Penerapan Algoritma Genetika Untuk Optimasi Fungsi Keanggotaan Fuzzy Inference System Model Sugeno Pada Perhitungan Angka Metabolisme Basal (AMB).

Di dalam melakukan pembentukan fungsi keanggotaan pada metode Logika Fuzzy tidak harus dilakukan secara statis, dimana penentuan batas-batas domain pada fungsi keanggotaan dilakukan secara manual. Pembentukan batas-batas domain pada fungsi keanggotaan dapat dilakukan secara otomatis dengen menerapkan metode yang dapat melakukan pembentukan dan optimasi fungsi keanggotaan. Dari berbagai macam metode untuk melakukan pembentukan dan optimasi fungsi keanggotaan, di dalam penelitian ini dipilih menggunakan Algoritma Genetika, karena Algoritma Genetika merupakan salah satu metode yang dapat digunakan untuk memecahkan masalah optimasi sehingga hasil yang dicapai bisa maksimal. Metode yang dipakai di dalam Algoritma Genetika antara lain Simple Arithmetic Crossover, Random Gen Mutasi dan Rank-based Fitness Selection. Hasil pengujian dan analisis sistem menunjukkan bahwa parameter Algoritma Genetika yang terbaik untuk menentukan fungsi keanggotaan IMT diperoleh dari probabilitas crossover 0.9, probabilitas mutasi 0.9, jumlah generasi 75 dan jumlah populasi 50 sedangkan untuk fungsi keanggotaan Umur diperoleh dari probabilitas crossover 0.9 dan probabilitas mutasi 0.7, jumlah generasi 100 dan jumlah populasi 50. Hasil perhitungan akurasi sistem dalam melakukan perhitungan Angka Metabolisme Basal (AMB) pada 100 data uji menunjukkan nilai sebesar 94%. Hasil akurasi ini mengalami kenaikan daripada penelitian sebelumnya yang tidak menggunakan optimasi pada fungsi keanggotaannya yakni sebesar 75% [FEB-12]