Rancang Bangun Aplikasi Penjadwalan Ujian Di Institut Bisnis dan Informatika Stikom Surabaya Dengan Menggunakan Algoritma Genetika

  JSIKA Vol. ??, No. ??, Tahun 2016,

  INSTITUT BISNIS DAN INFORMATIKA STIKOM SURABAYA DENGAN MENGGUNAKAN ALGORITMA GENETIKA Alvian Deffa ¹⁾

Tutut Wurijanto

²⁾ A.B. Tjandrarini ³³⁾ Program Studi/Jurusan Sistem Informasi Fakultas Teknologi dan Informatika

  Institut Bisnis dan Informatika Stikom Surabaya Jl. Raya Kedung Baruk 98 Surabaya, 60298 Email : 1

  Abstract: Universities have activities that will be able to support education activities which take place. Activities to support the education process is the scheduling activities conducted by the Institute of Business and Medical Informatics Stikom Surabaya one rescheduling process test.The fact that occurred in the preparation of the current test schedule requires the process and a long time. This happens because the application that is currently unable to meet the need and must arrange the schedule with the help of Microsoft Excel. When arrange the schedule the test in a way that is done when the difficulties faced by the arrange the schedule the test to meet the conditions and policies that have been determined. When it is left then the Son need more resources to arrange a trial, and it will be discussed how to solve the problem is in the scheduling using a method that is algorithm genetic algorithm. Genetic algorithms can be used for the needs of the preparation of the schedule that meets the conditions of the terms and the policy that has been determined the results of the study showed that the test scheduling applications can help the Son to provide information on the schedule of the tests in one semester and are able to include the conditions and the existing policy at the Institute of Business and Medical Informatics Stikom Surabaya.

  Keywords: Applications, Scheduling Test, Genetic algorithms

  Perguruan tinggi adalah institusi yang mempunyai peran dan posisi strategis dalam pencapaian tujuan pendidikan dan melakukan upaya perbaikan secara terus menerus untuk mewujudkan sumber daya manusia yang berkualitas. Perguruan tinggi terdiri dari beberapa fakultas/jurusan yang menyelenggarakan pendidikan ilmiah/profesional dalam beberapa ketentuan yang telah ditetapkan. Keberadaan manusia sebagai sumber daya sangat penting dalam suatu perguruan tinggi karena sumber daya manusia menunjang melalui karya, bakat, kreativitas, dorongan, dan peran nyata.

  Perguruan tinggi memiliki berbagai macam kegiatan untuk menunjang proses pendidikan, salah satunya adalah proses penjadwalan. Penjadwalan adalah proses, cara, perbuatan menjadwalkan atau memasukkan dalam jadwal (Lee, 2000).

  Institut Bisnis dan Informatika Stikom Surabaya merupakan perguruan tinggi yang bergerak di bidang manajemen dan informatika atau yang disebut dengan Stikom Surabaya. Stikom Surabaya mempunyai beberapa bagian yang mengelola kegiatan pendidikan, salah satunya adalah Bagian Administrasi Akademik dan Kemahasiswaan (AAK). Bagian AAK memiliki tanggung jawab yaitu mengatur penjadwalan kuliah dan penjadwalan ujian Institut Bisnis dan Informatika Stikom Surabaya. Proses penjadwalan ujian dimulai dari proses melihat mata kuliah yang terselenggara pada semester tersebut. Setelah itu mengecek kapasitas ruangan, jumlah mahasiswa yang mengikuti ujian, serta sifat dari ujian tersebut. Jika proses tersebut telah selesai dilakukan maka bagian AAK melanjutkan ke proses penjadwalan. Selama ini bagian AAK memiliki permasalahan dalam proses penjadwalan ujian. Bagian

  AAK kesulitan dalam proses pengecekan ketersediaan ruangan terhadap jadwal ujian yang telah dijadwalkan. Hal ini dikarenakan aplikasi yang ada tidak dapat melakukan proses pengecekan ketersediaan ruangan terhadap jadwal ujian yang telah dijadwalkan. Selain itu bagian AAK kesulitan dalam menjadwalkan pengawas ujian serta mahasiswa yang mengikuti ujian. Hal ini dikarenakan setiap pengawas ujian memiliki beban jaga ujian yang berbeda dan mahasiswa memiliki jatah jadwal ujian maksimal dalam satu hari yaitu dua kali. Oleh karena itu bagian AAK harus menyusun kembali jadwal ujian dengan cara mengecek kapasitas kelas dan jumlah mahasiswa yang mengikuti ujian untuk dipindahkan agar jumlah kapasitas kelas terpenuhi serta menyesuaikan beban jaga dosen dengan jadwal ujian yang sudah dijadwalkan dengan menggunakan aplikasi Microsoft Excel. Dampak dari kendala-kendala tersebut membuat bagian AAK membutuhkan waktu yang lama untuk menyusun jadwal ujian.

