TEKNIK PENJADWALAN KULIAH MENGGUNAKAN METODE ALGORITMA GENETIKA. Oleh Dian Sari Reski 1, Asrul Sani 2, Norma Muhtar 3 ABSTRACT
|
|
- Liani Kurniawan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 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 time slots available. There is constraint filling to determine a scheduling the lecture becomes so complicated. This study aims to determine a scheduling the lecture using genetic algorithm methods. Genetic algorithm is algorithm form finding the optimal solution based on the mechanism of natural selection and natural genetic traits. To find a good solution, genetic algorithm will be looking for a combination of genes on a chromosome in order to provide the most superior individuals based on fitness function. The fitness value of individual is higher, it possible to survive and produce a descendant for an individual. On genetic algorithm processing happen of a variation caused by genetic operator or crossover and mutation. The result of this research after doing crossover process and mutation is good individual forming a schedule based on constraint determined. Key words: Scheduling the Lecture, Genetic Algorithm, Fitness Function. PENDAHULUAN Jadwal merupakan daftar kegiatan berdasarkan waktu, tempat dan pelaksana dari kegiatan tersebut. Jadwal harus bisa memenuhi beberapa hal yang disesuaikan dengan kebutuhan pelaksana dari kegiatan tersebut. Waktu pelaksanaan dari suatu kegiatan harus dibuat sedemikian rupa sehingga tidak ada lebih dari suatu kegiatan pada waktu yang bersamaan []. Pembuatan jadwal adalah sebuah masalah periodik yang selalu dihadapi oleh sekolah dan universitas. Dengan banyaknya faktor yang mempengaruhi penyusunan suatu jadwal seperti jumlah ruangan, daya tampung ruangan, dan slot waktu yang sedikit menjadikan penyusunan jadwal perkuliahan lebih rumit serta yang harus diperhatikan juga dari sisi dosen, yaitu beberapa kemungkinan dosen akan mengajar lebih dari satu matakuliah yang ada, sehingga harus ditemukan solusi yang terbaik untuk menyelesaikannya. Di samping faktor-faktor diatas, dalam penyusunan jadwal kuliah ini pun terdapat sangat banyak kemungkinan yang selayaknya dicoba untuk menemukan penjadwalan yang terbaik. Karena itu dibutuhkan metode yang dapat diterapkan untuk mengerjakan penjadwalan mata kuliah ini. Salah satu metode yang dapat digunakan untuk menyelesaikan permasalahan tersebut adalah dengan menggunakan algoritma. Salah satu algoritma yang akan digunakan yaitu algoritma genetika. Algoritma genetika cukup baik untuk digunakan dalam penjadwalan mata kuliah disebuah perguruan tinggi. Untuk kasus yang kompleks suatu algoritma tidak selalu menghasilkan solusi yang optimal, namun setidaknya bisa diperoleh solusi yang cukup baik untuk kebutuhan tertentu tergantung kriteria yang telah ditentukan. Selain itu masalah penjadwalan juga sangat kompleks, tergantung dari kebutuhan individu dan institusi yang terkait. Sehingga untuk mengatasi masalah jadwal matakuliah ini, penulis menggunakan algoritma genetika sebagai salah satu metode dalam menyelesaikan masalah ini. Pada penelitian ini akan dibahas bagaimana menentukan penjadwalan kuliah menggunakan metode algoritma genetika. TINJAUAN PUSTAKA Penjadwalan Penjadwalan merupakan manajemen atau pengaturan waktu pada suatu kegiatan operasi berhubungan dengan pemanfaatan sumber daya seperti pengalokasian fasilitas, peralatan maupun tenaga kerja dengan memutuskan urutan pelaksanaan serta pemanfaatan sumber daya tersebut bagi kegiatan operasi. Penjadwalan yang baik akan memaksimalkan pemanfaatan setiap sumber daya yang ada dalam suatu kegiatan operasi, sehingga penjadwalan merupakan kegiatan yang penting dalam perencanaan dan pengendalian proses. Tahap perencanaan dan tahap implementasi dari kegiatan penjadwalan termasuk masalah manajemen waktu yang kompleks (Syarif dan Gunawan, 203) [2].
