PENERAPAN ALGORITMA GENETIKA PADA PENJADWALAN MATA KULIAH

(Studi Kasus: Program Studi Mat mati!a "MIPA U#i$ rsitas % #g!u&u'

PROPOSAL
TUGAS AKHIR

O& ( MER) HANITA "*A++,+-+

JURUSAN MATEMATIKA "AKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNI.ERSITAS %ENGKULU /+**

KATA PENGANTAR

Segala puji hanya milik Allah SWT yang telah memahatkan dawai cinta-Nya di seluruh jagat raya, berdenting menebarkan orkestra kedamaian keseluruh penjuru, sehingga penulis dapat menyelesaikan penulisan skripsi yang yang berjudul PENERAPAN ALGORITMA GENETIKA PADA PENJADWALAN MATA

KULIAH (Studi Kasus: Program Studi Mat mati!a "MIPA U#i$ rsitas % #g!u&u', untuk memenuhi salah satu syarat memperoleh gelar Sarjana Sains Program Studi atematika !ni"ersitas #engkulu$ Shalawat dan salam disenandungkan untuk uhammad SAW yang telah memainkan dawai cinya-Nya dan

kekasih-Nya

memperdengarkan kepada seluruh makhluk di alam semesta, sehingga mereka merasakan sentuhan halus dari sim%oni Allah dalam kehidupannya$ Skripsi ini di Penulis menyadari sepenuhnya bahwa dalam melaksanakan penelitian sampai terwujudnya skripsi ini telah banyak mendapatkan pengetahuan, bimbingan, pengarahan dan bantuan dari berbagai pihak baik secara langsung maupun tidak langsung, baik secara moril maupun materil$ !ntuk itu pada kesempatan ini penulis mengucapkan terima kasih kepada& *0 #apak Drs0 Ri12ar3 M0S0 selaku 'ekan (akultas Pengetahuan Alam !ni"ersitas #engkulu /0 #apak Drs0 Mudi# Sima#i(uru!3 M0S43 P(0D selaku *etua +urusan atematika (akultas #engkulu$ 50 #apak Drs0 "a#a#i Har6o Widodo3 M0S4 selaku 'osen Pembimbing !tama yang telah banyak meluangkan waktu dalam penulisan skripsi ini$ atematika dan )lmu Pengetahuan Alam !ni"ersitas atematika dan )lmu

70

)bu 8u&9ia M mi Ma6asari3 S0Si3 M0Si selaku 'osen Pembimbing Pendamping yang telah meluangkan waktu dalam memberikan bimbingan, arahan, moti"asi, dan masukan dalam penulisan skripsi ini$

-0

#apak Drs0 S6a(ru& A!:ar3 M0Pd0 dan #apak Jos Ri1a&3 S0Si3 M0Si$ selaku 'osen Penguji yang telah memberikan masukan dan saran dalam penulisan skripsi ini$

;0

)bu Dra0 %a!i S2ita3 M0S4 selaku pembimbing akademik yang selalu memberikan dukungan dan masukan$

,0

%a<a! da# I:u Dos # Jurusa# Mat mati!a yang telah memberikan ilmu pengetahuan kepada penulis$

,$ -$

Sta%-sta% Administrasi di (akultas

atematika dan )lmu Pengetahuan Alam$

Ayah dan ibu yang selalu mendoakan, memberikan moti"asi serta rasa cinta dan sayang, perhatian dan semua yang terbaik untukku$ Adik-adikku .Tia dan anda/ yang senantiasa memberikanku semangat agar terus berjuang

mencapai yg kuinginkan$ *eep 0amasah #u 1uru PA!' dan Pak 1uru #*$ 12$ 11$ arshmallow .3ati, (ebri, 4ie, 1usti, 'ale5/$ Anak matematika # angkatan 627.3ati, (ebri, Nora, 4ie, 1usti, 'ale5, 'ephe, 0ilda, Anton, Aldy, 0endri, *ak 0engki, 0engki Primadona, A9hari/$ 1:$ Anak ;< .3ati, (ebri, Nora, 4ie, 'ephe, Anton, Aldy, 0endri, 8undu, 0engki Primadona, A9hari, 'ona, 'ewi, 0eni, =lara, >ti, (itri, 'oly, ;on/$ 1?$ 1@$ <ekan-rekan di 1S) .eti, rani, pera, mba galih, mba mimi, ayu5 sure/$ *ak ardi, kak agus, kak ipung, eko$ ashurdi, Serly, 8undu,

ii

1A$

Teman-teman **N !jung *arang .#ayu, <yan, Abang 'iko, Nina, <atna, )ma/$

1B$ 17$

<ekan-rekan

atematika 527, 52,, 52-, 512, 511$

Semua pihak yang telah membantu dalam penyelesaian skripsi ini, yang tidak dapat penulis sebutkan satu persatu$

Semoga Allah memberikan pahala yang berlipat ganda atas segala bantuan dan kemurahan hati semua pihak yang telah membantu penulis dalam menyelesaikan skripsi ini$ Penulis menyadari bahwa penyajian skripsi ini masih jauh dari sempurna, untuk itu kritik dan saran yang si%atnya membangun sangat penulis harapkan$ Semoga skripsi ini dapat berman%aat bagi kita semua sebagai sumbangan ilmu pengetahuan baik dimasa sekarang maupun dimasa yang akan datang$ AamiinC

#engkulu, ;ktober :211

Penulis

iii

DA"TAR ISI Ha&ama# HALAMAN JUDUL 00000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000 KATA PENGANTAR0000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000 DA"TAR ISI 000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000 %A% I PENDAHULUAN 1$1 1$: 1$? 1$@ 1$A 1$B 8atar #elakang $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$ Perumusan #atasan asalah $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$ asalah $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$ 1 @ @ A A A i ii i$

Tujuan Penelitian $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$ an%aat Penulisan $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$ Sistematika Penulisan $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$

