APLIKASI PENJADWALAN MATA KULIAH MENGGUNAKAN ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO)

Transkripsi

1 APLIKASI PENJADWALAN MATA KULIAH MENGGUNAKAN ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) Irfrans Kusmarna, Luh Kesuma Wardhan 2, Muhammad Safrzal 3,3 Jurusan Teknk Informatka, Fakultas Sans dan Teknolog, UIN Sultan Syarf Kasm Rau 2 Prod Teknk Informatka, Fakultas Sans dan Teknolog, UIN Syarf Hdayatullah Jakarta rfranstf@gmal.com, 2 luhkesuma@unjkt.ac.d, 3 safrzal.lal@gmal.com ABSTRAK Tujuan dar peneltan n adalah untuk membangun aplkas penjadwalan kulah menggunakan algortma Partcle Swarm Optmzaton (PSO). Algortma n dplh sebaga algortma yang dgunakan dalam peneltan n karena algortma PSO yang merupakan algortma heurstk, adalah salah satu metode optmas yang menggabungkan localsearch dan global search. Algortma n dapat memecahkan masalah dengan membentuk partkel-partkel pada populas awal secara acak, mengevaluas nla ftness, dan meng-update velocty serta poss dar partkel. Dengan demkan dharapkan output yang dhaslkan merupakan kombnas terbak dar serangkaan komponen yang ada. Kasus penjadwalan yang dgunakan pada peneltan n adalah penjadwalan mata kulah d UIN Sultan Syarf Kasm Rau (UIN SUSKA). Permasalahan yang terjad pada penjadwalan mata kulah d UIN SUSKA Rau adalah tdak optmalnya pemenuhan beberapa contrant sepert keterbatasan ruangan. Dar hasl pengujan, aplkas penjadwalan perkulahan meggunakan algortma PSO mampu menghaslkan jadwal perkulahan yang sudah tdak ada bentrok tetap mash tdak memenuh dar seg kualtas yatu jam dmulanya perkulahan nt yang dfokuskan pada jam-jam yang efektf. Kata kunc: Constrant, Ftness, Partcle swarm optmzaton, Penjadwalan I. PENDAHULUAN Penjadwalan merupakan proses, cara, pembagan waktu berdasarkan rencana pengaturan yang terpernc. Terdapat banyak hal yang harus djadwalkan d suatu perguruan tngg, d antaranya proses penermaan mahasswa baru, semnar, Ujan Tengah Semester (UTS), Ujan Akhr Semester (UAS), dan yang palng pentng yatu penjadwalan mata kulah. Penjadwalan mata kulah merupakan hal yang pentng d duna penddkan. Penjadwalan yang bak dan memenuh semua ketentuan unverstas dan jurusan merupakan salah satu hal yang menjamn kelancaran pelaksanaan kegatan belajar mengajar. Permasalahan penjadwalan juga terjad d UIN Sultan Syarf Kasm (Suska) Rau. Berdasarkan hasl wawancara yang dlakukan oleh penelt dengan Sekretars Jurusan Teknk Informatka UIN Suska Rau, terdapat beberapa aturan yang harus dperhatkan pada saat penjadwalan mata kulah d Jurusan Teknk Informatka (TIF) UIN Suska Rau, yatu: a) Setap mata kulah dsajkan maksmal 2 (dua) kal sehar; b) Setap dosen djadwalkan mengajar 2 (dua) kal sehar; c) Tdak terdapat perkulahan pada jam shalat Jumat; d) Tdak terdapat perkulahan pada jam makan sang; e) Mata kulah nt nformatka djadwalkan pag har; f) Dosen prakts djadwalkan mengajar har sabtu; g) Dosen TIF dan non-tif djadwalkan mengajar pada har senn-jumat. h) Mata kulah plhan djadwalkan sang har; ) Tdak ada perkulahan pada har Kams dar pukul bag mahasswa semester I, II, dan III; j) Waktu perkulahan yang terseda