aplikasi penjadwalan mata kuliah menggunakan particle swarm optimization
TRANSCRIPT
-
7/24/2019 Aplikasi Penjadwalan Mata Kuliah Menggunakan Particle Swarm Optimization
1/8
JURNAL TEKNIK INFORMATIKA VOL. 8 NO. 2 BULAN OKTOBER 2015
1
APLIKASI PENJADWALAN MATA KULIAH MENGGUNAKAN
ALGORITMA PARTICLE SWARM OPTIM IZATION(PSO)
Irfrans Kusmarna1, Luh Kesuma Wardhani2, Muhammad Safrizal3
1,3
Jurusan Teknik Informatika, Fakultas Sains dan Teknologi, UIN Sultan Syarif Kasim Riau2Prodi Teknik Informatika, Fakultas Sains dan Teknologi, UIN Syarif Hidayatullah [email protected],[email protected],[email protected]
ABSTRAK
Tujuan dari penelitian ini adalah untuk membangun aplikasi penjadwalan kuliah menggunakan algoritma ParticleSwarm Optimization(PSO). Algoritma ini dipilih sebagai algoritma yang digunakan dalam penelitian ini karenaalgoritma PSO yang merupakan algoritma heuristik, adalah salah satu metode optimasi yang menggabungkanlocalsearchdanglobal search. Algoritma ini dapat memecahkan masalah dengan membentuk partikel-partikel padapopulasi awal secara acak, mengevaluasi nilaifitness, dan meng-update velocityserta posisi dari partikel. Dengandemikian diharapkan output yang dihasilkan merupakan kombinasi terbaik dari serangkaian komponen yang ada.Kasus penjadwalan yang digunakan pada penelitian ini adalah penjadwalan mata kuliah di UIN Sultan Syarif KasimRiau (UIN SUSKA). Permasalahan yang terjadi pada penjadwalan mata kuliah di UIN SUSKA Riau adalah tidakoptimalnya pemenuhan beberapa contraintseperti keterbatasan ruangan. Dari hasil pengujian, aplikasi penjadwalanperkuliahan meggunakan algoritma PSO mampu menghasilkan jadwal perkuliahan yang sudah tidak ada bentroktetapi masih tidak memenuhi dari segi kualitas yaitu jam dimulainya perkuliahan inti yang difokuskan pada jam-jamyang efektif.
Kata kunci:Constraint, Fitness, Particle swarm optimizaton, Penjadwalan
I. PENDAHULUAN
Penjadwalan merupakan proses, cara, pembagianwaktu berdasarkan rencana pengaturan yang terperinci.Terdapat banyak hal yang harus dijadwalkan di suatuperguruan tinggi, di antaranya proses penerimaanmahasiswa baru, seminar, Ujian Tengah Semester(UTS), Ujian Akhir Semester (UAS), dan yang palingpenting yaitu penjadwalan mata kuliah. Penjadwalanmata kuliah merupakan hal yang penting di duniapendidikan. Penjadwalan yang baik dan memenuhisemua ketentuan universitas dan jurusan merupakan
salah satu hal yang menjamin kelancaran pelaksanaankegiatan belajar mengajar.
Permasalahan penjadwalan juga terjadi di UINSultan Syarif Kasim (Suska) Riau. Berdasarkan hasilwawancara yang dilakukan oleh peneliti denganSekretaris Jurusan Teknik Informatika UIN SuskaRiau, terdapat beberapa aturan yang harus diperhatikanpada saat penjadwalan mata kuliah di Jurusan TeknikInformatika (TIF) UIN Suska Riau, yaitu:a) Setiap mata kuliah disajikan maksimal 2 (dua) kali
sehari;
b) Setiap dosen dijadwalkan mengajar 2 (dua) kalisehari;
c) Tidak terdapat perkuliahan pada jam shalat Jumat;d) Tidak terdapat perkuliahan pada jam makan siang;
e) Mata kuliah inti informatika dijadwalkan pagi hari;f) Dosen praktisi dijadwalkan mengajar hari sabtu;g) Dosen TIF dan non-TIF dijadwalkan mengajar padahari senin-jumat.h) Mata kuliah pilihan dijadwalkan siang hari;i) Tidak ada perkuliahan pada hari Kamis dari pukul08.0012.00 bagi mahasiswa semester I, II, dan III;j) Waktu perkuliahan yang tersedia adalah hari SeninRabu adalah antara pukul 08.0016.00 WIB, dan hariKamisJumat antara pukul 08.0016.30 WIB.
