Sistem Penjadwalan Mata Kuliah Daring Untuk Program Studi Informatika Universitas Islam Indonesia Menggunakan Metode Algoritma Genetika

Abstract

Pembuatan jadwal mata kuliah merupakan elemen penting untuk keberlangsungan proses pembelajaran yang akan dilaksanakan setiap semester pada sebuah institusi pendidikan. Penjadwalan mata kuliah yang efektif akan menciptakan proses belajar mengajar yang efisien, baik dari sisi mahasiswa maupun dosen. Mengingat, situasi pandemik virus COVID-19 yang sedang terjadi dalam kurun waktu hamper 2 tahun belakangan ini yang tidak memungkinkan untuk mengadakan proses belajar mengajar secara tatap muka, maka diterapkan perkuliahan secara daring. Tidak beda halnya dengan penjadwalan mata kuliah tatap muka yang memiliki kompleksitas tinggi, penjadwalan mata kuliah daring juga dihadapkan dengan banyaknya faktor constraint dalam penentuan jadwal, misalnya banyak kelas, jumlah dosen yang mengajar, pengelompokan mata kuliah paket, hingga mata kuliah yang dibuka hanya di semester ganjil, genap, maupun tiap semester. Selain permasalahan penjadwalan, maka akan timbul juga permasalahan penjadwalan sesi kuliah pengganti. Hal ini dikarenakan dosen atas mata kuliah terkait tidak dapat hadir pada jadwal yang telah berlaku selama satu semester. kedua permasalahan di atas dapat diselesaikan menggunakan metode algoritma genetika. Algoritma genetika merupakan metode optimasi dengan pendekatan komputasional yang terinspirasi dari teori genetika dan evolusi Mendell untuk menyelesaikan masalah pengoptimasian. Penggunaan istilah gen, kromosom, populasi, crossover, mutasi, dan regenerasi akan dijumpai pada tahapan pengoptimalan menggunakan algoritma genetika. Pada penelitian ini, implementasi algoritma genetika dalam penjadwalan mata kuliah daring adalah menemukan jadwal optimal yang dapat digunakan sebagai bahan KRS mahasiswa Program Studi S-1 Informatika Universitas Islam Indonesia. Melalui beberapa kali percobaan, pada penelitian ini menggunakan jumlah populasi awal yang ideal digunakan adalah 100, titik crossover sebanyak 3 titik, probabilitas crossover (Pc) sebesar 0,07 dan probabilitas mutasi (Pm) sebesar 0,002 dan solusi optimal ditentukan berdasarkan nilai fitness terkecil. Melalui proses generate jadwal, sistem akan menghasilkan beberapa pilihan kombinasi jadwal melalui beberapa kromosom di dalam satu generasi terbaik yang memiliki nilai fitness yang sama sebagai calon solusi optimal. Kondisi ini memungkinkan user memilih salah satu dari beberapa hasil optimal yang dihasilkan.