@article{Rozi_Firdausi_Rahmadhany_2021, title={Penentuan Bahan Makanan Untuk Itik Petelur Menggunakan Algoritma Genetika}, volume={7}, url={http://jip.polinema.ac.id/ojs3/index.php/jip/article/view/514}, DOI={10.33795/jip.v7i2.514}, abstractNote={<p>Itik berperan sebagai penghasil telur dan daging. Tingkat produktivitas itik lokal Indonesia baik telur maupun daging masih rendah dan berpeluang untuk ditingkatkan. Produktivitas ternak dipengaruhi oleh faktor pakan, manajemen dan pembibitan. Permasalahan yang sering dihadapi peternak adalah ketersediaan pakan, pakan yang diberikan memiliki kandungan nutrisi rendah. Jika penentuan pakan yang diberikan tidak sesuai dengan standarisasi kebutuhan itik maka yang terjadi adalah itik petelur tidak mencapai kondisi yang optimal seperti kurangnya nafsu makan, mudah terserang penyakit, dan tidak lincah. Bahkan yang lebih fatal bisa mengakibatkan kematian pada itik. Dari ulasan tersebut dapat diketahui pembuatan pakan itik dengan memperhatikan nutrisi perlu dilakukan. Permasalahan penentuan bahan pakan ternak itik petelur dapat diselesaikan dengan algoritma genetika, dikarenakan algoritma genetika memiliki kelebihan dalam menghasilkan output dengan tetap memperhatikan faktor nutrisi. Nutrisi pada itik petelur yang harus dipenuhi antara lain protein kasar, energi, metionin, lisin, kalsium, dan fosfor yang memiliki masing-masing nilai standarnya. Proses algoritma genetika dimulai dengan inisialisasi populasi, menghitung fitness, seleksi, crossover, mutasi, dan evaluasi. Berdasarkan penelitian yang telah dilakukan, untuk mengukur kualitas solusi pada permasalahan penentuan bahan makanan untuk itik petelur yaitu dengan melihat nilai fitness. Parameter algoritma genetika memiliki pengaruh terhadap nilai fitness yang dihasilkan. Pengujian parameter algoritma genetika dilakukan dengan mengkombinasikan cr dan mr, yang terbaik terdapat pada kombinasi cr 0,7 dan mr 0,2 dengan rata-rata nilai fitness 2,960. Ukuran populasi yang baik adalah 35 dengan nilai fitness 2,706. Pengujian jumlah generasi dihasilkan fitness terbaik 2,804 terdapat pada generasi 20.</p&gt;}, number={2}, journal={Jurnal Informatika Polinema}, author={Rozi, Imam Fahrur and Firdausi, Annisa Taufika and Rahmadhany, Tahta Reza}, year={2021}, month={Feb.}, pages={91-96} }