1
SCHEDULING APPLICATION PRACTICUM INTEGRATED
LABORATORY (I-LAB) GUNADARMA UNIVERSITY USING
NEURAL NETWORKS
Lis Noorchayati , Dr. Asep Juarna, SSi, MKom Undergraduate Program, Information Systems
Gunadarma University http://www.gunadarma.ac.id
Keywords: Scheduling, Practical, Integrated Laboratory, Artificial Neural Network, Perceptron
ABSTRACT
Integrated Laboratory (iLab) Gunadarma University as one of the institute at the University of Gunadarma the independent lab conducting, scheduling lab work requires an appropriate system. Preparation of an independent lab schedule is of course very important considering the schedule lab work that has been made must not interfere with the activities of the course.
Based on these needs, the research practicum developed a scheduling application by implementing a neural network. Artificial neural network used is a method whereby perceptron neural network models were created to identify the lab schedule available on lecture schedule. Neural network system in the process of learning to adjust to the preparation of the scheduling pattern. Application has been to provide a solution for scheduling lab work that does not disturb the lecture schedule.
2 \
ABSTRAKSI
Integrated Laboratory (iLab) Universitas Gunadarma sebagai salah satu lembaga di Universitas Gunadarma yang menyelenggarakan kegiatan praktikum mandiri, membutuhkan suatu sistem penjadwalan praktikum yang tepat. Penyusunan jadwal praktikum mandiri ini tentu saja sangat penting mengingat jadwal praktikum yang telah dibuat tidak boleh menggangu kegiatan perkuliahan.
Berdasarkan kebutuhan tersebut, maka penelitian ini mengembangkan suatu aplikasi penjadwalan praktikum dengan mengimplementasikan jaringan syaraf tiruan. Jaringan syaraf tiruan yang digunakan adalah metode perceptron dimana model jaringan syaraf tersebut dibuat untuk mengidentifikasikan jadwal praktikum yang tersedia berdasarkan jadwal perkuliahan. Sistem jaringan syaraf tiruan melakukan proses pembelajaran untuk menyesuaikan terhadap pola penyusunan penjadwalan. Aplikasi ini sudah dapat memberikan suatu solusi untuk penjadwalan praktikum yang tidak menggangu jadwal perkuliahan.
Kata Kunci : Penjadwalan, Praktikum, Integrated Laboratory, Jaringan Syaraf Tiruan, Perceptron
1. PENDAHULUAN
Laboratorium mandiri di Universitas Gunadarma (iLab) adalah lembaga yang memiliki kewenangan terhadap penyelenggaraan praktikum materi kuliah komputer, serta penyampaian segala informasi yang berkaitan dengan praktikum. Keberadaan
laboratorium mandiri sangat penting bagi kegiatan perkuliahan, karena dari sinilah terjadi pemahaman mahasiswa terhadap teori yang telah diberikan oleh dosen di kelas.
Setiap awal semester, BAAK dan Laboratorium Jurusan mengirimkan jadwal perkuliahan dan jadwal praktikum
3 reguler. Dengan menggunakan ketentuan yang ada, iLab melakukan penjadwalan praktikum mandiri untuk semua mata kuliah yang ditawarkan oleh setiap jurusan. Proses penjadwalan ini yang masih dilakukan secara manual sehingga tidak mudah dikerjakan dan rentan terhadap human error. Hal ini akan berpengaruh terhadap banyaknya waktu yang diperlukan dalam dan sudah tidak mungkin untuk digunakan mengingat jumlah dan jadwal praktikum yang cukup padat.
Sebagai penunjang mata kuliah, praktikum mandiri tidak boleh bentrok atau bertabrakan dengan jadwal perkuliahan di kelas maupun dengan praktikum reguler. Namun setelah pembuatan jadwal praktikum telah selesai dibuat, masih sering terjadi bentrok. Hal ini selain karena adanya faktor human error, disebabkan pula adanya perubahan jadwal perkuliahan dan praktikum reguler sehingga harus dijadwal kembali secara manual. Sedangkan untuk menyesuaian antara jadwal praktikum dengan jadwal perkuliahan tersebut tidak dapat dilakukan secara cepat
2. LANDASAN TEORI
2.1 Penjadwalan
Baker (1974) mengatakan bahwa penjadwalan merupakan alokasi dari sumber daya terhadap waktu untuk menghasilkan sebuah kumpulan pekerjaan. Dalam praktek penjadwalan menghasilkan rencana dengan tahapan waktu (jadwal) dari kegiatan. Jadwal menunjukkan apa yang haras dilakukan, kapan, oleh siapa dan dengan peralatan apa.
