Analisis Perbandingan Metode Certainty Factor dan Naive Bayesian Dalam Mendeteksi Kemungkinan Anak Terkena Disleksia

  ANALISIS PERBANDINGAN METODE CERTAINTY FACTOR DAN NAÏVE BAYESIAN DALAM MENDETEKSI

KEMUNGKINAN ANAK TERKENA DISLEKSIA SKRIPSI

  Diajukan untuk Menempuh Ujian Akhir Sarjana

TITA TJAHYATI 10110400 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK DAN ILMU KOMPUTER UNIVERSITAS KOMPUTER INDONESIA 2014

  BIODATA Data Pribadi Nama : Tita Tjahyati Tempat/Tanggal Lahir : Bandung,15 Juli 1992 Jenis Kelamin : Perempuan

Alamat : Jl. Sindanglaya-Arcamanik No.27, Bandung

No. Telp : 085624281072 Email : titatjahyati@yahoo.com Riwayat Pendidikan 1998 – 2004 Lulus SDN 06 Sindanglaya 2004 – 2007 Lulus SMPN 49 Bandung 2007 – 2010 Lulus SMAN 16 Bandung 2010 – 2014 Universitas Komputer Indonesia Demikian riwayat hidup ini saya buat dengan sebenar-benarnya.

  

DAFTAR ISI

ABSTRAK ................................................................................................................... ..i

ABSTRACT................................................................................................................... ii

KATA PENGANTAR .................................................................................................iii

DAFTAR ISI................................................................................................................. v

DAFTAR GAMBAR .................................................................................................viii

DAFTAR TABEL........................................................................................................ ix

DAFTAR SIMBOL...................................................................................................... x

DAFTAR LAMPIRAN................................................................................................ x

i

  

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

  

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

  

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

  

1.3 Maksud dan Tujuan ........................................................................................ 3

  

1.4 Batasan Masalah ............................................................................................. 3

  

1.5 Metode Penelitian........................................................................................... 4

  

1.6 Sistematika Penulisan..................................................................................... 5

  

BAB 2 LANDASAN TEORI ..................................................................................... 7

  

2.1 Pengertian Deteksi.......................................................................................... 7

  

2.2 Pengertian Disleksia ....................................................................................... 7

  

2.3 Kecerdasan Buatan ....................................................................................... 11

  2.3.1. Metode Certainty Factor....................................................................... 11

  2.3.2. Metode Naïve Bayesian......................................................................... 13

  3.3 Analisis Gejala Disleksia.............................................................................. 25

  4.1.3 Implementasi Antarmuka ...................................................................... 56

  4.1.2 Implementasi Perangkat Lunak............................................................. 56

  4.1.1 Implementasi Perangkat Keras.............................................................. 55

  4.1 Implementasi Sistem .................................................................................... 55

  

BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM ........................................ 55

  3.4.1 Perhitungan Metode .............................................................................. 31

  3.4 Tahapan Analisis Metode ............................................................................. 30

  3.3.2 Analisis Data Keluaran ......................................................................... 29

  3.3.1 Analisis Data Masukkan ....................................................................... 26

  3.2 Alur Pendeteksi ............................................................................................ 24

  2.4 Metode Pengujian......................................................................................... 16

  3.1 Analisis Masalah .......................................................................................... 23

  

BAB 3 ANALISIS METODE .................................................................................. 23

  2.9 Adobe Photoshop CS 3................................................................................. 21

  2.8 Adobe dreamweaver CS 5 ............................................................................ 20

  2.7 MySQL ......................................................................................................... 18

  2.6 PHP (Hypertext Prepocessor) ...................................................................... 17

  2.5 WAMP SERVER 2.2 ..................................................................................... 17

  2.4.2. Black Box.............................................................................................. 16

  2.4.1. White Box ............................................................................................. 16

  4.2 Pengujian Sistem .......................................................................................... 56

  4.2.1 Pengujian Whitebox .............................................................................. 56

  4.2.2 Pengujian Blackbox .............................................................................. 67

  4.2.3 Pengujian Akurasi ................................................................................. 69

  

BAB 5 PENUTUP .................................................................................................... 75

  5.1 Kesimpulan................................................................................................... 75

  5.2 Saran ............................................................................................................. 75

DAFTAR PUSTAKA .................................................................................................77

  76 {Halaman Ini Di Kosongkan}

DAFTAR PUSTAKA

  

[1] P. A. D. Yasa, "Sistem pakar Penyakit Kulit menggunakan Metode Certainty

Factor Berbasis Web," no. 2085-9902, 2012.

[2] D. L. Fithri, "Sistem Pendeteksian Penyimpangan Tingkah Laku Anak Usia 0

sampa 3 tahun dengan Metode Bayesian," Simetris, vol. 4, no. 2252-4983, Nov.

  2013.

[3] T. D. A. o. Indonesia. (2012, Nov.) Dyslexia Associztion of Indonesia. [Online].

http://dyslexiaindonesia.com

[4] B. K. Khotimah, "Sistem Pakar Troubleshooting Komputer dengan metode

Certainty factor menggunakan probabilitas bayesian".

KATA PENGANTAR

  Puji dan syukur penulis panjatkan kehadirat Allah SWT atas berkat rahmat

dan karunia-Nya sehingga penulis dapat menyelesaikan skripsi yang berjudul :

“

  

ANALISIS PERBANDINGAN METODE CERTAINTY FACTOR DAN

NAÏVE BAYESIAN DALAM MENDETEKSI KEMUNGKINAN ANAK

TERKENA DISLEKSIA ”.

