OPTIMASI PENEMPATAN DAN KAPASITAS KAPASITOR

BANK UNTUK MEMPERBAIKI KUALITAS DAYA

MENGGUNAKAN METODE ALGORITMA GENETIKA

PROPOSAL TUGAS AKHIR

Diajukanuntukmemenuhisyaratakademik pada program Strata-1

Jurusan Teknik Elektro
UniversitasJenderalAchmadYani

Oleh

LUTHFI MEIDANI
NIM 2211161112

JURUSAN TEKNIK ELEKTRO

FAKULTAS TEKNIK
UNIVERSITAS JENDERAL ACHMAD YANI
2019

i
 ABSTRAK

Bertambahnya pertumbuhan dalam dunia industri berpengaruh kepada

bertambahnya beban listrik yang dipakai oleh konsumen. Perkembangan beban itu
bersamaan dengan bertambahnya daya reaktif akibat beban induktif pada bus
beban maupun pada saluran yang menyebabkan bertambahnya pemakaian daya
reaktif.

Oleh karena itu, analisa study dalam perencanaan pemasangan dan kapasitas
kapasitor bank untuk menanggulangi beban induktif perlu dilakukan. Pada
jaringan distribusi, jika suatu jaringan tidak mempunyai sumber daya reaktif di
daerah sekitar beban maka semua kebutuhan beban reaktif dipikul oleh gardu
induk yang disuplai dari generator pada pembangkit listrik, sehingga akan
mengalir arus reaktif pada jaringan yang mengakibatkan faktor daya menurun,
drop tegangan, dan bertambahnya rugi-rugi daya.
Analisisis optimasi penempatan dan kapasitas kapasitor bank menggunakan
metode algoritma genetika yang dilakukan dengan menggunakan software
MATLAB R2009a dan ETAP 7.0 metode analisa algoritma genetika dan metode
perhitungan Newton-Raphson dapat menjadi tolak ukur bagi perancangan maupun
koreksi dalam audit sistem tenaga listrik yang akan dilakukan.

Kata kunci : Daya reaktif, Kapasitor bank, MATLAB R2009a

i
 DAFTAR ISI

ABSTRAK................................................................................................................i

DAFTAR ISI............................................................................................................ii

DAFTAR GAMBAR..............................................................................................iii

DAFTAR TABEL...................................................................................................iv

BAB I PENDAHULUAN........................................................................................1

1.1. Latar Belakang...................................................................................................1

1.2. Tujuan Penelitian................................................................................................2
1.3. Batasan Masalah.................................................................................................3
BAB II TEORI PENUNJANG................................................................................4

2.1. Tinjauan Pustaka.....................................................................................................4

2.2. Dasar Teori...........................................................................................................4
2.2.1. Sistem Jaringan Distribusi..........................................................................4
2.2.2. Penurunan Tegangan..................................................................................5
2.2.3. Kapasitor Bank...........................................................................................5
2.2.4. Faktor Daya................................................................................................6
2.2.5. Koreksi Faktor Daya...................................................................................7
2.2.6. Rugi Pada Saluran Distribusi......................................................................9
2.2.7. Konsep Dasar Metode Algoritma Genetika................................................9
2.2.8. Fungsi Objektif Biaya Kapasitor Bank....................................................12

ii
BAB III METODE PENELITIAN........................................................................14

3.1. Diagram Alir Penelitian.........................................................................................14

DAFTAR PUSTAKA............................................................................................16

DAFTAR GAMBAR

iii
DAFTAR TABEL

iv
 BAB I PENDAHULUAN

1.1. Latar Belakang

Dalam penyaluran energi listrik sering kali terjadi beberapa masalah yang
dihadapi diantaranya jatuh tegangan, faktor daya yang rendah dan rugi-rugi daya.
Beban pada jaringan distribusi bisa berupa beban kapasitif maupun induktif,
namun pada umumnya merupakan beban induktif. Apabila beban reaktif
induktif semakin tinggi maka berakibat memperbesar jatuh tegangan,
memperbesar rugi-rugi daya, menurunkan faktor daya dan menurunkan kapasitas
penyaluran daya. Salah satu cara untuk memperbaiki drop tegangan adalah
dengan menempatkan nilai kapasitor yang optimal di lokasi yang tepat pada
sistem distribusi. Oleh karena itu, perlu dilakukan perencanaan dalam melakukan
analisis study pemasangangan kapasitor bank untuk menanggulangi beban
induktif. Pada sistem distribusi, jika suatu jaringan tidak memiliki sumber daya
reaktif di daerah sekitar beban maka semua kebutuhan beban reaktifnya dipikul
oleh gardu induk yang tersuplai dari generator pada pembangkit listrik, sehingga
akan mengalir arus reaktif pada jaringan yang mengakibatkan faktor daya
menurun, drop tegangan, dan bertambahnya rugi-rugi daya.

