Aplikasi Penjadwalan Mata Pelajaran pada SMA Trinitas dengan Implementasi Algoritma Genetika.

v

ABSTRAK

Penjadwalan mata pelajaran merupakan kegiatan yang sangat penting dalam proses kegiatan belajar mengajar. Proses belajar mengajar dilakukan oleh seluruh siswa dan guru, sehingga jadwal mata pelajaran menjembatani atau memfasilitasi kegiatan belajar mengajar. Apabila batasan-batasan yang terdapat pada penjadwalan tidak diperhitungkan dengan baik, maka akan menyebabkan sulitnya kolaborasi antara kelas, mata pelajaran dan guru. Batasan-batasan yang diperlukan antara lain adalah pada satu hari tidak boleh terdapat mata pelajaran yang sama lebih dari 3 jam mata pelajaran. Selanjutnya, pada satu hari mata pelajaran IPA/IPS tidak boleh lebih dari 4 jam. Selain itu, seorang guru tidak boleh mengajar secara parallel di dua kelas berbeda. Pada implementasi aplikasi penjadwalan ini menggunakan metode roulette-wheel dalam melakukan seleksi orang tua. Diharapkan dengan dikembangkannya aplikasi ini dapat membantu proses penjadwalan mata pelajaran agar tidak bentrok antar satu mata pelajaran dengan mata pelajaran lainnya. Pada kasus ini, berdasarkan hasil penelitian, probabilitas crossover yang optimal adalah 50% dan probabilitas mutasi sebesar 20%. Permasalahan penjadwalan pada instansi terkait merupakan alasan utama dalam pengembangan aplikasi penjadwalan. Masalah yang dialami dalam instansi terkait adalah sistem penjadwalan pada sebuah sekolah menegah atas yang masih dijalankan dengan sifat manual. Oleh karena itu, dengan adanya keinginan dalam pengembangan aplikasi penjadwalan dapat membantu proses kegiatan belajar mengajar. Aplikasi ini dapat membuat jadwal dengan pendekatan 95% tidak ada bentrokan. Berdasarkan ujicoba, pendekatan generasi paling optimal kurang dari 50 generasi.

vi

ABSCTACT

Scheduling of subjects is a very important activity in the process of learning. The learning process carried out by all students and teachers, so that the schedule of subjects bridging or facilitating of learning. If the constraint contained in scheduling is not taken into account properly, it will cause difficulty collaboration between classes, subjects and teachers. Restrictions are required, among others, the same subject should not be have 3 or more hours in one day. Furthermore, subjects like science and social shouldn’t be have more than 4 hours a day. In addition, a teacher should not be teaching in parallel in two different classes. This application uses a genetic algorithm implementations due to the amount of data that is used as a sample quite a lot and more than 30 data. In the implementation of this scheduling application using roulette-wheel method in selecting parents. Probability cross-over on the development of this application is 50% and the probability of mutations was 20%. Expected with the development of this application can help the process of scheduling the subjects to avoid clashes between one of another. Scheduling problems related institutions is a major reason in the development of application scheduling. Problems experienced in the relevant agencies are scheduling system at an upper secondary school which is still run by the manual state. Therefore, with the desire in the scheduling application development can help the process of teaching and learning activities. This application can create a schedule to approach 95% no clashes. Based on the trials, the most optimal approach to the generation of less than 50 generations.

