KHAIRIL AKMAL, - (2022) APLIKASI PENJADWALAN SEMINAR DAN SIDANG TUGAS AKHIR BERBASIS WEB MENGGUNAKAN ALGORITMA GENETIKA (STUDI KASUS : PROGRAM STUDI TEKNIK ELEKTRO UIN SUSKA RIAU). Skripsi thesis, UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM RIAU.

	Text (BAB IV) BAB IV.pdf - Published Version Restricted to Repository staff only Download (1MB)
Preview	Text TUGAS AKHIR KHAIRIL AKMAL.pdf Download (4MB) | Preview

Abstract

APLIKASI PENJADWALAN SEMINAR DAN SIDANG TUGAS AKHIR BERBASIS WEB MENGGUNAKAN ALGORITMA GENETIKA (STUDI KASUS : PROGRAM STUDI TEKNIK ELEKTRO UIN SUSKA RIAU) KHAIRIL AKMAL NIM : 11750514683 Tanggal Sidang : 14 Juli 2022 Program Studi Teknik Elektro Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau Jl. Soebrantas No. 155 Pekanbaru ABSTRAK Ujian tugas akhir ialah salah satu persyaratan setiap mahasiswa Program Studi Teknik Elektro untuk menuntaskan masa studinya. Pada sistem penjadwalan ujian tugas akhir Program Studi Teknik Elektro saat ini masih dijalankan secara manual ataupun tidak terkomputerisasi seperti pimpinan Program Studi yang masih menentukan penunjukan dosen penguji dan ketua sidang. Dari hasil wawancara dengan ketua Program Studi yang menjadi kendalanya ialah mahasiwa kesulitan mengatur jadwal seminar/sidang karena harus menghubungi terdahulu dosen pembimbing, dosen penguji, dan ketua sidang agar tidak bentrok jadwal seminarnya. Untuk menyelesaikan permasalahan tersebut yaitu dengan menggunakan algoritma genetika untuk mendapatkan hasil yang lebih optimal. Tujuan penilitan ini untuk mendapatkan solusi optimal dalam penyelesaian permasalahan penjadwalan seminar dan sidang tugas akhir dengan merancang aplikasi penjadwalan menerapkan algoritma genetika. Data yang diperoleh berasal dari interview ketua, sekretaris dan admin Program Studi Teknik Elektro semester ganjil 2021/2022. Beberapa skenario yang dipelajari dalam penelitian ini adalah berdasarkan variasi inisialisasi populasi 50-100 individu, dengan probabilitas 0,1 hingga 0,5 dan probabilitas mutasi 0,01 hingga 0,05. Berdasarkan hasil yang telah didapatkan dapat untuk ukuran populasi 60 hingga 100, ukuran probabilitas crossover 0.1 hingga 0.5 dan ukuran probabilitas mutasi 0.01 hingga 0.05 menjadi yang ideal dalam menjaga keragaman ruang pencarian, dan mempercepat mendapatkan solusi optimal. Kata kunci: UJian Tugas Akhir, Algoritma Genetika, Populasi, Crossover, Mutasi

Actions (login required)

View Item