Sistem penjadwalan perkuliahan menggunakan algoritma genetika : studi kasus fakultas matematika dan IPA IPB

Abstract

Masalah penjadwalan merupakan salah satu tipe dari masalah pengalokasian sumber daya yang ada pada suatu slot waktu yang tersedia. Terdapatnya persyaratan-persyaratan yang harus dipenuhi dalam merancang suatu sistem penjadwalan perkuliahan membuat semakin kompleks dan rumitnya dalam merancang suatu sistem penjadwalan. Penelitian ini bertujuan untuk mempelajari dan menerapkan algoritma genetika pada sistem penjadwalan perkuliahan. Percobaan dilakukan dengan menggambil studi kasus Fakultas Matematika Dan Ilmu Pengetahuan Institut Pertanian Bogor terutama pada semes- ter ganjil tahun 2002/2003. Percobaan yang dilakukan dalam penelitian ini ada 3, yaitu pengujian pe- ngaruh perubahan nilai dari parameter operator algoritma genetika (crossover, mutasi dan propagasi) dengan metode evolusi 3-tournament based selection, pengujian pengaruh perbedaan hasil penjad- walan pada jumlah dan iterasi populasi populasi, dan pengujian pengaruh perbedaan metode inisialisa- si terhadap hasil dan durasi proses penjadwalan perkuliahan. Untuk percobaan pertama, pada pasangan persentase operator algoritma genetika yang cocok dan optimal dapat mempercepat proses pembuatan jadwal perkuliahan. Hal ini dibuktikan dari hasil yang didapatkan yaitu pada persentase crossover 40 persen dan mutasi 50 persen serta propagasi 10 persen didapatkan durasi proses penjadwalan yang tercepat. Operator mutasi memegang peranan yang penting sekali dalam suatu proses evolusi. Pada percobaan 1 uji ke 5 didapatkan hasil pelanggaran konflik terkecil. Jumlah kromosom 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 dalam satu populasi bertambah besar dalam mencapai solusi optimum. Metode inisialisasi yang berbeda tidak mempengaruhi hasil penjadwalan (baik dari sisi waktu maupun jumlah konstraint yang dilanggar) secara signifikan pada jumlah populasi dan iterasi yang kecil, tapi akan tampak jelas pada jumlah populasi dan iterasi yang besar.