0.36 0.79 0.80 0.89 0.34
0.23 0.40 0.91 0.51 0.94 0.65 0.14 0.66 0.36 0.79 0.80 0.89 0.34
0.23 0.40 0.91 0.51 0.94 0.65 0.14 0.66 0.36 0.79 0.80 0.89 0.34
Setelah posisi kucing 2 di copy sejumlah SMP-1, maka langkah
selanjutnya adalah proses modifikasi pada sejumlah dimensi untuk setiap tiruan
kucing.
Langkah mutasi dari individu 2 adalah sebagai berikut:
Hitung jumlah dimensi yang akan dimutasi/dimodifikasi dengan rumus:
Jumlah Modifikasi = CDC * n = 0,33*13 = 4,2 4
Jadi sejumlah 4 dimensi yang akan dimodifikasi untuk setiap tiruan
kucing 2 . Sebanyak 4 dimensi yang akan dimodifikasi dipilih secara acak,
dilakukan dengan cara membangkitkan bilangan real pada interval [0 1] secara
acak kemudian diurutkan dari yang terkecil hingga terbesar. Penentuan dimensi
untuk modifikasi selengkapnya dapat dilihat pada Tabel 4.19
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
59
Tabel 4.19 Penentuan Dimensi untuk Modifikasi
Dimensi (lahan komponen)
1 2 3 4 5 6 7 8 9 10 11 12 13
Posisi 0.23 0.40 0.91 0.51 0.94 0.65 0.14 0.66 0.36 0.79 0.80 0.89 0.34
Bil.real secara acak (Modifikasi)
0.12 0.92 0.78 0.06 0.96 0.30 0.19 0.33 0.99 0.81 0.28 0.07 0.03
Urutan 4 11 9 2 12 7 5 8 13 10 6 3 1
Status M - - M - - - - - - - M M
Pada Tabel 4.19 dimensi dengan status M merupakan dimensi yang
terpilih untuk dimodifikasi yaitu dimensi (lahan komponen) ke 13,4,12, dan
1. Dengan cara yang sama lakukan penentuan dimensi yang akan
dimodifikasi untuk tiruan kucing-kucing yang lain.
Dibawah ini merupakan formulasi untuk menghitung nilai modifikasi
dari tiap dimensi yang terpilih.
1 ∗ ∗
Untuk k =1 (dimensi terpilih = 13)
1 ∗ 0,5 ∗
0.34 0.5 ∗ 0.34 0.17
Demikian pula untuk k = 4,12, dan 1 diperoleh:
0.51 0.5 ∗ 0.51 0.765
0.89 0.5 ∗ 0.89 1.335
0.23 0,5 ∗ 0.23 0.115
Hasil mutasi dari individu 2 yang didapatkan dari operasi yang
dipengaruhi oleh CDC, dan SRD ini biasa disebut disebut copy dari individu
2 , dinotasikan . Dalam algoritma ini setiap kucing mempunyai slot
memory yang disebut Seeking Memory Pool yang berfungsi menampung
sebanyak SMP-1 copy dari individu 2 . Semua copy didapatkan dengan
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
60
melakukan perulangan semua langkah modifikasi hingga SMP-1 kali.
Secara lengkap kandidat solusi dalam Seeking Memory Pool individu 2
dapat dilihat pada Tabel 4.20
Tabel 4.20 Kandidat Solusi Dalam Seeking Memory Pool Individu 2
Kandidat Solusi
Lahan Komponen 1 2 3 4 5 6 7 8 9 10 11 12 13
Modif 0.115 0.4 0.91 0.765 0.94 0.65 0.07 0.99 0.36 0.79 0.8 0.89 0.34
Modif
0.115 0.4 0.91 0.765 0.94 0.65 0.14 0.66 0.36 0.79 0.8 1.335 0.17
Modif
0.23 0.4 0.91 0.765 0.94 0.975 0.14 0.66 0.36 0.79 0.8 1.335 0.17
Modif
0.115 0.4 0.455 0.51 0.94 0.65 0.07 0.66 0.36 0.79 0.8 1.335 0.34
Semua kandidat solusi dalam Seeking Memory Pool individu 2
kemudian dicari representasi permutasinya untuk keperluan evaluasi area
yang terpakai dan nilai fitness. Representasi Permutasi dalam Seeking
Memory Pool individu 2 dapat dilihat selengkapnya dalam Tabel 4.21
Tabel 4.21 Representasi Permutasi dalam SMP-1 individu 2 dan
Fleksibilitas
Individu Urutan Lahan Komponen Masuk
1 2 3 4 5 6 7 8 9 10 11 12 13
2 5 12 7 11 6 1 13 4 8 9 10 3
Dimensi Ukuran 2 1 2 1 1 4 2 2 3 1 5 4 1
1 5 11 8 12 6 2 7 4 9 10 13 3
Dimensi Ukuran 4 4 2 2 1 1 2 1 1 5 4 5 2
3 5 10 7 11 12 1 6 4 8 9 13 2
Dimensi Ukuran 3 5 4 4 4 2 2 1 2 1 1 1 2
2 5 6 7 12 8 1 9 4 10 11 13 3
Dimensi Ukuran 2 1 4 4 2 4 2 1 4 1 1 1 1
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
61
Dengan prosedur yang sama dengan perhitungan area lahan yang
terpakai dalam populasi awal, dan perhitungan nilai fitness dalam populasi
awal didapatkan hasil seperti dalam Tabel 4.22
Tabel 4.22 Tinggi dan Nilai Fitness
Individu Tinggi Nilai fitness
110 0.00909
100 0.01
90 0.01111
95 0.01053
Selanjutnya akan dihitung probabilitas terpilih masing-masing kandidat
dalam Seeking Memory Pool berdasarkan formulasi dibawah ini :
1,2, … ,
Sebagai contoh berikut dihitung probabilitas terpilih dari
0.01111 0.009090.01111 0.00909
1
Dengan cara yang sama, diterapkan terhadap setiap copy individu 2.
Sehingga didapatkan hasil pada Tabel 4.23
Tabel 4.23 Probabilitas Terpilih SMP-1 Individu 2
Individu Nilai fitness Probabilitas Terpilih
0.00909 0
0.01 0.45049
0.01111 1
0.01053 0.71287
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
62
Total probabilitas terpilih dari Tabel 4.23 adalah 2.16336 , untuk
mendapatkan distribusi peluang masing-masing individu dalam roulette
wheel maka dilakukanlah perhitungan Probabilitas Relatif (Relative
Probability) dengan formulasi:
Sebagai contoh dihitung probabilitas relative dari
1
2.163360.46224
Hasil selengkapnya dapat dilihat pada Tabel 4.24
Tabel 4.24 Probabilitas Relatif SMP Individu 2
Individu Nilai fitness Probabilitas Terpilih Probabilitas Relatif
0.00909 0 0
0.01 0.45049 0.20824
0.01111 1 0.46224
0.01053 0.71287 0.32952
Proses pemilihan posisi baru dari individu 2 dilakukan dengan prosedur
seleksi roulette wheel, Prosedur seleksi roulette wheel dapat dilakukan
dengan cara menyebar probabilitas terpilih kumulatif setiap individu dalam
garis bilangan 0-1 kemudian membangkitkan satu bilangan acak secara
random untuk memilih posisi baru bagi individu yang berkaitan.
Formulasi untuk menghitung probabilitas terpilih kumulatif adalah
sebagai berikut :
0
. . .
1,2,3, … ,
Selengkapnya hasil pemilihan update posisi individu 2 , dengan seleksi
roulette wheel diperlihatkan dalam Tabel 4.25
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
63
Tabel 4.25 Roulette Wheel Individu 2
Individu Probabilitas Terpilih Kumulatif Status Individu
0 -
0.20824 Terpilih
0.67048 -
1 -
Dalam Tabel 4.25 dilakukan pembangkitan satu bilangan real secara
acak yaitu r = 0.13696, ini berarti secara probabilitas, terpilih
sebagai posisi pengganti dari , karena bilangan r berada dalam interval
probabilitas terpilih kumulatif dari , dapat dituliskan:
0 0.20824
Dari tahapan ini individu 2 mengupdate posisinya menjadi sama dengan
posisi dari .
Update local best seeking dilakukan dengan cara mengambil lahan
komponen terbaik dari Seeking Memory Pool individu 2 yaitu :
Individu Urutan Lahan Komponen Masuk
1 2 3 4 5 6 7 8 9 10 11 12 13
1 5 11 8 12 6 2 7 4 9 10 13 3
Dimensi Ukuran 4 4 2 2 1 1 2 1 1 5 4 5 2
Selanjutnya akan ditentukan solusi terbaik dari individu kucing tiruan 2.
Individu terbaik adalah individu yang memiliki tinggi terkecil. Berdasarkan
Tabel 4.22 dapat dilihat bahwa individu yang memiliki tinggi terkecil
adalah individu . Karena tinggi , maka
menjadi solusi terbaik sementara.
Individu Urutan Lahan Komponen Masuk 1 2 3 4 5 6 7 8 9 10 11 12 13
3 5 10 7 11 12 1 6 4 8 9 13 2
Dimensi Ukuran 3 5 4 4 4 2 2 1 2 1 1 1 2
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
64
Dengan nilai tinggi sebesar 90 feet dengan urutan lahan komponen masuk 3-
5-10-7-11-12-1-6-4-8-9-13-2 dengan dimensi ukuran 3-5-4-4-4-2-2-1-2-1-1-
1-2.
Dengan cara yang sama individu 1 menggunakan slot Seeking Memory
Poolnya, yang berbeda adalah karena SPC individu 1 bernilai 0, maka slot
pertama dari Seeking Memory Pool individu 3 diisi oleh posisi dirinya
sendiri (posisi individu dipertahankan sebagai kandidat solusi) , Untuk
individu 3 dapat dilihat dalam Tabel 4.26
Tabel 4.26 Kandidat Solusi Dalam Seeking Memory Pool Individu 1
Kandidat Solusi
Lahan Komponen
1 2 3 4 5 6 7 8 9 10 11 12 13
0.84 0.09 0.71 0.29 0.16 0.60 0.81 0.92 0.99 0.08 0.26 0.69 0.63
0.84 0.09 0.71 0.29 0.16 0.60 0.81 0.92 0.99 0.08 0.26 0.69 0.63
0.84 0.09 0.71 0.29 0.16 0.60 0.81 0.92 0.99 0.08 0.26 0.69 0.63
0.84 0.09 0.71 0.29 0.16 0.60 0.81 0.92 0.99 0.08 0.26 0.69 0.63
Analog dengan proses mode seeking individu 2 , Semua kandidat solusi
dalam Seeking Memory Pool individu 1 kemudian dicari representasi
permutasinya untuk keperluan evaluasi tinggi dan nilai fitness . Representasi
Permutasi dalam Seeking Memory Pool individu 1 dapat dilihat
selengkapnya dalam Tabel 4.27
Tabel 4.27 Representasi Permutasi dalam SMP individu 1 dan
Fleksibilitas
Individu Urutan Lahan Komponen Masuk
1 2 3 4 5 6 7 8 9 10 11 12 13
6 3 9 5 4 11 10 12 13 1 2 8 7
Dimensi Ukuran 5 3 5 3 4 1 2 4 3 2 1 1 1
12 2 6 5 1 8 11 13 7 3 4 10 9
Dimensi Ukuran 2 2 1 3 1 2 4 4 4 1 5 2 1
7 2 6 5 3 11 10 12 13 1 4 9 8
Dimensi Ukuran 4 3 2 2 2 1 2 2 2 1 3 1 1
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
65
Individu Urutan Lahan Komponen Masuk
1 2 3 4 5 6 7 8 9 10 11 12 13
11 2 9 5 3 12 10 13 7 1 4 8 6
Dimensi Ukuran 1 1 5 5 1 2 1 4 2 2 5 1 1
Hasil evaluasi tinggi dan nilai fitness dari kandidat solusi dalam
Seeking Memory Pool individu 2 dapat dilihat dalam Tabel 4.28
Tabel 4.28 Tinggi dan Nilai Fitness SMP Individu 1
Individu Tinggi Nilai fitness
85 0.01176
97 0.01031
99 0.01010
90 0.01111
Nilai fitness individu dalam Tabel 4.28 dihitung nilai probabilitas
terpilihnya dengan operasi yang sama dengan individu 2. Hasil Perhitungan
Probabilitas Terpilih dan Probabilitas Relatif pada Seeking Memory Pool
individu 2 dapat dilihat dalam Tabel 4.29
Tabel 4.29 Probabilitas Terpilih dan Probabilitas Relatif SMP Individu 1 (
Individu Nilai fitness Probabilitas Terpilih Probabilitas Relatif
0.01176 1 0.57639
0.01031 0.12651 0.07292
0.01010 0 0
0.01111 0.60843 0.35068
Nilai Probabilitas Relatif dari masing-masing kandidat solusi dalam
Seeking Memory Pool individu 2, kemudian dihitung nilai kumulatifnya
untuk melakukan seleksi roulette wheel. Selengkapnya hasil pemilihan
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
66
update posisi individu 2, dengan seleksi roulette wheel, dan menggunakan r
= 0,23135 dapat dilihat dalam Tabel 4.30
Tabel 4.30 Roulette Wheel Individu 1
Individu Probabilitas Terpilih Kumulatif Status Individu
0.57639 Tepilih
0.64391 -
0.64391 -
1 -
terpilih sebagai posisi pengganti dari , karena bilangan r
berada dalam interval probabilitas terpilih kumulatif dari , dapat
dituliskan:
0 0.57639
Dari tahapan ini individu 1 mengupdate posisinya menjadi sama dengan
posisi dari .
Update local best seeking dilakukan dengan cara mengambil lahan
komponen terbaik dari Seeking Memory Pool individu 1 yaitu :
Individu Urutan Lahan Komponen Masuk
1 2 3 4 5 6 7 8 9 10 11 12 13
6 3 9 5 4 11 10 12 13 1 2 8 7
Dimensi Ukuran 5 3 5 3 4 1 2 4 3 2 1 1 1
Dengan nilai fitness yang diperoleh adalah 0.01176 dan tinggi 85 feet
dengan urutan lahan komponen masuk 6-3-9-5-4-11-10-12-13-1-2-8-7 dan
dimensi ukuran 5-3-5-3-4-1-2-4-3-2-1-1-1.
Setelah semua individu dalam seeking mode selesai diproses maka
langkah selanjutnya adalah menentukan gbest seeking yaitu solusi
sementara dari seeking mode. Oleh karena fungsi tujuan dari alokasi lahan
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
67
adalah mencari nilai tinggi minimum maka gbest seeking dapat ditentukan
dengan cara berikut:
gbest seeking = min ( , )
= min (85,90)
= 85
Jadi individu terpilih sebagai gbest seeking dengan urutan
sebagai berikut:
Individu Urutan Lahan Komponen Masuk
1 2 3 4 5 6 7 8 9 10 11 12 13
6 3 9 5 4 11 10 12 13 1 2 8 7
Dimensi Ukuran 5 3 5 3 4 1 2 4 3 2 1 1 1
Dengan nilai fitness yang diperoleh adalah 0.01176 dan tinggi 85 feet
dengan urutan lahan komponen masuk 6-3-9-5-4-11-10-12-13-1-2-8-7 dan
dimensi ukuran 5-3-5-3-4-1-2-4-3-2-1-1-1.
Langkah 10: Simulated Annealing
Karena pada proses tracing mode dan seeking mode terburuk pada
tracing mode yaitu individu maka akan dilakukan proses annealing.
a. Modifikasi
Modifikasi solusi dapat dilakukan dengan pencarian lokal. Solusi
semula adalah
1.627 0.4483 1.0769 0.9479 1.048 1.0672 0.9909 1.7189 0.8267 0.9857 1.2582 0.6328 1.46
Dengan tinggi sebasar 100 feet.
b. Pencarian Lokal
Pencarian lokal yang digunakan adalah resiprochal exchange
mutation. Memilih secara acak dua lokus, misal terpilih lokus 3 dan
lokus 4, sehingga:
0.8267 0.4483 1.0769 0.9479 1.048 1.0672 0.9909 1.7189 1.627 0.9857 1.2582 0.6328 1.46
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
68
Setelah dilakukan proses resiprochal exchange mutation maka
diperoleh urutan lahan komponen pada individu modifikasi yang
ditunjukan pada Tabel 4.31
Tabel 4.31 Urutan lahan komponen masuk setelah modifikasi
Kucing Urutan Lahan Komponen Masuk
1 2 3 4 5 6 7 8 9 10 11 12 13
3 1 9 4 7 8 6 13 12 5 10 2 11
Dimensi Ukuran 2 4 4 5 2 2 2 4 3 3 2 2 2
Diperoleh tinggi sebesar 80 feet dengan urutan lahan komponen masuk 3-1-
9-4-7-8-6-13-12-5-10-2-11 dengan dimensi ukuran 2-4-4-5-2-2-2-4-3-3-2-2-
2. Sehingga modifikasi menggantikan .
c. Penurunan Suhu
100 0.9100
100 90
10
Cek suhu:
Suhu baru 10
Suhu akhir 20
Karena , 10 <20, maka proses berhenti.
Jadi, solusi dari simulated annealing adalah dengan tinggi sebesar 80
feet dengan urutan lahan komponen masuk 3-1-9-4-7-8-6-13-12-5-10-2-
11 dengan dimensi ukuran 2-4-4-5-2-2-2-4-3-3-2-2-2.
Langkah 11: Menentukan Solusi Terbaik dari Hybrid Algoritma Cat
Swarm Optimization dan Simulated Annealing
Proses akhir adalah menentukan Land Allocation menggunakan Hybrid
Algoritma Cat Swarm Optimization dan Simulated Annealing , yaitu:
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
69
min ,
min 85,80
80
Jadi, solusi terbaik dari iterasi 1 dari Hybrid Algoritma Cat Swarm
Optimization dan Simulated Annealing untuk Land Allocation adalah
dari algoritma Simulated Annealing.
Individu Urutan Lahan Komponen Masuk
1 2 3 4 5 6 7 8 9 10 11 12 13
3 1 9 4 7 8 6 13 12 5 10 2 11
Dimensi Ukuran 2 4 4 5 2 2 2 4 3 3 2 2 2
Dengan tinggi sebesar 80 feet dengan urutan lahan komponen masuk 3-1-
9-4-7-8-6-13-12-5-10-2-11 dengan dimensi ukuran 2-4-4-5-2-2-2-4-3-3-
2-2-2.
4.5 Program
Untuk mempermudah penyelesaian masalah land allocation dengan
hybrid algoritma Cat Swarm Optimization (CSO) dan Simulated Annealing
(SA) maka dibuat program menggunakan software Borland C++
4.6 Implementasi Program pada Contoh Kasus Land Allocation
Program hybrid algoritma Cat Swarm Optimization (CSO) dan
Simulated Annealing (SA) yang telah dibuat, diimplementasikan pada data
dengan 13 lahan komponen dan 75 lahan komponen. Source code program
dapat dilihat pada Lampiran 2.
4.6.1 Menggunakan Data 13 Lahan Komponen
Berikut ini perbandingan solusi terbaik dari 13 lahan komponen yang
dihasilkan dengan nilai Seeking Memory Pool (SMP) = 4 , Seeking Range
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
70
Dimension (SRD) = 0.6 , Mixing Ratio (MR) = 0.3 , 1000,
1, 0.2, c = 2, serta mengganti nilai jumlah kucing (m),
max.iterasi, dan CDC
Tabel 4.32 Perbandingan Solusi Terbaik Data 13 Lahan Komponen
Max. Iterasi
Jumlah Kucing (m)
CDC 0.1 0.4 0.8
10 10 77 85 86 50 75 80 80 100 70 76 78
100 10 64 72 71 50 64 67 67 100 61 66 66
500 10 59 64 66 50 56 56 64 100 50 60 58
Dari Tabel 4.32 dapat dilihat bahwa solusi terbaik yang dihasilkan
adalah 50 feet dengan urutan 3 11 10 7 4 2 6 8 1 13 9 5 12 dengan dimensi
ukuran 2 5 5 5 1 4 4 1 2 1 5 1 1. Dalam hal ini semakin besar nilai parameter
maksimal iterasi dan jumlah kucing (m) maka solusi yang dihasilkan
cenderung semakin baik pula.
4.6.2 Menggunakan Data 75 Lahan Komponen
Berikut ini perbandingan solusi terbaik dari 75 lahan komponen yang
dihasilkan dengan nilai Seeking Memory Pool (SMP) = 4 , Seeking Range
Dimension (SRD) = 0.6 , Mixing Ratio (MR) = 0.3 , 1000,
1, 0.2, c = 2, serta mengganti nilai jumlah kucing (m),
max.iterasi, dan CDC.
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
71
Tabel 4.33 Perbandingan Solusi Terbaik Data 75 Lahan Komponen
Max. Iterasi
Jumlah Kucing (m)
CDC 0.1 0.4 0.8
10 10 324 318 342 50 332 313 321 100 288 302 319
100 10 288 291 295 50 284 281 292 100 268 261 282
500 10 260 256 262 50 257 255 257 100 246 251 222
Dari Tabel 4.33 dapat dilihat bahwa solusi terbaik yang dihasilkan
adalah 222 meter dengan urutan 13 72 37 68 41 51 62 7 55 53 44 4
22 39 74 6 64 30 25 27 63 69 15 17 33 28 23 5 56 12 11 42 29
34 19 10 40 57 14 43 49 20 66 2 58 50 70 59 21 47 65 35 67 3
9 61 75 16 73 54 26 48 52 18 45 8 36 46 60 32 71 31 38 1 24
dengan dimensi ukuran 2 3 4 2 3 3 1 4 1 5 5 4 1 4 3 3 2 3 1 1 3 1 2 2 3 4 2 4
1 4 2 4 1 2 3 1 1 4 2 2 5 3 4 2 3 5 5 2 1 5 3 3 1 2 4 3 5 3 2 1 5 5 5 2 1 2 1 5 2
3 4 2 3 2 3. Dalam hal ini semakin besar nilai parameter maksimal iterasi
dan jumlah kucing (m) maka solusi yang dihasilkan cenderung semakin baik
pula.
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
72
4.6 Perbandingan Solusi dengan Algoritma Lain
Solusi yang dihasilkan dari penataan lahan komponen dengan data 75 lahan
komponen seperti yang ditulis oleh Egy Rifki Yuda, 2015. Perbandingan
solusi telah ditambahkan dengan solusi yang dihasilkan oleh hybrid algoritma
cat swarm optimization dan simulated annealing. Disajikan pada Tabel 4.34
Tabel 4.34 Perbandingan Solusi yang Dihasilkan oleh Ketiga Algoritma
Algoritma Total tinggi lahan
Genetic Algorithm 383
Firefly Algorithm 247
Hybrid cat swarm optimization and
simulated annealing Algorithm 222
Dengan demikian, solusi yang dihasilkan oleh Hybrid cat swarm optimization
and simulated annealing Algorithm merupakan solusi terbaik dibandingkan
dengan Genetic Algorithm dan Firefly Algorithm.
