Setyawan, Tobing (2019) Implementasi Algoritme Genetika dalam Penjadwalan Akademik Sekolah Menengah Atas Brawijaya Smart School. Sarjana thesis, Universitas Brawijaya.
Abstract
Penjadwalan merupakan salah satu kebutuhan dari sekolah menengah atas. Penjadwalan pada Sekolah Menegah Atas Brawijaya Smart School(SMA BSS) memiliki masalah pada lamanya waktu pengerjaan, ukuran jadwal, Musyawarah Guru Mata Pelajaran(MGMP) dan mengatur variasi mata pelajaran tiap harinya. Waktu pengerjaan jadwal ini membutuhkan 3 hari. Ukuran ruang permasalahan sebesar 834 jam pelajaran. Jadwal guru juga tidak boleh bertabrakan dengan jadwal MGMP. Variasi mata pelajaran ataupun guru juga tidak boleh ada ayng sama dalam sehari. Karena itu peneliti akan menggunakan algoritme genetika dalam menyelesaikan masalah penjadwalan tersebut. Algoritme genetika merupakan algoritme yang dapat mencari solusi mendekati optimum dari area kemungkinan solusi yang luas. Pada penelitian ini, peneliti menggunakan pindah silang partially-mapped, mutasi reciprocal exchange dan seleksi elitisme. Hasil penelitian mendapatkan bahwa generasi ke-233, ukuran populasi 150, rasio pindah silang 0,7 dan rasio mutasi 0,3 merupakan parameter paling optimal pada kasus penjadwalan akademik SMA BSS. Penelitian ini memiliki kelemahan pada konvergensi dini yang terjadi pada generasi ke-233 sehingga perlunya diterapkan random injection. pencarian global dan lokal kurang efektif karena rasio pencarian selalu sama. Ukuran populasi yang terlalu besar menyulitkan dalam mencari parent yang terbaik sehingga perlu diterapkan seleksi parent.
English Abstract
Scheduling is one of the most needed requirement for high school. Scheduling at brawijaya smart school senior high school(BSS SHS) had some problems like processing time, schedule size, Musyawarah Guru Mata Pelajaran(MGMP), and managing variety subjects. Scheduling took 3 days to be done. Problem space's size is 834 hours of subject. Teacher's schedule cannot crashed with MGMP. Variations of teachers and subjects cannot be the same within a day from those problems above researcher will use genetic algorithm to solve them. Genetic algorithm is an algorithm that can be used to get the solution that closed to optimum from the wide possibility solution area. In this research, researcher used partially-mapped crossover, reciprocal exchange mutation, and elitism selection. The result gets that the 233rd generation, 150 population size, 0,7 crossover ratio, and 0,3 mutation ratio are the most optimum solution parameter in BSS SHS scheduling case. This research has its disadvantage in early convergence that happened at 233rd generation so random injection is needed to be applied. Global and local search aren't effective because searching ratio is always the same. Population size was too big that difficults the searching for the best parent so parent selection needed to be applied.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FILKOM/2019/388/051905706 |
| Uncontrolled Keywords: | genetic algorithm, partially-mapped crossover, reciprocal exchange mutation, academic scheduling |
| Subjects: | 000 Computer science, information and general works > 003 Systems > 003.3 Computer modeling and simulation |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Endang Susworini |
| Date Deposited: | 30 Jul 2020 05:44 |
| Last Modified: | 30 Jul 2020 05:44 |
| URI: | http://repository.ub.ac.id/id/eprint/171556 |
Actions (login required)
 |
View Item |