OPTIMASI PENJADWALAN PERKULIAHAN DI UNIVERSITAS TRIDINANTI PALEMBANG

OPTIMASI PENJADWALAN PERKULIAHAN DI UNIVERSITAS TRIDINANTI PALEMBANG Ferdian Tomhart 1,Afriyudi 2, Mutakin Bakti3, Dosen Universitas Bina Darma2,3, Mahasiswa Universitas Bina Darma2 Jalan Jenderal Ahmad Yani No.12 Palembang Pos-el : [email protected], @mail.binadarma.ac.id2, @mail.binadarma.ac.id3

Abstract: Scheduling of teaching and learning in college is a tricky thing. Problems often arise in the teaching and learning scheduler possibilities professors will administer more than one course that is no, because there is the possibility of the number of courses and number of lecturers are not comparable, so it should be well thought out solutions that lecturers do not administer two different courses on the day and the same hour. Furthermore, it should also be considered so that the availability of class learning activities can be carried out. Based on the above, the author wishes mengoptimasai scheduling classes at University School Guidance and Counseling Especially Tridinanti Palembang. The first goal of the optimization is obtained optimization scheduling scheduling a condition where there is the best combination for a couple of courses and lecturers as a whole, there is no problem on the student timetable clashes, as well as the availability of adequate space and appropriate facilities for all existing courses. So in writing this thesis proposal was appointed a title of "Class Scheduling Optimization at the University of Palembang Tridinanti". Keywords: Optimization, Scheduling, Genetic Algorithm Abstrak : Penjadwalan kegiatan belajar mengajar dalam suatu kampus adalah hal yang rumit. Permasalahan yang sering timbul dalam penjadwal belajar dan mengajar yaitu kemungkinan-kemungkinan dosen akan mengampu lebih dari satu mata kuliah yang ada, sebab ada kemungkinan jumlah mata kuliah dan jumlah dosen tidak sebanding, sehingga harus dipikirkan juga solusi agar dosen tidak mengampu dua mata kuliah berbeda pada hari dan jam yang sama. Selain itu, harus dipertimbangkan juga ketersediaan kelas sehingga kegiatan belajar dapat dilaksanakan. Berdasarkan uraian di atas, maka penulis berkeinginan mengoptimasai penjadwalan perkuliahan di Universitas Tridinanti Palembang Khususnya Fakultas FKIP. Diharapkan dengan adanya optimasi penjadwalan akan diperoleh optimasi penjadwalan yaitu kondisi dimana terjadi kombinasi terbaik untuk pasangan mata kuliah dan dosen pengajar secara keseluruhan, tidak ada permasalahan bentrokan jadwal pada sisi mahasiswa, serta ketersediaan ruang yang cukup dan sesuai secara fasilitas untuk seluruh mata kuliah yang ada. Maka dalam penulisan proposal skripsi ini diangkatlah sebuah judul yaitu “Optimasi Penjadwalan Perkuliahan di Universitas Tridinanti Palembang”. Kata Kunci : Optimasi, Penjadwalan, Algoritma Genetik

1

kepentingan perkantoran tetapi juga dapat

PENDAHULUAN teknologi

digunakan untuk kepentingan bisnis. Teknologi

informasi diharapkan dapat menjadi media

informasi yang didukung oleh perkembangan

yang

dan

perangkat keras (hardware) dan perangkat

menyebarkan informasi. Salah satunya adalah

lunak (software) secara langsung maupun tidak

komputer yang saat ini sudah bukan barang

langsung.

baru dan kini tidak hanya digunakan untuk

eksekutif yang banyak menggunakan teknologi

Dengan

paling

berkembangnya

efektif

untuk

mencari

Sebagai

contohnya

yaitu

para

Jurnal Ilmiah Teknik Informatika Optimasi Penjadwalan Perkuliahan Di Universitas Tridinanti Palembang (Ferdian Tomhart)

sebagai

alat

bantu

dalam

mengambil

2

keputusan.