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
72
BAB V
KESIMPULAN DAN SARAN
Pada bab ini akan dijelaskan mengenai kesimpulan dan saran hybrid
algoritma Cat Swarm Optimization (CSO) dan Simulated Annealing (SA) pada
masalah land allocation.
5.1 Kesimpulan.
1. Hybrid algoritma cat swarm optimization dan simulated annealing dapat
digunakan untuk menyelesaikan permasalahan land allocation.
2. Program untuk menyelesaikan permasalahan land allocation dengan
menggunakan hybrid algoritma cat swarm optimization dan simulated
annealing dapat dibuat dengan bahasa pemrograman C++ dengan
software Borland C++ 5.0.2.
3. Implementasi program untuk contoh kasus menggunakan data 13 lahan
komponen, diperoleh nilai fungsi tujuan terbaik yaitu sebesar 50 feet.
Untuk data 75 lahan komponen, diperoleh nilai fungsi tujuan terbaik
sebesar 222 meter. Dengan menggunakan parameter yang berbeda dapat
mempengaruhi solusi yang didapatkan. Semakin besar nilai parameter
jumlah kucing dan maks_iterasi, maka solusi yang didapat semakin baik.
5.2 Saran
Untuk penelitian selanjutnya dapat dilakukan hal sebagai berikut:
1. Permasalahan dapat dikembangkan dengan menggunakan permasalahan
land allocation dengan bentuk selain segi empat.
2. Permasalahan dapat diselesaikan dengan menggunakan algoritma atau
metode yang lain.
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
73
DAFTAR PUSTAKA
Callaghan, A.R., Nair, A.R., and Lewis, K.E., 1999, An Extension Of The Orthogonal Packing Problem Through Dimensional Flexibility, ASME Design Engineering Technical Conferences, Las Vegas, Nevada.
Chatrand, G. and Oellermann, O.R., 1993, Applied and Algorithmic Graph Theory, McGraw-Hill, New York.
Chibante, R., 2010, Simulated Annealing Theory and Aplication, Sciyo, Croatia
Chu, S.C and Tsai, P.W, 2007, “Computational Intellegence Based On Behaviour of Cat, International Journal of Innovative Computing, Taiwan
Dereli, T. dan Sena Das, G., 2006, A Hybrid Simulated Annealing Algorithm for 2D Packing Problems, Sakarya University, Turkey.
Gen, M. and Cheng, R., 1997, Genetic Algorithms and Engineering Design, John Wiley & Sons, New York.
Horowitz, E., Sahni, S., dan Rajasekaran, S., 2006, Computer Algorithms C++, Computer Science Press, New York.
Imahori, S., Yagiura, M., Ibaraki, T., 2007, Hybrid Metaheuristics for Packing Problems, Mathematical Engineering Technical Reports, University of Tokyo, Tokyo, Japan.
Kadir, A. dan Heriyanto, 2015, Algoritma Pemrograman Menggunakan C++, ANDI, Yogyakarta.
Milano, M. Dan Henternryck, P.V., 2010, Hybrid Optimization, Springer, New York.
Obitko, M., 1998, Genetic Algorithms, Czezh Technical University.
Stewart, T.J., Janssen, R., and Herwijen, M. Van, 2004, A Genetic Algorithm Approach to Multi-objective Land Use Planning, Netherland: Computer & Operations Research, 2293-2313.
Suryakumari, P, P. Kantarao, 2013, Power Loss Minimation Using CSO, International Journal of Application, India
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 1 - 1
Lampiran 1: Data Besar (75 Lahan Komponen)
No. No. Hak
Luas (
No. No. Hak
Luas (
No. No. Hak Luas (
1. B.607 320 26. B.669 308 51. B.641 300 2. B.608 300 27. B.670 308 52. B.642 300 3. B.609 300 28. B.671 308 53. B.674 308 4. B.610 300 29. B.672 308 54. B.721 450 5. B.611 300 30. B.673 308 55. B.725 450 6. B.612 300 31. B.681 720 56. B.727 450 7. B.613 300 32. B.716 450 57. B.730 560 8. B.614 300 33. B.717 450 58. B.731 480 9. B.615 300 34. B.718 450 59. B.728 450
10. B.616 450 35. B.719 450 60. B.729 450 11. B.617 460 36. B.720 450 61. B.732 450 12. B.618 300 37. B.722 480 62. B.668 456 13. B.619 300 38. B.691 486 63. B.708 456 14. B.620 300 39. B.625 300 64. B.709 456 15. B.621 300 40. B.626 300 65. B.710 456 16. B.622 300 41. B.628 300 66. B.704 456 17. B.623 300 42. B.629 300 67. B.741 450 18. B.624 300 43. B.630 300 68. B.723 480 19. B.627 320 44 B.631 300 69. B.742 450 20. B.634 200 45. B.632 300 70. B.733 300 21. B.635 480 46. B.633 300 71. B.734 300 22. B.712 940 47. B.635 300 72. B.735 300 23. B.660 324 48. B.638 300 73. B.738 300 24. B.715 560 49. B.639 300 74. B.739 300 25. B.707 456 50. B.640 300 75. B.749 300
Dengan fleksibilitas dimensi:
No. Luas (
Dimensi 1 2 3 4 5 6
1. 320 5x64 10x32 16x20 40x8 8x40 20x16 2. 300 5x60 10x30 12x25 15x20 20x15 25x12 3. 300 5x60 10x30 12x25 15x20 20x15 25x12 4. 300 5x60 10x30 12x25 15x20 20x15 25x12 5. 300 5x60 10x30 12x25 15x20 20x15 25x12 6. 300 5x60 10x30 12x25 15x20 20x15 25x12 7. 300 5x60 10x30 12x25 15x20 20x15 25x12 8. 300 5x60 10x30 12x25 15x20 20x15 25x12 9. 300 5x60 10x30 12x25 15x20 20x15 25x12
10. 450 5x90 10x45 15x30 30x15 45x10 90x5 11. 460 5x92 10x46 20x23 23x20 46x10 92x5 12. 300 5x60 10x30 12x25 15x20 20x15 25x12 13. 300 5x60 10x30 12x25 15x20 20x15 25x12 14. 300 5x60 10x30 12x25 15x20 20x15 25x12 15. 300 5x60 10x30 12x25 15x20 20x15 25x12
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 1 - 2
No Luas (m2)
Dimensi 1 2 3 4 5 6
17. 300 5x60 10x30 12x25 15x20 20x15 25x12 18. 300 5x60 10x30 12x25 15x20 20x15 25x12 19. 320 5x64 8x40 10x32 16x20 20x16 32x10 20. 200 4x50 5x40 10x20 20x10 40x5 50x4 21. 480 8x60 10x48 12x40 15x32 20x24 24x20 22. 940 5x188 10x94 20x47 47x20 94x10 188x5 23. 324 4x81 6x54 9x36 36x9 54x6 81x4 24. 560 4x140 5x112 8x70 10x56 20x28 28x20 25. 456 4x114 6x76 8x57 57x8 76x6 114x4 26. 308 4x77 7x44 14x22 22x14 44x7 77x4 27. 308 4x77 7x44 14x22 22x14 44x7 77x4 28. 308 4x77 7x44 14x22 22x14 44x7 77x4 29. 308 4x77 7x44 14x22 22x14 44x7 77x4 30. 308 4x77 7x44 14x22 22x14 44x7 77x4 31. 720 8x90 9x80 10x72 20x36 24x30 40x18 32. 450 5x90 10x45 15x30 30x15 45x10 90x5 33. 450 5x90 10x45 15x30 30x15 45x10 90x5 34. 450 5x90 10x45 15x30 30x15 45x10 90x5 35. 450 5x90 10x45 15x30 30x15 45x10 90x5 36. 450 5x90 10x45 15x30 30x15 45x10 90x5 37. 480 8x60 10x48 12x40 15x32 20x24 24x20 38. 486 3x162 6x81 9x54 54x9 81x6 162x3 39. 300 5x60 10x30 12x25 15x20 20x15 25x12 40. 300 5x60 10x30 12x25 15x20 20x15 25x12 41. 300 5x60 10x30 12x25 15x20 20x15 25x12 42. 300 5x60 10x30 12x25 15x20 20x15 25x12 43. 300 5x60 10x30 12x25 15x20 20x15 25x12 44 300 5x60 10x30 12x25 15x20 20x15 25x12 45. 300 5x60 10x30 12x25 15x20 20x15 25x12 46. 300 5x60 10x30 12x25 15x20 20x15 25x12 47. 300 5x60 10x30 12x25 15x20 20x15 25x12 48. 300 5x60 10x30 12x25 15x20 20x15 25x12 49. 300 5x60 10x30 12x25 15x20 20x15 25x12 50. 300 5x60 10x30 12x25 15x20 20x15 25x12 51. 300 5x60 10x30 12x25 15x20 20x15 25x12 52. 300 5x60 10x30 12x25 15x20 20x15 25x12 53. 308 4x77 7x44 14x22 22x14 44x7 77x4 54. 450 5x90 10x45 15x30 30x15 45x10 90x5 55. 450 5x90 10x45 15x30 30x15 45x10 90x5 56. 450 5x90 10x45 15x30 30x15 45x10 90x5 57. 560 5x90 10x45 15x30 30x15 45x10 90x5 58. 480 5x90 10x45 15x30 30x15 45x10 90x5 59. 450 5x90 10x45 15x30 30x15 45x10 90x5 60. 450 5x90 10x45 15x30 30x15 45x10 90x5 61. 450 5x90 10x45 15x30 30x15 45x10 90x5 62. 456 4x114 6x76 8x57 57x8 76x6 114x4 63. 456 4x114 6x76 8x57 57x8 76x6 114x4 64. 456 4x114 6x76 8x57 57x8 76x6 114x4 65. 456 4x114 6x76 8x57 57x8 76x6 114x4 66. 456 4x114 6x76 8x57 57x8 76x6 114x4 67. 450 5x90 10x45 15x30 30x15 45x10 90x5
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 1 - 3
No Luas (m2)
Dimensi 1 2 3 4 5 6
68. 480 8x60 10x48 12x40 15x32 20x24 24x20 69. 450 5x90 10x45 15x30 30x15 45x10 90x5 70. 300 5x60 10x30 12x25 15x20 20x15 25x12 71. 300 5x60 10x30 12x25 15x20 20x15 25x12 72. 300 5x60 10x30 12x25 15x20 20x15 25x12 73. 300 5x60 10x30 12x25 15x20 20x15 25x12 74. 300 5x60 10x30 12x25 15x20 20x15 25x12 75. 300 5x60 10x30 12x25 15x20 20x15 25x12
Sumber: Egy Rifky Yuda, 2015, Penerapan Algoritma Firefly untuk Permasalahan Land Allocation.
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 1
Lampiran 2: Source Code Program #include <iostream> #include <conio.h> #include <fstream> #include <stdlib.h> #include <time.h> #include <math.h> #include <iomanip.h> #include <cstring.h> //batasan input (string) string pilih_data_sampel,adjustment,adjustment2; //batasan input (int) int data_sampel,adjust,adjust2; //parameter-parameter dalam algoritma cso-sa (string) string kucing_string,smp_string,lebar_wadah_string,c1_string; string cdc_string,srd_string,mr_string; string alpha_string,suhu_awal_string,suhu_akhir_string; //parameter-parameter dalam algoritma cso-sa (final) int kucing,smp,lebar_wadah,c1,jumlahLahan,jumlahVariasi; double cdc,srd,mr,alpha,suhu_awal,suhu_akhir; //variabel pembaca data int himpunan_data[1000],ambil_data,tinggi_lahan[1000][1000]; int lebar_lahan[1000][1000]; //penentu iterasi int max_iterasi,iterasi,z,sum,choose; string max_iterasi_string; //elemen data cso double data_random[1000][1000],data_kecepatan[1000][1000]; double data_flag[1000]; int variasi_bentuk[1000][1000],ambil_lebar[1000][1000]; int urutan_Lahan_masuk[1000][1000],ambil_tinggi[1000][1000]; int jumlahtracing,jumlahseeking,flag[1000],spc[1000]; int grup_seeking[1000],grup_tracing[1000]; //elemen seeking double Memory_pool[1000][1000]; int terpilih[1000],write_dimension[1000][1000]; int seeking_counter,counter;
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 2
//pembanding dan fitness lahan int tinggi_total[1000],data_urutan_fungsitujuan[1000]; double nilai_fitness[1000]; //elemen memory pool int urutan_Lahan_masuk_mp[1000][1000],ambil_tinggi_mp[1000][1000],tinggi_total_mp[1000]; int variasi_bentuk_mp[1000][1000],ambil_lebar_mp[1000][1000]; double nilai_fitness_mp[1000],probabilitas[1000]; int indeks_bestseeking; double probabilitask[1000],probabilitasr[1000]; int indeks_terpilih_roulette; int doc_tinggi,doc_lahan[1000],doc_variasi[1000]; int tinggi_best,lahan_best[1000],variasi_best[1000]; double x_best[1000],copy_cat[1000]; //elemen tracing int doc_tinggi_tracing,doc_lahan_tracing[1000],doc_variasi_tracing[1000]; int tinggi_best_tracing,lahan_best_tracing[1000],variasi_best_tracing[1000]; //elemen form akhir int real_tinggi,real_lahan[1000],real_variasi[1000],status; //elemen SA double suhu_sekarang,tempSA,solusi_sa[1000],random_SA,suhu; int select_1,select_2,urutan_Lahan_masuk_sa[1000],mutatecounter,tinggi_total_copy[1000]; int variasi_bentuk_sa[1000],ambil_lebar_sa[1000],ambil_tinggi_sa[1000],tinggi_total_sa; //banner tampilan awal void receptionist() { cout<<endl; cout<<" ///////////////////////////////////////////////////////////////////////////"<<endl; cout<<" /// PROGRAM PENYELESAIAN LAND ALLOCATION DENGAN HYBRID ALGORITMA CSO-SA /// "<<endl; cout<<" ///////////////////////////////////////////////////////////////////////////"<<endl; cout<<endl; }
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 3
//pilihan data void optionist() { cout<<" Pilih Sampel Data Yang Akan Di Running : "<<endl<<endl; cout<<" 1) DATA KECIL ( 13 Lahan ) "<<endl<<endl; cout<<" 2) DATA BESAR ( 75 Lahan ) "<<endl<<endl; cout<<endl<<" Tentukan Pilihan Dalam Angka (1/2) : "; } void default_parameter() { if(data_sampel==1) { kucing=100; smp=4; cdc=0.1; srd=0.6; mr=0.3; alpha=0.2; c1=2; lebar_wadah=200; suhu_awal=1000; suhu_akhir=1; } if(data_sampel==2) { kucing=100; smp=4; cdc=0.8; srd=0.6; mr=0.3; alpha=0.2; c1=2; lebar_wadah=250; suhu_awal=1000; suhu_akhir=1; } } void view_parameter() { cout<<" Parameter Dalam Program : "<<endl<<endl; cout<<" 1) Jumlah Kucing : "<<kucing<<endl; cout<<" 2) Nilai SMP : "<<smp<<endl;
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 4
cout<<" 3) Nilai CDC : "<<cdc<<endl; cout<<" 4) Nilai SRD : "<<srd<<endl; cout<<" 5) Nilai MR : "<<mr<<endl; cout<<" 6) Nilai Alpha : "<<alpha<<endl; cout<<" 7) Nilai C1 : "<<c1<<endl; cout<<" 8) Nilai Lebar Wadah : "<<lebar_wadah<<endl; cout<<" 9) Suhu Awal : "<<suhu_awal<<endl; cout<<"10) Suhu Akhir : "<<suhu_akhir<<endl; cout<<endl<<" Ingin Rubah Parameter? (ya=1/tidak=2) : "; } void the_parameters() { receptionist(); default_parameter(); view_parameter(); } void revision_parameter() { cout<<" Parameter Dalam Program : "<<endl<<endl; cout<<" 1) Jumlah Kucing : "<<kucing<<endl; cout<<" 2) Nilai SMP : "<<smp<<endl; cout<<" 3) Nilai CDC : "<<cdc<<endl; cout<<" 4) Nilai SRD : "<<srd<<endl; cout<<" 5) Nilai MR : "<<mr<<endl; cout<<" 6) Nilai Alpha : "<<alpha<<endl; cout<<" 7) Nilai C1 : "<<c1<<endl; cout<<" 8) Nilai Lebar Wadah : "<<lebar_wadah<<endl; cout<<" 9) Suhu Awal : "<<suhu_awal<<endl; cout<<"10) Suhu Akhir : "<<suhu_akhir<<endl; cout<<endl<<" Apakah Parameter Sudah Benar (ya=1/tidak=2) : "; } void permutasi_Lahan_masuk() { int i, j, maksIndeks; double variabelsementara; double kucing_sementara[1000]; double kucing_matching[1000]; for(int ke=0;ke<kucing;ke++) {
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 5
for(int u=0;u<jumlahLahan;u++) { kucing_sementara[u]=data_random[ke][u]; } for(int u=0;u<jumlahLahan;u++) { kucing_matching[u]=data_random[ke][u]; } for (i=0;i<jumlahLahan-1;i++) { maksIndeks = i; for (j=i+1;j<jumlahLahan;j++) { if (kucing_sementara[j]>kucing_sementara[maksIndeks]) { maksIndeks=j; } } if(j!=i) { variabelsementara=kucing_sementara[i]; kucing_sementara[i]=kucing_sementara[maksIndeks]; kucing_sementara[maksIndeks]=variabelsementara; } } for (int j=0;j<jumlahLahan;j++) { int match=0; for (int k=0;k<jumlahLahan;k++) { if(match==0) { if(kucing_sementara[j]==kucing_matching[k]) { kucing_matching[k]=-1; urutan_Lahan_masuk[ke][j] = k + 1; match++; }
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 6
} } } } } void permutasi_Lahan_masuk_mp() { int i, j, maksIndeks; double variabelsementara; double kucing_sementara[1000]; double kucing_matching[1000]; for(int ke=0;ke<smp;ke++) { for(int u=0;u<jumlahLahan;u++) { kucing_sementara[u]=Memory_pool[ke][u]; } for(int u=0;u<jumlahLahan;u++) { kucing_matching[u]=Memory_pool[ke][u]; } for (i=0;i<jumlahLahan-1;i++) { maksIndeks = i; for (j=i+1;j<jumlahLahan;j++) { if (kucing_sementara[j]>kucing_sementara[maksIndeks]) { maksIndeks=j; } } if(j!=i) { variabelsementara=kucing_sementara[i]; kucing_sementara[i]=kucing_sementara[maksIndeks]; kucing_sementara[maksIndeks]=variabelsementara;
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 7
} } for (int j=0;j<jumlahLahan;j++) { int match=0; for (int k=0;k<jumlahLahan;k++) { if(match==0) { if(kucing_sementara[j]==kucing_matching[k]) { kucing_matching[k]=-1; urutan_Lahan_masuk_mp[ke][j] = k + 1; match++; } } } } } } void akses_Lahan() { for(int i=0;i<kucing;i++) { for(int j=0;j<jumlahLahan;j++) { int ambil_individu=urutan_Lahan_masuk[i][j]; int ambil_variasi=variasi_bentuk[i][j]; ambil_lebar[i][j]=lebar_lahan[ambil_individu-1][ambil_variasi]; ambil_tinggi[i][j]=tinggi_lahan[ambil_individu-1][ambil_variasi]; } } } void akses_Lahan_mp() {
