Penyusunan Jadwal Asisten Praktikum Menggunakan Algoritma Genetika
Penjadwalan asisten praktikum merupakan proses untuk merancang jadwal mengajar praktikum yang setiap semester dilakukan oleh beberapa asisten. Adanya aturan-aturan yang harus dipatuhi dalam penyusunan jadwal menyebabkan proses penjadwalan ini menjadi cukup sulit. Pada penelitian ini, algoritma genet...
Main Authors: | , , , , |
---|---|
Format: | Article |
Language: | Indonesian |
Published: |
Islamic University of Indragiri
2019-05-01
|
Series: | Sistemasi: Jurnal Sistem Informasi |
Online Access: | http://sistemasi.ftik.unisi.ac.id/index.php/stmsi/article/view/501 |
id |
doaj-62c96ef5557b40f8bf25164bdec27e8a |
---|---|
record_format |
Article |
spelling |
doaj-62c96ef5557b40f8bf25164bdec27e8a2020-11-25T01:12:11ZindIslamic University of IndragiriSistemasi: Jurnal Sistem Informasi2302-81492540-97192019-05-018228228710.32520/stmsi.v8i2.501190Penyusunan Jadwal Asisten Praktikum Menggunakan Algoritma GenetikaMuhammad Dimas Setiawan Sanapiah0Anim Rofi’ah1Heny Dwi Jayanti2Alysha Ghea Arliana3Vivi Nur Wijayaningrum4Universitas BrawijayaUniversitas BrawijayaUniversitas BrawijayaUniversitas BrawijayaUniversitas BrawijayaPenjadwalan asisten praktikum merupakan proses untuk merancang jadwal mengajar praktikum yang setiap semester dilakukan oleh beberapa asisten. Adanya aturan-aturan yang harus dipatuhi dalam penyusunan jadwal menyebabkan proses penjadwalan ini menjadi cukup sulit. Pada penelitian ini, algoritma genetika digunakan untuk melakukan optimasi penyusunan jadwal asisten praktikum. Data yang digunakan terdiri dari data jadwal praktikum di laboratorium dan jadwal kuliah asisten. Berdasarkan hasil pengujian parameter yang telah dilakukan, parameter optimal algoritma genetika terdiri dari ukuran populasi sebesar 10, banyaknya generasi sebesar 50, nilai crossover rate sebesar 0.7 dan nilai mutation rate sebesar 0.3. Dengan menggunakan parameter optimal tersebut, algoritma genetika mampu menyusun jadwal asisten praktikum tanpa melanggar aturan-aturan yang telah ditentukan, yaitu dengan menghasilkan solusi yang mempunyai nilai fitness sama dengan 1.http://sistemasi.ftik.unisi.ac.id/index.php/stmsi/article/view/501 |
collection |
DOAJ |
language |
Indonesian |
format |
Article |
sources |
DOAJ |
author |
Muhammad Dimas Setiawan Sanapiah Anim Rofi’ah Heny Dwi Jayanti Alysha Ghea Arliana Vivi Nur Wijayaningrum |
spellingShingle |
Muhammad Dimas Setiawan Sanapiah Anim Rofi’ah Heny Dwi Jayanti Alysha Ghea Arliana Vivi Nur Wijayaningrum Penyusunan Jadwal Asisten Praktikum Menggunakan Algoritma Genetika Sistemasi: Jurnal Sistem Informasi |
author_facet |
Muhammad Dimas Setiawan Sanapiah Anim Rofi’ah Heny Dwi Jayanti Alysha Ghea Arliana Vivi Nur Wijayaningrum |
author_sort |
Muhammad Dimas Setiawan Sanapiah |
title |
Penyusunan Jadwal Asisten Praktikum Menggunakan Algoritma Genetika |
title_short |
Penyusunan Jadwal Asisten Praktikum Menggunakan Algoritma Genetika |
title_full |
Penyusunan Jadwal Asisten Praktikum Menggunakan Algoritma Genetika |
title_fullStr |
Penyusunan Jadwal Asisten Praktikum Menggunakan Algoritma Genetika |
title_full_unstemmed |
Penyusunan Jadwal Asisten Praktikum Menggunakan Algoritma Genetika |
title_sort |
penyusunan jadwal asisten praktikum menggunakan algoritma genetika |
publisher |
Islamic University of Indragiri |
series |
Sistemasi: Jurnal Sistem Informasi |
issn |
2302-8149 2540-9719 |
publishDate |
2019-05-01 |
description |
Penjadwalan asisten praktikum merupakan proses untuk merancang jadwal mengajar praktikum yang setiap semester dilakukan oleh beberapa asisten. Adanya aturan-aturan yang harus dipatuhi dalam penyusunan jadwal menyebabkan proses penjadwalan ini menjadi cukup sulit. Pada penelitian ini, algoritma genetika digunakan untuk melakukan optimasi penyusunan jadwal asisten praktikum. Data yang digunakan terdiri dari data jadwal praktikum di laboratorium dan jadwal kuliah asisten. Berdasarkan hasil pengujian parameter yang telah dilakukan, parameter optimal algoritma genetika terdiri dari ukuran populasi sebesar 10, banyaknya generasi sebesar 50, nilai crossover rate sebesar 0.7 dan nilai mutation rate sebesar 0.3. Dengan menggunakan parameter optimal tersebut, algoritma genetika mampu menyusun jadwal asisten praktikum tanpa melanggar aturan-aturan yang telah ditentukan, yaitu dengan menghasilkan solusi yang mempunyai nilai fitness sama dengan 1. |
url |
http://sistemasi.ftik.unisi.ac.id/index.php/stmsi/article/view/501 |
work_keys_str_mv |
AT muhammaddimassetiawansanapiah penyusunanjadwalasistenpraktikummenggunakanalgoritmagenetika AT animrofiah penyusunanjadwalasistenpraktikummenggunakanalgoritmagenetika AT henydwijayanti penyusunanjadwalasistenpraktikummenggunakanalgoritmagenetika AT alyshagheaarliana penyusunanjadwalasistenpraktikummenggunakanalgoritmagenetika AT vivinurwijayaningrum penyusunanjadwalasistenpraktikummenggunakanalgoritmagenetika |
_version_ |
1725167991051517952 |