Menurut Morton (1993), penjadwalan adalah aturan atau proses pengorganisasian, pemilihan, dan penentuan waktu penggunaan tempat atau sumber-sumber untuk mengerjakan semua aktivitas yang diperlukan yang memenuhi kendala aktivitas dan sumber daya.
Penjadwalan Laboratorium adalah pengaturan aktivitas kegiatan yang berhubungan dengan laboraturium tersebut.
2.2 Praktikum
Praktikum adalah subsistem dari perkuliahan yang merupakan kegiatan terstruktur dan terjadwal yang memberi kesempatan kepada mahasiswa untuk mendapatkan pengalaman yang nyata
4 dalam rangka meningkatkan pemahaman mahasiswa tentang teori atau agar mahasiswa menguasai keterampilan tertentu yang berkaitan dengan suatu pengetahuan atau suatu mata kuliah.
2.3 Jaringan Syaraf Tiruan
Jaringan syaraf tiruan (artificial neural network), atau disingkat JST, adalah sistem komputasi di mana arsitektur dan operasi diilhami dari pengetahuan tentang sel syaraf biologis di dalam otak, yang merupakan salah satu representasi buatan dari otak manusia yang selalu mencoba menstimulasi proses pembelajaran pada otak manusia tersebut. JST dapat digambarkan sebagai model matematis dan komputasi untuk fungsi aproksimasi non-linear, klasifikasi data cluster dan regresi non-parametrik atau sebuah simulasi dari koleksi model syaraf biologi.
2.3.1 Model Neuron
Seperti halnya otak manusia, jaringan syaraf tiruan juga terdiri dari beberapa neuron dan ada hubungan antara neuron-neuron tersebut. Beberapa neuron akan mentransformasikan informasi yang diterimanya melalui sambungan keluaran
menuju neuron lainnya. Dengan kata lan, neuron/sel syaraf adalah sebuah unit pemroses informasi yang merupakan dasar operasi jaringan syaraf tiruan. Gambar di bawah ini menunjukkan contoh suatu neuron.
Gambar 2.1 Struktur Unit Jaringan Syaraf Tiruan
Pada sisi sebelah kiri terlihat beberapa masukan yang menuju unit pengolah yang masing-masing datang dari unit-unit yang berbeda x(n). setiap sambungan mempunyai kekuatan hubungan terkait (bobot) yang disimbolkan dengan x(n). Unit pengolahan akan membentuk penjumlahan berbobot dari setiap masukannya dan menggunakan fumngsi aktivasi untuk menghitung keluarannya. Hasil perhitungan akan dikirimkan melalui hubungan keluarannya seperti tampak pada gambar sisi sebelah kanan.
2.4 Perceptron
5 ditemukan oleh Rosenblatt (1962) dan Minsky – Papert (1969). Model tersebut merupakan model yang memiliki aplikasi dan pelatihan yang paling baik pada era tersebut. Perceptron lapis tunggal dapat dikatakan sebagai salah satu teknik jaringan syaraf tiruan yang sederhana. Umumnya, perceptron digunakan untuk mengklasifikasikan suatu pola tertentu.
2.4.1 Arsitektur Jaringan
Arsitektur jaringan perceptron terdiri dari beberapa unit masukan (ditambah sebuah bias), dan memiliki sebuah unit keluaran. Hanya saja fungsi aktivasi bukan merupakan fungsi biner (atau bipolar), tetapi memiliki kemungkinan nilai -1, 0 atau 1. Fungsi aktivasi dibuat dengan tujuan untuk memisahkan antara daerah positif dengan daerah negatif.
