ALGORITMA PARTICLE SWARM OPTIMIZATION UNTUK MENENTUKAN KONSTANTA PADA MINIMAL MODEL TERMODIFIKAS
Heriyanto Syafutra1), Agus Kartono2) , Hanna Afida3)
Heriyanto Syafutra1), Agus Kartono2) , Hanna Afida3)
1Fakultas MIPA, Institut Pertanian Bogor
email: hsyafutra[at]apps.ipb.ac.id
2Fakultas MIPA, Institut Pertanian Bogor
email: hsyafutra[at]apps.ipb.ac.id
3Fakultas MIPA, Institut Pertanian Bogor (Mahasiswa Program Sarjana Fisika)
Abstract
Abstract Algoritma particle swarm optimization (PSO) pertama kali dikenalkan oleh Dr. Eberhart and Dr. Kennedy pada tahun 1995. Algoritma ini meniru perilaku interaksi kawanan burung atau serangga ketika menemukan lokasi sumber makanan. Kawanan ini memiliki kecerdasan individu dan kecerdasan kelompok yang memungkinkan mereka dapat menentukan posisi sumber makanan dengan cepat dan tepat. Pada penelitian ini, posisi sumber makanan adalah konstanta � konstanta pada minimal model termodifikasi. Sedangkan kriteria posisi terbaik sumber makanan adalah nilai error kuadrad antara hasil simulasi dan data eksperimen Intravenous Glucose Tolerance Test (IVGTT). Untuk mengetahui sejauh mana hubungan linier hasil simulasi dengan data eksperiman digunakan nilai koefisien korelasi (R2), dengan nilai R2 yang besar maka bisa dikatakan hasil simulasi telah dapat mendekati data eksperimen dengan baik. Konstanta sensitivitas glukosa (Sg) dan sensitivitas insulin (Si) pada model metabolisme glukosa dalam darah (model meminimal model termodifikasi) dapat dijadikan dasar penentuan apakah seseorang terkena diabetes atas tidak. Hasil yang didapatkan, algoritma particle swarm optimization dapat memprediksi konstanta pada model minimal model termodifikasi dengan baik sehingga mampu memberikan nilai R2 di atas 80% pada untuk setiap data eksperimen.
Keywords: PSO, diabetes, minimal model termodifikasi, sensitivitas glukosa, sensitvitas insulin
Topic: Komputasi dan Pemodelan
Link: https://ifory.id/abstract-plain/pUnRgYExCWHV