<![CDATA[Abstrak : Penjadwalan praktikum laboratorium untuk membagi asisten sebagai pengajar dan pendamping berdasarkan ketersediaannya masih dilakukan secara manual menggunakan microsoft excel sehingga rawan terjadi kesalahan dan memerlukan waktu yang lebih. Sistem penjadwalan algoritma genetika dibuat guna membantu proses penjadwalan agar lebih efisien. Proses penjadwalan praktikum menggunakan algoritma genetika dengan kriteria asisten harus dijadwalkan sebagai pengajar maupun pendamping dalam keadaan tersedia. Dalam penelitian ini, parameter-parameter yang digunakan yaitu ukuran populasi sebanyak 20 individu dalam 50 generasi, serta nilai probabilitas crossover yang digunakan 0.8 dan probabilitas mutasi sebesar 0.1 yang mana menghasilkan nilai fitness 0.5 pada generasi terakhir. Nilai fitness ini merepresentasikan tingkat optimalitas solusi, di mana semakin tinggi nilai fitness, semakin sedikit pelanggaran terhadap kriteria penjadwalan. Dalam penelitian ini, nilai fitness 0.5 menunjukkan bahwa hanya terdapat 1 pelanggaran dari total 18 penempatan, sehingga menghasilkan nilai akurasi penjadwalan sebesar 94.44%.==================================================Abstract : Scheduling laboratory practicals to divide assistants as teachers and assistants based on availability is still done manually using Microsoft Excel so it is prone to errors and requires more time. The genetic algorithm scheduling system was created to help the scheduling process become more efficient. The practicum scheduling process uses a genetic algorithm with the criteria that assistants must be scheduled as teachers or assistants when available. In this research, the parameters used are a population size of 20 individuals in 50 generations, as well as a crossover probability value of 0.8 and a mutation probability of 0.1, which produces a fitness value of 0.5 in the last generation. This fitness value represents the level of optimality of the solution, where the higher the fitness value, the fewer violations of the scheduling criteria. In this research, a fitness value of 0.5 indicates that there was only 1 violation out of a total of 18 placements, resulting in a scheduling accuracy value of 94.44%]]>