Beberapa penelitian yang sudah dilakukan sebelumnya mengenai penempatan

kapasitor bank pada jaringan distribusi dengan lokasi dan kapasitas yang tepat
maka akan mengurangi rugi-rugi daya dan drop tegangan pada sistem. pada
penelitian [1] dalam penelitiannya harmony search algorithm digunakan untuk
mencari lokasi dan ukuran kapasitor yang optimal pada 33 bus sistem distribusi
radial. Hasil penelitian menunjukan bahwa hampir 32% pengurangan kerugian
didalam sistem dengan menjanjikan voltage profile,namun kekurangan pada
penelitian ini adalah lokasi bus dan ukuran kapasitor Var dianggap sebagai
discrete variable. Pada penelitian [2] dalam penelitiannya peneliti menggunakan
metode algoritma genetika sebagai optimalisasi lokasi dan ukuran daya kapasitor

1
bank pada jaringan distribusi, kelebihan utama dari metode ini adalah
mengkonversi langsung manfaat yang diperoleh dan metode nya pun tidak
rumit,selain itu dapat menemukan pilihan terbaik lokasi dan jenis kapasitor bank
dari daftar tipe yang sudah ada. Pada penelitian [3] dalam penelitian ini
menggunakan metode Accelerated Particle Swarm Optimization, penerapan
optimasi bebasis metode ini pendekatan untuk memecahkan masalah alokasi
kapasitor (ukuran dan lokasi) telah di teliti, algoritma yang telah diusulkan telah
diuji pada sistem 84 bus dan hasilnya menunjukan bahwa alokasi kapasitor
mengurangi 25.61% dari kehilangan daya nyata,dari hasil simulasi ini bahwa
metode ini mempunyai respon cepat konvergensi mencapai 99,79 detik.

Berdasarkan penelitian yang telah disebutkan diatas,dengan menggunakan

beberapa parameter yaitu harmony search algorithm, algoritma genetika,
Accelerated Particle Swarm Optimization, penulis akan melakukan penelitian
optimasi penempatan dan kapasitas kapasitor bank menggunakan metode
algoritma genetika pada sistem distribusi dan menambahkan perhitungan aliran
daya newton raphson.

1.2. Tujuan Penelitian

Adapun tujuan dari penelitian ini adalah sebagai berikut :

1. Menentukan penempatan dan nilai optimal kapasitor bank untuk

mengurangi rugi daya pada sistem distribusi.
2. Membandingkan pengaruh yang terjadi dalam sistem jaringan distribusi
sebelum dan sesudah penempatan kapasitor.
3. Meminimalkan biaya pemasangan kapasitor bank.

2
1.3. Batasan Masalah

Untuk menyederhanakan permasalahan dalam penelitian ini maka diberikan

batasan-batasan masalah sebagai berikut :

1. Metode yang digunakan untuk optimasi penempatan dan nilai optimal

kapasitor adalah Algoritma Genetika.
2. Metode yang digunakan dalam perhitungan adalah perhitungan aliran daya
Newton Rapshon.
3. Fungsi objektif yang dicari dalam Algoritma Genetika adalah nilai
minimum biaya pemasangan kapasitor, biaya pembelian kapasitor, biaya
operasi dan pemeliharaan kapasitor serta biaya rugi – rugi daya untuk
mencari besar nilai kapasitor yang optimal.
4. Software yang digunakan dalam penelitian ini adalah MATLAB R2009a
dan ETAP 7.0.
5. Tidak membahas jenis dan produk kapasitor bank secara detail, hanya
melihat besar nilai VAR.

