IMPLEMENTASI ALGORITMA GENETIKA PADA PENJADWALAN SIDANG TUGAS AKHIR FAKULTAS INFORMATIKA

BAGAS ARDHIANTO

Informasi Umum

Kode

113071034

Klasifikasi

005.1 - Computer programming

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Informatika Teori Dan Pemrograman

Dilihat

22 kali

Informasi Lainnya

Abstraksi

ABSTRAKSI: Penjadwalan Sidang Tugas Akhir merupakan masalah kombinatorial dengan syarat – syarat tertentu diantaranya tidak bentrok baik waktu maupun ruangan antara mahasiswa, apakah dosen penguji sesuai dengan bidang keahlian judul Tugas Akhir, dosen pembimbing tidak boleh menguji, beban dosen dalam menguji Tugas Akhir yang lebih kecil kemungkinan terpilih lebih banyak.<br>Dalam Tugas Akhir ini, optimasi penyusunan jadwal sidang Tugas Akhir menggunakan Algoritma Genetika yang merupakan algoritma yang terinspirasi oleh teori evolusi yang dicetuskan oleh Charles Darwin. Permasalahanyang dihadapi akan direpresentasikan satu individu atau kromosom. Individu tersebut akan berevolusi (ada proses rekombinasi dan mutasi) menuju solusi optimal.<br>Algoritma genetika merupakan algoritma yang sesuai untuk menyelesaikan masalah yang bersifat optimasi kombinatorial atau untuk kasus yang lebih kompleks lagi karena fleksibilitas dan efisiensinya.Dan Algoritma Genetika juga dirasa tepat untuk menyelesaikan permasalahan penjadwalan sidang Tugas Akhir tersebut dengan relatif cepat dan tepat.Kata Kunci : penjadwalan sidang Tugas Akhir, Algoritma Genetika, kromosom, evolusiABSTRACT: Thesis imetabling is a combinatorial problem with the terms - the terms of which are not specified in both time and space clashes between students, whether the examiner in accordance with the final title of expertise, the supervisor should not be tested, faculty load in the final test is less likely to elect more.<br>In this thesis timetabling optimization using Genetic Algorithms Final which is an algorithm that is inspired by the theory of evolution proposed by Charles Darwin. Problems faced by the people will be represented or chromosomes. The individual will evolve (no recombination and mutation process) towards the optimal solution.<br>Genetic algorithm is an appropriate algorithm to solve combinatorial optimization problems that are or for more complex cases because of its flexibility and efficiency. And Genetic Algorithm was also deemed appropriate to resolve the final assembly scheduling problem with a relatively fast and precise.Keyword: Final trial scheduling, Genetic Algorithms, chromosomes, evolution