cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Muliadi
Contact Email
muliadi@ulm.ac.id
Phone
+6285228102971
Journal Mail Official
klik@ulm.ac.id
Editorial Address
Jl. A. Yani, KM. 36, PRODI ILMU KOMPUTER Lingkungan Fakultas Matematika dan Pengetahuan Alam Universitas Lambung Mangkurat, Gedung II, Lt. 3, Banjarbaru klik@ulm.ac.id
Location
Kota banjarmasin,
Kalimantan selatan
INDONESIA
KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal)
Published by Universitas Lambung Mangkurat
ISSN : 24067857     EISSN : 2443406X     DOI : http://dx.doi.org/10.20527/klik.v6i3
Core Subject : Science,
Computer Science & IT
KLIK Scientific Journal, is a computer science journal as source of information in the form of research, the study of literature, ideas, theories and applications in the field of critical analysis study Computer Science, Data Science, Artificial Intelligence, and Computer Network, published two times a year every month of February and September
Arjuna Subject : Ilmu Komputer (semua kategori) - Kecerdasan Buatan
Articles 10 Documents
 1 
Search results for , issue "Vol 5, No 2 (2018)" : 10 Documents clear
THE APPLICATION OF UML IN THE PROTOTYPE OF DESIGN EXPERT SYSTEM FOR THE DIAGNOSIS OF CHILI DISEASES AND PESTS Muliadi Aziz; Irwan Budiman; Antar Sofyan
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 5, No 2 (2018)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v5i2.175

Abstract

Prototype or archetype is the initial form or standard size of an entity. In the design field, a prototype is made before it is developed or precisely made specifically for development before it is made on an actual scale or before mass produced, it will feel very difficult if you do not have a compounding model to design a system. Therefore, to design a prototype expert system for diagnosing diseases and pests of chilli plants using the Unified Modeling Language (UML) method. The purpose of the implementation of this model is to meet all user needs for the software to be built. Manfaat dari model ini dapat membantu perancang perangkat lunak dalam membangun sistem pakar untuk mendiagnosis penyakit dan hama tanaman cabai. The result of this UML implementation is to obtain use case of system processing, diagram activity, entity relationship diagram, and form input output design. 
IMPLEMENTASI ALGORITMA BACKPROPAGATION UNTUK MEMPREDIKSI KELULUSAN MAHASISWA Muhammad Dedek Yalidhan
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 5, No 2 (2018)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v5i2.152

Abstract

Student’s graduation is one kind of the college accreditation elements by BAN-PT. Because of that. Information System is one of the department in STMIK Banjarbaru, there is no application has been implemented to predict imprecisely of student’s graduation time so far, which causes on time graduation percentage tend low every year. Therefore the accurate student’s graduation prediction can help the committe to choose the correct decisions in order to prevent the imprecisely of student’s graduation time. In this research, the backpropagation algorithm of artificial neural network will be implemented into the application with the output result as delayed and on time graduation. This reseach is using 318 data samples which the 70 % of it will be used as the training data and the other 30 % will be used as testing data. From the calculation of confusion matrix table’s the percentage of the prediction accuracy is 98.97 %.Keywords: student’s graduation, artificial neural network, backpropagation, confusion matrixKelulusan mahasiswa merupakan salah satu elemen dalam standar akreditasi perguruan tinggi oleh BAN-PT. Sistem Informasi adalah salah satu program studi yang ada di STMIK Banjarbaru, selama ini belum ada aplikasi yang diimplementasikan untuk memprediksi ketidaktepatan waktu kelulusan mahasiswanya yang menyebabkan angka kelulusan tepat waktu cenderung rendah setiap tahunnya. Oleh sebab itu, prediksi kelulusan mahasiswa yang akurat dapat membantu pihak Program Studi dalam mengambil keputusan-keputusan yang tepat untuk mencegah ketidaktepatan waktu kelulusan mahasiswanya. Pada penelitian ini, artificial neural network algoritma backpropagation diimplementasikan pada aplikasi yang dibuat dengan output lulus terlambat dan lulus tepat waktu. Penelitian ini menggunakan sebanyak 318 sampel data yang mana 70 % data digunakan sebagai data training dan 30 % data digunakan sebagai data testing. Dari hasil perhitungan tabel confusion matrix diperoleh persentase akurasi prediksi sebesar 98.97 %.Kata kunci: kelulusan mahasiswa, artificial neural network, backpropagation, confusion matrix
IMPLEMENTASI FUZZY SUGENO UNTUK MENENTUKAN KESESUAIAN TANAMAN KELAPA SAWIT PADA LAHAN GAMBUT Andi Farmadi; Ichsan Ridwan; Dwi Kartini
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 5, No 2 (2018)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v5i2.176

