Meilinda AyundyahriniPembimbing:

Ir. Rusdhianto Effendie A. K, MTNurlita Gamayanti, ST., MT

Teknik Sistem PengaturanJURUSAN TEKNIK ELEKTRO

Fakultas Teknologi IndustriInstitut Teknologi Sepuluh Nopember

SURABAYA2013

PENDAHULUAN

TEORI DASAR

PERANCANGAN SISTEM

PENGUJIAN DAN ANALISA

PENUTUP

Koagulasi pengikatan koloid air dosis koagulan tergantung kualitas air baku tidak linier

Musim ikut mempengaruhi kualitas air baku

PENDAHULUAN

Aktifitas masyarakat (limbah)

Musim penghujan dan kemarau [8]

TEORI DASAR

Proses Pengolahan Air IPAM Ngagel III

Algoritma Genetika

Proses Pengolahan Air IPAM Ngagel III

Mempertahankan/mengamankan individu terbaik

Merubah menjadi nilai sebaliknya (dalam biner)umumnya nilai probabilitas mutasi sebagai 1/n (n adl jumlah

gen dalam variabel)

Mendapatkan solusi yang bagus dan minimum terdapat 2 kromosom induk. Memiliki probabilitas crossover

Penentuan induk untuk memperbaiki keturunan

Menentukan performansi individu. Individu yang memiliki nilai fitness tertinggi yang bertahan

Penentuan nilai sistem awal (uk. Populasi, tipe data, jumlah gen, jumlah var) dan membuat populasi awalInialisasi Populasi

Evaluasi Individu

Seleksi Induk

Pindah Silang

Mutasi

Elitisme

Algoritma Genetika

BAB III PERANCANGAN SISTEM

Mulai

Data Real

Pc,Pm,hi,lo,maxit,mincost, popsize,nbits

Normalisasi Data Real

Evaluasi Individu

Inialisasi Populasi

Stratifikasi

Seleksi Induk

Pindah Silang

Mutasi

Elitisme

Max Iterasi?

Selesai

Tidak

Ya

Normalisasi Data

3.1

Keterangan:n = nilai ternormalisasiXn = nilai yang ingin dinormalisasiXmin = nilai terkecil dalam satu parameterXmax = nilai terbesar dalam satu parameter

Kekeruhan : 10 ntu sampai ±372 ntupH : ± 7 sampai ±8Dosis Tawas : 10 ppm sampai ±120 ppm

Stratifikasi

Data

Satu Tahun

Kekeruhan Waktu

Musim

(Kemarau, Penghujan)

Kekeruhan (shorting)

1 golongan 2 golongan 3 golongan

Waktu

1 golongan 2 golongan 3 golongan

Mulai

Data normalisasi, n

Pengurutan Kekeruhan

Pengelompokan data sebanyak n

Eksekusi Data Golongan 1

Eksekusi Data Golongan 2

Eksekusi Data Golongan 3

Par1, par2, par3

selesai

Inialisasi Populasi

Penentuan harga awal yang meliputi:>> Jumlah parameter (Npar)>> Jumlah gen/bit (Nbits)>> batas awal pengkodean (hi), batas bawah pengkodean (lo)>> Banyak populasi awal (popsize)>> Penentuan banyaknya iterasi (maxit)>> Probabilitas crossover (Pc) dan probabilitas mutas (Pm)>> Penentuan berhentinya iterasi (mincost)

Representasi Kromosom, Individu, dan PopulasiMulai

Selesai

Nt=nbits*npar

popsize=16, nbits=8, npar=5

pembangkitan populasi popsizexNt

par

Pengkodean data populasi

Flowchart Pengkodean Kromosom

Pengkodean kromosom bertujuan

untuk mengubah data biner menjadi desimal agar data bisa diproses pada evaluasi individu

Mulai

Selesai

Pengkodean bilangan biner ke bilangan asli

popsize, keep, chrom, hi, lo,bits

Evaluasi Individu

Persamaan polynomial

Persamaan least square error

Persamaan error sesaat

Seleksi Induk

Seleksi Induk menggunakan

seleksi turnamen. Seleksi mengambil 8 data teratas untuk

menjadi calon induk. Pemilihan induk dilakukan secara

acak

Selesai

M=(popsize-keep)/2

popsize, keep

Fungsi probabilitas distribusi

pick1=rand(1,M), pick2=rand(1,M)

