Devi, OkkyCintia (2015) Penerapan Algoritma Genetika Untuk Penjadwalan Asisten Praktikum. Sarjana thesis, Universitas Brawijaya.
Abstract
Penjadwalan adalah salah satu hal yang penting bagi suatu perguruaan tinggi. Salah satu contohnya adalah penjadwalan mengajar asisten praktikum. Pelaksanaan praktikum dimulai dengan penentuan jadwal praktikum untuk masing-masing kelas mahasiswa yang telah terdaftar sebagai praktikan pada laboratorium. Penentuan jadwal mengajar asisten praktikum secara manual terkadang masih sering terjadi kendala antara lain bentrok jadwal kuliah dan jadwal mengajar asisten praktikum. Proses penentuan jadwal mengajar asisten praktikum membutuhkan waktu yang lama jika dilakukan secara manual. Algoritma Genetika mampu menghitung optimasi penjadwalan asisten. Pada penelitian ini terdapat 52 kromosom sebagai kelas dengan panjang sesuai jumlah asisten. Dari data tersebut akan dibentuk sebuah populasi dengan jumlah yang bervariasi. Ukuran populasi yang optimal dari hasil uji coba adalah 50 populasi. Dengan generasi optimal sebanyak 30 generasi. Nilai crossover rate dan mutation rate didapat dari nilai fitness terbaik yaitu 975 dengan crossover rate 0.5 dan mutation rate 0.5. Hasil akhir adalah kromosom terbaik yang merupakan keberhasilan pejadwalan dengan waktu optimal dan jumlah pinalti terendah.
English Abstract
Scheduling are important task to a university. One example is scheduling assistant lab. Practical implementation begins with the determination of practice schedules for each class of students who have been registered as a practitioner in the laboratory. Determination teaching schedule lab assistant manually sometimes still common constraints such as crash lecture schedules with schedule teaching lab assistant. Process manually of determining teaching schedule lab assistant takes a long time. Genetic Algorithm is able to calculate the optimization scheduling assistant. In this paper, there are 52 chromosomes as long class with the appropriate amount of assistants. From these data will be formed a population with amount variation. Optimal population size of the test results is 50 population. With optimal generation as much as 30 generations. Value crossover rate and mutation rate obtained from the best fitness value is 975 with crossover rate and mutation rate 0.5 0.5. The result is the best chromosome as scheduling with optimal timing and amount of the lowest penalty.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2015/93/051503023 |
| 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 14:53 |
| Last Modified: | 21 Oct 2021 04:40 |
| URI: | http://repository.ub.ac.id/id/eprint/146620 |
Preview |
Text
40_Okky_Cintia_Devi-115060801111042-Skripsi.pdf Download (4MB) | Preview |
Actions (login required)
 |
View Item |