bab iii metode penelitian 3.1 analisis persoalan
Post on 11-May-2022
9 Views
Preview:
TRANSCRIPT
28
BAB III
METODE PENELITIAN
3.1 Analisis Persoalan
Pada penelitian digunakan logika fuzzy untuk mendapatkan sebuah model
pemilihan jurusan terbaik dari hasil membandingkan setiap model inferensi yang
memiliki nilai berbeda – beda. Adapun tahap analisisnya adalah sebagai berikut:
a. Komponen Bakat untuk pemilihan jurusan didapat dari hasil observasi dan
wawancara dengan ahli psikologi, bapak M. Sakti Prasetyo, S. Psi.
b. Dataset bakat dan kepribadian siswa yang akan digunakan dalam pemilihan
program studi didapat dari angket yang dibagikan secara langsung kepada 119
siswa SMA.
c. Selanjutnya dilakukan implementasi, adapun tahapannya adalah Preprocessing,
Pembentukan aturan fuzzy, fuzzyfikasi, inference system, Evaluasi dan
penarikan kesimpulan.
d. Dalam Preprocessing dilakukan konversi dataset menjadi 9 variabel input, 8
variabel minat bakat dan1 variabel kepribadian.
e. Pembentukan aturan fuzzy yang akan digunakan dalam inference system.
f. Dilakukan fuzzyfikasi pada variabel input menjadi beberapa kategori baru.
g. Melakukan inferensi menggunakan metode Mamdani, Tsukamoto, dan Sugeno
orde-0.
h. Penarikan kesimpulan dari masing-masing metode yang digunakan.
i. Melakukan evaluasi pada sistem yang digunakan untuk mendapatkan metode
terbaik.
3.2 Arsitektur Umum
Pada subbab ini akan membahas arsitektur umum yang digunakan dalam
penelitian ini, alur proses dalam penelitian ini dapat dilihat pada Gambar 3.1.
29
Gambar 3.1. Arsitektur Umum Penelitian
Pada Gambar 3.1 dapat dilihat bagan yang berisi alur proses dalam penelitian ini,
adapun langkah-langkahnya yaitu studi literatur, observasi dan wawancara,
pembuatan angket dan metode pemrosesan data, pengumpulan data,
preprocessing data, pembentukan aturan, fuzzyfikasi, implementasi fuzzy logic,
evaluasi, dan penarikan kesimpulan.
3.2.1 Observasi dan Wawancara
Pada tahapan ini dilakukan observasi di lapangan, peneliti melakukan wawancara
ke beberapa mahasiswa di beberapa perguruan tinggi, serta meminta beberapa
mahasiswa untuk mengisi kuesioner yang berkaitan dengan tekanan di dalam
masa perkuliahan. Hal ini bertujuan untuk memperkuat teori dan data yang
berkaitan dengan fenomena salah jurusan yang sedang di teliti. Dari kegiatan ini
didapatkan data yang ditampilkan pada Tabel 3.1.
30
Tabel 3.1 Deskripsi dataset observasi jurusan
Jumlah Dataset 42
Mahasiswa yang merasa salah jurusan 27
Mahasiswa yang tidak merasa salah jurusan 15
Pada Tabel 3.1 dideskripsikan jumlah dataset yang didapatkan dari mahasiswa
berjumlah 42 data, kemudian didapatkan 27 data mahasiswa yang merasa salah
jurusan, berarti sebanyak 64% mahasiswa dari data tersebut mengaku merasa
salah jurusan. Pada tabel 3.2 dapat dilihat salah satu Responden data mahasiswa
yang merasa salah jurusan.
Tabel 3.2 Responden Observasi Jurusan
Nama Mahasiswa 1
Di mana anda menjalani studi Itera
Apakah kuliah anda menyenangkan Tidak banget
apakah anda menikmati semua mata kuliah Tidak
Bagaimana pergaulan anda di kampus Biasa saja
Apakah anda pernah mengulang mata kuliah Ya
Apakah anda pernah merasa salah pilih jurusan Ya
Pada Tabel 3.2 dapat dilihat salah satu Responden observasi jurusan dengan nama
Mahasiswa 1, pada Responden tersebut diketahui bahwa mahasiswa tersebut
merasa salah jurusan di dalam masa perkuliahannya. Data observasi jurusan ini
berguna sebagai penguat teori bahwa ada banyak kasus yang membuktikan bahwa
di Indonesia terdapat banyak mahasiswa yang merasa salah jurusan. Keseluruhan
data hasil observasi ini dapat dilihat pada lampiran B.