  Masalah-masalah penjadwalan yang terjadi di Institus Bisnis dan Informatika Stikom Surabaya dapat diminimalkan dengan perhitungan penjadwalan yang tepat dan mempertimbangkan seluruh aspek yang berkaitan dengan kegiatan penjadwalan ujian. Dengan adanya masalah penjadwalan ujian yang sudah dijelaskan di atas, maka akan dibahas bagaimana memecahkan masalah yang ada dalam penjadwalan dengan menggunakan suatu metode algoritma yaitu Algoritma Genetika. Algoritma genetika merupakan algoritma pencarian yang berdasarkan pada mekanisme seleksi alami dan genetik alami, keunikannya adalah mengikuti pola evolusi makhluk hidup dan sering

ISSN 2338-137X

  menggunakan bilangan-bilangan yang dihasilkan secara menyusun halaman waktu, melakukan otorisasi acak. Dari bilangan-bilangan yang dihasilkan acak, penjaga, melakukan proses penjadwalan, dan tetapi sesuai aturan-aturan yang ada, dapat dihasilkan menghasilkan laporan penjadwalan. suatu solusi yang sama atau mendekati target yang ingin _{Staff Akademik Puket 1} dicapai (Kusumadewi, 2003). Algoritma Genetika dapat digunakan untuk kebutuhan-kebutuhan penyusunan _Mulai jadwal yang memenuhi kondisi syarat-syarat dan _{Melihat daftar} batasan-batasan yang telah ditentukan _{Karyawa berlangsung mata kuliah Kuliah}

  Analisis Bisnis ⁿ

  Setelah dilakukan tahap komunikasi, selanjutnya _{Mencari petugas tidak} dilakukan analisis bisnis meliputi : _{penjaga Daftar}

  1. Identifikasi Masalah _{daftar penjaga Membuat penjaga} Setelah melakukan observasi dan wawancara _{Daftar Memberikan} langsung dengan bagian Administrasi Akademik _{Kelas persetujuan} dan Kemahasiswaan (AAK) di STIKOM _{Memilih ruang kelas ya}

  Surabaya, terdapat beberapa permasalahan yang _{ACC ?} ada maka penelitian mengangkat satu tidak _{Penuh ?} permasalahan yaitu mengenai penjadwalan ujian. _ya Mengacu pada hasil wawancara yang telah _{ujian menyesuikan Menyusun jadwal} dilakukan, dapat diketahui beberapa proses. Proses _{beban jaga dosen dengan jumlah} ini dimulai dari pihak staff akademik melihat _{jadwal ujian} daftar mata kuliah yang berlangsung, kemudian _{Membu at} mencari daftar penjaga yang sudah di _{jadwal ujian} rekomendasikan. Pihak akademik membuat daftar penjaga untuk meminta persetujuan dari wakil _{Jadwal ujian} rektor 1, kemudian dari wakil rektor 1 _Selesai memberikan persetujuan atau tidak. Data persetujuan tersebut nantinya untuk menentukan penjaga ujian, apabila mendapat persetujuan daftar

  Gambar 1. Dokumen flow proses membuat jadwal penjaga tersebut dikembalikan lagi kepada pihak akademik. Pihak akademik melihat melihat daftar

  Kebutuhan Pengguna

  ruang kelas yang sudah di rekomendasikan untuk Berdasarkan hasil wawancara dengan bagian menjadi jadwal ujian. Data ruang kelas sudah

  AAK khususnya dengan pengguna yang bersangkutan ditentukan pihak akademik mulai menyusun dengan sistem, maka dapat dibuat kebutuhan jadwal ujian dan menentukan beban jaga dosen pengguna.Analisis kebutuhan pengguna berfungsi untuk disesuaikan dengan jumlah jadwal ujian. Hal mengetahui kebutuhan dari masing-masing pengguna tersebut dilakukan dikarenakan sering kali dalam yang berhubungan langsung dengan sistem yang dibuat pengawas ujian tidak sesuai dengan beban jaga dapat sesuai dengan apa yang diminta oleh pengguna dosen sehingga mengakibatkan dalam pengawasan yang bersangkutan dengan sistem. Pengguna tersebut ujian ada yang penjaga ujian lebih dari dua atau terbagi menjadi role yang berbeda, yaitu sebagai admin bahkan tidak ada pengawas ujian & seringnya (Kabag AAK dan Kepegawaian) dan sebagai otorisasi bagian akademik kesulitan dalam ketersediaan (Penjaga). Dari role yang berbeda tersebut maka kelas, sehingga bagian akademik sulit memiliki fungsi yang berbeda sehingga kebutuhan data menjadwalkan pengawas ujian serta mahasiswa dan informasi yang dihasilkan pada setiap user. Untuk yang mengikuti ujian. Hal tersebut membuat tidak penerapan sistem pada aplikasi Berikut adalah dapat efektifnya dalam hal meminimalis kelas ujian. dilihat kebutuhan pengguna dalam penjadwalan ujian

  Berikut adalah permasalahan yang dimaksud yang sebagai berikut: digambarkan dalam dokumen flow pada Gambar

  1. Kepala Bagian BAAK 1.

  2. Identifikasi Pengguna Tabel 1 Kebutuhan Pengguna Kepala Bagian AAK

  Berdasarkan hasil wawancara dengan bagian Akademik. Pada proses penjadwalan ujian, user yang ada yaitu Bagian Administrasi Akademik dan Kebutuhan Kebutuhan Kebutuhan Kemahasiswaan (AAK), Dekan.

