Melola Discovery

← Melola Discovery

Jurnal SINTA 2

Optimasi Derajat Keanggotaan Fuzzy Tsukamoto Menggunakan Algoritma Genetika Untuk Diagnosis Penyakit Sapi Potong

Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) · Vol. 4 No. 1 (2017) · pp. 8–18

DOI
10.25126/jtiik.201741294
ISSN
2528-6579, 2355-7699
Published
2017-02-27
Publisher
Fakultas Ilmu Komputer, Universitas Brawijaya
Language
en

Abstract

Sistem inferensi fuzzy bisa digunakan untuk diagnosis penyakit pada sapi potong. Untuk mendapatkan akurasi yang tinggi maka batasan fungsi keanggotaan fuzzy perlu ditentukan secara tepat. Penggunaan metode logika fuzzy untuk memperoleh hasil diagnosis penyakit pada sapi potong sesuai pakar berdasarkan batasan gejala penyakit dan aturan-aturan yang diperoleh dari pakar. Batasan tersebut bisa diperbaiki menggunakan Algoritma Genetika untuk mendapatkan akurasi yang lebih baik. Pengujian yang dilakukan pada 51 data dari beberapa gejala penyakit menghasilkan akurasi sebesar 98,04% dengan menggunakan parameter genetika terbaik antara lain ukuran populasi sebesar 80, ukuran generasi sebesar 15, nilai Crossover rate (Cr) sebesar 0,9, dan nilai Mutation rate (Mr) sebesar 0,06. Akurasi tersebut mengalami peningkatan sebesar 3,54% sesudah dilakukannya optimasi pada metode logika fuzzy.Kata kunci: diagnosis penyakit sapi potong, logika fuzzy, Algoritma GenetikaAbstract Fuzzy inference systems can be used to diagnose cattle disease. Prior to obtaining the most accurate of limitation, fuzzy membership functions must be defined precisely. Thus, the limits will be optimized along with Genetic Algorithm to get more accurate results. The function of fuzzy logic methods in the diagnosis of disease is relied upon the parametres set by experts. Tests that were performed on 51 data from some of the symptoms of the disease resulted in an accuracy of 98.04% using the best genetic parameters with the population size of 80, the size of the generation of 15, crossover rate value of 0.9, and the value of mutation rate of 0.06. The accuracy has increased by 3.54% compare to results before optimization. Keywords: cattle disease diagnosis, fuzzy logic, genetic algorithms