Untuk menyelesaikan masalah tersebut digunakanalgoritma Particle Swarm Optimization (PSO).Algoritma ini dapat memecahkan masalah denganmembentuk partikel-partikel pada populasi awal secaraacak, mengevaluasi nilai fitness, dan meng-updatevelocity serta posisi dari partikel berdasarkanruang pencarian.
Diharapkan dengan bantuan Particle SwarmOptimization (PSO) penyusunan penjadwalan matakuliah dapat dioptimalkan.Rumusan masalah dari
penelitian ini adalah,Bagaimana membangun aplikasi
penjadwalan dengan menggunakan Particle SwarmOptimization(PSO)pada Jurusan Teknik Informatika
mailto:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected] -
7/24/2019 Aplikasi Penjadwalan Mata Kuliah Menggunakan Particle Swarm Optimization
2/8
JURNAL TEKNIK INFORMATIKA VOL. 8 NO. 2 BULAN OKTOBER 2015
2
UIN Suska Riau. Sedangkan batasan masalah dalampenelitian ini adalah:
1. Mata kuliah yang akan mengalami proses dalamParticle Swarm Optimization (PSO) hanya matakuliah yang sifatnya memerlukan ruangan, haridan waktu tertentu.
2. Constraint yang digunakan bersifat statis yangdiinputkan pada program.
3. Constraint mengikuti aturan yang berlaku padapenyusunan jadwal kuliah di jurusan teknikinformatika UIN Suska Riau.
II. TINJAUAN PUSTAKA
2.1Penjadwalan Kuliah
Menurut Putra (2009)[2], penjadwalan merupakanproses untuk menyusun suatu jadwal atau urutan proses
yang diperlukan dalam sebuah persoalan. Persoalanpenjadwalan biasanya berhubungan dengan
penjadwalan kelas dalam sekolah atau perkuliahan danjuga dalam lingkup yang tidak jauh berbeda sepertipenjadwalan ujian, penjadwalan karyawan, ataupunpenjadwalan job shop. Dalam penjadwalan kuliah,akan dibahas tentang pembagian jadwal untuk tiap
mahasiswa pada kuliah tertentu sekaligus dosenpengajarnya. Dalam penjadwalan ujian akan dibahas
pengaturan dosen yang menjaga ujian dan mahasiswayang menempati ruang ujian yang ada.a. Mendefinisikan atau membuat model dari
permasalahan. Model yang dibuat mencakupproses apa saja yang akan dikerjakan dalam
persoalan penjadwalan yang ada.b. Mendesain metode penyelesaian untuk
permasalahan penjadwalan tersebut. Dari modelyang telah ada, ditentukan metode yangdigunakanuntuk menyelesaikan permasalahan penjadwalantersebut.
c. Mencari bermacam-macam contoh permasalahanpenjadwalan yang telah dibuat. Dalam proses inidilakukan pencarian penyelesaian penjadwalanyang pernah digunakan agar dapat dipakai sebagai
referensi dalam proses yang sedang dilakukan.
2.2Particle Swarm Optimization(PSO)
PSO, merupakan algoritma berbasis populasi yangmengeksploitasi individu dalam pencarian. Dalam PSOpopulasi disebut swarmdan individu disebut particle.Tiap partikel berpindah dengan kecepatan yangdiadaptasi dari daerah pencarian dan menyimpannyasebagai posisi terbaik yang pernah dicapai. AlgoritmaPSO ini awalnya diusulkan oleh J. Kennedy dan R. C.Eberhart.