  Fungsi Data Informasi

  3. Identifikasi Data Setelah dilakukan proses identifikasi

  Login Data karyawan Karyawan yang permasalahan, pengguna dan data, maka dapat mempunyai hak diidentifkasi fungsi dari proses penjadwalan ujian akses untuk sebagai berikut: menentukan matakuliah, masuk ke dalam menentukan penjaga, menentukan ruangan, halaman login

  JSIKA Vol. ??, No. ??, Tahun 2016,

ISSN 2338-137X

  JSIKA Vol. ??, No. ??, Tahun 2016,

  Data penjaga Halaman otorisasi penjaga yang disetujui

  Laporan Penjadwalan

  1. Data hasil jadwal

  2. Data penjaga Laporan hasil dari proses penjadwalan

  2. Dekan Tabel 1 Kebutuhan Pengguna Dekan

  Kebutuhan Fungsi Kebutuhan Data Kebutuhan Informasi

  Pengisian halaman otorisasi penjaga

  Algoritma Genetika

  3. Data ruangan

  Algoritma Genetika adalah metode heuristic adaptif yang memiliki dasar pemikiran atau gagasan untuk proses seleksi alam dan genetika berdasarkan penelitian dari Charles Darwin. Dengan kata lain, pencarian solusi suatu masalah dengan Algoritma Genetika akan terus berevolusi (Kusumadewi dan Purnomo, 2005). Dengan meniru teori evolusi tersebut, Algoritma Genetika dapat digunakan untuk mencari solusi dari permasalahan yang ada dalam dunia nyata. Sebelum memanfaatkan Algoritma Genetika, hal yang harus dilakukan adalah menyandikan solusi dari masalah yang diberikan ke dalam kromosom pada Algoritma Genetika dan membandingkan nilai fitness- nya. Sebuah representasi Algoritma Genetika yang efektif dan nilai fitness yang bermakna merupakan kunci keberhasilan dalam aplikasi genetika. Algoritma Genetika bekerja dengan menggunakan pendekatan random, dan nilai yang dihasilkan adalah nilai random. Pada kasus penjadwalan ini dengan model genetika ditujukan untuk mendapatkan kombinasi yang tepat antara variabel dosen, waktu, dan ruang. Semakin banyak iterasi yang dilakukan, maka waktu yang dibutuhkan akan semakin lama. Beberapa hal yang harus dilakukan dalam Algoritma Genetika adalah

  a. Mendefinisikan individu, dimana individu menyatakan salah satu solusi (penyelesaian) yang mungkin dari permasalahan yang diangkat.

  b. Mendefinisikan nilai fitness, yang merupakan ukuran baik atau tidaknya sebuah individu.

  c. Menentukan proses pembangkitan populasi awal, hal ini biasanya dilakukan dengan menggunakan pembangkitan secara acak.

  d. Menentukan proses seleksi yang akan digunakan.

  e. Menentukan proses perkawinan silang dan mutasi gen yang akan digunakan. Untuk lebih jelasnya dapat dilihat pada gambar flowchart algoritma genetika secara umum yaitu pada Gambar 2.

  4. Data sebaran waktu Halaman proses penjadwalan yang berisi data yang dibutuhkan untuk diproses menjadi penjadwalan ujian

  2. Data penjaga

  Kebutuhan Fungsi Kebutuhan Data Kebutuhan Informasi

  1. Data karyawan & dosen

  Mengelola data waktu Data waktu Mengelola data waktu yang dipakai untuk proses penjadwalan

  Mengelola data hari Data hari Mengelola data hari yang dipakai untuk proses penjadwalan

  Mengelola data sebaran waktu

  1. Data waktu

  2. Data hari Waktu dan hari yang sudah digabungkan untuk dipilih

  Mengelola data penjaga

  2. Data penjaga Karyawan mana saja yang akan menjaga ujian

  1. Data matakuliah

  Pemilihan mata kuliah

  1. Data matakuliah

  2. Data semester

  3. Data kelas

  4. Data sks Halaman matakuliah yang sudah berisi data apa saja yang dibutuhkan

  Pemilihan ruangan Data ruangan Ruangan mana saja yang dipakai untuk ujian

  Proses Penjadwalan

ISSN 2338-137X

  Mulai _{Input Data} menggambarkan diagram jenjang proses aplikasi _{Pengkodean Inisialisasi Prosedur} penjadwalan kuliah _Evaluasi Data Flow Diagram _Fitness DFD sering digunakan untuk menggambarkan suatu _Seleksi sistem yang telah ada atau sistem baru yang akan _{Fitness Terbaik ?} dikembangkan secara logika tanpa mempertimbangkan _{Crossover tidak} lingkungan fisik dimana data tersebut mengalir. Pada _{Mutasi ya} DFD, akan dijelaskan mengenai aliran data yang _{Kromosom terbaik} terdapat dalam sistem. Semua masukkan dan keluaran _Hasil dari sistem akan digambarkan dengan jelas. Pada DFD _Selesai aplikasi penjadwalan kuliah ini terdapat delapan proses

  yaitu melakukan login untuk pengguna, mengelola master waktu dan waktu, menentukan mata kuliah yang digunakan, menentukan penjaga, menentukan ruang

  Gambar 2. Flowchart Algoritma Genetika digunakan, menentukan sebaran waktu, melakukan penjadwalan, dan menampilkan hasil jadwal.