vii

DAFTAR ISI

LEMBAR PENGESAHAN ... i

PERNYATAAN ORISINALITAS LAPORAN PENELITIAN ... ii

PERNYATAAN PUBLIKASI LAPORAN PENELITIAN ... iii

PRAKATA ... iv

ABSTRAK ... v

ABSCTACT ... vi

DAFTAR ISI ... vii

DAFTAR GAMBAR ... xi

DAFTAR TABEL ... xiv

KODE PROGRAM ... xv

DAFTAR NOTASI/ LAMBANG ... xvi

BAB I PENDAHULUAN ... 1

1.1 Latar Belakang Masalah ... 1

1.2 Rumusan Masalah ... 1

1.3 Tujuan Pembahasan ... 2

1.4 Batasan Masalah... 2

1.5 Sistematika Penyajian ... 2

BAB II KAJIAN TEORI ... 4

2.1 Algoritma Genetika ... 4

2.1.1 Pengkodean ... 4

2.1.2 Nilai Fitness ... 4

2.1.3 Seleksi Orang Tua ... 5

2.1.4 Pindah Silang (crossover) ... 5

2.1.5 Mutasi ... 7

2.2 ERD(Entity Relationship Diagram) ... 7

2.3 Unified Modelling Language(UML) ... 8

BAB III ANALISIS DAN DISAIN ... 9

3.1 Analisis ... 9

viii

3.1.2 Aturan yang berlaku dalam penjadwalan mata pelajaran ... 11

3.1.3 Pemodelan Seleksi Orang Tua ... 11

3.1.4 Pemodelan Cross-over dan Mutasi ... 12

3.2 Gambaran Keseluruhan ... 13

3.2.1 Persyaratan Antarmuka Eksternal ... 13

3.2.2 Antarmuka Dengan Pengguna... 13

3.2.3 Antarmuka Perangkat Keras ... 13

3.2.4 Antarmuka Perangkat Lunak... 14

3.2.5 Fitur – fitur Produk Perangkat Lunak ... 14

3.3 Disain Pereangkat Lunak ... 22

3.3.1 Pemodelan Perangkat Lunak ... 22

3.3.2 Disain Penyimpanan Data ... 46

3.3.3 Disain Antarmuka ... 47

BAB IV PENGEMBANGAN PERANGKAT LUNAK ... 55

4.1 Implementasi Class / Modul ... 55

4.1.1 Class Diagram ... 55

4.1.2 Implementasi Hitung Nilai Fitness ... 60

4.1.3 Implementasi Cross Over ... 63

4.1.4 Implementasi Mutasi ... 65

4.2 Implementasi Penyimpanan Data ... 66

4.2.1 Implementasi Entity Relationship Diagram ... 66

4.2.2 ER to Table ... 68

4.3 Implementasi Antarmuka ... 70

4.3.1 form Login ... 70

4.3.2 Form Master ... 70

4.3.3 Form Tambah Tahun Ajaran ... 71

4.3.4 Form Ubah Tahun Ajaran ... 71

4.3.5 Form Tambah Mata Pelajaran ... 72

4.3.6 Form Ubah Mata Pelajaran ... 72

4.3.7 Form Tambah Guru... 73

4.3.8 Form Ubah Guru ... 73

ix

4.3.10 Form Ubah Kelas ... 75

4.3.11 Form Penempatan Siswa ... 75

4.3.12 Form Tambah Murid ... 76

4.3.13 Form Ubah Murid ... 76

4.3.14 Form Kelola Data Murid ... 77

4.3.15 Form Jadwal Baru ... 77

4.3.16 Form Setting Genetic Algorithm ... 78

4.4 Implementasi Jadwal ... 78

4.4.1 Data yang diuji dan Evaluasi Nilai Fitness ... 78

4.4.2 Hasil Akhir Jadwal ... 79

BAB V TESTING DAN EVALUASI SISTEM ... 80

5.1 Pengujian Form Login ... 80

5.2 Pengujian Form Tambah Tahun Ajaran ... 81

5.3 Pengujian Form Ubah Tahun Ajaran ... 81

5.4 Pengujian Form Tambah Mata Pelajaran ... 82

5.5 Pengujian Form Ubah Mata Pelajaran ... 82

5.6 Pengujian Form Tambah Guru ... 83

5.7 Pengujian Form Ubah Guru ... 83

5.8 Pengujian Form Tambah Kelas ... 84

5.9 Pengujian Form Ubah Kelas ... 84

5.10 Pengujian Form Tambah Murid ... 85

5.11 Pengujian Form Ubah Murid ... 85

5.12 Pengujian Form Kelola Murid ... 86

