Optimasi penjadwalan perkuliahan Jurusan Teknik Informatika Universitas Islam Negeri Maulana Malik Ibrahim Malang menggunakan metode Simulated Annealing

ABSTRAK

Hal yang sangat penting dalam proses kegiatan akademik adalah penjadwalan. Penjadwalan menjadi masalah yang sangat sulit dipecahkan khususnya pada jurusan Teknik Informatika UIN Maulana Malik Ibrahim Malang. Dengan banyaknya keterbatasan seperti jumlah dosen, kekurangan ruang,banyaknya kelas yang harus terpenuhi menjadikan permasalahan penjadwalan ini semakin komplek. Selama ini di Jurusan Teknik Informatika UIN Maliki Malang penjadwalan perkuliahan dilakukan secara manual dengan dengan berbagai kendala diatas membutuhkan waktu yang lama dan masih terjadi bentrokan-bentrokan jadwal sehingga dianggap kurang efektif dan efisian, sehingga perlu adanya aplikasi penjadwalan perkuliahan secara otomatis. Dengan merujuk penelitian terdahulu tentang penjadwalan yang menggunakan metode pengoptimalan Algoritma Genetika dengan metode seleksi Rollete Whell yang masih mengalami error 27,79%, maka dalam penelitian ini digunakan metode baru yaitu Simulated Annealing untuk memperbaiki aplikasi tersebut yang nantinya juga akan dibandingkan hasilnya dengan penelitian terbaru menggunakan Algoritma Genetika metode seleksi Rank yang juga memperbaiki aplikasi sebelumnya, manakah yang lebih baik.

Simulated Annealing merupakan metode optimasi probabilistik untuk pengoptimalan penjadwalan yang dimodelkan dari proses metalurgi pada ilmu fisika untuk pembekuan molekul secara perlahan. Penggunaan algoritma penjadwalan Simulated Annealing bertujuan untuk mendapatkan penjadwalan yang optimal dan waktu yang cepat.

Berdasarkan uji coba yang dilakukan menggunakan data sebanyak 217 kelas perkuliahan, dengan parameter hasil uji coba yang merupakan kombinasi parameter penelitian terdahulu didapatkan pengontrol jadwal(T) 5000 dan pereduksi pengontrol (α) 0.9, menghasilkan jadwal kuliah dengan tingkat kesalahan sebesar 0% dengan waktu estimasi 00:25:00 untuk 5 kali percobaan. Sehingga aplikasi ini sudah bisa digunakan untuk membuat penjadwalan karena hasilnya sudah optimal. Sementara Algoritma Genetika metode seleksi Rank menggunakan data yang sama juga dapat mengoptimalkan penjadwalan dengan tingkat kesalahan yang sama yaitu 0%, namun estimasi waktu lebih lama yaitu 03:13:45.

ABSTRACT

It is very important in the process is the scheduling of academic activities. Scheduling is a very difficult problem solved, especially in the Department of Information UIN Malang Maulana Malik Ibrahim. With so many limitations such as the number of teachers, shortage of space, the number of classes that must be met to make this increasingly complex scheduling problems. During this time the Department of Information UIN Malang Maliki lecture scheduling is done manually with the above constraints requires a long time and clashes still occur schedule so it is considered less effective and fuel-efficient, so the need for application scheduling classes automatically. With reference to previous research on scheduling using Genetic Algorithm optimization method with Rollete whell selection method that is still experiencing the error 27.79%, then in this study used a new method of Simulated Annealing to improve the application which will also be compared the results with a recent study using Genetic Algorithm Rank selection method that also improve the previous application, which is better.

Annealing is a probabilistic optimization methods for scheduling optimization of metallurgical processes are modeled on the science of molecular physics to freeze slowly. Use of Simulated Annealing scheduling algorithm aims to obtain the optimal scheduling and a fast time.

Based on experiments performed using the data as much as 217 lecture classes, with the parameters of the test results that are combinations of previous studies obtained parameter schedule controller (T) 5000 and reducing controller (α) 0.9, produces a schedule of lectures with an error rate of 0% with a time estimate 00:25:00 to 5 times the experiment. So this application can be used to make the scheduling because the results were optimal. While Genetic Algorithm Rank selection method using the same data can also optimize the scheduling with the same error rate is 0%, but a longer time estimation is 03:13:45.