ABSTRAKSI: Penjadwalan kuliah bertujuan untuk mengalokasikan sumber-sumber yang tersedia ke slot-slot waktu yang sesuai agar dapat memenuhi konstrain-konstrain tertentu dan memberikan kepuasan pada elemen-elemen dalam kegiatan perkuliahan. Banyak algoritma yang dikembangkan untuk menyelesaikan permasalahan penjadwalan kuliah. Penulis mencoba menerapkan salah satu teknik data mining yaitu Hybrid-dimension Association Rulesyang dibentuk dengan menggunakan algoritma Apriori untuk mendapatkan hubungan ketergantungan antar item pada sekumpulan record yang melibatkan lebih dari satu predikat yang berbeda dan digunakan secara berulang sebagai inisialisasidari teknik optimasi Particle Swarm Optimization (PSO) dengan tujuan mengarahkan inisialisasi PSO ke solusi yang optimal sejak awal yang diharapkan dapat mempercepat eksekusi PSO dalam menemukan nilai maksimum global. Setelah kedua teknik tersebut diimplementasikan, kemudian dilakukan analisis perbandingan hasil eksekusi penjadwalan kuliah menggunakan PSO dan hasil eksekusi penjadwalan kuliah menggunakan PSO yang inisisalisasinya dipengaruhi oleh Hybrid-dimension Association Rules.Ternyata dalam penelitian ini Hybrid-dimension Association Rules hanya berpengaruh pada kecepatan PSO dalam penemuan solusi global dan tidak terlalu berpengaruh pada fitness dari solusi akhir.Kata Kunci : penjadwalan kuliah, data mining, hybrid-dimension association rules, apriori, particle swarm optimizationABSTRACT: University Course Timetabling aims to allocate the resources to the available time slots in order to meet a constraint-satisfaction on the elements in the lectures. Many algorithms are developed to solve University Course Timetabling Problem (UCTP). On this research, one of data mining technique called Hybrid-Dimension Association Rules (HDAR) using Apriori algorithm was applied to get the dependency relationships between items in a set of records that involve more than one different predicate and used repeatedly as the initialization of the optimization techniques, Particle Swarm Optimization (PSO) with the aim of directing PSO initialization to the optimal solution from thebeginning in order to accelerate the execution of PSO in finding the global maximum value. After the two techniques implemented, then performed a comparative analysis results between UCTP using PSO and UCTP using PSO and HDAR. As a result, HDARonly gives impact on the execution time of the system but not gives any effect on the final penalty.Keyword: university course timetabling, data mining, hybrid-dimension association rules, particle swarm optimization