5.13 Analisis Hasil Pengujian Algoritma Genetika ... 86

5.13.1 Hasil Pengujian 1 ... 86

5.13.2 Hasil Pengujian 2 ... 87

5.13.3 Hasil Pengujian 3 ... 88

5.13.4 Hasil Pengujian 4 ... 90

5.13.5 Hasil Pengujian 5 ... 90

5.13.6 Hasil Pengujian 6 ... 91

5.14 Analisis Hasil Perkawinan Silang ... 92

x

6.1 Simpulan ... 93

6.2 Saran ... 94

DAFTAR PUSTAKA ... 95

xi

DAFTAR GAMBAR

Gambar 2.1 Single Point Crossover ... 6

Gambar 2.2 Multi Point Crossover ... 6

Gambar 2.3 Uniform Crossover ... 6

Gambar 2.4 Mutasi Kromosom ... 7

Gambar 2.5 Mutasi Gen ... 7

Gambar 2.6 Mutasi Bit ... 7

Gambar 3.1 Use Case Sistem ... 23

Gambar 3.2 Use Case Pengelolaan Murid ... 24

Gambar 3.3 Use Case Pengelolaan Jadwal ... 25

Gambar 3.4 Use Case Pengelolaan Guru ... 25

Gambar 3.5 Use Case Pengelolaan Siswa ... 26

Gambar 3.6 Use Case Pengelolaan Tahun Ajaran ... 27

Gambar 3.7 Use Case Pengelolaan Mata Pelajaran ... 28

Gambar 3.8 Activity Diagram Login ... 29

Gambar 3.9 Activity Diagram Tambah Data Murid ... 30

Gambar 3.10 Activity Diagram Ubah Data Murid ... 31

Gambar 3.11 Activity Diagram Tambah Data Guru ... 32

Gambar 3.12 Activity Diagram Ubah Data Guru ... 33

Gambar 3.13 Activity Diagram Tambah Kelas ... 35

Gambar 3.14 Activity Diagram Ubah Data Kelas ... 36

Gambar 3.15 Activity Diagram Tambah Tahun Ajaran ... 37

Gambar 3.16 Activity Diagram Ubah Data Tahun Ajaran ... 38

Gambar 3.17 Activity Diagram Tambah Data Mata Pelajaran ... 39

Gambar 3.18 Activity Diagram Ubah Data Mata Pelajaran ... 40

Gambar 3.19 Activity Diagram Jadwal Baru ... 42

Gambar 3.20 Activity Diagram Ubah Jadwal ... 43

Gambar 3.21 Activity Diagram Import Data ... 44

Gambar 3.22 Activity Diagram Penempatan Siswa ... 45

xii

Gambar 3.24 Form Login ... 47

Gambar 3.25 Form Master ... 48

Gambar 3.26 Form Tambah Tahun Ajaran ... 48

Gambar 3.27 Form Ubah Tahun Ajaran ... 49

Gambar 3.28 Form Tambah Mata Pelajaran ... 49

Gambar 3.29 Form Ubah Mata Pelajaran ... 50

Gambar 3.30 Form Tambah Guru ... 50

Gambar 3.31 Form Ubah Guru ... 51

Gambar 3.32 Form Tambah Kelas ... 51

Gambar 3.33 Form Ubah Kelas ... 52

Gambar 3.34 Form Penempatan Siswa ... 52

Gambar 3.35 Form Tambah Murid ... 53

Gambar 3.36 Form Ubah Murid ... 53

Gambar 3.37 Form Kelola Data Murid ... 54

Gambar 3.38 Form Kelola Jadwal Baru ... 54

Gambar 4.1 Class Entity ... 55

Gambar 4.2 Class Diagram Kelas ... 56

Gambar 4.3 Class Diagram Register Kelas ... 56

Gambar 4.4 Class Diagram Tahun Ajaran ... 57

Gambar 4.5 Class Diagram Guru ... 57

Gambar 4.6 Class Diagram Murid... 58

Gambar 4.7 Class Diagram Jadwal Kelas ... 58

Gambar 4.8 Class Diagram Mata Pelajaran ... 59

Gambar 4.9 Class Diagram Waktu ... 59

Gambar 4.10 Class Diagram Jadwal Temporary ... 60

Gambar 4.11 Entity Relationship Diagram ... 67

Gambar 4.12 Form Login ... 70

Gambar 4.13 Form Master ... 71

Gambar 4.14 Form Tambah Tahun Ajaran ... 71

Gambar 4.15 Form Ubah Tahun Ajaran ... 71

Gambar 4.16 Form Tambah Mata Pelajaran ... 72