%A% II TINJAUAN PUSTAKA :$1 :$: :$? Permasalahan ;ptimasi $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$ Penjadwalan ata *uliah $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$ Algoritma 1enetika $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$ :$?$1 Pengertian Algoritma 1enetika $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$ :$?$: Struktur !mum Algoritma 1enetika $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$ :$?$? *omponen-komponen !tama Algoritma 1enetika $$$$$$$$$$$$$$$$$$$$$ 1$ Teknik Pengkodean $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$ :$ Prosedur )nisialisasi $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$ ?$ (ungsi >"aluasi $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$ @$ Seleksi $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$ A$ ;perator 1enetika $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$ B$ Parameter *ontrol $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$ :$@ Penelitian Penjadwalan ata *uliah dan Algoritma 1enetika 7 , 12 11 1: 1B 1B 1B 1B 17 1, :1

i"

yang Pernah 'ilakukan $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$ %A% III METODE PENELITIAN ?$1 +enis Penelitian $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$ ?$: ?$? ?$@ ?$A Waktu dan Tempat $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$ 'ata yang diperlukan $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$ Teknik Pengumpulan 'ata $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$ Analisis 'ata $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$

::

:@ :@ :@ :A :A

DA"TAR PUSTAKA

"

%A% I PENDAHULUAN

*0*

Latar % &a!a#g Salah satu masalah penjadwalan yang umum dijumpai di perguruan tinggi adalah

masalah penjadwalan mata kuliah$ Penjadwalan mata kuliah merupakan proses penyusunan jadwal pelaksanaan yang mengin%ormasikan sejumlah mata kuliah yang diberikan, dosen yang mengajar, ruang tempat belajar, waktu serta mahasiswa yang mengambil mata kuliah tersebut$ 'i setiap semester, beberapa uni"ersitas menghadapi permasalahan yang sama, yaitu bagaimana menjadwalkan mata kuliah dengan kendala waktu, dosen yang tersedia, kapasitas ruangan yang terbatas, dan mahasiswa yang mengambil mata kuliah, dimana proses penjadwalan tersebut tetap memperhatikan sejumlah batasan dan syarat-syarat tertentu$ !ntuk menyusun jadwal mata kuliah yang baik kita perlu memperhatikan berbagai aspek yang mempengaruhi penjadwalan mata kuliah$ 'ari aspek dosen, kita perlu memperhatikan kemungkinan dosen yang bersangkutan tidak dapat mengajar karena kegiatan akademik yang lain, dosen mengajar lebih dari satu mata kuliah pada hari dan jam yang sama serta dosen sudah memiliki jadwal mengajar di jurusan lain$ Peneliti juga perlu memperhatikan dari aspek mahasiswa ada atau tidaknya jadwal mata kuliah yang beririsan dengan jadwal kuliah angkatan sebelumnya maupun sesudahnya sehingga mahasiswa dapat mengambil mata kuliah angkatan sebelumnya maupun sesudahnya$ Selain itu, perlu diperhatikan juga dari aspek ketersediaan ruangan belajar dan ruang praktikum pada mata kuliah yang berpraktikum agar proses perkuliahan 1

dapat terlaksana$ #erdasarkan aspek-aspek di atas, dalam penyusunan jadwal kuliah terdapat banyak kemungkinan yang dapat dicoba untuk menemukan penjadwalan yang

baik$ ;leh karena itu dibutuhkan metode optimasi yang dapat diterapkan untuk mengerjakan penjadwalan mata kuliah$ asalah optimasi dapat diselesaikan dengan beberapa cara, salah satunya dengan menggunakan algoritma pencarian heuristik$ !ntuk kasus yang sederhana digunakan algoritma pencarian heuristik yang biasa seperti breadth-first search and depth-first search$ !ntuk input dan persyaratan yang lebih rumit seperti pada kasus penjadwalan mata kuliah, algoritma pencarian heuristik sudah tidak dapat digunakan dengan baik untuk mendapatkan solusi yang diinginkan$ 'alam kasus penjadwalan mata kuliah, diperlukan algoritma yang lebih baik yaitu algoritma yang dapat menyelesaikan masalah multi-kriteria dan multi-objekti%$ Salah satu algoritma yang dapat digunakan adalah algoritma genetika$ Ada tiga keunggulan dari aplikasi algoritma genetika dalam proses optimasi .Sanjoyo, :22B/ yaitu& a$ Algoritma genetika tidak terlalu banyak memerlukan persyaratan matematika dalam penyelesaian proses optimasi$ Algoritma genetika dapat diaplikasikan pada beberapa jenis %ungsi obyekti% dengan beberapa %ungsi pembatas baik berbentuk linier maupun non-linier$ b$ ;perasi e"olusi dari algoritma genetika sangat e%ekti% untuk mengobser"asi posisi global secara acak$ c$ Algoritma genetika mempunyai %leksibilitas untuk diimplementasikan secara e%isien pada problematika tertentu$ Proses e"olusi menjadi ciri spesi%ik dari algoritma genetika, suatu proses seleksi alamiah yang berdasarkan prinsip genetika dan pemilihan alami pada indi"idu secara terus-menerus mengalami perubahan gen untuk menyesuaikan dengan lingkungan

hidupnya, sehingga terseleksi indi"idu-indi"idu yang kuat yang mampu bertahan sebagai hasil optimal .#asuki, :22?D 0aupt, :22@/$ Algoritma genetika dapat digunakan untuk menyelesaikan permasalahan optimisasi yang rumit .hard optimization problems/ yang tidak dapat diselesaikan dengan teknik optimasi tradisional seperti masalah penjadwalan, transportasi, permainan komputer, traveling salesman problem .TSP/, dan lain-lain$ Perbedaan algoritma genetika dengan algoritma pencarian lainnya, antara lain .1oldberg, 1-,-/& a$ Algoritma genetika secara langsung bekerja dengan string yang mempresentasikan kumpulan parameter$ b$ Algoritma genetika menggunakan keputusan probabilistik .non deterministik/ dalam pencarian solusinya$ =iri-ciri permasalahan yang dapat dikerjakan dengan menggunakan algoritma genetika adalah .#asuki, :22?/& a$ empunyai %ungsi tujuan optimalisasi non linear dengan banyak kendala yang juga non linear$ b$ c$ d$ empunyai kemungkinan solusi yang jumlahnya banyak$ embutuhkan solusi Ereal-timeF dalam arti solusi dapat diperoleh dengan cepat$ empunyai multi-objekti% dan multi-kriteria$ Algoritma genetika merupakan pendekatan komputasional untuk menyelesaikan masalah yang dimodelkan dengan proses biologi dari e"olusi$ 'iharapkan dengan digunakannya algoritma genetika akan diperoleh optimasi penjadwalan mata kuliah dimana terjadi kombinasi terbaik untuk pasangan mata kuliah dan dosen pengajar secara keseluruhan, serta tidak ada permasalahan jadwal yang beririsan$

