3

BAB II

TINJAUAN PUSTAKA DAN LANDASAN TEORI

2.1 Tinjauan Pustaka

Penelitian dengan judul “Sistem Pakar Untuk Mendiagnosis

Kecerdasan Majemuk Menggunakan Metode Fuzzy Expert System”.

Pentingnya mengetahui letak kecerdasan yang paling menonjol pad anak sejak

dini agar kualitas pendidikan dapat meningkat. Hal ini dilakukan supaya

pendidikan yang diberikan lebih sesuai dengan minat dan bakat siswa. Jadi

pembangunan perangkat lunak ini diharapkan dapat membantu seorang guru SD

bekerja sama dengan orang tua untuk mendiagnosis kecerdasan yang dimiliki oleh

siswa secara lebih akurat dan cepat dengan melihat kegemaran yang dimiliki

masing-masing individu. Dengan demikian, pembuatan sistem pakar tentang

diagnosis kecerdasan majemuk pada anak ini sangat membantu sekali dalam

mendiagnosis bakat dan minat siswa (Setiawan, Jusak, & Lemantara, 2013).

Penelitian dengan judul “Sistem Pakar Menggunakan Mesin Inferensi

Fuzzy Untuk Menentukan Hama Dan Penyakit Pada Tanaman Bawang

Merah”. Berdasarkan kemajuan dlaam bidang komputer dan informatika,

kerumitan dan kesulitan dapat ditanggulangi dengan menyediakan suatu perangkat

lunak sistem pakar untuk untuk menentukan hama dan penyakit yang menyerang

tanaman sayuran dan jenis obat serta cara pencegahannya. Penelitian ini bertujuan

untuk membangun suatu perangkat lunak sistem pakar tentang menentukan hama

dan penyakit tanaman sayuran dengan menggunakan mesin inferensi fuzzy

(Kaswidjanti, 2010).

Penelitian dengan judul “Studi Inferensi Fuzzy Tsukamoto Untuk

Penentuan Faktor Pembebanan Trafo PLN”. Semakin berkembangnya

teknologi tenaga listrik menyebabkan proses pemantauan dan diagnosis pada

sistem tenaga listrik menjadi sangat kompleks. Sistem yang dibuat ini bertujuan

untuk memprediksi kegagalan peralatan dengan memantau parameter pada

4

peralatan dan penjadwalan pemeliharaan yang tepat sebelum terjadi kerusakan

yang fatal. Berdasarkan hal tersebut maka dalam membangun sistem pakar untuk

pemeliharaan preventif digunakan logika fuzzy yang mampu menangani

ketidakjelasan dan ketidak pastian dari berbagai variabel pemeliharaan trafo.

Logika fuzzy yang digunakan adalah sistem inferensi fuzzy tsukamoto karena

metode ini menggunakan aplikasi nilai monoton (Thamrin, Sediyono, &

Suhartono, 2012).

Penelitian dengan judul “Sistem Pendukung Keputusan Penentuan

Sanksi Terhadap Siswa Yang Melanggar Peraturan Akademik Sekolah

Metode Fuzzy Logic”. SMK PIRI 1 secara terus menerus mengembangkan iklim

akademis yang demokratis, dengan mengadakan rapat verifikasi terhadap siswa

yang bermasalah melanggar peraturan akademik, agar dapat mendukung

pelaksanaan proses pembelajaran yang mengarahkan siswa menjadi lulusan

sebagai insan pembelajaran hayat. Dalam menentukan sanksi, terkadang guru juga

melakukan kesalahan dalam pemberian sanksi, dimana siswa yang melanggar

peraturan yang sama namun menerima sanksi yang berbeda. Dalam penelitian ini,

metode Fuzzy Tsukamoto digunakan untuk mencari nilai kepastian dari input yang

berupa pelanggaran dan sebab terjadinya pelanggaran untuk menentukan sanksi

kepada siswa yang melanggar peraturan akademik (Wana & Winiarti, 2013).

Penelitian dengan judul “Sistem Pakar Bimbingan Dan Konseling

Siswa Dengan Metode Certainy Factor Berbasis Web Pada SMAN 1

Cikembar”. Layanan bimbingan dan konseling disekolah merupakan bantuan

yang diberikan kepada siswa dalam upaya menemukan jati diri, mengenai

lingkungan dan merencanakan masa depan siswa yang bersangkutan. Kemudian

untuk mempermudah mengenali permasalahan yang dialami siswa, maka

dibutuhkan sebuah sistem yang dapat mewakili seorang pakar yang memiliki basis

pengetahuan dan pengalaman tentang bimbingan dan konseling yaitu sebuah

sistem pakar. Dengan dibangunnya sistem pakar berbasis web ini diharapkan

dapat memberikan kemudahan dalam aktivitas akademik khususnya bimbingan

dan konseling (Syah & Gunawan, 2016).

