Mengatasi Ineafisiensi Penjadwalan Tugas: Algoritma Genetika untuk Peningkatan Manajemen Waktu Mahasiswa yang Optimal
Bilah Samping Artikel
Isi Artikel Utama
Abstrak
Manajemen waktu akademik merupakan tantangan krusial bagi mahasiswa teknik informatika yang menghadapi beban tugas multitasking dengan variasi domain kognitif yang kompleks. Penjadwalan manual sering kali mengabaikan prioritas deadline dan dampak kelelahan akibat pergantian fokus (switching cost), yang berujung pada penurunan produktivitas. Penelitian ini mengusulkan sistem optimasi penjadwalan tugas menggunakan Algoritma Genetika (AG) dengan fungsi tujuan multi-objective yang meminimalkan total keterlambatan dan biaya peralihan kognitif. Model dikembangkan menggunakan parameter bobot seimbang dan diuji menggunakan dataset riil dari 31 responden dengan dominasi tugas Logika dan Pemrograman sebesar 60.2%. Hasil eksperimen menunjukkan bahwa algoritma mampu mencapai konvergensi solusi optimal pada generasi ke-25. Pada studi kasus validasi, sistem berhasil menurunkan nilai kerugian total dari 6.8 menjadi 4.5, atau setara dengan peningkatan efisiensi sebesar 33.8%. Penelitian ini membuktikan bahwa pendekatan komputasi evolusioner efektif dalam menghasilkan jadwal yang tepat waktu serta meminimalkan beban mental mahasiswa.
Rincian Artikel
Referensi
N. Hijriana, “PENERAPAN METODE ALGORITMA GENETIKA UNTUK PERMASALAHAN PENJADWALAN PERAWAT (Nurse Schedulling Problem),” 2015.
I. Ancveire and I. Poļaka, “Application of Genetic Algorithms for Decision-Making in Project Management: A Literature Review,” Information Technology and Management Science, vol. 22, pp. 22–31, Dec. 2019, doi: 10.7250/itms-2019-0004.
R. Zhang, “Research on enterprise management based on greedy algorithm,” 2024, pp. 1134–1140. doi: 10.2991/978-94-6463-262-0_115.
F. Ikhwani and H. Kurniawan, “Pemanfaatan Algoritma Greedy Pada Aplikasi Pemesanan Jasa Grooming Kucing Berbasis Android,” 2019.
A. Roihan, K. Nasution, and Mhd. Z. Siambaton, “Implementasi Algoritma Greedy Kombinasi dengan Perulangan pada Aplikasi Penjadwalan Praktikum,” sudo Jurnal Teknik Informatika, vol. 1, no. 2, pp. 42–50, Jun. 2022, doi: 10.56211/sudo.v1i2.8.
K. Airin et al., “A Greedy-based Algorithm in Optimizing Student’s Recommended Timetable Generator with Semester Planner.” [Online]. Available: www.ijacsa.thesai.org
H. Irwan, A. Rahman, Z. Binti Ebrahim, and R. Simarmata, “Optimasi Penjadwalan Job Shop dengan Metode Algoritma Greedy,” vol. 8, no. 2, pp. 164–176, 2020.
A. Janata and E. Haerani, “Sistem Penjadwalan Outsourcing Menggunakan Algoritma Genetika (Studi Kasus : PT. Syarikatama),” 2015.
E. K. Xidias, P. T. Zacharia, and N. A. Aspragathos, “Time-optimal task scheduling for articulated manipulators in environments cluttered with obstacles,” Robotica, vol. 28, no. 3, pp. 427–440, May 2010, doi: 10.1017/S0263574709005748.
P. Pirozmand, A. A. R. Hosseinabadi, M. Farrokhzad, M. Sadeghilalimi, S. Mirkamali, and A. Slowik, “Multi-objective hybrid genetic algorithm for task scheduling problem in cloud computing,” Neural Comput Appl, vol. 33, no. 19, pp. 13075–13088, Oct. 2021, doi: 10.1007/s00521-021-06002-w.
L. A. Pangestu, S. H. Suryawan, and A. J. Latipah, “Penerapan Algoritma Genetika Dalam Penjadwalan Mata Pelajaran,” Jurnal Informatika, vol. 10, no. 2, pp. 194–205, Oct. 2023, doi: 10.31294/inf.v10i2.16701.