#erdasarkan uraian di atas, penulis ingin mengambil topik yang berkaitan dengan penjadwalan mata kuliah dan algoritma genetika dengan judul P>N><APAN A81;<)T A 1>N>T)*A PA'A P>N+A'WA8AN Program Studi ATA *!8)A0 .Studi *asus

atematika ( )PA !ni"ersitas #engkulu/$

*0/

P rumusa# Masa&a( #erdasarkan latar belakang masalah, disusun perumusan permasalahan yaitu

bagaimana menyelesaikan permasalahan penjadwalan mata kuliah dengan algoritma genetika sehingga diperoleh kombinasi terbaik untuk pasangan mata kuliah dan dosen pengajar$

*05

%atasa# Masa&a( Agar penelitian ini lebih terarah, penelitian dilakukan pada penjadwalan mata

kuliah di Program Studi

atematika ( )PA !ni"ersitas #engkulu pada semester ganjil

Tahun Akademik :211G:21:$ 'alam proses penyelesaian masalah penjadwalan mata kuliah terdapat batasan-batasan yang harus dipenuhi$ #atasan-batasan yang harus dipenuhi tersebut antara lain& a$ 'osen dapat mengajar lebih dari satu mata kuliah dan tidak boleh terjadi irisan pada jadwal dosen tersebut$ b$ Satu mata kuliah dapat diajarkan oleh dua orang dosen atau lebih$ c$ Terdapat mata kuliah tertentu yang menggunakan ruang laboratorium yang harus dijadwalkan pada ruang laboratorium$ d$ 0ari akti% perkuliahan Senin sampai +um5at$ e$ !ntuk semua mata kuliah baik : S*S, ? S*S ataupun @ S*S dijadwalkan 1 kali pertemuan dalam seminggu$

%$ Terdapat 7 kelas yang merupakan kelompok kelas mata kuliah, dimana untuk semester 1 hanya 1 kelas, semester ? dan A terdapat : kelas .A dan #/, dan semester 7 terdapat : kelas . atematika dan Statistika/$

*07

Tu=ua# P # &itia# Tujuan dalam skripsi ini adalah untuk mengetahui penerapan algoritma genetika

pada masalah penjadwalan mata kuliah sehingga diperoleh kombinasi terbaik untuk pasangan mata kuliah dan dosen pengajar$

*0- Ma#9aat P # &itia# an%aat yang dapat diperoleh dari penelitian ini adalah& a$ #agi Peneliti, dapat meningkatkan pemahaman tentang penggunaan algoritma genetika dalam penjadwalan mata kuliah$ b$ #agi Program Studi atematika, program yang dihasilkan diharapkan dapat

dikembangkan lebih lanjut untuk membantu menyelesaikan masalah penjadwalan mata kuliah secara komputerisasi$

*0;

Sist mati!a P #u&isa# Adapun sistematika dari penulisan skripsi ini adalah&

#A# )

& P>N'A0!8!AN #erisi latar belakang, perumusan masalah, batasan masalah, tujuan

#A# ))

penelitian, man%aat penulisan, dan sistematika penulisan$ & T)N+A!AN P!STA*A enjelaskan beberapa teori dan pengertian yang melandasi penelitian

#A# )))

&

yang berhubungan dengan analisis yang dilakukan$ >T;'> P>N>8)T)AN

enjelaskan sumber data dan metode yang digunakan dalam #A# )4 menganalisis data$ &n0AS)8 'AN P> #A0ASAN enjelaskan hasil dan pembahasan yang dilakukan penulis dalam #A# 4 penelitian ini$ & *>S) P!8AN erupakan bab yang berisi kesimpulan dan saran$

%A% II TINJAUAN PUSTAKA

/0*

P rmasa&a(a# O<timasi ;ptimasi adalah salah satu disiplin ilmu dalam matematika dengan tujuan

mendapatkan nilai minimum atau maksimum secara sistematis dari suatu %ungsi, peluang, maupun pencarian nilai dalam berbagai kasus$ Aplikasi dari teknik optimasi telah banyak pada berbagai bidang secara cepat$ *eberhasilan penerapan teknik optimasi memerlukan tiga syarat, yaitu& kemampuan membuat model matematika dari permasalahan yang dihadapi, pengetahuan akan program komputer dan pengetahuan akan teknik optimasi itu sendiri$ asalah optimasi dapat dikategorikan ke dalam dua kelas besar, yaitu optimasi tanpa pembatas .unconstrained optimization/ dan optimasi dengan pembatas .constrained optimization/$ ;ptimasi tanpa pembatas merupakan optimasi yang hanya melibatkan %ungsi tujuan, tidak ada pembatas .constraint/, sedangkan optimasi dengan pembatas, selain %ungsi tujuan juga mempunyai tambahan pembatas yang membuat permasalahan lebih rumit$ 'alam constrained optimization, dengan adanya pembatas diperlukan algoritma yang berbeda untuk menyelesaikannya$ Prosedur pemecahan masalah optimasi dilakukan dengan cara memodelkan persoalannya ke dalam sebuah program matematis dan kemudian memecahkannya dengan menggunakan teknik-teknik atau metode optimasi seperti program linier, program nonlinier, program tujuan ganda, dan metode-metode lainnya yang sudah 7

berkembang saat ini$ 'alam penelitian ini akan menggunakan metode algoritma genetika untuk menyelesaikan persoalan optimasi$ Permasalahan optimasi telah banyak diselesaikan dengan menggunakan algoritma genetika, dan hasil yang diperoleh biasanya lebih baik, walaupun tidak menutup kemungkinan bahwa ada juga hasil akhir yang kurang begitu memuaskan .'esiani, :22B/$

