BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORIeprints.mercubuana-yogya.ac.id/1553/2/BAB...
Transcript of BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORIeprints.mercubuana-yogya.ac.id/1553/2/BAB...
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