adalah har Senn Rabu adalah antara pukul WIB, dan har Kams Jumat antara pukul WIB. Untuk menyelesakan masalah tersebut dgunakan algortma Partcle Swarm Optmzaton (PSO). Algortma n dapat memecahkan masalah dengan membentuk partkel-partkel pada populas awal secara acak, mengevaluas nla ftness, dan mengupdatevelocty serta poss dar partkel berdasarkan ruang pencaran. Dharapkan dengan bantuan Partcle Swarm Optmzaton (PSO) penyusunan penjadwalan mata kulah dapat doptmalkan.rumusan masalah dar peneltan n adalah, Bagamana membangun aplkas penjadwalan dengan menggunakan Partcle Swarm Optmzaton(PSO)pada Jurusan Teknk Informatka

2 UIN Suska Rau. Sedangkan batasan masalah dalam peneltan n adalah:. Mata kulah yang akan mengalam proses dalam Partcle Swarm Optmzaton (PSO) hanya mata kulah yang sfatnya memerlukan ruangan, har dan waktu tertentu. 2. Constrant yang dgunakan bersfat stats yang dnputkan pada program. 3. Constrant mengkut aturan yang berlaku pada penyusunan jadwal kulah d jurusan teknk nformatka UIN Suska Rau. II. TINJAUAN PUSTAKA 2. Penjadwalan Kulah Menurut Putra (2009)[2], penjadwalan merupakan proses untuk menyusun suatu jadwal atau urutan proses yang dperlukan dalam sebuah persoalan. Persoalan penjadwalan basanya berhubungan dengan penjadwalan kelas dalam sekolah atau perkulahan dan juga dalam lngkup yang tdak jauh berbeda sepert penjadwalan ujan, penjadwalan karyawan, ataupun penjadwalan job shop. Dalam penjadwalan kulah, akan dbahas tentang pembagan jadwal untuk tap mahasswa pada kulah tertentu sekalgus dosen pengajarnya. Dalam penjadwalan ujan akan dbahas pengaturan dosen yang menjaga ujan dan mahasswa yang menempat ruang ujan yang ada. a. Mendefnskan atau membuat model dar permasalahan. Model yang dbuat mencakup proses apa saja yang akan dkerjakan dalam persoalan penjadwalan yang ada. b. Mendesan metode penyelesaan untuk permasalahan penjadwalan tersebut. Dar model yang telah ada, dtentukan metode yang dgunakan untuk menyelesakan permasalahan penjadwalan tersebut. c. Mencar bermacam-macam contoh permasalahan penjadwalan yang telah dbuat. Dalam proses n dlakukan pencaran penyelesaan penjadwalan yang pernah dgunakan agar dapat dpaka sebaga referens dalam proses yang sedang dlakukan. perlaku sosal organsme n. Perlaku sosal terdr dar tndakan ndvdu dan pengaruh dar ndvdundvdu lan dalam suatu kelompok. Kata partkel menunjukkan, msalnya, seekor burung dalam kawanan burung. Setap ndvdu atau partkel berperlaku secara terdstrbus dengan cara menggunakan kecerdasannya (ntellgence) sendr dan juga dpengaruh perlaku kelompok kolektfnya. Dengan demkan, jka satu partkel atau seekor burung menemukan jalan yang tepat atau pendek menuju ke sumber makanan, ssa kelompok yang lan juga akan dapat segera mengkut jalan tersebut meskpun lokas mereka jauh d kelompok tersebut. Algortma PSO terdr dar tga tahap[], yatu pembangktan poss serta kecepatan partkel, update velocty (update kecepatan), updateposton (update poss). Pertama possdan kecepatandar kumpulan partkel dbangktkan secara random menggunakan batas atas (x max) dan batas bawah (x mn) dar desgn varable, sepert