Penerapan Algoritma Genetika Untuk Optimasi Penjadwalan pada MTS Negeri 1 Pangkalpinang

Abstract

Scheduling is a very important thing to do at school. The schedule, which is still being carried out manually at MTS Negeri 1 Pangkalpinang, requires time to manage teacher slots, classes, subjects, and times where in MTS teacher hours have been determined by the department of religion so that it takes quite a long time to process the formation of the schedule. This study aims to utilize genetic algorithms in optimizing scheduling in a short time. The genetic algorithm is an algorithm that is effective in dealing with scheduling. The results of data testing were carried out with 15, 20, 25 and 30 subjects. Testing with 15 subjects took 19.56 seconds to form a schedule and there were no conflicting schedules, while with 20 data subjects the time to process the schedule formation took 42.15 seconds, 25 data with 94.07 seconds and 30 data with time 471.60. The average time required to process the data is 156.845 seconds.

Penerapan Algoritma Genetika Dalam Penjadwalan Mata Pelajaran

“…Algoritma genetika telah terbukti sebagai metode optimisasi yang sangat efektif dalam menyelesaikan masalah-masalah yang kompleks dan sulit diselesaikan dengan metode konvensional (Wahyuningsih & Helmud, 2020). Keunggulan algoritma genetika terletak pada kemampuannya untuk menjelajahi ruang pencarian yang luas, menemukan solusi optimal di tengah kompleksitas parameter-parameter yang terlibat, serta kemampuannya untuk menangani masalah yang melibatkan konstrain dan fungsi tujuan yang kompleks (Hidayat et al, 2019).…”

Perancangan Sistem Penjadwalan Perkuliahan Berbasis Website Menggunakan Algortima Genetika

“…Dalam teori evolusi alam, nilai fitness rendah yang dimiliki suatu individu tidak akan bertahan dan akan mati. Sebagai solusi permasalahan optimasi, perlu dicari nilai maksimal dari sebuah fitness, sehingga didapatkan nilai fitness terbaik yang digunakan sebagai nilai dalam fungsi tersebut [14].…”

“…Pada metode Roulette-wheel, kromosom menempati posisi yang ada pada lingkarang roda Roulette sesuai dengan nilai fitness, kemudian diacak seperti pada permainan Roulette-wheel. Sedangkan untuk seleksi ranking, kromosom diurutkan berdasarkan nilai fitness kemudian dipilih secara urutan [14].…”

“…Crossover dalam algoritma genetika merupakan proses penambahan keanegaragaman anak (offspring) suatu populasi dengan menggabungkan dua kromosom parent pada satu waktu [14]. Proses paling sederhana dari crossover adalah dengan mengkombinasikan segmen dari salah satu induk ke induk yang lainnya secara acak, yakni dengan cara memilih titik yang akan dipisahkan, kemudian memasang titik tersebut pada bagian kanan segmen salah satu induk, dan meletakkan titik lainnya pada bagian kiri segmen induk yang lainnya [5].…”

Perancangan Aplikasi Penjadwalan Lapangan Bola Voli Pada Gedung Olahraga BTP Menggunakan Algoritma Genetika

“…Seleksi Rangking Proses dimulai dengan merangking atau mengurutkan kromosom di dalam populasi berdasarkan Fitnessnya kemudian memberi nilai Fitness baru berdasarkan urutannya(Wahyuningsih & Helmud, 2020).…”