Optimasi Penjadwalan PBM Sistem Moving Kelas Menggunakan Algoritma Genetika di SMK Negeri 2 Yogyakarta

Endro Marijanto, Dr. Sony Warsono, MAFIS., Ak

2012 | Tesis | S2 Magister Manajemen

Penelitian ini bertujuan untuk mendapatkan optimasi penjadwalan dengan menerapkan algoritma genetika sebagai pertimbangan dalam memaksimalkan penggunaan ruang dalam pelaksanaan proses kegiatan PBM dengan sistem pembelajaran moving class (kelas berpindah) dengan mengambil studi kasus di SMK Negeri 2 Yogyakarta pada jurusan Teknik Kendaraan Ringan (Teknik Otomotif) semester genap tahun 2011/2012. Sebagai upaya dalam pemecahan masalah berkaitan dengan sistem penjadwalan dilakukan langkah tahapan pemecahan dengan metode penelitian dan pengembangan (Research and Development/ RnD) pendidikan yang terfokus pada jadwal sebagai bagian dari administrasi pendidikan yaitu administrasi kurikulum penelitian dilakukan pada bulan Desember-Februari 2012, berlokasi di SMK Negeri 2 Yogyakarta. Aspek yang diteliti dalam merancang suatu sistem penjadwalan yaitu dua persyaratan yang harus dipenuhi : Hard constraint dan Soft constraint . Implementasi pengembangan jadwal berupa aplikasi program berbasis graphic user interface yaitu Visual Basic 6.0 dan database yang dirancang menggunakan database Access 2007. Untuk menguji kinerja optimasi algoritma genetika dalam penjadwalan, peneliti melakukan pengujian pengaruh perubahan nilai dari parameter operator algoritma genetika (crossover, mutasi, dan propagasi) dengan metode evaluasi tiga tournament based selection. Pada uji pertama, pasangan parameter operator algoritma genetika yang cocok dan optimal dapat mempercepat proses pembuatan jadwal, terlihat bahwa jadwal terbaik diproleh pada masukan 35 mata pelajaran dan jumlah populasi 50 dimana hanya satu frekuensi guru yang tinggi dalam sehari dan tidak terdapat frekuensi kelas yang tinggi dalam sehari dengan waktu pengeksekusian 6,17 detik. Metode inisialisai yang berbeda tidak mempengaruhi hasil penjadwalan (baik dari sisi waktu maupun jumlah constraint yang dilanggar) secara signifikan pada jumlah populasi dan iterasi yang kecil tapi akan tampak jelas pada jumlah populasi dan iterasi yang besar.

The aim of this research is to obtain the optimization of schedule program by applying genetic algorithm as consideration to maximize the use of classroom for learning and teaching processes in moving class system. This research took the case study at SMK Negeri 2 Yogyakarta, automotive department or Light Vehicle Technics during the even semester, academic year 2011/2012. This is an educational reseach and development (R&D) which focused on schedule program as a part of education administration i.e. curriculum. The research was conducted in December through February 2012 at SMK Negeri 2 Yogyakarta. Try out period as the implementation of the schedule program was carried for 4 weeks and the revision was done during the period of the try out in every week. Aspects exmined in designing a schedule system program were two specs to be met: Hard constraint and Soft constraint. The implementation of schedule development program constitutes the application of the graphic user interface–based program i.e. Visual Basic 6.0 and database which are designed by mking use of the database Access 2007. To test the performance of genetic algorithm optimization, the researcher conducted the testing of value change effect of the genetic algorithm operator parameter (crossover, mutation, and propagation) by applying the evaluation of three tournament based selection method. In the first testing, dual parameter of compatible genetic algorithm can make the process of making the schedule faster, and it was seen that the best schedule was resulted from the input of 35 learning subjects and 50 populations where only one teachers had high frequency in a day with time exclusion 6,17 seconds. Different Initialization method could not affect the result of the schedule (either the time or the total of constraints violated) significantly, the small total of population and iteration will clearly be seen in the total of great population an iteration.

Kata Kunci : Optimasi Penjadwalan, Algoritma Genetika