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
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
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 bitvarchar, populasi awal dan kromosom secara acak random, fungsi fitness untuk meminimalkan jumlah bentrok
antar jadwal, metode seleksi roulette-wheel, pindah silang satu titik potong one- point-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
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
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
Penjadwalan Kuliah dengan Menggunakan Algoritma Genetika Studi Kasus Fakultas Teknik Universitas Sumatera Utara.
1.2. Rumusan Masalah