APLIKASI JADWAL KEGIATAN IMABATO ( IKATAN MAHASISWA
BATAK TOBA ) UNIVERSITAS NEGERI MEDAN DENGAN ALGORITMA
GENETIKA
Jesica Yohana Silalahi
Program Studi Sistem Informasi Sekolah Tinggi Teknik Harapan Jl. HM Joni No. 70 Medan
Email : jesicasilalahi465@gmail.com
Abstrak
Penjadwalan merupakan suatu permasalahan yang sangat kompleks dan memerlukan banyak waktu dalam proses pembuatannya, karena terdapat banyak batasan yang harus dipenuhi. Oleh karena itu permasalahan penjadwalan sangat sulit untuk dikerjakan dengan menggunakan metode konvensional maka dikerjakan dengan metode Algoritma Genetika. Algoritma genetika digunakan dalam penelitian ini untuk menyelesaikan permasalahan penjadwalan, tekhnik pencarian dilakukan sekaligus atas sejumlah solusi yang mungkin dikenal dengan istilah populasi. Individu yang terdapat dalam satu populasi individu yang terdapat dalam satu populasi disebut dengan istilah kromosom. Kromosom ini merupakan suatu solusi yang masih berbentuk simbol. Populasi awal dibangun secara acak, sedangkan populasi merupakan hasil evolusi kromosom-kromosom melalui literasi yang disebut dengan istilah generasi. Dengan rancangan penjadwalan Algoritma Genetika ini akan membawa keuntungan bagi pengguna karena aplikasi penjadwalan dapat dilihat diinternet dan jadwal kegiatan selanjutnya tidak mengalami kesalahan dalam penyusunan jadwal.
Kata Kunci : Aplikasi, Penjadwalan, Algoritma Genetika.
Abstract
Scheduling is a very complex issue and requires a lot of time in the manufacturing process, because there are many restrictions that must be met. Therefore the scheduling problem is very difficult to do using conventional methods it is done by the method of Genetic Algorithm. Genetic algorithms are used in this study to solve scheduling problems, the techniques of search is performed simultaneously on a number of possible solutions is known as a population. Individuals who are in a population of individuals who are in a population referred to as chromosomes. This chromosome is a solution that is still shaped symbol. Randomly generated initial population, while the population is the result of the evolution of chromosomes through literacy termed generation. Genetic Algorithm with scheduling design will bring benefits to users because it can be seen diinternet scheduling application and the next activity schedule does not have any errors in the preparation of the schedule.
Keywords: Applications, Scheduling, Genetic Algorithm.
1. Pendahuluan
Kemajuan teknologi informasi setiap waktu selalu berkembang baik dari segi software maupun hardware dan membawa dampak baik bagi manusia. Khususnya bagi sebagian besar perusahaan atau instansi lainnya, dimana teknologi dapat mempermudah kegiatan di instansi atau perusahaan. Salah satu penerapan teknologi informasi di IMABATO (Ikatan Mahasiswa Batak Toba) adalah penerapan penjadwalan kegiatan organisasi yang dilakukan oleh sekumpulan mahasiswa UNIMED.
Organisasi ini merupakan suatu organisasi mahasiswa bersifat kesukuan yang berada di
Universitas Negeri Medan, dengan
mengedepankan pentingnya mengetahui budaya Batak Toba yang semakin ditinggalkan akibat pengaruh zaman, yang notabennya kelompok organisasi mahasiswa yang bersifat kebudayaan Batak Toba, tetap ikut berpartisipasi terhadap berkembang dan majunya Indonesia. Organisasi ini juga memiliki banyak kegiatan yang positif bagi Universitas terutama bagi mahasiwa, baik
kegiatan yang membangun kreatifitas
mahasiswa maupun kegiatan yang membuat mahasiswa mencintai dan melestarikan budaya Batak Toba.
Imabato adalah organisasi yang memiliki banyak kegiatan baik dilingkungan kampus maupun diluar kampus, sering sekali pengurus organisasi ini kebingungan dalam menyusun
jadwal karena kegiatan organisasi ini sangat padat dan selama ini masih banyak jadwal yang
berbenturan. Dalam menyesuaikan jadwal
kegiatan dengan jadwal instrukturnya sering terjadi masalah karena tidak sesuai dengan jadwal instruktur tersebut, dan Instruktur sering mendapatkan jadwalnya yang berbenturan dengan kegiatannya yang lain.
Metode yang dilakukan dalam penyusunan jadwal kegiatan tersebut masih menggunakan cara yang manual dan dalam pengumuman jadwal kepada anggota masih melalui SMS, telepon, BBM, dan sosial media lainnya dan terkadang tidak semua anggota mendapatkan informasi kegiatan yang akan dilaksanakan. Sering kali terjadi kendala ketika organisasi ini memiliki jadwal yang tidak terduga, maka
hanya beberapa anggota yang datang
menghadiri acara tersebut dikarenakan
informasinya tidak sampai ke semua anggota.
