Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kegiatan rutin yang harus dilakukan oleh setiap lembaga pendidikan merupakan tugas kunci yang menunjang kenyamanan dalam proses belajar-mengajar. Berbagai teknik dan algoritma pencarian pun dicoba untuk memecahkan permasalahan penjadwalan. Banyaknya kemungkin an solusi dari dari berbagai kombinasi variabel dan domain dalam permasalahan penjadwalan membuat permasalahan ini termasuk ke dalam permasalahan kombinatorial. Salah satu teknik yang digunakan untuk memecahkan permasalahan kombinatorial adalah Constraint Programming, yang memodelkan permasalahan yang ada dengan membatasi kemungkinan kombinasi nilai untuk setiap variabel. Kemudian solusi yang optimum dicari dengan menggunakan algoritma pencarian.Dalam Tugas Akhir ini, penjadwalan perkuliahan dalam Tugas Akhir ini dibuat untuk memenuhi kebutuhan penjadwalan perkuliahan di Fakultas Ilmu Komputer Universitas Indonesia (Fasilkom UI), khususnya program studi S1 Reguler. Proses penjadwalan dibagi ke dalam dua tahap, yang setiap tahapannya dimodelkan ke dalam Constraint Satisfaction Problem (CSP). Tahap pertama menangani masalah work allocation, yaitu pemetaan mata kuliah ke dosen. Sedangkan tahap yang kedua menangani masalah time tabling, yaitu pemetaan mata kuliah ke slot kuliah. Fungsi objektif dalam mencari solusi optimum (optimization) ditetapkan dalam setiap tahapan tersebut. Tahap pertama mengoptimisasi pemetaan mata kuliah ke dosen berdasarkan workload setiap dosen. Sedangkan tahap kedua mengoptimisasi pemetaan mata kuliah ke slot kuliah berdasarkan jumlah infocus yang tersedia di Fasilkom UI. Solusi yang optimum ini dicari dengan menggunakan algoritma pencarian Branch and Bound (B & B). ix + 67 hlm; 45 gbr; 7 tbl; Lampiran A,B,C;Daftar Pustaka: 16 (1993 ? 2007)."

"Proses pembuatan jadwal kuliah merupakan kegiatan yang panjang, membosankan, serta membutuhkan waktu dan pemikiran yang cukup besar jika dilakukan secara manual. Penyelesaian masalah penjadwalan kuliah secara otomatis dengan bantuan komputer dapat mengurangi waktu dan tenaga dalam membuat jadwal kuliah dan memperkecil terjadinya kesalahan yang disebabkan human error.Genetic algorithm (GA) merupakan salah satu algoritma local search yang bekerja dengan memori yang kecil dan sering kali dapat menemukan solusi yang masuk akal dalam state space yang sangat besar yang tidak bisa ditemukan oleh algoritma yang sistematik sehingga cocok digunakan untuk menyelesaikan masalah penjadwalan kuliah. Penjadwalan kuliah adalah masalah yang multiobjective karena banyak aspek yang menentukan baik buruknya suatu jadwal kuliah. Oleh karena itu, pada tugas akhir ini digunakan algoritma multiobjective SPEA2.Dalam tugas akhir ini, masalah penjadwalan kuliah dimodelkan sebagai constraint satisfaction problem, lalu diselesaikan dengan GA. Terdapat hard constraint dan soft constraint dalam penjadwalan kuliah. Setiap constraint dianggap sebagai satu fungsi objektif yang mempengarui nilai fitness individu. Pada eksperimen yang dilakukan, digunakan variasi: 1) ukuran test case: kecil, sedang, besar gasal, besar genap, 2) algoritma multiobjective: SPEA2 dan aggregation based, 3) 4 representasi chromosome, 4) GA parameter: populasi, archive size, crossover type, dan mutation rate, 5) constraint aktif.Dari hasil eksperimen, GA dapat menyelesaikan penjadwalan kuliah dengan baik karena pada hampir semua test case yang dicobakan, GA dapat menghasilkan jadwal yang memenuhi semua constraint yang ada. Selain itu, mengenai parameter GA untuk masalah penjadwalan kuliah dapat disimpulkan: algoritma multiobjective SPEA2 lebih baik dari aggregation based, populasi semakin besar semakin baik, archive size yang ideal adalah 50% dari jumlah populasi, mutation rate sangat tergantung dari panjang genome.