  Sitemap Sitemap membantu mempermudah menjelaskan

  aplikasi penjadwalan kuliah berbasis web pada _{NIK dan PIN} penelitian ini. Sitemap apilkasi penjadwalan ujian dapat _{Data ruangan NIK dan PIN} dilihat pada Gambar 3. _{Matakuliah yang dipilih Data karyawan terpilih Data Ruang dipilih Data sebaran waktu Data sesi hari Data karyawan Otorisasi penjaga Data penjaga AAK Data jadwal ujian Data matakuliah diujikan Pilih hasil jadwal} Data sesi waktu _{Halaman AAK Sebaran Waktu Ruangan Ujian STIKOM Surabaya Aplikasi Penjadwalan Rancang Bangun Penjaga yang diotorisasi Halaman dekan Dekan Sesi waktu Sesi hari} Penjaga

• _{Hasil jadwal ujian} ^{Jadwal ujian}

  Gambar 4. Context Diagram Gambar 3. Sitemap Aplikasi Penjadwalan Ujian

  Context Diagram Context diagram merupakan gambaran

  menyeluruh dari DFD. Di dalam Context Diagram terdapat dua External Entity, yang terdiri atas Bagian Prodi, dan Bagian AAK. Untuk lebih jelasnya dapat dilihat pada Gambar 4.

  Diagram Jenjang

  Diagram jenjang adalah sebuah bagan yang menggambarkan proses-proses yang ada dan mendukung suatu aplikasi. Diagram jenjang dari aplikasi penjadwalan kuliah terdapat delapan proses besar yaitu mengecek hak akses login, mengelola data master waktu, menentukan matakuliah yang diselenggarakan, menentukan kompetensi dosen, menentukan ruangan yang digunakan, menentukan sebaran waktu, memproses jadwal, dan mengasilkan laporan jadwal kuliah dalam satu semester. Diagram jenjang ini digunakan sebagai pedoman dalam

  Gambar 5. Diagram Jenjang pembuatan Data Flow Diagram. Gambar

  5 JSIKA Vol. ??, No. ??, Tahun 2016,

ISSN 2338-137X

  JSIKA Vol. ??, No. ??, Tahun 2016,

  Data Flow Diagram Level 0

  Pada DFD level 0 aplikasi penjadwalan ujian terdapat delapan proses yaitu melakukan login untuk pengguna, mengelola data master, menentukan sebaran waktu , menentukan mata kuliah yang digunakan, menentukan penjaga, menetukan ruang digunakan, otorisasi penjaga, melakukan penjadwalan, dan menampilkan hasil jadwal. Tabel yang terlihat pada DFD level 0 adalah karyawan, bagian, waktu, hari, sebaran waktu, mata kuliah, krs, ruangan, ruang digunakan, penjaga, dan jadwal ujian. Gambar 6, 7 dan 8 menampilkan DFD level 0 aplikasi penjadwalan kuliah.

  Gambar 6. DFD Level 0 Gambar 7. DFD Level 0 Gambar 8. DFD Level 0

  Conceptual Data Model (CDM) Conceptual data model dari aplikasi

  penjadwalan ujian dengan menggunakan metode Algoritma Genetika pada Institut Bisnis dan Informatika Stikom Surabaya terdapat 14 tabel, yang terdiri atas tabel V_KARYAWAN, tabel V_FAKULTAS, tabel V_FAKUL, tabel V_MSTMK, tabel V_KUR, tabel V_DEPARTMENT1, tabel V_RNG, tabel MK_DIGUNAKAN, tabel KULIAH, tabel JADWAL, tabel RUANG_DIGUNAKAN, tabel DATA_WAKTU, tabel DATA_HARI, dan tabel DATA_SLOT_WAKTU. Conceptual data model aplikasi penjadwalan ujian dengan menggunakan metode Algoritma Genetika pada Institut Bisnis dan Informatika Stikom Surabaya terdapat pada Gambar 9.

  Physical Data Model (PDM) Physical data model dari aplikasi penjadwalan kuliah

  terdapat 16 tabel, yang terdiri atas tabel V_KARYAWAN, tabel V_FAKULTAS, tabel V_FAKUL, tabel V_MSTMK, tabel V_KUR, tabel V_DEPARTMENT1, V_MHS, tabel V_RNG, tabel MK_DIGUNAKAN, tabel KULIAH, tabel JADWAL, tabel RUANG_DIGUNAKAN, tabel DATA_WAKTU, tabel DATA_HARI, dan tabel DATA_SLOT_WAKTU, tabel DATA_PENJAGA. Physical data model aplikasi penjadwalan ujian dengan menggunakan metode Algoritma Genetika pada Institut Bisnis dan Informatika Stikom Surabaya terdapat pada Gambar 9.