  Tugas Akhir ini diajukan untuk memenuhi syarat mata kuliah Tugas Akhir

program STRATA I Program Studi Teknik Informatika, Fakultas Teknik dan Ilmu

Komputer, Universitas Komputer Indonesia (UNIKOM), Bandung. Dengan

terselesaikannya Tugas Akhir ini, Penulis ungkapkan rasa syukur yang tiada

terhingga kepada Allah SWT. dan Penulis mengucapkan terimakasih kepada :

  1. Kedua Orang Tua yang saya hormati dan saya cintai yang telah memberikan kepada Penulis dukungan dan motivasi untuk menyelesaikan laporan Tugas Akhir ini.

  2. Ibu Utami Dewi W,S.Kom.,M.Kom. selaku dosen pembimbing dan penguji 2 yang telah menyelesaikan waktunya dan memberikan banyak masukan kepada penulis.

  3. Ibu Nelly Indriani Widiastuti,S.Si.,M.T. selaku reviewer dan Penguji 1 yang telah menyediakan waktunya dan memberikan banyak masukan kepada penulis.

  4. Ibu Sufaatin S.T.,M.Kom. selaku Penguji 3 dan sebagai dosen wali yang telah menyediakan waktunya dan memberikan banyak masukan kepada penulis.

  5. Ibu Adimia Rila Oktoga,S.Psi.,M.Psi. sebagai pakar atau psikolog yang telah menyediakan waktu nya untuk membantu penulis dalam menyelesaikan skripsi ini.

  6. Bapak Irawan Afrianto,S.T.,M.T. selaku Ketua Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer Universitas Komputer Indonesia.

  7. Bapak Prof. Dr. H. Denny Kurniadie, Ir., M.Sc. selaku Dekan Fakultas Teknik dan Ilmu Komputer Universitas Komputer Indonesia.

  8. Kakak saya, Tanti Nurhayati dan Wina Winiarti yang saya sayangi yang

telah memberikan saya motivasi untuk menyelesaikan tugas akhir ini.

  9. Rekan-rekan seperjuangan IF-09 angkatan 2010 yang selalu memberikan semangat dan motivasi kepada penulis.

  

10. Rekan-rekan satu bimbingan Ibu Utami, rekan-rekan reviewer ibu Nelly.

  11. Kepada Muhammad Akhdiat Munggaran terimakasih atas semua doa dan dukungan selama ini yang selalu memberikan semangat dan motivasi kepada penulis sehingga bisa menyelesaikan skripsi ini.

  12. Sahabat – sahabatku Dwikeu Novi Asrika, Dien Amalia, Eka Anisya, Leni Mariani, Wulan fitriani, dan Mukti Alamsyah yang selalu memberikan semangat saat penulis butuh motivasi.

  13. Pihak-pihak yang telah membantu yang tidak dapat disebutkan satu persatu. Akhir kata, Penulis berharap semoga laporan ini dapat bermanfaat bagi para pembaca.

  Bandung, 19 Agustus 2014 Penulis

BAB 1 PENDAHULUAN

1.1 Latar Belakang Masalah

  Deteksi merupakan suatu cara untuk mengetahui jenis masalah atau cara untuk menyelesaikan suatu permasalahan untuk membuat keputusan maupun pengambilan kesimpulan. Deteksi juga dapat digunakan pada penyakit atau gangguan terhadap anak-anak seperti disleksia, karena disleksia adalah gangguan terhadap anak yang terkadang gejalanya tidak diketahui karena anak tersebut terlihat normal, maka dari itu dibutuhkan suatu deteksi agar dapat mengetahui dengan benar mengenai disleksia. Anak terkena disleksia adalah anak yang mengalami salah satu gangguan dalam belajar yang mengkhawatirkan yang mengalami kesulitan dalam membaca, tetapi juga dalam hal mengeja, menulis dan sebagai suatu kondisi pemrosesan input atau informasi yang berbeda dari anak normal yang seringkali ditandai dengan kesulitan dalam membaca, yang dapat mempengaruhi daya ingat, kecepatan pemrosesan input, kemampuan pengaturan waktu, aspek koordinasi dan pengendalian gerak.

  Dalam suatu deteksi, akurasi data adalah suatu komponen yang penting demi tercapainya solusi yang diharapkan. Dalam penelitian sebelumnya terdapat jurnal yang diteliti oleh Putu Ary Darma Yasa yang berjudul Sistem Pakar Penyakit Kulit pada Manusia Menggunakan Metode Certainty Factor Berbasis Web [1] dijelaskan bahwa metode Certainty Factor dalam mendeteksi penyakit kulit memiliki hasil akurasi sebesar 73,15%. Sedangkan pada penelitian yang dilakukan oleh Diana Laily Fithri yang berjudul Sistem Pendeteksian Penyimpangan Tingkah Laku Anak Usia 0 sampai 3 Tahun dengan Metode Bayesian [2] dijelaskan bahwa metode Bayesian mampu

  2 mendeteksi tingkah laku anak melalui gejala-gejala yang sudah ada tetapi dalam jurnal tersebut tidak dijelaskan mengenai tingkat akurasi metode Bayesian dalam mendeteksi kasus tersebut. Dalam kedua penelitian tersebut hanya metode Certainty Factor yang memiliki tingkat akurasi sedangkan metode Bayesian tidak memiliki tingkat akurasi pada kasus tersebut. Maka dari itu akan dilakukan suatu analisis perbandingan mengenai akurasi dari kedua metode tersebut dengan kasus yang sama yaitu dalam mendeteksi kemungkinan anak terkena disleksia. Karena tidak diketahui apakah hasil akurasi yang dihasilkan oleh Certainty Factor akan lebih besar atau tidak begitu juga dengan Naïve Bayesian apakah dapat menghasilkan akurasi yang lebih baik dari metode Certainty Factor atau tidak jika dibandingkan dalam kasus yang sama. Karena suatu metode yang baik untuk suatu kasus belum tentu baik untuk kasus yang berbeda.