Untuk suatu harga threshold (batas ambang) θ yang ditentukan :
Secara geometris, fungsi aktivasi membentuk 2 garis lurus sekaligus masing-masing dengan persamaan :
dan
2.4.2 Pelatihan Perceptron
Algoritma pelatihan perceptron adalah sebagai berikut :
Inisialisasi semua bobot dan bias ( umumnya wi = b = 0)
Tentukan laju pemahaman (=α). Untuk penyederhanaan biasaya α diberi nilai = 1 Selama ada elemen vektor masukan yang respon unit keluarannya tidak sama dengan target, lakukan :
Set aktivasi unit masukan xi = si (i = 1, …
n). Hitung respon unit keluaran :
Perbaiki pola yang mengandung kesalahan ( y ≠ t) menurut persamaan :
(i = 1, … , n) dengan
dengan
Keterangan :
s adalah vektor masukan dan t adalah target keluaran
6 α adalah laju pemahaman (learning rate) yang ditentukan
θ adalah ambang batas yang ditentukan
2.5 Pemrograman dengan
MATLAB
Matlab merupakan perangkat lunak yang cocok dipakai sebagai alat komputasi yang melibatkan penggunaan matriks dan vektor. Fungsi-fungsi dalam toolbox Matlab dibuat untuk memudahkan perhitungan tersebut. Sebagai contoh Matlab dengan mudah digunakan untuk menyelesaikan permasalahan system persamaan linear, program linear dengan simpleks, hingga system yang kompleks sepertiperamalan beruntun, pengolahan citra, dan lain-lain.
Banyak model jaringan syaraf tiruan menggunakan manipulasi matriks/vektor dalam itarasinya. Matlab merupakan perangkat lunak yang cocok. Matlab menyediakan toolbox yang sangat bagus untuk menyelesaikan model jaringan syaraf tiruan. Sebenarnya penyelesaian berbagai model JST tidak jauh berbeda. Diawali dengan pembentukan vektor masukan dan target,
lalu dilatih untuk mendapatkan bobot yang diinginkan.
3. PEMBAHASAN
3.1. Komponen Penjadwalan Praktikum
Dalam menyusun jadwal
praktikum, terdapat beberapa komponen yang terlihat. Selanjutnya akan diuraikan komponen yang terlibat dan penggunaan jaringan syaraf tiruan dalam proses penjadwalan praktikum. Berikut ini adalah daftar komponen yang terlibat :
1. Mata kuliah praktikum
Banyaknya praktikum yang diselenggarakan mulai dari tingkat 1 sampai tingkat 4.
2. Kelas
Banyaknya kelas dan praktikum harus dipertimbangkan mengingat jumlah shift dan jumlah tempat duduk (cluster) yang tersedia
3. Shift praktikum
Waktu pelaksanaan praktikum. Pada iLab untuk setiap praktikum dilaksanakan selama dua jam. Saat ini terdapat 8 shift.
7 Ruangan iLab mempunyai 2 ruangan, masing-masing berada di Kampus H Kelapa Dua. Berikut ini adalah daftar ruangan dan tempat duduk (cluster) iLab.
Tabel 3.1 Daftar Ruang iLab Nama Ruangan Nom or Lanta i Lokasi Laboratori um 2 Lanta i 2 Kampus H, Kelapa dua Laboratori um 3 Lanta i 3 Kampus H, Kelapa dua
Sampai tahun akademik PTA 2009/2010, ruangan yang digunakan hanya pada lantai 3.
Tabel 3.2 Daftar Tempat Duduk (Cluster) Cluster Nomor awal terminal Nomor akhir terminal Banyak terminal komputer A A01 A60 60 B B01 B85 85 C C01 C42 42 D D01 D59 59 E E01 E54 54 F F01 F58 58 G G01 G30 30 H H01 H54 54 I I01 I58 58
Daftar tempat duduk pada tabel 3.2 merupakan tempat duduk yang tersedia di pada lantai 3.
3.1.1. Diagram Aliran Penjadwalan Praktikum
Gambar 3.1 Diagram Aliran Penjadwalan Praktikum
3.2. Pencarian Calon Shift dengan Jaringan Syaraf Tiruan
Calon shift adalah shift praktikum yang dapat dijadwalkan untuk semua kelas. Dari jadwal perkuliahan dan
8 praktikum reguler, akan ditentukan calon shift praktikum kelas yang digunakan sebagai dasar dalam menyusun jadwal praktikum. Jadwal praktikum reguler pada kasus ini akan dimasukkan ke dalam jadwal perkuliahan.
