Perbandingan Jumlah Pinalti Alokasi Task pada Penjadwalan Kerja dengan Perhitungan Manual dan Algoritma Genetika
Abstract
Penelitian ini mengambil studi kasus penjadwalan pengalokasian task kepada resource pada proyek pendokumentasian alur program di sebuah perusahaan. Alokasi task yang dilakukan pada pembuatan jadwal adalah perhitungan alokasi line of code harus sesuai dengan target line of code yang harus diselesaikan. Permasalahan yang terjadi pada saat pembuatan jadwal adalah perhitungan jumlah line of code dari script program pada penentuan task kadang kala kala tidak sesuai dengan target line of code. Perhitungan yang tidak tepat ini berdampak pada saat pengerjaan dan estimasi total waktu pengerjaan. Oleh karena itu diusulkan pembuatan jadwal dengan menggunakan algoritma genetika. Pendekatan yang dilakukan dengan cara membandingkan apakah pembuatan jadwal dengan algoritma genetika dapat memberikan hasil yang lebih baik dibandingkan dengan proses manual. Algoritma genetika adalah teknik pencarian dan optimasi yang terinspirasi dari prinsip genetika dan seleksi alam yang biasa digunakan untuk memecahkan suatu pencarian nilai pada masalah optimasi. Hasil uji coba penelitian menunjukkan bahwa pembuatan jadwal dengan algoritma genetika ternyata mampu meminimalisir perhitungan jumlah line of code yang tidak sesuai dengan target dibandingkan dengan perhitungan manual. Hal ini ditunjukkan dengan adanya penurunan jumlah line of code yang tidak sesuai dengan target yaitu sebesar 699 baris atau sebesar 15,9 % dari total. Kontribusi dalam penelitian memberikan kesimpulan bahwa pembuatan jadwal dengan algoritma genetika memberikan hasil yang lebih baik dibandingkan jadwal yang dibuat manual meskipun hasilnya tidak cukup signifikan.
References
[2] K. Irfan, M. A. Rizq and A. Selly, Implementasi Algoritma Genetika Dalam Penjadwalan Perkuliahan Di Jurusan Teknik Komputer Dan Informatika Politeknik Negeri Bandung, Bandung, 2011.
[3] L. A. Fadhil, E. C. Djamal and R. Ilyas, Optimalisasi lahan tanah untuk area rumah dan jalan menggunakan algoritma genetika, Cimahi: Universitas Wahid Hasyim Semarang, 2016.
[4] R. Kristaningsih, H. A. Parhusip and T. Mahatma, Penggunaan Algoritma Genetika dalam Mengoptimalkan kandungan Karbohidrat dan Protein pada Mocorin, Salatiga: UNY, 2013.
[5] M. D. Vose, The Simple Genetic Algorithm Foundation and Theory, London: Bradford Book, 1999.
[6] S. Suyanto, Intelijensia Buatan, Bandung: STT Telkom, 2002.
[7] Juniawati, Optimasi Proses Pengolahan Mi Jagung Instan Berdasarkan, Bogor: IPB, 2003.
[8] R. Michael, K. Vida and S. B. Shuvr, A Modular Genetic Algorithm for Scheduling Task Graphs, United States, 2003.
[9] P. S.N.Sivanandam and P. S.N.Deepa., Introduction to Genetic Algorithms, Berlin Heidelberg, 2008.