Abstract

Determination of land suitability for a plant is needed to provide faster decision results , especially in determining the suitability of oil palm plants on peatlands , this determination is very important because most of the land in Kalimantan is an area with peat soil . Palm oil suitability variables were determined by 8 variables , namely soil depth , soil CEC , wet saturation , Ph H2O , C-Organic , N-Total , P2O5 and K2O , which were made in a fuzzy set system , field data onto the form of data taken in regional areas peat soil , then calculated using the fuzzy inference Sugeno method . The output of the calculation using fuzzy Sugeno gives exactly the same results as the decision given by the expert on the field data .Keywords: fuzzy, Sugeno, land suitability. Penentuan kesesuaian lahan terhadap suatu tanaman sangat dibutuhkan untuk memberikan hasil keputusan yang lebih cepat khususnya pada penentuan kesesuaian tanaman kelapa sawit pada lahan gambut, penentuan ini menjadi sangat penting karena sebagian besar lahan didaerah kalimantan adalah wilayah dengan tanah bergambut. Variabel kesesuaian tanaman kelapa sawit ditentukan dengan 8 variabel yaitu kedalaman tanah, KTK tanah, Kejenuhan basah, Ph H2O, C-Organik, N-Total, P2O5 dan K2O, yang dibuat dalam sistem himpunan fuzzy, data lapangan berupa data yang diambil pada wilayah daerah tanah bergambut, kemudian diihitung menggunakan fuzzy inferensi metode Sugeno. Hasil output perhitungan menggunakan fuzzy segeno memberikan hasil yang persis sama dengan keputusan yang diberikan oleh pakar terhadap data lapangan.Kata kunci: fuzzy, Sugeno, kesesuaian lahan.
MODEL JARINGAN SYARAF TIRUAN DALAM MEMPREDIKSI PENDAPATAN PERKAPITA MASYARAKAT PERKOTAAN PADA GARIS KEMISKINAN BERDASARKAN PROPINSI Solikhun Solikhun; Ahmad Revi; Syahrul Ramadan; Rina Novita Sari
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 5, No 2 (2018)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v5i2.136

