Josselyn Sinthia Thio 1) Lely Hiryanto 2)
|
|
- Hendri Kurniawan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 IMPLEMENTASI VERTEX GRAPH COLOURING, PARTICLE SWARM OPTIMIZATION, DAN CONSTRAINT BASED REASONING UNTUK UNIVERSITY TIMETABLING PROBLEM (STUDI KASUS: FTI UNTAR) Josselyn Sinthia Thio 1) Lely Hiryanto 2) 1) 2) Teknik Informatika Fakultas Teknologi Informasi Universitas Tarumanagara Jl. Letjen. S. Parman No. 1, Jakarta Indonesia 1) josselyn_sinthia@yahoo.com, 2), lely@fti.untar.ac.id ABSTRACT An application of exams and courses scheduling is made using Vertex Graph Colouring, Particle Swarm Optimization, and Constraint Based Reasoning method to produce a valid and optimal exam and course schedule which can also fulfill the demands of special schedule and room needs. FTI Untar is used as a study case in this development. The results of the tests done for the courses scheduling of even semester of 2010 / 2011 till odd semester of 2012 / 2013, without collision of special preferences, show that on average there s no hard-constraints (constraints that must be satisfied) violation, only 13% of soft-constraints (constaints that are attempted to be satisfied) violations between each course and 6% soft-constraints violation due to the poor preference score of the room or time used. Whilst, the results of the tests done for the exams scheduling of odd semester of 2011 / 2012 and 2012 / 2013 show that on average there s no hard-constraint and soft-constraint violation between each course although there is still 1% soft-constraints violation due to the poor preference score of the room used. The development was tested to the Secretariat of Informatics Department in FTI Untar and obtain a positive response because of the userfriendly user interfaces and can help to accelerate the process of course, practicum, and exam schedule s report making. Key words Constraint Based Reasoning, Great Deluge Algorithm, Particle Swarm Optimization, University Timetabling Problem, Vertex Graph Colouring 1. Pendahuluan Penjadwalan perkuliahan merupakan sebuah masalah yang sulit karena kompleksitas constraints yang harus dipenuhi untuk memenuhi tuntutan mahasiswa dan dosen[1]. Demikian pula dengan penjadwalan ujian yang harus menyesuaikan kapasitas ruang dengan kapasitas yang dibutuhkan untuk suatu ujian. Masalah penjadwalan perkuliahan dan ujian pada universitas disebut University Timetabling Problem.[2] Sebagai contoh kasus dalam rancangan ini digunakan permasalahan penjadwalan perkuliahan dan ujian pada Fakultas Teknologi Informasi Universitas Tarumanagara (FTI Untar). Telah dilakukan beberapa perancangan penjadwalan komputatif untuk menggantikan penjadwalan manual FTI Untar namun perancanganperancangan tersebut masih belum dapat menghasilkan jadwal yang sesuai dengan constraints yang ada. Pada perancangan penjadwalan perkuliahan yang dibuat oleh Jacklin Sinthia Thio dengan menggunakan metode Graph Colouring[3], Sri Whisnu Andokowimbo dengan menggunakan metode Vertex Coloring Heuristic[4], dan Ayu Windy Astuti dengan menggunakan metode Hybrid Particle Swarm Optimization dan Constraint Based Reasoning[5] masih terdapat beberapa pelanggaran soft-constraints pada hasil pengujian yang dilakukan. Selain itu penjadwalan ujian yang dilakukan oleh Benny Yohanes dengan menggunakan algoritma Particle Swarm Optimization[6] masih menghasilkan pelanggaran hard-constraints pada beberapa pengujian yang dilakukan. Pelanggaran constraints yang masih terjadi pada perancangan-perancangan tersebut diatasi melalui perancangan penjadwalan perkuliahan dan ujian yang dibuat menggunakan metode Vertex Graph Colouring, Particle Swarm Optimization, dan Constraint Based Reasoning. 2. University Timetabling Problem University Timetabling Problem (UTP) adalah perencanaan pengalokasian sejumlah matakuliah ke dalam sekumpulan waktu dan ruang selama tidak melanggar batasan (constraints) yang ditetapkan [7]. UTP secara umum dapat dimodelkan sebagai Constraint Satisfaction Problem (CSP), yaitu sebuah himpunan 97
2 variabel yang telah terkait dengan domain dan himpunan constraint, sebagai berikut [7]: 1. Himpunan matakuliah (subjects), X = { x1, x2,..., x N }. Umumnya tiap matakuliah memiliki atribut dosen, ruang kuliah, slot waktu kuliah, bobot (sks), kapasitas, semester distribusi, dan lain-lain sesuai kurikulum operasional universitas terkait. 2. Himpunan domain dua dimensi, yaitu dimensi ruang dan waktu (rooms and timeslots), D = { d1, d 2,..., d M }. Domain dari UTP berdimensi dua, yaitu dilihat dari dimensi ruang kuliah dan slot waktu kuliah. Setiap elemen dari matriks selanjutnya disebut slot posisi. 3. Himpunan ketentuan (constraints), C = { c, c, , c L }. Constraints adalah suatu kondisi yang harus dipenuhi sebisa mungkin tetapi tidak sepenuhnya penting untuk penjadwalan yang optimal. Constraints yang dipakai dalam perancangan ini dibagi menjadi dua jenis, yaitu hard-constraint dan softconstraint. Hard-constraint adalah batasan yang harus dipenuhi dan tidak boleh dilanggar dalam melakukan penjadwalan[8], misalnya tidak ada dosen yang dapat dijadwalkan pada lebih dari satu kelas matakuliah pada waktu yang sama. Sedangkan soft-constraint adalah batasan yang masih boleh dilanggar tetapi diusahakan untuk dipenuhi untuk mendapatkan penjadwalan yang optimal [8], misalnya jadwal mengajar dari seorang dosen yang hanya dapat mengajar pada hari tertentu saja. 3. Model Solusi untuk University Timetabling Problem 3.1. Vertex Graph Colouring Pewarnaan vertex (Vertex Colouring) adalah pemberian warna-warna pada titik-titik dalam suatu graf sedemikian rupa sehingga tidak ada dua titik yang bertetangga berwarna sama [9]. Untuk menyelesaikan masalah penjadwalan perkuliahan dan ujian pada FTI Untar, pada perancangan yang dibuat digunakan algoritma Recursive Largest First denga langkah kerja sebagai berikut [10]: 1. Buat daftar semua simpul pada graf yang belum diwarnai beserta derajat tetangga (jumlah simpul tetangga yang belum diwarnai) terurut secara descending yang disebut degree list dan tetapkan sebuah warna baru. 2. Ambil simpul pertama pada degree list (simpul dengan derajat tetangga tertinggi) dan warnai. 3. Buang simpul yang telah diwarnai pada langkah sebelumnya dan semua simpul yang bertetangga dengan simpul tersebut dari daftar simpul. 4. Ulangi langkah ke-2 dan ke-3 hingga daftar simpul kosong. 5. Kemudian ulangi langkah ke-1 hingga ke-4 di atas hingga semua simpul pada graf terwarnai Particle Swarm Optimization Algoritma Particle Swarm Optimization (PSO) pertama kali diperkenalkan oleh Dr. Eberhart dan Dr. Kennedy pada tahun 1995.[11] Kelebihan utama algoritma PSO adalah mempunyai konsep sederhana, mudah diimplementasikan, dan efisien dalam perhitungan jika dibandingkan dengan algoritma matematika dan teknik optimisasi heuristik lainnya [12]. Algoritma PSO meniru perilaku dari sekelompok burung di mana setiap individu akan selalu terbang mencari tempat terbaik.[12] Dalam PSO sejumlah entitas sederhana (partikel) diasumsikan mempunyai posisi awal pada suatu lokasi yang acak dalam ruang pencarian multidimensi di mana setiap partikel diasumsikan mempunyai dua karakteristik yaitu posisi dan kecepatan.