<![CDATA[Memory management efficiency plays a crucial role in determining the performance of operating systems, especially in the Multiprogramming with a Fixed Number of Tasks (MFT) scheme, which is prone to fragmentation problems. This study aims to compare the performance of three memory allocation algorithms, namely First Fit, Best Fit, and Worst Fit, in terms of allocation success and memory utilization. A hybrid simulation approach was applied by combining statistical testing on 20 randomized datasets using Python and visual analysis with the Mishal23 OS simulator. The results show that Best Fit achieves the highest allocation success rate (84%), followed by First Fit (77%) and Worst Fit (71%), while Worst Fit tends to produce higher fragmentation that reduces its effectiveness. These findings indicate that the selection of allocation strategy significantly affects system performance. This study contributes by providing a combined quantitative and visual analysis to evaluate memory allocation algorithms under dynamic workload conditions. However, the results are limited to the MFT scheme and simulation environment, and further studies are needed to validate the findings in more complex systems Abstrak Efisiensi manajemen memori merupakan faktor penting dalam menentukan kinerja sistem operasi, khususnya pada skema Multiprogramming with a Fixed Number of Tasks (MFT) yang rentan terhadap fragmentasi. Penelitian ini bertujuan untuk membandingkan kinerja tiga algoritma alokasi memori, yaitu First Fit, Best Fit, dan Worst Fit, berdasarkan tingkat keberhasilan alokasi dan efisiensi penggunaan memori. Metode yang digunakan adalah simulasi hibrida yang menggabungkan pengujian statistik pada 20 dataset acak menggunakan Python serta analisis visual menggunakan simulator Mishal23. Hasil penelitian menunjukkan bahwa algoritma Best Fit memiliki tingkat keberhasilan alokasi tertinggi sebesar 84%, diikuti oleh First Fit sebesar 77% dan Worst Fit sebesar 71%, sementara Worst Fit cenderung menghasilkan fragmentasi yang lebih tinggi. Temuan ini menunjukkan bahwa pemilihan strategi alokasi memori berpengaruh terhadap kinerja sistem. Kontribusi penelitian ini adalah menyediakan analisis gabungan secara kuantitatif dan visual dalam mengevaluasi algoritma alokasi memori pada kondisi beban kerja dinamis. Namun, hasil penelitian ini terbatas pada skema MFT dan lingkungan simulasi, sehingga diperlukan penelitian lanjutan pada sistem yang lebih kompleks]]>
