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 waktu tertentu. Penjadwalan kuliah merupakan kegiatan mengalokasikan sejumlah aktivitas kuliah dan batasan mata kuliah ke dalam slot ruang dan waktu yang telah tersedia. Untuk menghasilkan suatu penjadwalan kuliah, diperlukan beberapa komponen penjadwalan yaitu dosen, mata kuliah, mahasiswa, kurikulum, ruang dan waktu [1]. Penyusunan jadwal kuliah dapat dilakukan secara manual tetapi membutuhkan waktu yang lama untuk menemukan solusinya karena melibatkan banyak faktor yang saling mempengaruhi, terlebih lagi bila jumlah perkuliahan yang dijadwalkan semakin bertambah dengan jumlah dosen dan ruangan yang terbatas. Untuk mengatasi kesulitan dalam menyusun penjadwalan kuliah, maka digunakan suatu sistem penjadwalan yang dapat mengolah seluruh data masukan seperti komponen penjadwalan, aturan dan batasan tertentu yang berhubungan dengan pencarian solusi dalam penjadwalan. Keterbatasan sumber daya dalam menyusun jadwal merupakan dasar untuk melakukan optimasi penjadwalan. Jumlah mahasiswa yang semakin banyak, jumlah
Universitas Sumatera Utara
19
dosen dan jumlah ruang yang terbatas mengharuskan sistem yang disusun nantinya dapat memanfaatkan sumber daya yang ada dengan sebaik mungkin. Secara umum, pencarian solusi terhadap permasalahan yang muncul dapat dilakukan dengan beberapa pendekatan. Pendekatan tersebut menggunakan empat metode yaitu: Sequential Methods, Cluster Methods, Constraint Based Methods, dan Meta-heuristic Methods [1]. Dari keempat metode tersebut, algoritma genetika dikelompokkan dalam meta-heuristic methods. Algoritma genetika merupakan teknik pencarian berdasarkan seleksi alami yang dikembangkan oleh John Holland di University of Michigan. Algoritma ini dapat menemukan solusi global yang optimal untuk menyelesaikan persoalan data yang kompleks. Algoritma genetika menggunakan teknik evolusi biologi seperti mutasi, kawin silang dan seleksi. Metode dalam algoritma genetika sama dengan teori Darwin yang mengikuti pola seleksi alami sederhana pada pertumbuhan dan reproduksi. Proses diawali dengan menentukan suatu objek populasi (inisialisasi). Selanjutnya dilakukan evaluasi fitness dari tiap objek (analisa). Ketika populasi yang diperoleh tidak cukup fit, maka objek tersebut akan dibuang. Bila jumlah populasi sudah memenuhi harapan, maka mulai dilakukan proses seleksi untuk dua populasi terbaik. Proses pemilihan dilakukan dengan mutasi acak. Setelah seluruh proses terpenuhi, maka dilakukan evaluasi dan penempatan dalam populasi [2]. Penelitian tentang penjadwalan kuliah menggunakan algoritma genetika dengan metode pencarian beragam telah banyak dilakukan. Penelitian dilakukan dengan
Universitas Sumatera Utara
20
mengubah-ubah operator genetika (seleksi, crossover, mutasi) dan jenis pengkodean serta metode yang dilakukan. Sam’ani [3] melakukan penelitian tentang penjadwalan kuliah dengan algoritma genetika di STMIK Palangkaraya. Penelitian menggunakan 8 (delapan) prosedur antara lain: teknik pengkodean menggunakan string bit/varchar, populasi awal dan kromosom secara acak (random), fungsi fitness untuk meminimalkan jumlah bentrok antar jadwal, metode seleksi roulette-wheel, pindah silang satu titik potong (onepoint-crossover), mutasi pengkodean nilai, elitismn dan kondisi selesai bila iterasi maksimum telah dicapai. Hasil output dari sistem berupa susunan penjadwalan perkuliahan dan ujian akhir semester dalam format file Microsoft Excel. Dari 3 (tiga) kali pengujian terhadap data yang dilakukan terhadap 5-10 generasi dan populasi serta probabilitas pindah silang dan mutasi yang berbeda, didapatkan hasil terbaik dengan semua nilai fitness tiap generasi bernilai 1 dan waktu tercepat adalah pada jumlah generasi 5, populasi 5, probabilitas pindah silang 25% dan mutasi 2%. Kazarlis,
S.
