ii
Universitas Kristen Maranatha
ABSTRAK
Penjadwalan merupakan rencana pengaturan urutan kerja serta pengalokasian sumber baik waktu maupun fasilitas untuk setiap operasi yang harus diselesaikan. Secara garis besarnya, penjadwalan adalah bagian yang strategis dari proses perencanaan dan pengorganisasian waktu dan sumber daya. Konsep dari penjadwalan umum digunakan dalam perencanaan produksi, penjadwalan mesin, dan juga kasus yang dijadikan fokus pada penelitian ini, yakni pembuatan jadwal pelajaran untuk sekolah. Agar aktivitas belajar mengajar dapat dilaksanakan dengan baik dan teratur, sebuah jadwal pelajaran yang bebas bentrok akan sangat dibutuhkan. Semakin besarnya sebuah sekolah, maka semakin banyak pula jumlah kelas, jumlah guru, dan jumlah murid yang harus diajar untuk dijadikan pertimbangan dalam pembuatan sebuah jadwal pelajaran. Dengan kondisi tersebut, pembuatan sebuah jadwal pelajaran yang bebas bentrok akan memakan waktu yang lama karena kompleksitasnya yang lebih tinggi. Permasalahan inilah yang menjadi ide pembuatan Aplikasi Penjadwalan Pelajaran Sekolah Menengah Pertama. Aplikasi ini menggunakan sebuah algoritma optimasi yang bernama Artificial Bee Colony. Artificial Bee Colony adalah algoritma yang masih tergolong baru. Dalam pengimplementasiannya, algoritma ini memodelkan tingkah laku cerdas lebah madu dalam pencarian sumber makanan/sumber nektar, yakni eksplorasi, evaluasi, seleksi, dan eksploitasi, berdasarkan komunikasi dan aktivitas antar agen lebahnya. Eskplorasi adalah tahap di mana solusi atau untuk kasus ini adalah jadwal pelajaran dibangkitkan, evaluasi adalah tahap di mana tiap-tiap jadwal pelajaran dievaluasi kualitas atau fitnessnya, seleksi adalah tahap penyaringan solusi berdasarkan fitness masing-masing jadwal yang didapatkan dari evaluasi, sedangkan eksploitasi adalah tahap pendayagunaan jadwal pelajaran yang terpilih. Dari pengujian yang dilakukan, didapatkan hasil bahwa eksploitasi berbasiskan metode Random memiliki waktu penyelesaian eksekusi yang lebih cepat dibandingkan eksploitasi berdasarkan metode Sequential. Sedangkan pengujian dengan metode Sequential mampu menghasilkan jadwal pelajaran dengan nilai fitness yang sama dengan eksploitasi berdasarkan metode Random namun dengan jumlah generasi yang lebih sedikit.
iii
Universitas Kristen Maranatha
ABSTRACT
Scheduling is a planning for work order with allocation of time and resources to finish each assigned operations. Basically, scheduling is a strategic element from planning process that maintains the use of time and resources. The concept of scheduling itself is usually used for work planning, machine scheduling, and one case which serves as the main focus of this research, is school timetabling. In order for teaching and learning activity to be executed neatly and properly, a school timetable or lesson schedule that is accurate and possessing as minimal flaws as possible is highly necessary. Along with the growth of the school, the increase number of classes, teachers, and students need to be taken into consideration when making a proper school timetable. With those constraints, making a good school timetable will take more time due to its higher complexity. This highlighted problem is the main idea behind the construction of this Scheduling Application for a Junior High School. The application utilizes an optimization algorithm called the Artificial Bee Colony. Artificial Bee Colony itself is considered still brand-new to-date. In the implementation, the algorithm represents the clever behaviors of honey bees during their attempts to find favorable food sources, consisted by exploration, evaluation, selection, and exploitation, through communications and activities between each active agent. Exploration is an operator which solutions or school timetables for the case, are generated, evaluation is an operator which all of the solutions are being evaluated to earn the fitness, selection is an operator which purpose is to filter all of the timetables according to its fitness, and exploitation is an operator which is used to describe the process of improving the quality of selected timetables. According to the research’s results, it’s proven that the exploitation based from Random method is consuming lesser time than the exploitation based from Sequential method. On the other hand, exploitation based from Sequential
method is capable to produce a timetable that’s as good as the one made by the
exploitation based from Random method, but with less generations or loops needed.
