KAJIAN SISTEM PAKAR DAN FUZZY LOGIC DALAM PENENTUAN JURUSAN Firmansyah 1 ), Jusmita Weriza 1 ) Universitas Ekasakti padang, Indonesia f2mamak@gmail.com ABSTRAK SMA (Sekolah Menengah Atas) adalah sebagai ujung tombak bagi pemerintah dalam melahirkan generasi bangsa yang kompetitif dan siap membangun bangsa ini dengan keahlian yang dimilikinya. Sistem penjurusan yang tetap bisa akan membawa generasi penerus bangsa ini kearah kemajuan yang sangat pesat karena penjurusan merupakan awal seorang siswa dalam meningkatkan pola pendidikan sesuai dengan bakat dan minat yang dimilikinya. Dengan rancangan tentang pemilihan jurusan serta kajian berbasis fuzzy logic ini diharapkan, sekolah dapat mengunakannya dalam membantu memilih jurusan yang tetap sesuai dengan kemampuan, bakat dan minat yang dimilikinya Rancangan sistem ini mengunakan metode inferensi runut maju (forward chaining) dengan implementasi sistem mengunakan sistem database MySql dan program PHP. Dari rancangan sistem yang dibuat maka dapat diperoleh penjurusan siswa yang sesuai. Dan sebagai perbandingan mengunakan metode fuzzy logic dengan program Matlap untuk perhitungan penjurusan berdasarkan nilai dan test IQ. Kata kunci: Jurusan, Fuzzy Logic, Matlab, PHP, MySql. 1. Pendahuluan Fuzzy logic (logika fuzzy) yang merupakan modifikasi dari teori himpunan dimana setiap anggotanya memiliki derajat keanggotaan yang bernilai continue antara 0 sampai 1. Fuzzy logictelah digunakan pada lingkup domain permasalahan yang cukup luas, seperti kendali proses, klasifikasi dan pencocokan pola, manajemen dan pengambilan keputusan.fuzzy logic menyediakan cara sederhana untuk menggambarkan kesimpulan pasti dari informasi yang ambigu, samar-samar, atau tidak tepat. Fuzzy logic dapat mendefinisikan nilai diantara keadaan konvensional seperti ya atau tidak, benar atau salah, hitam atau putih, dan sebagainya yang merupakan multivalued logic (logika bernilai banyak). Penalaran fuzzy menyediakan cara untuk memahami kinerja dari sistem dengan cara menilai input dan output sistem dari hasil pengamatan. 2. Tinjauan Literatur Secara umum, fuzzy logic adalah sebuah metodologi berhitung dengan variable kata-kata (linguistic variable), sebagai penggantian berhitung dengan bilangan. Kata-kata yang digunakan dalam logika fuzzy memang tidak sepresisi bilangan, namun kata-kata jauh lebih dekat dengan intuisi manusia.(dr. Eng Agus Naba, 2009). Fuzzy Logic memberikan metodologi pemecahan masalah dengan beribu-ribu aplikasi dalam pengendali yang tersimpan dan pemrosesan informasi. Cocok untuk diimplementasikan pada sistem yang sederhana, kecil, tertanam pada mikro controller, PC multi-channel atau workstation berbasis akuisisi data dan kontrol sistem. Fuzzy logic menyediakan cara sederhana untuk menggambarkan kesimpulan pasti dari informasi yang ambigu, samar -samar, atau tidak tepat. Sedikit banyak, fuzzy logic menyerupai pembuatan keputusan pada manusia dengan kemampuannya untuk bekerja dari data yang ditafsirkan dan mencari solusi yang tepat. Fuzzy logic pada dasarnya merupakan logika bernilai banyak (multivalued logic) yang dapat 43
mendefinisikan nilai diantara keadaan konvensional seperti ya atau tidak, benar atau salah, hitam atau putih, dan sebagainya. 3. Metodologi 3.1. Studi Pendahuluan Dalam studi pendahuluan, yang menjadi sasaran pokok adalah melihat bagaimana variabel-variabel yang akan dipelajari. Pada objek penelitian, variabel-variabel tersebut dipelajari melalui dokumentasi yang ada, selanjutnya sekaligus dipilih sampel studi. 3.2. Perancangan Model Setelah dilakukan studi pendahuluan, dapat diketahui variabel mana yang sesuai antara teori dan kenyataan serta variabel mana yang tidak sesuai. Variabel-variabel yang sesuai selanjutnya digunakan untuk pembuatan model dan program komputer yang menyangkut hal-hal penerapan input dan output. 3.3. Pengumpulan Data Pengumpulan data dan informasi pada tahap ini dilakukan untuk mengetahui mengenai sistem yang diteliti. Dari data dan informasi yang dikumpulkan akan didapat data untuk pendukung penelitian, diperoleh melalui wawancara langsung dengan teknisi yang ahli berwenang dalam melakukan test phisikologi, antara lain : a. Minat dan bakat siswa terhadap jurusan yang akan pilih. b. Test IQ. c. Nilai Rata-Rata IPA dan IPS. Dalam memperoleh data, metode yang digunakan penulis untuk pengumpulan data dengan berbagai metode sebagai berikut: 1. Metode Wawancara Melakukan tanya jawab (interview) kepada siswa yang menjadi objek penelitian sehingga nantinya dapat memberikan informasi yang akurat. 2. Observasi Pengamatan pada objek dan kegiatan secara langsung di lapangan sehingga diperoleh kebenaran data. Metode observasi dilakukan langsung terhadap metode penentuan jurusan yang selama ini telah dilakukan serta menganalisa perkembangan minat siswa. 3. Studi Kepustakaan Metode studi kepustakaan (library research), yaitu jenis penelitian yang dilakukan dengan mengum-pulkan data-data yang ada hubungannya dengan tesis ini yang bersifat teoritis dengan cara membaca buku-buku, buku manual, informasi menge-nai hard-ware komputer, instruksi program dan instruksi pengoperasian komputer, browsing di internet dan bahan kuliah yang ber-hubungan dengan penulisan penelitian ini. 3.4. Desain Sistem 44
Pada tahap ini akan dilakukan proses desain sistem, dimulai dengan penyajian basis data berupa fakta dan aturan, disain antar muka masukan, pembuatan algoritma, dan pembuatan antarmuka keluaran. 3.5. Pengujian Sistem Pengujian sistem dilakukan dalam bentuk konsep dari perangcangan sistem pakar untuk menentukan jurusan yang tepat pada siswa, sesuai dengan gaya belajar, minat dan bakatnya. 3.6. Implementasi Sistem Pada tahap ini dilakukan pengkajian kembali kelayakan dari pada sistem pakar yang telah dirancang. Apakah sistem tersebut sudah sesuai atau masih perlu dilakukan peninjauan kembali penyempurnaan. 3.7 Penarikan Keputusan Pada tahap ini diambil sebuah perbandingan dari hasil yang di dapatkan dengan sistem fuzzy serta dibandingkan dengan sistem pakar. Proses fuzzy dip roses berdasarkan rule-rule di fuzzy dibandingan dengan sistem pakar hasil pengolahan data hasil kuisioner dari siswa. Dari kedua proses tersebut di dapat kan sebuah kesimpulan. 4. Hasil dan Pembahasan 4.1 Implementasi Sistem Tahap setelah melakukan disain sistem adalah implementasi sistem. Implementasi sistem untuk menentukan rule-rule yang terdapat dalam model yang sudah dirancang pada tahap disain sistem. Implementasi akan dilakukan dengan menggunakan software Matlab pada fuzzy toolbox. Parameter yang digunakan dalam membangun rule yang terbagi ke dalam input dan output. Parameter yang digunakan akan diberikan nilai sesuai dengan range nilai yang didapat pada tahap analisa sebelumnya. a. Proses Fuzzification Setiap proses dilakukan dengan berlandaskan data-data yang telah diambil di lapangan berupa knowledge (penge-tahuan) yang bersumber dari sistem. Sistem penentuan dalam menganalisa nilai IPA mempunyai beberapa sub sistem lagi. Dari beberapa populasi tersebut hanya bebe-rapa sub sistem yang dijadikan bahan untuk dianalisis meng-gunakan metode fuzzy, adapun metode yang digunakan adalah model mamdani. Pengambilan sampel dari sistem akan memudahkan pe-nulis untuk melakukan pengo-lahan data-data untuk meng-analisa nilai IPA, yang mana selama ini masih dalam keka-buran, dalam arti kata pengam-bilan keputusan tidak sesuai dengan yang sebenarnya atau belum secara komprehensif. Tentunya yang menjadi sampel tersebut adalah siswa dibagi beberapa variabel yaitu berdasarkan nilai IPA, nilai IPS dan nilai IQ. Analis menggunakan metode fuzzy ini digunakan suatu fungsi keanggotaan trapesium dan segitiga. 