optimasi-penjadwalan-kegiatan-belajar-mengajar.docx
TRANSCRIPT
-
8/18/2019 optimasi-penjadwalan-kegiatan-belajar-mengajar.docx
1/12
ALGORITMA GENETIKA UNTUK
OPTIMASI PENJADWALAN KEGIATAN PERKULIAHAN
DI STMIK DENPASAR
Ni Wayan Sumartini Saraswati ST., MT.
Ni Ma! Mi"a Prayant#i S.K$m
A%STRA&T
Scheduling lectures activities at STMIK Denpasar involve limited space and time capacity so the
optimization of scheduling is needed to produce a schedule of courses that meet the needs. In this
study we developed a system of scheduling lectures at STMIK Denpasar with Genetic Algorithm
method. rom the e!perimental results o"tained optimal scheduling in which all of the
scheduling parameters are met with the crossover pro"a"ility # $.%& mutation pro"a"ility # $.$'
and population size # %$$.
K!yw$rs' Scheduling& Genetic Algorithms& (ptimization.
(. PENDAHULUAN
)enyusunan *adwal dengan +omponen penyusun yang +omple+s dan +apasitas yang
ter"atas adalah se"uah permasalahan yang umumnya a+an rumit *i+a di+er*a+an dengan proses
manual. )en*adwalan +egiatan per+uliahan di STMIK Denpasar meli"at+an +apasitas ruang dan
wa+tu yang ter"atas sehingga optimasi pen*adwalan sangat diperlu+an untu+ menghasil+an
*adwal per+uliahan yang mampu memenuhi +e"utuhan.
Algoritma geneti+a "iasanya diguna+an untu+ menyelesai+an masalah +om"inatrional
dan ,)-complete yang tergolong sulit. Diharap+an dengan diguna+annya algoritma geneti+a
a+an diperoleh optimasi pen*adwalan yaitu +ondisi dimana ter*adi +om"inasi ter"ai+ untu+
pasangan mata +uliah& dosen penga*ar& ruang dan wa+tu& dimana tida+ ada permasalahan
"entro+an *adwal "ai+ dari sisi mata+uliah& ruang dan wa+tu maupun dosen dan wa+tu.
). KAJIAN PUSTAKA
Algoritma geneti+a merupa+an algoritma pencarian yang menerap+an proses sele+si alam
dan evolusi yang di+emu+a+an oleh harles Darwin. Algoritma geneti+a pertama +ali
-
8/18/2019 optimasi-penjadwalan-kegiatan-belajar-mengajar.docx
2/12
diper+enal+an oleh /ohn 0olland 123456 dari 7niversitas Michigan. /ohn 0olland menyata+an
"ahwa setiap masalah yang "er"entu+ adaptasi 1alami maupun "uatan6 dapat diformulasi+an
+edalam terminologi geneti+a.
Sifat algoritma geneti+a adalah mencari +emung+inan-+emung+inan dari +andidat solusi
untu+ mendapat+an yang optimal untu+ penyelesaian masalah. 8uang ca+upan dari semua solusi
yang laya+ 1 feasible6& yaitu o"*e+-o"*e+ diantara solusi yang sesuai& dinama+an ruang pencarian
1 search space6. Tiap titi+ dalam ruang pencarian mempresentasi+an satu solusi yang laya+. Tiap
solusi yang laya+ dapat ditandai dengan nilai fitness-nya "agi masalah.
Algoritma geneti+a "e+er*a dari populasi yang merupa+an himpunan solusi yang
dihasil+an secara aca+. Setiap anggota himpunan yang merepresentasi+an satu solusi masalah
dinama+an +romosom. Kromosom dalam suatu populasi "erevolusi dalam iterasi yang
dinama+an generasi& tiap +romosom dievaluasi "erdasar+an fungsi evaluasi 1 fitness function6.
)ada algoritma geneti+a& fitness "iasanya dapat "erupa fungsi o"*e+tif dari masalah yang a+an
dioptimalisasi.
Kromosom-+romosom disele+si menurut nilai fitness masing-masing. Kromosom yang
+uat mempunyai +emung+inan tinggi untu+ "ertahan hidup pada generasi "eri+utnya& tetapi tida+
menutup +emung+inan *uga "agi +romosom lemah untu+ tetap "ertahan hidup. )roses sele+si
terse"ut +emudian ditentu+an +romosom-+romosom "aru 1offspring 6 melalui crossover dan
mutasi dari +romosom terpilih 1 parents6. Dari dua proses terse"ut& ma+a ter"entu+ suatu generasi
"aru yang a+an diulangi terus hingga mencapai suatu +onvergensi& yaitu se"anya+ generasi yang
diingin+an.