METODE, ANALISIS DAN RANCANGAN

Permasalahan pada pembuatan jadwal mata kuliah di Universitas Tridinanti saat ini banyak

dosen

mengeluh

tentang

jadwal

tabrakan pada hari dan jam yang sama dan juga tidak tersedianya ruang kelas. Bagian tata usaha juga mengeluh dalam pembuatan jadwal tidak cepat, tepat dan kurang optimal, sehingga harus dipikirkan juga solusi agar dosen tidak mendapatkan mata kuliah pada hari dan jam yang sama. Selain itu, harus dipertimbangkan juga ketersediaan kelas sehingga kegiatan belajar dapat dilaksanakan. Sedangkan untuk bagian tata usaha agar dapat membuat jadwal lebih cepat dan optimal perlu dibangun suatu aplikasi penjadwalan. Berdasarkan uraian penulis

berkeinginan

penjadwalan tridinanti

perkuliahan

palembang

di atas, maka mengoptimasai di

universitas

khususnya

fakultas

keguruan ilmu pendidikan. Diharapkan dengan adanya optimasi penjadwalan akan diperoleh optimasi penjadwalan yaitu kondisi dimana terjadi kombinasi terbaik untuk pasangan mata kuliah dan dosen pengajar secara keseluruhan, tidak ada permasalahan bentrokan jadwal pada sisi mahasiswa, serta ketersediaan ruang yang cukup dan sesuai secara fasilitas untuk seluruh mata kuliah yang ada. Maka dalam penulisan skripsi ini diangkatlah sebuah judul yaitu “Optimasi Penjadwalan

Perkuliahan di

Universitas Tridinanti Palembang”.

2.1 Optimasi Query Teknik

optimasi

dapat

dilakukan

dengan beberapa cara. Terdapat 2 pendekatan optimasi yang umum digunakan sebagaimana diungkapkan oleh (Ermatita, 2010:3), yakni: 1.

Heuristik atau rule-based Teknik

ini

mengaplikasikan

aturan

heuristik untuk mempercepat proses query. Optimasi jenis ini mentransformasikan query dengan

sejumlah

aturan

yang

akan

meningkatkan kinerja eksekusi, yakni: a. Melakukan operasi selection di awal untuk mereduksi jumlah baris b. Melakukan operasi projection di awal untuk mereduksi jumlah atribut c. Mengkonversikan query dengan banyak join

menjadi

query

dengan

banyak

subquery. d. Melakukan operasi selection dan join yang paling kecil keluarannya sebelum operasi lain. 2. Cost-based Teknik ini mengoptimasikan cost yang dipergunakan dari beberapa alternatif untuk kemudian dipilih salah satu yang menjadi cost terendah. Teknik ini mengoptimalkan urutan join terbalik yang dimungkinkan pada relasirelasi

r1 → r2 → ... rn. Teknik ini

dipergunakan untuk mendapatkan pohon leftdeep join yang akan menghasilkan sebuah relasi sebenarnya pada node sebelah kanan

Jurnal Ilmiah Teknik Informatika Ilmu Komputer Vol. 11 No.2 Maret 2013: 1-11

yang bukan hasil dari sebuah intermediate join. (Setiawan, 2004:2). 2.2 Query Optimizer Query optimizer adalah bagian dari DBMS yang berfungsi mengoptimasi query.

Gambar 1. Arsitektur Query Optimizer

Proses yang biasanya terjadi dalam optimizer adalah optimizer memeriksa semua ekspresi-

Fungsi-fungsi

dari

masing-masing

ekspresi aljabar yang sama yang diberikan

modul pada gambar diatas akan dijelaskan

query dan

secara lebih rinci :

memilih salah satunya

yang

memiliki harga taksiran paling rendah. Tugas dari

optimizer

adalah

untuk

mentransformasikan inisial ekspresi query ke dalam

sebuah

rencana

evaluasi

yang

1. Rewriter Modul

ini

melakukan

transformasi-

menghasilkan record yang sama. (Ermatita,

transformasi untuk sebuah parse tree dari

2010:3).

query yang diberikan dan menghasilkan

Keuntungan dari optimizer adalah dapat mengakses semua informasi statistik dari sebuah database. Selain itu optimizer juga dapat

dengan

mudah

untuk

melakukan

query-query yang sama yang diharapkan lebih efisien. 2. Planner Modul ini adalah modul utama yang

optimisasi kembali apabila informasi statistik

menguji

sebuah database berubah dan optimizer dapat

query yang dihasilkan pada tingkat sebelumnya

menangani strategi yang berbeda-beda dalam

dan memilih satu dari semua rencana yang

jumlah besar yang tidak mungkin dilakukan

termurah,

oleh manusia.

menghasilkan jawaban dari query yang asli.