31
Kemudian Dalam rangka menyusun komponen bakat yang sesuai dengan program
studi pada perguruan tinggi, dilakukan wawancara terhadap ahli psikologi yang
bernama M. Sakti Prasetyo, S.Psi. Menurut beliau beberapa komponen bakat yang
sering digunakan dalam mengukur kecerdasan manusia dapat digunakan untuk
menentukan jenjang pendidikan yang sesuai dengan kecerdasan seseorang.
Menurut beliau dalam penelitian ini digunakan komponen minat bakat yang
berisikan bakat verbal, numerik, visual, kinetik, musikal, interpersonal,
intrapersonal, dan naturalis. Dari masing-masing kecerdasan tersebut, terdapat
kecerdasan-kecerdasan yang sesuai dengan jurusan - jurusan pada perguruan
tinggi. Berdasarkan arahan dan bimbingan beliau didapatkan kecerdasan yang
sesuai pada jurusan-jurusan di perguruan tinggi yang selanjutnya disebut sebagai
komponen bakat. Komponen bakat yang didapat dari kegiatan ini dapat dilihat
pada tabel 3.3.
Tabel 3.3 Komponen Bakat dalam Pemilihan Jurusan
(Sumber: Observasi dan Wawancara)
Kelas Verbal Numerik Visual Kinestik Musik
al
Interper
sonal
Intraperso
nal Naturalis
Teknik √ √ √
Kesehatan √ √ √
Sains √ √ √
Budaya dan
Bahasa √ √ √
Ekonomi
dan Bisnis
√ √ √
Sosial dan
Humaniora √ √ √
Pendidikan √ √ √
32
Pada Tabel 3.3 dapat dilihat komponen bakat untuk beberapa jurusan yang
digunakan dalam penelitian ini, pada tabel tersebut dituangkan bakat-bakat yang
menurut pakar psikologi sesuai dengan jurusan-jurusan yang ada pada tabel.
Sebagai contoh jika seseorang memiliki nilai yang tinggi (di atas 50%) pada bakat
numerik, visual dan naturalis, dan juga memiliki nilai yang rendah (di bawah
30%) pada bakat lainnya maka ia hanya cocok pada jurusan teknik, namun jika
seseorang memiliki nilai yang cukup tinggi di hampir semua bakat, maka akan
ada pertimbangan lainnya yang akan mengarahkan seseorang tersebut ke jurusan
yang paling sesuai, pertimbangan ini akan dibahas pada bagian 3.2.6 pada bagian
error matriks.
3.2.2 Pembuatan Angket
Setelah komponen bakat didapatkan, dilakukan pembuatan angket yang akan
digunakan dalam pengumpulan data, angket yang dibuat untuk pengumpulan data
objek uji ini dibuat menjadi dua bagian, yaitu bagian 1 yang berisikan pengujian
terhadap minat bakat, dan bagian 2 yang berisikan pengujian kepribadian, angket
tersebut dapat dilihat pada Lampiran A. Kemudian dibuat pula sebuah metode
yang akan berguna untuk melakukan Preprocessing data agar data objek uji dapat
diolah dengan baik, metode ini dibuat menjadi dua bagian, yaitu metode
pengolahan nilai minat bakat, dan metode pengolahan nilai kepribadian, berikut
dijelaskan bagian-bagiannya :
1. Bagian minat bakat
Pada bagian minat bakat, setiap sampel data mengandung 40 data jawaban,
nantinya data ini akan diperkecil menjadi 8 bagian atau 8 kecerdasan, untuk
dapat melakukan hal tersebut dibuatlah sebuah metode berikut :
M= 4 ∗ ∑ 𝑥𝑗𝑖
Keterangan:
M = Variabel Minat Bakat
i = indeks soal ke(awal)
33
j = indeks soal ke (akhir)
x = data nilai tes minat bakat
4 = koefisien
Pada bagian ini, M di ilustrasikan sebagai variabel Minat Bakat yang terdiri
dari 8 variabel yang masing-masing variabelnya adalah M1(verbal/linguistik),
M2(logis/matematis), M3(visual/spasial), M4(kinetik), M5(musikal),
M6(interpersonal), M7(intrapersonal), dan M8(naturalis). i dan j diilustrasikan
sebagai indeks soal, untuk minat bakat indeks soalnya dimulai dari i=1 sampai
j=40, kemudian x adalah data jawaban untuk masing-masing indeks soal.