*. PERAN&ANGAN SISTEM
'.2 Data )enawaran )er+uliahan
-
8/18/2019 optimasi-penjadwalan-kegiatan-belajar-mengajar.docx
3/12
Data perco"aan diam"il dari penawaran per+uliahan dalam satu semester di STMIK
Denpasar& seperti ditun*u++an oleh ta"el '.2
Ta+!" *.(
Data P!nawaran aa STMIK D!nasar
i
d Kode mk
Sk
s
ke
Id
dos
en
1 MPK-5101 1 14
2 MPK-5101 2 14
3 MPK-5102 1 13
4 MPK-5102 2 13
5 MPK-5103 1 17
6 MPK-5103 2 17
7 MKK-5104 1 8
8 MKK-5104 2 89 MKK-5104 3 8
10 MKK-5105 1 4
11 MKK-5105 2 4
12 MKK-5105 3 4
13 MKK-5106 1 6
14 MKK-5106 2 6
1
5 MKK-5106 3 616 MKK-5107 1 9
17 MKK-5107 2 9
18 MKK-5107 3 919 MKK-5301 1 4
20 MKK-5301 2 4
21 MKK-5301 3 4
22 MKB-5302 1 15
23 MKB-5302 2 15
24 MKB-5302 3 15
25 MKK-5303 1 10
2 MKK-5303 2 10
-
8/18/2019 optimasi-penjadwalan-kegiatan-belajar-mengajar.docx
4/12
627 MKB-5304 1 128 MKB-5304 2 1
2
9 MKB-5304 3 130 MKB-5305 1 731 MKB-5305 2 732 MKB-5305 3 733 MKB-5306 1 11
34 MKB-5306 2 1135 MBK-5306 3 11
36 MKB-5307 1 537 MKB-5307 2 538 MKB-5307 3 5
39 MKB-5501 1 240 MKB-5501 2 241 MKB-5501 3 24
2 MKB-5502 1 143 MKB-5502 2 144 MKB-5502 3 145 MKB-5503 1 346 MKB-5503 2 3
47 MKB-5503 3 348 MKB-5504 1 349 MKB-5504 2 350 MKB-5504 3 351 MKB-5506 1 10
52 MKB-5506 2 10
-
8/18/2019 optimasi-penjadwalan-kegiatan-belajar-mengajar.docx
5/12
53 MKB-5506 3 1054 MPB-5507 1 155 MPB-5508 1 10
56 MKB-5701 1 1257 MKB-5701 2 1258 MKB-5702 1 8
59 MKB-5702 2 860 MKB-5702 3 861 MKB-5703 1 26
2 MKB-5703 2 263 MKB-5703 3 2
64 MKB-5704 1 965 MKB-5704 2 966 MKB-5704 3 967 MKB-5705 1 1668 MKB-5705 2 16
69 MKB-57-5 3 1670 MKB-5706 1 671 MKB-5706 2 672 MKB-5706 3 673 MKB-5707 1 1674 MKB-5707 2 167
5 MKB-5707 3 1676 MKB-5108 1 4
77 MKB-5108 2 478 MKB-5108 3 4
-
8/18/2019 optimasi-penjadwalan-kegiatan-belajar-mengajar.docx
6/12
/umlah record penawaran ini merupa+an pan*ang +romosom dan mewa+ili *umlah item yang
harus di*adwal+an.
'.9 8epresentasi KromosomSe"uah allele di"entu+ dengan ' +omponen penyusun yaitu id& ruang dan wa+tu seperti
ditun*u++an oleh ta"el '.9
Ta+!" *.)
