Optimasi Pembagian Tugas Dosen Pengampu Mata Kuliah Dengan Metode Particle Swarm Optimization

Abduh, Muhammad (2017) Optimasi Pembagian Tugas Dosen Pengampu Mata Kuliah Dengan Metode Particle Swarm Optimization. Sarjana thesis, Universitas Brawijaya.

Abstract

Dalam penyusunan jadwal suatu perkuliahan, hal mutlak yang harus dilakukan adalah pembagian tugas mengajar tenaga kerja sesuai dengan bidang yang mereka tekuni supaya terciptanya kegiatan belajar mengajar yang efektif. Pada Fakultas Ilmu Komputer (FILKOM) Universitas Brawijaya Malang proses penugasan masih dilakukan dengan cara manual dimana pengerjaannya membutuhkan waktu yang tidak sedikit, sehingga dibutuhkanlah suatu metode optimasi yang tepat dalam menangani hal ini. Permasalahan penugasan ini dapat diselesaikan dengan metode heuristic berbasis populasi, Particle Swarm Optimization (PSO) yang telah diterapkan pada berbagai bidang seperti penjadwalan dan penugasan. Data yang digunakan pada penelitian ini merupakan data pembagian tugas dosen pengampu mata kuliah yang berupa prioritas keminatan mengajar dosen terhadap suatu mata kuliah. Dari data yang didapat, ditentukanlah batasan-batasan seperti prioritas keminatan mengajar dosen, jumlah maksimum dan minimum SKS dan jumlah mata kuliah yang dapat diambil untuk dicari nilai fitness masing-masing partikel. Berdasarkan hasil perhitungan yang didapat, dilakukanlah pengujian parameter untuk mengetahui pengaruh parameter uji terhadap nilai fitness yang dihasilkan. Dari hasil pengujian parameter PSO, diperoleh jumlah partikel terbaik sebesar 100, jumlah iterasi terbaik 100, dan kombinasi parameter kecepatan c1 dan c2 sebesar 1.5 dan 1.5 dengan nilai fitness yang didapat sebesar 94878. Dari hasil sistem, solusi penugasan yang didapat memberikan hasil yang baik, yaitu masih dalam batas toleransi dengan semakin kecilnya nilai kesalahan yang didapat dalam menempatkan dosen terhadap mata kuliah yang sesuai dengan keminatannya.

English Abstract

In forming a lectures schedule, an absolute thing that had to be done is division of labor teaching duties in accordance with their field in order to create an effective teaching and learning activities. At Faculty of Computer Science (FILKOM) Brawijaya University, the assignment process is still manually designed where it requires some substantial time, therefore it needed a right optimization methods in dealing with this case. This assignment problem can be solved by a population-based heuristic methods, Particle Swarm Optimization (PSO) which has been applied in various fields such as scheduling and assignments. The data used in this study is the data division of lecturers teaching tasks as a priority of lecturer’s teaching interests to a course. From the obtained data, it determined constraints such a lecturer’s teaching priority, the maximum and minimum amount of credits, and the number of course that can be taken to calculate fitness value for each particles. Through the obtained results, it had parameter tested to find the effect of tested parameters on the resulted fitness values. From PSO parameters test results, it obtained the best particle number as 100, best iteration number as 100, and combination of velocity parameter c1 and c2 as 1.5 and 1.5 with resulted fitness value as 94878. From the results of system, the obtained assignment solution gives good results, which is still within the limits of tolerance with decreasingly obtained error values in putting a lecturer on courses that according to their interests.

Item Type: Thesis (Sarjana)
Identification Number: SKR/FTIK/2017/260/051705086
Uncontrolled Keywords: Penugasan, Particle Swarm Optimization, Dosen Pengampu, Keminatan Mengajar, Mata Kuliah, Nilai Fitness
Subjects: 000 Computer science, information and general works > 003 Systems
Divisions: Fakultas Ilmu Komputer > Teknik Informatika
Depositing User: Yusuf Dwi N.
Date Deposited: 11 Jul 2017 03:40
Last Modified: 02 Oct 2020 02:16
URI: http://repository.ub.ac.id/id/eprint/114
Full text not available from this repository.

Actions (login required)

View Item View Item