SKRIPSI
(TEKNIK INFORMATIKA)
Sistem Penjadwalan Ruangan di FTTM ITB Menggunakan Metode Algoritma Genetika
Keyword : Penjadwalan, FTTM ITB, Algoritma Genetika, Algoritma Probabilistik
Penjadwalan merupakan alokasi dari sumber daya terhadap waktu untuk
menghasilkan sebuah kumpulan pekerjaan. Proses penjadwalan mata kuliah
di perguruan tinggi berbeda dengan proses penjadwalan mata pelajaran di
sekolah menengah atas. Pada perguruan tinggi, proses penjadwalan harus
melihat sampai ke level mahasiswa. Algoritma yang dapat digunakan untuk
menyelesaikan persoalan bentrok jadwal adalah algoritma genetika.
Algoritma genetika merupakan salah satu algoritma probabilistik. Teknik
pencarian pada algoritma genetika diadopsi dari proses evolusi alam.
Proses komputasi yang terjadi dalam algoritma ini analog dengan proses
seleksi makhluk hidup dalam sebuah populasi, yaitu proses inisialisasi
populasi, evaluasi fitness, seleksi, crossover dan mutasi.
Berdasarkan hasil pengujian dapat disimpulkan bahwa algoritma genetika
dapat menghasilkan solusi jadwal yang tidak bentrok. Data yang digunakan
dalam pengujian adalah data perkuliahan semester 2 tahun akademik
2013/2014 di Program Studi yang berada di gedung Teknik Perminyakan
Fakultas Teknik Pertambangan dan Perminyakan Institut Teknologi Bandung.
Penelitian ini menghasilkan jadwal yang optimal dengan
menjadwalkan keseluruhan data mata kuliah, dosen, ruangan, hari dan
waktu.
Scheduling is the
allocation of resources over time to produce a collection of work. The
process of scheduling courses in college is different from the process
of scheduling subjects in high school. In college, the scheduling
process should look up to the level of the student. The algorithm can be
used to resolve the question of clashing schedules are genetic
algorithms. Genetic algorithm is one of the probabilistic algorithm.
Search techniques in genetic algorithms is adopted from the natural
evolutionary process. Computational processes that occur in the
algorithm selection process analogous to living organisms in a
population, that is the population initialization, fitness evaluation,
selection, crossover and mutation. Based on the test results it can be
concluded that the genetic algorithm can generate solutions that are not
clashing schedules. The data used in testing is the 2nd half of the
data classes in the 2013/2014 academic study program that was in the
building Petroleum Engineering Faculty of Mining and Petroleum
Engineering Bandung Institute of Technology. This study resulted in an
optimal schedule by scheduling the entire data subjects, lecturers,
rooms, day and time.
0 comments:
Post a Comment