Implementasi Algoritma Genetika untuk Penjadwalan Praktikum Laboratorium

Anggraini, Legming Dwi (2025) Implementasi Algoritma Genetika untuk Penjadwalan Praktikum Laboratorium. Skripsi thesis, ITN MALANG.

	Text Bagian Awal.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (547kB)
	Text BAB I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (18kB)
	Text BAB II.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (157kB) | Request a copy
	Text BAB III.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (373kB) | Request a copy
	Text BAB IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (732kB) | Request a copy
	Text BAB V.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (8kB) | Request a copy
	Text Daftar Pustaka.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (74kB)
	Text Lampiran.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Request a copy

Abstract

Penjadwalan praktikum laboratorium untuk membagi asisten sebagai pengajar dan pendamping berdasarkan ketersediaannya masih dilakukan secara manual menggunakan microsoft excel sehingga rawan terjadi kesalahan dan memerlukan waktu yang lebih. Sistem penjadwalan algoritma genetika dibuat guna membantu proses penjadwalan agar lebih efisien. Proses penjadwalan praktikum menggunakan algoritma genetika dengan kriteria asisten harus dijadwalkan sebagai pengajar maupun pendamping dalam keadaan tersedia. Dalam penelitian ini, parameter-parameter yang digunakan yaitu ukuran populasi sebanyak 20 individu dalam 30 generasi, serta nilai probabilitas crossover yang digunakan 0.8 dan probabilitas mutasi sebesar 0.1 yang mana menghasilkan nilai fitness 0.5 pada generasi terakhir. Nilai fitness ini merepresentasikan tingkat optimalitas solusi, di mana semakin tinggi nilai fitness, semakin sedikit pelanggaran terhadap kriteria penjadwalan. Dalam penelitian ini, nilai fitness 0.5 menunjukkan bahwa hanya terdapat 1 pelanggaran dari total 18 penempatan, sehingga menghasilkan nilai akurasi penjadwalan sebesar 94.44%.

Item Type:	Thesis (Skripsi)
Additional Information:	Legming Dwi Anggraini (2118118)
Uncontrolled Keywords:	algoritma genetika, penjadwalan, praktikum, asisten, nilai fitness
Subjects:	Engineering > Informatics Engineering
Divisions:	Fakultas Teknologi Industri > Teknik Informatika S1 > Teknik Informatika S1(Skripsi)
Depositing User:	Legming Dwi Anggraini
Date Deposited:	18 Feb 2025 03:31
Last Modified:	18 Feb 2025 03:31
URI:	http://eprints.itn.ac.id/id/eprint/15488

Actions (login required)

View Item