Proses optimisasi query dapat dianggap

semua

yang

rencana-rencana

akan

eksekusi

digunakan

untuk

Planner menggunakan search strategy, yang

mempunyai dua tingkatan. Dua tingkatan

memeriksa space (tempat)

tersebut adalah : rewriting dan planning.

rencana eksekusi. Space ini ditentukan oleh

Hanya ada satu modul pada tingkat pertama

dua modul lainnya dari optimizer, yaitu

yaitu rewriter, dimana semua modul-modul

Algebraic Space dan Method-Structure Space.

lainnya berada pada tingkat kedua. Tahap

Untuk kebanyakan bagian, dua modul ini dan

penulisan

level

search strategy menentukan harga seperti

declarative, sedangkan tahap perencanaan

running time dari optimizer itu sendiri yang

dapat juga disebut sebagai level procedural.

seharusnya

dapat

disebut

sebagai

serendah

dari

mungkin.

rencana-

Rencana-


rencana eksekusi yang diperiksa oleh planner

status atau individual direpresentasikan sebagai

dibandingkan berdasarkan perkiraan-perkiraan

sebuah string. (Ariwibowo, 2008:2).

harganya dan dipilih yang perkiraan harganya.

1. Fitness function Setiap individual dievaluasi dengan fitness

2.3 Algoritma Genetik Algoritma

genetika

function. adalah

algoritma

Sebuah

mengembalikan

fitness

nilai

function

tertinggi

untuk

pencarian heuristik yang didasarkan atas

individual yang terbaik. Individu akan

mekanisme evolusi biologis . Algoritma ini

diurutkan berdasarkan nilai atau disebut

didasari oleh konsep evaluasi biologi, dan

dengan selection.

dapat memberikan solusi alternatif atas suatu

2. Crossover

masalah yang hendak diselesaikan. Algoritma

Untuk setiap pasang induk, sebuah titik

genetika menawarkan suatu solusi pemecahan

crossover akan dipilih secara random dari

masalah yang terbaik, dengan memanfaatkan

posisi dalam string. Pada gambar titik

metode seleksi, crossover, dan mutasi.

crossover terletak pada indeks ketiga

Proses pencarian solusi diawali dengan tahap pembangkitan populasi awal secara acak. Populasi ini terdiri dari kromosom-kromosom.

dalam pasangan pertama dan setelah indeks kelima pada pasangan kedua. 3. Mutasi

Setiap kromosom merupakan gambaran solusi

Pada mutasi, tiap lokasi menjadi sasaran

atas pemecahan masalah. Populasi yang telah

mutasi

dipilih tersebut akan menghasilkan keturunan

independen

baru yang sifatnya diharapkan lebih baik dari

dimutasikan pada anak pertama, ketiga,

populasi sebelumnya. Populasi yang baik

dan

sifatnya akan memiliki peluang untuk terus

mengkombinasikan suatu kecenderungan

dikembangkan agar menghasilkan keturunan

menaik dengan pengeksplorasian acak di

populasi yang lebih baik selanjutnya. Dengan

antara

demikian, solusi terbaik yang diinginkan dapat

Keuntungan utamanya,bila ada, datang dari

dicapai

operasi

dengan

terus

mengulang

proses

pencarian keturunan.(Kurniawan, 2008:3).

acak,

dengan

probabilitas

yang kecil. Sebuah digit

keempat.

thread

crossover.

