OPTIMALISASI PENEMPATAN DOSEN PEMBIMBING DAN PENJADWALAN SEMINAR TUGAS AKHIR MENGGUNAKAN ALGORITMA GENETIKA
|
|
- Sri Salim
- 7 tahun lalu
- Tontonan:
Transkripsi
1 OPTIMALISASI PENEMPATAN DOSEN PEMBIMBING DAN PENJADWALAN SEMINAR TUGAS AKHIR MENGGUNAKAN ALGORITMA GENETIKA Nendi Purwana 1, Esmeralda C. Djamal 2, Faiza Renaldi 3 Jurusan Informatika, Fakultas MIPA Universitas Jenderal Achmad Yani Jl. Terusan Sudirman,PO BOX 148 Cimahi, Jawa Barat, Indonesia nendipurwana@gmail.com ABSTRAK Tugas akhir merupakan satu matakuliah yang wajib diambil mahasiswa sebagai salah satu syarat kelulusan, setiap mahasiswa yang telah mengambil tugas akhir wajib mempunyai dosen pembimbing untuk membantu membimbing mahasiswa dalam menyelasaikan tugas akhir, hasil akhir dari tugas akhir akan dipresentasikan dalam bentuk seminar. Beberapa penelitian terdahulu yang menggunakan algoritma genetik diantaranya untuk penempatan buku untuk perpustakaan sekolah, Penerapan Algoritma Genetika Pada Sistem Rekomendasi, penyelesaian masalah Job Shop, Optimalisasi penempatan SDM pada perusahaan. Algoritma Genetika dipilih karena dapat memperoleh jadwal yang memenuhi kriteria yang ditetapkan dari semua kombinasi yang ada tanpa harus mencoba semua kemungkinan kombinasi. Dalam penelitian ini penjadwalan dilakukan terhadap 77 Mahasiswa, 2 Ruangan dan 13 Dosen. Optimalisasi Penempatan Dosen Pembimbing dan Penjadwalan Tugas Akhir dilakukan dengan pembangkitan populasi awal, evaluasi fungsi kecocokan, seleksi, persilangan, dan mutasi. Dari lima kali pengujian dengan 100 kali evolusi, sistem menghasilkan solusi dengan jumlah rata-rata pelanggaran sebanyak lima pelanggaran, dan waktu proses rata-rata selama 55,6 detik. Sistem telah diimplementasikan dalam perangkat lunak dan secara fungsional telah sesuai dengan perancangan yang diinginkan.. Kata Kunci: Penempatan Dosen Pembimbing, Penjadwalan Seminar, Algoritma Genetika. 1. PENDAHULUAN 1.1 Latar Belakang Tugas akhir merupakan matakuliah yang wajib diambil setiap mahasiswa khususnya mahasiswa tingkat akhir yang akan menyelesaikan masa studinya, di Informatika Unjani tugas akhir terdiri dari 6 SKS yang dibagi kedalam 2 semester, yaitu tugas akhir 1 terdiri dari 2 SKS dan tugas akhir 2 terdiri dari 6 SKS. Setiap mahasiswa yang telah mengambil matakuliah tugas akhir wajib memiliki dosen pembimbing untuk membantu membimbing mahasiswa dalam menyelesaikan tugas akhir tersebut, setiap dosen pembimbing mempunyai keahlian pada bidangnya masing-masing, sehingga pada saat penempatan dosen pembimbing disesuaikan berdasarkan bidang penelitian yang diambil mahasiswa. Setelah melalui proses bimbingan dan menyelesaikan tugas akhir maka mahasiswa harus mengikuti kegiatan seminar tugas akhir. Saat ini kegiatan seminar tugas akhir dilakukan pada dua ruangan dengan jumlah dosen pembimbing dan reviewer sebanyak 13 orang. Algoritma genetika adalah suatu algoritma pencarian yang berbasis pada mekanisme seleksi alam dan genetika. Proses algoritma genetika berawal dari mencari beberapa solusi atau individu yang disebut populasi awal. Setiap individu dibangun dengan mengisikan tiap gen dengan record-record dari sebuah daftar isi gen yang dibangkitkan secara random, sehingga setiap kombinasi record yang berbeda merupakan individu atau solusi yang berbeda. Dari sekumpulan individu atau populasi awal kemudian dievaluasi terhadap kriteria, yang kemudian melului tahap seleksi. Kumpulan individu yang mempunyai kecocokan paling tinggi dilakukan persilangan antar individu, kemudian dilakukan proses mutasi. Dua proses terakhir menghasilkan individu yang berbeda. Proses evaluasi, seleksi, persilangan dan mutasi akan berulang sampai menemukan solusi yang memenuhi kriteria. Beberapa penelitian terdahulu yang menggunakan algoritma genetik diantaranya untuk penempatan buku untuk perpustakaan sekolah [1], Optimalisasi Penjadwalan Perkuliahan di Fakultas MIPA Unjani [2], penyelesaian masalah Job Shop [3], Optimalisasi penempatan SDM pada perusahaan4], penjadwalan proyek dengan penyeimbangan biaya [5], penjadwalan pesanan produksi [6]. Salah satu kriteria dalam menghasilkan jadwal yang baik adalah tidak adanya unsur penjadwalan yang bentrok dalam hal penggunaan fasilitas ataupun keterlibatan unsur terkait. Dalam penelitian ini akan dirancang menggunakan dua algoritma genetik, yaitu untuk penempatan dosen pembimbing dan penjadwalan seminar tugas akhir. Algoritma genetika dipilih mengingat dapat memperoleh solusi optimal tanpa harus mencoba semua kemungkinan solusi. Terdapat sebanyak 77 peserta seminar, 13 jumlah dosen dan 10 bidang penelitian, maka terdapat kombinasi penempatan dosen pembimbing sebanyak
2 Apabila setiap mahasiswa memiliki dua dosen pembimbing dan dua dosen penguji, kemudian dalam satu hari terdapat 8 jam kegiatan, dan 2 ruangan yang dapat digunakan, maka dalam 5 hari akan menghasilkan kombinasi sebanyak kemungkinan solusi untuk penjadwalan seminar, sehingga tidak memungkinkan atau tidak realistis untuk diujikan seluruhnya untuk menemukan solusi terbaik dari seluruh kombinasi. 1.2 Landasan Teori Algoritma Genetika Algoritma genetika adalah suatu algoritma pencarian yang berbasis pada mekanisme seleksi alam dan genetika. Algoritma genetika merupakan salah satu algoritma yang sangat tepat digunakan dalam menyelesaikan masalah optimasi kompleks. Algoritma genetika pertama kali dikembangkan oleh Jhon Holland dari Universitas Michigan pada tahun Jhon Holland menyatakan bahwa setiap masalah yang terbentuk adaptasi (alami maupun buatan) dapat diformulasikan kedalam terminologi genetika. Proses algoritma genetika berawal dari mencari beberapa solusi atau individu yang disebut populasi awal. Setiap individu dibangun dengan mengisikan tiap gen dengan record-record dari sebuah daftar isi gen yang dibangkitkan secara random, sehingga setiap kombinasi record yang berbeda merupakan individu atau solusi yang berbeda. Dari sekumpulan individu atau populasi awal kemudian dievaluasi terhadap kriteria, yang kemudian melului tahap seleksi. Kumpulan individu yang mempunyai kecocokan paling tinggi dilakukan persilangan antar individu, kemudian dilakukan proses mutasi. Dua proses terakhir menghasilkan individu yang berbeda. Proses evaluasi, seleksi, persilangan dan mutasi akan berulang sampai menemukan solusi yang memenuhi kriteria Struktur Dalam algoritma genetika, representasi kromosom merupakan bagian yang penting, karena satu kromosom mewakili satu solusi. Masingmasing kromosom berisi sejumlah gen dimana dalam satu gen akan mewakili satu variabel [2], Pada penelitian sebelumnya terdapat 20 kromosom per populasi dengan jumlah generasi 10 [4]. Penelitian