Aplikasi Jadwal Kegiatan Imabato
mempunyai arti bahwa jadwal kegiatan Imabato harus mamiliki makna atau banyak fungsi, terutama dalam penyusunan jadwal kegiatan yang akan berlangsung. Bukan hanya anggota yang menghadiri acara terbuka tapi setiap orang yang melihat aplikasi ini dapat berpartisipasi untuk menghadirinya. Ini akan mendatangkan keuntungan yang besar, akan semakin banyak orang yang ikut berpartisipasi dalam organisasi tersebut dan semakin banyak orang yang akan mencintai, menghargai dan melestarikan budaya
Batak Toba, IMABATO akan dikenal
masyarakat luas bukan hanya di Sumatera Utara bahkan seluruh Indonesia akan mengenal organisasi tersebut.
Untuk memudahkan dalam proses
penjadwalan tersebut, penulis mengajukan algoritma genetika sebagai metode untuk mencari solusi terbaik dari suatu permasalahan penjadwalan kegiatan yang berkaitan dengan optimalisasi waktu dengan kesiapan pembina dan algoritma genetika memiliki banyak solusi dan sangat efektif.
Berdasarkan uraian diatas, maka penulis tertarik mengangkat permasalahan ini kedalam satu topik pembahasan yang diberi judul : Aplikasi jadwal kegiatan Imabato (Ikatan Mahasiswa Batak Toba) Universitas Negeri Medan dengan Algoritma Genetika.
2. Metode Penelitian
Algoritma genetika diperkenalkan pertama kali oleh John Holland pada tahun 1975 dari universitas Michigan, John Holland mengatakan bahwa setiap masalah yang berbentuk adaptasi (alami maupun buatan) dapat diformulasikan kedalam terminology genetika [1].
Selain itu juga Algoritma Genetika
mempunyai karakteristik yang perlu diketahui sehingga dapat terbedakan dari prosedur pencarian atau optimasi yang lain yaitu:
1. Algoritma Genetika bekerja dengan
pengkodean dari himpunan solusi
permasalahan berdasarkan parameter yang telah ditetapkan dan bukan parameter itu sendiri.
2. Algoritma Genetika melakukan pencarian
pada sebuah populasi dari sejumlah
individu-individu yang merupakan solusi permasalahan bukan hanya dari sebuah individu.
3. Algoritma Genetika merupakan informasi fungsi objektif (fitness), sebagai cara untuk mengevaluasi individu yang mempunyai solusi terbaik, bukan turunan dari suatu fungsi.
4. Algoritma Genetika menggunakan aturan-aturan transisi peluang, bukan aturan-aturan-aturan-aturan deterministik.
pada algoritma ini, tekhnik pencarian dilakukan sekaligus atas sejumlah solusi yang mungkin dikenal dengan istilah populasi. Individu yang terdapat dalam satu populasi individu yang terdapat dalam satu populasi disebut dengan istilah kromosom. Kromosom ini merupakan suatu solusi yang masih berbentuk simbol. Populasi awal dibangun secara acak, sedangkan populasi merupakan hasil evolusi kromosom-kromosom melalui literasi yang disebut dengan istilah generasi.
terdapat 6 komponen utama dalam
Algoritma Genetika, yaitu: 1. Teknik Penyandian
Tekni penyandian disini meliputi
penyandian gen dari kromosom. Gen merupakan bagian dari kromosom. Satu gen biasanya akan mewakili satu variabel. 2. Prosedur Inisialisasi
Ukuran populasi tergantung pada masalah yang akan dipecahkan dan jenis operator genetika yang akan diimplementasikan.
Setelah ukuran populasi ditentukan,
kemudian harus dilakukan inisialisasi
terhadap kromosom yang terdapat pada populasi tersebut.
3. Fungsi Evaluasi
Ada dua hal yang harus dilakukan dalam
melakukan evaluasi kromosom, yaitu
evaluasi fungsi objektif (fungsi tujuan) dan konversi fungsi objektif kedalam fungsi
fitness.
4. Seleksi
Seleksi ini bertujuan untuk memberikan kesempatan yang lebih besar bagi anggota populasi yang paling fit.
5. Operator Genetika
Operator standar yang biasa digunakan
dalam Algoritma Genetika adalah
selection,crossover, mutation.
Parameter yang biasa digunakan pada Algoritma Genetika adalah populasi size,
crossover rate, dan mutation rate.
Pada tahap selanjutnya adalah perancangan
sistem yang merupakan strategi untuk
memecahkan masalah dan mengembangkan
solusi terbaik bagi permasalahan itu.
