14116166 19 231512 - repo.itera.ac.id

17

BAB III METODELOGI PENELITIAN

3.1 Metodelogi Penelitian

Metodelogi penelitian merupakan tahapan yang disusun secara teratur dalam

melaksanakan suatu penelitian yang akan dilakukan. Tujuan metodelogi penelitian

ini sebagai pedoman peneliti dalam menyelesaikan penelitian yang akan

dibangun. Adapun tahapan penelitian yang akan dilakukan dalam penelitian ini

dapat dilihat pada Gambar 3.1.

Mulai

Tinjauan Studi

Pengumpulan Data

Analisa Metode dan Perancangan

Implementasi dan Pengujian

Kesimpulan

Selesai

Perumusan Masalah

Optimasi

Gambar 3.1 Metodelogi Penelitian.

18

3.2 Pengumpulan Data

Pengumpulan data merupakan suatu alur yang bertujuan untuk mendapatkan

seluruh data dan informasi yang dibutuhkan dalam penelitian tugas akhir ini.

Data didapatkan secara langsung melalui wawancara laboran dan didapatkan

melalui kuesioner asisten.

Proses wawancara dilakukan dengan salah satu laboran di Kampus Institut

Teknologi Sumatera yaitu bapak M. Fitrah Ramadhan pada tanggal 13 September

2019. Wawancara bertujuan untuk mendapatkan data jadwal praktikum, data

asisten, serta kendala atau batasan yang dihadapi dalam penyusunan jadwal

asisten praktikum yang akan dihasilkan.

3.3 Analisa Algoritma Genetika

Tahapan analisa metode ini berguna untuk mengetahui alur dari proses kerja yang

akan dibuat dapat bekerja maksimal. Metode yang akan digunakan pada penelitian

ini menggunakan algoritma genetika. Diagram alir algoritma genetika dapat

dilihat pada Gambar 3.2.

Gambar 3.2 Alur Algoritma Genetika.

Gambar 3.2 menjelaskan alur algoritma genetika yang akan dilakukan pada

penelitian. Tahap pertama yaitu melakukan proses pengkodean gen,

19

membangkitkan populasi awal secara acak, evaluasi nilai fitness. Jika nilai fitness

terbaik didapatkan maka peluang suatu generasi untuk dapat bertahan ke generasi

selanjutnya. Jika nilai fitness yang didapatkan buruk maka melakukan proses

seleksi kemudian tahap crossover, mutasi, dan melakukan ulang untuk

menghitung nilai finess.

3.3.1 Data Testing

Data testing yang akan digunakan pada proses penelitian ini berupa data jadwal

asisten praktikum Semester Ganjil TA. 2020 yang berasal dari Perguruan Tinggi

Institut Teknologi Sumatera. Data yang diperoleh meliputi 60 kelas TPB, 40

asisten praktikum, 4 ruangan, dan 19 waktu. Data tersebut akan digunakan dalam

proses tahap pengujian yang dilakukan dalam penelitian. Contoh data yang akan

diolah adalah sebagai berikut :

1. Data jadwal ketersedian asisten praktikum dapat dilihat pada tabel 3.1

Tabel 3.1 Asisten Praktikum.

Nama Asisten Hari Jam

A

Senin 15.00 – 16.40 Rabu 15.00 – 16.40 Kamis 09.00 – 10.40 Kamis 15.00 – 16.40 Jumat 15.00 – 16.40

B

Senin 15.00 – 16.40 Selasa 15.00 – 16.40 Rabu 15.00 – 16.40 Kamis 09.00 – 10.40 Kamis 13.00 – 14.40

C

Senin 13.00 – 14.40 Selasa 07.00 – 08.40 Rabu 07.00 – 08.40 Kamis 09.00 – 10.40 Jumat 07.00 – 08.40

D


E Senin 07.00 – 08.40 Selasa 15.00 – 16.40

20

Nama Asisten Hari Jam

Rabu 13.00 – 14.40 Kamis 09.00 – 10.40 Jumat 09.00 – 10.40

F


G


H


I


J


K


L


M


N Senin 13.00 – 14.40 Rabu 07.00 – 08.40

21

Tabel 3.1 merupakan data asisten praktikum yang diambil dari data asisten

praktikum Semester Ganjil TA.2020. Data asisten praktikum diambil

sebanyak 15 asisten untuk dijadikan contoh pengolahan data.