lainya merepresentasikan kromosom dalam bentuk bilangan bulat dimana terdapat aturan operation-based representation atau aturan yang berbasis pada operasi dalam pekerjaan [8] Membangkitkan Populasi Awal Membangkitkan populasi awal adalah proses membangkitkan sejumlah individu secara acak melalui prosedur tertentu. Syarat-syarat yang harus dipenuhi untuk menunjukkan solusi harus benarbenar diperhatikan dalam pembangkitan setiap individunya. Penelitian sebelumnya membangkitan pupulasi awal dengan teknik ramdom generator dan permutasi gen [1], sedangkan pada penelitian lainnya proses inisialiasi awal dibuat sepuluh kromosom berdasarkan bilangan acak. Bilangan yang diacak adalah indeks hari dan indeks ruangan yang akan ditempati oleh kelas [2] Fungsi Kecocokan Nilai kecocokan berguna untuk jumlah pelanggaran yang semakin kecil menunjukkan solusi yang lebih baik sehingga pada jumlah pelanggaran sama dengan nol diperoleh nilai kecocokan terbaik sama dengan 1. Fungsi kecocokan yang digunakan pada penelitian terdahulu [9] adalah dapat dilihat pada persamaan..(1) F(x) adalah nilai dari fungsi kecocokan, f i adalah banyaknya aturan sebanyak n, dan x menyatakan jumlah pelanggaran Persilangan (Crossover) Perkawinan silang atau Crossover merupakan proses mengkombinasikan dua individu untuk memperoleh individu-individu baru yang diharapkan mempunyai fitness lebih baik [8]. Crossover menukar bagian dari dua kromosom induk yang berbeda, bekerja menggabungkan dua kromosom induk dengan cara penyilangan untuk menghasilkan dua individu baru. Tidak semua induk mengalami crossover, banyaknya induk yang mengalami crossover ditentukan dengan nilai laju crossover dan dilakukan secara acak Mutasi Mutasi adalah penggantian satu atau lebih gen pada suatu kromosom yang terjadi tanpa melibatkan kromosom yang lain. Pada kromosom biner mutasi dilakukan dengan mengubah gen biner 0 menjadi 1 dan satu menjadi 0. Pada kromosom float dua macam mutasi yang banyak dilakukan yaitu random mutation dan shift mutation. (a) Random mutation adalah mengganti gen yang termutasi dengan nilai acak. (b) Shift mutation adalah menggeser nilai gen termutasi sebesar c, dimana c adalah bilangan kecil yang ditentukan Penghentian Generasi Terminasi evolusi merupakan sebuah proses yang menyatakan berhentinya proses dalam algoritma genetika. Pada penelitian sebelumnya kasus optimasi penjadwalan kegiatan perkuliahan, terdapat 3 (tiga) kondisi yang digunakan untuk menghentikan algoritma genetika [2], yaitu : 1. Jika sudah tidak terjadi pelanggaran pada kromosom yang dibangkitkan. 493
3 2. Jika jumlah generasi atau iterasi yang diinginkan telah tercapai. 3. Jika nilai fitness diinginkan telah tercapai. 2 PEMBAHASAN DAN HASIL 2.1 Metode Pada penelitian ini akan menggunakan dua algoritma genetika, yang masing-masing digunakan untuk penempatan dosen pembimbing dan penjadwalan seminar tugas akhir seperti diperlihatkan pada Gambar 1. NIM Bidang Penelitian Daftar Dosen Jadwal Seminar Tugas Akhir Gambar 1. Sistem Penempatan Dosen Pembimbing dan Penjadwalan Seminar Tugas Akhir Menggunakan Algoritma Genetika. Pada Gambar 1 terdapat dua proses Algoritma Genetika yang digunakan untuk penempatan dosen pembimbing dan penjadwalan seminar tugas akhir dengan masukan berupa NIM, bidang penelitian dan daftar dosen yang akan diproses menggunakan algoritma penempatan dosen pembimbing dan menghasilkan keluaran berupa daftar pembimbing dan mahasiswa, kemudian keluaran tersebut dijadikan sebagai masukan bagi proses algoritma penjadwalan seminar dan menghasilkan keluaran berupa jadwal seminar tugas akhir. A. Representasi Struktur Pada penelitian ini Struktur kromosom dibagi kedalam dua bentuk kromosom, yaitu struktur kromosom penempatan dosen pembimbing dan struktur kromosom penjadwalan seminar tugas akhir. B1 B2 B3 B10 g1 g2... g40 g41... g60 g61... g70... g g154 gen P1 Aturan Penempatan Dosen Pembimbing P2 Algoritma Penempatan Dosen Pembimbing Algoritma Penjadwalan Seminar Tugas Akhir Aturan Penjadwalan Seminar Daftar Pembimbing dan Mahasiswa Gambar 2. Struktur Penempatan Dosen Pembimbing. Pada Gambar 2 panjang kromosom sebanyak 154, yang terdiri dari pembimbing 1 dan pembimbing 2 yang telah dikodekan. B1 B2 g1 g2 g3 g4... g80 g81... g g185 g g243 g g268. g308 Rev1 Rev2 P1 P2 Ruang 1 Ruang 2 Gambar 3. Struktur Penjadwalan Seminar Tugas Akhir. Pada Gambar 3 merupakan struktur kromosom dari penjadwalan seminar tugas akhir yang berisi kode dosen pembimbing yang didapat dari proses algoritma genetika sebelumnya dan kode dosen reviewer yang dibangkitkan secara acak. B. Membangun Fungsi Kecocokan Sebelum membangun fungsi kecocokan, terlebih dahulu adalah dengan membuat aturan-aturan yang juga merupakan kriteria dalam penempatan ruangan berdasarkan analisa terhadap sistem yang sedang berjalan. Aturan atau kriteria tersebut yaitu : 1. Kriteria penempatan dosen pembimbing : a. Dosen pembimbing 1 ditempatkan sesuai dengan kompetensi keahlian dosen dan bidang penelitian yang diambil mahasiswa. b. Pembimbing dapat membimbing mahasiswa dengan ketentuan maksimal 20 mahasiswa. 2. Kriteria penjadwalan seminar tugas akhir : a. Dosen reviewer tidak boleh sama dengan dosen pembimbing. b. Dosen pembimbing dan reviewer tidak boleh ada pada ruang yang berbeda pada satu waktu. c. Reviewer dapat mereview mahasiswa maksimal 20 Mahasiswa. d. Dosen pembimbing dan reviewer dapat menentukan kesediaan membimbing atau mereview. Persamaan yang digunakan untuk menghitung nilai kecocokan dari kriteria tersebut yaitu: B10.(1) Pada persamaan (1) terdapat nilai n yang merepresentasikan banyaknya aturan yang dibuat, F(x) adalah nilai dari fungsi kecocokan, f i adalah banyaknya aturan sebanyak n, dan x menyatakan jumlah pelanggaran. C. Membangkitkan Populasi Awal Setelah kromosom dibentuk dan aturan ditentukan, langkah selanjutnya adalah proses dengan algoritma genetika, yang dimulai dengan pembangkitan populasi awal dengan delapan kromosom dengan panjang kromosom sebanyak 154 dan 308 gen, setiap gen diisi oleh daftar isi gen yaitu kode dosen yang dibangkitkan secara acak. 494