/0/

P #=ad2a&a# Mata Ku&ia( Penjadwalan merupakan proses untuk menyusun suatu jadwal atau urutan proses

yang diperlukan dalam sebuah permasalahan$ Permasalahan penjadwalan biasanya berhubungan dengan penjadwalan kelas dalam sekolah atau perkuliahan dan juga dalam lingkup yang tidak jauh berbeda seperti penjadwalan pelajaran sekolah, penjadwalan ujian, atau dapat juga penjadwalan karyawan, baik dalam suatu perusahaan ataupun dalam rumah sakit$ 'alam penjadwalan kuliah, yang dibahas adalah tentang pembagian jadwal untuk tiap mahasiswa pada kuliah tertentu sekaligus dosen pengajarnya$ 'alam penjadwalan pelajaran sekolah yang dibahas adalah tentang pembagian jadwal pelajaran untuk tiap-tiap kelas yang ada beserta guru pengajar pelajaran tersebut, sedangkan dalam penjadwalan ujian yang dibahas adalah tentang pengaturan dosen yang mengawasi ujian dan mahasiswa yang menempati ruang$ Penjadwalan mata kuliah (lecture timetabling) di uni"ersitas merupakan suatu pekerjaan yang tidak mudah$ Permasalahan tersebut sering disebut dengan University
Timetabling Problems .!TP/$ Penjadwalan mata kuliah merupakan proses pengaturan

jadwal dengan memperhatikan dosen, ruang kelas, mata kuliah dan waktu yang disesuaikan dengan sejumlah batasan tertentu Pada penjadwalan mata kuliah sejumlah mata kuliah harus dijadwalkan ke dalam ruang dan slot (pembagian) waktu tertentu dimana penjadwalan tersebut memperhatikan aturan-aturan dan batasan ,

penjadwalan yang telah ditentukan !erikut ini diberikan gambar komponen yang mempengaruhi penjadwalan mata kuliah"

1ambar :$1$ *omponen yang

empengaruhi Penjadwalan

ata *uliah

#erdasarkan 1ambar :$1, penjadwalan mata kuliah dipengaruhi oleh beberapa komponen yang terdiri atas& dosen, ruang kelas, mata kuliah, laboratorium dan waktu dengan sejumlah batasan-batasan tertentu, dimana batasan-batasan tersebut ada yang harus dipenuhi atau tidak boleh dilanggar$ #atasan tersebut merupakan ukuran kualitas dari penjadwalan mata kuliah, sehingga suatu jadwal mata kuliah yang optimal dapat terbentuk$ Terdapat dua batasan dalam penyusunan penjadwalan kuliah yang dikemukakan oleh !urk dkk .1--7/, yaitu & hard constraint .harus terpenuhi/ dan soft constraint .diupayakan untuk terpenuhi/$

#ard constraints merupakan batas-batas yang harus diterapkan pada penjadwalan mata kuliah dan harus dipenuhi$ Sebuah solusi hanya dapat dikatakan sahih dan "alid apabila dalam solusi tersebut sama sekali tidak ada hard constraint yang terlanggar$ #ard constraints yang umum dalam penjadwalan mata kuliah adalah sebagai berikut & a$ Seorang dosen hanya dapat mengajarkan mata kuliah untuk satu lokasi pada waktu tertentu$ b$ Seorang mahasiswa hanya dapat mengikuti kuliah untuk satu lokasi pada waktu tertentu$ c$ Sebuah lokasi .ruangan/ hanya dapat digunakan untuk satu mata kuliah pada waktu tertentu$ d$ ata kuliah dengan bobot ? S*S dijadwalkan dengan satu kali pertemuan dalam seminggu$ e$ 0ari akti% untuk perkuliahan adalah hari Senin sampai dengan Sabtu$ #erbeda dengan hard constraint, soft constraint merupakan kendala yang tidak selalu dapat terpenuhi dalam proses pembentukan jadwal, akan tetapi meskipun tidak harus terpenuhi, jadwal yang dihasilkan harus semaksimal mungkin berusaha memenuhi ketentuan soft constraint$ =ontoh soft constraints dalam penjadwalan mata kuliah antara lain & a$ b$ 'osen dapat meminta waktu mengajar tertentu yang diinginkan$ Penempatan jadwal untuk waktu yang telah diminta dosen disesuaikan dengan prioritas dosen$

/05

A&goritma G # ti!a Algoritma genetika pertama kali ditemukan oleh +ohn 0olland pada tahun 1-7A

melalui sebuah penelitian dari !ni"ersitas 12

ichigan yang kemudian dikembangkan

oleh muridnya 'a"id 1oldberg pada tahun 1-,-$ Awalnya tujuan 0olland adalah bukan untuk merancang algoritma yang mampu memecahkan masalah yang spesi%ik, melainkan hanya untuk mempelajari %enomena adaptasi seperti yang terjadi di alam sekaligus untuk mengembangkan cara-cara bagaimana mekanisme adaptasi alam dapat diimpor ke sebuah sistem komputer$ +ohn 0olland dalam bukunya yang berjudul $daptation %n &atural $nd $rtificial 'ystems , menyatakan bahwa setiap masalah yang berbentuk adaptasi .alami maupun buatan/ dapat di%ormulasikan dalam terminologi genetika$ !ntuk memahami algoritma genetika diperlukan ? tahapan pendalaman yaitu& aspek %iloso%is, struktur dan komponen$

/050* Ma!#a "i&oso9is A&goritma G # ti!a enurut 8awrence .1--1/, Algoritma 1enetika adalah algoritma kecerdasan

buatan tentang teknik pencarian dan optimasi yang berdasarkan pada mekanisme seleksi atau e"olusi yang terjadi di alam$ Algoritma genetika merupakan salah satu cabang dari algoritma e"olusi yang digunakan untuk memecahkan masalah optimasi yang kompleks dan sulit diselesaikan dengan menggunakan metode yang kon"ensional .tradisional/$ Algoritma ini didasarkan pada proses genetika yang ada dalam makhluk hidupD yaitu perkembangan populasi yang alami, secara lambat laun mengikuti proses seleksi alam atau Siapa yang kuat, dia yang bertahan . survive/$ Prinsip pengerjaan algoritma genetika adalah 'urvival (f The )ittest .kemampuan kelangsungan hidup/ dengan pemecahan yang berbeda dalam sebuah solusi$ Pemecahan terbaik yang diperoleh dari bentuk baru diharapkan merupakan pemecahan yang terbaik dari populasi, sedangkan pemecahan yang kurang baik dihilangkan$ 'urvival dalam algoritma genetika merupakan suatu pewarisan genetik yang dijadikan sebagai model metode pencarian pada suatu %enomena alam$ 'engan meniru teori e"olusi, algoritma genetika dapat 11

digunakan untuk mencari solusi yang tepat pada permasalahan-permasalahan optimasi dalam dunia nyata baik satu "ariabel maupun multi"ariabel seperti pada permasalahan penjadwalan, Travelling 'alesman Problem .TSP/, perancangan neural networks .jaringan syara% tiruan/, dan *ob 'hop 'cheduling$

