Nama : Nur Qalbi

Nim : 60900118008

Jurusan : Sistem Informasi

Judul :Penerapan Algoritma Genetika untuk Penjadwalan pada SMK

Darussalam Makassar.

A. Latar Belakang

SMK Darussalam Makassar merupakan salah satu Sekolah Kejuruan

Swasta yang berada di Kota Makassar, dan berdiri sejak tahun 2005, saat ini SMK

Darussalam Makassar telah memiliki 10 jurusan, 86 tenaga pengajar yang

dibedakan menjadi tiga jenis yaitu: Guru Tetap Yayasan (GTY) 18 orang, Guru

Tidak Tetap (GTT) 66 orang, dan guru DPK 2 orang, jumlah siswa keseluruhan

667 orang yang terdiri dari 238 siswa kelas X yang terbagi menjadi 9 kelas, 210

siswa kelas XI yang terbagi menjadi 9 kelas dan 219 siswa kelas XII yang terbagi

menjadi 11 kelas, adapun jumlah keseluruhan ruang pembelajaran yaitu 35

ruangan, jumlah hari pembelajaran lima hari mulai hari senin-jumat dengan total

slot time 48 jam, hari senin-kamis terdapat 10 slot time dalam satu hari, dan hari

jumat terdapat 8 slot time, selain itu terdapat waktu khusus untuk upacara bendera

setiap hari senin, waktu istirahat, dan waktu ishoma.

Proses pelaksanaan kegiatan belajar mengajar pada setiap tahun ajaran

baru erat kaitannya dengan kegiatan penyusunan jadwal mata pelajaran.

Berdasarkan hasil wawancara awal yang dilakukan penulis kepada bapak Al-

Hidayat Rustam, S.Kom selaku tata usaha bagian kurikulum pada SMK

Darussalam Makassar, serta yang bertanggung jawab dalam menyusunan jadwal

mata pelajaran, bahwa sistem penyusunan jadwal pembelajaran saat ini masih

1
menggunakan microsoft excel, dengan cara membuat format tabel penjadwalan

yang berisi kolom untuk setiap kelas, dan baris untuk hari dan slot waktu,

kemudian kolom ini akan diisi secara manual dengan kode guru dan mata

pelajaran yang sebelumnya belum mendapatkan jadwal. Kesulitan yang dihadapi

pada penyusunan jadwal menggunakan micrsoft excel yaitu mencari kolom

kosong pada slot waktu untuk menempatkan guru sesuai dengan kesediaanya

untuk mengajar, selain itu kesulitan yang dihadapi adalah pengecekan jadwal yang

berbenturan dilakukan secara manual dengan memeriksa nama pengajar satu

persatu pada sheet yang berbeda dalam microsoft excel. Hal ini mengakibatkan

proses penyusunan jadwal membutuhkan ketelitian yang tinggi dan waktu yang

lama. Sehingga hal ini berdampak pada keterlambatan informasi jadwal mata

pelajaran.

Dalam Al-Qur’an telah diterangkan tentang pentingnya memanfaatkan

waktu dengan baik, Allah swt berfirman dalam QS Al-Ashr/103: 1-3.

‫ ۡو ْا‬VV‫اص‬ َّ ٰ ‫وا ٱل‬

ِ ‫صلِ ٰ َح‬
َ ‫ت َوت ََو‬ ْ ُ‫وا َو َع ِمل‬
ْ ُ‫ ِإاَّل ٱلَّ ِذينَ َءا َمن‬٢ ‫ ِإ َّن ٱِإۡل ن ٰ َسنَ لَفِي ُخ ۡس ٍر‬١ ‫ص ِر‬ ۡ ‫َو ۡٱل َع‬
٣ ‫ص ۡو ْا بِٱلص َّۡب ِر‬ َ ‫ق َوت ََوا‬ِّ ‫بِ ۡٱل َح‬

Terjemahnya :
“Demi masa. Sesungguhnya manusia itu benar-benar berada dalam
kerugian. Kecuali orang-orang yang beriman dan mengerjakan amal sholeh dan
nasehat-menasehati supaya mentaati kebenaran dan nasehat-menasehati supaya
menetapi kesabaran”.

Dalam tafsir Al-Mishbah kata ‘asr memiliki makna waktu secara umum.

Allah swt bersumpah tentang waktu, agar menggunakan waktu sebaik mungkin.

Barang siapa yang menggunakan waktu dengan baik dia termasuk orang yang

beruntung, dan sebaliknya orang yang tidak menggunakan waktu sebaik

mungkin maka dia termasuk orang yang merugi, kecuali orang yang beriman,

2
beramal shaleh, saling menasehati dalam kebenaran dan saling menasehati untuk

tetap bersabar.

Adapun keterkaitan surah Al-Ashr pada penelitian ini dapat dilihat pada

fungsi aplikasi yang akan dibangun, dimana aplikasi ini berfungsi untuk

memberikan kemudahan, pada pihak SMK Darussalam Makassar dalam

menyusun jadwal agar lebih efisien.

Penyusunan jadwal mata pelajaran merupakan permasalahan yang

kompleks karena perlu memperhatikan beberapa parameter yaitu pengajar, siswa,

ruangan, slot waktu, dan hari, selain itu juga harus memperhatikan beberapa

aturan ataupun batasan yang ditetapkan seperti guru tidak boleh mengajar di satu

kelas yang sama dengan guru lain di waktu yang bersamaan, adanya batasan

jumlah jam guru yang mengajar, beberapa guru yang tidak bersedia mengajar di

hari ataupun jam tertentu, mata pelajaran yang memiliki slot waktu sesuai dengan

tingkatan kelasnya, mata pelajaran olahraga yang sebaiknya dijadwalkan pagi hari

atau dijam terakhir. Komponen dan batasan-batasan tersebut menambah kesulitan

bagi pihak yang menyusun jadwal, sehingga diperlukan suatu algoritma optimasi

yang tepat agar dapat mempermudah proses penyusunan jadwal, salah satu

algoritma yang dapat diterapkan untuk penjadwalan adalah algoritma genetika.

Algoritma genetika pertama kali diterapkan oleh John Holland pada awal

tahun 1975, merupakan algoritma yang pada awalnya digunakan untuk mencari

parameter yang optimal, kemudian berkembang dan dapat diterapkan pada

beberapa masalah lain seperti peramalan, pembelajaran, pemrograman otomatis,

dan penjadwalan (Ardiansyah et al., 2022). Algoritma genetika mempunyai

beberapa kelebihan dari metode optimasi lain yakni algoritma genetika dapat

melakukan optimasi untuk masalah yang kompleks serta ruang pencarian yang

3
sangat luas, sehingga sangat cocok untuk diaplikasikan pada masalah penyusunan

jadwal yang dalam penyelesaiannya perlu memperhatikan beberapa parameter

serta batasan sehingga menghasilkan sebuah penjadwalan yang optimal .