[13] Masing-masing partikel mengevaluasi fungsi tujuannya di posisi saat ini dan bergerak berdasarkan penggabungan beberapa aspek historisnya, yaitu posisi saat ini dan posisi terbaik yang pernah dilalui (best-fitness), dengan informasi dari satu atau lebih anggota dalam kelompok.[13] Akhirnya partikel-partikel tersebut secara keseluruhan, akan berpindah ke lokasi yang dekat dengan fungsi fitness yang optimal.[11] Beberapa istilah umum yang digunakan dalam Particle Swarm Optimization adalah[14]: 1. Swarm: populasi dari suatu algoritma. 2. Particle: anggota (individu) pada suatu swarm. Setiap particle merepresentasikan suatu solusi yang potensial pada permasalahan yang diselesaikan. 3. Pbest (Personal best): posisi Pbest suatu particle yang menunjukkan posisi terbaik dari suatu particle. 4. Gbest (Global best): posisi terbaik dari seluruh particle yang ada pada swarm. 5. Velocity (vektor): vektor yang menggerakkan proses optimisasi, menentukan arah perpindahan suatu particle untuk memperbaiki posisi semula. 6. c1 dan c2: c1 merupakan konstanta pembelajaran kognitif dan c2 merupakan konstanta pembelajaran sosial. Proses dari algoritma PSO untuk memperbaharui velocity dapat dirumuskan seperti pada persamaan (1) [14]. Pada perancangan ini, persamaan untuk update velocity yang dipakai mengalami perubahan dari rumus standar PSO yaitu adanya penambahan constriction factor χ yang berguna untuk mengontrol besarnya kecepatan partikel seperti yang dapat dilihat pada persamaan (2) [15]. = (1) 98
3 = χ + +. (2) Sedangkan untuk update posisi digunakan rumus pada persamaan (3)[13]: X i =X i-1 +V i... (3) Keterangan: = velocity terkini = velocity sebelumnya = posisi partikel terkini = Particle Best = Global Best = beban inersia, di mana nilai ditentukan sebagai berikut: [7] =1/ 2 log 2, = 2 konstanta percepatan positif. Ditentukan nilai =2.8 dan =1.3. [7], = 2 nilai acak antara 0 sampai 1 χ = Faktor penyempitan untuk mengontrol besarnya kecepatan, persamaannya sebagai berikut: [7] χ = 2 / 2 φ 4 = c1 + c2, φ > 4. Biasanya φ ditetapkan 4.1, sehingga χ menjadi [7] Secara garis besar, cara kerja algoritma PSO dapat dilihat pada gambar Fungsi Fitness Fungsi fitness yang dipilih digunakan untuk mengoptimalisasi nilai preferensi untuk memanfaatkan timeslot dan ruang yang baik [16]. Dengan menggunakan nilai yang diperoleh dari fungsi fitness tersebut, matakuliah akan dialokasikan pada ruang dan timeslot terbaik selama tidak ada constraint yang dilanggar [7]. Persamaan fungsi fitness yang dipakai adalah: [7] = (4) Keterangan : = nilai preferensi timeslot untuk matakuliah, i = 1,2,...n = nilai preferensi ruang untuk matakuliah, i = 1,2,...n Gambar 1 Flow Chart Algoritma PSO 3.4. Constraint Based Reasoning Constraint Based Reasoning (CBR) adalah teknik penyelesaian masalah (constraint propagation) yang digunakan untuk menyelesaikan CSP [7]. Teknik penyelesaian tersebut biasanya tidak langsung dapat memberikan penyelesaian yang diinginkan sehingga biasanya ditambahkan teknik pencarian (search) ke dalamnya[17]. Terdapat dua jenis teknik atau algoritma pencarian (search) yang banyak digunakan dalam CBR untuk mencari penyelesaian yang diinginkan yaitu backtracking dan local search [7]. Local search merupakan sebuah metode yang berusaha memperbaiki solusi saat ini dengan perubahan lokal, yang dilakukan dengan mencari kemungkinan solusi pada tetangga (neighborhoods) dari solusi saat ini [18]. Untuk kasus timetabling, tetangga dapat berupa sebuah timetable yang sama dengan sebuah atau beberapa matakuliah yang diletakkan pada posisi berbeda [17]. Local search dapat dilakukan dengan berbagai cara. Pada rancangan ini digunakan local 99
4 search dengan Great Deluge Algorithm untuk memvalidasi solusi awal yang telah dioptimalisasi dengan metode PSO untuk mencari solusi terbaik dengan mencari lokasi timeslot potensial terbaik ketika terjadi bentrokan dalam penjadwalan. Great Deluge Algorithm, pertama kali diperkenalkan oleh Dueck pada tahun 1993, merupakan sebuah algoritma yang digunakan untuk menyelesaikan masalah. optimisasi [19]. Algoritma ini menggantikan solusi awal dengan solusi terbaik yang ditemukan [19]. Pada perancangan ini, digunakan prinsip dasar Great Deluge Algorithm yang mengacu pada [20] dengan sedikit perubahan untuk mempersingkat waktu proses. Algoritma Great Deluge Algorithm yang telah diubah dan digunakan dalam program aplikasi yang dirancang dapat dilihat pada gambar 3 Gambar 3 Flowchart Cara Kerja Great Deluge Algorithm yang Telah Diubah 3.5. Penggabungan Vertex Graph Colouring, Particle Swarm Optimization, dan Constraint Based Reasoning Penggabungan metode Vertex Graph Colouring, Particle Swarm Optimization, dan Constraint Based Reasoning dalam rancangan yang dibuat diharapkan dapat saling mengatasi kelemahan masing-masing. Kelemahan dari Vertex Graph Colouring berupa adanya kemungkinan pemakaian ruang dan waktu yang berlebihan pada jadwal yang dihasilkan[4] diatasi dengan pengoptimalisasian yang dilakukan oleh metode Particle Swarm Optimization. Demikian pula dengan preferensi ruang serta waktu yang akan diatasi dalam metode Particle Swarm Optimization. Sementara kelemahan dari algoritma PSO yaitu banyaknya iterasi yang dibutuhkan untuk mencapai solusi yang sesuai dengan fitness function yang ditetapkan[6] menyebabkan lamanya waktu proses. Oleh karena itu untuk mempercepat pencapaian solusi optimal, maka pada perancangan ini inisialisasi posisi matakuliah tidak dilakukan secara random tetapi menggunakan solusi awal yang diperoleh dari metode Vertex Graph Colouring. Hal ini dikarenakan sifat Vertex Graph Colouring yang menggunakan jumlah warna minimum dalam menyelesaikan masalah sangat sesuai untuk masalah yang memerlukan optimasi penggunaan sumber daya seperti University Timetabling Problem (UTP).[21] Pengoptimalisasian jadwal yang dihasilkan dengan menggunakan metode PSO masih belum cukup karena sifat PSO yang mencari solusi potensial sesuai dengan fitness function tetapi tidak memenuhi constraints yang ada sehingga diperlukan sebuah teknik penanganan constraints untuk mencapai solusi optimal yaitu Constraint Based Reasoning [7]. Sedangkan kelemahan dari metode Constraint Based Reasoning yang membutuhkan solusi awal dapat diatasi dengan menggunakan solusi yang diperoleh dari metode PSO. Model solusi penjadwalan yang dirancang mengadopsi model solusi UTP yang diusulkan oleh [7] dengan memberikan sejumlah perubahan pada setiap langkah pendekatan yang diajukan. Alur kerja penggabungan Vertex Graph Coloring (VGC), Particle 100