Abstract

The problem of poverty is one of the fundamental issues that becomes the center of attention of the Government in any country. In an effort to realize the provisions as stipulated in Article 28A of the 1945 Constitution of the State of the Republic of Indonesia which affirms that every person has the right to live and has the right to maintain his life and life, the GOI has established a poverty reduction program as a priority program. The primary target of poverty is mostly in urban areas, because the large number of residents who do transmigration to improve the economy but failed to get results. This study contributes to the government to predict the per capita opinion of urban communities according to the poverty line based on the province in the future. The data used is data from the National Statistics Agency through the website www.bps.go.id. The data is data on per capita income of urban communities on poverty line by province in 2013 semester 2 until 2016 semester 2. Algorithm used in this research is Artificial Neural Network with Backpropogation method. The input variables are data of year 2014 semester (X1), data of 2014 semester 1 (X2), data of 2014 semester 2 (X3), data of 2015 semester 1 (X4), data of 2015 semester 2 ( X5) and data of 2016 semester 1 (X6) with architectural model of training and testing as much as 4 architecture that is 6-2-1, 6-6-1, 6-3-2-1 and 6-2-3-1. The output generated is the best pattern of the ANN architecture. The best architectural model is 6-3-2-1 with epoch 1190, MSE 0,0102524619 and 100% accuracy rate. From this model, the prediction of per capita income of urban community on the poverty line is based on the provinces of each province in Indonesia.Keywords: Income Per Capita, ANN, Backpropogation and PredictionMasalah kemiskinan merupakan salah satu persoalan mendasar yang menjadi pusat perhatian Pemerintah di negara manapun. Dalam Upaya mewujudkan ketentuan sebagaimana ditetapkan Pasal 28A Undang-Undang Dasar Negara Republik Indonesia Tahun 1945 yang menegaskan bahwa setiap orang berhak untuk hidup serta berhak mempertahankan hidup dan kehidupannya, maka Pemerintah Indonesia telah menetapkan program penanggulangan kemiskinan sebagai program prioritas. Sasaran primer kemiskinan mayoritas lebih banyak terdapat di perkotaan, sebab banyaknya para penduduk yang melakukan transmigrasi guna memperbaiki perekonomian namun malah gagal mendapatkan hasil. Penelitian ini memberikan kontribusi bagi pemerintah untuk dapat memprediksi pendapat perkapita masyarakat perkotaan menurut garis kemiskinan berdasarkan propinsi ke depan. Data yang digunakan adalah data dari Badan Statistik Nasional melalui website www.bps.go.id. Data tersebut adalah data pendapatan perkapita masyarakat perkotaan pada garis kemiskinan berdasarkan propinsi tahun 2013 semster 2 sampai dengan tahun 2016 semester 2. Algoritma yang digunakan pada penelitian ini adalah Jaringan Saraf Tiruan dengan metode Backpropogation. Variabel masukan (input) yang digunakan adalah data tahun 2013 semester 2(X1), data tahun 2014 semester 1(X2), data tahun 2014 semester 2(X3), data tahun 2015 semester 1(X4), data tahun 2015 semester 2(X5) dan data tahun 2016 semester 1(X6) dengan model arsitektur pelatihan dan pengujian sebanyak 4 arsitektur yakni 6-2-1, 6-6-1, 6-3-2-1 dan 6-2-3-1. Data target diambil dari data tahun 2016 semster 2. Keluaran yang dihasilkan adalah pola terbaik dari arsitektur JST. Model arsitektur terbaik adalah 6-3-2-1 dengan epoch 1190, MSE 0,0102524619 dan tingkat akurasi 100%. Dari model ini maka dihasilkan prediksi pendapatan perkapita masyarakat perkotaan pada garis kemisikinan berdasarkan propinsi dari masing-masing propinsi di Indonesia.Kata Kunci: Pendapata Perkapita, JST, Backpropogation dan Prediksi
PREDIKSI PROFIT PADA PERUSAHAAN DENGAN KLASIFIKASI ALGORITMA C4.5 Erlin Elisa
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 5, No 2 (2018)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v5i2.153

Abstract

In the construction project activities, planning is used as a reference for job implementers and becomes the standard of project implementation, including: documents, technical specifications, schedule and budget. Inappropriate planning, inaccurate project realization investigations, inadequate project management skills and lack of professional service providers, are closely related to the outcome of a construction project process. CV.XYZ Abadi which is a company engaged in construction consulting services. At the present time CV.XYZ Abadi has done many construction planning projects both from government and private, this research will discuss how data mining with algorithm C4.5 process data from budget plan consultant planner cost to predict company profit. Data mining is a technique for extracting new information from piles or data warehouses, as we know information is seen as something that is very important and valuable because by mastering information it is easy to achieve a desired goal, this makes everyone race to while C4.5 algorithm is one of induction algorithm of decision tree that is ID3 (Iterative Dichotomiser 3). ID3 was developed by J. Ross Quinlan. In the ID3 algorithm procedure, the inputs are training samples, training labels and attributes. which will illustrate the profit prediction, the results of this study will result in the rules of profit and loss decisions company.Keywords: Profit, Data Mining, Algorithm C4.5, Tree Decision.Dalam kegiatan proyek konstruksi, perencanaan dipergunakan sebagai bahan acuan bagi pelaksana pekerjaan dan menjadi standar pelaksanaan proyek, meliputi: dokumen, spesifikasi teknik, jadwal dan anggaran. Perencanaan yang tidak tepat, investigasi realisasi proyek yang tidak sempurna, kurang memadainya kemampuan pengelolaan proyek dan kurang profesionalnya penyedia jasa, berkaitan erat terhadap hasil suatu proses proyek konstruksi. CV.XYZ Abadi yang merupakan sebuah perusahaan yang bergerak dalam bidang jasa konsultan kontruksi. Pada saat sekarang ini CV.XYZ Abadi telah banyak mengerjakan proyek perencanaan konstruksi baik dari pemerintah maupun swasta,penelitian ini akan membahas bagaimana data mining dengan algoritma C4.5 mengolah data-data dari rencana anggaran biaya konsultan perencana untuk memprediksi profit perusahaan. Data mining merupakan sebuah teknik untuk menggali informasi baru dari tumpukan atau gudang data, sebagaimaya yang kita ketahui informasi dipandang sebagai sesuatu hal yang sangat penting dan berharga karena dengan menguasai informasi maka dengan mudah untuk mencapai sebuah tujuan yang diinginkan, hal ini membuat setiap orang berlomba untuk memperoleh informasi.sedangkan algoritma C4.5 adalah salah satu algoritma induksi pohon keputusan yaitu ID3 (Iterative Dichotomiser 3). ID3 dikembangkan oleh J. Ross Quinlan. Dalam prosedur algoritma ID3, input berupa sampel training, label training dan atribut. yang akan menggambarkan prediksi profit, hasil dari penelitian ini akan menghasilkan rule-rule keputusan profit dan kerugian perusahaan.Kata kunci: Profit,Data Mining, Algoritma C4.5, Pohon Keputusan. 
RANCANG BANGUN APLIKASI UNTUK MEMPREDIKSI STATUS GIZI BALITA Muhammad Nurtanzis Sutoyo
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 5, No 2 (2018)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v5i2.140

