Fuzzy Conditional Probability dalam Sistem Pakar untuk Menentukan Jurusan SMK

Universitas Sumatera Utara

FUZZY CONDITIONAL PROBABILITY DALAM SISTEM PAKAR UNTUK MENENTUKAN JURUSAN SMK SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Teknologi Informasi DESFI RAHMADANI 081402053
PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA MEDAN 2014
Universitas Sumatera Utara

ii

Judul
Kategori Nama Nomor Induk Mahasiswa Program Studi Departemen Fakultas

: FUZZY CONDITIONAL PROBABILITY DALAM SISTEM PAKAR UNTUK MENENTUKAN JURUSAN SMK
: SKRIPSI : DESFI RAHMADANI : 081402053 : SARJANA (S1) TEKNOLOGI INFORMASI : TEKNOLOGI INFORMASI : ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI (FASILKOMTI) UNIVERSITAS SUMATERA UTARA

Komisi Pembimbing Pembimbing 1

Diluluskan di Medan, Juli 2014
:

Pembimbing 2

Syahril Efendi, S.Si.M.IT NIP 1967110 199602 1 001

Dra. Elly Rosmaini, M.Si. NIP 19600520 1985503 2 002

Diketahui/Disetujui oleh Program Studi S1 Teknologi Informasi Ketua,

M. Anggia Muchtar, ST.MM.IT NIP 19800110 200801 1 010

Universitas Sumatera Utara

iii
FUZZY CONDITIONAL PROBABILITY DALAM SISTEM PAKAR UNTUK MENENTUKAN JURUSAN SMK SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya sendiri, kecuali beberapa kutipan dan ringkasan yang masing;masing disebutkan sumbernya. Medan, Juli 2014 Desfi Rahmadani 081402053
Universitas Sumatera Utara

iv
Puji dan syukur penulis sampaikan kehadirat Allah SWT yang telah memberikan rahmat dan hidayah;Nya sehingga penulis dapat menyelesaikan skripsi ini sebagai syarat untuk memperoleh gelar Sarjana Teknologi Informasi, Program Studi S1 Teknologi Informasi Universitas Sumatera Utara.
Ucapan terima kasih penulis sampaikan kepada Bapak Syaril Efendi, S.Si.M.IT selaku pembimbing satu dan Ibu Dra. Elly Rosmaini, M.Si selaku pembimbing dua yang telah banyak meluangkan waktu dan pikirannya, memotivasi dan memberikan kritik dan saran kepada penulis. Ucapan terima kasih juga ditujukan kepada Ibu Dr. Erna Budhiarti Nababan, MIT dan Ibu Dra. Mardiningsih, M.Si yang telah bersedia menjadi dosen pembanding. Ucapan terima kasih juga ditujukan kepada Ketua dan Sekretaris Program Studi Teknologi Informasi, Prof. Dr. Opim Salim Sitompul, M.Sc. dan Drs. Sawaluddin, M.IT, Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara, semua dosen serta pegawai di Program Studi S1 Teknologi Informasi. Terima kasih kepada Bapak Dedi Ardiansyah, S.Pd selaku Guru BK SMP Swasta Satria Nusantara yang telah banyak meluangkan waktu dan pikirannya. Serta terima kasih banyak kepada Bapak Kepala Sekolah SMP Swasta Satria Nusantara yang telah memberikan ijin kepada penulis agar dapat melakukan penelitiannya.

Skripsi ini terutama penulis persembahkan untuk kedua orang tua dan keluarga penulis yang telah memberikan dukungan dan motivasi, ayahanda Yusuf dan ibunda Surilawati yang selalu sabar dalam mendidik dan membesarkan penulis. Untuk kakak penulis Yenni Purnama yang selalu memberikan dorongan kepada penulis. Terima kasih penulis ucapkan kepada teman;teman yang selalu memberikan dukungan, Ester Fadli, Fanny, Ika, Lia, Mutiara, Umi, dan seluruh angkatan 2008, serta teman;teman mahasiswa Teknologi Informasi lainnya yang tidak dapat penulis sebutkan satu persatu. Semoga Allah SWT membalas kebaikan kalian dengan nikamat yang berlimpah.
Universitas Sumatera Utara

v
Banyak lulusan SMP yang melanjutkan belajarnya di SMK akan pindah jurusan atau bahkan drop out. Hal ini disebabkan kurang matangnya mereka memilih jurusan yang dituju. Mereka kurang mencari informasi mengenai jurusan yang sesuai dengan kemampuan, minat, bakat dan kepribadian. Oleh karena itu dibutuhkan suatu sistem pakar yang membantu peserta didik dalam menentukan jurusan yang tepat sesuai minat dan kemampuan. Sistem pakar ini menggunakan fuzzy conditional probability yang dikombinasikan dengan forward chaining untuk mencari kemungkinan jurusan yang cocok. Setelah user memasukkan data mengenai kemampuan, kesukaan dan kepribadiannya, maka sistem akan mencari jurusan yang sesuai menggunakan forward chaining. Tahapan pada sistem pakar ini yaitu ubah masukan dari user menjadi nilai fuzzy lalu dicari nilai kesesuaian antara masukan dari user dengan data yang ada di dalam knowledge&based. Setelah nilai kesesuaian didapatkan, maka akan dicari nilai probability jurusan. Setelah itu maka akan dilakukan pengurutan hasil yang diterima secara descending. Secara umum, sistem pakar ini dapat menentukan jurusan SMK yang tepat dan sistem ini berjalan sesuai dengan yang diharapkan. Keyword : Sistem Pakar, Forward Chaining, Fuzzy Conditional Probability, Jurusan, SMK.
Universitas Sumatera Utara

vi
Many junior high school graduates who continue their study in the vocational school will move or even drop out. This is due to lack of maturation of their intended majors. They lack seek information on courses relevant to the abilities, interests, talents and personality. Therefore, it needs an expert system that helps theym in determining the appropriate major based on their abilities, interests, talents and personality. This expert system uses fuzzy conditional probability combined with forward chaining to find appropriate majors. Once users enter data regarding the abilities, interests, talents and personality, then the system will search for the appropriate major using forward chaining. First stage in this expert system is to change the input from the user into the fuzzy then sought correspondence between input from the user with the data in the knowledge;based. Once the suitability values obtained, it will look for the value of probability majors. After that it will be received by sorting the results in descending order. In general, the expert system is able to determine the appropriate vocational majors and the system is running as expected. Keywords: Expert System, Forward Chaining, Fuzzy Conditional Probability, Majors, Vocational School.
Universitas Sumatera Utara

vii

Halaman

Persetujuan Pernyataan Penghargaan Abstrak Abstract Daftar Isi Daftar Tabel Daftar Gambar

ii iii iv v vi vii ix xi

Bab 1 Pendahuluan 1.1 Latar Belakang 1.2 Rumusan Masalah 1.3 Batasan Masalah 1.4 Tujuan Penelitian 1.5 Manfaat Penelitian 1.6 Metode Penelitian 1.7 Sistematika Penulisan