Algoritma

pencarian

Namun,

genetik

paralel.

secara

matematis dapat tunjukkan bahwa bila posisi dari kode genetik di permutasikan di

2.4 Teknik Penggunaan Algoritma Genetik Algoritma

genetik

dimulai

awal dengan urutan acak, crossover tidak

dengan

memberikan keunggulan. Secara intuisi,

sekumpulan set status yang dipilih secara

keuntungannya didapat dari kemampuan

random, yang disebut populasi. Algoritma ini

crossover untuk menggabungkan blok-blok

mengkombinasikan dua populasi induk. Setiap

huruf

berukuran

besar

yang

telah


berevolusi

secara

melakukan

fungsi

independen yang

untuk

bermanfaat

sehingga dapat menaikkan.

2.5 Analisis Objek yang ditelitih tentang optimasi penjadwalan

perkuliahan

di

Universitas

Tridinanti Palembang. Diharapkan dengan Flowchart program algoritma genetik seperti gambar dibawah ini.

optimasi

penjadwalan

perkuliahan

pada

Universitas Tridinanti Palembang khususnya fakultas keguruan ilmu pendidikan, tidak ada permasalahan bentrokan jadwal pada sisi mahasiswa, serta ketersediaan ruang yang cukup dan sesuai secara fasilitas untuk seluruh mata kuliah yang ada.

Gambar 2. Flowchat Program Algoritma Genetik Sedangkan pseudo code algoritma genetik

2.6 Perancangan

seperti dibawah ini.

a. Use Case Diagram

function GenetikAlgorithm(population,Fitness-FN) -> an individual {input berupa population, sebuah kumpulan individual dan Fitness-FN, sebuah fungsi yang mengukur fitness suatu individual} deklarasi i,x,y : integer algoritma repeat new_population<-empty set for i=1 to size(population) do x<-RandomSelection(population, Fitness-FN) y<-RandomSelection(population, Fitness-FN) child<-Reproduce(x,y) if(smallRandomProbability) then child<-mutate(child) add child to new_population population<-new_population until some individual is fit enough or the time has elapsed return the best individual in population(based on Fitness-FN) function Reproduce(x,y : parent individuals)->individual deklarasi algoritma n<-length(x) c<-random number from 1 to n return Append(substring(x,1,c), substring(y,c +1,n))

Use case Diagram (UCD) menjelaskan apa yang

akan

dilakukan

penjadwalan

perkuliahan

Tridinanti

Palembang

oleh di

dan

optimasi Universitas

siapa

yang

berinteraksi dengan sistem. UCD menjadi dokumen kerja dari admin dan user, penjelasan seperti gambar dibawah ini.

Gambar 3. Use Case Diagram


2. 3.

b. Diagram Activity Pengguna

Username Password

Varchar Varchar

25 25

2.6.2 Rancangan Antarmuka a. Rancangan Form Login

Gambar 4. Diagram Activity Pengguna 2.6.1 Rancangan Struktur Data Tabel 3.1 Tabel Mata Kuliah No Field 1. Kd_matakul 2. Nm_matakul 3. SKS

Type Varchar Varchar Intger

size 10 35 4

Gambar 3.3 Rancangan Form Login b. Rancangan Form Menu Utama

Tabel 3.2 Tabel Dosen No 1.

Field Kd_dosen

Type Varchar

Size 10

2. 3. 4.

Nm_dosen Alamat Telepon

Varchar Varchar Varchar

35 50 12

Gambar 3.4 Rancangan Form Menu Utama Tabel 3.4 Tabel Ruang No 1.

Field Kd_ruang

Type Varchar

Size 10

2.

Ruang

Varchar

15

c. Rancangan Form Matakuliah

Tabel 3.5 Tabel Jadwal No 1.

Field Kd_dosen

Type Varchar

Size 10

2. 3. 4. 5. 6.

Kd_matakul Hari Jam Kd_kelas Kd_ruang

Varchar Varchar Varchar Varchar Varchar

15 12 12 10 10

Type Integer

Size 4

Gambar 3.5 Rancangan Form Matakuliah

Tabel 3.6 Tabel Admin No 1.

