Membangun Populasi Awal Analisis Algoritma Genetik Pada Penjadwalan

3.1.2.1 Membangun Populasi Awal

Populasi awal pada umumnya dibangun terdiri dari 2 teknik yaitu sebuah populasi dibangun dari semua informasi constraints dan populasi awal dibangkitkan secara random. Pada penelitian ini digunakan teknik populasi awal dengan mengambil semua informasi constraints dari pusat data, yang terlebih dahulu setiap informasi constraints tersebut direpresentasikan, kemudian populasi awal dibangun berdasarkan informasi yang ada sebanyak N kromosom, dengan N merupakan banyaknya kuliah dan dapat dikatakan bahwa setiap gen dalam kromosom mewakili suatu kuliah. Populasi awal tersebut kemudian dibangkitkan secara random untuk selanjutnya dilakukan proses evaluasi setiap kromosomnya. Representasi kromosom tersebut sebagai berikut: 1. Ada 3 informasi constraints utama yaitu: a. Dosen pengajar available. b. Mata kuliah yang telah ditetapkan pengajarnya. c. Informasi ruang kuliah available. 2. Pada ke-empat informasi diatas dapat direpresentasikan kromosom dalam bentuk matriks sebagai berikut: a. Dosen Pengajar available Representasi ini menginformasikan waktu dosen pengajar dapat mengajar yang dinotasikan D[i,j] dengan i = hari dan j = jam. Bentuk representasi dalam matriks dapat digambarkan dengan matriks dua dimensi, dengan panjang baris Hari [N] = maksimum hari perminggu dan panjang kolom Jam [N] = maksimum jam perhari. Matriks tersebut dapat dilihat pada Tabel 3.1. Universitas Sumatera Utara Tabel 3.1 Matriks Dosen Pengajar Available Jam Hari 1 … N D11 D12 … D1N 1 D21 D22 … D2N … … … … … N DN1 DN2 … DNN b. Mata Kuliah Bentuk representasi dari mata kuliah adalah matriks satu dimensi yang dinotasikan KM[i] dengan i = mata kuliah ke-i. Representasi ini menginformasikan kelas mata kuliah yang telah ditentukan pengajarnya, dengan panjang matriks = banyak mata kuliah. Bentuk matriks satu dimensi mata kuliah ditunjukkan pada Tabel 3.2. Tabel 3.2 Matriks Kelas Mata Kuliah 1 … N Kelas Mata Kuliah KM1 KM2 … KMN c. Ruang Kuliah Representasi yang menginformasikan waktu ruang yang dapat digunakan untuk kuliah. Representasi ini dinotasikan R[i,j] dengan i=hari dan j = jam, dengan panjang baris Hari[N] = maksimum hari perminggu dan panjang kolom Jam[N] = maksimum jam perhari. Bentuk matriks ruang available ditunjukkan pada Tabel 3.3. Tabel 3.3 Matriks Ruang Available Jam Hari 1 … N R11 R12 … R1N 1 R21 R22 … R2N … … … … … N RN1 RN2 … RNN Universitas Sumatera Utara 3. Dari constraints yang ada dapat ditunjukkan matriks penyelesaian penjadwalan kuliah dengan bentuk matriks 3 dimensi, dengan algoritma sebagai berikut Gambar 3.1 For tiap ruang; For tiap hari; For tiap jam; Tempatkan kelas mata kuliah available Gambar 3.1 Algoritma Penyelesaian Jadwal Kuliah

3.1.2.2 Evaluasi Penalty Kromosom