Collaboration network of the authors

34 authors · 58 co-authorship links · 1 across different organisations

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • University of Brawijaya
  • Universitas Gadjah Mada
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Asyrofa RahmiUniversity of Brawijaya2
Yusuf Priyo AnggodoUniversity of Brawijaya2
Brillian Aristyo RahardianUniversity of Brawijaya2
Dyan Putri MahardikaUniversity of Brawijaya2
Syaiful AnamUniversity of Brawijaya2
Firnanda Al Islama Achyunda PutraUniversity of Brawijaya1
Fitri UtaminingrumUniversity of Brawijaya1
Ida WahyuniUniversity of Brawijaya1
Agus HarjokoUniversitas Gadjah Mada1
Ervin YohannesUniversity of Brawijaya1
Hilman Nuril HadiUniversity of Brawijaya1
Rizal Setya PerdanaUniversity of Brawijaya1
Ghenniy RachmansyahUniversity of Brawijaya1
Ria FebriyanaUniversity of Brawijaya1
Vitara Nindya Putri HasanUniversity of Brawijaya1
Mohammad Zoqi SarwaniUniversity of Brawijaya1
Luthfi HidayatUniversity of Brawijaya1
Rifki Setya ArmandaUniversity of Brawijaya1
Garsinia Ely RianiUniversity of Brawijaya1
Fita Lathifatul Mu’asyarohAffiliation unknown1
Imam CholissodinUniversity of Brawijaya1
Tusty Nadia MaghfiraUniversity of Brawijaya1
Muchammad Chandra Cahyo UtomoUniversity of Brawijaya1
Amalia Kartika A.Affiliation unknown1
Dwi Angraeni K.University of Brawijaya1
Adyan Nur AlfiyatinUniversity of Brawijaya1
Candra Fajri AnandaUniversity of Brawijaya1
Farhanna Mar’iUniversity of Brawijaya1
Cleoputri YusainyUniversity of Brawijaya1
Novanto YudistiraUniversity of Brawijaya1
Bayu RahayudiUniversity of Brawijaya1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://jtiik.ub.ac.id/index.php/jtiik/en/oai, first harvested 27 Okt 2026, last seen 27 Okt 2026.
Original metadata (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="id">Optimasi Derajat Keanggotaan Fuzzy Tsukamoto Menggunakan Algoritma Genetika Untuk Diagnosis Penyakit Sapi Potong</dc:title>
	<dc:creator xml:lang="en">Kurnianingtyas, Diva</dc:creator>
	<dc:creator xml:lang="en">Mahmudy, Wayan Firdaus</dc:creator>
	<dc:creator xml:lang="en">Widodo, Agus Wahyu</dc:creator>
	<dc:description xml:lang="id">                Sistem inferensi fuzzy bisa digunakan untuk diagnosis penyakit pada sapi potong. Untuk mendapatkan akurasi yang tinggi maka batasan fungsi keanggotaan fuzzy perlu ditentukan secara tepat. Penggunaan metode logika fuzzy untuk memperoleh hasil diagnosis penyakit pada sapi potong sesuai pakar berdasarkan batasan gejala penyakit dan aturan-aturan yang diperoleh dari pakar. Batasan tersebut bisa diperbaiki menggunakan Algoritma Genetika untuk mendapatkan akurasi yang lebih baik. Pengujian yang dilakukan pada 51 data dari beberapa gejala penyakit menghasilkan akurasi sebesar 98,04% dengan menggunakan parameter genetika terbaik antara lain ukuran populasi sebesar 80, ukuran generasi sebesar 15, nilai Crossover rate (Cr) sebesar 0,9, dan nilai Mutation rate (Mr) sebesar 0,06. Akurasi tersebut mengalami peningkatan sebesar 3,54% sesudah dilakukannya optimasi pada metode logika fuzzy.Kata kunci: diagnosis penyakit sapi potong, logika fuzzy, Algoritma GenetikaAbstract                Fuzzy inference systems can be used to diagnose cattle disease. Prior to obtaining the most accurate of limitation, fuzzy membership functions must be defined precisely. Thus, the limits will be optimized along with Genetic Algorithm to get more accurate results. The function of fuzzy logic methods in the diagnosis of disease is relied upon the parametres set by experts. Tests that were performed on 51 data from some of the symptoms of the disease resulted in an accuracy of 98.04% using the best genetic parameters with the population size of 80, the size of the generation of 15, crossover rate value of 0.9, and the value of mutation rate of 0.06. The accuracy has increased by 3.54% compare to results before optimization. Keywords: cattle disease diagnosis, fuzzy logic, genetic algorithms</dc:description>
	<dc:publisher xml:lang="en">Fakultas Ilmu Komputer, Universitas Brawijaya</dc:publisher>
	<dc:date>2017-02-27</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://jtiik.ub.ac.id/index.php/jtiik/article/view/294</dc:identifier>
	<dc:identifier>10.25126/jtiik.201741294</dc:identifier>
	<dc:source xml:lang="id">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol 4 No 1: Maret 2017; 8-18</dc:source>
	<dc:source xml:lang="en">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol. 4 No. 1: Maret 2017; 8-18</dc:source>
	<dc:source>2528-6579</dc:source>
	<dc:source>2355-7699</dc:source>
	<dc:source>10.25126/jtiik.201741</dc:source>
	<dc:language>en</dc:language>
	<dc:relation>https://jtiik.ub.ac.id/index.php/jtiik/article/view/294/pdf</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2017 Jurnal Teknologi Informasi dan Ilmu Komputer</dc:rights>
</oai_dc:dc>