5 Swarm Optimization, dan Constraint Based Reasoning dapat dilihat pada gambar Hasil Percobaan 4.1. Implementasi Penjadwalan perkuliahan dan ujian yang dirancang diimplementasikan dalam bentuk program aplikasi dengan menggunakan bahasa pemrograman PHP. Sedangkan perangkat lunak yang digunakan adalah : 1. Sistem operasi Windows XP Professional SP 3 2. Basis data MySQL 3. Adobe Dreamweaver CS 5.5 sebagai perancang desain dan coding PHP 4. XAMPP sebagai web-server 5. Microsoft Word 2007 sebagai pengolah teks 6. Microsoft Visio 2007 sebagai pengolah tabel, graf, dan chart 7. Adobe Reader 9 sebagai pengolah file berekstensi.pdf Gambar 2 Alur Kerja Penjadwalan dengan Vertex Graph Colouring, Particle Swarm Optimization, dan Constraint Based Reasoning Setelah mengadakan pengujian pada rancangan yang dibuat, ternyata masih terdapat pelanggaran hardconstraint. Oleh karena itu setelah seluruh proses dari ketiga metode selesai, ditambahkan suatu tahap validasi akhir yang mengacu pada algoritma Great Deluge Algorithm yang dipakai, seperti yang dapat dilihat pada gambar 3, untuk memindahkan kelas matakuliah yang masih melanggar hard-constraint ke posisi yang baru. Pada tahap ini pelanggaran soft-constraints yang terjadi sudah tidak dipertimbangkan lagi dan jumlah iterasi yang dilakukan adalah sebanyak slot kosong yang tersedia. Tahap validasi akhir hanya dilakukan apabila terdapat pelanggaran hard-constraint pada solusi yang dihasilkan. Validasi ini hanya dilakukan satu kali saja. Flowchart dari tahap validasi akhir dapat dilihat pada gambar 4. Modul-modul yang terdapat pada aplikasi yang dirancang adalah sebagai berikut: 1. Modul Generate Schedule Modul Generate Schedule merupakan modul yang hanya dapat diakses oleh hak akses operator untuk menghapus, mengubah, atau menambahkan data kelas matakuliah maupun ujian yang akan dijadwalkan. a. Submodul Kelas Matakuliah Submodul untuk memasukkan, mengubah, atau menghapus data kelas matakuliah yang akan dibuka. Gambar 5 Tampilan Submodul Kelas Matakuliah b. Submodul Praktikum Submodul untuk mengisi, mengubah, atau menghapus data kelas praktikum yang akan dibuka. Gambar 4 Flowchart Cara Kerja Tahap Validasi Akhir Gambar 6 Tampilan Submodul Praktikum 101
6 c. Submodul Ujian Submodul untuk mengisi, mengubah, atau menghapus data ujian yang akan dilaksanakan. rata-rata pelanggaran yang diperoleh dari penjadwalan ujian yang dilakukan adalah: Tabel 1 Rata-rata Pelanggaran Constraints pada Pengujian Penjadwalan Ujian Tengah Semester Gambar 7 Tampilan Submodul Ujian 2. Modul View Schedule Modul yang dapat diakses oleh pengguna yang memiliki hak akses untuk melihat hasil penyusunan jadwal perkuliahan dan ujian. Semester 2012/2013 (101 Kelas 2011/2012 (82 Kelas Hardconstraint Softconstraint (antar partikel) Soft-constraint (ruang atau slot) Tabel 2 Rata-rata Pelanggaran Constraints pada Pengujian Penjadwalan Ujian Akhir Semester Gambar 8 Tampilan Modul View Schedule (Jadwal Perkuliahan) Semester 2012/2013 (101 Kelas 2011/2012 (82 Kelas Hardconstraint Softconstraint (antar partikel) Soft-constraint (ruang atau slot) Sedangkan hasil pengujian untuk jadwal perkuliahan yang ditambahkan dengan tahap validasi akhir dan tidak ada preferensi slot khusus yang saling berbentrokan sebanyak 10 kali untuk tiap semester, tidak terdapat matakuliah yang melanggar Hard-constraint meskipun ada beberapa kelas matakuliah yang melanggar Soft- Constraints. Tabel 3 Rata-rata Pelanggaran Constraints pada Pengujian Penjadwalan Perkuliahan dengan Preferensi Khusus Ruang dan Slot dengan Tahap Validasi Akhir Gambar 8 Tampilan Modul View Schedule (Jadwal Ujian) 4.2. Pengujian Hasil pengujian untuk penjadwalan ujian sebanyak 10 kali untuk tiap semester, tidak terdapat matakuliah yang melanggar hard-constraint, namun masih terdapat kemungkinan terlanggarnya soft-constraints. Tabulasi Semester 2012 / 2013 (105 Kelas 2011 / 2012 (84 Kelas Genap 2011 / 2012 (89 Kelas Genap 2010 / 2011 (97 Kelas Hard- Const raint Kelas Matakuliah Soft- Const raint (antar partik el) Soft- Const raint (ruang atau slot) Kelas Praktikum / Kelas di Lab Soft- Const Soft- Hardraint Constrai Const (antar nt (ruang raint partik atau slot) el)
7 Pelanggaran soft-constraints yang terjadi pada jadwal yang dihasilkan dapat diatasi melalui pengubahan edit manual yang tersedia pada aplikasi. Edti manual tersebut dapat dilakukan baik untuk jadwal perkuliahan, ujian, maupun praktikum yang dihasilkan oleh aplikasi yang dirancang. 5. Kesimpulan Berdasarkan hasil pengujian yang telah dilakukan pada program aplikasi penjadwalan perkuliahan dan ujian yang dirancang, dapat ditarik kesimpulan: 1. Penggabungan metode Vertex Graph Colouring, Particle Swarm Optimization, dan Great Deluge Algorithm untuk penjadwalan perkuliahan dan ujian memerlukan waktu proses yang lama. 2. Dari hasil pengujian yang dilakukan, program aplikasi yang dirancang dapat menghasilkan jadwal perkuliahan yang tidak melanggar hard-constraint apabila tidak terdapat preferensi khusus yang berbentrokan tetapi masih terdapat rata-rata 13% kelas matakuliah yang melanggar soft-constraints antar kelas matakuliah dan 6% kelas matakuliah yang melanggar soft-constraints berupa nilai preferensi ruang dan slot yang buruk. Pelanggaran softconstraints tersebut dikarenakan adanya preferensi khusus yang harus dipenuhi. Hasil ini lebih baik dari rancangan penjadwalan perkuliahan yang sudah dibuat sebelumnya karena sudah dapat memenuhi preferensi waktu atau ruang khusus. 3. Dari hasil pengujian yang dilakukan, program aplikasi penjadwalan perkuliahan dan ujian ini dapat menghasilkan jadwal ujian yang layak dan optimal pada FTI Untar. Tidak terdapat jadwal ujian yang melanggar hard-constraint maupun soft-constraint antar matakuliah. Hanya terdapat rata-rata 1% ujian yang melanggar soft-constraint akibat nilai preferensi ruang yang kurang baik. Hasil ini lebih baik dari rancangan aplikasi penjadwalan ujian yang sudah dibuat sebelumnya. 4. Secara keseluruhan program telah berjalan dengan baik dan mudah pengunaannya. Hal ini disimpulkan melalui tahap pengujian. Selain itu praktikum dan perkuliahan yang dilaksanakan di laboratorium sudah dapat dijadwalkan. Saran-saran untuk pengembangan aplikasi penjadwalan perkuliahan dan ujian berikutnya adalah: 1. Kelemahan pada program yaitu waktu proses yang agak lama akibat jumlah iterasi yang banyak untuk penjadwalan perkuliahan dapat diatasi pada pengembangan aplikasi selanjutnya. 2. Constraint yang digunakan dalam penjadwalan dapat diubah sesuai kebutuhan, sehingga program aplikasi dapat digunakan di tempat lain tanpa perlu mengubah source code program. REFERENSI [1] Murray, Keith and Muller, Tomas., 2008, Automated System for University Timetabling, University of Nottingham, Nottingham. [2] Abdullah, Salwani., 2006, Heuristic Approaches For University Timetabling Problems, University of Nottingham, Nottingham. [3] Thio, Jacklin Sinthia., 2011, Perancangan Program Aplikasi Penjadwalan Matakuliah pada Fakultas Teknologi Informasi Universitas Tarumanagara dengan menggunakan Metode Graph Colouring, Program Studi Teknik Informatika Fakultas Teknologi Informasi Universitas Tarumanagara (Skripsi tidak dipublikasikan). [4] Andokowimbo, Sri Whisnu., 2012, Perancangan Aplikasi Penjadwalan Matakuliah untuk Fakultas Teknologi Informasi Universitas Tarumanagara dengan Metode Vertex Colouring Heuristic, Program Studi Teknik Informatika Fakultas Teknologi Informasi Universitas Tarumanagara (Skripsi tidak dipublikasikan). [5] Astuti, Ayu Windy., 2012, Perancangan Aplikasi Penjadwalan Mata Kuliah pada Fakultas Teknologi Infomasi Universitas Tarumanagara dengan Metode Hybrid Particle Swarm Optimization dan Constraint Based Reasoning, Program Studi Teknik Informatika Fakultas Teknologi Informasi Universitas Tarumanagara (Skripsi tidak dipublikasikan). [6] Yohanes, Benny., 2012, Perancangan