  Berdasarkan permasalahan tersebut maka diterapkan metode Certainty Factor dan Naïve Bayesian dalam mendeteksi kemungkinan anak terrkena disleksia dan dibutuhkan suatu analisis perbandingan antara metode Certainty Factor dan Naïve Bayesian untuk mengetahui metode mana yang lebih baik dalam ketepatan akurasi data dengan jumlah masukkan yang sama melalui gejala-gejala disleksia.

1.2 Rumusan Masalah

  Berdasarkan penjelasan dari latar belakang yang telah diuraikan, masalah utama yang di bahas pada tugas akhir ini yaitu bagaimana membandingkan metode yang lebih baik antara Certainty Factor dan Naïve Bayesian mengenai akurasi data dengan jumlah masukkan gejala yang sama dalam mendeteksi kemungkinan anak terkena disleksia.

  3

  1.3 Maksud dan Tujuan Maksud dari penelitian ini adalah menganalisis perbadningan metode

  Certainty Factor dan Naïve Bayesian dalam mendeteksi kemungkinan anak terkena disleksia.

  Adapun tujuan dari penelitian ini adalah untuk menentukan satu metode diantara metode Certainty Factor dan Naïve Bayesian yang memiliki akurasi data yang paling baik dalam mendeteksi kemungkinan anak terkena disleksia.

  1.4 Batasan Masalah Batasan masalah dalam penulisan skripsi ini sebagai berikut : 1.

  Data yang digunakan pada aplikasi ini adalah 20 gejala-gejala kemungkinan anak terkena disleksia.

  2. Metode yang dibandingkan pada pendeteksi ini adalah Certainty Factor dan Naïve Bayesian.

  3. Masing-masing variabel pada metode Naïve Bayesian gejala diberi nilai 1 untuk jawaban Ya dan 0 untuk jawaban Tidak.

  4. Masing-masing variabel pada metode Certainty Factor gejala diberi nilai range antara 0 sampai 1 untuk jawban Ya dan 0 atau tidak di hitung untuk jawaban Tidak.

  5. Komponen yang akan di ukur dalam membandingkan metode Certainty factor dan Naïve Bayesian adalah akurasi data. Dengan rumus akurasi = ( jumlah data benar / jumlah data keseluruhan ) x 100%.

  6. Keluaran dalam pendeteksian ini berisi kesimpulan kemungkinan anak terkena disleksia yang meliputi disleksia auditori, disleksia visual, disleksia kombinasi.

  7. Pengujian sistem yang digunakan adalah pengujian Whitebox dan Blackbox.

  4

8. Nilai MB (Meansure of Believe) dan MD ( Meansure of Disbelieve ) untuk metode Certainty Factor di dapat dari satu pakar.

1.5 Metode Penelitian

  Metode penelitian yang digunakan dalam penulisan ini adalah sebagai berikut : 1.

  Tahap Pengumpulan Data a.

  Studi Literatur Pengumpulan data dengan cara mengumpulkan literature, jurnal, paper, dan e-book yang ada kaitannya dengan judul penelitian.

  b.

  Observasi Tekni pengumpulan data dengan mengadakan penelitian dan peninjauan langsung terhadap permasalahan yang diambil. Penelitian yang dilakukan dengan cara wawancara dengan Pakar yang bernama Adimia Rila Oktoga,S.Psi.,M.Psi. dengan alamat yang berada di Biro Psikologi Dwipayana di Jl. Taman Cibunut Dalam No. 7 untuk memperoleh gejala-gejala disleksia dan nilai MB (Meansure of Believe) dan MD (Meansure of Disbelieve) untuk metode Certainty Factor mengenai kepastian terhadap setiap gejala. Dan mengambil data gejala disleksia di untuk mencocokkan hasil wawancara.

  2. Eksperimen Eksperimen yang dilakukan akan mengambil uji coba dengan beberapa sample yang akan di ambil dari penelitian yang dilakukan. Dari kedua metode tersebut akan dilakukan beberapa kali percobaan yang bertujuan untuk melakukan pengujian agar solusi yang diharapkan mengenai ketetapatan akurasi data pada deteksi disleksia ini sesuai dengan proses yang dihasilkan.

  5

1.6 Sistematika Penulisan

  Sistematika penulisan ini disusun untuk memberikan gambaran umum tentang penelitian yang dijalankan. Sistematika penulisan tugas akhir ini adalah sebagai berikut :

  BAB 1 PENDAHULUAN Bab ini berisi meliputi latar belakang permaslahan yaitu latar belakang berdasarkan latar belakang masalah tersebut, penulis menyusun identifikasi masalah yang diperjelas dengan pembatasan masalah yang akan di angkat dalam tugas akhir ini. Manfaat penelitian akan dapat dirasakan apabila tujuan penelitian telah tercapai. Metodologi penelitian merupakan tahapan dalam menuntun penulis dalam mencapai tujuan skripsi.

