MENGGUNAKAN ALGORITMA GENETIKA UNTUK PROGRAM STUDI TEKNOLOGI INFORMASI UNIVERSITAS
TEUKU UMAR
Untuk Memenuhi Sebagian dari Syarat-Syarat Yang Diperlukan untuk Memperoleh
Gelar Sarjana Komputer
Disusun Oleh:
Nawawi NIM. 2105903040008
PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS TEKNIK UNIVERSITAS TEUKU UMAR
MEULABOH 2025
DAFTAR ISI...ii
DAFTAR GAMBAR... v
DAFTAR TABEL... vi
BAB I PENDAHULUAN...1
1.1 Latar Belakang...1
1.2 Rumusan Masalah... 3
1.3 Batasan Masalah...4
1.4 Tujuan Penelitian...4
1.5 Manfaat Penelitian... 5
1.5.1 Manfaat Teoritis:...5
1.5.2 Manfaat Praktis:...5
BAB II...6
TINJAUAN PUSTAKA...6
2.1 Penelitian Terdahulu dan Keaslian Penelitian...6
2.1.1 Penelitian Terdahulu...6
2.1.2 Keaslian Penelitian...22
2.2 Landasan Teori... 22
ii
2.2.4 Data... 24
2.2.5 Website...25
2.2.6 Visual Studio Code...25
2.2.7 HTML... 25
2.2.8 PHP...26
2.2.9 Database... 26
2.2.10 MySQL...27
2.2.11 XAMPP...28
2.2.12 Figma... 29
2.2.13 Draw io...31
2.2.14 Flowchart...31
2.2.15 Use Case Diagram...31
2.2.16 Entity Relationship Diagram(ERD)...34
2.2.17 Data Flow Diagram(DFD)...36
BAB III... 38
METODE PENELITIAN...38
iii
3.2.2 Pendekatan Penelitian...41
3.3 Perancangan Sistem...42
3.3.1 Analisis Kebutuhan...42
3.3.2 Perancangan Arsitektur Sistem...44
3.3.3 Perancangan Basis Data...45
3.3.4 Model Fungsional Sistem...48
3.3.5 Model Proses Sistem...51
3.3.6 Perancangan Algoritma Genetika...58
3.3.7 Perancangan Logika Sistem...60
3.3.8 Perancangan Antarmuka Pengguna (UI/UX)...62
3.4 Pengujian dan Evaluasi Sistem...62
3.4.1 Strategi Pengujian Sistem...62
3.4.2 Evaluasi Kinerja Algoritma Genetika...62
3.4.3 Analisis Hasil Pengujian...62
DAFTAR PUSTAKA...63
iv
Gambar 2. 2 Figma...30
Gambar 2. 3 Draw io...31
Gambar 3. 1 Alur Penelitian...40
Gambar 3. 2 Perancangan Arsitektur Sistem...45
Gambar 3. 3 ERD...46
Gambar 3. 4 Use Case Diagram...49
Gambar 3. 5 DFD Konteks...51
Gambar 3. 6 DFD Level 1...52
Gambar 3. 7 DFD Level 2 Login...53
Gambar 3. 8 DFD Level 2 Waktu...54
Gambar 3. 9 DFD Level 2 Dosen...55
Gambar 3. 10 DFD Level 2 MK...56
Gambar 3. 11 DFD Level 2 Ruangan...57
Gambar 3. 12 DFD Level 2 Penjadwalan AG...58
Gambar 3. 13 DFD Level 2 Jadwal...59
Gambar 3. 14 Alur Proses AG...61
Gambar 3. 15 Desain Halaman Login...63
Gambar 3. 16 Desain Halaman Beranda...64
Gambar 3. 17 Desain Halaman Data Waktu...64
v
Gambar 3. 21 Desain Halaman Informasi Jadwal...66
vi
Tabel 2. 2 Simbol Use Case Diagram...32
Tabel 2. 3 Simbol ERD...35
Tabel 2. 4 Simbol DFD...36
Tabel 3. 1 Banyaknya Data... 38
Tabel 3. 2 Kebutuhan Software...42
Tabel 3. 3 Kebutuhan Hardware...43
Tabel 3. 4 Kebutuhan Fungsional...43
Tabel 3. 5 Kebutuhan Nonfungsional...44
Tabel 3. 6 User...46
Tabel 3. 7 Waktu...47
Tabel 3. 8 Dosen...47
Tabel 3. 9 Mata Kuliah...47
Tabel 3. 10 Ruangan...48
Tabel 3. 11 Jadwal...48
Tabel 3. 12 Aturan dan Batasan...61
vii
1.1 Latar Belakang
Penjadwalan kuliah merupakan salah satu aspek penting dalam manajemen akademik di perguruan tinggi. Proses ini melibatkan pengaturan waktu, ruangan, dosen, dan mata kuliah secara efisien agar kegiatan perkuliahan dapat berjalan lancar tanpa adanya konflik jadwal. Namun, di Program Studi Teknologi Informasi Universitas Teuku Umar, proses penjadwalan roster kuliah masih dilakukan secara manual menggunakan Microsoft Excel. Metode ini memiliki beberapa kelemahan, seperti rentan terhadap kesalahan manusia (human error), memakan waktu yang lama, dan kurang optimal dalam mengakomodasi berbagai variabel yang kompleks.
Di era digital ini, perkembangan teknologi informasi telah mengalami kemajuan yang sangat pesat. Dengan kemajuan tersebut, pekerjaan yang awalnya dikerjakan secara manual dan terasa berat menjadi lebih ringan, mampu memberikan informasi yang cepat dan tepat, bahkan dapat mengambil keputusan yang tepat menggunakan teknologi tepat guna (Mone & Simarmata, 2021).
Dalam praktiknya, pembuatan jadwal secara manual seringkali menghadapi kendala seperti bentrok jadwal antar mata kuliah, ketidaksesuaian preferensi waktu mengajar dosen, serta keterbatasan ruangan yang tersedia. Selain itu, proses revisi jadwal yang sering terjadi akibat perubahan data atau kebutuhan mendesak juga menjadi tantangan tersendiri. Hal ini menyebabkan ketidakefisienan dalam pengelolaan jadwal dan dapat mengganggu kelancaran proses belajar mengajar.
1
Seiring dengan perkembangan teknologi, khususnya dalam bidang kecerdasan buatan dan optimasi, telah muncul berbagai metode yang dapat digunakan untuk mengotomatisasi proses penjadwalan. Salah satunya adalah algoritma genetika, yang terinspirasi dari proses seleksi alam dalam biologi. Algoritma genetika adalah algoritma pencarian untuk menangani masalah optimasi menggunakan seleksi alam, genetika alam, dan rekombinasi. Algoritma ini juga digunakan untuk klasifikasi serta pengoptimalan lainnya. Kinerja algoritma genetika bekerja dalam bentuk kode sekumpulan parameter. Untuk menyelesaikan masalah yang lebih rumit, algoritma genetika terintegrasi menggunakan metode hibridisasi untuk meningkatkan efektivitas kinerjanya. Pencarian dilakukan dengan populasi dari masalah penjadwalan yang direpresentasikan menjadi string kromosom serta berinteraksi dalam sub komponen (Priatna dkk., 2023).
Algoritma genetika menghitung jumlah populasi, kromosom, menghitung fitness tiap kromosom, seleksi, pindah silang, dan mutasi dilakukan secara bertahap.
Langkah-langkah yang dilakukan pada penelitian lain yaitu input parameter, populasi awal, crossover, mutasi, evaluasi, dan seleksi populasi baru (Wahyuningsih & Helmud, 2020).
Asal kata penjadwalan adalah jadwal yang memiliki arti pembagian waktu berdasarkan rencana alokasi perintah kerja, atau daftar pekerjaan, atau tabel, atau rencana tindakan dengan pembagian waktu yang terperinci (Ardiansyah &
Junianto, 2022).
Penelitian lain menunjukkan bahwa penerapan algoritma genetika dalam penjadwalan kuliah dapat meminimalkan konflik jadwal dan memenuhi persyaratan
ruang kelas secara efektif. Sistem yang dikembangkan mampu menghasilkan jadwal yang efisien dengan tingkat konflik yang rendah, meningkatkan penggunaan ruang kelas, dan memenuhi persyaratan praktikum atau teori (Aji dkk., 2024).
Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem penjadwalan kuliah otomatis menggunakan algoritma genetika yang dapat membantu Program Studi Teknologi Informasi Universitas Teuku Umar dalam mengatasi permasalahan penjadwalan yang selama ini dilakukan secara manual.
Dengan sistem ini, diharapkan proses penjadwalan dapat menjadi lebih efisien, akurat, dan mampu mengakomodasi berbagai variabel yang kompleks, sehingga mendukung kelancaran kegiatan akademik di program studi tersebut.
1.2 Rumusan Masalah
Rumusan masalah dalam penelitian ini adalah:
1. Bagaimana cara membuat sistem penjadwalan kuliah otomatis yang efisien untuk Program Studi Teknologi Informasi Universitas Teuku Umar?
2. Bagaimana algoritma genetika dapat diterapkan untuk mengoptimalkan penjadwalan kuliah dengan mempertimbangkan variabel seperti waktu, ruangan, dan dosen?