/050/ Stru!tur Umum A&goritma G # ti!a Secara garis besar algoritma genetika memiliki banyak kesamaan dengan mekanisme genetika alami, baik dalam tahapan prosesnya maupun de%inisi dari istilahistilah atau terminologi yang digunakan$ >kui"alensi istilah algoritma genetika dan genetika alami pada biologi dapat ditunjukkan pada Tabel :$1$ Tabel :$1$ Perbandingan )stilah pada 1enetika Alami dan Algoritma 1enetika$ 1enetika Alami *romosom 1en Allel 8ocus 1enotip (enotip Algoritma 1enetika String (itur, *arakter, atau 'etector Nilai %itur Posisi String Struktur Set parameter, solusi alternati%, struktur yang dikodekan

Secara alamiah semua organisme terdiri dari sel, di dalam setiap sel terdiri dari sekumpulan kromosom$ *romosom terbentuk dari sekumpulan gen, membuat satu kesatuan yang tersusun dalam rangkaian linier$ Setiap gen mempunyai letak tersendiri di dalam kromosom, disebut lokus$ 1en tersusun dari +eo,yribo &ucleic $cid .'NA/ yang membawa si%at-si%at keturunan$ Setiap gen menyandikan protein tertentu suatu si%at, contoh & gen warna mata binatang dengan posisi lokus 12$ #agian tertentu dari gen di dalam genome disebut genotip$ #eberapa si%at indi"idu yang menunjukkan perbedaan gen dan berada pada bagian yang berbeda disebut alel$

1:

Algoritma 1enetika merepresentasikan indi"idu sebagai sebuah kromosom$ *romosom ini merupakan suatu solusi yang masih berbentuk simbol$ Algoritma ini menyelesaikan permasalahan dalam pencarian kromosom yang terbaik$ *romosomkromosom terbaik diperoleh dengan cara populasi awal yang dibangun secara acak dan populasi berikutnya yang merupakan hasil e"olusi kromosom-kromosom melalui proses iterasi .seleksi, crosso"er dan mutasi/ yang disebut dengan istilah generasi$ Pada setiap generasi, kromosom akan melalui proses e"aluasi dengan menggunakan alat ukur yang disebut dengan %ungsi fitness$ Nilai fitness dari suatu kromosom akan menunjukkan kualitas kromosom dalam populasi tersebut$ Setelah melalui beberapa generasi, maka akan diperoleh kromosom terbaik$ #eberapa de%inisi penting dalam algoritma genetika adalah sebagai berikut& a$ 1en adalah sebuah nilai yang menyatakan satuan dasar yang membentuk suatu arti tertentu dalam satu kesatuan gen yang dinamakan kromosom$ 'alam algoritma genetika, gen ini dapat berupa nilai biner, float, integer, kombinatorial maupun karakter$ b$ Allel adalah nilai dari gen$ c$ *romosom adalah gabungan gen-gen yang membentuk nilai tertentu$ d$ )ndi"idu menyatakan satu nilai atau menyatakan salah satu solusi yang mungkin dari permasalahan yang diangkat$ e$ Populasi merupakan sekumpulan indi"idu yang akan diproses bersama dalam satu siklus proses e"olusi$ %$ 1enerasi menyatakan hasil e"olusi kromosom-kromosom melalui proses iterasi$ g$ Nilai (itness menyatakan seberapa baik nilai dari suatu indi"idu atau solusi yang didapatkan$

1?

Algoritma genetika secara umum dapat diilustrasikan pada %lowchart berikut &

ulai )nput 'ata Pengkodean Prosedur )nisialisasi >"aluasi (itness Seleksi

(itness TerbaikH Tidak embangkitkan Populasi #aru =rosso"er utasi

ya

*romosom terbaik

0asil

1@

Selesai

1ambar :$: (lowchart Algoritma 1enetika 'ari 1ambar : diatas, struktur umum dari suatu algoritma genetika dapat dide%inisikan dengan langkah-langkah sebagai berikut& a$ embangkitkan populasi awal Populasi awal dibangkitkan secara random, dimana populasi tersebut berisi beberapa kromosom yang telah dide%inisikan sehingga didapatkan solusi awal$ Populasi itu sendiri terdiri dari sejumlah kromosom yang merepresentasikan solusi yang diinginkan$ b$ embentuk generasi baru 'alam membentuk generasi baru digunakan tiga operator yaitu operator reproduksiGseleksi, crosso"er dan mutasi$ Proses ini dilakukan berulang-ulang sehingga didapatkan jumlah kromosom yang cukup untuk membentuk generasi baru dimana generasi baru ini merupakan representasi dari solusi baru$ 1enerasi baru ini
dikenal denga istilah anak .offspring/$

c$ >"aluasi solusi
Pada tiap generasi, kromosom akan diukur dengan %ungsi fitness$ Nilai fitness suatu kromosom menggambarkan kualitas kromosom dalam populasi tersebut $ Proses ini akan

menge"aluasi setiap populasi dengan menghitung nilai %itness setiap kromosom dan menge"aluasinya sampai terpenuhi kriteria berhenti$ Apabila kriteria berhenti belum terpenuhi maka akan dibentuk lagi generasi baru dengan mengulangi langkah :$ #eberapa kriteria berhenti yang sering digunakan antara lain& 1$ #erhenti pada generasi tertentu$

1A

:$ #erhenti setelah beberapa generasi berturut-turut didapatkan nilai %itness tertinggi$ ?$ #erhenti pada n generasi dimana nilai %itness dari populasi tidak mengalami perubahan$ /0505 Kom<o# #>!om<o# # Utama A&goritma G # ti!a Ada B komponen utama yang terdapat di dalam algoritma genetika, .*usumadewi, :22?/ yaitu&

*0 T !#i! P #g!od a# enurut 'esiani .:22B/, pengkodean adalah suatu teknik untuk menyatakan populasi awal sebagai calon solusi suatu masalah ke dalam suatu kromosom sebagai suatu kunci pokok persoalan ketika menggunakan algoritma genetika$ Teknik pengkodean ini meliputi pengkodean gen dan kromosom$ 1en merupakan bagian dari kromosom yang dapat direpresentasikan dalam bentuk string bit, pohon, array bilangan real, da%tar aturan, elemen permutasi, elemen program, atau representasi lain yang dapat diimplementasikan untuk operator genetika$

