Penerapan Algoritma Genetika Untuk Optimasi Penempatan Buku Perpustakaan STIKOM Binaniaga

Frans Winowatan

Abstract

Perpustakaan ialah sebuah ruangan, bagian sebuah gedung, ataupun gedung itu sendiri yang digunakan untuk menyimpan buku dan terbitan lainnya yang biasanya disimpan menurut tata susunan tertentu untuk digunakan pembaca, bukan untuk dijual. Penempatan Buku di dalam rak perpustakaan harus bisa seoptimal mungkin untuk mempermudah dalam hal mencari buku. Tujuan dari penelitian ini adalah untuk memperoleh pola yang tepat untuk menentukan urutan posisi buku yang sesuai subjek buku dengan menggunakan metode algoritma genetika. Dengan memasukkan inputan berupa data buku kode rak buku dan jumlah buku yang ada, proses optimasi akan menemukan pola penempatan buku berdasarkan fitness, yaitu semakin tepat dalam penempatan buku. Untuk mendapatkan output pada algoritma genetika, diperlukan beberapa tahapan yaitu dimulai dari proses inisialisasi populasi awal, pencarian nilai fitness, seleksi, crossover, mutasi dan lainnya. Pola atau aturan yang dihasilkan dari proses algoritma genetika pada permasalahan penempatan buku memberikan solusi berupa nilai fitness adalah 0.0080, dengan pola penempatan buku yaitu 16-8-6-10-18-13-7-14-15-17-3-12-2-1-9-11-4-5. Optimasi penempatan buku ini mendapatkan hasil bahwa penempatan buku berdasarkan algoritma genetika dibandingkan dengan penempatan buku data awal memiliki tingkat optimal sebesar 31.61574. Nilai RMSE tersebut menunjukan nilai eror dari metode yang digunakan, nilai tersebut diperoleh dengan membandingkan posisi buku algoritma genetika dengan posisi buku pada data awal dengan urutan posisi buku sesuai dengan jumlah buku. Sementara tingkat  ketepatan prediksi metode algoritma genetika sebesar 68.38%. nilai ketepatan prediksi tersebut dapat dijadikan referensi untuk optimasi penempatan buku.

Full Text:

PDF

References

Basuki, S. (1993). Pengantar Ilmu Perpustakaan. Jakarta: PT Gramedia Pustaka Utama.

Hasibuan, M. D., & Lusiana. (2015). Pencarian Rute Terbaik Pada Travelling Salesman Problem (TSP) menggunakan algoritma genetika pada dinas kebersiihan dan pertamanan kota pekanbaru. Sains dan Teknologi Informasi.

Hyndman, R. J. (2014). Forecasting: Principles & Practice. Australia: University of Western Australia.

Janata, A., & haerani, E. (2015). Sistem Penjadwalan Outsourcing Menggunakan Algoritma genetika (Studi kasus : PT Syarikatama). Jurnal CoreIT.

Kusnadi, A., & santoso, d. s. (2015). Implementasi Algoritma Genetika Pada Penempatan Tugas Asisten Laboratorium Berbasis Web(Studi Kasus: LAB ICT Universitas Multimedia Nusantara). Ultimatics.

Loliancy, E. (2009). Analisis kinerja literatur. FISIP UI.

Putri, A. D., & Astuti, I. M. (2014, Juni 3). Tata letak ilustrasi ditinjau dari segi proporsional ilustrasi pada buku pendamping tematik terpadu.

Ramdhani, G. (2014). Penerapan Algoritma Genetika untuk Optimalisasi Penyusunan Kemasan Produk di Coldstrage dengan Sistem First-In, First-Out.

Saputro, H. A., Mahmudy, W. F., & Dewi, C. (2015). Implementasi algoritma genetika untuk optimasi penggunaan lahan pertanian. Jurnal Mahasiswa PTIIK.

Sihombing, R. S. (2014, April 2). Pemanfaatan algoritma genetika pada aplikasi penempatan buku untuk perpustakaan sekolah. VI, 113.

Siswono, T., & Palgunadi, S. (2014). Analisa Kombinasi Algoritma Genetika dengan Algoritma Palgunadi untuk Penjadwalan Mata kuliah di Universitas sebelas Maret.

Sumarlinah. (2013). Perpustakaan Indonesia Menghadapi Era Open Access. Bogor: Perpustakaan Institut Pertanian Bogor.

Suyanto. (2005). Algoritma Genetika dalam Matlab. Yogyakarta: Andi Publisher.

Widodo, T. S. (2012). Komputasi Evolusioner. Yogyakarta: Graha Ilmu.

Zukhri, Z. (2014). Algoritma Genetika. Yogyakarta: Andi Publisher.

Article metrics

Abstract views : 484 | views : 402

Refbacks

  • There are currently no refbacks.