4 D. Cross Over Pada penelitian ini crossover yang dilakukan hanya menggunakan gen yang melanggar sehingga gen yang bermasalah dalam sebuah kromosom akan langsung ditukarkan dengan gen yang melanggar dari kromosom lain, jika terdapat dua gen yang sama dalam satu kromosom maka dilakukan proses perbaikan isi kromosom untuk mengganti gen yang memiliki nilai yang sama, sehingga tingkat gen yang bermasalah akan cepat berkurang dan akan menaikkan nilai kecocokan, proses crossover dapat dilihat pada Gambar4. Langkah-langkah proses crossover dengan teknik tersebut yaitu : 1. Persilangan dilakukan terhadap empat kromosom sehingga menghasilkan dua pasang induk yaitu : peringkat [1,2], dan [3,4]. 2. Gen yang disilangkan adalah gen yang melanggar dengan tipe rute perjalanan yang sama. 3. Perbaikan isi kromosom dilakukan untuk menghilangkan isi gen yang sama dalam satu kromosom. Gen yang melanggar memiliki kategori dosen yang sama Hasil Mutasi : Ditukar Hasil duplikat kromosom 1 YHC RDI WNI RDI YHC DNA EKP FRU WNI AIH Hasil duplikat kromosom 1 WNI RDI WNI RDI YHC DNA EKP FRU YHC AIH Gambar 5. Proses Mutasi 2.2 Hasil Dan Diskusi Hasil dari pengujian sesuai dengan tahapan metode penelitian yang dibangun untuk proses penjadwalan. Hasil yang didapat merupakan model kromosom dengan struktur yang disesuaikan dengan kasus penempatan dosen pembimbing dan penjadwalan seminar tugas akhir. Kemudian model kromosom tersebut diujikan dengan melakukan pengujian. a. Membangkitkan Populasi Awal Populasi awal dilakukan dengan cara melakukan random kode pembimbing 1 dan kode pembimbing 2. Pembangkitan populasi awal dalam penelitian ini dapat dilihat pada Gambar 6. Hasil duplikat kromosom 1 YHC AIH WNI RDI YHC DNA EKP FRU WNI AIH Hasil duplikat kromosom 2 THP AGK YHC Hasi Persilangan: Ditukar FZR EKP DNA WNI AGK THP RDI Gen yang melanggar memiliki kategori mahasiswa yang sama M1 M2 M M76 M77 Kromoson 1 YHC AGK WNI AIH THP RDI WNI RZK ECD FZR gen M1 M2 M M76 M77 Kromoson 2 GNA AIH ECD AGK THP FRU YHC AGK GNA FZR gen Hasil duplikat kromosom 1 THP AIH WNI RDI YHC DNA EKP FRU WNI AIH Hasil duplikat kromosom 2 THP AGK YHC FZR EKP DNA WNI AGK YHC Gambar 4. Proses Crossover E. Mutasi Proses mutasi adalah proses perubahan unsur gen pada satu kromosom. Empat kromosom terbaik dari proses persilangan akan melakukan mutasi. Prinsip sederhananya menukar gen tertentu dengan gen yang lain pada kromosom yang sama. Maka keempat kromosom itulah yang akan dimutasi. Hasil mutasi satu kromosom akan menghasilkan satu kromosom anak sehingga jumlah kromosom hasil mutasi yang akan dihitung jumlah pelanggaran dan fungsi kecocokannya adalah delapan kromosom. Cara memutasikan kromosom adalah dengan terlebih dahulu mencari gen yang melanggar lalu pada satu kromosom, kemudian gen-gen yang melanggar tersebut dimutasikan, seperti pada Gambar 5. RDI M1 M2 M M76 M77 Kromoson 8 GNA AIH EKP AGK YHC RDI THP DNA EKP AIH gen Gambar 6. Pembangkitan Populasi Awal b. Evaluasi Fungsi Kecocokan Populasi Awal Setelah populasi awal dibangkitkan, kromosomkromosom yang terdapat pada populasi tersebut dihitung dengan fungsi kecocokan seperti pada persamaan (1) berdasarkan kriteria yang telah ditentukan sebelumnya, seperti pada Tabel 1. Tabel 1. Pelanggaran Pada Populasi Awal pelanggaran
5 Tabel 1. Pelanggaran Pada Populasi Awal (lanjutan) pelanggaran c. Seleksi Proses seleksi merupakan proses memilih kromosom yang akan digunakan untuk proses persilangan (crossover). terpilih akan menjadi induk yang akan disilangkan dan menghasilkan anak atau kromosom baru hasil dari persilangan. yang terpilih adalah empat kromosom dengan nilai jumlah pelanggaran paling sedikit atau fungsi kecocokan tertinggi dari delapan kromosom yang dibangkitkan. Seleksi dengan memilih kromosom dengan nilai tinggi merupakan cara seleksi roda roullete, semakin tinggi nilai fungsi kecocokan suatu kromosom, maka semakin tinggi kemungkinan kromosom digunakan untuk persilangan sebagai induk. Proses seleksi dapat dilihat pada T. Tabel 2. Peringkat Berdasarkan Pelanggaran. pelanggaran Peringkat Dari hasil seleksi maka didapat calon induk untuk proses persilangan dan mutasi. Calon induk yang terpilih dapat dilihat pada Tabel 3. Tabel 1. Calon Induk untuk Persilangan Pelanggaran Peringkat Dari calon induk yang disilangkan tersebut menghasilkan delapan kromosom atau individu baru. Dari individu baru tersebut kemudian dihitung kembali jumlah pelanggarannya, dan kromosom yang memiliki jumlah pelanggaran terkecil, disesuaikan dengan kriteria yang ditetapkan. Apabila telah memenuhi kriteria yang ditetapkan, maka kromosom tersebut yang dipilih sebagai solusi optimal, yang kemudian dibentuk ke dalam solusi nyata berupa daftar mahasiswa dan pembimbing beserta jadwal seminar tugas akhir. Hasil yang didapat merupakan model kromosom dengan struktur yang disesuaikan dengan kasus penempatan dosen pembimbing dan penjadwalan seminar tugas akhir Gambar 2 dan Gambar 3. Kemudian model tersebut diujicobakan dengan melakukan pengujian sebanyak 100 kali evolusi dengan hasil yang terdapat pada Gambar 7. Gambar 7. Grafik Pelanggaran Terhadap Evolusi Pada Gambar 7 didapat grafik menaik dengan sampel data sebanyak 77 mahasiswa. Grafik tersebut menunjukan bahwa pemodelan kromosom yang dibentuk telah tepat karena individu yang muncul pada setiap evolusi memiliki nilai yang semakin membaik. Oleh karena itu, pemodelan ini dapat diteruskan untuk memunculkan solusi optimal mengenai penempatan dosen pembimbing dan penjadwalan seminar tugas akhir. 3 KESIMPULAN 3.1 Kesimpulan Penelitian ini telah menghasilkan sebuah Sistem Optimalisasi Penempatan Dosen Pembimbing dan Penjadwalan Seminar Tugas Akhir Menggunakan Algoritma Genetika. Hasil akhir dari sistem adalah terbentuknya daftar mahasiswa berserta dosen pembimbing dan jadwal seminar tugas akhir dalam satu periode. Durasi program dapat disesuaikan dengan panjang kromosom. Sistem ini menggunakan dua algoritma genetika untuk melakukan pemrosesannya, algoritma genetika yang pertama digunakan untuk penempatan dosen pembimbing dan algoritma yang kedua digunakan untuk penjadwalan seminar tugas akhir. Pada penelitian ini dilakukan pengujian sebanyak 100 kali evolusi dengan lima kali pengujian, sistem menghasilkan jumlah pelanggaran 496