PSO didasarkan pada perilaku sosial sekawananburung atau sekumpulan ikan. Algoritma PSO meniru
perilaku sosial organisme ini. Perilaku sosial terdiridari tindakan individu dan pengaruh dari individu-individu lain dalam suatu kelompok. Kata partikelmenunjukkan, misalnya, seekor burung dalamkawanan burung. Setiap individu atau partikelberperilaku secara terdistribusi dengan caramenggunakan kecerdasannya (intelligence) sendiri danjuga dipengaruhi perilaku kelompok kolektifnya.Dengan demikian, jika satu partikel atau seekor burungmenemukan jalan yang tepat atau pendek menuju kesumber makanan, sisa kelompok yang lain juga akandapat segera mengikuti jalan tersebut meskipun lokasi
mereka jauh di kelompok tersebut.Algoritma PSO terdiri dari tiga tahap[1], yaitu
pembangkitan posisi serta kecepatan partikel, updatevelocity (update kecepatan), updateposition (updateposisi).
Pertama posisidan kecepatandari kumpulanpartikel dibangkitkan secara random menggunakanbatas atas (xmax) dan batas bawah (xmin) dari designvariable, seperti yang ditunjukkan pada persamaan (1)dan (2) (3):
0 =xmin+ rand(xmaxxmin) (1)0 =xmin+ rand(xmaxxmin) (2)
Dimana:
0 = posisi awal
0 = kecepatan awal
xmin = batas bawahxmax = batas atasrand = nilairandomantara nilai 0 dan 1
Dalam proses random diperlukan slot untukmenampung dari randomposisi dan random kecepatan.Melalui proses pembangkitan partikel ini dapat makakumpulan partikel dapatterdistribusi secara acak. Posisidan kecepatan dari partikel direpresentasikan melalui
vector.+1
Langkah kedua adalah update velocity
(kecepatan) untuk semua partikel pada waktu k+1menggunakan fungsi objektif atau nilai fitness [4]posisi partikel saat ini pada design spacesaat waktu kek. Dari nilaifitnessdapat ditentukan partikel mana yang
memiliki nilaiglobalterbaik (global best) padaswarmsaat ini, dan juga dapat ditentukan posisi terbaik daritiap partikel pada semua waktu yang sekarang dansebelumnya (pi). Perumusan update velocitymenggunakan dua informasi tersebut untuk semuapartikel pada kumpulan dengan pengaruh perpindahanyang sekaranguntuk memberikan arah pencarian untukgenerasi selanjutnya.
Perumusan updatevelocity mencakup beberapaparameter random (rand), untuk mendapatkan cakupan
-
7/24/2019 Aplikasi Penjadwalan Mata Kuliah Menggunakan Particle Swarm Optimization
3/8
JURNAL TEKNIK INFORMATIKA VOL. 8 NO. 2 BULAN OKTOBER 2015
3
yang baik pada design space, tiga parameter yangmempengaruhi arah pencarian, yaitu inertia factor(w),self confidence (c1), swarmconfidence (c2) akandigabungkan dalam satu penyajian, seperti yangditunjukkan persamaan berikut:
k+1i =w*k
i+c1*rand*(pi-ki )+c2*rand*(k
g- ) (3)
Dengan range w=0.4-0.9, rand=interval 0-1,
Langkah terakhir dari setiap iterasi adalahupdate posisi tiap partikel dengan vektor velocity,seperti yang ditunjukkan pada persamaan berikut:
+1 =
+ +1 (4)
Tiga tahapan di atas akan diulang sampai
krtiteria kekonvergenan terpenuhi, kriteria
kekonvergenan sangat penting dalam menghindaripenambahan fungsi evaluasi setelah solusi optimumdidapatkan, namun kriteria kekonvergenan tidak selalumutlak diperlukan, penetapan jumlah iterasi maksimal
juga dapat digunakan sebagai stopping conditiondarialgoritma.
