LAPORAN TUGAS AKHIR

Implementasi Sistem Pakar Penentuan Jurusan IPA IPS Menggunakan

Metode Fuzzy Tsukamoto

Konsentrasi : Komputer Cerdas

Untuk memenuhi tugas Mata Kuliah Metodologi Penelitian Teknologi Informasi

KELAS LKELOMPOK 6

Disusun Oleh :

Masiffa Mahardika J (115060800111021)Rina Christanti (115060800111121)Evi Nur Azizah (115060801111020)

Dosen Pengampu :

Nurul Hidayat, S.Pd., MSc.

PROGRAM STUDI TEKNIK INFORMATIKA

PROGRAM TEKNOLOGI INFORMASI DAN ILMU KOMPUTER

UNIVERSITAS BRAWIJAYA

MALANG

2014

KATA PENGANTAR

Segala puji syukur kehadirat Tuhan Yang Maha Esa yang telah melimpahkan berkat dan karunia-Nya sehingga penulis dapat menyelesaikan laporan hasil diskusi dengan judul “Implementasi Sistem Pakar Jurusan IPA IPS Menggunakan Metode Fuzzy Tsukamoto“

Melalui pengantar ini penulis ingin mengucapkan banyak terimakasih karena dalam penyusunan laporan hasil diskusi ini penulis telah mendapat bantuan dan dorongan baik moril maupun materil dari berbagai pihak. Oleh karena itu, pada kesempatan ini penulis ingin menyampaikan rasa terima kasih yang sebesar-besarnya kepada :

1. Bpk. Nurul sebagai dosen pengampu mata kuliah Metodologi dan Penelitian Teknologi Informasi

2. Seluruh anggota tim penyusun makalah ini3. Semua pihak yang tidak dapat penulis sebutkan satu persatu yang telah memberikan

bantuan kepada penulis sehingga terselesainya makalah ini

Di dalam penyusunan makalah ini, penulis menyadari dengan sepenuh hati akan kurang sempurnanya makalah ini, mengingat tingkat kemampuan serta pengalaman penulis belum luas. Namun demikian, penulis akan berusaha kerasuntuk menyusun Makalah ini sehingga dapat terselesaikan dengan baik. Oleh sebab itu, penulis mengharapkan saran dan kritik dari pembaca. Terimakasih.

Malang, 22 Mei 2014

Penyusun

ii

DAFTAR ISI

Halaman Cover......................................................................................................................... i

Kata Pengantar......................................................................................................................... ii

Daftar Isi......................................................................................................................... .........iii

Daftar Gambar......................................................................................................................... v

Daftar Tabel......................................................................................................................... ....vi

BAB I PENDAHULUAN.........................................................................................................1

1.1 Latar Belakang...................................................................................................1

1.2 Rumusan Masalah..............................................................................................2

1.3 Tujuan................................................................................................................2

1.4 Batasan Masalah................................................................................................2

1.5 Manfaat Penelitian.............................................................................................2

1.6 Sistematika Penulisan.........................................................................................2

BAB II TINJAUAN PUSTAKA...............................................................................................4

2.1 Kajian Pustaka....................................................................................................4

2.2 Penjurusan SMA.................................................................................................8

2.3 Sistem Pakar.......................................................................................................8

2.4 Definisi Logika Samar.......................................................................................9

2.4.1 Himpunan Fuzzy.....................................................................................10

2.4.2 Fungsi Keanggotaan................................................................................10

2.5 FIS.....................................................................................................................11

2.6 Metode Tsukamoto...........................................................................................12

iii

BAB III METODOLOGI PENELITIAN.................................................................................14

3.1 Studi Pustaka....................................................................................................14

3.2 Analisis Data Sistem ........................................................................................15

3.3 Analisis Kebutuhan...........................................................................................17

3.4 Perancangan Umum..........................................................................................18

3.5 Implementasi.....................................................................................................20

3.6 Pengujian..........................................................................................................20

3.7 Kesimpulan dan Saran......................................................................................20

DAFTAR PUSTAKA...............................................................................................................21

iv

DAFTAR GAMBAR

Gambar 2.1 Pemetaan fungsi input.......................................................................................10