Dalam islam, pentingnya keteraturan telah dijelaskan, Allah swt berfirman

dalam QS As-Shaff/61: 4.

Terjemahnya :

“sesungguhnya Allah mencintai orang-orang yang berperang di jalan-

Nya dalam barisan yang teratur, mereka seakan-akan seperti suatu bangunan

yang tersusun kokoh”

Dalam tafsir Min Fathil Qadir kata ‘bunyanum marsus (bangunan yang

tersusun kokoh) yakni mereka saling berdempetan sampai seperti satu tubuh, ini

mereka lakukan karena kesungguhan mereka dalam menjalankan perintah Allah

swt, tidak ada dari mereka dalam menjalankan perintah Allah swt, tidak ada bagi

mereka yang menunda, dan mereka tidak dapat ditembus musuh.

Adapun keterkaitan antara QS As-Shaff/61:4 dengan penelitian ini

terdapat pada kata “shaff” yang artinya barisan yang teratur, dan kata “bunyanum

marsus” yang artinya bangunan yang tersusun kokoh, kata teratur dan tersusun ini

merupakan petunjuk dari Al-Qur’an tentang pentingnya keteraturan dalam hidup,

salah satunya dalam penyusunan waktu agar kegiatan belajar mengajar di sekolah

dapat berjalan dengan teratur sehingga tujuan dari kegiatan belajar mengajar yaitu

untuk menyalurkan pengetahuan dari pengajar kepada siswa dapat terpenuhi.

Berdasarkan latar belakang di atas, maka penulis terdorong untuk

melakukan penelitian dengan judul "Penerapan Algoritma Genetika untuk

4
penjadwalan pada SMK Darussalam Makassar" dengan tujuan untuk memberi

kemudahan dalam penyusunan jadwal mata pelajaran.

B. Rumusan Masalah

Dari pemaparan latar belakang di atas dapat disimpulkan rumusan masalah

pada penelitian ini yaitu bagaimana cara mempermudah pihak SMK Darussalam

Makassar dalam menyusun jadwal mata pelajaran dengan menerapkan algoritma

genetika ?

C. Fokus Penelitian Dan Deskripsi Fokus

Agar dalam pengerjaan tugas akhir ini dapat lebih terarah dan

permasalahan tidak melebar, maka fokus penelitian difokuskan pada pembahasan

sebagai berikut:

1. Merancang sebuah sistem penyusunan jadwal mata pelajaran di SMK

Darussalam Makassar.

2. Algoritma yang digunakan dalam penyusunan jadwal yaitu algoritma

genetika.

3. Sistem ini berbasis web menggunakan bahasa pemrograman PHP

(Hypertext Processor) dengan MySQL sebagai databasenya.

D. Kajian Pustaka

Untuk mengkaji penelitian ini agar lebih terarah serta dapat dipertanggung

jawabkan secara akademis, maka penulis mengambil referensi dari penelitian

sebelumnya, diantaranya :

Heri Hermawan dkk (2020) dalam penelitiannya yang berjudul “Performa

optimal penerapan algoritma genetika pada penjadwalan mata kuliah”. Pada

penelitian ini, teknik pengkodean yang digunakan adalah pengkodean bilangan rill

5
(Permutation Encoding), jumlah generasi 11, populasi 157, menggunakan teknik

seleksi roulette wheel selection, dan metode persilangan crossover satu titik

dengan probabilitas crossover 0,1 crossover rate 0,5 mutation rate 0,25. Hasil

dari penelitian ini adalah penjadwalan mata kuliah yang optimal. Penelitian ini

sama-sama membahas penerapan algoritma genetika pada penyusunan jadwal.

Perbedaan penelitian ini dengan penelitian sebelumnya adalah jumlah generasi

yang ditetapkan pada penelitian ini adalah 100 generasi, menggunakan teknik

pengkodean nilai, jumlah populasi 81, teknik seleksi good fitness selection, dan

metode persilangan uniform crossover . (Hermawan et al., 2020).

Yuslena Sari, dkk (2019) dalam penelitiannya yang berjudul “Optimasi

penjadwalan mata kuliah menggunakan metode algoritma genetika dengan teknik

tournament selection”. Pada penelitian ini teknik seleksi yang diterapkan yaitu

tournament selection, metode persilangan crossover satu titik dengan probabilitas

crossover 0,75 jumlah populasi 25, probabilitas mutasi 0,5 jumlah generasi 600.

Penelitian ini sama-sama membahas penerapan algoritma genetika pada

penyusunan jadwal. Perbedaan penelitian ini dengan penelitian sebelumnya adalah

jumlah generasi yang ditetapkan pada penelitian ini adalah 100 generasi,

menggunakan teknik pengkodean nilai, jumlah populasi 81, teknik seleksi good

fitness selection, dan metode persilangan uniform crossover (Sari et al., 2019).

Ida Bagus Ary Indra Iswara, Dio Restu Saputra (2019) dalam

penelitiannya yang berjudul “Analisis dan implementasi algoritma genetika pada

penjadwalan mata pelajaran di Madrasah Tsanawiyah Miftahul ‘Ulum Denpasar”

pada penelitian ini terdapat 20 populasi, menerapkan metode seleksi Roulette

wheel selection, dengan jumlah generasi 200, menggunakan metode persilangan

crossover satu titik dengan nilai probabilitas crossover (Pc) 0,5 dan probabilitas

6
mutasi (Pm) 0,15 sampai 0,35. Dari hasil penelitian dapat membantu pihak terkait

dalam menyusun jadwal dengan hanya membutuhkan waktu 91,22 detik. Selain

perbedaan lokasi penelitian, perbedaan penelitian ini dengan penelitian

sebelumnya adalah jumlah generasi yang ditetapkan pada penelitian ini adalah

100 generasi, menggunakan teknik pengkodean nilai, jumlah populasi 81, teknik

seleksi good fitness selection, dan metode persilangan uniform crossover (Iswara

et al., 2019) .

