Penyelesaian Penjadwalan Mata Kuliah Menggunakan Metode Hiperheuristik Dengan Hibridisasi Algoritma Tabu Search, Simulated Annealing, Dan Self-Adaptive Pada Lintas Domain Permasalahan

Hindrayani, Kartika Maulida (2020) Penyelesaian Penjadwalan Mata Kuliah Menggunakan Metode Hiperheuristik Dengan Hibridisasi Algoritma Tabu Search, Simulated Annealing, Dan Self-Adaptive Pada Lintas Domain Permasalahan. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 05211750010005-Master_Thesis.pdf - Accepted Version Download (3MB)

Abstract

Penjadwalan diperlukan sebagai pengalokasian sumber daya untuk menyelesaikan sebuah pekerjaan dengan batasan-batasan yang telah didefinisikan sehingga dapat memaksimalkan kemungkinan alokasi atau meminimalisir pelanggaran batasan. Salah satu jenis penjadwalan pada bidang pendidikan yaitu Post-Enrollment Course Timetabling (PE-CTT). Tantangan yang dihadapi pada PE-CTT yaitu perbedaan permasalahan, sejumlah batasan, dan persyaratan berbeda pada satu universitas dengan universitas lainnya sehingga sulit untuk menemukan solusi yang umum dan efektif. Salah satu solusi yang dapat mengembangkan sistem yang lebih general dengan menggunakan metode yang lebih murah dan tetap dapat menyelesaikan masalah adalah dengan menggunakan pendekatan Hyper-Heuristic. Pengujian akan dilakukan pada lintas domain yaitu dataset Socha dan dataset ITC-2007. Strategi Self-Adaptive digunakan sebagai strategi untuk memilih Low-Level-Heuristic (LLH) dan Simulated Annealing dan Tabu Search sebagai strategi Move Acceptance (MA) untuk menyelesaikan permasalahan penjadwalan mata kuliah tersebut.
Hasil yang didapatkan pada dataset Socha, algoritma SATSSA menghasilkan nilai yg lebih baik dibandingkan dengan algoritma lain pada 2 instance. Algoritma SATSSA mampu mencapai nilai yang paling optimum pada 5 instance dataset Socha. Algoritma SATSSA menghasilkan nilai yang lebih optimum dibandingkan dengan algoritma lain pada 5 instance dataset ITC2007 yaitu instance early1, early2, hidden20, hidden21, dan hidden23.
==================================================================================================================================
Timetabling is needed to complete a job with allocating resources and defined boundaries to maximize the possibility of allocation or minimize the violation of boundaries. One type of timetabling in the education field is Post-Enrollment Course Timetabling (PE-CTT). The challenges faced in the PE-CTT are differences in problems, a number of limitations, and requirements that differ from one university to another so that it is difficult to find common and effective solutions. One solution that can develop more general systems by using cheaper methods and still being able to solve problems is the Hyper-Heuristic approach. Testing will be carried out on cross domains namely the Socha dataset and the ITC-2007 dataset. The Self-Adaptive Strategy is used as a strategy for selecting Low-Level-Heuristics (LLH) and Simulated Annealing and Taboo Search as a Move Acceptance (MA) strategy to solve the course timetabling problems.
The results obtained in the Socha dataset, SATSSA algorithm produces better values compared to other algorithms in 2 instances. SATSSA algorithm is able to achieve the most optimum value on 5 Socha dataset instances. SATSSA algorithm produces more optimum values compared to other algorithms on 5 ITC2007 dataset instances, namely early1, early2, hidden20, hidden21, and hidden23 instances.

Key words : Post Enrollment Course Timetabling, Simulated Annealing, Tabu Search, Self-Adaptive, Socha Dataset, ITC-2007 Dataset

Item Type:	Thesis (Masters)
Additional Information:	RTSI 005.1 Hin p-1
Uncontrolled Keywords:	Post Enrollment Course Timetabling, Simulated Annealing, Tabu Search, Self-Adaptive, Dataset Socha, Dataset ITC-2007
Subjects:	H Social Sciences > HD Industries. Land use. Labor > HD69.T54 Time management. Scheduling T Technology > T Technology (General) > T57.6 Operations research--Mathematics. Goal programming T Technology > T Technology (General) > T58.62 Decision support systems
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 59101-(S2) Master Thesis
Depositing User:	Kartika Maulida Hindrayani
Date Deposited:	27 Apr 2023 08:29
Last Modified:	27 Apr 2023 08:29
URI:	http://repository.its.ac.id/id/eprint/73626

Actions (login required)

View Item