Field Id_admin


d. Rancangan Form Dosen

h. Rancangan Form Optimasi Jadwal

Gambar 3.6 Rancangan Form Dosen e. Rancangan Form Kelas

Gambar 3.10 Rancangan Form Optimasi Jadwal 2.7 Algoritma Penjadwalan Algoritma Gambar 3.7 Rancangan Form Kelas

penjadwalan

penjadwalan

perkuliahan

pada di

optimasi Universitas

Tridinanti Palembang berdasarkan struktur data f.

Rancangan Form Ruang

Gambar 3.8 Rancangan Form Ruang

g. Rancangan Algoritma Penjadwalan

yaitu :

3. HASIL 3.1. Form Login form login merupakan tampilan pertama ketika optimasi

penjadwalan

perkuliahan

di

Universitas Tridinanti Palembang ditampilkan, tampilannya seperti dibawah ini.

Gambar 3.9 Rancangan Algoritma Penjadwalan

Gambar 25. Form Login


3.2. Form Menu Utama

3.5. Form Ruang

Form menu utama merupakan form induk dari

Form ruang merupakan form informasi ruang

optimasi

pada optimasi penjadwalan perkuliahan di

penjadwalan

perkuliahan

di

Universitas Tridinanti Palembang.


Gambar 4.2 Form Menu Utama

Gambar 4.5 Form Ruang

3.3. Form Hari

3.6. Form Mata Kuliah

Form hari merupakan form informasi hari pada

Form matakuliah merupakan form informasi

optimasi

matakuliah

pada

optimasi

perkuliahan

di

Universitas

penjadwalan

perkuliahan

di


penjadwalan Tridinanti

Palembang.

Gambar 4.3 Form Hari Gambar 4.6 Form Matakuliah 3.4. Form Jam Form jam merupakan form informasi jam pada

3.7. Form Dosen

optimasi

Form dosen merupakan form informasi dosen

penjadwalan

perkuliahan


di

pada optimasi penjadwalan perkuliahan di Universitas Tridinanti Palembang.

Gambar 28. Halaman Poliklinik


3.10. Populasi Awal dan Evaluasi

Gambar 4.7 Form Dosen

3.8. Form Jadwal Form jadwal penjadwalan merupakan form informasi jadwal pada optimasi penjadwalan perkuliahan

di

Universitas

Tridinanti

Palembang.

try{ String sql = "select count(har_id) from hari"; ResultSet rs = kon.state.executeQuery(sql); rs.next(); hariMax = Integer.parseInt(rs.getString(1)); sql = "select count(wkt_id) from waktu"; rs = kon.state2.executeQuery(sql); rs.next(); jamMax = Integer.parseInt(rs.getString(1)); sql = "select * from ruang order by ru_id"; rs = kon.state2.executeQuery(sql); rs.last(); int n = rs.getRow(); ruang = new String[n]; int j = 0; rs.beforeFirst(); while(rs.next()){ ruang[j] = rs.getString(1); j++; } } catch(Exception e){ System.err.println("Eror ambil data : "+e); } }

3.11. Seleksi Gambar 4.8 Form Jadwal

3.9. Form Proses Jadwal Form proses optimasi jadwal merupakan form informasi optimasi jadwal pada optimasi penjadwalan

perkuliahan

di

Universitas

Tridinanti Palembang.

private int ChooseParent(){ double jmlhFit = sumFitnes(); double i = (Math.random() * (jmlhFit)); double s = 0; int k = 0; while (s < i){ s += Indv[k].fitnes; k++; } if(k == PopulationSize){ k -= 1; } return k; }

