PERBANDINGAN OPTIMASI APLIKASI PENJADWALAN KULIAH ANTARA MENGGUNAKAN ALGORITMA GENETIK DAN ALGORITMA KOLONI SEMUT (STUDI KASUS: PENJADWALAN KULIAH PROGRAM STUDI AKUNTANSI UNIVERSITAS KOMPUTER INDONESIA)

Peneliti

Iskandar Ikbal, S.T., M.Kom Syahrul Mauluddin, S.Kom, M.Kom

Deskripsi/Abstrak

Penjadwalan kuliah merupakan kegiatan rutin pada sebuah perguruan tinggi dan merupakan kegiatan yang sangat penting untuk terselenggaranya kegiatan akademik yang baik. Dalam proses pembuatan jadwal kuliah ini dituntut ketelitian yang tinggi dan harus tepat waktu dalam menyelesaikannya. Umumnya permasalahan yang sering terjadi dalam penjadwalan kuliah adalah lamanya proses pembuatan jadwal dan adanya bentrok jadwal karena banyaknya aturan-aturan yang harus diperhatikan. Program studi akuntansi merupakan salah satu program studi dengan student body terbesar di Universitas Komputer Indonesia. Dalam proses penjadwalan kuliah masih dilakukan secara manual sehingga proses pembuatan lama dan sering terjadi bentrok jadwal. Mengingat pentingnya proses penjadwalan ini, maka perlu dilakukan langkah optimasi sehingga proses penjadwalan lebih cepat dan bentrok jadwal dapat diminimalisir sehingga kegiatan belajar mengajar dapat berjalan dengan baik. Untuk melakukan optimasi penjadwalan kuliah, kami telah melakukan penelitian yaitu membuat aplikasi penjadwalan kuliah dengan menggunakan algoritma genetik dan algoritma koloni semut kemudian akan melakukan perbandingan optimasi yang dihasilkan dari penjadwalan kuliah dari masing-masing algoritma tersebut, sehingga diketahui algoritma yang memiliki optimasi yang lebih baik. Dalam pengembangan sistem atau aplikasi kami menggunakan metode pendekatan berorientasi objek dengan alat bantu pemodelan UML (Unified Modeling Language) dan menggunakan metode pengembangan sistem model prototipe. Adapun aplikasi penjadwalan kuliah di bangun dengan bahasa pemrograman java dan database mysql. Hasil penelitian menunjukan bahwa jika optimasi dilihat dari jumlah bentrok, kedua-duanya optimal mampu mencapai jadwal tidak ada bentrok. Jika optimasi dilihat dari rata-rata jumlah generasi/siklus maka algoritma genetik lebih optimal dan optimasi dilihat dari rata-rata lama waktu pembuatan jadwal algoritma genetik lebih cepat.