Aplikasi Penjadwalan Ujian pada Fakultas Teknologi Informasi Universitas Tarumangara dengan Menggunakan Algoritma Particle Swarm Optimization, Program Studi Teknik Informatika Fakultas Teknologi Informasi Universitas Tarumanagara (Skripsi tidak dipublikasikan). [7] Irene, Ho Sheau Fen., Deris, Safaai., and Hasiml, Siti Zaiton Mohd., June 2009, Incorporating Of Constraint- Based Reasoning Into Particle Swarm Optimization For University Timetabling Problem. International Journal of Computer Science Letters, Vol. 1, Johor-Malaysia. [8] Kazarlis, Spyros., 2005, Solving University Timetabling Problems Using Advanced Genetic Algorithms, Serres- Greece. [9] Bondy, J.A. and Murty, U.S.R., 1982, Graph Theory with Applications, Elsevier Science Publishing Co., Inc., Cambridge City. [10] Leighton, Frank Thomson., November-December 1979, A Graph Coloring Algorithm for Large Scheduling Problems, JOURNAL OF RESEARCH of the National Bureau of Standards, Vol. 84, No. 6, Washington DC. [11] P., Engelbrecht A., 2005, Fundamentals of Computational Swarm Intelligence, Wiley, West Susex. [12] Tuegeh, Maickel., Soeprijanto., dan Purnomo, Mauridhi H., Juni 2009, Modified Improved Particle Swarm Optimization for Optimal Generator Scheduling, Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009), Yogyakarta. [13] Santoso, Budi., 2009, Tutorial Particle Swarm Optimization, Surabaya. [14] Wati, Dwi Ana Ratna., 2011, Sistem Kendali Cerdas, Bandung. [15] M., Clerc., J., Kennedy., 2011, The Particle Swarm Explosion, Stability, and Convergence in a Multidimensional Complex Space, IEEE Transaction on Evolutionary Computation, New Jersey. [16] Deris, Safaai., Omatu, Sigeru., and Ohta, Hiroshi., Agustus 2000, Timetable Planning using the Constraintbased Reasoning, Computer & Operations Research, Vol. 27, No. 9, Johor-Malaysia. 103
8 [17] Legierski, Wojciech., 2002, Constraint-Based Reasoning for Timetabling, Gliwice. [18] St utzle, Thomas G., 1998, Local Search Algorithms for Combinatorial Problems Analysis, Improvements, and New Applications, Darmstadt. [19] Dueck, G., 1993, New Optimization Heuristics. The Great Deluge Algorithm and the Record-to-Record Travel, Journal of Computational Physics, Vol. 104, Issue 1, Boston. [20] AL-Milli, Nabeel R., April 2010, Hybrid Genetic Algorithms with Great Deluge For Course Timetabling, IJCSNS International Journal of Computer Science and Network Security. Vol. 10, No. 4, Zarqa. Redhl, Timothy Anton., 2004, A Study of University Timetabling that Blends Graph Coloring with the Satisfaction of Various Essential and Preferential Conditions, Houston. Josselyn Sinthia Thio, merupakan mahasiswi program sarjana S1, program studi Teknik Informatika, Fakultas Teknologi Informasi Universitas Tarumanagara. Lely Hiryanto, memperoleh gelar S.T. dari program studi Teknik Informatika, Fakultas Teknik Universitas Tarumanagara tahun Kemudian tahun 2006 memperoleh gelar M.Sc. dari Department of Computing, Curtin University of Technology, Australia. Saat ini sebagai Staf Pengajar program studi Teknik Informatika, Fakultas Teknologi Informasi Universitas Tarumanagara 104
SISTEM PENGELOLAAN KURIKULUM, ABSENSI DOSEN DAN KULIAH PENGGANTI PADA FAKULTAS TEKNOLOGI INFORMASI UNIVERSITAS TARUMANAGARA
SISTEM PENGELOLAAN KURIKULUM, ABSENSI DOSEN DAN KULIAH PENGGANTI PADA FAKULTAS TEKNOLOGI INFORMASI UNIVERSITAS TARUMANAGARA Yunita 1) Lely Hiryanto 2) 1) 2) Program Studi Teknik Informatika Fakultas Teknik
Lebih terperinciPENJADWALAN KELAS MATAKULIAH MENGGUNAKAN VERTEX GRAPH COLORING DAN SIMULATED ANNEALING
PENJADWALAN KELAS MATAKULIAH MENGGUNAKAN VERTEX GRAPH COLORING DAN SIMULATED ANNEALING Mariana 1) Lely Hiryanto 2) 1)2) Teknik Informatika Universitas Tarumanagara Jl. Letjen S. Parman No.1, Jakarta Barat
Lebih terperinciProsiding ISSN : Algoritma Penjadwalan Perkuliahan dengan Kasus Team Teaching dengan Metode Vertex Coloring Graph
Algoritma Penjadwalan Perkuliahan dengan Kasus Team Teaching dengan Metode Vertex Coloring Graph Nelly Oktavia Adiwijaya a, Slamin b a Program Studi Sistem Informasi Universitas Jember Jl. Kalimantan 37
Lebih terperinciPENGEMBANGAN METODE GRAPH COLORING UNTUK UNIVERSITY COURSE TIMETABLING PROBLEM PADA FAKULTAS TEKNOLOGI INFORMASI UNIVERSITAS TARUMANAGARA
PENGEMBANGAN METODE GRAPH COLORING UNTUK UNIVERSITY COURSE TIMETABLING PROBLEM PADA FAKULTAS TEKNOLOGI INFORMASI UNIVERSITAS TARUMANAGARA Lely Hiryanto dan Jacklin Sinthia Thio Laboratorium Penelitian
Lebih terperinciOPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA
OPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA Muhammad Arief Nugroho 1, Galih Hermawan, S.Kom., M.T. 2 1, 2 Universitas Komputer Indonesia Jl. Dipatiukur No. 112-116, Bandung 40132 E-mail
Lebih terperinciISSN IMPLEMENTASI ALGORITMA GENETIKA DALAM PENGEMBANGAN SISTEM APLIKASI PENJADWALAN KULIAH
ISSN 1829-5282 56 IMPLEMENTASI ALGORITMA GENETIKA DALAM PENGEMBANGAN SISTEM APLIKASI PENJADWALAN KULIAH Oleh : Komang Setemen Jurusan Manajemen Informatika Fakultas Teknik dan Kejuruan Universitas Pedidikan
Lebih terperinciPerancangan Aplikasi Container Loading Problem dengan Menggunakan Maximal Space Algorithm
Perancangan Aplikasi Container Loading Problem dengan Menggunakan Maximal Space Algorithm Rosalinda 1) Lely Hiryanto 2) Gunadi Gan 3) 1) 2) 3) Program Studi Teknik Informatika Fakultas Teknik Informasi
Lebih terperinciIMPLEMENTASI ALOKASI JADWAL MATA PELAJARAN SMU MENGGUNAKAN ALGORITMA KOLONI SEMUT (AKS)
IMPLEMENTASI ALOKASI JADWAL MATA PELAJARAN SMU MENGGUNAKAN ALGORITMA KOLONI SEMUT (AKS) Devie Rosa Anamisa, S.Kom, M.Kom Jurusan D3 Teknik Multimedia Dan Jaringan-Fakultas Teknik Universitas Trunojoyo
Lebih terperinciPENJADWALAN RUANG KULIAH MENGGUNAKAN VERTEX GRAPH COLORING DAN SIMULATED ANNEALING
PENJADWALAN RUANG KULIAH MENGGUNAKAN VERTEX GRAPH COLORING DAN SIMULATED ANNEALING Titus Kristanto 1), Tutuk Indriyani2) 3) Jurusan Teknik Informatika, Email: 1) tintus.chris@gmail.com, 2) tutuk223@gmail.com,
Lebih terperinciPerancangan Sistem Penjadwalan Asisten Dosen Menggunakan Algoritma Genetika (Studi Kasus: STIKOM Bali)
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Perancangan Sistem Penjadwalan Asisten Dosen Menggunakan Algoritma Genetika (Studi Kasus: STIKOM Bali) I Made Budi Adnyana
Lebih terperinciPEMBANGUNAN SISTEM PENJADWALAN KULIAH MENGGUNAKAN ALGORITMA PEWARNAAN GRAF
PEMBANGUNAN SISTEM PENJADWALAN KULIAH MENGGUNAKAN ALGORITMA PEWARNAAN GRAF Rusmala1, Heliawaty Hamrul2 Dosen Universitas Cokroaminoto Palopo Email : rusmalaoddang@yahoo.com Abstrak Penjadwalan kuliah merupakan
Lebih terperinciBAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI
BAB TINJAUAN PUSTAKA DAN DASAR TEORI.1. Penelitian Terdahulu Archetti et al. (009) menggunakan sebuah metode eksak yaitu branch-and-price scheme dan dua metode metaheuristics yaitu algoritma Variable Neighborhood
Lebih terperinciAPLIKASI PEWARNAAN GRAF PADA MASALAH PENYUSUNAN JADWAL PERKULIAHAN DI UNIVERSITAS KUNINGAN
APLIKASI PEWARNAAN GRAF PADA MASALAH PENYUSUNAN JADWAL PERKULIAHAN DI UNIVERSITAS KUNINGAN Daswa 1) Mohamad Riyadi 2) 1) Program Studi Teknik Informatika, FKOM, Universitas Kuningan; Jln. Cut Nyak Dien
Lebih terperinciOptimasi Penjadwalan Mata Kuliah Menggunakan Pewarnaan Graf
