Perbandingan Model Algoritma Particle Swarm Optimization Dan Algoritma Genetika Pada Penjadwalan Perkuliahan

PERBANDINGAN MODEL ALGORITMA PARTICLE SWARM
OPTIMIZATION DAN ALGORITMA GENETIKA PADA

PENJADWALAN PERKULIAHAN

TESIS

SAYID AIDHIL PUTRA
NIM. 127038071

PROGRAM STUDI S2 TEKNIK INFORMATIKA
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2015

PERBANDINGAN MODEL ALGORITMA PARTICLE SWARM
OPTIMIZATION DAN ALGORITMA GENETIKA PADA

PENJADWALAN PERKULIAHAN

TESIS
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah
Magister Teknik Informatika

SAYID AIDHIL PUTRA
NIM. 127038071

PROGRAM STUDI S2 TEKNIK INFORMATIKA
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2015

PERSETUJUAN

Judul

: PERBANDINGAN MODEL ALGORITMA PARTICLE SWARM
OPTIMIZATION DAN ALGORITMA GENETIKA PADA

PENJADWALAN PERKULIAHAN
Kategori

: TESIS

Nama

: SAYID AIDHIL PUTRA

NIM

: 127038071

Program Studi

: MAGISTER (S2) TEKNIK INFORMATIKA

Fakultas

: ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

Komisi Pembimbing:
Pembimbing 2

Pembimbing 1

Prof. Dr. Drs. Iryanto, M.Si.

Prof. Dr. Muhammad Zarlis

Diketahui/disetujui oleh
Program Studi Magister Teknik Informatika
Ketua,

Prof. Dr. Muhammad Zarlis
NIP. 19570701 198601 1 003

i

PERNYATAAN

PERBANDINGAN MODEL ALGORITMA PARTICLE SWARM
OPTIMIZATION DAN ALGORITMA GENETIKA

PADA PENJADWALAN PERKULIAHAN

TESIS

Saya mengakui bahwa tesis ini adalah hasil karya saya sendiri, kecuali beberapa kutipan
dan ringkasan yang masing-masing telah disebutkan sumbernya.

Medan,

Mei 2015

Sayid Aidhil Putra
Nim. 127038071

ii

PERNYATAAN PERSETUJUAN PUBLIKASI
KARYA ILMIAH UNTUK KEPENTINGAN
AKADEMIS

Sebagai sivitas akademika Universitas Sumatera Utara, saya yang bertanda tangan di
bawah ini:
Nama

: Sayid Aidhil Putra

NIM

: 127038071

Program Studi

: Teknik Informatika

Jenis Karya Ilmiah

: Tesis

Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada
Universitas Sumatera Utara Hak Bebas Royalti Non-Eksklusif (Non-Exclusive Royalty
Free Right) atas tesis saya yang berjudul:

PERBANDINGAN MODEL ALGORITMA PARTICLE SWARM OPTIMIZATION
DAN ALGORITMA GENETIKA PADA PENJADWALAN PERKULIAHAN
Beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti NonEksklusif ini, Universitas Sumatera Utara berhak menyimpan, mengalih media,
memformat, mengelola dalam bentuk database, merawat dan mempublikasikan tesis
saya tanpa meminta izin dari saya selama tetap mencantumkan nama saya sebagai
penulis dan sebagai pemegang dan/atau sebagai pemilik hak cipta
Demikian pernyataan ini dibuat dengan sebenarnya.

Medan,

Mei 2015

Sayid Aidhil Putra

Nim. 127038071
iii

Telah diuji pada
Tanggal

: 15 Mei 2015

PANITIA PENGUJI TESIS
Ketua

: Prof. Dr. Muhammad Zarlis

Anggota

: 1. Prof. Dr. Drs. Iryanto, M.Si.
2. Prof. Dr. Herman Mawengkang
3. Dr. Erna Budhiarti Nababan, M.IT.
4. Dr. Poltak Sihombing, M.Kom.