5

Penelitian ini fokus terhadap pengembangan sistem pakar untuk

menentukan poin pelanggaran siswa menggunakan metode fuzzy tsukamoto,

dengan beberapa variabel yaitu pelanggaran, prestasi dan sanksi. Sistem ini

ditujukan untuk membantu guru bimbingan konseling dalam melakukan

penentuan poin pelanggaran pada siswa.

2.2 Landasan Teori

2.2.1 Bimbingan Konseling

BK adalah pelayanan bantuan untuk peserta didik, baik secara perorangan

maupun kelompok, agar mandiri dan berkembang secara optimal, dalam

bimbingan pribadi, bimbingan sosial, bimbingan belajar, dan bimbingan karir,

melalui berbagai jenis layanan dan kegiatan pendukung, berdasarkan normanorma

yang berlaku (Priyolistiyanto & Saefan, 2014).

2.2.2 Definisi Bimbingan Konseling

Bimbingan dan konseling merupakan upaya proaktif dan sistematik dalam

memfasilitasi individu mencapai tingkat perkembangan yang optimal,

pengembangan perilaku yang efektif, pengembangan lingkungan, dan peningkatan

fungsi atau manfaat individu dalam lingkungannya. Semua perubahan perilaku

tersebut merupakan proses perkembangan individu, yakni proses interaksi antara

individu dengan lingkungan melalui interaksi yang sehat dan produktif.

Bimbingan dan konseling memegang tugas dan tanggung jawab yang penting

untuk mengembangkan lingkungan, membangun interaksi dinamis antara individu

dengan lingkungan, membelajarkan individu untuk mengembangkan, merubah

dan memperbaiki perilaku.

Bimbingan dan konseling bukanlah kegiatan pembelajaran dalam konteks

adegan mengajar yang layaknya dilakukan guru sebagai pembelajaran bidang

studi, melainkan layanan ahli dalam konteks memandirikan peserta didik.

Oleh karena itu, bimbingan dan konseling merupakan layanan ahli oleh

konselor (guru bimbingan dan konseling). Konselor adalah salah satu kualifikasi

pendidikan, yaitu tenaga kependidikan, yaitu tenaga kependidikan yang memiliki

kekhususan pada bidang bimbingan dan konseling, yang berpartisipasi dalam

menyelenggarakan pendidikan (Kamaluddin, 2011).

6

2.2.3 Penilaian Bimbingan Konseling

2.2.3.1 Poin Pelanggaran

Poin Pelanggaran merupakan suatu alternatif yang dapat diberlakukan di

sekolah sebagai upaya untuk menegakkan disiplin sekolah. Sistem ini

mengharuskan agar setiap pelanggaran tata tertib sekolah yang dilakukan oleh

para siswa diberikan peringatan yang memiliki tingkatan poin pelanggaran sesuai

dengan tingkat pelanggaran yang dilakukan siswa. Setiap poin pelanggaran

disiplin yang dilakukan oleh para siswa dikumpulkan sampai batas tertentu selama

setahun .

Schaefer (2010:99-107) mengemukakan dua puluh pedoman dalam

menjatuhkan hukuman kepada siswa yang melanggar disiplin sekolah (Nurdiana).

Dari dua puluh pedoman tersebut, terdapat enam pedoman yang mengilhami

pemberlakuan Sistem Poin Pelanggaran seperti berikut ini.

1. Hukuman itu harus jelas dan terang.

2. Hukuman harus konsisten.

3. Hukuman diberikan dalam waktu secepatnya.

4. Bentuk-bentuk hukuman yang diberikan sebaiknya melibatkan siswa.

5. Pemberi hukuman harus objektif.

6. Hukuman sebaiknya tidak bersifat fisik.

2.2.3.2 Prestasi

Prestasi belajar merupakan cerminan dari tingkatan keberhasilan yang

dijadikan acuan untuk mengukur kemampuan siswa dalam pencapaian suatu

materi pembelajaran. Hal ini diperkuat oleh Tohirin (2005:140) yang menyatakan

bahwa apa yang dicapai oleh siswa setelah melakukan kegiatan belajar sering

disebut prestasi belajar.

