Yusset, Haiqaluthfy Muhammad (2026) MODIFIKASI ALGORITMA GREY WOLF OPTIMIZER DENGAN VARIASI OPPOSITE NUMBER UNTUK PENYELESAIAN PERMASALAHAN OPTIMASI GLOBAL. Undergraduate thesis, Universitas Diponegoro.

	Text view Download (63kB)
	Text view Restricted to Repository staff only Download (62kB) | Request a copy
	Text view Download (123kB)

Abstract

Grey Wolf Optimizer (GWO) merupakan algoritma metaheuristik yang meniru hierarki sosial dan pola berburu serigala abu-abu. Metode ini memiliki kelemahan berupa risiko konvergensi dini, sehingga rentan terjebak pada solusi optimum lokal. Untuk mengatasi hal ini, penelitian ini mengusulkan modifikasi GWO melalui integrasi strategi Opposite Number guna meningkatkan kemampuan eksplorasi. Penelitian ini menggunakan varian Opposite Number untuk memodifikasi GWO, yaitu: Opposition-Based Learning (OBL), Quasi-Opposition-Based Learning (QOBL), Centroid Opposition-Based Learning (COBL), dan Current Optimum Opposition-Based Learning (COOBL). Evaluasi performa dilakukan menggunakan fungsi benchmark CEC 2022 dengan membandingkan GWO termodifikasi terhadap GWO standar sebanyak 30 kali percobaan dan 500 iterasi untuk setiap percobaan. Hasil empiris menunjukkan bahwa performa GWO termodifikasi kecuali varian modifikasi QOBL berhasil mengungguli versi standar, penilaian performa dilakukan menggunakan metrik nilai error rata-rata, nilai error maksimum, nilai error minimum, nilai median error, dan nilai standar deviasi error. Varian COOBL mencatatkan performa paling unggul dibandingkan varian lainnya.

Actions (login required)

View Item