2. Data terhadap waktu praktikum dapat dilihat pada tabel 3.2

Tabel 3.2 Waktu Praktikum Yang Telah Tersedia.

Pada tabel 3.2 merupakan data waktu praktikum yang diambil dari data

asisten praktikum Semester Ganjil TA. 2020. Data waktu praktikum diambil

sebanyak 1 slot waktu hari senin sampai dengan jumat.

3. Data ruangan praktikum dapat dilihat pada tabel 3.3

Tabel 3.3 Ruangan Praktikum.

Pada tabel 3.3 merupakan data ruangan praktikum yang diambil dari data asisten

praktikum Semester Ganjil TA. 2020. Data yang dipakai untuk contoh pengolahan

data sebanyak 1 ruangan.

Nama Asisten Hari Jam Kamis 13.00 – 14.40

Jumat 13.00 – 14.40 Jumat 15.00 – 16.40

O Senin 15.00 – 16.40 Selasa 07.00 – 08.40 Rabu 15.00 – 16.40

Hari Kode Waktu

Senin SN1 07.00 – 08.40

Selasa SL1 07.00 – 08.40

Rabu RB2 09.00 – 10.40

Kamis KM2 13.00 – 14.40

Jumat JM4 15.00 – 16.40

Kode Ruangan Ruangan

R1 Labtek 3 (TPB1)

22

3.3.2 Representasi Kromosom

Representasi kromosom menggambarkan tahapan melakukan teknik pengkodean

gen dari kumpulan individu. Kromosom direpresentasikan menggunakan daftar

aturan yang diambil dari data jadwal asisten praktikum Semester Ganjil TA. 2020.

Gen direpresentasikan oleh asisten, dan banyaknya gen dalam kromosom

direpresentasikan oleh slot waktu. Adapun representasi kromosom yang dilakukan

dapat dilihat pada Tabel 3.4.

Tabel 3.4 Teknik Representasi Kromosom

Solusi Hari Hari Hari Hari Hari

Waktu Waktu Waktu Waktu Waktu

Kromosom 1 Gen

Gen

Gen

Gen

Gen

Gen

Gen

Gen

Gen

Gen

Gen

Gen

Gen

Gen

Gen

Kromosom 2 Gen

Gen

Gen

Gen

Gen

Gen

Gen

Gen

Gen

Gen

Gen

Gen

Gen

Gen

Gen

Kromosom 3 Gen

Gen

Gen

Gen

Gen

Gen

Gen

Gen

Gen

Gen

Gen

Gen

Gen

Gen

Gen

Kromosom 4 Gen

Gen

Gen

Gen

Gen

Gen

Gen

Gen

Gen

Gen

Gen

Gen

Gen

Gen

Gen

Berdasarkan tabel 3.4, setiap baris pada tabel menyatakan satu individu, dimana

individu tertera mengutarakan satu penyelesaian jadwal praktikum yang terdiri

dari hari dan slot waktu, sedangkan pada kolom gen tersebut menyatakan slot

asisten.

3.3.3 Inisialisasi Individu

Pembentukan kromosom menggunakan representasi kromosom yang telah di

bentuk dalam susunan gen. Teknik inisialisasi individu melibatkan pembangkitan

secara acak sesuai representasi kromosom yang telah dibentuk. Untuk lebih jelas

terkait representasi kromosom yang dibangkitkan, dapat dilihat pada tabel 3.5

Tabel 3.5 Representasi kromosom.

Solusi Senin Selasa Rabu Kamis Jumat

07.00-08.40 07.00-08.40 09.00-08.40 13.00-14.40 15.00-16.40

Kromosom 1 L F H O B K M I I C O B A F A

Kromosom 2 E H E A N F M E H J N F L E J

Kromosom 3 B G O A I G A A I B J L B L H

Kromosom 4 A N D C C H A J J N D F J J L

23

Pada tabel 3.5 berisi tentang pembangkitan kromosom yang dilakukan secara

acak. Contohnya seperti kromosom 1 yang terdiri 15 asisten acak dari hari senin

sampai hari jumat dengan masing-masing satu waktu dipasangkan dengan 3

asisten. Setelah pembangkitan kromosom dilakukan, setiap kromosom akan

diseleksi dengan menggunakan fungsi evaluasi.