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 8
for(int i=0;i<smp;i++) { for(int j=0;j<jumlahLahan;j++) { int ambil_individu=urutan_Lahan_masuk_mp[i][j]; int ambil_variasi=variasi_bentuk_mp[i][j]; ambil_lebar_mp[i][j]=lebar_lahan[ambil_individu-1][ambil_variasi]; ambil_tinggi_mp[i][j]=tinggi_lahan[ambil_individu-1][ambil_variasi]; } } } void fungsi_tujuan_land_allocation() { int lebar_slot[1000],tinggi_slot[1000]; for(int i=0;i<kucing;i++) { for(int j=0;j<jumlahLahan;j++) { int ambil_lebar_Lahan=ambil_lebar[i][j]; int ambil_tinggi_Lahan=ambil_tinggi[i][j]; if(j==0) { if(ambil_lebar_Lahan<=lebar_wadah) { lebar_slot[j]=lebar_wadah-ambil_lebar_Lahan; tinggi_slot[j]=ambil_tinggi_Lahan; } else { lebar_slot[j]=lebar_wadah-ambil_tinggi_Lahan; tinggi_slot[j]=ambil_lebar_Lahan; } } else if(j!=0) { int pas=0; for(int k=0;k<j;k++) { int periksa_lebarslot=lebar_slot[k]; int periksa_tinggislot=tinggi_slot[k];
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 9
if(ambil_lebar_Lahan<=periksa_lebarslot&&ambil_tinggi_Lahan<=periksa_tinggislot) { for(int l=j;l>k+1;l--) { int h=lebar_slot[l-1]; int g=tinggi_slot[l-1]; lebar_slot[l]=h; tinggi_slot[l]=g; } lebar_slot[k+1]=periksa_lebarslot; tinggi_slot[k+1]=periksa_tinggislot-ambil_tinggi_Lahan; lebar_slot[k]=periksa_lebarslot-ambil_lebar_Lahan; tinggi_slot[k]=ambil_tinggi_Lahan; pas=1; break; } else if(ambil_tinggi_Lahan<=periksa_lebarslot&&ambil_lebar_Lahan<=periksa_tinggislot) { for(int l=j;l>k+1;l--) { int h=lebar_slot[l-1]; int g=tinggi_slot[l-1]; lebar_slot[l]=h; tinggi_slot[l]=g; } lebar_slot[k+1]=periksa_lebarslot; tinggi_slot[k+1]=periksa_tinggislot-ambil_lebar_Lahan; lebar_slot[k]=periksa_lebarslot-ambil_tinggi_Lahan; tinggi_slot[k]=ambil_tinggi_Lahan; pas=1; break; } }
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 10
if(pas!=1) { if(ambil_lebar_Lahan<=lebar_wadah) { lebar_slot[j]=lebar_wadah-ambil_lebar_Lahan; tinggi_slot[j]=ambil_tinggi_Lahan; } else { lebar_slot[j]=lebar_wadah-ambil_tinggi_Lahan; tinggi_slot[j]=ambil_lebar_Lahan; } } } } int tinggi=0; for(int j=0;j<jumlahLahan;j++) { tinggi=tinggi+tinggi_slot[j]; } tinggi_total[i]=tinggi; } } void fungsi_tujuan_land_allocation_mp() { int lebar_slot[1000],tinggi_slot[1000]; for(int i=0;i<smp;i++) { for(int j=0;j<jumlahLahan;j++) { int ambil_lebar_Lahan=ambil_lebar_mp[i][j]; int ambil_tinggi_Lahan=ambil_tinggi_mp[i][j]; if(j==0) { if(ambil_lebar_Lahan<=lebar_wadah) {
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 11
lebar_slot[j]=lebar_wadah-ambil_lebar_Lahan; tinggi_slot[j]=ambil_tinggi_Lahan; } else { lebar_slot[j]=lebar_wadah-ambil_tinggi_Lahan; tinggi_slot[j]=ambil_lebar_Lahan; } } else if(j!=0) { int pas=0; for(int k=0;k<j;k++) { int periksa_lebarslot=lebar_slot[k]; int periksa_tinggislot=tinggi_slot[k]; if(ambil_lebar_Lahan<=periksa_lebarslot&&ambil_tinggi_Lahan<=periksa_tinggislot) { for(int l=j;l>k+1;l--) { int h=lebar_slot[l-1]; int g=tinggi_slot[l-1]; lebar_slot[l]=h; tinggi_slot[l]=g; } lebar_slot[k+1]=periksa_lebarslot; tinggi_slot[k+1]=periksa_tinggislot-ambil_tinggi_Lahan; lebar_slot[k]=periksa_lebarslot-ambil_lebar_Lahan; tinggi_slot[k]=ambil_tinggi_Lahan; pas=1; break; } else if(ambil_tinggi_Lahan<=periksa_lebarslot&&ambil_lebar_Lahan<=periksa_tinggislot) { for(int l=j;l>k+1;l--) {
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 12
int h=lebar_slot[l-1]; int g=tinggi_slot[l-1]; lebar_slot[l]=h; tinggi_slot[l]=g; } lebar_slot[k+1]=periksa_lebarslot; tinggi_slot[k+1]=periksa_tinggislot-ambil_lebar_Lahan; lebar_slot[k]=periksa_lebarslot-ambil_tinggi_Lahan; tinggi_slot[k]=ambil_tinggi_Lahan; pas=1; break; } } if(pas!=1) { if(ambil_lebar_Lahan<=lebar_wadah) { lebar_slot[j]=lebar_wadah-ambil_lebar_Lahan; tinggi_slot[j]=ambil_tinggi_Lahan; } else { lebar_slot[j]=lebar_wadah-ambil_tinggi_Lahan; tinggi_slot[j]=ambil_lebar_Lahan; } } } } int tinggi=0; for(int j=0;j<jumlahLahan;j++) { tinggi=tinggi+tinggi_slot[j]; } tinggi_total_mp[i]=tinggi; } }
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 13
void hitung_nilai_fitness() { for(int i=0;i<kucing;i++) { nilai_fitness[i]=1/tinggi_total[i]; } } void hitung_nilai_fitness_mp() { for(int i=0;i<smp;i++) { nilai_fitness_mp[i]=1/tinggi_total_mp[i]; } } void class_penempatan_flag() { int flag_queque[1000],temp_queque; double flag_acak[1000],temp_flag; for(int i=0;i<kucing;i++) { flag_queque[i]=i; } for(int i=0;i<kucing;i++) { flag_acak[i]=data_flag[i]; } for(int k=0;k<4*kucing;k++) { for(int l=0;l<kucing-1;l++) { if(flag_acak[l]<flag_acak[l+1]) { temp_flag=flag_acak[l]; flag_acak[l]=flag_acak[l+1]; flag_acak[l+1]=temp_flag; temp_queque=flag_queque[l]; flag_queque[l]=flag_queque[l+1]; flag_queque[l+1]=temp_queque;
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 14
} } } for(int t=0;t<jumlahtracing;t++) { flag[flag_queque[t]]=0; } for(int t=jumlahtracing;t<kucing;t++) { flag[flag_queque[t]]=1; } } void class_urutan_tinggi_lahan() { double fungsi_tujuan_temp[1000],fungsi_tujuan_cek[1000],temp_var; int indeks_min,j; for(int u=0;u<kucing;u++) { fungsi_tujuan_temp[u]=tinggi_total[u]; } for(int u=0;u<kucing;u++) { fungsi_tujuan_cek[u]=tinggi_total[u]; } for (int h=0;h<kucing-1;h++) { indeks_min=h; for(j=h+1;j<kucing;j++) { if (fungsi_tujuan_temp[j]<fungsi_tujuan_temp[indeks_min]) { indeks_min=j; } } if(j!=h) { temp_var=fungsi_tujuan_temp[h];
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 15
fungsi_tujuan_temp[h]=fungsi_tujuan_temp[indeks_min]; fungsi_tujuan_temp[indeks_min]=temp_var; } } for (int k=0;k<kucing;k++) { int cocok=0; for (int l=0;l<kucing;l++) { if(cocok==0) { if(fungsi_tujuan_temp[k]==fungsi_tujuan_cek[l]) { fungsi_tujuan_cek[l]=-1; data_urutan_fungsitujuan[k]=l; cocok++; } } } } } void class_klasifikasi_kucing() { int tracing=0; int seeking=0; for(int member=0;member<kucing;member++) { if(flag[member]==0) { grup_tracing[tracing]=member; tracing++; } else if(flag[member]==1) { grup_seeking[seeking]=member; seeking++; } } }
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 16
void class_penentuan_xbest() { for(int i=0;i<jumlahLahan;i++) { x_best[i]=data_random[data_urutan_fungsitujuan[0]][i]; } } void pilihan_variasi_mp() { randomize(); for(int i=0;i<smp;i++) { for(int j=0;j<jumlahLahan;j++) { int var=random(5); variasi_bentuk_mp[i][j]=var; } } } void hitungprobabilitasterpilih() { double minimal,maksimal,perbedaanmp; minimal=tinggi_total_mp[0]; for(int member=0;member<smp;member++) { if(minimal>tinggi_total_mp[member]) { minimal=tinggi_total_mp[member]; indeks_bestseeking=member; } } maksimal=tinggi_total_mp[0]; for(int member=0;member<smp;member++) {
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 17
if(maksimal<tinggi_total_mp[member]) { maksimal=tinggi_total_mp[member]; } } perbedaanmp=maksimal-minimal; if(perbedaanmp==0) { for(int member=0;member<smp;member++) { probabilitas[member]=1; } } else if(perbedaanmp!=0) { for(int member=0;member<smp;member++) { probabilitas[member]=tinggi_total_mp[member]-minimal/perbedaanmp; } } } void roulettewheel(int indeks_kucing,double random_smp) { double totalprobabilitas; totalprobabilitas=0; for(int member=0;member<smp;member++) { totalprobabilitas=totalprobabilitas+probabilitas[member]; } for(int member=0;member<smp;member++) { probabilitasr[member]=probabilitas[member]/totalprobabilitas; } for(int member=0;member<smp;member++)
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 18
{ if(member!=0) { probabilitask[member]=probabilitask[member-1]+probabilitasr[member]; } else if(member==0) { probabilitask[member]=probabilitasr[member]; } } for(int member=0;member<smp;member++) { if(random_smp>probabilitask[member-1]&&random_smp<probabilitask[member]) { indeks_terpilih_roulette=member; for(int time=0;time<jumlahLahan;time++) { data_random[indeks_kucing][time]=Memory_pool[indeks_terpilih_roulette][time]; variasi_bentuk[indeks_kucing][time]=variasi_bentuk_mp[indeks_terpilih_roulette][time]; } } } } void simpan_terbaik_seeking() { doc_tinggi=tinggi_total_mp[indeks_bestseeking]; for(int i=0;i<jumlahLahan;i++) { doc_lahan[i]=urutan_Lahan_masuk_mp[indeks_bestseeking][i]; doc_variasi[i]=variasi_bentuk_mp[indeks_bestseeking][i]; } if(seeking_counter==0) {
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 19
tinggi_best=doc_tinggi; for(int i=0;i<jumlahLahan;i++) { lahan_best[i]=doc_lahan[i]; variasi_best[i]=doc_variasi[i]; } } else if(seeking_counter!=0) { if(tinggi_best>doc_tinggi) { tinggi_best=doc_tinggi; for(int i=0;i<jumlahLahan;i++) { lahan_best[i]=doc_lahan[i]; variasi_best[i]=doc_variasi[i]; } } } } void copy_tinggi_cat() { for(int i=0;i<kucing;i++) { tinggi_total_copy[i]=tinggi_total[i]; } } void class_penentuan_terbaik_tracing() { doc_tinggi_tracing=tinggi_total[data_urutan_fungsitujuan[0]]; for(int i=0;i<jumlahLahan;i++) { doc_lahan_tracing[i]=urutan_Lahan_masuk[data_urutan_fungsitujuan[0]][i]; doc_variasi_tracing[i]=variasi_bentuk[data_urutan_fungsitujuan[0]][i]; }
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 20
if(iterasi==1) { tinggi_best_tracing=doc_tinggi_tracing; for(int i=0;i<jumlahLahan;i++) { lahan_best_tracing[i]=doc_lahan_tracing[i]; variasi_best_tracing[i]=doc_variasi_tracing[i]; } } else if(iterasi!=1) { if(tinggi_best_tracing>doc_tinggi_tracing) { tinggi_best_tracing=doc_tinggi_tracing; for(int i=0;i<jumlahLahan;i++) { lahan_best_tracing[i]=doc_lahan_tracing[i]; variasi_best_tracing[i]=doc_variasi_tracing[i]; } } } } void compare_best_tracing_dan_best_seeking() { if(tinggi_best_tracing<tinggi_best) { real_tinggi=tinggi_best_tracing; for(int i=0;i<jumlahLahan;i++) { real_lahan[i]=lahan_best_tracing[i]; real_variasi[i]=variasi_best_tracing[i]; } } else if(tinggi_best<tinggi_best_tracing) {
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 21
real_tinggi=tinggi_best; for(int i=0;i<jumlahLahan;i++) { real_lahan[i]=lahan_best[i]; real_variasi[i]=variasi_best[i]; } } } void form_hasil_akhir() { ofstream result_write; result_write.open("C:/Skripsi Pipid/Hasil Running/hasil akhir land allocation.txt"); clrscr(); cout<<"//////////////////////////////////////////////////////////////////"<<endl; cout<<"/// IMPLEMENTASI ALGORITMA CSO-SA PADA MASALAH PENJADWALAN ///"<<endl; cout<<"/// LAND ALLOCATION ///"<<endl; cout<<"/// FORM HASIL AKHIR ///"<<endl; cout<<"//////////////////////////////////////////////////////////////////"<<endl<<endl; result_write<<"//////////////////////////////////////////////////////////////////"<<endl; result_write<<"/// IMPLEMENTASI ALGORITMA CSO PADA MASALAH PENJADWALAN ///"<<endl; result_write<<"/// LAND ALLOCATION ///"<<endl; result_write<<"/// FORM HASIL AKHIR ///"<<endl; result_write<<"//////////////////////////////////////////////////////////////////"<<endl<<endl; cout<<"Tinggi Minimal Dari Proses Land Allocation ="<<real_tinggi<<endl<<endl; result_write<<"Tinggi Terendah Dari Proses Land Allocation ="<<real_tinggi<<endl<<endl; cout<<"Urutan Lahan Masuk Terbaik : "<<endl<<endl;
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 22
result_write<<"Urutan Lahan Masuk Terbaik : "<<endl<<endl; for(int k=0;k<jumlahLahan;k++) { cout<<real_lahan[k]<<" "; result_write<<real_lahan[k]<<" "; } cout<<endl<<endl; result_write<<endl<<endl; result_write<<" URAIAN BENTUK LAHAN "<<endl<<endl; for(int i=0;i<jumlahLahan;i++) { int variasi_akhir=real_variasi[i]+1; result_write<<" Lahan KE -"<<real_lahan[i]<<" MENGGUNAKAN VARIASI BENTUK KE- "<<variasi_akhir<<endl; } cout<<endl<<endl<<"nb=Variasi dapat dilihat di path berikut C:Skripsi Pipid/Hasil Running/hasil akhir land allocation"<<endl; } void permutasi_Lahan_masuk_sa() { int i, j, maksIndeks; double variabelsementara; double kucing_sementara[1000]; double kucing_matching[1000]; for(int ke=0;ke<kucing;ke++) { for(int u=0;u<jumlahLahan;u++) { kucing_sementara[u]=solusi_sa[u]; }
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 23
for(int u=0;u<jumlahLahan;u++) { kucing_matching[u]=solusi_sa[u]; } for (i=0;i<jumlahLahan-1;i++) { maksIndeks = i; for (j=i+1;j<jumlahLahan;j++) { if (kucing_sementara[j]>kucing_sementara[maksIndeks]) { maksIndeks=j; } } if(j!=i) { variabelsementara=kucing_sementara[i]; kucing_sementara[i]=kucing_sementara[maksIndeks]; kucing_sementara[maksIndeks]=variabelsementara; } } for (int j=0;j<jumlahLahan;j++) { int match=0; for (int k=0;k<jumlahLahan;k++) { if(match==0) { if(kucing_sementara[j]==kucing_matching[k]) { kucing_matching[k]=-1; urutan_Lahan_masuk_sa[j] = k + 1; match++; } } } } }
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 24
} void pilihan_variasi_sa() { randomize(); for(int j=0;j<jumlahLahan;j++) { int var=random(5); variasi_bentuk_sa[j]=var; } } void akses_Lahan_sa() { for(int j=0;j<jumlahLahan;j++) { int ambil_individu=urutan_Lahan_masuk_sa[j]; int ambil_variasi=variasi_bentuk_sa[j]; ambil_lebar_sa[j]=lebar_lahan[ambil_individu-1][ambil_variasi]; ambil_tinggi_sa[j]=tinggi_lahan[ambil_individu-1][ambil_variasi]; } } void fungsi_tujuan_land_allocation_sa() { int lebar_slot[1000],tinggi_slot[1000]; for(int j=0;j<jumlahLahan;j++) { int ambil_lebar_Lahan=ambil_lebar_sa[j]; int ambil_tinggi_Lahan=ambil_tinggi_sa[j]; if(j==0) { if(ambil_lebar_Lahan<=lebar_wadah) { lebar_slot[j]=lebar_wadah-ambil_lebar_Lahan; tinggi_slot[j]=ambil_tinggi_Lahan; } else
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 25
{ lebar_slot[j]=lebar_wadah-ambil_tinggi_Lahan; tinggi_slot[j]=ambil_lebar_Lahan; } } else if(j!=0) { int pas=0; for(int k=0;k<j;k++) { int periksa_lebarslot=lebar_slot[k]; int periksa_tinggislot=tinggi_slot[k]; if(ambil_lebar_Lahan<=periksa_lebarslot&&ambil_tinggi_Lahan<=periksa_tinggislot) { for(int l=j;l>k+1;l--) { int h=lebar_slot[l-1]; int g=tinggi_slot[l-1]; lebar_slot[l]=h; tinggi_slot[l]=g; } lebar_slot[k+1]=periksa_lebarslot; tinggi_slot[k+1]=periksa_tinggislot-ambil_tinggi_Lahan; lebar_slot[k]=periksa_lebarslot-ambil_lebar_Lahan; tinggi_slot[k]=ambil_tinggi_Lahan; pas=1; break; } else if(ambil_tinggi_Lahan<=periksa_lebarslot&&ambil_lebar_Lahan<=periksa_tinggislot) { for(int l=j;l>k+1;l--) { int h=lebar_slot[l-1]; int g=tinggi_slot[l-1]; lebar_slot[l]=h;