3. Apa saja kendala yang mungkin dihadapi dalam implementasi sistem penjadwalan otomatis menggunakan algoritma genetika?
1.3 Batasan Masalah
Agar penelitian ini lebih terarah dan fokus, batasan masalah yang diterapkan adalah:
1. Sistem penjadwalan ini hanya akan diterapkan untuk Program Studi Teknologi Informasi Universitas Teuku Umar.
2. Algoritma genetika akan difokuskan pada optimasi penjadwalan kuliah reguler, tidak termasuk penjadwalan ujian atau kegiatan non-akademik.
3. Variabel yang dipertimbangkan dalam penjadwalan meliputi:
Ketersediaan ruangan.
Waktu mengajar dosen.
Jumlah mata kuliah dan kelas yang harus dijadwalkan.
1.4 Tujuan Penelitian
Tujuan dari penelitian ini adalah:
1. Merancang sistem penjadwalan kuliah otomatis yang efisien untuk Program Studi Teknologi Informasi Universitas Teuku Umar.
2. Menerapkan algoritma genetika dalam optimasi penjadwalan kuliah dengan mempertimbangkan variabel seperti waktu, ruangan, dan dosen.
3. Mengidentifikasi dan menganalisis kendala yang muncul dalam implementasi sistem penjadwalan otomatis berbasis algoritma genetika.
1.5 Manfaat Penelitian
1.5.1 Manfaat Teoritis:
Memberikan kontribusi dalam pengembangan ilmu pengetahuan, khususnya dalam bidang sistem penjadwalan otomatis dan penerapan algoritma genetika.
Menjadi referensi bagi penelitian selanjutnya yang berkaitan dengan optimasi penjadwalan menggunakan metode kecerdasan buatan.
1.5.2 Manfaat Praktis:
Bagi Program Studi Teknologi Informasi: Membantu meningkatkan efisiensi dan akurasi dalam proses penjadwalan kuliah, mengurangi kesalahan manual, dan menghemat waktu.
Bagi Dosen: Memberikan kemudahan dalam mengatur waktu mengajar sesuai dengan preferensi dan ketersediaan.
Bagi Mahasiswa: Memastikan jadwal kuliah yang lebih terstruktur dan minim konflik, sehingga mendukung proses belajar yang lebih efektif.
Bagi Universitas: Meningkatkan kualitas manajemen akademik melalui penerapan teknologi yang inovatif.
1.6 Penelitian Terdahulu dan Keaslian Penelitian
1.6.1 Penelitian Terdahulu
Penelitian mengenai penjadwalan telah menjadi topik yang banyak dikaji karena kebutuhan akan efisiensi dalam pengaturan jadwal perkuliahan. Salah satu pendekatan yang sering digunakan adalah algoritma genetika, yang merupakan metode metaheuristik berbasis prinsip evolusi genetika dalam mencari solusi optimal dari suatu masalah kompleks.
Algoritma genetika sangat cocok digunakan untuk masalah penjadwalan karena kemampuannya dalam mengeksplorasi berbagai kemungkinan solusi secara efisien.
Dengan proses seleksi, crossover, dan mutasi, algoritma ini dapat menghasilkan jadwal yang memenuhi berbagai kendala seperti alokasi ruangan, waktu kuliah, dan jadwal dosen secara simultan.
Penelitian-penelitian terdahulu menunjukkan bahwa algoritma genetika dapat memberikan solusi yang optimal dibandingkan metode konvensional seperti brute force atau algoritma heuristik sederhana. Namun, terdapat beberapa kelemahan yang perlu diperbaiki, seperti waktu komputasi yang lama untuk skala besar dan kemungkinan terjebak pada solusi lokal.
Dalam penelitian ini, sistem penjadwalan kuliah otomatis dikembangkan dengan memanfaatkan algoritma genetika untuk mengatasi kendala yang kompleks di Program Studi Teknologi Informasi Universitas Teuku Umar. Penelitian ini
6
berusaha memberikan kontribusi dengan memperbaiki efisiensi algoritma serta menyesuaikan parameter yang lebih sesuai dengan kebutuhan kampus lokal, seperti fleksibilitas waktu kuliah, keterbatasan ruangan, dan preferensi dosen. Penelitian terdahulu yang peneliti jadikan referensi dalam penelitian ini dapat dilihat pada Tabel 2.1.
Tabel 2. 1 Penelitian Terdahulu
No Penelitian Terdahulu
1. Judul Penelitian : Sistem Penjadwalan Mata Kuliah Menggunakan Algoritma Genetika
Nama Peneliti : Alfian Bayu Nur Aji1*, Aan Sufiyah Lutfifassa2 , Bumi Andrian Thanta3 , Rizqie Agung Pangestu4 , Perani Rosyani5
Tahun Terbit : 2024
Isi Penelitian : Penjadwalan mata kuliah yang efektif memainkan peran penting dalam manajemen perguruan tinggi yang efisien, memastikan penggunaan sumber daya yang optimal dan pengalaman belajar yang positif bagi mahasiswa. Penelitian ini berfokus pada pengembangan sistem penjadwalan mata kuliah otomatis menggunakan algoritma genetika untuk meminimalkan konflik jadwal dan memenuhi persyaratan ruang kelas. Algoritma genetika dipilih karena kemampuannya dalam menangani masalah
optimasi yang kompleks. Sistem ini dirancang untuk meminimalkan konflik jadwal antara mata kuliah, dosen, dan ruang kelas, serta memastikan bahwa kapasitas ruang kelas mencukupi dan jadwal sesuai dengan kebutuhan praktikum atau teori.
Metodologi penelitian meliputi desain sistem, pengumpulan data, pengembangan algoritma, pengujian, dan evaluasi. Hasil penelitian menunjukkan bahwa sistem penjadwalan mata kuliah yang diusulkan mampu menghasilkan jadwal yang efektif dengan tingkat konflik yang rendah, meningkatkan penggunaan ruang kelas, dan memenuhi persyaratan praktikum atau teori.
Penelitian ini menawarkan kontribusi penting dalam pengembangan sistem penjadwalan mata kuliah yang lebih cerdas dan efisien untuk perguruan tinggi.
2. Judul Penelitian : Penerapan Algoritma Genetika untuk Penjadwalan Mata Pelajaran
Nama Peneliti : Hendri Ardiansyah 1, Mochammad Bagoes Satria Junianto 2
Tahun Terbit : 2021
Isi Penelitian : Penjadwalan mata pelajaran di sekolah sering kali
memiliki masalah terhadap jalannya kegiatan belajar mengajar. Terdapat berbagai macam variasi dalam permasalahan tersebut, dikarenakan perbedaan kebijakan yang berbeda-beda dalam penjadwalan, di SD Lazuardi Global Compassionate School Kota Depok pembuatan jadwal dilakukan dengan cara membuat gambaran kasar jadwal kemudian dipindahkan ke aplikasi google sheet, penjadwalan dengan cara ini masih sering terjadi ketidaksesuaian penjadwalan yang dibuat dan juga memerlukan waktu yang cukup lama. Hal ini menyebabkan penjadwalan yang optimal sulit didapatkan. Penelitian ini membahas penerapan algoritma genetika untuk penjadwalan mata pelajaran di SD Lazuardi Global Compassionate School. Algoritma genetika adalah algoritma yang dapat memecahkan masalah dalam penjadwalan mata pelajaran dan memberikan solusi untuk mendapatkan hasil penjadwalan yang optimal. Berdasarkan hasil pengujian yang dilakukan, parameter yang digunakan adalah jumlah populasi, jumlah generasi, persilangan dan mutasi bahwa algoritma genetika dapat bekerja
dengan baik dan menyelesaikan masalah dengan menghasilkan penjadwalan yang optimal dan mempersingkat waktu pembuatan jadwal sehingga pembuatan jadwal menjadi efektif dan efisien.
3. Judul Penelitian : Aplikasi Algoritma Genetika Dalam Penjadwalan Mata Kuliah
Nama Peneliti : Ferdinandus Mone1*, Justin Eduardo Simarmata2 Tahun Terbit : 2021
Isi Penelitian : Pembuatan jadwal kuliah dapat menjadi masalah dan menghabiskan waktu yang cukup lama apabila terdapat beberapa kendala seperti minimnya ruang kuliah, minimnya tenaga pengajar, dan jumlah mata kuliah yang tersedia dalam satu semester cukup banyak. Penelitian ini bertujuan mengaplikasikan algoritma genetika dalam pembuatan jadwal kuliah sehingga mempermudah proses pembuatan jadwal kuliah. Metode yang digunakan adalah metode waterfall dengan tahapan Software Development Life Cycle. Hasil penerapan aplikasi genetika menujukkan bahwa proses pembuatan jadwal mata kuliah dapat mengatasi constraint 1) bentrok ruang dan waktu, 2) bentrok dosen, 3) bentrok jam sholat jumat, 4)
terdapat waktu keinginan dosen karena alasan tertentu, dan 5) praktikum pada ruang laboratorium. Dengan melewati constraint tersebut, maka aplikasi algoritma genetika pada penjadwalan mata kuliah dikategorikan efektif.
Berdasarkan hasil running pada 51 dosen pengampu mata kuliah (51 kromosom) diperoleh rata-rata waktu running sebanyak 30 kali berturut- turut adalah 25,86 menit sehingga penggunaan aplikasi algoritma genetika dalam penjadwalan mata kuliah efisien.
