net/publication/317339559
CITATIONS READS
0 13,550
3 authors, including:
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Wayan Firdaus Mahmudy on 04 June 2017.
Abstrak
Salah satu permasalahan yang ada di Indonesia adalah tidak seimbangnya jumlah antara
permintaan daging sapi potong dengan jumlah produksi sapi potong lokal. Banyaknya permintaan
daging sapi potong ini didasari karena pertambahan jumlah penduduk di Indonesia yang semakin
banyak. Hal tersebut menyebabkan negara Indonesia memiliki ketergantungan yang cukup besar untuk
mendatangkan sapi impor dari luar negeri agar mampu mencukupi kebutuhan masyarakat Indonesia.
Pada penelitian ini mengimplementasikan algoritma genetika untuk membuat campuran ransum yang
berkualitas dengan biaya yang terjangkau sehingga mampu meningkatkan jumlah produksi daging sapi
potong lokal agar dapat memenuhi kebutuhan masyarakat. Representasi yang digunakan pada penelitian
ini adalah real code yang mana setiap kromosom menginisialisasi bahan pakan yang digunakan. Metode
crossover rate yang digunakan yaitu extended intermediate. Metode mutasi yang digunakan yaitu
random mutation, dan metode seleksinya menggunakan metode elitism. Berdasarkan hasil pengujian
yang telah dilakukan, didapatkan parameter optimal yaitu pada populasi 900, generasi 800 serta
kombinasi cr dan mr sebesar 0,9 dan 0 dengan fitness sebesar 0,6266. Hasil akhir yang didapatkan
berupa komposisi pakan dengan biaya harian yang minimal berdasarkan acuan dari kebutuhan nutrisi
sapi potong.
Kata Kunci: algoritma genetika, sapi potong, penggemukkan sapi, komposisi pakan
Abstract
One of the problems that exist in Indonesia is not share of the number between the demand for
beef cattle with the number of local beef cattle production. This caused by the increase in the number of
people in Indonesia. It makes Indonesia have large enough dependencies to import cows from abroad
to fulfill the need of Indonesian people. This study tries to implement the genetic algorithm to creating
a qualified mixed ration at the reasonable cost. This study is expected to be able to increase the number
of local beef cattle production to fulfill the need of Indonesian people. The representation used in this
study is real code in which each chromosome initialize feed materials which used. The mutation method
is the random mutation, and the selection method is elitism. The result of this study found the optimal
parameter at 900 population, 800 generation and the combination of cr and mr as many as 0.9 and 0
with the highest fitness is 0,6266. The result obtained in the form of ration composition recommendation
at minimal cost as daily based of the nutritional need of beef cattle.
Keywords: genetic algorithm, beef cattle, fattening cattle, feed composition
seperti hari besar Idul Adha dan Idul Fitri. Hal sapi agar dapat membantu para peternak sapi
inilah yang memicu jenis usaha ternak sapi dalam negeri dalam membuat pakan yang
menjadi salah satu usaha yang sangat diminati berkualitas sehingga dapat menambah bobot sapi
karena keuntungannya, terutama para pelaku dengan biaya pakan yang terjangkau. Selain itu,
usaha ternak dalam negeri. Berdasarkan hal ini juga dilakukan agar komposisi pakan
penelitian oleh UGM atau Universitas Gajah beserta kebutuhan kandungan nutrisi pakan sapi
Mada bersama Asosiasi Produsen Daging dan memiliki kualitas yang baik. Diharapkan
Feedlot Indonesia atau APFINDO menyatakan program ini mampu menghasilkan komposisi
pada tahun 2015 kebutuhan daging sapi pakan yang optimum dengan biaya yang efisien.
mencapai jumlah sebanyak 640.000 ton dan Sehingga program yang nanti dikembangkan
mengalami kenaikan sejumlah 8,5 persen dari pada penelitian ini dapat menggemukkan bobot
tahun 2014 yang mana pada tahun sebelumnya sapi dengan komposisi pakan yang telah di
hanya berjumlah 590.000 ton (Udin, 2015). optimalkan.