Kondisi yang diterapkan :
1. Kelas yang akan dijadwalkan praktikum, tidak hanya di hari libur kuliah tetapi pada waktu kosong perkuliahan
Selain pada hari libur, sistem juga akan menjadwalkan praktikum pada waktu kosong perkuliahan tertentu. 2. Waktu kosong awal perkuliahan
Waktu kosong antara jam awal kuliah dengan shift praktikum yang ditentukan.
3. Waktu kosong akhir perkuliahan Waktu kosong antara jam terakhir kuliah dengan shift praktikum yang ditentukan.
3.2.1 Diagram Aliran Pencarian Calon Shift
Gambar 3.2 Diagram Aliran Pencarian Calon Shift
Berikut ini adalah algoritma pencarian calon shift praktikum :
1. Kelas yang akan dijadwalkan praktikum tidak hanya di hari libur perkuliahan tetapi pada waktu kosong perkuliahan
2. Periksa jadwal perkuliahan kelas pada satu hari terhadap kondisi : Apakah pada shift tertentu, kelas tersebut mempunyai waktu kosong awal perkuliahan
• Ditentukan terlebih dahulu shift
praktikum. Selanjutnya tentukan pula jadwal kelas yang
akan diperiksa, apakah kelas tersebut mempunyai waktu kosong awal perkuliahan
9 dengan shift praktikum tersebut. Jika kelas tersebut mempunyai waktu kosong awal maka akan dinyatakan sebagai calon awal dengan nilai 1.
• Jika tidak mempunyai waktu kosong awal maka akan dinyatakan bukan calon awal dengan nilai 0.
3. Periksa jadwal perkuliahan kelas pada satu hari terhadap kondisi: Apakah pada shift tertentu, kelas tersebut mempunyai waktu kosong akhir perkuliahan
• Ditentukan terlebih dahulu shift
praktikum. Selanjutnya tentukan pula jadwal kelas yang
akan diperiksa, apakah kelas tersebut mempunyai waktu kosong akhir perkuliahan dengan shift praktikum tersebut. Jika kelas tersebut mempunyai waktu kosong akhir maka akan dinyatakan sebagai calon akhir dengan nilai 1.
• Jika tidak mempunyai waktu kosong akhir maka akan dinyatakan bukan calon akhir dengan nilai 0.
3.3. Pembuatan Jaringan Syaraf Tiruan
Dalam menyusun penjadwalan, jaringan syaraf tiruan digunakan pada proses seleksi kondisi yang telah ditentukan oleh pengguna. Berikut adalah desain jaringan syaraf tiruan yang akan digunakan untuk menyusun jadwal praktikum.
• Masukan
Masukan terhadap jaringan syaraf tiruan adalah jadwal perkuliahan kelas dalam satu hari. Format data masukan adalah:
- 1 berarti pada shift tersebut dinyatakan sebagai calon awal atau calon akhir
- 0 berarti pada shift tersebut dinyatakan bukan sebagai calon awal atau calon akhir
• Keluaran
Jumlah keluaran jaringan syaraf tiruan adalah sebanyak 1 neuron dengan format keluaran berupa bilangan biner. Jika shift tertentu mempunyai calon awal dan calon akhir maka shift tersebut dinyatakan sebagai calon shift praktikum.
10 calon shift praktikum (dapat dijadwalkan)
- 0 berarti shift tersebut dinyatakan bukan calon shift praktikum (tidak dapat dijadwalkan)
Berikut adalah konfigurasi jaringan syaraf tiruan yang akan dibuat:
• Fungsi aktivasi yang digunakan adalah Perceptron dengan single layer • Fungsi aktivasi hardlim
3.3.1. Penjadwalan Praktikum Kondisi yang diterapkan
1. Jumlah tempat duduk setiap shift berbeda
Jumlah tempat duduk pada setiap shift mempunyai jumlah yang berbeda. Shift ganjil, yaitu 1, 3, 5, dan 7 mempunyai kapasitas 289 dan shift genap, yaitu 2, 4, 6, dan 8 mempunyai kapasitas 211 tempat duduk.
2. Shift praktikum suatu kelas dalam satu hari
Dalam satu hari, suatu kelas dapat dijadwalkan satu atau dua praktikum sekaligus.
