Abstract— Scheduling is a very important thing to do at dilakukan peneliti lain dengan algoritma yang sama tentang
school. The schedule, which is still being carried out manually at penjadwalan matakuliah sedangkan ini penjadwalan tentang
MTS Negeri 1 Pangkalpinang, requires time to manage teacher matapelajan yang pengerjaan algoritma untuk penyusunan
slots, classes, subjects, and times where in MTS teacher hours jadwalnya hampir sama, dimana terdapat ruang, waktu, mata
have been determined by the department of religion so that it pelajaran [1] tetapi yang membedakan yaitu data guru dimana
takes quite a long time to process the formation of the schedule. pada MTS Negeri 1 ini waktu pengajaran guru telah
This study aims to utilize genetic algorithms in optimizing ditentukan oleh departemen agama bukan lagi ditentukan oleh
scheduling in a short time. The genetic algorithm is an algorithm
pihak sekolah. Penjadwalan pada MTS Negeri 1
that is effective in dealing with scheduling. The results of data
Pangkalpinang sama halnya dengan penjadwalan pada
testing were carried out with 15, 20, 25 and 30 subjects. Testing
with 15 subjects took 19.56 seconds to form a schedule and there
penelitian[2], tetapi yang membedakan adalah setiap guru
were no conflicting schedules, while with 20 data subjects the memiliki jam mengajar yang maksimal sesuai dengan
time to process the schedule formation took 42.15 seconds, 25 peraturan dari departemen agama. Setiap semester biasanya
data with 94.07 seconds and 30 data with time 471.60. The pihak yang mengurus jadwal harus membuat dengan teliti
average time required to process the data is 156.845 seconds. dimana setiap guru memiliki batas jam mengajar yang sudah
ditentukan oleh departemen agama, kelas yang terbatas serta
Keywords— Scheduling, MTS Negeri 1 Pangkalpinang, waktu mengajar yang telah di tentukan sehingga
Genetic Algorithm membutuhkan ketelitian dalam penyusunan jadwal. guru yang
ada pada MTS Negeri 1 juga memiliki keterbatasan dimana
guru yang ada kadang kala mengajar tidak sesuai dengan
Abstrak—Penjadwalan merupakan hal yang sangat penting kompetensi masing-masing contoh dimana guru A kompetensi
untuk dilakukan pada sekolah. Jadwal yang masih dilakukan yaitu di bidang ekonomi tetapi mengajar mata pelajaran
secara manual pada MTS Negeri 1 Pangkalpinang ini geografi atau sebaliknya sehingga tim pembuat jadwal harus
membutuhkan waktu untuk mengatur slot guru, kelas, mata menentukan jadwal masing-masing guru dengan teliti agar
pelajaran, dan waktu dimana pada MTS jam guru telah masing-masing guru mengajar sesuai dengan kompetensi
ditentukan oleh departemen agama sehingga membutuhkan masing-masing, untuk membuat jadwal tersebut membutuhkan
waktu yang cukup lama untuk memproses terbentuknya jadwal. waktu yang cukup lama dengan teliti dan terkadang menyusun
Penelitian ini bertujuan untuk memanfaatkan algoritma genetika jadwal ulang jika tidak sesuai.
dalam mengoptimalkan pembuatan jadwal dengan waktu yang
singkat. Algoritma genetika merupakan algoritma yang efektif Dari permasalahan di atas penulis melakukan inovasi
dalam mengatasi pembuatan jadwal. Hasil dari pengujian data untuk mempermudah tim penyusun jadwal pada MTS Negeri
dilakukan dengan 15, 20, 25 dan 30 mata pelajaran. Pengujian 1 Pangkalpinang yaitu menyusun jadwal dengan
dengan 15 mata pelajaran membutuhkan waktu 19,56 detik menggunakan algoritma genetika yang bertujuan untuk
untuk terbentuknya jadwal dan tidak ada jadwal yang bentrok memudahkan tim penjadwalan dalam mengoptimalkan jadwal
sedangkan dengan 20 data mata pelejaran waktu untuk pelajaran dengan menggunakan algoritma genetika.