Lusiana Paranduk, dkk (2018) dalam penelitiannya yang berjudul “sistem

informasi penjadwalan mata kuliah menggunakan algoritma genetika berbasis

web” pada penelitian ini metode seleksi yang diterapkan yaitu roulette wheell

selection, metode persilangan yaitu One-cut point dengan probabilitas crossover

(Pc) 0,75 metode mutasi yaitu Swapping Mutation dengan Probabilitas mutasi

(Pm) 0.40 , pada penelitian ini dari 100 kromosom yang di bangkitkan hanya 35

solusi yang dihasilkan, sehingga dapat disimpulkan dalam penelitian ini belum

mendapatkan penjadwalan yang optimal. Untuk mendapatkan penjadwalan yang

optimal penulis menyarankan menggunakan sebuah kombinasi parameter yang

tepat. Penelitian ini sama-sama membahas penerapan algoritma genetika pada

penyusunan jadwal. Perbedaan penelitian ini dengan penelitian sebelumnya adalah

jumlah generasi yang ditetapkan pada penelitian ini adalah 100 generasi,

menggunakan teknik pengkodean nilai, jumlah populasi 81, teknik seleksi good

fitness selection, dan metode crossover uniform crossover (Paranduk et al., 2018).

Haider Ali Hatim, Fandi Ahmad (2022) dalam penelitiannya yang berjudul

“Pendekatan algoritma genetika dalam upaya optimalisasi penjadwalan di PT.

Nuansa Indah” Penelitian ini bertujuan untuk menyusun jadwal produksi dan

penggunaan sumber daya yang optimal dan sesuai dengan yang telah disepakati,

7
dengan menerapkan algoritma genetika dan perangkat lunak MATLAB R2016B,

serta menggunakan metode penelitian kualitatif, dimana ukuran populasinya

adalah 36, menggunakan metode seleksi roulette whell selection, metode

persilangan crossover 1 titik dengan probabilitas crossover (Pc) 0,95 dan

probabilitas mutasi (Pm) 0.01, penyusunan jadwal menggunakan algoritma

genetika ini menghasilkan penjadwalan produksi yang tepat guna. Penelitian ini

sama-sama membahas penerapan algoritma genetika pada penyusunan jadwal.

Perbedaan penelitian ini dengan penelitian sebelumnya adalah jumlah generasi

yang ditetapkan pada penelitian ini adalah 100 generasi, menggunakan teknik

pengkodean nilai, jumlah populasi 81, teknik seleksi good fitness selection, dan

metode persilangan uniform crossover (Hatim et al., 2022).

E. Tujuan dan Kegunaan Penelitian

1. Tujuan Penelitian

Tujuan penelitian ini adalah merancang dan membangun sebuah sistem

penyusunan jadwal di SMK Darussalam Makassar sehingga memudahkan pihak

terkait dalam menyusun jadwal yang optimal.

2. Kegunaan Penelitian

Diharapkan dengan kegunaan pada penelitian ini dapat diambil beberapa

manfaat yang mencakup tiga hal pokok berikut:

a. Bagi Dunia Akademik

Dapat memberikan sebuah referensi yang dapat digunakan pada bidang

akademis terutama pada perkembangan ilmu pengetahuan di bidang teknologi,

serta untuk mengetahui cara mengimplementasikan Algoritma Genetika pada

software.

8
b. Bagi SMK Darussalam Makassar

Tentu dengan adanya penelitian ini diharapkan dapat mempermudah serta

mempercepat pihak SMK Darussalam Makassar dalam penyusunan jadwal

pelajaran, serta meminimalisir terjadinya benturan jadwal.

c. Bagi Penulis

Agar dapat mengetahui tahapan-tahapan pada Algoritma Genetika dan

bagaimana mengimplementasikannya dalam penyusunun jadwal pelajaran, serta

sebagai portofolio bagi peneliti yang dapat digunakan untuk masa depan yang

akan datang.

F. Tijauan Teoritis

1. Algoritma Genetika

Algoritma Genetika ialah algoritma pencarian yang didasari pada prosedur

seleksi alamiah serta genetika alamiah. Dalam pemecahan masalah algoritma

genetika akan menggambarkan masalah dalam rantai kromosom yang dilengkapi

dengan sejumlah gen yang memperlihatkan variable keputusan. Algoritma

genetika adalah algoritma yang sudah dibuktikan dapat mengatasi permasalahan

dalam penyusunan jadwal, pada algoritma tiap kromosom berarti solusi, yang

dimana tiap kromosom terdiri dari beberapa gen (Elva et al., 2019).

Berikut merupakan beberapa istilah-istilah yang terdapat pada algoritma

genetika (Afira Wijaya et al., 2021) :

a. Gen (Genotype), Merupakan variable awal dalam pembentukan kromosom,

pada algoritma genetika gen biasanya berbentuk biner, float, integer, ataupun

karakter. Pada masalah penjadwalan gen merpakan komponen penyusun jadwal

yaitu guru, hari, slot waktu, dan ruangan.

9
b. Allele, merupakan nilai sebuah gen dapat berbentuk biner, float, integer,

ataupun karakter.

c. Kromosom atau individu, adalah kumpulan dari beberapa gen. Pada

penjadwaln individu merupakan satu kesatuan jadwal yang mempunyai

komponen gen yang berbeda-beda dengan individu lain.

d. Hard constraint, syarat atau batasan pokok yang bersifat wajib terpenuhi

e. Soft constraint, syarat atau batasan yang ditentukan yang apabila terpenuhi

maka akan memberikan hasil penjadwalan yang lebih baik.

f. Populasi, kumpulan individu yang bakal diproses bersamaan pada siklus

evolusi. Pada masalah penjadwalan populasi merupakan jadwal acak yang akan

dibangkitkan dalam jumlah tertentu.

g. Generasi, rangkaian iterasi yang menggabungkan beberapa kromosom.

h. Offspring, kromosom baru yang didapatkan dari sebuah generasi.

a. Komponen Pada Algoritma Genetika

1) Pengkodean

Pengkodean atau biasa disebut coding adalah proses untuk memberikan

kode terhadap tiap gen yang akan digunakan menjadi variable, gen ini akan

dikodekan kedalam bentuk kromosom. Sehingga dalam satu kromosom terdapat

beberapa gen. Ada beberapa teknik pengkodean yang dapat digunakan yaitu

(Nofianto, 2020) :

a) Pengkodean Nilai

10
 Pengkodean nilai (value encoding) sering diterapkan pada masalah yang

memiliki nilai yang rumit, yang setiap kromosom merupakan string pada sebuah

nilai, contoh apabila pengkodean data menggunakan angka rill yang akan sulit

apabila menerapkan pengkodean biner karena angka rill yang tidak dapat

dipresentasikan dalam bentuk bit 1 atau 0 dengan tepat.

b) Tree Encoding

Tree encoding atau pengkodean pohon Merupakan pengkodean yang

sering diterapkan dalam pemrograman genetika, dimana kromosom diibaratkan

menjadi pohon pada semua objek sama seperti perintah yang ada pada bahasa

pemrograman, metode ini diterapkan untuk mendapatkan fungsi sesuai dengan

nilai yang diberi agar mendapatkan yang baik pada sebuah keturunan.

c) Real Number Encoding

Pengkodean bilangan riil cocok diterapkan untuk masalah optimasi fungsi

dan optimasi kendala.

d) Discrete Decimal Encoding

Merupakan pengkodean yang baik diterapkan untuk masalah optomasi

kombinatorial, penerapan pengkodean ini dapat menyederhanakan ukuran

kromosom lebih sederhana dan tidak terlalu panjang.

e) Pengkodean Struktur Data

Merupakan jenis pengkodean yang menggunakan struktur data.