1 1 2 3 3 4 4 5

Bab 2 Landasan Teori 2.1 Kecerdasan Buatan 2.2 Sistem Pakar 2.2.1 Komponen Sistem Pakar 2.2.2 Perunutan 2.3 Fuzzy Sets 2.3.1 Himpunan Fuzzy 2.3.2 Fungsi Keanggotaan 2.4 Probability 2.5 Conditional Probability 2.6 Hubungan antara Probability dan Fuzzy 2.7 Nilai Kesesuian 2.8 Fuzzy Conditional Probability 2.9 Bimbingan Konseling 2.10 Sekolah Kejuruan Menengah 2.11 Penelitian Terdahulu Menggunakan Fuzzy Conditional Probability 2.12 Penelitian Terdahulu Mengenai Masalah Penentuan Jurusan

7 7 8 8 10 10 11 11 15 16 17 18 21 22 23 24 25

Bab 3 Analisis dan Perancangan Sistem 3.1 Identifikasi Masalah 3.2 Perancangan Sistem 3.2.1 Basis Pengetahuan 3.2.2 Mesin Inferensi

29 29 29 30 31

Universitas Sumatera Utara

viii

3.2.3 Ubah Jawaban User Menjadi Nilai Fuzzy 3.2.4 Perhitungan Nilai Kesesuaian 3.2.5 Perhitungan Fuzzy Conditional Probability 3.2.4 Pengurutan hasik secara descending 3.3 Perancangan Sistem 3.3.1 Perancangan Basis Data
3.3.1.1 Perancangan DFD 3.3.1.2 Perancangan ERD 3.2.1.3 Kamus Data 3.3.2 Perancangan Menu Sistem 3.3.3 Perancangan Antarmuka 3.3.3.1 Rancangan Halaman Utama 3.3.4.2 Rancangan Halaman Menu Penentuan Jurusan 3.3.4.3 Rancangan Halaman Penentuan Jurusan Tahap 2 3.3.4.4 Rancangan Halaman Penentuan Jurusan Tahap 3 3.3.4.5 Rancangan Halaman Penentuan Jurusan Tahap 4 3.3.4.6 Rancangan Halaman Penentuan Jurusan Tahap 5 3.3.4.7 Rancangan Halaman Profil Administrator 3.3.4.8 Rancangan Halaman Menu Input Data 3.3.4.9 Rancangan Halaman Menu Input Data Aturan;aturan 3.3.4.10 Rancangan Halaman Menu Input Data Aturan;aturan 3.3.4.11 Rancangan Halaman Menu Input Data Aturan;aturan 3.3.4.12 Rancangan Halaman Menu Input Data Aturan;aturan 3.2.4.13 Rancangan Halaman Menu Update Data 3.2.4.14 Rancangan Halaman Menu Update Data 3.2.4.15 Rancangan Halaman Menu Update Data

32 34 34 34 29 36 38 41 42 46 46 46 47 48 49 50 51 52 53 54 54 55 56 56 57 58

Bab 4 Implementasi dan Pengujian Sistem 4.1 Implementasi Sistem 4.1.1 Spesifikasi Perangkat Keras dan Lunak yang Digunakan 4.1.2 Implementasi perancangan antar Muka 4.2 Pengujian Sistem 4.2.1 Rencana Pengujian Sistem 4.2.2 Kasus dan Hasil Pengejujian Sistem 4.2.3 Pengejujian Data pada Sistem

59 59 59 59 65 65 66 71

Bab 5 Kesimpulan dan Saran 5.1 Kesimpulan 5.2 Saran

75 75 75

Daftar Pustaka

76

LAMPIRAN A: Listing Program

78

Universitas Sumatera Utara

ix
Hal.

! !!!!!!!!!!!!!!!! ! !!!!!!!!!!!!!!!!!!!!!!!!!!!!!! ! !!!!!!!!!!!!!!!!!!!!!!!!!!!!!! ! !!!!!!!!!!!!!!!!!!!!!!!!!!!!! ! !!!!!!!!!!!!!!! ! !!!!!!!!!!!!!!!! !" !!!!!!!!!!!!!!!!!!!!!!!!!!!!!! !# !!!!!!!!!!!!!!!!!!!!!!!!!!!!! ! !!!!!!!!!!!!!!! ! !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! ! $ %!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! " ! !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! # ! !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! # ! !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! # ! !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! # ! " !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! ! # !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! ! !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! ! & !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! ! & !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! ! !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! & ! " !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! & ! # !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! & ! !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! & ! & !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! & ! & !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! ! !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
Universitas Sumatera Utara

x
! !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! ! !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! ! !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! ! !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! ! ! !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! ERROR! BOOKMARK NOT DEFINED. ! ! !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! ERROR! BOOKMARK NOT DEFINED. ! ! $ % !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! ERROR! BOOKMARK NOT DEFINED. ! ! $ % !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! ERROR! BOOKMARK NOT DEFINED. ! ! $ % !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! ERROR! BOOKMARK NOT DEFINED.
Universitas Sumatera Utara

xi

! !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!

! !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!

!!

! !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!

! !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!

! !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! "

!# !!!! ERROR! BOOKMARK NOT DEFINED.

! BOOKMARK NOT DEFINED.

!!!!!!!!!!!!!!ERROR!

!& BOOKMARK NOT DEFINED.

!!!!!!!!!!!!!!ERROR!

! BOOKMARK NOT DEFINED.

!!!!!!!!!!!!ERROR!

! BOOKMARK NOT DEFINED.

!!!!!!!!!!!!ERROR!

! BOOKMARK NOT DEFINED.

!!!!!!!!!!!!ERROR!

! DEFINED.

!!!!!!!!!!!! ERROR! BOOKMARK NOT

! DEFINED.

!!! ERROR! BOOKMARK NOT

! NOT DEFINED.

! ERROR! BOOKMARK

!" BOOKMARK NOT DEFINED.

ERROR!

!# BOOKMARK NOT DEFINED.

ERROR!

! BOOKMARK NOT DEFINED.

ERROR!

Universitas Sumatera Utara

xii

!& DEFINED.

ERROR! BOOKMARK NOT

! !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! ERROR! BOOKMARK NOT DEFINED.

! NOT DEFINED.

!!! ERROR! BOOKMARK

! !!!!!!!! ERROR! BOOKMARK NOT DEFINED.

! DEFINED.

!!!!!!!! ERROR! BOOKMARK NOT

! !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! ERROR! BOOKMARK NOT DEFINED.

! BOOKMARK NOT DEFINED.

!!!!!!!!!ERROR!

! BOOKMARK NOT DEFINED.

!!!!!!!!!!!!!!!!!!!!!!ERROR!

!" BOOKMARK NOT DEFINED.

!!!!!!!!!!!!!!!!!!!!!ERROR!

!# !!!!!!!!!!!!! ERROR! BOOKMARK NOT DEFINED.

! DEFINED.

!!!!!!!!! ERROR! BOOKMARK NOT

!& BOOKMARK NOT DEFINED.

!!!!!!!ERROR!

! !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! ERROR! BOOKMARK NOT DEFINED.

! !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! ERROR! BOOKMARK NOT DEFINED.

! !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! ERROR! BOOKMARK NOT DEFINED.