  Gambar 8. CDM ^{NIK dan PIN (AAK) NIK dan PIN (AAK) Data sebaran waktu disimpan Data hari dibaca Data waktu dibaca Data hari tersimpan Data waktu tersimpan Data hari dibaca Data waktu dibaca Data bagian dibaca Data karyawan dibaca [Sebaran Waktu] [Data sebaran waktu] [Sesi waktu] [Data sesi waktu] [Sesi hari] [Data sesi hari] [Halaman dekan] [Halaman AAK] [NIK dan PIN] [NIK dan PIN] AAK AAK AAK AAK AAK AAK AAK AAK Dekan Dekan Peng g una 1 Melakukan Log in Untuk + 2 Meng elola Data Master + 3 Menentukan Sebaran Waktu + 1 Karyawan 2 Bag ian 3 Waktu 4 Hari 6 Sebaran Waktu 3 Waktu Data matakuliah disimpan 4 Hari [Data ruangan] Data penjag a dibaca Data penjag a disimpan Data ruang an dig unakan disimpan Data ruang an dibaca NIK dan PIN (AAK) NIK dan PIN (AAK) NIK dan PIN (AAK) Data krs dibaca Data matakuliah dibaca NIK dan PIN (Dekan) [Penjag a yang diotorisasi] [Otorisasi penjaga] [Data penjaga] [Penjag a] [Data karyawan] [Data karyawan terpilih] Data penjag a disimpan Data karyawan dibaca [Ruangan] [Data Ruang dipilih] [Data matakuliah diujikan] [Matakuliah yang dipilih] AAK AAK AAK AAK AAK AAK AAK AAK Dekan Dekan Dekan 5 Matakuliah 4 Menentukan penjag a + Login Untuk 1 Melakukan Peng g una + 5 Otorisasi Penjag a + 6 Menentukan matakuliah + 7 Penjag a 1 Karyawan 7 Menentukan ruang an + 8 KRS Login Untuk 1 Melakukan Peng g una + 9 Ruang an 10 Ruang dig unakan 7 Penjag a Jadwal ujian dis impan 13 Matakuliah dig unakan Data KRS Data penjag a dibac a Data krs dibaca Data matakuliah dibaca Data ruang an dibaca Data penjag a dibac a Data sebaran waktu dibaca Jadwal ujian dibaca Data penjag a [Data jadwal ujian] [Jadwal ujian] [Pilih hasil jadwal] [Hasil jadwal ujian] NIK dan PIN (AAK) Data Sebaran Waktu Matakuliah yang dipilih Data ruang an dig unakan NIK dan PIN (AAK) AAK AAK AAK AAK 8 Melakukan Penjadwalan + Peng g una 1 Melakukan Log in Untuk + 9 Menampilkan ujian + 11 Jadwal Ujian 7 Penjag a 10 Ruang dig unakan 6 Sebaran Waktu 5 Matakuliah 8 KRS Reference_1 Reference_2 Reference_3 0,n Reference_4 Reference_5 0,n Reference_7 Reference_8 Reference_10 Reference_13 Reference_14 Reference_16 Reference_15 Reference_17 Reference_18 Reference_19 Reference_20 DATA_SLOT_WAKTU ID_SLOT_WAKTU <pi> Variable characters (2) <M> ID_SLOT_WAKTU <pi> DATA_WAKTU ID_WAKTU MULAI SELESAI <pi> Variable characters (2) Date Date <M> ID_WAKTU <pi> DATA_HARI ID_HARI NAMA_HARI <pi> Variable characters (2) Variable characters (20) <M> ID_HARI <pi> V_RNG ID KAP BARIS KOLOM SISA LANTAI MAC_ADDRESS <pi> Variable characters (5) Number (3) Variable characters (30) Number (2) Number (3) Variable characters (30) Variable characters (50) <M> Key_1 <pi> V_MSTMK ID NAMA NAMA_ING SKS STATUS_MK_AKTIF <pi> Variable characters (10) Variable characters (50) Variable characters (75) Number (1) Variable characters (1) <M> Key_1 <pi> V_KUR SEMESTER PRASYARAT SINONIM STATUS JENIS ... Variable characters (1) Variable characters (100) Variable characters (40) Number Number ... V_KARYAWAN NIK KARY_TYPE NAMA ALAMAT KOT_ID SEX STS_MARITAL WN AGAMA KOTA_LAHIR TGL_LAHIR SHIFT NIP TELP STATUS BAGIAN ALAMAT_2 KOT_ID_2 TELP_2 ABSENSI PIN STS_PIN MANAGER_ID GOL_DARAH MULAI_KERJA TGL_KELUAR KELOMPOK INISIAL KODE_SIE ADM DOSEN GELAR_DEPAN GELAR_BELAKANG PIN_B KTP KK BPJSKESEHATAN BPJSTENAGAKERJA <pi> Variable characters (5) Variable characters (2) Variable characters (50) Variable characters (100) Variable characters (4) Variable characters (1) Number (1) Number (1) Number (1) Variable characters (4) Date Variable characters (1) Variable characters (15) Variable characters (50) Characters (1) Number (2) Variable characters (50) Variable characters (4) Variable characters (50) Number (1) Variable characters (6) Variable characters (1) Variable characters (6) Variable characters (2) Date Date Variable characters (15) Variable characters (3) Number (2) Number (1) Number (1) Variable characters (20) Variable characters (80) Variable characters (50) Variable characters (30) Variable characters (30) Variable characters (30) Variable characters (30) <M> Key_1 <pi> V_FAKULTAS ID NAMA STATUS JURUSAN PRODI_ING JURUSAN_ING MNGR_ID ALIAS SKS_TEMPUH SKS_AKTIF ID_FAKULTAS <pi> Variable characters (5) Variable characters (50) Variable characters (1) Variable characters (50) Variable characters (50) Variable characters (50) Variable characters (6) Variable characters (10) Integer Variable characters (1) Number <M> ID_PRODI <pi> V_DEPARTEMEN1 KODE NAMA MANAGER_ID PUKET <pi> Variable characters (2) Variable characters (35) Variable characters (6) Variable characters (6) <M> ID_BAGIAN <pi> V_MHS NIM NIRM NAMA ALAMAT STS_RUMAH SEX GOL_DARAH STS_MARITAL WN KOTA_LAHIR STS_PRESENSI TGL_LAHIR JALUR_MASUK KELAS PIN KOT_ID DOSEN_WL AGAMA STS_PIN NAMA2 TLP KODEPOS THN_MASUK NO_TEST HP STS_KHUSUS TGL_REG PIN_ORTU PIN_B PIN_B_ORTU NIK_KTP JALAN RT RW DUSUN KELURAHAN KECAMATAN PENERIMA_KPS NO_KPS KEBUTUHAN_KHUSUS <pi> Variable characters (11) Variable characters (20) Variable characters (80) Variable characters (200) Number (1) Number (1) Number (1) Number (1) Number (1) Variable characters (4) Variable characters (1) Date Number (1) Number (1) Variable characters (6) Variable characters (4) Variable characters (6) Number (4) Variable characters (1) Variable characters (200) Variable characters (50) Variable characters (5) Number Variable characters (10) Variable characters (100) Variable characters (1) Date Variable characters (6) Variable characters (50) Variable characters (50) Variable characters (16) Variable characters (80) Number (2) Number (2) Variable characters (40) Variable characters (40) Variable characters (8) Number (1) Variable characters (40) Number (32) <M> NIM <pi> V_KRSP JKUL_KELAS STS_UJIAN <pi> Variable characters (2) Variable characters (1) <M> ID_KELAS <pi> DATA_PENJAGA KD_UJIAN SEMESTER POSISI JML_JAGA STATUS Number Variable characters (5) Number Number Variable characters (1) V_JDWUP NIM_AKHIR STS_UJIAN JMHS Variable characters (11) Number (1) Number (5) RUANG_DIGUNAKAN KAPASITAS LANTAI Number (3) Variable characters (30) V_FAKUL ID NAMA NAMA_ING ALIAS MNGR_ID WKL_MNGR_ID STS_AKTIF <pi> Number Variable characters (200) Variable characters (200) Variable characters (10) Variable characters (6) Variable characters (6) Variable characters (1) <M> Key_1 <pi> MK_DIGUNAKAN STS_UJIAN Variable characters (1)}