---

The process of creating a university timetable is a long and tedious work that needs much time and energy if it is done manually. Solving university timetabling problem automatically with a computer not only can reduce time and energy but also prevent human error.Genetic algorithm (GA) is one of local search algorithm that requires little memory and can often find a reasonable solution in a very big state space search which can not be found by systematic search algorithms. Therefore, it is useful for solving timetabling problem. Timetable scheduling is a multiobjective problem because there are many aspects that determine whether a schedule is good or bad. Because of that, in this research, multiobjective algorithm SPEA2 is used.In this reasearch, timetabling problem is represented as a constraint satisfaction problem, then solved with GA. There are hard constraints and soft constraints in university timetabling problem. Each constraint is considered as an objective function that affect fitness value of an individual. In the experiment conducted, the variation used are: 1) test case size: small, medium, large odd, large even, 2) multiobjective algorithm: SPEA2 and aggregation based, 3) four different chromosome representations, 4) GA parameters: population, archive size, crossover type, and mutation rate, 5) active constraints.From the results of the experiment, GA can successfully solve timetabling problems because in almost all the test cases tried, GA can generate schedules that satisfy all the constraints. In addition, conclusions about the GA parameters for the timetabling problem are: multiobjective algorithm SPEA2 is better than aggregation based, the greater the population the better, the ideal archive size is 50% of the population, mutation rate is highly dependent on the length of the genome."

"Dalam perencanaan produksi diperlukan suatu Penjadwalan Induk Produksi (PIP) yang mampu mengatur pemakaian sumber daya yang terbatas dalam menghasilkan produk berdasarkan prioritas pesanan yang datang. Dalam mengembangkan suatu PIP salah satu caranya dilakukan dengan mensimulasikan komponen masukan untuk menghasilkan produk dalam jumlah dan waktu yang tepat. Adapun komponen masukan PIP yang menjadi fokus perhatian adalah: pesanan (order), bahan (material), mesin (resource), pengiriman (shipment), ramalan (forecasting), pesanan terlunda (backlog) dan persediaan (inventory). Aplikasi Simulator yang dikembangkan selanjutnya diujicobakan untuk jenis produk perabotan (meubelair). Simulator ini dikembangkan dengan menggunakan teknik pendekatan beorientasi objek. PIP yang dihasilkan dari simulator merupakan pengabungan 2 (dua) teknik yaitu Teknik Fase Waktu dan Teknik Penghitungan Kebutuhan Bersih dan Kotor. Kontribusi yang dihasilkan dari Aplikasi simulator ini adalah: dapat melakukan penyimpanan data secara simultan, tampilan data yang disajikan mempunyai informasi yang lebih lengkap jika dibandingkan dengan PIP yang ada di lapangan dan mempunyai fleksibilitas dalam rangka mempertimbangkan kebutuhan perubahan data di lapangan seperti penambahan komponen produk. Dari hasil uji coba dengan data di lapangan, aplikasi ini dapat memberikan masukan kepada proses perencanaan produksi dalam hal efesiensi pemakaian material, penggunaan mesin, tingkat pencapaian jumlah dan tingkat pencapaian waktu produksi. Supaya aplikasi ini dapat digunakan secara lebih aplikatif untuk perusahaan dengan skala produksi lebih besar perlu dilakukan studi untuk melengkapi data dalam hal misalnya peramalan dengan menggunakan programa liner dan optimalisasi yang ada pada riset operasi (operation research). Dan agar aplikasi ini dapat digunakan untuk berbagai jenis produk diperlukan suatu kajian yang dapat menggeneralisasi karakteristik setiap produk tersebut."