Abstract

Nutrition problems can occur in every phase of life, starting from the womb until the elderly. Application of K-Nearest Neighborhood (k-NN) method can help predict the nutritional status of children under five. The k-NN algorithm is a method to classify objects based on learning data closest to the object. Based on the results of research, it can be concluded that the k-NN algorithm can predict the nutritional status of children.Keywords: Nutrition, kNNMasalah gizi dapat terjadi disetiap fase kehidupan, dimulai sejak dalam kandungan sampai dengan usia lanjut. Penerapan Metode K-Nearest Neighborhood (k-NN) dapat membantu memprediksi status gizi balita. Algoritma k-NN merupakan sebuah metode untuk melakukan  klasifikasi  terhadap objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek tersebut. Berdasarkan hasil penelitian, maka dapat disimpulkan bahwa algoritma k-NN dapat memprediksi status gizi balita.Kata kunci: Gizi, KNN
PENERAPAN METODE K-MEANS UNTUK PEMETAAN CALON PENERIMA JAMKESDA M. Nanda Variestha Waworuntu; Muhammad Faisal Amin
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 5, No 2 (2018)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v5i2.157

Abstract

Kelurahan Kemuning, one of the Social Welfare Section, there is poor community service to receive Regional Health Insurance. During this section of Social Welfare Section in Kelurahan Kemuning, there is no method that can classify the level of poverty so that the beneficiaries on target, so the Kelurahan can't prevent the inaccuracies. Therefore, poverty grouping can assist Kelurahan in making the right decision to prevent the inaccuracies of recipients of Regional Health Insurance. In this research, the application of the k-means method is implemented in an application made with 2 clusters. This study uses as many as 440 data samples. From result of calculation of Davies Bouldin Index obtained value determination of cluster amount with value 2 cluster (0,243), 3 cluster (0,256), 4 cluster (0,275). The value used is 2 clusters because the value is close to 0.Keywords: : data mining, k-means, poverty, davies bouldin index Pada Kelurahan Kemuning salah satunya Seksi Kesejahteraan Sosial (KESSOS) terdapat pelayanan masyarakat miskin untuk menerima bantuan Jaminan Kesehatan Daerah (JAMKESDA). Selama ini bagian Seksi KESSOS pada Kelurahan Kemuning belum ada metode yang dapat mengelompokkan tingkat kemiskinan agar penerima bantuan tepat sasaran, sehingga pihak Kelurahan tidak dapat mencegah ketidaktepatsasaran tersebut. Oleh sebab itu, pengelompokan kemisikinan dapat membantu pihak Kelurahan dalam mengambil keputusan yang tepat untuk mencegah ketidaktepatsasaran penerima JAMKESDA. Pada penelitian ini, penerapan metode K-Means diimplementasikan pada aplikasi yang dibuat dengan 2 klaster. Penelitian ini menggunakan sebanyak 440 sampel data. Dari hasil perhitungan Davies Bouldin Index diperoleh nilai penentuan jumlah cluster dengan nilai 2 klaster (0.243), 3 klaster (0.256), 4 klaster (0.275). Nilai yang digunakan adalah 2 klaster karena nilai tersebut mendekati 0.Kata kunci: data mining, k-means, kemiskinan, davies bouldin index
MODEL ARSITEKTUR NEURAL NETWORK DENGAN BACKPROPOGATION PADA PREDIKSI TOTAL LABA RUGI KOMPREHENSIF BANK UMUM KONVENSIONAL Agus Perdana Windarto; Muhammad Ridwan Lubis; Solikhun Solikhun
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 5, No 2 (2018)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v5i2.148

