PENERAPAN ALGORITMA GENETIKA PADA PENJADWALAN PELATIHAN INFORMATION AND COMMUNICATION TECHNOLOGY DI INFORMATION AND TECHNOLOGY TRAINING CENTER UIN SUNAN KALIJAGA YOGYAKARTA

Mardiyah Nurhayati, 15650029 (2019) PENERAPAN ALGORITMA GENETIKA PADA PENJADWALAN PELATIHAN INFORMATION AND COMMUNICATION TECHNOLOGY DI INFORMATION AND TECHNOLOGY TRAINING CENTER UIN SUNAN KALIJAGA YOGYAKARTA. Skripsi thesis, UIN Sunan Kalijaga.

Preview	Text (PENERAPAN ALGORITMA GENETIKA PADA PENJADWALAN PELATIHAN INFORMATION AND COMMUNICATION TECHNOLOGY DI INFORMATION AND TECHNOLOGY TRAINING CENTER UIN SUNAN KALIJAGA YOGYAKARTA) 15650029_BAB-I_V_DAFTAR PUSTAKA.pdf - Published Version Download (971kB) | Preview
	Text (PENERAPAN ALGORITMA GENETIKA PADA PENJADWALAN PELATIHAN INFORMATION AND COMMUNICATION TECHNOLOGY DI INFORMATION AND TECHNOLOGY TRAINING CENTER UIN SUNAN KALIJAGA YOGYAKARTA) 15650029_BAB-II_S.D._IV.pdf - Published Version Restricted to Registered users only Download (1MB)

Abstract

Implementasi Algoritma Genetika untuk penjadwalan pelatihan ICT secara otomatis sudah pernah dilakukan, namun hanya untuk instrukturnya saja. Selain itu, hasilnya belum mencapai nilai fitness optimal karena masih ada satu constraint yang error. Penjadwalan Pelatihan ICT dilakukan dengan menggunakan Algoritma Genetika. Komponen-komponen penjadwalan disajikan dalam sebuah kromosom kemudian dilakukan perhitungan nilai fitness untuk mengetahui tingkat kebugaran atau kualitas individu. Individu dikenakan operator seleksi, crossover, mutasi, dan elitism untuk mendapatkan inidvidu terbaik pada setiap generasi sehingga menghasilkan individu terbaik dengan nilai fitness 1 atau dengan kata lain tidak ada jumlah error pada setiap constraint penjadwalan. Berdasarkan penelitian yang dilakukan, Algoritma Genetika dapat diterapkan pada penjadwalan instruktur dan fasilitator . Hasil fitness terbaik dapat mencapai nilai 1 dengan parameter probabilitas crossover (pc)=0.8 dan popsize=2. Hasil fitness terbaik ini didapatkan dengan menggunakan teknik dua kali optimasi yaitu optimasi fitness jatah menggunakan crossover uniform dan mutasi uniform tanpa pm, kemudian jika fitness jatah telah mencapai 1, individu akan dikenakan mutasi order based. Kata kunci : Algoritma Genetika, Penjadwalan ICT, Fitness, Mutasi, Crossover

Share this knowledge with your friends :

Actions (login required)

View Item