! DEFINED.

!!! ERROR! BOOKMARK NOT

! BOOKMARK NOT DEFINED.

!!!!!!ERROR!

! BOOKMARK NOT DEFINED.

!!!!!!!!!!!!ERROR!

Universitas Sumatera Utara

v
Banyak lulusan SMP yang melanjutkan belajarnya di SMK akan pindah jurusan atau bahkan drop out. Hal ini disebabkan kurang matangnya mereka memilih jurusan yang dituju. Mereka kurang mencari informasi mengenai jurusan yang sesuai dengan kemampuan, minat, bakat dan kepribadian. Oleh karena itu dibutuhkan suatu sistem pakar yang membantu peserta didik dalam menentukan jurusan yang tepat sesuai minat dan kemampuan. Sistem pakar ini menggunakan fuzzy conditional probability yang dikombinasikan dengan forward chaining untuk mencari kemungkinan jurusan yang cocok. Setelah user memasukkan data mengenai kemampuan, kesukaan dan kepribadiannya, maka sistem akan mencari jurusan yang sesuai menggunakan forward chaining. Tahapan pada sistem pakar ini yaitu ubah masukan dari user menjadi nilai fuzzy lalu dicari nilai kesesuaian antara masukan dari user dengan data yang ada di dalam knowledge&based. Setelah nilai kesesuaian didapatkan, maka akan dicari nilai probability jurusan. Setelah itu maka akan dilakukan pengurutan hasil yang diterima secara descending. Secara umum, sistem pakar ini dapat menentukan jurusan SMK yang tepat dan sistem ini berjalan sesuai dengan yang diharapkan. Keyword : Sistem Pakar, Forward Chaining, Fuzzy Conditional Probability, Jurusan, SMK.
Universitas Sumatera Utara

vi
Many junior high school graduates who continue their study in the vocational school will move or even drop out. This is due to lack of maturation of their intended majors. They lack seek information on courses relevant to the abilities, interests, talents and personality. Therefore, it needs an expert system that helps theym in determining the appropriate major based on their abilities, interests, talents and personality. This expert system uses fuzzy conditional probability combined with forward chaining to find appropriate majors. Once users enter data regarding the abilities, interests, talents and personality, then the system will search for the appropriate major using forward chaining. First stage in this expert system is to change the input from the user into the fuzzy then sought correspondence between input from the user with the data in the knowledge;based. Once the suitability values obtained, it will look for the value of probability majors. After that it will be received by sorting the results in descending order. In general, the expert system is able to determine the appropriate vocational majors and the system is running as expected. Keywords: Expert System, Forward Chaining, Fuzzy Conditional Probability, Majors, Vocational School.
Universitas Sumatera Utara

! '(') *+','-.
Sistem Pakar adalah salah satu cabang kecerdasan buatan yang menggunakan pengetahuan;pengetahuan khusus yang dimiliki oleh seorang ahli untuk menyelesaikan suatu masalah tertentu. Kajian pokok dalam sistem pakar adalah bagaimana mentransfer sebagian pengetahuan yang dimiliki oleh seorang pakar ke dalam komputer dan bagaimana mengambil keputusan atau membuat kesimpulan berdasarkan pengetahuan itu. Dengan menyimpan informasi dan digabungkan dengan himpunan aturan penalaran yang memadai memungkinkan komputer memberikan kesimpulan atau mengambil keputusan seperti seorang pakar (Hartati et al, 2008).
Sebelum tahun 2010, pendidikan SMK (Sekolah Menengah Kejuruan) merupakan pilihan nomor dua setelah SMA (Sekolah Menengah Atas), karena peserta didik lulusan SMP (Sekolah Menengah Pertama) lebih memilih SMA. Seiring dengan perhatian Pemerintah untuk mengubah persepsi SMK, SMK sekarang telah mulai jadi pilihan lulusan SMP sebagai tempat melanjutkan belajar. Penulis memberikan kuisioner terhadap 30 peserta didik dari SMP Swasta Satria Nusantara mengenai pilihan yang akan diambil setelah lulus dari SMP. Dari kuisioner tersebut, sebanyak 60% memilih SMK dan 40% yang memilih SMA. Alasan paling umum peserta didik memilih SMK karena setelah lulus SMK, peserta didik dapat langsung kerja. Alasan lainnya adalah karena di SMK, peserta didik lebih dapat mengasah kemampuan, bakat dan keterampilan.
Banyak peserta didik lulusan SMP yang melanjutkan belajarnya di SMK akan pindah jurusan atau bahkan drop out. Hal ini disebabkan kurang matangnya mereka memilih jurusan yang dituju. Mereka kurang mencari informasi mengenai jurusan yang sesuai dengan kemampuan, minat, bakat dan kepribadian. Oleh karena itu
Universitas Sumatera Utara

2
dibutuhkan suatu sistem pakar yang membantu peserta didik dalam menentukan jurusan yang tepat sesuai minat dan kemampuan. Berikut ini adalah penelitian mengenai penentuan jurusan antara lain Sistem Pendukung Keputusan menggunakan Metode Simple Additive Weighting (SAW) untuk menentukan Jurusan pada SMK Bakti Purwekerto (Hermanto, 2012), Perancangan Sistem Pakar Penentuan Jurusan dengan Mengunakan Pendekatan Bayesian Network (Mucthar et al, 2011), Sistem Pendukung Keputusan Pemilihan Jurusan SMK Menggunakan Neuro Fuzzy (Dwi et al, 2010), dan Penentuann Jurusan di SMAN 8 Surakarta dengan Fuzzy Inference System (FIS) Mamdani (Glesung, 2010)
Pada penelitian ini penulis akan membangun sistem pakar untuk menentukan jurusan SMK. Sistem pakar ini menggunakan fuzzy conditional probability yang dikombinasikan dengan forward chaining untuk mencari kemungkinan jurusan yang cocok. Setelah user memasukkan data mengenai kemampuan, minat dan kepribadiannya, maka sistem akan mencari jurusan yang sesuai menggunakan forward chaining. Tahapan pada sistem pakar ini yaitu ubah masukan dari user menjadi nilai fuzzy lalu dicari nilai kesesuaian antara masukan dari user dengan data yang ada di dalam knowledge&based. Setelah nilai kesesuaian didapatkan, maka akan dicari nilai probability jurusan. Setelah itu maka akan dilakukan pengurutan hasil yang diterima secara descending. Terdapat beberapa penelitian menggunakan fuzzy conditional probability dalam berbagai kasus sistem pakar seperti analisa Penyakit Dalam manusia (Willyanto et al, 2008), diagnosis Penyakit THT (Sinaga. 2010), diagnosis Penyakit Mulut (Simanjuntak. 2011) dan lain;lain.
! /0/1'- '1'+'2
Banyak peserta didik lulusan SMP yang melanjutkan belajarnya di SMK akan pindah jurusan atau bahkan drop out. Hal ini disebabkan kurang matangnya mereka memilih jurusan yang dituju. Mereka kurang mencari informasi mengenai jurusan yang sesuai dengan kemampuan, minat dan kepribadian. Berdasarkan latar belakang tersebut maka permasalahan pada penelitian ini adalah bagaimana membantu peserta didik di SMP dalam menentukan jurusan di SMK agar peserta didik tidak pindah jurusan atau bahkan drop out.
Universitas Sumatera Utara