Begitu juga dengan populasi ternak di Indonesia Dan penelitian lain yang menggunakan
yang semakin meningkat tiap tahunnya termasuk algoritma genetika yaitu optimasi komposisi
didaerah Jawa timur. pakan sapi potong (Kusuma, et al., 2015).
Tetapi sayangnya permintaan daging sapi Penelitian ini dilakukan dengan metode yang
tersebut tidak seimbang dengan jumlah sapi siap hampir sama seperti penelitian yang ditulis
potong yang tersedia dari dalam negeri. Oleh diatas, yaitu mengkombinasikan antar
karena itu pemerintah melakukan suatu kromosom yang masing masing terdiri atas nilai
kebijakan berupa sapi impor, yaitu sapi potong pakan yang ingin dikombinasikan. Tetapi
yang didatangkan dari luar negeri. Pada tahun parameter yang digunakan hanya 2, yaitu protein
2015 konsumsi daging per kapita 2.56 kg kering dan total nutrient digestible. Kemudian
pertahun, yang artinya sebanyak 653.980 ton. dilakukan proses crossover menggunakan
Para peternak lokal memasok sapi sebanyak metode extended intermediate crossover dan
416.090 ton (64%), atau sejumlah 2.447.000 dimutasikan dengan metode random mutation.
ekor sapi hidup, sedangkan sisanya adalah sapi Setelah kedua hal tersebut diselesaikan
impor sebanyak 237.89 ton (36%), atau sejumlah kemudian dilakukan proses penyeleksian
1.400.000 ekor sapi hidup (Wijayanto, 2015). menggunakan metode seleksi elitism. penelitian
Kebutuhan daging secara nasional pada tahun ini menggunakan data sebanyak 31 buah. Data
2016 diprediksi akan mengalami pengingkatan tersebut berupa jenis bahan pakan sapi beserta
sebesar 10%. Peningkatan pasokan sapi lokal kandungan nutrisinya dengan menggunakan
hanya meningkat sebesar 8%, sedangkan defisit representasi real-code. Dari hasil penelitian ini
akan diisi melalui sapi impor yang akan didapatkan nilai rata-rata fitness dari 200
mengalami penigkatan sebesar 12%. Untuk individu sebesar 0.4411528, dan juga generasi
jumlah sapi impor akan semakin besar, sebesar sebanyak 100 dengan nilai rata-rata fitness
2% dan menjadi 38% (Boediyana, 2015). Ini sebesar 0.441953 dan kombinasi cr 0.5 dan mr
tentunya akan menjadi dampak buruk kepada 0.1 dengan nilai rata-rata fitness sebesar
para peternak sapi dalam negeri akibat dari 0.4400628 (Kusuma, et al., 2015).
ketergantungannya sapi impor yang didatangkan Kemudian dilanjutkan penelitian dengan
dari luar negeri seperti feedlot, Texas. Oleh objek yang sama dengan penelitian si penulis
karena itu kestabilan harga daging sapi sangat berupa komposisi pakan ternak sapi potong
dipengaruhi oleh kebijakan pemerintah dalam menggunakan algoritma evolusi (Milah &
mengatur pola distribusi daging dan untuk Mahmudy, 2015). Pada penelitian ini dilakukan
sementara harga daging sapi yang sampai saat ini dengan tahapan inisialisasi,reproduksi berupa
masih terhitung relatif tinggi. Hal ini sebenarnya rekombinasi dan mutasi kemudian dilakukan
dapat dicegah apabila para peternak sapi lokal seleksi dengan metode elitism selection. Data
mau memperbesar jumlah produksi daging pakan sapi yang digunakan sebanyak 24 buah
sapinya agar dapat mencukupi kebutuhan daging dan parameter pakan yang digunakan berupa
sapi dalam negeri, yaitu dengan melakukan Kalsium(Ca) dan Fosfor (P). Dalam penelitian
program penggemukan sapi. ini menghasilkan solusi yang optimal
Berdasarkan permasalahan di atas, peneliti berdasarkan ukuran populasi sebanyak 50,
ingin membuat sebuah perhitungan kalkulasi ukuran offspring 4, range kromosom 0-20 (real-
dalam bentuk program yang mampu code) dan jumlah generasi sebanyak 500. Rata-
mengoptimalkan kombinasi-kombinasi pakan rata yang diperoleh dari pengujian ini ada berupa
nilai fitness tertinggi sebesar 0.998. Hasil akhir tambahan (Udin, 2015). Pakan sapi terdiri dari
ini lah yang direkomendasikan untuk komposisi beberapa jenis yaitu :
pakan ternak sapi potong (Milah & Mahmudy,
3.1. Hijauan
2015).