Petunjuk Sitasi: Sunarni, T., Bendi, R. K., & Alfian, A. (2017). Optimasi Penjadwalan Mata Kuliah Menggunakan Pewarnaan Graf. Prosiding SNTI dan SATELIT 2017 (pp. E48-53). Malang: Jurusan Teknik Industri
Lebih terperinciPERANCANGAN ALGORITMA BELAJAR JARINGAN SYARAF TIRUAN MENGGUNAKAN PARTICLE SWARM OPTIMIZATION (PSO)
Jurnal POROS TEKNIK, Volume 5, No. 1, Juni 2013 : 18-23 PERANCANGAN ALGORITMA BELAJAR JARINGAN SYARAF TIRUAN MENGGUNAKAN PARTICLE SWARM OPTIMIZATION (PSO) Nurmahaludin (1) (1) Staf Pengajar Jurusan Teknik
Lebih terperinciTEKNIK PENJADWALAN KULIAH MENGGUNAKAN METODE ALGORITMA GENETIKA. Oleh Dian Sari Reski 1, Asrul Sani 2, Norma Muhtar 3 ABSTRACT
TEKNIK PENJADWALAN KULIAH MENGGUNAKAN METODE ALGORITMA GENETIKA Oleh Dian Sari Reski, Asrul Sani 2, Norma Muhtar 3 ABSTRACT Scheduling problem is one type of allocating resources problem that exist to
Lebih terperinciRekonfigurasi Jaring Distribusi untuk Meminimalkan Kerugian Daya menggunakan Particle Swarm Optimization
Rekonfigurasi Jaring Distribusi untuk Meminimalkan Kerugian Daya menggunakan Particle Swarm Optimization Stephan, Adi Soeprijanto Fakultas Teknologi Industri Jurusan Teknik Elektro Program Studi Teknik
Lebih terperinciBAB I PENDAHULUAN. teliti. Sehingga tidak terjadi bentrok baik antar mata pelajaran, guru, kelas
1 BAB I PENDAHULUAN 1.1 Latar Belakang Penjadwalan merupakan salah satu hal terpenting dalam suatu lembaga pendidikan, begitu juga untuk lingkup Sekolah Menengah Kejuruan (SMK). Penjadwalan pelajaran pada
Lebih terperinciPERANCANGAN APLIKASI OPTIMALISASI MUATAN PADA KONTAINER DENGAN ALGORITMA METAHEURISTIC
PERANCANGAN APLIKASI OPTIMALISI MUATAN PADA KONTAINER DENGAN ALGORITMA METAHEURISTIC Irawati Djajadi 1) Lely Hiryanto 2) Gunadi Gan 3) 1)2)3) Teknik Informatika Fakultas Teknologi Informasi Universitas
Lebih terperinciRANCANG BANGUN PERANGKAT LUNAK PENJADWALAN PERKULIAHAN MENGGUNAKAN METODE META- HEURISTIK (PENGGABUNGAN METODE ALGORITMA GENETIK DAN TABU SEARCH)
RANCANG BANGUN PERANGKAT LUNAK PENJADWALAN PERKULIAHAN MENGGUNAKAN METODE META- HEURISTIK (PENGGABUNGAN METODE ALGORITMA GENETIK DAN TABU SEARCH) TUGAS AKHIR Disusun Oleh : RIO PRAYOGA SUPRAYANA NPM. 06
Lebih terperinciPENDEKATAN BARU PENYELESAIAN KASUS PENJADWALAN UJIAN AKHIR SEMESTER SEKOLAH MENENGAH ATAS (STUDI KASUS SMA NEGERI 3 SURAKARTA)
PENDEKATAN BARU PENYELESAIAN KASUS PENJADWALAN UJIAN AKHIR SEMESTER SEKOLAH MENENGAH ATAS (STUDI KASUS SMA NEGERI 3 SURAKARTA) SKRIPSI Diajukan untuk Memenuhi Sebagian Persyaratan Mendapatkan Gelar Strata
Lebih terperinciMENEMUKAN AKAR PERSAMAAN POLINOMIAL MENGGUNAKAN PARTICLE SWARM OPTIMIZATION
MENEMUKAN AKAR PERSAMAAN POLINOMIAL MENGGUNAKAN PARTICLE SWARM OPTIMIZATION Oei,EdwinWicaksonoDarmawan, Suyanto Edward Antonius, Ir., M.Sc, Program Studi Teknik Informatika Universitas Katolik Soegijapranata
Lebih terperinciPREPROCESSING DATA DAN REPRESENTASI ORGANISME ALGORITMA SYMBIOTIC ORGANISMS SEARCH PADA PERMASALAHAN PENJADWALAN PRAKTIKUM PERGURUAN TINGGI
PREPROCESSING DATA DAN REPRESENTASI ORGANISME ALGORITMA SYMBIOTIC ORGANISMS SEARCH PADA PERMASALAHAN PENJADWALAN PRAKTIKUM PERGURUAN TINGGI Hendrawan Armanto 1), C. Pickerling 2), Eka Rahayu Setyaningsih
Lebih terperinciAplikasi Penjadwalan Perawat dengan Metode Pewarnaan Graph (Studi Kasus: RSUD Arifin Achmad Pekanbaru)
Vol. 3, No. 2, Tahun 2014 46 Jurnal Aksara Komputer Terapan Politeknik Caltex Riau Website : https://jurnal.pcr.ac.id/index.php/jakt/about/index Email : pustaka@pcr.ac.id Aplikasi Penjadwalan Perawat dengan
Lebih terperinciImplementasi Algoritma Genetik-Tabu Search dalam Optimasi Penjadwalan Perkuliahan
45 Implementasi Algoritma Genetik-Tabu Search dalam Optimasi Penjadwalan Perkuliahan Rusianah, M. Aziz Muslim, Sholeh Hadi Pramono Abstract - Schedule is important, since implementation of course involves
Lebih terperinciAnalisis Penyelesaian Masalah Penjadwalan Kuliah Menggunakan Teknik Pewarnaan Graph Dengan Algoritma Koloni Lebah
Analisis Penyelesaian Masalah Penjadwalan Kuliah Menggunakan Teknik Pewarnaan Graph Dengan Algoritma Koloni Lebah Oleh : Heni Rachmawati 2209206810 Prof.Dr.Ir.Mauridhi Hery Purnomo,M.Eng Dr.I Ketut Eddy
Lebih terperinciSWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION. Taufan Mahardhika 1
SWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION Taufan Mahardhika 1 1 Prodi S1 Kimia, Sekolah Tinggi Analis Bakti Asih 1 taufansensei@yahoo.com Abstrak Swarm
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
digilib.uns.ac.id BAB I PENDAHULUAN 1.1 Latar Belakang Jadwal merupakan daftar atau tabel kegiatan atau rencana kegiatan dengan pembagian waktu pelaksanaan yang terperinci. Universitas menggunakan tabel
Lebih terperinciAplikasi Sistem Penjadwalan Praktikum dengan Metode Bipartite Graphs
Aplikasi Sistem Penjadwalan Praktikum dengan Metode Bipartite Graphs Studi Kasus : Laboratorium Terpadu Teknik Informatika UII A mal Sholihan amalsholihan@gmail.com Hendika Andra Saputra hendikaandra@yahoo.com
Lebih terperinciBAB I PENDAHULUAN. sejumlah aktivitas kuliah dan batasan mata kuliah ke dalam slot ruang dan waktu
18 BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Penjadwalan merupakan kegiatan administrasi utama di berbagai institusi. Masalah penjadwalan merupakan masalah penugasan sejumlah kegiatan dalam periode
Lebih terperinciABSTRAK. Kata kunci : Algoritma Genetik, Penjadwalan. i Universitas Kristen Maranatha
ABSTRAK Aplikasi penjadwalan sidang otomatis di Fakultas Teknologi Informasi Universitas Kristen Maranatha ini dibuat dengan tujuan untuk melakukan pengembangan dan optimasi terhadap aplikasi penjadwalan
Lebih terperinciPrototype sistem pakar untuk penjadwalan
Youngster Physics Journal ISSN: 2302-7371 Vol. 6, No. 1, Januari 2017, Hal. 104-109 Prototype sistem pakar untuk penjadwalan Catur Edi Widodo Departemen Fisika, Fakultas Sains dan Matematika, Universitas
Lebih terperinciANALISIS PENYELESAIAN MASALAH PENJADWALAN KULIAH MENGGUNAKAN TEKNIK PEWARNAAN GRAPH DENGAN ALGORITMA KOLONI LEBAH
ANALISIS PENYELESAIAN MASALAH PENJADWALAN KULIAH MENGGUNAKAN TEKNIK PEWARNAAN GRAPH DENGAN ALGORITMA KOLONI LEBAH Heni Rachmawati 1,2 I Ketut Edy Purnama 1 Mauridhi Hery Purnomo 1 Bidang Keahlian Telematika,
Lebih terperinciPenjadwalan Mata Kuliah Menggunakan Algoritma Genetika di Jurusan Sistem Informasi ITS
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: 2337-3539 (2301-9271 Print) A-127 Mata Kuliah Menggunakan Algoritma Genetika di Jurusan Sistem Informasi ITS Wiga Ayu Puspaningrum, Arif Djunaidy, dan Retno
Lebih terperinciPENERAPAN ALGORITMA WELCH POWELL DENGAN PEWARNAAN GRAPH PADA PENJADWALAN MATA PELAJARAN SMA
Seminar Nasional Sistem Informasi Indonesia, 1 November 2016 PENERAPAN ALGORITMA WELCH POWELL DENGAN PEWARNAAN GRAPH PADA PENJADWALAN MATA PELAJARAN SMA Dessy Handayani S 1), Ely Rosely 2) RA. Paramita
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari hari, selalu dilakukan perjalanan dari satu titik atau lokasi ke lokasi yang lain dengan mempertimbangkan efisiensi waktu dan biaya sehingga
Lebih terperinciRekonfigurasi jaring distribusi untuk meningkatkan indeks keandalan dengan mengurangi rugi daya nyata pada sistem distribusi Surabaya.