4. Judul Penelitian : Implementasi Algoritma Genetika untuk Aplikasi Penjadwalan Sistem Kerja Shift
Nama Peneliti : Wowon Priatna1, Joni Warta2, Dwi Sulistiyo3 Tahun Terbit : 2023
Isi Penelitian : Perusahaan yang beroperasi jam kerja 24 jam mempunyai tugas berat dalam menentukan jadwal shift kerja. Selain memberikan layanan terbaik untuk pelanggan setiap waktu, dan memiliki segmen pasar khusus. Untuk melakukan produktivitas optimal diperlukan jadwal shift kerja yang teratur bagi perusahaan. Tujuan penelitian ini adalah memecahkan permasalahan pengelolaan
jadwal kerja menggunakan algoritma genetika disalah satu perusahaan konektivitas penyedia jaringan internet yang secara manual membuat jadwal dengan bantuan microsoft excel dengan pertimbangan bahwa setiap karyawan memiliki shift kerja berbeda untuk setiap bulannya. Aplikasi ini menggunakan Unified Modeling Language sebagai model dari sistem penjadwalan shift kerja yang bertujuan untuk pengembangan sistem bisa dilakukan secara maksimal. Hasil dari implementasi perhitungan algoritma genetika menggunakan variabel waktu shift, variabel hari, variabel nama karyawan tidak ditemukan permasalahan penjadwalan shift kerja begitu juga setelah dirancang menggunakan aplikasi penjadwalan shift kerja muncul penjadwalan sistem secara otomatis dengan acuan permasalahan yang sudah bernilai value 0.
5. Judul Penelitian : Penerapan Algoritma Genetika Untuk Optimasi Penjadwalan pada MTS Negeri 1 Pangkalpinang Nama Peneliti : Delpiah Wahyuningsih[1]*, Ellya Helmud[2]
Tahun Terbit : 2020
Isi Penelitian : Penjadwalan merupakan hal yang sangat penting
untuk dilakukan pada sekolah. Jadwal yang masih dilakukan secara manual pada MTS Negeri 1 Pangkalpinang ini membutuhkan waktu untuk mengatur slot guru, kelas, mata pelajaran, dan waktu dimana pada MTS jam guru telah ditentukan oleh departemen agama sehingga membutuhkan waktu yang cukup lama untuk memproses terbentuknya jadwal. Penelitian ini bertujuan untuk memanfaatkan algoritma genetika dalam mengoptimalkan pembuatan jadwal dengan waktu yang singkat. Algoritma genetika merupakan algoritma yang efektif dalam mengatasi pembuatan jadwal. Hasil dari pengujian data dilakukan dengan 15, 20, 25 dan 30 mata pelajaran. Pengujian dengan 15 mata pelajaran membutuhkan waktu 19,56 detik untuk terbentuknya jadwal dan tidak ada jadwal yang bentrok sedangkan dengan 20 data mata pelejaran waktu untuk memproses terbentuknya jadwal membutuhkan waktu 42,15 detik, 25 data dengan waktu 94,07 detik dan 30 data dengan waktu 471,60. Rata-rata waktu yang dibutuhkan untuk memproses data tersebut yaitu 156,845 detik.
6. Judul Penelitian : Implementasi Algoritma Genetika Untuk Aplikasi
Penjadwalan Sidang Tugas Akhir Berbasis Web Nama Peneliti : 1Rangga Gelar Guntara, 2 Muhammad Rizki
Nugraha, 3Yogi Prasetyo, 4Riska Aprilia Tahun Terbit : 2023
Isi Penelitian : Penjadwalan sidang tugas akhir merupakan proses yang kompleks dan memerlukan pengelolaan waktu yang efisien. Dalam upaya untuk meningkatkan efektivitas dan efisiensi penjadwalan tersebut, penelitian ini membahas implementasi algoritma genetika dalam konteks aplikasi penjadwalan sidang tugas akhir berbasis web. Algoritma genetika digunakan untuk mengoptimalkan penentuan waktu dan urutan sidang dengan mempertimbangkan berbagai kendala dan preferensi yang terkait. Pendekatan berbasis web memungkinkan akses yang mudah dan cepat bagi semua pemangku kepentingan, termasuk mahasiswa, dosen, dan pihak terkait lainnya. Hasil eksperimen dan evaluasi kinerja menunjukkan bahwa implementasi algoritma genetika mampu memberikan solusi penjadwalan yang lebih baik, menghasilkan penyebaran waktu sidang yang merata dan memenuhi batasan-batasan
yang ada. Penelitian ini memberikan kontribusi pada pengembangan sistem penjadwalan yang dapat meningkatkan efisiensi proses akademis dalam lingkungan pendidikan tinggi.
Kata
7. Judul Penelitian : Sistem Penjadwalan Mata Pelajaran Memakai Algoritma Genetika Berbasis.Web
Nama Peneliti : Qori Azmi Ayasy Siagian*, Muhammad Siddik Hasibuan, Suhardi Program
Tahun Terbit : 2024
Isi Penelitian : Penjadwalan adalah proses mengatur urutan atau jadwal kegiatan atau peristiwa dalam waktu yang telah ditentukan. Proses ini melibatkan pengaturan waktu, sumber daya, dan prioritas guna mencapai tujuan tertentu secara efisien. Saat ini, penjadwalan mata pelajaran di sekolah MAS Islamiyah Gajing masih dilakukan secara manual menggunakan Ms.
Word, di mana operator memasukkan mata pelajaran ke dalam tabel yang telah ditentukan.
Metode ini memiliki kelemahan karena rawan terjadi human error, terutama dalam penginputan jadwal yang dapat menyebabkan bentrok antara mata pelajaran di waktu yang sama. Penelitian ini
bertujuan untuk mengembangkan dan mengimplementasikan sistem penjadwalan mata pelajaran berbasis komputer yang lebih efisien dan terkomputerisasi. Sistem ini dirancang untuk memanfaatkan teknologi database guna menyimpan data seperti guru, kelas, mata pelajaran, ruang, jam, hari, serta hasil penjadwalan.
Dengan sistem ini, proses penjadwalan dapat dilakukan secara otomatis, mengurangi risiko kesalahan, dan meningkatkan efisiensi. Untuk mencapai tujuan tersebut, digunakan algoritma genetika sebagai metode utama dalam penjadwalan mata pelajaran. Algoritma ini dipilih karena mampu mengatasi masalah dengan kriteria dan objektif yang beragam melalui prinsip biologi dan evolusi, sehingga memungkinkan pencarian solusi yang optimal. Sistem ini dikembangkan menggunakan bahasa pemrograman PHP dengan MySQL sebagai database, sementara pengujian sistem dilakukan dengan metode blackbox testing.
Hasil dari kajian ini akan diimplementasikan di MAS Islamiyah Gajing untuk mempermudah operator sekolah dalam proses penginputan dan
pengelolaan jadwal mata pelajaran, sehingga mendukung kelancaran kegiatan belajar mengajar.
8. Judul Penelitian : Penerapan Algoritma Genetika Untuk Penjadwalan Mata Pelajaran Di SMK Negeri 1 Kota Tambolaka Nama Peneliti : Emirensiana Padakaa, Yulius Nahak Tetikb, Dian
Fransiska Ledic Tahun Terbit : 2023
Isi Penelitian : Dalam penyusunan jadwal mata pelajaran sekolah bukan hanya perlu menghindari jadwal yang bentrol akan tetapi perlu juga mempertimbangkan hal – hal lain seperti menghindari jadwal yang sama atau berulang dalam satu hari, jumlah tenaga pendidik yang terlibat, dan mata pelajaran praktikum yang pada pelaksanaannya memerlukan laboratorium. Proses penjadwalan mata pelajaran di SMK Negeri 1 Kota Tambolaka masih dilakukan secara manual oleh Waka 1 bidang kurikulum yang pada prosesnya saat ini menggunakan perangkat lunak Microsoft Excel, yang memiliki potensi kesalahan dan sering memerlukan perbaikan sebelum jadwal diterapkan. Karena sangat penting proses penjadwalan mata pelajaran ini maka diperlukan solusi dalam pembuatan jadwal mata
pelajaran. Oleh sebab itu peneltian ini bertujuan untuk optimalisasi jadwal mata pelajaran dengan menerapkan algoritma genetika pada aplikasi penjadwalan mata pelajaran. Pada penelitian ini, peroses penyusunan roster pada mata pelajaran penerapan ini dilakukan disekolah dengan mengunakan metode algoritma genetika berbasis web agar tidak terjadi tabrakan jadwal dan prosesnya lebih optimal. Pada Percobaan hasil dari sistem aplikasi penjadwalan mata pelajaran ini terdiri dari beberapa form dan menu, diantaranya form login, menu data jurusan, data mata pelajaran, data kelas, guru, range jam, jadwal khusus, dan menu Penjadwalan. Pembuatan jadwal mengajar guru menggunakan algoritma genetika dapat menghasilkan jadwal secara otomatis dan sistematis, sehingga menampilkan jadwal pada hari dan jam masing-masing jadwal guru yang akan mengajar. Penerapan algoritma genetika dalam penjadwalan mengajar guru di SMK Negeri 1 Kota Tambolaka menjadi solusi yang sangat optimal untuk penjadwalan, sehingga kemungkinan kesamaan waktu dan jam mengajar guru yang sama
sangat kecil.