3.3.4 Fungsi Evaluasi

Fungsi evaluasi ini menggambarkan seberapa besar peluang suatu individu dalam

suatu generasi untuk dapat bertahan pada generasi berikutnya. Permasalahan yang

akan diselesaikan mengenai ketentuan yang dilanggar yaitu :

Tabel 3.6 Fungsi Penalty Constraint

Penalty Constraint Bobot 1. Asisten tidak mengajar lebih dari satu kali dalam sehari 1

2. Jadwal praktikum tidak bentrok dengan jadwal ketersediaan asisten

1

Jika terdapat asisten yang mengajar lebih dari satu kali dalam satu hari, maka

penalty akan dihitung 1.

Berikut adalah fungsi penalty yang direpresentasikan dalam bentuk kromosom

yang telah dibentuk

Tabel 3.7 Fungsi Penalty

Kromosom Penalty 1 Penalty 2

Kromosom 1 2 5

Kromosom 2 1 6

Kromosom 3 1 7

Kromosom 4 3 6

Dari fungsi evaluasi yang telah dilakukan, kromosom 1 melanggar aturan penalty

1 sebanyak 2 kali dan aturan penalty 2 sebanyak 5 kali. Sedangkan kromosom 2

melanggar aturan penalty 1 sebanyak 1 kali dan aturan penalty 2 sebanyak 6 kali.

Begitu juga dengan pelanggaran kromosom 3 dan 4. Selanjutnya menentukan nilai

fitness

24

Perhitungan nilai fitness dari fungsi penalty yang telah diperoleh :

Kromosom 1 : Fitness = = 0,125


Kromosom 3 : Fitness =

= 0,111


Setelah fungsi evaluasi telah ditetapkan maka proses selanjutnya adalah seleksi.

3.3.5 Seleksi

Proses seleksi yang dilakukan untuk menentukan individu-individu mana saja

yang akan diambil untuk teknik crossover (kawin silang) dan mutasi, teknik

ini dilakukan untuk memperoleh kandidat baru yang baik. Berikut merupakan

tahapan seleksi :

Hitung total fitness dari semua individu

Total fitness = 0,125 + 0,125 + 0,111 + 0,100 = 0,461

Kemudian hitung probabilitas masing-masing individu dengan cara dibagi

dengan nilai total fitness. Berikut merupakan perhitungan probabilitas

individu

P1 = 0,125/ 0,461 = 0,271

P2 = 0,125 / 0,461 = 0,271

P3 = 0,111 / 0,461 = 0,241

P4 = 0,100/ 0,461 = 0,217

Dari probabilitas tersebut, hitung jatah masing-masing individu pada angka 1

sampai 100. Penentuah jatah dilakukan dengan mencari nilai komulatif dari

probabilitas

PK1 = 0 + 0,271 = 0,271

PK2 = 0,271+ 0,271 = 0,542

PK3 = 0,542 + 0,241 = 0,783

PK4 = 0,217 + 0,783= 1

Bangkitkan bilangan random antara 0 sampai 1

25

Tentukan individu mana yang terpilih dalam proses seleksi dari bilangan

random tersebut. Proses seleksi dilakukan secara random, berikut hasil nilai

random seleksi pada Tabel 3.8

Tabel 3.8 Nilai Random Seleksi

Kromosom Bilangan random Bilangan random Kromosom 1 & 2 0,013 0,349 Kromosom 4 & 3 0,992 0,685

Tabel 3.8, kromosom 1 akan dikawin silang dengan kromosom 2, kromosom

4 dikawin silang dengan kromosom 3. Nilai random seleksi tersebut akan

digunakan untuk proses crossover.

3.3.6 Crossover

Proses crossover yang akan melibatkan kombinasi dua induk untuk

menghasilkan kromosom baru. Pindah silang yang diperoleh akan siap untuk

diuji.

Tabel 3.9 Crossover

Kromosom Lama (Parent) Kromosom Baru (Child)

Kromosom 1 – Kromosom 2 Kromosom 1

Kromosom 2

Kromosom 4 – Kromosom 3 Kromosom 3

Kromosom 4

Adapun hasil crossover yang telah dilakukan, dapat dilihat pada Tabel 3.10.