Gambar 2.2 Proses sistem inferensi fuzzy............................................................................11

Gambar 2.3 Metode Tsukamoto...........................................................................................13

Gambar 3.1 Diagram alir metodologi penelitian..................................................................14

Gambar 3.2 Flowchart Metode Tsukamoto..........................................................................16

Gambar 3.2 Diagram Blok Sistem Pakar..............................................................................19

v

DAFTAR TABEL

Tabel 2.1 Perbandingan Objek dan Metode.......................................................................5

Tabel 2.2 Perbandingan Data Input....................................................................................5

vi

BAB I

PENDAHULUAN

1.1 Latar Belakang

Pelaksanaan penjurusan bagi setiap siswa SMA dimulai pada semester satu kelas

XI. Penjurusan siswa di tingkat SMA tidak selalu sesuai dengan potensi dan keminatan

dari siswa tersebut. Faktor yang menjadi penentu pemilihan jurusan masih didominasi

oleh: referensi orangtua, tren terkini dan faktor teman. [1]

Tes bakat dan minat siswa sebelum memilih bidang studi penting dilakukan jika

siswa tidak mengetahui potensi yang dimilikinya dan akan diarahkan kemana kelak

masa depannya. Implementasi teknologi informasi yang sesuai yaitu sistem pakar

dengan data bakat dan minat serta nilai akademik.[1]

Penentuan jurusan siswa SMA berpengaruh terhadap kegiatan akademik siswa.

Oleh karena itu, penjurusan yang tepat dan sesuai dengan bakat serta minat siswa sangat

diperlukan. Dengan adanya penjurusan, diharapkan setiap siswa dapat lebih fokus pada

bakat yang dimiliki. Namun faktor utama yang menentukan penjurusan adalah nilai

akademik siswa, minat siswa, kapasitas kelas IPA dan nilai tes IQ.[12]

Nilai tes IQ adalah salah satu alat ukur kecerdasan seseorang. Kecerdasan ialah

istilah umum yang digunakan untuk menjelaskan sifat pikiran yang mencakup sejumlah

kemampuan, seperti kemampuan menalar, merencanakan, memecahkan masalah,

berpikir abstrak, memahami gagasan, menggunakan bahasa, dan belajar. Kecerdasan

erat kaitannya dengan kemampuan kognitif yang dimiliki oleh individu.[12]

Fuzzy inference system (FIS) adalah suatu kerangka komputasi yang didasarkan

pada teori himpunan fuzzy, aturan fuzzy dan penalaran fuzzy (Kusumadewi dan Hartati,

2006). Secara garis besar, input crisp dimasukkan ke FIS. Input ini kemudian dikirim ke

basis pengetahuan yang berisi aturan fuzzy dalam bentuk if-then. Fire strength atau

derajat kebenaran akan dicari pada setiap aturan. Jika jumlah aturan lebih dari satu

maka dilakukan inferensi dari semua aturan. Untuk mendapatkan nilai crisp sebagai

1

output sistem dilakukan defuzzifikasi dari hasil inferensi. Fuzzy inference system (FIS)

dapat dilakukan dengan tiga metode, yaitu dengan metode Mamdani, metode Sugeno

dan metode Tsukamoto (Kusumadewi dan Purnomo, 2004). Metode yang dipilih untuk

menyelesaikan bidang studi adalah metode Tsukamoto dengan bahasa pemrograman

PHP.[12]

1.2 RumusanMasalah

Bagaimana merancang sistem pakar dalam penetuan jurusan IPA /PS

menggunakan metode Fuzzy Tsukamoto.

1.3 Tujuan

Tujuan perancangan sistem pakar ini adalah merancang dan membangun sistem

pakar untuk pemilihan jurusan IPA/IPS siswa SMA dengan menggunakan metode

Fuzzy Tsukamoto.

1.4 Batasan Masalah

Batasan dari penelitian ini adalah :

1. Sistem pakar ini ditujukan untuk siswa SMA yang akan melakukan penjurusan IPA

IPS.