Pengkodean ini diterapkan untuk masalah trajektori robot dan masalah pewarnaan

gap.

f) Binary Encoding

11
 Merupakan pengkodean yang dimana tiap kromosom akan diberi kode

dengan angka 0 atau 1, pengkodean biner paling sederhana sehingga sering

diterakan. Dalam menerapkan pengkodean biner perlu dilakukan pemeriksaan

setelah proses Crossover, dan mutasi. Dibawah ini cotoh pengkodean biner.

2) Inisialisasi populasi

Penentuan populasi awal dilakukan secara acak ataupun menggunakan

teknik tertentu untuk mendapatkan kromosom awal yang mewakili satu solusi

alternatif, Di tahapan ini akan ditentukan jumlah kromosom pada satu populasi

(Rojabi, 2020).

3) Evaluasi Fitness

Mendapatkan fungsi fitness yang baik dapat dilakukan dengan banyak

cara, salah satunya dengan mengetahui batasan yang telah ditentukan, batasan

hard constraint meupakan batasan yang tidak dapat dilanggar sehingga

mendapatkan prioritas yang lebih tinggi dibandingkan dengan soft constraint,

kemudian menentukan penalty atau hukuman pada tiap pelanggaran batasan yang

sudah ditentukan, berikut rumus fungsi fitness-nya :

N
1
f= ∑ ❑
B+ a yang dimana : B=i=1 JiPi

Merupakan jumlah pelanggaran yang dikali dengan jumlah pinalti, N

merupakan jumlah constraint, Ji merupakan pelanggaran constraint ke-i, serta Pi

merupakan penalty pada pelanggaran constraint ke-i. Konstanta a adalah bilangan

yang dianggap kecil contonya 0-1 yang disesuaikan dengan masalah yang akan

diselesaikan agar menghindari pembagian nol(Iskandar, 2017).

4) Seleksi

12
 Proses seleksi adalah proses penentuan parent yang mampu bertahan untuk

beradaptasi sehingga dapat diproses pada tahap selanjutnya yaitu crossover

(Pamuji et al., 2019) .terdapat beberapa metode seleksi yang dapat diterapkan

diantaranya yaitu :

a) Ranking

Untuk mengatasi kekurangan pada metode seleksi Roulette wheel, dalam

metode ini setiap kromosom akan diurutkan berdasarkan nilai fitness-nya, dengan

metode ini nantinya kromosom akan memiliki nilai fitness baru, dimana semakin

tinggi nilai fitness-nya maka rangking akan bertambah, sehingga nilai fitness

terkecil nilainya 1, dan terkecil ke-2 nilainya 2.

b) Range Base fitness

Pada metode seleksi ini populasi akan disusun berdasarkan nilai

objektifnya. Nilai fitness pada tiap individu tergantung pada posisi individu

tersebut dalam urutan serta tidak terpengaruh pada nilai objektifnya.

c) Good Fitness Selection

Merupakan metode seleksi yang diterapkan dengan cara 50% dari

banyaknya populasi yang mempunyai nilai fitness terendah akan dihilangkan,

maka dari itu populasi yang akan bertahan merupakan populasi terbaik yang

memiliki nilai fitness tertinggi yang dikenal dengan populasi induk, dikarenakan

banyaknya populasi harus tetap , sehinnga diadakan generate solusi baru dengan

jumlah sesuai dengan populasi yang ada , tujuan di bangkitkannya solusi baru,

agar didapatkan solusi alternative yang lebih baik.

d) Tournament Selection

13
 Adalah salah satu metode seleksi perlombaan antara individu yang ada

dalam satu populasi. Penerapan metode ini dengan cara menentukan beberapa

kromosom pada suatu populasi secara random, sehingga individu terbaik yang

memiliki nilai fitness tertinggi akan dipilih sebagai induk.

e) Stocastic Universal Sampling

Pada seleksi ini tiap individu akan dipetakan pada satu bagian garis secara

terurut sehingga tiap bagian individu mempunyai urutan yang sama dengan

ukuran fitness. Setelah itu akan diberikan beberapa pointer sesuai banyaknya

jumlah individu yang akan diseleksi dalam garis tersebut.

f) Roulette Wheel Selection

Merupakan merupakan metode seleksi yang paling sederhana

dibandingkan yang lainnya digambarkan seperti permainan rode roulette yang tiap

individu akan berada pada potongan lingkaran tergantung nilai fitness, pada

metode ini populasi akan dipilih dari nilai nilai fitness-nya, semakin tinggi nilai

fitness-nya maka akan semakin besar juga kemungkinannya untuk dipilih, namun

metode ini memiliki kerungan yang dimana jika selisih nilai fitness pada tiap

kromosom jauh berbeda, maka kromosom yang lain sulit untuk mendapatkan

kesempatan untuk terpilih.

5) Crossover

Crossover merupakan proses menyilangkan dua individu yang ada dalam

satu populasi untuk menghasilkan offspring, kemudian offspring ini akan

dibandingkan dengan populasi yang telah ada, jika kualitas nilai fitness-nya lebih

baik maka akan dipertahankan dan menggantikan populasi terbaik sebelumnya.

Dalam masalah penjadwalan individu merupakan suatu jadwal pelajaran dalam

satu minggu.

14
 Hasil crossover akan buruk jika ukuran populasi terlalu kecil, yang dapat

menyebabkan kromosom dengan gen yang memiliki solusi sangat mudah

menyebar menuju kromosom yang lain, sehingga untuk mengatasi hal tersebut

maka diterapkan aturan jika pindah silang hanya dapat terjadi apabila bilangan

yang dibangkitkan kurang dari probabilitas crossover (Pc) yang di tentukan.