xiii

Gambar 4.18 Form Tambah Guru ... 73

Gambar 4.19 Form Ubah Guru ... 74

Gambar 4.20 Form Tambah Kelas ... 74

Gambar 4.21 Form Ubah Kelas ... 75

Gambar 4.22 Form Penempatan Siswa ... 75

Gambar 4.23 Form Tambah Murid ... 76

Gambar 4.24 Form Ubah Murid ... 76

Gambar 4.25 Form Kelola Data Murid ... 77

Gambar 4.26 Form Jadwal Baru ... 77

Gambar 4.27 Form Setting Genetic Algorithm ... 78

Gambar 4.28 Hasil Implementasi Jadwal... 79

Gambar 5.1 Hasil Pengujian 1 ... 87

Gambar 5.2 Hasil Pengujian 2 ... 88

Gambar 5.3Hasil Pengujian 3 ... 89

Gambar 5.4 Hasil Pengujian 4 ... 90

Gambar 5.5 Hasil Pengujian 5 ... 91

Gambar 5.6 Hasil Pengujian 6 ... 91

xiv

DAFTAR TABEL

Tabel 3.1 Contoh data mata pelajaran ... 10

Tabel 3.2 Contoh data Guru dengan mata pelajaran yang diampu ... 10

Tabel 3.3 Contoh data waktu ... 10

Tabel 3.4 Contoh Tabel Kromosom ... 11

Tabel 3.5 Contoh Populasi ... 11

Tabel 3.6 Tabel Individu Baru ... 12

Tabel 3.7 Tabel Populasi Baru ... 12

Tabel 3.8 Hasil Pengacakan Pindah Silang ... 12

Tabel 4.1 Tabel Kelas ... 68

Tabel 4.2 Tabel Guru ... 68

Tabel 4.3 Tabel Preferensi Guru ... 68

Tabel 4.4 Tabel Register Kelas ... 69

Tabel 4.5 Tabel Tahun Ajaran ... 69

Tabel 4.6 Tabel Murid... 69

Tabel 4.7 Tabel Waktu ... 70

Tabel 4.8 Tabel Mata Pelajaran ... 70

Tabel 5.1 Pengujian form login ... 80

Tabel 5.2 Pengujian form tambah tahun ajaran ... 81

Tabel 5.3 Pengujian form Ubah Tahun Ajaran ... 81

Tabel 5.4 Pengujian form tambah mata pelajaran ... 82

Tabel 5.5 Pengujian form Ubah Mata Pelajaran ... 82

Tabel 5.6 Pengujian Form Tambah Guru ... 83

Tabel 5.7 Pengujaan Form Ubah Guru ... 83

Tabel 5.8 Pengujian Form Tambah Kelas ... 84

Tabel 5.9 Pengujian Form Ubah Kelas ... 84

Tabel 5.10 Pengujian Form Tambah Murid ... 85

Tabel 5.11 Pengujian Form Ubah Murid ... 85

xv

KODE PROGRAM

Kode Program 4.1 Kode Hitung Nilai Fitness ... 61 Kode Program 4.2 Kode Program Crossover ... 63 Kode Program 4.3 Kode Program Mutasi ... 65

xvi

DAFTAR NOTASI/ LAMBANG

Jenis Notasi/Lambang Nama Arti

ERD Rectangles Mewakili entitas atau

sebuah set entitas

ERD Ellipses Mewakili atribut

ERD Diamonds Mewakili relasi antar

entitas

Activity

Diagram Start State

Mewakili simbol untuk memulai suatu

kegiatan Activity

Diagram End State

Mewakili simbol untuk mengakhiri

suatu kegiatan Activity

Diagram State

Mewakili simbol untuk kegiatan

1

Universitas Kristen Maranatha

1

BAB I

PENDAHULUAN

1.1 Latar Belakang Masalah

SMA Trinitas merupakan salah satu SMA di Bandung. Saat ini, SMA Trinitas masih menggunakan proses manual dalam melakukan penjadwalan mata pelajaran dan kelas. Oleh sebab itu, penjadwalan dengan operasi manual membutuhkan waktu yang cukup lama dan kinerja yang cukup besar. Penjadwalan dengan operasi manual membuat tingkat kesalahan masukan semakin besar. Penjadwalan manual yang biasanya dilakukan di SMA Trinitas membutuhkan waktu yang lama dan rapat yang cukup panjang