2. Bahasa pemrograman yang digunakan PHP, Basis data yang digunakan MySQL.

3. Output dari aplikasi ini adalah hasil keputusan penentuan jurusan IPA/IPS.

1.5 Manfaat Penelitian

Membantu para siswa dalam menentukan jurusan IPA/IPS sesuai dengan minat

dan potensi siswa tersebut.

1.6 Sistematika Penulisan

Penyusunan tugas akhir ini menggunakan kerangka pembahasan yang tersusun

sebagai berikut :

2

Bab I Pendahuluan

Memuat latar belakang, rumusan masalah, batasan masalah, tujuan, manfaat,

sistematika penulisan dan jadwal penelitian.

Bab II Tinjauan Pustaka

Menguraikan teori dasar dan teori penunjang yang berkaitan dengan

Kecerdasan

Buatan, Sistem Pakar, Logika Fuzzy, Metode Tsukamoto serta kebutuhan

kalori

harian.

Bab III Metode Penelitian

Membahas metode yang digunakan dalam penelitian yang terdiri dari

studipustaka, metode pengambilan data, metode perancangan, metode

implementasi,metode pengujian dan analisis serta pengambilan kesimpulan

dan saran.

Bab IV Analisa dan Perancangan

Membahas analisis kebutuhan dan perancangan Sistem Pakar Perhitungan

Kalori Harian Menggunakan Metode Tsukamoto.

Bab V Implementasi

Membahas tentang implementasi dari Sistem Pakar Perhitungan Kalori Harian

Menggunakan Metode Tsukamoto.

Bab VI Pengujian dan Analisis

Memuat strategi , teknik dan hasil pengujian terhadap sistem pakar yang telah

diimplementasikan.

Bab VII Penutup

Memuat kesimpulan serta saran yang diperoleh dari pengujian dan analisis

sistem pakar untuk pengembangan lebih lanjut.

3

BAB II

TINJAUAN PUSTAKA

2.1 Kajian Pustaka

Penjurusan di tingkat SMA tidak selalu sesuai dengan keminatan dan potensi dari

siswa tersebut. Hingga saat ini, faktor penentu yang masih mendominasi diantaranya:

referensi orang tua, tren terkini dan faktor teman. Masih banyak siswa yang dibuat

bingung karena siswa masih belum mengetahui minat bakat serta potensi yang

dimilikinya sehingga lebih cendurung mengikuti saran dari orang lain [1].

Masalah tersebut menjadikan peneliti untuk merancang sebuah sistem pakar yang

berguna untuk membantu siswa untuk memilih program studi di Perguruan Tinggi

berdasarkan tes bakat dan minat bakat siswa. Dalam implementasi penulis pada

penelitian dengan judul “Sistem Pakar Pemilihan Bidang Studi Bagi Calon Mahasiswa

Dengan Metode Technique For Order Preference By Similarity To Ideal Solution

(TOPSIS) (Studi Kasus SMA NEGERI 8 Malang)” dengan kriteria perhitungan yang

digunakan antara lain: nilai akademik, hasil test bakat dan hasil tes minat. Hasil akhir

dari sistem yaitu sebuah table rekomendasi bidang studi dengan tujuh alternative data

sesuai dengan kriteria yang disebutkan sebelumnya. Besar kesesuaian antara hasil

sistem dengan keinginan siswa sebesar 65.91% [1].

Metode Tsukamoto juga digunakan pada penelitian kedua yaitu sebuah sistem

pakar dengan judul “Studi Inferensi Fuzzy Tsukamoto Untuk Penentuan Faktor

Pembebanan Trafo PLN”. Metode Tsukamoto digunakan sebagai alat bantu teknisi PT.

PLN dalam melakukan pemeliharaan preventif pada trafo PLN sehingga dapat

dilakukan pemeliharaan sesuai dengan gejala awal gangguan [2].

Sistem yang akan dibangun penulis nantinya merupakan sistem pakar yang

memanfaatkan metode Tsukamoto dalam membantu pemelihan penjurusan siswa SMA

sesuai dengan nilai yang telah dilakukan sehingga dapat dilakukan perhitungan kriteria

seperti pada penelitian pertama. Penelitian dilakukan dengan metode Tsukamoto

dengan perhitungan seperti pada penelitian kedua.