2 Penjadwalan Kuliah Penjadwalan kuliah dapat diartikan sebagai suatu pekerjaan untuk mendistribusikan sejumlah aktivitas yang melibatkan dosen, mata kuliah, dan seterusnya, ke dalam satuan waktu (bisa termasuk ruangan) yang terbatas dengan batasan-batasan tertentu [3]. Banyak kendala yang dihadapi ketika membuat penjadwalan mata kuliah. Beberapa batasan yang ada dalam penjadwalan mata kuliah apabila tidak diperhitungkan dengan baik akan menyebabkan sulitnya melakukan penjadwalan yang tepat dan baik. Constraint atau batasan yang biasa digunakan dalam kebanyakan masalah penjadwalan biasanya dibagi menjadi dua yaitu hard constraints dan soft constraints. Hard constraints memiliki prioritas lebih tinggi dibanding soft constraint, dan akan menjadi pertimbangan utama untuk bisa dipenuhi. Kenyataannya, penjadwalan biasanya hanya akan mempertimbangkan sebagian atau keseluruhan hard constraints dari suatu masalah yang telah dipenuhi. Sedangkan soft constraints, merupakan constraint atau pertimbangan yang bisa dilaksanakan jika memungkinkan dan biasanya menjelaskan apa saja yang bisa dipertimbangkan disesuaikan dengan kebijakan universitas, atau berdasarkan pengalaman dari orang yang biasa melaksanakannya. Algoritma Genetika Algoritma genetika adalah algoritma yang memanfaatkan proses seleksi alamiah yang dikenal dengan proses evolusi. Dalam proses evolusi, individu secara terus-menerus mengalami perubahan gen untuk menyesuaikan dengan lingkungan hidupnya. Proses seleksi alamiah ini melibatkan perubahan gen yang terjadi pada individu melalui proses perkembangbiakan. Dalam algoritma genetika ini, proses perkembangbiakan merupakan proses dasar yang menjadi perhatian utama, dengan tujuan mendapatkan keturunan yang lebih baik. Ada dua hal penting yang harus dilakukan pada awal proses algoritma genetika. Pertama, pendefinisian atau pengkodean kromosom yang merupakan solusi yang masih berbentuk simbol. Kedua, penentuan fungsi fitness atau fungsi obyektif. Dua hal ini berperan penting dalam algoritma genetika untuk menyelesaikan suatu masalah [4]. Istilah dalam Algoritma Genetika Terdapat beberapa definisi penting dalam algoritma genetika yang perlu diperhatikan, yaitu :. Genotype (gen), merupakan sebuah nilai yang menyatakan satuan dasar yang membentuk suatu arti tertentu dalam satu kesatuan gen yang dinamakan kromosom. Gen mengkodekan informasi yang disimpan didalam kromosom. 2. Allele, merupakan nilai dari gen. 3. Individu atau kromosom, merupakan gabungan gen-gen yang membentuk nilai tertentu dan merupakan suatu alternatif solusi terhadap permasalahan yang akan diselesaikan. 4. Populasi, merupakan sekumpulan individu yang akan diproses bersama dalam satu siklus proses evaluasi. 5. Generasi, merupakan satu siklus proses evolusi atau satu iterasi di dalam algoritma genetika. 6. Offspring, merupakan kromosom baru yang dihasilkan. Komponen-Komponen dalam Algoritma Genetika Ada beberapa komponen dalam menggunakan algoritma genetika, yaitu :. Pengkodean dan Inisialisasi Populasi Awal 2. Fungsi Evaluasi (Fungsi Fitness) 3. Seleksi 4. Pindah Silang (Crossover) 5. Mutasi METODE PENELITIAN Waktu dan Tempat Penelitian Penelitian ini akan berlangsung selama tiga bulan yaitu bulan Januari sampai April 206 bertempat di Laboratorium Komputasi Jurusan Matematika FMIPA Universitas Halu Oleo. Materi Penelitian Dalam penelitian ini dibahas mengenai menentukan penjadwalan kuliah menggunakan metode algoritma genetika. Prosedur Penelitian Metode yang diterapkan dalam penyelesaian ini adalah metode kepustakaan dan studi kasus dengan mengikut langkah-langkah sebagai berikut:. Melakukan penelusuran pustaka yang relevan dengan masalah. 2. Membuat asumsi penjadwalan kuliah untuk mengidentifikasi masalah, kendala, faktor penentu, dan faktor-faktor lainnya yang mempengaruhi sistem penjadwalan mata kuliah. 3. Menyelesaikan masalah penjadwalan menggunakan algoritma genetika. Representasi kromosom Membangkitkan populasi awal Menghitung nilai fitness Crossover Mutasi 4. Membuat simulasi numerik dari solusi yang diperoleh dengan menggunakan software matlab. 5. Menginterpretasikan dan menganalisa hasil simulasi yang diperoleh.
