ANALISIS PEMBANGKITAN JADWAL PERKULIAHAN DENGAN DISCRETE PARTICLE SWARM OPTIMIZATION

Widaryanto, Rochim (2013) ANALISIS PEMBANGKITAN JADWAL PERKULIAHAN DENGAN DISCRETE PARTICLE SWARM OPTIMIZATION. S2 thesis, UAJY.

Preview	Text (Halaman Judul) 0MTF01536.pdf Download (648kB) | Preview
Preview	Text (Bab I) 1MTF01536.pdf Download (78kB) | Preview
Preview	Text (Bab II) 2MTF01536.pdf Download (121kB) | Preview
	Text (Bab III) 3MTF01536.pdf Restricted to Registered users only Download (65kB)
	Text (Bab IV) 4MTF01536.pdf Restricted to Registered users only Download (1MB)
Preview	Text (Bab V) 5MTF01536.pdf Download (1MB) | Preview

Abstract

Timetable perkuliahan merupakan tabel yang digunakan untuk mengkoordinasi siswa, dosen, ruang dan sumberdaya lain. Dalam proses pembentukan timetable, terdapat kendala yang bersifat lemah (soft constraint) dan kendala yang bersifat tegas (hard constraint). Pada perkuliahan, pembentukan timetable ditentukan oleh jumlah ruang, mata kuliah, tingkatan semester setiap mata kuliah, jumlah kelas pada mata kuliah, aturan kampus dan preferensi dosen. Banyaknya hal yang menentukan pembentukan timetable menyebabkan rumitnya menentukan keputusan yang optimal. Metode traditional forward checking, metaheuristik, algoritma genetik, tabu search, PSO, pernah digunakan untuk meyelesaikan timetable. PSO (Particle Swarm Optimization) adalah salah satu algoritma terbaru dari algoritma swarm intelligence. PSO memiliki dasar kecerdasan yang baik. Algoritma DPSO (Discrete Particle Swarm Optimization) merupakan pengembangan dari algoritma PSO. PSO menggunakan perhitungan secara numerik, sedangkan DPSO menggunakan konsep permutasi. Masalah timetable dalam komputasi dapat dilihat sebagai masalah diskret sehingga algoritma DPSO dapat digunakan untuk menyelesaikan masalah timetable. Paper ini mencoba untuk mengaplikasikan algoritma DPSO untuk optimasi timetable perkuliahan. Teknik penyebaran data pada partikel dilakukan secara random. jumlah partikel dan jumlah pergerakan partikel (epoch) mendekati posisi terbaik cocok ditentukan sebelum melakukan generate timetable. Saat terjadi indikasi pelanggaran terhadap hard constraint, maka algoritma akan mendeteksi bagian dari partikel yang melanggar hard constraint untuk menghindari pelanggaran. Metode DPSO telah perhasil dieksplorasi dengan membuat prototipe yang mengenerate jadwal kuliah dengan data 44 kendala dosen tipe satu, 23 kendala dosen tipe dua dan satu kendala mahasiswa. Pada pengujian dengan 100 epoch dan 100 partikel, 96% kendala dosen tipe satu terpenuhi, 43% kendala dosen tipe dua terpenuhi, dan 33% kendala mahasiswa terpenuhi

Actions (login required)

View Item