6 terkecil pelanggaran dalam 55,6 detik dengan jumlah pelanggaran sebesar nol pelanggaran untuk penempatan dosen pembimbing, dan 60 detik dengan jumlah pelanggaran sebanyak dua pelanggaran dalam evolusi penjadwalan. Setiap pengujian sistem mengeluarkan solusi berbeda karena algortima genetika bekerja secara random, namun dapat memberikan optimalisasi solusi yang efektif. Masih terdapatnya pelanggaran disebabkan proses pembangkitan populasi awal mempunyai pelanggaran cukup besar sehingga mempengaruhi kecepatan dan perolehan solusi yang memenuhi syarat. 3.2 Saran Dalam pengembangan lebih lanjut mengenai penelitian ini, maka diberikan saran antara lain penambahan kriteria yaitu penempatan dosen disesuaikan dengan keinginan mahasiswa serta perbaikan pada operator Algoritma Genetika yang digunakan harus dapat mengahasilkan solusi yang lebih baik dari evolusi sebelumya (konvergen). Sistem Rekomendasi," Jurnal Ilmiah Kursor Menuju Solusi Teknologi Informasi, vol. 5, pp , Juli [8] Putra Bahtera Jaya Bangun, Sisaca Octarina, and Gusti Ahta Virgo, "Penerapan Konsep Algoritma Genetka untuk Penjadwalan Kegiatan Perkuliahan Semester Ganjil Kurikulum 2012 di Jurusan Matematika F MIPA UNSRI," Jurnal Penelitian Sains, vol. Volume 15 Nomor 2(A), pp , April [9] Eri Walid Fattin, Esmeralda C. Djamal, and Agus Komarudin, "Optimalisasi Penjadwalan Perjalanan Kereta Api Padalarang- Bandung Menggunakan Algoritma Genetika," in SENIJA, Cimahi, PUSTAKA [1] S Romauli, "Pemanfaatan Algoritma Genetika Pada Aplikasi Penempatan Buku Untuk Perpustakaan Sekola," Pelita Informatika Budi Darma, vol. VI, Nomor 2, pp , April [2] Ela Yulianti, Esmeralda C. Djamal, and Agus Komarudin, "Optimalisasi Penjadwalan Perkuliahan Di Fakultas MIPA Unjani Menggunakan Algoritma Genetik dan Tabu Search," in Seminar Nasional Informatika dan Aplikasinya, Cimahi, [3] Fachrudin Afandi, Mahendra ER, and Faizal Mahananto, "Penerapan Algoritma Genetik untuk Masalah Penjadwalan Job Shop Pada Lingkungan Industri Pakaian," Jurnal Penelitian Sains, pp. 1-7, [4] Fatan Kasyidi, Esmeralda C. Djamal, and Agus Komarudin, "Optimalisasi Penempatan Sumber Daya Manusia Berdasarkan Proyek Menggunakan Algortima Genetik," in Seminar Nasional Jenderal Achmad Yani, Cimahi, [5] Arifudin, "Optimalisasi Penjadwalan Proyek Dengan Penyeimbangan Biaya Menggunakan Kombinasi CPM dan Algoritma Genetik," Jurnal Masyarakat Informatika, ISSN , vol. 2, No. 4, pp [6] Nur Azmi, Irawadi Jamaran, Yandra Arkeman, and Djumall Mangunwidjaja, "Penjadwalan Pesanan Menggunakan Algoritma Genetik Untuk Tipe Produksi Hybrid And Flexible Flowshop Pada Industri Kemasan Karton," Jurnal Teknik Industri, ISSN : , pp [7] Agus Widodo Wahyu and Wayan Firdaus Mahmudy, "Penerapan Algoritma Genetika Pada 497
OPTIMALISASI PENJADWALAN BABAK PENYISIHAN PERTANDINGAN SEPAK BOLA LIGA MAHASISWA JAWA BARAT MENGGUNAKAN ALGORITMA GENETIKA
OPTIMALISASI PENJADWALAN BABAK PENYISIHAN PERTANDINGAN SEPAK BOLA LIGA MAHASISWA JAWA BARAT MENGGUNAKAN ALGORITMA GENETIKA Nurul Faturakhman S 1), Esmeralda C. Djamal 2), Agus Komarudin 3) 1),2),3 ) Informatika,Universitas
Lebih terperinciOPTIMALISASI PENJADWALAN ACARA TELEVISI SWASTA MENGGUNAKAN ALGORITMA GENETIKA
OPTIMALISASI PENJADWALAN ACARA TELEVISI SWASTA MENGGUNAKAN ALGORITMA GENETIKA Aek Mustofa *, Esmeralda C Djamal, Agus Komarudin Jurusan Informatika, Fakultas MIPA, Universitas Jenderal Achmad Yani Jl.
Lebih terperinciOPTIMALISASI AKSI NON PLAYER CHARACTER PADA GAME KARTU REMI MENGGUNAKAN ALGORITMA GENETIKA
F.23 OPTIMALISASI AKSI NON PLAYER CHARACTER PADA GAME KARTU REMI MENGGUNAKAN ALGORITMA GENETIKA Wage Rizal Solichin *, Esmeralda Contesa Djamal, Rezki Yuniarti Jurusan Informatika, Fakultas MIPA, Universitas
Lebih terperinciOPTIMALISASI LAHAN TANAH UNTUK AREA RUMAH DAN JALAN MENGGUNAKAN ALGORITMA GENETIKA
Optimalisasi Lahan Tanah untuk Area Rumah dan Jalan... (Fadhil dkk.) OPTIMALISASI LAHAN TANAH UNTUK AREA RUMAH DAN JALAN MENGGUNAKAN ALGORITMA GENETIKA Luthfi Ahmad Fadhil *, Esmeralda C Djamal, Ridwan
Lebih terperinciOptimalisasi Pengantaran Barang dalam Perdagangan Online Menggunakan Algoritma Genetika
Optimalisasi Pengantaran Barang dalam Perdagangan Online Menggunakan Algoritma Genetika Rozak Arief Pratama 1, Esmeralda C. Djamal, Agus Komarudin Jurusan Informatika, Fakultas MIPA Universitas Jenderal
Lebih terperinciOptimalisasi Penjadwalan Audit di Inspektorat Daerah Kabupaten Cianjur Menggunakan Algoritma Genetika
Optimalisasi Penjadwalan Audit di Inspektorat Daerah Kabupaten Cianjur Menggunakan Algoritma Genetika Alvi Yudistira 1, Esmeralda C Djamal, Rezki Yuniarti Jurusan Informatika, Fakultas MIPA Universitas
Lebih terperinciOptimasi Penjadwalan Ujian Menggunakan Algoritma Genetika
Optimasi Penjadwalan Ujian Menggunakan Algoritma Genetika Nia Kurnia Mawaddah Wayan Firdaus Mahmudy, (wayanfm@ub.ac.id) Jurusan Matematika, FMIPA Universitas Brawijaya, Malang 65145 Abstrak Penjadwalan
Lebih terperinciALGORITMA GENETIKA Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning
ALGORITMA GENETIKA Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning Achmad Basuki Politeknik Elektronika Negeri Surabaya PENS-ITS Surabaya 2003 Algoritma Genetika Algoritma
Lebih terperinciALGORITMA GENETIKA. Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning
ALGORITMA GENETIKA Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning Disusun oleh: Achmad Basuki Politeknik Elektronika Negeri Surabaya, PENS ITS Surabaya 2003 Algoritma
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tinjauan Pustaka (Samuel, Toni & Willi 2005) dalam penelitian yang berjudul Penerapan Algoritma Genetika untuk Traveling Salesman Problem Dengan Menggunakan Metode Order Crossover
Lebih terperinciBAB 1 PENDAHULUAN. disebut Univesitas Timetabling Problems (UTP). Permasalahan ini dilihat dari sisi
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Penjadwalan perkuliahan merupakan suatu masalah yang sangat kompleks yang sering disebut Univesitas Timetabling Problems (UTP). Permasalahan ini dilihat dari sisi
Lebih terperinciBAB I PENDAHULUAN. sejumlah aktivitas kuliah dan batasan mata kuliah ke dalam slot ruang dan waktu
18 BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Penjadwalan merupakan kegiatan administrasi utama di berbagai institusi. Masalah penjadwalan merupakan masalah penugasan sejumlah kegiatan dalam periode
Lebih terperinciOPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA
OPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA Muhammad Arief Nugroho 1, Galih Hermawan, S.Kom., M.T. 2 1, 2 Universitas Komputer Indonesia Jl. Dipatiukur No. 112-116, Bandung 40132 E-mail
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka. Penelitian serupa mengenai penjadwalan matakuliah pernah dilakukan oleh penelliti yang sebelumnya dengan metode yang berbeda-neda. Berikut
Lebih terperinciImplementasi Algoritma Genetika dalam Pembuatan Jadwal Kuliah
Implementasi Algoritma Genetika dalam Pembuatan Jadwal Kuliah Leonard Tambunan AMIK Mitra Gama Jl. Kayangan No. 99, Duri-Riau e-mail : leo.itcom@gmail.com Abstrak Pada saat ini proses penjadwalan kuliah
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Penjadwalan Perkuliahan Penjadwalan memiliki pengertian durasi dari waktu kerja yang dibutuhkan untuk melakukan serangkaian untuk melakukan aktivitas kerja[10]. Penjadwalan juga
Lebih terperinciOptimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika
Optimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika Wayan Firdaus Mahmudy (wayanfm@ub.ac.id) Program Studi Ilmu Komputer, Universitas Brawijaya, Malang, Indonesia Abstrak.