Banyak cara untuk membangun kondisiberhenti, di antaranya adalah: iterasi dihentikan ketikaPSO telah mencapai iterasi maksimum, atau PSO telahmenemukan nilai optimum tertentu atau kesalahanminimum yang diinginkan.Algoritma PSO adalah sebagai berikut:
for setiap partikel
Inisialisasi partikel menggunakan persamaan (1) dan (2)
end
repeat
for setiap partikel
Hitung nilaifitness
if nilai fitness baru lebih baik daripada nilai fitness
lama
Updatenilaifitnessdari partikel tersebut
EndPilih partikel dengan nilai fitness terbaik diantara
semua partikel tetangganya dan simpan nilai
fitnessterbaik tersebutfor setiap partikel
Hitung velocitypartikel menggunakan
persamaan (3)Update posisi partikel menggunakanpersamaan (4)
Enduntil (KriteriaBerhenti == true)
III. ANALISA DAN PERANCANGAN
3.1Aturan Penjadwalan Kuliah
Aturan-aturan penjadwalan di Jurusan TeknikInformatika UIN Suska Riau adalah sebagai berikut:1. Ruangan kelas tidak boleh dijadwalkan lebih dari
satu perkuliahan secara bersamaan.2. Perkuliahan mahasiswa tidak boleh dijadwalkan
secara bersamaan.3. Dosen tidak boleh dijadwalkan mengajar secara
bersamaan.4. Setiap mata kuliah disajikan maksimal 2 (dua) kali
sehari.5. Setiap dosen dijadwalkan mengajar 2 (dua) kali
sehari.6. Tidak terdapat perkuliahan pada jam shalat jumat.7. Tidak terdapat perkuliahan pada jam makan siang.
8.
Mata kuliah inti dijadwalkan pagi hari.9. Dosen praktisi dijadwalkan mengajar hari Sabtu.
10.Dosen TIF dan non-TIF dijadwalkan mengajarpada hari senin-jumat.
11.Mata kuliah pilihan dijadwalkan siang hari.12.Tidak ada perkuliahan pada hari Kamis dari pukul
08.0012.00 bagi mahasiswa semester I, II, dan
III.13.Waktu perkuliahan yang tersedia adalah hari
SeninRabu adalah antara pukul 08.0016.00WIB, dan hari KamisJumat antara pukul 08.0016.30 WIB.
3.2Analisa PSO Pada Kasus Penjadwalan Mata
KuliahGambar 1 adalah diagram alir analisa PSO dalampenjadwalan mata kuliah di jurusan TIF UINSUSKA Riau.
-
7/24/2019 Aplikasi Penjadwalan Mata Kuliah Menggunakan Particle Swarm Optimization
4/8
JURNAL TEKNIK INFORMATIKA VOL. 8 NO. 2 BULAN OKTOBER 2015
4
Start
Inisialisasi & Bangkitkan
posisi awal partikel hari, jam,
ruangan, serta kecepatan
awal secara random
Evaluasi fitness berdasarkanposisinya
Update nilai terbaik partikel
dan kumpulan PBestdan
GBest
Update Nilai Velocity untuk
semua partikel Hari, Jam,
Ruangan
Update Nilai Posisi untuk
semua partikel hari, jam, dan
ruangan
Evaluasi fitness setiap partikel
hari, jam, dan ruangan
Memenuhi Nilai Optimum
atau max iterasi?
TIDAK
Stop
YA
Gambar 1. Diagram alir analisa PSO dalam
penjadwalan mata kuliah
Partikel yang diinisialisasi dalam penjadwalanmata kuliah ini meliputi data jam, ruang, hari, dosen,mata kuliah, dan ajar.
Tabel 1 Inisialisasi Data Jam
Id_Jam Jam
1 08.0008.50
2 08.5009.40
3 09.4010.30
4 10.3011.20
5 11.2012.10
6 13.0013.50
7 13.5014.40
8 14.4015.30
9 15.3016.20
Tabel 2Inisialisasi Data Ruangan
Id_Ruangan Nama Ruangan
1 TIF 301
2 TIF 302
3 TIF 303
4 TIF 304
5 TIF 305
6 PSI 101
7 PSI 102
8 PSI 103
9 LAB 1
10 LAB 2
Tabel 3.Contoh Pembangkitan posisi partikel pada iterasipertama
Partikel 1Partikel
2
Partike
l 3
Partikel
4
Ajar
Hari JamRuanga
nId MK DosenKela
s
1 1 26 A 1,1 8,1 3
2 1 26 B 2,6 4,6 4
3 1 26 C 2,1 4,6 4,5
4 1 25 D 2,8 6,4 5,2
Update velocity dan posisi menggunakanparameter uji coba yang diambil dari hasil penelitianyang dilakukan oleh Dian Ariani (Ariani, 2011) yangmana dengan parameter ini dapat menghasilkan rata-rata jadwal yang lebih optimal. Nilai tersebut adalah:C1 = 1.5; C2 = 1.5; w = 0.5.
