Professional Documents
Culture Documents
Aplikasi Algoritma Genetika Untuk Meramalkan Konsumsi Premium Kota Denpasar
Aplikasi Algoritma Genetika Untuk Meramalkan Konsumsi Premium Kota Denpasar
1
Jurusan Matematika, Fakultas MIPA Universitas Udayana [Email: victormallang@gmail.com]
2
Jurusan Matematika, Fakultas MIPA Universitas Udayana [Email: ketut_jayanegara@yahoo.com]
3
Jurusan Matematika, Fakultas MIPA Universitas Udayana [Email: asihmath77@gmail.com]
4
Jurusan Matematika, Fakultas MIPA Universitas Udayana [Email: i.putu.enk@gmail.com]
Corresponding Author
ABSTRACT
This research aimed to forecast the gasoline demand at Denpasar using genetic algorithm method.
This algorithm was selected because of easy to implement and its ability to find acceptable solution
quickly. This algorithm works by searching the best individu according to fitness function defined.
The series data used in the research were 60 observations of monthly gasoline demand at Denpasar
for period January 2009 through December 2013. By observing the Partial Autocorrelation Function
(PACF) plot, we found the last lag before the series become stationer was sixth lag. Based on this
finding, we decided the best individu was represented by six genes. This individu, in addition, was
used to make in-sample forecasting. The forecasted data had mean absolute error (MAE) as much as
553,27 kiloliters. For one semester out-of sample forecast, we found gasoline consumption fluctuated
with lowest and highest consumption were for February 2014 and June 2014, respectively.
160
V. Mallang, K. Jayanegara, Made Asih, I Putu EN Kencana Aplikasi Algoritma Genetika Untuk Meramalkan
Konsumsi Premium Kota Denpasar
19000
algoritma genetika.
18000
2. Mencari populasi, batas atas dan bawah
17000
selang pembangkit populasi acak, dengan
16000
meregresikan sampel data berdasarkan model
15000
input yang diperoleh. 14000
Bulan Jan Jul Jan Jul Jan Jul Jan Jul Jan Jul
3. Melakukan proses algoritma genetika untuk Tahun 2009 2010 2011 2012 2013
161
E-Jurnal Matematika Vol. 3 (4), November 2014, pp. 160-167 ISSN: 2303-1751
trend dan ketidak-stasioner dikare-nakan data Setelah mengetahui bahwa data belum stasioner,
menyebar tidak seimbang (mean tidak konstan), maka dilakukan differencing orde pertama untuk
untuk memperjelas apakah mean konstan atau menstasionerkan data. Setelah differencing orde
tidak dan ada pengaruh trend, maka dibuat Plot pertama pada data konsumsi premium Kota
Fungsi Autoco-rrelation, Plot Fungsi Partial Denpasar dilakukan, diperoleh data yang sudah
Autocorrelation, dan Plot Analisis Trend seperti stasioner dalam mean, karena sudah menyebar
Gambar berikut: seimbang (mean konstan). Plot data time series
konsumsi premium Kota Denpasar yang telah di-
Plot ACF untuk Konsumsi Premium
1.0
differencing:
0.8
0.6
Plot Konsumsi Premium di Kota Denpasar (Jan. 2009 - Des. 2013)
0.4
Difference Orde Pertama
Autocorrelation
0.2
0.0 2000
-0.2
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
-1000
Lag
(a) -2000
Month Jan Jul Jan Jul Jan Jul Jan Jul Jan Jul
Year 2009 2010 2011 2012 2013
Plot PACF untuk Konsumsi Premium
0.4
sebenarnya, maka dibuat Plot Fungsi Auto-
0.2
0.0 correlation, Plot Fungsi Partial Autocorrelation.
-0.2
-0.4
-0.8 1.0
-1.0 0.8
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 0.6
Lag 0.4
Autocorrelation
0.2
(b) 0.0
-0.2
-0.4
Trend Analysis Plot for konsumsi Premium (kiloliter)
Linear Trend Model -0.6
Yt = 15394 + 94.4*t -0.8
22000 Variable -1.0
A ctual
21000 Fits 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
konsumsi Premium (kiloliter)
14000 0.6
Partial Autocorrelation
Month Sep Mar Sep Mar Sep Mar Sep Mar Sep Mar 0.4
Year 2014 2015 2016 2017 2018 2019
0.2
0.0
(c)
-0.2
-0.4
Gambar 3.2 (a). Plot Fungsi Autocorrelation, (b). -0.6
-0.8
Plot Fungsi Partial Autocorrelation, dan (c) Plot
-1.0
Analisis Trend 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Lag
Gambar 3.2 (a) menunjukkan bahwa data
(b)
belum stasioner terhadap mean, sedangkan (c),
Gambar 3.4 (a) Plot ACF Data Differencing. dan (b)
menunjukkan ada pengaruh trend yang linier
Plot PACF Data Differencing.
pada data konsumsi premium Kota Denpasar.