Ditentukan Probabilitas crossover sebagai syarat crossover dapat berjalan jika

bilangan acak yang ditentukan tidak melebihi Probabilitas crossover (Pc),

probabilitas crossover ini berperan untuk mengatur operator crossover . Semakin

besar nilai Pc yang ditentukan maka akan semakin cepat juga string baru muncul

pada suatu populasi, begitupun jika Pc terlalu besar maka string yang menjadi

kandidat terbaik akan lebih cepat hilang di generasi berikutnya. Terdapat sejumlah

jenis crossover yaitu:

a) Crossover 1 titik

Pada Crossover 1 titik akan dilakukan pemisahan satu string jadi dua

bagian kemudian satu bagian akan ditukar dengan satu bagian lain pada string

yang lainnya yang sudah dipisah menggunakan cara yang sama.

b) Crossover 2 titik

Dalam sebuah masalah tertentu yang memiliki gen yang sangat banyak

pada suatu individu, maka munkin saja memerlukan titik pindah silang yang lebih

dari satu yang dapat mempengaruhi bentuk pertukaran gen antar individu. Pada

Crossover 2 titik ini akan dipilih dua titik crossover. Dimana offspring terbentuk

dari barisan gen awal dari parents pertama, lalu disalin dengan gen parent kedua,

dan sisanya akan disalin dengan gen parent pertama.

c) Crossover Seragam

15
 Pada crossover seragam akan memberikan hasil offspring dengan cara

menyalin bit dengan random pada kedua parents, sehingga komposisi pada gen

tertentu dalam individu dapat bertahan sehingga lebih mudah dalam proses

mencari solusi.

6) Mutasi

Mutasi adalah suatu proses merubah nilai dari satu atau beberapa gen pada

suatu kromosom secara acak. Mutasi merupakan operator algoritma genetika yang

berperan untuk menghasilkan individu yang baik ataupun yang memiliki kualitas

diatas rata-rata, serta berperan untuk mengembalikan kerusakan materi genetik

yang terjadi saat proses crossover. Selain itu mutasi juga memegang dua peran

vital yaitu mengembalikan gen yang hilang pada suatu populasi pada proses

seleksi, sehingga dapat dilibatkan kembali dalam proses selanjutnya. Peran mutasi

lainnya yaitu menghadirkan gen-gen yang tidak ada pada saat populasi awal

(Setiawan Denny, 2020).

Dalam proses Mutasi akan ditentukan suatu parameter yang sangat

berperan penting untuk mengendalikan operator mutasi. Probabilitas mutasi

merupakan persentasi dari jumlah gen pada suatu populasi yang akan mengalami

mutasi. Pada setiap generasi ditaksir terjadi mutasi sebanyak (Pm) x n string.

Dalam seleksi alam murni, mutasi jarang terjadi sehingga probabilitas mutasi

yang diterapkan biasnya lebih kecil dari probabilitas crossover (Pc). Probabilitas

mutasi (Pm) biasanya ditetapkan sekitar 0-1 . missal suatu offspring yang

terbentuk adalah 100 yang jumlah gen tiap kromosom 4 dan Probabilitas mutasi

yang ditentukan 0,10, maka diharapkan ada 40 kromosom dari 400 gen yang ada

pada suatu populasi yang akan mengalami mutasi.

Terdapat dua jenis mutasi, yaitu mutasi terarah dan mutasi biasa. Mutasi

terarah yaitu mutasi yang menyesuaikan dengan informasi gen, yaitu jumlah

16
pelanggaran suatu gen ( bagian dari nilai fitness), sehingga untuk gen yang

berbeda kemungkinan akan dimutasi, Mutasi dilakukan apabila pelanggaran suatu

gen lebih besar daripada gen yang lainnya yang berada dalam satu kromosom.

Sedangkan pada mutasi biasa setiap gen mempunyai peluang yang sama untuk

terjadi mutasi, karena tidak menyesuaikan dengan informasi suatu gen (Ananda,

2021).

Tiga bagian yang dapat bermutasi yaitu mutasi di tingkatan kromosom

dimana gen-gen didalamnya akan berubah, Mutasi di tingkatan gen yang dimana

setiap bit pada suatu gen akan mengalami perubahan, Mutasi pada tingkatan yaitu

hanya ada satu bit yang mengalami perubahan. Berikut beberapa jenis mutasi :

a) Mutasi Pengkodean Nilai

Merupakan proses yang berjalan di saat pengodean nilai berlangsung,

proses mutasi saat pengodean nilai bisa diterapkan dengan memberikan posisi gen

secara acak pada kromosom, kemudian nilainya akan dijumlahkan baik itu

ditambahkan ataupun dikurangi pada sebuah nilai nilai kecil tertentu yang dipilih

secara acak misal dengan bilangan 0 atau 1.

b) Mutasi pengkodean Biner

Untuk memulai proses mutasi pengodean biner, maka terlebih dahulu

untuk melakukan proses mengkonversi nilai bit dalam kromosom yang dipilih

secara acak, kemudian mengubah nilai dengan nilai yang berlawanan misalnya 0

menjadi 1, ataupun 1 menjadi 0.

c) Mutasi Pengkodean Permutasi

Proses ini berbeda dengan mutasi pengodean biner yang langsung

mengganti bit tiap kromosom, namun dengan cara menentukan dua posisi (locus)

pada kromosom lalu nilainya akan ditukar diantara keduanya. Parent yang

17
terdapat pada titik crossover ditukar untuk mendapatkan offspring. Dibawah ini

merupakan contoh mutasi pada pengodean permutasi.

Tabel 2 Gen sebelum mutasi

1 2 3 4 5 6 7 8 9 10

Tabel 3 Gen setelah mutasi

1 2 7 4 6 5 8 3 9 10

Terdapat beberapa operator yang dapat digunakan untuk representasi

permutasi, yakni metode inversion, insertion, displacement, dan reciprocal

exchange mutation, swapping mutation.

(1) Inversion Mutation

Inversion mutation diterapkan dengan cara menentukan substring secara

random lalu substring yang terpilih akan dibalik lalu ditempatkan pada posisi

yang sama. Penentuan tempat tersebut merupaka posisi random

Tabel 4 contoh Invertion Mutation

Gen 1 Gen 2 Gen 3 Gen 4 Gen 5

Gen 1 Gen 4 Gen 3 Gen 2 Gen 5

(2) Insertion mutation

Insertion mutation diterapkan dengan cara menentukan satu dari beberapa

gen secara random, kemudian gen yang terpilih tersebut akan dipindahkan

posisinya ke kromosom yang lain, penentuan posisi dilakukan secara random,

dibawah ini merupakan contoh dari insertion mutation :

(3) Exchance Mutation

18
 Exchange Mutation diterapkan dengan cara menentukan dua gen secara

random lalu letak gen pertama ditukarkan dengn letak gen kedua.