Contoh hasil perhitungan update velocity danposisi pada iterasi pertama dapat dilihat pada tabel 4.
Tabel 4. Contoh Hasil perhitungan update velocitydan
posisi pada iterasi pertamaPartikel
R1 R2
P2 P3 P4
AjarHari Jam Ruangan
Id Makul Dosen Kelas
1 1 26 A 0.3 0.2 1.7 12.2 4.5
2 1 26 B 0.3 0.4 3.9 6.9 6.0
3 1 26 C 0.1 0.2 3.2 4.9 7.8
4 1 25 D 0.1 0.3 4.2 9.6 7.8
Langkah selanjutnya adalah hitung kembalinilaifitness. Jika posisi semua partikel menuju ke satunilai yang sama, maka ini disebut konvergen. Jikabelum konvergen maka langkah 2 diulang dengan
memperbaharui iterasi i = i + 1, dengan cara
-
7/24/2019 Aplikasi Penjadwalan Mata Kuliah Menggunakan Particle Swarm Optimization
5/8
JURNAL TEKNIK INFORMATIKA VOL. 8 NO. 2 BULAN OKTOBER 2015
5
menghitung nilai baru daripi dan
. Proses iterasi ini
dilanjutkan sampai semua partikel menuju ke satu titiksolusi yang sama. Biasanya akan ditentukan dengankriteria penghentian (stopping condition), misalnya
jumlah selisih solusi sekarang dengan solusi
sebelumnya sudah sangat kecil.
3.3 FungsiFungsi-fungsi yang dibutuhkan oleh sistem adalahsebagai berikut:1. Fungsi Pembangkitan Posisi dan Kecepatan
Fungsi ini digunakan untuk inisialisasi danpembuatan populasi awal dengan mengacak semuadata ajar, data ruangan, data hari, dan data jammenjadi partikel-partikel
2. FungsiFitnessFungsi yang digunakan untuk menyatakanseberapa baik nilai dari suatu individu ataupunsolusi yang didapatkan.
3. Fungsi UpdateKecepatanFungsi ini digunakan untuk memperbarui nilaikecepatan berdasarkan nilai fungsi yang diberikan.
4. Fungsi UpdatePosisiFungsi ini digunakan untuk memperbarui nilaiposisi baru partikel berdasarkan nilai kecepatanperpindahan partikel.
5. Fungsi Setting(Pengaturan)
Dalam fungsi ini tedapat fasilitas untukmenentukan parameter-parameter dalam PSO,
seperti nilai faktor inertia, learning rates (selfconfidence, swarmconfidence). Akan tetapiparameter ini juga memiliki nilai default untuk
mengantisipasi bila perubahan nilai parametermenghasilkan kinerja yang kurang memuaskan.
3.3 Diagram Alir Sistem
Pengguna Sistem
Mulai
Login Berhasil?