[4]
melakukan
penelitian
tentang
penjadwalan
dengan
mengkombinasikan hasil penjadwalan secara manual dan menggunakan algoritma genetika sebagai alat optimasi. Untuk mendapatkan suatu tingkat kesesuaian, batasan (constraint) dibagi ke dalam dua bagian yaitu hard constraint dan soft constraint. Dalam penelitian ini, algoritma penjadwalan secara terbatas melakukan penjadwalan berdasarkan urutan tertentu. Keterbatasan dari algoritma tersebut akan dioptimasi dengan algoritma genetika. Penggunaan algoritma genetika lebih lanjut telah dilakukan untuk menyelesaikan masalah penjadwalan kuliah di universitas. Metode
Universitas Sumatera Utara
21
algoritma yang dimaksud menggunakan representasi tidak langsung meliputi pemberian prioritas peristiwa, dan timetable builder untuk menghasilkan penjadwalan yang lengkap. Teknik ini menggabungkan sejumlah operator standar dan khusus untuk meningkatkan efisiensi pencarian. Penggunaan algoritma genetika telah digunakan pada masalah penjadwalan kuliah di universitas yang selama ini dilakukan secara manual. Perbandingan langsung solusi yang dihasilkan oleh algoritma genetika dengan penjadwalan manual menunjukkan bahwa meskipun menggunakan metode evolusi masih tidak memenuhi seluruh hard constraint, dan yang justru hasil yang diperoleh adalah suatu nilai kepuasan soft constraint yang lebih baik. Algoritma genetika tidak mampu memuaskan seluruh hard constraint yang ada sehingga tidak dapat digunakan pada permasalahan yang lebih sulit lagi. Pada penelitian ini, pencarian sebanyak 5000 generasi masih belum dapat mencapai zero hard maupun soft constraint. Dari kedua penelitian di atas diperoleh dua perbedaan yang mendasar pada teknik penjadwalan yang digunakan. Pada penelitian pertama proses optimasi dilakukan dalam satu tahap yaitu langsung melalui algoritma genetika. Kromosom secara langsung berisi kode waktu kuliah yang akan dilaksanakan. Pada penelitian kedua, kromosom berisi urutan kuliah. Urutan kuliah ini diterjemahkan ke dalam kode waktu melalui algoritma penjadwalan. Selanjutnya dilakukan proses optimasi dengan dua tahap yaitu menggunakan algoritma penjadwalan dan algoritma genetika. Algoritma penjadwalan terlebih dahulu melakukan proses optimasi melalui algoritma
Universitas Sumatera Utara
22
yang mencegah terjadinya pelanggaran jadwal. Tahap selanjutnya melakukan optimasi dengan algoritma genetika untuk memilih jadwal yang lebih baik. Penggunaan jumlah ruang merupakan hal yang penting untuk diteliti, karena hasil optimasi yang digunakan akan memberikan gambaran jumlah ruang minimal yang harus ada apabila terjadi penambahan jumlah mahasiswa, penambahan jumlah mata kuliah akibat penerapan kurikulum baru, dan penambahan konsentrasi bidang keahlian atau sebagai masukan dalam rencana pengembangan kegiatan di universitas. Penggunaan ruangan di Fakultas Teknik Universitas Sumatera Utara saat ini dinilai belum efektif. Hal ini terlihat dari seringnya menggunakan beberapa ruang tertentu secara terus menerus sementara ada ruang lain yang jarang digunakan sehingga distribusi pemakaian ruangan tidak merata. Sistem penjadwalan kuliah yang diinginkan adalah sistem penjadwalan yang otimal dan cepat untuk mengatasi tiap perubahan yang terdapat pada data masukan, tetapi sistem yang dihasilkan harus tetap mengikuti aturan penjadwalan yang berlaku. Sistem penjadwalan nantinya harus dapat mengatasi keterbatasan pada komponen penjadwalan yaitu jumlah dosen, ruang dan waktu yang tersedia. Berdasarkan latar belakang di atas, penelitian ini akan membandingkan proses penyusunan jadwal kuliah dengan menggunakan algoritma genetika yang menggunakan dua metode, yaitu dengan menggunakan algoritma penjadwalan dan tanpa menggunakan algoritma penjadwalan. Kedua algoritma nantinya harus dapat menemukan solusi yang lebih tepat dalam mengoptimalkan penggunaan jumlah ruangan. Pada kesempatan ini, penulis melakukan penelitian dengan judul
Universitas Sumatera Utara
23
Penjadwalan Kuliah dengan Menggunakan Algoritma Genetika Studi Kasus Fakultas Teknik Universitas Sumatera Utara.
1.2. Rumusan Masalah Berdasarkan latar belakang tersebut, maka yang menjadi rumusan masalah dalam penelitian ini adalah membandingkan proses penjadwalan kuliah dengan menggunakan algoritma genetika tanpa algoritma penjadwalan dan dengan algoritma penjadwalan untuk mendapatkan hasil yang optimal sehingga waktu yang diperlukan dalam proses pencarian solusi lebih cepat.