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 26
tinggi_slot[l]=g; } lebar_slot[k+1]=periksa_lebarslot; tinggi_slot[k+1]=periksa_tinggislot-ambil_lebar_Lahan; lebar_slot[k]=periksa_lebarslot-ambil_tinggi_Lahan; tinggi_slot[k]=ambil_tinggi_Lahan; pas=1; break; } } if(pas!=1) { if(ambil_lebar_Lahan<=lebar_wadah) { lebar_slot[j]=lebar_wadah-ambil_lebar_Lahan; tinggi_slot[j]=ambil_tinggi_Lahan; } else { lebar_slot[j]=lebar_wadah-ambil_tinggi_Lahan; tinggi_slot[j]=ambil_lebar_Lahan; } } } } int tinggi=0; for(int j=0;j<jumlahLahan;j++) { tinggi=tinggi+tinggi_slot[j]; } tinggi_total_sa=tinggi; } void fitness_comparation_beforeaftermutate(int indeks) { double Probability,r,deltafitness;
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 27
if(tinggi_total[indeks]>tinggi_total_sa) { tinggi_total[indeks]=tinggi_total_sa; for(int j=0;j<jumlahLahan;j++) { data_random[indeks][j]=solusi_sa[j]; variasi_bentuk[indeks][j]=variasi_bentuk_sa[j]; } status=1; } else { r=random_SA; deltafitness=tinggi_total[indeks]-tinggi_total_sa; Probability=exp(-(deltafitness/suhu_sekarang)); if(Probability>r) { tinggi_total[indeks]=tinggi_total_sa; for(int j=0;j<jumlahLahan;j++) { data_random[indeks][j]=solusi_sa[j]; variasi_bentuk[indeks][j]=variasi_bentuk_sa[j]; } status=2; } else { for(int j=0;j<jumlahLahan;j++) { data_random[indeks][j]; variasi_bentuk[indeks][j]; } status=3; } } } void main() {
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 28
randomize(); ifstream read_data; ofstream write; point1: clrscr(); receptionist(); optionist(); cin>>pilih_data_sampel; data_sampel=atoi(pilih_data_sampel.c_str()); string validasi; if(data_sampel<1||data_sampel>3) { cout<<endl<<" Input Error !!"<<endl; cout<<" Press any key then enter... "<<endl; cout<<" "; cin>>validasi; int valid=atoi(validasi.c_str()); if(valid!=-98) { goto point1; } } point2: clrscr(); the_parameters(); cin>>adjustment; adjust=atoi(adjustment.c_str()); if(adjust<1||adjust>2) { cout<<endl<<" Input Error !!"<<endl; cout<<" Press any key then enter... "<<endl; cout<<" "; cin>>validasi; int valid=atoi(validasi.c_str());
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 29
if(valid!=-98) { goto point2; } } else if(adjust==1) { input_point: clrscr(); receptionist(); cout<<endl; alpha=0.2; c1=2; lebar_wadah=500; suhu_awal=100; suhu_akhir=1; cout<<" 1) INPUTKAN JUMLAH KUCING : "; cin>>kucing_string; kucing=atoi(kucing_string.c_str()); if(kucing<3||kucing>5000) { goto input_point; } cout<<endl; cout<<" 2) INPUTKAN NILAI SMP : "; cin>>smp_string; smp=atoi(smp_string.c_str()); if(smp<1||smp>100) { goto input_point; } cout<<endl; cout<<" 3) INPUTKAN NILAI CDC : "; cin>>cdc_string; cdc=atof(cdc_string.c_str()); const char *cdc_char=cdc_string.c_str();
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 30
int cdc_long=strlen(cdc_char); sum=0; for(int character=0;character<cdc_long;character++) { if(isalpha(cdc_char[character])) { sum=sum+1; } else { sum=sum+0; } } if(cdc<=0||cdc>1||sum!=0) { goto input_point; } cout<<endl; cout<<" 4) INPUTKAN NILAI SRD : "; cin>>srd_string; srd=atof(srd_string.c_str()); const char *srd_char=srd_string.c_str(); int srd_long=strlen(srd_char); sum=0; for(int character=0;character<srd_long;character++) { if(isalpha(srd_char[character])) { sum=sum+1; } else { sum=sum+0; } } if(srd<=0||srd>1||sum!=0) { goto input_point; }
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 31
cout<<endl; cout<<" 5) INPUTKAN NILAI MR : "; cin>>mr_string; mr=atof(mr_string.c_str()); const char *mr_char=mr_string.c_str(); int mr_long=strlen(mr_char); int sum=0; for(int character=0;character<mr_long;character++) { if(isalpha(mr_char[character])) { sum=sum+1; } else { sum=sum+0; } } if(mr<=0||mr>1||sum!=0) { goto input_point; } cout<<endl; cout<<" 6) INPUTKAN NILAI ALPHA : "; cin>>alpha_string; //VALIDASI INPUT ALPHA alpha=atof(alpha_string.c_str()); const char *alpha_char=alpha_string.c_str(); int alpha_long=strlen(alpha_char); int sum_b=0; for(int character=0;character<alpha_long;character++) { if(isalpha(alpha_char[character])) { sum_b=sum_b+1; } else
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 32
{ sum_b=sum_b+0; } } if(alpha<=0||alpha>1||sum_b!=0) { goto input_point; } cout<<endl; cout<<" 7) INPUTKAN NILAI C1 : "; cin>>c1_string; c1=atoi(c1_string.c_str()); if(c1<1||kucing>10) { goto input_point; } cout<<endl; cout<<" 8) INPUTKAN NILAI LEBAR WADAH : "; cin>>lebar_wadah_string; lebar_wadah=atoi(lebar_wadah_string.c_str()); if(lebar_wadah<1||lebar_wadah>10000) { goto input_point; } cout<<endl; cout<<" 9) NILAI SUHU AWAL : "; cin>>suhu_awal_string; //VALIDASI INPUT SUHU AWAL suhu_awal=atoi(suhu_awal_string.c_str()); if(suhu_awal>1000||suhu_awal<=0) { goto input_point; } cout<<endl; cout<<" 10) NILAI SUHU AKHIR : "; cin>>suhu_akhir_string; //VALIDASI INPUT SUHU AKHIR suhu_akhir=atoi(suhu_akhir_string.c_str());
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 33
if(suhu_akhir>1000||suhu_akhir<=0||suhu_akhir>=suhu_awal) { goto input_point; } end_point: clrscr(); receptionist(); revision_parameter(); cin>>adjustment2; adjust2=atoi(adjustment2.c_str()); if(adjust2<1||adjust2>2) { cout<<endl<<" Input Error !!"<<endl; cout<<" Press any key then enter... "<<endl; cout<<" "; cin>>validasi; int valid=atoi(validasi.c_str()); if(valid!=-98) { goto end_point; } } else if(adjust2==2) { goto input_point; } } iterasi_point: clrscr(); receptionist(); cout<<endl; cout<<" INPUTKAN JUMLAH ITERASI : "; cin>>max_iterasi_string; max_iterasi=atoi(max_iterasi_string.c_str());
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 34
if(max_iterasi<1) { goto iterasi_point; } //point load data switch(data_sampel) { case 1: read_data.open("C:/Skripsi Pipid/Data Program/Data Kecil.txt"); write.open("C:/Skripsi Pipid/Hasil Running/hasil land allocation cso-sa (data kecil).txt"); jumlahLahan=13; jumlahVariasi=6; break; case 2: read_data.open("C:/Skripsi Pipid/Data Program/Data Besar.txt"); write.open("C:/Skripsi Pipid/Hasil Running/hasil land allocation cso-sa (data besar).txt"); jumlahLahan=75; jumlahVariasi=6; break; } if(data_sampel==1||data_sampel==2) { if(!read_data.eof()) { int counter_data=0; do { read_data>>ambil_data; himpunan_data[counter_data]=ambil_data; counter_data++; } while(!read_data.eof()); }
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 35
else { cout<<"file kosong"<<endl; jumlahLahan=0; } if(data_sampel==1) { for(int i=0;i<jumlahLahan;i++) { int counter_row=jumlahVariasi*i; for(int z=0;z<jumlahVariasi;z++) { lebar_lahan[i][z]=himpunan_data[counter_row+z]; } } int counter_row_lebar=(jumlahLahan*jumlahVariasi); for(int i=0;i<jumlahLahan;i++) { int counter_row=jumlahVariasi*i; for(int z=0;z<jumlahVariasi;z++) { tinggi_lahan[i][z]=himpunan_data[counter_row+counter_row_lebar+z]; } } } if(data_sampel==2) { for(int i=0;i<jumlahLahan;i++) { int counter_row=jumlahVariasi*i; for(int z=0;z<jumlahVariasi;z++) { tinggi_lahan[i][z]=himpunan_data[counter_row+z]; } } int counter_row_lebar=(jumlahLahan*jumlahVariasi);
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 36
for(int i=0;i<jumlahLahan;i++) { int counter_row=jumlahVariasi*i; for(int z=0;z<jumlahVariasi;z++) { lebar_lahan[i][z]=himpunan_data[counter_row+counter_row_lebar+z]; } } } } cout<<"-----------------------------------------"<<endl; cout<<" MULAI PROSES CSO UNTUK LAND ALLOCATION "<<endl; cout<<"-----------------------------------------"<<endl; write<<"-----------------------------------------"<<endl; write<<" MULAI PROSES CSO UNTUK LAND ALLOCATION "<<endl; write<<"-----------------------------------------"<<endl; seeking_counter=0; for(iterasi=1;iterasi<=max_iterasi;iterasi++) { cout<<endl<<"Iterasi ke - "<<iterasi<<endl; cout<<endl<<"======================"<<endl; write<<endl<<"Iterasi ke - "<<iterasi<<endl; write<<endl<<"======================"<<endl; if(iterasi==1) { for(int i=0;i<kucing;i++) { for(int j=0;j<jumlahLahan;j++) { double bil_acak=random(100); double bil_pembagi=99; data_random[i][j]=bil_acak/bil_pembagi; } }
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 37
for(int i=0;i<kucing;i++) { for(int j=0;j<jumlahLahan;j++) { double bil_acak=random(100); double bil_pembagi=99; data_kecepatan[i][j]=bil_acak/bil_pembagi; } } } //random variasi bentuk if(iterasi==1) { for(int i=0;i<kucing;i++) { for(int j=0;j<jumlahLahan;j++) { int var=random(5); variasi_bentuk[i][j]=var; } } } for(int i=0;i<kucing;i++) { double bil_acak=random(100); double bil_pembagi=99; data_flag[i]=bil_acak/bil_pembagi; } permutasi_Lahan_masuk(); akses_Lahan(); fungsi_tujuan_land_allocation(); hitung_nilai_fitness(); cout<<"Urutan Lahan Masuk Bentukan Dari Data Random Kucing Awal : "<<endl<<endl;
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 38
write<<"Urutan Lahan Masuk Bentukan Dari Data Random Kucing Awal : "<<endl<<endl; for(int i=0;i<kucing;i++) { cout<<"individu ke- "<<(i+1)<<" : "<<endl; write<<"individu ke- "<<(i+1)<<" : "<<endl; for(int j=0;j<jumlahLahan;j++) { cout<<urutan_Lahan_masuk[i][j]<<" "; write<<urutan_Lahan_masuk[i][j]<<" "; } cout<<endl; write<<endl; } cout<<endl; write<<endl; cout<<"Variasi Bentuk Yang Dipilih Data Kucing Awal : "<<endl<<endl; write<<"Variasi Bentuk Yang Dipilih Data Kucing Awal : "<<endl<<endl; for(int i=0;i<kucing;i++) { cout<<"individu ke- "<<(i+1)<<" : "<<endl; write<<"individu ke- "<<(i+1)<<" : "<<endl; for(int j=0;j<jumlahLahan;j++) { cout<<(variasi_bentuk[i][j]+1)<<" "; write<<(variasi_bentuk[i][j]+1)<<" "; } cout<<endl<<endl; write<<endl<<endl; } cout<<endl<<endl; write<<endl<<endl;
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 39
cout<<"Tinggi Lahan Yang Diperoleh Masing-Masing Kucing: "<<endl<<endl; write<<"Tinggi Lahan Yang Diperoleh Masing-Masing Kucing : "<<endl<<endl; for(int i=0;i<kucing;i++) { cout<<"individu ke- "<<(i+1)<<" : "<<endl; write<<"individu ke- "<<(i+1)<<" : "<<endl; cout<<tinggi_total[i]<<endl<<endl; write<<tinggi_total[i]<<endl<<endl; } jumlahtracing=floor(mr*kucing); jumlahseeking=kucing-jumlahtracing; class_penempatan_flag(); write<<endl<<"Informasi Flag :"<<endl; cout<<endl<<"Informasi_Flag :"<<endl; cout<<"===================="<<endl<<endl; write<<"================="<<endl<<endl; for(int i=0;i<kucing;i++) { write<<"Kucing ke - "<<(i+1)<<" = "<<flag[i]<<" "<<endl; cout<<"Kucing ke - "<<(i+1)<<" = "<<flag[i]<<" "<<endl; } class_urutan_tinggi_lahan(); write<<endl<<"Informasi Ranking Solusi :"<<endl; cout<<endl<<"Informasi Ranking Solusi :"<<endl; cout<<"========================="<<endl<<endl; write<<"====================="<<endl<<endl; for(int i=0;i<kucing;i++) { write<<"Rank Ke - "<<(i+1)<<" = kucing ke - "<<(data_urutan_fungsitujuan[i]+1)<<endl; cout<<"Rank Ke - "<<(i+1)<<" = kucing ke - "<<(data_urutan_fungsitujuan[i]+1)<<endl; }
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 40
class_penentuan_xbest(); cout<<endl<<" x-best Terpilih Kucing - "<<(data_urutan_fungsitujuan[0]+1)<<endl; spc[data_urutan_fungsitujuan[0]]=1; write<<endl<<"Informasi Nilai SPC :"<<endl; cout<<endl<<"Informasi Nilai SPC :"<<endl; cout<<"========================="<<endl<<endl; write<<"====================="<<endl<<endl; for(int i=0;i<kucing;i++) { write<<"Kucing ke - "<<(i+1)<<" = "<<spc[i]<<endl; cout<<"Kucing ke - "<<(i+1)<<" = "<<spc[i]<<endl; } //belum di review class_klasifikasi_kucing(); write<<endl<<" Masuk Tahap Seeking :"<<endl; cout<<endl<<" Masuk Tahap Seeking :"<<endl; cout<<" ======================="<<endl; write<<" ===================="<<endl; int dimensi=cdc*jumlahLahan; for(int i=0;i<jumlahseeking;i++) { if(spc[grup_seeking[i]]==1) { for(int j=0;j<smp;j++) { for(int k=0;k<jumlahLahan;k++) { Memory_pool[j][k]=data_random[grup_seeking[i]][k]; } for(int k=0;k<jumlahLahan;k++)
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 41
{ terpilih[k]=-1; } if(j>0) { z=0; counter=0; while(z<dimensi) { do { sum=0; choose=random(jumlahLahan-1); for(int i=0;i<jumlahLahan;i++) { if(choose==terpilih[i]) { sum=sum+1; } else if(choose!=terpilih[i]) { sum=sum+0; } } } while(sum!=0); Memory_pool[j][choose]=Memory_pool[j][choose]+pow(-1,z)*srd*Memory_pool[j][choose]; terpilih[counter]=choose; counter++; z++; } }
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 42
for(int h=0;h<jumlahLahan;h++) { write_dimension[j][h]=terpilih[h]; } } } else if(spc[grup_seeking[i]]==0) { for(int j=0;j<smp;j++) { z=0; for(int k=0;k<jumlahLahan;k++) { Memory_pool[j][k]=data_random[grup_seeking[i]][k]; } for(int k=0;k<jumlahLahan;k++) { terpilih[k]=-1; } counter=0; while(z<dimensi) { do { sum=0; choose=random(jumlahLahan-1); for(int i=0;i<jumlahLahan;i++) { if(choose==terpilih[i]) { sum=sum+1; } else if(choose!=terpilih[i]) { sum=sum+0; } } } while(sum!=0);
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 43
Memory_pool[j][choose]=Memory_pool[j][choose]+pow(-1,z)*srd*Memory_pool[j][choose]; terpilih[counter]=choose; counter++; z++; } for(int h=0;h<jumlahLahan;h++) { write_dimension[j][h]=terpilih[h]; } } } cout<<endl<<"PROFIL MEMORY POOL KUCING KE - "<<(grup_seeking[i]+1)<<" : "<<endl; write<<endl<<"PROFIL MEMORY POOL KUCING KE - "<<(grup_seeking[i]+1)<<" : "<<endl; cout<<endl<<"Dimensi Yang Berubah = "<<dimensi<<endl; write<<endl<<"Dimensi Yang Berubah = "<<dimensi<<endl; cout<<"Proses Seeking Kucing ke- "<<(grup_seeking[i]+1)<<endl; cout<<"Nilai SPC = "<<spc[grup_seeking[i]]<<endl; cout<<"================================================="<<endl<<endl; write<<"Proses Seeking Kucing ke- "<<(grup_seeking[i]+1)<<endl; write<<"Nilai SPC = "<<spc[grup_seeking[i]]<<endl; write<<"================================================="<<endl<<endl; for(int i=0;i<smp;i++) { cout<<"Dimensi Berubah Copy-"<<(i+1)<<" = "; write<<"Dimensi Berubah Copy-"<<(i+1)<<" = "; for(int j=0;j<jumlahLahan;j++) {
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 44