! '('1'- '1'+'2

3

Guna mencegah meluasnya cakupan permasalahan yang akan dibahas dalam studi ini dan untuk membuat studi ini lebih terarah, maka dilakukan pembatasan masalah sebagai berikut:
1. Sistem pakar ini berbasis web.
2. Jurusan yang digunakan yaitu jurusan yang terdapat di SMK Negeri 1 Kota Binjai. Jumlah jurusan tersebut sebanyak 5 Data SMK Negeri 1 Kota Binjai Tahun 2014.
3. Variabel yang digunakan adalah kemampuan, minat, bakat dan kepribadian.
4. Variabel kemampuan terdiri dari kemampuan umum, penalaran dan keterampilan. Kemampuan umum terdiri kemampuan spasial, kemampuan teknis dan kemampuaan analitis. Penalaran terdiri atas penalaran verbal, penalaran numerik dan penalaran persepsi. Keterampilan terdiri dari keterampilan ketajaman.
5. Variabel Minat dan Bakat terdiri dari bidang literatur, kreatif, sosial, eksekutif, penelitian, praktikal dan administrative.
6. Variabel kepribadian terdiri dari beberapa 4 tipe yaitu tipe 1 adalah Sensitif dan Faktual, Tipe 2 adalah Lincah dan Tenang, Tipe 3 adalah Agresif dan Pasif, Tipe 4 adalah Mandiri dan Bekerja Sama.
! /3/'- *-*+4(4'-

Tujuan penelitian ini adalah membangun sistem pakar dalam pemilihan jurusan di SMK dengan menggunakan fuzzy conditional probability.

Universitas Sumatera Utara

! '-5''( *-*+4(4'-

4

Manfaat yang dapat diperoleh dari penelitian ini adalah:
1. Mengetahui penggunaan fuzzy conditional probability dalam sistem pakar untuk menentukan jurusan SMK.
2. Menambah pemahaman penulis tentang penggunaan fuzzy conditional probability dalam sistem pakar untuk menentukan jurusan SMK
3. Sebagai referensi untuk penelitian lain yang membahas fuzzy conditional probability, sistem pakar dan menentukan jurusan SMK.
!" *(676+6.4 *-*+4(4'-

Metodologi penelitian yang digunakan pada penelitian ini adalah:
a. Studi Literatur Pada tahap ini dilakukan studi kepustakaan yaitu proses mengumpulkan bahan refernsi mengenai sistem pakar menggunakan forward chaining dan fuzzy conditional probability dari berbagai buku, jurnal, artikel, dan beberapa referensi lainnya.
b. Analisis Pada tahap ini dilakukan analisis terhadap studi literature untuk mengetahui dan mendapatkan pemahaman mengenai fuzzy conditional probability untuk menentukan jurusan SMK.
c. Perancangan Pada tahap perancangan sistem dilakukan perancangan arsitektur, pengumpulan data, pelatihan, dan merancang antarmuka. Proses perancangan dilakukan berdasarkan hasil analisis studi literatur yang telah didapatkan.

Universitas Sumatera Utara

5
d. Implementasi Pada tahap implementasi sistem ini akan dilakukan pengkodean program menggunakan PHP, javascript, dan MySQL.
e. Pengujian Pada tahap ini dilakukan pengujian aplikasi menentukan jurusan smk yang telah dibuat guna memastikan aplikasi telah berjalan sesuai dengan apa yang diharapkan.
f. Dokumentasi dan Penyusunan Laporan Pada tahap ini dilakukan dokumentasi hasil analisis dan implementasi fuzzy conditional probability untuk menentukan jurusan SMK.
!# 41(*0'(4,' *-/+41'-
Sistematika penulisan dari skripsi ini terdiri dari lima bagian utama sebagai berikut:
'8 *-7'2/+/'Bab ini berisi latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian, dan sistematika penulisan.
'8 9 '-7'1'- *6)4 Bab ini berisi teori;teori yang digunakan untuk memahami permasalahan yang dibahas pada penelitian ini. Pada bab ini dijelaskan tentang penerapan fuzzy conditional probability untuk menentukan jurusan SMK.
'8 9 -'+4141 7'- *)'-:'-.'Bab ini berisi analisis dan penerapan fuzzy conditional probability untuk menentukan jurusan SMK, serta perancangan seperti pemodelan dengan flowchart dan DFD.
Universitas Sumatera Utara

6 '8 9 0;+*0*-('14 7'- *-./34'Bab ini berisi pembahasan tentang implementasi dari analisis dan perancangan yang disusun pada Bab 3 dan pengujian apakah hasil yang didapatkan sesuai dengan yang diharapkan. '8 9 *140;/+'- '- ')'Bab ini berisi kesimpulan dari keseluruhan uraian bab;bab sebelumnya dan saran; saran yang diajukan untuk pengembangan penelitian selanjutnya.
Universitas Sumatera Utara

Bab ini membahas tentang teori penunjang dan penelitian sebelumnya yang berhubungan dengan penerapan fuzzy conditional probability dalam sistem pakar untuk menentukan jurusan SMK.
! *:*)7'1'- /'('-
Kecerdasan buatan adalah salah satu bidang ilmu komputer yang mendayagunakan komputer sehingga dapat berperilaku cerdas seperti manusia. Ilmu komputer tersebut mengembangkan perangkat lunak dan perangkat keras untuk menirukan tindakan manusia. Aktifitas manusia yang ditirukan seperti penalaran, penglihatan, pembelajaran, pemecahan masalah, pemahaman bahasa dan sebagainya (Hartati et al. 2008).
Bidang;bidang yang dipelajari oleh teknologi kecerdasan buatan adalah Robotika (Robotics), Penglihatan Komputer (Computer Vision), Pengolahan Bahasa Alami (Natural Language Processing), Pengenalan Pola (Pattern Recognition), Sistem Saraf Buatan (Artificial Neural Network), Pengenalan Suara (Speech Recognition) dan Sistem Pakar (Expert System). Kecerdasan buatan menyelesaikan masalah dengan mendayagunakan komputer untuk memecahkan masalah yang kompleks dengan cara mengikuti proses penelaran manusia. Salah satu teknik kecerdasan buatan yang menirukan proses penalaran manusia adalah sistem pakar.
Universitas Sumatera Utara

! 41(*0 ',')

