Académique Documents
Professionnel Documents
Culture Documents
DR00065201406 Fin PDF
DR00065201406 Fin PDF
PENDAHULUAN
Latar Belakang
Penjadwalan
mata
pelajaran
merupakan proses penyusunan jadwal
pelaksanaan yang menginformasikan
sejumlah mata pelajaran, guru yang
mengajar, ruang, serta waktu kegiatan
belajar mengajar. Pada umumnya
Rumusan Masalah
Berdasarkan uraian pada latar
belakang, maka rumusan masalah pada
2.
Bagaimana mengimplementasikan
metode Genetic Algorihtm dalam
Penjadwalan
Mata
Pelajaran
berbasis website.
Berapa nilai parameter-parameter
Genetic
Algorithm
untuk
menghasilkan
jadwal
mata
pelajaran yang paling optimal.
1.5 Manfaat
Manfaat yang diharapkan dengan
adanya Aplikasi Penjadwalan Mata
Pelajaran adalah:
1. Meningkatkan
efektifitas
dan
efisiensi dalam pembuatan jadwal
mata pelajaran.
2. Mengurangi
bentrokan
jam
kegiatan belajar mengajar antar
pengajar, waktu dan kelas yang
terjadi.
1.4 Tujuan
Tujuan
dari
penelitian
ini
berdasarkan latar belakang yang telah
dijabarkan adalah:
1. Mengimplementasikan
metode
Genetic Algorihtm dalam Penjadwalan
Mata Pelajaran berbasis website.
2. Mengevaluasi
nilai
parameterparameter Genetic Algorithm untuk
menghasilkan jadwal mata pelajaran
yang paling optimal.
2. METODE PENELITIAN
2.1. Metode Penelitian
Pada subbab metode penelitian,
akan dibahas metode yang digunakan
dalam penjadwalan mata pelajaran serta
dijelaskan pula langkah langkahnya
dalam mengimplementasikan metode
pada penjadwalan mata pelajaran.
Langkah penelitian ini digambarkan
melalui blok diagram pada Gambar 3.1.
PERANCANGAN
Analisis Kebutuhan Implementasi
Pada subbab analisis kebutuhan
implementasi akan dibahas mengenai
Mulai
Input Data
Pengkodean Kromosom
Evaluasi Fitness
Fitness Terbaik ?
YA
TIDAK
Seleksi
Crossover
Populasi
baru
(2.1)
Keterangan :
Mutasi
Output Data
Selesai
= Pelanggaran nomor 1
= Pelanggaran nomor 2
= Pelanggaran nomor 3
Pelanggaran dalam penelitian ini
adalah:
1. 1 guru berada pada lebih dari 1 kelas
dalam satu hari dan jam tertentu
(Soft Constraint 1).
2. Dalam satu hari tidak boleh ada
lebih dari satu mata pelajaran
dengan tingkat kesulitan tertinggi
(Soft Constraint 2).
3. Jumlah jam pelajaran dalam 1 hari
melebihi bobot jam mata pelajaran
yang sudah ditentukan (Hard
Constraint).
3.3.4. Perancangan Proses Seleksi
Setelah populasi awal yang berupa
sejumlah solusi jadwal dibuat secara
random, langkah selanjutnya adalah
memilih 2 solusi jadwal. Pemilihan ini
bertujuan untuk menghasilkan solusi
jadwal yang baru berdasarkan nilai
fitness dari solusi jadwal tersebut.
Metode seleksi yang digunakan dalam
penelitian ini adalah Roulette Wheel
Selection. Metode ini bekerja dengan cara
memilih solusi jadwal yang memiliki
nilai fitness terbaik. Semakin besar nilai
fitness maka solusi jadwal tersebut
mempunyai peluang untuk dipilih.
[2]
KESIMPULAN
Kesimpulan yang didapat setelah
pengerjaan tugas akhir ini adalah :
1. Dalam
mengimplementasikan
genetic algorithm pada optimasi
penjadwalan mata pelajaran studi
kasus Madrasah Tsanawiyah Negeri
Bangil
dibutuhkan
parameterparameter jadwal mata pelajaran
untuk dimasukkan ke dalam
parameter-parameter
genetic
algorithm. Parameter jadwal mata
pelajaran yang dimasukkan ke
dalam genetic algorithm adalah
solusi jadwal mata pelajaran mulai
dari kelas ke-1 sampai dengan ke-27,
jumlah kelas tempat kegiatan belajar
mengajar, jumlah maksimal jam
kegiatan belajar mengajar dalam 1
hari, jumlah maksimal jam pelajaran
untuk diajar dalam 1 hari, dan
jumlah guru yang tersedia.