ISSN 2338-137X

  halaman pengguna bagian AAK setelah login dapat dilihat pada gambar 10.

  Gambar 10. Halaman Login Gambar 11. Halaman Bagian AAK

  Gambar 9. PDM

HASIL DAN PEMBAHASAN

  Gambar 12. Halaman Bagian Dekan Aplikasi penjadwalan ujian dengan menggunakan metode Algoritma Genetika pada Institut

  Fungsi Menentukan Matakuliah Diselenggara-

  Bisnis dan Informatika Stikom Surabaya ini

  kan menggunakan browser atau peramban.

  Fungsi menentukan mata kuliah yang diselenggarakan adalah fungsi yang bertujuan untuk

  Fungsi Login

  menentukan daftar matakuliah apa saja yang akan Fungsi login pengguna adalah halaman untuk diselenggarakan untuk penjadwalan. Bagian AAK mengecek pengguna berdasarkan bagiannya masing mempunyai hak akses untuk menambah dan menghapus masing. Ada dua jenis pengguna yaitu pengguna data mata kuliah yang akan diselenggarakan. Untuk pertama sebagai Ketua Program Studi dan kedua menambah mata kuliah yang akan diselenggarakan pengguna sebagai Kepala Bagian AAK. Pengguna dengan menekan tombol tambah yang ada di sudut memasukkan NIK dan password yang sudah ada dan pojok atas sebelah kanan. Halaman daftar mata kuliah kemudian menekan tombol login. Apabila pengguna diselenggarakan dapat dilihat pada gambar 13. bukan sebagai bagian yang disebutkan maka sistem

  Sedangkan tampilan untuk menambah data mata kuliah tidak dapat memberikan akses untuk masuk dan diselenggarakan dapat dilihat pada gambar 14. menggunakan aplikasi. T erdapat pemberitahuan “user tidak valid

  ”. Jika pengguna sebagai bagian yang disebutkan kemudian memasukkan username dan

  password dengan benar maka sistem akan memberikan

  hak akses untuk masuk halaman masing-masing sesuai bagian yang melakukan login. Pengguna dapat menggunakan sistem sesuai dengan hak askes masing- masing. Pada gambar 8 adalah tampilan halaman login pengguna. Tampilan halaman pengguna bagian Prodi setelah login dapat dilihat pada gambar 9, dan tampilan

  JSIKA Vol. ??, No. ??, Tahun 2016,

ISSN 2338-137X

  Gambar 13. Halaman Mata Kuliah Diselenggarakan Gambar 14. Tampilan pilih mata kuliah yang akan