if(write_dimension[i][j]!=-1) { cout<<(write_dimension[i][j]+1)<<" "; write<<(write_dimension[i][j]+1)<<" "; } } cout<<endl; write<<endl; } permutasi_Lahan_masuk_mp(); pilihan_variasi_mp(); akses_Lahan_mp(); fungsi_tujuan_land_allocation_mp(); hitung_nilai_fitness_mp(); cout<<endl<<"Urutan Lahan Masuk Memory Pool Kucing - "<<(grup_seeking[i]+1)<<endl<<endl; write<<endl<<"Urutan Lahan Masuk Memory Pool Kucing - "<<(grup_seeking[i]+1)<<endl<<endl; for(int i=0;i<smp;i++) { cout<<"individu ke- "<<(i+1)<<" : "<<endl; write<<"individu ke- "<<(i+1)<<" : "<<endl; for(int j=0;j<jumlahLahan;j++) { cout<<urutan_Lahan_masuk_mp[i][j]<<" "; write<<urutan_Lahan_masuk_mp[i][j]<<" "; } cout<<endl<<endl; write<<endl<<endl; } cout<<endl<<endl; write<<endl<<endl;
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 45
cout<<endl<<" Variasi Bentuk Yang Dipilih Memory Pool Kucing - "<<(grup_seeking[i]+1)<<endl<<endl; write<<endl<<"Variasi Bentuk Yang Dipilih Memory Pool Kucing - "<<(grup_seeking[i]+1)<<endl<<endl; for(int i=0;i<smp;i++) { cout<<"individu ke- "<<(i+1)<<" : "<<endl; write<<"individu ke- "<<(i+1)<<" : "<<endl; for(int j=0;j<jumlahLahan;j++) { cout<<(variasi_bentuk_mp[i][j]+1)<<" "; write<<(variasi_bentuk_mp[i][j]+1)<<" "; } cout<<endl<<endl; write<<endl<<endl; } cout<<endl<<"Hasil Tinggi Lahan Dari Memory Pool Individu - "<<(grup_seeking[i]+1)<<endl<<endl; write<<endl<<"Hasil Tinggi Lahan Dari Memory Pool Individu - "<<(grup_seeking[i]+1)<<endl<<endl; for(int i=0;i<smp;i++) { cout<<"copy-"<<(i+1)<<" = "<<tinggi_total_mp[i]<<endl; write<<"copy-"<<(i+1)<<" = "<<tinggi_total_mp[i]<<endl; } hitungprobabilitasterpilih(); double bilRandom=random(99); double bilBagi=99; double random_smp=bilRandom/bilBagi; roulettewheel(grup_seeking[i],random_smp); cout<<endl<<"Tabulasi Roulette Wheel : "<<endl; write<<endl<<"Tabulasi Roulette Wheel : "<<endl; for(int i=0;i<smp;i++) { write<<"Probabilitas copy - "<<(i+1)<<" = "<<probabilitas[i]<<", Probabilitas relatif = "<<probabilitasr[i]<<endl;
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 46
cout<<"Probabilitas copy - "<<(i+1)<<" = "<<probabilitas[i]<<", Probabilitas relatif = "<<probabilitasr[i]<<endl; } cout<<endl<<"Nilai Probabilitas Kumulatif : "<<endl; write<<endl<<"Nilai Probabilitas Kumulatif : "<<endl; for(int i=0;i<smp;i++) { write<<"Probabilitas Kumulatif copy - "<<(i+1)<<" = "<<probabilitask[i]<<endl; cout<<"Probabilitas Kumulatif copy - "<<(i+1)<<" = "<<probabilitask[i]<<endl; } cout<<endl<<"Nilai Random = "<<random_smp<<" posisi kucing Terpilih = "<<(indeks_terpilih_roulette+1); write<<endl<<"Nilai Random = "<<random_smp<<" posisi kucing Terpilih = "<<(indeks_terpilih_roulette+1); cout<<endl<<"Best Seeking Dalam Memory Pool Kucing ke- "<<(grup_seeking[i]+1)<<" , copy ke- "<<(indeks_bestseeking+1); write<<endl<<"Best Seeking Dalam Memory Pool Kucing ke- "<<(grup_seeking[i]+1)<<" , copy ke- "<<(indeks_bestseeking+1); cout<<endl<<endl; write<<endl<<endl; simpan_terbaik_seeking(); cout<<endl<<"Best Seeking Secara Global : "<<endl<<endl; write<<endl<<"Best Seeking Secara Global : "<<endl<<endl; cout<<endl<<"Urutan Lahan Masuk : "<<endl<<endl; write<<endl<<"Urutan Lahan Masuk : "<<endl<<endl; for(int j=0;j<jumlahLahan;j++) { cout<<lahan_best[j]<<" "; write<<lahan_best[j]<<" "; } cout<<endl<<endl<<"Variasi yang dipilih : "<<endl<<endl; write<<endl<<endl<<"Variasi yang dipilih : "<<endl<<endl; for(int j=0;j<jumlahLahan;j++)
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 47
{ cout<<(variasi_best[j]+1)<<" "; write<<(variasi_best[j]+1)<<" "; } cout<<endl<<endl<<"Dengan Tinggi Lahan : "<<tinggi_best<<endl; write<<endl<<endl<<"Dengan Tinggi Lahan : "<<tinggi_best<<endl; seeking_counter++; } //mulai tahap tracing cout<<endl; write<<endl; for(int b=0;b<jumlahtracing;b++) { double bilRandom=random(100); double bilPembagi=99; for(int l=0;l<jumlahLahan;l++) { copy_cat[l]=data_random[grup_tracing[b]][l]; } for(int l=0;l<jumlahLahan;l++) { double random_tracing=bilRandom/bilPembagi; double selisih_xbest=x_best[l]-copy_cat[l]; double hasil_pengali=c1*random_tracing*selisih_xbest; data_kecepatan[grup_tracing[b]][l]=data_kecepatan[grup_tracing[b]][l]+hasil_pengali; } for(int l=0;l<jumlahLahan;l++) {
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 48
data_random[grup_tracing[b]][l]=data_random[grup_tracing[b]][l]+data_kecepatan[grup_tracing[b]][l]; if(data_random[grup_tracing[b]][l]<0) { data_random[grup_tracing[b]][l]=data_random[grup_tracing[b]][l]*-1; } } } permutasi_Lahan_masuk(); akses_Lahan(); fungsi_tujuan_land_allocation(); hitung_nilai_fitness(); class_urutan_tinggi_lahan(); class_penentuan_terbaik_tracing(); cout<<endl<<"Best Tracing Secara Global : "<<endl<<endl; write<<endl<<"Best Tracing Secara Global : "<<endl<<endl; cout<<endl<<"Urutan Lahan Masuk : "<<endl<<endl; write<<endl<<"Urutan Lahan Masuk : "<<endl<<endl; for(int j=0;j<jumlahLahan;j++) { cout<<lahan_best_tracing[j]<<" "; write<<lahan_best_tracing[j]<<" "; } cout<<endl<<endl<<"Variasi Terpilih : "<<endl<<endl; write<<endl<<endl<<"Variasi Terpilih : "<<endl<<endl; for(int j=0;j<jumlahLahan;j++) { cout<<(variasi_best_tracing[j]+1)<<" "; write<<(variasi_best_tracing[j]+1)<<" "; } cout<<endl<<endl<<"Dengan Tinggi Lahan : "<<tinggi_best_tracing<<endl; write<<endl<<endl<<"Dengan Tinggi Lahan : "<<tinggi_best_tracing<<endl; compare_best_tracing_dan_best_seeking();
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 49
if(iterasi<11) { int counter_sa; counter_sa=data_urutan_fungsitujuan[kucing-1]; cout<<endl<<endl; cout<<"PEMPROSESAN SIMULATED ANNEALING "<<endl; write<<endl<<endl; write<<"PEMPROSESAN SIMULATED ANNEALING "<<endl; cout<<"---------------------------------------------------------"<<endl; cout<<"kucing ke- "<<counter_sa<<" Mengalami Proses Annealing "<<endl; cout<<"---------------------------------------------------------"<<endl<<endl; write<<"---------------------------------------------------------"<<endl; write<<"kucing ke- "<<counter_sa<<" Mengalami Proses Annealing "<<endl; write<<"---------------------------------------------------------"<<endl; suhu_sekarang=suhu_awal; for(int j=0;j<jumlahLahan;j++) { solusi_sa[j]=data_random[counter_sa][j]; } do { cout<<" --------------------------"<<endl; cout<<" Suhu Sekarang ="<<suhu_sekarang<<endl; write<<endl; write<<" --------------------------"<<endl; write<<" Suhu Sekarang ="<<suhu_sekarang<<endl; copy_tinggi_cat(); do { select_1=random(jumlahLahan-1); select_2=random(jumlahLahan-1);
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 50
} while(select_1==select_2||select_1>select_2); write<<" Data kucing Lama :"<<endl<<endl;; for(int sel=0;sel<jumlahLahan;sel++) { write<<data_random[counter_sa][sel]<<" "; } cout<<endl; write<<endl; mutatecounter=(select_2-select_1)/2; for(int j=select_1;j<=select_1+mutatecounter;j++) { tempSA=solusi_sa[j]; solusi_sa[j]=solusi_sa[select_2]; solusi_sa[select_2]=tempSA; select_2--; } double random_SA_rejection=random(100); double random_SA_rejection_divisor=99; random_SA=(random_SA_rejection/random_SA_rejection_divisor)+0.5; //proses hitung fungsi write<<endl; write<<"Data Kucing Mengalami Mutasi Inversi di kolom -"<<(select_1+1)<<" sampai kolom -"<<(select_2+1)<<" : "<<endl; write<<endl; for(int sel=0;sel<jumlahLahan;sel++) { write<<solusi_sa[sel]<<" "; } write<<endl<<endl; permutasi_Lahan_masuk_sa(); pilihan_variasi_sa();
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 51
akses_Lahan_sa(); fungsi_tujuan_land_allocation_sa(); fitness_comparation_beforeaftermutate(counter_sa); if(status==1) { cout<<"Solusi Hasil Mutasi Lebih Baik (Solusi Diterima)"<<endl; write<<"Solusi Hasil Mutasi Lebih Baik (Solusi Diterima)"<<endl; } if(status==2) { cout<<"Solusi Hasil Mutasi Lebih Buruk Atau = (Diterima Karena Probabilitas)"<<endl; write<<"Solusi Hasil Mutasi Lebih Buruk Atau = (Diterima Karena Probabilitas)"<<endl; } if(status==3) { cout<<"Solusi Hasil Mutasi Lebih Buruk (Solusi Baru Ditolak)"<<endl; write<<"Solusi Hasil Mutasi Lebih Buruk (Solusi Baru Ditolak)"<<endl; } suhu=suhu_sekarang*alpha; suhu_sekarang=suhu; write<<endl; cout<<"CAT->NEW CAT ="<<tinggi_total_copy[counter_sa]<<"->"<<tinggi_total[counter_sa]<<endl; write<<"CAT->NEW CAT ="<<tinggi_total_copy[counter_sa]<<"->"<<tinggi_total[counter_sa]<<endl; } while(suhu_sekarang>=suhu_akhir); } if(iterasi==max_iterasi)
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 2 - 52
{ form_hasil_akhir(); } } getch(); }
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 3 - 1
Lampiran 3: Hasil Running Program untuk Data 13 Lahan Komponen
Best Seeking Secara Global :
Urutan Lahan Masuk :
3 11 10 7 4 2 6 8 1 13 9 5 12
Variasi yang dipilih :
2 5 5 5 1 4 4 1 2 1 5 1 1
Dengan Tinggi Lahan : 50
Best Tracing Secara Global :
Urutan Lahan Masuk :
11 7 3 10 9 2 1 5 12 8 13 6 4
Variasi Terpilih :
5 1 5 2 2 3 2 5 1 5 1 2 2
Dengan Tinggi Lahan : 69
//////////////////////////////////////////////////////////////////
/// IMPLEMENTASI ALGORITMA CSO PADA MASALAH PENJADWALAN ///
/// LAND ALLOCATION ///
/// FORM HASIL AKHIR ///
//////////////////////////////////////////////////////////////////
Tinggi Terendah Dari Proses Land Allocation =50
Urutan Lahan Masuk Terbaik :
3 11 10 7 4 2 6 8 1 13 9 5 12
URAIAN BENTUK LAHAN
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 3 - 2
Lahan KE ‐3 MENGGUNAKAN VARIASI BENTUK KE‐ 2
Lahan KE ‐11 MENGGUNAKAN VARIASI BENTUK KE‐ 5
Lahan KE ‐10 MENGGUNAKAN VARIASI BENTUK KE‐ 5
Lahan KE ‐7 MENGGUNAKAN VARIASI BENTUK KE‐ 5
Lahan KE ‐4 MENGGUNAKAN VARIASI BENTUK KE‐ 1
Lahan KE ‐2 MENGGUNAKAN VARIASI BENTUK KE‐ 4
Lahan KE ‐6 MENGGUNAKAN VARIASI BENTUK KE‐ 4
Lahan KE ‐8 MENGGUNAKAN VARIASI BENTUK KE‐ 1
Lahan KE ‐1 MENGGUNAKAN VARIASI BENTUK KE‐ 2
Lahan KE ‐13 MENGGUNAKAN VARIASI BENTUK KE‐ 1
Lahan KE ‐9 MENGGUNAKAN VARIASI BENTUK KE‐ 5
Lahan KE ‐5 MENGGUNAKAN VARIASI BENTUK KE‐ 1
Lahan KE ‐12 MENGGUNAKAN VARIASI BENTUK KE‐ 1
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 4 - 1
Lampiran 4: Hasil Running Program untuk Data 75 Lahan Komponen Iterasi ke ‐ 1
======================
Urutan Lahan Masuk Bentukan Dari Data Random Kucing Awal :
individu ke‐ 1 :
17 41 40 64 24 36 71 7 25 32 45 4 18 34 75 66 3 70 53 56 60 48 67 6 61 1 9 31 62 74 19 49 29 72 59 21 39 57 5 26 63 47 51 38 58 68 33 14 28 30 73 52 43 22 69 54 44 55 8 20 11 2 46 65 16 27 23 37 12 13 42 50 10 15 35
individu ke‐ 2 :
3 68 75 31 42 27 20 24 64 61 29 69 72 21 39 2 35 16 23 45 43 70 6 41 25 7 11 22 58 5 15 47 62 34 63 53 30 4 49 37 65 57 51 36 19 59 71 8 33 60 12 18 1 14 28 52 54 66 46 26 44 56 55 38 40 67 74 9 10 73 50 17 48 32 13
individu ke‐ 3 :
47 37 65 31 19 66 44 23 18 21 59 20 73 33 13 5 54 24 41 57 56 16 28 10 45 49 53 38 22 27 60 40 74 30 4 46 29 71 14 42 69 2 61 6 11 68 51 25 70 62 32 9 63 3 72 34 39 12 36 35 7 43 55 26 64 52 17 48 58 15 50 1 67 8 75
individu ke‐ 4 :
21 6 12 57 39 61 45 26 31 28 65 38 8 37 56 72 55 10 23 69 2 42 24 19 58 29 44 11 7 46 47 50 64 36 17 20 48 51 32 60 59 53 34 1 13 14 16 27 33 52 63 41 62 30 67 43 66 49 4 15 74 70 22 9 3 25 5 18 40 68 73 75 54 71 35
individu ke‐ 5 :
21 58 71 11 65 64 38 25 56 68 48 60 42 66 75 51 29 52 10 28 62 33 12 54 3 4 24 14 39 30 61 47 63 9 27 49 1 2 8 43 16 41 57 32 13 23 74 19 73 37 55 35 46 6 20 70 36 5 7 15 18 26 45 50 67 17 59 34 40 31 72 53 22 69 44
individu ke‐ 6 :
70 10 19 75 6 74 12 37 18 63 26 34 27 15 31 56 61 66 1 67 2 24 7 73 21 57 29 45 59 50 68 47 13 71 11 8 58 54 3 16 4 35 65 40 33 39 53 64 17 44 51 5 14 20 36 55 60 52 30 22 32 41 28 38 62 42 72 46 48 49 23 9 43 25 69
individu ke‐ 7 :
68 25 1 10 21 59 69 56 13 52 4 65 7 14 71 9 19 42 55 8 11 57 75 70 40 61 28 15 39 41 24 18 16 34 63 36 43 46 51 17 45 73 67 72 54 60 5 2 3 6 49 23 26 38 48 22 32 31 50 66 29 44 37 47 74 30 27 53 12 33 64 35 62 20 58
individu ke‐ 8 :
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 4 - 2
15 12 46 70 42 35 28 38 55 61 62 66 67 71 75 14 16 37 5 20 49 11 56 10 23 31 44 32 57 64 33 74 47 45 52 58 29 63 60 8 53 48 34 68 3 19 13 7 59 22 43 54 6 4 26 39 51 36 2 9 73 41 1 18 40 65 21 27 50 69 17 72 30 25 24
individu ke‐ 9 :
58 56 16 46 33 74 57 1 64 27 26 19 28 65 3 24 15 17 60 2 7 30 8 13 14 62 70 75 41 20 39 48 31 35 21 68 43 50 61 71 44 6 32 54 25 42 72 18 34 40 11 36 23 53 12 55 9 22 29 66 38 63 73 47 45 59 49 51 10 37 5 69 52 67 4
individu ke‐ 10 :
31 10 20 22 69 71 11 29 28 34 47 44 33 74 55 43 53 42 49 61 63 12 38 48 13 39 1 51 3 70 14 67 37 8 52 6 16 21 57 4 72 54 7 25 23 56 75 9 19 2 15 30 17 35 41 24 73 27 18 62 58 5 36 64 26 45 60 59 68 65 46 66 40 32 50
individu ke‐ 11 :
55 19 14 66 6 50 58 52 49 16 60 48 73 12 30 45 15 28 64 11 41 20 53 69 74 5 75 2 40 42 37 18 25 29 70 35 23 8 21 22 26 3 33 39 13 68 1 38 47 7 36 43 46 59 72 65 57 24 17 44 67 4 34 62 32 71 31 27 61 10 9 56 51 54 63
individu ke‐ 12 :
72 42 17 56 63 2 47 46 22 58 65 48 60 6 55 74 13 62 68 10 27 26 4 18 28 39 69 29 49 14 7 3 50 53 11 59 40 41 5 33 52 51 57 75 32 38 73 64 9 19 23 1 8 54 36 44 25 61 15 16 67 37 70 12 34 43 45 66 35 31 30 20 24 21 71
individu ke‐ 13 :
14 16 3 45 17 66 32 59 25 47 68 30 34 35 5 8 15 46 40 53 36 1 72 7 19 65 4 50 71 58 20 28 37 39 11 54 70 33 61 52 63 75 10 13 38 42 62 73 26 55 57 56 27 43 12 60 64 24 6 69 48 29 31 9 18 51 22 67 74 23 21 41 44 2 49
individu ke‐ 14 :
66 37 68 9 46 6 70 12 39 44 53 63 73 3 42 50 24 33 10 72 2 71 56 49 26 38 43 60 74 65 25 21 7 41 5 28 30 59 8 13 55 47 45 14 15 36 22 32 1 35 18 31 40 57 58 75 17 62 64 67 51 16 29 69 4 11 23 27 52 19 20 34 48 54 61
individu ke‐ 15 :
75 8 21 34 39 10 32 52 9 16 70 72 73 63 37 54 36 13 41 27 74 18 35 45 24 56 30 7 49 11 65 68 53 20 17 3 26 25 59 66 60 12 47 61 1 5 51 43 55 2 57 62 71 40 44 15 58 22 31 48 14 19 33 67 46 64 23 28 50 6 38 42 4 29 69
individu ke‐ 16 :
28 5 33 1 70 12 18 20 59 45 54 53 56 27 31 66 67 42 6 34 10 19 7 9 29 41 58 74 13 11 52 15 8 32 60 37 62 38 14 39 73 16 4 51 23 43 50 40 63 21 69 61 64 36 55 71 72 75 3 26 49 24 35 44 25 22 30 2 17 47 68 57 65 48 46
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 4 - 3
individu ke‐ 17 :
3 49 57 10 7 27 28 50 61 2 34 6 9 74 25 29 41 47 56 54 12 45 68 44 24 53 73 19 62 75 71 4 17 39 55 46 60 72 23 51 52 40 8 11 13 42 32 37 33 18 26 66 31 63 20 21 35 14 67 30 43 5 16 59 48 22 15 38 58 1 36 69 65 70 64
individu ke‐ 18 :
7 46 62 24 10 34 16 13 69 18 39 70 5 26 57 3 11 20 29 55 64 8 19 44 9 41 1 48 72 50 61 73 53 40 51 75 23 56 4 15 32 42 22 58 67 33 37 43 2 74 6 21 47 54 49 63 65 31 60 12 28 38 17 66 52 59 45 35 36 71 30 27 14 68 25
individu ke‐ 19 :
