Pendekatan Dynamic Programming pada Penentuan Urutan Pembelajaran Optimal Berdasarkan Beban Kognitif Mahasiswa
Keywords:
Knapsack Problem, Dynamic Programming, beban kognitif, urutan pembelajaran optimal, kapasitas kognitifAbstract
Penelitian ini bertujuan untuk mengoptimalkan prioritas belajar mahasiswa menjelang ujian akhir semester (UAS) dengan memformulasikan masalah pemilihan mata kuliah sebagai 0/1 knapsack problem. Data diperoleh dari dua dataset sintetis yang menggabungkan karakteristik mahasiswa (tingkat stres, kelelahan, efisiensi belajar, performa) dan mata kuliah (tingkat kesulitan, urgensi jadwal ujian) menjadi nilai prioritas (priority score) serta alokasi waktu belajar sebagai bobot. Eksperimen dilakukan pada 10 kapasitas waktu belajar berbeda (4–28 jam) untuk membandingkan algoritma Dynamic Programming (DP) dan Greedy. Hasil menunjukkan bahwa DP selalu menghasilkan solusi optimal atau superior dengan total nilai prioritas lebih tinggi atau sama dibandingkan Greedy pada seluruh kapasitas, dengan optimality gap tertinggi sebesar 9,87% pada kapasitas 16 jam. Meskipun waktu eksekusi DP lebih lambat (mikrodetik), perbedaannya tidak signifikan untuk ukuran data kecil. Disimpulkan bahwa pendekatan DP efektif untuk merekomendasikan kombinasi mata kuliah prioritas secara optimal. Penelitian selanjutnya disarankan menggunakan data nyata dan algoritma optimasi lain seperti branch and bound atau algoritma genetika.
References
Dima, J., Hamzah, M. S., Tallo, C. G., & Ariswati, D. Y. (2025). Tinjauan Literatur tentang Pemanfaatan Algoritma Greedy untuk Pencarian Jalur Terpendek. 7.
Gelar Guntara, Rangga, Rizki Nugraha, M., Prasetyo, Y., & Aprilia, R. (2023). Implementasi Algoritma Genetika Untuk Aplikasi Penjadwalan Sidang Tugas Akhir Berbasis Web. Jurnal Minfo Polgan, 12(2), 2224–2232. https://doi.org/10.33395/jmp.v12i2.13206
Harefa, F. M., Lubis, N. U., Pasaribu, A. U. K., Nasution, A., & Ginting, S. S. B. (2025). Penerapan Program Dinamik Untuk Optimasi Perencanaan Produksi Dan Persediaan. Jejak Digital: Jurnal Ilmiah Multidisiplin, 2(1), 1641–1650. https://doi.org/10.63822/7yh2g598
Ilham, M. F. N., & Saputra, A. (2023). Seleksi Penerimaan Mahasiswa Baru Dengan Metode Pemecahan Masalah Algoritma Greedy Menggunakan Python. Jurnal Rekayasa Teknologi Informasi (JURTI), 7(1), 32–38. https://doi.org/10.30872/jurti.v7i1.9566
Kim, M., Duncan, C., Yip, S., & Sankey, D. (2025). Beyond the theoretical and pedagogical constraints of cognitive load theory, and towards a new cognitive philosophy in education. 56(7), 662–673.
Praseno, I. (2024). Learning Analytics untuk Meningkatkan Kualitas Pendidikan di Indonesia: Sebuah Kajian Pustaka (Learning Analytics to Improve the Quality of Education in Indonesia: A Literature Review).
Prasha, A., Ourizqi Rachmadi, C., Garin Raditya, N., Mutiara, S., & Sari, A. (2024). Implementasi Algoritma Greedy dan Dynamic Programming untuk Masalah Penjadwalan Interval dengan Model Knapsack. Format Jurnal Ilmiah Teknik Informatika, Vol. 13, No. 2, 15. https://doi.org/10.22441/format.2024.v13.i2.005
Raschintasofi, M., Khumairo, N., Rasywir, E., & Feranika, A. (2022). Analisis Tingkat Pemahaman Mahasiswa Universitas Dinamika Bangsa Dalam Pembelajaran Daring Menggunakan Algoritma K-Nearst Neighbor. Jurnal Manajemen Teknologi Dan Sistem Informasi (JMS), 2(1), 69–77. https://doi.org/10.33998/jms.2022.2.1.29
Rizal, M. F. (2024). Penerapan Algoritma Greedy untuk Optimalisasi Penjadwalan Mata Pelajaran pada Sistem Informasi Akademik SMK Negeri 5 Kendal Berbasis Web.
Robiatul Adawiyah. (2017). Analisis Tingkat Stres Mahasiswa dalam Menghadapi Penyusunan Skripsi [S1, Universitas Muhammadiyah Yogyakarta]. http://repository.umy.ac.id/handle/123456789/12924
Roihan, A., Nasution, K., & Siambaton, Mhd. Z. (2022). Implementasi Algoritma Greedy Kombinasi dengan Perulangan pada Aplikasi Penjadwalan Praktikum. sudo Jurnal Teknik Informatika, 1(2), 42–50. https://doi.org/10.56211/sudo.v1i2.8
Samaray, S. (2022). Implementasi Algoritma Rough Set dengan Software Rosetta untuk Prediksi Hasil Belajar. Jurnal Eksplora Informatika, 11(1), 57–66. https://doi.org/10.30864/eksplora.v11i1.498
Sweller, J. (1988). Cognitive load during problem solving: Effects on learning. Cognitive Science, 12(2), 257–285. https://doi.org/10.1016/0364-0213(88)90023-7
Wee, L. K., Tan, D., Clemente, F. J. G., & Esquembre, F. (2024). Easy JavaScript Simulation (EJSS) Data Analytics for Singapore. Journal of Physics: Conference Series, 2693(1), 012017. https://doi.org/10.1088/1742-6596/2693/1/012017
Widyawati, N., Khasanah, M., Muttaqin, Rasywir, E., & Feranika, A. (2022). Prediksi Tingkat Stress Pada Mahasiswa Universitas Dinamika Bangsa Jambi Dalam Melakukan Perkuliahan Metode Hybrid Menggunakan Algoritma Naive Bayes. Jurnal Manajemen Teknologi Dan Sistem Informasi (JMS), 2(1), 99–109. https://doi.org/10.33998/jms.2022.2.1.44
