Menu
Home
- Pemesanan
- Metode & Algoritma
- AHP
- Forward Chaining
- Backward Chaining
- GAP (Generic Acces Profile)
- Prifile Matching
- Teorema Bayes
- Case Based Reasoning (CBR)
- Dempher Shaper
- Fuzzy Logic
- Fuzzy Mamdani
- Generate And Test
- Ant Colony Optimization (ACO)
- Shortest Path Astar
- Algoritma ID3
- Algoritma C4.5
- Algoritma ANP
- Algoritma Indeks Davies-Bouldin SOM (Self Organizing Map)
- Algoritma Classification And Regression Trees (CART
- Algoritma Genetika
- Algoritma Genetika
- Source Code
- Katagori Skripsi
- Android
- Aplikasi
- Artificial Intellegence
- Backward Chaining
- Case Based Reasoning
- Flash MX
- Forward Chaining
- Game
- Java
- Java Android
- Kecerdasan Buatan
- Multimedia
- My-SQL
- Pengolahan Citra
- Security Komputer
- Sistem Informasi
- Sistem Informasi Goegrafis (GIS)
- Sistem Pakar
- Sistem Pendukung Keputusan (SPK)
- SMS Gateway
- Visual Basic (Dekstop)
- Web (PHP-MySQL)
- Project
- FAQ
- About
Selasa, 27 Oktober 2015
Optimasi penempatan mahasiswa baru di ma’had sunan ampel al-ali Universitas Islam Negeri (UIN) maulana malik ibrahim malang menggunakan algoritma genetika
ABSTRAK
Optimasi
diperlukan untuk memperoleh hasil yang terbaik dari alternatifalternatif solusi
yang tersedia. Optimasi penempatan mahasiswa baru di ma’had Sunan Ampel
Al-Ali UIN Maulana Malik Ibrahim Malang adalah suatu usaha untuk mencari solusi
terbaik penempatan mahasiswa baru di ma’had agar visi, misi, dan tujuan
dapat tercapai secara optimal. Optimasi penempatan ini melibatkan banyak
komponen sehingga proses penempatan menjadi rumit. Pada skripsi ini dibahas
mengenai penempatan mahasiswa baru menggunakan algoritma genetika.
Algoritma genetika
adalah salah satu teknik optimasi yang terkenal yang secara khusus dapat
diterapkan untuk memecahkan masalah optimasi yang kompleks. Penelitian ini
bertujuan membuat model genetika untuk masalah penempatan mahasiswa baru di ma’had
dan menerapkan algoritma genetika sebagai alternatif solusi masalah
penempatan mahasiswa baru dengan manggunakan perangkat lunak. Pada algoritma
genetika, teknik pencarian solusi menggunakan prinsip seleksi alam, di mana
individu yang lebih kuat (fitness tinggi) akan memiliki tingkat
reproduksi yang lebih tinggi.
Metode yang
digunakan dalam penelitian ini yaitu adalah waterfall atau air terjun,
yang terdiri dari tahap perencanaan, tahap analisis, tahap desain, tahap implementasi,
tahap pengujian, tahap pemasangan, dan tahap pengoperasian. Waterfall sering
diidentikkan dengan proses SDLC (Systems Development Life Cycle) yang
mengandung langkah-langkah pengembangan representasi objek secara progresif,
mengandung tiga langkah utama, yaitu analisis, perancangan,dan implementasi.
Perubahan nilai fitness
dari inisialisasi sampai menjadi fitness terbaik dikarenakan adanya
dua parameter dasar yang penting yaitu probabilitas perkawinan silang dan
probabilitas mutasi. Pada perkawinan silang menyatakan seberapa sering proses
perkawinan silang akan terjadi di antara dua kromosom orang tua. Jika tidak
terjadi perkawinan silang, keturunan merupakan Salinan mutlak dari kromosom
orang tua. Jika terjadi perkawinan silang, keturuan yang dihasilkan merupakan
campuran dari kedua kromosom orang tua. Metode perkawinan silang yang digunakan
dalam optimasi penempatan ini adalah metode order crossover, sedangan
mutasinya menggunakan metode swapping mutation. Mutasi diperlukan untuk
menghindari terjadinya konvergensi prematur. Hasil dari penelitian ini adalah
susunan penempatan mahasiswa baru dalam tiap ruang masing-masing mabna di
Ma’had Sunan Ampel Al-Ali UIN Maulana Malik Ibrahim Malang dengan
komposisi yang sesuai dengan parameter yang telah ditentukan.
Kata kunci: Optimasi, Algoritma Genetika, Waterfall, Ma’had.
Download File :
Download Source Code Program :
Screnshot Program :
Related Posts : Artificial Intellegence,
Kecerdasan Buatan,
Skripsi Baru,
Skripsi Informatika
Langganan:
Posting Komentar (Atom)
Keren banget nih Mas..jujur saya suka..trims sdh dishare.
BalasHapusterimkasih, klo perlu filenya silahkan emailkan ke amstmik9@gmail.com
Hapus