9. Judul Penelitian : Algoritma Genetika Untuk Perancangan Aplikasi Penjadwalan Mata Pelajaran
Nama Peneliti : Mhd Furqan1*, Armansyah2, Rizki Ananda3 Tahun Terbit : 2022
Isi Penelitian : Jadwali merupakan salah satu kegiatan aktivitas penting untuk membantu proses belajar mengajar di sekolah, proses perencanaan jadwal masih dilakukan secara manual sehingga masih terdapat jadwal yang bentrok antara kelas. di karena kan kelas yang banyak dan banyaknya guru yang memesan hari tertentu sehingga kadang sampai 3 kali revisi jadwal, dan waktu pelaksanaan belajar menjadi terlambat. untuk mengatasi hal tersebut digunakan salah satunya algoritma yang tepat agar proses penjadwalan bisa berjalan dengan baik salah satu algoritma yang digunakan untuk jadwal iala algoritmaegenetika, algoritmaagenetika adalah salah satu algoritma peningkatan yang dapat digunakan dalan berbagai jenis permasalahan seperti penjadwalan, jadwal akan diujikan kepada kelas yang terjadi bentrok yang dipilih secara acak maupun random pada setiap kelasa nya, Pengujian
akan diminta menginput atau mengisikan angkae Probabilitasi Crossover = 0.70 dan Probabilitas Mutasi = 0.40 dan jumlah generasi = 1000, Kemudian di eksekusi Setelah itu akan terjadi pengulangan dan eksekusi program berupa seleksi, crossover, dan mutasi yang akan terjadi di latar belakang layar, sehingga hasil penerapan 17 kelas dan 1 ruang laboratorium dengan mengunakan metode algoritma genetika dapat digunakan untuk meyusun roster pelajaran.
10. Judul Penelitian : Perancangan Sistem Penjadwalan Perkuliahan Berbasis Website Menggunakan Algortima Genetika
Nama Peneliti : Arif Prio Pambudi*1, Ari Waluyo2, El Vionna Laellyn Nurul Fatich3
Tahun Terbit : 2021
Isi Penelitian : Penjadwalan merupakan sebuah upaya pengelolaan waktu terhadap suatu
kegiatan dengan tujuan kelancaran dan keberlangsungan kegiatan tersebut. Salah satu penjadwalan yang sangat diperhatikan adalah penjadwalan perkuliahan. Penjadwalan perkuliahan pada Politeknik Dharma Partria
Kebumen dilakukan secara komputerisasi dengan aplikasi Microsoft Excel. Hal ini dinilai kurang efektif karena dibutuhkan tingkat ketelitian yang tinggi supaya tidak terjadi bentrok dalam jadwal perkuliahan, serta proses yang panjang, kurang sederhana, dan waktu yang lama. Berdasarkan masalah tersebut, dibutuhkan sebuah sistem penjadwalan perkuliahan yang memanfaatkan algoritma genetika sebagai metode otomasi.
Metode pengembangan sistem pada penelitian ini ialah metode konvensional, waterfall, dengan permodelan sistem Undifinied Modeling Languade (UML). Berdasarkan hasil uji coba sistem penjadwalan, didapatkan waktu paling efektif untuk proses penjadwalan perkuliahan adalah 00:12:17 pada nilai populasi 10, Pm 0,4, dan Pc 0,7.
Setelah dirancanganya sistem informasi penjadwalan perkuliahan berbasis website menggunakan algoritma gentika, proses penjadwalan perkuliahan pada setiap awal semester dapat dilakukan dengan akurat, cepat, efisien, dan efektif.
Berdasarkan hasil analisis terhadap penelitian terdahulu, dapat disimpulkan bahwa algoritma genetika merupakan metode yang efektif dalam menyelesaikan permasalahan penjadwalan, baik dalam konteks pendidikan maupun industri.
Penelitian sebelumnya telah membuktikan bahwa algoritma ini mampu mengoptimalkan penjadwalan dengan mempertimbangkan berbagai kendala seperti bentrok mata kuliah, keterbatasan ruang kelas, alokasi dosen, hingga jadwal praktikum.
Berbagai studi menunjukkan bahwa metode manual dalam penyusunan jadwal, seperti menggunakan Microsoft Excel atau Google Sheets, memiliki kelemahan berupa potensi kesalahan manusia, waktu penyusunan yang lama, dan sulitnya menyesuaikan jadwal dengan kebutuhan tertentu. Dengan penerapan algoritma genetika, proses penjadwalan dapat dilakukan secara otomatis, lebih cepat, dan lebih efisien.
Selain itu, penelitian sebelumnya juga telah mengembangkan sistem berbasis web untuk mendukung implementasi algoritma genetika dalam penjadwalan. Beberapa penelitian memanfaatkan metode Software Development Life Cycle (SDLC), seperti metode waterfall, dalam membangun sistemnya. Penggunaan teknologi berbasis web memungkinkan sistem dapat diakses dengan mudah oleh berbagai pemangku kepentingan, seperti mahasiswa, dosen, dan pengelola akademik.
Hasil eksperimen menunjukkan bahwa algoritma genetika dapat mengurangi tingkat bentrok dalam penjadwalan, meningkatkan pemanfaatan sumber daya, serta mengakomodasi berbagai kendala spesifik yang muncul, seperti jadwal ibadah, jadwal laboratorium, dan permintaan dosen. Secara keseluruhan, penelitian
sebelumnya memberikan dasar yang kuat untuk penerapan algoritma genetika dalam sistem penjadwalan yang lebih modern dan optimal.
1.6.2 Keaslian Penelitian
Penelitian ini memiliki keunikan dan keaslian dibandingkan dengan penelitian sebelumnya karena beberapa alasan berikut:
1. Fokus pada Program Studi Teknologi Informasi Universitas Teuku Umar
Tidak ada penelitian sebelumnya yang secara spesifik mengembangkan sistem penjadwalan untuk Program Studi Teknologi Informasi di Universitas Teuku Umar. Sistem yang dikembangkan dalam penelitian ini dirancang untuk memenuhi kebutuhan akademik khusus di universitas ini, termasuk karakteristik mata kuliah, jumlah mahasiswa, ketersediaan dosen, serta keterbatasan ruang kelas yang ada.
2. Pengembangan Sistem dari Awal dengan Metode Research &
Development (R&D)
Berbeda dengan beberapa penelitian sebelumnya yang hanya menguji implementasi algoritma genetika, penelitian ini menggunakan metode Research & Development (R&D) untuk merancang sistem penjadwalan kuliah otomatis dari awal. Metode R&D memastikan bahwa sistem yang dikembangkan benar-benar disesuaikan dengan kebutuhan universitas dan diuji secara sistematis hingga mencapai performa optimal.
3. Penggunaan Algoritma Genetika dengan Pendekatan yang Berbeda
Algoritma genetika yang digunakan dalam penelitian ini dikembangkan dengan pendekatan yang berbeda dari penelitian sebelumnya, menyesuaikan parameter berdasarkan karakteristik penjadwalan di Universitas Teuku Umar. Berbagai faktor, seperti jumlah generasi, probabilitas crossover, dan probabilitas mutasi, dikonfigurasi agar menghasilkan solusi yang lebih optimal dalam mengatasi konflik jadwal.
4. Pengembangan Sistem Berbasis Website dari Awal
Tidak seperti penelitian sebelumnya yang hanya menguji algoritma atau mengembangkan sistem berbasis aplikasi desktop, penelitian ini membangun sistem berbasis web dari awal menggunakan bahasa pemrograman modern. Sistem berbasis web ini memungkinkan pengguna untuk mengakses jadwal kuliah secara real-time, memperbarui informasi secara dinamis, dan mengintegrasikan berbagai kebutuhan akademik dalam satu platform yang komprehensif.
5. Evaluasi dan Pengujian yang Mendalam
Untuk memastikan efektivitas sistem, penelitian ini melakukan pengujian menggunakan metode black-box testing serta evaluasi kinerja algoritma genetika. Hasil pengujian dibandingkan dengan metode manual yang sebelumnya digunakan untuk menunjukkan peningkatan efisiensi dan akurasi sistem yang dikembangkan.
Penelitian ini memberikan kontribusi baru dalam pengembangan sistem penjadwalan kuliah berbasis algoritma genetika di Universitas Teuku Umar dengan pendekatan R&D dan pengembangan website dari awal. Keunikan penelitian ini
terletak pada fokus khusus untuk Program Studi Teknologi Informasi, penggunaan algoritma genetika dengan pendekatan yang berbeda, serta pengembangan sistem berbasis web yang memungkinkan akses lebih fleksibel dan efisien. Dengan demikian, penelitian ini memberikan solusi inovatif yang belum pernah dilakukan di penelitian sebelumnya.
1.7 Landasan Teori
1.7.1 Penjadwalan
Penjadwalan adalah pengaturan atau penyusunan kegiatan berdasarkan waktu yang ada agar dalam pelaksanaan kegiatan bisa berjalan teratur dan tidak saling berbenturan antara satu kegatan dengan kegiatan lainnya. Dalam pembuatannya harus memperhatikan beberapa hal seperti waktu yang tersedia, jumlah tempat pelaksanaan, banyaknya kegiatan, banyaknya peserta kegiatan dan banyaknya pelaksana kegiatan(Lukman Hakim & Hasibuan, 2021).
