Optimasi Pemetaan Tugas Mengajar Dosen Menggunakan Memetic Algorithm
| Main Author: | Karuniawan, Okvio Akbar |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2019
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/168850/1/Okvio%20Akbar%20Karuniawan.pdf http://repository.ub.ac.id/168850/ |
Daftar Isi:
- Penyampaian informasi yang berkaitan dengan kegiatan belajar-mengajar merupakan hal yang sangat penting, salah satu hal pertama yang perlu diperhatikan adalah penjadwalan. Pada Fakultas Ilmu Komputer (FILKOM) Universitas Brawijaya Malang Setiap pergantian semester akan ada perubahan kompetensi pada fakultas artinya akan ada pembaharuan setiap semesternya dosen atau pengajar di FILKOM akan diplot atau dipetakan untuk mengajar apa tiap semesternya, karna setiap semester ada matakuliah yang dibuka dan tidak, dibuka disemester genap dan ganjil, matakuliah dihapus diganti baru atau adanya penambahan matakuliah baru semua sangat fleksibel dan kompleks. Sampai saat ini dosen atau pengajar proses pemetaan masih dilakukan dengan cara manual dimana pengerjaannya membutuhkan waktu yang tidak sedikit, sehingga dibutuhkanlah suatu metode optimasi yang tepat dalam menangani hal ini. Permasalahan penugasan ini dapat diselesaikan dengan metode heuristic berbasis populasi, Memetic Algorithm (MA) yang telah diterapkan pada berbagai bidang seperti penjadwalan dan penugasan. Data yang digunakan pada penelitian ini merupakan representasi dari angket pemetaan mengajar dosen mata kuliah yang berupa prioritas keminatan mengajar dosen terhadap suatu mata kuliah. Dari data yang didapat, ditentukanlah batasan-batasan seperti prioritas keminatan mengajar dosen, minimum dan maksimum mata kuliah yang dapat diambil, kelas yang dibuka pada semester baru, dan jumlah maksimum dan minimum SKS untuk dibuat representasi kromosomnya lalu dicari nilai fitness masing-masing populasi. Berdasarkan hasil perhitungan yang didapat, dilakukanlah pengujian parameter untuk mengetahui pengaruh parameter uji terhadap nilai fitness yang dihasilkan. Berdasarkan hasil perhitungan yang didapat, dilakukanlah pengujian parameter untuk mengetahui pengaruh parameter uji terhadap nilai fitness yang dihasilkan. Dari hasil pengujian parameter MA, diperoleh jumlah populasi terbaik sebesar 100, jumlah iterasi terbaik 100, dan kombinasi parameter kecepatan cr dan mr sebesar 0.8 dan 0.2 dengan nilai fitness yang didapat sebesar 87830. Nilai fitness tersebut merupakan solusi optimal dari generasi 100 karena stop conditioning memetic algorithm berupa iterasi maksimal. Hasil dari parameter Cr dan Mr tidak menjamin jika nilai Cr semakin Kecil dan Nilai Mr semakin besar atau nilai Mr lebih besar dari Cr akan menghasilkan fitness yang semakin baik tetapi tergantung pada penyesuaian parameter terhadap representasi kromosomnya.