Sedangkan pendapat Sukadji (2000:6) menyatakan bahwa prestasi belajar

adalah hasil yang telah dicapai seseorang dalam belajar. Dalam belajar, sikap

seseorang selalu mempunyai harapan untuk mencapai hasil yang optimal demi

tercapainya prestasi belajar yang tinggi. Prestasi belajar juga sering dikatakan

7

sebagai hasil dari perbuatan belajar yang melukiskan taraf kemampuan seseorang

setalah seseorang belajar dan berlatih dengan sengaja sehingga menimbulkan

perubahan tingkah laku ke arah yang lebih maju.

Pelaksanaan evaluasi bertujuan untuk mengetahui prestasi belajar siswa.

Hal ini didukung oleh teori Sutisnawidjaja (2010: 30-31) yang menegaskan bahwa

prestasi belajar siswa dapat diketahui setelah diadakan evaluasi. Dalam dunia

pendidikan prestasi belajar sering diidentifikasikan sebagai nilai berupa angka

atau huruf. Prestasi belajar merupakan hasil maksimum yang dicapai oleh

seseorang dan sebagai bukti keberhasilan seseorang. Penjelasan ini diperkuat

Berdasarkan beberapa teori diatas dapat di sintesiskan bahwa prestasi belajar

adalah hasil akhir dari kegiatan aktivitas belajar yang dilakukan oleh siswa yang

meliputi ranah kognitif, afektif dan psikomotorik yang menunjukan keberhasilan

proses dan tujuan pembelajaran, keberhasilan tersebut dapat dilihat melalui nilai

yang didapat siswa berupa angka maupun huruf dari nilai rapot (Harun, Sumardi,

& Sukmanasa, 2015).

2.2.4 Sistem Pakar

Sistem pakar adalah salah satu cabang dari kecerdasan buatan (Artifical

Intelligent) yang membuat penggunaan secara luas knowledge yang khusus untuk

penyelesaian masalah tingkat manusia yang pakar. Seorang pakar adalah orang

yang mempunyai keahlian dalam bidang tertentu, yaitu pakar yang mempunyai

knowledge atau kemampuan khusus yang orang lain tidak mengetahui atau

mampu dalam bidang yang dimilikinya (Arhami, 2005).

Sistem pakar adalah sistem berbasis komputer yang menggunakan

pengetahuan, fakta, dan tehnik penalaran dalam memecahkan masalah yang

biasanya hanya dapat dipecahkan oleh seorang pakar dalam bidang tersebut

Sistem pakar memberikan nilai tambah pada teknologi untuk membantu dalam

menangani era informasi yang semakin canggih.

Konsep dasar suatu sistem pakarmengandung beberapa unsur, diantaranya

adalah keahlian, ahli, pengalihan keahlian, inferensi, aturan dan kemampuan

menjelaskan. Keahlian merupakan salah satu penguasaaan pengetahuan dibidang

8

tertentu yang didapatkan baik secara formal maupun non formal. Ahli adalah

seseorang yang mempunyai pengetahuan tertentu dan mampu menjelaskan suatu

tanggapan dan mempunyai keinginan untuk belajar memperbaharui pengetahuan

dalam bidangnya. Pengalihan keahlian adalah mengalihkan keahlian dari seorang

pakar dan kemudian dialihkan lagi ke orang yang bukan ahli atau orang awam

yang membutuhkan. Sedangkan inferensi, merupakan suatu rangkaian proses

untuk menghasilkan informasi dari fakta yang diketahui atau diasumsikan.

Kemampuan menjelaskan, merupakan salah satu fitur yang harus dimiliki oleh

sistem pakar setelah tersedia program di dalam komputer.

Untuk membangun sistem yang difungsikan untuk menirukan seorang pakar

manusia harus bisa melakukan hal-hal yang dapat dikerjakan oleh para pakar

(Sulistyohati & Hidayat, 2008). Untuk membangun sistem yang seperti itu maka

komponen-komponen dasar yang minimal harus dimiliki adalah sebagai berikut:

1. Antar muka (user interface).

2. Basis pengetahuan (knowledge base).

3. Mesin inferensi (Inference Engine).

Lingkungan konsultasi digunakan oleh seseorang yang bukan ahli untuk

berkonsultasi. Seperti yang terlihat pada Gambar 2.1.