4

Pada tabel 2.1 dibawah ini akan dijelaskan mengenai perbandingan objek dan

metode yang digunakan.

Tabel 2.1 Perbandingan Objek dan Metode

Penelitian Objek yang digunakan Metode yang digunakan

Sebelumnya

Pemilihan Bidang Studi Calon

Mahasiswa

TOPSIS (Technique For Order

PreferenceBy Similary To Ideal

Solution)

Pembebanan Trafo PLN Tsukamoto

Usulan Pemilihan Penjurusan SMA Tsukamoto

Sumber: [1, 2]

Selanjutnya pada table 2.2 dibawah ini akan diuraikan mengenai perandingan data

input untuk masing masing objek.

Tabel 2.2 Perbandingan Data Input

Pemilihan Bidang Studi

Calon Mahasiswa Pembebanan Trafo PLN

Pemilihan Penjurusan

SMA

Input Rata-rata nilai

akademik kelas X,

terdiri atas: Bahasa,

Logika, Sains,

Praktek, Sosial.

Penalaran Verbal

Kemampuan Angka

Penalaran Abstrak

Kecepatan dan

Ketelitian Klerikal

Pembebanan trafo

Ketidakseimbangan

Beban

Faktor daya

Tegangan

Nilai IPA

Nilai IPS

IQ

Minat

Kapasitas

5

(KKK)

Penalaran

Mekanikal

Pemakaian Bahasa

Mengeja

Penggunaan Tata

Bahasa

Hasil tes minat yang

terdiri dari : Bahasa,

Seni, Fisik,

Eksperimen,

Organisasi, Bisnis

dan sosial.

Proses User memasukan

data fuzzy yang

terdiri dari tegangan

tiap fasa trafo, arus

tiap fasa trafo dan

kator daya

Sistem akan

melakukan proses

fuzzifikasi untuk

mengubah data

masukan menjadi

data fuzzy

berdasarkan

himpunan fuzzy

yang terlah

ditetapkan

Dilanjutkan dengan

User memasukan

data fuzzy yang

terdiri dari Nilai

IPA, Nilai IPS, IQ,

Minat, Kapasitas

Sistem akan

melakukan proses

fuzzifikasi untuk

mengubah data

masukan menjadi

data fuzzy

berdasarkan

himpunan fuzzy

yang terlah

ditetapkan

Dilanjutkan dengan

proses inferensi

6

proses inferensi

fuzzy menggunakan

metode fuzzy

Tsukamoto.

Sistem akan

memberikan

rekomendasi sesuai

dengan proses fuzzy

yang telah

dilakukan.

Keluaran berupa

informasi variable

tegangan dan solusi

keputusan

pemeliharan trafo

PLN.

fuzzy menggunakan

metode fuzzy

Tsukamoto.

Sistem akan

memberikan

rekomendasi sesuai

dengan proses fuzzy

yang telah

dilakukan. Keluaran

berupa rekomendasi

jurusan SMA.

Output Hasil rekomendasi

bidang studi:

Kedokteran

MIPA

SASTRA

Teknik

Ilmu

Administrasi

FISIP

Ekonomi

Nilai pembebanan trafo

dan ketidakseimbangan

beban beserta solusi

pemeliharaan trafo PLN

Rekomendasi jurusan

SMA, yakni:

IPA

IPS

Sumber: [1, 2]

7

2.2 Penjurusan SMA

Ketentuan kurikulum, pemilihan jurusan adalah ketentuan yang ditetapkan oleh

pemerintah melalui kurikulum yang berlaku untuk sekolah dengan disesuaikan kemampuan

sekolah masing-masing. Ada tiga program studi di SMA yang selama ini dikenal, yaitu

Program Ilmu Pengetahuan Alam (IPA), Program Ilmu Pengetahuan Sosial (IPS) serta

Program Bahasa.

Pertimbangan khusus untuk melakukan penjurusan :

1. Program Ilmu Pengetahuan Alam (IPA)

Nilai mata pelajaran yang menjadi ciri program IPA, yakni; fisika, kimia,

biologi, matematika, harus sesuai dengan Standar Ketuntasan Minimal (SKM).