3 HASIL DAN PEMBAHASAN Teknik Penggunaan Algoritma Genetika Pada Penjadwalan Kuliah Untuk mengetahui teknik atau cara kerja algoritma genetika pada penjadwalan kuliah, dimulai dengan membuat asumsi pembuatan jadwal perkuliahan. Pada contoh kasus berikut ini, diasumsikan memiliki pengajar sedikit yaitu 4 dosen yang akan mengampu masing-masing 7 mata kuliah dalam 5 hari yaitu senin, selasa, rabu, kamis dan jumat. Masing masing memiliki 3 slot waktu kecuali hari jumat hanya 2 slot waktu yang disediakan. Ruang yang tersedia yaitu 2 ruangan saja. Proses Kerja Algoritma Genetika pada Penjadwalan Kuliah. Representasi Kromosom Representasi kromosom merupakan proses pengkodean dari penyelesaian asli dari suatu permasalahan. Pengkodean kandidat penyelesaian ini disebut dengan kromosom. Satu kandidat solusi (individu) dikodekan ke dalam suatu kromosom, dimana satu kromosom tersebut menyatakan satu solusi susunan jadwal mata kuliah. Untuk mengetahui teknik pengkodean penjadwalan dalam angka biner dapat dilihat pada Tabel. Tabel. Mata kuliah dan Dosen 2. Membangkitkan populasi awal Menentukan populasi awal adalah proses membangkitkan sejumlah kromosom secara acak (random). Pembangkitan (generate) populasi yang dilakukan adalah dengan cara mengacak dengan menggunakan random permutasi sehingga susunan gen mata kuliah yang dihasilkan berbeda antara satu kromosom dengan kromosom lainnya. 3. Fungsi Fitness Fungsi fitness digunakan untuk proses evaluasi kromosom agar memperoleh kromosom yang diinginkan. Fungsi ini membedakan kualitas dari kromosom untuk mengetahui seberapa baik kromosom yang dihasilkan. Kelayakan jadwal ditentukan dengan menggunakan nilai fitness. Nilai fitness yang dihasilkan berkisar antara 0.0 sampai.0, dimana kromosom yang telah memenuhi kriteria adalah kromosom yang memiliki nilai fitness =.0. Untuk memperoleh nilai fitness, ditentukan dengan rumus sebagai berikut : fitness = + p + q, 0 < fitness keterangan : p = banyaknya dosen dengan jadwal bertabrakan q = banyaknya mata kuliah dengan jadwal berulang dalam seminggu Adapun nilai fitness masing-masing kromosom yang diperoleh dari proses pembangkitan populasi awal yang dibangkitkan sebanyak 0 kali, dapat dilihat dibawah ini : Nilai fitness = 0,2 Nilai fitness 6 = 0,25 Nilai fitness 2 = 0,5 Nilai fitness 7 = 0,5 Nilai fitness 3 = 0,2 Nilai fitness 8 = 0,2 Nilai fitness 4 = 0,25 Nilai fitness 9 = 0,25 Nilai fitness 5 = 0,25 Nilai fitness 0 = 0,2 Dari hasil nilai fitness diatas, terlihat bahwa nilai fitness kromosom 2 dan 7 yang memiliki peluang untuk terpilih pada proses selanjutnya yaitu crossover. 4. Pindah Silang ( Crossover ) Pindah silang atau crossover adalah sebuah proses yang membentuk kromosom baru dari dua kromosom induk dengan menggabungkan bagian informasi dari masing-masing kromosom. Crossover menghasilkan kromosom baru yang disebut kromosom anak (offspring). Pada tahap ini, kromosom 2 dan 7 akan disilangkan untuk menghasilkan kromosom baru (offspring) yang lebih baik dari pada kromosom sebelumnya. Crossover dilakukan berdasarkan adanya tabrakan jadwal mengajar dosen yang muncul dalam waktu yang bersamaan pada ruang yang berbeda pada kromosom 2 dan 7. Penyilangan kromosom dapat dilihat pada Tabel 2.
4 Tabel 2. Hasil Persilangan Kromosom Tabel 2 merupakan offspring dari persilangan kromosom 2 dan kromosom 7. Selanjutnya, akan dihitung nilai fitness masing-masing kromosom hasil crossover. fitness 2 = = 0,5 fitness 7 = = 0,5 Dari hasil perhitungan masing masing nilai fitness pada kromosom diatas, dapat dijelaskan bahwa nilai fitness yang dihasilkan belum mencapai nilai fitness yang ditentukan, hal ini disebabkan karena ada beberapa matakuliah yang hilang dan tidak muncul dalam populasi. Sehingga anak 2 dan 7 akan mengalami proses selanjutnya yaitu mutasi untuk memperoleh nilai fitness yang telah ditentukan. Tabel 3 menunjukan hasil mutasi kromosom 2 dan 7 dengan mengganti tiap-tiap gen pada masingmasing kromosom sehingga constraint yang ditentukan terpenuhi. Dari Tabel 3, kemudian akan dihitung nilai fitness masing-masing kromosom hasil mutasi sebagai berikut : f 2 = = f 7 = = Berdasarkan nilai fitness diatas, menunjukan bahwa hasil mutasi untuk kromosom 2 dan 7 memiliki nilai fitness yang mencapai hasil optimal yang telah ditentukan yaitu nilai fitness