NAMA : MUHAMMAD SHAUMI ATHHAR

NIM : J1F109001

OPTIMASI PENJADWALAN UJIAN PADA SMAN 2 BANJARMASIN

DENGAN ALGORITMA GENETIKA

Algoritma Genetika pada dasarnya adalah program komputer yang mensimulasikan proses

evolusi. Algoritma Genetika melakukan teknik pencarian untuk menemukan penyelesaian perkiraaan

untuk optimasi dan masalah pencarian.

Dalam hal ini, populasi dari kromosom dihasilkan secara random dan memungkinkan untuk

berkembang biak sesuai dengan hukum yang berlaku untuk proses evolusi dengan harapan akan

menghasilkan individu dengan kromosom yang prima. Kromosom inilah yang pada kenyataannya

merupakan penyelesaian masalah (solusi), sehingga bila kromosom yang baik berkembang, maka

solusi bagi masalah pun diharapkan dapat dihasilkan.

Algoritma Genetika memiliki prosedur sebagai berikut :

1. [Start] Generate populasi pertama secara random sebanyak n individu

2. [Fitness] Evaluasi nilai fitness f(x) dari setiap individu x di dalam populasi

3. [New Populasi] Bentuk populasi baru dengan melakukan pengulangan langkah-langkah di

bawah ini sehingga didapatkan populasi baru

a. [Selection] Pilih 2 individu sebagai orangtua dari sebuah populasi sesuai dengan

fitness mereka (semakin besar nilai fitness, maka semakin besar pula peluang untuk

terpilih)

b. [Crossover] Lakukan persilangan antara kedua orangtua seseuai dengan probabilitas

crossover untuk menghasilkan keturunan yang baru. Jika tidak terjadi persilangan

maka keturunan yang dihasilkan akan sama persis dengan orangtuanya

c. [Mutation] Mutasi setiap keturunaan yang baru sesuai dengan probabilitas mutasi di

setiap gen

d. [Accepting] Tempatkan keturunan yang baru sesuai populasi yang baru

4. [Replace] Gunakan populasi yang baru dibentuk untuk menjalankan algoritma

5. [Test] Jika kondisi akhir dipenuhi maka berhenti dan tampilkan solusi dari populasi

6. [Loop] Kembali ke langkah 2

Algoritma Genetika dapat mengoptimalkan penjadwalan mata kuliah. Penjadwalan dapat

memberikan solusi yang dapat digunakan oleh dosen, mahasiswa, kelas, ruangan, mata kuliah yang

terlibat dalam kegiatan perkuliahan. Di samping itu, dapat meminimalkan tingginya frekuensi

mengajar seorang dosen, frekuensi kuliah mahasiswa dan juga faktor lainnya.

Contoh batasan masalah :

Dari analisa yang telah dilakukan dapat dirumuskan beberapa batasan masalah pada proses

penjadwalan kuliah ini adalah sebagai berikut:

Dalam penjadwalan mata kuliah ini di asumsikan bahwa:

1. Dosen boleh mengajar beberapa mata kuliah.

a. Dosen bersedia mengajar pada setiap waktu yang ditentukan oleh jadwal.

b. Hari kerja mulai hari senin sampai dengan sabtu.

c. Jam kerja dalam satu hari yaitu jam (07.30-14.30), untuk hari senin sampai dengan

kamis, jam (07.30-12.30) untuk hari jumat dan (07.30-13.30) untuk hari sabtu.

2. Ruang laboratorium dan bengkel digunakan secara bergantian oleh setiap program studi.

3. Program dibuat hanya untuk mengatur jam mengajar, dosen dan mata kuliah, sedangkan

ruang dianggap cukup tersedia.

Siklus algoritma genetika secara garis besar adalah

Algoritma Genetika ini meniru mekanisme dari genetika alam. Dari siklus di atas dapat dijabarkan

sebagai berikut :

1. Membuat Populasi Awal

Langkah pertama dalam algoritma ini adalah membentuk sejumlah populasi awal yang

digunakan untuk mencari penyelesaian optimal. Populasi ini merupakan kumpulan dari

alternatif solusi. Dengan adanya populasi ini, maka Algortima Genetika melakukan proses

pencarian dari berbagai titik uji. Pembuatan populasi awal ini dilakukan secara random.

2. Representasi Kromosom

POPULASI AWAL

SELEKSI INDIVIDU

REPRODUKSI:CROSSOVER & MUTASI

POPULASI BARU

Agar dapat diproses melalui Algoritma Genetika, maka alternatif solusi tersebut harus

direpresentasikan terlebih dahulu ke dalam bentuk kromosom. Representasi kromosom

merupakan proses pengkodean dari penyelesaian asli suatu masalah. Pengkodean tersebut

meliputi penyandian gen, dengan satu gen mewakili satu variabel.

3. Fungsi Fitness

Suatu kromosom dievaluasi berdasarkan suatu fungsi tertentu sebagai ukuran performansinya.

Fungsi tersebut disebut fungsi fitness, (Hermanto 2003) yaitu Fungsi yang membedakan

kualitas dari kromosom yang diinginkan. Kromosom yang memiliki fungsi fitness yang tinggi

akan dipertahankansedangkan kromosom dengan harga fungsi fitness yang rendah akan

diganti.

4. Seleksi

Sejumlah kromosom akan diseleksi untuk menjadi orangtua. Kromosom yang baik (orangtua)

yang memiliki nilai fitness yang tinggi akan dipertahankan dan akan menghasilkan keturunan

baru untuk populasinya.

5. Persilangan

Merupakan bagian dari operator genetika yang digunakan untuk memodifikasi individu dalam

aliran populasi guna mencetak individu selanjutnya. Operator persilangan bekerja untuk

menggabungkan dua kromosom orangtua (parent) menjadi kromosom baru (offspring).

6. Mutasi

Setelah persilangan dilakukan, operator genetika pun melakukan mutasi. Hal ini dilakukan

untuk menghindari solusi-solusi dalam populasi mempunyai nilai lokal optimum. Mutasi

adalah proses mengubah gen dari keturunan secara random.

7. Kondisi Berhenti

Kondisi berhenti tercapai ketika solusi optimum terpenuhi