Gambar 2.1 Arsitektur Sistem Pakar (Turban, Aronson, & Liang, 2008)

9

2.2.5 Logika Fuzzy

Logika fuzzy didasarkan pada logika Boolean yang umum digunakan

dalam komputasi. Secara ringkas, teorema fuzzy memungkinkan komputer

“berpikir” tidak hanya dalam skala hitam-putih (0 dan 1, mati atau hidup) tetapi

juga dalam skala abu-abu. Dalam Logika Fuzzy suatu preposisi dapat

direpresentasikan dalam derajat kebenaran (truthfulness) atau kesalahan

(falsehood) tertentu.

Pada sistem diagnosis fuzzy peranan manusia/operator lebih dominan.

Pengiriman data dilaksanakan oleh operator ke dalam sistem. Ketika sistem

memerlukan data tambahan. Selain itu operator dapat meminta atau menanyakan

informasi dari sistem diagnosis berupa hasil konklusi atau prosedur detail hasil

diagnosis oleh sistem. Dari sifat sistem ini, sistem diagnosis fuzzy dapat

digolongkan pada sistem pakar fuzzy. Sistem pakar fuzzy adalah sistem pakar yang

menggunakan notasi fuzzy pada aturan-aturan dan proses inference (logika

keputusan) (Thamrin, Sediyono, & Suhartono, 2012).

2.2.5.1 Himpunan Fuzzy

Pada himpunan tegas (crisp), nilai keanggotaan suatu objek x dalam suatu

himpunan A, yang sering ditulis dengan µA[x], memiliki 2 kemungkinan yaitu

sebagai berikut:

a. Satu (1), yang berarti bahwa suatu objek menjadi anggota dalam suatu

himpunan, atau

b. Nol (0), yang berarti bahwa suatu objek tidak menjadi anggota dalam suatu

himpunan (Kusumadewi & Purnomo, 2010).

Misalkan variabel umur dibagi 3 kategori sebagai berikut :

MUDA : umur < 35 tahun

PAROBAYA : 35 ≤ umur ≤ 55 tahun

TUA : umur > 55 tahun

Apabila seseorang berusia 34 tahun, maka ia dikatakan MUDA (µMUDA

[34thn] = 1). Apabila seseorang berusia 35 tahun kurang 1 hari, maka ia dikatakan

TIDAK MUDA (µMUDA [35thn -1hr]=0).

10

Adanya perubahan kecil saja pada suatu nilai mengakibatkan perbedaan

kategori yang cukup signifikan. Himpunan fuzzy digunakan untuk mengantisipasi

hal tersebut. Seseorang dapat masuk dalam 2 himpunan yang berbeda, MUDA dan

PAROBAYA, PAROBAYA dan TUA, dan sebagainya. Seberapa besar

eksistensinya dalam himpunan tersebut dapat dilihat berdasarkan nilai

keanggotaannya. Himpunan fuzzy memiliki 2 atribut yakni sebagai berikut:

1. Linguistik adalah penamaan suatu grup yang mewakili suatu keadaan atau

kondisi tertentu dengan menggunakan bahasa alami. Suatu variabel

linguistik adalah sebuah variabel yang memiliki nilai berupa kata-kata

dalam bahasa alamiah. Setiap variabel linguistik berkaitan dengan sebuah

fungsi keanggotaan (Kusumadewi, 2004). Seperti : MUDA, PAROBAYA,

TUA.

2. Numeris adalah suatu nilai (angka) yang menunjukkan ukuran dari suatu

variabel seperti : 35, 55 dan sebagainya.

Dalarn membangun sistem fuzzy, ada hal - hal yang terdapat dalam

sistem fuzzy tersebut yaitu sebagai berikut :

1. Variabel fuzzy merupakan variabel yang dibahas dalam suatu sistem fuzzy

seperti umur, temperatur, permintaan dan sebagainya.

2. Himpunan fuzzy, merupakan suatu grup yang mewakili suatu kondisi atau

keadaan tertentu dalam suatu variabel fuzzy. Contoh : variabel umur,

terbagi atas 3 himpunan fuzzy, yaitu : MUDA, PAROBAYA, TUA.

3. Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk

dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraaan

merupakan himpunan bilangan real yang senantiasa naik (bertambah)

secara monoton dari kiri ke kanan. Nilai semesta pembicaraan dapat

berupa bilangan positif maupun negatif. Adakalanya nilai semesta

pembicaraan tidak dibatasi batas atasnya. Contoh : Semesta pembicaraan

untuk variabel umur : [O +∞].

