PENERAPAN ALGORITMA GENETIKA DALAM MENGOPTIMASI PENJADWALAN MATA KULIAH DI PROGRAM STUDI TEKNIK INFORMATIKA UNIVERSITAS MATARAM

Penjadwalan mata kuliah di Program Studi Teknik Informatika Universitas
Mataram (PSTI Unram) merupakan proses penting yang rumit karena harus
mengalokasikan 106 mata kuliah, 26 dosen pengajar, dan 8 ruang kelas ke dalam
58 slot waktu perkuliahan dalam seminggu. Pembuatan jadwal secara manual
memerlukan waktu yang lama, rentan terhadap kesalahan manusia (human error),
serta berisiko memicu konflik penggunaan ruangan, waktu mengajar dosen,
maupun jadwal kelompok kelas mahasiswa. Penelitian ini bertujuan untuk
menerapkan dan mengoptimalkan Algoritma Genetika dalam merancang draf
jadwal kuliah yang efektif dan efisien di PSTI Unram. Algoritma diuji
menggunakan variasi kombinasi ukuran populasi (100, 200, dan 300) serta jumlah
generasi (1000, 1500, dan 2000) dengan probabilitas crossover 0,8 dan mutasi 0,1.
Hasil penelitian menunjukkan bahwa kombinasi parameter populasi 200 dan 1000
generasi merupakan skenario paling optimal dan efisien. Nilai kelayakan (fitness)
mengalami peningkatan yang sangat signifikan dari 0,0345 pada Generasi ke-1
hingga mencapai titik puncak optimasi sempurna sebesar 1,0000 pada Generasi ke373. Pencapaian nilai fitness 1,0000 secara konsisten (dengan deviasi standar
0,0000 dan waktu komputasi 97,06 detik) ini mencerminkan pengurangan total
penalti konflik sebesar 100% (0 poin penalti). Seluruh pelanggaran batasan utama
(hard constraints) maupun batasan pendukung (soft constraints) berhasil
dieliminasi secara total (zero constraint violation). Tercapainya nilai fitness
sempurna pada Generasi ke-373 sekaligus memicu mekanisme penghentian
otomatis (early stopping), sehingga sistem tidak perlu menghabiskan seluruh batas
1000 generasi. Dengan demikian, Algoritma Genetika terbukti sangat efektif dan
efisien untuk menghasilkan draf jadwal perkuliahan yang optimal dan siap
direalisasikan secara nyata di PSTI Unram.
Kata kunci – Penjadwalan, Mata kuliah, Algoritma optimasi, Algoritma
Genetika, Fitness, Constraint