yang dtunjukkan pada persamaan () dan (2) (3): x 0 = x mn + rand(x max x mn) () v 0 = x mn + rand(x max x mn) (2) Dmana: x 0 = poss awal v 0 = kecepatan awal x mn = batas bawah x max = batas atas rand = nla random antara nla 0 dan Dalam proses random dperlukan slot untuk menampung dar random poss dan random kecepatan. Melalu proses pembangktan partkel n dapat maka kumpulan partkel dapatterdstrbus secara acak. Poss dan kecepatan dar partkel drepresentaskan melalu vector. (kecepatan) untuk semua partkel pada waktu k+ menggunakan fungs objektf atau nla ftness [4] poss partkel saat n pada desgn space saat waktu ke 2.2 Partcle Swarm Optmzaton (PSO) k. Dar nla ftness dapat dtentukan partkel mana yang PSO, merupakan algortma berbass populas yang memlk nla global terbak (global best) pada swarm mengeksplotas ndvdu dalam pencaran. Dalam PSO saat n, dan juga dapat dtentukan poss terbak dar populas dsebut swarm dan ndvdu dsebut partcle. tap partkel pada semua waktu yang sekarang dan Tap partkel berpndah dengan kecepatan yang sebelumnya (p ). Perumusan update velocty dadaptas dar daerah pencaran dan menympannya menggunakan dua nformas tersebut untuk semua sebaga poss terbak yang pernah dcapa. Algortma partkel pada kumpulan dengan pengaruh perpndahan PSO n awalnya dusulkan oleh J. Kennedy dan R. C. yang sekaranguntuk memberkan arah pencaran untuk Eberhart. generas selanjutnya. PSO ddasarkan pada perlaku sosal sekawanan Perumusan updatevelocty mencakup beberapa burung atau sekumpulan kan. Algortma PSO menru parameter random (rand), untuk mendapatkan cakupan v k+ v k p k g Langkah kedua adalah update velocty 2

3 yang bak pada desgn space, tga parameter yang mempengaruh arah pencaran, yatu nerta factor (w), self confdence (c ), swarmconfdence (c 2) akan dgabungkan dalam satu penyajan, sepert yang dtunjukkan persamaan berkut: v k+ =w*v k +c *rand*(p -x k )+c 2*rand*(p g k -x k ) (3) Dengan range w= , rand=nterval 0-, Langkah terakhr dar setap teras adalah update poss tap partkel dengan vektor velocty, sepert yang dtunjukkan pada persamaan berkut: x k+ = x k + v k+ (4) Tga tahapan d atas akan dulang sampa krttera kekonvergenan terpenuh, krtera kekonvergenan sangat pentng dalam menghndar penambahan fungs evaluas setelah solus optmum ddapatkan, namun krtera kekonvergenan tdak selalu mutlak dperlukan, penetapan jumlah teras maksmal juga dapat dgunakan sebaga stoppng condton dar algortma. Banyak cara untuk membangun konds berhent, d antaranya adalah: teras dhentkan ketka PSO telah mencapa teras maksmum, atau PSO telah menemukan nla optmum tertentu atau kesalahan mnmum yang dngnkan. Algortma PSO adalah sebaga berkut: for setap partkel Insalsas partkel menggunakan persamaan () dan (2) end repeat for setap partkel Htung nla ftness f nla ftness baru lebh bak darpada nla ftness lama Update nla ftness dar partkel tersebut End Plh partkel dengan nla ftness terbak dantara semua partkel tetangganya dan smpan nla ftness terbak tersebut for setap partkel Htung velocty partkel menggunakan persamaan (3) Update poss partkel menggunakan persamaan (4) End untl (KrteraBerhent == true) III. ANALISA DAN PERANCANGAN 3. Aturan Penjadwalan Kulah Aturan-aturan penjadwalan d Jurusan Teknk Informatka UIN Suska Rau adalah sebaga berkut:. Ruangan kelas tdak boleh djadwalkan lebh dar satu perkulahan secara bersamaan. 