2 51 54 42 72 13 40 10 18 57 11 33 9 67 73 3 55 25 58 62 41 60 1 38 48 64 65 70 61 26 66 12 75 52 30 50 16 44 59 17 27 35 21 28 43 49 31 46 23 53 36 4 19 34 32 45 14 39 68 22 8 71 20 37 6 63 69 5 47 7 56 29 74 15 24
individu ke‐ 20 :
46 40 54 45 49 13 31 68 44 19 23 25 36 57 4 42 67 21 9 33 10 2 58 3 38 17 56 26 29 53 75 59 73 12 70 27 63 41 60 69 6 24 37 66 47 51 20 48 18 22 11 15 30 43 14 8 61 34 39 64 74 35 5 72 62 55 28 52 16 32 71 1 7 65 50
individu ke‐ 21 :
33 26 27 31 35 42 70 9 10 44 60 62 18 49 48 7 5 19 8 41 65 53 52 59 40 54 71 72 15 61 2 43 4 68 66 34 75 3 67 14 73 13 47 36 23 57 69 12 51 55 32 64 74 21 24 16 1 25 46 6 17 39 45 28 38 56 58 22 11 20 30 37 50 63 29
individu ke‐ 22 :
75 25 21 59 30 9 31 61 26 57 6 52 71 36 7 65 56 14 70 12 24 32 41 66 15 1 62 17 20 54 11 44 69 49 68 60 50 4 40 34 2 33 19 35 64 74 38 48 13 28 51 42 22 37 53 3 63 16 27 45 39 58 23 29 47 5 10 46 18 55 67 43 8 72 73
individu ke‐ 23 :
38 45 20 5 69 66 51 11 54 67 12 40 58 49 8 29 13 33 35 44 1 74 61 31 34 39 52 22 65 36 25 75 14 60 2 37 70 57 7 71 32 3 72 59 16 53 55 56 63 6 26 17 27 30 50 64 41 10 9 28 48 68 43 4 23 62 19 42 73 21 46 15 18 24 47
individu ke‐ 24 :
36 16 44 31 21 55 19 29 22 73 39 57 2 18 52 48 61 49 51 75 71 70 26 33 42 28 66 1 20 32 38 59 68 62 63 4 17 50 60 64 46 74 67 14 37 24 25 35 65 34 56 6 27 47 53 23 45 9 54 3 12 72 30 11 58 10 40 41 13 69 15 43 8 7 5
individu ke‐ 25 :
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 4 - 4
60 27 56 20 28 39 26 19 44 53 67 17 18 46 62 74 14 65 75 29 61 6 73 8 12 59 71 30 42 32 33 57 64 31 63 5 48 68 2 40 49 1 16 22 58 52 47 15 13 72 23 51 55 3 7 34 9 54 69 10 21 45 25 50 38 43 36 11 66 41 37 4 35 24 70
individu ke‐ 26 :
13 38 15 41 67 73 43 61 26 32 11 66 68 22 58 29 16 30 75 27 36 39 53 59 64 40 45 6 25 55 57 37 12 62 3 18 23 35 28 4 42 70 14 69 33 60 19 54 56 34 50 46 48 5 65 52 74 24 31 44 17 9 72 7 63 47 2 8 21 1 10 71 49 51 20
individu ke‐ 27 :
44 19 29 6 31 41 22 43 21 17 71 8 69 75 52 51 65 30 40 63 2 14 12 10 13 58 37 1 48 56 64 36 32 57 28 47 55 16 27 50 26 59 20 25 38 67 73 11 39 62 42 74 53 66 35 18 3 23 61 15 24 7 49 54 34 9 72 5 70 60 68 4 33 46 45
individu ke‐ 28 :
18 17 32 59 62 44 14 43 10 5 70 8 25 64 71 60 16 31 47 7 22 50 54 51 57 3 35 38 58 61 34 36 75 30 24 40 72 21 11 45 39 4 48 66 1 29 73 23 67 19 56 63 37 55 9 20 74 13 26 42 2 69 12 52 65 53 49 28 41 46 27 68 6 15 33
individu ke‐ 29 :
12 8 56 35 52 51 50 53 3 31 14 32 36 42 25 54 11 64 22 44 61 62 72 9 38 46 70 15 75 30 55 2 65 43 67 33 28 48 37 45 68 6 20 23 71 1 4 24 7 27 41 59 39 57 74 13 60 16 18 34 47 5 29 10 17 66 49 69 26 40 19 73 58 21 63
individu ke‐ 30 :
25 38 52 59 10 35 24 19 72 32 62 65 11 18 28 71 3 22 6 48 34 67 58 46 54 43 5 63 53 64 49 40 16 45 74 42 69 44 60 1 61 20 33 55 15 39 41 31 37 57 47 73 23 4 12 66 26 36 8 13 30 17 68 2 51 21 29 50 70 27 9 75 14 56 7
individu ke‐ 31 :
4 5 72 24 23 41 6 11 55 2 9 29 49 15 21 16 64 69 74 66 48 54 63 57 71 28 37 40 59 12 43 31 8 68 30 56 75 38 62 7 45 46 51 44 33 36 42 10 47 27 1 32 26 65 58 70 17 73 39 53 61 3 22 50 52 25 67 18 19 20 60 35 14 34 13
individu ke‐ 32 :
17 66 8 51 37 20 46 73 31 15 69 44 70 45 64 41 47 60 9 72 13 43 63 2 10 28 22 6 23 34 27 53 75 62 11 59 61 39 5 24 38 48 36 32 57 68 74 33 58 12 25 49 26 3 1 55 4 18 42 71 21 16 30 19 35 65 50 40 54 52 67 7 14 29 56
individu ke‐ 33 :
32 16 30 40 52 38 58 64 62 22 43 17 7 13 21 18 34 75 54 31 72 15 11 33 5 14 60 3 27 68 6 44 41 45 69 4 26 37 57 51 61 10 8 36 47 59 23 20 25 56 70 9 24 65 2 29 73 39 53 49 1 48 50 63 67 71 42 46 35 66 28 55 12 19 74
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 4 - 5
individu ke‐ 34 :
65 71 33 37 42 22 61 38 26 53 1 6 20 50 75 66 72 70 35 23 29 64 8 21 7 47 54 62 12 18 27 13 73 56 55 16 24 36 9 5 34 59 10 3 25 14 67 58 48 17 41 52 44 40 2 49 63 4 43 11 15 32 46 69 28 31 19 39 51 74 30 68 45 60 57
individu ke‐ 35 :
72 31 48 23 18 19 45 62 5 74 2 25 51 54 65 67 33 42 71 75 28 15 13 16 60 3 32 34 50 14 70 36 43 35 9 40 52 61 64 21 27 46 44 66 73 37 11 55 22 53 59 49 10 41 58 6 47 17 20 12 30 8 29 56 69 4 1 39 7 57 68 63 24 38 26
individu ke‐ 36 :
1 35 73 54 71 61 27 67 12 70 9 51 60 66 68 50 4 41 69 58 46 37 64 30 47 34 38 8 10 18 5 24 74 22 3 36 23 59 26 62 28 72 33 29 32 6 20 25 53 17 19 65 43 49 42 44 2 14 11 75 7 40 55 39 45 63 21 56 13 52 57 15 16 31 48
individu ke‐ 37 :
52 8 30 42 13 22 44 62 69 15 72 14 48 68 4 57 5 41 67 58 70 1 7 45 9 12 17 21 47 19 38 54 31 61 74 64 56 43 10 29 59 2 23 27 11 39 40 16 63 71 55 66 26 28 3 24 33 35 49 73 6 20 36 60 51 65 75 32 46 53 18 34 50 25 37
individu ke‐ 38 :
30 56 45 48 15 34 12 6 38 53 5 16 75 3 46 25 24 69 65 42 61 10 40 51 52 49 27 62 28 14 7 68 37 18 32 2 41 8 31 67 59 70 29 74 13 19 44 54 60 4 55 71 73 11 36 39 58 17 23 64 33 9 20 35 57 21 26 1 43 22 47 63 66 72 50
individu ke‐ 39 :
60 24 57 51 49 29 34 63 69 3 61 64 20 39 44 13 37 18 14 31 71 1 19 23 32 42 9 62 45 68 17 70 4 30 25 10 33 21 35 73 52 66 75 43 7 38 11 6 5 53 65 48 67 50 59 40 12 15 47 55 58 8 26 56 27 28 46 2 16 54 72 36 74 22 41
individu ke‐ 40 :
41 3 32 36 38 8 10 25 28 14 52 6 61 75 34 47 11 29 72 16 37 27 69 48 70 74 62 15 17 13 21 18 54 20 53 7 42 39 40 51 71 12 22 55 24 44 57 33 60 50 68 4 73 43 59 31 56 66 49 1 26 5 30 9 46 65 58 23 64 19 45 67 35 63 2
individu ke‐ 41 :
66 54 70 72 30 31 2 74 21 35 42 37 58 46 62 19 50 65 29 32 61 75 11 53 13 48 47 55 63 16 18 64 17 36 51 44 4 68 7 33 15 43 10 14 73 41 40 49 25 56 57 27 26 28 67 12 60 24 45 5 59 23 69 52 71 22 39 3 38 8 6 34 1 9 20
individu ke‐ 42 :
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 4 - 6
63 32 49 17 8 36 1 69 3 43 22 29 13 61 16 24 34 52 15 60 66 25 56 4 47 21 27 39 72 65 74 59 67 11 51 14 31 71 45 20 40 26 12 28 30 57 35 70 58 64 2 7 6 75 53 10 41 54 18 50 23 62 73 37 46 48 33 9 19 42 44 55 5 38 68
individu ke‐ 43 :
43 32 66 71 21 70 10 54 65 61 3 48 67 52 29 47 55 36 2 50 62 72 16 40 23 25 1 5 15 22 63 51 4 57 6 39 11 13 26 30 33 45 9 38 56 27 37 59 42 74 44 64 19 60 28 31 18 46 14 53 75 8 17 68 20 73 7 34 58 12 41 49 24 35 69
individu ke‐ 44 :
20 28 45 43 13 29 38 52 6 9 3 25 19 32 15 23 73 74 64 63 12 75 27 5 41 36 42 10 22 71 44 53 35 72 1 33 60 67 11 40 58 30 34 50 65 8 48 37 26 56 54 55 61 66 68 21 31 24 62 49 70 47 59 39 46 69 18 51 4 14 2 16 7 57 17
individu ke‐ 45 :
45 57 43 26 67 8 18 41 59 42 61 3 56 34 25 16 21 24 14 68 58 7 72 13 23 55 12 38 11 69 51 10 19 70 15 71 30 37 5 22 20 49 32 17 28 31 44 40 50 27 66 60 36 62 4 53 9 29 65 46 47 39 6 33 54 64 73 74 63 48 35 52 2 75 1
individu ke‐ 46 :
10 75 46 56 12 48 50 40 52 68 60 36 19 2 15 65 32 18 29 25 3 14 17 37 54 69 24 30 55 74 1 9 23 38 49 62 28 21 35 66 6 57 63 34 13 51 73 61 42 45 67 41 11 43 70 27 59 72 39 71 44 8 53 58 26 16 64 7 20 22 4 47 5 33 31
individu ke‐ 47 :
2 12 35 46 47 11 62 38 43 8 31 36 22 65 23 28 68 13 67 29 54 72 19 26 49 51 24 48 63 16 27 60 74 25 3 30 50 17 37 21 61 6 20 45 18 55 73 9 58 1 40 42 15 71 39 4 34 44 57 56 70 52 59 5 7 64 14 10 33 66 32 75 69 41 53
individu ke‐ 48 :
31 20 44 14 54 59 8 5 1 29 13 39 15 23 66 26 30 3 36 4 70 32 63 11 7 51 47 18 21 2 25 12 61 16 56 55 41 28 52 38 71 9 24 27 37 72 75 33 6 48 69 43 57 73 62 68 60 50 64 40 65 67 10 35 17 19 74 49 42 45 22 34 53 58 46
individu ke‐ 49 :
59 15 8 19 53 43 46 65 7 14 40 31 33 58 72 9 11 50 32 30 12 23 75 25 18 61 10 66 41 67 26 6 4 64 54 62 68 36 55 45 22 44 69 28 47 71 56 38 70 5 60 1 16 2 48 51 24 3 27 37 39 13 74 17 20 21 34 35 29 42 73 49 57 52 63
individu ke‐ 50 :
74 34 10 1 55 9 42 75 44 30 40 21 19 41 49 58 11 54 33 25 38 4 3 66 63 48 60 2 31 22 35 32 65 53 69 27 17 52 57 72 13 12 5 62 7 50 24 39 46 23 15 67 51 73 6 28 29 18 70 8 68 26 43 56 61 45 71 36 64 37 14 16 47 20 59
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 4 - 7
individu ke‐ 51 :
48 51 75 41 21 30 43 26 35 53 68 23 2 13 27 46 14 24 6 20 39 42 4 16 33 22 15 59 29 28 55 56 60 37 36 7 32 3 5 61 71 12 49 11 57 72 1 67 44 54 64 10 31 38 66 17 25 74 40 52 50 65 19 62 73 34 9 47 69 8 45 63 18 58 70
individu ke‐ 52 :
47 10 57 21 27 42 64 58 2 48 44 69 73 19 68 71 36 39 22 56 46 33 25 5 32 11 15 35 7 12 16 50 52 34 23 1 41 54 65 38 8 40 26 45 3 14 61 66 67 72 13 49 55 59 75 60 62 37 20 4 18 53 6 30 31 9 43 28 74 63 29 70 51 17 24
individu ke‐ 53 :
21 27 35 70 34 32 48 73 19 52 17 38 41 5 36 66 74 7 31 16 18 13 63 25 69 40 4 44 61 68 8 2 29 58 22 62 67 65 30 55 43 42 56 71 10 14 57 64 1 23 12 54 9 45 60 49 72 33 47 3 75 46 11 28 53 39 50 59 20 24 26 15 51 6 37
individu ke‐ 54 :
70 30 52 47 25 50 28 72 67 3 10 64 37 41 68 62 48 66 29 15 69 2 51 16 39 60 22 44 8 9 26 42 27 20 32 56 74 46 53 61 75 71 23 19 59 63 57 31 12 34 65 58 5 36 49 24 35 54 1 18 21 38 13 17 43 45 55 11 14 6 4 73 40 7 33
individu ke‐ 55 :
19 53 8 70 60 46 63 17 1 22 57 14 38 34 35 49 62 74 30 66 50 47 16 41 68 10 27 40 58 75 33 56 4 24 51 31 44 29 3 15 64 65 6 25 7 48 18 37 26 59 13 43 5 71 61 2 21 20 36 67 45 52 12 28 54 73 11 55 39 9 69 72 32 23 42
individu ke‐ 56 :
5 53 70 9 22 42 33 41 16 69 18 19 6 58 11 36 48 63 35 46 1 75 26 39 60 62 74 14 30 40 27 2 56 68 4 73 28 71 72 38 3 17 20 23 51 7 67 50 59 29 13 21 12 47 24 49 61 8 32 37 43 34 52 45 64 66 10 55 65 15 57 44 25 54 31
individu ke‐ 57 :
70 43 11 31 37 46 5 47 8 1 9 44 57 72 12 42 60 7 75 3 52 16 51 35 65 34 39 15 49 54 18 26 2 27 62 63 6 13 41 67 19 66 59 40 17 68 71 28 48 10 29 20 64 32 73 36 4 38 69 24 56 61 30 45 33 14 55 25 21 23 74 22 50 53 58
individu ke‐ 58 :
67 36 64 19 27 58 71 12 26 2 13 59 65 54 43 74 3 10 32 41 35 17 14 72 37 48 15 39 49 69 42 16 25 30 7 51 20 33 75 34 45 4 9 24 47 56 52 22 38 23 62 61 29 53 18 1 8 31 60 50 5 28 21 55 11 68 73 40 6 44 57 66 70 46 63
individu ke‐ 59 :
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 4 - 8
62 66 73 14 26 56 11 31 68 32 42 9 21 25 63 10 4 38 45 46 74 29 23 41 65 67 53 61 16 5 8 70 19 39 43 28 47 24 58 20 27 18 17 22 35 34 30 2 3 12 6 52 15 49 13 57 48 33 59 51 37 55 60 72 50 64 71 1 75 44 36 40 54 69 7
individu ke‐ 60 :
34 31 11 66 71 7 1 49 13 58 28 30 54 23 26 72 36 19 73 55 61 40 45 51 59 18 67 2 32 56 3 62 10 65 52 53 75 43 24 74 37 29 17 60 64 12 22 46 14 47 69 33 4 27 70 5 50 41 21 39 9 6 44 48 15 68 16 38 8 20 25 63 35 42 57
individu ke‐ 61 :
11 28 46 37 61 62 58 6 21 5 68 36 44 51 2 13 8 57 60 42 22 55 7 66 15 25 67 9 53 17 38 64 20 35 10 39 33 65 74 29 49 45 54 71 24 27 3 26 40 41 52 18 34 47 4 50 14 23 1 69 59 63 32 19 73 75 48 31 56 12 43 16 70 30 72
individu ke‐ 62 :
8 15 69 29 51 74 5 24 38 61 18 37 70 11 41 46 34 67 31 4 3 10 42 33 35 48 71 54 23 36 44 7 64 66 27 65 40 13 53 16 72 39 1 9 45 21 19 47 58 17 55 68 22 59 43 75 32 12 25 57 2 63 6 49 20 56 62 73 52 30 14 26 28 60 50
individu ke‐ 63 :
41 28 43 6 23 5 72 45 42 61 12 69 11 48 8 35 37 2 54 55 30 4 15 17 53 19 14 21 32 51 38 33 40 68 71 24 47 63 49 60 27 20 50 65 31 18 64 74 10 3 52 62 57 29 56 26 73 44 13 58 36 39 67 7 22 70 25 9 16 46 1 34 59 66 75
individu ke‐ 64 :
74 39 14 45 33 38 8 5 44 63 41 62 34 55 72 2 12 66 58 9 37 49 75 30 54 15 28 42 43 21 47 71 68 69 4 51 73 52 18 29 56 35 70 17 26 64 7 22 27 57 53 24 16 20 25 46 31 32 48 10 61 19 23 3 1 13 36 59 65 50 60 6 11 40 67
individu ke‐ 65 :
56 30 66 28 29 37 39 55 5 60 69 14 4 23 43 52 15 25 3 6 35 9 20 71 38 31 72 36 61 65 53 42 48 73 12 33 41 19 58 54 11 51 75 59 46 62 18 8 49 24 34 44 32 1 13 68 17 16 27 57 70 45 22 40 74 50 63 2 10 47 7 64 67 26 21
individu ke‐ 66 :
32 14 43 3 50 63 65 36 75 57 28 11 70 31 66 27 47 9 34 61 8 6 5 17 39 42 55 18 33 44 23 74 68 62 46 7 19 49 25 22 45 59 41 26 38 1 35 37 30 69 53 52 71 15 67 60 54 48 64 29 40 16 20 24 13 2 72 4 56 73 21 58 12 10 51
individu ke‐ 67 :
46 64 55 19 25 23 32 21 61 43 41 59 5 33 42 44 24 1 10 70 49 11 62 57 75 54 71 72 12 13 73 2 14 37 50 16 28 30 9 26 48 8 47 68 20 7 53 18 31 6 65 63 66 17 3 67 15 34 56 40 69 60 36 51 35 39 4 22 27 74 29 58 45 52 38
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 4 - 9
individu ke‐ 68 :
50 32 45 61 72 33 65 75 74 3 7 35 27 36 4 17 5 19 57 16 22 34 29 13 37 52 10 38 12 2 30 56 15 59 69 39 8 24 62 73 70 42 58 51 20 44 23 48 40 49 60 1 11 41 21 14 54 71 53 28 68 18 47 9 26 64 55 31 6 43 66 25 46 63 67
individu ke‐ 69 :
50 10 9 73 34 3 6 21 37 28 23 60 64 74 11 33 54 16 36 44 59 5 47 24 65 30 62 18 22 72 58 75 48 25 67 12 29 8 70 27 69 35 38 14 56 66 49 39 53 4 7 68 71 26 20 42 51 63 15 40 41 43 55 31 1 61 19 17 52 32 2 13 46 45 57
individu ke‐ 70 :
6 9 12 68 67 24 17 34 13 18 14 61 64 30 70 72 51 69 3 36 23 26 65 38 74 39 22 73 20 59 54 62 55 10 11 28 35 75 29 42 53 1 16 71 7 2 27 41 31 40 43 37 21 8 57 25 5 50 33 32 60 19 49 15 52 47 58 4 45 66 44 48 46 56 63
individu ke‐ 71 :
39 40 53 70 66 12 26 34 10 11 29 5 49 68 30 46 58 23 67 17 54 27 56 61 59 14 32 41 37 51 8 63 1 43 9 18 48 74 6 71 20 62 21 44 52 25 64 31 60 47 4 7 72 28 15 42 75 13 16 38 73 19 3 69 24 33 55 57 22 35 36 50 65 45 2
individu ke‐ 72 :
34 52 59 12 37 47 6 20 1 23 35 40 48 11 54 26 46 66 58 5 50 51 32 24 60 62 4 36 16 7 57 30 29 39 28 75 18 71 9 33 17 70 74 31 53 13 25 67 15 43 3 14 63 69 27 44 61 19 10 8 64 38 49 68 45 73 21 72 2 22 65 41 56 42 55
individu ke‐ 73 :
43 29 16 70 63 65 69 53 11 27 14 35 54 40 46 21 49 32 59 61 56 3 50 45 62 10 57 60 64 23 58 55 38 15 33 72 17 6 19 48 30 67 51 5 4 28 73 18 37 75 44 1 24 66 41 12 22 8 31 25 7 39 34 42 9 13 20 52 71 26 2 68 36 74 47
individu ke‐ 74 :
70 4 33 26 69 32 15 45 28 41 58 36 42 72 40 9 50 52 55 1 29 62 49 18 68 11 53 65 71 37 27 34 16 59 3 73 24 31 66 5 13 54 23 46 57 25 48 64 12 14 75 60 2 61 67 38 7 51 43 6 17 20 44 47 22 30 21 63 8 35 56 39 10 19 74
individu ke‐ 75 :
63 72 24 15 30 37 42 65 67 35 16 19 52 34 73 50 60 1 3 4 14 18 59 43 38 56 55 11 23 27 54 20 33 68 25 5 31 74 62 71 66 2 53 26 29 21 41 28 64 49 22 69 75 6 13 46 36 10 40 47 61 45 12 48 58 70 8 17 32 51 9 57 7 39 44
individu ke‐ 76 :
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 4 - 10
55 56 19 64 68 18 52 2 61 51 40 59 74 67 69 41 42 49 11 24 43 10 20 3 8 26 34 32 53 57 7 28 45 38 46 17 25 44 30 35 75 73 72 21 36 13 6 23 63 9 47 58 66 39 22 65 1 16 62 54 15 29 4 14 60 27 70 48 50 5 33 37 12 71 31
individu ke‐ 77 :
66 36 10 16 6 64 12 24 70 5 59 52 2 38 50 41 46 39 73 15 32 9 53 72 40 55 37 75 56 23 34 13 44 45 11 57 35 29 47 62 43 42 48 14 19 22 33 28 61 74 71 1 26 25 65 63 8 20 18 60 4 51 17 69 49 27 54 3 30 31 58 67 7 68 21
individu ke‐ 78 :