Tabel 3.10 Hasil Crossover


Kromosom 1 L F H O B K M I I C O B A F A

Kromosom 2 E H E A N F M E H J N F L E J

Uniform 1 1 0 0 1 0 1 0 1 1 1 0 1 0 0

Kr 1(Child) E H H O N K M I H J N B L F A

Kr 2 (Child) L F E A B F M E I C O F A E J

26


Kromosom 3 B G O A I G A A I B J L B J H

Kromosom 4 A N D C C H A J J N D F J L L

Uniform 1 0 0 1 1 1 0 1 1 0 0 0 0 1 0

Kr 3 (Child) A G O C C H A J J B J L B L H

Kr 4 (Child) B N D A I G A A I N D F J J L

Pada Tabel 3.10 merupakan proses crossover antara kromosom satu dengan

kromosom yang lainnya menggunakan Uniform Crossover, dimana penukaran

gen-gen dari parent 1 dengan parent 2 berdasarkan probabilitas. Nilai probabilitas

dibangkitkan secara random menggunakan fungsi randbetween dengan nilai 0 dan

1 sebanyak gen didalam individu. Jika nilai probabilitas yang muncul 0, maka gen

parent 1 dengan parent 2 tidak ditukar, dan sebaliknya jika nilai probabilitas yang

muncul 1 maka gen ditukar. Dari proses crossover akan mendapatkan hasil

kromosom yang baru, kemudian hasil kromosom tersebut akan digunakan ketahap

selanjutnya yaitu proses mutasi.

3.3.7 Mutasi

Proses mutasi berperan untuk menggantikan atau menambah gen yang hilang

dari proses sebelumnya. Mutasi tidak selalu dilakukan, karena memiliki

probabilitas yang telah ditentukan pada awal proses. Penentuan proses mutasi

dilakukan secara acak untuk menghasilkan kromosom baru yang lebih baik. Gen

yang dimutasi hanya asisten saja, untuk waktu dan ruangan tetap. Jumlah gen

yang akan diubah tergantung dari probabilitas mutasi.

Terdapat 4 kromosom dengan nilai gen 15 masing-masing kromosom, dengan

misal probabilitas mutasi 5% maka:

Total gen = 4 x 15 (jumlah kromosom x jumlah gen perkromosom)

= 60 gen

Jumlah mutasi = 5% x 60 = 3

Cara melakukan mutasi dengan membangunkan bilangan random yang terdiri dari

bilangan random index ke n untuk dimutasi dan bilangan acak untuk nilai gen

27

pengganti. Membangkitkan bilangan acak untuk index ke n dengan fungsi

randbetween rentang nilai 1 sampai sejumlah gen. Sedangkan membangkitkan

bilangan acak untuk nilai pengganti dengan menggunakan fungsi randbetween

rentang nilai 1 sampai sejumlah asisten praktikum. Bilangan acak nilai gen

pengganti tidak boleh sama dengan nilai gen yang sudah ada dalam satu hari.

Bilangan acak dibangkitkan sebanyak jumlah mutasi yaitu sebanyak tiga kali.

Untuk bilangan acak index ke n dan nilai pengganti dapat dilihat pada Tabel 3.10,

dan hasil mutasi dapat dilihat pada Tabel 3.11.

Tabel 3.11 Bilangan Acak

Kromosom Index ke n

Pengganti Index ke n

Pengganti Index ke n

Pengganti

Kromosom 1

2 G 9 D 5 C

Kromosom 2

11 G 3 O 14 B

Kromosom 3

1 H 4 F 8 D

Kromosom 4

13 A 7 C 6 G

Tabel 3.12 Hasil Mutasi


Kromosom 1 E G H O C K M I D J N B L F A

Kromosom 2 L F E A B F M E I C G F A E J

Kromosom 3 H G O F C H A D J B J L B L H

Kromosom 4 B N D A I G A A I N D F A J L

Pada Tabel 3.12, Gen yang berwarna hijau menyatakan bahwa gen mengalami

mutasi, gen lama digantikan dengan gen baru sesuai dengan nilai acak yang telah

dibangkitkan sebelumnya. Sedangkan gen yang berwarna merah menyatakan

bahwa nilai gen pengganti sudah ada didalam individu dihari yang sama dan nilai

pengganti tidak sesuai dengan ketersediaan asisten. Dari hasil mutasi yang

diperoleh dilakukan iterasi kembali yaitu menghitung nilai fitnessnya dengan cara

menentukan nilai penalti constraint terlebih dahulu. Nilai penalty dari mutasi

dapat dilihat pada Tabel 3.13.

28

Tabel 3.13 Fungsi Penalty

Kromosom Penalty 1 Penalty 2

Kromosom 1 0 0

Kromosom 2 0 7

Kromosom 3 0 6

Kromosom 4 1 6

Menentukan nilai fitness :

Perhitungan nilai fitness dari fungsi penalty yang telah diperoleh :

Kromosom 1 : Fitness = = 1




Jika nilai populasi belum mencapai hasil yang diinginkan maka akan dilakukan

proses iterasi kembali. Sebaliknya, jika nilai sudah mencapai hasil yang

diinginkan yaitu fitnees bernilai tinggi, maka algoritma genetika akan berhenti.

