Implementasi algoritma optimasi Forward Checking dan Arc Consistency pada Costraint Satisfaction Problem (CSP) untuk penjadwalan KBM

Penjadwalan Kegiatan Belajar Mengajar (KBM) merupakan permasalahan kombinatorial kompleks (NP-Hard) yang rentan terhadap konflik alokasi sumber daya, seperti bentrok jadwal dosen, ruangan, dan kelas. Penelitian ini bertujuan mengotomatisasi dan mengoptimalkan penjadwalan akademik menggunakan pemodelan Constraint Satisfaction Problem (CSP). Algoritma Backtracking dioptimasi melalui pendekatan hibrida dengan menerapkan Arc Consistency (AC-3) pada tahap prapemrosesan dan Forward Checking (FC) selama proses pencarian. Sistem dikembangkan menggunakan framework Laravel sebagai antarmuka manajemen data dan solver berbasis Python di Google Colab yang terintegrasi melalui REST API menggunakan Ngrok. Aturan penjadwalan diterapkan sebagai hard constraint, dengan alokasi waktu tepat 50 menit untuk setiap 1 Satuan Kredit Semester (SKS). Berdasarkan pengujian Black Box, sistem memperoleh tingkat validitas fungsional sebesar 100%. Evaluasi performa dilakukan menggunakan dua dataset dengan tingkat kompleksitas berbeda melalui perbandingan model CSP teroptimasi dan Backtracking konvensional. Pada dataset pertama (40 dosen, 24 mata kuliah, 24 kelas, dan 18 ruangan), model teroptimasi berhasil menyusun jadwal dalam 35,110 detik dengan 127 node dan 0 backtracking, sedangkan Backtracking konvensional memerlukan 395,190 detik, 6.490.375 node, dan 34.504 backtracking. Pada dataset kedua (65 dosen, 91 mata kuliah, 43 kelas, dan 18 ruangan), model teroptimasi menyelesaikan penjadwalan dalam 105,537 detik dengan 236 node tanpa backtracking, sementara Backtracking konvensional membutuhkan 987,652 detik, 17.267.069 node, dan 87.679 backtracking. Hasil penelitian menunjukkan bahwa kombinasi AC-3 dan FC mampu memperkecil ruang pencarian secara signifikan sehingga meningkatkan efisiensi penyelesaian penjadwalan berbasis CSP