Lebih terperinciPENGEMBANGAN APLIKASI PENJADWALAN KULIAH SEMESTER I MENGGUNAKAN ALGORITMA GENETIKA
PENGEMBANGAN APLIKASI PENJADWALAN KULIAH SEMESTER I MENGGUNAKAN ALGORITMA GENETIKA Bagus Priambodo Program Studi Sistem Informasi Fakultas Ilmu Komputer Universitas Mercu Buana e- mail : bagus.priambodo@mercubuana.ac.id
Lebih terperinciBAB 2 LANDASAN TEORI. 2.1 Algoritma Genetika
6 BAB 2 LANDASAN TEORI 2.1 Algoritma Genetika Algoritma genetika merupakan metode pencarian yang disesuaikan dengan proses genetika dari organisme-organisme biologi yang berdasarkan pada teori evolusi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan membahas landasan atas teori-teori yang bersifat ilmiah untuk mendukung penulisan tugas akhir ini. Teori-teori yang dibahas mengenai pengertian penjadwalan, algoritma
Lebih terperinciAplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP)
JTRISTE, Vol.1, No.2, Oktober 2014, pp. 50~57 ISSN: 2355-3677 Aplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP) STMIK Handayani Makassar najirah_stmikh@yahoo.com Abstrak
Lebih terperinciT I N J A U A N P U S T A K A Algoritma Genetika [5]
Algoritma Genetika [5] Fitness adalah nilai yang menyatakan baik-tidaknya suatu jalur penyelesaian dalam permasalahan TSP,sehingga dijadikan nilai acuan dalam mencari jalur penyelesaian optimal dalam algoritma
Lebih terperinciKeywords Algoritma, Genetika, Penjadwalan I. PENDAHULUAN
Optimasi Penjadwalan Mata Kuliah Dengan Algoritma Genetika Andysah Putera Utama Siahaan Universitas Pembangunan Pancabudi Jl. Gatot Subroto Km. 4,5, Medan, Sumatra Utara, Indonesia andiesiahaan@gmail.com
Lebih terperinciPEMAMPATAN MATRIKS JARANG DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL
Jurnal Matematika UNAND Vol. 3 No. 1 Hal. 98 106 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMAMPATAN MATRIKS JARANG DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL YOSI PUTRI, NARWEN
Lebih terperinciPerancangan Sistem Penjadwalan Asisten Dosen Menggunakan Algoritma Genetika (Studi Kasus: STIKOM Bali)
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Perancangan Sistem Penjadwalan Asisten Dosen Menggunakan Algoritma Genetika (Studi Kasus: STIKOM Bali) I Made Budi Adnyana
Lebih terperinciBAB II LANDASAN TEORI
27 BAB II LANDASAN TEORI 2.1. Penelitian Terkait Penelitian terkait yang menggunakan algoritma genetika untuk menemukan solusi dalam menyelesaikan permasalahan penjadwalan kuliah telah banyak dilakukan.
Lebih terperinciOPTIMASI PENJADWALAN KEGIATAN BELAJAR MENGAJAR DENGAN ALGORITMA GENETIK
OPTIMASI PENJADWALAN KEGIATAN BELAJAR MENGAJAR DENGAN ALGORITMA GENETIK Usulan Skripsi S-1 Jurusan Matematika Diajukan oleh 1. Novandry Widyastuti M0105013 2. Astika Ratnawati M0105025 3. Rahma Nur Cahyani
Lebih terperinciTugas Mata Kuliah E-Bisnis REVIEW TESIS
Tugas Mata Kuliah E-Bisnis REVIEW TESIS Desain Algoritma Genetika Untuk Optimasi Penjadwalan Produksi Meuble Kayu Studi Kasus Pada PT. Sinar Bakti Utama (oleh Fransiska Sidharta dibawah bimbingan Prof.Kudang
Lebih terperinciBAB III. Metode Penelitian
BAB III Metode Penelitian 3.1 Diagram Alir Penelitian Secara umum diagram alir algoritma genetika dalam penelitian ini terlihat pada Gambar 3.1. pada Algoritma genetik memberikan suatu pilihan bagi penentuan
Lebih terperinciPenjadwalan kegiatan merupakan pekerjaan yang tidak mudah, karena dalam. penyusunannya memerlukan perencanaan yang matang agar kegiatan tersebut
BAB I PENDAHULUAN A. Latar Belakang Penjadwalan kegiatan merupakan pekerjaan yang tidak mudah, karena dalam penyusunannya memerlukan perencanaan yang matang agar kegiatan tersebut terlaksana dengan optimal.
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Algoritma Genetika Algoritma genetika merupakan algoritma pencarian heuristik ysng didasarkan atas mekanisme seleksi alami dan genetika alami (Suyanto, 2014). Adapun konsep dasar
Lebih terperinciPengantar Kecerdasan Buatan (AK045218) Algoritma Genetika
Algoritma Genetika Pendahuluan Struktur Umum Komponen Utama Seleksi Rekombinasi Mutasi Algoritma Genetika Sederhana Referensi Sri Kusumadewi bab 9 Luger & Subblefield bab 12.8 Algoritma Genetika 1/35 Pendahuluan
Lebih terperinciTEKNIK PENJADWALAN KULIAH MENGGUNAKAN METODE ALGORITMA GENETIKA. Oleh Dian Sari Reski 1, Asrul Sani 2, Norma Muhtar 3 ABSTRACT
TEKNIK PENJADWALAN KULIAH MENGGUNAKAN METODE ALGORITMA GENETIKA Oleh Dian Sari Reski, Asrul Sani 2, Norma Muhtar 3 ABSTRACT Scheduling problem is one type of allocating resources problem that exist to
Lebih terperinciBAB 2 DASAR TEORI. 2.1 Teka-Teki Silang
BAB 2 DASAR TEORI 2.1 Teka-Teki Silang Teka-teki silang atau disingkat TTS adalah suatu permainan yang mengharuskan penggunanya untuk mengisi ruang-ruang kosong dengan huruf-huruf yang membentuk sebuah
Lebih terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Pada saat sekarang ini, setiap perusahaan yang ingin tetap bertahan dalam persaingan dengan perusahaan lainnya, harus bisa membuat semua lini proses bisnis perusahaan tersebut
Lebih terperinciZbigniew M., Genetic Alg. + Data Structures = Evolution Program, Springler-verlag.