Berdasarkan pemaparan dari beberapa Hijauan adalah salah satu jenis pakan
referensi yang telah dijelaskan, maka penulis didapatkan secara alamiah, seperti rumput-
menerapkan Algoritma Genetika untuk rumputan. Hijauan terkadang sudah cukup
menentukan komposisi pakan yang optimum menjadi makanan yang baik bagi pertumbuhan
untuk menggemukkan sapi potong dengan sapi. Pakan dengan jenis hijauan perlu disimpan
menggabungkan parameter-parameter dari sebagai cadangan makanan bagi hewan ternak
kedua penelitian sebelumnya agar mendapatkan pada saat musim kemarau. Apabila hijauan tidak
kualitas pakan yang lebih baik lagi. Dengan mencukupi dalam pembuatan ransum, makan
adanya penelitian ini diharapkan dapat dapat menggunakan pakan berjenis konsentrat.
membantu peternak dalam menerapkan hasil Jenis pakan hijauan yang dapat dikatakan unggul
penelitiannya dilapangan untuk mendapatkan yaitu rumput gajah, rumput ilalang, rumput
komposisi pakan sapi yang tepat dengan biaya benggala, rumput setaria, rumput bede dan
yang minimum. Sehingga sapi yang diternakan beberapa hijauan unggul lainnya. Jenis pakan
oleh para peternak mendapatkan kandungan gizi hijauan yang termasuk sebagai hasil limbah
yang sesuai dan keuntungan yang didapatkan pertanian yaitu jerami jagung, kacang panjang,
jauh lebih menguntungkan. jerami padi dan jerami kedelai. Jenis pakan hasil
limbah cenderung memiliki kualitas yang rendah
2. SAPI POTONG sehingga terkadang membutuhkan pakan jenis
konsentrat untuk tetap mempertahankan kualitas
Sapi potong adalah salah satu jenis hewan
ransum.
ternak yang dipelihara dengan tujuan pokoknya
sebagai penghasil daging. Sapi potong sering 3.2. Konsentrat
disebut sebagai tipe sapi pedaging. Beberapa
Konsentrat atau bisa disebut dengan makanan
ciri-ciri dari sapi pedaging yaitu : memiliki tubuh
penguat adalah bahan pakan yang memiliki
yang besar, mempunyai badan menyerupai
kadar zat-zat yang makanan tinggi seperti
bentuk persegi empat atau balok, kualitas
protein ataupun karbohidratnya dan rendahnya
dagingnya maksimum dan mudah untuk dijual,
serat kasar (dibawah 18%). Konsentrat termasuk
memiliki laju pertumbuhan yang cepat, cepat
pakan yang mudah untuk dicerna karena terbuat
dalam mencapai fase dewasa dan mampu
dari campuran beberapa bahan pakan yang
memberikan efisiensi pakan yang tinggi
terkandung sumber energi. Jenis pakan
(Santosa,1995). Sapi potong juga termasuk jenis
konsentrat lebih baik digunakan saat kekurangan
sapi yang mampu dipelihara khusus untuk proses
jenis pakan hijauan atau pada masa menjalani
penggemukkan karena tingkat pertumbuhannya
program penggemukan hewan ternak saja
yang cepat dan mempunyai kualitas daging
(Indonesia, 2013). Pakan konsentrat dapat dibagi
cukup baik. Sapi-sapi tersebut pada umumnya
dua yaitu sebagai sumber protein dan sumber
dijadikan sebagai sapi bakalan, kemudian
energi. Contoh pakan yang dikategorikan
dipelihara secara intensif dalam beberapa bulan
sebagai jenis pakan konsentrat diantaranya ada
kedepan sehingga mendapatkan pertambahan
dedak padi, ampas tahu, ampas singkong, dan
bobot badan yang ideal untuk dipotong (Abidin,
masih banyak lagi. Konsentrat terkadang
2008).
diberikan sebagai bahan pakan tambahan setelah
sapi diberikan makanan rumput maupun hijauan
3. BAHAN PAKAN
lainnya.