8

Sistem Pakar adalah salah satu cabang kecerdasan buatan yang menggunakan pengetahuan;pengetahuan khusus yang dimiliki oleh seorang ahli untuk menyelesaikan suatu masalah tertentu. Kajian pokok dalam sistem pakar adalah bagaimana mentransfer sebagian pengetahuan yang dimiliki oleh seorang pakar ke dalam komputer dan bagaimana mengambil keputusan atau membuat kesimpulan berdasarkan pengetahuan itu. Dengan menyimpan informasi dan digabungkan dengan himpunan aturan penalaran yang memadai memungkinkan komputer memberikan kesimpulan atau mengambil keputusan seperti seorang pakar (Hartati et al, 2008).
Pengetahuan sistem pakar dibentuk dari kaidah atau pengalaman tentang prilaku elemen dari domain bidang pengetahuan tertentu. Pengetahuan pada sistem pakar diperoleh dari orang yang mempunyai pengetahuan pada suatu bidang (pakar bidang tertentu), buku;buku, jurnal ilmiah, majalah maupun dokumentasi yang tercetak lainnya. Sumber pengetahuan tersebut biasa dikenal dengan sumber keahlian (Hartati et al, 2008).
2.2.1 Komponen sistem pakar Komponen;komponen yang harus dimiliki oleh sistem pakar adalah sebagai berikut (Hartati et al, 2008):
1. Antar Muka Pengguna (User Interface) Sistem pakar menggantikan seorang pakar dalam suatu situasi tertentu, maka sistem harus menyediakan pendukung yang diperlukan oleh pemakai yang tidak memahami masalah teknis. Sistem pakar juga menyediakan komunikasi antara sistem dan pemakainya yang disebut antar muka. Antar Muka yang efektif dan ramah pengguna (user&friendly) penting sekali terutama bagi pemakai yang tidak ahli dalam bidang yang diterapkan pada sistem pakar.
2. Basis Pengetahuan (Knowledge Base) Basis pengetahuan merupakan kumpulan bidang tertentu pada tingkatan pakar dalam format tertentu. Pengetahuan ini diperoleh dari akumulasi pengetahuan pakar dan sumber;sumber pengetahuan lainnya seperti telah disebutkan

Universitas Sumatera Utara

9 sebelumnya. Basis pengetahuan bersifat dinamis, bisa berkembang dari waktu ke waktu. Perkembangan ini disebabkan karena pengetahuan selalu bertambah.
3. Mekanisme Inferensi (Inference Machine) Mesin inferensi merupakan otak dari sistem pakar berupa perangkat lunak yang melakukan tugas inferensi penalaran sistem pakar, biasanya dikatakan mesin pemikir (Thinking Machine). Pada prinsipnya mesin inferensi inilah yang akan mencari solusi dari suatu permasalahan. Konsep yang biasanya digunakan untuk mesin inferensi adalah runut balik (backward chaining) yaitu proses penalaran yang berawal dari tujuan yang kita inginkan, menelusuri fakta;fakta yang mendukung untuk mencapainya tujuan. Selain itu dapat juga menggunakan runut maju (forward chaining) yaitu proses penalaran yang bermula dari kondisi yang diketahui menuju tujuan yang diinginkan.
4. Memori Kerja (Working Memory) Memori kerja merupakan bagian dari sistem pakar yang menyimpan fakta;fakta yang diperoleh saat dilakukan proses konsultasi. Fakta;fakta inilah yang nantinya akan diolah oleh mesin inferensi berdasarkan pengetahuan yang disimpan dalam basis pengetahuan untuk menentukan suatu keputusan pemecahan masalah. Kesimpulannya bisa berupa hasil diagnosa, tindakan dan akibat. Pada Gambar 2.1 dapat dilihat hubungan antara struktur sistem pakar.
'08') ! ()/,(/) 41(*0 ',') $ ')('(4 *( '+< %
Universitas Sumatera Utara

10 2.2.2 Perunutan Dalam melakukan inferensi diperlukan adanya proses pengujian kaidah;kaidah dalam urutan tertentu untuk mencari yang sesuai dengan kondisi awal atau kondisi yang berjalan yang sudah dimasukkan pada basis data. Perunutan adalah proses pencocokan fakta, pernyatan atau kondisi berjalan yang tersimpan pada basis pengetahuan maupun pada memori kerja dengan kondisi yang dinyatakan pada premis atau bagian kondisi pada kaidah. Beberapa jenis perunutan adalah sebagai berikut (Hartati et al, 2008):
1. Runut Maju (Forward Chaining) Runut maju merupakan proses perunutan yang dimulai dengan menampilkan kumpulan data atau fakta yang menyakinkan menuju konklusi akhir. Cara kerjanya adalah inference engine memilih rule dimana data atau fakta cocok dengan informasi yang ada pada bagian working memory.
2. Runut Balik (Backward Chaining) Runut balik merupakan proses perunutan yang arahnya kebalikan dari runut maju. Cara kerjanya inference engine memulai dari goal yang telah ditentukan kemudian berjalan mundur untuk membuktikan kebenaran goal tersebut berdasarkan rule apa saja yang dapat membentuk goal tersebut.
!
Konsep logika fuzzy pertama kali diperkenalkan oleh Professor Lotfi A. Zadeh dari Universitas California, pada bulan Juni 1965. Logika fuzzy merupakan generalisasi dari logika klasik yang hanya memiliki dua nilai keanggotaan, yaitu 0 dan 1. Dalam logika fuzzy nilai kebenaran suatu penyataan berkisar dari sepenuhnya benar sampai sepenuhnya salah. Dengan teori fuzzy set, suatu objek dapat menjadi anggota dari banyak himpunan dengan derajat keanggotaan yang berbeda dalam masing;masing himpunan. Konsep ini berbeda dengan teori himpunan klasik (crisp). Teori himpunan klasik tergantung pada logika dua;nilai (two&valued logic) untuk menentukan apakah sebuah objek merupakan suatu anggota himpunan atau bukan (Willyanto et al, 2008).
Universitas Sumatera Utara

11 2.3.1 Himpunan fuzzy Pada himpunan crisp, nilai keanggotaan suatu item x dalam suatu himpunan A, yang sering ditulis dengan µA(x), memiliki dua kemungkinan yaitu (Kusumadewi et al, 2010):
a. Satu (1) yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan.
b. Nol (0) yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan.
Himpunan fuzzy memiliki 2 atribut yaitu (Kusumadewi et al, 2010): a. Linguistik yaitu penamaan suatu grup yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami seperti: MUDA, PAROBAYA, dan TUA. b. Numeris yaitu suatu nilai (angka) yang menunjukan ukuran dari suatu variabel seperti: 40, 25, 50, dst.
2.3.2 Fungsi keanggotaan Fungsi Keanggotaan (Membership Function) dalam himpunan fuzzy adalah suatu kurva yang menunjukkan pemetaan elemen;elemen input data ke dalam nilai keanggotaannya (sering juga disebut derajat keanggotaan) yang memiliki interval 0 sampai 1 (Kusumadewi et al, 2010). Beberapa jenis fungsi yang biasa digunakan untuk mendapatkan nilai keanggotaan yaitu (Kusumadewi et al, 2010):
1. Representasi Linier Pada representasi linier, pemetaan input ke derajat keanggotaannya diGambarkan sebagai suatu garis lurus. Ada dua jenis himpunan fuzzy yang linier, yaitu linier naik dan linier turun. Linier naik dimulai dari domain yang memilki derajat keanggotaan nol (0) lalu bergerak ke kanan menuju ke nilai domain yang memiliki derajat keanggotaan yang lebih tinggi. Bentuk grafiknya dapat dilihat pada Gambar 2.2.
Universitas Sumatera Utara

12

'08') ! *;)*1*-('14 4-4*) '4, $ /1/0'7*=4 *( '+< %

Fungsi keanggotaan untuk representasi linier naik :

0; ≤

µ[x] =

( (

); ≤ ≤
)

1; ≥

(2.1)

Linier turun merupakan kebalikan dari linier naik. Linier turun dimulai dari

domain yang memilki derajat keanggotaan paling tinggi lalu bergerak ke kanan

menuju ke nilai domain yang memiliki derajat keanggotaan yang lebih rendah. Bentuk

grafiknya dapat dilihat pada Gambar 2.3.

