Hidayaturrachmah, Ratna Dewi (2018) Pengalokasian Dosen Pembimbing Skripsi Menggunakan Algoritma Genetika. Magister thesis, Universitas Brawijaya.
Abstract
Dalam tesis ini dibahas tentang pengalokasian dosen pembimbing skripsi dengan menggunakan algoritma genetika, sehingga mahasiswa mendapatkan dosen pembimbing yang tepat dan jumlah mahasiswa yang dibimbing oleh masing-masing dosen tidak melebihi kapasitas maksimal dosen. Pengalokasian dosen pembimbing skripsi bukanlah tugas yang mudah karena masing-masing dosen memiliki kapasitas mahasiswa yang harus dibimbing dan bidang ilmu dosen pembimbing harus sesuai dengan bidang ilmu mahasiswa. Masalah pengalokasian dosen pembimbing skripsi adalah masalah optimasi yaitu meminimalkan jumlah ketidakcocokan antara bidang ilmu yang dipilih mahasiswa dan bidang ilmu dosen pembimbing skripsi, dan jumlah mahasiswa yang dibimbing oleh seorang dosen tidak melebihi kapasitas maksimum. Salah satu metode yang bisa digunakan untuk mengatasi masalah ini adalah algoritma genetika. Pemilihan operator crossover merupakan salah satu penentu keberhasilan algoritma genetika. Penelitian ini membandingkan kinerja operator crossover posisi dan operator crossover satu titik untuk menyelesaikan masalah pengalokasian dosen pembimbing skripsi. Berdasarkan hasil percobaan yang dilakukan, algoritma genetika dengan menggunakan operator crossover satu titik lebih baik dibandingkan pengalokasian dosen pembimbing skripsi menggunakan operator crossover posisi. Hasil terbaik didapatkan pada generasi 150 dan banyak populasi 150 dengan parameter probabilitas crossover () dan probabilitas mutasi () masing-masing adalah 0.7 dan 0.1. Algoritma genetika menggunakan crossover satu titik didapatkan rata-rata nilai fitness 0.442 dan algoritma genetika menggunakan crossover posisi didapatkan rata-rata nilai fitness 0.0272.
English Abstract
In this thesis is discussed about the allocation of thesis supervisors by using genetic algorithm, so that students get the right supervisor and the number of students guided by each lecturer does not exceed the maximum capacity of lecturers. The allocation of thesis supervisor is not an easy task because each lecturer has the capacity of the students that must be guided and the field of lecturers should be in accordance with the field of student science. The problem of applying lecturers thesis is the optimization problem that is minimizing the number of mismatch between the chosen field of students and the field of science supervisor thesis, and the number of students guided by a lecturer does not exceed the maximum capacity. One method that can be used to overcome this problem is the genetic algorithm. The selection of crossover operators is one of the determinants of the success of genetic algorithms. This study compares the performance of crossover position operators and crossover operators one point to solve the problem of applying thesis supervisor. Based on the experimental results, the genetic algorithm using an one point crossover operator is better than the allocation of thesis supervisor using position crossover operator. The best results were obtained in the 150 generation and the 150 population with probability crossover PC and probability mutation PM parameters was 0.7 and 0.1, respectively. Genetic algorithm by using a single point crossover obtains an average of fitness values of 0.442 and genetic algorithm by using the crossover position obtains an average of fitness value 0.0272.
Item Type: | Thesis (Magister) |
---|---|
Identification Number: | TES/519.625/HID/p/2018/041805616 |
Uncontrolled Keywords: | GENETIC ALGORITHMS, FACULTY ADVISORS |
Subjects: | 500 Natural sciences and mathematics > 519 Probabilities and applied mathematics > 519.6 Mathematical optimization > 519.62 Stochastic optimization > 519.625 Genetic algorithms |
Divisions: | S2/S3 > Magister Matematika, Fakultas MIPA |
Depositing User: | Nur Cholis |
Date Deposited: | 17 Dec 2018 06:49 |
Last Modified: | 28 Oct 2021 03:08 |
URI: | http://repository.ub.ac.id/id/eprint/162192 |
Preview |
Text
RATNA DEWI HIDAYATURRACHMAH.pdf Download (2MB) | Preview |
Actions (login required)
![]() |
View Item |