Zbigniew M., Genetic Alg. + Data Structures = Evolution Program, Springler-verlag. 12/11/2009 1 Ditemukan oleh Holland pada tahun 1975. Didasari oleh fenomena evolusi darwin. 4 kondisi yg mempengaruhi
Lebih terperinciOPTIMALISASI PENJADWALAN PEMADAMAN HOTSPOT KEBAKARAN HUTAN DAN LAHAN MENGGUNAKAN ALGORITMA GENETIK
OPTIMALISASI PENJADWALAN PEMADAMAN HOTSPOT KEBAKARAN HUTAN DAN LAHAN MENGGUNAKAN ALGORITMA GENETIK Usmar Alhamd Ab Aziz 1), Esmeralda C. Djamal 2), Faiza Renaldi 3) Informatika Universitas Jenderal Achmad
Lebih terperinci2 TINJAUAN PUSTAKA. 2.1 Peringkasan Teks
4 2 TINJAUAN PUSTAKA 2.1 Peringkasan Teks Peringkasan teks adalah proses pemampatan teks sumber ke dalam versi lebih pendek namun tetap mempertahankan informasi yang terkandung didalamnya (Barzilay & Elhadad
Lebih terperinciPenggunaan Algoritma Genetik dengan Pemodelan Dua Tingkat dalam Permasalahan Penjadwalan Perawat pada Unit Gawat Darurat Rumah Sakit Umum XYZ Surabaya
Penggunaan Algoritma Genetik dengan Pemodelan Dua Tingkat dalam Permasalahan Penjadwalan Perawat pada Unit Gawat Darurat Rumah Sakit Umum XYZ Surabaya Oleh: Anisa Ulya 5206 100 101 Dosen pembimbing 1:
Lebih terperinciPENJADWALAN UJIAN AKHIR SEMESTER DENGAN ALGORITMA GENETIKA (STUDI KASUS JURUSAN TEKNIK INFORMATIKA UNESA)
Penjadwalan Ujian Akhir Semester dengan Algoritma Genetika PENJADWALAN UJIAN AKHIR SEMESTER DENGAN ALGORITMA GENETIKA (STUDI KASUS JURUSAN TEKNIK INFORMATIKA UNESA) Anita Qoiriah Jurusan Teknik Informatika,
Lebih terperinciSatrio Agung Wicaksono 1, R. Arief Setiyawan 1, Budi Darma Setiyawan 1, Ari Hernawan 1, Rizal Setya Perdana 1
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) Vol. 1, No. 2, Oktober 214 hlm. 78-82 PENJADWALAN PERKULIAHAN DENGAN PENDEKATAN EVOLUTIONARY ALGORITHM (STUDI KASUS: SISTEM INFORMASI AKADEMIK (SIAKAD)
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Konsep Dasar Sistem dan Informasi 2.1.1 Sistem Menurut Sutabri (2004), bahwa sistem adalah sekelompok unsur yang erat hubungannya satu dengan yang lainnya berfungsi untuk mencapai
Lebih terperinciPENERAPAN ALGORITMA GENETIKA PADA PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP)
PENERAPAN ALGORITMA GENETIKA PADA PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP) Mohamad Subchan STMIK Muhammadiyah Banten e-mail: moh.subhan@gmail.com ABSTRAK: Permasalahan pencarian rute terpendek dapat
Lebih terperinciBAB I PENDAHULUAN. kehidupan sehari-hari dan juga merupakan disiplin ilmu yang berdiri sendiri serta
BAB I PENDAHULUAN A. Latar Belakang Matematika adalah cabang ilmu pengetahuan yang dapat digunakan dalam kehidupan sehari-hari dan juga merupakan disiplin ilmu yang berdiri sendiri serta tidak merupakan
Lebih terperinciBAB I PENDAHULUAN. hampir di seluruh dunia, termasuk Indonesia. Alat transportasi ini memiliki
BAB I PENDAHULUAN 1.1 Latar Belakang Kereta api merupakan alat transportasi darat utama yang digunakan hampir di seluruh dunia, termasuk Indonesia. Alat transportasi ini memiliki multi keunggulan komparatif,
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pada awal diciptakan, komputer hanya difungsikan sebagai alat hitung saja. Namun seiring dengan perkembangan zaman, maka peran komputer semakin mendominasi kehidupan.
Lebih terperinciBAB I PENDAHULUAN. Penjadwalan merupakan kegiatan yang harus dimiliki oleh setiap
BAB I PENDAHULUAN 1.1 Latar Belakang Penjadwalan merupakan kegiatan yang harus dimiliki oleh setiap orang untuk dapat membantu dalam melakukan aktivitasnya sehari-hari. Terlebih lagi sebuah instansi atau
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Travelling Salesman Problem (TSP) Travelling Salesmen Problem (TSP) termasuk ke dalam kelas NP hard yang pada umumnya menggunakan pendekatan heuristik untuk mencari solusinya.
Lebih terperinciPERANCANGAN TATA LETAK FASILITAS BAGIAN PRODUKSI MENGGUNAKAN METODE ALGORITMA GENETIK DI PT. PUTRA SEJAHTERA MANDIRI
PERANCANGAN TATA LETAK FASILITAS BAGIAN PRODUKSI MENGGUNAKAN METODE ALGORITMA GENETIK DI PT. PUTRA SEJAHTERA MANDIRI TUGAS SARJANA Diajukan Untuk Memenuhi Sebagian Dari Syarat-Syarat Memperoleh Gelar Sarjana
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Penjadwalan Penjadwalan adalah penempatan sumber daya (resource) dalam satu waktu. Penjadwalan mata kuliah merupakan persoalan penjadwalan yang umum dan sulit dimana tujuannya
Lebih terperinciAPLIKASI UNTUK PREDIKSI JUMLAH MAHASISWA PENGAMBIL MATAKULIAH DENGAN MENGGUNAKAN ALGORITMA GENETIKA, STUDI KASUS DI JURUSAN TEKNIK INFORMATIKA ITS
APLIKASI UNTUK PREDIKSI JUMLAH MAHASISWA PENGAMBIL MATAKULIAH DENGAN MENGGUNAKAN ALGORITMA GENETIKA, STUDI KASUS DI JURUSAN TEKNIK INFORMATIKA ITS Hafid Hazaki 1, Joko Lianto Buliali 2, Anny Yuniarti 2
Lebih terperinciPERFORMANCE ALGORITMA GENETIKA (GA) PADA PENJADWALAN MATA PELAJARAN
PERFORMANCE ALGORITMA GENETIKA (GA) PADA PENJADWALAN MATA PELAJARAN Eva Desiana, M.Kom Pascasarjana Teknik Informatika Universitas Sumatera Utara, SMP Negeri 5 Pematangsianta Jl. Universitas Medan, Jl.
Lebih terperinciOPTIMASI PERSEDIAAN BAJU MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI PERSEDIAAN BAJU MENGGUNAKAN ALGORITMA GENETIKA andra Aditya 1), Wayan Firdaus Mahmudy 2) 1) Program Studi Teknik Informatika, Fakultas Ilmu Komputer Malang Jl. Veteran, Malang 65145, Indonesia
Lebih terperinciAnalisis Operator Crossover pada Permasalahan Permainan Puzzle
Analisis Operator Crossover pada Permasalahan Permainan Puzzle Kun Siwi Trilestari [1], Ade Andri Hendriadi [2] Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Singaperbanga Karawang
Lebih terperinciImplementasi Sistem Penjadwalan Akademik Fakultas Teknik Universitas Tanjungpura Menggunakan Metode Algoritma Genetika
Jurnal Sistem dan Teknologi Informasi (JUSTIN) Vol. 1, No. 2, (2017) 28 Implementasi Sistem Penjadwalan Akademik Fakultas Teknik Universitas Tanjungpura Menggunakan Metode Algoritma Genetika Andreas Christian
Lebih terperinciPENYELESAIAN MASALAH JOB SHOP MENGGUNAKAN ALGORITMA GENETIKA
Satriyo Adhy, Kushartantya PENYELESAIAN MASALAH JOB SHOP MENGGUNAKAN ALGORITMA GENETIKA Satriyo Adhy dan Kushartantya Teknik Informatika Universitas Diponegoro Semarang satriyo@undip.ac.id, kushartantya@undip.ac.id
Lebih terperinciPENERAPAN ALGORITMA GENETIK UNTUK OPTIMASI POLA PENYUSUNAN BARANG DALAM RUANG TIGA DIMENSI ABSTRAK
PENERAPAN ALGORITMA GENETIK UNTUK OPTIMASI POLA PENYUSUNAN BARANG DALAM RUANG TIGA DIMENSI Eddy Triswanto Setyoadi, ST., M.Kom. ABSTRAK Melakukan optimasi dalam pola penyusunan barang di dalam ruang tiga
Lebih terperinciPENYUSUNAN ALGORITMA UNTUK OPTIMISASI JADWAL UJIAN DENGAN METODA ALGORITMA GENETIKA A B S T R A K
PENYUSUNAN ALGORITMA UNTUK OPTIMISASI JADWAL UJIAN DENGAN METODA ALGORITMA GENETIKA Esmeralda C. Djamal dan Melania S. Muntini A B S T R A K Penyusunan jadwal merupakan suatu masalah yang kompleks, sehingga
Lebih terperinciSistem Penjadwalan Outsourcing Menggunakan Algoritma Genetika (Studi Kasus : PT. Syarikatama)
Sistem Penjadwalan Outsourcing Menggunakan Algoritma Genetika (Studi Kasus : PT. Syarikatama) Ari Janata 1, Elin Haerani 2 1,2 Teknik Informatika, UIN Sultan Syarif Kasim Riau Jl. H.R. Soebrantas no. 155
Lebih terperinciDETEKSI MAHASISWA BERPRESTASI DAN BERMASALAH DENGAN METODE K- MEANS KLASTERING YANG DIOPTIMASI DENGAN ALGORITMA GENETIKA
DETEKSI MAHASISWA BERPRESTASI DAN BERMASALAH DENGAN METODE K- MEANS KLASTERING YANG DIOPTIMASI DENGAN ALGORITMA GENETIKA Akmal Hidayat 1) & Entin Martiana 2) 1) Teknik Elektro Politeknik Bengkalis Jl.