'08') ! *;)*1*-('14 4-4*) /)/- $ /1/0'7*=4 *( '+< %

Fungsi keanggotaan untuk representasi linier turun :

µ[x] =

;≤ ≤

0; ≥

(2.2)

2. Representasi Kurva Segitiga Kurva segitiga pada dasarnya merupakan gabungan antara dua garis (linier). Bentuk grafiknya dapat dilihat pada Gambar 2.4.

Universitas Sumatera Utara

13

'08') ! *;)*1*-('14 /)>' *.4(4.' $ /1/0'7*=4 *( '+< %

Fungsi keanggotaan untuk representasi kurva segitiga :

µ[x] =

0;

( (

) )

;

( );
()

0;

≤ ≤≤
≤≤ ≥

(2.3)

3. Representasi Kurva Trapesium Kurva trapesium pada dasarnya seperti bentuk segitiga, hanya saja ada beberapa titik yang memiliki nilai keanggotaan 1. Bentuk grafiknya dapat dilihat pada Gambar 2.5.

'08') ! *;)*1*-('14 /)>' )';*14/0 $ /1/0'7*=4 *( '+< % Fungsi keanggotaan untuk representasi kurva trapesium :
Universitas Sumatera Utara

0;

( (

) )

;

µ[x] = 1;

( (

) )

;

0;

≤ ≤≤ ≤≤ ≤≤
≥

14 (2.4)

4. Representasi Kurva Bentuk Bahu Contoh representasi kurva bentuk bahu pada pembagian suhu temperatur. Bentuk grafiknya dapat dilihat pada Gambar 2.6.

'08') !" *;)*1*-('14 /)>' *-(/, '2/ $ /1/0'7*=4 *( '+< %

Fungsi keanggotaan untuk representasi kurva bentuk bahu pada pembagian suhu temperatur :

Dingin :

1; ≤

µ[x] =

( (

); ≤ ≤
)

0; ≥

(2.5)

Sejuk :

µ[x] =

0;

( (

) )

;

( );
()

0;

≤ ≤≤
≤≤ ≥

(2.6)

Universitas Sumatera Utara

Normal :

µ[x] =

0;

( (

) )

;

( );
()

0;

≤ ≤≤
≤≤ ≥

15 (2.7)

Hangat :

µ[x] =

0;

( (

) )

;

( );
()

0;

≤ ≤≤
≤≤ ≥

(2.8)

Panas :

0; ≤

µ[x] =

( (

); ≤ ≤
)

1; ≥

(2.9)

!

Probability atau disebut dengan probabilitas didefinisikan sebagai kesempatan suatu peristiwa (event) akan terjadi. Peristiwa adalah satu atau lebih kemungkinan hasil dari suatu tindakan. Probabilitas suatu peristiwa dinyatakan dengan bilangan pecahan (½, ¾) atau dengan bilangan decimal (0.25, 0.50, 0.75) yang besarnya dari 0 sampai 1. Besarnya probabilitas suatu peristiwa adalah 0, artinya peristiwa tersebut tidak akan pernah terjadi. Sedangkan besarnya probabilitas suatu peristiwa adalah 1, artinya peristiwa tersebut selalu akan terjadi. (Algfahri, 2006)
Suatu kegiatan yang akan menghasilkan suatu peristiwa di dalam teori probabilitas disebut dengan percobaan (Experiment). Ketika dilakukan dua kali percobaan, peristiwa yang akan terjadi pada percobaan pertama dapat berpengaruh atau tidak dapat berpengaruh terhadap hasil peristiwa kedua. Apabila suatu peristiwa dapat mempengaruhi peristiwa lainnya maka peristiwa tersebut dapat dikatakan dependen (tergantung), dan sebaliknya apabila suatu peristiwa tidak dapat

Universitas Sumatera Utara

16
mempengaruhi peristiwa lainnya, maka dua peristiwa tersebut dikatakan independen (tidak tergantung).

Ada tiga bentuk probabilitas suatu peristiwa (Algfahri, 2006) yaitu: 1. Probabilitas Marjinal (Marginal Probability) adalah probabilitas sederhana dari terjadinya suatu peristiwa.

2. Probabilitas Gabungan (Joint Probability) adalah probabilias dari dua atau lebih peristiwa yang terjadi secara bersamaan.

3. Probabilitas Bersyarat (Conditional Probability) adalah probabilitas peristiwa kedua tejadi apabila peristiwa yang pertama terjadi. Pada suatu percobaan akan menghasilkan 2 kemungkinan peristiwa akan terjadi, yaitu peristiwa A dan peristiwa B.

!

Conditional probability untuk peristiwa independen yaitu probabilitas terjadinya peristiwa A dengan syarat peristiwa A terjadi terlebih dahulu adalah sama dengan probabilitas akan terjadinya peristiwa B.

P(B\A) = P(B)

(2.10)

Pada peristiwa yang independen antara peristiwa satu tidak akan mempengaruhi peristiwa yang lain. Atau dengan kata lain, probabilitas suatu peristiwa tidak terpengaruhi oleh peristiwa yang terjadi sebelumnya atau peristiwa yang terjadi sesudahnya.

Conditional probability untuk peristiwa independen yaitu probabilitas terjadinya peristiwa B dengan syarat peristiwa A terjadi terlebih dahulu.

()
P(B\A) =
()

(2.11)

Universitas Sumatera Utara

17
Conditional probability dua fuzzy sets dapat didefinisikan sebagai fuzzy conditional probability (Intan et al, 2005).

!" /8/-.'- -(')'

7'-

Ada 4 kemungkinan situasi dalam hubungan antara subjek dan objek yaitu (Intan et al, 2005):
1. Jika subjek mempunyai pengetahuan yang cukup dan objek mempunyai definisi yang jelas maka akan menjadi certainty.
2. Jika subjek mempunyai pengetahuan yang cukup dan objek mempunyai definisi yang belum jelas maka akan menjadi fuzzy. Umumnya fuzzy disebut juga dengan uncertainty yang deterministik, dapat terjadi di dalam situasi ketika sesuatu secara subjektif dapat mengambarkan sebuah objek. Walaupun terkadang objek tidak mempunyai definisi yang pasti atau jelas. Contohnya seorang pria mengatakan seorang wanita itu cantik. Tentunya definisi wanita cantik itu tidak jelas, tidak pasti dan subjektif. Tetapi pria tersebut yakin bahwa wanita yang ia katakan sebagai wanita cantik.
3. Jika subjek tidak mempunyai pengetahuan yang cukup dan objek mempunyai definisi yang jelas maka akan menjadi randomness. Randomness umumnya disebut dengan uncertainty yang non;deterministik karena subjek tidak dapat mengambarkan objek walaupun objek mempunyai definisi yang jelas. Probability muncul untuk mengukur kejadian. Contohnya dalam pelemparan sebuah dadu. Walaupun ada 6 possibility yang pasti terhadap hasil, tetapi tidak ada kepastian terhadap hasil yang keluar. Contoh lainya adalah sesorang tidak dapat menjamin jawaban yang pasti di dalam masalah multiple choice yang mempunyai 4 kemungkinan jawaban tetapi hanya mempunyai satu jawaban yang benar.
4. Jika subjek tidak mempunyai pengetahuan yang cukup dan objek tidak mempunyai definisi yang jelas maka akan menjadi probability fuzzy events.