  Gambar 16. Tampilan Menambah Ruangan ditambahkan

  Fungsi Menentukan Sebaran Waktu

Fungsi Menentukan Ruangan yang Digunakan Fungsi menentukan sebaran waktu bertujuan

  Fungsi menentukan ruangan yang digunakan untuk menyimpan dan menampilkan data pembagian adalah fungsi yang bertujuan untuk menentukan sebaran waktu yang akan digunakan untuk ruangan mana saja yang akan digunakan untuk penjadwalan. Pengguna halaman ini adalah Bagian penjadwalan. Bagian AAK mempunyai hak akses untuk AAK. Gambar 17 menggambarkan Halaman Sebaran menambah dan menghapus data ruangan yang akan Waktu. digunakan. Untuk menambah ruangan yang digunakan dengan menekan tombol tambah yang ada di sudut pojok atas sebelah kanan. Halaman daftar ruangan yang digunakan dapat dilihat pada gambar 15. Sedangkan tampilan untuk menambah ruangan yang digunakan dapat dilihat pada gambar 16.

  Gambar 17. Halaman Sebaran Waktu

  Fungsi Memproses Jadwal Ujian

  Halaman proses penjadwalan menampilkan informasi data-data yang akan dibutuhkan untuk proses

  generate jadwal. Informasi total kuliah yang akan

  dijadwalkan, informasi total sebaran waktu yang digunakan, informasi total ruangan yang digunakan, informasi penanggung jawab dan pengawas yang digunakan. Serta jumlah maksimal generasi yang akan diproses. Halaman ini berfungsi untuk melakukan proses generate jadwal berdasarkan data-data yang

  Gambar 15. Halaman Daftar Ruang yang Digunakan sudah ditentukan sebelumnya. Untuk melakukan proses tersebut yaitu dengan menekan tombol generate jadwal. Dan untuk melihat hasil jadwal kuliah dengan menekan menu lihat jadwal. Tampilan halaman proses penjadwalan gambar 18. Sedangkan halaman untuk

  JSIKA Vol. ??, No. ??, Tahun 2016,

ISSN 2338-137X

  melihat hasil jadwal kuliah dapat dilihat pada gambar 100,00 19.

  lan

  80,00 80,00 80,00

  77,50 70,00 70,00 70,00 70,00

  asi

  65,00 65,00 60,00 60,00

  rh e )

  40,00

  (% Keb

  20,00

  lah

  0,00

  m Ju

  10

  20

  30

  40

  50

  60

  70

  80

  90

  10 Kromosom

  Gambar 20. Hasil uji coba pengujian kromosom Pada Gambar 20, jumlah keberhasilan yang dihasilkan dari ukuran kromosom 10 sampai ukuran kromosom 100 titik paling optimum dalam uji coba ini adalah pada nilai 10 da 30. Kemudian pada ukuran kromosom 80 jumlah keberhasilannya mengalami penurunan. Pada umumnya, dengan penambahan ukuran kromosom akan meningkatkan

  Gambar 18. Halaman Proses Penjadwalan Kuliah jumlah keberhasilan karena akan menghasilkan keragaman individu yang lebih banyak, sehingga akan lebih membuka peluang untuk menghasilkan individu yang memiliki nilai fitness yang besar. Namun dengan ukuran kromosom yang besar tersebut waktu untuk komputasi atau proses menemukan solusi akan lebih lama. Sebaliknya, jika ukuran kromosom kecil, maka semakin rendah peluang untuk menemukan individu dengan nilai

  fitness yang besar, tetapi waktu untuk menemukan

  solusi akan lebih cepat. Pada pengujian ini, didapatkan parameter ukuran kromosom yang optimal adalah 10 dan 30 dengan tingkat keberhasilan 85,00%. Sehingga pada pengujian selanjutnya akan menggunakan salah satu ukuran

  Gambar 19. Tampilan Hasil Jadwal Ujian kromosom yang optimum yaitu dengan nilai ukuran kromosom 30.

  Hasil Uji Coba Menggunakan Parameter

  2. Analisis dan hasil uji coba generasi Uji coba dilakukan dengan menggunakan

  Banyak generasi yang digunakan adalah kelipatan masukkan parameter yang berbeda-beda dengan jumlah

  10. Banyak kromosom yang digunakan yaitu 30. data menggunakan 40 kelas kuliah, 6 ruang yang

  Nilai ini diambil dari hasil uji coba sebelumnya yang digunakan, 25 sebaran waktu yang telah disediakan, 20 merupakan salah satu nilai optimum. Sedangkan karyawan yang disediakan. Berikut adalah analisis hasil kombinasi probabilitas pindah silang dan uji coba yang dilakukan : probabilitas mutasi yang digunakan adalah 50 dan

  1. Analisis dan hasil uji coba kromosom 50. Pengujian dilakukan masing-masing 10 kali.

  Ukuran kromosom yang diujikan adalah kelipatan Hasil uji coba dapat dilihat pada gambar 21. 10 dengan rentang nilai antara 10 sampai 100.