  BAB 2 LANDASAN TEORI Bab ini menguraikan tentang teori-teori pendekatan yang digunakan untuk menganalisis masalah dan teori yang di pakai dalam mengolah data penelitian yaitu teori mengenai deteksi, teori disleksia, teori metode Certainty Factor dan Naïve Bayesian, dan teori mengenai software pembangun simulator.

  BAB 3 ANALISIS METODE Bab ini merupakan tahapan untuk menganalisis perbandingan perhitungan metode Certainty Factor dan Naïve Bayesian pada pendeteksi kemungkinan anak terkena disleksia

BAB 4 IMPLEMENTASI DAN PENGUJIAN Bab ini berisi tentang pengujian simulator menggunakan Blackbox dan Whitebox, serta pengujian akurasi untuk kedua metode tersebut. Sehingga dapat terlihat hasil perbandingan dari kedua metode tersebut. BAB 5 PENUTUP Bab ini berisi kesimpulan dan saran yang sudah diperoleh dari hasil penulisan tugas akhir.

  6

{Halaman ini dikosongkan}

BAB 2 LANDASAN TEORI

  2.1 Pengertian Deteksi Deteksi adalah suatu proses untuk memeriksa atau melakukan pemeriksaan terhadap sesuatu dengan menggunakan cara dan teknik tertentu. Deteksi dapat digunakan untuk berbagai masalah, misalnya dalam sistem pendeteksi suatu penyakit, dimana sistem mengidentifikasi masalah-masalah yang berhubungan dengan penyakit yang biasa disebut gejala.

  Tujuan dari deteksi adalah memecahkan suatu masalah dengan berbagai cara tergantung metode yang diterapkan sehingga menghasilkan sebuah solusi.

  2.2 Pengertian Disleksia Disleksia berasal dari bahasa Greek, yakni dari kata

  “dys” yang berarti kesulitan, dan kata

  “lexis” yang berarti bahasa. Jadi disleksia secara harafiah berarti kesulitan dalam berbahasa. Anak disleksia tidak hanya mengalami kesulitan dalam membaca, tetapi juga dalam hal mengeja, menulis, dan beberapa aspek bahasa yang lain.

  Kesulitan membaca pada anak disleksia ini tidak sebanding dengan tingkat intelegensi ataupun motivasi yang dimiliki untuk kemampuan membaca dengan tepat atau akurat, karena anak disleksia biasanya mempunyai level intelegensi yang normal bahkan diantaranya diatas normal. Disleksia merupakan kelainan dengan dasar kelainan neurobiologis, dan ditandai dengan kesulitan dalam mengenali kata dengan tepat/akurat, dalam pengejaan dan dalam kemampuan mengkode symbol.

  Beberapa ahli lain mendefinisikan disleksia sebagai suatu kondisi pemrosesan input atau informasi yang berbeda dari anak normal yang seringkali

  8 ditandai dengan kesulitan dalam membaca, yang dapat mempengaruhi area

kognisi seperti daya ingat, kecepatan pemrosesan input, kemampuan

pengaturan waktu, aspek koordinasi dan pengendalian gerak. Dapat terjadi

kesulitan visual dan fonologis, juga biasanya terdapat perbedaan kemampuan di

berbagai aspek perkembangan.

  Sebagian ahli membagi disleksia sebagai disleksia visual, disleksia

auditori, dan disleksia kombinasi (visual-auditori). Sebagian ahli lain membagi

disleksia berdasarkan apa yang dipersepsi oleh mereka yang mengalaminya

yaitu persepsi pembalikan konsep ( suatu kata dipersepsi sebagai lawan

katanya), persepsi disorientasi vertical atau horizontal (huruf atau kata

berpindah tempat dari depan ke belakang atau sebaliknya, dari barisan atas ke

barisan bawah dan sebaliknya), persepsi teks terlihat terbalik seperti di dalam

cermin, dan persepsi dimana huruf atau kata-kata tertentu jadi seperti

menghilang.

  Adapun jenis-jenis dari disleksia yaitu disleksia auditori, disleksia visual, dan disleksia kombinasi dijelaskan pada tabel 2.1. :

Table 2.1 Jenis-Jenis Disleksia Jenis Disleksia Gejala

  Tulisan tangan yang buruk atau berantakan Ketika mendengarkan sesuatu, rentang perhatiannya pendek Kesulitan membedakan huruf vocal dengan konsonan Kesulitan mengingat rutinitas aktivitas sehari-hari atau

  Disleksia Auditori mencerna sesuatu secara berurutan Ketidak akuratan dalam membaca seperti membaca lambat kata demi kata jika dibandingkan dengan anak seusianya, intonasi suara turun naik tidak teratur Kesulitan membuat pekerjaan tertulis secara terstruktur misalnya essay Huruf tertukar tukar, misal ‘b’ tertukar ‘d’,’p’ tertukar ‘q’, ‘m’ tertukar ‘w’, ‘s’ tertukar ‘z’ misalnya papa-qaqa Tulisan tangan yang buruk atau berantakan

  Disleksia Visual Mengeluh pusing atau nyeri kepala atau sakit perut saat membaca Membaca lambat lambat dan terputus putus dan tidak tepat Menghilangkan atau salah baca kata penghubung (“di”, “ke”, “pada”) Mengabaikan kata awalan pada waktu membaca (“menulis”,

