Perbandingan Performa Algoritma Koloni Semut Dengan Algoritma Genetika – Tabu Search Dalam Penjadwalan Kuliah

Neng Ika Kurniati, Alam Rahmatulloh, Dewi Rahmawati

Abstract


Algoritma digunakan sebagai penyelesaian beberapa masalah optimasi seperti traveling salesman problem maupun penjadwalan. Salah satu jenis algoritma yang sering digunakan adalah algoritma metaheuristik dimana algoritma ini menggunakan mekanisme yang meniru perilaku sosial ataupun strategi yang ada di alam. Algoritma koloni semut merupakan salah satu contoh algoritma metaheuristik yang memiliki cara kerja memilih jalur berdasarkan jalur yang paling sering dilalui oleh semut. Sedangkan salah satu contoh lain adalah algoritma genetika – tabu search yang memiliki cara kerja berkebalikan dimana algoritma ini mencegah agar jalur yang sama tidak dilakukan proses berulang ulang. Aktivitas penjadwalan kuliah dipilih untuk menjadi objek penelitian karena masalah penyusunan penjadwalan sangat kompleks, terdapat beberapa komponen yang harus dijadwalkan seperti dosen, mata kuliah, waktu, ruangan, dan kelas dengan memperhatikan sejumlah batasan dan syarat tertentu.  Untuk itu dilakukan perbandingan kedua algoritma untuk mengetahaui algoritma mana yang lebih optimal dalam melakukan penyusunan penjadwalan kuliah. Hasil dari penelitian ini berupa. Hasil perbandingan menunjukan bahwa algoritma koloni semut lebih baik 33% dalam hal penggunaan memori dan lebih cepat 82% dalam pengukuran waktu, sedangkan algoritma genetika – tabu search lebih baik 11% dalam hal nilai fitness.

Algoritma digunakan sebagai penyelesaian beberapa masalah optimasi seperti traveling salesman problem maupun penjadwalan. Salah satu jenis algoritma yang sering digunakan adalah algoritma metaheuristik dimana algoritma ini menggunakan mekanisme yang meniru perilaku sosial ataupun strategi yang ada di alam. Algoritma koloni semut merupakan salah satu contoh algoritma metaheuristik yang memiliki cara kerja memilih jalur berdasarkan jalur yang paling sering dilalui oleh semut. Sedangkan salah satu contoh lain adalah algoritma genetika – tabu search yang memiliki cara kerja berkebalikan dimana algoritma ini mencegah agar jalur yang sama tidak dilakukan proses berulang ulang. Aktivitas penjadwalan kuliah dipilih untuk menjadi objek penelitian karena masalah penyusunan penjadwalan sangat kompleks, terdapat beberapa komponen yang harus dijadwalkan seperti dosen, mata kuliah, waktu, ruangan, dan kelas dengan memperhatikan sejumlah batasan dan syarat tertentu.  Untuk itu dilakukan perbandingan kedua algoritma untuk mengetahaui algoritma mana yang lebih optimal[D01]  dalam melakukan penyusunan penjadwalan kuliah. Hasil dari penelitian ini berupa. Hasil perbandingan menunjukan bahwa algoritma koloni semut lebih baik 33% dalam hal penggunaan memori dan lebih cepat 82% dalam pengukuran waktu, sedangkan algoritma genetika – tabu search lebih baik 11% dalam hal nilai fitness.

 

Kata kunci:  Algoritma, Genetika – Tabu Search, Koloni Semut, Penjadwalan

 [D01]Optimal dalam hal apa?


Keywords


Algoritma, Genetika – Tabu Search, Koloni Semut, Penjadwalan

Full Text:

PDF

References


D. R. Anamisa, "Implementasi Alokasi Jadwal Mata Pelajaran Smu Menggunakan Algoritma Koloni Semut," 2014.

K. A. T. Indah, "Komparasi Metode Ant Colony Optimazation dengan Tabu Search untuk Penjadwalan Perkuliahan," 2017.

V. T. R, "Perbandingan Basic Variant pada Algoritma Particle Swarm Optimization," 2015.

M. Madi, D. Markovi and M. Radovanovi, "Comparison of Meta-Heuristic Algorithms for Solvng Machining Optimization Problems," Mechanical Engineering, vol. 11, 2013.

F. Hillier and G. Lieberman, Introduction to Operation Research, New York: McGraw-Hill, 2010.

Rusianah, M. A. Muslim and S. H. Pramono, "Implementasi Algoritma Genetika-Tabu Search dalam Optimasi Penjadwalan Perkuliahan," 2016.

S. Kusumadewi, Artificial Intelligence (Teknik dan Aplikasinya), Yogyakarta: Graha Ilmu, 2003.

M. Dorigo, " Ant Algorithms Solve Difficult Optimization Problems," in In Advances in Artificial Life., Springer Berlin Heidelberg, 2001.

M. Dorigo, M. Birattari and T. Stützle, "Ant Colony Optimization," 2006.. [Online].

M. Negnevitsky, Artificial Intteligence-A Guide to Intelligent Systems, Edinburg: Addison Wesley, 2005.

F. Glover and M. Laguna, Tabu Search, Boston: Kluwer, 1997.

E. L. Mooney, LARGE SCALE CLASSROOM SCHEDULING, Montana State University: Industrial and Management Engineering Department, 1995.




DOI: https://doi.org/10.24114/cess.v4i1.11387

Article Metrics

Abstract view : 470 times
PDF - 278 times

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

CESS (Journal of Computer Engineering, System and Science)

Creative Commons License
CESS (Journal of Computer Engineering, System and Science) is licensed under a Creative Commons Attribution 4.0 International License