iv
2.2 Algoritma Artificial Bee Colony ... 6
2.3 Random Class ... 10
BAB III ... 11
ANALISIS DAN DESAIN ... 11
3.1 Analisis ... 11
3.2 Gambaran Keseluruhan Sistem ... 12
v
3.2.1.3 Inisialisasi Populasi/Scout Bees Phase ... 14
3.2.1.4 Fungsi Fitness ... 15
3.2.1.5 Employed Bees Phase ... 17
3.2.1.6 Onlooker Bees Phase ... 17
3.2.1.6.1 Eksploitasi dengan Metode Random ... 18
3.2.1.6.2 Eksploitasi dengan Metode Sequential ... 20
3.2.1.7 Perbaikan Jadwal ... 22
3.2.1.8 Data Input ... 22
3.3 Desain Perangkat Lunak ... 22
3.3.1 Pemodelan Perangkat Lunak ... 22
3.3.1.1 Use Case Diagram ... 23
3.3.1.2 Activity Diagram ... 24
3.3.1.2.1 Aktivitas Input Parameter ... 24
3.3.1.2.2 Aktivitas Menyusun Jadwal... 25
3.3.2 Desain Penyimpanan Data ... 27
3.3.3 Desain Antarmuka ... 29
3.3.3.1 Main Form... 29
3.3.3.2 Result Form ... 30
3.3.3.2.1 Tab View All ... 30
3.3.3.2.2 Tab View by Class ... 31
3.3.3.3 Form Bentrokan ... 31
vi
Universitas Kristen Maranatha
PENGEMBANGAN PERANGKAT LUNAK ... 32
4.1 Implementasi Fungsi Utama ... 32
4.1.1 Fungsi Inisialisasi Populasi ... 32
4.1.2 Fungsi Evaluasi Fitness ... 34
4.1.3 Fungsi Selection by Fitness ... 36
4.1.4 Fungsi Generate Childs ... 37
4.1.4.1 Generate Childs dengan Metode Random ... 37
4.1.4.2 Generate Childs dengan Metode Sequential ... 40
4.2 Implementasi Antar Muka ... 43
4.2.1 Main Form ... 43
5.1 White Box Testing ... 47
5.1.1 White Box Testing untuk Method Inisialisasi Populasi ... 47
5.1.2 White Box Testing untuk Method Evaluasi Fitness ... 50
5.1.3 White Box Testing untuk Method Selection ... 53
5.1.4 White Box Testing untuk Method Generate Childs ... 55
5.2 Black Box Testing ... 59
5.2.1 Main Form ... 60
5.2.2 Result Form ... 60
5.3 Pengujian Algoritma ABC... 61
vii
Universitas Kristen Maranatha
5.3.2 Pengujian Perkembangan Generasi dengan Fungsi ABC... 62
5.3.2.1 Pengujian Eksploitasi dengan Metode Random ... 65
5.3.2.2 Pengujian Eksploitasi dengan Metode Sequential ... 67
BAB VI ... 69
KESIMPULAN DAN SARAN ... 69
6.1 Simpulan ... 69
viii
Universitas Kristen Maranatha
DAFTAR GAMBAR
Gambar 2.1 Flowchart dari algoritma ABC (Zhang, et al., 2011) ... 8
Gambar 3.1 Contoh Pemodelan Solusi ... 13
Gambar 3.2 Contoh Model Solusi untuk Penentuan Fitness ... 16
Gambar 3.3 Gambaran tahap Employed Bees ... 17
Gambar 3.4a Jadwal Pelajaran Sebelum Eksploitasi Random ... 18
Gambar 3.4b Jadwal Pelajaran Setelah Eksploitasi Random ... 19
Gambar 3.5a Jadwal Pelajaran Sebelum Eksploitasi Sequential ... 20
Gambar 3.5b Jadwal Pelajaran Setelah Eksploitasi Sequential ... 20
Gambar 3.5c Jadwal Pelajaran Setelah Eksploitasi Sequential (lanjutan)... 21
Gambar 3.6 Use Case ... 23
Gambar 3.7 Activity Diagram Input Parameter ... 24
Gambar 3.8 Activity Diagram Menyusun Jadwal ... 25
Gambar 3.9 Struktur Data Mata Pelajaran... 27
Gambar 3.10 Struktur Data Guru ... 28
Gambar 3.11 Struktur Data Kelas... 28
Gambar 3.12 Struktur Data Solusi Jadwal Pelajaran ... 28
Gambar 3.13 Main Form ... 29
Gambar 3.14 Rancangan Interface Tab View All ... 30
Gambar 3.15 Rancangan Interface Tab View by Class ... 31