4. HASIL DAN IMPLEMENTASI
4.1 Perancangan Jaringan Arsitektur
Mengacu pada jaringan arsitektur, dan kebutuhan untuk target, diperlukan sebuah neuron. Untuk nilai masukan telah diketahui bahwa setiap inputan direpresentasikan dengan 2 nilai yang berbeda. Karena itu, masukan untuk masalah ini adalah sebanyak 2. Neuron tersebut akan menghasilkan nilai digunakan untuk mengidentifikasi target.
Selanjutnya, arsitektur neural network untuk menyelesaikan persoalan ini adalah seperti gambar berikut.
Gambar 4.1 Jaringan Perceptron
4.1.1. Membangun Aturan Belajar Instruksi pertama yang diperlukan adalah newp, instruksi untuk membuat jaringan neural dengan metode perceptron. Instruksi ini memiliki syntax newp(PR,S), dengan PR adalah matrix berdimensi Rx2 yang berisi nilai minimum dan maksimum dengan R adalah banyaknya masukan ke setiap
11 neuron. Untuk kasus ini, akan ada 2x2 matriks yang menjadi masukan bagi setiap neuron dengan nilai minimum dan maksimum masing-masing adalah nol dan satu. Sedangkan S adalah banyaknya neuron, karena banyaknya neuron sama dengan satu, maka S =1.
• Untuk menginisialisasi jaringan bagi neuron tersebut di Matlab, digunakan instruksi newp
>> net = newp([0 1;0 1], 1); • inisialisasi bobot awal :
>> net.IW {1,1} = [-1 1]; • inisialisasi bobot bias :
>> net.b{1} = [1]
• Sedangkan data masukan untuk masing-masing masukkan
>> p = [ [1;1] [1;0] [0;1] [0;0] ]
• Selanjutnya, target yang diinginkan dari neuron tersebut adalah
>> t = [1 0 0 0]
• kemudian lanjutkan dengan pelatihan >> net = train (net, p, t)
Untuk mengetahui bobot (dan bias) pada keadaan optimal, ditampilkan net.IW dan net.b
>> Disp (net.IW {1,1}) 1 2 >>Disp (net.b{1}) -3 Jadi w1 =1, w2 =2, dan b = -3 4.2 Persiapan Pengujian
Data yang digunakan dalam pengujian Jaringan Syaraf Tiruan adalah data semester ATA 2009/2010.
Tabel 4.1 Daftar Kelas Kelas Tingkat No. Kelas 1DC 1 01 2DA 2 01 – 02 2DB 2 01 – 13 2DD 2 01 – 02 2EB 2 01 – 09 2IA 2 01 – 11 2KA 2 01 – 13 3DA 3 01 –
12 02 3DB 3 01 – 13 3DD 3 01 – 02 3EB 3 01 – 09 3IA 3 01 – 11
• Daftar Mata Kuliah Praktikum
Tabel 4.2 Daftar Mata Kuliah Praktikum
Nama Praktikum Kode
Mata Kuliah Pemrograman Berorientasi Objek (Java) AK013205 Teknik Pemrograman Terstruktur 2 IT013332
Matematika Lanjut 2 IT011213 Teknik Pemrograman
Terstruktur 2
IT011231
Teknik Riset Operasional IT013252 Pengantar Basis Data IT014318 Pemrograman Berbasis
Objek
AK045213
Statistika 2 IT045228 Rekayasa Komputasional AK045311
Teori Bahasa dan Otomata IT045330 Riset Akuntansi PB022208 Pemasaran Jasa 2 IT023268 Komputerisasi Anggaran 2
& Prak.
AK024210
Komputerisasi
Peranggaran 2 & Prak.
IT023245
Pemeriksaan Akuntansi 2 IT022327 Auditing 2 & Prak. IT024307 Komputer Perpajakan
Manajemen
AK024212
Akuntansi Manajemen IT022302
• Shift Praktikum
• Ruang Laboratorium dan Tempat Duduk
• Jadwal Kuliah
Berikut ini contoh jadwal kuliah dari jurusan Sistem Informasi untuk tingkat 2, dari kelas 2KA01 sampai 2KA02.