Input Data User Pengelolaan Data User Db_Mstr_User
Input Data Hari Pengelolaan Data Hari Db_Mstr_Hari
Input Data Jam Pengelolaan Data Jam Db_Mstr_Jam
Input Data
Ruangan
Pengelolaan Data
RuanganDb_Mstr_Ruang
Input Data Dosen Pengelolaan Data Dosen Db_Mstr_Dosen
Input Data Mata
KuliahPengelolaan Data MK Db_Mstr_MK
Input Data Ajar Pengelolaan Data Ajar Db_Mstr_Ajar
Ya
Hasil Penjadwalan
Mata Kuliah
Inisialisasi Partikel
Pembangkitan Posisi
Evaluasi Fitness
Update Local Best dan
Global Best
Update Velocity
Update Posisi
Proses PSO
Selesai
Tidak
Gambar 2. Diagram Alir Sistem
-
7/24/2019 Aplikasi Penjadwalan Mata Kuliah Menggunakan Particle Swarm Optimization
6/8
JURNAL TEKNIK INFORMATIKA VOL. 8 NO. 2 BULAN OKTOBER 2015
6
3.3 Entity Relationship Diagram(ERD)
Tbl_MK
Nama_MK
SKS semester
Status
Jenis_MK
Tbl_user
username password
Id_MK
Tbl_Dosen
Kode_dosenNama_dosen
status
Tbl_Ajar
Id_MK
Id_dosen
Kelas
Id_ajar
memiliki
1
M memiliki
1
M
Tbl_Jadwal
tahun
Id_hari
Id_jamId_ruangan
Id_ajar
Id_jadwal
semester
memiliki
Tbl_Jam
jamId_jam
memilikiM 1
Tbl_Hari
Nama_hari
Id_hari
memiliki
Tbl_ruangan
Nama_ruangan
Id_ruangan
M1
1 memiliki M
Kode_mk
Gambar 3.Entity Relationship Diagram(ERD)
IV. IMPLEMENTASI DAN PENGUJIAN
4.1 Implementasi
Tampilan menu utamadapat diakses jika menulogindinyatakan valid.
Gambar 5. Tampilan menu utama
Untuk menjalankan aplikasi ini, setelahdiinputkan data masternya, proses selanjutnya adalahmenekan button Penjadwalan, kemudian isi nilaiparameter yang dibutuhkan atau bisa menggunakan
nilai default.
Gambar 6. Proses Pembuatan Jadwal
Setelah menekan tombol proses, sistem akan
memulai proses pembuatan jadwal, nilai setiap iterasiakan disimpan dalam memori sementara. Setelahselesai tekan tombol Lihat Hasil untuk melihat datajadwal yang telah dibuat oleh sistem denganmenggunakan PSO.
-
7/24/2019 Aplikasi Penjadwalan Mata Kuliah Menggunakan Particle Swarm Optimization
7/8
JURNAL TEKNIK INFORMATIKA VOL. 8 NO. 2 BULAN OKTOBER 2015
7
Gambar 7. Laporan jadwal
4.2 Pengujian
Pengujian yang dilakukan pada aplikasi iniadalah:1. MenggunakanBlack Box
Hasil pengujian sistem yang dilakukan denganmenggunakan black box adalah:
Tabel 1. Hasil pengujian black box
No.
UjiButir Uji
Hasil
Pengujian
Uji 1 Pengujian Modul Login Diterima
Uji 2Pengujian Modul Menu
InputData HariDiterima
Uji 3Pengujian Modul Menu
InputData JamDiterima
Uji 4Pengujian Modul Menu
InputData RuanganDiterima
Uji 5Pengujian Modul Menu
InputData DosenDiterima
Uji 6Pengujian Modul Menu
InputData Mata KuliahDiterima
Uji 7Pengujian Modul Menu
InputData AjarDiterima
Uji 8 Pengujian Modul MenuProses Diterima
Berdasarkan pengujian menggunakan Black box,seluruh menu dan button pada sistem penjadwalan
perkuliahan ini berfungsi dengan baik.
2. Menggunakan Uji PerformansiPengujian performansi yang dilakukan dengan
pengujian menggunakan parameter nilai defaultdan
parameter inputan user.