1.3. Batasan Masalah Adapun yang menjadi batasan masalah dalam penelitian ini antara lain: a. Penjadwalan kuliah dibatasi pada mahasiswa reguler S1 Fakultas Teknik Universitas Sumatera Utara pada semester ganjil Tahun Ajaran 2011/2012. b. Data penelitian dibatasi hanya Teknik Elektro, tetapi sistem penjadwalan kuliah yang dihasilkan dapat diaplikasikan untuk seluruh departemen. c. Sistem perkuliahan menggunakan satuan kredit semester (SKS) dan alokasi waktu yang diberikan tiap SKS adalah 50 menit. Waktu kuliah untuk setiap fakultas sama yaitu 5 hari kerja, dilaksanakan pada hari Senin s.d Kamis mulai pukul 08.00 s.d 18.00 WIB. Khusus hari Jumat pukul 08.00 s.d 11.20 WIB dan dilanjutkan kembali pukul 14.00 s.d 18.00 WIB.
Universitas Sumatera Utara
24
d. Dosen hanya dapat mengajar sesuai dengan ruang dan waktu yang telah ditentukan. Apabila suatu hari dosen berhalangan mengajar, maka dosen diharuskan menjadwalkan ulang kegiatan perkuliahan ke bagian akademik. e. Membangun aplikasi sistem penjadwalan kuliah dengan algoritma genetika dengan algoritma penjadwalan dan tanpa algoritma penjadwalan. f. Pengembangan aplikasi menggunakan bahasa pemrograman visual basic yang dihubungkan dengan Macro Excel.
1.4. Tujuan Penelitian Tujuan dari penelitian ini adalah menghasilkan suatu sistem penjadwalan kuliah yang optimal pada penggunaan jumlah ruangan sehingga waktu yang dibutuhkan untuk pencarian solusi lebih cepat.
1.5. Manfaat Penelitian Hasil penelitian ini diharapkan dapat bermanfaat bagi Fakultas Teknik Universitas Sumatera Utara, bagi peneliti selanjutnya dan bagi ilmu pengetahuan. a. Bagi fakultas, penelitian ini dapat dikembangkan lebih lanjut untuk membantu menyelesaikan masalah penjadwalan kuliah dengan seoptimal mungkin. b. Dapat dijadikan sebagai acuan bagi peneliti berikutnya yang ingin merancang suatu sistem penjadwalan dengan menggunakan algoritma genetika.
Universitas Sumatera Utara
25
c. Penelitian ini diharapkan dapat memberikan alternatif dalam menyelesaikan penjadwalan
kuliah
di
perguruan
tinggi
atau
universitas
dengan
menyempurnakan hasil dari penelitian ini sehingga dapat memperluas penggunaan algoritma genetika.
1.6. Sistematika Penulisan Adapun sistematika penulisan yang dirancang adalah sebagai berikut: BAB I
PENDAHULUAN BAB ini berisi Latar Belakang, Rumusan Masalah, Batasan Masalah, Tujuan Penelitian, Manfaat Penelitian, dan Sistematika Penulisan.
BAB II
LANDASAN TEORI BAB ini berisi Penelitian Terkait, Penjadwalan Kuliah, Masalah Penjadwalan
Kuliah,
Persyaratan
Penjadwalan,
Kesulitan
dalam
Penjadwalan Kuliah, Algoritma Genetika, Pengkodean, Inisialisasi Populasi, Operator dalam Algoritma Genetika, Elitisme, PPX dan Konvergen. BAB III METODE PENELITIAN BAB ini berisi Sumber Data, Perancangan Sistem Penjadwalan Kuliah, Optimalisasi Penjadwalan dengan Algoritma Genetika, Pembentukan Populasi Awal, Pemilihan Operator Genetika, Perancangan Algoritma Penjadwalan, Perbandingan dan Analisa Hasil Penjadwalan, dan Diagram Alir Penelitian.
Universitas Sumatera Utara
26
BAB IV HASIL DAN ANALISA BAB ini berisi Pengumpulan Data, Komponen Penjadwalan, Perancangan Sistem Penjadwalan Kuliah, Fungsi Fitness, Proses Optimasi dengan Algoritma Genetika, Proses Optimasi dengan Algoritma Penjadwalan dan Algoritma Genetika, Perbandingan Hasil Penjadwalan dan Perbandingan Grafik Hasil Penjadwalan. BAB V
KESIMPULAN DAN SARAN BAB ini berisi kesimpulan dan saran-saran.
Universitas Sumatera Utara
