Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Penjadwalan merupakan penentuan waktu mulai dan berakhirnya penugasan sumber daya, peristiwa untuk mencapai tujuan tertentu. Jadwal yang baik dapat meningkatkan efisiensi dan pemanfaatan sumber daya. University Examination Timetabling Problem (UETP) adalah permasalahan NP-hard untuk menentukan jadwal ujian bedasarkan daftar ujian, mahasiswa, waktu, dan ruangan yang terbatas. Studi ini mengusulkan metode Great Deluge Algorithm (GD) yang telah dimodifikasi dengan local search operator untuk menyelesaikan UETP. Metode ini diuji menggunakan data benchmark Toronto yang merupakan permasalahan Uncapacitated UETP. Metode yang diusulkan menunjukkan hasil yang menjanjikan dibandingkan dengan Algoritma Great Deluge yang tersedia dalam literatur sebelumnya. ......Scheduling involves determining the start and the end time of resource assignments, events, or tasks to achieve a particular goal. A good schedule can increase the efficiency and the utilization of resources. The University Examination Timetabling Problem (UETP) is an NP-hard problem that determines the schedule of exams given students’ exam lists and limited period and room. This study proposes using a Great Deluge Algorithm (GD) with local search operators to solve the UETP. The method is used to generate solutions for the uncapacitated Toronto benchmark datasets. The proposed method shows promising results compared to the original Great Deluge Algorithm and the Modified Great Deluge Algorithm available in previous literature.

Abstrak :
Proses pembuatan jadwal kuliah merupakan kegiatan yang panjang, membosankan, serta membutuhkan waktu dan pemikiran yang cukup besar jika dilakukan secara manual. Penyelesaian masalah penjadwalan kuliah secara otomatis dengan bantuan komputer dapat mengurangi waktu dan tenaga dalam membuat jadwal kuliah dan memperkecil terjadinya kesalahan yang disebabkan human error. Genetic algorithm (GA) merupakan salah satu algoritma local search yang bekerja dengan memori yang kecil dan sering kali dapat menemukan solusi yang masuk akal dalam state space yang sangat besar yang tidak bisa ditemukan oleh algoritma yang sistematik sehingga cocok digunakan untuk menyelesaikan masalah penjadwalan kuliah. Penjadwalan kuliah adalah masalah yang multiobjective karena banyak aspek yang menentukan baik buruknya suatu jadwal kuliah. Oleh karena itu, pada tugas akhir ini digunakan algoritma multiobjective SPEA2. Dalam tugas akhir ini, masalah penjadwalan kuliah dimodelkan sebagai constraint satisfaction problem, lalu diselesaikan dengan GA. Terdapat hard constraint dan soft constraint dalam penjadwalan kuliah. Setiap constraint dianggap sebagai satu fungsi objektif yang mempengarui nilai fitness individu. Pada eksperimen yang dilakukan, digunakan variasi: 1) ukuran test case: kecil, sedang, besar gasal, besar genap, 2) algoritma multiobjective: SPEA2 dan aggregation based, 3) 4 representasi chromosome, 4) GA parameter: populasi, archive size, crossover type, dan mutation rate, 5) constraint aktif. Dari hasil eksperimen, GA dapat menyelesaikan penjadwalan kuliah dengan baik karena pada hampir semua test case yang dicobakan, GA dapat menghasilkan jadwal yang memenuhi semua constraint yang ada. Selain itu, mengenai parameter GA untuk masalah penjadwalan kuliah dapat disimpulkan: algoritma multiobjective SPEA2 lebih baik dari aggregation based, populasi semakin besar semakin baik, archive size yang ideal adalah 50% dari jumlah populasi, mutation rate sangat tergantung dari panjang genome.

---

The process of creating a university timetable is a long and tedious work that needs much time and energy if it is done manually. Solving university timetabling problem automatically with a computer not only can reduce time and energy but also prevent human error. Genetic algorithm (GA) is one of local search algorithm that requires little memory and can often find a reasonable solution in a very big state space search which can not be found by systematic search algorithms. Therefore, it is useful for solving timetabling problem. Timetable scheduling is a multiobjective problem because there are many aspects that determine whether a schedule is good or bad. Because of that, in this research, multiobjective algorithm SPEA2 is used. In this reasearch, timetabling problem is represented as a constraint satisfaction problem, then solved with GA. There are hard constraints and soft constraints in university timetabling problem. Each constraint is considered as an objective function that affect fitness value of an individual. In the experiment conducted, the variation used are: 1) test case size: small, medium, large odd, large even, 2) multiobjective algorithm: SPEA2 and aggregation based, 3) four different chromosome representations, 4) GA parameters: population, archive size, crossover type, and mutation rate, 5) active constraints. From the results of the experiment, GA can successfully solve timetabling problems because in almost all the test cases tried, GA can generate schedules that satisfy all the constraints. In addition, conclusions about the GA parameters for the timetabling problem are: multiobjective algorithm SPEA2 is better than aggregation based, the greater the population the better, the ideal archive size is 50% of the population, mutation rate is highly dependent on the length of the genome.