Setiap data yang terdapat di SMA Trinitas disimpan menggunakan Ms. Excel. Oleh sebab itu, setiap data yang tercipta tidak berada pada satu dokumen yang sama. Setiap tahun ajaran baru staf di SMA Trinitas perlu membuat dokumen baru untuk tahun ajaran tersebut. Data guru pun masih disimpan pada sebuah buku dan masih belum terorganisir dengan baik. Oleh sebab itu, penting adanya untuk membuat sebuah aplikasi sebagai usaha untuk memperbaiki sistem yang sudah ada sekarang ini.

1.2 Rumusan Masalah

Berdasarkan latar belakang maka terdapat rumusan masalah antara lain: 1. Bagaimana membuat aplikasi yang dapat membantu instansi untuk

menjadwalkan mata pelajaran agar tidak terbentur antar satu dengan yang lainnya?

2. Bagaimana membuat aplikasi agar murid di setiap kelas dapat terbagi rata berdasarkan kemampuan setiap kelas agar perbedaan kualitas kemampuan siswa antar kelas tidak jauh berbeda antar satu dengan yang lainnya?

2

Universitas Kristen Maranatha

1.3 Tujuan Pembahasan

Berdasarkan rumusan masalah, maka tujuan pembuatan sistem adalah:

1. Membuat sebuah aplikasi penjadwalan dengan implementasi algoritma genetika yang dapat meminimalkan bentrokan antar satu jadwal dengan jadwal lainnya.

2. Membuat sebuah aplikasi yang dapat mengacak penempatan siswa berdasarkan ranking yang didapat dari hasil rapor siswa.

1.4 Batasan Masalah

Batasan masalah yang dikemukakan penulis adalah : 1. Preferensi pengajar terhadap hari yang hendak dia ajar.

2. Preferensi mata pelajaran yang akan saling berdampingan apabila ada mata pelajaran yang dapat didampingkan jadwalnya.

3. Pemrosesan jadwal dihitung berdasarkan nilai fitness yang dihasilkan dari proses seleksi.

1.5 Sistematika Penyajian

BAB I PENDAHULUAN

Bab ini berisi tentang pendahuluan yang terdiri dari latar belakang, rumusan masalah, tujuan pembahasan, batasan masalah, dan sistematika dari proyek tugas akhir ini.

BAB II KAJIAN TEORI

Bab ini membahas teori-teori yang digunakan dan juga mendukung dalam penyelesaian proyek tugas akhir ini.

BAB III ANALISIS DAN RANCANGAN SISTEM

Bab ini membahas secara lengkap mengenai analisa keadaan, kebutuhan sistem, perancangan, UML, ERD, gambaran arsitektur desain serta user interface. BAB IV HASIL PENELITIAN

Bab ini berisi penjelasan dari setiap fungsi yang ada di dalam aplikasi serta implementasi proyek yang dibuat.

3

Universitas Kristen Maranatha BAB V TESTING DAN EVALUASI SISTEM

Bab ini berisi pengujian dan analisa terhadap fungsi–fungsi dan method dari hasil pengerjaan tugas akhir.

BAB VI SIMPULAN DAN SARAN

Bab ini berisi simpulan dan saran pengembangan untuk ke depan dari sistem yang telah dibuat.

93

Universitas Kristen Maranatha

6

BAB VI

SIMPULAN DAN SARAN

Pada bab ini penulis membahas mengenai simpulan dan saran pengembangan bagi penelitian berikutnya. Simpulan dan saran dituliskan setelah hasil analisa, pengembangan, perancangan dan implementasi oleh penulis.