Kemudian hasil tes psikologi: IQ minimal 100, kemampuan numerical, skolastik, relasi

ruang minimal 65.

2. Pogram Ilmu Pengetahuan Sosial (IPS)

Nilai mata pelajaran yang menjadi ciri program IPA, yakni; ekonomi, sosiologi,

geografi, sejarah harus sesuai dengan Standar Ketuntasan Minimal (SKM) serta juga

dibutuhkan bakat numerical, verbal serta penalaran yang tinggi.

3. Program Bahasa

Juga harus di dukung dengan mata pelajaran yang menjadi cirri dari program ini

seperti; bahasa Indonesia, Bahasa Inggris, serta penambahan bahasa asing lain seperti

Jerman atau Bahasa jepang yang kesemuannya harus minimal sesuai dengan KKM.

Terkait masalah hasil tes psikologi pada jurusan ini hendaknya ditunjang dengan

kemampuan verbal serta penalaran yang tinggi [3].

2.3 Sistem Pakar

Sistem Pakar adalah sistem yang digunakan untuk mengadopsi pengetahuan manusia

ke komputer agar dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli

8

namun tetap tidak digunakan untuk mengganti kedudukan seorang pakar. Aturan-aturan

diberikan agar komputer dapat memberlakukan informasi-informasi yang tersimpan dan

program nantinya dapat memberikan solusi-solusi pengambilan keputusan mengenai

permasalahan tertentu. Menurut Efraim Turban, Sistem Pakar harus mengandung keahlian,

ahli, pengalihan keahlian, inferensi, aturan serta kemampuan menjelaskan.

2.4 Definisi Logika Samar (Fuzzy Logic)

Fuzzy dapat diartikan sebagai hal yang bersifat kabur atau samar-samar. Sehingga

dalam suatu saat bisa saja suatu nilai dapat bernilai benar dan salah secara bersamaan.

Sehingga logika fuzzy merupakan sebuah logika yang memiliki nilai yang tidak pasti karena

bersifat kabur atau samar. Dalam logika fuzzy dikenal istilah derajat keanggotaan yang

bernilai 0 sampai dengan 1. Nilai tersebut yang nantinya akan memberikan keberadaan dan

kesalahan suatu nilai yang bergantung pada keangotaan yang dimiliki. Logika fuzzy

digunakan untuk mempresentasikan masalah yang mengandung ketidakpastian dalam sebuah

bahasa yang dipahami oleh komputer [6].

Pengertan lain menjelaskan bahwa logika fuzzy adalah cara yang digunakan dengan

baik untuk memetakan suatu ruang input ke dalam ruang output. Fuzzy dinyatakan dalam

sebuah derajat keanggotaan dan derajat kebenaran. Sehingga sesuatu dapat dinyatakan dalam

kondisi benar dan salah pada waktu yang bersamaan (Kusumadewi,2004), berikut merupakan

contoh pemetaan yang dapat dilihat pada gambar 2.1 [6].

9

Gambar 2.1 pemetaan input outputSumber: [6]

2.4.1 Himpunan Fuzzy

Himpunan fuzzy merupakan pengelompokan suatu hal berdasarkan variable bahasa

(lingustik variable), yang dinyatakan sebagai fungsi keanggotaan pada semesta U.

Keanggotaan suatu nilai pada sebuah himpunan dinyatakan dalam derajat keanggotaan, yang

memiliki nilai antara 0.0 sampa 1.0.

Himpunan fuzzy didasarkan untuk memperluas jangkauan fungsi karakteristik

sedemikian hingga fungsi tersebut dapat mencangkup bilangan real. Nilai keanggotaan

menunjukkan bahwa suatu item tidak hanya bernilai benar atau salah, di mana nilai 0

menunjukkan bahwa item bernilai salah dan nilai 1 menunjukkan bahwa item tersebut

bernilai benar, serta masih terdapat nilai-nilai yang terletak antara benar dan salah [4].

2.4.2 Fungsi Keanggotaan

Fungsi keanggotaan adalah suatu kurva yang menunjukkan pemetaan input data ke

dalam nilai anggotanya (derajat keanggotaan). Fungsi keanggotaan memiliki interval antara 0

10

sampai 1. Pendekatan fungsi adalah salah satu cara yang dapat digunakan untuk mendapatkan

nilai keangotaan.