7) Elitism

Karena tidak ada yang menjamin jika suatu individu yang mempunyai nilai

fitness terbaik akan bertahan karena proses seleksi yang dilakukan secara random,

juga Karena adanya peluang rusaknya suatu individu karena nilai fitness-nya yang

menurun saat proses crossover. Sehingga perlu dibuat satu atau beberapa duplikat

yang dikenal dengan proses elitism dilalukan dengan menyalin satu kromosom

pada jumlah populasi ganjil, dan dua kromosom untuk populasi genap. Untuk

menjaga individu yang mempunyai nilai fitness tinggi tidak hilang selama selama

proses evolusi berlangsung.

8) Kriteria Berhenti

Kriteria berhenti adalah tolak ukur yang diterapkan dalam menyelesaikan

proses yang ada pada algoritma genetika. Ada beberapa macam kriterian berhenti

yang dapat diterapkan, yakni:

a) Menetapkan jumlah iterasi,

jumlah iterasi merupakan jumlah perulangan yang ditetapkan. Jika batasan

iterasi sudah mencapai jumlah yang ditentikan, maka proses akan terhenti dan

akan menghasilkan individu yang memiliki nilai fitness paling tinggi yang

menjadi solusi terbaik.

b) Menjumlahkan proses penggantian anggota populasi

Kriteria berhenti ini berpatokan pada jumlah proses penggantian populasi

yang gagal secaraberurutan dengan jumlah yang telah ditentukan. Contohnya,

apabila dalam 50 iterasi tidak terjadi penggantian individu pada suatu populasi

karena offspring yang dihasilkan mempunyai nilai fitness yang rendah dari orang

19
tuanya, sehingga kondisi ini dapat menjadi alasan dihentikannya proses pada

penyusunan jadwal menggunakan algoritma genetika.

c) Menetapkan batas waktu proses algoritma genetika

kriteria ini biasanya digunakan pada sistem waktu nyata (real time

systems). Misalkan suatu solusi harus didapatkan dalam waktu 3 menit, sehingga

proses dapat dihentikan jika sudah berjalan selama 3 menit atau waktu yang telah

ditentukan.

2. PHP (Hypertext Preprocessor)

PHP pertama kali di buat oleh Rasmus Ledorf, merupakan bahasa

pemrograman web atau scripting language yang dijalankan server. Awalnya PHP

dibuat untuk menghitung jumlah pengunjung home page-nya, pada saat itu PHP

merupakan kumpulan script yang diterapkan untuk mengolah data form dari web,

kemudian melepas kode sumber sumber, lalu menjadi open source, sehingga

banyak programmer yang merasa tertarik untuk megembangkan PHP (Ananda,

2021) .

Terdapat beberapa kelebihan PHP yaitu, dapat diimplementasikan dalam

pemrograman sisi server, dapat dilakukan secara command line meskipun tanpa

server dan web browser, dan dapat dilakukan dengan procedural, berorientasi

objek ataupun mengkombinasikan keduanya.

3. Web

Web atau World Wide Web (WWW) merupakan suatu sistem pertukaran

data pada internet yang mudah dan efisien, karena untuk mendapatkan suatu

informasi pengguna cukup mengikuti link yang ada pada dokumen web yang

dapat ditemukan pada web browser. Awalnya web merupakan ruang informasi

pada internet dengan menerapkan teknologi hypertext, internet saat ini identik

20
dengan web, yang digunakan sebagai sarana komunikasi sampai transaksi bisnis.

Selain memberikan kemudahan dalam mengakses informasi, web juga memberi

kemudahan dalam mendistribusikan informasi, serta bebas platform, informasi

dapat ditampilkan web browser pada sistem operasi apapun karena terdapat

standar dokumen, sehingga dapat menyajikan berbagai jenis data (Ivan et al.,

2018) .

4. MySQL

Merupakan sebuah perangkat lunak Relational Database Management

System (RDBMS) yang paling populer dikalangan linux, karena dilengkapi

dengan performasi query pada databasenya yang jarang bermasalah dan paling

cepat. MySQL server akan secara otomatis menginstal enam database utama yakni

Msdb, pubs, master, model, tempdb, dan northwind. Terdepat beberapa kelebihan

pada MySQL yakni:

a. Mudah digunakan sehingga tidak membutuhkan keahlian khusus, serta lebih

cepat tiga sampai empat kali lipat dibandingkan database server komersial yang

dikenal saat ini.

b. Lebih murah, karena bersifat open source yang dapat diaplikasikan untuk

UNIX platform, OS/2 dan windows platform secara gratis.

c. MySQL telah berintegrasi kuat dengan PHP karena sama-sama software open

source, sehingga koneksinya lebih cepat daripada menerapkan database server

yang lain.

5. UML (Unfied Modeling Language)

UML merupakan salah satu bahasa yang sudah menjadi standar dalam

industri visualisasi, merancang, serta mendokumentasikan sistem perangkat lunak.

Terdapat beberapa macam diagram dalam pemodelaan aplikasi berorientasi objek

21
pada UML yakni, activity diagram, class diagram, usercase diagram, dan

sequence diagram.

6. XAMPP

XAMPP adalah paket web server PHP dan database MySQL yang paling

terkenal oleh pengembang web. Ada tiga bagian penting XAMPP yang pada

umumnya diterapkan, yaitu:

a. PHP My Admin adalah bagian dalam pengelolaan database

b. Htdoc merupakan folder tempat dokumen yang akan dijalankankan. Pada

windows, folder ini terdapat pada C:/xampp.

c. XAMPP control panel dapat mengelola layanan service, baik itu memulai

ataupun menghentikan layanan.

G. Metode Penelitian

1. Jenis dan Lokasi Penelitian

Penelitian ini dilakukan dengan menggunakan Jenis penelitian kuantitatif.

Penelitiatian kuantitatif merupakan metode penelitian yang sering digunakan

untuk meneliti suatu populasi ataupun sampel. Jenis penelitian ini merupakan

suatu pengamatan yang menyangkut pada suatu ciri tertentu, berbentuk

perhitungan angka ataupun kuantitas, yang didasarkan pada perhitungan

persentase, rata-rata, ataupun perhitungn statistic lain. Lokasi penelitian ini

dilakukan di SMK Darussalam Makassar yang beralamat di Jl. Perintis

Kemerdekaan Km 19.

2. Pendekatan Penelitian

Penelitian ini menggunakan pendekatan eksperimen, yaitu jenis penelitian

yang menganalisis peran variable treatment (perlakuan) terhadap variable

22
dependent (hasil) dalam keadaan yang terkendali, dan variable dependent hanya

dapat dipengaruhi oleh variable treatment. Pada penelitian ini pendekatan pada

variable akan di diatur menggunakan teknik atau cara tertentu, yaitu operator

algoritma genetika yang diaplikasikan pada pemrograman PHP.