Universitas Sumatera Utara

18
Dalam situasi ini, probability dan fuzzy digabungkan. Contohnya, bagaimana maramalkan dari kejadian yang didefinisikan secara tidak jelas. Contohnya “Besok akan menjadi hari yang hangat.” Pembicaraan mengenai esok hari berarti membicarakan mengenai masa depan yang subjeknya tidak dapat ditetapkan apa yang akan terjadi pada masa depan. Situasi ini sebaiknya diatasi dengan probability. Tetapi kata “hangat” juga merupakan kejadian yang tidak jelas definisinya yang disebut fuzzy events. Oleh karena itu disebut dengan probability fuzzy events.
Pada keempat situasi di atas, tampak bahwa probability dan fuzzy berjalan pada area yang berbeda pada teori uncertainty dan teori probability tidak cukup untuk mengatasi kejadian yang tidak didefinisi secara jelas. Probability dan fuzzy dianggap sebagai alat pelengkap untuk mengatasi masalah ini.
!# 4+'4 *1*1/'4'-

Bila kita mempunyai 2 buah fuzzy sets yang berbeda terhadap Universal set U, kemudian kita ingin mencari korelasi atau hubungan antara kedua fuzzy set tersebut, maka kita perlu membandingkan terlebih dahulu tiap elemen dari masing;masing fuzzy sets. Definisi untuk membandingkan nilai membership degree antara kedua fuzzy set tersebut adalah :

R : [0,1] X [0,1] →[0,1]

(2.12)

Misalkan U adalah suatu knowledge&based jawaban suatu sets dari jurusan

yang dinyatakan sebagai sebuah fuzzy sets terhadap jawaban A dan B adalah jawaban

yang dimasukkan user yang dinyatakan sebagai suatu fuzzy sets terhadap A. dimana

A={a1,a2,a3,…,an}

sedangkan

U={!"#

$ , !"#
$

&
&,

,

…

,

!

"#

(}
(

dan

X={!) $ , !) & , … , !) (}. Untuk mencari nilai kesesuaian antara fuzzy sets U

$ &,

(

dengan X maka dicari seberapa besar selisih antara µUj(ai) yang merupakan nilai fuzzy

sets jawaban ai menurut knowledge&based dengan µX(ai) yang merupakan nilai fuzzy

sets jawaban ai yang dimasukkan oleh user lalu dibagi dengan nilai µUj(ai). Jadi

Universitas Sumatera Utara

19

persamaan untuk mencari nilai kesesuaian fuzzy sets adalah sebagai berikut (Willyanto

et al, 2008):

R(X(ai),Uj(ai)) = Max *0, 1 −

, |./( () .01( .01( ()

()|2 dengan syarat µUj (ai) ≠ 0 (2.13)

R(X(ai), Uj (ai)) = 0 dengan syarat µUj(ai) = 0

(2.14)

R(X(ai),Uj(ai)) = 6 !"3(

!"3( 4) + 1 4) + 1 7+ 8 |!)( 4)− !"3(

4)| dengan syarat µUj (ai) ≠ 0

R(X(ai), Uj (ai)) = 0 dengan syarat µUj (ai) = 0

(2.15) (2.16)

Keterangan dari persamaan (2.13), (2.14), (2.15), dan (2.16): A = Universal sets dari jawaban pada knowledge&based. X = Fuzzy sets jawaban milik user. U = Fuzzy sets knowledge&based jawaban terhadap A dari suatu jurusan. ai = Nilai jawaban ke;i dari sets A. i = 1,2,3, … , n dimana n = banyaknya jawaban yang dimasukkan user. j = 1, 2, 3, … , n dimana n = banyaknya jawaban pada knowledge&based. C = Konstanta yang bernilai diantara 0 < C ≤ 1. Uj(ai) = Nilai keanggotaan atribut ke;i pada fuzzy sets U dari jurusan ke;j pada
knowledge based. µX(ai) = Nilai keanggotaan atribut ke;i pada fuzzy sets A yang dimasukkan oleh user.
Max *0, 1 − , |./( () .01( ()|2 = Hasil fungsi yang bernilai antara 0 sampai 1.
.01( ()

Dalam pembuatan sistem ini terdapat 3 pendekatan yaitu nilai fuzzy yang diukur berdasarkan nilai UN, mata pelajaran yang disukai dan kuisioner kepribadian. Jadi persamaan nilai kesesuaian mempunyai 3 parameter berdasarkan persamaan (2.15) menjadi:

1. Persamaan Nilai Kesesuaian untuk menghitung nilai UN :

R(X(ai),Uj(ai)) = 6 !"394:

4(

!"394: 4( 4)+ 1 4) + 1 7+ 8 | !)94: 4(

4)− !"394:

4(

dengan syarat
4) |

µUj (ai) ≠ 0

(2.16)

Universitas Sumatera Utara

2. Persamaan Kesesuaian untuk menghitung mata pelajaran yang disukai :

R(X(ai),Uj(ai)) = 6 !"349;(

!"349;( 4)+ 1 4) + 1 7+ 8 | !)49;(

4)− !"349;(

dengan syarat
4) |

µUj (ai) ≠ 0

20 (2.17)

3. Persamaan Nilai Kesesuaian untuk menghitung skor kuisioner kepribadian :

R(X(ai),Uj(ai)) = 6 !"3<

=(

!"3< =( 4)+ 1 4) + 1 7+ 8 | !)< =(

4)− !"3<

=(

dengan syarat
4) |

µUj (ai) ≠ 0

(2.18)

Keterangan dari persamaan (2.16), (2.17) dan (2.18) :

Rnilai(X(ai), Uj(ai)) = Nilai kesesuaian antara nilai UN ai yang dimasukkan pengguna

dengan nilai UN ai pada knowledge&based jurusan ke;j.

Rsuka(X(ai), Uj(ai)) = Nilai kesesuaian antara intensitas rasa suka terhadap mata

pelajaran ai yang dimasukkan pengguna dengan intensitas rasa

suka terhadap mata pelajaran ai pada knowledge&based jurusan

ke;j.

Rkep(X(ai), Uj(ai)) = Nilai kesesuaian antara skor kuisioner ai yang didapatkan

pengguna dengan skor kusisioner ai pada knowledge&based

jurusan ke;j.

µXnilai(ai)

= Fungsi yang menghasilkan membership degree nilai UN mata

pelajaran ai yang dimasukkan pengguna.