Penjadwalan terkonsentrasi kepada penanganan pengalokasian sumber daya terbatas untuk dioptimasi menggunakan sebuah penerapan kriteria yang terdiri dari pemakaian waktu atau penggunaan biaya (cost) (Lukman Hakim & Hasibuan, 2021).
Masalah penjadwalan dapat dikategorikan kepada klass masalah NP-Complete (NPC). NP adalah singkatan dari Non-deterministic Polynomial time yang merupakan suatu klass masalah komputa-sional yang kompleks (Computational Complexity) untuk masalah pengambilan keputusan (Decision Problem)(Lukman Hakim & Hasibuan, 2021).
1.7.2 Algoritma Genetika
Algoritma genetika adalah metode komputasional yang terinspirasi oleh proses evolusi alami yang terjadi dalam populasi organisme hidup. Metode ini memodelkan evolusi melalui seleksi alam, reproduksi, dan perubahan genetik untuk mencari solusi optimal untuk masalah optimisasi dan penelitian. Algoritma genetika bekerja dengan menginisialisasi populasi awal dari Solusi potensial, menggunakan operator genetik seperti crossing (persilangan) dan mutasi (perubahan genetik acak), dan menggunakan fungsi seleksi untuk mempertahankan dan menyingkirkan solusi terbaik. Dalam upaya untuk menghasilkan solusi yang lebih baik, proses ini diulang berulang kali. Algoritma genetika telah digunakan untuk menyelesaikan berbagai masalah optimisasi, termasuk aplikasi matematis yang kompleks, perencanaan logistic, desain mesin, pengaturan jadwal, dan desain struktur. Metode ini telah terbukti efektif dalam menemukan solusi yang mendekati optimal untuk berbagai masalah yang sulit diselesaikan dengan teknik konvensional(Rangga Gelar Guntara dkk., 2023).
1.7.3 R & D(Research and Development)
Metode R&D merupakan pendekatan yang dilakukan dalam lingkungan organisasi untuk mencari dan mengembangkan pengetahuan baru, teknologi, produk, atau layanan. Metode ini melibatkan langkah-langkah seperti pengumpulan data, analisis, eksperimen, dan evaluasi untuk mencapai tujuan penelitian dan pengembangan yang telah ditetapkan(Edy Siswanto & Meliana Nadlifathul Lailiyyah, 2023). Metode R&D biasanya melibatkan serangkaian tahapan yang dijalankan secara berurutan untuk mencapai hasil yang diinginkan. Tahapan-
tahapan tersebut meliputi identifikasi masalah, perencanaan, implementasi, dan evaluasi(Edy Siswanto & Meliana Nadlifathul Lailiyyah, 2023). Metode R&D dapat memberikan manfaat signifikan dalam menciptakan inovasi, meningkatkan daya saing, dan memperluas pengetahuan organisasi(Edy Siswanto & Meliana Nadlifathul Lailiyyah, 2023). Namun, metode ini juga menghadapi tantangan seperti keterbatasan sumber daya, risiko kegagalan, dan kompleksitas pengelolaan(
Edy Siswanto & Meliana Nadlifathul Lailiyyah, 2023).
1.7.4 Data A. Definisi Data
Data merupakan sekumpulan fakta mentah yang belum memiliki arti sebelum diolah lebih lanjut. Data dapat berupa angka, simbol, huruf, gambar, atau bentuk lainnya yang digunakan untuk mewakili suatu informasi.
Menurut Wilkinson (1992), data terdiri dari fakta, angka, atau simbol mentah yang secara kolektif berfungsi sebagai masukan dalam suatu sistem informasi. Sementara itu, Kadir (2009) menyatakan bahwa data adalah deskripsi tentang benda, kejadian, aktivitas, atau transaksi yang belum memiliki makna bagi pengguna sebelum diolah lebih lanjut.
Berdasarkan definisi tersebut, data dapat dianggap sebagai bahan mentah yang perlu diproses agar dapat memberikan informasi yang bermanfaat bagi pengguna (Sari & Sari Siregar, 2021).
B. Tipe Data
Dalam pemrograman, tipe data digunakan untuk menentukan jenis nilai yang dapat disimpan dalam suatu variabel. Beberapa tipe data yang umum digunakan, antara lain:
1. Tipe Data Numerik Integer
o Menyimpan bilangan bulat tanpa pecahan, misalnya 10, -25, 1000.
2. Tipe Data Numerik Real
o Menyimpan bilangan desimal atau pecahan, seperti 3.14 atau -0.75.
3. Tipe Data String
o Menyimpan teks yang terdiri dari huruf, angka, atau simbol, seperti
"Hello" atau "123ABC".
1.7.5 Website
Pengertian Web atau website adalah kumpulan dari halaman situs dan dokumen yang tersebar di beberapa computer server yang berada di seluruh penjuru dunia dan terhubung menjadi satu jaringan melalui jaringan yang disebut internet(Arianto dkk., 2021).
1.7.6 Visual Studio Code
Visual Studio Code (VS Code) ini adalah sebuah teks editor ringan dan handal yang dibuat oleh Microsoft untuk sistem operasi multiplatform, artinya tersedia juga untuk versi Linux, Mac, dan Windows. Teks editor ini secara langsung mendukung berbagai bahasa pemrograman serta bahasa pemrograman lainnya dengan bantuan plugin yang dapat dipasang Teks editor VS Code juga bersifat open source(Arianto dkk., 2021).
1.7.7 HTML
HTML (Hypertext Markup Language) adalah sebuah bahasa markah yang digunakan untuk membuat sebuah halaman web, menampilkan berbagai informasi di dalam sebuah penjelajah web Internet dan pemformatan hiperteks sederhana yang ditulis dalam berkas format ASCII agar dapat menghasilkan tampilan wujud yang terintegerasi. Pada HTML dipergunakan hypertext link atau hubungan antara teks dan dokumen lain. Dengan demikian pembaca dokumen bisa melompat dari satu dokumen ke dokumen yang lain dengan mudah(Ramdani & Agustin Cahyadi, 2023).
1.7.8 PHP
PHP (Hypertext Preprocessor) adalah bahasa pemrograman yang banyak digunakan untuk mengembangkan situs web dinamis dan dapat disisipkan ke dalam HTML.
Bahasa ini pertama kali dikembangkan oleh Rasmus Lerdorf pada tahun 1994 dan terus berkembang menjadi salah satu teknologi utama dalam pengembangan web (Ramdani & Agustin Cahyadi, 2023).
Sebagai bahasa pemrograman berbasis server (server-side scripting), PHP dieksekusi di sisi server sebelum hasilnya dikirimkan ke klien dalam bentuk HTML. PHP juga digunakan dalam berbagai aplikasi web, seperti forum (phpBB), sistem manajemen konten (CMS) seperti Joomla dan Mambo, serta platform berbasis wiki seperti MediaWiki yang digunakan oleh Wikipedia. Selain itu, PHP menjadi alternatif bagi teknologi lain seperti ASP.NET, ColdFusion, JSP, dan CGI/Perl dalam pengembangan aplikasi web (Mundzir.Mf, 2021).
Dengan kemampuannya yang fleksibel, PHP sering digunakan dalam berbagai proyek pengembangan web, baik dalam skala kecil maupun besar. Bahasa ini juga
mendukung integrasi dengan berbagai basis data dan memiliki banyak pustaka serta framework yang membantu dalam mempercepat proses pengembangan aplikasi berbasis web (Arianto dkk., 2021).
1.7.9 Database
Menurut Jubilee Enterprise (2014), database adalah sistem yang digunakan untuk menyimpan dan mengelola sekumpulan data. Database memiliki antarmuka pemrograman aplikasi (API) yang memungkinkan pengguna untuk membuat, mengakses, mengatur, dan menyalin data. Dalam implementasi modern, Relational Database Management System (RDBMS) digunakan untuk menyusun data dalam bentuk tabel yang saling berhubungan melalui primary key dan foreign key (Mundzir.Mf, 2021).
Menurut Sri Widianti, basis data adalah kumpulan data yang saling terhubung dan disimpan bersama-sama tanpa duplikasi yang berlebihan, sehingga dapat digunakan kembali dengan mudah. Basis data dapat dimanfaatkan oleh satu atau lebih program aplikasi secara optimal tanpa ketergantungan pada program tertentu(Sari & Sari Siregar, 2021).
Edhy Sutanta juga mendefinisikan basis data sebagai kumpulan data yang terstruktur dan disimpan dengan cara tertentu agar mudah diakses, ditampilkan kembali, serta digunakan oleh berbagai aplikasi dengan efisien(Sari & Sari Siregar, 2021).
Dari definisi tersebut, dapat disimpulkan bahwa basis data merupakan sekumpulan informasi yang disusun secara sistematis untuk mempermudah pengolahan dan pengambilan data sesuai kebutuhan pengguna (Sari & Sari Siregar, 2021).