While ic<=M

Ic=1

For id=2:keep+1

odds(id)=>pick1(ic)>odds(id-1)

odds(id)=>pick2(ic)>odds(id-1)

ma(ic)=id-1

pa(ic)=id-1

id

ic

Ya

Ya

Tidak

Tidak

Mulai

Pindah Silang

Pindah silang menggunakan single point

crossover. Titik potong dipilih secara

acak yang menggunakan nama

xp. Variabel ix menunjukkan indeks

induk

Mulai

Selesai

Keep=floor(selection*popsize)

selection, M, Nt, ma, pa

ix= 1:2:keep

Penentuan titik potong

Pembentukan Anak 1 dan Anak 2

pop

Mutasi

Mutasi yang merupakan

penggantian nilai bit menjadi sebaliknya dipilih secara acak. Pemilihan baris dan kolom untuk mutasi

disimpan dalam variabel mrow dan

mcol

Mulai

Selesai

nmut=ceil((popsize-1)*Nt*Pm

popsize, Nt, Pm, pop

mrow=ceil(rand(1,mut)*(popsize-1)+1

mcol=ceil(rand(1,nmut)*Nt

for ii=1:nmut

pop(mrow(ii),mcol(ii))=abs(pop(mrow(ii), mcol(ii))-1)

ii

Elitisme

Elistisme, mengamankan individu terbaik dengan tidak

mengikutsertakan individu indeks

teratas dalam iterasi selanjutnya

mulai

Selesai

par(2:popsize,:)=gadecode(pop(2:popsize,:),0,10)

par, pop, popsize, nbits

Cost (2,popsize)=feval(ff,par(2,popsize,:))

[cost,ind]=sort (cost)

par=par(ind,: )pop=pop(ind,: )

PENGUJIAN DAN ANALISA

Data

Satu Tahun

Kekeruhan

(LSE & ES)

Waktu

(LSE & ES)

Musim

(Kemarau, Penghujan)

Kekeruhan (shorting)

1 golongan

(LSE & ES)

2 golongan

(LSE & ES)

3 golongan

(LSE & ES)

Waktu

1 golongan

(LSE & ES)

2 golongan

(LSE & ES)

3 golongan

(LSE & ES)

Sebaran Data Real Satu

Tahun

Sebaran Data Real Musim Kemarau

Sebaran Data Real Musim Penghujan

Keterangan LSE Error SesaatSatu Tahun1. Tanpa pengurutan kekeruhan 16,645; 1,226 16,716; 0,7962. Dengan pengurutan kekeruhan 16,638; 1,107 16,644; 1,147Musim Kemarau1. Satu tk. kekeruhan 4,08; 0,935 3,779; 1,0272. Dua tk.kekeruhan 3,971; 1,577 3,665; 1,4323. Tiga tk. kekeruhan 3,194; 0,968 3,039; 0,894. Setiap 6 bulan 3,08; 0,674 3,076; 0,3495. Setiap 3 bulan 3,37; 0,879 3,66; 1,0186. Setiap 2 bulan 2,327; 0,033 2,297; 0,027Musim Penghujan1. Satu tk. kekeruhan 10,611; 0,521 10,584, 04032. Dua tk.kekeruhan 9,165; 0,307 9,137; 0,3073. Tiga tk. kekeruhan 8,501; 0,056 8,491; 0,0234. Setiap 6 bulan 10,584; 0,493 10,583; 0,5235. Setiap 3 bulan 10, 376; 0,204 10, 357; 0,3046. Setiap 2 bulan 9,802; 0,343 9,78; 0,199

HASIL RATA-RATA ERROR PENGUJIAN DATA

Data Satu Tahun

Musim Kemarau Dengan 3 Penggolongan Waktu

Persamaan yang didapat

Musim Kemarau Dengan 3 Penggolongan Kekeruhan

Persamaan yang didapat

Musim Penghujan Dengan 3 Penggolongan Kekeruhan

Persamaan yang didapat

Musim Penghujan Dengan 3 Penggolongan Waktu

Setelah melakukan pengujian terhadap plant maka didapatkan beberapa kesimpulan. Musim penghujan dan musim kemarau memiliki karakteristik yang berbeda, hal tersebut ditunjukkan dari nilai koefisien yang muncul. Untuk musim kemarau, penyelesaian yang bisa menghasilkan nilai error sebesar 2,787 untuk nilai error dari rata-rata error setiap individu dan 0,428 untuk nilai error darirata-rata data keseluruhan adalah dengan mengelompokkan data menjadi tiga kelompok waktu menggunakan persamaan error sesaat.

Sedangkan untuk musim penghujan nilai error dari rata-rata error setiap individu bernilai 8,639 dan nilai error dari rata-rata data keseluruhan sebesar 0,204. Nilai error tersebut didapatkan melalui pengelompokan data menjadi tiga golongan terhadap kekeruhan menggunakan persamaan errorsesaat.

Dari hasil pengujian pada bab sebelumnya, persamaan error sesaat menghasilkan nilai error lebih rendah jika dibandingkan dengan persamaan least square error.

PENUTUP