/0 Pros dur I#isia&isasi Prosedur inisialisasi .membangkitkan populasi awal/ adalah membangkitkan sejumlah indi"idu secara acak atau melalui prosedur tertentu$ !kuran populasi tergantung pada masalah yang akan dipecahkan dan jenis operator genetika yang akan diimplementasikan$ Setelah ukuran populasi ditentukan, kemudian harus dilakukan inisialisasi terhadap kromosom yang terdapat pada populasi tersebut$ )nisialisasi kromosom dilakukan secara acak, namun demikian harus tetap memperhatikan domain solusi dan kendala permasalahan yang ada$

1B

50 "u#gsi E$a&uasi Suatu indi"idu die"aluasi berdasarkan suatu %ungsi tertentu sebagai ukuran per%ormansinya$ 'alam algoritma genetika, indi"idu yang memiliki nilai fitness tinggi pada kromosomnya yang akan dipertahankan, sedangkan indi"idu yang pada kromosomnya bernilai fitness rendah akan diganti$ (ungsi fitness tergantung pada permasalahan tertentu dari representasi yang digunakan$ <umus fitness yang digunakan, .8ee dkk, :221/ adalah sebagai berikut&

.1/

*eterangan & #n I #obot pelanggaran (n I #anyaknya pelanggaran n I1$$$n

70 S & !si Tujuan dari proses seleksi untuk memilih indi"idu-indi"idu yang akan dipilih untuk proses persilangan dan mutasi, dimana diharapkan diperoleh calon induk yang baik$ )nduk yang baik akan menghasilkan keturunan yang baik$ 8angkah pertama dalam seleksi yaitu pencarian nilai fitness$ asing-masing indi"idu dalam suatu wadah seleksi

akan menerima probabilitas reproduksi yang tergantung pada nilai objekti% dirinya sendiri terhadap nilai objekti% dari semua indi"idu dalam wadah seleksi tersebut$ Nilai fitness inilah yang nantinya akan digunakan pada tahap seleksi berikutnya$ Ada beberapa metode untuk memilih kromosom yang digunakan antara lain & a$ Seleksi roda rolet .roulette wheel selection/$

17

Seleksi roda rolet dilakukan dengan cara menyeleksi parent dengan tujuan untuk mempertahankan nilai fitness-nya, dimana yang mempunyai kesempatan untuk diseleksi adalah kromoson yang baik$ Pada metode ini dapat dibayangkan seperti sebuah permainan roda .roullette wheel/, di mana semua kromosom ditempatkan dalam populasi, setiap tempat besar sesuai dengan %ungsi fitness0 *romosom dipilih berdasarkan nilai fitness, semakin besar nilai fitness maka kromosom tersebut mempunyai peluang untuk dipilih beberapa kali$ etode seleksi

roda rolet merupakan metode yang paling sederhana, dan sering juga dikenal dengan nama stochastic sampling with replacement$ b$ Seleksi good fitness Seleksi menggunakan metode good fitness dilakukan dengan cara setengah dari jumlah populasi yang memiliki harga fitness yang terendah akan dihilangkan, sehingga akan hanya selalu tersisa sekelompok solusi yang terbaik yang pernah diperoleh oleh program$ Solusi yang tersisa hasil seleksi ini dikenal dengan nama populasi induk$ Agar jumlah populasi tetap, maka perlu dibangkitkan solusi baru sebanyak setengah dari jumlah populasi yang ada$ 'alam program penyeleksian, cara yang digunakan untuk membangkitkan solusi baru menggunakan dua cara yaitu reproduksi kromosom baru dan cara mutasi dari solusi induk$ Tujuan pembangkitan solusi baru ini untuk menemukan alternati% solusi yang lebih baik dari solusi-solusi yang sudah diperoleh$

-0 O< rator G # ti!a Algoritma genetika merupakan proses pencarian yang heuristik dan acak sehingga penekanan pemilihan operator yang digunakan sangat menentukan keberhasilan algoritma genetik dalam menemukan solusi optimum suatu masalah yang diberikan$ 0al yang harus diperhatikan adalah menghindari terjadinya kon"ergensi premature, yaitu 1,

mencapai solusi optimum yang belum waktunya, dalam arti bahwa solusi yang diperoleh adalah hasil optimum lokal$ Ada dua operator genetika yaitu& a$ Persilangan .crossover/ Salah satu komponen yang paling penting dalam algoritma genetika adalah persilangan .crossover/$ Persilangan merupakan proses pada algoritma genetika yang bekerja untuk menggabungkan dua kromosom orang tua . parent/ menjadi kromosom baru .offspring/ pada suatu waktu$ Sebuah kromosom yang mengarah pada solusi yang baik dapat diperoleh melalui proses crossover pada dua buah kromosom$ Tidak semua kromosom mengalami persilangan$ =ara sederhana pada proses persilangan yaitu dengan memilih suatu titik yang dipisahkan secara random dan kemudian membentuk offspring dengan cara mengkombinasikan segmen dari satu induk ke sebelah kiri dari titik yang dipisahkan dengan segmen dari induk yang lain ke sebelah kanan dari titik yang dipisahkan$ Terdapat beberapa jenis crossover, antara lain & 1$ =rosso"er satu titik Proses crosso"er dilakukan dengan memisahkan suatu string menjadi dua bagian, kemudian salah satu bagian dipertukarkan dengan salah satu bagian dari string yang lain yang telah dipisahkan$ )nduk 1 )nduk : isalkan ada : kromosom dengan panjang 1: & &21112?+*+***+ &**+*+?2221121

*romosom yang dipilih& A Anak 1 Anak : &21112?2221121 &**+*+?+*+***+

:$ =rosso"er banyak titik$

1-

Proses crosso"er ini dilakukan dengan memisahkan suatu string menjadi beberapa bagian dan selanjutnya dipertukarkan dengan bagian dari string yang lain yang telah dipisahkan$ )nduk 1 )nduk : isalkan ada : kromosom dengan panjang 1: & &+*?**++?*+**?*+ &11J2122J2211J21