Angka 4 sendiri adalah koefisien yang berguna untuk membuat nilai penuh
dari masing-masing variabel minat bakat = 100, untuk lebih jelasnya akan
dijabarkan pada bab IV.
2. Bagian kepribadian
Pada bagian kepribadian, setiap Responden data akan mengandung 20 data
jawaban, kemudian data ini akan diperkecil menjadi 4 area kepribadian yang
jika dijumlahkan hasilnya = 100, berikut adalah area kepribadian :
Area 1 = Sanguinis
Area 2= Koleris
Area 3 = Melankolis
Area 4 = Plegmatis
Pada masing-masing area proses perhitungan nilainya yang akan digunakan
pada proses preprocessing adalah sebagai berikut :
𝐾 = ∑ 𝑥𝑗𝑖 ∗ 5
Keterangan:
K = Variabel kepribadian
i = indeks soal ke ( awal )
j = indeks soal ke ( akhir )
34
x = Data nilai tes kepribadian
5 = koefisien
Pada bagian ini K di representasikan sebagai variabel kepribadian,. i dan j di
representasikan sebagai indeks soal untuk kepribadian , i dimulai dari 41 dan j
= 60, x adalah data jawaban pada masing-masing indeks soal yang terdiri dari
nilai a, b,c,dan d, 5 adalah koefisien yang berguna untuk membuat nilai
kepribadian genap menjadi 100%, untuk lebih jelasnya akan dijabarkan pada
bab IV.
3.2.3 Pengumpulan Data
Pada penelitian ini disiapkan sekumpulan data yang di ambil
menggunakan angket yang didapat secara langsung dari sejumlah siswa yang
berisikan minat bakat dan kepribadian dari sejumlah siswa tersebut. Deskripsi
data yang digunakan dalam penelitian ini dapat di lihat pada Tabel 3.4.
Tabel 3.4 Deskripsi Dataset Objek Uji
Jumlah Sampel 119
Jumlah Data tes minat bakat dan
kepribadian
119
Data minat sesungguhnya 238
Pada Tabel 3.4 dapat ditampilkan jumlah Responden data yang digunakan
sebanyak 119 Responden dengan atribut nama, kelas, nilai tes minat bakat dan
kepribadian, dan data minat sesungguhnya dari setiap Responden. Karena pada
setiap Responden memiliki masing-masing 2 minat sesungguhnya, maka jumlah
minat sesungguhnya adalah dua kali jumlah Responden, jumlah minat pada
masing-masing program studi dapat dilihat pada Tabel 3.5.
35
Tabel 3.5 Minat Siswa
Program Studi Jumlah
Minat
Teknik Sipil 5
Teknik Elektro 6
Arsitektur 6
Teknik Informatika 7
Kedokteran 13
Kesehatan Masyarakat 10
Keperawatan 7
Farmasi 5
Matematika 11
Meteorologi 5
Biologi 2
Sastra 18
Pariwisata 15
Seni dan Budaya 28
Akuntansi 13
Ekonomi 7
Perbankan 8
Psikologi 12
Hukum 12
Ilmu Komunikasi 8
Ilmu Pemerintahan 9
Management Pendidikan 7
Pendidikan Sosial 8
Ilmu Perpustakaan 8
Pendidikan Anak 8
Merujuk pada Tabel 3.5 didapatkan minat siswa terhadap 25 program studi pilihan
dalam penelitian ini, dibuat grafik minat siswa yang dapat dilihat pada Gambar
3.2.
