Algoritma Penanganan Constraint pada Persoalan Penjadwalan Perkuliahan Universitas di Lingkungan Pendidikan Tinggi Keagamaan Islam (PTKI)

Fatchurrochman Fatchurrochman, Arif Nur Afandi, M Zainal Arifin, Wayan Firdaus Mahmudy

Abstract


Penjadwalan perkuliahan di universitas adalah kegitan rutin yang membutuhkan waktu relatif lama untuk menyelesaikannya jika dikerjakan secara manual. Waktu yang dibutuhkan akan semakin besar ketika semakin banyak constraint yang dipertimbangkan. Mekanisme penanganannya akan berbeda di tiap universitas karena mungkin mereka mempunyai constraint yang unik. Dalam paper ini dipaparkan berbagai algoritma penanganan untuk tiap jenis constraint dalam persoalan penjadwalan perkuliahan. Algoritma penjadwalan perkuliahan otomatis yang digunakan dalam penjadwalan otomatispenelitian ini adalah sequential search yang bekerja dengan cara mencari slot waktu yang masih belum dipergunakan untuk ditempati oleh kelas perkuliahan . Bila slot waktu telah dipergunakan maka sistem akan mencari slot waktu yang lain secara berurutan. Uji coba dilakukan di program studi Teknik Informatika UIN Malang pada semester Ganjil tahun akademik 2021/2022. Hasilnya menunjukkan bahwa dengan 10 constraint, sistem yang dibangun dapat menjadwalkan 190 kelas perkuliahan secara otomatis dan 21 kelas perkuliahan dijadwalkan secara interaktif. Dengan sistem yang diajukan maka seluruh kelas perkuliahan sebanyak 211 dapat terjadwal meskipun ada pelanggaran soft constraint oleh 17 kelas perkuliahan.


Keywords


Penjadwalan Perkuliahan Universitas; Constraint; Seaquential Search

Full Text:

PDF

References


A. E. Phillips, H. Waterer, M. Ehrgott, and D. M. Ryan, “Integer programming methods for large-scale practical classroom assignment problems,” Comput. Oper. Res., vol. 53, pp. 42–53, Jan. 2015, doi: 10.1016/j.cor.2014.07.012.

K. Sylejmani, E. Gashi, and A. Ymeri, “Simulated annealing with penalization for university course timetabling,” J. Sched., Jul. 2022, doi: 10.1007/s10951-022-00747-5.

G. Alnowaini and A. A. Aljomai, “Genetic Algorithm For Solving University Course Timetabling Problem Using Dynamic Chromosomes,” in 2021 International Conference of Technology, Science and Administration (ICTSA), Mar. 2021, pp. 1–6. doi: 10.1109/ICTSA52017.2021.9406539.

D. Wahyuningsih, “Rancangan Sistem Penjadwalan Akademik Menggunakan Algoritma Max Min Ant System (Studi Kasus: STMIK Atma Luhur Pangkalpinang),” J. Edukasi Dan Penelit. Inform. JEPIN, vol. 1, no. 2, Nov. 2015, doi: 10.26418/jp.v1i2.11654.

R. A. Oude Vrielink, E. A. Jansen, E. W. Hans, and J. van Hillegersberg, “Practices in timetabling in higher education institutions: a systematic review,” Ann. Oper. Res., vol. 275, no. 1, pp. 145–160, Apr. 2019, doi: 10.1007/s10479-017-2688-8.

B. McCollum, “A Perspective on Bridging the Gap Between Theory and Practice in University Timetabling,” in Practice and Theory of Automated Timetabling VI, E. K. Burke and H. Rudová, Eds., in Lecture Notes in Computer Science, vol. 3867. Berlin, Heidelberg: Springer Berlin Heidelberg, 2007, pp. 3–23. doi: 10.1007/978-3-540-77345-0_1.

T. Müller and H. Rudová, “Real-life curriculum-based timetabling with elective courses and course sections,” Ann. Oper. Res., vol. 239, no. 1, pp. 153–170, Apr. 2016, doi: 10.1007/s10479-014-1643-1.

M. Lindahl, Strategic, Tactical and Operational University Timetabling. DTU Management, 2017.

I. Balan, “A New Genetic Approach for Course Timetabling Problem,” J. Appl. Comput. Sci. Math., vol. 15, no. 1, pp. 9–14, 2021, doi: 10.4316/JACSM.202101001.

S. L. Goh, G. Kendall, and N. R. Sabar, “Simulated annealing with improved reheating and learning for the post enrolment course timetabling problem,” J. Oper. Res. Soc., vol. 70, no. 6, pp. 873–888, Jun. 2019, doi: 10.1080/01605682.2018.1468862.

D. S. Holm, R. Ø. Mikkelsen, M. Sørensen, and T. J. R. Stidsen, “A graph-based MIP formulation of the International Timetabling Competition 2019,” J. Sched., vol. 25, no. 4, pp. 405–428, Aug. 2022, doi: 10.1007/s10951-022-00724-y.

E. Rappos, E. Thiémard, S. Robert, and J.-F. Hêche, “A mixed-integer programming approach for solving university course timetabling problems,” J. Sched., vol. 25, no. 4, pp. 391–404, Aug. 2022, doi: 10.1007/s10951-021-00715-5.

R. E. Febrita and W. F. Mahmudy, “Modified genetic algorithm for high school time-table scheduling with fuzzy time window,” in 2017 International Conference on Sustainable Information Engineering and Technology (SIET), Nov. 2017, pp. 88–92. doi: 10.1109/SIET.2017.8304115.

R. Rody, W. F. Mahmudy, and I. P. Tama, “Using Guided Initial Chromosome of Genetic Algorithm for Scheduling Production-Distribution System,” J. Inf. Technol. Comput. Sci., vol. 4, no. 1, pp. 26–32, Jun. 2019, doi: 10.25126/jitecs.20194195.

E. Burke, K. Jackson, J. H. Kingston, and R. Weare, “Automated University Timetabling: The State of the Art,” Comput. J., vol. 40, no. 9, pp. 565–571, Jan. 1997, doi: 10.1093/comjnl/40.9.565.

S. Ceschia, L. Di Gaspero, and A. Schaerf, “Educational timetabling: Problems, benchmarks, and state-of-the-art results,” Eur. J. Oper. Res., Jul. 2022, doi: 10.1016/j.ejor.2022.07.011.

Z. Abidin, “Solving University Course Timetabling Problem (UCTP) Using Depth First Search (DFS) Algorithm and Rule Base Systems,” Int. J. Eng..

A. N. Afandi and M. Z. Arifin, “Sistem Penjadwalan Perkuliahan Universitas Otomatis Menggunakan Algoritma Sequential Search,” 2022.




DOI: https://doi.org/10.26418/jp.v9i2.64546

Refbacks

  • There are currently no refbacks.