3
 BAB II TEORI PENUNJANG

2.1. Tinjauan Pustaka

1. Berdasarkan penelitian [1], dalam penelitiannya harmony search algorithm

digunakan untuk mencari lokasi dan ukuran kapasitor yang optimal pada 33
bus sistem distribusi radial. Hasil penelitian menunjukan bahwa hampir 32%
pengurangan kerugian didalam sistem dengan menjanjikan voltage
profile,namun kekurangan pada penelitian ini adalah lokasi bus dan ukuran
kapasitor Var dianggap sebagai discrete variable.

2. Berdasarkan penelitian [2], peneliti menggunakan metode algoritma genetika

sebagai optimalisasi lokasi dan ukuran daya kapasitor bank pada jaringan
distribusi, kelebihan utama dari metode ini adalah mengkonvesi langsung
manfaat yang diperoleh dan metode nya pun tidak rumit,selain itu dapat
menemukan pilihan terbaik lokasi dan jenis kapasitor bank dari daftar tipe
yang sudah ada.

3. Berdasarkan penelitian [3], dalam penelitian ini menggunakan metode

Accelerated Particle Swarm Optimization, penerapan optimasi bebasis
metode ini pendekatan untuk memecahkan masalah alokasi kapasitor (ukuran
dan lokasi) telah di teliti, algoritma yang telah diusulkan telah diuji pada
sistem 84 bus dan hasilnya menunjukan bahwa alokasi kapasitor mengurangi
25.61% dari kehilangan daya nyata,dari hasil simulasi ini bahwa metode ini
mempunyai respon cepat konvergensi mencapai 99,79 detik.

2.2. Dasar Teori

2.2.1. Sistem Jaringan Distribusi

Sistem jaringan distribusi tenaga listrik termasuk bagian dari sistem tenaga listrik
yang menghubungkan antara energi listrik dari gardu induk bertegangan

4
menengah ke beban. Fungsi utamanya adalah untuk menyalurkan tenaga listrik ke
beban. Sumber daya tersebut dapat berupa :

1. Pembangkit listrik yang langsung tersambung dengan jaringan distribusi.

2. GI atau yang biasa disebut gardu induk. Yaitu jaringan listrik yang
disuplai dari pembangkit listrik melewati transmisi dan juga sub transmisi.
Salah satu fungsi dari gardu induk adalah untuk penyimpanan sementara
suplai listrik dari pembangkit sebelum disalurkan ke jaringan distribusi.

2.2.2. Penurunan Tegangan

Akibat adanya arus yang mengalir pada penyulang serta impedansi saluran maka akan
timbul jatuh tegangan pada penyulang tersebut, dimana jatuh tegangan terjadi sepanjang
saluran dan disisi beban. Jatuh tegangan yang paling besar terjadi pada saat beban
puncak. Jatuh tegangan maksimum pada beban penuh yang dijinkan di beberapa titik
pada jaringan distribusi berdasarkan SPLN 72.1987 adalah [6]:
1. SUTM = 5 % dari tegangan kerja pada sistem radial di atas tanah dan sistem
simpul.
2. SKTM = 2 % dari tegangan kerja pada sistem spindle dan gugus.
3. Trafo distribusi = 3 % dari tegangan kerja.
4. Saluran tegangan rendah = 4 % dari tegangan kerja yang tergantung pada
kepadatan beban.
5. Sambungan rumah = 1 % dari tegangan nominal.

2.2.3. Kapasitor Bank

Kapasitor merupakan 2 keping pelat yang paralel yang dipisahkan oleh suatu
bahan dielektrik. Bahan dielektrik ini pun memiliki resistivitas, namun besarnya
resistivitas ini dapat diabaikan bila kapasitor dianggap kapasitif murni.

5
 Gambar 2.1 EX-7 Cooper Power System Capacitor
(Sumber : Cooper Industries, 2002)

Kekurangan kapasitor itu sendiri yaitu tidak bisa menkompensasi kelebihan daya
reaktif dari jaringan. Kapasitor hanya mempunyai kinerja untuk mensuplai
pasokan daya reaktif ke jaringan tetapi tidak bisa menangani kelebihan daya
reaktif dari jaringan. Kapasitor dapat menaikkan tegangan jaringan dengan cara
memberikan arus yang ia miliki. Akan tetapi, kenaikan tegangan yang ia berikan
sebanding dengan arus yang yang ia transfer. Artinya, tegangan yang dirasakan
sistem adalah naik tidak tetap. Padahal, jaringan menuntut kestabilan [4].