Gambar 3.16 Rancangan Interface Form Bentrokan... 31
Gambar 4.1 Main Form ... 43
Gambar 4.2 Tab View All ... 44
Gambar 4.3 Tab View by Class ... 45
Gambar 4.4 Form Bentrokan ... 46
ix
Universitas Kristen Maranatha
Gambar 5.2 Hasil White Box Testing Method Evaluasi Fitness ... 53
Gambar 5.3 Hasil White Box Testing Method Selection ... 55
Gambar 5.4 Hasil White Box Testing Generate Childs ... 59
Gambar 5.5 Grafik Fitness Inisial Dari Jumlah Populasi yang Berbeda ... 62
Gambar 5.6a Jadwal Pelajaran Terbaik Pada Inisialisasi Awal ... 63
Gambar 5.6b Jadwal Pelajaran Terbaik Pada Akhir Iterasi Fungsi ABC ... 64
Gambar 5.7 Grafik Perkembangan Jadwal per-Generasi Metode Random ... 66
x
Universitas Kristen Maranatha
DAFTAR TABEL
Tabel 5.1 Pengujian Main Form ... 60
Tabel 5.2 Pengujian Result Form ... 61
Tabel 5.3 Pengujian Besar Populasi dan Jumlah Generasi ... 61
Tabel 5.4 Pengujian dengan Fungsi ABC Eksploitasi Random – 3 Kelas ... 65
Tabel 5.5 Pengujian dengan Fungsi ABC Eksploitasi Random – 6 Kelas ... 65
Tabel 5.6 Pengujian dengan Fungsi ABC Eksploitasi Random – 15 Kelas ... 65
Tabel 5.7 Pengujian dengan Fungsi ABC Eksploitasi Random – 21 Kelas ... 66
Tabel 5.8 Pengujian dengan Fungsi ABC Eksploitasi Sequential – 3 Kelas ... 67
Tabel 5.9 Pengujian dengan Fungsi ABC Eksploitasi Sequential – 6 Kelas ... 67
xi
Universitas Kristen Maranatha
DAFTAR SIMBOL
1. Simbol Use Case Diagram
Deskripsi Gambar
Actor
Pengguna aplikasi
Use Case
Proses yang dapat dilakukan oleh aktor
Communication
Hubungan antara aktor
dan use case * *
2. Simbol Activity Diagram
Deskripsi Gambar
Initial State
Titik awal dari diagram Action State
merepresentasikan aktivitas yang terjadi
Decision
Final State
Titik akhir dari diagram Control Flow
Panah Aliran
Actor1
xii
Universitas Kristen Maranatha
DAFTAR KODE PROGRAM
Kode Program 4.1 Inisialisasi Populasi ... 33
Kode Program 4.2 Evaluasi Fitness ... 35
Kode Program 4.3 Selection by Fitness ... 36
Kode Program 4.4 Generate Childs dengan Metode Random ... 39
Kode Program 4.5 Generate Childs dengan Metode Sequential ... 42
Kode Program 5.1 Kode Program WhiteBox Testing Method Inisialisasi Populasi ... 49
Kode Program 5.2 Kode Program Input Method Evaluasi Fitness ... 51
Kode Program 5.3 Kode Program WhiteBox Testing Method Evaluasi Fitness ... 52
Kode Program 5.4 Kode Program Input Method Selection ... 54
Kode Program 5.5 Kode Program WhiteBox Testing Method Selection ... 54
1
Universitas Kristen Maranatha
BAB I
PENDAHULUAN
1.1 Latar Belakang
Kehadiran teknologi komputer dengan kekuatan prosesnya telah memungkinkan
pengembangan sistem informasi akademik berbasis komputer. Dengan memanfaatkan
teknologi komputer, didapat manfaat berupa kemudahan menyimpan, mengorganisasi,
dan melakukan retrieval (pengambilan) terhadap berbagai tipe data. Didukung dengan
perangkat lunak dan konfigurasi perangkat keras yang tepat, sekolah dapat membangun
sebuah sistem informasi akademik yang handal dan berpengaruh secara signifikan
terhadap kinerja sekolah secara menyeluruh.
