Reproduksi Kromosom Penerapan Algoritma Genetika dalam Penjadwalan Karyawan Paruh Waktu

Dalam masalah penjadwalan karyawan paruh waktu ini representasi Roda Roulette Roulette Wheel digambarkan dalam bentuk diagram garis. Gambar 3.18 adalah diagram garis yang dibentuk berdasarkan probabilitas fitness dalam kromosom, panjang garis dibentuk dalam range 1-100 yang kemudian dibagi menjadi 10 bagian yang menggambarkan jumlah kromosom, dimana panjang setiap bagian ditentukan berdasarkan probabilitas total fitness tersebut. Kromosom 1 memiliki probabilitas 12 untuk terpilih menjadi orang tua dalam pemilihan kromosom, maka range 1-12 dalam garis mewakili kromosom 1, dan seterusnya. Gambar 3.18 Diagram probabilitas total nilai fitness Berdasarkan gambar 3.17 proses seleksi dilakukan dengan membangkitkan bilangan acak dari 0-100, kemudian dari bilangan tersebut dapat ditentukan kromosom mana yang terpilih, sebagai contoh bilangan yang didapat adalah 65, maka kromosom 7 adalah kromosom yang terpilih menjadi orang tua karena 65 masuk dalam range 61,32 – 70,97 yang merupakan range yang mewakili kromosom 7.

3.5.4. Reproduksi Kromosom

Reproduksi kromosom dilakukan setiap kali iterasi hingga kondisi berhenti terpenuhi. Setiap iterasi akan dilakukan proses crossover atau proses mutasi. Proses crossover dilakukan setiap iterasi kecuali akan dilakukan proses mutasi. Sesuai rumus 3.3 dan 3.4 proses mutasi dilakukan sesuai masukan besar probabilitas mutasi, misal masukan probabilitas mutasi dengan jumlah iterasi 100 adalah 5, maka jumlah mutasi akan dilakukan sebanyak 5 kali, diperoleh dari 5100100. Proses mutasi akan dilakukan setiap kelipatan iterasi 20, diperoleh dari 1005. Pada suatu iterasi proses seleksi kromosom yang terpilih adalah kromosom 7, sebagai contoh pada seleksi kromosom berikutnya kromosom yang terpilih adalah kromosom 3, maka akan dilakukan proses persilangan antar kedua kromosom tersebut dengan 2 jenis persilangan yaitu crossover 2 titik dan crossover 4 titik. Kedua proses persilangan tersebut dilakukan secara opsional yaitu memilih salah satu jenis persilangan yang nantinya akan menghasilkan 2 kromosom yang diharapkan akan lebih baik dari kromosom induknya. Ilustrasi proses crossover 2 titik dan proses crossover 4 titik adalah sebagai berikut : Induk 1 untuk crossover 2 titik : kromosom 7 Gambar 3.19 Representasi kromosom 7 sebagai induk 1 crossover 2 titik Induk 2 untuk crossover 2 titik : kromosom 3 Gambar 3.20 Representasi kromosom 3 sebagai induk 2 crossover 2 titik Offspring 1 : kromosom baru yang dihasilkan dari proses crossover 2 titik Gambar 3.21 Representasi offspring 1 dari crossover 2 titik Offspring 2 : kromosom baru yang dihasilkan dari proses crossover 2 titik Gambar 3.22 Representasi offspring 2 dari crossover 2 titik Induk 1 untuk crossover 4 titik : kromosom 7 Gambar 3.23 Representasi kromosom 7 sebagai induk 1 crossover 4 titik Induk 2 untuk crossover 4 titik : kromosom 3 Gambar 3.24 Representasi kromosom 3 sebagai induk 2 crossover 4 titik Offspring 1 : kromosom baru yang dihasilkan dari proses crossover 4 titik Gambar 3.25 Representasi offspring 1 dari crossover 4 titik Offspring 2 : kromosom baru yang dihasilkan dari proses crossover 4 titik Gambar 3.26 Representasi offspring 2 dari crossover 4 titik Operasi mutasi hanya melibatkan satu kromosom yang terpilih, yaitu kromosom 7 yang mempunyai nilai fitness terbaik. Kromosom 7 akan menjadi induk yang juga diharapkan akan menghasilkan kromosom baru yang lebih baik dari kromosom induknya. Ilustrasi proses mutasi adalah sebagai berikut : Induk untuk mutasi : Kromosom 7 Gambar 3.27 Representasi kromosom 7 sebagai induk mutasi Offspring : kromosom baru yang dihasilkan dari proses mutasi Gambar 3.28 Representasi offspring mutasi 54

BAB IV IMPLEMENTASI DAN ANALISA HASIL

4.1. FLOWCHART

Flowchart sistem untuk menjadwalkan karyawan paruh waktu dengan algoritma genetika adalah sebagai berikut : mulai Input data lokasi Input permintaan jadwal Input data shift Input data karyawan Probabilitas mutasi = besar probabilitas mutasi100 jumlah iterasi Input jumlah iterasi Input keaktifan permintaan jadwal Input besar probabilitas mutasi Input jenis crossover Pembentukan kromosom Evaluasi nilai fitnes tiap kromosom dengan aturan permintaan jadwal Iterasi jumlah iterasi ? Y Pembangkitan populasi awal Iterasi = 0 Aturan permintaan jadwal aktif ? Evaluasi nilai fitnes tiap kromosom tanpa aturan permintaan jadwal Seleksi kromosom Iterasi = iterasi mutasi ? Proses mutasi Proses crossover 2 titik Jenis crossover = 2 titik ? Proses crossover 4 titik Iterasi++ Evaluasi nilai fitnes offspring Update kromosom Fitness == 0 ? kromosom terbaik Y Y Y T T T selesai T T Y Iterasi mutasi = iterasi mutasi + iterasi Iterasi mutasi = Jumlah iterasi probabilitas mutasi Gambar 4.1 Flowchart Sistem Penjadwalan Karyawan Paruh Waktu