Rekonfigurasi jaring distribusi untuk meningkatkan indeks keandalan dengan mengurangi rugi daya nyata pada sistem distribusi Surabaya. RIZKIANANTO WARDANA M Misbach Fachri 2207100038 Sistem Tenaga Listrik
Lebih terperinciABSTRAK. Kata kunci: Optimasi Penjadwalan, Algoritma Genetik
ABSTRAK Fakultas Informasi Teknologi Universitas Kristen Maranatha saat ini masih melakukan penjadwalan penggunaan ruangan laboratorium secara manual. Penjadwalan penggunaan ruangan laboratorium memiliki
Lebih terperinciPerancangan Sistem Informasi Penjadwalan Resource Perguruan Tinggi Menggunakan Metode Particle Swarm Optimization (PSO)
75, Inovtek, Volume 4, Nomor 2, Oktober 2014, hlm. 75-86 Perancangan Sistem Informasi Penjadwalan Resource Perguruan Tinggi Menggunakan Metode Particle Swarm Optimization (PSO) Mansur Prodi Teknik Informatika
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Fakultas Kedokteran Universitas Gadjah Mada (FK UGM) merupakan Fakultas Kedokteran tertua di Indonesia yang berdiri pada tanggal 5 maret 1946. Memiliki visi dan misi
Lebih terperinciAUTOMATISASI TIMETABLING ASISTEN PENGAJAR PADA SOFTWARE LABORATORY CENTER MENGGUNAKAN HARMONY SEARCH
AUTOMATISASI TIMETABLING ASISTEN PENGAJAR PADA SOFTWARE LABORATORY CENTER MENGGUNAKAN HARMONY SEARCH Niko Sutiono Binus University, Jakarta, DKI Jakarta, Indonesia Ngarap Immanuel Manik Binus University,
Lebih terperinciIMPLEMENTASI METODE ALGORITMA GENETIKA PADA APLIKASI OTOMASI PENJADWALAN PERKULIAHAN ANDRE ARSYAN JORDIE
IMPLEMENTASI METODE ALGORITMA GENETIKA PADA APLIKASI OTOMASI PENJADWALAN PERKULIAHAN ANDRE ARSYAN JORDIE 1112001029 PROGRAM STUDI INFORMATIKA FAKULTAS TEKNIK DAN ILMU KOMPUTER UNIVERSITAS BAKRIE JAKARTA
Lebih terperinciDynamic Optimal Power Flow dengan kurva biaya pembangkitan tidak mulus menggunakan Particle Swarm Optimization
JURNAL TEKNIK POMITS Vol. 3, No. 1, (2014) ISSN: 2337-3539 (2301-9271 Print) B-24 Dynamic Optimal Power Flow dengan kurva biaya pembangkitan tidak mulus menggunakan Particle Swarm Optimization Afif Nur
Lebih terperinciPENJADWALAN KULIAH DENGAN MENGGUNAKAN ALGORITMA GENETIKA STUDI KASUS FAKULTAS TEKNIK UNIVERSITAS SUMATERA UTARA TESIS
PENJADWALAN KULIAH DENGAN MENGGUNAKAN ALGORITMA GENETIKA STUDI KASUS FAKULTAS TEKNIK UNIVERSITAS SUMATERA UTARA TESIS Oleh: PURWANTO SIMAMORA 097034013/MTE FAKULTAS TEKNIK UNIVERSITAS SUMATERA UTARA MEDAN
Lebih terperinciPENJADWALAN KULIAH DENGAN MENGGUNAKAN METODE TABU SEARCH TUGAS AKHIR
PENJADWALAN KULIAH DENGAN MENGGUNAKAN METODE TABU SEARCH TUGAS AKHIR Diajukan Oleh : TITIS ADI PRATAMA NPM : 0534010164 JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS PEMBANGUNAN NASIONAL
Lebih terperinciSeminar Nasional Aplikasi Teknologi Informasi 2004 Yogyakarta, 19 Juni 2004
Seminar Nasional Aplikasi Teknologi Informasi 2004 Yogyakarta, 19 Juni 2004 Penyelesaian Masalah Penugasan dengan Algoritma Genetika Zainudin Zukhri Jurusan Teknik Informatika, Fakultas Teknologi Industri,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
12 BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah penjadwalan secara umum adalah aktifitas penugasan yang berhubungan dengan sejumlah kendala, sejumlah kejadian yang dapat terjadi pada suatu periode waktu
Lebih terperinciPENEMPATAN MAHASISWA PESERTA MATA KULIAH UMUM DENGAN ALGORITMA GENETIK DI UNIVERSITAS KATOLIK PARAHYANGAN
PENEMPATAN MAHASISWA PESERTA MATA KULIAH UMUM DENGAN ALGORITMA GENETIK DI UNIVERSITAS KATOLIK PARAHYANGAN Nico Saputro dan Guntur Setia Negara Jurusan Ilmu Komputer Universitas Katolik Parahyangan nico@home.unpar.ac.id
Lebih terperinciIMPLEMENTASI THRESHOLDING CITRA MENGGUNAKAN ALGORITMA HYBRID OPTIMAL ESTIMATION
IMPLEMENTASI THRESHOLDING CITRA MENGGUNAKAN ALGORITMA HYBRID OPTIMAL ESTIMATION M Hafidh Fauzi 1, Prof.Ir.Handayani Tjandrasa, M.Sc., Ph.D 2 Jurusan Teknik Informatika, Fakultas Teknologi Informasi Institut
Lebih terperinciPENJADWALAN OPERASIONAL PEMBANGKIT BERBASIS ALGORITMA GENETIK PADA SISTEM PEMBANGKIT SUMATERA BAGIAN TENGAH
Penjadwalan Operasional Pembangkit Berbasis Algoritma Genetik (Dwi Ana dkk) PENJADWALAN OPERASIONAL PEMBANGKIT BERBASIS ALGORITMA GENETIK PADA SISTEM PEMBANGKIT SUMATERA BAGIAN TENGAH Rahmanul Ikhsan 1,
Lebih terperinciPENYELESAIAN PERMASALAHAN MULTI-OBJECTIVE HYBRID FLOW SHOP SCHEDULING DENGAN ALGORITMA MODIFIED PARTICLE SWARM OPTIMIZATION
PENYELESAIAN PERMASALAHAN MULTI-OBJECTIVE HYBRID FLOW SHOP SCHEDULING DENGAN ALGORITMA MODIFIED PARTICLE SWARM OPTIMIZATION Fiqihesa Putamawa 1), Budi Santosa 2) dan Nurhadi Siswanto 3) 1) Program Pascasarjana
Lebih terperinciANALISIS PEMBANGKITAN JADWAL PERKULIAHAN DENGAN DISCRETE PARTICLE SWARM OPTIMIZATION
TESIS ANALISIS PEMBANGKITAN JADWAL PERKULIAHAN DENGAN DISCRETE PARTICLE SWARM OPTIMIZATION ROCHIM WIDARYANTO No. Mhs. : 105301536/PS/MT PROGRAM STUDI MAGISTER TEKNIK INFORMATIKA PROGRAM PASCASARJANA UNIVERSITAS
Lebih terperinciPERANCANGAN APLIKASI SISTEM PENJADWALAN LABORATORIUM FISIKA DASAR DI UNIVERSITAS GUNADARMA
PERANCANGAN APLIKASI SISTEM PENJADWALAN LABORATORIUM FISIKA DASAR DI UNIVERSITAS GUNADARMA Sabila Nadhirah 1 Febriani 2 1,2Teknik Informatika, Universitas Gundarma 1,2{sabila, febriani }@staff.gunadarma.ac.id
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN Pada bab pertama ini akan diuraikan mengenai latar belakang, rumusan masalah, tujuan, batasan masalah, metodologi, dan sistematika pembahasan dalam Tugas Akhir ini. 1.1 Latar Belakang
Lebih terperinciFPMIPA UNIVERSITAS PENDIDIKAN INDONESIA. Abstrak
PEMBANGUNAN SISTEM PENJADWALAN KULIAH DI PROGRAM STUDI ILMU KOMPUTER DENGAN GRAPH COLOURING Drs.-, M.T. 1, Eddy Prasetyo Nugroho, M.T. 2, Yudi Wibisono, M.T. 3, Rani Megasari, S.Kom. 4 1 )2)3)4) PROGRAM
Lebih terperinciPenerapan Konsep Algoritma Genetika untuk Penjadwalan Kegiatan Perkuliahan Semester Ganjil Kurikulum 2012 di Jurusan Matematika FMIPA UNSRI
Jurnal Penelitian Sains Volume 15 Nomor 2(A) April 2012 Penerapan Konsep Algoritma Genetika untuk Penjadwalan Kegiatan Perkuliahan Semester Ganjil Kurikulum 2012 di Jurusan Matematika FMIPA UNSRI Putra
Lebih terperinciABSTRAK. Kata kunci: Jadwal pelajaran, algoritma Artificial Bee Colony, fitness. ii Universitas Kristen Maranatha
ABSTRAK Penjadwalan merupakan rencana pengaturan urutan kerja serta pengalokasian sumber baik waktu maupun fasilitas untuk setiap operasi yang harus diselesaikan. Secara garis besarnya, penjadwalan adalah