Tabel 2. Parameter Perhitungan dengan Nilai Default
C1 C2 wIterasi
Maksimum
1,5 1,5 0,5 1000
Tabel 3. Pengujian Performansi dengan Parameter NilaiDefault
Pengujian ke- Jumlah Iterasi Hasil Pengujian
1 40 Berhasil
2 28 Berhasil
3 32 Berhasil
4 39 Berhasil
5 29 Berhasil
6 37 Berhasil
7 23 Berhasil
8 29 Berhasil
9 45 Berhasil
10 23 Berhasil
Tabel 4. Pengujian Performansi dengan Parameter Input dari
User
Pengujian
ke-
C1 C2 w IterasiHasil
Pengujian1 1 2 0,6 38 Berhasil
2 3 2 0.6 48 Berhasil
3 0.7 1.4 0.4 40 Berhasil
4 3 1 0.5 28 Berhasil
5 2 0.5 0.9 34 Berhasil
6 2 1 0.8 41 Berhasil
7 4 1 0.5 32 Berhasil
8 1 4 0.5 37 Berhasil
9 5 1 0.4 31 Berhasil
10 1 7 0.7 42 Berhasil
Berdasarkan pengujian performansi, baik yangmenggunakan parameter nilai default maupun yang
menggunakan nilai inputan dari user, sistem ini
-
7/24/2019 Aplikasi Penjadwalan Mata Kuliah Menggunakan Particle Swarm Optimization
8/8
JURNAL TEKNIK INFORMATIKA VOL. 8 NO. 2 BULAN OKTOBER 2015
8
berhasil menghasilkan solusi penjadwalan matakuliah yang sudah tidak terdapat bentrok terhadap
hari, jam, dan ruangan perkuliahan.
3. Menggunakan User Acceptence TestUser Acceptance Test merupakan pengujian
yang dilakukan dengan meminta persetujuan dari user
terhadap output yang dihasilkan oleh aplikasipenjadwalan mata kuliah ini. Responden yang
melakukan pengujian yaitu Ketua Jurusan atauSekretaris Jurusan Teknik Informatika UIN SuskaRiau. Hasil pengujian ini adalah: aplikasi ini berhasil
menghasilkan jadwal perkuliahan yang sudah tidakterdapat bentrok, namun tidak berhasil memenuhi
dari segi kualitas yaitu jam dimulainya perkuliahanyang difokuskan pada jam-jam yang efektif.
V. PENUTUP
5.1 Kesimpulan
Kesimpulan dari penelitian ini adalah sebagaiberikut:1. Aplikasi penjadwalan mata kuliah menggunakan
Particle Swarm Optimization (PSO) berhasildirancang dan dibangun untuk menghasilkan
jadwal perkuliahan di Jurusan TeknikInformatika UIN Suska Riau walaupun tidaksemua constraint yang ditetapkan oleh pihak
Jurusan terpenuhi.2. Walaupun berhasil menghasilkan jadwal
perkuliahan yang sudah tidak terdapat bentrok,namun tidak berhasil memenuhi dari segikualitas yaitu jam dimulainya perkuliahan yangdifokuskan pada jam-jam yang efektif.
3. Aplikasi penjadwalan mata kuliah ini mampumenangani proses input data, melakukan proses
pembuatan jadwal perkuliahan secara otomatisdan menghasilkan jadwal yang dapat
ditampilkan dan dapat pula dicetak.4. Aplikasi penjadwalan mata kuliah menggunakan
Particle Swarm Optimization (PSO) memiliki
kekurangan yaitu constraint yang tidak bisaberubah sesuai kondisi.
5.2 Saran
Dari hasil pembahasan yang telah dilakukan,
dapat disarankan untuk penelitian selanjutnya agar:1. Penelitian mengenai performansi algoritma
masih sangat dibutuhkan lebih lanjut padabidang aplikasi lainnya, sehingga mampumemberikan kontribusi pada perkembangan
algoritma tersebut.2. Untuk pengembangan selanjutnya, constraint
dibuat dapat diubah sesuai kebutuhan danpersyaratan pembuatan jadwal yang berlaku.
3. Jam dimulainya perkuliahan difokuskan padajam-jam yang efektif.
DAFTAR PUSTAKA
[1] Ariani, Dian, 2011, Optimasi Penjadwalan MataKuliah di Jurusan Teknik Informatika PENS
Dengan Menggunakan Algoritma ParticleSwarm Optimization (PSO), Surabaya, Institut
Teknologi Sepuluh Nopember.[2] Putra, Yendrika, 2009, Aplikasi Penjadwalan
Perkuliahan Menggunakan Algoritma Genetika,Pekanbaru UIN Suska Riau
[3] Santosa, Budi, dan Paul Willy, 2011, Metoda
Metaheuristik Konsep dan Implementasi,Surabaya, Guna Widya.
[4] Suyanto, 2008, Evolutionary Computation,Bandung, Informatika.