<![CDATA[Dalam lingkungan perkotaan yang semakin kompleks, teknologi cerdas menjadi kunci untuk menghadapi tantangan seperti kemacetan, keamanan, penggunaan energi yang efisien, dan pemanfaatan sumber daya secara optimal. Penelitian ini bertujuan untuk meningkatkan pengaturan sistem cerdas dalam lingkungan Smart City dengan menerapkan Algoritma Genetika dan Particle Swarm Optimization yang diharapkan mampu mengatasi permasalahan tersebut. Proses data dilakukan dengan seksama, termasuk pra-pemrosesan data untuk membersihkan data dari outlier dan mengisi nilai yang hilang. Data yang telah siap kemudian dibagi menjadi data pelatihan dan data pengujian. Data pelatihan digunakan untuk melatih model Algoritma Genetika dan Particle Swarm Optimization, sementara data pengujian digunakan untuk menguji kinerja model yang dihasilkan. Hasil dari eksperimen menunjukkan bahwa model yang menggabungkan Algoritma Genetika dengan Particle Swarm Optimization berhasil mencapai akurasi sebesar 88%. Hasil ini menandakan peningkatan dalam kinerja sistem cerdas pada lingkungan Smart City. Sehingga dapat diambil kesimpulan bahwa penerapan algoritma genetika membantu dalam mencari solusi secara evolusioner, mirip dengan proses evolusi alami di alam. Sementara itu, Particle Swarm Optimization memanfaatkan iterasi partikel dalam mencari solusi terbaik. Penggabungan keduanya memberikan pendekatan yang kuat dalam mencari solusi optimal untuk berbagai permasalahan dalam lingkungan Smart City. Penelitian ini memberikan dorongan untuk melakukan eksplorasi lebih lanjut dalam menggunakan algoritma optimasi lainnya, perluasan dataset yang lebih besar dan representatif sehingga diharapkan penelitian ini akan memberikan kontribusi lebih besar dalam mengembangkan teknologi cerdas untuk lingkungan Smart City di masa depan. Kata kunci: algoritma genetika, Particle swarm optimization , smart city, sistem cerdas]]>
Copyrights © 2023