2.2.4. Faktor Daya

Jumlah vektor dari daya reaktif (Q) dan daya aktif (P) biasa disebut dengan daya
semu (S) seperti ditunjukkan pada Gambar dibawah ini.

Gambar 2.2 Vektor diagram segitiga daya

(Sumber : Tarsin, 2011)

6
Dari Gambar 2.2 daya semu = S, sehingga
2 2
S P Q (2.1)

Dan diperoleh juga rumus untuk segitiga daya :

P  VI cos  
Q  VI sin  
S  VI


Perbandingan antara daya aktif dengan daya semu disebut faktor daya.

(2.5)

Nilai faktor daya (cos) yang tinggi, memberikan pengaruh baik terhadap jaringan
distribusi. Semakin besar daya reaktif induktif pada suatu beban, maka makin
kecil pula faktor dayanya [6].

2.2.5. Koreksi Faktor Daya

Dengan mengibaratkan beban disuplai dengan daya aktif (P), daya reaktif
tertinggal (lagging) Q1 , dan daya semu S1, maka faktor daya tertinggal.

(2.6)
ketika kapasitor Qc dihubungkan pada beban, faktor daya dapat ditingkatkan dari
cos 1 ke cos 2, dimana :

(2.7)
Dapat dilihat pada gambar 2.3, daya total dan daya reaktif menurun dari S1

7
menjadi S2 dan dari Q1 menjadi Q2. Sehingga dapat diketahui jatuh
daya reaktif menyebabkan jatuh daya total.

Gambar 2.3 Ilustrasi koreksi faktor daya

(Sumber : Tarsin, 2011)

Faktor daya beban induktif dapat diperbesar dengan memberikan kompensasi

daya reaktif. Idealnya besar kompensasi daya reaktif adalah sebesar kebutuhan
daya reaktif kapasitif sedemikian sehingga faktor daya sama dengan 1. Dengan
memperhatikan kapasitas kapasitor bank yang diperlukan untuk memperbaiki
faktor daya beban induktif ke faktor daya yang diperlukan dapat dihitung dengan
persamaan dibawah ini [7].

(2.8)
Dimana :
Qc = Kapasitas kapasitor (kVAr).
P = Daya aktif (kW).
pF orig= faktor daya semula.
pF new= faktor daya yang diinginkan.

8
2.2.6. Rugi Pada Saluran Distribusi

Rugi – rugi daya listrik pada saluran distribusi dapat dikategorikan menjadi 2
(dua) bagian yaitu rugi-rugi daya aktif dan daya reaktif seperti persamaan di
bawah ini [6].

(2.9)
Dimana :
Ploss = Rugi - rugi daya aktif (Watt)
Qloss = Rugi - rugi daya reaktif (VAr)
Sloss = Total tugi saluran (VA)

Rugi-rugi daya listrik tersebut diatas (VA) akan mempengaruhi tegangan kerja
sistem dan besarnya rugi-rugi daya dinyatakankan dengan:

(2.10)

(2.11)

2.2.7. Konsep Dasar Metode Algoritma Genetika

Genetik Algoritma (GA) merupakan suatu metode yang meniru mekanisme pada
proses evolusi. Proses evolusi ini dilakukan pada sekumpulan kandidat solusi
(chromosome) dengan mengikuti prinsip seleksi natural yang dikembangkan oleh
Darwin. Berbeda dengan algoritma biasa dimana pencarian solusi hanya dimulai
dengan satu solusi yang mungkin, GA melakukan pencarian sekaligus atas
sejumlah kandidat solusi (chromosome) yang dikenal dengan istilah populasi
(population).

Masing-masing chromosome pada GAterdiri dari sejumlah bilangan atau simbol

yang merepresentasikan suatu solusi yang layak (feasible solution) dari persoalan.
Selanjutnya, chromosome untuk generasi berikutnya diperoleh dengan melakukan
operasi genetika (Crossover dan Mutasi). Operasi genetika ini dilakukan dengan
tujuan untuk dapat menghasilkan sejumlah chromosome baru (offspring) yang

9
memberikan solusi lebih baik. Setiap chromosome pada populasi dievaluasi
dengan menghitung nilai fitness (fitnessvalue). Salah satu fitness value yang biasa
dipakai adalah dengan menghitung nilai fungsi tujuan (objective value). Dengan
melakukan seleksi terhadap chromosome pada setiap generasi, diharapkan
populasi chromosome pada generasi berikutnya akan mempunyai nilai fitness
yang lebih baik. Proses pembentukan generasi baru dengan melakukan operasi
genetika terhadap populasi chromosome dilakukan terpenuhi kriteria
pemberhentian (stopping condition) [6].