Perancangan sistem juga termasuk bagaimana mengorganisasikan sistem ke dalam subsistem-subsitem, serta alokasi subsistem ke komponen-komponen perangkat keras, perangkat lunak, serta prosedur-prosedur.
Berikut ini adalah tampilan gambar diagram
konteks Aplikasi jadwal kegiatan Imabato
(Ikatan Mahasiswa Batak Toba) Universitas Negeri Medan dengan Algoritma Genetika.
Admin Data Kegiata
Data Lokasi Kegiata Data Jadwal
User
Info. Kegiatan Keseluruhan Info. Kegiatan Per Lokasi Kegiatan Info. Kegiatan Per Instruktur 0
Aplikasi Jadwal Kegiatan Imabato Universitas Negri Medan Menggunakkan
Algoritma Genetika
Instruktur
Data Instruktur
Info. Jadwal Kegiatan Info.Instruktur
Gambar 1 Diagram Konteks
Berikut ini adalah tampilan gambar diagram
level 0 Aplikasi jadwal kegiatan Imabato
(Ikatan Mahasiswa Batak Toba) Universitas Negeri Medan dengan Algoritma Genetika.
Instruktur F1 Kegiatan User 0.1 Master Datar 0.2 Random Jadwal Dengan Genetka 0.3 Info. Jadwal Kegiatan Admin F5 Jadwal
Jadwal Kegiatan Keseluruhan/Periode Jadwal Kegiatan Keseluruhan/Lokasi Jadwal Kegiatan Keseluruhan/Instruktur
F2 Lokasi F3 Waktu Data Kegiatan Data Lokasi Data Waktu Data Instruktur Info. Instruktur Data Instruktur Info. Waktu Info. Lokasi Info. Kegiatan Info. Instruktur Info. Jadwal F4 Instruktur Info. Jadwal
Gambar 2 Diagram Level 0
Berikut ini adalah ERD ( Entity
Relationship Diagram) Aplikasi jadwal kegiatan Imabato (Ikatan Mahasiswa Batak Toba) Universitas Negeri Medan dengan Algoritma Genetika. Lokasi Kegiatan KdLok NmLok Telepon Alamat Instruktur KdInst NmInst Telepon Alamat 1 n Kegiatan Pengajar Diadakan 1 n KdKeg NmKeg KdLok KdInstr Diajar 1 1 Memiliki Jadwal Kegiatan KdKeg KdJad Tanggal JamMulai JamSelesai 1 n Gambar 3 ERD
Berikut ini adalah Flowchart Form Interface
Admin Aplikasi jadwal kegiatan Imabato
(Ikatan Mahasiswa Batak Toba) Universitas Negeri Medan dengan Algoritma Genetika.
Tampil Halaman Administrator Tampil Halaman Administrator Tentukan Pilihan Tentukan Pilihan Lokasi Lokasi Form Lokasi Form Lokasi 11 Instruktur Instruktur Form Instruktur Form Instruktur Y T Y Kegiatan Kegiatan Form Kegiatan Form Kegiatan Y T Waktu Kegiatan
Waktu Kegiatan Waktu Form Kegiatan Form Waktu Kegiatan Y T T 2 2 3 3 4 4 z z T Y Jadwal Kegiatan Jadwal Kegiatan Form Jadwal Kegiatan Form Jadwal Kegiatan Y Laporan
Laporan LaporanLaporan
T
5
5
6
6
Gambar 1 Flowchart Administrator Berikut ini adalah Flowchart Form Lokasi Aplikasi jadwal kegiatan Imabato (Ikatan Mahasiswa Batak Toba) Universitas Negeri Medan dengan Algoritma Genetika.
1
Buka Database
Add
No
Input Kode Lokasi Yes
Ketemu ? Yes Data Sudah ada
Input Data No
Save
Cari Data Yes Input Kode Lokasi
Ketemu ? Yes S S Save Yes No Edit Yes
Data Tidak ada No
Delete Yes Delete
No Keluar No No Z Yes No Cari Cancel Yes No Cari Cancel Yes No Edit/Rubah X X
Gambar 1 Flowchart Lokasi
Berikut ini adalah Flowchart Form Kegiatan Aplikasi jadwal kegiatan Imabato (Ikatan Mahasiswa Batak Toba) Universitas Negeri Medan dengan Algoritma Genetika.
3
Buka Database
Add
No
Input Kode Waktu Yes
Ketemu ? Data Sudah
ada Yes
Input Data No
Save
Cari Data Yes Input Kode Waktu
Ketemu ? Yes S S Save Yes No Edit Yes
Data Tidak ada No
Delete Yes Delete
No Keluar No No Z Yes No Cari Cancel Yes No Cari Cancel Yes No Edit/Rubah X X
Gambar 1 Flowchart Form Kegiatan
Berikut ini adalah Flowchart Form jadwal
kegiatan. Aplikasi jadwal kegiatan Imabato (Ikatan Mahasiswa Batak Toba) Universitas Negeri Medan dengan Algoritma Genetika.