1.7.10 MySQL
Menurut Adi Nugroho MySQL (MyStructuredn Query Langueage) adalah suatu system basis data relation atau Relational Database Management System (RDBMS) yang mampu bekerja secara cepat dan mudah digunakan MYSQL juga merupakan program pengakses database yang bersifat jaringan, sehingga dapat digunakan untuk aplikasi multi user (banyak pengguna). MYSQL didistribusikan gratis dibawah lisensi GPL (General Public Licence). Dimana setiap program bebas menggunakan MYSQL namun tidak bisa dijadikan produk turunan yang dijadikan closed source atau comersial(Mundzir.Mf, 2021).
1.7.11 XAMPP
XAMPP adalah salah satu paket server lokal yang paling banyak digunakan oleh para pengembang web. Dengan fitur yang lengkap dan proses instalasi yang mudah, XAMPP menjadi pilihan utama, terutama bagi programmer PHP pemula. Menurut Jubilee Enterprise (2014), versi terbaru dari XAMPP telah mendukung PHP 7 serta memungkinkan instalasi dan konfigurasi server Apache, PHP, dan MySQL secara otomatis (Mundzir.Mf, 2021).
XAMPP merupakan perangkat lunak bebas yang mendukung berbagai sistem operasi. Nama XAMPP sendiri merupakan akronim dari komponen utama yang ada di dalamnya, yaitu:
X: Menunjukkan kompatibilitas dengan berbagai sistem operasi.
Apache: Server HTTP yang digunakan untuk menjalankan aplikasi berbasis web.
MySQL: Sistem manajemen basis data relasional.
PHP: Bahasa pemrograman server-side yang digunakan dalam pengembangan web.
Perl: Bahasa pemrograman yang digunakan dalam beberapa modul aplikasi web (Arianto dkk., 2021).
Untuk menjalankan aplikasi berbasis web dengan PHP, diperlukan sebuah server web yang mampu memproses skrip PHP. XAMPP menyediakan solusi dengan menggabungkan berbagai perangkat lunak dalam satu paket, sehingga pengembang dapat dengan mudah menjalankan dan mengelola proyek berbasis PHP. Dalam XAMPP versi 1.7.4, beberapa perangkat lunak yang disertakan meliputi Apache HTTPD, MySQL, PHP, phpMyAdmin, OpenSSL, FileZilla FTP Server, Mercury Mail Transport Agent, SQLite, Xdebug extension, dan FPDF Library (Sari & Sari Siregar, 2021).
Berikut adalah tampilan antarmuka XAMPP yang sedang dijalankan, dengan layanan Apache yang aktif:
Gambar 2. 1 Xampp
Tampilan ini menunjukkan bahwa pengembang dapat dengan mudah mengelola layanan server lokal yang diperlukan untuk menjalankan aplikasi berbasis web.
1.7.12 Figma
Figma adalah sebuah software design tool yang umumnya digunakan untuk mendesain, merancang, melakukan wireframing, serta membuat prototipe desain antarmuka untuk website dan aplikasi mobile. Aplikasi ini dapat berjalan di beberapa sistem operasi, seperti Windows dan macOS(Santoso, 2022). Berikut adalah tampilan halaman beranda Figma :
Gambar 2. 2 Figma
Umumnya, Figma banyak digunakan oleh para profesional di bidang desain aplikasi dan sejenisnya, seperti UI/UX Designer dan Web Designer(Santoso, 2022).
Figma memiliki beberapa keunggulan dibandingkan software serupa, seperti Adobe XD. Di antaranya adalah:
1. Berbasis Web (Cloud-Based) – Karena berbasis web, Figma dapat diakses tanpa perlu menginstal aplikasi tambahan, sehingga lebih fleksibel dan praktis(Santoso, 2022).
2. Fitur Kolaborasi – Figma memungkinkan beberapa pengguna untuk bekerja secara bersamaan dalam satu proyek secara real-time. Dengan fitur ini, proses pengerjaan menjadi lebih cepat dan efisien, karena tim dapat berkolaborasi secara langsung meskipun berada di lokasi yang berbeda (Santoso, 2022).
1.7.13 Draw io
Draw io adalah website dan software yang digunakan untuk membuat flowchat, draw io berguna untuk merancang Use Case diagram maupun activity diagram(Arianto dkk., 2021).
Berikut ini merupakan contoh flowchart yang dibuat menggunakan Draw.io, yang digunakan untuk menggambarkan alur proses dalam sistem secara visual. Gambar 2.3 menampilkan hasil perancangan flowchart yang mempermudah pemahaman terhadap langkah-langkah dalam suatu proses.
Gambar 2. 3 Draw io
1.7.14 Flowchart
Menurut Hartono (2005, dalam bukunya, bagan alir (flowchart) adalah representasi visual yang menunjukkan aliran proses dalam suatu sistem atau prosedur secara logis (Sari & Sari Siregar, 2021). Flowchart sering digunakan untuk menggambarkan langkah-langkah dalam suatu algoritma atau prosedur kerja, sehingga mempermudah pemahaman dan analisis sistem.
1.7.15 Use Case Diagram
Use case diagram merupakan diagram yang digunakan untuk mendeskripsikan tentang interaksi yang terjadi pada aktor dengan sistem atau perangkat lunak untuk melakukan aktivitas pada sistem(Wahib dkk., 2023).
Berikut ini adalah simbol-simbol yang digunakan dalam Use Case Diagram, yang berfungsi untuk menggambarkan interaksi antara aktor dan sistem dalam menjalankan suatu proses atau aktivitas. Setiap simbol memiliki peran dan makna tertentu dalam merepresentasikan komponen diagram. Simbol-simbol tersebut disajikan pada Tabel 2.2 berikut:
Tabel 2. 2 Simbol Use Case Diagram
Simbol Nama Keterangan
Aktor Merupakan entitas eksternal seperti individu, sistem, atau perangkat yang berinteraksi dengan sistem. Aktor berada di luar batas sistem dan berperan dalam memicu suatu use case. Contoh aktor meliputi Pelanggan, Admin, dan Sistem Pembayaran.
Use Case Mewakili fungsi atau layanan tertentu yang diberikan oleh sistem kepada aktor. Use case menggambarkan bagaimana aktor berinteraksi dengan sistem untuk mencapai tujuan spesifik.
Contohnya adalah proses Login,
Pemesanan Tiket, dan Pembayaran Pesanan.
Asosiasi Mengilustrasikan hubungan antara aktor dan use case. Biasanya, digambarkan dengan garis lurus yang menghubungkan keduanya. Jika terdapat panah, itu menunjukkan siapa yang memulai interaksi.
Sistem
Bondary(Batas Sistem)
Menunjukkan batasan sistem yang sedang dimodelkan. Use case terletak di dalam batas sistem (kotak), sementara aktor berada di luar batas tersebut.
<<include>>
Include Menandakan bahwa suatu use case menyertakan (include) fungsionalitas dari use case lain dalam alurnya.
Representasinya berupa garis putus- putus berlabel <<include>> yang mengarah dari use case utama ke use case yang disertakan. Contoh: Use case "Bayar Pesanan" menyertakan
use case "Verifikasi
Pembayaran".Pesanan" include use
case "Verifikasi Pembayaran".
<<Extend>>
Extend Menunjukkan bahwa suatu use case dapat diperluas (extend) dengan fitur tambahan dalam kondisi tertentu.
Digambarkan dengan garis putus- putus berlabel <<extend>>, mengarah dari use case tambahan ke use case utama. Contoh: Use case "Login"
dapat diperluas dengan use case "Lupa Password" jika pengguna salah memasukkan kata sandi beberapa kali.
Generalisasi Menggambarkan hubungan hierarkis antara aktor, di mana aktor yang lebih umum (parent) dapat memiliki aktor turunan (child) yang mewarisi karakteristiknya. Simbolnya berupa garis solid dengan segitiga kosong di ujungnya yang menunjuk ke aktor parent. Contoh: Aktor "Pelanggan"
bisa digeneralisasi menjadi
"Pelanggan VIP" dan "Pelanggan Reguler".
1.7.16 Entity Relationship Diagram(ERD)
Entity Relationship Diagram (ERD) adalah metode pemodelan data dalam suatu basis data yang berfungsi untuk mendefinisikan hubungan antar entitas serta bagaimana data tersebut saling berelasi (Ramdani & Agustin Cahyadi, 2023). ERD digunakan dalam tahap perancangan database untuk memastikan struktur data sesuai dengan kebutuhan sistem.
Menurut Fatansyah (1999), ERD terdiri dari himpunan entitas dan himpunan relasi, yang masing-masing dilengkapi dengan atribut yang merepresentasikan fakta-fakta dalam sistem. Sementara itu, Mata Taledo dan Cushman (2007) mendefinisikan ERD sebagai representasi grafis dari struktur database yang mencakup deskripsi entitas, hubungan (relationship), dan batasan (constraint) (Sari & Sari Siregar, 2021).
Berikut ini adalah simbol-simbol yang digunakan dalam Entity Relationship Diagram (ERD), yang berfungsi untuk merepresentasikan entitas, atribut, dan hubungan antar entitas dalam suatu sistem basis data. Setiap simbol memiliki peran tertentu dalam menggambarkan struktur dan relasi data. Simbol-simbol tersebut disajikan pada Tabel 2.3 berikut:
Tabel 2. 3 Simbol ERD
Simbol Nama Keterangan
Entitas Merupakan suatu yang nyata atau abstrak dimana kita akan menyimpan data.