Tabel 4.3 Jadwal Kuliah
Kelas Hari Mata Kuliah Dosen WaktuRuang
2KA01Senin Manajemen & SIM 2 * Diana Ikasari 7/8 E328 2KA01Senin Matematika
13 2KA01 Rabu Teori Organisasi Umum 2 # Ajie Wahyujati 3/4 G144 2KA01 Rabu Matematika Sistem Informasi 2 Umi Solihah Endang S 6/7 G129 2KA01 Rabu Teknik Pemrog. Terstruktur 2 ** Rani Puspita 8/9 G129 2KA01 Kamis Sistem Operasi ** Setia Wirawan 2/3 E327 2KA01 Kamis Struktur & Organisasi Data 2 * Betty Suswati 4/5/6 E327
2KA01 Jum'at Statistika 2
Komsi
Koranti 1/2 G244 2KA01 Jum'at Akuntansi 2 B Sundari 3/4 G244
2KA01 Jum'at
Pendidikan
Agama Islam Maswanih 7/8 G136
Tabel 4.3 Jadwal Kuliah [Lanjutan]
Kelas Hari Mata Kuliah Dosen WaktuRuang
2KA02 Selasa Sistem Operasi ** Kunto Wibowo 3/4 G142 2KA02 Selasa Matematika Lanjut 2 ** Borkat Ritonga 6/7 G123 2KA02 Selasa Matematika Sistem Informasi 2 Henny Widowati Farida 8/9 G123
2KA02Rabu Akuntansi 2 Masliah 1/2 G345
2KA02Rabu Statistika 2 Sri Rakhmawati3/4 G345 2KA02Rabu Teknik Pemrog. Terstruktur 2 ** Rani Puspita 6/7 G133 2KA02Rabu Pendidikan
Agama Islam Hamdani 9/10 G133
2KA02Jum'at Struktur & Organisasi Data 2 * Betty Suswati 2/3/4 G242 2KA02Jum'at Teori Organisasi Umum 2 # Ekaning Setyarini 7/8 G223 2KA02Jum'at Manajemen & SIM 2 * Lista Kuspriatni 9/10 G223 4.3 Analisis
Analisa akan dilakukan terhadap 3 kelas dari jurusan Sistem Informasi tingkat 2 yaitu kelas 2KA01 sampai 2KA03.
4. 3.1 Pencarian Calon Shift Praktikum
Dari Daftar Calon Shift, akan dilakukan pengecekan pada 13 kelas tersebut. Berikut adalah Jadwal perkuliahan dan Jadwal Calon Shift untuk kelas kelas 2KA01 sampai 2KA13.
14 Tabel 4.4 Daftar Calon Shift Praktikum
Setiap Kelas Kelas Hari Shift 2KA01 Senin 1 2KA01 Senin 2 2KA01 Senin 3 2KA01 Senin 4 2KA01 Selasa 1 2KA01 Selasa 2 2KA01 Selasa 3 2KA01 Selasa 4 2KA01 Selasa 5 2KA01 Selasa 6 2KA01 Selasa 7 2KA01 Selasa 8 2KA01 Kamis 8
Tabel 4.4 Daftar Calon Shift Praktikum Setiap Kelas [Lanjutan]
Kelas Hari Shift 2KA02 Senin 1 2KA02 Senin 2 2KA02 Senin 3 2KA02 Senin 4 2KA02 Senin 5 2KA02 Senin 6 2KA02 Senin 7 2KA02 Senin 8 2KA02 Kamis 1 2KA02 Kamis 2 2KA02 Kamis 3 2KA02 Kamis 4 2KA02 Kamis 5 2KA02 Kamis 6 2KA02 Kamis 7 2KA02 Kamis 8
Dari Daftar Calon Shift kelas 2KA01 sampai 2KA02 dapat dilihat bahwa calon shift yang diperoleh dari Jaringan Syaraf Tiruan semuanya cocok dengan kondisi yang telah diterapkan dan tidak terdapat waktu bentrok dengan jadwal perkuliahan. Hal ini menunjukkan bahwa Jaringan Syaraf Tiruan dapat digunakan dalam proses Penentuan Calon Shift Praktikum.
4.3.2 Perbandingan Jadwal Praktikum
Dari Daftar Jadwal Praktikum, berikut adalah perbandingan Jadwal Praktikum dan Daftar Calon Shift untuk kelas kelas kelas 2KA01 sampai 2KA13.
