Optimasi Penjadwalan Sidang Skripsi Menggunakan Algoritme Genetika Terdistribusi (Studi Kasus Prodi Teknik Informatika Fakultas Ilmu Komputer Universitas Brawijaya)
| Main Author: | Rahmalita, Putri Bunga |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2019
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/169101/1/Putri%20Bunga%20Rahmalita%20%282%29.pdf http://repository.ub.ac.id/169101/ |
Daftar Isi:
- Ada beberapa kendala pada penjadwalan sidang skripsi di Prodi Teknik Informatika Fakultas Ilmu Komputer Universitas Brawijaya yang membuat penjadwalan sidang skripsi tidak efektif. Perbedaan yang signifikan pada jumlah mahasiswa dan dosen pada tahun 2017 serta pendaftaran sidang skripsi dalam waktu yang berdekatan seringkali menjadi masalah dalam menjadwalkan sidang skripsi. Penjadwalan yang tidak efektif dan tidak efesien akan memakan waktu yang lama dalam pengerjaannya. Maka dari itu, dibuat sistem yang dapat melakukan penjadwalan sidang skripsi dengan menggunakan metode algoritme genetika terdistribusi. Algoritme genetika terdistribusi melakukan inisialisasi kromosom secara acak. Selanjutnya populasi akan dipecah menjadi beberapa subpopulasi, dan akan melalui tahap reproduksi yaitu crossover dengan metode one-cut point dan mutasi dengan metode reciprocal exchange mutation dan random mutation. Setelah itu dilakukan evaluasi untuk menghitung nilai fitness. Selanjutnya dengan metode elitism selection pada proses seleksi akan dipilih individu yang akan dipertahankan untuk generasi selanjutnya. Pada algoritme genetika terdistribusi akan dilakukan proses migrasi untuk menambah keberagaman individu dengan menukar individu dari subpopulasi satu dengan lainnya. Berdasarkan hasil pengujian, nilai parameter yang optimal pada penjadwalan sidang skripsi yaitu dengan jumlah populasi sebesar 11, jumlah generasi sebesar 1750, crossover rate 0,7 mutation rate 0,3 dan jumlah sub populasi 5 dengan ratarata nilai fitness sebesar 0.00010232. Dari hasil pengujian, jika semakin banyak jumlah populasi dan generasi, maka semakin luas daerah pencarian solusi, akan tetapi waktu komputasi menjadi semakin lama.