6.1 Simpulan

Dari hasil analisa, pengembangan, perancangan, dan implementasi penelitian mengenai pengembangan aplikasi penjadwalan dengan implementasi algoritma genetika. Kesimpulan yang diambil oleh penulis sebagai berikut :

1. Berdasarkan pada Hasil Pengujian 5 dan Hasil Pengujian 6, Pada kasus penjadwalan mata pelajaran, titik nilai optimal nilai fitness adalah 95% dari jumlah individu yang hendak diambil berdasarkan ruang kelas yang terdaftar dan data waktu. Nilai optimal diatas diacu pada proses ujicoba yang dilakukan bahwa nilai fitness pernah mencapai nilai lebih dari 97%, sehingga ditetapkan titik nilai fitness optimal adalah 95%.

2. Probabilitas Cross-over optimal adalah 50% dan probabilitas mutasi optimal adalah 20%. Nilai optimal diacu pada Hasil Pengujian 5, bahwa setelah dilakukan ujicoba dari probabilitas cross-over dari 40% hingga 70% nilai fitness yang paling mendekati sempurna adalah probabilitas cross-over 50% dan probabilitas mutasi sebesar 20% setelah dilakukan uji coba pada 10%-25%.

3. Berdasarkan Hasil Pengujian 5 dan Hasil Pengujian 6 Nilai fitness beranjak optimal kurang dari 50 generasi. Nilai optimal yang dimaksud adalah sebelum hasil akhir mencapai 50 generasi, hasil akhir sudah mencapai threshold yang ditentukan yaitu 95%, oleh sebab itu program selesai dan keluar dari proses algoritma genetika.

94

Universitas Kristen Maranatha 4. Berdasarkan Hasil Pengujian 5, pendekatan terbaik implementasi algoritma genetika ketika saat inisialisasi awal data guru sudah dipasangkan terhadap data mata pelajaran yang diampu. Inisialisasi awal data guru yang sudah dipasangkan akan membuat nilai fitness awal lebih baik dikarenakan constraint guru mengajar pada pelajaran tertentu sudah pasti terpenuhi.

6.2 Saran

Aplikasi ini masih bisa dikembangkan menjadi lebih baik lagi karena masih ada kelemahan pada sistem, saran yang diberikan penulis sebagai berikut :

1. Pengguna sistem dapat memasukkan manual setiap constraint.

2. Sistem informasi akademik dapat dikembangkan lebih dalam dengan ditambah DSS(Decision Support System) dalam penerimaan siswa baru dan pengelolaan data akademik.

95

Universitas Kristen Maranatha

DAFTAR PUSTAKA

[1] B. Wilkinson, Parallel Programming, Yogyakarta: ANDI, 2010.

[2] S. Sivanandam, Introduction to Genetic Algorithm, Berlin: Springer, 2008. [3] M. Gen, Genetic Algorithm & Engineering Optimization, Canada: Engineering

Design and Automation, 2005.

[4] A. D. d. R. A. V. Wiga Ayu Puspaningrum, "Penjadwalan Mata Kuliah Menggunakan Algoritma Genetika di Jurusan Sistem Informasi ITS," Jurnal Teknik Pomits, vol. II, no. 1, pp. 127-131, 2013.

[5] M. Gen, Introduction to Evolutionary Algorithm, London: Springer, 2010. [6] M. Gen, Network Model and Optimization Multiobject Genetic Algorithm

Approach, London: Springer, 2008.

[7] E. Cox, Fuzzy Modelling and Genetic Algorithm for Data Mining and Exploration, San Fransisco: Elsevier, 2005.

[8] S. Bagui and R. Earp, Database Design Using Entity-Relationship Diagrams, Boca Raton: Taylor & Francis Group, 2012.

[9] A. Nugroho, Rekayasa Perangkat Lunak Menggunakan UML dan Java, Yogyakarta: ANDI, 2009.

[10] G. Swain, Object-Oriented Analysis and Design Through Unified Modelling Language, University Science Press: New Delhi, 2010.

[11] D. E. Goldberg, Genetic Algorithm in Search, Optimization & Machine Learning, Addison: Wesley Publishing Company, 2006.

[12] Z. Michalewicz, Genetic Algorithms + Data Structures Second, Extended Edition, Berlin: Springer, 2013.

