| dc.contributor.author | Santoso, Pudji | |
| dc.contributor.author | Artana, Ketut Buda | |
| dc.contributor.author | AA Masroeri | |
| dc.contributor.author | AAB Dinariyana | |
| dc.contributor.author | Irawan, M.Isa | |
| dc.date.accessioned | 2014-07-08T07:18:52Z | |
| dc.date.available | 2014-07-08T07:18:52Z | |
| dc.date.issued | 2014-03-27 | |
| dc.identifier.citation | Budi Santoso, Paul Willy , 2011, Metoda Metaheuristik, Konsep dan Implementasi : Cetakan pertama April 2011,Guna Widya Franz Rothlauf “ Representations for Genetic and Evolutionary Algorithm” Second Edition Springer. Golberg, D.E, 1989 “ Genetic Algorithms in Search, Optimization & Machine” Reading /Mass: Addison-Wesley. Hozairi, M.A (2010) . Implementasi Algoritma Genetika Untuk Optimasi Penempatan Armada Kapal TNI AL di Kawasan Timur Indonesia dalam rangka mengamankan kedaulatan NKRI . Seminar Nasional Pascasarjana X - ITS (pp. 41-17). Surabaya : Teknik Informatika - ITS. Jorg Biethahn – Volker Nissen (Eds.), “ Evolutionary Algorithms In Management Applications” Springer S.N. Sivanandam, S.N. Deepa 2010, Introduction Genetic Algorithms, Springer. Zbigniew Michalewicz,1995 “ Genetic Algorithms Data Structures Evolution Programs” Third, Reviced and Extended Edition, Springer. | en_US |
| dc.identifier.issn | 2337-4349 | |
| dc.identifier.uri | http://hdl.handle.net/11617/4534 | |
| dc.description.abstract | Paper ini membahas tentang konsep pengambilan keputusan pada model sistem keamanan
wilayah laut untuk mengatasi kasus pelanggaran di wilayah Amada Timur (ARMATIM) oleh
kapal negara asing. Pelanggaran yang sering terjadi adalah illegal fishing, illegal logging dan
pelanggaran wilayah perbatasan. Dalam rangka mencari strategi keputusan untuk
meminimalisasi pelanggaran yang terjadi di wilayah ARMATIM maka penelitian ini akan
melakukan simulasi penugasan kapal patroli dengan metode optimasi Binary Genetic
Algorithm (BGA. Model optimasi BGA digunakan untuk memilih kombinasi kapal patroli yang
optimal di masing-masing zona Armatim dengan tiga skenario yaitu lima zona, tujuh zona dan
sembilan zona. Pembagian ini di maksudkan untuk medapatkan fleet mix kapal yang terbaik di
tiap-tiap zona dengan biaya operasi yang minimum serta coverage area yang maksimum.
Parameter yang digunakan dalam penelitian ini adalah probabilitas crossover (Pc< 75%) dan
probabilitas mutasi (Pm = 0,1) yang dilakukan terhadap 10 -100 populasi, 500 - 1000
generasi. Hasil simulasi dari 3 zona didapatkan hasil untuk 5 (lima) zona didapatkan fleet mix
{Z
1
=5; Z
2
=5; Z
3
=6; Z
4
=6; Z
5
=6}, untuk 7 (tujuh) zona didapatkan fleet mix {Z
1
=4;
Z
3
=4; Z
4
=4; Z
5
=4; Z
6
=4; Z
7
=3}, untuk 9 (sembilan) zona didapatkan fleet mix {Z
1
=3;
Z
3
=3; Z
4
=3; Z
5
=3; Z
6
=3; Z
7
=2; Z
8
=3; Z
9
=3}, berdasarkan perbandingan capaian coverage
area dan operational cost antara 5 zona, 7 zona dan 9 zona didapatkan hasil yang paling
optimal di 9 zona dengan hasil Coverage area=1.732.670 Mil
2
dan Operational Cost= Rp.
4.347.717.100 | en_US |
| dc.publisher | Universitas Muhammadiyah Surakarta | en_US |
| dc.subject | BGA( Optimasi) | en_US |
| dc.subject | Fleet Mix, | en_US |
| dc.subject | Zona | en_US |
| dc.subject | Pengambilan keputusan | en_US |
| dc.title | Implementasi Binary Genetic Algorithm (BGA) untuk Optimasi Penugasan Kapal Patroli TNI - AL dalam Rangka Keamanan Wilayah Laut Indonesia | en_US |
| dc.type | Article | en_US |
