Pada penelitian ini optimasi berbasis algoritma Modified Particle Swarm Optimization (MPSO) diterapkan untuk mengoptimasi fungsi keanggotaan fuzzy. Terdapat dua metode MPSO yang diterapkan yaitu metode Linear Decreasing Inertia Weight (LDIW) dan Constriction Factor Method (FCM). Masing-masing metode tersebut diuji dengan 10 kali percobaan pada dua jenis jumlah particle yaitu 50 dan 20 particle. Dari hasil pengujian diperoleh bahwa pada jumlah particle yang sama, CFM memperoleh nilai global best fitness yang lebih optimal daripapa metode LDIW. Pengujian sebanyak 10 kali percobaan dan menerapkan 50 particle, pada percobaan pertama diperoleh nilai global best fitness yaitu 1,4; 1,4; 2,36 dan 3,28 untuk masing-masing variabel produktifitas, keterisolasian, hubungan sosial dan aksesibilitas. Pengujian sebanyak 10 kali percobaan dan menerapkan 20 particle diperoleh nilai global best fitness yaitu 2,34; 2,40; 2,37 dan 3,36 untuk masing-masing variabel. Di sisi lain metode CFM memperoleh hasil konvergensi yang lebih cepat dari pada metode LIDW. Pengujian pada 100 swarm metode LDIW menemukan global best fitness pada swarm 91, 84, 54 dan 38 untuk masing-masing variabel, sementara dengan metode CFM menemukan global best fitness pada swarm 81, 23, 34 dan 23.
OPTIMASI FUNGSI KEANGGOTAAN FUZZY BERBASIS ALGORITMA MODIFIED PARTICLE SWARM OPTIMIZATION