  9

  dibaca sebagai “tulis”) Melihat atau merasakan gerakan-gerakan yang sebenarnya tidak ada saat membaca, menulis atau menyalin Kesulitan memahami kalimat yang dibaca ataupun yang didengar dan melelahkan Mengalami kesulitan mempelajari tulisan sambung Kesulitan dalam mengingat kata-kata atau ingatan yang buruk atau lemah terhadap informasi yang tidak pernah dialami sebelumnya Kesulitan mengingat nama-nama Kesulitan / lambat mengerjakan PR Kesulitan memahami konsep waktu atau kesulitan dalam

  Disleksia menyebutkan waktu, mengatur waktu ataupun melakukan Kombinasi sesuatu dengan tepat waktu

  Kesulitan mengingat rutinitas aktivitas sehari-hari atau mencerna sesuatu secara berurutan Kesulitan membedakan kanan kiri Tertukar-tukar kata (misalnya : dia-ada, sama-masa, lahu- gula, batu-buta, tanam-taman, dapat-padat, mana-nama) Ketidakakuratan dalam membaca seperti membaca lambat kata demi kata jika dibandingkan dengan anak seusianya, intonasi suara turun naik tidak teratur

  Secara lebih khusus, anak disleksia biasanya mengalami masalah sebagai berikut :

  1. Masalah Fonologi Yang dimaksud fonologi adalah hubungan sistematik antara huruf dan bunyi. Misalnya anak mengalami kesulitan membedakan “paku” dengan “palu” atau anak keliru memahami kata-kata yang mempunyai bunyi hampir sama, misalnya “lima puluh” dengan ‘lima belas”.

  Kesulitan ini tidak disebabkan masalah pendengaran namun berkaitan dengan proses pengolahan input di dalam otak.

  2. Masalah Mengingat Perkataan Kebanyakan anak disleksia mempunyai level intelgensi normal atau diatas normal namun mereka mempunyai kesulitan mengingat perkataan. Mereka mungkin sulit menyebutkan nama teman-temannya dan memilih untuk memanggilnya dengan istilah “temanku di sekolah” atau “temanku yang laki-laki itu”. Mereka mungkin dapat menjelaskan

  10 suatu cerita namun tidak dapat mengingat jawaban untuk pertanyaan yang sederhana.

  3. Masalah Penyusunan yang Sistematis / Sekuensial Anak disleksia mengalami kesulitan menyusun sesuatu secara berurutan misalnya susunan bulan dalam setahun, hari dalam seminggu atau susunan huruf dan angka. Mereka sering lupa susunan aktivitas yang sudah direncanakan sebelumnya, misalnya lupa apakah setelah pulang sekolah langsung pergi ke tempat latihan sepak bola. Padahal orang tua sudah mengingatkannya bahkan mungkin sudah pula ditulis dalam agenda kegiatannya. Mereka juga mengalami kesulitan yang berhubungan dengan perkiraan terhadap waktu. Misalnya mereka mengalami kesulitan memahami intruksi.

  4. Masalah Ingatan Jangka Pendek Anak disleksia mengalami kesulitan memahami intruksi yang panjang dalam satu waktu yang pendek. Mis alnya ibu menyuruh anak untuk “ simpan tas di kamarmu dilantai atas, ganti pakaian, cuci kaki dan tangan lalu turun ke bawah lagi untuk makan siang bersama ibu, tapi jangan lupa bawa serta buku PR matematikanya ya”, maka kemungkinan besar anak disleksia tidak melakukan seluruh intruksi tersebut dengan sempurna karena tidak mampu mengingat seluruh perkataan ibunya.

  5. Masalah Pemahaman Sintaks Anak disleksia sering mengalami kebingungan dalam memahami tata bahasa, terutama jika dalam waktu yang bersamaan mereka menggunakan dua atau lebih bahasa yang mempunyai tata bahasa yang berbeda. Anak disleksia mengalami masalah tata bahasa keduanya apabila pengaturan tata bahasanya berbeda daripada bahasa pertama. Misalnya dalam bahasa Indonesia dikenal susunan diterangkan-

  11 menerangkan (contoh : tas merah), namun dalam bahasa Inggris dikenal

susunan menerangkan-diterangkan (contoh : red bag). [3]

2.3 Kecerdasan Buatan

  Kecerdasan buatan atau Artificial Intelligence merupakan salah satu bagian ilmu computer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan manusia. Dengan adanya kecerdasan buatan, diharapkan tidak menutup kemungkinan hanya dengan data pengetahuan yang terbatas, sebuah computer dapat berpikir seperti manusia dalam menghadapi masalah.