3. Sumber Data

Adapun sumber data yang digunakan pada penelitian ini :

a. Data Primer

Data yang didapatkan dengan cara langsung dari lapangan maupun wawancara

dengan narasumber yang bersankutan mengenai proses penjadwalan, serta data

pendukung lainnya yang ada di SMK Darussalam Makassar.

b. Data Sekunder

Data yang didapatkan dari sumber yang sudah ada sebelumnya baik itu

dari karya ilmiah, dokumen, laporan penelitian atau segala sumber yang tertulis

mengenai penjadwalan mata pelajaran menggunakan algoritma genetika.

4. Metode Pengumpulan Data

a. Observasi

Observasi adalah metode pengumpulan data dengan mengamati secara

langsung, dalam hal ini peneliti mengamati SMK Darussalam Makassar secara

langsung guna memperoleh informasi ataupun fakta yang dapat mendukung

proses penelitian.

b. Wawancara

Wawancara adalah metode pengumpulan data dengan cara melakukan

tanya jawab dengan bapak Al-Hidayat Rustam S.kom selaku tata usaha bagian

23
kurikulum selaku narasumber, untuk mengumpulkan informasi mengenai jumlah

kelas, jumlah guru, maupun jumlah ruangan, masalah yang berkaitan dengan

penyusunan jadwal yang ada di SMK Darussalam Makassar, dan mengenai teknik

penyusunan jadwal yang digunakan.

Berikut pertanyaan yang penulis ajukan pada penanggung jawab dalam

proses penyusunan data.

Tabel 5 Daftar Pertanyaan

No Pertanyaan

1 Berapa jumlah tenaga pengajar yang ada pada SMK Darussalam

Makassar?

2 Berapa jumlah siswa Siswa SMK Darussalam Makassar?

3 Berapa jumlah kelas yang ada pada SMK Darussalam Makassar ?

4 Berapa jumlah hari pembelajaran pada SMK Darussalam

Makassar?

5 Berapa jumlah slot waktu pembelajaran pada SMK Darussalam

Makassar ?

6 Bagaimana proses penyusunan jadwal yang ada pada SMK

Darussalam Makassar?

7 Sistem apa yang digunakan dalam penyusunan jadwal mata

pelajaran di SMK Darussalam Makassar?

c. Studi Pustaka

Studi pustaka merupakan metode pengumpulan data dengan cara menggali

informasi dari buku maupun jurnal yang terkait dengan algoritma genetika,

24
sehingga informasi yang dikumpulkan dijadikan referensi dalam menyusun latar

belakang, landasan teori, metodologi penulisan dan perancangan aplikasi.

5. Instrumen Penlitian

Berikut instrument penelitian yang digunakan pada penelitian ini yaitu:

a. Perangkat Lunak

1) Windows 10.

2) Php.

3) Xampp.

4) MySQL.

b. Perangkat Keras

1) Processor AMD E2-7015 APU with AMD Radeon R2 Graphics 1.50 GHz.

2) RAM 4.00 GB (3.43 GB Usable).

3) 64-bit operating system, x64-based processor.

6. Teknik Pengolahan Data

a. Pengolahan Data

Pengelolahan data pada penelitian ini dilangsungkan dengan proses

pemeriksaan data pengeditan data (editing) , pada tahapan ini data akan diperiksa

apakah sesuai dengan yang dibutuhkan penelitian atau tidak, setelah itu

pengeditan data akan dilangsungkan untuk menganalisis data yang akan dikelola,

data yang tidak memenuhi syarat akan dihilangkan, kemudian akan dilakukan

pengkodean atau biasa disebut coding adalah proses untuk memberikan kode

terhadap tiap gen yang akan digunakan menjadi variable, gen ini akan dikodekan

25
kedalam bentuk kromosom. Sehingga dalam satu kromosom terdapat beberapa

gen.

b. Analisis Data

Pada penelitian ini data digunakan adalah jadwal pelajaran yang akan

dikelola menggunakan algoritma genetika , dalam tahapan analisis data maka akan

dilakukan input dan output data ,serta terdapat beberapa langkah program yang

dilakukan yaitu yaitu :

1) Menginput data mata pelajaran.

2) Melakukan proses penjadwalan.

3) Melakukan penyusunan jadwal menggunakan algoritma genetika.

7. Metode Pengembangan Sistem

Pada penelitian ini peneliti menggunakan metode Rapid Application

Development (RAD) dalam membangun serta mengembangkan aplikasi yang

diangkat dari penelitian yang berjudul “penerapan algoritma genetika untuk

penjadwalan pada SMK Darussalam Makassar”

Dibawah ini tahapan-tahapan metode Rapid Application Development

(RAD) yang peneliti terapkan, diantaranya :

a. Tahap Requirement Planning

Di tahap ini aktifitas yang dilakukan adalah mengidentifikasi masalah

yang ada di SMK Darussalam Makassar diantaranya permasalahan mengenai

penyusunan jadwal pembelajaran, ketentuan serta syarat yang harus diperhatikan

dalam merancang sistem penjadwalan, menganalisis metode penjadwalan yang

diterapkan sebelumnya, algoritma yang diusulkan yaitu algoritma genetika.

26
b. Workshop Design

Di tahap ini merancang sistem dengan menyesuaikan kebutuhan dan

menganalisis sistem supaya dapat digunakan dengan baik, pada tahapan ini ada

sejumlah tahap yang akan dilakukan diantaranya mendesain aplikasi dengan

menerapkan algoritma genetika serta penjelasan UML (Unifield Modeling

Language) sistem yang akan di rancang.

c. Tahap Implementasi

Di tahap ini akan diimplementasikan apa yang telah dipersiapkan di tahap

workshop design, serta melakukan pengujian sistem menggunakan Blackbox

Testing untuk mengecek keadaan aplikasi apakah sudah baik atau belum.

8. Teknik Pengujian Sistem

Pengujian sistem bertujuan untuk mengecek apakah sistem yang dirancang

memberikan hasil sesuai yang diharapkan, adapun pengujian sistem pada

penelitian ini dilakukan dengan menerapkan metode Black Box Testing yang dapat

mengidentifikasi kesalahan yang ada pada sistem, serta mengidentifikasi respon

user, dalam hal ini menggunakan metode User Acceptance Testing (UAT), pada

pengujian ini akan dilakukan oleh end-user yaitu karyawan atau pihak terkait yang

akan menggunakan sistem tersebut untuk mengetahui apakah sistem ini sesuai

dengan kebutuhan yang di inginkan.