Bahan pakan adalah setiap bahan yang
3.3. Tambahan
dikonsumsi, disukai, mampu untuk dicerna
secara menyeluruh atau hanya sebagian saja, Pakan tambahan berguna menjadi penambah
tidak mengandung zat yang membahayakan bagi dari makanan pokok sapi dengan tujuan untuk
pemakannya dan dapat memberikan manfaat meningkatkan produktifitas hewan ternak dari
bagi hewan ternaknya. Sapi membutuhkan segi kualitas produksinya. Zat aditif yang di
pakan pada setiap harinya sekitar 10% dari bobot berikan kepada hewan ternak dapat digolongkan
badan hewan ternak itu sendiri, dan sekitar 1-2% menjadi 4 jenis, yaitu vitamin, mineral,
dari bobot badannya harus diberikan pakan antibiotik dan anabolik (hormonal).
Mulai
sapi potong untuk penggemukkan sapi dan
metode algoritma genetika.
Kedua: Pengumpulan data yaitu melakukan
Inputan jumlah pengumpulan data mengenai berbagai macam
populasi, jumlah
generasi, data jenis pakan beserta kandungan nutrisinya dan
pakan harganya, data jenis-jenis sapi potong dan data
kebutuhan nutrisi sapi potong berdasarkan berat
Inisialisasi parameter badan dan bobot penambahan berat badannya.
sesuai data pakan Ketiga: Perancangan yaitu merancang dan
juga menganalisis sistem menggunakan hasil
dari studi literatur yang sudah dilakukan.
Buat Populasi Awal
Keempat: Impelementasi yaitu membuat
sistem berdasarkan hasil studi literatur dan
i=1 to jumlah menganalisis mengenai apa yang telah
generasi dilakukan.
Kelima: Pengujian yaitu melakukan uji coba
sistem yang telah diimplementasikan.
Crossover Keenam: Keismpulan yaitu mengambil
kesimulan dari pengujian yang telah dilakukan.
5.2. Data yang Digunakan
Mutasi
Data yang digunakan dalam penelitian ini
adalah sebagai berikut :
1. Data bahan makanan penyusun ransum
Hitung Fitness
2. Data harga makanan penyusun ransum
3. Data bobot sapi yang ingin di uji.
Seleksi 5.3. Siklus Penyelesaian Masalah
Menggunakan Algoritma Genetika
Apabila terdapat bobot badan sapi potong
i ++ yaitu 150 kg, target pertambahan berat badan
0,75 kg, maka kebutuhan BK adalah 4,4 kg,
TDN minimal 2,6 kg, PK minimal 0,589 kg, Ca
minimal 0,021, P minimal 0,013. Jika peternak
Hasil
Rekomendasi menginginkan pakan yang digunakan adalah
rendeng kering sebagai hijauanya serta gaplek,
dedak halus padi dan tetes sebagai
konsentratnya, maka penyelesaian
Selesai
menggunakan algoritma genetikanya adalah
sebagai berikut.
Gambar 1. Flowchart Proses Algortima 5.4. Representasi Kromosom dan
Genetika Perhitungan Fitness
5. METODE Representasi kromosom yang digunakan
dalam kasus ini adalah real code yang
5.1. Tahapan Penelitian
dibangkitkan secara acak yang menyatakan
Pada bab ini akan membahas mengenai inisialisasi berat atau bobot dari pakan yang telah
tahap-tahap yang akan dilakukan dalam dipilih sebelumnya. Gambar 2 merupakan
pembuatan aplikasi optimasi komposisi pakan contoh kromosom.