iv

RIWAYAT HIDUP

DATA PRIBADI

Nama Lengkap

: Sayid Aidhil Putra,S.Pd.,S.Kom

Tempat/Tgl Lahir

: Medan, 19 Juni 1985

Alamat Rumah

: Jl. Garu VI Gg. Merbuk No. 27F Medan 20147

HP

: 0852 7590 1437

E-mail

: putra_27f@yahoo.com / putra.lp3@gmail.com

Instansi Tempat Kerja : SMP Negeri 17 Medan
Alamat Kantor

: Jl. Kapten M. DJamil Lubis No.108 Medan

DATA PENDIDIKAN

SD

: SDN 060924 Medan

Tamat: 1997

SMP

: SMP N 36 Medan

Tamat: 2000

SMK

: SMK Multi Karya Medan

Tamat: 2003

D1

: LP3BIMA Medan

Tamat: 2005

S1

: Pend. Teknik Mesin UNIMED

Tamat: 2009

S1

: Teknik Informatika Budidarma

Tamat: 2012

S2

: Teknik Informatika USU

Tamat: 2015

v

KATA PENGANTAR

Bismillahhirrahmanirrohim. Puji Syukur kepada Allah SWT dan Nabi Besar
Muhammad SAW, segala puji bagi Allah SWT Sang Maha Pencipta, yang semua jiwa
dalam genggaman-Nya, karena atas limpahan Rahmad dan karunia-Mu, penulis bisa
menyelesaikan Tesis ini yang berjudul: Perbandingan Model Algoritma Particle
Swarm Optimization Dan Algoritma Genetika Pada Penjadwalan Perkuliahan

Penyusunan Tesis ini merupakan salah satu syarat untuk dapat memperoleh gelar
Magister Komputer (S2) Pada Universitas Sumatera Utara. Penulis menyadari apa yang
penulis tuangkan dalam Tesis ini tidak terlepas dari peranan seluruh dosen, temanteman dan seluruh keluarga yang turut memberikan bantuan moril maupun materil.
Untuk itu penulis menyampaikan terima kasih kepada:
1.

Plt Rektor Universitas Sumatera Utara Bapak Prof. Subhilhar, Ph.D atas
kesempatan yang diberikan kepada penulis untuk dapat mengikuti dan
menyelesaikan program studi Magister.

2.

Dekan Fakultas Ilmu Komputer dan Teknologi Informasi (Fasilkom-TI)
Universitas Sumatera Utara Bapak Prof. Dr. Muhammad Zarlis atas kesempatan
yang diberikan kepada penulis untuk dapat mengikuti dan menyelesaikan
program studi Magister Teknik Informatika.

3.

Ketua Program Studi Magister Teknik Informatika Universitas Sumatera Utara
Bapak Prof. Dr. Muhammad Zarlis dan Bapak Muhammad Andri Budiman, ST.,
M.Comp.Sc.,M.E.M selaku Sekertaris Prodi Magister Teknik Informatika
Universitas Sumatera Utara dan sekaligus sebagai Dosen Pembimbing Akademik
(PA) yang telah banyak memberikan masukan dalam penyusunan Tesis ini.

4.

Bapak Prof. Dr. Muhammad Zarlis selaku Pembimbing I yang tak terhingga dan
penghargaan yang setingi-tingginya atas bimbingan, pengarahan dan dorongan
kepada penulis selama mengerjakan Tesis ini.

5.

Bapak Prof. Dr. Drs. Iryanto, M.Si selaku Pembimbing II yang tak terhingga dan
penghargaan yang setingi-tingginya juga atas bimbingan, pengarahan dan
dorongan kepada penulis selama mengerjakan Tesis ini.

vi

6.

Bapak Prof. Dr. Herman Mawengkang selaku Pembanding I yang telah banyak
memberikan masukan kepada penulis dalam penyusunan Tesis ini.

7.

Ibu Dr. Erna Budhiarti Nababan, M.IT selaku Pembanding II yang telah banyak
memberikan masukan kepada penulis dalam penyusunan Tesis ini.

8.

Bapak Dr. Poltak Sihombing, M.Kom selaku Pembanding III yang telah banyak
memberikan masukan kepada penulis dalam penyusunan Tesis ini.

9.

Semua Bapak dan Ibu dosen dosen yang namanya tidak disebutkan dalam Tesis
ini yang telah banyak mendidik, mengajar dan membimbing penulis selama
mengerjakan Tesis ini.

10.

Kepada Orang Tua Tercinta (Drs. H Sayid Usman Z) dan (Dra. Hj. Ermanelis)
yang telah banyak memberikan motivasi moril dan materil kepada penulis selama
mengerjakan Tesis ini.

11.

Kepada Istri tercinta (Tri Wahyuningsih, S.Kom) yang juga telah banyak
memberikan motivasi dan saran yang membangun kepada penulis selama
mengerjakan Tesis ini.

12.