memproses terbentuknya jadwal membutuhkan waktu 42,15
detik, 25 data dengan waktu 94,07 detik dan 30 data dengan Algoritma Genetika merupakan salah satu algoritma
waktu 471,60. Rata-rata waktu yang dibutuhkan untuk optimasi yang cukup handal dan sering dipakai dalam
memproses data tersebut yaitu 156,845 detik. penjadwalan [3][4][5]. Algoritma genetika yang menghitung
jumlah populasi, kromosom, hitung fitness tiap kromosom,
Kata Kunci—Penjadwalan, MTS Negeri 1 Pangkalpinang, seleksi, pindah silang dan mutase dilakukan dalam bertahap
Algoritma Genetika [6], langkah yang lakukan pada penelitian lain yaitu input
parameter, populasi awal, crossover, mutasi, evaluasi dan
I. PENDAHULUAN seleksi populasi baru [7]. Dari kutipan tersebut
Penjadwalan pada MTS Negeri 1 Pangkalpinang masih
dilakukan secara manual. Penelitian ini banyak sudah pernah
Gambar 10 di atas berfungsi untuk menampung data Gambar 13 berfungsi untuk menambahkan data
semua kelas yang digunakan pada MTS Negeri 1 ketersediaan guru untuk mengampu mata pelajaran. Pada
Pangkalpinang. Hal terpenting dalam penjadwalan yaitu data gambar 13 ini guru pengampu dapat mengajar lebih dari satu
mata pelajaran dimana admin dapat menambah atau pun mata pelajaran.
menghapus serta mengubah data mata pelajaran di sistem
seperti gambar 11. Pada gambar 12 terdapat action detail yang dapat dilihat
pada gambar 14.
B. Pengujian Sistem
Pengujian sistem dilakukan dengan 15 data mata pelajaran,
20 data mata pelajaran, 25 data dan 30 data mata pelajaran
Gambar 20. Pengujian dengan 25 Data Mapel
dengan penjabaran seperti berikut:
Pertama percobaan dengan 15 data mata pelajaran Keempat, Percobaan dengan 30 data mata pelajaran.
membutuhkan waktu 19,55811882019 detik hingga Pengujian dengan 30 data mapel membutuhkan waktu
terbentuknya jadwal. dari waktu tersebut tidak adanya jadwal 471,59997391701 detik untuk membentuk jadwal pada
yang bentrok baik dari segi guru, jam, hari, dan kelas ajar, gambar 21.
yang dapat dilihat pada gambar 18.
DAFTAR PUSTAKA
Gambar 21. Pengujian dengan 30 Data Mapel [1] A. T. Ma’arif and D. P. Pamungkas, “Penerapan Metode Algoritma
Genetika untuk Optimasi Penjadwalan Mata Kuliah,” Semin. Nas. Inov.
Teknol. UN PGRI Kediri, pp. 93–97, 2018.
Dari ke empat pengujian tersebut dengan data yang
[2] S. Ni Luh Gede Pivin, S. I Made, and D. Suta, “Penerapan Algoritma
berbeda dengan 15 data, 20 data, 25 data dan 30 data mata Genetika Untuk Penjadwalan Mata Pelajaran,” J. Appl. Intell. Syst., vol.
pelajaran dapat dilihat perbedaan pada grafik dibawah ini. 1, no. 3, pp. 220–233, 2016.
[3] D. Oktarina and A. Hajjah, “Perancangan Sistem Penjadwalan Seminar
Proposal dan Sidang Skripsi dengan Metode Algoritma Genetika,”
Pengujian Waktu Proses Penjadwalan
JOISIE (Journal Inf. Syst. Informatics Eng., vol. 3, no. 1, p. 32, 2019,
471,6 doi: 10.35145/joisie.v3i1.421.
500
[4] A. Hajjah, “Penerapan Algoritma Genetika dalam Optimasi
400 Penjadwalan Proyek,” vol. 2, no. 1, pp. 50–55, 2020.
Waktu/detik