Kajian Algoritma Optimasi Penjadwalan Mata Kuliah
Main Article Content
Abstract
Penjadwalan mata kuliah merupakan hal penting yang dilakukan pada awal semester akademik. Proses penyusunan jadwal kuliah secara manual seringkali mengalami kesulitan karena terdapat beberapa konstrain sehingga membutuhkan waktu yang lama. Penelitian ini bertujuan mengkaji algoritma-algoritma yang sesuai dengan masalah penjadwalan mata kuliah. Pencarian dan analisis dilakukan terhadap literatur yang berkaitan dengan optimasi penjadwalan. Proses pencarian literatur dilakukan pada Google Scholar dan Science Direct dengan memasukkan kata kunci utama “course timetable”, “university timetable problem”, “school scheduling”, dan “algoritma penjadwalan”. Hasil analisis literatur meliputi sebaran domain, analisis algoritma serta gap dari penelitian sebelumnya. Pada penelitian sebelumnya terdapat kekurangan seperti algoritma yang tidak dapat menghasilkan solusi optimal. Hasil sebaran domain yang diperoleh ialah universitas dan sekolah dengan persentase 88% dan 12% dari keseluruhan makalah. Adanya temuan 14 sebaran algoritma dapat diklasifikasikan menjadi 3 metode, yaitu heuristic, metaheuristic, dan hyper-heuristic. Berdasarkan hasil analisis, dapat diberikan beberapa rekomendasi. Untuk optimasi yang cepat, Simulated Annealing (SA) dapat menjadi solusi karena mampu menghasilkan solusi dengan waktu 0.481-10.102s. Untuk solusi waktu dan nilai fitness terbaik, Genetic Algorithm (GA) dapat menjadi solusi karena mampu menghasilkan solusi dengan waktu 0.964-73.461s dan nilai fitness 1.
Downloads
Article Details
References
[2] T. Sunarni, R. Bendi, and A. Alfian, “Penerapan Teknik Pewarnaan Simpul Graf Pada Permasalahan Penjadwalan Kuliah,” Pros. Ritektra, vol. 8, no. 1, pp. 84–91, 2018.
[3] A. Lemos, F. S. Melo, P. T. Monteiro, and I. Lynce, “Room usage optimization in timetabling: A case study at Universidade de Lisboa,” Oper. Res. Perspect., vol. 6, no. July 2018, p. 100092, 2019.
[4] A. Muklason, R. G. Irianti, and A. Marom, “Automated course timetabling optimization using tabu-variable neighborhood search based hyper-heuristic algorithm,” Procedia Comput. Sci., vol. 161, pp. 656–664, 2019.
[5] A. S. Laswi, “Perbandingan Algoritma Fitness of Spring dan Algoritma Tabu Search pada Kasus Penjadwalan Perkuliahan,” Ilk. J. Ilm., vol. 12, no. 1, pp. 39–46, 2020.
[6] N. I. Kurniati, A. Rahmatulloh, and D. Rahmawati, “Perbandingan Performa Algoritma Koloni Semut Dengan Algoritma Genetika – Tabu Search Dalam Penjadwalan Kuliah,” Comput. Eng. Sci. Syst. J., vol. 4, no. 1, p. 17, 2019.
[7] Z. Houhamdi, B. Athamena, R. Abuzaineddin, and M. Muhairat, “A multi-agent system for course timetable generation,” TEM J., vol. 8, no. 1, pp. 211–221, 2019.
[8] D. D. P. Sari, W. F. Mahmudy, and D. E. Ratnawati, “Optimasi Penjadwalan Mata Pelajaran Menggunakan Algoritma Genetika ( Studi Kasus?: SMPN 1 Gondang Mojokerto ),” Univ. Brawijaya, vol. 5, no. 13, pp. 1–9, 2015.
[9] H. Setiawan, L. H. Hanafi, and K. R. Prilianti, “Implementasi Algoritma Kunang-Kunang Untuk Penjadwalan Mata Kuliah di Universitas Ma Chung,” J. Buana Inform., vol. 6, no. 4, 2015.
[10] Theresia Sunarni, R. Kristoforus Jawa Bendi, Achmad Alfian, “Optimasi Penjadwalan Mata Kuliah Menggunakan Pewarnaan Graf,” Pros. SNTI dan SATELIT, no. January, pp. E48-53, 2017.
