Optimasi Penjadwalan Asisten Praktikum Pada Laboratorium Pembelajaran Menggunakan Algoritme Genetika (Studi Kasus: Fakultas Ilmu Komputer Universitas Brawijaya)

Sitorus, Nadia Natasa Tresia (2017) Optimasi Penjadwalan Asisten Praktikum Pada Laboratorium Pembelajaran Menggunakan Algoritme Genetika (Studi Kasus: Fakultas Ilmu Komputer Universitas Brawijaya). Sarjana thesis, Universitas Brawijaya.

Abstract

Penjadwalan merupakan hal yang penting untuk disusun secara matang demi berlangsungnya suatu kegiatan dengan baik. Penjadwalan yang baik dan efektif akan membuat kegiatan dapat berjalan dan terorganisir dengan baik. Praktikum merupakan kegiatan rutin yang dilakukan untuk penerapan materi yang telah diterima mahasiswa. Praktikum dapat berlangsung dengan baik jika jadwal mengajar asisten praktikum tidak bertabrakan dengan jadwal kuliah maupun kegiatan lainnya asisten praktikum. Algoritme genetika merupakan salah satu algoritme yang dapat menyelesaikan penjadwalan mengajar asisten praktikum melalui proses komputasi. Data dalam melakukan penelitian adalah data jadwal praktikum, data asisten praktikum dan jadwal kesediaan asisten. Kode asisten praktikum direpresentasikan pada kromosom dengan menggunakan metode permutasi. Urutan gen pada kromosom merepresentasikan kode jadwal praktikum. Metode crossover yang diterapkan adalah one-cut-point, dengan metode mutasi menggunakan reciprocal exchange, serta metode seleksi elitsm. Hasil pengujian mendapatkan nilai parameter algoritme genetika yang optimal yaitu dengan ukuran populasi 5000, generasi sebanyak 500, dengan nilai cr dan mr adalah 0,5 dan 0,5. Hasil keluaran sistem merupakan jadwal mengajar asisten praktikum laboratorium pembelajaran.

English Abstract

Scheduling is an important thing to be prepared carefully for the sake of an activity doing well. Good and effective scheduling will make the activities work and be well organized. Practicum is a routine activity for the application of materials that have been accepted by students. Practicum can work well if the teaching schedule of the practicum assistant does not collide with the lecture schedule or their other activities. Genetic algorithm is one of algorithm that can complete the teaching schedule of practicum assistant through computation process. The data in conducting the research is the data from practicum schedule, practicum assistant and the schedule of the assistant's willingness. The code of the practicum assistant is represented on the chromosome using the permutation method. The sequence of genes on the chromosomes represents the code of the practicum schedule. The crossover method applied is one-cut-point, with mutation method using reciprocal exchange, and elitsm selection method. The test result obtained optimal genetic algorithm parameter with total population 5000, generation 500, with cr and mr value is 0,5 and 0,5. The output of the system is the teaching schedule of the laboratory teaching assistant

Item Type:	Thesis (Sarjana)
Identification Number:	SKR/FTIK/2017/453/051707775
Uncontrolled Keywords:	Penjadwalan, Algoritme Genetika, Asisten, Praktikum
Subjects:	000 Computer science, information and general works > 004 Computer science > 004.015 1 Finite mathematic
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	Yusuf Dwi N.
Date Deposited:	19 Sep 2017 03:50
Last Modified:	12 Dec 2020 12:59
URI:	http://repository.ub.ac.id/id/eprint/2694

	Text Bagian Depan.pdf Restricted to Repository staff only Download (925kB)
	Text BAB I.pdf Restricted to Repository staff only Download (340kB)
	Text BAB II.pdf Restricted to Repository staff only Download (722kB)
	Text BAB III.pdf Restricted to Repository staff only Download (537kB)
	Text BAB IV.pdf Restricted to Repository staff only Download (1MB)
	Text BAB V.pdf Restricted to Repository staff only Download (1MB)
	Text BAB VI.pdf Restricted to Repository staff only Download (505kB)
	Text BAB VII.pdf Restricted to Repository staff only Download (294kB)
	Text Daftar Pustaka.pdf Restricted to Repository staff only Download (312kB)

Actions (login required)

View Item