Pengklasifikasian kelas Ta’lim Afkar mahasantri baru Ma’had Sunan Ampel Al-‘Ali UIN Maulana Malik Ibrahim Malang.

INDONESIA :

Sistem Pengklasifikasian kelas ta’lim afkar mahasantri baru Ma’had Sunan Ampel Al-‘Ali UIN Maulana Malik Ibrahim Malang masih dilakukan dengan cara konvensional, yaitu dengan metode penalaran seorang penguji yang bersifat subjektif. Sehingga memungkinkan dalam suatu kelas terdapat mahasantri yang berada dalam kelas yang tidak sesuai. Masalah pengklasifikasian kelas merupakan masalah pengelompokan, algoritma genetika bisa digunakan untuk menyelesaikan masalah ini. Algoritma genetika bekerja dengan mencari individu terbaik sebagai solusi dalam pengklasifikasian mahasantri baru dengan menggunakan perangkat lunak. Algoritma genetika terdiri dari lima proses, inisialisasi kromosom, Seleksi menggunakan metode roulette wheel selection. Crossover menggunakan metode single-point crossover. Dalam proses ini bisa tidak terjadi mutasi, hal ini karena dipengaruhi peluang mutasi. Metode mutasi yang digunakan adalah swapping mutation. Hasil dari proses ini berupa data mahasantri yang ditempatkan dalam kelas sesuai dengan parameter yang ditentukan. Berdasarkan hasil tersebut didapatkan 91% mirip dengan hasil konvensional dan lebih tepat sasaran untuk pengklasifikasian kelas karena berdasarkan kemampuan mahasantri.

ENGLISH :

The classification system of ta’lim Afkar class for new university student in Ma'had Sunan Ampel Al-'Ali Maulana Malik Ibrahim State Islamic University Malang is still performed in a conventional manner. Its classified through a reasoning method of examiner which is very subjective. Thus allowing new university student contained in a class that is not appropriate for the class. Class classification problem is a grouping problem. Method that can be used for classification problems is genetic algorithms. Genetic algorithms work by finding the best individual as solution in classifying new university student using the software. Genetic algorithm consists of five processes, initiated with chromosome. The selection uses roulette wheel selection method. Crossover method uses single point crossover. In this process, the mutation may not occur. It is due to its opportunity. Conversely, the swapping mutation method can be used wherenever the mutation happens. The finding of this process is university student’s data placed in the class by constructed parameter. Based on the result of this study, 91 % of the data found is similar with convensional result and considered more accurate for class classifying since it is adjusted with their ability.