1

Universitas Kristen Maranatha

1

BAB I

PENDAHULUAN

1.1 Latar Belakang Masalah

SMA Trinitas merupakan salah satu SMA di Bandung. Saat ini, SMA Trinitas masih menggunakan proses manual dalam melakukan penjadwalan mata pelajaran dan kelas. Oleh sebab itu, penjadwalan dengan operasi manual membutuhkan waktu yang cukup lama dan kinerja yang cukup besar. Penjadwalan dengan operasi manual membuat tingkat kesalahan masukan semakin besar. Penjadwalan manual yang biasanya dilakukan di SMA Trinitas membutuhkan waktu yang lama dan rapat yang cukup panjang

Setiap data yang terdapat di SMA Trinitas disimpan menggunakan Ms. Excel. Oleh sebab itu, setiap data yang tercipta tidak berada pada satu dokumen yang sama. Setiap tahun ajaran baru staf di SMA Trinitas perlu membuat dokumen baru untuk tahun ajaran tersebut. Data guru pun masih disimpan pada sebuah buku dan masih belum terorganisir dengan baik. Oleh sebab itu, penting adanya untuk membuat sebuah aplikasi sebagai usaha untuk memperbaiki sistem yang sudah ada sekarang ini.

1.2 Rumusan Masalah

Berdasarkan latar belakang maka terdapat rumusan masalah antara lain: 1. Bagaimana membuat aplikasi yang dapat membantu instansi untuk

menjadwalkan mata pelajaran agar tidak terbentur antar satu dengan yang lainnya?

2. Bagaimana membuat aplikasi agar murid di setiap kelas dapat terbagi rata berdasarkan kemampuan setiap kelas agar perbedaan kualitas kemampuan siswa antar kelas tidak jauh berbeda antar satu dengan yang lainnya?

Universitas Kristen Maranatha

1.3 Tujuan Pembahasan

Berdasarkan rumusan masalah, maka tujuan pembuatan sistem adalah:

1. Membuat sebuah aplikasi penjadwalan dengan implementasi algoritma genetika yang dapat meminimalkan bentrokan antar satu jadwal dengan jadwal lainnya.

2. Membuat sebuah aplikasi yang dapat mengacak penempatan siswa berdasarkan ranking yang didapat dari hasil rapor siswa.

1.4 Batasan Masalah

Batasan masalah yang dikemukakan penulis adalah : 1. Preferensi pengajar terhadap hari yang hendak dia ajar.

2. Preferensi mata pelajaran yang akan saling berdampingan apabila ada mata pelajaran yang dapat didampingkan jadwalnya.

3. Pemrosesan jadwal dihitung berdasarkan nilai fitness yang dihasilkan dari proses seleksi.

1.5 Sistematika Penyajian

BAB I PENDAHULUAN

Bab ini berisi tentang pendahuluan yang terdiri dari latar belakang, rumusan masalah, tujuan pembahasan, batasan masalah, dan sistematika dari proyek tugas akhir ini.

BAB II KAJIAN TEORI

Bab ini membahas teori-teori yang digunakan dan juga mendukung dalam penyelesaian proyek tugas akhir ini.

BAB III ANALISIS DAN RANCANGAN SISTEM

Bab ini membahas secara lengkap mengenai analisa keadaan, kebutuhan sistem, perancangan, UML, ERD, gambaran arsitektur desain serta user interface. BAB IV HASIL PENELITIAN

Bab ini berisi penjelasan dari setiap fungsi yang ada di dalam aplikasi serta implementasi proyek yang dibuat.

3

Universitas Kristen Maranatha BAB V TESTING DAN EVALUASI SISTEM

Bab ini berisi pengujian dan analisa terhadap fungsi–fungsi dan method dari hasil pengerjaan tugas akhir.

BAB VI SIMPULAN DAN SARAN

Bab ini berisi simpulan dan saran pengembangan untuk ke depan dari sistem yang telah dibuat.

93

Universitas Kristen Maranatha

6

BAB VI

SIMPULAN DAN SARAN

Pada bab ini penulis membahas mengenai simpulan dan saran pengembangan bagi penelitian berikutnya. Simpulan dan saran dituliskan setelah hasil analisa, pengembangan, perancangan dan implementasi oleh penulis.

