Kombinasi Algoritma Genetika Dan Tabu Search Dalam Pembuatan Tabel Jadwal Mata Kuliah

Setemen, Komang (2008) Kombinasi Algoritma Genetika Dan Tabu Search Dalam Pembuatan Tabel Jadwal Mata Kuliah. Masters thesis, Institut Teknologi Sepuluh Nopember Surabaya.

Text 2205205004-Master_Thesis.pdf - Accepted Version Download (9MB)

Abstract

Masalah penjadwalan dalam pendidikan merupakan persoalan khusus dari masalah optimasi yang ditemukan pada situasi nyata. Masalah ini membutuhkan waktu komputasi yang cukup tinggi untuk pencarian solusinya, terlebih lagi jika ukuran permasalahan semakin besar dengan bertambahnya jumlah komponen dan tetapan atau syarat yang ditentukan oleh institusi tempat jadwal tersebut di gunakan. Selama proses, banyak aspek yang harus dipertimbangkan untuk memperoleh jadwal yang optimal, dan seringkali tidak dapat memuaskan karena tidak semua kebutuhan terpenuhi. Dengan kemajuan ilmu pengetahuan dalam bidang komputasi cerdas, maka masalah penjadwalan dapat diotomatisasi sehingga dapat memberikan solusi optimal sesuai dengan batasan dan syarat yang sudah ditentukan. Pada penelitian ini di uji cobakan otomatisasi masalah penjadwalan kuliah di perguruan tinggi dengan metode meta-heuristic, yaitu: kombinasi algoritma genetika dan tabu search. Tabu search pada kombinasi ini digunakan untuk memfilter kromosom yang mengalami crossover agar kromosom yang sama tidak dilakukan crossover berulang-ulang. Untuk jumlah data yang kecil (45 sampai 88 data), kombinasi algoritma genetika dan tabu search dapat menyelesaikan masalah penjadwalan dengan baik, dengan nilai fitness sama dengan 0 dan iterasi atau jumlah generasi maksimum 1000 generasi. Sedangkan untuk data yang cukup besar yaitu dengan jumlah pemetaan mata kuliah 160 mata kuliah, kombinasi algoritma genetika dan tabu search masih mampu memperoleh fitness 0, tetapi dengan jumlah iterasi atau generasi maksimum 10.000 generasi. Kombinasi algoritma genetika dan tabu search, dapat memberikan hasil yang lebih baik di bandingkan hanya dengan menggunakan algoritma genetika saja. Hal ini dapat dilihat dari hasil ujicoba yang dilakukan terhadap 3 (tiga) kelompok data, baik dilihat dari jumlah iterasi, maupun dari kualitas solusi yang dihasilkan
======================================================================================================================================
Scheduling problems in education are special problems of optimization problems found in real situations. This problem requires quite a lot of computing time to find a solution, especially if the size of the problem becomes larger with the increase in the number of components and constants or conditions determined by the institution where the schedule is used. During the process, many aspects must be considered to obtain an optimal schedule, and it is often unsatisfactory because not all requirements are met. With advances in science in the field of intelligent computing, scheduling problems can be automated so that they can provide optimal solutions according to predetermined constraints and conditions. In this research, automation of lecture scheduling problems in universities was tested using the meta-heuristic method, namely: a combination of genetic algorithms and tabu search. Tabu search in this combination is used to filter chromosomes that have crossovers so that the same chromosomes do not crossover repeatedly. For small amounts of data (45 to 88 data), the combination of genetic algorithms and tabu search can solve scheduling problems well, with a fitness value equal to 0 and a maximum number of iterations or generations of 1000 generations. Meanwhile, for data that is quite large, namely with a total of 160 subject mappings, the combination of the genetic algorithm and tabu search is still able to obtain a fitness of 0, but with a maximum number of iterations or generations of 10,000 generations. The combination of a genetic algorithm and tabu search can provide better results compared to just using a genetic algorithm just. This can be seen from the results of trials carried out on 3 (three) groups of data, both in terms of the number of iterations and the quality of the solutions produced

Item Type:	Thesis (Masters)
Additional Information:	RTE 005. Set k-1 2008
Uncontrolled Keywords:	penjadwalan, algoritma genetika, tabu search; scheduling, genetic algorithms, tabu search
Subjects:	Q Science > QA Mathematics > QA9.58 Algorithms
Divisions:	Faculty of Industrial Technology > Electrical Engineering > 20101-(S2) Master Thesis
Depositing User:	EKO BUDI RAHARJO
Date Deposited:	01 Jul 2024 02:02
Last Modified:	01 Jul 2024 02:02
URI:	http://repository.its.ac.id/id/eprint/108092

Actions (login required)

View Item