2.3.1. Metode Certainty Factor

  Certainty Factor merupakan suatu metode yang digunakan untuk menyatakan kepercayaan dalam sebuah kejadian ( fakta atau hipotesis) berdasarkan bukti atau penilaian pakar. Secara konsep Certainty Factor (CF) merupakan salah satu teknik yang digunakan untuk mengatasi ketidakpastian dalam pengambilan keputusan. Certainty Factor dapat terjadi dengan berbagai kondisi. Diantara kondisi yang terjadi adalah terdapat beberapa antensenden (dalam rule yang berbeda ) dengan satu konsekuen yang sama. Dalam kasus ini, kita harus mengagregasikan nilai CF keseluruhan dari setiap kondisi yang ada. Pada konsep Certainty Factor ini juga sering dikenal dengan adanya believe dan disbelieve. Believe merupakan keyakinan, sedangkan disbelieve merupakan ketidakyakinan. [1] Adapun alur kinerja metode Certainty Factor yang akan dijelaskan pada gambar 2.1 :

  12

Gambar 2.1 Alur Metode

  Certainty Factor Adapun Notasi atau rumusan dasar dari Certainty Factor , seperti tampak pada persamaan 2.1 sebagai berikut :

  �[ℎ, ] = � [ℎ, ] − � [ℎ, ] Persamaan 2.1

  Keterangan :

CF[h,e] : Certainty Factor dalam hipotesis h yang dipengaruhi oleh

fakta e.

  

MB[h,e] : Meansure of Believe, merupakan nilai kenaikan dari

kepercayaan hipotesis h dpengaruhi oleh fakta e.

MD[h,e] : Meansure of Disbelieve, merupakan nilai kenaikan dari

ketidakpercayaan hipotesis h dipengaruhi oleh fakta e.

h : hipotesis e : evidence

  13 Adapun tipe-tipe nilai Certainty Factor untuk berbagai macam istilah ketidakpastian [4] dijelaskan pada tabel 2.2 :

  Table 2.2Tipe - tipe Nilai Certainty Factor

  Istilah Ketidakpastian MB/MD

  Pasti tidak (definitely not) -1.0 Hampir pasti tidak (Almost Certainty Not) -0.8 Mungkin tidak (probably not) -0.6 Barang kali tidak (maybe not) -0.4 Tidak tahu (unknown) -0.2 s/d 0.2 Barang kali (maybe)

  0.4 Mungkin (probably)

  0.6 Hampir pasti (Almost certainty)

  0.8 Pasti (definitely)

  1.0 2.3.2.

   Metode Naïve Bayesian Teorema bayes dikemukakan oleh Thomas Bayes pada tahun 1763.

  Teorema bayes digunakan untuk menghitung peluang atau probabilitas terjadinya suatu peristiwa berdasarkan pengaruh yang di dapat dari hasil observasi.

  Metode Bayesian yang dipilih ialah metode Naïve Bayesian. Model statistic dalam metode Naïve Bayesian merupakan salah satu model yang sangat andal sebagai sistem pendukung keputusan. Konsep probabilitas merupakan salah satu bentuk model statistic. Pada metode ini semua atribut akan memberikan kontribusinya dalam pengambilan keputusan, dengan bobot atribut yang sama penting dan setiap atribut saling bebas satu sama lain.

  Metode ini berfungsi untuk mencari nilai probabilitas tiap faktor sehingga nantinya hasilnya akan dijadikan perhitungan untuk menentukan apakah resikonya kecil, sedang atau besar.

  Adapun alur perhitungan metode Naïve Bayesian dijelaskan pada

gambar 2.2 sebagai berikut :

  14

Gambar 2.2 Alur Perhitungan Metode

  Naive Bayesian Pada sistem ini hanya menggunakan jenis data yaitu data optional

jika jawaban nya Yam aka bernilai 1 dan jika jawabannya Tidak maka

bernilai 0. Untuk memperoleh hasil ekspektasi maksimal, probabilitas

dapat dirubah dengan mempertimbangkan semua faktor yang

mempengaruhi probabilitas tersebut, dalam hal ini metode ini sangat

berperan untuk menentukan probabilitas yang telah dipengaruhi oleh

faktor lain.

  Pendekatan bayes pada saat klasifikasi adalah mencari probabilitas

tertinggi (VMAP) dengan masukan atribut (a1, a2, a3, …, an) seperti

tampak pada persamaan 2.2 berikut :

  � = arg max � | , , , … ,

  ��� vj ∈ �

  15 Teorema Bayes sendiri berawal dari rumus berikut : � � ∩ �

  � � | � = � �

Persamaan 2.2

  Dimana P (A | B) artinya peluang A jika diketahui keadaan B Rumus Formula Bayes � � � �|� = � �|�

  � �

Persamaan 2.3

  Dimana :

P(H|E) : Probabilitas hipotesis H jika terdapat evidence E

P(E|H) : Probabilitas munculnya evidence E jika diketahui hipotesa H

  Jika setelah dilakukan pengujian terhadap hipotesis, muncul satu atau lebih evidence baru, maka : � �|�, � � �|�, � = � �|�

  � �|�

Persamaan 2.4

  Dimana : e : evidence lama E : evidence atau observasi baru P(H|E,e) : Probabilitas adanya hipotesis H jika muncul evidence baru E dari evidence lama e

P(H|E) : Probabilitas hipotesis H jika terdapat evidence E

  P(e|E,H) : Probabilitas kaitan antara e dan e jika hipotesis h benar P(e|E) : Probabilitas kaitan antara e dan E tanpa memandang hipotesis apapun.

  16

2.4 Metode Pengujian 2.4.1. White Box

  Pengujian white box dilakukan untuk menguji prosedur-prosedur yang ada lintasan lojik yang dilalui oleh setiap bagian prosedur diuji dengan memberikan kondisi / loop spesifik. Pengujian white box menjamin pengujian terhadap semua lintasan yang tidak bergantungan minimal satu kali, mencoba semua keputusan lojik dari sisi true dan false, ekseskusi semua loop dalam batasan kondisi dan batasan operasionalnya data pengujian validasi data internal.