36
Gambar 3.2 Minat Siswa Terhadap Program Studi Pilihan
Merujuk pada Gambar 3.2 dapat dilihat beberapa minat terbesar dari populasi
Responden data, minat terbesar siswa yaitu program studi Seni Budaya dengan
jumlah minat sebanyak 27 siswa, Sastra dengan jumlah minat 18 siswa, dan
Psikologi dengan jumlah minat 12 siswa. Dalam penelitian ini akan digunakan
Program Studi Psikologi sebagai tujuan inferensi pemilihan program studi.
0 5 10 15 20 25 30
Teknik Sipil
Teknik Elektro
Arsitektur
Teknik Informatika
Kedokteran
Kesehatan Masyarakat
Keperawatan
Farmasi
Matematika
Meteorologi
Biologi
Sastra
Pariwisata
Seni dan Budaya
Akuntansi
Ekonomi
Perbankan
Psikologi
Hukum
Ilmu Komunikasi
Ilmu Pemerintahan
Manajemen Pendidikan
Pendidikan Sosial
Ilmu Perpustakaan
Pendidikan Anak
Minat Siswa
37
3.2.4 Preprocessing Data
Dalam proses ini dilakukan pengelompokan data Responden menjadi 9
variabel input, alur proses Preprocessing dapat dilihat pada Gambar 3.3.
Gambar 3.3. Preprocessing Data
Dalam Preprocessing ini dataset yang didapatkan dibagi menjadi 9 variabel input,
yaitu verbal, numerik, visual, kinetik, musikal, interpersonal, intrapersonal,
naturalis, dan kepribadian.. Metode yang digunakan dalam proses Preprocessing
dapat dilihat pada bagian 3.2.2.
38
3.2.5 Implementasi Metode
Pada tahap implementasi data terdapat langkah- langkah yang dilakukan,
adapun langkah-langkahnya dapat dilihat pada Gambar 3.2.
Gambar 3.4 Implementasi fuzzy logic
Merujuk pada Gambar 3.4 dijelaskan tahapan dalam implementasi fuzzy logic:
1. Fuzzyfikasi, Pada tahapan ini dilakukan fuzzyfikasi dengan cara
mengelompokkan nilai variabel minat bakat dan kepribadian menjadi beberapa
kelompok, adapun pengelompokan variabel dapat dilihat pada gambar 3.5.
39
Gambar 3.5 Alur Fuzzyfikasi
Pada gambar 3.5 dijelaskan , dalam proses fuzzyfikasi, data minat bakat pada
setiap variabel input dibagi menjadi 3 kategori, yaitu tinggi, sedang, dan rendah.
Sedangkan variabel input kepribadian dibagi menjadi 4 kategori, yaitu
Kepribadian 1 (Sanguinis), Kepribadian 2(Koleris), Kepribadian 3 (Melankolis),
dan Kepribadian 3 (Plegmatis). Merujuk pada bagan pengelompokan dalam
proses fuzzyfikasi pada Gambar 3.5, maka dibuat Range input keanggotaan
variabel, berikut dijelaskan Range input untuk masing-masing variabel
keanggotaan fuzzy:
a. Untuk Variabel input minat bakat yang anggotanya adalah Verbal,
Numerik, Visual, Kinestik, Musikal, Interpersonal, Intrapersonal, dan
Naturalis:
Range 1 : Nilai Minat Bakat (Tinggi) = [ Nilai >50]
Range 2 :Nilai Minat Bakat (Sedang) = [30 >Nilai< 70]
Range 3: Nilai Minat Bakat (Rendah) = [Nilai< 50]
Range untuk fungsi keanggotaan pada setiap variabel minat bakat
menggunakan Range fungsi keanggotaan di atas, fungsi tersebut
digunakan dengan cara mengganti kata “ Nilai Minat Bakat “
menggunakan variabel minat bakat yang sudah dijelaskan, sebagai contoh
penggantian variabel adalah sebagai berikut :
“Nilai Minat Bakat” (Tinggi) diubah menjadi “Verbal” (Tinggi).