Kepada Adik-adik penulis (Syarifah Widya Ulfa, S.Pd., M.Pd. & Suami dan
Syarifah Fadrina, SKM) yang juga banyak memberikan motivasi dan saran yang
membangun dalam proses penyusunan Tesis ini. Dan kepada seluruh keluarga
tercinta penulis yang juga banyak memberikan motivasi dan arahan kepada
penulis dalam penyusunan Tesis ini.

13.

Kepada seluruh pegawai Pascasarjana Magister Teknik Informatika USU dan
teman-teman seperjuangan (Angkatan 2012 Kom-C) yang tidak bisa disebutkan
namanya satu persatu, yang telah banyak memberikan saran kepada penulis dalam
penyusunan Tesis ini.

14.

Kepada semua yang telah membantu penulis dalam mengejakan Tesis ini, semoga
semua arahan, bimbingan, saran dan kritiknya yang membangun mendapat pahala
yang setimpal di sisi Allah Swt. Amin
Medan, Juli 2015
Penulis,

Sayid Aidhil Putra
NIM. 127038071
vii

ABSTRAK

Pada penelitian ini dibahas penggunaan model algoritma particle swarm optimization
dan algoritma genetika pada kasus penjadwalan perkuliahan. Penelitian ini bertujuan
untuk mengetahui tingkat kestabilan (stability) algoritma particle swarm optimization
dan algoritma genetika dalam mencapai generasi (iterasi) terbaik, kemudian
menganalisis proses kerja algoritma particle swarm optimization dan algoritma
genetika terhadap penjadwalan perkuliahan. Berdasarkan hasil penelitian maka didapat
bahwa cara kerja algoritma genetika lebih stabil dalam mendapatkan generasi (iterasi)
terbaik dibandingkan dengan algoritma particle swarm optimization . Pada algoritma
PSO solusi yang didapatkan dalam mencapai nilai fitness terbaik pada saat stabil dalam
setiap iterasinya membutuhkan waktu yang lebih lama, karena semakin besar
iterasinya maka akan semakin lama pula waktu yang dibutuhkan. Penjadwalan yang
dihasilkan diharapkan memenuhi 5 kriteria yakni: 1. Tersedianya ruangan untuk setiap
perkuliahan, 2. Apakah ruangan yang tersedia memenuhi kapasitas jumlah mahasiswa
yang akan mengikuti perkuliahan atau tidak, 3. Tersedianya laboratorium untuk setiap
perkuliahan yang memerlukan laboratorium, 4. Tidak terjadi tabrakan jadwal pengajar
(seorang pengajar tidak diijinkan memiliki lebih dari satu perkuliahan pada hari dan jam
yang sama), 5. Tidak terjadi tabrakan jadwal mahasiswa pada setiap perkuliahan
(mahasiswa tidak diijinkan memiliki lebih dari satu perkuliahan pada hari dan jam yang
sama).

Kata kunci: Algoritma Particle Swarm Optimization, Algoritma Genetika, Penjadwalan
Perkuliahan

viii

COMPARISON MODEL THE PARTICLE SWARM OPTIMIZATION
ALGORITHM AND GENETIC ALGORITHM
AT THE LECTURING SCHEDULING

ABSTRACT

At this research is studied by using of model particle swarm optimization algorithm and genetic
algorithm at case of lecturing scheduling. This research aim to know the level stability of

particle swarm optimization algorithm and genetic algorithm in reaching of the best
generation (iteration), then analyse the work process of the particle swarm optimization
algorithm and genetic algorithm to lecturing scheduling. Base on research result is got
that way of job genetic algorithm more stable in getting the best generation (iteration) than
particle swarm optimization algorithm. At particle swarm optimization algorithm, got solution
in reaching the best value fitness in each iteration require the longer time, because the greater
becomes of iteration so will longer time is required. The scheduling result to be expected to
fulfill 5 criterion that is: 1. The available of rooms to each lecturing, 2. Whether available
rooms fulfill the capacities sum up the student to follow the lecturing or not, 3. The available
of laboratory to each lecturing needing laboratory, 4. Is not happened by the collision of
instructor schedule (a instructor is not permitted to own more than one lecturing on and same
clock), 5. Is not happened by the collision of student schedule in each lecturing ( student is not
permitted to own more than one lecturing on and same clock).

