Implementasi Algoritma Genetika untuk Aplikasi Penjadwalan Sistem Kerja Shift

Authors

  • WOWON Priatna Universitas Bhayangkara
  • Joni Warta Universitas Bhayangkara
  • Dwi Sulistiyo Universitas Bhayangkara

DOI:

https://doi.org/10.33633/tc.v22i1.7049

Keywords:

work scheduling, UML, Genetic Algorithm, Scheduling Application

Abstract

Perusahaan yang beroperasi jam kerja 24 jam mempunyai tugas berat dalam menentukan jadwal shift kerja. Selain memberikan layanan terbaik untuk pelanggan setiap waktu, dan memiliki segmen pasar khusus. Untuk melakukan produktivitas optimal diperlukan jadwal shift kerja yang teratur bagi perusahaan. Tujuan penelitian ini adalah memecahkan permasalahan pengelolaan jadwal kerja menggunakan algoritma genetika disalah satu perusahaan konektivitas penyedia jaringan internet yang secara manual membuat jadwal dengan bantuan microsoft excel dengan pertimbangan bahwa setiap karyawan memiliki shift kerja berbeda untuk setiap bulannya.   Aplikasi ini menggunakan Unified Modeling Language sebagai model dari sistem penjadwalan shift kerja yang bertujuan untuk pengembangan sistem bisa dilakukan secara maksimal. Hasil dari implementasi perhitungan algoritma genetika menggunakan variabel waktu shift, variabel hari, variabel nama karyawan tidak ditemukan permasalahan penjadwalan shift kerja begitu juga setelah dirancang menggunakan aplikasi penjadwalan shift kerja muncul penjadwalan sistem secara otomatis dengan acuan permasalahan yang sudah bernilai value 0

References

D. Kannan, K. Bajpayee, and S. Roy, “Solving timetable scheduling problems using genetic Algorithm,” Int. J. Recent Technol. Eng., vol. 7, no. 5, pp. 168–170, 2019.

B. Ta?tekin, M. U. Öztürk, and M. K. Sezer, “A Case Study: Using Genetic Algorithm for Job Scheduling Problem,” 2021, [Online]. Available: http://arxiv.org/abs/2106.04854.

J. Xu, “Improved Genetic Algorithm to Solve the Scheduling Problem of College English Courses,” Complexity, vol. 2021, 2021, doi: 10.1155/2021/7252719.

A. Maghawry, R. Hodhod, Y. Omar, and M. Kholief, “An approach for optimizing multi-objective problems using hybrid genetic algorithms,” Soft Comput., vol. 25, no. 1, pp. 389–405, 2021, doi: 10.1007/s00500-020-05149-3.

M. Durairaj and C. Dhanavel, “A Survey on Cloud Service Scheduling Using Genetic Algorithm,” Int. J. Comput. Sci. Eng., pp. 1201–1207, 2018.

I Gede Agus Widyadana and Andree Pamungkas, “Perbandingan Kinerja Algoritma Genetika Dan Simulated Annealing Untuk Masalah Multiple Objective Pada Penjadwalan Flowshop,” J. Tek. Ind., vol. 4, no. 1, pp. 26–35, 2002, [Online]. Available: http://puslit2.petra.ac.id/ejournal/index.php/ind/article/view/16008.

T. Suratno, N. Rarasati, and G. Z`, “Optimization of Genetic Algorithm for Implementation Designing and Modeling in Academic Scheduling,” EKSAKTA Berk. Ilm. Bid. MIPA, vol. 20, no. 1, pp. 17–24, 2019, doi: 10.24036/eksakta/vol20-iss1/166.

A. Kinast, K. F. Doerner, and S. Rinderle-Ma, “Combing metaheuristics and process mining: Improving cobot placement in a combined cobot assignment and job shop scheduling problem,” Procedia Comput. Sci., vol. 200, pp. 1836–1845, 2022, doi: 10.1016/j.procs.2022.01.384.

J. Luo and D. El Baz, “A survey on parallel genetic algorithms for shop scheduling problems,” Proc. - 2018 IEEE 32nd Int. Parallel Distrib. Process. Symp. Work. IPDPSW 2018, pp. 629–636, 2018, doi: 10.1109/IPDPSW.2018.00103.

R. T. Prasetio, U. Adhirajasa, and R. Sanjaya, “SELEKSI FITUR DAN OPTIMASI PARAMETER k-NN BERBASIS ALGORITMA GENETIKA PADA,” J. RESPONSIF, vol. 2, no. 2, pp. 213–221, 2020.