Sekolah Menengah Pertama, atau yang lebih dikenal dengan hanya “SMP” oleh masyarakat luas, merupakan sebuah instansi yang bergerak di bidang edukasi untuk
mendidik para siswa/siswi dalam masa pembelajarannya. Pada proses kerjanya, sebuah
SMP diharuskan untuk dapat mengelola tiap-tiap data yang merupakan bagian dari
sekolah dengan cermat, namun tetap mampu menyediakan layanan yang tepat guna dan
memuaskan seluruh siswa. Salah satu kendala yang umum dan selalu ada pada tiap
SMP, khususnya yang memiliki jumlah guru dan murid yang banyak, adalah berupa
pengaturan penjadwalan mata pelajaran.
Penjadwalan sendiri merupakan salah satu dari beberapa bagian penting yang
tidak dapat dipisahkan dalam sebuah sekolah. Pembuatan sebuah jadwal yang efisien
membutuhkan waktu yang lama dan keakuratan karena preferensi, jadwal kegiatan guru,
dan periode waktu dalam mengajar sebuah mata pelajaran yang berbeda-beda. Oleh
karena itu, sistem penjadwalan yang otomatis dan terkomputerisasi dibutuhkan guna
meningkatkan efisiensi kerja dari sekolah yang bersangkutan. Perancangan
penjadwalannya membutuhkan sebuah algoritma optimasi untuk dijadikan basis, salah
satu diantaranya adalah algoritma Artificial Bee Colony (ABC).
Algoritma Artificial Bee Colony merupakan algoritma optimasi yang diusulkan
oleh Dervis Karaboga pada tahun 2005, yang modelnya diambil dari tingkah laku cerdas
2
Universitas Kristen Maranatha memiliki ruang besar untuk pengembangan dan teorinya yang cukup mudah untuk
dimengerti dan diimplementasikan, algoritma ABC semakin mendapat perhatian dari
kalangan peneliti dan telah beberapa kali digunakan dalam beberapa kasus optimasi
seperti Job Shop Scheduling dan Travelling Salesman Problem (Karaboga et al., 2012).
Namun seperti algoritma yang berbasiskan local search umumnya, penggunaan
algoritma ABC erat hubungannya dengan konvergensi yang prematur, stagnasi, dan
waktu eksekusi yang lama (Prakash, 2012). Selain itu, terdapat juga kemungkinan
bahwa solusi terbaik yang didapat tidak ideal atau tidak sesuai dengan harapan (Yan
et.al., 2011).
Diajukannya tugas akhir menggunakan judul Aplikasi Penjadwalan Pelajaran
Sekolah Menengah Pertama dengan menggunakan Algoritma Artificial Bee Colony
bertujuan meneliti dan menerapkan algoritma Artificial Bee Colony dalam kasus
penjadwalan.
1.2 Rumusan Masalah
Rumusan masalah pada aplikasi penjadwalan pelajaran SMP dengan
menggunakan algoritma Artificial Bee Colony adalah sebagai berikut:
1. Bagaimana membuat sebuah sistem aplikasi penjadwalan yang dapat membantu
pihak SMP dalam pembuatan jadwal pelajaran dengan jumlah bentrokan seminimal
mungkin?
2. Bagaimana mengimplementasikan algoritma ABC untuk mengoptimalkan proses
pembuatan jadwal pelajaran?
1.3 Tujuan
Pembuatan sistem aplikasi penjadwalan ini memiliki beberapa tujuan, yaitu:
1. Membuat sebuah aplikasi yang dapat melakukan proses pembuatan jadwal mata
pelajaran SMP dan menghasilkan jadwal pelajaran dengan kasus bentrok seminimal
mungkin.
2. Menggunakan algoritma ABC sebagai basis perancangan aplikasi penjadwalan
3
Universitas Kristen Maranatha 1.4 Batasan Masalah
Dalam pembuatan aplikasi ini terdapat batasan masalah agar apa yang akan
dibahas dan dibuat tetap pada jalurnya.