2. Perkulahan mahasswa tdak boleh djadwalkan secara bersamaan. 3. Dosen tdak boleh djadwalkan mengajar secara bersamaan. 4. Setap mata kulah dsajkan maksmal 2 (dua) kal sehar. 5. Setap dosen djadwalkan mengajar 2 (dua) kal sehar. 6. Tdak terdapat perkulahan pada jam shalat jumat. 7. Tdak terdapat perkulahan pada jam makan sang. 8. Mata kulah nt djadwalkan pag har. 9. Dosen prakts djadwalkan mengajar har Sabtu. 0. Dosen TIF dan non-tif djadwalkan mengajar pada har senn-jumat.. Mata kulah plhan djadwalkan sang har. 2. Tdak ada perkulahan pada har Kams dar pukul bag mahasswa semester I, II, dan III. 3. Waktu perkulahan yang terseda adalah har Senn Rabu adalah antara pukul WIB, dan har Kams Jumat antara pukul WIB. 3.2 Analsa PSO Pada Kasus Penjadwalan Mata Kulah Gambar adalah dagram alr analsa PSO dalam penjadwalan mata kulah d jurusan TIF UIN SUSKA Rau. 3

4 TIDAK Start Insalsas & Bangktkan poss awal partkel har, jam, ruangan, serta kecepatan awal secara random Evaluas ftness berdasarkan possnya Update nla terbak partkel dan kumpulan PBest dan GBest Update Nla Velocty untuk semua partkel Har, Jam, Ruangan Update Nla Poss untuk semua partkel har, jam, dan ruangan Tabel 2Insalsas Data Ruangan Id_Ruangan Nama Ruangan TIF 30 2 TIF TIF TIF TIF PSI 0 7 PSI 02 8 PSI 03 9 LAB 0 LAB 2 Evaluas ftness setap partkel har, jam, dan ruangan Memenuh Nla Optmum atau max teras? Stop YA Gambar. Dagram alr analsa PSO dalam penjadwalan mata kulah Partkel yang dnsalsas dalam penjadwalan mata kulah n melput data jam, ruang, har, dosen, mata kulah, dan ajar. Tabel Insalsas Data Jam Id_Jam Jam Tabel 3.Contoh Pembangktan poss partkel pada teras pertama Partkel Partke Partkel Partkel 2 l 3 4 Ajar Id MK Dosen Kela s Har Jam Ruanga n 26 A, 8, B 2,6 4, C 2, 4,6 4, D 2,8 6,4 5,2 Update velocty dan poss menggunakan parameter uj coba yang dambl dar hasl peneltan yang dlakukan oleh Dan Aran (Aran, 20) yang mana dengan parameter n dapat menghaslkan ratarata jadwal yang lebh optmal. Nla tersebut adalah: C =.5; C2 =.5; w = 0.5. Contoh hasl perhtungan update velocty dan poss pada teras pertama dapat dlhat pada tabel 4. Tabel 4. Contoh Hasl perhtungan update velocty dan poss pada teras pertama Partkel P2 P3 P4 Ajar R R2 Id Makul Dosen Kelas Har Jam Ruangan 26 A B C D Langkah selanjutnya adalah htung kembal nla ftness. Jka poss semua partkel menuju ke satu nla yang sama, maka n dsebut konvergen. Jka belum konvergen maka langkah 2 dulang dengan memperbaharu teras = +, dengan cara 4

