Zulfa, Indana (2015) Optimasi Jadwal Mengajar Asisten Laboratorium Menggunakan Algoritma Genetika. Sarjana thesis, Universitas Brawijaya.
Abstract
Penjadwalan merupakan hal yang penting dilakukan agar suatu kegiatan dapat berlangsung dengan baik. Permasalahan penjadwalan terjadi pada penjadwalan mengajar asisten di laboratorium Komputer Dasar PTIIK Universitas Brawijaya. Penentuan jadwal mengajar asisten secara manual banyak menemukan permasalahan, diantaranya bentroknya jadwal yang dihasilkan dengan kegiatan asisten dan proses penyusunan jadwal yang membutuhkan waktu lama. Konsep algoritma genetika dapat diterapkan dalam permasalahan penjadwalan mengajar asisten laboratorium. Dengan penerapan algoritma genetika, akan dilakukan pencarian solusi terbaik dengan menggunakan operator genetika (crossover, mutasi dan seleksi). Solusi terbaik yang dihasilkan dapat diukur dari nilai fitnessnya. Pada kasus penjadwalan mengajar asisten laboratorium ini, terdapat 52 asisten yang harus mengajar pada 26 kelas praktikum. Masing-masing asisten memiliki kode asisten. Dari data tersebut akan dibuat kromosom berdasarkan pada kode asisten. Selanjutnya akan dibentuk kumpulan dari kromosom dengan jumlah yang bervariasi yang dikenal dengan istilah populasi. Pada penelitian ini, ukuran populasi optimal dari hasil pengujian adalah 70. Dengan generasi optimal sebanyak 140 generasi. Nilai kombinasi crossover rate dan mutation rate yang dihasilkan dari solusi dengan rata-rata fitness terbaik didapatkan dengan crossover rate 0.2 dan mutation rate 0.8. Hasil akhir yaitu didapatkan jadwal dari kromosom terbaik dengan dengan waktu yang optimal dan fitness tertinggi.
English Abstract
Scheduling is a important things undertaken that an activity be run well. These problem occur in scheduling assistant teaching in the basic computer laboratory PTIIK Brawijaya University. Scheduling process undertaken with some consideration including amount of assistant, practicum classes that been determined and willingness to teach from laboratory assistant. Determining scheduling assistant teaching manually discover many problems, including collisions the resulting schedule with activities assistant and the assistant scheduling process takes a long time. The concept of genetic algorithms can be applied in making scheduling teaching assistant laboratory. With implementation of genetic algoritm, will be finding the best solution by using genetic operators (crossover, mutation and selection). The best solution result can be measured by the value of fitness. In the case scheduling teaching assistant laboratory, there are 52 assistants who must teach 26 class practicum. Each of assistant has a codeassistant. From these data, will be made chromosome based of code assistant. Next will be a pool of chromosomes which is varying amounts known as the population. In this research, the optimal population size from the test result is 70. With optimal generation as much as 140 generations. The result of value combination between crossover rate and mutation rate from solution with the average of best fitness obtained by crossover rate 0.2 and mutation rate 0.8. The final result is obtained schedule from the best chromosome with optimal timing and highest fitness.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/FTIK/2015/90/051503020 |
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: | 30 Apr 2015 08:55 |
Last Modified: | 21 Oct 2021 04:38 |
URI: | http://repository.ub.ac.id/id/eprint/146617 |
Preview |
Text
SKRIPSI-INDANA_ZULFA-115060800111107.pdf Download (4MB) | Preview |
Actions (login required)
![]() |
View Item |