40
Cara yang sama dilakukan untuk variabel minat bakat lainnya.
b. Untuk Variabel input kepribadian, variabelnya dibagi menjadi 4 area,
berikut penjelasannya :
area 1: Kepribadian 1(Sanguinis) = [0>Nilai <100]
area 2: Kepribadian 2 (Koleris) = [0 > Nilai ≤ 100]
area 3: Kepribadian 3 (Melankolis) = [0>Nilai ≤100]
area 3: Kepribadian 4 (Plegmatis) = [0>Nilai ≤100]
2. Proses inferensi, pada tahapan ini dilakukan proses inferensi pada masing-
masing metode Tsukamoto, Mamdani dan Sugeno yang alur prosesnya dapat
dilihat pada Gambar 3.6
Gambar 3.6 Proses Inferensi
Merujuk pada gambar 3.6 berikut dijelaskan tahapan – tahapan inferensi untuk
mendapatkan nilai keanggotaan dari setiap Responden, serta mendapatkan metode
terbaik dalam proses inferensi :
a. Dengan menggunakan dataset hasil fuzzyfikasi, dilakukan proses inferensi,
proses inferensi dibagi menjadi 2 tahapan, tahap 1 yaitu melakukan inferensi
pada data minat bakat, kemudian inferensi tahap 2 pada data kepribadian.
Aturan yang digunakan dalam proses inferensi dapat dilihat pada Tabel 3.6 dan
Tabel 3.7.
41
b. Kemudian Mencari nilai keanggotaan masing-masing variabel input terhadap
variabel output menggunakan fungsi implikasi AND pada persamaan II-5
untuk metode Tsukamoto dan Mamdani, dan fungsi implikasi OR pada
persamaan II.4 untuk Metode Sugeno.
c. Pada tahapan defuzzyfikasi dicari nilai output masing-masing metode
menggunakan fungsi Centroid pada Persamaan II-10 untuk metode mamdani,
dan fungsi Weight Average pada Persamaan II-9 untuk metode Tsukamoto dan
Sugeno. Dari proses ini didapatkan nilai output berupa konstanta numerik
terhadap masing-masing program studi.
d. Pengambilan kesimpulan, pada proses pengambilan kesimpulan dalam
penelitian ini, nilai output dari hasil deffuzyfikasi akan diarahkan atau dibagi
per area kepribadian sehingga mendapatkan nilai keanggotaan pada masing-
masing program studi
3.2.6 Fuzzy Rule Based
Pada tahapan ini, dibentuk aturan Fuzzy yang akan digunakan dalam
pemilihan program studi. Berdasarkan basis pengetahuan yang didapat dari
observasi dan wawancara yang dituangkan dalam Tabel 3.3 Tabel 3.3 dibentuk
aturan fuzzy sebanyak 8 grup, grup disini merepresentasikan jurusan, masing-
masing grup berisikan 3 sampai 4 anggota program studi. Jumlah keseluruhan
aturan adalah 25. 25 aturan tersebut akan digunakan dalam proses inferensi pada
metode Tsukamoto, mamdani, dan sugeno aturan fuzzy untuk metode Tsukamoto
dapat dilihat pada Tabel 3.6. Dan aturan fuzzy untuk metode mamdani dan sugeno
dapat dilihat pada tabel 3.7.