Keyword: Particle Swarm Optimization Algorithm, Genetic Algorithm, Lecturing
Scheduling.

ix

DAFTAR ISI

hal
Halaman Judul
Pengesahan ............................................................................................................... i
Pernyataan Orisinalitas ........................................................................................... ii
Persetujuan Publikasi .............................................................................................. iii
Panitia Penguji ......................................................................................................... iv
Riwayat Hidup ......................................................................................................... v
Ucapan Terima Kasih .............................................................................................. vi
Abstrak ..................................................................................................................... viii
Abstract ..................................................................................................................... ix
Daftar Isi ................................................................................................................... x
Daftar Tabel ............................................................................................................. xii
Daftar Gambar ......................................................................................................... xiii
Bab 1 Pendahuluan ................................................................................................. 1
1.1 Latar Belakang Masalah .......................................................................... 1
1.2 Rumusan Masalah ................................................................................... 3
1.3 Tujuan Penelitian .................................................................................... 4
1.4 Batasan Masalah...................................................................................... 4
1.5 Manfaat Penulisan ................................................................................... 4
Bab 2 Tinjauan Pustaka ......................................................................................... 5
2.1 Dasar Teori Particle Swarm Optimization (PSO) ................................... 5
2.2 Proses Algoritma PSO ............................................................................ 9
2.3 Menentukan Parameter Algoritma PSO .................................................. 10
2.4 Algoritma Genetika ................................................................................. 12
2.5 Proses Algoritma Genetika ..................................................................... 14
2.5.1 Kondisi Berhenti ............................................................................ 17
2.5.2 Penggunaan Algoritma Genetika .................................................. 17
2.5.3 Istilah Dalam Algoritma Genetika ................................................ 19

2.6 Komponen-komponen Algoritma Genetika ............................................ 20
x

2.6.1 Teknik Pengkodean ........................................................................ 20
2.6.2 Membangkitkan Populasi Awal dan Kromosom ........................... 21
2.6.3 Seleksi ............................................................................................ 21
2.6.4 Crossover ....................................................................................... 23
2.6.5 Mutasi ............................................................................................ 24
2.6.6 Elitisme .......................................................................................... 26

2.7 Penjadwalan ............................................................................................ 27
2.8 Penelitian yang terkait ............................................................................. 30
Bab 3 Metodologi Penelitian .................................................................................. 32
3.1 Kerangka Berpikir ................................................................................... 32
3.2 Tahapan Penelitian .................................................................................. 33
3.3 Bahan Penelitian...................................................................................... 35
3.4 Langkah-langkah Penelitian .................................................................... 35
3.5 Analisis Model ........................................................................................ 36
3.6 Pengolahan Data...................................................................................... 37
3.7 Penjadwalan Dengan Algoritma Genetika .............................................. 38
3.7.1 Teknik Pengkodean ........................................................................ 38
3.7.2 Menentukan Populasi Awal Dan Inisialisasi Kromosom .............. 38
3.7.3 Fungsi Fitness ................................................................................ 40
3.7.4 Seleksi ............................................................................................. 43
3.7.5 Pindah Silang (Crossover) ............................................................. 43
3.7.6 Mutasi ............................................................................................. 45

3.8 Penjadwalan Dengan Algoritma PSO ..................................................... 46
3.8.1 Koefisien Akselerasi ....................................................................... 46
3.8.2 Inertia Weight................................................................................. 46

Bab 4 Hasil dan Pembahasan ................................................................................. 53
4.1 Hasil ........................................................................................................ 53
4.2 Pembahasan ............................................................................................. 60
4.2.1 Algoritma Genetika ........................................................................ 60
4.2.2 Algoritma PSO ............................................................................... 63

Bab 5 Kesimpulan dan Saran ................................................................................ 67
xi

5.1 Kesimpulan ............................................................................................. 67
5.2 Saran ........................................................................................................ 67

Daftar Pustaka ......................................................................................................... 69
Lampiran 1 Daftar Publikasi Ilmiah ................................................................... 74
Lampiran 2 Hasil Percobaan Penjadwalan Menggunakan GA ........................ 75
Lampiran 3 Hasil Percobaan Penjadwalan Menggunakan
Algoritma PSO .................................................................................. 95
Lampiran 4 File *.Txt Sebagai Data Masukan Pada Penjadwalan
Menggunakan Model Algoritma Genetika .................................... 103
Lampiran 5 File *.Txt Sebagai Data Masukan Pada Penjadwalan
Menggunakan Model Algoritma PSO ............................................ 116

