OPTIMASI PENJADWALAN KULIAH DENGAN ALGORITMA GENETIKA (Studi Kasus Penjadwalan Kuliah FT.UNPAS)

Canro Rumahorbo, 07.40084 and Ayi Purbasari, DS and Mellia Liyanthy, Ds (2017) OPTIMASI PENJADWALAN KULIAH DENGAN ALGORITMA GENETIKA (Studi Kasus Penjadwalan Kuliah FT.UNPAS). Skripsi(S1) thesis, Fakultas Teknik Unpas.

	Text BAB V - TA.doc Download (21MB)
	Text BAB III -TA.doc Download (405kB)
	Text BAB VI - TA.doc Download (40kB)
	Text BAB IV-TA.doc Download (1MB)
	Text BAB I - TA.doc Download (80kB)
	Text Cover.doc Download (68kB)
	Text BAB II - TA.doc Download (129kB)

Abstract

ABSTRAK Penjadwalan kuliah dalam suatu kampus merupakan suatu masalah yang kompleks. Selain dilihat dari sisi mahasiswa, juga harus dilihat dari sisi dosen, yaitu kemungkinan dosen akan mengajar lebih dari satu mata kuliah, sebab ada kemungkinan jumlah mata kuliah dan jumlah dosen tidak sebanding, sehingga harus dipikirkan solusi agar dosen tidak mengajar dua mata kuliah berbeda pada hari dan jam yang sama. Selain itu, harus dipertimbangkan juga ketersediaan ruangan kelas sehingga kegiatan perkuliahan dapat dilaksanakan. Untuk itu diperlukan suatu metode yang dapat menyelesaikan permasalahan kompleksitas penjadwalan kuliah tersebut. Tugas akhir ini membahas tentang salah satu metode optimasi yang dapat digunakan untuk menyelesaikan permasalahan tersebut, yaitu dengan menggunakan pendekatan Algoritma Genetika yang merupakan pendekatan komputasional untuk menyelesaikan masalah yang dimodelkan dengan proses evolusi biologis. Pada tulisan ini algoritma genetika yang dibuat di implementasikan ke dalam bentuk aplikasi berbasis web menggunakan framework yii, dimana aplikasi tersebut dengan algoritma genetika dapat mengolah data dosen, matakuliah, ruangan, dan slot waktu perkuliahan menjadi jadwal perkuliahan optimal selama satu semester, yang mana di dalamnya tidak terdapat lagi bentrok matakuliah serta tersedianya penggunaan ruangan yang efisien untuk seluruh mata kuliah yang ada. Kata kunci : penjadwalan, kompleksitas, metode, optimasi, algoritma genetika, efisien.

Item Type:	Thesis (Skripsi(S1))
Subjects:	S1-Skripsi
Divisions:	Fakultas Teknik > Teknik Informatika 2012
Depositing User:	Irwan Kustiawan
Date Deposited:	25 Sep 2017 06:38
Last Modified:	25 Sep 2017 06:38
URI:	http://repository.unpas.ac.id/id/eprint/29923

Actions (login required)

View Item