4 3 25 13 56 30 48 67 11 22 38 66 6 9 36 37 46 72 32 44 62 26 59 39 69 19 55 54 34 65 58 29 14 2 28 31 12 10 33 52 1 43 24 41 71 60 17 61 64 57 42 63 73 5 20 45 16 53 68 70 15 23 40 18 50 74 35 49 8 75 21 27 51 7 47
individu ke‐ 79 :
42 45 49 1 10 38 27 19 21 24 52 36 37 40 32 55 28 44 29 65 20 31 72 11 13 34 62 54 73 18 30 51 75 59 15 17 48 6 8 56 47 67 74 16 71 35 69 53 50 66 12 63 14 68 5 61 57 64 9 58 60 70 41 26 4 7 2 22 43 46 25 33 39 3 23
individu ke‐ 80 :
70 24 34 21 46 62 37 58 54 15 35 50 7 23 20 71 28 74 60 19 30 10 1 44 27 9 6 55 72 64 4 3 61 8 56 12 68 39 63 2 31 53 17 42 18 29 67 40 51 49 36 47 16 5 66 13 57 26 52 59 73 33 43 45 11 48 14 41 32 38 22 69 65 25 75
individu ke‐ 81 :
65 74 26 50 12 39 55 42 61 28 29 6 33 15 2 1 59 72 36 44 19 70 49 21 22 57 58 11 51 54 66 20 53 27 47 31 24 45 37 46 62 5 48 14 52 35 43 68 7 10 71 8 32 17 25 18 38 69 75 13 9 34 41 64 73 3 60 23 4 16 56 30 40 67 63
individu ke‐ 82 :
19 53 73 5 26 44 55 15 71 21 49 51 25 61 62 39 60 11 38 17 40 57 47 2 63 8 27 72 65 74 75 66 48 34 30 36 37 42 46 18 29 10 3 24 4 9 12 6 43 22 23 33 67 68 7 14 45 70 20 69 64 54 56 50 28 16 52 58 13 59 31 35 41 32 1
individu ke‐ 83 :
39 32 49 74 35 27 33 15 31 38 21 14 16 11 20 30 1 53 5 42 68 65 46 72 50 60 36 57 19 62 54 12 44 23 22 28 67 18 4 59 61 73 9 10 24 2 45 48 25 51 13 52 8 58 75 6 47 63 41 17 69 56 7 40 71 70 3 26 29 64 66 34 43 37 55
individu ke‐ 84 :
40 10 46 32 60 44 59 69 4 47 31 19 43 70 72 23 21 67 54 33 36 75 15 34 12 18 68 29 16 14 38 35 65 39 53 41 51 24 7 30 71 58 57 62 55 66 1 22 2 5 27 8 52 63 28 3 13 73 45 49 50 25 74 64 17 20 26 37 42 6 9 48 61 11 56
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 4 - 11
individu ke‐ 85 :
21 17 37 41 39 48 46 8 10 28 72 44 6 70 2 19 60 18 7 57 22 67 12 49 73 11 3 15 24 52 68 9 75 54 71 61 47 74 20 58 35 13 26 66 30 51 4 53 62 5 42 16 69 32 56 38 43 50 36 14 25 40 27 64 65 23 55 29 31 45 63 33 1 59 34
individu ke‐ 86 :
25 43 73 39 67 52 3 61 69 4 48 9 74 13 33 59 7 32 24 62 23 30 58 2 16 40 17 64 12 63 1 68 6 60 26 41 45 70 49 56 18 10 15 51 19 65 71 29 28 50 21 55 8 31 75 66 11 42 46 53 14 44 54 34 38 36 57 27 20 72 47 35 22 37 5
individu ke‐ 87 :
69 10 45 18 39 74 50 14 27 73 11 44 30 26 40 24 51 7 42 3 29 47 33 56 53 60 22 70 13 38 35 68 20 4 15 28 21 34 36 5 23 62 32 46 59 72 64 66 71 17 63 67 65 1 16 12 49 55 25 31 41 61 58 37 19 8 2 43 52 54 57 75 6 9 48
individu ke‐ 88 :
70 4 60 45 30 62 57 36 54 35 11 13 44 20 22 7 52 18 34 55 56 15 16 51 23 42 72 31 14 48 25 64 5 37 46 40 29 1 8 73 66 27 49 69 61 65 19 68 63 74 6 2 32 24 39 17 28 43 75 41 47 21 58 59 12 26 71 33 67 53 50 9 10 3 38
individu ke‐ 89 :
6 32 47 12 44 19 5 60 2 15 69 67 58 14 42 1 63 65 18 28 11 68 13 64 17 29 26 54 4 20 66 70 37 41 21 16 24 33 39 55 73 45 30 57 23 50 22 8 48 10 56 62 36 46 7 25 31 53 43 9 74 52 38 27 49 59 40 61 34 72 75 51 35 3 71
individu ke‐ 90 :
62 11 25 15 70 36 33 46 51 58 45 17 52 74 42 26 69 9 67 49 71 41 57 23 6 53 35 13 60 19 37 65 16 7 50 72 28 5 10 18 39 68 44 32 34 1 14 2 61 63 31 66 55 21 54 20 30 59 73 27 75 40 47 38 8 64 12 29 3 22 24 56 43 48 4
individu ke‐ 91 :
63 68 9 10 22 24 35 73 13 28 56 27 61 41 5 31 47 11 48 75 3 6 25 1 12 26 18 72 30 40 62 59 7 4 44 54 21 65 50 23 17 34 66 2 38 39 69 70 60 33 37 46 58 14 20 29 19 64 16 49 42 15 36 57 67 71 52 51 53 43 55 8 45 74 32
individu ke‐ 92 :
40 42 31 6 11 71 39 38 15 12 34 16 30 33 26 50 28 5 1 37 54 52 46 64 69 19 2 7 72 74 45 55 48 29 56 57 25 47 10 61 70 4 59 73 14 18 21 49 51 75 24 23 27 68 65 67 36 35 17 44 53 66 13 62 8 9 32 41 58 60 22 43 20 3 63
individu ke‐ 93 :
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 4 - 12
13 75 30 38 64 33 31 10 45 6 21 3 17 50 44 70 27 28 59 11 47 60 18 25 42 74 20 23 65 69 36 7 34 19 63 15 41 46 32 26 39 68 52 58 9 49 37 61 24 51 4 53 12 35 71 62 22 1 29 5 57 73 16 55 14 67 43 66 8 40 48 56 72 54 2
individu ke‐ 94 :
28 54 26 46 19 30 5 16 64 1 35 67 69 2 65 15 31 13 18 41 27 14 59 10 9 33 3 53 60 43 42 40 11 44 8 38 23 20 45 32 61 72 36 71 55 75 56 74 70 57 73 6 52 63 24 17 7 21 4 47 22 51 25 62 34 58 12 48 66 39 29 68 50 37 49
individu ke‐ 95 :
39 65 18 49 63 33 11 27 73 26 71 66 16 59 67 14 52 58 54 17 75 31 41 46 55 62 19 22 30 38 15 3 36 5 37 69 53 42 2 9 44 47 61 72 6 29 32 56 64 24 34 51 50 21 12 20 28 57 10 70 60 40 7 23 68 48 8 1 74 13 4 35 45 25 43
individu ke‐ 96 :
66 65 51 12 35 59 64 71 60 15 70 46 2 18 8 21 55 43 17 33 74 28 75 41 61 52 14 56 38 54 37 22 30 5 63 9 50 16 24 7 26 39 58 23 36 47 45 49 40 19 48 1 13 73 20 57 31 72 10 11 29 25 68 3 34 69 27 32 4 67 53 6 42 44 62
individu ke‐ 97 :
45 19 50 43 11 13 7 30 44 46 3 67 73 10 64 6 51 22 14 39 57 72 18 41 38 32 59 21 31 17 25 71 68 27 56 69 24 63 37 9 1 23 33 53 26 66 12 65 75 5 61 47 42 62 8 16 28 55 36 48 70 40 74 35 60 4 52 29 20 15 54 34 49 2 58
individu ke‐ 98 :
71 48 63 62 27 64 12 24 28 75 33 13 43 9 3 44 22 61 72 50 49 36 1 34 35 2 25 20 32 10 70 4 31 52 16 45 38 74 19 69 7 68 30 58 15 18 73 29 14 67 51 41 60 66 5 23 39 56 26 46 57 37 55 11 40 53 8 17 65 42 59 6 21 47 54
individu ke‐ 99 :
10 31 55 64 67 23 68 18 70 48 11 52 25 3 15 39 61 34 44 62 72 9 63 33 57 20 38 59 4 49 42 69 16 43 24 50 1 75 71 36 13 40 65 5 58 27 54 22 32 46 8 41 51 60 2 45 7 37 47 66 30 73 74 17 6 35 26 14 53 56 29 12 19 21 28
individu ke‐ 100 :
17 32 54 5 3 9 1 20 62 4 35 53 27 8 42 71 34 38 29 66 44 69 33 74 25 64 2 41 57 10 37 65 49 30 31 6 47 70 15 73 13 72 67 55 68 7 16 45 58 52 59 50 63 14 39 61 75 40 56 21 28 24 18 19 60 11 22 43 26 46 12 36 23 48 51
Variasi Bentuk Yang Dipilih Data Kucing Awal :
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 4 - 13
individu ke‐ 1 :
4 4 2 5 4 3 5 4 2 1 1 5 1 3 2 1 2 2 5 1 5 3 3 3 4 2 4 2 3 4 1 5 3 2 2 1 4 4 2 3 5 5 3 1 1 4 5 5 4 2 5 2 3 5 4 1 4 2 3 5 3 5 4 4 3 5 2 1 5 2 5 5 4 2 2
individu ke‐ 2 :
5 3 2 3 1 5 3 4 3 3 4 5 1 5 5 2 3 3 5 3 3 5 1 5 4 4 3 1 2 2 3 4 2 1 2 4 3 1 1 4 2 5 5 5 1 1 3 4 5 1 4 4 1 5 2 4 2 5 1 3 2 3 4 3 5 1 2 3 5 3 3 4 4 4 5
individu ke‐ 3 :
2 2 4 2 5 5 5 5 2 1 1 5 2 3 4 1 4 2 2 2 4 2 5 3 2 5 3 1 1 1 3 4 5 1 5 3 4 1 3 4 1 5 1 3 5 5 4 5 5 3 1 2 3 5 4 2 3 2 3 1 4 5 4 2 3 5 1 5 5 4 4 4 1 4 5
individu ke‐ 4 :
5 2 4 3 3 5 1 5 2 2 5 2 3 2 3 4 5 1 2 5 1 3 2 1 1 2 5 5 2 5 2 5 1 2 4 5 2 4 1 2 3 5 4 4 4 5 3 1 5 2 4 5 2 2 2 3 5 4 2 2 3 5 2 2 5 5 4 5 5 4 1 5 2 1 5
individu ke‐ 5 :
1 3 1 3 2 1 2 5 5 2 4 2 3 4 2 2 2 2 2 5 2 3 2 4 5 3 4 4 3 4 5 3 5 3 2 5 4 3 5 3 3 4 4 2 3 3 1 4 3 3 2 5 4 1 1 4 2 4 3 3 4 2 3 4 1 2 5 5 1 4 5 4 1 3 2
individu ke‐ 6 :
5 3 5 1 3 1 1 3 1 4 4 1 5 3 3 2 5 5 3 3 5 1 5 4 3 2 4 2 5 4 3 5 2 2 3 5 5 2 4 5 4 3 1 1 5 2 1 3 4 3 3 4 5 4 2 2 3 4 1 2 5 3 3 3 3 4 4 3 2 3 3 1 3 3 1
individu ke‐ 7 :
5 5 1 5 3 3 5 1 2 1 4 3 4 3 2 2 2 2 4 1 5 5 2 2 3 5 1 5 1 3 2 2 3 5 5 1 1 3 4 4 4 1 3 3 2 4 2 2 4 3 3 3 5 1 2 2 3 2 1 1 5 2 4 5 3 4 1 5 2 3 2 3 4 2 5
individu ke‐ 8 :
3 5 3 5 4 5 4 1 2 5 1 3 5 3 5 2 5 5 4 4 1 5 1 5 3 5 5 3 3 5 3 4 1 3 5 5 2 5 2 2 5 4 2 3 4 4 4 5 2 1 2 2 3 2 4 5 5 1 5 3 1 2 3 5 2 2 4 3 1 4 2 4 3 3 2
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 4 - 14
individu ke‐ 9 :
2 5 1 3 3 1 2 4 3 2 3 1 4 3 3 3 4 5 2 4 5 4 1 5 4 4 2 2 3 2 1 5 1 2 5 5 4 1 2 5 3 2 1 3 2 4 1 5 2 2 2 3 5 5 4 5 3 5 3 3 5 4 5 1 5 5 5 2 3 2 4 3 2 2 2
individu ke‐ 10 :
3 2 2 2 1 4 3 2 5 4 1 4 5 5 2 2 1 5 3 5 1 2 1 5 1 3 1 2 1 5 2 1 5 1 1 3 1 5 2 3 3 2 4 4 3 2 3 5 1 4 3 5 5 4 3 2 4 1 5 4 5 2 4 3 2 3 3 1 5 3 1 2 5 5 3
individu ke‐ 11 :
2 1 4 1 1 1 2 2 1 4 1 2 2 1 5 4 2 5 1 5 3 4 3 5 5 1 3 2 1 5 1 2 5 2 5 3 1 2 3 3 1 3 1 2 1 4 2 2 4 1 5 1 1 4 5 5 4 5 1 5 5 1 1 4 5 1 4 4 3 4 3 5 5 1 2
individu ke‐ 12 :
5 2 1 1 2 3 4 1 4 4 1 1 3 2 2 5 2 4 4 1 2 5 1 5 4 2 1 5 4 5 2 2 1 4 4 1 1 2 2 2 4 3 3 2 4 4 3 4 4 1 1 4 5 3 2 3 3 4 5 3 3 3 2 5 5 2 5 4 5 2 1 2 1 3 4
individu ke‐ 13 :
5 3 5 5 5 4 1 2 1 2 3 3 1 1 1 3 3 5 2 1 3 1 1 1 3 1 3 4 4 1 4 3 1 3 5 4 2 3 5 2 2 2 2 3 4 2 1 2 2 1 5 2 4 5 4 1 3 1 1 1 5 4 4 5 4 4 4 2 3 3 3 3 2 3 5
individu ke‐ 14 :
5 2 3 1 2 2 2 5 4 1 2 4 5 1 3 5 2 5 3 4 2 3 3 4 2 4 4 3 3 2 1 1 2 1 3 1 1 3 3 5 5 4 2 3 5 3 1 4 2 4 1 5 4 5 5 2 2 4 3 2 4 3 2 5 2 4 2 4 1 2 1 1 5 2 2
individu ke‐ 15 :
3 4 5 5 2 3 4 3 4 1 2 4 2 5 5 1 1 4 5 4 5 2 1 5 5 4 4 2 1 5 5 2 4 2 1 3 1 1 4 1 4 1 5 1 5 3 2 3 2 5 3 3 1 4 4 2 3 4 1 2 2 3 3 3 5 5 2 4 4 5 2 5 2 3 2
individu ke‐ 16 :
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 4 - 15
5 4 1 5 2 3 3 3 2 1 2 5 5 3 3 1 2 3 1 2 5 2 5 2 3 1 1 2 4 5 4 3 5 1 3 2 2 2 3 1 3 1 2 1 4 4 2 4 4 2 4 4 1 3 3 2 4 3 2 2 3 2 2 2 3 1 5 4 1 5 3 3 4 5 5
individu ke‐ 17 :
4 1 2 3 4 2 2 2 5 5 5 1 5 5 2 1 4 3 4 2 2 1 5 3 2 5 4 4 4 1 5 3 5 4 2 1 2 2 5 5 4 2 1 4 3 5 5 1 3 2 3 1 5 5 3 4 2 3 2 3 3 3 2 4 4 2 2 1 4 1 4 3 3 5 4
individu ke‐ 18 :
2 2 5 4 4 4 4 5 4 5 4 1 1 5 1 2 2 1 3 1 2 4 2 4 5 3 4 3 4 5 5 3 4 3 2 1 5 2 4 4 2 3 3 5 1 1 4 2 1 2 1 1 4 4 4 3 1 4 3 4 2 4 4 1 1 5 5 3 3 4 2 2 4 4 2
individu ke‐ 19 :
3 2 4 5 2 4 4 5 5 4 2 3 1 2 4 5 3 1 3 1 4 5 5 1 4 1 4 4 3 1 3 2 4 2 5 5 1 2 5 3 3 2 3 5 5 4 2 1 5 1 4 4 5 4 4 1 2 4 1 4 4 2 3 2 2 3 4 5 2 1 3 3 1 4 1
individu ke‐ 20 :
4 5 3 1 1 3 2 1 4 1 4 1 1 4 3 2 1 4 3 5 2 2 4 5 5 3 5 1 5 2 5 4 4 3 2 2 3 2 2 4 5 5 1 1 1 1 1 2 1 3 5 5 2 4 2 3 2 5 5 5 1 3 5 2 1 5 1 4 1 5 4 4 4 1 5
individu ke‐ 21 :
4 5 5 5 4 5 3 2 2 2 5 1 2 2 5 5 4 1 5 3 5 2 1 1 3 5 2 5 2 5 2 5 2 3 1 2 4 5 2 1 5 4 2 2 2 3 1 2 4 5 3 2 3 4 3 1 1 2 4 3 3 2 5 4 2 3 4 1 3 5 5 1 5 2 3
individu ke‐ 22 :
2 2 3 1 3 2 4 3 4 4 5 4 4 1 1 5 2 4 2 5 4 2 1 2 1 4 4 4 5 4 2 3 5 5 1 3 2 2 4 1 3 1 3 5 5 4 1 5 4 3 4 5 2 5 1 3 3 3 4 1 5 5 4 2 1 4 4 1 1 5 5 5 5 1 5
individu ke‐ 23 :
2 4 1 1 5 5 4 4 4 2 2 4 5 2 3 2 2 5 1 3 2 4 3 3 5 2 4 2 1 2 3 1 4 4 4 2 4 1 3 2 3 5 2 1 2 2 1 2 3 4 1 5 4 4 5 5 3 4 3 2 3 4 3 5 5 2 3 3 4 2 5 4 2 2 3
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 4 - 16
individu ke‐ 24 :
3 3 4 5 2 4 2 5 4 1 5 2 4 5 2 3 3 1 4 1 2 5 4 3 2 5 3 2 1 1 4 4 5 3 3 1 4 3 1 2 2 2 1 4 1 5 2 1 1 1 4 1 4 3 4 2 4 3 2 3 4 2 4 3 2 2 5 4 4 2 5 3 4 1 3
individu ke‐ 25 :
3 3 5 5 4 2 3 4 2 2 4 3 5 3 2 4 3 3 2 5 2 2 2 3 2 5 2 4 4 2 4 1 2 4 1 5 3 1 3 1 5 4 5 5 4 2 2 2 5 1 3 4 1 2 4 5 4 5 5 3 5 2 4 5 2 5 1 5 1 5 2 3 5 1 2
individu ke‐ 26 :
4 2 2 5 5 1 1 2 2 4 4 4 4 5 2 2 2 1 4 5 4 3 3 5 2 2 3 1 1 1 3 1 2 5 3 5 1 1 1 4 4 3 2 1 4 4 1 3 1 5 3 3 2 4 3 5 2 5 5 2 3 4 3 3 4 5 1 2 5 1 1 5 5 1 5
individu ke‐ 27 :
1 2 3 5 3 4 2 5 4 2 1 2 2 3 1 1 4 2 3 5 3 2 1 5 2 4 2 2 5 4 5 1 5 5 4 1 5 2 5 5 3 1 4 2 3 2 3 4 1 3 5 2 3 5 1 1 4 5 5 4 4 2 3 1 1 3 2 4 4 1 5 4 5 4 4
individu ke‐ 28 :
2 4 2 3 1 3 2 2 1 5 5 2 4 1 4 5 1 5 2 3 3 4 1 1 3 2 3 3 2 4 1 5 4 1 3 4 5 2 5 5 3 3 4 2 4 4 3 2 4 4 2 2 4 1 5 4 4 1 1 2 4 4 1 2 4 1 4 5 3 2 1 4 1 5 2
individu ke‐ 29 :
3 3 3 4 1 1 1 1 5 3 2 2 5 3 5 3 3 3 5 2 3 5 3 2 2 5 2 2 3 1 3 3 2 4 4 4 3 4 3 2 5 5 4 2 4 3 4 5 3 4 1 1 4 4 3 4 3 3 2 4 3 2 5 4 4 2 3 3 5 5 5 4 2 3 1
individu ke‐ 30 :
3 3 3 4 3 4 4 1 1 5 4 3 5 4 4 1 5 2 2 2 5 3 4 3 4 1 2 5 5 2 1 4 5 2 3 2 3 2 5 3 1 4 1 2 2 4 2 4 4 1 3 5 1 5 4 4 4 1 1 1 1 1 3 3 1 4 4 2 5 1 5 4 4 3 1
individu ke‐ 31 :
5 2 4 3 1 2 4 4 5 5 2 1 3 1 2 4 1 4 3 2 2 5 5 1 1 4 1 2 3 4 2 1 3 2 2 2 1 5 4 2 3 1 2 4 5 1 5 5 3 2 2 1 3 5 2 3 4 2 4 2 5 1 5 2 4 2 4 1 4 2 2 2 2 4 4
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 4 - 17
individu ke‐ 32 :
2 4 5 2 1 4 2 3 2 2 5 2 5 2 4 3 3 4 1 4 2 4 1 3 3 1 1 5 5 3 5 1 1 3 2 1 5 3 5 5 4 4 1 2 4 3 2 4 2 1 1 2 5 3 2 4 1 4 3 3 5 1 5 3 1 2 5 4 3 4 4 3 2 2 5
individu ke‐ 33 :
1 4 4 5 1 2 3 1 1 4 4 4 3 2 3 4 5 2 3 1 3 2 3 2 3 5 3 5 5 2 4 1 5 2 5 3 5 1 4 4 1 4 5 2 3 4 3 2 5 1 4 2 1 5 1 3 5 2 4 2 5 3 1 1 4 4 5 1 5 5 2 4 4 4 5
individu ke‐ 34 :
4 1 5 2 1 4 5 3 3 3 1 1 1 5 4 5 2 4 4 4 4 2 5 3 2 4 5 4 1 5 2 5 5 1 4 2 1 3 4 1 1 4 5 5 2 1 1 1 4 2 4 2 5 5 2 3 5 2 2 5 3 2 2 1 4 4 2 1 4 3 5 3 5 1 1
individu ke‐ 35 :
1 5 3 2 1 1 4 2 2 4 2 2 4 1 2 3 1 3 1 3 1 1 4 5 2 1 5 4 4 2 1 3 5 5 5 1 5 3 5 2 3 4 4 4 2 2 3 5 2 4 1 4 2 4 3 5 5 3 4 3 3 2 2 2 3 4 3 4 5 1 1 4 3 4 2
individu ke‐ 36 :
2 4 2 3 2 5 5 5 1 3 5 3 4 4 5 2 4 5 5 3 4 5 4 4 4 5 3 2 1 1 2 4 3 4 1 4 3 2 1 1 4 3 3 1 4 5 2 1 5 3 4 3 3 5 1 3 5 2 5 5 2 3 5 1 2 5 5 2 3 1 4 4 2 3 3
individu ke‐ 37 :
4 4 5 1 5 3 1 1 1 1 5 3 3 2 5 1 2 3 5 5 3 4 5 3 4 5 4 4 4 2 1 5 5 1 4 2 1 3 5 2 1 1 4 4 1 3 3 4 4 2 1 5 5 3 4 4 4 3 4 3 4 3 2 1 1 3 4 1 5 4 5 2 1 3 5
individu ke‐ 38 :
5 3 4 1 1 2 4 1 3 3 5 4 2 4 4 5 3 2 5 4 4 2 2 4 4 5 3 2 3 1 4 5 1 2 4 5 1 3 5 3 1 1 4 1 1 1 5 3 4 4 1 5 5 2 1 1 2 1 3 2 1 2 1 3 2 3 5 1 5 5 5 1 5 5 4
individu ke‐ 39 :
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 4 - 18
5 1 3 2 4 5 5 3 4 2 3 4 5 2 1 5 3 3 3 3 4 3 4 3 5 2 3 4 5 4 2 1 3 2 1 5 3 2 5 1 2 2 3 3 3 4 1 2 2 5 4 3 1 2 2 4 4 5 5 1 5 5 2 2 4 1 4 4 4 4 1 3 3 5 4
individu ke‐ 40 :
1 2 3 4 1 4 5 4 2 3 4 3 3 2 1 4 3 5 2 1 3 3 3 2 4 3 3 5 2 2 2 4 4 5 2 3 4 4 5 1 2 3 5 3 3 3 1 5 2 2 1 4 3 5 5 2 1 3 4 4 5 2 1 4 1 2 4 2 3 3 2 2 3 3 2
individu ke‐ 41 :
1 4 2 2 2 5 3 5 4 1 4 4 3 1 4 5 2 1 5 3 1 2 4 4 5 1 3 4 4 5 4 5 4 5 5 2 4 2 3 3 2 2 3 5 5 5 2 5 4 1 4 5 1 1 4 1 3 4 3 2 5 5 4 1 4 3 1 3 5 5 4 3 5 4 4
individu ke‐ 42 :
1 5 5 5 2 5 4 1 5 5 5 2 2 1 2 3 4 1 1 1 1 2 2 3 1 5 3 1 4 3 1 1 4 3 5 5 4 1 5 1 2 3 3 4 2 2 2 4 2 2 2 3 3 3 2 1 5 3 5 5 3 4 4 1 2 2 3 1 1 3 3 1 3 5 5
individu ke‐ 43 :
4 3 2 2 4 3 5 5 1 1 1 1 5 5 1 4 5 4 1 3 4 1 3 1 5 1 1 4 5 5 3 4 2 4 4 3 4 4 5 4 4 5 5 4 3 5 5 1 1 1 3 1 5 4 3 1 5 1 5 4 3 3 3 5 4 4 4 4 2 1 3 2 4 2 4
individu ke‐ 44 :
3 3 3 2 3 1 2 5 4 1 1 2 4 2 4 4 3 1 5 4 2 1 5 2 2 1 1 1 4 2 1 3 2 5 1 2 2 2 5 5 3 3 3 5 1 3 4 2 1 2 5 5 2 2 4 3 4 2 4 3 5 5 4 5 5 2 5 4 3 1 1 3 5 4 2
individu ke‐ 45 :
1 1 5 3 1 5 3 1 4 3 2 4 4 4 2 2 2 3 2 1 4 1 3 4 2 3 4 1 5 2 5 1 2 1 5 5 2 1 2 5 1 3 3 2 2 1 2 5 5 5 2 1 1 3 3 4 4 4 1 3 2 1 3 2 2 5 5 4 4 5 3 5 5 2 1
individu ke‐ 46 :
3 2 4 1 4 1 4 3 1 1 4 4 5 4 1 1 5 5 3 1 4 5 5 1 5 4 1 3 3 4 2 4 4 5 2 2 2 1 3 1 1 3 3 5 5 5 1 1 3 1 5 4 3 5 4 1 3 5 1 2 4 2 5 4 4 1 3 4 4 1 5 3 2 3 5
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 4 - 19
individu ke‐ 47 :
1 5 1 1 1 5 3 4 4 1 1 1 3 2 3 5 3 1 5 5 3 4 1 4 2 1 3 4 1 3 3 3 4 4 2 2 5 3 2 3 3 2 3 3 2 3 5 3 3 2 5 4 4 5 1 2 5 1 4 4 5 5 3 3 3 4 1 4 4 5 2 5 1 5 4
individu ke‐ 48 :
2 1 4 4 5 1 1 3 2 2 5 2 5 5 1 4 5 5 4 1 5 2 3 2 5 5 2 3 3 5 1 3 3 3 5 5 5 2 2 3 2 5 4 4 5 3 1 4 3 4 4 2 1 5 4 5 4 4 3 1 1 1 5 1 2 3 2 2 5 5 3 3 1 4 4
individu ke‐ 49 :
2 3 2 3 4 3 4 5 4 2 5 3 3 3 1 2 2 2 5 1 1 1 5 3 5 3 3 3 4 2 4 2 1 5 2 3 2 4 5 2 4 3 3 1 1 2 3 3 2 1 1 3 2 3 4 1 2 1 1 3 1 3 2 1 4 3 2 4 2 2 5 3 2 4 4
individu ke‐ 50 :
