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
Top Related