PENJADWALAN PERKULIAHAN MENGGUNAKAN ALGORITME GENETIKA Muhammad Syadid G64104059 Dibimbing oleh : Irman Hermadi, S.Kom, MS Sony Hartono Wijaya, S.Kom

Global Optimal Solution LATAR BELAKANG Rumit Manual Lama Algoritme Genetika Global Optimal Solution

TUJUAN Menerapkan algoritme genetika Memperoleh informasi analisis kinerja algoritme genetika

RUANG LINGKUP Belum mengakomodasi penjadwalan Mayor Minor Belum mengakomodasi penjadwalan praktikum Belum mengakomodasi keterlambatan pengambilan mata kuliah Satuan slot waktu terkecil -> SKS

MANFAAT Membantu proses penjadwalan perkuliahan Memperoleh informasi berupa analisis kinerja algoritme genetika

TINJAUAN PUSTAKA

Komponen Penjadwalan Mata kuliah Mahasiswa Pengajar Slot waktu Ruang

Aktivitas Perkuliahan Mata kuliah Mahasiswa Pengajar + +

Persyaratan Penjadwalan Hanya ada satu aktivitas perkuliahan dalam satu waktu Memiliki keterbatasan daya tampung mahasiswa Hanya mengajar satu aktivitas perkuliahan dalam satu waktu Hanya mengikuti satu aktivitas perkuliahan dalam satu waktu

Algoritme Genetika Ya Kromosom terbaik Inisialisasi Populasi Tidak Threshold/Stall Generation/Max Generasi? Seleksi Rekombinasi Mutasi Evaluasi Kromosom terbaik Inisialisasi Populasi Tidak

Metode Penelitian

Metode Penelitian Studi Pustaka Perumusan Masalah Pembentukan data simulasi Pengembangan sistem (GA) Data simulasi Pengujian sistem Sistem teruji Hasil uji Analisis Hasil

Representasi kromosom Pengembangan Sistem Representasi kromosom Ruang 1 Ruang 2 Ruang 3 Ruang 4 Aktivitas 1 Aktivitas 2 Aktivitas 3 Aktivitas 4 Pelanggaran 1 Pelanggaran 2 Slot waktu Pelanggaran 3 Pelanggaran 4 + Total Pelanggaran / nilai fitness Aktivitas = &KOM41&&IRH&&KOM231& 13

Pengujian dan Analisis Percobaan 1 Pencarian nilai parameter paling optimal Percobaan 2 Pengujian data mahasiswa safe dan unsafe Percobaan 3 Pengaruh pengubahan slot waktu dan ruang pada data mahasiswa unsafe

Data Mahasiswa Data mahasiswa safe -> ruangan dapat menampung seluruh jumlah mahasiswa Data mahasiswa unsafe -> ruangan tidak dapat menampung seluruh jumlah mahasiswa

Data Data slot waktu -> berisi hari dan pembagian waktu dalam satu minggu (Senin – Jumat) Data ruang -> berisi ruangan yang digunakan

Hasil dan Pembahasan

Pembentukan Data Aktivitas Perkuliahan 24kel mahasiswa 56 pengajar 168 mata kuliah 168 aktivitas perkuliahan

Percobaan 1 Menentukan nilai parameter : Crossover Maksimum Generasi Mutasi Stall Generation Jumlah Populasi Threshold

Percobaan 1 Uji crossover 20

Percobaan 1 Uji Crossover 21

Percobaan 1 Uji Mutasi 22

Percobaan 1 Uji Mutasi 23

Percobaan 1 Uji Populasi 24

Percobaan 1 Uji Populasi 25

Data mahasiswa safe Data Mahasiswa unsafe Percobaan 2 Membandingkan pelanggaran : Data mahasiswa safe Data Mahasiswa unsafe

Percobaan 2 Grafik data mahasiswa unsafe 27

Percobaan 2 Grafik data mahasiswa safe 28

Percobaan 3 Pengujian slot waktu dan ruang : Uji 1 30 x 6 Uji 2 35 x 5

Percobaan 3 Grafik rata-rata pelanggaran 30

Efektivitas dan Efisiensi (1- Jumlah Pelanggaran / Jumlah Aktivitas) x 100% (Jumlah Aktivitas / Jumlah Sumber Daya) x 100%

Percobaan 3 Grafik rata-rata pelanggaran 32

Kesimpulan Crossover 0.7 Mutasi 0.2 Populasi 50 Maksimum Generasi 500 Threshold Stall Generation 100

Kesimpulan Pelanggaran mahasiswa unsafe > safe Pengujian menggunakan slot waktu 30 dan ruang sebanyak 6 -> jadwal terbaik

Saran Penerapan Parallel Programming Penjadwalan perkuliahan Mayor Minor Penerapan Parallel Programming

Selesai

Crossover C D B Kromosom 1 (awal) Pelanggaran = X1 A F E D E A Cut point 37

Crossover C D Kromosom 1 A E B F D E A Kromosom 2 B C F 38

Crossover C D B Kromosom 1 A F E D A C Kromosom 2 B E F 39

Crossover C D Kromosom 1 (hasil akhir) E A B F D A C Kromosom 2 40

Mutasi C D Kromosom awal A E F B C E Kromosom akhir A D F B 41