pada masingmasing kromosom telah mencapai. Hal ini berarti bahwa hard constraint yang telah ditentukan telah terpenuhi dan mencapai hasil yang optimal sebagai penjadwalan kuliah. Berdasarkan Tabel 3 diperoleh penjadwalan kuliah yang masih berupa pengkodean angka biner, yang kemudian akan diubah kembali kedalam bentuk asli, untuk lebih jelasnya dapat dilihat pada Tabel 4 dan Tabel 5. Tabel 4. Jadwal kuliah Untuk kromosom 2 5. Mutasi Mutasi merupakan proses mengubah nilai dari satu atau beberapa gen dalam suatu kromosom. Mutasi adalah operator algoritma genetika yang bertujuan untuk membentuk individu-individu yang baik atau memiliki kualitas diatas rata-rata. Selain itu mutasi dipergunakan untuk mengembalikan kerusakan materi genetik akibat proses crossover. Proses mutasi akan dijalani oleh kromosom 2 dan kromosom 7 dengan mengubah nilai dari beberapa gen pada suatu kromosom yang mengalami bentrok dan tidak sesuai dengan constraint yang telah ditentukan. Hasil dari proses mutasi dapat dilihat pada Tabel 3. Tabel 3. Hasil Mutasi
5 Tabel 5. Jadwal kuliah Untuk kromosom 7 PENUTUP Kesimpulan Dari hasil penelitian tentang teknik menentukan penjadwalan kuliah menggunakan metode algoritma genetika dengan studi kasus yang diasumsikan yaitu memiliki pengajar sekurang-kurangnya 4 dosen yang akan mengampu masing-masing 7 mata kuliah dalam 5 hari yaitu senin, selasa, rabu, kamis dan jumat yang dibagi dalam 3 slot waktu kecuali hari jumat hanya 2 slot waktu yang disediakan serta ruang yang tersedia yaitu 2 ruangan saja. Dari studi kasus tersebut disimpulkan bahwa metode algoritma dapat diterapkan dalam menentukan penjadwalan kuliah berdasarkan contoh dari kasus tersebut. Dari alur-alur algoritma genetika yang diterapkan seperti representasi kromosom, membangkitkan populasi awal, menghitung nilai fitness, crossover, dan terakhir mutasi dalam menyusun pembuatan jadwal kuliah diperoleh jadwala kuliah yang tidak bertabrakan lagi baik pada waktu, ruang maupun dosen yang mengampu jadwal tersebut. Pada proses pembuatan jadwal ini, teknik algoritma genetika yang sangat berperan dalam menghasilkan jadwal yang sempurna dalam hal ini tidak memiliki tabrakan jadwal adalah fungsi fitness karena nilai dari fungsi fitness merupakan acuan dalam memperoleh hasil yang maksimal dalam algoritma genetika. Hasil dari proses penjadwalan kuliah menggunakan algoritma genetika diperoleh dua jadwal kuliah yang dapat dipilih salah satunya untuk dijadikan sebuah jadwal yang tetap. Dua jadwal tersebut menghasilkan jadwal yang telah memenuhi dari constraint yang telah ditentukan. memberikan beberapa variasi pada faktor-faktor penentu dari masalah penjadwalan kuliah. Misalnya penjadwalan kuliah dengan 2 dosen dalam matakuliah. DAFTAR PUSTAKA [] Willemen, Robertus J School timetable construction algorithms and complexity. Technische Universiteit Eindhoven) (Rhydian Marc Rhys Lewis "Metaheuristics for University Course Timetabling". Napier University). [2] Syarif, A.C dan Gunawan, F.H Penerapan Algoritma Evolusi Dengan Metode Generation Replacement Pada Aplikasi Penjadwalan Mata Kuliah (Studi Kasus Universitas Atma Jaya Makassar). Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Atma Jaya Makassar Jurnal Tematika Vol., No. 2 [3] Rhydian, M.R.L Metaheuristics for University Course Timetabling. Napier University. [4] Arifudin, R. 20. Optimasi Penjadwalan Proyek dengan Penyeimbangan Biaya Menggunakan Kombinasi CPM dan Algoritma Genetika. Jurnal Masyarakat Informatika. Vol. 2, No. 4, ISSN Saran Adapun saran yang dikemukakan adalah pada pada penelitian selanjutnya, diharapkan dapat mengambil permasalahan yang lebih kompleks dan
OPTIMASI 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 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 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 terperinciTAKARIR. algorithm algoritma/ kumpulan perintah untuk menyelesaikan suatu masalah. kesalahan program
TAKARIR advanced tingkat lanjut algorithm algoritma/ kumpulan perintah untuk menyelesaikan suatu masalah alleles nilai suatu gen. bug kesalahan program chromosome kromosom crossover penyilangan kromosom