Posisi yang dipilih & kromosom setelah :, B dan 12 *romosom baru yang terbetuk& Anak 1 Anak : b$ utasi .mutation/ ;perator berikutnya mutasi .mutation/$ Proses mutasi merupakan proses untuk mengubah salah satu atau lebih beberapa gen dari suatu kromosom$ Proses ini berperan untuk menggantikan gen yang hilang dari populasi akibat proses seleksi yang memungkinkan munculnya kembali gen yang tidak muncul pada inisialisasi populasi$ #eberapa cara operasi mutasi yang diterapkan dalam algoritma genetika menurut jenis pengkodeannya, antara lain& 1$ utasi dalam pengkodean biner utasi pada pengkodean biner merupakan operasi yang sangat sederhana$ Proses yang dilakukan adalah mengin"ersi nilai bit pada posisi tertentu yang dipilih secara acak .atau dengan menggunakan skema tertentu / pada kromosom$ =ontoh mutasi pada pengkodean biner& *romosom sebelum mutasi *romosom sesudah mutasi :$ &12212*11 &12212+11 &+*J2122J*+**J21 &11J**++J2211?*+

utasi dalam pengkodean permutasi

:2

Proses mutasi dalam pengkodean permutasi dilakukan dengan memilih dua posisi .lokus/ dari kromosom dan nilainya saling dipertukarkan$ =ontoh mutasi dalam pengkodean permutasi *romosom sebelum mutasi *romosom sesudah mutasi ;0 Param t r Ko#tro& Parameter kontrol genetika diperlukan untuk mengendalikan operator-operator seleksi$ Pemilihan parameter genetika menentukan penampilan kinerja algoritma genetika dalam memecahkan masalah .'esiani, :22B/$ Ada dua parameter dasar dari algoritma genetika, yaitu probabilitas crosso"er .pc/ dan probabilitas mutasi .pm/$ a$ Probabilitas crosso"er .Pc/ Probabilitas crossover akan mengendalikan operator crossover dalam setiap generasi dalam populasi yang mengalami crossover$ Semakin besar nilai probabilitas crossover, akan semakin cepat struktur indi"idu baru terbentuk ke dalam populasi$ Sedangkan apabila nilai probabilitas crossover terlalu besar, indi"idu yang merupakan kandidat solusi terbaik mungkin akan dapat hilang lebih cepat pada generasi selanjutnya$ 'isarankan nilai probabilitas crossover berkisar antara ,2 K - -A K$ b$ Probabilitas mutasi . P m / Probabilitas mutasi akan mengendalikan operator mutasi pada setiap generasi dimana peluang mutasi yang digunakan biasanya lebih kecil daripada peluang crossover$ Pada seleksi alam murni, mutasi jarang sekali muncul$ ;leh karena itu, operator mutasi pada algoritma genetik juga tidak selalu terjadi$ !ntuk itulah nilai peluang mutasi dibuat lebih kecil untuk setiap generasi$ 'isarankan nilai probabilitas mutasi kecil berkisar antara 2$A K - 1 K$ &1:5@BA,,&1:,@BA,5-

:1

Parameter lain yang juga ikut menentukan e%isiensi kinerja algoritma genetika adalah ukuran populasi, yaitu banyaknya kromosom dalam satu populasi$ Tidak ada aturan yang pasti tentang berapa nilai ukuran populasi$ Apabila ukuran populasi kecil berarti hanya tersedia sedikit pilihan untuk crossover dan sebagian kecil dari domain solusi saja yang dieksplorasi untuk setiap generasinya$ Sedangkan apabila terlalu besar, kinerja algoritma genetik akan menurun$ Penelitian menunjukan ukuran populasi besar tidak mempercepat pencarian solusi$ 'isarankan ukuran populasi berkisar antara :2L?2$

/07

P # &itia# T #ta#g P #=ad2a&a# Mata Ku&ia( da# A&goritma G # ti!a 6a#g P r#a( Di&a!u!a# #eberapa metode optimasi telah banyak diusulkan dalam menyelesaikan masalah

penjadwalan mata kuliah, antara lain dengan metode greedy, algoritma semut, dan algoritma particle swarm optimi9ation .PS;/$ *etiga metode tersebut dibahas oleh Sugiarti .:22-/, (ernande9 .:22A/ dan +ohan dkk .:22B/$ enurut Sugiarti .:22-/

metode greedy dapat digunakan untuk menyelesaiakan masalah penjadwalan mata kuliah dimana model yang dikembangkan menggunakan masalah knapsack dan diselesaikan dengan tiga strategi yaitu& greedy by profit, greedy by weight, dan greedy by density$ Sedangkan menurut (ernande9 .:22A/ masalah aplikasi penjadwalan mata kuliah dengan algoritma semut bertujuan untuk menyusun jadwal perkuliahan$ Aplikasinya dikembangkan berdasarkan local search dan algoritma semut$ Pada proses iterasinya membutuhkan waktu lama karena parameter yang disusun cukup banyak$ #erbeda dengan (ernande9 .:22A/, menurut +ohan dkk .:22B/ melalui sistem penjadwalan otomatis dapat menghasilkan jadwal yang sesuai dengan kemampuan sistem %ormulasi dan memori yang tersedia$

::

Algoritma genetika juga telah banyak digunakan dalam menyelesaikan permasalahan-permasalahan optimasi dalam dunia nyata antara lain& penjadwalan job shop oleh A%andi .:212/, Travelling 'alesman Problem .TSP/ oleh (itrah dkk .:22B/, dan 'hortest Path oleh *oerniamy .:22,/$ enurut A%andi .:212/ algoritma genetika

dapat digunakan sebagai salah satu metode alternati% dalam menyelesaikan penjadwalan job shop karena memiliki kemampuan yang baik dalam membangkitkan solusi heuristik dari "ariasi permasalahan yang luas, dimana si%at dari produk penjadwlannya berbaur dan multi produk dengan meminimalkan total pinalti >GT .earlinessGtardiness/$ enurut

(itrah dkk .:22B/ Travelling 'alesman Problem .TSP/ dapat diselesaikan dengan menggunakan algoritma genetika meskipun solusi TSP yang dihasilkan oleh algoritma ini belum tentu merupakan solusi optimal, namun algoritma gentika akan menghasilkan solusi yang lebih optimal pada setiap generasinya, hal tersebut terlihat dari nilai fitness pada tiap generasi$ *elebihan algoritma genetika dibandingkan dengan metode pencarian kon"esional pada TSP, solusi dapat dihasilkan kapanpun karena solusi dihasilkan pada generasi ke berapapun dan algorima genetika tidak membutuhkan waktu yang lama karena tidak semua kemungkinan dicoba, tergantung pada kriteria berakhirnya$ Sedangkan menurut *oerniamy .:22,/ permasalahan 'hortest Path dapat diselesaikan dengan pendekatan algoritma genetika yang dihitung secara manual, tetapi pada kasus yang lebih besar perhitungan manual akan mengalami kendala, sehingga dibutuhkan pemrograman untuk membantu menyelesaikannya$ #erdasarkan permasalahan dan metode yang pernah dilakukan pada penelitian diatas, maka penelitian ini akan mencoba menggabungkan antara permasalahan dan metode tersebut sehingga diharapkan metode algoritma genetika dapat diterapkan untuk menyelesaikan permasalahan penjadwalan mata kuliah$

:?

