OPTIMASI ALGORITMA GENETIKA PADA FUNGSI KEANGGOTAAN FUZZY TSUKAMOTO UNTUK PREDIKSI BOBOT SAPI MADURA

Masyarakat Madura memelihara sapi potong sebagai sumber pendapatan tambahan, namun peternak sering kesulitan menentukan waktu penjualan dan alokasi sumber daya. Prediksi bobot sapi diperlukan untuk mendukung keputusan yang lebih tepat, dengan mempertimbangkan variabel seperti usia sapi, harga pakan, dan harga jual menggunakan metode Fuzzy Tsukamoto. Namun, metode ini terkadang menghasilkan error tinggi pada data yang kompleks, sehingga optimasi pada fungsi keanggotaan dengan Algoritma Genetika dilakukan untuk menurunkan nilai Mean Absolute Percentage Error (MAPE). Data yang dipakai berupa data sapi potong dibawah pengawasan Dinas Ketahanan Pangan dan Pertanian kota Sumenep pada tahun 2023 dengan jumlah 100 data yang dipisah 80% untuk data training dan 20% untuk data testing. Hasil penelitian menunjukkan bahwa penggunaan parameter seperti population size, crossover rate, mutation rate dan generation size sangat memengaruhi nilai error dengan parameter terbaik (population size 100, crossover rate 0,6, mutation rate 0,4, generation size 80) menghasilkan MAPE 2,561% (training) dan 3,030% (testing), jauh lebih rendah dibandingkan tanpa optimasi dengan hasil MAPE 17,533% (training) dan 17,777% (testing). Model ini dapat membantu peternak menghasilkan sapi dengan bobot optimal dan mendukung Dinas Ketahanan Pangan dalam pengawasan ternak serta perencanaan kebijakan untuk meningkatkan produktivitas peternakan di Sumenep.