sapi dengan dengan menggunakan algortima
genetika. Adapun langkah-langkahnya adalah
sebagai berikut:
Pertama: Studi literatur yaitu melakukan
studi tentang penyusunan komposisi pakan pada Gambar 2. Reresentasi Kromosom
pakan. Untuk menguji ukuran populasi yang algoritma genetika. Grafik mengalami kenaikan
digunakan ukuran populasi kelipatan 100, pada ukuran populasi 100 sampai dengan 900
dimulai dari 100 sampai dengan 1000. Untuk dan kemudian menurun dari populasi 900
mendapatkan hasil yang lebih valid maka setiap sampai 1000. 10 kali percobaan dalam pengujian
percobaan akan dilakukan sebanyak 10 kali ukuran populasi ini menghasilkan nilai rata-rata
untuk diambil nilai rata-rata fitnessnya. Pada fitness sebesar 0.5991. Sehingga populasi yang
perconaan ini digunakan generasi = 200, cr = 0,2 paling optimal dalam kasus ini adalah saat
dan mr = 0,2. Tabel hasil uji coba ukuran ukuran populasi berjumlah 900. Pola yang sama
populasi dapat dilihat pada Tabel 3. juga ditemukan pada penelitian mengenai
optimasi pemilihan antihipertensi menggunakan
Tabel 3. Hasil Uji Coba Berdasarkan Jumlah algortima genetika oleh Wibisono dan Mahmudy
Populasi (2016). Solusi optimal didapatkan pada saat
ukuran populasi sebanyak 100 dengan fitness
Jumlah Nilai Fitness Percobaan Ke- Rata- 0,868. Grafik memiliki kecendurungan naik
Populas rata walawpun terdapat beberapa titik penurunan
i .... finess yang tidak terlalu signifikan. Hal tersebut terjadi
1 2 10
. karena semakin luasnya ruang pencarian akibat
0.556 0.540 .... 0.564 0.544 dari besarnya ukuran populasi (Wibisono &
100
9 6 . 3 5 Mahmudy, 2016). Kemudian pola selanjutnya
0.517 0.571 .... 0.559 0.559 juga ditemukan oleh Wahyuni dkk. (2015) yang
200
4 3 . 1 0
menerapkan algoritma genetika dalam
0.591 0.596 .... 0.581 0.577
300 melakukan penelitian tentang penentuan
3 5 . 6 2
0.554 0.591 .... 0.560 0.576 portofolio saham optimal, solusi optimal
400 didapatkan pada ukuran populasi sebanyak 100,
0 8 . 0 2
0.579 0.587 .... 0.594 0.576 setelah itu pada ukuran populasi selanjutnya
500 tidak memperoleh nilai rata-rata fitness yang
5 8 . 7 0
0.566 0.597 .... 0.586 0.584 lebih baik dan mengalami konvergensi
600
6 3 . 8 9 (Wahyuni, et al., 2015).
0.557 0.597 .... 0.568 0.586
700
4 3 . 0 2
7.2. Pengujian dan Analisis Ukuran Generasi
0.590 0.587 .... 0.602 0.583 Pengujian kedua dilakukan dengan
800
0 5 . 2 7 pengujian terhadap parameter jumlah generasu
0.603 0.601 .... 0.590 0.599 yang digunakan. Pengujian jumlah generasi
900
1 8 . 6 1 dilakukan untuk mengetahui pengaruh jumlah
0.578 0.589 .... 0.568 0.588
1000 generasi terhadap nilai fitnees yang dihasilkan.
5 8 . 0 1
Bahan pakan yang digunakan pada pengujian ini
adalah 4 buah bakan pakan. Untuk menguji
Uji Coba Ukuran Populasi jumlah generasi digunakan banyaknya generasi
mulai 100 sampai 1500. Untuk mendapatkan
0,6200 hasil yang lebih valid maka setiap percobaan
Rata-rata nilai fitness
300
400
500
600
700
800
900
1000
Ukuran Populasi
Tabel 4. Hasil Uji Coba Berdasarkan Dapat Dilihat pada Gambar 6.2, grafik
Jumlah Generasi mengalami kenaikan dan penurunan rata-rata
nilai fitness. Grafik menunjukkan nilai rata-rata
Jumlah Nilai Fitness Percobaan Ke- Rata- fitness tertinggi yaitu pada jumlah generasi
Generas rata sebanyak 800 dengan nilai rata-rata fitness
...
i 1 2 10 finess sebesar 0,6279. Pengujian ini dilakukan
.