  80,00 Probabilitas pindah silang dan probabilitas mutasi

  )

  75,00 75,00 75,00 75,00 72,50

  %

  70,00 70,00 yang digunakan masing-masing adalah 50, generasi

   (

  65,00 60,00 yang digunakan adalah 10. Hasil pengujian dapat 60,00

  lan

  55,00 dilihat pada gambar 20.

  asi

  40,00

  rh e b e

  20,00

   K lah

  0,00

  JUm

  10 20 30 40 50 60 70 80 90 100

  Generasi

  Gambar 21. Hasil uji coba pengujian generasi JSIKA Vol. ??, No. ??, Tahun 2016,

ISSN 2338-137X

  Hasil uji coba pengujian ukuran Generasi Pada Gambar 21 jumlah keberhasilan yang dihasilkan

  Chart Title

  dari ukuran generasi 10 hingga ukuran generasi 100 terdapat 4 nilai optimum yang didapatkan yaitu pada 100,00

  ) 85,00 85,00

  ukuran generasi 30, 40,60 dan 70. Kemudian pada 80,00 80,00

  80,00 80,00 75,00

  75,00 72,50

   (% 75,00 75,00

  75,00 ukuran generasi 50 jumlah keberhasilan mengalami 80,00 80,00

  72,50 70,00

  70,00

  lan

  penurunan. Semakin banyak jumlah generasi 72,50

  75,00 75,00

  65,00 77,50

  asi 65,00 72,50

  berpengaruh terhadap meningkatnya kemampuan 60,00 70,00 70,00 70,00 70,00

  67,50 70,00 60,00

  rh algoritma genetika dalam mencari solusi terbaik. e

  40,00 Pada penelitian ini tingginya jumlah generasi belum

   Keb

  tentu menghasilkan nilai yang optimal. Selain itu hal

  lah

  20,00 tersebut akan membutuhkan waktu lama untuk

  m

  prosesnya. Pada generasi 30, 40, 60 dan 70

  Ju

  0,00 merupakan titik optimum karena tidak terjadi lagi kenaikan jumlah keberhasilan yang signifikan selain

  1 4 7 10 13 16 19 22 25 28 ukuran generasi tersebut. Pada pengujian ini,

  Uji Coba Ke-

  didapatkan parameter ukuran generasi yang optimal adalah 30, 40, 60 dan 70 yaitu dengan tingkat Gambar 22 Hasil uji coba probabiltas pindah silang keberhasilan sebanyak 85.00%. Sehingga pada dan probabilitas mutasi pengujian berikutnya akan menggunakan ukuran kromosom sebesar 30 dan ukuran generasi 30. Nilai

  SIMPULAN

  ukuran generasi diambil dari salah satu ukuran Berdasarkan uji coba, dapat disimpulkan bahwa: generasi yang paling optimal pada uji coba ini.

  1. Aplikasi penjadwalan ujian yang dibuat dapat

  3. Analisis dan hasil uji coba probabiltas pindah silang memberikan informasi jadwal ujian UTS dan dan probabilitas mutasi UAS. Banyak kromosom dan generasi yang digunakan

  2. Aplikasi penjadwalan ujian yang dibuat mampu adalah kromosom dan generasi terbaik pada uji menyertakan syarat dan kebijakan yang ada di coba kromosom dan generasi yaitu ukuran Institut Bisnis dan Informatika Stikom Surabaya. kromosom 30 dan generasi 30. Sedangkan kombinasi yang digunakan yaitu nilai 0 hingga 100.

  RUJUKAN

  Nilai dari kombinasi probabilitas pindah silang dan Lee, H.S.C. 2000. Timetabling Highly Constrained probabilitas mutasi yang digunakan pada pengujian

  System Via Genetic Algorithm (tesis) .

  ini yaitu 100:0, 90:10, 80:20, 70:30, 60:40, 50:50, Department of Mathematics. College of Science. 40:60, 30:70, 20:80, 10:90, dan 0:100. Perbandingan

  University of the Philippines. Diliman. Quezon kombinasi tersebut akan menghasilkan jumlah anak City. yang sama dari masing-masing parameter, sehingga

  Pressman, R. S. 2015. Software Engineering: A proses perbandingan dari masing-masing parameter

  Practitioner’s Approach, Seventh Edition.

  seimbang. Pada Gambar 22 dapat dilihat jumlah Yogyakarta: Andi. keberhasilan terbaik dan optimal pada uji coba ini adalah 92% yaitu pada kombinasi probabilitas pindah silang 70 dan probabilitas mutasi 30. Kombinasi terburuk yaitu pada kombinasi probablitas pindah silang 30 dan probabilitas mutasi 70 dengan jumlah keberhasilan sebanyak 73,67%. Maka dapat disimpulkan komnbinasi probablitas pindah silang : probablitas mutasi terbaik adalah 70:30. Apabila menggunakan nilai probabilitas pindah silang yang rendah dan nilai probabilitas mutasi rendah maka algoritma genetika akan bekerja seperti random search dan tidak mampu untuk mengeksplorasi daerah pencarian secara efektif. Pada kondisi sebaliknya, apabila nilai probabilitas pindah silang tinggi dan probabilitas mutasi rendah maka algoritma genetika tidak akan mampu memperlebar area pencarian.

  JSIKA Vol. ??, No. ??, Tahun 2016,