Gambar 4.9 Form Proses Optimasi Jadwal


3.12. Crossover private kromosom Crossover(int p1, int p2){ int k,l; kromosom c=new kromosom(GenSize); int cut = (int)(Math.random()*GenSize); for (k = 0; k <= cut; k++){ c.idDosen[k] = Indv[p1].idDosen[k]; c.idHari[k] = Indv[p1].idHari[k]; c.idJam[k] = Indv[p1].idJam[k]; c.idKelas[k] = Indv[p1].idKelas[k]; c.idMatkul[k] = Indv[p1].idMatkul[k]; c.jumlah[k] = Indv[p1].jumlah[k]; c.nmKelas[k] = Indv[p1].nmKelas[k]; c.sks[k] = Indv[p1].sks[k]; c.smstr[k] = Indv[p1].smstr[k]; c.idRuang[k] = Indv[p1].idRuang[k]; } for (l = cut + 1; l < GenSize; l++){ c.idDosen[l] = Indv[p2].idDosen[l]; c.idHari[l] = Indv[p2].idHari[l]; c.idJam[l] = Indv[p2].idJam[l]; c.idKelas[l] = Indv[p2].idKelas[l]; c.idMatkul[l] = Indv[p2].idMatkul[l]; c.jumlah[l] = Indv[p2].jumlah[l]; c.nmKelas[l] = Indv[p2].nmKelas[l]; c.sks[l] = Indv[p2].sks[l]; c.smstr[l] = Indv[p2].smstr[l]; c.idRuang[l] = Indv[p2].idRuang[l]; } return c; }

4. KESIMPULAN DAN SARAN 4.1. Kesimpulan Berdasarkan dari penelitian yang telah dilaksanakan dan sudah diuraikan dalam optimasi Universitas


perkuliahan Palembang

di

dengan

algoritma genetik, maka penulis dapat menarik kesimpulan sebagai berikut : 1. Penelitian

ini

menghasilkan

optimasi

penjadwalan perkuliahan di Universitas Tridinanti Palembang. 2. Penelitian

ini

menghasilkan

optimasi

penjadwalan perkuliahan di Universitas Tridinanti

Palembang

menggunakan

bahasa

dibangun pemrograman

microsoft visual basic 6.0 dan database MySQL.

4.2. Saran 3.13. Form Hasil Optimasi

Saran

Form hasil optimasi jadwal merupakan form

perkuliahan

informasi

Palembang ini yaitu:

optimasi

jadwal

pada

optimasi

penjadwalan perkuliahan di Universitas Tridinanti Palembang.

dari

optimasi di

1. Diharapkan perkuliahan

Universitas

optimasi di

penjadwalan

Universitas

Tridinanti


Palembang dengan algoritma genetik r ini dapat dimanfaatkan secara optimal. 2. Seiring

dengan

kemajuan

ilmu

pengetahuan dan teknologi, maka tidak menutup

kemungkinan

optimasi

penjadwalan perkuliahan di Universitas Gambar 4.10 Form Hasil Optimasi Jadwal

Tridinanti Palembang yang telah dibangun nantinya dapat dikembangkan lagi dengan bahasa pemrograman berbasis web.


DAFTAR RUJUKAN

Al bahra, Bin Ladjamudin, 2005, Analisis dan Desain Sistem Informasi, Graha Ilmu: Yogyakarta. Cahyadi, Ana Nur & Erlina Idola Gadis, 2012, Jurnal: Sistem Informasi Pengolahan Data Pasien Rawat Inap Puskesmas Pakis Baru Nawangan, Seruni FTI UNSA. Nyowidanas, 2010, Definisi Rawat Jalan. diakses 1 Oktober 2012, dari http://nyowidanaskm.wordpress.com/2 010/08/03/definisi-rawat-jalan/ Pressman, Roger S. 2007. Web Egineering: A Practitioner’s Approach. Mc Graw Hill: Americas. Riswanto, Eko. 2007. Analisa dan Perancangan Sistem Informasi. STMIK El Rahma: Yogyakarta. Shalahuddin, M dan Rosa. 2011. Rekayasa Perangkat Lunak Terstruktur dan Berorientasi Objek. Modula: Bandung. Sofwan, Akhmad. 2006. Belajar MySQL dengan Phpmyadmin. Ilmu komputer.com. Teguh.2001. Pengantar PHP. Team Training SMK-TI. Yulianto, dkk. 2009. Analisa dan Perancangan. Politeknik Telkom: Bandung.


OPTIMASI PENJADWALAN PERKULIAHAN DI UNIVERSITAS TRIDINANTI PALEMBANG

Recommend Documents