0.620 0.617 ... 0.622 0.615 sebanyak 10 kali percobaan. Pola yang sama
100
5 7 . 5 2 didapatkan pada penelitian yang dilakukan oleh
200
0.616 0.620 ... 0.617 0.620 Durratul Fakhiroh (2107) dalam pengujian
9 3 . 2 6 generasi pada penelitiannya menggunakan
0.620 0.621 ... 0.627 0.619 algoritma genetika untuk mengoptimasikan
300
5 9 . 6 6 komposisi pakan sapi perah. Solusi optimal
0.626 0.626 ... 0.626 0.623 didapatkan pada generasi ke 200, selanjutnya
400
6 1 . 3 0 terjadi konvergensi dikarenakan nilai fitness
0.623 0.619 ... 0.625 0.619
500 yang dihasilkan cenderung turun dan hampir
0 8 . 2 7
0.628 0.627 ... 0.596 0.621
sama, tidak terdapat perbedaan yang signifikan
600 (Fakhiroh, et al., 2017).
9 0 . 6 4
0.620 0.614 ... 0.621 0.622 7.3. Pengujian dan Analisis Kombinasi
700
9 7 . 5 1 Crossover Rate dan Mutation Rate
0.633 0.633 ... 0.631 0.627
800 Pengujian terakhir adalah pengujian
0 0 . 1 9
0.617 0.615 ... 0.609 0.619 terhadap parameter kombinasi cr dan mr yang
900
2 5 . 9 2 digunakan dalam proses algoritma genetika.
0.601 0.632 ... 0.619 0.618 Pengujian kombinasi cr dan mr dilakukan unutk
1000
0 9 . 2 6 mengetahui pengaruh kombinasi cr dan mr
0.624 0.619 ... 0.612 0.620 terhadapn nilai fitness yang dihasilkan. Bahan
1100
1 5 . 7 7 pakan yang digunakan pada pengujian ini adalah
0.631 0.628 ... 0.618 0.623 3 bahan pakan. Kombinasi cr dan mr yang
1200
4 0 . 4 8
digunakan pada uji coba ini antara 0 sampai 0,6
0.627 0.622 ... 0.605 0.622
1300 dan untuk mendapatkan hasil yang lebih valid
3 2 . 8 6
0.621 0.608 ... 0.620 0.623 maka setiap percobaan akan dilakukan sebanyak
1400 10 kali untuk diambil nilai rata-rata fitnessnya.
4 4 . 7 8
0.616 0.631 ... 0.621 0.622 Pada percobaan ini digunakan populasi optimal
1500 pada uji coba sebelumnya yaitu ukuran populasi
3 1 . 4 6
sebanyak 900 dan generasinya sebanyak 800,
yang mana jumlah ini didapatkan dari hasil uji
Uji Coba Jumlah Generasi coba sebelumnya. Hasil uji coba kombinasi cr
0,6300 dan mr dapat dilihat pada Tabel 5.
Rata-rata nilai fitness
0.3 0.6
0.623 0.631 . 0.594 0.619 dalam menggemukan sebuah sapi sebesar 150 kg
3 0 . 4 8 dengan pertambahan berat sebesar 0,75 kg. Dan
0.612 0.618 . 0.595 0.612 tentunya dengan harga Rp 15.800 tersebut terdiri
0.2 0.7
4 0 . 4 0 dari 3,66 kg Rendeng Kering, 0,0091 kg atau
0.623 0.629 . 0.620 0.613 sebesar 9,1 gram Gaplek, 1,9 kg Tetes dan 0,53
0.1 0.8
1 8 . 0 9
kg Dedak Padi Halus.
0.561 0.563 . 0.567 0.564
0 0.9
7 6 . 8 5
8. PENUTUP
Kesimpulan yang diperoleh melalui hasil
Uji Coba Kombinasi Crossover uji coba yang telah dilakukan mengenai
Rate dan Mutation Rate penerapan algoritma genetika untuk
0,6400
menyelesaikan permasalahan optimasi
komposisi pakan untuk penggemukan sapi
Rata-rata nilai fitness
0,6200
0,6000
potong yaitu sebagai berikut:
0,5800
1. Algoritma genetika dapat diterapkan pada
0,5600
permasalah optimasi pakan untuk
0,5400
penggemukkan sapi potong dengan
menggunakan representasi kromosom
0,5200
0.9 : 0 0.7 : 0.5 : 0.3 : 0.1 : secara real code, metode extended
0.2 0.4 0.6 0.8 intermediate, menggunakan random
Ukuran crossover rate : mutation rate
mutation serta penyeleksian dengan metode
elitism selection.