  

Konsep pengujian basis path ialah sebagai berikut :

a.

  Merupakan bagian dari pengujian white box dalam hal pengujian prosedur-prosedur.

  b.

  Mempergunakan notasi aliran graph ( node, link untuk merepresentasikan sequence, if, while, until, dll ).

  c.

  Konsep kompleksitas cyclomatic antara lain cara perhitungan daerah tertutup pada graph planar dimana dapat menghubungkan batas atas jumlah pengujian yang harus direncanakan dan di eksekusi untuk menjamin pengujian seluruh statement program.

  d.

  Memunculkan kasus-kasus yang akan diuji dengan membuat daftar lintasan kasus pengujian berdasarkan kompleksitas dan cyclomatic yang di dapat.

  e.

  Membuat alat bantu untuk matrix graph yang membantu pengawasan pengujian.

2.4.2. Black Box Pengujian yang dilakukan untuk antarmuka perangkat lunak.

  Pengujian ini dilakukan untuk memperlihatkan bahwa hasil fungsi- fungsi bekerja dengan baik dalam arti masukan yang diterima dengan

  17 benar dan keluaran yang dihasilkan benar-benar tepat pengintegrasian dari eksternal data berjalan dengan baik.

  Metode pengujian black box memfokuskan pada requirement fungsi dari perangkat lunak pengujian ini merupakan kompetensi dari pengujian white box. Pengujian white box dilakukan pada tahap akhir dari pengujian perangkat lunak.

  Proses yang terdapat dalam proses pengujian black box antara lain sebagai berikut : a.

  Pembagian kelas data untuk pengujian setiap kasus yang muncul pada pengujian white box.

  b.

  Analisis batasan nilai yang berlaku untuk setiap data.

  2.5 WAMP SERVER 2.2 WAMP ( Windows, Apache, MySQL, PHP) merupakan server yang dapat dijalankan computer tanpa memerlukan sambungan internet. Server di computer ini disebut dengan Local Server (Localhost) yang mana server ini nantinya akan kita install website hosting yang sudah memiliki system CMS ( Content Management System), proses intalasi WebHosting CMS di local server ini disebut juga proses pembuatan database di komputer /local Server (localhost).

  2.6 PHP (Hypertext Prepocessor) Pada awalnya PHP merupakan kependekan dari Personal Home Page (Situs Personal). PHP pertama kali dibuat oleh Rasmus Lerdorf pada tahun

  1995. Pada waktu itu PHP masih bernama Form Interpreted (FI), yang wujudnya berupa sekumpulan skrip yang digunakan untuk mengolah data formulir dari web.

  Selanjutnya Rasmus merilis kode sumber tersebut untuk umum dan menamakannya PHP/FI. Dengan perilisan kode sumber ini menjadi sumber

  18 terbuka, maka banyak pemrograman yang tertarik untuk ikut mengembangkan PHP.

  Pada November 1997, dirilis PHP?FI 2.0 Pada rilis ini, interpreter PHP sudah diimplementasikan dalam program C. Dalam rilis ini disertakan juga modul-modul ekstensi yang meningkatkan kemampuan PHP/FI secara signifikan.

  Pada tahun 1997, sebuah perusahaan bernama Zend menulis ulang interpreter PHP menjadi lebih bersih, lebih baik, dan lebih cepat. Kemudian pada Juni 1998, perusahaan tersebut merilis interpreter baru untuk PHP dan meresmikan rilis tersebut sebagai PHP 3.0 dan singkatan PHP diubah menjadi akronim berulang PHP : Hypertext Preprocessing.

  Pada pertengahan tahun 1999, Zend merilis interpreter PHP baru dan rilis tersebut dikenal dengan PHP 4.0. PHP 4.0 adalah versi PHP yang paling banyak dipakai pada awal abad ke-21. Versi ini banyak dipakai disebabkan kemampuannya untuk membangun aplikasi web kompleks tetapi tetap memiliki kecepatan dan stabilitas yang tinggi.

  Pada Juni 2004, Zend merilis PHP 5.0. Dalam versi ini dari interpreter PHP mengalami perubahan besar. Versi ini juga memasukkan model pemrograman berorieantasi objek ke dalam PHP untuk menjawab perkembangan bahasa pemrograman kea rah paradigm berorientasi objek.

2.7 MySQL

  MySQL adalah sebuah perangkat lunak sistem manajemen basis data SQL dalam bahasa Inggris yang berarti Database Management System atau DBMS

yang multithread, multi-user, dengan sekitar 6 juta instalasi diseluruh dunia.

  Tidak sama dengan proyek-proyek seperti Apache, dimana perangkat lunak dikembangkan oleh komunitas umum, dan hak cipta untuk kode sumber dimiliki oleh penulisnya masing-masing. MySQL dimiliki dan disponsori oleh sebuah perusahaan komersial Swedia MySQl AB, dimana memegang hak cipta

  19

hampir atas semua kode sumbernya. Kedua orang Swedia dan satu orang

Finlandia yang mendirikan MySQL AB adalah : David axmark, Allan Larsson,

dan Michael “Monty” Widenius.