Lebih terperinciParticle Swarm Optimization Untuk Sistem Informasi Penjadwalan Resource Di Perguruan Tinggi
Jurnal Sistem Informasi Bisnis 01(2014) On-line : http://ejournal.undip.ac.id/index.php/jsinbis 11 Particle Swarm Optimization Untuk Sistem Informasi Penjadwalan Resource Di Perguruan Tinggi Mansur a*,
Lebih terperinciArif Munandar 1, Achmad Lukman 2 1 Teknik Informatika STMIK El Rahma Yogyakarta, Teknik Informatika STMIK El Rahma Yogyakarta
PENJADWALAN MATAKULIAH DENGAN ALGORITMA GENETIKA MENGGUNAKAN FRAMEWORK CODEIGNITER (STUDI KAUS PROGRAM STUDI S PENDIDIKAN AGAMA ISLAM UNIVERSITAS ALMA ATA YOGYAKARTA) Arif Munandar, Achmad Lukman 2 Teknik
Lebih terperinciPerbandingan Kombinasi Genetic Algorithm Simulated Annealing dengan Particle Swarm Optimization pada Permasalahan Tata Letak Fasilitas
Jurnal Teknik Industri, Vol. 12, No. 2, Desember 2010, 119-124 ISSN 1411-2485 Perbandingan Kombinasi Genetic Algorithm Simulated Annealing dengan Particle Swarm Optimization pada Permasalahan Tata Letak
Lebih terperinciTeam project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
Lebih terperinciPERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK
Jurnal POROS TEKNIK, Volume 6, No. 2, Desember 2014 : 55-10 PERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK Nurmahaludin (1) (1) Staff Pengajar Jurusan
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI. genetik yang dibuat. Dalam mengimplementasi program aplikasi diperlukan syarat
BAB 4 IMPLEMENTASI DAN EVALUASI Pada bab ini, penulis akan menguraikan hasil implementasi dan evaluasi terhadap program aplikasi optimasi penjadwalan penggunaan ruang menggunakan teori algoritma genetik
Lebih terperinciPengembangan Teknik Pencarian Optimal Menggunakan Algoritma Generate and Test dengan Diagram Precedence (GTPRE)
Pengembangan Teknik Pencarian Optimal Menggunakan Algoritma Generate and Test dengan Diagram Precedence (GTPRE) Development of Optimal Search Using Generate and Test Algorithm with Precedence Diagram (GTPRE)
Lebih terperinciPerbandingan Algoritma Pewarnaan LDO, SDO, dan IDO pada Graf Sederhana
Perbandingan Algoritma Pewarnaan LDO, SDO, dan IDO pada Graf Sederhana Khairani Permata Sari #1, Armiati *2, Mirna *3, # Student of Mathematic Departement State University of Padang *Lecture of Mathematic
Lebih terperinciPENERAPAN TEORI GRAF UNTUK MENYELESAIKAN MASALAH MINIMUM SPANNING TREE (MST) MENGGUNAKAN ALGORITMA KRUSKAL
PENERAPAN TEORI GRAF UNTUK MENYELESAIKAN MASALAH MINIMUM SPANNING TREE (MST) MENGGUNAKAN ALGORITMA KRUSKAL Swaditya Rizki Program Studi Pendidikan Matematika, Fakultas Keguruan dan Ilmu Pendidikan, Universitas
Lebih terperinciProgram Studi Sistem Informasi STMI - Kementerian Perindustrian Jakarta 2012
OPTIMASI SISTEM INFORMASI PENJADWALAN KULIAH BERBASIS HEURISTIC SEARCH YANG DIKOMBINASIKAN DENGAN TEKNIK SMART BACK TRACKING DAN LOOK AHEAD (STUDI KASUS PADA STMI KEMENTERIAN PERINDUSTRIAN) Oleh : Dedy
Lebih terperinciOptimisasi Injeksi Daya Aktif dan Reaktif Dalam Penempatan Distributed Generator (DG) Menggunakan Fuzzy - Particle Swarm Optimization (FPSO)
TESIS Optimisasi Injeksi Daya Aktif dan Reaktif Dalam Penempatan Distributed Generator (DG) Menggunakan Fuzzy - Particle Swarm Optimization (FPSO) Dosen Pembimbing : Prof. Ir. Mochamad Ashari, M.Eng. Ph.D
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI
111 BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Implementasi Aplikasi otomatisasi penjadwalan yang dibuat merupakan aplikasi desktop. Dalam pengoperasiannya, dibutuhkan perangkat keras dan piranti lunak dengan
Lebih terperinciPENENTUAN JALUR TERPENDEK PADA APLIKASI OJEK ONLINE GO-JEK DENGAN PROBABILISTIC NEURAL NETWORK (PNN) DAN PARTICLE SWARM OPTIMIZATION (PSO)
PENENTUAN JALUR TERPENDEK PADA APLIKASI OJEK ONLINE GO-JEK DENGAN PROBABILISTIC NEURAL NETWORK (PNN) DAN PARTICLE SWARM OPTIMIZATION (PSO) Levina Fitri Rahmawati, Isnandar Slamet, dan Diari Indriati Program
Lebih terperinciBAB 3 METODOLOGI Metode Penelitian. Dalam melakukan penelitian akan permasalahan ini, penulis menggunakan metode
BAB 3 METODOLOGI 3.1. Metode Penelitian Dalam melakukan penelitian akan permasalahan ini, penulis menggunakan metode rapid application development (RAD), dengan alur pengerjaan sebagai berikut: Gambar
Lebih terperinciAnalisis Penggunaan Algoritma Backtracking dalam Penjadwalan Kuliah
Analisis Penggunaan Algoritma Backtracking dalam Penjadwalan Kuliah Farhan Makarim 13515003 Teknik Informatika Institut Teknologi Bandung Bandung, Indonesia Farhan_makarim@student.itb.ac.id Abstrak model
Lebih terperinciKONSEP ALGORITMA GENETIK BINER UNTUK OPTIMASI PERENCANAAN JADWAL KEGIATAN PERKULIAHAN
Jurnal Teknik dan Ilmu Komputer KONSEP ALGORITMA GENETIK BINER UNTUK OPTIMASI PERENCANAAN JADWAL KEGIATAN PERKULIAHAN (Binary Genetic Algorithm Concept to Optimize Course Timetabling) Iwan Aang Soenandi
Lebih terperinciPERANCANGAN PROGRAM SISTEM PAKAR BERBASISKAN WEB UNTUK REHABILITASI MEDIK PENDERITA SKOLIOSIS
PERANCANGAN PROGRAM SISTEM PAKAR BERBASISKAN WEB UNTUK REHABILITASI MEDIK PENDERITA SKOLIOSIS Vita Megawati 1 ; Djunaidy Santoso 2 1 Mahasiswi Program Studi Teknik Informatika, Fakultas Teknologi Informasi,
Lebih terperinciPENYUSUNAN JADWAL PRAKTIKUM MAHASISWA MENGGUNAKAN METODE BEST FIRST SEARCH ABSTRAK
PENYUSUNAN JADWAL PRAKTIKUM MAHASISWA MENGGUNAKAN METODE BEST FIRST SEARCH Jerry Wiyono (0827003) Jurusan Sistem Komputer, Fakultas Teknik, Jalan Prof. drg. Suria Sumantri, MPH. No 65 Bandung 40164, Indonesia
Lebih terperinciBAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI
BAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI 2.1. Vehicle Routing Problem Vehicle Routing Problem merupakan permasalahan distribusi yang mencari serangkaian rute untuk sejumlah kendaraan dengan kapasitas tertentu
Lebih terperinciIMPLEMENTASI ALGORITMA PALGUNADI DALAM OPTIMALISASI VEHICLE ROUTING PROBLEM DELIVERY AND PICK-UP (VRPDP)
IMPLEMENTASI ALGORITMA PALGUNADI DALAM OPTIMALISASI VEHICLE ROUTING PROBLEM DELIVERY AND PICK-UP (VRPDP) SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat Mencapai Gelar Strata Jurusan Informatika HALAMAN
Lebih terperinciDAFTAR ISI. viii. LEMBAR PENGESAHAN... i. PERNYATAAN ORISINALITAS LAPORAN PENELITIAN... ii. PERNYATAAN PUBLIKASI LAPORAN PENELITIAN...
