PEMODELAN REGRESI LINEAR PADA PREDIKSI JUMLAH PENDUDUK DI KOTA TANJUNGPINANG MENGGUNAKAN ALGORITMA GENETIKA
Total View This Week0
Total View This Week0
Institusion
Universitas Maritim Raja Ali Haji
Author
Gusti Fadhriona, Rahmi
Martaleli, Bettiza
Nola, Ritha
Martaleli, Bettiza
Nola, Ritha
Subject
005.11.Pemrograman Khusus
Datestamp
2021-07-26 14:19:56
Abstract :
Kota Tanjungpinang merupakan salah satu kota di Indonesia yang masih terus berkembang dengan jumlah penduduk yang terus bertambah sepanjang tahun. Jumlah penduduk merupakan salah satu indicator penting yang perlu di perhatikan dalam manajemen sebuah kota karena meningkatnya jumlah penduduk sering kali berbanding lurus dengan meningkatnya pengangguran dan angka kriminalitas. Oleh karna itu, di perlukan sebuah program yang bisa memperkirakan seberapa besar pertambahan jumlah penduduk di Kota Tanjungpinang. Pada penelitian ini, permasalahan tersebut akan di modelkan dengan menggunakan pemodelan persamaan regresi linier yang terdiri dari variabel bebas (X) dan variabel terikat (Y). Koefisien regresi di dapatkan dengan menggunakan konsep algoritma genetika. Pada prosesnya menggunakan extended intermediate crossover dan random mutation, proses seleksinya menggunakan model elitism selection. Hasil akhir berupa prediksi menggunakan Pemodelan Regresi Linear dengan total Error 1790005.143, popSize terbaik yaitu 200, kombinasi tingkat crossover dan mutasi adalah 0.6:0.4, dan jumlah generasi terbaik yaitu 10 0.
Kota Tanjungpinang merupakan salah satu kota di Indonesia yang masih terus berkembang dengan jumlah penduduk yang terus bertambah sepanjang tahun. Jumlah penduduk merupakan salah satu indicator penting yang perlu di perhatikan dalam manajemen sebuah kota karena meningkatnya jumlah penduduk sering kali berbanding lurus dengan meningkatnya pengangguran dan angka kriminalitas. Oleh karna itu, di perlukan sebuah program yang bisa memperkirakan seberapa besar pertambahan jumlah penduduk di Kota Tanjungpinang. Pada penelitian ini, permasalahan tersebut akan di modelkan dengan menggunakan pemodelan persamaan regresi linier yang terdiri dari variabel bebas (X) dan variabel terikat (Y). Koefisien regresi di dapatkan dengan menggunakan konsep algoritma genetika. Pada prosesnya menggunakan extended intermediate crossover dan random mutation, proses seleksinya menggunakan model elitism selection. Hasil akhir berupa prediksi menggunakan Pemodelan Regresi Linear dengan total Error 1790005.143, popSize terbaik yaitu 200, kombinasi tingkat crossover dan mutasi adalah 0.6:0.4, dan jumlah generasi terbaik yaitu 10 0.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
