Optimasi Penjadwalan Mata Pelajaran Menggunakan Algoritme Genetika (Studi Kasus: Smk Negeri 2 Kediri)
Total View This Week0
Total View This Week0
Institusion
Universitas Brawijaya
Author
Efendi, Muh. Fuad
Subject
006.31 Machine learning
Datestamp
2020-10-09 05:11:15
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.
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.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