Berikut suatu contoh untuk memahami konsep dasar Genetik Algoritma. Seleksi
tahap awal untuk chromosome orang tua dilakukan secara random dimana
susunan chromosome orang tua di susun seperti dalam Tabel 2.1.

Tabel 2.1 Data populasi awal

(Sumber : Tarsin,2011 “telah diolah kembali”)

Selanjutnya adalah melakukan operasi crossover yang selanjutnya diamati

perubahan chromosome pertama dan kedua seperti ditunjukkan pada Gambar 2.4
berikut dan dari Tabel 2.1 di atas dilakukan operasi crossover sebagai berikut:

Gambar 2.4 Proses crossover

(Sumber : Tarsin,2011)

10
Langkah crossover :
1. Chromosome C1 terlebih dahulu digeser bitnya kekanan sebanyak 1 bit;
2. Chromosome C1 dan chromosome C2 di silangkan bitnya seperti Gambar 2.4.
Langkah selanjutnya adalah proses mutasi. Chromosome yang terbentuk akibat
operasi crossover diproses lagi dengan menggunakan operasi mutasi yang
ditunjukkan pada Gambar 2.5 berikut ini:

Gambar 2.5 Proses mutasi

(Sumber : Tarsin,2011)

Langkah mutasi :
1. salah satu bit pada D dan B, 1 menjadi 0 dan sebaliknya (hal ini tidak
mutlak).

Langkah berikutnya adalah proses pembaruan chromosome baru untuk menggantikan

chromosome lama, seperti padaTabel 2.2 Dalam hal ini yang akan menjadi chromosome
baru yaitu AB, AD’, CB’ dan C4.

Tabel 2.2 Data populasi setelah proses crossover dan mutasi

(Sumber : Tarsin,2011 “telah diolah kembali”)

Dari harga yang diperoleh dari Tabel 2.2, terlihat bahwa ada perbaikan dari harga
fungsi objektif yang diperoleh. Jika harga-harga tersebut belum dapat diterima,

11
maka dapat dilakukan proses operasi ulang crossover dan mutasi untuk
medapatkan keturunan berikutnya hingga harga yang diinginkan tercapai.

Hal mendasar yang harus diperhatikan dari proses crossover yaitu memilih
chromosome yang bernilai fitness besar dengan yang bernilai kecil untuk
dikawinkan. Sedangkan untuk melakukan proses mutasi bisa dilakukan sesuai
keinginan kita tetapi dalam prosesnya harus sama dari generasi ke-1 hingga
generasi ke-n [6].

2.2.8. Fungsi Objektif Biaya Kapasitor Bank

Untuk menentukan biaya pembelian kapasitor bank diharapkan biayanya dibuat

seminimal mungkin dan ada 4 (empat) yang perlu diperhatikan untuk pembelian
kapasitor bank [4], yaitu:

1. Biaya instalasi kapasitor bank.

2. Biaya pembelian kapasitor bank.
3. Biaya operasi kapasitor bank (termasuk biaya perawatan dan biaya
penyusutan).
4. Biaya rugi-rugi daya aktif.

Adapun Persamaan matematis untuk fungsi objektif biaya kapasitor bank, sebagai
berikut :

(2.12)

Dimana :
Nbus = Nomor bus kandidat.
Xi = 0/1,0mengaktifkan tidak ada penempatan kapasitor bank pada bus i.
Coi = Biaya pemasangan kapasitor bank/unit.
Cli = Harga kapasitor bank kVAr.
Cli = Biaya perawatan kapasitor bank/tahun.
Qci = Kapasitas kapasitor bank (kVAr).

12
T = Periode waktu perencanaan ( thn).
C2 = Biaya rugi-rugi/kVA.
Nload = Level beban (Maksimum, Medium,dan rata-rata ).
Ti = Durasi beban pada level i (Jam).
Pil = Total rugi-rugi sistem beban level i.