Relasi Merupakan hubungan alamiah yang terjadi antar satu atau lebih.
Atribut Merupakan ciri umum atau sebagian besar intisari pada entitas tertentu.
Garis Merupakan penghubung antara relasi dengan entitas , relasi dan entitas dengan atribut.
1.7.17 Data Flow Diagram(DFD)
Menurut Hartono (2005), Data Flow Diagram (DFD) adalah alat yang digunakan dalam metodologi pengembangan sistem terstruktur (Structured Analysis and Design). DFD menggambarkan aliran data dalam sistem serta bagaimana data diproses di dalamnya (Sari & Sari Siregar, 2021).
Elemen-elemen utama dalam DFD dapat dilihat pada table 2.4 berikut :
Tabel 2. 4 Simbol DFD
Simbol
Nama Keterengan
Demarco and Yordan
Gane and Sarson
Entitas Luar Orang/Unit yang berinteraksi dengan system tapi berada di luar sistem.
Process Merupakan symbol Yang
berfungsi untuk
mentransfortasikan data secara umum.
Aliran Data Menunjukkan pergerakan data dari suatu proses ke proses yang lain.
Simpan Data Tempat penyimpanan data atau file.
DFD terdiri dari tiga level utama:
1. Diagram Konteks: Diagram yang memberikan gambaran umum sistem dalam satu proses utama.
2. Diagram Nol (Level 1): Diagram yang menguraikan proses utama menjadi sub-proses yang lebih rinci.
3. Diagram Rinci: Diagram yang menggambarkan detail dari setiap proses dalam diagram nol (Sari & Sari Siregar, 2021).
1.8 Sumber Data
Data yang digunakan dalam penelitian ini diperoleh dari Program Studi Teknologi Informasi Universitas Teuku Umar, yang mencakup jadwal perkuliahan untuk semester ganjil dan semester genap. Data tersebut terdiri dari berbagai komponen yang digunakan dalam proses penjadwalan, sebagaimana disajikan pada Tabel 3.1 b erikut:
Tabel 3. 1 Banyaknya Data
Nama Data Jumlah Data
Kelas 4
Mata Kuliah 55
Dosen 15
Hari 4
Ruang 8
Data tersebut diperoleh dari Pak Suryadi, S.T., M.Cs., yang merupakan dosen pembimbing skripsi penulis sekaligus dosen di Program Studi Teknologi Informasi Universitas Teuku Umar dengan jabatan Asisten Ahli. Data ini digunakan sebagai bahan utama untuk merancang dan mengimplementasikan sistem penjadwalan kuliah otomatis menggunakan algoritma genetika.
42
1.9 Metode dan Pendekatan Penelitian
1.9.1 Metode Penelitian
Metode penelitian yang digunakan dalam penelitian ini adalah Research and Development (R&D), yang bertujuan untuk mengembangkan sistem penjadwalan kuliah otomatis menggunakan algoritma genetika. Metode ini menekankan pada proses iteratif yang mencakup pengumpulan data, analisis kebutuhan, perancangan sistem, implementasi, pengujian, dan evaluasi sistem untuk memastikan hasil yang optimal.
Tahapan Metode R&D yang Digunakan:
1. Identifikasi Masalah: Mengidentifikasi permasalahan penjadwalan manual di Program Studi Teknologi Informasi Universitas Teuku Umar.
2. Pengumpulan Data: Mengumpulkan data terkait jadwal perkuliahan, dosen, ruang kelas, waktu kuliah, dan mata kuliah.
3. Analisis Kebutuhan: Melakukan analisis data untuk mengidentifikasi kebutuhan software, hardware, serta menentukan kebutuhan fungsional dan non-fungsional dari sistem yang akan dibangun.
4. Perancangan Sistem: Mendesain algoritma genetika, arsitektur sistem, dan database.
5. Implementasi Sistem: Mengembangkan sistem menggunakan PHP dan mengintegrasikan algoritma genetika untuk optimasi jadwal.
6. Pengujian Sistem: Melakukan uji coba untuk mengevaluasi efektivitas sistem dalam menghasilkan jadwal yang optimal.
7. Evaluasi dan Penyempurnaan: Mengevaluasi hasil uji coba, melakukan perbaikan, dan menguji ulang jika diperlukan.
Gambar 3. 1 Alur Penelitian
Proses penelitian ini dimulai dengan identifikasi masalah, yaitu mengenali kendala yang terdapat dalam sistem penjadwalan kuliah manual. Setelah permasalahan diidentifikasi, dilakukan pengumpulan data, yang mencakup informasi penting seperti jadwal mata kuliah, dosen, ruang kelas, dan waktu perkuliahan yang tersedia.
Setelah data terkumpul, langkah berikutnya adalah analisis kebutuhan, yang bertujuan untuk menentukan spesifikasi sistem, baik dari segi perangkat lunak (software), perangkat keras (hardware), serta algoritma yang digunakan. Jika
ditemukan kekurangan dalam analisis ini, maka proses kembali ke tahap pengumpulan data untuk memastikan kebutuhan sistem telah terdefinisi dengan jelas.
Tahap selanjutnya adalah perancangan sistem, yang mencakup desain arsitektur sistem, perancangan basis data, serta implementasi algoritma genetika untuk optimasi jadwal kuliah. Setelah perancangan selesai, penelitian berlanjut ke implementasi sistem, di mana sistem dikembangkan sesuai dengan rancangan yang telah dibuat.
Setelah implementasi selesai, dilakukan pengujian sistem untuk mengevaluasi kinerja sistem dalam menghasilkan jadwal kuliah yang optimal. Hasil pengujian ini kemudian dievaluasi. Jika ditemukan kekurangan pada implementasi, maka dilakukan perbaikan dan pengujian ulang. Jika permasalahan berasal dari kesalahan dalam perancangan, maka sistem kembali ke tahap perancangan ulang sebelum diimplementasikan kembali.
Jika sistem dinyatakan valid dan sesuai dengan kebutuhan, maka penelitian dinyatakan selesai.
1.9.2 Pendekatan Penelitian
Pendekatan penelitian dalam penelitian ini menggunakan optimasi berbasis algoritma genetika (GA) untuk menyusun jadwal kuliah secara otomatis. Algoritma genetika dipilih karena kemampuannya dalam menyelesaikan masalah optimasi kombinatorial yang kompleks, seperti penjadwalan kuliah yang memiliki berbagai batasan dan kendala.
Pendekatan ini bekerja dengan prinsip evolusi berbasis seleksi alam, di mana solusi terbaik akan bertahan dan diperbaiki secara iteratif hingga jadwal optimal ditemukan. Dengan algoritma genetika, sistem dapat menghasilkan jadwal kuliah yang lebih efisien dibandingkan metode manual.
Detail mengenai implementasi algoritma ini dapat ditemukan dalam bagian Perancangan Algoritma Genetika, sedangkan aturan dan batasan yang diterapkan dalam sistem dijelaskan lebih lanjut dalam Perancangan Logika Sistem.
1.10 Perancangan Sistem
1.10.1 Analisis Kebutuhan
Pada tahap ini, dilakukan analisis kebutuhan sistem untuk memastikan bahwa sistem penjadwalan kuliah otomatis dapat berjalan dengan optimal. Analisis kebutuhan mencakup berbagai aspek, mulai dari kebutuhan perangkat lunak (software) dan perangkat keras (hardware) hingga kebutuhan fungsional dan nonfungsional yang harus dipenuhi agar sistem dapat beroperasi sesuai dengan tujuan yang diinginkan.
Berikut adalah rincian kebutuhan sistem:
A. Kebutuhan Software
Kebutuhan perangkat lunak mencakup berbagai aplikasi dan tools yang digunakan dalam pengembangan serta operasional sistem. Rincian kebutuhan perangkat lunak dapat dilihat pada Tabel 3.2 berikut:
Tabel 3. 2 Kebutuhan Software
Komponen Keterangan
Sistem Operasi Windows atau MacOS Database Management
System (DBMS)
MySQL (XAMPP)
Bahasa Pemrograman PHP, JavaScript Framework Backend Laravel
Framework Fontend Bootstrap atau Tailwind CSS
Web Server Apache (XAMPP)
Desain UI/UX Figma, Draw.io
Teks Editor Visual Studio Code
B. Kebutuhan Hardware
Kebutuhan perangkat keras mencakup spesifikasi minimum perangkat yang diperlukan agar sistem dapat berjalan dengan optimal. Rincian kebutuhan perangkat keras dapat dilihat pada Tabel 3.3 berikut:
Tabel 3. 3 Kebutuhan Hardware
Komponen Kebutuhan Server Kebutuhan Client Procesor Intel Core i5 atau setara Intel Core i3 atau setara
Ram 8 GB 4GB
Penyimpanan 256 GB SSD 128 GB HHD/SSD
Resolusi Layar
Minimal 1366x768 px
C. Kebutuhan Fungsional
Kebutuhan fungsional mendeskripsikan fitur utama yang harus dimiliki oleh sistem agar dapat berfungsi sesuai dengan tujuan yang diinginkan. Rincian kebutuhan fungsional dapat dilihat pada Tabel 3.4 berikut:
Tabel 3. 4 Kebutuhan Fungsional
Kebutuhan Deskripsi
Keamanan Autentikasi (Admin)
Kinerja Waktu respon kurang dari 3 detik
Skalabilitas Sistem dapat digunakan secara multi-user Kemudahan
Penggunaan
Antarmuka mudah dipahami
D. Kebutuhan NonFungsional
Kebutuhan nonfungsional mencakup aspek-aspek pendukung yang harus dipenuhi oleh sistem, seperti keamanan, performa, dan kemudahan penggunaan. Rincian kebutuhan nonfungsional dapat dilihat pada Tabel 3.5 berikut:
Tabel 3. 5 Kebutuhan Nonfungsional
Jenis Pengguna Kebutuhan
Admin Mengelola data dosen, mata kuliah, waktu, ruang kelas, dan jadwal. Menjalankan algoritma genetika untuk menghasilkan jadwal.
