Skip ke Konten
Review Tugas Akhir/Disertasi Selesai Diterima Bersyarat

Optimasi Algoritma Genetic untuk Penjadwalan Mata Kuliah Menggunakan Parallel Computing

Review tesis magister teknik informatika

Penulis: Ahmad Fauzi, S.Kom.

Afiliasi: Institut Teknologi Bandung

Negara: Indonesia

Tanggal Review: 5 Oktober 2024

Publikasi: Program Magister Teknik Informatika - ITB

Putaran: Round 1

Tesis ini membahas pengembangan algoritma genetic untuk menyelesaikan masalah penjadwalan mata kuliah dengan berbagai constraints (waktu dosen, ruangan, preferensi, dll). Untuk mempercepat komputasi, diimplementasikan parallel genetic algorithm menggunakan OpenMP.

Eksperimen dilakukan dengan dataset dari 5 program studi dengan jumlah mata kuliah 50-200. Hasil menunjukkan speedup 3.5x dengan 4 threads dan kualitas solusi yang comparable dengan sequential version.

Area Fokus Review

Problem formulation, algorithm design, implementation, experimental evaluation, writing quality

Evaluasi
Kelebihan
Kelebihan Tesis:
  • Problem Formulation: Formulasi masalah penjadwalan mata kuliah dengan constraints lengkap dan jelas
  • Implementation: Parallel genetic algorithm menggunakan OpenMP dijelaskan dengan detail yang baik
  • Comprehensive Experiments: Eksperimen dengan berbagai ukuran dataset (50-200 mata kuliah)
  • Significant Results: Speedup 3.5x dengan 4 threads menunjukkan efektivitas parallelization
  • Writing Quality: Penulisan tesis sistematis dan mudah dipahami
Kelemahan
Area yang Perlu Diperbaiki:
  1. Literature Review: Tinjauan pustaka tentang parallel genetic algorithms perlu diperdalam, terutama terkait:
    • Island models
    • Master-slave parallelization
    • Hybrid parallel approaches
  2. Complexity Analysis: Analisis kompleksitas waktu algorithm belum detail (Big-O notation)
  3. Method Comparison: Perbandingan hanya dengan sequential GA, belum dengan metode lain:
    • PSO (Particle Swarm Optimization)
    • ACO (Ant Colony Optimization)
    • Simulated Annealing
  4. Scalability: Diskusi tentang scalability untuk dataset sangat besar (>500 mata kuliah) perlu ditambahkan
Rekomendasi
Rekomendasi untuk Revisi:
No Item Detail
1 Literature Review Perluas dengan 5-7 paper tentang parallel GAs
2 Complexity Analysis Tambahkan analisis time complexity dengan Big-O notation
3 Method Comparison Lakukan comparison dengan minimal 2 metode optimization lain (PSO, Simulated Annealing)
4 Scalability Tambahkan diskusi dan eksperimen scalability analysis
5 Mathematical Notation Perbaiki notasi pada Chapter 3 (consistency issues)
6 Future Works Tambahkan discussion tentang limitations dan future research directions

Dengan perbaikan ini, tesis dapat diajukan untuk sidang akhir.

Catatan Reviewer

Evaluasi Keseluruhan

Tesis ini menunjukkan pemahaman yang baik tentang genetic algorithms dan parallel computing. Implementation solid dan eksperimen well-designed.

Kontribusi Utama:

  • Parallel GA implementation menggunakan OpenMP
  • Speedup 3.5x pada 4 threads
  • Solution quality comparable dengan sequential version

Status: Conditional Accept

Dengan revisi yang disarankan, tesis layak untuk dipertahankan di sidang akhir.

Informasi Review
  • Kategori

    Review Tugas Akhir

  • Jenis Review

    Review Tugas Akhir/Disertasi

  • Level

    Nasional

  • Metode Review

    Open Review

  • Tanggal Submit

    20 Sep 2024

  • Tanggal Selesai

    5 Okt 2024

  • Durasi Review

    15 hari

Penerbit/Institusi
Institut Teknologi Bandung

Universitas

Indonesia

Kunjungi Website
Beban Kerja
  • Skor Review

    7.5/10

  • Waktu Review

    10.0 jam

Kata Kunci

genetic algorithm course scheduling parallel computing OpenMP optimization