162
V. Mallang, K. Jayanegara, Made Asih, I Putu EN Kencana Aplikasi Algoritma Genetika Untuk Meramalkan
Konsumsi Premium Kota Denpasar
Gambar 3.4 memperlihatkan bahwa data terkecil, sehingga diperoleh delapan individu
jumlah konsumsi premium Kota Denpasar sudah terbaik yang memiliki fitness terkecil.
stasioner dan pada plot PACF bisa dilihat bahwa Individu-individu tersebut kemudian
dua lag pertama yang melebihi batas standar dibandingkan satu sama lain sehingga diperoleh
error yaitu lag 1, lag 2, dan lag 6 sehingga model satu individu terbaik yang akan digunakan untuk
input pada representasi algoritma genetika yang peramalan data jumlah kebutuhan BBM jenis
akan digunakan yaitu: premium Kota Denpasar. Tahapan peramalan
menggunakan algoritma genetika adalah sebagai
Tabel 3.1 Model Input algoritma Genetika
berikut:
No Model Input
Inisialisasi Populasi Awal
1
2 Populasi yang telah dibentuk dari proses
3 regresi kemudian ditambahkan dengan sejumlah
4 populasi baru yang dibangkitkan secara acak dari
selang nilai minimum dan maksimum, sehingga
5
populasi awal yang diperoleh berjumlah 50
6 individu.
7 Evaluasi Nilai Fitness
8 Individu pada populasi yang telah
diinisialisasi tadi, kemudian dihitung nilai
B. Tahap Pencarian Populasi dan Selang fitnessnya dan diurutkan secara ascending
Populasi Acak berdasarkan nilai fitness. Setelah evaluasi fitness
dilakukan, langkah selanjutnya adalah
Berdasarkan representasi kromosom yang
melakukan proses evolusi yaitu seleksi orang tua,
telah dibentuk dari model input, data konsumsi
crossover, mutasi, dan elitisme dengan
premium Kota Denpasar kemudian diregresikan
pengulangan sebanyak generasi = 500.
menggunakan masing-masing representasi
kromosom untuk memperoleh populasi dan Seleksi Orang Tua
selang pembangkit populasi. Seleksi orang tua yang digunakan adalah
Regresi dilakukan dengan mengambil 30 seleksi steady state, metode ini dilakukan dengan
data secara terurut menggunakan software cara mengambil individu terbaik sebagai orang
microsoft excel, sehingga diperoleh 30 individu tua sebanyak 50% (25 individu) dari populasi
dari model input 1, 29 individu dari model input yang telah terurut. Kemudian individu yang
2, 28 individu dari model input 3, 27 individu terseleksi tersebut diinisialisasikan sebagai
dari model input 4, 26 individu dari model input ortu( ), ortu( ) hingga ortu( ).
5, dan 25 individu dari model input 6, 7, dan 8.
Individu dari masing-masing model, dicari nilai Crossover
minimum dan maksimum yang akan digunakan Orang tua yang telah terpilih menggunakan
untuk membangkit individu lain yang mungkin metode steady state, kemudian dikawinsilangkan
belum muncul pada populasi hasil regresi. (crossover) dengan probabilitas crossover
C. Pencarian Individu Terbaik ( ) = 80% menggunakan metode
arithmatic-crossover. Hasil dari proses crossover
Peramalan dengan algoritma genetika ini
disebut sebagai offspring dan diinisialisasikan
menggunakan pengkodean real dengan simulasi
sebagai anak dan akan dimasukan ke dalam
program menggunakan software matlab R2012b.
populasi, sehingga jumlah populasi akan
Pada tahap ini, masing-masing model kemudian
bertambah.
dicari individu yang memiliki nilai fitness
163
E-Jurnal Matematika Vol. 3 (4), November 2014, pp. 160-167 ISSN: 2303-1751
21500
18500
17500
Data Ramalan Konsumsi
Premium Kota Denpasar
16500
15500
Oct-09
Oct-10
Oct-11
Oct-12
Oct-13
Jan-10
Apr-11
Apr-10
Jan-11
Jan-12
Apr-12
Jan-13
Apr-13
Jul-09
Jul-10
Jul-11
Jul-12
Jul-13
Gambar 3.5 Peramalan Jumlah Kebutuhan Premium Kota Denpasar Tahun 2013
164
V. Mallang, K. Jayanegara, Made Asih, I Putu EN Kencana Aplikasi Algoritma Genetika Untuk Meramalkan
Konsumsi Premium Kota Denpasar
Gambar 3.5 merupakan grafik uji model linier tahun 2014, maka dapat ditarik kesimpulan
untuk peramalan in-sample jumlah kebutuhan bahwa:
premium di Kota Denpasar Kinerja algoritma genetika dalam mera-
kiloliter dan %. malkan jumlah kebutuhan BBM jenis premium di
Kota Denpasar cukup baik dengan nilai error
E. Peramalan Out of Sample Jumlah
yang dihasilkan yaitu MAE sebesar
Konsumsi Premium
dan MAPE sebesar %.
Grafik hasil peramalan jumlah konsumsi Penggunaan BBM jenis premium di Kota
premium Kota Denpasar Bulan Januari hingga Denpasar, mengalami fluktuasi dengan rata-rata
Juni tahun 2014 dapat dilihat pada Gambar 3.6 jumlah kebutuhan premium sebesar
sebagai berikut: kiloliter.
165
E-Jurnal Matematika Vol. 3 (4), November 2014, pp. 160-167 ISSN: 2303-1751
LAMPIRAN
MAE = 553.2690
MAPE = 3.0217 persen
166
V. Mallang, K. Jayanegara, Made Asih, I Putu EN Kencana Aplikasi Algoritma Genetika Untuk Meramalkan
Konsumsi Premium Kota Denpasar
Total 130337.1561
Minimum 21499.2790
Maksimum 21910.3237
Rata-rata 21722.85935
167