Penerapan Algoritma Genetika Dalam Pengelompokan Mahasiswa KKN (Studi Kasus: KKN Angkatan XLII Universitas Mercu Buana Yogyakarta)

Arinadi Nur Rohmad, Mutaqin Akbar

Abstract


Kuliah Kerja Nyata-KKN (Program Pengembangan Masyarakat) merupakan kegiatan pengabdian masyarakat oleh mahasiswa dengan pendekatan lintas ilmu dan sektor, pada Universitas Mercu Buana Yogyakarta dikoordinasikan oleh Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) yang sekarang bernama Pusat Penelitian Pengabdian Masyarakat dan Kerjasama (P3MK). Dibutuhkan kelompok KKN dengan kriteria seperti kelas, program studi, dan jenis kelamin. Penelitian ini bertujuan untuk memberikan alternative pengelompokan mahasiswa KKN Angkatan XLII UMBY dengan menerapkan algoritma genetika. Representasi kromosom disajikan oleh pendekatan baris index yang dihasilkan secara acak selanjutnya dilakukan inisiasi populasi awal, seleksi elite, reproduksi, dan menentukan kromosom elite dari ranking. Aturan dalam pembagian KKN ini berfungsi sebagai constrain. Solusi terbaik adalah nilai fitness 100% dan mampu memberikan solusi dengan error/penalti rendah. Pada penelitian ini didapati bahwa hasil dari pengelompokan 807 peserta KKN Angkatan XLII UMBY mencapai 95% untuk kelas 22D dengan waktu eksekusi 5 menit 26 detik menggunakan 1 elite, 1500 offspring dan 300 mutant setiap generasi.

Keywords


Algoritma Genetika; KKN; Pengelompokan; Permutasi

References


H. Hermanto, “Kuliah Kerja Nyata Mahasiswa Its Sebagai Media Pemberdayaan Masyarakat Siap Menghadapi Era Revolusi Industry 4.0,” Widya Laksana, vol. 10, no. 1, pp. 1–6, 2021, doi: 10.23887/jwl.v10i1.23220.

A. Jenkins, V. Gupta, A. Myrick, and M. Lenoir, “Variations of Genetic Algorithms,” CoRR, vol. abs/1911.00490, 2019, doi: 10.48550/arXiv.1911.00490.

J. Blank and K. Deb, “Pymoo: Multi-Objective Optimization in Python,” IEEE Access, vol. 8, pp. 89497–89509, 2020, doi: 10.1109/ACCESS.2020.2990567.

Y. Babuji et al., “Parsl: Pervasive parallel programming in Python,” in HPDC 2019- Proceedings of the 28th International Symposium on High-Performance Parallel and Distributed Computing, Association for Computing Machinery, Inc, Jun. 2019, pp. 25–36. doi: 10.1145/3307681.3325400.

S. Ventura, J. Luna, and J. Moyano, Genetic Algorithms. IntechOpen, 2022. doi: 10.5772/intechopen.94664.

M. Ichsan, L. Rusdiana, S. Sam’ani, F. Haris, and M. H. Qamaruzzaman, “Perancangan e-business UKM Kerajinan Khas Daerah Kalimantan Tengah Di Kota Palangka Raya,” Jurnal Sains Komputer Dan Teknologi Informasi, vol. 4, no. 2, pp. 38–42, 2022, doi: 10.33084/jsakti.v4i2.3340.

S. C. Nurzanah, S. Alam, and T. I. Hermanto, “Analisis Association Rule Untuk Identifikasi Pola Gejala Penyakit Hipertensi Menggunakan Algoritma Apriori (Studi Kasus: Klinik Rafina Medical Center),” JIKO (Jurnal Informatika dan Komputer), vol. 5, no. 2, pp. 132–141, 2022, doi: 10.33387/jiko.v5i2.4792.

D. R. Agustian and B. A. Darmawan, “Analisis Clustering Demam Berdarah Dengue Dengan Algoritma K-Medoids (Studi Kasus Kabupaten Karawang),” JIKO (Jurnal Informatika dan Komputer), vol. 6, no. 1, pp. 18–26, 2022, doi: http://dx.doi.org/10.26798/jiko.v6i1.504.

N. A. Pratama, “Aplikasi Sistem Informasi Data Petani Dengan Optical Character Recognition Berbasis Android,” JIKO (Jurnal Informatika dan Komputer), vol. 6, no. 1, p. 92, Feb. 2022, doi: 10.26798/jiko.v6i1.503.

A. E. S. Setyadji et al., “CAUSES OF INEFFECTIVE IMPLEMENTATION OF IT GOVERNANCE IN RISK MANAGEMENT: A SYSTEMATIC LITERATURE REVIEW,” JIKO (Jurnal Informatika dan Komputer), vol. 6, no. 2, 2023, doi: 10.33387/jiko.v6i2.6182.

A. F. Gad, “PyGAD: An Intuitive Genetic Algorithm Python Library,” CoRR, vol. abs/2106.06158, 2021, doi: 10.48550/arXiv.2106.06158.

S. N. Kapita, “Aplikasi Jaringan Syaraf Tiruan Kohonen Self Organizing Map (K-SOM) pada Data Mutu Sekolah,” JIKO (Jurnal Informatika Dan Komputer), vol. 3, no. 1, pp. 56–61, 2020, doi: 10.33387/jiko.v3i1.1737.

S. Katoch, S. S. Chauhan, and V. Kumar, “A review on genetic algorithm: past, present, and future,” Multimed Tools Appl, vol. 80, no. 5, pp. 8091–8126, 2021, doi: 10.1007/s11042-020-10139-6.

N. Shanmugasundaram, K. Sushita, S. P. Kumar, and E. N. Ganesh, “Genetic algorithm-based road network design for optimising the vehicle travel distance,” International Journal of Vehicle Information and Communication Systems, vol. 4, no. 4, pp. 344–354, 2019, doi: 10.1504/IJVICS.2019.103931.

B. V Natesha and R. M. R. Guddeti, “Adopting elitism-based Genetic Algorithm for minimizing multi-objective problems of IoT service placement in fog computing environment,” Journal of Network and Computer Applications, vol. 178, p. 102972, 2021, doi: 10.1016/j.jnca.2020.102972.

A. Arram and M. Ayob, “A novel multi-parent order crossover in genetic algorithm for combinatorial optimization problems,” Comput Ind Eng, vol. 133, pp. 267–274, 2019, doi: 10.1016/j.cie.2019.05.012.

S. Stajkowski, D. Kumar, P. Samui, H. Bonakdari, and B. Gharabaghi, “Genetic-Algorithm-Optimized Sequential Model for Water Temperature Prediction,” Sustainability, vol. 12, no. 13, 2020, doi: 10.3390/su12135374.




DOI: http://dx.doi.org/10.26798/jiko.v8i1.1073

Article Metrics

Abstract view : 433 times
PDF (Bahasa Indonesia) - 329 times

Refbacks

  • There are currently no refbacks.


Bookmark and Share


Copyright (c) 2024 Arinadi Nur Rohmad, Mutaqin Akbar

JIKO (Jurnal Informatika dan Komputer)

Published by
Lembaga Penelitian dan Pengabdian Masyarakat
Universitas Teknologi Digital Indonesia (d.h STMIK AKAKOM)

Jl. Raya Janti (Majapahit) No. 143 Yogyakarta, 55198
Telp. (0274)486664

Website : https://www.utdi.ac.id/

e-ISSN : 2477-3964 
p-ISSN : 2477-4413

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.