Sistem Penjadwalan Perkuliahan Menggunakan GA

Sumber  Karya ilmiah : 

·         Nama  : Gibbon Mardame Parsaoran Tamba

·         Judul   : Sistem Penjadwalan Perkuliahan Menggunakan Algoritma Genetika (Studi Kasus Fakultas Matematika dan IPA IPB)

·         Sumber : https://iirc.ipb.ac.id/jspui/handle/123456789/2230

Dalam karya ilmiah Gibbon Mardame Parsaoran Tamba  yang berjudul judul  : Sistem Penjadwalan Perkuliahan Menggunakan Algoritma Genetika (Studi Kasus Fakultas Matematika dan IPA IPB). Masalah yang terdapat pada karya ilmiah ini terdapat pada masalah penjadwalan dimana penjadawalan merupakan salah satu tipe dari masalah pengalokasian sumber daya yang ada pada suatu slot waktu yang tersedia. Terdapatnya persyaratan2 yg harus dipenuhi dalam merancang merancang suatu system penjadwalan perkuliahan membuat semakin kompleks dan rumitnya dalam merancang suatu system .

Penelilian yang dilakukan oleh Gibbon Mardame Parsaora tamba ini bertujuan untuk mempelajari dan menerapkan algoritme genetika pada system penjadwalan pekuliahan. Percobaan yang dilakukan dalam penelitian ini ada tiga, yaitu pengujian pengaruh perubahan nilai dari parameter operator algoritma genetika (crossover, mutasi dan propagasi) dengn metode evolusi 3-tournamen bases selection,  pengujian pengaruh perbedaan hasil penjadwalan pada jumlah dan iterasi  populasi, dan pengujian pengaruh perbedaan metode inisialisasi terhadap hasil dan durasi proses penjadawalan perkuliahan.

Percobaan pertama, pada pasangan persentase operator algoritme genetika yang cocok dan optimal dapat mempercepat proses pembuatan jadwal perkuliahan. Yang dibuktikan dari hasil yang diperoleh yaitu pada presentasi crossover40 persen dan mutasi 50 persen serta propagasi 10 persen didapatkan durasi proses penjadwalan yang tercepat. Operator mutasi memegang perana yang penting sekali dalam suatu proses evolusi.

Pada percobaan 1 uji 5 didapatkan hasil pelanggaran konflik terkecil.  Jumlah kromoson dalam satu populasi yang akan diproses dengan menggunakan GA, mempengaruhi dalam mendapatkan hasil penjadwalan tercepat dan optimal. Hal ini disebabkan pada jumlah populasi yang semakin besar, keragaman dalm satu populasi bertambah besar dalam mencapai solusi optimum.

Metode inisialisasi yang berbeda tidak mempengaruhi hasil penjadawalan (baik dari sisi waktu maupun constraint yang di langgar) secara signifikan pada jumlah populasi dan iterasi yang kecil, tapi akan tampak jelas pada jumlah populasi dan iterasi yang besar.