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 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 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 terperinciOptimasi Penjadwalan Mata Pelajaran Pada Kurikulum 2013 Dengan Algoritme Genetika (Studi Kasus: SMA Negeri 3 Surakarta)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 12, Desember 2017, hlm. 1535-1542 http://j-ptiik.ub.ac.id Optimasi Penjadwalan Mata Pelajaran Pada Kurikulum 2013
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 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 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 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 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 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 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 Pemilihan Pekerja Bangunan Proyek Pada PT. Citra Anggun Pratama Menggunakan Algoritma Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 2, Februari 2017, hlm. 80-84 http://j-ptiik.ub.ac.id Optimasi Pemilihan Pekerja Bangunan Proyek Pada PT. Citra Anggun
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 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 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 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 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 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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
digilib.uns.ac.id BAB I PENDAHULUAN 1.1 Latar Belakang Jadwal merupakan daftar atau tabel kegiatan atau rencana kegiatan dengan pembagian waktu pelaksanaan yang terperinci. Universitas menggunakan tabel
Lebih terperinciOptimasi Penjadwalan Mata Pelajaran Menggunakan Algoritme Genetika (Studi Kasus: SMK Negeri 2 Kediri)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 10, Oktober 2017, hlm. 1066-1072 http://j-ptiik.ub.ac.id Optimasi Penjadwalan Mata Pelajaran Menggunakan Algoritme
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 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 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 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 terperinciPenjadwalan Mata Kuliah Menggunakan Algoritma Genetika di Jurusan Sistem Informasi ITS
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: 2337-3539 (2301-9271 Print) A-127 Mata Kuliah Menggunakan Algoritma Genetika di Jurusan Sistem Informasi ITS Wiga Ayu Puspaningrum, Arif Djunaidy, dan Retno
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 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 terperinciPENEMPATAN MAHASISWA PESERTA MATA KULIAH UMUM DENGAN ALGORITMA GENETIK DI UNIVERSITAS KATOLIK PARAHYANGAN
PENEMPATAN MAHASISWA PESERTA MATA KULIAH UMUM DENGAN ALGORITMA GENETIK DI UNIVERSITAS KATOLIK PARAHYANGAN Nico Saputro dan Guntur Setia Negara Jurusan Ilmu Komputer Universitas Katolik Parahyangan nico@home.unpar.ac.id
Lebih terperinciPENERAPAN METODE ALGORITMA GENETIKA UNTUK PERMASALAHAN PENJADWALAN PERAWAT (Nurse Schedulling Problem)
INFO TEKNIK Volume 16 No. 1 Juli 2015 (61-74) PENERAPAN METODE ALGORITMA GENETIKA UNTUK PERMASALAHAN PENJADWALAN PERAWAT (Nurse Schedulling Problem) Nadiya Hijriana Program Studi Teknik Informatika Universitas
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 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 terperinciRANCANG BANGUN PERANGKAT LUNAK PENJADWALAN PERKULIAHAN MENGGUNAKAN METODE META- HEURISTIK (PENGGABUNGAN METODE ALGORITMA GENETIK DAN TABU SEARCH)
RANCANG BANGUN PERANGKAT LUNAK PENJADWALAN PERKULIAHAN MENGGUNAKAN METODE META- HEURISTIK (PENGGABUNGAN METODE ALGORITMA GENETIK DAN TABU SEARCH) TUGAS AKHIR Disusun Oleh : RIO PRAYOGA SUPRAYANA NPM. 06
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 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 terperinciArif Munandar 1, Achmad Lukman 2 1 Teknik Informatika STMIK El Rahma Yogyakarta, Teknik Informatika STMIK El Rahma Yogyakarta
PENJADWALAN MATAKULIAH DENGAN ALGORITMA GENETIKA MENGGUNAKAN FRAMEWORK CODEIGNITER (STUDI KAUS PROGRAM STUDI S PENDIDIKAN AGAMA ISLAM UNIVERSITAS ALMA ATA YOGYAKARTA) Arif Munandar, Achmad Lukman 2 Teknik
Lebih terperinciIMPLEMENTASI ALGORITMA FUZZY EVOLUSI PADA PENJADWALAN PERKULIAHAN
IMPLEMENTASI ALGORITMA FUZZY EVOLUSI PADA PENJADWALAN PERKULIAHAN Herny Wulandari Pangestu. Kartika Yulianti, Rini Marwati Departemen Pendidikan Matematika FPMIPA UPI *Surel: hernyw@ymail.com ABSTRAK.