R!r!s!ntasi Kr$m$s$m
Id 8uan
g
:a+tu I
d
8uan
g
:a+tu I
d
8uan
g
:a+tu I
d
8uan
g
:a+tu ;
2 2..% 2..'$ 9 2..% 2..'$ ' 2..% 2..'$ < 2..% 2..'$ ;
)ada ta"el '.9 +omponen allele id mewa+ili informasi mata +uliah& dosen pengampu dan
=s+s +e> sesuai dengan ta"el penawaran& lihat ta"el '.2. Sedang+an ruang merupa+an ruang yang
ditentu+an untu+ mata +uliah terse"ut "erdasar+an id ruang pada ta"el ruang dimana isinya
adalah nilai integer antara 2 sampai dengan %. 7ntu+ +omponen allele wa+tu merupa+an id
wa+tu sesuai dengan id wa+tu pada ta"el wa+tu dimana satu record mewa+ili wa+tu tempuh
per+uliahan dalam 2 s+s. /umlah record wa+tu dalam ta"el wa+tu adalah '$ record sehingga isi
+omponen allele wa+tu adalah integer antara 2 sampai dengan '$.
'.' ,ilai FitnessDalam penelitian ini +omponen yang men*adi parameter *adwal antara lain tida+ adanya
ta"ra+an ruang-wa+tu yaitu suatu +eadaaan dimana se"uah satuan per+uliahan di*adwal+an pada
ruang yang sama pada slot wa+tu yang sama 126& tida+ adanya ta"ra+an dosen-wa+tu yaitu suatu
+eadaan dimana seorang dosen di*adwal+an pada wa+tu yang sama untu+ mata +uliah yang
"er"eda 196& solidnya satuan wa+tu pen*adwalan pada se"uah mata +uliah dalam arti se"uah mata
+uliah di*adwal+an pada hari yang sama dan *am yang "erurutan 1'6& solidnya ruangan pada satu
-
8/18/2019 optimasi-penjadwalan-kegiatan-belajar-mengajar.docx
7/12
+egiatan per+uliahan yang "erarti se"uah +egiatan per+uliahan yang le"ih dari satu s+s
menempati ruang yang sama untu+ masing-masing s+snya 1
-
8/18/2019 optimasi-penjadwalan-kegiatan-belajar-mengajar.docx
8/12
Metode sele+si dila+u+an dengan metode roulette wheel dimana +romosom dengan
fungsi fitness ter"esar memili+i peluang terpilih yang le"ih "esar. 0al ini dila+u+an dengan
memilih se"uah nilai aca+ yang "erada diantara $ sampai dengan *umlah fitness semua
+romosom dalam populasi& +emudian dicari +romosom dimana posisi nilai terse"ut "erada.
Kawin silang dila+u+an untu+ satu titi+ dimana pro"a"ilitas ter*adi ditentu+an oleh pro"a"ilitas
crossover yang "isa ditentu+an saat runtime. Keti+a ter*adi +awin silang dila+u+an pula mutasi
dengan +emung+inan se"esar pro"a"ilitas mutasi yang *uga ditentu+an saat runtime.
/. HASIL DAN PEM%AHASAN
Dalam tulisan ini hanya ditun*u++an "e"erapa form utama yang memegang peranan
penting dalam penyusunan *adwal mengguna+an algoritma geneti+a& seperti ditun*u++an oleh
gam"ar
-
8/18/2019 optimasi-penjadwalan-kegiatan-belajar-mengajar.docx
9/12
se"agai pem"entu+an populasi awal. )roses Algoritma Geneti+a +emudian diapli+asi+an
terhadap populasi awal hingga "erhenti dan didapat+an hasil pen*adwalan masih dalam "entu+
+romosom. 0asil pen*adwalan dalam "entu+ +romosom terse"ut diter*emah+an dalam "entu+
laporan pen*adwalan seperti ditun*u++an oleh gam"ar
-
8/18/2019 optimasi-penjadwalan-kegiatan-belajar-mengajar.docx
10/12
0asil ter"ai+ ditun*u++an oleh perco"aan +e 22 dengan nilai fitness # 2 dimana semua parameter
pen*adwalan yang "ai+ terpenuhi.
2. SIMPULAN DAN SARAN
Metode Algoritma Geneti+a dapat diguna+an untu+ menghasil+an *adwal per+uliahan
yang optimal pada STIMIK Denpasar dimana semua parameter pen*adwalan terpenuhi.
