Sistem Penjadwalan Ruangan di FTTM ITB Menggunakan Metode Algoritma Genetika

Penjadwalan merupakan alokasi dari sumber daya terhadap waktu untuk menghasilkan sebuah kumpulan pekerjaan. Proses penjadwalan mata kuliah di perguruan tinggi berbeda dengan proses penjadwalan mata pelajaran di sekolah menengah atas. Pada perguruan tinggi, proses penjadwalan harus melihat sampai ke level mahasiswa. Algoritma yang dapat digunakan untuk menyelesaikan persoalan bentrok jadwal adalah algoritma genetika. Algoritma genetika merupakan salah satu algoritma probabilistik. Teknik pencarian pada algoritma genetika diadopsi dari proses evolusi alam. Proses komputasi yang terjadi dalam algoritma ini analog dengan proses seleksi makhluk hidup dalam sebuah populasi, yaitu proses inisialisasi populasi, evaluasi fitness, seleksi, crossover dan mutasi. Berdasarkan hasil pengujian dapat disimpulkan bahwa algoritma genetika dapat menghasilkan solusi jadwal yang tidak bentrok. Data yang digunakan dalam pengujian adalah data perkuliahan semester 2 tahun akademik 2013/2014 di Program Studi yang berada di gedung Teknik Perminyakan Fakultas Teknik Pertambangan dan Perminyakan Institut Teknologi Bandung. Penelitian ini menghasilkan jadwal yang optimal dengan menjadwalkan keseluruhan data mata kuliah, dosen, ruangan, hari dan waktu.

Scheduling is the allocation of resources over time to produce a collection of work. The process of scheduling courses in college is different from the process of scheduling subjects in high school. In college, the scheduling process should look up to the level of the student. The algorithm can be used to resolve the question of clashing schedules are genetic algorithms. Genetic algorithm is one of the probabilistic algorithm. Search techniques in genetic algorithms is adopted from the natural evolutionary process. Computational processes that occur in the algorithm selection process analogous to living organisms in a population, that is the population initialization, fitness evaluation, selection, crossover and mutation. Based on the test results it can be concluded that the genetic algorithm can generate solutions that are not clashing schedules. The data used in testing is the 2nd half of the data classes in the 2013/2014 academic study program that was in the building Petroleum Engineering Faculty of Mining and Petroleum Engineering Bandung Institute of Technology. This study resulted in an optimal schedule by scheduling the entire data subjects, lecturers, rooms, day and time.