1. Semua data yang digunakan agar sebuah jadwal pelajaran bisa direalisasikan,
didapatkan atau di-import dalam format file Microsoft Excel dengan ekstensi *.xlsx
dan *.xls.
2. Sumber data dan contoh kasus diperoleh dari sebuah SMP yang bertempat di
Bandung, Jawa Barat.
1.5 Sistematika Pembahasan
Berikut adalah sistematika pembahasan untuk laporan Tugas Akhir ini:
BAB I PENDAHULUAN
Bab I membahas pendahuluan yang terdiri dari latar belakang
masalah, rumusan masalah, tujuan pembahasan, batasan masalah, dan
sistematika pembahasan.
BAB II LANDASAN TEORI
Bab II membahas teori-teori yang digunakan dalam pengerjaan tugas
akhir Aplikasi Penjadwalan Pelajaran SMP dengan Menggunakan Algoritma
Artificial Bee Colony ini.
BAB III ANALISIS DAN DESAIN
Bab III membahas mengenai arsitektur perangkat lunak yang
digunakan, termasuk sistem secara keseluruhan.
BAB IV PENGEMBANGAN PERANGKAT LUNAK
Bab IV membahas implementasi seluruh hasil rancangan di bab 3,
4
Universitas Kristen Maranatha BAB V PENGUJIAN
Bab V berisikan evaluasi hasil aplikasi yang dilakukan setelah uji
coba dari penelitian dan aplikasi yang telah dirancang.
BAB VI KESIMPULAN DAN SARAN
Bab VI berisikan simpulan dari tugas akhir pembuatan aplikasi
penjadwalan pelajaran SMP dengan algoritma Artificial Bee Colony, berikut
69
Universitas Kristen Maranatha
BAB VI
KESIMPULAN DAN SARAN
6.1 Simpulan
Berdasarkan hasil analisa yang dilakukan dalam pembuatan aplikasi
penjadwalan untuk SMP dengan menggunakan algoritma ABC ini, dapat diambil
kesimpulan diantaranya sebagai berikut:
1. Telah berhasil dibuat aplikasi yang mampu menghasilkan jadwal pelajaran dengan
menggunakan algoritma Artificial Bee Colony (ABC) untuk mengurangi jumlah
bentrokan.
2. Hasil pengujian eksploitasi dengan metode Random adalah sebagai berikut:
a. Tabel 5.4 membuktikan hasil uji coba dengan input 3 kelas bahwa aplikasi
berhasil membuat jadwal bebas bentrok dalam 1 menit.
b. Tabel 5.5 membuktikan hasil uji coba dengan input 6 kelas bahwa aplikasi dapat
menghasilkan jadwal pelajaran dengan jumlah bentrokan kurang dari 1% dari
jumlah slot yang terdapat pada jadwal tersebut dalam 1 menit.
c. Tabel 5.6 membuktikan hasil uji coba dengan input 15 kelas bahwa aplikasi
dapat menghasilkan jadwal pelajaran dengan jumlah bentrokan adalah 20% dari
jumlah slot yang terdapat pada jadwal tersebut dalam 93 menit.
d. Tabel 5.7 membuktikan bahwa hasil uji coba dengan input 21 kelas
menghasilkan jadwal pelajaran dengan jumlah bentrokan adalah 30% dari
jumlah slot yang terdapat pada jadwal tersebut dalam 868 menit.
3. Hasil pengujian eksploitasi dengan metode Sequential adalah sebagai berikut:
a. Tabel 5.8 membuktikan hasil uji coba dengan input 3 kelas bahwa aplikasi
berhasil membuat jadwal bebas bentrok dalam 1 menit.
b. Tabel 5.9 membuktikan hasil uji coba dengan input 6 kelas bahwa aplikasi dapat
menghasilkan jadwal pelajaran dengan jumlah bentrokan kurang dari 1% dari
70
Universitas Kristen Maranatha c. Tabel 5.10 membuktikan hasil uji coba dengan input 15 kelas bahwa aplikasi
dapat menghasilkan jadwal pelajaran dengan jumlah bentrokan adalah 20% dari
jumlah slot pada jadwal tersebut dalam 280 menit.