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK PENJADWALAN UJIAN TUGAS AKHIR PADA JURUSAN TEKNIK INFORMATIKA UNIVERSITAS MUHAMMADIYAH MALANG
PENERAPAN ALGORITMA GENETIKA UNTUK PENJADWALAN UJIAN TUGAS AKHIR PADA JURUSAN TEKNIK INFORMATIKA UNIVERSITAS MUHAMMADIYAH MALANG TUGAS AKHIR Sebagai Persyaratan Guna Meraih Sarjana Strata 1 Teknik Informatika
Lebih terperinciABSTRAK. Job shop scheduling problem merupakan salah satu masalah. penjadwalan yang memiliki kendala urutan pemrosesan tugas.
ABSTRAK Job shop scheduling problem merupakan salah satu masalah penjadwalan yang memiliki kendala urutan pemrosesan tugas. Pada skripsi ini, metode yang akan digunakan untuk menyelesaikan job shop scheduling
Lebih terperinciDAFTAR ISI. Tim Redaksi... i Kata Pengantar... ii Daftar Isi... iii
DAFTAR ISI Tim Redaksi... i Kata Pengantar... ii Daftar Isi... iii Faiz Rafdh Ch SISTEM INFORMASI ZAKAT BERBASIS WEB MENGGUNAKAN PHP DAN MYSQL PADA RUMAH ZAKATINDONESIA 1-7 Abdul Jamil Syamsul Bachtiar
Lebih terperinciOTOMASI PENJADWALAN KEGIATAN PRKULIAHAN DI PERGURUAN TINGGI MENGGUNAKAN METODE ALGORITMA GENETIKA ( STUDI KASUS STIKI )
OTOMASI PENJADWALAN KEGIATAN PRKULIAHAN DI PERGURUAN TINGGI MENGGUNAKAN METODE ALGORITMA GENETIKA ( STUDI KASUS STIKI ) Siska Diatinari Andarawarih 1) 1) Program Studi Teknik Informatika, Sekolah Tinggi
Lebih terperinciLingkup Metode Optimasi
Algoritma Genetika Lingkup Metode Optimasi Analitik Linier Non Linier Single Variabel Multi Variabel Dgn Kendala Tanpa Kendala Numerik Fibonacci Evolusi Complex Combinasi Intelijen/ Evolusi Fuzzy Logic
Lebih terperinciCODING VOL.2 NO. 1 (2014), Hal ISSN: X
APLIKASI JADWAL PERKULIAHAN DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN VISUAL BASIC.NET (Studi Kasus: Fakultas Matematika dan Ilmu Pengetahuan Alam) Sella Erary [1],Beni Irawan [2], Ilhamsyah [3] [1][2][3]
Lebih terperinciRancang Bangun Aplikasi Prediksi Jumlah Penumpang Kereta Api Menggunakan Algoritma Genetika
1 Rancang Bangun Aplikasi Prediksi Jumlah Penumpang Kereta Api Menggunakan Algoritma Genetika Annisti Nurul Fajriyah Politeknik Elektronika Negeri Surabaya Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK PERMASALAHAN OPTIMASI DISTRIBUSI BARANG DUA TAHAP
PENERAPAN ALGORITMA GENETIKA UNTUK PERMASALAHAN OPTIMASI DISTRIBUSI BARANG DUA TAHAP Riska Sulistiyorini ), Wayan Firdaus Mahmudy ), Program Studi Teknik Informatika Program Teknologi Informasi dan Ilmu
Lebih terperinciERWIEN TJIPTA WIJAYA, ST.,M.KOM
ERWIEN TJIPTA WIJAYA, ST.,M.KOM DEFINISI ALGEN adalah algoritma yang memanfaatkan proses seleksi alamiah yang dikenal dengan evolusi Dalam evolusi, individu terus menerus mengalami perubahan gen untuk
Lebih terperinciMODEL PENYELESAIAN JOB SHOP SCHEDULING PROBLEM MENGGUNAKAN METODE LOCAL SEARCH ALGORITHM DENGAN CROSS OVER
MODEL PENYELESAIAN JOB SHOP SCHEDULING PROBLEM MENGGUNAKAN METODE LOCAL SEARCH ALGORITHM DENGAN CROSS OVER Amiluddin Zahri Dosen Universtas Bina Darma Jalan Ahmad Yani No.3 Palembang Sur-el: amiluddin@binadarma.ac.id
Lebih terperinciPerancangan Dan Pembuatan Aplikasi Rekomendasi Jadwal Perkuliahan Pada Institut Informatika Indonesia Memanfaatkan Algoritma Genetika
Perancangan Dan Pembuatan Aplikasi Rekomendasi Jadwal Perkuliahan Pada Institut Informatika Indonesia Memanfaatkan Algoritma Genetika Hermawan Andika, S.Kom., M.Kom. Jurusan Teknik Informatika Institut
Lebih terperinciPenjadwalan Job Shop pada Empat Mesin Identik dengan Menggunakan Metode Shortest Processing Time dan Genetic Algorithm
Jurnal Telematika, vol.9 no.1, Institut Teknologi Harapan Bangsa, Bandung ISSN: 1858-251 Penjadwalan Job Shop pada Empat Mesin Identik dengan Menggunakan Metode Shortest Processing Time dan Genetic Algorithm
Lebih terperinciGenerator Jadwal Perkuliahan Menggunakan Algoritma Genetika
Generator Jadwal Perkuliahan Menggunakan Algoritma Genetika Zainal Akbar 1), Muh. Fajri Raharjo 2), Eddy Tungadi 3) CAIR, Politeknik Negeri Ujung Pandang Jl. Perintis Kemerdekaan km. 10, Tamalanrea Makassar,
Lebih terperinciBAB I PENDAHULUAN. wisata budaya, wisata belanja, hingga wisata Alam. Untuk menarik minat
BAB I PENDAHULUAN A. Latar Belakang Masalah Objek pariwisata di Yogyakarta sudah semakin beragam mulai dari wisata budaya, wisata belanja, hingga wisata Alam. Untuk menarik minat wisatawan dapat dibuat
Lebih terperinciAlgoritma Genetika dan Penerapannya dalam Mencari Akar Persamaan Polinomial
Algoritma Genetika dan Penerapannya dalam Mencari Akar Persamaan Polinomial Muhammad Abdy* 1, Maya Sari Wahyuni* 2, Nur Ilmi* 3 1,2,3 Jurusan Matematika, Universitas Negeri Makassar e-mail: * 1 m.abdy@unm.ac.id,
Lebih terperinciPendekatan Algoritma Genetika pada Peminimalan Fungsi Ackley menggunakan Representasi Biner
Vol. 7, 2, 108-117, Januari 2011 Pendekatan Algoritma Genetika pada Peminimalan Fungsi Ackley menggunakan Representasi Biner Jusmawati Massalesse Abstrak Tulisan ini dimaksudkan untuk memperlihatkan proses
Lebih terperinciPENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T
PENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T Abstrak : Algoritma genetika adalah algoritma pencarian heuristik yang didasarkan atas mekanisme evolusi
Lebih terperinciAsri Maspupah Jurusan Informatika, Fakultas MIPA Universitas Jenderal Achmad Yani Jl. Terusan Sudirman, Cimahi
Perbandingan Jumlah Pinalti Alokasi Task pada Penjadwalan Kerja dengan Perhitungan Manual dan Algoritma Genetika Asri Maspupah Jurusan Informatika, Fakultas MIPA Universitas Jenderal Achmad Yani Jl. Terusan
Lebih terperinciBAB II LANDASAN TEORI. Suatu graph merupakan suatu pasangan { E(G), V(G) } dimana :
BAB II LANDASAN TEORI 2.1 Defenisi Graph Suatu graph merupakan suatu pasangan { E(G), V(G) } dimana : V(G) adalah sebuah himpunan terhingga yang tidak kosong ( non empty finite set) yang elemennya disebut
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Penjadwalan Penjadwalan kegiatan belajar mengajar pada suatu lembaga pendidikan biasanya merupakan salah satu pekerjaan yang tidak mudah dan menyita waktu. Pada lembaga pendidikan