1.10.2 Perancangan Arsitektur Sistem
Perancangan arsitektur sistem bertujuan untuk menggambarkan bagaimana komponen dalam sistem berinteraksi. Sistem penjadwalan kuliah otomatis ini menggunakan Three-Tier Architecture, yang terdiri dari tiga lapisan utama:
1. (Presentation Layer): Lapisan ini menyediakan antarmuka pengguna untuk mengakses sistem. Pengguna dapat melihat, menambahkan, atau mengubah jadwal kuliah. Informasi yang ditampilkan diambil dari hasil pemrosesan pada lapisan di bawahnya.
2. (Business Logic Layer): Lapisan ini menangani proses utama sistem, termasuk penerapan algoritma genetika untuk menyusun jadwal kuliah secara otomatis dengan mempertimbangkan berbagai kendala seperti ketersediaan dosen, ruangan, dan waktu perkuliahan.
3. (Data Layer): Lapisan ini bertanggung jawab atas penyimpanan dan pengelolaan data dalam database, termasuk informasi tentang mata kuliah, waktu, dosen, dan ruangan. Semua permintaan data dikirim sebagai query ke database dan diproses sebelum dikembalikan ke lapisan di atasnya.
Alur kerja sistem dimulai saat pengguna mengakses sistem melalui Lapisan Presentasi. Permintaan pengguna dikirim ke Lapisan Logika Bisnis untuk diproses, kemudian diteruskan ke Lapisan Data jika memerlukan akses ke database. Setelah diproses, hasilnya dikembalikan ke Lapisan Presentasi untuk ditampilkan kepada pengguna.
Arsitektur sistem ini dapat digambarkan dalam Gambar 3.4 berikut:
Gambar 3. 2 Perancangan Arsitektur Sistem
Pendekatan ini memungkinkan sistem berjalan lebih efisien dengan pemisahan tugas yang jelas antara tampilan, pemrosesan logika bisnis, dan pengelolaan data, sehingga meningkatkan fleksibilitas dan skalabilitas sistem.
1.10.3 Perancangan Basis Data
Gambar 3. 3 ERD
A. Tabel User
Tabel 3. 6 User
Nama Kolom Type Data Keterangan
id_user INT Primary Key,Not null, Auto
Increment
username VARCHAR Not null
password VARCHAR Not null
role VARCHAR Not null
B. Tabel Waktu
Tabel 3. 7 Waktu
Nama Kolom Type Data Keterangan
id_waktu INT Primary key, not null, auto
increment
Hari VARCHAR Not null
Jam_mulai TIME Not null
Jam_selesai TIME Not null
C. Tabel Dosen
Tabel 3. 8 Dosen
Nama Kolom Type Data Keterangan
Id_dosen INT Primary key, not null, auto
increment
Nama_dosen VARCHAR Not null
Keahlian VARCHAR Not null
D. Tabel Mata Kuliah
Tabel 3. 9 Mata Kuliah
Nama Kolom Type Data Keterangan
Id_mk INT Primary key, not null, auto
increment
Nama_mk VARCHAR Not null
Mk praktikum VARCHAR
Semester INT Not null
sks INT Not null
E. Tabel Ruangan
Tabel 3. 10 Ruangan
Nama Kolom Type Data Keterangan
Id_ruang INT Primary Key, not null, auto
increment
Nama_ruang VARCHAR Not null
F. Tabel Jadwal
Tabel 3. 11 Jadwal
Nama Kolom Type Data Keterangan
Id_jadwal INT Primary key, not null, auto
increment
Id_waktu INT Foreign key tabel waktu, not null
Id_dosen INT Foreign key tabel dosen, not null
Id_mk INT Foreign key tabel mk, not null
Id_ruang INT Foreign key tabel ruang, not null
1.10.4 Model Fungsional Sistem
Untuk memahami interaksi antara aktor dengan sistem penjadwalan kuliah otomatis, berikut disajikan Use Case Diagram yang menggambarkan fungsi-fungsi utama dalam sistem ini:
Gambar 3. 4 Use Case Diagram
Diagram ini menunjukkan dua aktor utama dalam sistem, yaitu Admin dan Dosen, serta berbagai fungsi yang mereka akses.
1. Aktor: Admin
Kelola Data Dosen → Admin dapat menambahkan, mengedit, dan menghapus data dosen.
Kelola Data Ruang → Admin mengelola informasi tentang ruang kuliah yang tersedia.
Kelola Data Mata Kuliah (MK) → Admin memasukkan dan mengelola data mata kuliah.
Kelola Data Waktu → Admin menetapkan waktu yang tersedia untuk perkuliahan.
Jalankan Jadwal Otomatis → Sistem akan menghasilkan jadwal kuliah secara otomatis menggunakan algoritma genetika.
Evaluasi Jadwal (Include) → Bagian dari proses penjadwalan otomatis untuk mengevaluasi jadwal yang telah dihasilkan.
Lihat & Kelola Jadwal → Admin dapat meninjau dan melakukan perubahan pada jadwal kuliah yang dihasilkan.
Cetak Jadwal (Extend) → Admin dapat mencetak jadwal yang telah disusun.
2. Aktor: Dosen
Lihat Data Dosen → Dosen dapat melihat data diri mereka yang tersimpan dalam sistem.
Lihat Data Ruang → Dosen dapat melihat informasi ruang kuliah.
Lihat Data Mata Kuliah (MK) → Dosen dapat melihat daftar mata kuliah yang tersedia.
Lihat Data Waktu → Dosen dapat melihat jadwal waktu perkuliahan yang telah ditentukan.
Lihat Jadwal (Extend dari Lihat & Kelola Jadwal Admin) → Dosen dapat melihat jadwal kuliah yang telah dibuat oleh sistem.
Diagram ini menggambarkan bagaimana Admin memiliki kontrol penuh terhadap pengelolaan data dan penjadwalan, sementara Dosen hanya dapat melihat informasi yang relevan dengan mereka.
1.10.5 Model Proses Sistem A. DFD Konteks
Gambar 3. 5 DFD Konteks
B. DFD Level 1
Gambar 3. 6 DFD Level 1
C. DFD Level 2 Login
Gambar 3. 7 DFD Level 2 Login
D. DFD Level 2 Waktu
Gambar 3. 8 DFD Level 2 Waktu
E. DFD Level 2 Dosen
Gambar 3. 9 DFD Level 2 Dosen
F. DFD Level 2 Mata Kuliah
Gambar 3. 10 DFD Level 2 MK
G. DFD Level 2 Ruangan
Gambar 3. 11 DFD Level 2 Ruangan
H. DFD Level 2 Penjadwalan Algoritma Genetika
Gambar 3. 12 DFD Level 2 Penjadwalan AG
I. DFD Level 2 Jadwal
Gambar 3. 13 DFD Level 2 Jadwal
1.10.6 Perancangan Algoritma Genetika
Proses optimasi penjadwalan kuliah otomatis dalam penelitian ini menggunakan algoritma genetika. Algoritma ini dipilih karena kemampuannya dalam mencari solusi optimal dari berbagai kemungkinan kombinasi jadwal dengan mempertimbangkan berbagai kendala, seperti ketersediaan dosen, ruang kelas, dan waktu perkuliahan.
Algoritma genetika terdiri dari beberapa tahapan utama, yaitu:
1. Inisialisasi Populasi
Membentuk populasi awal yang terdiri dari sejumlah individu (solusi kandidat) yang dibuat secara acak berdasarkan parameter yang telah ditentukan.
2. Evaluasi Fitness
Setiap individu dalam populasi dievaluasi berdasarkan nilai fitness, yang menunjukkan seberapa baik solusi tersebut memenuhi aturan dan kendala penjadwalan.
3. Seleksi Individu Terbaik
Individu dengan nilai fitness tertinggi dipilih untuk menjadi induk dalam proses reproduksi.
4. Crossover
Proses perkawinan silang dilakukan untuk menghasilkan individu baru dengan mengombinasikan karakteristik dari dua induk yang terpilih.
5. Mutasi
Beberapa individu mengalami perubahan kecil dalam gennya untuk meningkatkan keberagaman solusi dan mencegah konvergensi prematur.
6. Evaluasi Generasi Baru
Setelah crossover dan mutasi, populasi baru dievaluasi kembali. Jika kondisi penghentian belum terpenuhi, algoritma kembali ke tahap Evaluasi Fitness dan terus berulang hingga solusi optimal ditemukan.
Diagram alur dari proses algoritma genetika dalam sistem penjadwalan kuliah otomatis dapat dilihat pada Gambar 3.14 berikut:
