implementasi sistem pakar penentuan jurusan ipa ips menggunakan metode fuzzy tsukamoto
DESCRIPTION
Tugas SPK PTIIK Univ BrawijayaTRANSCRIPT
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