2. Jumlah individu, nilai probabilitas
crossover, dan probabilitas mutation
dalam menghasilkan jadwal mata
pelajaran sekolah dengan 500 jumlah
generasi yang paling optimal adalah
30 jumlah individu, 30% probabilitas
crossover dan 50% probabilitas
mutation.
[3]
Saran
yang
diberikan
untuk
pengembangan penelitian selanjutnya
adalah untuk penelitian selanjutnya
diharapkan menggunakan metode twopoint pada fungsi crossover untuk
mendapatkan nilai fitness yang lebih
baik.
[8]
7
[1]
[9]
DAFTAR PUSTAKA
Hosny, M., & Fatima, S.
(2011). A Survey of Genetic
Algorithms
for
the
University
Timetabling
Problem. In International
Conference on Future
[4]
[5]
[6]
[7]
Information Technology
IPCSIT (Vol. 13).
Davis, L. (1991). Handbook
Of Genetic Algorithm. New
York:
Van
Nostrand
Reinhold.
Burke EK, Kingston J,
Jackson K et al. (1997).
Automated university
timetabling. The state of the
art, The Computer Journal
40 (9): 565-571.
Kusumadewi, S. (2003).
Artificial Intelligence:
Teknik dan Aplikasinya,
Yogyakarta: Graha Ilmu.
Desiani, A. (2006). Konsep
Kecerdasan Buatan,
Yogyakarta: Andi Offset.
Jain, A., Jain, S., &
Chande, P. K. (2010).
Formulation
of
Genetic
Algorithm to Generate Good
Quality
Course
Timetable. International
Journal of Innovation,
Management
and
Technology, 1(3),
20100248.
Kumar
K.;
Sikander,
Ramesh S., Kaushal M.
(2012). Genetic Algorithm
Approach
to
Automate
University
Timetable.
International Journal of
Technical Research (IJTR)
Vol 1.
Obitko. (2013). Genetic
Algorithms
Biological
Background.
http://www.obitko.com/tu
torials/geneticalgorithms/biologicalbackground.php (diakses
9 April 2013)
Imbar, R. V. & Jayanti.
(2011).
Impelementasi
Algoritma Genetika pada
Aplikasi
Penjadwalan
dengan Studi Kasus pada
SMP X. Bandung. Seminar
Teknik Informatika dan
Sistem Informasi.
[10] Andrew Rosca. (2001).
Room Scheduling Using a
Genetic
Algorithm.
University of Bridgeport.
[11] Setemen, K. & Purnomo
M. H. (2008). Kombinasi
Algoritma Genetika dan
Tabu
Search
dalam
Pembuatan Tabel Jadwal
Mata Kuliah. Seminar on
Intelligent
Technology
and Its Applications.
[12] Thamilselvan,
R.,
&
Balasubramanie, P. (2009).
A Genetic Algorithm with a
Tabu Search (GTA) for
Traveling
Salesman
Problem. International
Journal of Recent Trends
in Engineering, 1(1), 607610.
[13] Vor, J., Vondrk, I., &
Vlek, K. (2008). School
Timetable Generating using
Genetic Algorithm.
[14] Wikipedia. (2013).
Kecerdasan Buatan.
http://id.wikipedia.org/wi
ki/Kecerdasan_buatan
(diakses 26 Maret 2013)
[15] AYDIN, C. . (2008).
Developing
a
Course
Scheduling System by using
Genetic Algorithm.
[16] Hanita,
M.
(2011).
Penerapan
Algoritma
Genetika Pada Penjadwalan
Mata Kuliah (Studi Kasus:
Program Studi Matematika
FMIPA
Universitas
Bengkulu). Jurusan
Matematika
Fakultas
Matematika dan Ilmu
Pengetahuan
Alam,
Universitas Bengkulu.
[17] Sanjoyo. (2006). Aplikasi
Algoritma Genetika.