Optimasi penjadwalan personalia rumah sakit berbasis Agent menggunakan Algoritma Genetika

ABSTRAK

Penjadwalan merupakan kasus yang umum ditemui dikehidupan sehari-hari, karena berperan penting untuk keteraturan, khususnya penjadwalan personalia rumah sakit. Penggunaan Algoritma Genetika sangat membantu dalam hal penyusunan jadwal. Jadwal disusun dengan tahap-tahap yang ada pada Algoritma Genetika, dan hasil yang diperoleh adalah dari jumlah generasi yang telah mengalami tahap perhitungan nilai fitness, seleksi roulette wheel, crossover dan mutasi. Semakin banyak jumlah generasi yang akan dihasilkan, maka generasi yang memiliki nilai fitness optimal akan semakin besar dan pola jadwal yang optimal akan terbentuk sesuai dengan jumlahnya. Berdasarkan hasil uji coba, jika generasi awal jumlahnya adalah 10, maka generasi yang memiliki nilai fitness optimal hanya 1 generasi. Hasil uji coba yang lain menggunakan generasi yang berjumlah 10000 dan hasil generasi yang bernilai fitness optimal sebanyak 323 generasi.

Intelligent agent sendiri bertugas untuk mencari nama-nama pegawai yang sedang mendapatkan hari libur cadangan, sehingga memudahkan pegawai yang akan mengajukan cuti untuk mengetahui pegawai yang lain untuk menggantikan tugasnya.

ABSTRACT

Scheduling is a common case relation to daily living, because it plays an important role for the order, especially scheduling of hospital personnel. Use of Genetic Algorithm is very helpful in the preparation of the schedule. Schedule prepared by the steps on Genetic Algorithms, and the results obtained are of the generation that has experienced a stage of calculation of fitness values, roulette wheel selection, crossover and mutation. The more the number of generations that will be generated, the generation that has the optimal fitness value will be greater and the optimal schedule pattern will be formed in accordance with the amount. Based on trial results, if the first generation number is 10, then the generation that has the optimal fitness value is only one generation. The results of other trials using generation the number 10000 and the generation of optimal fitness value as much as 323 generations.

Intelligent agent itself tasked to find the names of employees who currently get a day off reserve, making it easier for employees who would ask leave to find another employee to replace the job.