GDL

Course Timetabling Using Genetic Algorithm Case Study: JTK-Polban

Tugas Akhir, 007 / 2013 / JTK
Undergraduate Theses from JBPTPPOLBAN / 2017-03-06 09:49:06
Oleh : Hafiyyan Putra Pratama - 101511009, Ira Melyanti - 101511014, Nisa Azmi Durachman - 101511021 (jtk10.iramelyanti@gmail.com)
Dibuat : 2017-03-06, dengan 4 file

Keyword : Penjadwalan perkuliahan, algoritma genetika, crossover, mutasi
Subjek : Course Timetable, genetic algorithm, crossover, mutation

Tugas akhir ini berkaitan dengan pembuatan aplikasi komputer untuk membantu proses pembuatan jadwal perkuliahan di Jurusan Teknik Komputer dan Informatika Politeknik Negeri Bandung (JTK-Polban). Hasil yang diharapkan dari Tugas Akhir ini adalah menghasilkan aplikasi komputer yang dapat menghasilkan jadwal perkuliahan yang tidak bentrok dan memenuhi waktu permintaan dosen. Pada penjadwalan perkuliahan di JTK-Polban, sebenarnya resource, yang meliputi waktu perkuliahan (hari dan jam), ruangan dan dosen pengampu, mencukupi untuk membuat jadwal utuh dan tidak bentrok. Namun, dikarenakan permintaan waktu mengajar dosen, maka resource yang ada mungkin tidak mencukupi. Hal ini terjadi ketika ada dua atau lebih dosen yang meminta waktu mengajar pada waktu yang sama. Pendekatan yang dilakukan pada Tugas Akhir untuk mengatasi masalah diatas adalah dengan cara membuat aplikasi dengan menerapkan algoritma genetika untuk menangani bentrok dan memenuhi permintaan waktu mengajar dosen dalam pembuatan penjadwalan perkuliahan. Permasalah penjadwalan dipetakan ke dalam metode algoritma genetika untuk menghasilkan alternatif solusi penjadwalan. Tahapan dari algoritma genetika yang digunakan adalah inisialisasi populasi, seleksi, crossover, dan mutasi. Aplikasi diuji coba dengan menggunakan data 3 ruang kelas, 2 ruang LAB, 3 rombongan belajar, dan 26 dosen beserta kesediaan waktu mengajarnya. Hasil uji coba menunjukan bahwa aplikasi mampu untuk membuat jadwal perkuliahan, dimana data jadwal yang dihasilkan berkurang bentroknya dan mendekati kesediaan waktu mengajar dosen. Aplikasi penjadwalan diimplementasikan menggunakan bahasa pemrograman C# dan database diimplementasikan menggunakan SQL Server. Algoritma genetika dapat digunakan untuk masalah penjadwalan tetapi untuk menghasilkan jadwal yang baik perlu diperhatikan jumlah iterasi generasinya. Jadwal yang dihasilkan pada iterasi pertama tidak akan langsung menyelesaikan masalah bentrok, maka dari itu diperlukan beberapa iterasi untuk membuat jadwal yang benar-benar tidak terdapat bentrok. Kata kunci: Penjadwalan perkuliahan, algoritma genetika, crossover, mutasi.

Deskripsi Alternatif :

This final project is about developing a computer application to support the process of generating course timetabling at Jurusan Teknik Komputer dan Informatika (JTK-Polban). The goal of this final project is to develop a computer application that can produce a course timetable that no collision among lecturer and satisfy the lecturer's interest teaching time. Regarding the course timetabling in JTK-Polban, resources (timetable slot, room and lecture)are actually sufficient for create timetable with no collision among lecturer. However, because some lecturer have same interest teaching time then the resources get less sufficient. To solve the above timetable problem the application is developed by applying genetic algorithm to avoid the collision and satisfy the lecturer's interest teaching time. Timetabling problems are mapped into the genetic algorithm method for generating alternative timetabling solutions. Stages of the genetic algorithm include the population initialization, selection, crossover, and mutation. The applications has been tested using data of 3 classrooms, 2 laboratories, 3 classes, and 26 lecturers with their interest of teaching time. The result of the testing shows that the application can generate timetable, with less collision and close to lecturers interest time. The timetabling application implemented using C# and the database using SQL Server. Genetic algorithm can be used to solve the timetable's problems but to produce good timetable requires a number of the generation iterations. In the first iteration, the timetable is not without collision, so that it is required some of iterations to generate timetable with minimal collision. Keyword: Course Timetable, genetic algorithm, crossover, mutation.

Beri Komentar ?#(0) | Bookmark

Properti	Nilai Properti
ID Publisher	JBPTPPOLBAN
Organisasi
Nama Kontak	Erlin Arvelina
Alamat	Jl. Trsn. Gegerkalong Hilir Ds. Ciwaruga
Kota	Bandung
Daerah	Jawa Barat
Negara	Indonesia
Telepon	022 201 3789 ext. 168, 169, 239
Fax	022 201 3889
E-mail Administrator	erlin.arvelina@polban.ac.id
E-mail CKO	erlin.arvelina@polban.ac.id