1. Variabel Nilai IPA 45
Dalam penelitian ini langkah awal yang dilakukan adalah penentuan fungsi keanggotaan. Fungsi keang-gotaan individu berdasarkan data nilai rata-rata IPA. variabel bebas yang mempunyai persamaan fungsi keanggotaan sebagai berikut : Gambar 1 berikut adalah gambar yang merupakan input dari variabel fuzzy kedalam program aplikasi matlab 6.1. Gambar 1: Variabel Nilai IPA Pada gambar 1 di atas dapat dijelaskan bahwa analisa fuzzy menggunakan matlab 6.1 mempunyai tiga input dan satu output. Input pertama yang datanya masih samar sebagai dasar pengambilan keputusan dalam menganalisa nilai IPA. Setiap variabel mempunyai rentang nilai (parameter), adapun ke 5parameter tersebut adalah : SL = Sangat Lemah L = Lemah N = Normal C = Cerdas SC =Sangat Cerdas 2. Variabel Nilai IPS Setiap variabel mempunyai rentang nilai (parameter), yang artinya setiap nilai dapat dilihat baik atau tidaknya profesionalitas seorang dosen. Gambar 2 berikut adalah gambar yang merupakan input nilai rata-rata IPS dari variabel fuzzy kedalam program aplikasi matlab 6.1. Gambar 2: Variabel Nilai IPS Adapun ke limaparameter yang terdapat pada gambar 5.2 yang merupakan input dalam menganalisa nilai IPS berdasarkan variabel nilai IPS tersebut adalah : SL = Sangat Lemah L = Lemah N = Normal C = Cerdas SC = Sangat Cerdas 3. Variabel Nilai IQ 46
Setiap parameter mempunyai rentang nilai, yang artinya setiap nilai menyatakan tingkat kinerja berdasarkan variabel nilai IQ. Gambar 5.3 berikut ini merupakan input variabel nilai IQdalam menganalisa nilai IQ. Gambar 3: Variabel Nilai IQ Adapun ke limaparameter yang terdapat pada gambar 5.3 yang merupakan input dalam menganalisa nilai IQ berda-sarkan variabel kepri-badian tersebut adalah : SL = Sangat Lemah L = Lemah N = Normal C = Cerdas SC = Sangat Cerdas 4. Variabel Jurusan Variabel Jurusan adalah variabel output, yaitu variabel penentuan Jurusan Siswa. Nilai Kinerja dibagi atas 5 kriteria, yaitu: Sangat Lemah, Lemah, Normal, Cerdas, Sangat Cerdas Berikut ini gambar 4 adalah output dari variebel nilai IPA, variabel nilai IPSdan variabel nilai IQ dalam menganalisa Jurusan Siswa yang dibuatkan kedalam form dari membership function. Gambar 4: Himpunan Fuzzy Untuk Variabel Jurusan Siswa Adapun ke tigaparameter yang terdapat pada tampilan prog-ram gambar 5.4 adalah sebagai berikut : PA = IPA PA/PS = IPA/IPS PS = IPS Parameter yang tiga diatas merupakan output dari Kinerjadalam menganalisa nilai siswa, untuk diaplikasikan kedalam program matlab 6.1. 4.2. Proses Inference Menggu-nakan Fuzzy Mamdani 47
Proses inferenceadalah memetakan parameter input kepada parameter output. Ada beberapa input yang diperlukan yaitu crisp dari data nilai rata-rata IPA, nilai rata-rata IPS yang akan diproses melalui sistem inference fuzzy menggunakan model mamdani. Ada dua bagian yang dibutuhkan dalam membangun inferencerule yaitu if yang menyatakan agregation dan then yang menyatakan composition. Dari tiga input fuzzy tersebut kita akan menentukan rule-rule yang akan ditetapkan. Rule bisa ditentukan dengan cara memilih input 1 yang dibuatkan kedalam tiga variabel, mulai dari SL(Sangat Lemah) sampai SC(Sangat Cerdas). Kemudian dilanjutkan dengan memilih operator yang digunakan, yaitu operator OR dan operator AND. Setelah itu, memilih konsekuen kedua yaitu disimbolkan (dalam bentuk variabel) dengan SL(Sangat Lemah) sampai SC(Sangat Cerdas). Kemudian memilih salah satu output yang diinginkan, apakah nilai IQ(Slemah), Nilai IPA(normal), Nilai IPS(Lemah). Gambar 5.5 adalah tampilan rule yang diaplikasikan menggunakan fuzzy logic pada program aplikasi matlab 2007. Gambar 5: Editor Pemasukan Rule Dalam menetapkan ruledari tiga input, input pertama mem-punyai lima variabel, input dua mempunyai lima variabel, dan input tiga mempunyai lima variabel maka kita mendapatkan 5 3 aturan yang dapat digunakan untuk diaplikasikan menggunakan fuzzy logicpada program aplikasi matlab 2007 ini. 4.3 Proses Defuzzification Setelah hasil akhir dari komposisi rule dari beberapa input dan satu output didapatkan, maka masih ada tahap selanjutnya yaitu tahap defuzzification langsung menggunakan program matlab 2007. Pada tahap defuzzification ini kita dapat memperoleh nilai pasti(best value) dari data nilai siswa untuk menentukan jurusan siswa yang berguna untuk mengatur jurusan siswa yang paling tepat. Pada tahap melihat rule dimak-sudkan untuk mendapatkan hasil dari nilai fuzzy setelah dibuatkan kedalam logika fuzzy dengan output seperti yang terlihat pada gambar 5.7 terhadap posisi kotak. Rule viewer yang diperlihatkan dalam himpunan fuzzy dalam bentuk membership function dapat dilihat pada gambar 6 dibawah ini. 48
Gambar 6: Tampilan View Rule Rule viewer yang diperlihatkan dalam bentuk membership function, terdiri dari input1 (nilai IQ), input2 (Nilai IPA), input3 (Nilai IPS), dan output1 (jurusan siswa). Gambar rule viewer seperti gambar 6 di atas dapat digambarkan sebagai surface viewer seperti gambar 7 berikut : a. b. c. Gambar 7: Survace Viewer Dari gambar 7 di atas merupakan program analisa fuzzy untuk mendapatkan jurusan siswa (IPA, IPA/IPS, IPS) untuk menentukan jurusan yang paling tepat yang dijalankan dengan menggeser garis vertikal pada input1, input2, dan atau input3 seperti tampilan pada gambar 5 dan 6 di atas. Pergeseran-per-geseran ini dimaksudkan untuk mengetahui nilai siswa yang memenuhi syarat untuk jurusan tertentu. 49
5. Kesimpulan Dengan rancangan tentang pemilihan jurusan serta kajian berbasis fuzzy logic dengan implementasi sistem mengunakan sistem database MySql dan program PHP, sekolah dapat mengunakannya dalam membantu memilih jurusan yang tetap sesuai dengan kemampuan, bakat dan minat yang dimilikinya.. Dari rancangan sistem yang dibuat maka dapat diperoleh penjurusan siswa yang sesuai. Dan sebagai perbandingan mengunakan metode fuzzy logic dengan program Matlap untuk perhitungan penjurusan berdasarkan nilai dan test IQ. Daftar Pustaka [1] Aziz, Farid. 1994. Belajar Sendiri Pemograman Sistem Pakar. PT. Elekmedia Komputindo.Jakarta [2] Endang Nugraheni & Nurmala Pagaribuan. Gaya Belajar dan Strategi Belajar Mahasiswa Jarak Jauh Kasus di Universitas Terbuka. http://lppm.ut.ac.id/ptjj/17maret06/endang.pdf [3] Rian Anggrani. 2004. Sistem Pencarian Kriteria Kelulusan Mengunakan Fuzzy Tahani. Universitas Islam Indonesia [4] Anita Desiani & Muhammad Arhami. 2006. Konsep Kecerdasan Buatan. Andi Yogyakarta. Yograkarta [5] Maria Irmina Prsetiowati. 2007. Implementasi Fuzzy Database Untuk Memberikan Rekomendasi Jalur Perminatan Mahasiswa. [6] Kusrini. 2008. Aplikasi Sistem Pakar. Andi Yogyakarta. Yogyakarta 50