Lebih terperinciPenerapan Konsep Algoritma Genetika untuk Penjadwalan Kegiatan Perkuliahan Semester Ganjil Kurikulum 2012 di Jurusan Matematika FMIPA UNSRI
Jurnal Penelitian Sains Volume 15 Nomor 2(A) April 2012 Penerapan Konsep Algoritma Genetika untuk Penjadwalan Kegiatan Perkuliahan Semester Ganjil Kurikulum 2012 di Jurusan Matematika FMIPA UNSRI Putra
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 terperinciPENERAPAN ALGORITMA GENETIKA UNTUK MENYELESAIKAN PERMASALAHAN PENJADWALAN DOSEN DENGAN FUZZY
PENERAPAN ALGORITMA GENETIKA UNTUK MENYELESAIKAN PERMASALAHAN PENJADWALAN DOSEN DENGAN FUZZY Arief Kelik Nugroho Fakultas Teknik, Universitas PGR Yogyakarta e-mail : ariefkeliknugroho@gmail.com Abstrak
Lebih terperinciOptimasi Penjadwalan Mata Pelajaran Menggunakan Algoritma Genetika (Studi Kasus : SMPN 1 Gondang Mojokerto)
Optimasi Penjadwalan Mata Pelajaran Menggunakan Algoritma Genetika (Studi Kasus : SMPN 1 Gondang Mojokerto) Dianita Dwi Permata Sari 1, Wayan Firdaus Mahmudy 2, Dian Eka Ratnawati 3 Teknik Informatika,
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 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 terperinciKONSEP ALGORITMA GENETIK BINER UNTUK OPTIMASI PERENCANAAN JADWAL KEGIATAN PERKULIAHAN
Jurnal Teknik dan Ilmu Komputer KONSEP ALGORITMA GENETIK BINER UNTUK OPTIMASI PERENCANAAN JADWAL KEGIATAN PERKULIAHAN (Binary Genetic Algorithm Concept to Optimize Course Timetabling) Iwan Aang Soenandi
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 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 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 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 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 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 terperinciPENJADWALAN PERKULIAHAN MENGGUNAKAN ALGORITME GENETIKA
PENJADWALAN PERKULIAHAN MENGGUNAKAN ALGORITME GENETIKA Muhammad Syadid 1, Irman Hermadi 2, Sony Hartono Wijaya 2 1 Mahasiswa Departemen Ilmu Komputer, Fakultas Matematika dan IPA, Institut Pertanian Bogor
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 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 terperinciISSN VOL. 12, NO. 2, OKTOBER 2011
ANALISIS OPTIMASI PENJADWALAN JAGA DOKTER RESIDEN PENYAKIT DALAM PADA RUMAH SAKIT PENDIDIKAN Erlanie Sufarnap 1, Sudarto 2 STMIK Mikroskil Jl. Thamrin No. 112, 124, 140 Medan 20212 airlanee@yahoo.com 1,
Lebih terperinciPENERAPAN ALGORITMA EVOLUSI DENGAN METODE GENERATION REPLACEMENT PADA APLIKASI PENJADWALAN MATA KULIAH (STUDI KASUS UNIVERSITAS ATMA JAYA MAKASSAR)
PENERAPAN ALGORITMA EVOLUSI DENGAN METODE GENERATION REPLACEMENT PADA APLIKASI PENJADWALAN MATA KULIAH (STUDI KASUS UNIVERSITAS ATMA JAYA MAKASSAR) Adi Chandra Syarif 1, Farif Hartono Gunawan 2 Program
Lebih terperinciSYSTEMIC Vol. 02, No. 02, Desember 2016, 9-18 PROTOTYPE SISTEM PENDUKUNG KEPUTUSAN UNTUK PENETAPAN JADWAL KULIAH MENGGUNAKAN ALGORITMA GENETIKA
SYSTEMIC Vol. 02, No. 02, Desember 2016, 9-18 PROTOTYPE SISTEM PENDUKUNG KEPUTUSAN UNTUK PENETAPAN JADWAL KULIAH MENGGUNAKAN ALGORITMA GENETIKA Mujib Ridwan 1) 1) Program Studi Sistem Informasi UIN Sunan
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 terperinciSISTEM PENJADWALAN PERKULIAHAN MENGGUNAKAN ALGORITMA GENETIKA (STUDI KASUS PADA JURUSAN TEKNOLOGI INFORMASI FAKULTAS TEKNIK UNIVERSITAS TADULAKO)
JIMT Vol. 14 No. 2 Desember 2017 (Hal 242-255) ISSN : 2450 766X SISTEM PENJADWALAN PERKULIAHAN MENGGUNAKAN ALGORITMA GENETIKA (STUDI KASUS PADA JURUSAN TEKNOLOGI INFORMASI FAKULTAS TEKNIK UNIVERSITAS TADULAKO)
Lebih terperinciPENJADWALAN KAPAL PENYEBERANGAN MENGGUNAKAN ALGORITMA GENETIKA
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) Vol. 3, No. 1, Maret 2016, hlm. 48-55 PENJADWALAN KAPAL PENYEBERANGAN MENGGUNAKAN ALGORITMA GENETIKA Ria Febriyana 1, Wayan Firdaus Mahmudy 2 Program
Lebih terperinciKNAPSACK PROBLEM DENGAN ALGORITMA GENETIKA