3 5 1 2 2 2 1 4 4 2 4 1 2 2 4 2 2 5 5 1 5 4 2 3 5 4 2 4 2 5 2 2 5 5 4 3 5 2 5 4 3 5 4 1 5 5 1 3 2 5 4 1 3 4 4 3 3 4 3 4 3 5 3 3 2 2 1 4 3 5 4 5 4 2 2
individu ke‐ 51 :
4 5 3 4 1 1 3 1 5 1 1 3 5 2 2 2 1 2 2 1 3 4 4 1 1 5 2 1 4 3 5 4 5 3 3 1 5 2 2 3 5 5 3 5 1 1 4 2 4 2 1 1 3 2 1 5 2 1 1 5 2 2 3 2 5 5 2 4 1 3 4 1 4 2 2
individu ke‐ 52 :
4 2 1 4 2 3 3 4 4 3 5 2 1 3 4 4 3 1 3 5 5 2 1 5 1 4 3 2 3 3 2 1 4 2 5 4 5 1 5 5 2 1 2 1 3 4 5 4 3 5 2 5 2 4 3 5 4 5 4 5 1 3 4 1 5 2 4 4 1 2 4 4 3 4 4
individu ke‐ 53 :
1 1 4 4 1 1 4 3 2 5 1 3 2 4 4 4 3 3 5 1 5 2 3 4 4 2 2 1 2 1 3 3 3 2 1 4 2 3 4 4 4 1 3 2 3 4 1 3 5 4 2 3 5 2 5 1 4 4 2 4 2 3 3 4 3 3 5 2 5 2 2 2 2 1 5
individu ke‐ 54 :
3 3 5 1 1 5 1 3 4 5 5 5 5 2 3 5 2 4 1 1 2 1 3 2 3 3 1 2 2 5 1 3 1 5 1 3 5 1 1 4 1 1 2 4 4 5 2 3 2 3 5 2 2 2 4 2 3 4 5 3 2 2 5 3 5 3 3 5 2 1 4 1 5 5 5
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 4 - 20
individu ke‐ 55 :
4 1 2 2 2 4 1 1 5 1 3 1 1 5 1 3 3 3 4 3 3 2 2 1 4 4 5 3 5 3 5 3 4 4 4 1 1 1 5 5 4 1 5 5 3 1 5 4 3 5 4 3 3 3 3 1 2 2 4 4 3 5 1 1 1 1 1 2 3 2 1 4 2 3 3
individu ke‐ 56 :
2 3 4 2 2 5 2 1 2 1 1 1 4 3 5 2 4 1 2 3 5 4 5 3 3 5 4 3 4 2 4 1 5 3 2 3 3 2 1 5 3 1 1 3 4 3 2 2 4 4 1 3 1 3 4 4 3 5 5 5 1 3 5 2 2 2 5 5 4 3 4 4 3 2 1
individu ke‐ 57 :
2 5 1 5 2 2 2 5 2 2 3 2 2 1 2 1 5 2 3 5 3 5 3 5 2 5 2 1 2 1 4 4 5 2 1 3 2 1 3 2 2 5 2 5 3 5 5 3 1 1 1 2 2 5 2 1 5 5 2 1 3 4 4 2 5 2 4 1 3 4 3 5 3 4 4
individu ke‐ 58 :
5 4 1 3 5 4 3 4 3 4 2 5 4 3 4 2 3 1 2 2 2 2 2 2 2 2 5 3 5 5 4 1 1 3 2 1 3 1 2 1 3 4 5 1 2 5 2 5 3 1 2 3 3 4 4 1 4 3 4 5 3 5 4 2 3 4 5 2 4 1 1 4 1 3 3
individu ke‐ 59 :
1 1 1 5 5 3 5 5 2 4 2 1 3 2 3 2 2 1 3 5 2 1 4 1 2 4 1 3 3 3 2 3 2 5 4 4 1 3 4 2 5 1 5 2 4 2 3 4 3 3 3 3 5 4 1 3 3 4 4 2 4 3 1 5 3 3 3 4 4 5 1 4 3 4 1
individu ke‐ 60 :
3 2 1 5 1 5 1 1 2 2 4 2 1 5 1 3 4 2 4 5 1 3 5 1 5 2 2 2 1 3 2 2 3 4 4 4 4 5 5 5 2 5 2 1 4 2 2 3 4 2 5 1 1 4 3 1 2 5 4 2 2 1 3 3 1 4 1 4 3 3 4 4 2 1 5
individu ke‐ 61 :
5 5 2 4 4 3 1 3 1 1 3 5 5 1 1 5 3 4 4 5 2 3 3 2 3 3 4 4 1 4 5 1 2 5 1 4 3 1 4 4 4 2 5 4 5 3 4 5 1 4 2 4 3 2 1 2 1 1 4 4 3 1 3 3 5 5 5 1 2 2 5 3 1 2 4
individu ke‐ 62 :
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 4 - 21
4 4 2 3 1 4 4 2 5 1 2 3 5 3 5 3 5 4 5 2 5 3 3 3 4 1 2 5 4 5 4 4 2 2 5 2 4 3 3 4 1 1 4 3 3 4 1 2 3 2 4 2 4 5 4 1 5 2 4 5 5 3 4 2 3 2 2 3 4 4 4 3 4 1 3
individu ke‐ 63 :
4 3 3 4 2 1 4 4 2 2 2 3 1 1 1 4 2 2 5 1 5 2 4 1 3 3 1 2 4 1 3 3 3 4 5 3 4 3 4 3 1 4 3 4 2 4 4 4 1 4 3 3 4 1 1 4 4 5 5 2 5 5 1 4 2 2 5 3 4 1 2 5 4 4 5
individu ke‐ 64 :
2 3 3 1 4 1 2 5 5 1 3 5 3 3 2 1 3 3 1 5 2 3 1 2 2 5 2 4 2 1 2 2 3 1 1 2 1 4 3 2 2 3 4 4 3 1 2 4 1 2 5 5 1 3 1 3 5 4 3 3 3 3 3 5 5 3 3 1 2 5 4 2 5 2 1
individu ke‐ 65 :
3 2 4 1 2 4 4 5 3 1 3 1 1 4 2 3 3 4 3 3 2 2 3 3 3 1 3 1 4 4 1 3 4 4 5 3 2 2 4 3 2 5 1 1 3 2 5 3 2 2 3 1 1 5 5 4 2 2 2 1 2 2 4 3 1 4 4 4 4 3 2 5 5 4 4
individu ke‐ 66 :
3 3 5 3 4 3 4 1 3 1 3 2 1 4 4 2 2 2 4 2 1 1 3 1 1 2 4 3 4 3 4 3 5 2 5 3 2 2 3 3 5 5 2 3 5 5 2 3 5 1 4 3 1 4 1 2 2 1 4 4 2 3 2 2 4 3 1 2 5 1 2 4 4 4 3
individu ke‐ 67 :
2 5 1 2 1 4 3 4 2 2 3 5 3 1 3 5 3 5 2 5 3 5 4 5 3 5 1 1 4 1 4 2 3 5 3 1 3 2 1 5 1 3 4 3 2 3 3 4 3 3 3 5 5 1 1 1 3 5 4 1 3 5 4 2 5 4 1 1 3 5 4 2 2 1 4
individu ke‐ 68 :
1 2 2 1 2 4 3 3 1 2 1 2 3 3 5 1 1 1 3 3 2 3 4 1 3 2 1 2 3 3 2 3 3 5 1 4 2 1 3 1 2 3 3 3 4 2 5 1 3 5 1 4 2 2 5 3 2 5 5 1 4 1 2 3 3 1 2 3 4 3 1 4 1 2 5
individu ke‐ 69 :
5 2 2 2 3 5 5 2 4 5 1 4 1 4 3 1 3 3 5 4 5 3 4 2 5 4 3 2 3 5 1 5 3 4 2 3 4 5 3 4 3 1 5 4 2 4 5 4 5 2 2 5 5 1 2 4 4 1 5 1 5 3 1 1 5 3 3 1 1 3 4 3 2 4 1
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 4 - 22
individu ke‐ 70 :
5 1 3 2 3 4 4 1 5 3 4 1 1 4 4 1 5 5 2 4 5 4 5 3 1 5 3 5 2 1 4 2 2 5 2 1 2 1 2 5 4 2 3 1 2 3 5 2 4 5 5 3 4 2 2 5 5 2 2 3 3 1 1 3 1 2 2 1 3 2 2 1 1 2 3
individu ke‐ 71 :
5 5 5 2 3 2 2 1 2 1 3 4 3 4 3 1 5 4 5 3 3 4 4 5 1 3 4 5 4 1 1 1 4 5 5 1 4 5 4 2 1 2 4 2 2 2 5 5 1 2 3 4 2 3 2 1 1 2 4 3 3 4 3 4 3 5 4 2 2 4 1 3 3 4 4
individu ke‐ 72 :
4 3 2 1 5 1 5 3 5 5 2 5 1 3 3 3 3 4 5 4 5 4 5 2 1 5 4 1 5 5 5 2 1 4 2 5 5 4 3 5 4 5 4 1 4 5 5 5 2 2 1 2 5 5 2 2 2 3 5 4 1 5 5 3 2 5 2 2 3 1 3 1 4 5 1
individu ke‐ 73 :
5 2 3 2 3 5 2 4 1 3 2 4 4 5 1 4 5 2 4 4 3 4 3 5 1 4 1 4 3 2 3 2 1 5 4 3 1 4 2 3 2 5 5 1 2 1 1 1 5 5 4 1 3 3 3 2 5 2 1 5 3 3 5 3 1 1 4 1 4 5 1 4 3 4 2
individu ke‐ 74 :
4 5 5 4 4 2 4 2 3 2 1 2 2 4 3 1 3 4 2 3 5 5 5 1 3 5 3 3 1 5 5 4 2 2 2 3 5 1 1 5 2 5 2 4 4 2 2 1 1 2 2 3 1 5 4 5 4 5 1 5 4 4 5 4 1 3 3 5 2 3 3 2 3 3 2
individu ke‐ 75 :
2 1 4 4 1 5 2 2 1 1 1 1 5 2 2 4 2 5 3 4 5 1 3 1 4 2 3 1 3 3 1 5 5 3 1 2 4 2 2 3 3 2 5 3 3 4 3 4 4 4 2 1 3 3 1 4 3 4 3 5 3 3 5 4 4 3 4 3 3 5 4 1 3 4 2
individu ke‐ 76 :
1 1 2 2 4 5 5 4 4 4 3 3 4 5 2 5 2 4 5 2 2 1 2 2 2 4 4 3 3 4 2 2 3 3 5 1 3 1 3 2 1 4 2 3 3 5 3 4 4 1 1 2 4 3 3 2 2 4 2 2 2 1 4 3 2 5 1 2 5 5 5 4 1 1 4
individu ke‐ 77 :
2 4 1 4 5 2 4 2 1 2 5 3 5 2 4 1 2 1 3 4 5 3 1 3 5 5 3 2 3 4 1 1 2 2 1 1 2 1 2 1 4 1 5 4 3 4 3 5 1 2 1 5 2 3 3 2 2 1 3 5 1 1 1 3 3 5 1 4 4 5 5 4 2 4 3
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 4 - 23
individu ke‐ 78 :
3 5 3 1 1 2 2 4 2 2 1 2 1 2 2 1 3 2 5 3 3 1 5 3 2 3 5 4 4 3 4 3 1 1 1 5 2 4 1 1 5 4 1 4 4 1 2 3 1 1 4 4 3 2 3 1 3 1 4 4 5 1 3 5 3 1 2 5 1 4 3 2 4 5 5
individu ke‐ 79 :
1 2 1 4 4 3 2 2 3 3 5 3 1 3 3 1 5 4 4 4 3 3 4 1 5 4 2 1 3 4 5 5 2 3 5 1 3 1 4 2 2 2 4 3 5 4 1 3 1 2 2 4 3 4 5 2 2 5 2 2 3 3 4 2 4 3 1 4 3 5 2 1 1 3 2
individu ke‐ 80 :
1 5 2 3 2 5 4 4 4 2 2 5 1 5 4 4 1 4 4 3 5 5 3 3 4 2 1 3 1 5 5 2 3 3 4 3 4 3 1 3 4 3 2 3 4 1 1 4 2 1 2 1 2 2 5 2 2 2 3 1 4 4 2 4 2 4 4 2 3 5 4 5 5 3 2
individu ke‐ 81 :
1 2 4 1 5 1 2 1 5 2 2 4 5 5 3 1 1 3 5 1 5 4 2 2 3 4 1 4 4 4 3 1 2 5 5 2 1 1 5 5 3 3 3 4 2 1 1 3 3 4 1 2 4 3 2 3 5 3 3 1 3 5 4 5 4 1 5 1 4 5 5 3 1 1 1
individu ke‐ 82 :
4 3 4 4 1 1 4 2 3 1 5 5 5 3 3 4 4 3 4 3 1 4 1 3 4 3 4 4 3 3 2 5 1 4 1 5 1 4 1 3 4 4 5 2 5 5 4 2 3 2 5 4 2 4 4 1 5 2 3 5 1 5 3 5 1 5 4 1 4 4 5 3 3 2 5
individu ke‐ 83 :
3 2 3 3 1 5 5 2 3 1 4 4 5 3 2 5 4 3 1 3 5 1 4 1 3 4 2 2 5 3 3 2 4 4 1 2 5 3 4 2 2 5 1 3 5 2 1 2 1 3 1 3 2 2 1 5 4 2 3 2 2 5 3 1 3 4 3 5 4 4 2 2 2 2 1
individu ke‐ 84 :
5 4 1 4 4 3 3 1 5 5 1 2 1 1 5 1 3 5 3 2 1 3 4 5 1 4 3 4 1 2 3 4 4 5 2 1 1 2 2 3 5 4 2 3 1 5 3 1 1 2 3 3 2 4 3 3 4 3 4 2 3 4 5 1 3 2 2 2 2 4 5 1 4 3 2
individu ke‐ 85 :
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 4 - 24
5 3 2 3 4 5 4 3 3 2 5 2 4 4 1 3 5 5 4 2 5 5 5 3 3 3 2 3 4 3 4 2 4 3 2 4 4 2 3 3 3 4 4 2 5 2 2 1 1 4 3 4 1 4 4 4 4 5 3 4 4 5 5 2 4 1 4 5 5 1 1 5 1 1 4
individu ke‐ 86 :
2 4 5 4 2 4 2 1 5 3 5 3 4 1 2 4 5 5 1 5 5 1 1 2 3 5 1 5 5 5 2 2 3 5 4 4 2 1 5 3 2 1 5 4 5 3 4 5 1 4 5 5 2 1 3 3 2 3 2 3 3 2 3 2 2 4 5 5 1 4 5 4 5 2 4
individu ke‐ 87 :
5 5 2 1 2 3 1 3 1 5 4 4 5 2 2 4 5 3 4 2 3 3 3 5 5 5 3 2 5 5 5 5 5 5 1 4 3 5 2 4 1 1 1 4 5 4 1 5 5 3 1 4 2 3 4 3 1 2 2 5 2 2 5 1 5 3 1 2 2 5 3 1 3 1 5
individu ke‐ 88 :
4 2 1 1 4 2 5 5 3 1 2 5 5 3 1 5 2 3 4 5 4 4 5 3 1 4 5 1 4 3 3 2 3 1 3 1 4 1 5 5 2 5 5 1 1 5 1 4 2 3 2 1 1 5 4 2 5 4 5 2 4 2 3 2 1 5 3 4 5 4 1 4 1 5 1
individu ke‐ 89 :
5 1 2 4 5 1 1 1 2 1 5 1 5 3 4 4 1 2 4 2 3 1 2 4 2 2 1 2 3 5 3 3 5 3 2 4 5 1 3 3 5 4 2 1 5 4 5 5 4 3 4 4 1 2 5 1 2 5 5 4 5 2 1 4 2 4 1 1 1 1 3 5 5 2 5
individu ke‐ 90 :
4 3 4 1 4 2 1 1 1 5 3 3 5 4 1 2 2 1 3 1 1 1 2 5 4 4 4 4 4 2 2 2 3 2 1 4 1 1 1 4 3 2 5 5 5 3 5 5 5 4 2 5 5 1 2 4 3 3 4 3 4 1 4 4 3 4 5 1 3 5 4 3 1 2 1
individu ke‐ 91 :
5 5 3 3 4 4 1 3 4 4 3 3 5 1 5 5 4 1 2 4 2 5 1 1 1 5 4 1 5 2 1 2 3 2 4 5 1 4 1 5 2 3 1 1 2 4 2 1 2 5 5 3 1 4 3 2 3 5 3 1 3 5 5 2 1 5 4 3 1 2 3 4 3 4 3
individu ke‐ 92 :
2 5 3 2 5 5 1 4 5 1 1 5 3 3 5 3 4 2 1 4 3 4 1 5 2 1 3 2 2 3 1 3 4 5 5 5 1 3 3 4 3 4 4 4 3 2 4 4 4 2 1 3 5 3 3 1 5 5 2 2 4 4 5 1 3 1 4 3 5 2 3 1 4 4 3
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 4 - 25
individu ke‐ 93 :
1 1 2 3 4 3 5 5 4 5 1 4 3 3 4 3 5 5 3 1 2 3 5 3 2 1 1 2 3 3 3 2 1 1 1 2 3 2 2 3 5 2 1 5 5 3 4 5 2 3 4 4 2 3 5 1 5 3 4 5 1 4 4 5 5 2 3 1 4 2 2 5 1 4 5
individu ke‐ 94 :
3 3 2 3 1 4 3 4 1 2 1 3 5 3 4 5 1 5 3 3 1 5 2 4 1 4 3 1 5 4 4 1 3 3 1 3 5 2 4 3 3 5 1 5 1 1 1 5 3 3 4 3 3 1 5 3 4 4 4 2 4 1 4 5 4 1 3 5 5 4 4 5 2 3 5
individu ke‐ 95 :
2 3 4 3 1 3 5 5 2 3 1 2 2 4 1 4 2 1 5 3 2 1 5 3 3 2 2 4 5 2 3 5 3 4 2 3 2 1 2 2 2 2 3 4 5 2 4 1 3 5 2 4 3 3 1 4 4 1 2 1 2 2 4 4 3 3 5 3 2 2 2 4 5 2 2
individu ke‐ 96 :
1 1 1 5 1 4 3 5 3 5 1 3 3 5 4 5 1 1 2 2 4 4 5 3 3 3 5 5 3 3 2 5 4 1 3 5 2 1 2 2 4 2 5 4 2 5 3 2 3 3 1 4 4 1 1 5 4 2 5 3 4 5 3 5 3 4 2 4 5 3 2 2 2 5 4
individu ke‐ 97 :
1 3 4 3 4 1 2 3 3 5 4 4 1 1 1 2 5 4 5 3 5 2 5 1 1 5 2 4 2 5 2 2 2 1 3 2 4 3 4 1 4 3 5 4 3 4 4 2 4 3 4 3 3 1 4 1 4 2 3 1 4 3 3 5 5 4 4 1 3 5 2 5 5 5 2
individu ke‐ 98 :
3 5 1 2 4 2 4 3 4 1 4 1 4 1 5 5 2 5 1 1 2 5 4 1 1 5 4 3 3 4 5 3 1 2 5 5 3 1 5 1 4 1 1 3 3 3 1 3 2 1 5 3 5 3 1 4 3 2 4 2 2 4 1 5 2 4 3 1 3 3 5 2 3 5 1
individu ke‐ 99 :
1 5 5 2 4 4 2 2 4 1 3 5 4 3 5 3 5 4 2 1 2 1 5 4 4 3 1 3 2 1 1 1 5 4 5 1 1 2 2 3 5 4 5 5 3 5 3 5 1 2 5 1 5 5 4 4 4 2 5 2 4 5 2 4 1 1 3 5 4 1 2 3 2 3 2
individu ke‐ 100 :
3 1 5 4 4 3 2 3 3 5 4 2 2 4 2 5 4 5 4 1 3 1 4 1 3 5 2 2 3 2 4 5 2 2 5 5 1 5 1 1 2 4 4 3 3 3 4 3 5 2 4 4 4 2 3 4 2 2 1 1 4 5 5 5 4 5 4 4 2 3 3 2 2 4 4
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 4 - 26
Urutan Lahan Masuk :
13 72 37 68 41 51 62 7 55 53 44 4 22 39 74 6 64 30 25 27 63 69 15 17 33 28 23 5 56 12 11 42 29 34 19 10 40 57 14 43 49 20 66 2 58 50 70 59 21 47 65 35 67 3 9 61 75 16 73 54 26 48 52 18 45 8 36 46 60 32 71 31 38 1 24
Variasi yang dipilih :
2 3 4 2 3 3 1 4 1 5 5 4 1 4 3 3 2 3 1 1 3 1 2 2 3 4 2 4 1 4 2 4 1 2 3 1 1 4 2 2 5 3 4 2 3 5 5 2 1 5 3 3 1 2 4 3 5 3 2 1 5 5 5 2 1 2 1 5 2 3 4 2 3 2 3
Dengan Tinggi Lahan : 222
Best Tracing Secara Global :
Urutan Lahan Masuk :
64 6 12 45 34 65 39 70 21 54 51 71 72 28 57 59 41 30 56 5 68 4 42 10 33 69 19 36 50 62 58 14 7 37 13 73 55 67 46 25 3 27 29 26 32 1 74 35 15 40 16 9 53 52 18 44 20 47 38 48 2 61 49 17 11 43 66 8 22 23 24 31 60 63 75
Variasi Terpilih :
2 3 5 4 5 2 3 4 3 5 3 3 3 3 5 4 4 3 2 2 1 5 2 3 3 3 5 1 2 3 1 2 4 1 3 3 4 4 3 3 4 3 4 5 2 5 2 3 5 2 4 5 1 5 3 3 1 2 3 5 4 3 3 3 2 2 1 3 3 5 1 1 4 3 5
Dengan Tinggi Lahan : 287
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 4 - 27
//////////////////////////////////////////////////////////////////
/// IMPLEMENTASI ALGORITMA CSO PADA MASALAH PENJADWALAN ///
/// LAND ALLOCATION ///
/// FORM HASIL AKHIR ///
//////////////////////////////////////////////////////////////////
Tinggi Minimal Dari Proses Land Allocation =222
Urutan Lahan Masuk Terbaik :
13 72 37 68 41 51 62 7 55 53 44 4 22 39 74 6 64 30 25 27 63 69 15 17 33 28 23 5 56 12 11 42 29 34 19 10 40 57 14 43 49 20 66 2 58 50 70 59 21 47 65 35 67 3 9 61 75 16 73 54 26 48 52 18 45 8 36 46 60 32 71 31 38 1 24
URAIAN BENTUK LAHAN :
Lahan KE ‐13 MENGGUNAKAN VARIASI BENTUK KE‐ 2
Lahan KE ‐72 MENGGUNAKAN VARIASI BENTUK KE‐ 3
Lahan KE ‐37 MENGGUNAKAN VARIASI BENTUK KE‐ 4
Lahan KE ‐68 MENGGUNAKAN VARIASI BENTUK KE‐ 2
Lahan KE ‐41 MENGGUNAKAN VARIASI BENTUK KE‐ 3
Lahan KE ‐51 MENGGUNAKAN VARIASI BENTUK KE‐ 3
Lahan KE ‐62 MENGGUNAKAN VARIASI BENTUK KE‐ 1
Lahan KE ‐7 MENGGUNAKAN VARIASI BENTUK KE‐ 4
Lahan KE ‐55 MENGGUNAKAN VARIASI BENTUK KE‐ 1
Lahan KE ‐53 MENGGUNAKAN VARIASI BENTUK KE‐ 5
Lahan KE ‐44 MENGGUNAKAN VARIASI BENTUK KE‐ 5
Lahan KE ‐4 MENGGUNAKAN VARIASI BENTUK KE‐ 4
Lahan KE ‐22 MENGGUNAKAN VARIASI BENTUK KE‐ 1
Lahan KE ‐39 MENGGUNAKAN VARIASI BENTUK KE‐ 4
Lahan KE ‐74 MENGGUNAKAN VARIASI BENTUK KE‐ 3
Lahan KE ‐6 MENGGUNAKAN VARIASI BENTUK KE‐ 3
Lahan KE ‐64 MENGGUNAKAN VARIASI BENTUK KE‐ 2
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 4 - 28
Lahan KE ‐30 MENGGUNAKAN VARIASI BENTUK KE‐ 3
Lahan KE ‐25 MENGGUNAKAN VARIASI BENTUK KE‐ 1
Lahan KE ‐27 MENGGUNAKAN VARIASI BENTUK KE‐ 1
Lahan KE ‐63 MENGGUNAKAN VARIASI BENTUK KE‐ 3
Lahan KE ‐69 MENGGUNAKAN VARIASI BENTUK KE‐ 1
Lahan KE ‐15 MENGGUNAKAN VARIASI BENTUK KE‐ 2
Lahan KE ‐17 MENGGUNAKAN VARIASI BENTUK KE‐ 2
Lahan KE ‐33 MENGGUNAKAN VARIASI BENTUK KE‐ 3
Lahan KE ‐28 MENGGUNAKAN VARIASI BENTUK KE‐ 4
Lahan KE ‐23 MENGGUNAKAN VARIASI BENTUK KE‐ 2
Lahan KE ‐5 MENGGUNAKAN VARIASI BENTUK KE‐ 4
Lahan KE ‐56 MENGGUNAKAN VARIASI BENTUK KE‐ 1
Lahan KE ‐12 MENGGUNAKAN VARIASI BENTUK KE‐ 4
Lahan KE ‐11 MENGGUNAKAN VARIASI BENTUK KE‐ 2
Lahan KE ‐42 MENGGUNAKAN VARIASI BENTUK KE‐ 4
Lahan KE ‐29 MENGGUNAKAN VARIASI BENTUK KE‐ 1
Lahan KE ‐34 MENGGUNAKAN VARIASI BENTUK KE‐ 2
Lahan KE ‐19 MENGGUNAKAN VARIASI BENTUK KE‐ 3
Lahan KE ‐10 MENGGUNAKAN VARIASI BENTUK KE‐ 1
Lahan KE ‐40 MENGGUNAKAN VARIASI BENTUK KE‐ 1
Lahan KE ‐57 MENGGUNAKAN VARIASI BENTUK KE‐ 4
Lahan KE ‐14 MENGGUNAKAN VARIASI BENTUK KE‐ 2
Lahan KE ‐43 MENGGUNAKAN VARIASI BENTUK KE‐ 2
Lahan KE ‐49 MENGGUNAKAN VARIASI BENTUK KE‐ 5
Lahan KE ‐20 MENGGUNAKAN VARIASI BENTUK KE‐ 3
Lahan KE ‐66 MENGGUNAKAN VARIASI BENTUK KE‐ 4
Lahan KE ‐2 MENGGUNAKAN VARIASI BENTUK KE‐ 2
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 4 - 29
Lahan KE ‐58 MENGGUNAKAN VARIASI BENTUK KE‐ 3
Lahan KE ‐50 MENGGUNAKAN VARIASI BENTUK KE‐ 5
Lahan KE ‐70 MENGGUNAKAN VARIASI BENTUK KE‐ 5
Lahan KE ‐59 MENGGUNAKAN VARIASI BENTUK KE‐ 2
Lahan KE ‐21 MENGGUNAKAN VARIASI BENTUK KE‐ 1
Lahan KE ‐47 MENGGUNAKAN VARIASI BENTUK KE‐ 5
Lahan KE ‐65 MENGGUNAKAN VARIASI BENTUK KE‐ 3
Lahan KE ‐35 MENGGUNAKAN VARIASI BENTUK KE‐ 3
Lahan KE ‐67 MENGGUNAKAN VARIASI BENTUK KE‐ 1
Lahan KE ‐3 MENGGUNAKAN VARIASI BENTUK KE‐ 2
Lahan KE ‐9 MENGGUNAKAN VARIASI BENTUK KE‐ 4
Lahan KE ‐61 MENGGUNAKAN VARIASI BENTUK KE‐ 3
Lahan KE ‐75 MENGGUNAKAN VARIASI BENTUK KE‐ 5
Lahan KE ‐16 MENGGUNAKAN VARIASI BENTUK KE‐ 3
Lahan KE ‐73 MENGGUNAKAN VARIASI BENTUK KE‐ 2
Lahan KE ‐54 MENGGUNAKAN VARIASI BENTUK KE‐ 1
Lahan KE ‐26 MENGGUNAKAN VARIASI BENTUK KE‐ 5
Lahan KE ‐48 MENGGUNAKAN VARIASI BENTUK KE‐ 5
Lahan KE ‐52 MENGGUNAKAN VARIASI BENTUK KE‐ 5
Lahan KE ‐18 MENGGUNAKAN VARIASI BENTUK KE‐ 2
Lahan KE ‐45 MENGGUNAKAN VARIASI BENTUK KE‐ 1
Lahan KE ‐8 MENGGUNAKAN VARIASI BENTUK KE‐ 2
Lahan KE ‐36 MENGGUNAKAN VARIASI BENTUK KE‐ 1
Lahan KE ‐46 MENGGUNAKAN VARIASI BENTUK KE‐ 5
Lahan KE ‐60 MENGGUNAKAN VARIASI BENTUK KE‐ 2
Lahan KE ‐32 MENGGUNAKAN VARIASI BENTUK KE‐ 3
Lahan KE ‐71 MENGGUNAKAN VARIASI BENTUK KE‐ 4
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI
Lampiran 4 - 30
Lahan KE ‐31 MENGGUNAKAN VARIASI BENTUK KE‐ 2
Lahan KE ‐38 MENGGUNAKAN VARIASI BENTUK KE‐ 3
Lahan KE ‐1 MENGGUNAKAN VARIASI BENTUK KE‐ 2
Lahan KE ‐24 MENGGUNAKAN VARIASI BENTUK KE‐ 3
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI HYBRID ALGORITMA CAT... DYAH AYU PUSPITASARI