Terdapat beberapa operasi yang didefinisikan secara khusus untuk mengkombinasi

dan memodifikasi himpunan fuzzy. Nilai keanggotaan sebagai hasil dari operasi dua

himpunan disebut dengan a-predikat atau fire streng. Terdapat tiga operator fuzzy yang

diciptakan oleh Zadeh, yaitu: operator AND, operator OR, dan operator NOT (Kusumadewi,

2010).

2.5 Fuzzy Inference System (FIS)

Fuzzy merupakan suatu kerangka kerja perhitungan yang berdasar konsep teori

himpunan fuzzy.Aturan fuzzy meliputi fungsi if-then, dan pemikiran fuzzy. Inferensi fuzzy

dapat mengambil input fuzzy ataupun crisp (himpunan tegas), tetapi outputnya hampir selama

menghasilkan himpunan fuzzy. Metode fuzzy merupakan suatu metode di fuzzikan untuk

mendapatkan nilai crisp (himpunan tegas).

Proses – proses dalam Sistem Inferensi fuzzy dapat dilihat pada Gambar 2.

Gambar 2.2 Proses sistem inferensi fuzzySumber: [7]

11

Gambar 2.12 merupakan proses sistem inferensi fuzzy yang penjelasannya adalah

sebagai berikut :

1. Fuzzyfikasi merupakan nilai crisp (numeric) dalam suatu himpunan fuzzydan

menentukan derajat keanggotaan dalam suatu himpunan fuzzy. Fuzzyfikasi ini

dilakukan didasarkan pada teori himpunan fuzzy , sehingga apabila data yang

belum bebentuk fuzzy harus di ubah dalam bentuk fuzzy.

2. Jika bagian antesenden dihubungkan oleh konektor and, or, not maka derajat

kebenarannya dihitung dengan operasi fuzzy yang bersesuaian.

3. Implikasi merupakan proses mendapatkan pengeluaran dari IF-THEN rule.

Fugsi dari implikasi itu sendiri adalah min.

4. Agregasi merupakan suatu metode yang menggunakan max atau or pada semua

keluaran IF-THEN rule. Dan jika lebih dari satu kaidah yang dievaluasi,

keluaran semua IF-THEN rule dikombinasikan menjadi sebuah fuzzy set

tunggal.

5. Defuzzyfikasi merupakan proses memetakan besaran dari himpunan fuzzy ke

dalam bentuk nilai crisp. Pada defuzzifikasi strategi yang dipakai dalam pakar

adalah menetukan bentuk kompromi yang terbaik.

2.6 Metode Tsukamoto

Pada metode ini, konsekuen dari setiap aturan bebentuk IFTHEN yang

direpresentasikan dengan menggunakan himpunan himpunanfuzzy dengan fungsi

keanggotaan yang monoton. Sebagaihasilnya, output hasil penarikan kesimpulan (inference)

dari tiap-tiapaturan diberikan secara tegas (crisp) berdasarkanα-predikat

(firestrength). Hasil akhir diperoleh dengan menggunakan rata-rata berbobot (weight average)

[10].

12

Gambar 2.3 fuzzy inference system metode TsukamotoSumber: [10]

13

BAB IIIMETODELOGI PENELITIAN

Bab ini membahas metode yang digunakan dalam penelitian yang terdiri dari studi

pustaka, metode pengambilan data, metode perancangan, metode implementasi, metode

pengujian dan analisis serta pengambilan kesimpulan dan saran. Berikut gambar 3.1. adalah

diagram alir metodelogi penelitian yang dilakukan :

3.1 Studi Pustaka

Metode ini digunakan untuk mendapatkan dasar teori sebagai suber acuan untuk

penulisan skripsi dan pengembangan aplikasi. Teori dan pustaka yang berkaitan dengan tugas

akhir ini meliputi :

Penjurusan SMA

Sistem Pakar

14

Fuzzy Logic

Fungsi Keanggotaan

Sistem Fuzzy

Fuzzy Set

Fuzzy Inference System

Metode Tsukamoto

Studi literatur menjelaskan dasar teori yang digunakan sebagai penunjang dan

pendukung penulisan skripsi, Sumber atau referensi yang digunakan antar lain buku, jurnal,

laporan penelitian, bantuan dan mesin perncari (search engine) internet.

