Perbandingan Kinerja Algoritma Memetika dengan Algoritma Genetika pada Penjadwalan Piket Pegawai Puskesmas (Studi Kasus Puskesmas Kebumen III)

Nico, Nico (2022) Perbandingan Kinerja Algoritma Memetika dengan Algoritma Genetika pada Penjadwalan Piket Pegawai Puskesmas (Studi Kasus Puskesmas Kebumen III). Diploma thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.

	Text Naskah Tugas Akhir.pdf Download (6MB)
	Text Cover.pdf Download (95kB)
	Text Abstrak.pdf Download (5kB)
	Text Daftar Isi.pdf Download (109kB)
	Text Daftar Pustaka.pdf Download (131kB)
	Text LEMBAR PENGESAHAN.pdf Download (914kB)

Abstract

Penjadwalan piket merupakan salah satu faktor terpenting dalam dunia kerja. Karena
seringnya terdapat banyak masalah dengan jadwal piket, seperti bentrok jadwal, ada yang
minta cuti, dan bertukar jadwal, maka penjadwal kesulitan dalam membuat arsip. Banyak
masalah penjadwalan telah diselesaikan dengan algoritma evolusioner. Algoritma
evolusionersangat rentan terhadap konvergensi data. Tetapi tidak ada yang membahas kapan
data mulai konvergen ketika menggunakan algoritma evolusioner. Algoritma terbaik di
antara algoritma evolusioner untuk penjadwalan adalah algoritma genetika dan algoritma
memetika. Dari kedua algoritme tersebut, tidak semua kasus menghasilkan hasil terbaik saat
menggunakan algoritma genetika atau algoritma memetika.
Oleh karena itu, perlu dilakukan perbandingan diantara algoritma genetika dan
algoritma memetika mana yang cocok untuk penjadwalan piket perawat. Dari hasil
penelitian ini, algoritma memetika lebih baik daripada algoritma genetika dalam membuat
jadwal piket. Algoritma memetika dengan populasi 10000 dan generasi 5000 tidak
menghasilkan data yang konvergen. Sedangkan untuk algoritma genetika, ketika
populasinya 5000 dan generasinya 50, maka konvergensi data dimulai. Untuk akurasi,
algoritma memetika hanya melanggar 24 dari 124 (80,645%) batasan yang ada. Algoritma
genetika melanggar 27 dari 124 batasan (78,225%). Rata-rata runtime yang digunakan
untuk menghasilkan data yang optimal menggunakan algoritma memetika membutuhkan
waktu 19.551584 detik. Untuk algoritma genetika membutuhkan waktu lebih lama yaitu
61.6327679 detik.

Item Type:	Thesis (Diploma)
Subjects:	Q Science > Q Science (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eny Suparny
Date Deposited:	06 Jun 2022 06:34
Last Modified:	06 Jun 2022 06:34
URI:	http://eprints.upnyk.ac.id/id/eprint/29986

Actions (login required)

View Item