6.1 Simpulan

Dari hasil analisa, pengembangan, perancangan, dan implementasi penelitian mengenai pengembangan aplikasi penjadwalan dengan implementasi algoritma genetika. Kesimpulan yang diambil oleh penulis sebagai berikut :

1. Berdasarkan pada Hasil Pengujian 5 dan Hasil Pengujian 6, Pada kasus penjadwalan mata pelajaran, titik nilai optimal nilai fitness adalah 95% dari jumlah individu yang hendak diambil berdasarkan ruang kelas yang terdaftar dan data waktu. Nilai optimal diatas diacu pada proses ujicoba yang dilakukan bahwa nilai fitness pernah mencapai nilai lebih dari 97%, sehingga ditetapkan titik nilai fitness optimal adalah 95%.

2. Probabilitas Cross-over optimal adalah 50% dan probabilitas mutasi optimal adalah 20%. Nilai optimal diacu pada Hasil Pengujian 5, bahwa setelah dilakukan ujicoba dari probabilitas cross-over dari 40% hingga 70% nilai fitness yang paling mendekati sempurna adalah probabilitas

cross-over 50% dan probabilitas mutasi sebesar 20% setelah dilakukan uji

coba pada 10%-25%.

3. Berdasarkan Hasil Pengujian 5 dan Hasil Pengujian 6 Nilai fitness beranjak optimal kurang dari 50 generasi. Nilai optimal yang dimaksud adalah sebelum hasil akhir mencapai 50 generasi, hasil akhir sudah mencapai

threshold yang ditentukan yaitu 95%, oleh sebab itu program selesai dan

94

Universitas Kristen Maranatha 4. Berdasarkan Hasil Pengujian 5, pendekatan terbaik implementasi algoritma genetika ketika saat inisialisasi awal data guru sudah dipasangkan terhadap data mata pelajaran yang diampu. Inisialisasi awal data guru yang sudah dipasangkan akan membuat nilai fitness awal lebih baik dikarenakan

constraint guru mengajar pada pelajaran tertentu sudah pasti terpenuhi.

6.2 Saran

Aplikasi ini masih bisa dikembangkan menjadi lebih baik lagi karena masih ada kelemahan pada sistem, saran yang diberikan penulis sebagai berikut :

1. Pengguna sistem dapat memasukkan manual setiap constraint.

2. Sistem informasi akademik dapat dikembangkan lebih dalam dengan ditambah DSS(Decision Support System) dalam penerimaan siswa baru dan pengelolaan data akademik.

Universitas Kristen Maranatha

DAFTAR PUSTAKA

[1] B. Wilkinson, Parallel Programming, Yogyakarta: ANDI, 2010.

[2] S. Sivanandam, Introduction to Genetic Algorithm, Berlin: Springer, 2008. [3] M. Gen, Genetic Algorithm & Engineering Optimization, Canada: Engineering

Design and Automation, 2005.

[4] A. D. d. R. A. V. Wiga Ayu Puspaningrum, "Penjadwalan Mata Kuliah Menggunakan Algoritma Genetika di Jurusan Sistem Informasi ITS," Jurnal

Teknik Pomits, vol. II, no. 1, pp. 127-131, 2013.

[5] M. Gen, Introduction to Evolutionary Algorithm, London: Springer, 2010. [6] M. Gen, Network Model and Optimization Multiobject Genetic Algorithm

Approach, London: Springer, 2008.

[7] E. Cox, Fuzzy Modelling and Genetic Algorithm for Data Mining and Exploration, San Fransisco: Elsevier, 2005.

[8] S. Bagui and R. Earp, Database Design Using Entity-Relationship Diagrams, Boca Raton: Taylor & Francis Group, 2012.

[9] A. Nugroho, Rekayasa Perangkat Lunak Menggunakan UML dan Java, Yogyakarta: ANDI, 2009.

[10] G. Swain, Object-Oriented Analysis and Design Through Unified Modelling Language, University Science Press: New Delhi, 2010.

[11] D. E. Goldberg, Genetic Algorithm in Search, Optimization & Machine Learning, Addison: Wesley Publishing Company, 2006.

[12] Z. Michalewicz, Genetic Algorithms + Data Structures Second, Extended Edition, Berlin: Springer, 2013.