2. Untuk mengukur kualitas solusi terbaik
Gambar 9. Grafik Percobaan Kombinasi cr dan
pada permasalahan optimasi komposisi
mr
pakan untuk penggemukkan sapi potong
Berdasarkan Gambar 9 dapat dilihat bahwa yaitu dengan melihat nilai fitness tertinggi.
dapat nilai fitness terbaik ada pada kombinasi cr Fitness tertinggi adalah individu yang
dan mr 0,9 : 0 dengan nilai fitness 0.6266. Uji memiliki solusi yang paling optimum
coba kombinasi cr dan mr berpengaruh terhadap berdasarkan sistem dan individu tersebut
nilai fitness yang dihasilkan. Tingkat crossover memiliki nilai penalty yang terkecil ataupun
rate yang terlalu besar dan mutation rate yang tidak memiliki sama sekali. Pada pengujian
terlalu kecil akan menurunkan kemampuan didapatkan nilai fitness tertinggi sebesar
algoritma genetika untuk melakukan eksplorasi. 0.6266 dan memiliki penalty yaitu sebesar
Dan crossover rate yang kecil dan mutation rate 0 dan harganya yaitu Rp 15.898.
yang besar akan menurunkan kemampuan 3. Pengujian parameter algoritma generika
algoritma genetika untuk melakukan eksploitasi memiliki pengaruh terhadap nilai fitness
area optimum local (Mahmudy, 2014). Pada yang dihasilkan. Pengujian pada parameter
kasus ini eksploitasi yang dilakukan memiliki genetika dilakukan dengan
pengaruh yang signifikan dibandingkan dengan mengkombinasikan crossover rate (cr) dan
eksplorasinya. Hal ini dibuktikan pada grafik mutation rate (mr) yang terbaik terdapat
diatas, bahwa dengan nilai mr yang semakin pada kombinasi cr dan mr 0,9 : 0 dengan
besar dan nilai cr yang semakin kecil membuat nilai fitness 0.6266. Parameter algoritma
nilai rata-rata fitness yang diperoleh semakin genetika yang juga diuji terhadap penelitian
menurun. ini yaitu generasi dan populasi. Kedua
Berdasarkan uji coba untuk mengukur parameter tersebut berpengaru terhadap
kualitas solusi terbaik pada permasalahan nilai fitness yang diperoleh dari proses
optimasi komposisi pakan sapi potong yaitu algoritma genetika. Ukuran populasi yang
dengan melihat nilai fitness tertinggi. Fitness optimal terdapat pada ukuran 900 dengan
tertinggi adalah nilai suatu individu dengan nilai fitness sebesar 0.5991. Sehingga dapat
solusi yang paling optimal,yaitu memiliki nilai disimpulkan bahwa nilai fitness yang
fitness yang paling tinggi dan nilai penalty yang dihasilkan oleh sistem dipengaruhi oleh
minimum. Pada pengujian diperoleh nilai fitness ukuran populasi yang semakin tinggi,
tertinggi sebesar 0.6266 yang memiliki nilai namun jika ukuran populasi semakin tinggi
penalty sebesar 0 dan harganya yaitu Rp 15.898 maka tidak didapatkan kenailkan fitness
yang signifikan dan waktu komputasinya menggemukan satu ekor sapi berdasarkan
akan berjalan semakin lama pula. Pengujian jenis sapi dan penambahan bobot badan
jumlah generasi optimal dihasilkan fitness yang diinginkan, serta dapat melakukan
terbaik dengan nilai 0.6279 dan terdapat evaluasi terhadap hasil yang diperoleh
pada jumlah generasi ke 800. Sehingga pasca pemberian ransum pakan tersebut
disimpulkan pada jumlah generasi yang apakah berhasil atau tidak.