Abstract

determine the marketing strategy in increasing the total comprehensive income. This study aims to create the best architectural model using Backpropogation where this model can later be made to make predictions of total comprehensive income. The variable used in this study is the total comprehensive income statement data of PT. Bank Mandiri, Tbk (January - November 2016). Data sourced from the Financial Services Authority (www.ojk.go.id). From a series of trials conducted with 4 architectural models tested, namely 4-25-1; 4-50-1; 4-100-1 and 4-50-75-1, obtained the best architectural model 4-50-1 with Epoch training = 1977, Mean Square Error (MSE) of 0,000997867 with the correctness of testing accuracy reaching 80%.Keywords: Artificial Neural Network, Back-propagation, Comprehensive Income, Prediction, Economy, Architecture Prediksi total laba rugi komprehensif sangatlah penting untuk memprediksi dimana posisi angka total laba rugi komprehensif pada suatu bank.  Informasi tersebut berguna bagi masayarkat dalam menentukan arah investasi masyarakat ke depan, begitu juga bagi pihak bank berguna untuk menentukan kebijakan strategi pemasaran dalam meninggkatkan total laba komprehensif tersebut. Penelitian ini bertujuan untuk membuat model arsitektur terbaik dengan menggunakan Backpropogation dimana model ini nantinya dapat dilakukan untuk membuat prediksi terhadap total laba rugi komprehensif. Variabel yang digunakan pada penelitian ini adalah data total laba rugi komprehensif PT. Bank Mandiri,Tbk (Januari – November 2016). Data bersumber dari Otoritas Jasa Keuangan (www.ojk.go.id). Dari serangkaian uji coba yang dilakukan dengan 4 model arsitektur yang diuji yakni 4-25-1; 4-50-1; 4-100-1 dan 4-50-75-1, diperoleh model arsitektur terbaik 4-50-1 dengan Epoch training = 1977, Mean Square Error (MSE) sebesar 0,000997867 dengan tingkat akurasi pengujian mencapai kebenaran 80%. Kata kunci: Jaringan saraf tiruan, Back-propagation, Laba Rugi Komprehensif, Prediksi, Ekonomi, Arsitektur
RANCANG BANGUN ALAT UKUR PANJANG KAKI DAN PENENTU STOK SEPATU YANG TERSEDIA SECARA DIGITAL MENGGUNAKAN ARDUINO MEGA 2560 BERBASIS WEBSITE Asep Hermawan; Abdul Muid; Irma Nirmala
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 5, No 2 (2018)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v5i2.169

Abstract

Shoes have become a necessity and human lifestyle in keeping with the times. The main function of the shoe is to protect the foot from being injured due to environmental conditions. Shoe size is also a factor that influences the safety and comfort of activities so that the right size shoes are needed.For the sake of comfort in doing activities, shoes with the right size are needed to reduce injury. Some foot injuries can be caused due to incorrect selection of shoes so that they have a bad impact on the feet. To answer these problem, digital foot length measuring device will be made in this study using LDR sensor and diodesIn addition, this device can also recommend the right shoe sizes from various shoe brands available on the website page. To connect supporting software and hardware it will be managed by Arduino MEGA. Test results on 40 samples indicate that the system can recommend shoe sizes to users with a high level of suitability. Digital device test results obtained difference between 0cm - 1cm with a tolerance value of 1cm. On manual measurements of user's foot length and shoe size obtained a difference between 0,4cm – 1,5cm with a tolerance value of 1,5cm.Keywords: Shoe Size, LDR Sensor, Arduino MEGA, Website Sepatu sudah menjadi kebutuhan dan gaya hidup manusia dalam mengikuti perkembangan zaman. Fungsi utama sepatu adalah melindungi kaki agar tidak cedera karena kondisi lingkungan. Ukuran sepatu juga menjadi faktor yang mempengaruhi keamanan dan kenyamanan dalam beraktivitas sehingga  dibutuhkan sepatu dengan ukuran yang tepat. Beberapa cedera kaki dapat disebabkan  karena salah dalam pemilihan ukuran sepatu sehingga berdampak buruk bagi kaki. Untuk menjawab permasalahan tersebut, dalam penelitian ini direalisasikan alat ukur panjang telapak kaki secara digital menggunakan sensor LDR dan Dioda. Selain itu alat ini juga dapat merekomendasikan ukuran sepatu yang tepat dari berbagai merek sepatu yang tersedia di halaman website. Untuk menghubungkan perangkat lunak dan perangkat keras pendukung maka akan diatur oleh Arduino MEGA. Hasil pengujian pada 40 sampel menunjukkan bahwa sistem dapat merekomendasikan ukuran sepatu kepada pengguna dengan tingkat kesesuaian yang tinggi. Pengujian alat digital diperoleh selisih antara 0cm – 1cm dengan nilai toleransi sebesar 1cm. Untuk pengukuran manual panjang kaki dan ukuran sepatu pengguna didapatkan selisih antara 0,4cm – 1,5cm dengan nilai toleransi sebesar 1,5cm.Kata kunci : Ukuran Sepatu, Sensor LDR, Arduino MEGA, Website
OPTIMASI PENDISTRIBUSIAN BARANG FARMASI MENGGUNAKAN ALGORITMA GENETIKA Febri Ramadhani; Ficry Agam Fathurrachman; Restu Fitriawanti; Angki Christiawan Rongre; Vivi Nur Wijayaningrum
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 5, No 2 (2018)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v5i2.151