A. Hassanat, K. Almohammadi, E. Alkafaween, E. Abunawas, A. Hammouri, and V. B. S. Prasath, “Choosing mutation and crossover ratios for genetic algorithms-a review with a new dynamic approach,” Inf., vol. 10, no. 12, 2019, doi: 10.3390/info10120390.

T. A. El-Mihoub, A. A. Hopgood, and L. Nolle, “Self-adaptive learning for hybrid genetic algorithms,” Evol. Intell., vol. 14, no. 4, pp. 1565–1579, 2021, doi: 10.1007/s12065-020-00425-5.

J. S. Park, H. Y. Ng, T. J. Chua, Y. T. Ng, and J. W. Kim, “Unified genetic algorithm approach for solving flexible job-shop scheduling problem,” Appl. Sci., vol. 11, no. 14, 2021, doi: 10.3390/app11146454.

L. Damayanti and I. Cholissodin, “Optimasi Penjadwalan Bimbingan Skripsi Menggunakan Algoritme Genetika ( Studi Kasus : Fakultas Ilmu Komputer Universitas Brawijaya ),” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 9, pp. 3370–3375, 2018.

G. Carmona-Arroyo, M. Quiroz-Castellanos, and E. Mezura-Montes, “Variable Decomposition for Large-Scale Constrained Optimization Problems Using a Grouping Genetic Algorithm,” Math. Comput. Appl., vol. 27, no. 2, p. 23, 2022, doi: 10.3390/mca27020023.

D. Rooyani and F. M. Defersha, “An efficient two-stage genetic algorithm for flexible job-shop scheduling,” IFAC-PapersOnLine, vol. 52, no. 13, pp. 2519–2524, 2019, doi: 10.1016/j.ifacol.2019.11.585.

S. Informasi, P. Shift, and A. Genetika, “( Studi Kasus Jawara Digital Art Store Yogjakarta ) ( Studi Kasus Jawara Digital Art Store Yogjakarta ),” pp. 1–13, 2020.

Y. Pratama, “Optimalisasi penjadwalan karyawan paruh waktu berdasarkan nilai fitness terbaik menggunakan algoritma genetika (studi kasus pada pt 3g indonesia),” J. Nas. Inform., vol. 2, no. 2, pp. 114–142, 2021.

D. Oktarina and A. Hajjah, “Perancangan Sistem Penjadwalan Seminar Proposal dan Sidang Skripsi dengan Metode Algoritma Genetika,” JOISIE (Journal Inf. Syst. Informatics Eng., vol. 3, no. 1, p. 32, 2019, doi: 10.35145/joisie.v3i1.421.

I. F. Ashari, A. G. Manalu, and R. Setiawan, “Analysis of Security Guard Scheduling System Using Genetic Algorithm and Tournament Selection ( Case Study : Institut Teknologi Sumatera ),” vol. 5, no. 2, pp. 202–207, 2021.

N. Xue, D. Landa-Silva, I. Triguero, and G. P. Figueredo, “A Genetic Algorithm with Composite Chromosome for Shift Assignment of Part-time Employees,” 2018 IEEE Congr. Evol. Comput. CEC 2018 - Proc., pp. 1–8, 2018, doi: 10.1109/CEC.2018.8477818.

E. Ongko, “ANALISIS PENGARUH MUTASI TERHADAP PERFORMANCE ALGORITMA,” J. Tek. Inform. Kaputama, vol. 1, no. 1, pp. 46–51, 2017.

W. Khamprapai, C. F. Tsai, and P. Wang, “Analyzing the performance of the multiple-searching genetic algorithm to generate test cases,” Appl. Sci., vol. 10, no. 20, pp. 1–16, 2020, doi: 10.3390/app10207264.

A. Basak, “A Rank based Adaptive Mutation in Genetic Algorithm,” Int. J. Comput. Appl., vol. 175, no. 10, pp. 49–55, 2020, doi: 10.5120/ijca2020920572.

Silvi, W. Priatna, T. S. Lestari, and M. Khaerudin, “Penerapan Fuzzy Inference System Sugeno dalam Sistem Pengangkatan Karyawan Kontrak menjadi Karyawan Tetap,” Techno.Com, vol. 21, no. 2, pp. 332–342, 2022, doi: 10.33633/tc.v21i2.5992.

Downloads

Published

2024-06-21