xii

DAFTAR TABLE

hal
Tabel 2.1 Contoh Jadwal Perkuliahan ..................................................................... 27
Tabel 3.1 Contoh Slot Penjadwalan Perkuliahan .................................................... 39
Tabel 3.2 Contoh Distribusi Perkuliahan ................................................................ 39
Tabel 3.3 Contoh Penjadwalan................................................................................ 40
Tabel 3.4 Contoh Jadwal Perkuliahan ..................................................................... 42
Tabel 3.5 Perhitungan Nilai Fitness Tiap Individu ................................................. 42
Tabel 3.6 Kondisi Kromosom Sebelum Mengalami Crossover ............................. 43
Tabel 3.7 Kromosom Setelah Mengalami Crossover ............................................. 45
Tabel 3.8 Kondisi Kromosom Sebelum Proses Mutasi .......................................... 45
Tabel 3.9 Kondisi Kromosom Setelah Proses Mutasi ............................................. 46
Tabel 3.10 Slot Perkuliahan ...................................................................................... 47
Tabel 3.11 Contoh Distribusi Perkuliahan ................................................................ 47
Tabel 3.12 Contoh Inisialisasi Partikel ..................................................................... 48
Tabel 3.13 Contoh Slot Yang Terpilih ...................................................................... 49
Tabel 3.14 Contoh Penjadwalan Awal ...................................................................... 49
Tabel 3.15 Contoh Kombinasi Partikel ..................................................................... 50
Tabel 3.16 Perhitungan Nilai Fitness Partikel PSO .................................................. 51
Tabel 3.17 Nilai PBest dan GBest ............................................................................. 51
Tabel 3.18 Velocity Partikel Pada Iterasi k+1 .......................................................... 52
Tabel 3.19 Posisi Partikel Pada Iterasi k+1 ............................................................... 52
Tabel 3.20 Contoh Jadwal Kuliah yang Terbentuk Berikutnya ................................ 52
Tabel 4.1 Daftar Pengajar........................................................................................ 53
Tabel 4.2 Daftar Mata Kuliah ................................................................................. 54
Tabel 4.3 Daftar Ruangan ....................................................................................... 55
Tabel 4.4 Daftar Grup Mahasiswa .......................................................................... 55
Tabel 4.5 Daftar Hari Perkuliahan .......................................................................... 56

xiii

Tabel 4.6 Daftar Waktu Perkuliahan Dalam WIB .................................................. 56
Tabel 4.7 Daftar Distribusi Mata Kuliah................................................................. 57
Tabel 4.8 Hasil Uji Coba Algoritma Genetika Pada Saat Stabil ............................. 62
Tabel 4.9 Hasil Uji Coba Algoritma PSO Pada Saat Stabil .................................... 65

xiv

DAFTAR GAMBAR

hal
Gambar 2.1 Flowchart Algoritma PSO .................................................................... 11
Gambar 2.2 Contoh Penggunaan Algoritma Genetika ............................................. 19
Gambar 2.3 Ilustrasi Istilah dalam Algoritma Genetika ........................................... 20
Gambar 2.4 Ilustrasi Seleksi dengan Roulette Wheel ............................................... 22
Gambar 2.5 Flowchart Algoritma Genetika ............................................................. 26
Gambar 3.1 Langkah-langkah Penelitian ................................................................. 35
Gambar 3.2 Struktur Analisis Model ........................................................................ 36
Gambar 3.3 Flowchart Pembentukan Kromosom .................................................... 38
Gambar 4.1 Hasil Penjadwalan Menggunakan Model Program
Algoritma Genetika .............................................................................. 59
Gambar 4.2 Proses Penjadwalan Menggunakan Model Program
Algoritma PSO...................................................................................... 60
Gambar 4.3 Contoh Susunan Kromosom Pada Penjadwalan dengan
Menggunakan Algoritma Genetika....................................................... 61
Gambar 4.4 Grafik Hasil Percobaan Menggunakan Algoritma Genetika ................ 63
Gambar 4.5 Contoh Susunan Partikel Pada Penjadwalan dengan
Algoritma PSO...................................................................................... 64
Gambar 4.6 Grafik Hasil Percobaan Menggunakan Algoritma PSO ....................... 65
Gambar 4.7 Grafik Perbandingan Algoritma Genetika dan Algoritma PSO
Dalam Mendapatkan Generasi (Iterasi) Terbaik Terhadap
Penjadwalan Perkuliahan ...................................................................... 66

xv