PENJADWALAN PERKULIAHAN MENGGUNAKAN ALGORITME GENETIKA

Presentasi berjudul: "PENJADWALAN PERKULIAHAN MENGGUNAKAN ALGORITME GENETIKA"— Transcript presentasi:

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

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

3 TUJUAN Menerapkan algoritme genetika
Memperoleh informasi analisis kinerja algoritme genetika

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

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

6 TINJAUAN PUSTAKA

7 Komponen Penjadwalan Mata kuliah Mahasiswa Pengajar Slot waktu Ruang

8 Aktivitas Perkuliahan
Mata kuliah Mahasiswa Pengajar + +

9 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

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

11 Metode Penelitian

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

13 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

14 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

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

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

17 Hasil dan Pembahasan

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

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

20 Percobaan 1 Uji crossover 20

21 Percobaan 1 Uji Crossover 21

22 Percobaan 1 Uji Mutasi 22

23 Percobaan 1 Uji Mutasi 23

24 Percobaan 1 Uji Populasi 24

25 Percobaan 1 Uji Populasi 25

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

27 Percobaan 2 Grafik data mahasiswa unsafe 27

28 Percobaan 2 Grafik data mahasiswa safe 28

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

30 Percobaan 3 Grafik rata-rata pelanggaran 30

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

32 Percobaan 3 Grafik rata-rata pelanggaran 32

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

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

35 Saran Penerapan Parallel Programming
Penjadwalan perkuliahan Mayor Minor Penerapan Parallel Programming

36 Selesai

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

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

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

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

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