ABSTRAK Salah satu algoritma yang dapat dipakai untuk memecahkan permasalahan penjadwalan kuliah adalah algoritma genetika. Algoritma genetika merupakan teknik pencarian pemecahan masalah yang berusaha
Lebih terperinciPENYELESAIAN NURSE ROSTERING PROBLEM (NRP) MENGGUNAKAN CUCKOO SEARCH (CS)
PENYELESAIAN NURSE ROSTERING PROBLEM (NRP) MENGGUNAKAN CUCKOO SEARCH (CS) Andi Hutami Endang Dosen Jurusan Teknik Informatika Fakultas Sains & Teknologi UIN Alauddin Makassar Email : hutamiendang@gmail.com
Lebih terperinciPenyelesaian {0,1}-Knapsack Problem dengan Algoritma Soccer League Competition
Penyelesaian {0,1}-Knapsack Problem dengan Algoritma Soccer League Competition Muji Prasetyo Iryanto, Sri Mardiyati Departemen Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Indonesia,
Lebih terperinciPerancangan Dan Pembuatan Aplikasi Rekomendasi Jadwal Perkuliahan Pada Institut Informatika Indonesia Memanfaatkan Algoritma Genetika
Perancangan Dan Pembuatan Aplikasi Rekomendasi Jadwal Perkuliahan Pada Institut Informatika Indonesia Memanfaatkan Algoritma Genetika Hermawan Andika, S.Kom., M.Kom. Jurusan Teknik Informatika Institut
Lebih terperinciIMPLEMENTASI ALGORITMA GENETIKA DALAM PENJADWALAN PERKULIAHAN DAN PRAKTIKUM (STUDI KASUS : FASILKOM-TI DAN FMIPA USU) SKRIPSI
IMPLEMENTASI ALGORITMA GENETIKA DALAM PENJADWALAN PERKULIAHAN DAN PRAKTIKUM (STUDI KASUS : FASILKOM-TI DAN FMIPA USU) SKRIPSI YAKHDI PERARI PINEM 131421088 PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER FAKULTAS
Lebih terperinciJurnal Edukasi dan Penelitian Informatika (JEPIN) Vol. 1, No. 2, (2015) 1 Rancangan Sistem Penjadwalan Akademik Menggunakan Algoritma Max Min Ant System (Studi Kasus: STMIK Atma Luhur Pangkalpinang) Delpiah
Lebih terperinciPenerapan Pewarnaan Titik pada Graf dalam Penyusunan Lokasi Duduk Menggunakan Algoritma Greedy Berbantuan Microsoft Visual Basic 6.
Penerapan Pewarnaan Titik pada Graf dalam Penyusunan Lokasi Duduk Menggunakan Algoritma Greedy Berbantuan Microsoft Visual Basic.0 Halimah Turosdiah #1, Armiati #, Meira Parma Dewi # # Mathematic Department
Lebih terperinciOptimasi Penjadwalan Mata Pelajaran Pada Kurikulum 2013 Dengan Algoritme Genetika (Studi Kasus: SMA Negeri 3 Surakarta)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 12, Desember 2017, hlm. 1535-1542 http://j-ptiik.ub.ac.id Optimasi Penjadwalan Mata Pelajaran Pada Kurikulum 2013
Lebih terperinciPERSIAPAN DATA DAN REPRESENTASI KROMOSOM ALGORITMA GENETIK PADA PENJADWALAN PENDIDIKAN TINGGI
PERSIAPAN DATA DAN REPRESENTASI KROMOSOM ALGORITMA GENETIK PADA PENJADWALAN PENDIDIKAN TINGGI Hendrawan Armanto Teknik Informatika Sekolah Tinggi Teknik Surabaya hendrawan@stts.edu ABSTRAK Di era modern
Lebih terperinciPengembangan Aplikasi Encoding dan Decoding Tree Menggunakan Kode Dandelion
Pengembangan Aplikasi Encoding dan Decoding Tree Menggunakan Kode Dandelion 1 Wamiliana, 2 Astria Hijriani, 3 Novi Hardiansyah 1 Jurusan Ilmu Komputer Universitas Lampung 2 Jurusan Ilmu Komputer Universitas
Lebih terperinciPENGGABUNGAN ALGORITMA GENETIKA DENGAN TABU SEARCH UNTUK PENGEMBANGAN METODE PENJADWALAN MATA KULIAH DI UNIVERSITAS SEBELAS MARET SURAKARTA SKRIPSI
PENGGABUNGAN ALGORITMA GENETIKA DENGAN TABU SEARCH UNTUK PENGEMBANGAN METODE PENJADWALAN MATA KULIAH DI UNIVERSITAS SEBELAS MARET SURAKARTA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat Mencapai Gelar
Lebih terperinciIMPLEMENTASI METODE ANT COLONY OPTIMIZATION UNTUK PEMILIHAN FITUR PADA KATEGORISASI DOKUMEN TEKS
IMPLEMENTASI METODE ANT COLONY OPTIMIZATION UNTUK PEMILIHAN FITUR PADA KATEGORISASI DOKUMEN TEKS Yudis Anggara Putra Chastine Fatichah Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut
Lebih terperinciPerancangan Sistem Informasi Penjadwalan Kegiatan Perkualiahan Dengan Framework Code Ignetier
Perancangan Sistem Informasi Penjadwalan Kegiatan Perkualiahan Dengan Framework Code Ignetier Dan Algoritma Genetika Pada Universitas Bina Darma Palembang Najjemy Pratama 1, Muhammad Izman Herdiansyah
Lebih terperinciOPTIMISASI PARTICLE SWARM PADA PEMASANGAN JARINGAN PIPA AIR PDAM"
OPTIMISASI PARTICLE SWARM PADA PEMASANGAN JARINGAN PIPA AIR PDAM" Izak Habel Wayangkau Email : izakwayangkau@gmail.com Jurusan Teknik Informatika, Fakultas Teknik Universitas Musamus Merauke Abstrak Penelitian
Lebih terperinciOptimasi Pembagian Tugas Dosen Pengampu Mata Kuliah Dengan Metode Particle Swarm Optimization
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 254-964X Vol., No., Oktober 27, hlm. 99-999 http://j-ptiik.ub.ac.id Optimasi Pembagian Tugas Pengampu Mata Kuliah Dengan Metode Particle
Lebih terperinciPenjadwalan Ujian Skripsi Berbasis Web Service Menggunakan Metode TOPSIS (Studi Kasus : FTI UKSW)
Penjadwalan Ujian Skripsi Berbasis Web Service Menggunakan Metode TOPSIS (Studi Kasus : FTI UKSW) Skripsi Diajukan kepada Fakultas Teknologi Informasi untuk memperoleh Gelar Sarjana Komputer Oleh : Christian
Lebih terperinciUKDW BAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kegiatan penjadwalan merupakan hal penting yang sering dilakukan pada setiap kegiatan baik dalam lingkup perusahaan, transportasi, sekolah, perguruan tinggi dan lain
Lebih terperinciMetode Simulated Annealing untuk Optimasi Penjadwalan Perkuliahan Perguruan Tinggi
Jurnal Sistem Informasi Bisnis 02(2016) On-line : http://ejournal.undip.ac.id/index.php/jsinbis 133 Metode Simulated Annealing untuk Optimasi Penjadwalan Perkuliahan Perguruan Tinggi Wiktasari a,*, Jatmiko
Lebih terperinciKOMPUTASI PARALEL UNTUK SEGMENTASI CITRA DIGITAL DENGAN PARTICLE SWARM OPTIMIZATION
KOMPUTASI PARALEL UNTUK SEGMENTASI CITRA DIGITAL DENGAN PARTICLE SWARM OPTIMIZATION SKRIPSI Diajukan Untuk Memenuhi Sebagian Persyaratan Mencapai Derajat Sarjana Teknik Informatika Agustinus Kristiadi
Lebih terperinciAPLIKASI ALGORITMA GENETIKA DALAM PENENTUAN DOSEN PEMBIMBING SEMINAR HASIL PENELITIAN DAN DOSEN PENGUJI SKRIPSI
Prosiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 APLIKASI ALGORITMA GENETIKA DALAM PENENTUAN DOSEN PEMBIMBING SEMINAR HASIL PENELITIAN DAN DOSEN PENGUJI
Lebih terperinciOPTIMASI PENJADWALAN PRAKTIKUM MENGGUNAKAN MODIFIED REAL CODE PARTICLE SWARM OPTIMIZATION (STUDI KASUS FAKULTAS IMU KOMPUTER UNIVERSITAS BRAWIJAYA)
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) p-issn: 2355-7699 Vol. 3, No. 4, Desember 2016, hlm. 265-272 e-issn: 2528-6579 OPTIMASI PENJADWALAN PRAKTIKUM MENGGUNAKAN MODIFIED REAL CODE PARTICLE
Lebih terperinciImplementasi Model Penjadwalan Job-Shop dalam Masalah Penjadwalan Kereta Api Jalur Tunggal dengan Pendekatan Constraint Programming
Abstrak Implementasi Model Penjadwalan Job-Shop dalam Masalah Penjadwalan Kereta Api Jalur Tunggal dengan Pendekatan Constraint Programming Fajar Yuliawan NIM: 13503022 Program Studi Teknik Informatika,
Lebih terperinciPERANGKAT LUNAK PENGAMBILAN KEPUTUSAN DALAM PENJADWALAN DENGAN METODE RECURSIVE LARGEST FIRST
PERANGKAT LUNAK PENGAMBILAN KEPUTUSAN DALAM PENJADWALAN DENGAN METODE RECURSIVE LARGEST FIRST Sadar Aman Gulo (0911040) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisingamangaraja
Lebih terperinci