terlalu rendah tidak didapatkan generasi
terbaik sebagai solusi karena sistem belum DAFTAR PUSTAKA
mampu menemukan kombinasi pakan Abidin, Z., 2008. Penggemukan Sapi Potong.
dengan solusi terbaik dalam kurun waktu Jakarta: Agromedia.
yang singkat, sehingga algoritma genetika
belum berproses secara optimal. Namun Boediyana, T., 2015. Potret Bisnis Sapi Potong
jumlah generasi yang tinggi belum tentu dan Sapi Perah 2015 dan Prospek 2016.
dikatakan generasi yang terbaik karena Jakarta, Infovet.
belum tentu nilai fitness yang diperoleh Dinas_Peternakan_Provinsi_Jawa_Timur, 2015.
jauh lebih tinggi dari nilai fitness individu Data Statistik Populasi Ternak Kab/Kota
pada generasi sebelumnya. Hal ini bisa di Jawa Timur. [Online] Available at:
berlaku karena adanya sifat stochastic pada http://disnak.jatimprov.go.id/web/layanan
algoritma genetika. Sifat ini lah yang dapat publik/ datastatistik [Diakses Minggu
menyebabkan hasil yang generasi yang November 2016].
terakhir maupun proses yang lebih lama
memiliki nilai fitness yang lebih bagus Fakhiroh, D.& Mahmudy,W. F. 2017. Optimasi
maupun dapat lebih buruk dari nilai fitness Komposisi Pakan Sapi Perah
individu sebelumnya. Menggunakan Algoritma Genetika. Jurnal
Pada penelitian ini, terdapat hal yang dapat Pengembangan Teknologi Informasi, Vol.
ditambahkan dan dikembangkan untuk 1. No. 2.
penelitian selanjutnya antara lain: Kaushik, S., 2000. Feed Formulation, diet
1. Pada program ini tidak dapat menambahkan development and feed technology.
data baru berupa data sapi, data pakan dan CIHEAM, Issue 47, pp. 43-51.
data nutrisi. Oleh karena itu, lebih baik
dalam program ini dapat menambahkan Kusuma, J. I., Mahmudy, W. F.. & Indriati,
fitur tersebut untuk mempermudah si 2015. Optimasi Komposisi Pakan Sapi
peneliti maupun si peternak apabila ingin Potong Menggunakan Algoritma
menambahkan data yang baru ke dalam Genetika. Repository Jurnal Mahasiswa
database. PTIIK University Brawijaya, Volume 5, p.
2. Pada penelitian ini hanya menggunakan 15.
kombinasi pakan maksimal 4 macam jenis Mahmudy, W. F., 2015. Dasar-Dasar Algoritma
pakan yaitu, 1 untuk hijauan dan 3 untuk Evolusi. Malang: Program Teknologi
konsentrat. Sebaiknya jumlah kombinasi Informasi dan Ilmu Komputer (PTIIK)
tersebut dapat ditambahkan agar dapat Universitas Brawijaya.
memperoleh kombinasi yang beragam
dengan harapan mendapatkan harga yang Mahmudy, W. F., Marian, R. M. & Luong, LHS
lebih murah. 2014, 'Hybrid genetic algorithms for part
3. Pada program ini sebaiknya dapat type selection and machine loading
melakukan pemillihan jenis pakan secara problems with alternative production
otomatis dalam menggemukkan sapi plans in flexible manufacturing system',
potong dengan penambahan berat badan ECTI Transactions on Computer and
tertentu agar dapat menghasilkan solusi lain Information Technology (ECTI‐CIT), vol.
yang optimal. 8, no. 1, pp. 80-93.
4. Jumlah bahan pakan bisa ditambahkan Milah, H. & Mahmudy, W. F., 2015.
karena dalam permasalahan ini hanya Implementasi Algoritma Evolusi
terdapat 25 jenis bahan pakan. Strategies untuk Optimasi Komposisi
5. Untuk melakukan program penggemukan Pakan Ternak Sapi Potong. Repository
sapi hendaknya dapat dilakukan penargetan Jurnal Mahasiswa PTIIK Universitas
jumlah hari yang dibutuhkan dalam Brawijaya, Volume 11, p. 5.