LAPORAN TUGAS BESAR ARTIFICIAL INTELLEGENCE KNAPSACK PROBLEM DENGAN ALGORITMA GENETIKA Disusun Oleh : Bayu Kusumo Hapsoro (113050220) Barkah Nur Anita (113050228) Radityo Basith (113050252) Ilmi Hayyu
Lebih terperinciIMPLEMENTASI ALGORITMA GENETIKA PADA PENJADWALAN PERKULIAHAN
IMPLEMENTASI ALGORITMA GENETIKA PADA PENJADWALAN PERKULIAHAN Uning Lestari 2, Naniek Widyastuti 3, Desti Arghina Listyaningrum 1 1,2,3 Teknik Informatika, Fakultas Teknologi Industri, IST AKPRIND Yogyakarta
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 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 terperinciALGORITMA GENETIKA PADA PEMROGRAMAN LINEAR DAN NONLINEAR
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 5, No. 03(2016), hal 265 274. ALGORITMA GENETIKA PADA PEMROGRAMAN LINEAR DAN NONLINEAR Abdul Azis, Bayu Prihandono, Ilhamsyah INTISARI Optimasi
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 terperinciProsiding Matematika ISSN:
Prosiding Matematika ISSN: 2460-6464 Representasi Matriks untuk Proses Crossover Pada Algoritma Genetika untuk Optimasi Travelling Salesman Problem Matrix Representation for The Crossover on Genetic Algorithm
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 terperinciPREPROCESSING DATA DAN REPRESENTASI ORGANISME ALGORITMA SYMBIOTIC ORGANISMS SEARCH PADA PERMASALAHAN PENJADWALAN PRAKTIKUM PERGURUAN TINGGI
PREPROCESSING DATA DAN REPRESENTASI ORGANISME ALGORITMA SYMBIOTIC ORGANISMS SEARCH PADA PERMASALAHAN PENJADWALAN PRAKTIKUM PERGURUAN TINGGI Hendrawan Armanto 1), C. Pickerling 2), Eka Rahayu Setyaningsih
Lebih terperinciModifikasi Algoritma Genetika untuk Penyelesaian Permasalahan Penjadwalan Pelajaran Sekolah
IJCCS, Vol.8, No.2, July 2014, pp. 111~120 ISSN: 1978-1520 111 Modifikasi Algoritma Genetika untuk Penyelesaian Permasalahan Penjadwalan Pelajaran Sekolah Rahman Erama* 1, Retantyo Wardoyo 2 1 Jurusan
Lebih terperinci2.16. Keaslian Penelitian BAB III ANALISIS DAN PERANCANGAN Analisa sistem Observasi Wawancara
DAFTAR ISI HALAMAN JUDUL... i HALAMAN PENGESAHAN PEMBIMBING... ii HALAMAN PENGESAHAN PENGUJI... iii BERITA ACARA DEMO SOFTWARE TUGAS AKHIR... iv SURAT PERNYATAAN KARYA ASLI TUGAS AKHIR...v ABSTRAK.....vi
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 terperinciR.Fitri 1, S.Novani 1, M.Siallagan 1
Abstract Penjadwalan Perkuliahan Dengan Pengujian Tabel Waktu (Time-Table) Menggunakan Algoritma Genetika Studi Kasus Sistem Perkuliahan Jurusan Teknik Infomatika Universitas Komputer Indonesia R.Fitri
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 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 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 terperinciPenjadwalan Mata Kuliah Menggunakan Metode Hybrid Algoritma Genetika Dan Algoritma Koloni Semut
ISSN : 2355-9365 e-proceeding of Engineering : Vol.3, No.2 Agustus 2016 Page 3711 OPEN ACCESS ISSN XXXX-XXXX IND. SYMPOSIUM ON COMPUTING VOL. XX, NO. XX, SEPT 2016 SOCJ.TELKOMUNIVERSITY.AC.ID/INDOSC Penjadwalan
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 terperinciPenjadwalan Dinas Pegawai Menggunakan Algoritma Genetika Pada PT Kereta Api Indonesia (KAI) Daerah Operasi 7 Stasiun Besar Kediri
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 11, November 2018, hlm. 4371-4376 http://j-ptiik.ub.ac.id Penjadwalan Dinas Pegawai Menggunakan Algoritma Genetika
Lebih terperinciJurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: -X Vol., No., Maret 0, hlm. - http://j-ptiik.ub.ac.id Optimasi Penjadwalan Asisten Praktikum pada Laboratorium Pembelajaran Menggunakan
Lebih terperinciAPLIKASI ALGORITMA GENETIKA DALAM PENENTUAN DOSEN PEMBIMBING SEMINAR HASIL PENELITIAN DAN DOSEN PENGUJI SKRIPSI
Prosiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 APLIKASI ALGORITMA GENETIKA DALAM PENENTUAN DOSEN PEMBIMBING SEMINAR HASIL PENELITIAN DAN DOSEN PENGUJI
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 terperinciPENJADWALAN KULIAH DENGAN MENGGUNAKAN ALGORITMA GENETIKA STUDI KASUS FAKULTAS TEKNIK UNIVERSITAS SUMATERA UTARA TESIS