Abstrak :
Penelitian ini dilakukan untuk memperoleh jadwal mata kuliah pada perguruan tinggi yang optimal, sehingga jumlah mata kuliah yang bentrok dapat dikurangi, beban mahasiswa lebih merata, serta penggunaan ruang kelas lebih optimal. Hal ini dilakukan dengan optimasi yaitu melalui penentuan jadwal mata kuliah. Optimasi jadwal dilakukan dengan menggunakan algoritma genetika. Algoritma genetika adalah salah satu algoritma yang tepat digunakan untuk memecahkan permasalahan dalam skala besar dan memiliki tingkat kompleksitas yang tinggi sehingga cocok untuk digunakan memecahkan masalah penjadwalan mata kuliah pada perguruan tinggi yang terkenal rumit dan memiliki banyak sekali variabel kendala yang harus dipenuhi dalam pembuatan jadwal yang baik. Hasil yang diharapkan dari penelitian ini adalah sebuah jadwal mata kuliah yang optimal berdasarkan jumlah mata kuliah yang bentrok, beban mahasiswa, dan penggunaan ruang kelas. Setelah penelitian dilakukan diperoleh jadwal baru yang optimal.

---

The aim of this research is to gain an optimum schedule for university course timetabling problem, in order to decrease the number of clashed courses, even distribute student's study burden, and optimize class utilization. Schedule optimization were achieved using genetic algorithm. Genetic algorithm is one kind of algorithms that appropiate to be used for solving large scale problem with high complexity so it suitable to be used for solving university course timetabling problem which is an NP-hard problem and many constraints variable that has to be fulfilled in order to make a good schedule. The result of this research is an optimum schedule based on number of clashed courses, student's study burden, and class utilization. After the research is completely done, the result is a new optimum schedule.

Abstrak :
Artikel ini akan mencoba membahas pemecahan masalah penjadwal kuliah dengan pendekatan ilmu Intelegensia Semu (Artificial Intelligence), yakni dengan menggunakan Constrain Satisfaction Problem. Penulis telah merancang dan menguji sebuah teknik baru pencarian solusi dengan intelligent search yang dikombinasikan dengan algoritma Smart Backtracking. Algoritma yang kami kembangkan ini telah dicoba dengan sejumlah studi kasus berskala kecil (7 dosen 7 matakuliah 23 kelas 2 ruang 35 jam perkulaiahan tiap minggu dan lebih dari 1380 mahasiswa) dan menghasilkan output yang diinginkan dalam waktu yang sangat singkat. Percobaan dengan real data (1198 dosen, 1457 matakuliah, 2311 kelas, 122 ruang, 40 jam perkuliahan tiap minggu dan lebih dari 20000 mahasiswa) telah menghasilkan solusi yang baik meskipun tidak dapat mencapai solusi 100% lengkap. Sejumlah constraint terutama yang berkaitan dengan dosesn dan mahasiswa kelas paket seringkali sulit dipenuhi karena adanya sejumlah kelas yang merupakan gabungan beberapa paker (dapat mencapai 12)

Abstrak :
University Course Timetabling Problem merupakan proses penjadwalan mata kuliah di sebuah universitas yang hasilnya diusahakan seoptimal mungkin untuk tidak saling berbenturan dengan batasan-batasan dan syarat-syarat (constraints) tertentu. Dalam menentukan penjadwalan berbasis perhitungan, salah satu metode yang dapat digunakan adalah Graph Coloring. Graph Coloring merupakan merupakan metode yang paling sederhana dan dapat digunakan untuk menentukan penjadwalan yang memiliki berbagai macam constraints. Pada penelitian ini, peneliti mengusulkan pengembangan dari metode Graph Coloring yang ada untuk membuat penjadwalan mata kuliah yang optimal dengan memertimbangkan berbagai macam constraints. Pengembangan ini diujicobakan ke penjadwalan mata kuliah di Fakultas Teknologi Informasi Universitas Tarumanagara (FTI Untar). Hasil percobaan menunjukkan bahwa pengembangan metode Graph Coloring memberikan hasil penjadwalan yang memenuhi rata-rata 93% seluruh constraints yang ditentukan. Rata-rata 7% pelanggaran constraints dikarenakan keterbatasan jumlah ruang dan total slot waktu kuliah, serta permintaan jadwal tertentu oleh dosen.