[11] I. Kusmarna, L. K. Wardhani, and M. Safrizal, “Aplikasi Penjadwalan Mata Kuliah Menggunakan Algoritma Particle Swarm Optimization (Pso),” J. Tek. Inform., vol. 8, no. 2, pp. 1–8, 2015.
[12] A. H. Climbing, “ALGORITMA HILL CLIMBING LECTURE TIMETABLING USING HILL CLIMBING,” vol. 1, pp. 98–105, 2017.
[13] S. Ni Luh Gede Pivin, S. I Made, and D. Suta, “Penerapan Algoritma Genetika Untuk Penjadwalan Mata Pelajaran,” J. Appl. Intell. Syst., vol. 1, no. 3, pp. 220–233, 2016.
[14] E. Suhartono, “Optimasi Penjadwalan Mata Kuliah dengan Algoritma Genetika ( Studi Kasus di AMIK JTC Semarang ),” Infokam, vol. 2, pp. 132–146, 2015.
[15] E. A. Abdelhalim and G. A. El Khayat, “A Utilization-based Genetic Algorithm for Solving the University Timetabling Problem (UGA),” Alexandria Eng. J., vol. 55, no. 2, pp. 1395–1409, 2016.
[16] D. Wahyuningsih, “Rancangan Sistem Penjadwalan Akademik Menggunakan Algoritma Max Min Ant System (Studi Kasus: STMIK Atma Luhur Pangkalpinang),” J. Edukasi dan Penelit. Inform., vol. 1, no. 2, pp. 1–4, 2015.
[17] A. Josi, “Implementasi Algoritma Genetika Pada Aplikasi Penjadwalan Perkuliahan Berbasis Web Dengan Mengadopsi Model Waterfall,” J. Inform. J. Pengemb. IT, vol. 02, no. 02, pp. 77–83, 2017.
[18] D. W. Nugraha, A. Y. E. Dodu, and M. F. B. Paloloang, “Sistem Penjadwalan Perkuliahan Menggunakan Algoritma Particle Swarm Optimization Pada Jurusan Teknologi Informasi Fakultas Teknik Universitas Tadulako,” Sci. Comput. Sci. Informatics J., vol. 2, no. 1, p. 1, 2019.
[19] M. Assi, B. Halawi, and R. A. Haraty, “Genetic Algorithm Analysis using the Graph Coloring Method for Solving the University Timetable Problem,” Procedia Comput. Sci., vol. 126, pp. 899–906, 2018.
[20] N. G. A. P. H. Saptarini, P. I. Ciptayani, N. W. Wisswani, I. W. Suasnawa, and N. E. Indrayana, “Comparing Selection Method in Course Scheduling Using Genetic Algorithm,” vol. 1, no. Icst, pp. 574–578, 2018.
[21] S. Mauluddin, I. Ikbal, and A. Nursikuwagus, “Complexity and performance comparison of genetic algorithm and ant colony for best solution timetable class,” J. Eng. Sci. Technol., vol. 15, no. 1, pp. 276–290, 2020.
[22] F. Broberg, E. Eriksson, and F. Broberg, “Comparing MAX-MIN and Rank- based Ant Colony Optimization Algorithms for solving the University Course Timetabling Problem Royal Institute of Technology Timetabling Problem Examinor?: Orjan,” 2018.
[23] A. Salman and R. Hanna, “A Comparative Study between GeneticAlgorithm, Simulated Annealing and a Hybrid Algorithm for solving a University Course Timetabling Problem,” Degree Proj. Technol., 2018.
[24] I. Andersson and C. P. Svensson, “Comparing Two-Phase Hybrid Metaheuristics for the University Course Timetabling Problem,” 2019.
[25] D. R. Ramdania, M. Irfan, F. Alfarisi, and D. Nuraiman, “Comparison of genetic algorithms and Particle Swarm Optimization (PSO) algorithms in course scheduling,” J. Phys. Conf. Ser., vol. 1402, no. 2, 2019.
[26] I. A. Ashari, M. A. Muslim, and A. Alamsyah, “Comparison Performance of Genetic Algorithm and Ant Colony Optimization in Course Scheduling Optimizing,” Sci. J. Informatics, vol. 3, no. 2, pp. 149–158, 2016.