5 menghtung nla baru dar p dan p k g. Proses teras n dlanjutkan sampa semua partkel menuju ke satu ttk solus yang sama. Basanya akan dtentukan dengan krtera penghentan (stoppng condton), msalnya jumlah selsh solus sekarang dengan solus sebelumnya sudah sangat kecl. 3.3 Fungs Fungs-fungs yang dbutuhkan oleh sstem adalah sebaga berkut:. Fungs Pembangktan Poss dan Kecepatan Fungs n dgunakan untuk nsalsas dan pembuatan populas awal dengan mengacak semua data ajar, data ruangan, data har, dan data jam menjad partkel-partkel 2. Fungs Ftness Fungs yang dgunakan untuk menyatakan seberapa bak nla dar suatu ndvdu ataupun solus yang ddapatkan. 3. Fungs Update Kecepatan Fungs n dgunakan untuk memperbaru nla kecepatan berdasarkan nla fungs yang dberkan. 4. Fungs Update Poss Fungs n dgunakan untuk memperbaru nla poss baru partkel berdasarkan nla kecepatan perpndahan partkel. 5. Fungs Settng (Pengaturan) Dalam fungs n tedapat fasltas untuk menentukan parameter-parameter dalam PSO, sepert nla faktor nerta, learnng rates (self confdence, swarmconfdence). Akan tetap parameter n juga memlk nla default untuk mengantspas bla perubahan nla parameter menghaslkan knerja yang kurang memuaskan. 3.3 Dagram Alr Sstem Pengguna Sstem Mula Tdak Logn Berhasl? Ya Input Data User Pengelolaan Data User Db_Mstr_User Input Data Har Pengelolaan Data Har Db_Mstr_Har Input Data Jam Pengelolaan Data Jam Db_Mstr_Jam Input Data Ruangan Pengelolaan Data Ruangan Db_Mstr_Ruang Input Data Dosen Pengelolaan Data Dosen Db_Mstr_Dosen Input Data Mata Kulah Pengelolaan Data MK Db_Mstr_MK Input Data Ajar Pengelolaan Data Ajar Db_Mstr_Ajar Insalsas Partkel Pembangktan Poss Evaluas Ftness Update Local Best dan Global Best Update Velocty Update Poss Hasl Penjadwalan Mata Kulah Proses PSO Selesa Gambar 2. Dagram Alr Sstem 5

6 3.3 Entty Relatonshp Dagram (ERD) Nama_MK SKS semester Status username password Kode_mk Id_MK Jens_MK Kode_dosen Nama_dosen status Tbl_MK Tbl_user Id_ajar Id_MK Id_dosen Kelas Tbl_Dosen memlk M Tbl_Ajar M memlk memlk M memlk memlk M Tbl_Jadwal M memlk Tbl_ruangan Tbl_Har semester Tbl_Jam Id_jadwal tahun Id_ruangan Id_har Id_ajar Id_har Nama_ruangan Nama_har Id_ruangan Id_jam Id_jam jam Gambar 3. Entty Relatonshp Dagram (ERD) IV. IMPLEMENTASI DAN PENGUJIAN 4. Implementas Tamplan menu utamadapat dakses jka menu logn dnyatakan vald. Gambar 6. Proses Pembuatan Jadwal Gambar 5. Tamplan menu utama Setelah menekan tombol proses, sstem akan memula proses pembuatan jadwal, nla setap teras akan dsmpan dalam memor sementara. Setelah selesa tekan tombol Lhat Hasl untuk melhat data jadwal yang telah dbuat oleh sstem dengan menggunakan PSO. Untuk menjalankan aplkas n, setelah dnputkan data masternya, proses selanjutnya adalah menekan button Penjadwalan, kemudan s nla parameter yang dbutuhkan atau bsa menggunakan nla default. 6

7 Gambar 7. Laporan jadwal 4.2 Pengujan Pengujan yang dlakukan pada aplkas n adalah:. Menggunakan Black Box Hasl pengujan sstem yang dlakukan dengan menggunakan black box adalah: Tabel. Hasl pengujan black box No. Hasl Butr Uj Uj Pengujan Uj Pengujan Modul Logn Uj 2 Input Data Har Uj 3 Input Data Jam Uj 4 Input Data Ruangan Uj 5 Input Data Dosen Uj 6 Input Data Mata Kulah Uj 7 Input Data Ajar Uj 8 Proses Berdasarkan pengujan menggunakan Black box, seluruh menu dan button pada sstem penjadwalan perkulahan n berfungs dengan bak. 2. Menggunakan Uj Performans Pengujan performans yang dlakukan dengan pengujan menggunakan parameter nla default