µXnilai(ai)

= Fungsi yang menghasilkan membership degree intensitas rasa

suka mata pelajaran ai yang dimasukkan pengguna.

µXkep(ai)

= Fungsi yang menghasilkan membership degree skor kuisioner

ai yang dimasukkan pengguna.

µUj nilai(ai)

= Fungsi yang menghasilkan membership degree nilai UN ai

yang ada pada knowledge&based jurusan ke;j.

µUj suka(ai)

= Fungsi yang menghasilkan membership degree intensitas rasa

suka matapelaaran ai yang ada pada knowledge&based jurusan

ke;j.

µUj kep(ai)

= Fungsi yang menghasilkan membership degree skor kuisioner

ai yang ada pada knowledge&based jurusan ke;j.

Universitas Sumatera Utara

21 !

Bila terdapat dua kejadian dimana kejadian pertama muncul bila kejadian kedua

terjadi, maka dapat dihitung hasil probability kejadian pertama tersebut. Persamaan

untuk mencari fuzzy conditional probability adalah sebagai berikut (Willyanto et al,

2008):

P(B, Un)

= >(@A$ ?(/( ()01)
|0B|C

dengan syarat |Un |a

≠0

(2.19)

Keterangan persamaan (2.19): >FEGH D()( E), "#) = Hasil penjumlahan nilai kesesuaian atribut X dengan jurusan

yang ke;j.

i = 1, 2, 3,..., k dimana k adalah banyaknya variabel yang

dimasukkan oleh user.

|Un |a

= Banyaknya variabel yang ada pada jurusan Un, dimana a adalah atribut sedangkan Un adalah jurusan ke;n. Jurusan

pada Un adalah jurusan yang tidak bernilai 0.

Persamaan (2.19) digunakan jika parameter yang digunakan hanya satu saja. Pada pembuatan sistem ini parameter yang digunakan adalah 3 maka persamaan mengalami perubahan sebagai berikut.

Persamaan fuzzy conditional probability dengan 3 parameter adalah sebagai berikut :

P(B,Un) = >@(A$ ,$

?B(IC(J

(

()01KL,&

?MNOCJ |0B|C

(

()01KL,P

?OQRJ

(

()01K

dengan

syarat |Un|a ≠ 0

(2.20)

Dimana C1, C2 dan C3 adalah sebuah nilai konstanta dengan syarat C1 +C2+C3 =1

Keterangan persamaan (2.20) :

Rnilai(B(ai), Uj(ai)) = Nilai kesesuaian antara nilai UN mata pelajaran ai yang

dimasukkan pengguna dengan nilai mata pelajaran ai pada

knowledge&based jurusan ke;j.

Rsuka(B(ai), Uj(ai)) = Nilai kesesuaian antara intensitas rasa suka terhadap mata

pelajaran ai yang dimasukkan pengguna dengan intensitas

Universitas Sumatera Utara

Rkep(B(ai), Uj(ai)) i |Un|a C1, C2 dan C3

22
rasa suka terhadap mata pelajaran ai pada knowledge&based jurusan ke;j. = Nilai kesesuaian antara skor kuisioner ai yang dimasukkan pengguna dengan skor kuisioner ai pada knowledge&based jurusan ke;j. = 1, 2, 3,..., k dimana k adalah banyaknya jawaban yang dimasukkan oleh user.
= Banyaknya record yang ada pada jurusan ke;n pada knowledge&based, dimana nilai membership degree record tersebut tidak bernilai 0.
= Konstanta.

!& 4084-.'- 7'- 6-1*+4-.

Kata Bimbingan Konseling terdiri dari kata bimbingan yang merupakan terjemahan dari kata guidance. Bimbingan adalah suatu proses pemberian bantuan atau pertolongan kepada individu dalam hal memahami diri sendiri, menghubungkan pemahaman tentang dirinya sendiri dengan lingkungan, memilih, menentukan dan menyusun rencana sesuai dengan konsep dirinya sendiri dan tuntutan lingkungan. Sedangkan konseling merupakan terjemahan dari kata counseling. Konseling adalah serangkaian kegiatan paling pokok bimbingan dalam usaha membantu klien secara tatap muka dengan tujuan agar klien dapat mengambil tanggung jawab sendiri terhadap berbagai persoalan atau masalah khusus. (Winkel et al, 2006)
2.9.1 Ragam bimbingan konseling Istilah ragam bimbingan pada bidang kehidupan tertentu atau aspek perkembangan tertentu yang menjadi focus perhatian dalam pelayanan bimbingan. Dalam kehidupan peserta didik dan mahasiswa dapat dibedakan tiga bidang yang bagi mereka penting yaitu bidang studi akademik, bidang perkembangan kepribadian yang menyangkut dirinya sendiri serta hubungannya dengan orang lain serta bidang peencanaan masa depan yang menyangkut jabatan yang akan dipangku kelak. (Winkel et al, 2006)

Universitas Sumatera Utara

23 Terdapat 3 ragam bimbingan yaitu (Winkel et al, 2006): 1. Bimbingan Karier
Bimbingan karier adalah bimbingan dalam mempersiapkan diri menghadapi dunia pekerjaan dalam memilih lapangan pekerjaan atau jabatan/profesi tertentu serta membekali diri supaya siap memangku jabatan tertentu dari lapangan pekerjaan yang telah dimasuki.
2. Bimbingan Akademik Bimbingan akademik adalah bimbingan dalam hal menemukan cara belajar yang tepat, dalam memilih program studi yang sesuai, dan dalam mengatasi kesukaran yang timbul berkaitan dengan tuntutan;tuntutan belajar di suatu institusi pendidikan.
3. Bimbingan Pribadi;Sosial Bimbingan pribadi;sosial adalah bimbingan dalam menghadapi keadaan batinnya sendiri dan mengatasi berbagai pergumulan dalam batinnya sendiri, dalam mengatur dirinya sendiri di bidang kerohanian, perawatan jasmani, pengisian waktu luang, serta bimbingan dalam membina hubungan kemanusiaan dengan sesame di berbagai lingkungan.
! *,6+'2 *-*-.'2 *3/)/'- $ %
Menurut Undang;undang No.2 tentang Sistem Pendidikan Nasional. Pendidikan kejuruan merupakan pendidikan yang mempersiapkan perserta didik untuk dapat berkerja dalam bidang tertentu. Atau yang lebih spesifik dalam Peraturan Pemerintah No.29 Tahun 1990 tentang Pendidikan Menengah, yaitu Pendidikan Menengah yang mengutamakan pengembangan kemampuan peserta didik untuk pelaksanaan jenis pekerjaan tertentu. Berdasarkan Spektrum Keahlian Pendidikan Menengah Kejurusan yang dikeluarkan MENDIKNAS tahun 2008, jurusan SMK dibagi menjadi 6 bidang studi keahlian, 51 program studi keahlian dan 121 kompetensi keahlian.
Universitas Sumatera Utara

! *-*+4(4'- *)7'2/+/ *-../-','-

24

Ada beberapa penelitian sistem pakar yang menggunakan fuzzy conditional probability antara lain sep