Pengujian terhadap algoritma genetika, bertujuan untuk memberikan hasil

yang optimal serta nilai Fitness yang maksimal, yang dilakukan dengan beberapa

pengujian diantaranya :

a. Menguji nilai parameter

27
 Dalam pengujian parameter bertujuan untuk mendapatkan parameter yang

paling baik yang mempengaruhi dalam menemukan nilai fitness yang paling baik.

Adapun nilai parameter yang dimaksud yaitu mencakup Probabilitas crossover

(PC) dan Probabilitas mutasi (Pm).

b. Menguji jumlah generasi dan nilai fitness

Dalam pengujian jumlah generasi ini bertujian untuk menguji algoritma

yang diterapkan berdasarkan jumlah generasi dan hasil nilai fitness.

H. Estimasi Waktu Penelitian

Proses Pengerjaan dapat dilakukan sesuai jadwal berikut :

Tabel 6 Estimasi waktu penelitian

jadwal kegiatan

Kegiatan september Oktober November Desember

Identifikasi masalah

Workshop design

Coding

Implementasi

Pengujian sistem

I. Sistematika Penulisan

Dalam penyusunan skripsi ini dibagi menjadi enam bab dengan sub pokok

pembahasan. Adapun sistematika dari skripsi ini ialah sebagai berikut:

BAB I :PENDAHULUAN

Di bab ini akan dipaparkan latar belakang penulisan, ruang

lingkup ataupun batasan pada penelitian ini, serta tujuan yang

28
 akan di capai, manfaat yang di harapkan serta metodologi yang

diterapkan pada penelitian ini secara sistematik.

BAB II :LANDASAN TEORI

Di bab ini akan dipaparkan mengenai teori-teori yang digunakan

pada pembahasan penulisan skripsi ini dan sumber dari teori-teori

tersebut.

BAB III :METODOLOGI PENELITIAN

Di bab ini akan dipaparkan mengenai tata cara yang digunakan

dalam penelitian berdasarkan metodologi penelitian yang dipilih.

Metode yang diterapkan yaitu metode pengumpulan data , metode

wawancara, serta studi literature.

BAB IV :ANALISIS DAN PERANCANGAN

Di bab ini akan dipaparkan tentang analisis sistem, perancangan

sistem, serta implementasi sistem.

BAB V :PENGUJIAN DAN IMPLEMENTASI

Di bab ini ialah tahapan pengujian program, apakah program atau

sistem yang dirancang telah terhindar dari kesalahan logika.

BAB VI :PENUTUP

Di bab ini merupakan akhir penulisan skripsi, dimana berdasarkan

uraian-uraian yang telah dibahas akan dituangkan dalam suatu

bentuk kesimpulan akhir serta saran.

29
 DAFTAR PUSTAKA

Afira, R., & Wijaya, R. (2021). Penjadwalan mata pelajaran dengan algoritma

genetika (studi kasus di smk negeri 1 padang). 8(2), 140–144.

Ananda, R. (2021). Penerapan algoritma genetika untuk perancangan aplikasi

penjadwalan mata pelajaran.

Ardiansyah, H., Bagoes, M., & Junianto, S. (2022). Penerapan Algoritma

Genetika untuk Penjadwalan Mata Pelajaran. 6, 329–336.

https://doi.org/10.30865/mib.v6i1.3418

Elva, Y. (2019). Sistem Penjadwalan Mata Pelajaran Menggunakan Algoritma

Genetika. Jurnal Teknologi Informasi, 3(1), 49–57.

Haifan, A., Pranoto, Y. A., & Vendyansyah, N. (2020). Sistem penjadwalan

praktikum menggunakan algoritma genetika. 4, 1–8.

Hatim, A. H. (2022). Pendekatan Algoritma Genetika Dalam Upaya Optimalisasi

Penjadwalan Di PT. Nuansa Indah. Jurnal Integrasi Sistem Industri, 9(2).

Hermawan, H., Fauzi, A., Cahyana, Y., & Hanny, H. H. (2020). PERFORMA

OPTIMAL PENERAPAN ALGORITMA GENETIKA PADA

PENJADWALAN MATA KULIAH. Ciastech, 683–690.

Iskandar, K. N. (2017). MENGGUNAKAN ALGORITMA GENETIKA ( Studi

Kasus : SMK Trimulia Jakarta ).

Iswara, I. B. A. I., & Saputra, D. R. (2019). Analisis Dan Implementasi Algoritma

Genetika Pada Penjadwalan Mata Pelajaran Di Madrasah Tsanawiyah

Miftahul ‘Ulum Denpasar. Jurnal Nasional Pendidikan Teknik Informatika

(JANAPATI), 8(2), 154. https://doi.org/10.23887/janapati.v8i2.19159

30
Ivan, Raphael, S., & Agung, H. (2018). Aplikasi penjadwalan mata pelajaran di

sman 31 menggunakan algoritma genetika berbasis web. Jurnal Simetris,

9(1), 641–656.

Nofianto, A. D. W. I. (2020). Otomatisasi Sistem Penjadwalan Ujian Akhir

Semester Menggunakan Algoritma Genetika.

Oktavia, L. D. (2019). Sistem Penjadwalan Mata Pelajaran Sekolah Menggunakan

metode Hybrid Artifical Bee Colony (HABC). Central Library of Maulana

Malik Ibrahim State Islamic University of Malang, 18–19.

Pamuji, R. A., Zeniarja, J., & Salam, A. (2019). Aplikasi Genetika Untuk

Penjadwalan Mata Pelajaran di SMAN 3 Semarang. Journal Of

Information System, 4(1), 87–97.

Paranduk, L., Indriani, A., Hafid, M., & Suprianto. (2018). Sistem Informasi

Penjadwalan Mata Kuliah Menggunakan Algoritma Genetika Berbasis

Web. Seminar Nasional Aplikasi Teknologi Informasi (SNATi), E46–E50.

Rojabi, N. I. M. (2020). Analisis penjadwalan mata kuliah dengan melibatkan

algoritma genetika.

Sari, Y., Alkaff, M., Wijaya, E. S., Soraya, S., Kartikasari, D. P., Studi, P.,

Informasi, T., Mangkurat, U. L., Studi, P., Informasi, T., & Brawijaya, U.

(2019). Optimasi penjadwalan mata kuliah menggunakan metode

algoritma genetika dengan teknik tournament selection. 6(1), 85–92.

https://doi.org/10.25126/jtiik.201961262

Setiawan Denny. (2020). Penjadwalan Mata Kuliah Menggunakan Algoritma

Genetika Di Fakultas Matematika Dan Ilmu Pengetahuan Alam

31
Universitas Sumatera Utara.

32