  MySQL adalah sebuah implementasi dari sistem manajemen basisdata

relasional (RDBMS) yang didistribusikan secara gratis dibawah lisensi GPL

(General Public License). Setiap pengguna dapat secara bebas menggunakan

MySQL, namun dengan batasan perangkat lunak tersebut tidak boleh dijadikan

produk turunan yang bersifat komersial. MySQL sebenarnya merupakan turunan

salah satu konsep utama dalam basisdata yang telah ada sebelumnya. SQL (

Structured Query Language). SQL adalah sebuah konsep pengoperasian

basisdata, terutama untuk pemilihan atau seleksi dan pemasukkan data, yang

memungkinkan pengoperasian data dikerjakan dengan mudah secara otamatis.

  Kehandalan suatu sistem basisdata (DBMS) dapat diketahui dari cara kerja

pengoptimasi-nya dalam melakukan proses perintah-perintah SQL yang dibuat

oleh pengguna maupun program-program aplikasi yang memanfaatkannya.

Sebagai peladen basis data, MySQL mendukung operasi basis data

transaksional maupun operasi basis data non-transaksional. Pada modus operasi

non-transaksional, MySQL dapat dikatakan unggul dalam hal unjuk kerja

dibandingkan perangkat lunak peladen basisdara competitor lainnya. Namun

demikian pada modus non-transaksional tidak ada jaminan atas reliabilitas

terhadap data yang tersimpan, karenanya modus non-transaksional hanya cocok

untuk jenis aplikasi yang tidak membutuhkan reabilitas data seperti aplikasi

blogging berbasis web (wordpress), CMS dan sejenisnya. Untuk kebutuhan

sistem yang ditunjukkan untuk bisnis sangat disarankan untuk menggunakan

modus basisdata transaksional, hanya saja sebagai konsekuensinya unjuk kerja

MySQL pada modus transaksional tidak secepat unjuk kerja pada modus non-

transaksional.

  20

2.8 Adobe dreamweaver CS 5

  Adobe Dreamweaver merupakan program penyunting halaman web keluaran Adobe System yang dulu dikenal sebagai Macromedia dreamweaver keluaran macromedia. Program ini banyak digunakan oleh pengembang web karena fitur-fiturnya yang menarik dan kemudahan penggunaannya. Versi terakhir macromedia Dreamweaver sebelum Macromedia dibeli oleh Adobe Systems yaitu versi 8. Versi terakhir Dreamweaver keluaran Adobe Systems adalah versi 12 yang ada dalam Adobe Creative Suite 6 (sering disingkat Adobe CS6).

  Adobe Dreamweaver adalah aplikasi desain dan pengembangan web yang menyediakan editor WYSIWYG visual (bahasa sehari-hari yang disebut sebagai Design View) dank ode editor dengan fitur standar seperti syntax highlighting, code completion, dan code collapsing serta fitur lebih canggih seperti real-time syntax checking dan code introspection untuk menghasilkan petunjuk kode untuk membantu pengguna dalam menulis kode. Tata letak tampilan design memfasilitasi desain cepat dan pembuatan kode seperti memungkinkan pengguna dengan cepat membuat tata letak dan manipulasi elemen HTML.

  Dreamweaver memiliki fitur browser yang terintegrasi untuk melihat halaman web yang dikembangkan di jendela pratinjau program sendiri agar konten memungkinkan untuk terbuka di web browser yang telah terinstalll. Aplikasi ini menyediakan transfer dan fitur sinkronisasi, kemampuan untuk mencari dan menggangti baris teks atau kode untuk mencari kata atau kalimat biasa di seluruh situs, dan templating feature yang memungkinkan untuk berbagi satu sumber kode atau memperbarui tata letak di seluruh situs tanpa server side includes atau scripting. Behavior panel juga memungkinkan penggunaan javascript dasar tanpa pengetahuan coding, dan integrasi dengan Adobe Spry Ajax framework menawarkan akses mudah ke konten yang dibuat secara dinamis dan interface.

  21 Dreamweaver dapat menggunakan ekstensi dari pihak ketiga untuk memperpanjang fungsionalitas inti dari aplikasi, yang setiap pengembang web bisa menulis (sebagian besar dalam HTML dan javaScript). Dreamweaver didukung oleh komunitas besar pengembang ekstensi yang membuat ekstensi yang tersedia (baik komersial maupun yang gratis) untuk pengembangan web dari efek rollover sederhana sampai full-featured shopping chart.

2.9 Adobe Photoshop CS 3

  Adobe photoshop, atau biasa disebut Photoshop, adalah perangkat lunak editor citra buatan adobe systems yang dikhususkan pengeditan foto/gambar dan pembuatan efek. Perangkat lunak ini banyak digunakan oleh fotografer digital dan perusahaan iklan sehingga dianggap sebagai pemimpin pasar (market leader) untuk perangkat lunak pengolah gambar/foto dan bersama Adobe acrobat, dianggap sebagai produk terbaik yang pernah diproduksi oleh Adobe Systems. Versi kedelapan aplikasi ini disebut dengan nama photoshop CS (Creative Suite), versi Sembilan disebut Adobe Photoshop CS2, versi sepuluh disebut Adobe Photoshop CS3, versi kesebelas adalah Adobe Photoshop CS4, versi keduabelas adalah Adobe Photoshop CS5, dan versi yang terakhir ketiga belas adalah Adobe Photoshop CS6.

  Photoshop tersedia untuk Microsoft Windows, Mac OS X, dan Mac OS versi 9 ke atas juga dapat digunakan oleh sistem operasi lain seperti Linux dengan bantuan perangkat lunak tertentu seperti Crossover.