dan parameter nputan user. Tabel 2. Parameter Perhtungan dengan Nla Default C C2 w Iteras Maksmum,5,5 0,5 000 Tabel 3. Pengujan Performans dengan Parameter Nla Default Pengujan ke- Jumlah Iteras Hasl Pengujan 40 Berhasl 2 28 Berhasl 3 32 Berhasl 4 39 Berhasl 5 29 Berhasl 6 37 Berhasl 7 23 Berhasl 8 29 Berhasl 9 45 Berhasl 0 23 Berhasl Tabel 4. Pengujan Performans dengan Parameter Input dar User Pengujan Hasl C C2 w Iteras ke- Pengujan 2 0,6 38 Berhasl Berhasl Berhasl Berhasl Berhasl Berhasl Berhasl Berhasl Berhasl Berhasl Berdasarkan pengujan performans, bak yang menggunakan parameter nla default maupun yang menggunakan nla nputan dar user, sstem n 7

8 berhasl menghaslkan solus penjadwalan mata kulah yang sudah tdak terdapat bentrok terhadap har, jam, dan ruangan perkulahan. 3. Menggunakan User Acceptence Test User Acceptance Test merupakan pengujan yang dlakukan dengan memnta persetujuan dar user terhadap output yang dhaslkan oleh aplkas penjadwalan mata kulah n. Responden yang melakukan pengujan yatu Ketua Jurusan atau Sekretars Jurusan Teknk Informatka UIN Suska Rau. Hasl pengujan n adalah: aplkas n berhasl menghaslkan jadwal perkulahan yang sudah tdak terdapat bentrok, namun tdak berhasl memenuh dar seg kualtas yatu jam dmulanya perkulahan yang dfokuskan pada jam-jam yang efektf. V. PENUTUP 5. Kesmpulan Kesmpulan dar peneltan n adalah sebaga berkut:. Aplkas penjadwalan mata kulah menggunakan Partcle Swarm Optmzaton (PSO) berhasl drancang dan dbangun untuk menghaslkan jadwal perkulahan d Jurusan Teknk Informatka UIN Suska Rau walaupun tdak semua constrant yang dtetapkan oleh phak Jurusan terpenuh. 2. Walaupun berhasl menghaslkan jadwal perkulahan yang sudah tdak terdapat bentrok, namun tdak berhasl memenuh dar seg kualtas yatu jam dmulanya perkulahan yang dfokuskan pada jam-jam yang efektf. 3. Aplkas penjadwalan mata kulah n mampu menangan proses nput data, melakukan proses pembuatan jadwal perkulahan secara otomats dan menghaslkan jadwal yang dapat dtamplkan dan dapat pula dcetak. 4. Aplkas penjadwalan mata kulah menggunakan Partcle Swarm Optmzaton (PSO) memlk kekurangan yatu constrant yang tdak bsa berubah sesua konds. 5.2 Saran Dar hasl pembahasan yang telah dlakukan, dapat dsarankan untuk peneltan selanjutnya agar:. Peneltan mengena performans algortma mash sangat dbutuhkan lebh lanjut pada bdang aplkas lannya, sehngga mampu memberkan kontrbus pada perkembangan algortma tersebut. 2. Untuk pengembangan selanjutnya, constrant dbuat dapat dubah sesua kebutuhan dan persyaratan pembuatan jadwal yang berlaku. 3. Jam dmulanya perkulahan dfokuskan pada jam-jam yang efektf. DAFTAR PUSTAKA [] Aran, Dan, 20, Optmas Penjadwalan Mata Kulah d Jurusan Teknk Informatka PENS Dengan Menggunakan Algortma Partcle Swarm Optmzaton (PSO), Surabaya, Insttut Teknolog Sepuluh Nopember. [2] Putra, Yendrka, 2009, Aplkas Penjadwalan Perkulahan Menggunakan Algortma Genetka, Pekanbaru UIN Suska Rau [3] Santosa, Bud, dan Paul Wlly, 20, Metoda Metaheurstk Konsep dan Implementas, Surabaya, Guna Wdya. [4] Suyanto, 2008, Evolutonary Computaton, Bandung, Informatka. 8