Tabel 4.5 Perbandingan Jadwal Praktikum
15 2KA01 Senin Matematika Lanjut ** 07.30-09.30 H331 2KA01 Senin Teknik Pemrograman Terstruktur 2 ** 10.30-12.30 H331 2KA02 Kamis Matematika Lanjut ** 09.30-11.30 H331 2KA02 Kamis Teknik Pemrograman Terstruktur 2 ** 12.30-14.30 H331 2KA03 Senin Matematika Lanjut ** 08.30-10.30 H331 2KA03 Senin Teknik Pemrograman Terstruktur 2 ** 11.30-13.30 H331 4.4 Jadwal Praktikum
Berikut adalah jadwal praktikum yang telah disusun dari aplikasi.
Gambar 4.2 Jadwal Praktikum
5. PENUTUP 5.1 Kesimpulan
Dalam proses penjadwalan praktikum, terdapat 2 proses utama yaitu: 1. Penentuan calon shift praktikum,
proses seleksi jadwal perkuliahan untuk mencari shift yang dapat diisi dengan praktikum.
2. Penjadwalan praktikum kelas, proses penjadwalan praktikum berdasarkan jumlah tempat duduk, shift, kelas, mata kuliah praktikum, dan ruang iLab.
Dari kedua proses tersebut, jaringan syaraf tiruan digunakan pada
16 proses pertama. Berdasarkan hasil pengujian yang dilakukan dimana semua shift kelas yang ditentukan sebagai calon waktu praktikum oleh jaringan syaraf tiruan sebagai waktu praktikum, memang tidak menggangu/ bentrok dengan jadwal perkuliahan. Aplikasi ini sudah dapat memberikan solusi penjadwalan praktikum untuk hari, shift, dan ruang praktikum pada masing-masing kelas.
5.2 Saran
Pengembangan kegiatan praktikum iLab masih terus berlangsung. Penjadwalan untuk semester selanjutnya belum dapat dibuktikan karena adanya penambahan ruangan dan tempat duduk, sehingga masih banyak kemungkinan untuk pengembangan. Untuk penggunaan jaringan syaraf tiruan tidak hanya terbatas dalam proses penjadwalan praktikum, tetapi juga untuk bentuk penjadwalan lainnya.
DAFTAR PUSTAKA
[1] Arif Hermawan, Jaringan Saraf Tiruan, Teori dan Aplikasi. Yogyakarta, ANDI, 2006.
[2] Demuth Howard and Beale Mark, Neural Network Toolbox For Use With MATLAB, Edisi 4, The MathWorks, Inc, 2002.
[3] Diyah Puspitaningrum, Pengantar Jaringan Saraf Tiruan, Andi, Jakarta, 2006.
[4] Jaja Jamaludin Malik, Tip & Trik Unik Delphi Lanjutan, Andi, Jakarta, 2006.
[5] Jong Jek Siang, Jaringan Syaraf Tiruan dan Pemrogramannya MEnggunakan Matlab, Andi, Yogyakarta, 2009.
[6] Mike Susmikanti dan Arya Adhiyaksa, Identifikasi Huruf Menggunakan Metode Pembelajaran Perceptron Dalam Jaringan Neural, Prosiding Semiloka Teknologi Simulasi dan Komputasi serta Aplikasi, Pusat Pengembangan Teknologi Informasi dan Komputasi – BATAN, 2005, hlm 1-9.
[7] Siska Primangingrum (Penterjemah), Sistem Pendukung Keputusan Dan Sistem Cerdas, Jilid 2, Andi, Yogyakarta, 2005.
[8] Wahana Komputer, Membuat Program Kreatif dan Profesional dengan Delphi, PT Elex Media Komputindo, Jakarta, 2005.
17 [9] Yahya Yanuar, Pemrograman Delphi
dengan Database Microsorft SQL Server, PT Elex Media Komputindo, Jakarta, 2004.
[10] http://eng.unri.ac.id, diunduh pada tanggal 10 April 2010.
[11] http://rafdi.wordpress.com, diunduh pada tanggal 9 Juni 2010.
[12] http://edysoftware.com, diunduh pada tanggal 1 Juli 2010.