Abstract

Distribution is an activity of distributing goods from factory to agents. Distribution process is considered efficient if the process of distribution of goods done with a minimal distance, so that the time and cost required for the distribution process will also be smaller. Genetic algorithm is used to optimize the pharmaceutical goods distribution process by finding the order of agents that each vehicle must visit during the distribution process. The data used is the cost and distance data between factory and each agent. One-cut point method is used for crossover process, reciprocal exchange method is used for mutation process, and elitism method for selection process. Based on the test result that has been done, the optimal parameters which are used to produce the best solution, such as the population size is 45, the generation number is 70, and the combination of cr and mr is 0.8 and 0.3. By using the best parameters, the resulting fitness value is in the range 0.014909 up to 0.017642. Keywords: Genetic Algorithm, Distribution, Pharmaceutical, Optimization Distribusi merupakan kegiatan menyalurkan barang dari pabrik ke agen. Proses distribusi dianggap efisien jika proses penyaluran barang dilakukan dengan jarak yang minimal, sehingga waktu dan biaya yang dibutuhkan untuk proses distribusi juga akan semakin kecil. Algoritma genetika digunakan untuk melakukan optimasi pada proses distribusi barang farmasi dengan mencari solusi berupa urutan agen yang harus dikunjungi oleh setiap kendaraan saat proses distribusi. Data yang digunakan adalah data biaya dan jarak antara pabrik dengan masing-masing agen. Metode one-cut point digunakan untuk proses crossover, metode reciprocal exchange digunakan untuk proses mutasi, dan metode elitism untuk proses seleksi. Berdasarkan hasil pengujian yang telah dilakukan, parameter optimal yang digunakan untuk menghasilkan solusi terbaik, antara lain ukuran populasi sebanyak 45, generasi sebanyak 70, serta kombinasi cr dan mr yaitu 0.8 dan 0.3. Dengan menggunakan parameter terbaik tersebut, nilai fitness yang dihasilkan berada pada rentang 0.014909 sampai dengan 0.017642. Kata kunci: Algoritma Genetika, Distribusi, Farmasi, Optimasi

Page 1 of 1 | Total Record : 10

 1 

Filter by Year

2018 2018


Reset
Filter By Issues
All Issue Vol 11, No 2 (2024) Vol 11, No 1 (2024) Vol 10, No 3 (2023) Vol 10, No 2 (2023) Vol 10, No 1 (2023) Vol 9, No 3 (2022) Vol 9, No 2 (2022) Vol 9, No 1 (2022) Vol 8, No 3 (2021) Vol 8, No 2 (2021) Vol 8, No 1 (2021) Vol 7, No 3 (2020) Vol 7, No 2 (2020) Vol 7, No 1 (2020) Vol 6, No 3 (2019) Vol 6, No 2 (2019) Vol 6, No 1 (2019) Vol 5, No 2 (2018) Vol 5, No 1 (2018) Vol 4, No 2 (2017) Vol 4, No 1 (2017) Vol 3, No 2 (2016) Vol 3, No 1 (2016) Vol 2, No 2 (2015) Vol 2, No 1 (2015) Vol 1, No 1 (2014) More Issue