3.2 Analisis Data Sistem

Aplikasi sistem pakar fuzzy logic berikut ini merupakan diagnose penyakit dengan

menggunakn mesin inferensia fuzzy berdasarkan metode tsukamoto. Proses diagnosis ini

didasarkan dengan nilai - nila pada siswa SMA kelas X. Masukan atau inputan dari sistem

berikut ini adalah :

1. Biodata Siswa yang terdiri dari

Nama, nomer induk.

2. Nilai semua Mata pelajaran yang terdiri dari

Agama, matematika, kima, fisika, biologi, sejarah, ekonomi, akutansi.

3.3 Penerapan Metode Tsukamoto

Model yang dipakai dalam implementasi sistem pakar diaognosis penyakit adalah

model logika fuzzy dengan metode Tsukamoto. Gambar 3.2 di bawah ini merupakan

gambaran langkah-langkah yang digunakan dalam metode Tsukamoto.

15

Gambar 3.2. Flowchart Fuzzy metode TsukamotoSumber : [perancangan]

Adapun penjelasan dari flowchart pada gambar 3.2 adalah sebagai berikut :

1. Input himpunan fuzzy

Dalam perancangan sistem pakar ini menggunakan inputan dari hasil

nilai . Hasil pemeriksaan tersebut merupakan variabel-variabel yang

digunakan dalam menentukan penjurusan IPA/IPS. Variabel-variabel tersebut

niali biologi, fisika, kimia, matematika, sejarah, geografi, ekonomi dan hasil

psikotest.

2. Menentukan derajat keanggotaan himpunan fuzzy

Setiap variabel sistem dalam himpunan fuzzy ditentukan derajat

keanggotaannya (μ). Dimana derajat keanggotaan tersebut

menjadi nilai dalam himpunan fuzzy.

16

3. Menghitung predikat aturan (α)

Variabel-variabel yang telah dimasukkan dalam himpunan fuzzy,

dibentuk aturan-aturan yang diperoleh dengan mengkombinasikan setiap

variabel dengan variabel yang satu dengan atribut lingusitiknya masing-

masing. Aturan-aturan yang telah diperoleh akan dihitung nilai predikat

aturannya dengan proses implikasi.

Dalam metode Tsukamoto proses implikasi dilakukan dengan operasi

Min. Predikat aturan tersebut diperoleh dengan mengambil nilai minimum dari

derajat keanggotaan variabel yang satu dengan variable yang lain, yang telah

dikombinasikan dalam aturan yang telah ditentukan sebelumnya.

4. Defuzifikasi

Pada tahap defuzifikasi ini dilakukan penghitungan rata-rata.5. Hasil keputusan

Pada bagian ini merupakan hasil keputusan dari rangkaian proses dalam penegakan penentuan penjurusan IPA/IPS.

3.4 Analisis kebutuhan

Kegiatan analisis kebutuhan perangkat lunak meliputi analisis spesifikasi perangkat

lunak.Metode analisis menggunakan bahasa pemodelan UML (UnifiedModeling Language).

Use Case Diagram digunakan untuk mendeskripsikan kebutuhan-kebutuhan dan

fungsionalitas sistem dari perspektif user. Analisis kebutuhan dilakukan dengan

mengidentifikasi semua kebutuhan (requirements) system yang kemudian akan dimodelkan

dalam diagram use case. Kebutuhan fungsional yang nantinya akan disediakan oleh aplikasi

ini antara lain adalah :

1. Aplikasi pada komputer ini harus menyediakan fasilitas untuk login sehingga

hanya admin yang terdaftar yang dapat menggunakan layanan sistem.

2. Penentuan jurusan IPA dan IPS.

17

Sumber data yang digunakan berasal dari nilai akademik dari calon

siwa IPA atau IPS pada saat SMA kelas X. Penentuan ini mendapatkan

pengarahan dari pakarpsikologi sehingga dapat disesuaikan antara pertanyaan

dengan rekomendasi bidang studi yang diberikan.