Karena pada tahap ini algoritma genetika telah memberikan solusi dari masalah

yang didefinisikan.

3.3.8 Rancangan Proses Jadwal

Rancangan proses penjadwalan asisten praktikum meliputi input data, proses

algoritma, dan output data. Rancangan proses penjadwalan asisten praktikum


29

Gambar 3.3 Rancangan Proses Jadwal

Dalam proses rancangan jadwal, terdiri dari 3 tahap yaitu input data, proses

algoritma genetika dan output data. Input data digunakan sebagai awal untuk

menyusun jadwal yang terdiri jadwal ketersediaan asisten, slot waktu, kelas TPB

dan ruangan. Proses algoritma genetika terdiri dari inisialisasi individu, evaluasi,

seleksi, crossover, dan mutasi. Output data terdiri dari kelas TPB, hari, jam,

ruangan dan asisten.

Proses implementasi dalam penggunaan algoritma genetika diimplementasikan

menggunakan bahasa pemrograman php dengan platform website.

3.4 Menghitung Tingkat Hasil Akurasi

Pengujian akurasi didapatkan dengan menghitung persen kesalahan pada poses

yang telah dilakukan. Tingkat hasil akurasi pada suatu individu jika nilai fitness

suatu kromosom sebesar 100% dengan arti nilai fitness yang dihasilkan adalah

sebesar 1, maka tidak ada fungsi penalty constraint yang dilanggar. Sedangkan

nilai fitness yang kurang dari 1 maka masih terdapat penalty constraint yang

dilanggar.

3.5 Rancangan Sistem

Rancangan sistem merupakan gagasan ide untuk memenuhi tujuan pengembangan

sistem informasi, dimana suatu sistem tersebut dapat menyelesaikan suatu

permasalahan yang diangkat. Pada rancangan sistem terdiri dari flowchart,

usecase diagram dan Activity diagram.

3.5.1 Flowchart

Flowchart merupakan alur sistem yang akan dikembangkan yang terdiri dari mulai

dalam sistem, input data, proses dan output, kemudian selesai. Flowchart sistem


30

Gambar 3.4 Flowchart Sistem

3.5.2 Usecase Diagram

Usecase diagram digunakan untuk mengetahui antar muka sistem yang dihasilkan

sesuai dengan kebutuhan dalam melakukan interaksi dengan sistem yang akan

dibuat. Rancangan Usecase diagram dapat dilihat pada Gambar 3.5.

Gambar 3.5 Usecase Diagram

3.5.3 Activity Diagram

Activity Diagram adalah sebuah rancangan aktivitas yang mengelompokan aliran

tampilan dalam sistem yang akan dijalankan. Adapun beberapa Activity diagram

yang dibuat sebagai berikut :

31

Activity Diagram Login

Activity diagram login dapat dilihat pada Gambar 3.6.

Gambar 3.6 Activity Diagram Login

Activity Diagram Data Asisten

Activity diagram data asisten dapat dilihat pada Gambar 3.7.

Gambar 3.7 Activity Diagram Data Asisten

32

Activity Diagram Data Kelas

Activity diagram data kelas dapat dilihat pada Gambar 3.8.

Gambar 3.8 Activity Diagram Data Kelas

Activity Diagram Data Waktu

Activity diagram data waktu dapat dilihat pada Gambar 3.9.

Gambar 3.9 Activity Diagram Data Waktu

33

Activity Diagram Data Ruang

Activity diagram data ruang dapat dilihat pada Gambar 3.10.

Gambar 3.10 Activity Diagram Data Ruang

34

Activity Diagram Proses Penjadwalan

Activity diagram proses penjadwalan dapat dilihat pada Gambar 3.11.

Proses Penjadwalan

Admin Sistem

Pros

es P

enja

dwal

an

Menampilkan Halaman

Penajdwalan

Membuka Halaman Sistem

Pilih Menu Penjadwalan

Menampilkan Halaman Utama

Masukan Nilai Crossover, Mutasi

dan Generasi

HasilGenerate Jadwal Ya

Tidak

Gambar 3.11 Activity Diagram Proses Jadwal

14116166 19 231512 - repo.itera.ac.id

Documents