13
 BAB III METODE PENELITIAN

3.1. Diagram Alir Penelitian

Proses penyelesain masalah memerlukan langkah-langkah yang sistematis agar

dapat membantu dalam suatu proses penelitian, proses tersebut dapat dilihat dalam
sebuah diagram alir yang dapat dilihat seperti gambar dibawah ini :

Mulai

Pengumpulan data ;
Bus dan saluran

Tidak
Kelengkapan data?

ya
-Menghitung aliran daya menggunakan metode newton
raphson
-Menghitung rugi-rugi daya
(sebelum penempatan kapasitor bank)

Tidak
Drop tegangan diluar
standar?
Ya

-Menghitung ukuran kapasitor bank

Tambah
kapasitor -Mencari titik penempatan kapasitor bank
menggunakan fungsi objektif pada matlab

-Menghitung aliran daya menggunakan metode newton

raphson
-menghitung rugi-rugi daya
(setelah penempatan kapasitor)

Tidak
Drop tegangan sesuai
level standar?

ya

Rekomendasi titik
pemasangan
kapasitor bank

Selesai

Gambar 3.1 Diagram alir optimasi penempatan kapasitor bank.

14
Proses dimulai dengan pengumpulan data bus dan saluran kemudian di lihat
kembali apakah data - data yang diinginkan telah lengkap lalu menghitung aliran
daya menggunakan metode newton raphson, menghitung rugi – rugi daya
sebelum pemasangan kapasitor bank. Kemudian apakah drop tegangan yang
dihitung diluar standar jika diluar standar, mulai menghitung ukuran kapasitor
yang sesuai dengan drop tegangan. Kemudian mencari titik yang ideal untuk
penempatan kapasitor bank menggunakan fungsi objektif pada tool matlab.
Setelah lokasi diketahui dan kapasitor dipasang lalu menghitung kembali aliran
daya menggunakan metode newton raphson, menghitung rugi - rugi daya apabila
setelah pemasangan kapasitor bank drop tegangan sesuai level standar maka
merekomendasikan pemasangan kapasitor bank ditempat yang telah kita tentukan.
Jika drop tegangan tidak sesuai maka dilakukan penambahan kapasitor kembali
sesuai yang dibutuhkan.

15
 DAFTAR PUSTAKA

[1] D.Karthikaikannan, R.Gayathri , R.Niranjana,"Optimal Sizing Of

Capasitors In Radials Distribution Sistem Using Improved Harmony
Search Algorithm”, 2018 ieee international conference on system,
computation, automation and networking (icscan), pp. 6-7, July. 2018.
[2] Szultka.Agata, Malkowski.Robert,”Selection Of Optimal Location and
Rated Power Of Capasitor Banks in Distribution Network Using Genetic
Algorithm”, 2017 18th International Scientific Conference on Electric
Power Engineering (EPE), pp. 17-19. May, 2017.
[3] B.Adriaty.Niken, Penangsang.Ontoseno, Soeprijanto.Adi,”Optimal Capacitor
Placement and Sizing in Radial Distribution System Using Accelerated
Particle Swarm Optimization” ,2017 International Seminar on Intelligent
Technology and Its Applications (ISITIA), pp. 28-29, Aug, 2017.
[4] S.Akto, E.Edy, S.Dian,”Kajian Penempatan Kapasitor Bank Menggunakan
Metode Genetik Algoritma Pada South Balam Feeder 1 PT Chevron
Pacivic Indonesia”, Jom FTEKNIK Volume 2 No. 1 Februari 2014.
[5] Elfrida.Sianipar,“Studi Penempatan Transformator Distribusi Berdasarkan
Jatuh Tegangan Pada PT. PLN (Persero) Rayon Medan Kota”, Medan:
Skripsi USU, 2011.
[6] Tarsin Saragih,”Analisis Penempatan Optimal Kapasitor bank Pada
Sistem Distribusi Radial Dengan Metode Genetik Algorithm Aplikasi : PT.
PLN (Persero) Cabang Medan”, Medan: tesis USU, 2011.
[7] IKetut Suryawan, Anak Agung Ngurah Made Narottama, Kadek Amerta
Yasa,”Optimasi Desain Kapasitor bank UntukPerbaikan Faktor Daya
BerbasisAssesmen Stokastik Menggunakan GeneticAlgorithm”, Jurnal
Logic Volume 12, No.3, 2012.

16
17