3.5 Perancangan Umum

Perancangan arsitektur sistem adalah tahap dimana penulis mulai merancang suatu

sistem yang mampu memenuhi semua kebutuhan fungsional aplikasi dalam tugas akhir ini.

Teori – teori dari pustaka dan data sample digabungkan dengan ilmu yang didapat

diimplementasikan untuk merancang serta mengembangkan sistem pakar pemilihan jurusan

pada tingkat SMA. Perancangan sistem dilakukan setelah semua kebutuhan sistem terpenuhi

yang didapatkan melalui tahap analisis kebutuhan. Perancangan aplikasi berdasarkan Object

Oriented Analysis dan Object OrientedDesaign yaitu menggunakan pemodelan UML

(Unified Modeling Language). Sistem pakar memilih bidang studi ini dibentuk dengan blok

diagram seperti pada Gambar 3.3.

18

Proses yang dapat dijelaskan dari diagram alir diatas yakni, pertama calon

siswa akan mendapatkan soal maupun pertanyaan untuk mengetahui minatnya, serta

calaon siswa akan mengikuti test akademik. Selanjutnya jawaban serta nilai akdemik

tersebut akan menentukan rekomendasi bidang studi yang diberikan.

Proses interaksi user dengan sistem dilakukan melalui antarmuka pengguna.

Pada antarmuka juga dilengkapi dengan fasilitas penjelas yang memberikan

penjelasan bagaimana hasil kesimopulan diperoleh sehingga dapat meyakinkan

pengguna. Kesimpulan diberikan berupa rekomendasi penjurusan IPA maupun IPS

yang sesuai dengan minat calon siswa tersebut dan disesuaikan dengan nilai akademik

siswa tersebut.

Disini pakar mengambil peranan sangat aktif dalam pembuatan basis

pengetahuan. Tempat kerja disediakan bagi pakar untuk membantu memberikan

19

solusi bagi permasalahan sistem dijalankan dan menyediakan fasilitas khusus yang

belum diprediksi. Knowladgeengineer bertanggung jawan membuat kesan yang tepat,

sevara positif mengkomunikasikan tentang proyek, memahami tipe pakar,

mempersiapkan sesi, dan seterusnya.

3.6 Implementasi

Implementasi aplikasi dilakukan dengan mengacu kepada perancangan

aplikasi. Implementasi perangkat lunak dilakukan dengan menggunakan bahasa

pemrograman berorientasi objek yaitu menggunakan bahasa pemrograman PHP. Pada

pembuatan database sistem pakar, digunakan Database ManagementSystem (DBMS)

MySQL dengan software XAMPP.

3.7 Pengujian

Melakukan pengujian berdasarkan implementasi yang telah dibuat melalui

perhitungan akurasi efektifitas penggunaan sistem pakar bila dibandingkan dengan

system manual. Parameter yang digunakan meliputi: hasil tes bakat dan minat serta

nilai akademik dari siswa tersebut.

3.8 Kesimpulan dan saran

Pengambilan kesimpulan dilakukan setelah dilakukan proses pengujian system

pakar sehingga dapat diketahui efektifitas kinerja sistem pakar. Tahap terakhir yaitu

penulisan saran yang dapat membantu dalam pengembangan sistem pakar selanjutnya.

20

DAFTAR PUSTAKA

[1] Ayu, Gita. Sistem Pakar Pemilihan Bidang Studi Bagi Calon Mahasiswa dengan

Metode Technique For Order Preference By Similarity to Ideal Solution (TOPSIS). Program

Studi Teknik Informatika Universitas Brawijaya Malang.

[2] Thamrin, Fanoeel. 2012. Studi Inferensi Fuzzy Tsukamoto untuk Penentuan Faktor

Pembebanan Trafo PLN. Program Studi Magister Sistem Informasi Universitas Diponegoro

Semarang.

[3] Anonymous. 2009. http:// penjurusandisma.blogspot.com. diakses pada tanggal 23

November 2013

[4] J, Giarrantano. Pengantar Kecerdasan Buatan, Sistem Pakar.

[5] Anounymous. Sistem Pakar.

21