Kombinasi Crossover dan Mutasi Terbaik pada Algoritma Genetika dalam Penjadwalan Mata Kuliah

Maria Karmelia Fajarlestari; Ignasius Boli Suban

doi:10.33633/tc.v22i4.9298

Kombinasi Crossover dan Mutasi Terbaik pada Algoritma Genetika dalam Penjadwalan Mata Kuliah

Maria Karmelia Fajarlestari, Ignasius Boli Suban

Abstract

Pada proses penerapanya algoritma Genetika mempunyai operator crossover dan mutasi. Operator crossover mempunyai beberapa jenis dan operator mutasi dilakukan menurut besar probabilitasnya. Penggunaan crossover dan besar probabilitas menjadi salah satu masalah dalam penerapan algoritma Genetika karena dalam pemilihanya ditentukan secara random. Tujuan penelitian ini untuk mencari kombinasi paling baik pada jenis crossover dan besar probabilitas mutasi dalam memecahkan masalah penjadwalan. Kombinasi terbaik adalah kombinasi yang paling banyak menghasilkan hasil optimal. Algoritma Genetika diterapkan dalam permasalahan penjadwalan mata kuliah, kemudian hasil penerapanya dianalisis berdasarkan jenis mutasi dan besar probabilitas yang digunakan. Hasilnya dari semua kombinasi operator yang telah diuji coba untuk menyelesaikan masalah yang sama, ada satu kombinasi operator crossover dan mutasi yang memiliki rata-rata hasil terbaik yaitu kombinasi antara jenis crossover dua-titik dengan besar probabilitas mutasi 3%.

Keywords

Algoritma Genetika, Crossover, Mutasi, Permasalahan Penjadwalan

Full Text:

PDF

References

S. D. Immanuel and U. Kr. Chakraborty, “Genetic Algorithm: An Approach on Optimization,” in 2019 International Conference on Communication and Electronics Systems (ICCES), IEEE, Jul. 2019, pp. 701–708. doi: 10.1109/ICCES45898.2019.9002372.

I. Sumadireja, C. Prianto, and M. H. K. Saputra, Optimasi nilai pendapatan menggunakan algoritma genetika. Bandung: Kreatif Industri Nusantara, 2020.

D. A. Suprayogi and W. F. Mahmudy, “Penerapan Algoritma Genetika Traveling Salesman Problem with Time Window: Studi Kasus Rute Antar Jemput Laundry,” Jurnal Buana Informatika, vol. 6, no. 2, May 2015, doi: 10.24002/jbi.v6i2.407.

T. N. Suharsono and M. R. Saddat, “Penentuan Optimalisasi TSP (Travelling Salesman Problem) Distribusi Barang Menggunakan Algoritma Genetika di Buka Mata Adv,” in SENTER 2017: Seminar Nasional Teknik Elektro 2017, Bandung, Dec. 2017, pp. 326–335.

N. K. Nissaa, Farikhinb, and B. Surarso, “Analisis Pengaruh Operator Genetik pada Algoritma Genetika dan Penerapannya pada Traveling Salesman Problem (TSP),” in PRISMA, Prosiding Seminar Nasional Matematika, Semarang, 2020, pp. 1–7.

E. Supomo, A. Sunyoto, and M. P. Kurniawan, “Optimasi Peletakan Watermark pada Citra Digital Menggunakan Algoritma Genetika,” COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi, vol. 2, no. 2, pp. 11–17, Feb. 2022, doi: 10.33650/coreai.v2i2.3216.

A. Riski, A. Saiful Rizal, and A. Kamsyakawuni, “Pengamanan Citra Dengan Operator Algoritma Genetika,” Fountain of Informatics Journal, vol. 4, no. 1, p. 13, May 2019, doi: 10.21111/fij.v4i1.2906.

I. A. Pardosi, P. Sirait, K. -, S. Goh, and R. Chandra, “Perbaikan Citra Gelap dan Pembesaran Objek Citra Menggunakan Gradient Based Low-Light Image Enhancement dan Rational Ball Cubic B-Spline With Genetic Algorithm,” Jurnal SIFO Mikroskil, vol. 20, no. 2, Oct. 2019, doi: 10.55601/jsm.v20i2.674.

W. Cuiyu, L. Yang, and L. Xinyu, “Solving flexible job shop scheduling problem by a multi-swarm collaborative genetic algorithm,” Journal of Systems Engineering and Electronics, vol. 32, no. 2, pp. 261–271, Apr. 2021, doi: 10.23919/JSEE.2021.000023.

W. Xu, H. Y. Sun, A. L. Awaga, Y. Yan, and Y. J. Cui, “Optimization approaches for solving production scheduling problem: A brief overview and a case study for hybrid flow shop using genetic algorithms,” Advances in Production Engineering & Management, vol. 17, no. 1, pp. 45–56, Mar. 2022, doi: 10.14743/apem2022.1.420.

E. Sugiarto, S. Winarno, and A. Fahmi, “PENJADWALAN PERKULIAHAN OTOMATIS BERBASIS FUZZY LOGIC DAN GENETIC ALGORITHM PADA UNIVERSITAS DIAN NUSWANTORO,” Techno.COM, vol. 14, no. 4, Nov. 2015.

M. Ridwan, “Prototype Sistem Pendukung Keputusan Untuk Penetapan Jadwal Kuliah Menggunakan Algoritma Genetika,” Systemic: Information System and Informatics Journal, vol. 2, no. 2, pp. 9–18, Dec. 2016, doi: 10.29080/systemic.v2i2.109.

B. Alhijawi and A. Awajan, “Genetic algorithms: theory, genetic operators, solutions, and applications,” Evol Intell, Feb. 2023, doi: 10.1007/s12065-023-00822-6.

S. Katoch, S. S. Chauhan, and V. Kumar, “A review on genetic algorithm: past, present, and future,” Multimed Tools Appl, vol. 80, no. 5, pp. 8091–8126, Feb. 2021, doi: 10.1007/s11042-020-10139-6.

W. A. Puspaningrum, A. Djunaidy, and R. A. Vinarti, “PENJADWALAN MATA KULIAH MENGGUNAKAN ALGORITMA GENETIKA DI JURUSAN SISTEM INFORMASI ITS,” JURNAL TEKNIK POMITS, vol. 21, no. 1, 2013.

W. Priatna, J. Warta, and D. Sulistiyo, “Implementasi Algoritma Genetika untuk Aplikasi Penjadwalan Sistem Kerja Shift,” Techno.Com, vol. 22, no. 1, pp. 235–246, Feb. 2023, doi: 10.33633/tc.v22i1.7049.

H. Ardiansyah and M. B. S. Junianto, “Penerapan Algoritma Genetika untuk Penjadwalan Mata Pelajaran,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 6, no. 1, p. 329, Jan. 2022, doi: 10.30865/mib.v6i1.3418.

L. Asadzadeh, “A local search genetic algorithm for the job shop scheduling problem with intelligent agents,” Comput Ind Eng, vol. 85, pp. 376–383, Jul. 2015, doi: 10.1016/j.cie.2015.04.006.

DOI: https://doi.org/10.33633/tc.v22i4.9298