Lebih terperinciGenetic Algorithme. Perbedaan GA
Genetic Algorithme Algoritma ini bekerja dengan sebuah populasi yang terdiri atas individu-individu (kromosom). Individu dilambangkan dengan sebuah nilai kebugaran (fitness) yang akan digunakan untuk mencari
Lebih terperinciJl. Ahmad Yani, Pontianak Telp./Fax.: (0561)
APLIKASI PENCARIAN RUTE TERPENDEK MENGGUNAKANALGORITMA GENETIKA (Studi Kasus: Pencarian Rute Terpendek untuk Pemadam Kebakaran di Wilayah Kota Pontianak) [1] Putri Yuli Utami, [2] Cucu Suhery, [3] Ilhamsyah
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Penjadwalan Kampanye Penjadwalan memiliki pengertian durasi dari waktu kerja yang dibutuhkan untuk melakukan serangkaian aktivitas kerja (Jiupe, 2008). Penjadwalan juga merupakan
Lebih terperinciAPLIKASI ALGORITMA GENETIKA DALAM MENENTUKAN SPESIFIKASI PC BERDASARKAN KEMAMPUAN FINANSIAL KONSUMEN
APLIKASI ALGORITMA GENETIKA DALAM MENENTUKAN SPESIFIKASI PC BERDASARKAN KEMAMPUAN FINANSIAL KONSUMEN Eva Haryanty, S.Kom. ABSTRAK Komputer adalah salah satu peralatan yang pada saat ini banyak pula digunakan
Lebih terperinciBAB II TINJAUAN PUSTAKA. Khowarizmi. Algoritma didasarkan pada prinsiup-prinsip Matematika, yang
BAB II TINJAUAN PUSTAKA A. ALGORITMA Algoritma adalah metode langkah demi langkah pemecahan dari suatu masalah. Kata algoritma berasal dari matematikawan Arab ke sembilan, Al- Khowarizmi. Algoritma didasarkan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Algoritma Genetika Algoritma Genetika merupakan suatu algoritma yang terinspirasi dari teori evolusi Darwin yang menyatakan bahwa kelangsungan hidup suatu makhluk dipengaruhi
Lebih terperinciPenyelesaian Puzzle Sudoku menggunakan Algoritma Genetik
Penyelesaian Puzzle Sudoku menggunakan Algoritma Genetik Afriyudi 1,Anggoro Suryo Pramudyo 2, M.Akbar 3 1,2 Program Studi Sistem Informasi Fakultas Ilmu Komputer. Universitas Bina Darma Palembang. email
Lebih terperinciPENERAPAN ALGORITMA GENETIKA PADA PERSOALAN PEDAGANG KELILING (TSP)
Abstrak PENERAPAN ALGORITMA GENETIKA PADA PERSOALAN PEDAGANG KELILING (TSP) Aulia Fitrah 1, Achmad Zaky 2, Fitrasani 3 Program Studi Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi
Lebih terperinciGENETIKA UNTUK MENENTUKAN RUTE LOPER KORAN DI AGEN SURAT KABAR
MULTI TRAVELING SALESMAN PROBLEM (MTSP) DENGAN ALGORITMA Abstrak GENETIKA UNTUK MENENTUKAN RUTE LOPER KORAN DI AGEN SURAT KABAR Oleh : Fitriana Yuli Saptaningtyas,M.Si. Jurusan Pendidikan Matematika FMIPA
Lebih terperinciBAB III PENJADWALAN KULIAH DI DEPARTEMEN MATEMATIKA DENGAN ALGORITMA MEMETIKA. Penjadwalan kuliah di departemen Matematika UI melibatkan
BAB III PENJADWALAN KULIAH DI DEPARTEMEN MATEMATIKA DENGAN ALGORITMA MEMETIKA Penjadwalan kuliah di departemen Matematika UI melibatkan beberapa komponen yakni ruang kuliah, dosen serta mahasiswa. Seorang
Lebih terperinciPENENTUAN JARAK TERPENDEK PADA JALUR DISTRIBUSI BARANG DI PULAU JAWA DENGAN MENGGUNAKAN ALGORITMA GENETIKA. Abstraksi
PENENTUAN JARAK TERPENDEK PADA JALUR DISTRIBUSI BARANG DI PULAU JAWA DENGAN MENGGUNAKAN ALGORITMA GENETIKA I Dewa Made Adi Baskara Joni 1, Vivine Nurcahyawati 2 1 STMIK STIKOM Indonesia, 2 STMIK STIKOM
Lebih terperinciBab II Konsep Algoritma Genetik
Bab II Konsep Algoritma Genetik II. Algoritma Genetik Metoda algoritma genetik adalah salah satu teknik optimasi global yang diinspirasikan oleh proses seleksi alam untuk menghasilkan individu atau solusi
Lebih terperinciBAB III. Solusi Optimal Permasalahan Penjadwalan Perkuliahan Menggunakan Algoritma Fuzzy Evolusi
BAB III Solusi Optimal Permasalahan Penjadwalan Perkuliahan Menggunakan Algoritma Fuzzy Evolusi Pada bab ini dijelaskan mengenai penerapan dari algoritma fuzzy evolusi pada permasalahan penjadwalan perkuliahan.
Lebih terperinciMETODA GENETIC ALGORITMA SEBAGAI PERENCANAAN LINTASAN ROBOT UNTUK APLIKASI PENGEBORAN PADA PCB ABSTRAK
METODA GENETIC ALGORITMA SEBAGAI PERENCANAAN LINTASAN ROBOT UNTUK APLIKASI PENGEBORAN PADA PCB 1)Adam Ridiantho M, 2 Djoko Purwanto 1,2) Program Studi Teknik Elektro, Program Pasca Sarjana, ITS Ruang B205,
Lebih terperinciOPTIMALISASI SOLUSI TERBAIK DENGAN PENERAPAN NON-DOMINATED SORTING II ALGORITHM
OPTIMALISASI SOLUSI TERBAIK DENGAN PENERAPAN NON-DOMINATED SORTING II ALGORITHM Poetri Lestari Lokapitasari Belluano poe3.setiawan@gmail.com Universitas Muslim Indonesia Abstrak Non Dominated Sorting pada
Lebih terperinciBAB II LANDASAN TEORI. digunakan sebagai alat pembayaran yang sah di negara lain. Di dalam
BAB II LANDASAN TEORI 2.1 Valuta Asing Valuta asing dapat diartikan sebagai mata uang yang dikeluarkan dan digunakan sebagai alat pembayaran yang sah di negara lain. Di dalam hukum ekonomi bila terdapat
Lebih terperinciBab 1. Pendahuluan. 1.1 Latar Belakang
Bab 1 Pendahuluan 1.1 Latar Belakang Pentingnya suatu jadwal dalam sebuah kegiatan tidak lain agar kegiatan tersebut berjalan dengan lancar tanpa adanya gangguan seperti bentroknya jadwal. Penyusunan jadwal
Lebih terperinciOptimalisasi Rute Obyek Wisata Di Bandung Raya Menggunakan Algoritma Genetika
Optimalisasi Rute Obyek Wisata Di Bandung Raya Menggunakan Algoritma Genetika Nur Muhammad Hasyim, Esmeralda C. Djamal, Agus Komarudin Jurusan Informatika, Fakultas MIPA Universitas Jenderal Achmad Yani
Lebih terperinciOPTIMASI PENJADWALAN BIMBINGAN BELAJAR MENGGUNAKAN METODE ALGORITMA GENETIKA
OPTIMASI PENJADWALAN BIMBINGAN BELAJAR MENGGUNAKAN METODE ALGORITMA GENETIKA SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.kom) Pada Program Studi Sistem Informasi
Lebih terperinciOPTIMASI JADWAL MENGAJAR ASISTEN LABORATORIUM MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI JADWAL MENGAJAR ASISTEN LABORATORIUM MENGGUNAKAN ALGORITMA GENETIKA Indana Zulfa 1, Wayan Firdaus Mahmudy 2, Budi Darma Setiawan 3 Teknik Informatika, Program Teknologi Informasi dan Ilmu Komputer,
Lebih terperinci