Efendi, Muh. Fuad (2017) Optimasi Penjadwalan Mata Pelajaran Menggunakan Algoritme Genetika (Studi Kasus: Smk Negeri 2 Kediri). Sarjana thesis, Universitas Brawijaya.
Abstract
Proses penyusunan jadwal secara manual dirasa kurang efisien karena membutuhkan waktu yang lama. Permasalahan penyusunan jadwal akan kompleks apabila jumlah komponen yang semakin banyak atau jumlah data yang besar dari setiap komponen tersebut. Hasil jadwal yang diharapkan bukan hanya jadwal yang tidak mengalami bentrok, akan tetapi jadwal yang dapat menyesuaikan terhadap beberapa constraint yang harus terpenuhi di dalam jadwal tersebut. Algoritme Genetika merupakan algoritme yang bersifat iteratif, menyesuaikan diri dan algoritme probabilistik dalam pencarian untuk optimasi global. Proses inisialisasi kromosom yang dibangkitkan dari data penugasan guru dengan representasi bilangan integer yang setiap gen berisi kode-kode penugasan yang telah dibangkitkan secara random. Setiap kromosom dengan nilai fitness tertinggi merupakan representasi dari solusi jadwal mata pelajaran. Dari proses pengujian yang telah dilakukan didapatkan beberapa nilai parameter-parameter Algoritme Genetika yaitu nilai jumlah populasi terbaik adalah 90, nilai kombinasi Cr dan Mr adalah 0.5 dan 0.5, dan jumlah generasi sebanyak 40000. Proses pencarian solusi dengan menggunakan parameter-parameter tersebut didapatkan nilai fitness yaitu sebesar 0,8451.
English Abstract
The process of drafting schedules manually felt less efficient because it takes a long time. The problem of drafting the schedule will be complex if the number of components is more large amount of data from each component. The expected schedule is not just a schedule that does not clash, but a schedule that can adapt to some constraints that must be met within the schedule. Genetic Algorithms are algorithms that are iterative, self-adjusting and probabilistic algorithms in search for global optimization. The process of chromosome initialization generated from teacher assignment data by integer representation of each gene containing randomly generated assignment codes. Each chromosome with the highest fitness value is a representation of the subject schedule solution. From the testing process that has been done, has obtained the parameters of Genetic Algorithm is the best population number is 90, the value of the combination of Cr and Mr is 0.5 and 0.5, and the number of generations as much as 40000. The process of finding solutions using these parameters obtained the value of fitness that is 0,8451.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2017/264/051705090 |
| Uncontrolled Keywords: | Algoritme Genetika, Penjadwalan, Mata pelajaran |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.31 Machine learning |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Yusuf Dwi N. |
| Date Deposited: | 11 Jul 2017 02:42 |
| Last Modified: | 09 Oct 2020 05:11 |
| URI: | http://repository.ub.ac.id/id/eprint/96 |
Preview |
Text
Muh. Fuad Efendi .pdf Download (1MB) | Preview |
Actions (login required)
 |
View Item |