Upload
buikien
View
213
Download
0
Embed Size (px)
Citation preview
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