PENJADWALAN KULIAH DENGAN MENGGUNAKAN ALGORITMA GENETIKA STUDI KASUS FAKULTAS TEKNIK UNIVERSITAS SUMATERA UTARA TESIS Oleh: PURWANTO SIMAMORA 097034013/MTE FAKULTAS TEKNIK UNIVERSITAS SUMATERA UTARA MEDAN
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) 45 Edisi... Volume..., Bulan 20.. ISSN :
Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) 45 IMPLEMENTASI ALGORITMA GENETIKA UNTUK PENJADWALAN MATA PELAJARAN DI SMAN 1 CIWIDEY Rismayanti 1, Tati Harihayati 2 Teknik Informatika Universitas Komputer
Lebih terperinciPENERAPAN ALGORITMA GENETIKA DALAM KASUS PENJADWALAN KULIAH SKRIPSI VALENTINA SIAHAAN
PENERAPAN ALGORITMA GENETIKA DALAM KASUS PENJADWALAN KULIAH SKRIPSI VALENTINA SIAHAAN 070823035 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2010
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 terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Dalam beberapa tahun terakhir ini, peranan algoritma genetika terutama untuk masalah optimisasi, berkembang dengan pesat. Masalah optimisasi ini beraneka ragam tergantung dari bidangnya. Dalam
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi yang pesat memberikan banyak kemudahan dalam penyelesaian masalah dan pencapaian hasil kerja yang memuaskan bagi kehidupan manusia. Salah satu
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN APLIKASI
27 BAB 3 ANALISIS DAN PERANCANGAN APLIKASI 3.1 Analisis Pada subbab ini akan diuraikan tentang analisis kebutuhan untuk menyelesaikan masalah jalur terpendek yang dirancang dengan menggunakan algoritma
Lebih terperinciPENYELESAIAN MINIMUM SPANNING TREE (MST) PADA GRAF LENGKAP DENGAN ALGORITMA GENETIKA MENGGUNAKAN TEKNIK PRUFER SEQUENCES
J~ICON, Vol. 2 No. 2, Oktober 2014, pp. 84 ~ 91 84 PENYELESAIAN MINIMUM SPANNING TREE (MST) PADA GRAF LENGKAP DENGAN ALGORITMA GENETIKA MENGGUNAKAN TEKNIK PRUFER SEQUENCES Emsi M. Y. Monifani 1, Adriana
Lebih terperinciIMPLEMENTASI ALGORITMA GENETIKA DALAM PENJADWALAN PERKULIAHAN DAN PRAKTIKUM (STUDI KASUS : FASILKOM-TI DAN FMIPA USU) SKRIPSI
IMPLEMENTASI ALGORITMA GENETIKA DALAM PENJADWALAN PERKULIAHAN DAN PRAKTIKUM (STUDI KASUS : FASILKOM-TI DAN FMIPA USU) SKRIPSI YAKHDI PERARI PINEM 131421088 PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER FAKULTAS
Lebih terperinciIMPLEMENTASI ALGORITMA GENETIKA UNTUK PENJADWALAN MATA PELAJARAN PADA LMS GETSMART
IMPLEMENTASI ALGORITMA GENETIKA UNTUK PENJADWALAN MATA PELAJARAN PADA LMS GETSMART Lian Aga Aditya 1, Windha Mega PD 2 Manajemen Informatika Universitas AMIKOM Yogyakarta, Jl Ringroad Utara, Sleman, Yogyakarta
Lebih terperinciAlgoritma Evolusi Dasar-Dasar Algoritma Genetika
Algoritma Evolusi Dasar-Dasar Algoritma Genetika Imam Cholissodin imam.cholissodin@gmail.com Pokok Bahasan 1. Pengantar 2. Struktur Algoritma Genetika 3. Studi Kasus: Maksimasi Fungsi Sederhana 4. Studi
Lebih terperinciBAB I PENDAHULUAN. telah diadopsi untuk mengurangi getaran pada gedung-gedung tinggi dan struktur
BAB I PENDAHULUAN 1.1 Latar Belakang Tuned mass damper (TMD) telah banyak digunakan untuk mengendalikan getaran dalam sistem teknik mesin. Dalam beberapa tahun terakhir teori TMD telah diadopsi untuk mengurangi
Lebih terperinciISSN IMPLEMENTASI ALGORITMA GENETIKA UNTUK PENJADWALAN INSTRUKTUR TRAINING ICT UIN SUNAN KALIJAGA
JISKa, Vol. 1, No. 3, Januari, 2017, Pp. 123 132 ISSN 2527-5836 IMPLEMENTASI ALGORITMA GENETIKA UNTUK PENJADWALAN INSTRUKTUR TRAINING ICT UIN SUNAN KALIJAGA Niki Min Hidayati Robbi (1), Nurochman (2),
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 terperinciPenerapan Algoritma Genetika untuk Penjadwalan Asisten Praktikum
Penerapan Algoritma Genetika untuk Penjadwalan Asisten Praktikum Okky Cintia Devi 1, Wayan Fidaus Mahmudy 2, Budi Darma Setiawan 3 Teknik Informatika, Program Teknologi Informasi dan Ilmu Komputer, Universitas
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 terperinci