,( 7)S?@?7M GA S?S7DA0 GA IT,?SS
@8: @D: TS: TS8 @8: @D: TS: TS8
1 100 23 0 82 36 0 0 3 30'055555
556
2 150 14 6 79 37 3 4 1 2
0'052631
579
3 200 23 2 69 38 0 0 6 390'023809
524
4 250 13 2 82 34 0 0 2 50'047619
048
5 300 25 2 77 34 0 2 3 40'043478
261
6 350 1 8 71 36 0 4 1 3 0'0625
7 400 21 4 77 34 0 0 3 30'055555
556
8 450 22 5 73 39 0 0 0 3
0'111111
111
9 500 19 6 78 36 0 0 5 50'033333
333
10 550 15 0 72 42 0 4 1 40'052631
579
11
60
0 18 5 72 38 0 0 0 0 1
12 650 15 0 71 38 0 0 1 70'046666
667
13 700 14 6 77 37 0 0 1 30'083333
333
14 750 23 4 67 42 0 0 1 3
0'083333
333
15 800 20 2 74 38 0 4 5 30'035714
286
16 850 20 5 70 43 0 0 1 50'055555
556
17 900 15 0 72 42 0 0 1 50'055555
556
18 950 22 2 72 33 0 0 1 30'083333
33319 100
017 4 74 37 0 2 4 3 0'043478
261
-
8/18/2019 optimasi-penjadwalan-kegiatan-belajar-mengajar.docx
11/12
)arameter Algoritma Geneti+a ter"ai+ yang diperoleh dari perco"aan ini adalah B pro"a"ilitas
crossover # $&% & pro"a"ilitas mutasi # $&$' dan u+uran populasi # %$$.Dalam perancangan pen*adwalan per+uliahan ini "elum dimasu++an parameter +esediaan
wa+tu menga*ar dosen& dimana pada +enyataannya sering +ali dosen telah memili+i *adwal yang
padat untu+ menga*ar pada perguruan tinggi yang lain sehingga +ita tida+ "e"as menentu+an
wa+tu menga*ar untu+ dosen "ersang+utan. 7ntu+ penelitian selan*utnya dapat dimasu++an
parameter +esediaan wa+tu menga*ar dosen dalam proses pem"uatan *adwal.
Dalam penelitian ini item *adwal yang diwa+ili oleh satu allele di"entu+ per-s+s mata
+uliah. Dimung+in+an dalam penelitian selan*utnya di"entu+ item *adwal yang mewa+ili se"uah
mata +uliah yang utuh tanpa terpecah per-s+s.
DA0TAR PUSTAKA
A"dul Kadir& Konsep dan Tuntunan Praktis Basis Data& Cogya+artaB Andi& 9$$$.
A"dul Kadir& Dasar plikasi Database !"#$% Delphi& Cogya+arta B Andi& 9$$%.
Achmad @asu+i& lgoritma &enetika& Sura"ayaB )olite+ni+ ?le+troni+a ,egeri Sura"aya&
)?,S-TIK. 9$$'& Tanggal a+ses % *anuari 9$2$.
Anita Desiani Muhammad Arhami& Konsep Kecerdasan Buatan& Cogya+arta B Andi
(ffset&9$$%.
Ivan ,ugraha& plikasi lgoritma &enetika 'ntuk (ptimasi Penjadwalan Kegiatan Belajar
!engajar & Institut Te+nologi @andung. Tanggal a+ses Desem"er 9$$3.
Muhammad Aria& plikasi lgoritma &enetika 'ntuk (ptimasi Penjadwalan !ata Kuliah)
7niversitas Komputer Indonesia. Tanggal A+ses % /anuari 9$2$.
,ovandry :idyastuti& Asti+a 8atnawati& 8ahma ,ur ahyani& (ptimasi Penjadwalan Kegiatan
Belajar !engajar Dengan lgoritma &enetika& Sura+arta B 7niversitas Se"elas Maret&
9$$E. Tanggal A+ses Desem"er 9$$3.
)0K TIK K2& *andout !ata Kuliah rtificial +ntelligence& MalangB 7niversitas :idyagama
Malang& 9$$E. Tanggal a+ses /anuari 9$2$.
Son Kuswadi& Kendali Cerdas Teori dan plikasi Praktisn"a& Cogya+arta B Andi (ffset& 9$$4.
-
8/18/2019 optimasi-penjadwalan-kegiatan-belajar-mengajar.docx
12/12
Sumartini& ,. :.& Penjadwalan Pendaratan Pesawat Terbang #ecara ,eal Time !enggunakan
lgoritma &enetika& /urnal STIK(M 9$$3.