4. Perbandingan hasil pengujian eksploitasi dengan metode Random dan hasil
pengujian eksploitasi dengan metode Sequential (contoh perbandingan antara Tabel
5.5 dan Tabel 5.9), menunjukkan bahwa walaupun eksploitasi Sequential
menghabiskan waktu yang lebih lama dibandingkan dengan eksploitasi Random,
eksploitasi Sequential mampu mendapatkan jadwal pelajaran dengan fitness setara
dengan jadwal pelajaran terbaik dari pengujian eksploitasi Random dengan jumlah
generasi atau perulangan yang lebih sedikit.
5. Eksploitasi dengan Metode Sequential menghabiskan waktu eksekusi yang lebih
lama dibandingkan Eksploitasi dengan Metode Random dikarenakan kompleksitas
algoritmanya yang lebih tinggi.
6. Pada saat menggunakan aplikasi, perubahan parameter-parameter seperti besar
populasi dan jumlah generasi akan memberikan pengaruh yang signifikan terhadap
performa dari aplikasi. Dari uji coba yang dilakukan, didapat bahwa lebih baik
memperbesar jumlah generasi dibandingkan dengan memperbanyak jumlah populasi
untuk mendapat solusi paling optimal.
7. Algoritma ABC sangat dipengaruhi oleh Random Class, terutama untuk penerapan
eksploitasi dengan metode Random, sehingga hasil yang didapatkan dari beberapa
pengujian tidak akan sama walaupun parameter yang diinput tidak berbeda.
6.2 Saran
Pengembangan dari aplikasi penjadwalan pelajaran untuk SMP dengan
menggunakan algoritma ABC masih jauh dari sempurna. Berikut ini adalah saran-saran
untuk pengembangan lebih:
1. Perlu dilakukan optimasi terhadap fungsi ABC, terutama pada operator seleksi dan
eksploitasi secara menyeluruh sehingga sistem dapat menghasilkan penjadwalan
yang paling optimal dalam waktu eksekusi yang lebih cepat.
2. Fungsi fitness perlu dapat mempertimbangkan tidak hanya hard constraints, namun
71
Universitas Kristen Maranatha a. Penyusunan jadwal pelajaran memperhatikan seberapa lama seorang guru
mengajar pada satu harinya agar tidak terlalu banyak. Maksimal 7 jam per-hari.
b. Kecuali untuk hari Jumat dan Sabtu; dalam satu hari, minimal terdapat 3 mata
pelajaran yang berbeda pada satu kelas.
c. Satu mata pelajaran tidak boleh menghabiskan lebih dari jatah 3 slot untuk satu
Universitas Kristen Maranatha
DAFTAR PUSTAKA
E, Bonabeu, Dorigo M, Theraulaz G. 1999. Swarm Intelligence: From Natural to
Artificial Systems. New York, NY: Oxford University Press Inc.
J. Li, Q. Pan, S. Xie, S. Wang. 2011. A Hybrid Artificial Bee Colony Algorithm
for Flexible Job Shop Scheduling Problems. China: School of Computer, Liaocheng University.
Karaboga, Dervis, Beyza Gorkemli, Celal Ozturk, Nurhan Karaboga. 2012.
A Comprehensive Survey: Artificial Bee Colony (ABC) Algorithm and Applications. Turkey: Intelligent Systems Research Group, Engineering Faculty, and Erciyes University.
Knuth, Donald E. 1998. The Art of Computer Programming, Volume 2: Seminumerical Algorithms. 3rd Edition. Reading: Addison-Wesley.
Pilon, Dan, Neil Pitman. 2005. UML 2.0 in a Nutshell. Gravenstein Highway North:
O’Reilly Media.
Prakash, Divya. 2012. Bespoke Artificial Bee Colony Algorithm to Determine the Earthquake locations. India: Siet Gangoh.
Rui, Zhang, Cheng Wu. 2011. An Artificial Bee Colony Algorithm for the Job Shop Scheduling Problem with Random Processing Times. China: School of Economics and Management, Nanchang University.
Seeley TD. 1995. The Wisdom of the Hive. Harvard University Press. Cambridge: MA.
V. Tereshko, A. Loengarov. 2005. Collective Decision-Making in Honey Bee Foraging Dynamics. Scotland: University of Paisley.
Widjaja, Andi Irvan, Mewati Ayub, Tjatur Kandaga. 2010. Penjadwalan Sidang
Otomatis dengan Menggunakan Algoritma Genetik. Bandung: Fakultas Teknologi Informasi Universitas Kristen Maranatha.