Implementasi Algoritma Genetika Pada Sistem Penyusunan Jadwal KRS Berbasis Website Di Program Teknologi Informasi Dan Ilmu Komputer(PTIIK

Rohmansyah, Fariz (2014) Implementasi Algoritma Genetika Pada Sistem Penyusunan Jadwal KRS Berbasis Website Di Program Teknologi Informasi Dan Ilmu Komputer(PTIIK. Sarjana thesis, Universitas Brawijaya.

Abstract

Setiap Awal Semester, Mahasiswa Wajib Memprogram Matakuliah Yang Akan Diambil Pada Semester Tersebut. Pemrograman Matakuliah Dilakukan Secara Online, Akan Tetapi Mahasiswa Wajib Menentukan Sendiri Matakuliah Dan Kelas Yang Akan Diambil. Banyaknya Kelas Yang Ditawarkan Serta Terbatasnya Ruang Yang Tersedia Mengharuskan Mahasiswa Menentukan Kombinasi Kelas Yang Paling Baik. Seringkali Mahasiswa Tidak Mendapat Kelas Karena Kelas Yang Ada Sudah Penuh. Sistem Penyusunan KRS Dibuat Untuk Membantu Mahasiswa Dalam Menentukan Matakuliah Dan Kelas Yang Paling Baik. Kriteria Baik Ditentukan Oleh 3 Hal Yaitu Jadwal Tidak Bentrok, Jeda Antar Matakuliah Seminimal Mungkin Dan Tidak Terpusat Pada Hari-Hari Tertentu. Algoritma Genetika Adalah Salah Satu Algortima Yang Meniru Evolusi Makhluk Hidup Dalam Mencari Solusi Terbaik. Algoritma Genetika Dimulai Dengan Membentuk Kromosom, Seleksi, Persilangan, Mutasi Dan Akan Terus Diulang Sampai Mendapat Hasil Yang Terbaik. Pengujian Optimasi Terhadap 4 Parameter Uji Yaitu Jumlah Generasi, Besarnya Populasi, Probabilitas Silang Dan Probabilitas Mutasi Menunjukkan Bahwa Semakin Banyak Jumlah Generasi Maka Akan Semakin Bagus Jadwal Kuliah Yang Dibentuk Dan Akan Berhenti Pada Generasi Ke 25. Semakin Besar Populasi Maka Semakin Bagus Nilai Fitnesnya. Semakin Tinggi Probabilitas Persilangan Semakin Bagus Jadwal Kuliah Yang Dibentuk Yaitu Pada Probabilitas 70%. Semakin Tinggi Probabilitas Mutasi Semakin Jelek Jadwal Kuliah. Probabilitas Mutasi Yang Menghasilkan Rata-Rata Nilai Fitnes Terbaik Adalah Pada Probabilitas Mutasi 10%

English Abstract

The Beginning Of Each Semester, Students Must Program The Course To Be Taken In The Semester. Programming Course Is Online, But The Student Must Determine Its Own Courses And Classes To Be Taken. The Number Of Classes Offered Require Students To Determine The Best Class Combination. Students Often Do Not Get The Class Because It’s Already Full. System Designed To Assist Students In Determining The Course And The Best Class Combination. Good Class Combination Determined By Three Things: The Schedule Does Not Clash, The Interval Between Courses Is Minimum As Possible And Not Focused On A Particular Day. Genetic Algorithm Is One Of Algorithms That Mimic The Evolution Of Living Beings In Finding The Best Solution. Genetic Algorithm Begins By Forming Chromosomes, Selection, Crossover, Mutation And Will Continue To Be Repeated Until It Gets The Best Results. Optimum Testing Test 4 Parameters, The Number Of Generations, The Number Of Population, The Probability Of The Crossover And Mutation. The Result Is Greater Number Of Generations It Will Be The Better Schedule And Will Stop At Generation 25 So The Population. The Higher Population Will Be Better Schedule. The Higher Crossover Probability It Will Be Better Schedule. The Best Schedules Are Established At 70% Probability Of Crossover. The Higher Mutation Probability Then The Schedule Is Bad. The Probability Of A Mutation That Produces An Average Of The Best Fitness Value Is The Probability Of Mutation Is 10%.

Item Type: Thesis (Sarjana)
Identification Number: SKR/FTIK/2014/26/051400466
Subjects: 000 Computer science, information and general works > 005 Computer programming, programs, data
Divisions: Fakultas Ilmu Komputer > Teknik Informatika
Depositing User: Budi Wahyono Wahyono
Date Deposited: 04 Feb 2014 07:57
Last Modified: 20 Oct 2021 06:11
URI: http://repository.ub.ac.id/id/eprint/146053
[thumbnail of Implementasi_algoritma_genetika_pada_sistem_penyusunan_jadwal_KRS_berbabis_website_di_PTIIK.pdf]
Preview
Text
Implementasi_algoritma_genetika_pada_sistem_penyusunan_jadwal_KRS_berbabis_website_di_PTIIK.pdf

Download (2MB) | Preview

Actions (login required)

View Item View Item