%A% III METODE PENELITIAN

50*

J #is P # &itia# Penelitian ini bersi%at studi literatur dan kasus$ #ahan literatur diperoleh dari studi

pustaka atau jurnal maupun buku teks yang didapat dengan cara akses langsung maupun akses internet, sedangkan bahan untuk kasus penelitian diperoleh dari data mata kuliah Semester 1anjil Tahun Akademik :211G:21: di Program Studi !ni"ersitas #engkulu$ atematika ( )PA

50/

Wa!tu da# T m<at Penelitian ini dilakukan M satu semester, bertempat 'i 1edung 4 ruang baca

Program Studi

atematika ( )PA !ni"ersitas #engkulu pada jam kerja$

505

Data 6a#g di< r&u!a# 'ata yang dipergunakan dalam penelitian ini adalah data sekunder berupa mata

kuliah yang ditawarkan pada Semester 1anjil Tahun Akademik :211G:21: di Program Studi atematika ( )PA !ni"ersitas #engkulu yang terdiri dari & ata *uliah Semester 1anjil Program Studi atematika ( )PA Tahun

a$ 'a%tar

Akademik :211G:21:$ b$ 'a%tar 'osen pengampu mata kuliah$ c$ +adwal Praktikum Semester 1anjil Tahun Akademik :211G:21: di Program Studi atematika ( )PA$

:@

d$ +adwal *uliah Semester 1anjil Program Studi :2211G:21: untuk 507

atematika Tahun Akademik atematika$

ata *uliah Wajib di luar <uang #elajar

T !#i! P #gum<u&a# Data Pengumpulan data dalam penelitian ini dilakukan dengan mengambil data

sekunder yaitu mata kuliah yang ditawarkan pada Semester 1anjil Tahun Akademik :211G:21: 'i Program Studi atematika ( )PA !ni"ersitas #engkulu, dosen yang

tersedia, jumlah ruang dan daya tampung$

50-

A#a&isis Data Pada penelitian, analisis data ini dimana langkah-langkah yang akan digunakan

adalah sebagai berikut& a$ )nput 'ata Ada empat kelompok data yang diperlukan pada input data yaitu& ruang belajar yang digunakan, Tabel S*S dan mata kuliah, Tabel dosen, semester dan kelas$ b$ Proses 'ata )nput 'ata-data yang telah diperoleh dari input data terlebih dahulu diolah dengan cara melakukan pengkodean terhadap masing-masing kelompok data$ c$ Pembuatan *romosom dan Populasi Pembuatan kromosom dan populasi bertujuan untuk memperoleh hasil penggabungan antara sks dan mata kuliah, dosen pengampu mata kuliah, semester dan kelas$ d$ >"aluasi (itness Setiap %aktor yang mempengaruhi nilai %itness memberi pengaruh yang berbeda terhadap nilai %itnessnya, tingkat pengaruh tersebut disebut dengan bobot$ Semakin tinggi harga bobot suatu %aktor akan mengurangi nilai %itness dari solusi tersebut$ :A

(aktor-%aktor yang mempengaruhi e"aluasi %itness terhadap solusi adalah sebagai berikut& 1$ Waktu pagi yang kosong$ Adakah waktu pagi yang kosongGtidak digunakan perkuliahanH !ntuk meningkatkan produkti"itas pemakaian ruangan, maka dikehendaki agar ruangan dapat segera digunakan semenjak pagi hari$ :$ (rekuensi mengajar dosen$ Apakah ada dosen yang memiliki %rekuensi mengajar yang tinggi dalam satu hariH 'iharapkan agar tugas mengajar dosen dapat terdistribusi merata di tiap hari kerjanya dengan tujuan agar per%ormansi dosen sewaktu mengajar dapat tetap terjaga$ 'alam penelitian ini dide%inisikan bahwa dosen yang mengajar lebih dari B sks tiap harinya telah digolongkan sebagai dosen yang memiliki %rekuensi mengajar yang tinggi$ ?$ (rekuensi kuliah kelas$ Apakah ada kelas yang memiliki %rekuensi kuliah yang tinggi dalam satu hari H Seperti halnya pada dosen, untuk menjaga per%ormansi belajar mahasiswa maka diharapkan tidak ada jadwal kuliah yang terlalu padat dalam satu hari$ *elas yang mendapatkan jadwal kuliah lebih dari B sks pada satu hari

dide%inisikan sebagai kelas yang memiliki %rekuensi kuliah yang tinggi$ <umus %itness yang digunakan adalah sebagai berikut&

I #obot waktu pagi yang kosong I #obot %rekuensi mengajar dosen I #obot %rekuensi kuliah kelas I #anyaknya waktu pagi yang kosong I #anyaknya %rekuensi jam mengajar yang tinggi dari seorang dosen

:B

I #anyaknya %rekuensi jam kuliah yang tinggi dari satu kelas Nilai bobot setiap %aktor pengaruh yang digunakan dalam penelitian ini dapat dilihat pada Tabel ?$1$ Tabel ?1$ Nilai #obot Waktu pagi yang kosong (rekuensi mengajar dosen (rekuensi kuliah kelas e$ Seleksi !ntuk mendapatkan solusi yang terbaik, harus dilakukan penyeleksian solusi yang memiliki nilai %itness yang tergolong rendah$ Seleksi tersebut menggunakan metode best fitness$ Solusi yang tersisa pada hasil seleksi ini dikenal dengan nama populasi induk$ %$ embangkitkan Populasi #aru Populasi baru akan dibangkitkan dengan cara crosso"er dan mutasi pada populasi induk yang telah diperoleh dari proses seleksi$ g$ *ondisi Selesai +ika setelah beberapa generasi berturut-turut diperoleh nilai %itness tertinggi dari populasi maka proses algortitma akan dihentikan, sedangkan jika pada beberapa generasi berturut-turut nilai %itnessnya belum mencapai kondisi tersebut, maka akan mengulang kembali prosesGiterasi dari langkah keempat yaitu e"aluasi %itness terhadap populasi baru$ ?? ?? ??

:7

:,