11

4. Domain adalah keseluruhan nilai yang diijinkan dalam semesta

pembicaraan dan boleh dioperasikan dalam himpunan fuzzy.

2.2.5.2 Fungsi Keanggotaan

Fungsi keanggotaan (membership function) adalah kurva yang

mendefinisikan bagaimana masing-masing titik dalam ruang input dipetakan ke

dalam nilai keanggotaan (derajat keanggotaan) antara 0 dan 1. Fungsi

keanggotaan µ memetakan elemen x dari himpunan semesta X, ke sebuah bilangan

µ[x], yang menentukan derajat keanggotaan dari elemen dalam himpunan fuzzy A,

Persamaan himpunannya dapat dilihat pada Persamaan 2.1.

A= {(x, µ[x]) Ix EX}

Persamaan 2. 1

Kisaran nilai fungsi keanggotaan yang paling umum digunakan adalah

interval [0,1]. Dalam hal ini, masing-masing fungsi keanggotaan memetakan

elemen-elemen dari himpunan semesta x yang diberikan, yang selalu merupakan

suatu himpunan tegas ke dalam bilangan nyata dalam interval [O, 1] (arharni,

2005). Ada beberapa fungsi yang digunakan yaitu sebagai berikut

a. Representasi Kurva Trapesium

Kurva trapesium pada dasamya seperti bentuk segitiga, hanya saja

ada beberapa titik yang memiliki nilai keanggotaan 1 (kusumadewi, 2004).

Untuk Kurva trapesium dapat dilihat pada Gambar 2.2 dan untuk Fungsi

Keanggotaan dapat dilihat pada Persamaan 2.2.

( )

{

Persamaan 2.2

12

Gambar 2.2 Kurva Trapesium

b. Representai Kurva Bahu

Daerah yang terletak di tengah-tengah suatu variabel yang

direpresentasikan dalam bentuk segitiga, pada sisi kanan dan kirinya akan

naik dan turun. Himpunan fuzzy bahu, bukan segitiga, digunakan untuk

mengakhiri variabel suatu daerah fuzzy. Bahu kiri bergerak dari benar ke

salah, demikian juga bahu kanan bergerak dari salah ke benar

(Kusumadewi & Purnomo, 2010). Representasi Kurva Bahu dapat dilihat

pada Gambar 2.3.

Gambar 2.3 Kurva Bahu

13

2.2.5.3 Operasi Himpunan Fuzzy

Seperti halnya himpunan konvensional, ada beberapa operasi yang

didefinisikan secara khusus untuk mengkombinasikan dan memodifikasi himpunan

fuzzy. Nilai keanggotaan sebagai hasil dari operasi 2 himpunan yang dikenal dengan

nama fire strength atau a-predikat.

Ada tiga operasi dasar dalam himpunan fuzzy yaitu complement, irisan

(intersection) dan gabungan (union) (Arhami, 2005). Untuk Tabel himpunan Fuzzy

dapat dilihat pada Tabel 2.1.

Tabel 2.1 Tabel Himpunan Fuzzy

Operasi Fungsi Keanggotaan

Complenent [ ] [ ] Intersection ( ( ) ( ))

Union ( ( ) ( ))

2.2.5.4 Sistem Inferensi Fuzzy

Sistem inferensi fuzzy merupakan kerangka komputasi yang didasarkan pada

teori himpunan fuzzy, aturan fuzzy berbentuk IF - THEN, dan penalaran fuzzy

(Kusumadewi & Purnomo, 2010).

2.2.5.5 Metode Tsukamoto

Metode Tsukamoto merupakan perluasan dari penalaran monoton, Pada

Merode Tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-Then harus

direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang

monoton. Sebagai hasilnya, output hasil inferensi dari tiap-tiap aturan yang diberikan

secara tegas (crips) berdasarkan α-predikat (fire strength). Fasil akhirnya diperoleh

dengan menggunakan rata-rata terbobot (Kusumadewi & Purnomo, 2010).

14

Gambar 2.3 Metode Tsukamoto

Langkah-langkah penyelesaian dengan metode fuzzy Tsukamoto :

1. Mendefinisikan variabel fuzzy yang berupa variabel input dan variabel output.

2. Inferensi fuzzy yaitu membuat aturan fuzzy atau motor inferensi fuzzy.

3. Defuzzyfikasi

Proses menggunakan nilai rata-rata terbobot dalam menghasilkan nilai output

crips. Berikut adalah rumus untuk menentukan nilai rata-rata terbobot :

Z =

Persamaan 2.3