Kristi, Clarisa (2022) IMPLEMENTASI ALGORITMA GENETIKA UNTUK OPTIMASI PENJADWALAN DALAM PENJUALAN TIKET GOKART BERBASIS WEB (Studi Kasus : Bremgra Climbing Indoor). Skripsi thesis, Universitas Mercu Buana Yogyakarta.
ABSTRAK.pdf
Download (14kB) | Preview
BAB I.pdf
Download (88kB) | Preview
BAB II.pdf
Restricted to Repository staff only
Download (248kB) | Request a copy
BAB III.pdf
Restricted to Repository staff only
Download (920kB) | Request a copy
BAB IV.pdf
Restricted to Repository staff only
Download (1MB) | Request a copy
BAB V.pdf
Download (31kB) | Preview
DAFTAR PUSTAKA.pdf
Download (31kB) | Preview
LAMPIRAN.pdf
Restricted to Repository staff only
Download (1MB) | Request a copy
SKRIPSI FULL TEXT.pdf
Restricted to Repository staff only
Download (3MB) | Request a copy
Source Code.zip
Restricted to Repository staff only
Download (62MB) | Request a copy
Abstract
Pengelolaan data dan informasi dengan memanfaatkan teknologi sudah banyak digunakan oleh perusahaan. Namun banyak juga perusahaan yang masih melakukan olah data secara manual. Salah satu contohnya di Bremgra Climbing Indoor. Pada pemesanan tiket gokart di Bremgra masih dilakukan secara manual. Customer harus datang ketempat atau bertanya melalui whatsapp terkait informasi tentang wahana gokart. Selain itu, admin whatsapp harus mencocokkan data dari customer yang sudah memesan tiket secara on the spot untuk dapat mengetahui jadwal dan menginformasikannya kepada customer. Meningkatnya peminat bermain gokart di Bremgra membuat ketidakefektifan penjadwalan gokart yang menyebabkan menurunnya penjualan tiket gokart. Maka diperlukan optimasi penjadwalan yang mana pada penelitian ini memanfaatkan algoritma genetika. Representasi gen untuk membuat sebuah kromosom dalam populasinya adalah data jam, data customer dan data kart. Dari hasil uji tingkat akurasi implementasi algoritma genetika untuk optimasi pemesanan tiket gokart berbasis web dihasilkan accuracy yang mengukur seberapa besar presentase data test yang secara benar terklasifikasi adalah 96%, Recall yang mengukur besar presentase data yang bentrok dengan benar diklasifikasikan bentrok adalah 84%, Precision yang mengukur besar presentase yang diprediksi tidak bentrok dan hasilnya tidak bentrok adalah 100% dan f-measure yang mengukur tingkat baik atau tidaknya keseluruhan performa model yang dibuat adalah sebesar 91%.
Item Type: | Thesis (Skripsi) |
---|---|
Additional Information/Lokasi Hardcopy: | Perpustakaan Kampus 3 UMBY |
Uncontrolled Keywords: | algoritma genetika, Penjadwalan tiket, F-measure |
Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science |
Divisions: | Fakultas Teknologi Informasi > Program Studi Teknik Informatika |
Depositing User: | Teknik Informatika UMBY |
Date Deposited: | 14 Dec 2022 03:43 |
Last Modified: | 14 Dec 2022 03:43 |
URI: | http://eprints.mercubuana-yogya.ac.id/id/eprint/17102 |