4
Buka Database
Add
No
Input Kode Jadwal Yes
Ketemu ? Yes Data Sudah ada
Input Data No
Save
Cari Data Yes Input Kode Jadwal
Ketemu ? Yes S S Save Yes No Edit Yes
Data Tidak ada No
Delete Yes Delete No Keluar No No Z Yes No Cari Cancel Yes No Cari Cancel Yes No Edit/Rubah X X
3. Hasil Dan Pembahasan
Pada tahap ini akan dilakukan implementasi terhadap sistem. Tahapan ini dilakukan setelah perancangan selesai dilakukan dan selanjutnya
akan diimplementasikan pada bahasa
pemrograman.
Setelah sistem dianalisis dan didesain
secara rinci, maka akan menuju tahap
implementasi. Tahapan implementasi yang dilakukan penulis merupakan bagian tahap
untuk menyelesaikan pembangunan web
Aplikasi jadwal kegiatan Imabato (Ikatan Mahasiswa Batak Toba) Universitas Negeri Medan dengan Algoritma Genetika. Dimana untuk mencapai pengimplementasian sistem
diperlukan persiapan informasi mengenai
penyedian perangkat keras (Hardware) dan perangkat lunak (Software). Berikut disediakan perangkat keras dan perangkat lunak serta
brainware yang dibutuhkan untuk mengimplementasikan sistem.
Gambar 8 Implementasi Halaman Utama Tampilan Jadwal Kegiatan yang berfungsi untuk menampilkan jadwal kegiatan yang akan dilaksanakan yang berisikan data-data kegiatan yang sudah diinput oleh admin.
Gambar 8 Implementasi Jadwal Kegiatan
Tampilan lokasi kegiatan ini merupakan bagian dari metode Algoritma Genetika.
Gambar 9 Implementasi Lokasi Kegiatan Tampilan jenis kegiatan ini merupakan bagian dari metode Algoritma Genetika
Gambar 10 Implementasi Jenis Kegiatan Halaman admin berfungsi untuk mengelola data admin yang ada didalam sistem website pemasaran kebaya . Berikut implementasi halaman admin.
Gambar 11 Implementasi Waktu Kegiatan
4. Penutup
4.1 Kesimpulan
Setelah menyelesaikan jadwal kegiatan Imabato Unimed menggunakan Algoritma Genetika, maka diperoleh beberapa kesimpulan sebagai berikut:
1. Dengan sistem yang sudah online ini, bentuk penyimpanan data yang berupa laporan jadwal kegiatan tidak lagi menjadi kendala.
Sehingga resiko terjadinya
kesalahan-kesalahan sangat kecil kemungkinannya. 2. Dengan adanya jadwal kegiatan Imabato
Unimed menggunakan Algoritma Genetika ini dapat mempermudah pengurus dalam penyusunan jadwal kegiatan.
3. Dengan adanya jadwal kegiatan Imabato
Unimed menggunakan Algoritma Genetika ini pengunjung dan anggota dapat melihat informasi jadwal kegiatan Imabato secara Online.
4.2 Saran
Untuk lebih meningkatkan kinerja dari jadwal kegiatan Imabato Unimed menggunakan
Algoritma Genetika penulis mengusulkan
beberapa saran yang dapat dijadikan
pertimbangan, yaitu:
1. Perlunya pengembangan lebih lanjut dari
jadwal kegiatan Imabato Unimed
menggunakan Algoritma Genetika agar dapat terintegrasi dengan sistem di Imabato Unimed.
2. Kedepannya pemeliharaan keamanan
terhadap data-data pada server perlu
diperhatikan dan dijaga agar data-data pada server tidak bisa diakses oleh orang yang tidak berhak mengaksesnya.
3. Berharap semakin banyak sistem penyusunan jadwal menggunakan Algoritma Genetika.
5. Daftar Pustaka
[1] Muhammad Arhami. (2011). Algoritma
Genetika, Suatu Alternatif Penyelesaian
permasalahan Searching. Pens-ITS
Surabaya.
[2] Simarmata, Janner (2013). Rekayasa
Perangkat Lunak, Andi Offset, Yogyakarta.
[3] Sutabri, T. Sistem Informasi Manajemen. Yogyakarta: CV.Andi Offiset, 2012. [4] Sutanta, Edhy. 2011. Basis Data Dalam
Tinjauan Konseptual. Yogyakarta : Andi
Offset.
[5] Vollman, Thomas E. (2011). Manu
facturing Planning and Control Systems For Suplly Chain Management, McGraw