Tabel 3.6 Aturan Fuzzy Metode Tsukamoto
Variabel Input 1,2,3,4,5,6,7,8 ( Minat Bakat ) Output
Area Ouput
Kepribadian Program
Studi
Jika [Numerik = Tinggi dan Visual = Tinggi
dan Naturalis = Tinggi] dan [Verbal =
Rendah dan Sedang] dan [Kinestik = Rendah
dan Sedang] dan [Musikal = Rendah dan
sedang] dan [Interpersonal = Rendah dan
Grup 1
(Teknik)
Sanguinis Teknik Sipil
Koleris Teknik
Elektro
Melankolis Arsitektur /
PWK
42
Variabel Input 1,2,3,4,5,6,7,8 ( Minat Bakat ) Output
Area Ouput
Kepribadian Program
Studi
sedang] dan [Intrapersonal = Rendah dan
sedang ] maka Plegmatis
Teknik
informatika
Jika [[Verbal = Tinggi] dan [ Numerik =
Tinggi] dan [ Visual = Tinggi] dan [Naturalis
= Rendah dan Sedang] dan [Kinestik =
Rendah dan Sedang] dan [Musikal = Rendah
dan sedang] dan [Interpersonal = Rendah dan
sedang] dan [Intrapersonal = Rendah dan
sedang] maka
Grup
2(Kesehatan)
Sanguinis Kedokteran
Koleris Kesehatan
Masyarakat
Melankolis Keperawatan
/ Kebidanan
Plegmatis Farmasi /
Apoteker
Jika [Numerik = Tinggi] dan [Visual =
Tinggi] dan [Interpersonal = Tinggi] dan
[Verbal = Rendah dan Tinggi] dan [Naturalis
= Rendah dan Sedang] dan [Kinestik =
Rendah dan Sedang] dan [Musikal = Rendah
dan sedang]dan [Intrapersonal = Rendah dan
sedang] maka
Grup
3(Sains)
Sanguinis Matematika
Koleris Meteorologi
Melankolis Biologi
Jika [Visual = Tinggi] dan[ Musikal =
Tinggi] dan [Interpersonal = Tinggi] dan
[Verbal = Rendah dan Tinggi] dan [Naturalis
= Rendah dan Sedang]dan [Kinestik =
Rendah dan Sedang] dan [Intrapersonal =
Rendah dan Sedang] dan [Numerik = Rendah
dan Tinggi] maka
Grup 4 (Seni
dan Budaya)
Sanguinis Sastra
Koleris Pariwisata
Melankolis Seni dan
Budaya
Jika [Verbal = Tinggi] dan [Numerik
=Tinggi] dan [Kinestik = Tinggi] dan [Visual
= Rendah dan Sedang] dan [Musikal =
Rendah dan Sedang] dan [Intrapersonal =
Rendah dan Sedang] dan [Interpersonal =
Rendah dan Sedang] dan [Naturalis = Rendah
dan Sedang] maka
Grup 5
(Ekonomi
dan Bisnis)
Sanguinis Akuntansi
Koleris Ekonomi
Melankolis Perbankan
Jika [[Verbal = Tinggi] dan [Visual = Tinggi]
dan [Intrapersonal = Tinggi] dan [Numerik =
Rendah dan Sedang] dan [Kinestik = Rendah
dan Sedang] dan [Musikal = Rendah dan
Sedang] dan [Interpersonal = rendah dan
sedang] dan [Naturalis = Rendah dan Sedang]
maka
Grup 6
(Sosial dan
Humaniora)
Sanguinis Psikologi
Koleris Hukum
Melankolis Ilmu
Komunikasi
Plegmatis Ilmu
Pemerintahan
Jika[[Verbal = Tinggi] dan [Kinestik =
Tinggi] dan [Intrapersonal = Tinggi] dan
[Numerik = Rendah dan Sedang] dan [Visual
= Rendah dan Sedang] dan [Interpersonal =
Rendah dan Sedang] [Naturalis = Rendah dan
Sedang] maka
Grup 7 (Ilmu
Pendidikan)
Sanguinis Manajemen
Pendidikan
Koleris Ilmu Sosial
Melankolis Ilmu
perpustakaan
Plegmatis Pendidikan
Anak
43
Pada Tabel 3.6 dapat dilihat aturan fuzzy yang akan digunakan dalam
proses inferensi, dengan merujuk pada aturan fuzzy pada tabel 3.6 dibuat
aturan fuzzy untuk proses inferensi metode mamdani dan sugeno dengan
mengubah fungsi “dan” pada variabel input 1 sampai 8 pada tabel 3.6
menjadi fungsi “atau”. Terjadinya perbedaan aturan fuzzy pada metode
Tsukamoto dengan mamdani dan sugeno dibentuk berdasarkan fungsi
implikasi pada masing-masing metode yang berbeda, untuk inferensi pada
metode Tsukamoto menggunakan fungsi implikasi AND (Min) sehingga
aturan inferensi nya menggunakan “dan”, kemudian pada metode
mamdani dan sugeno menggunakan fungsi implikasi OR (Max), sehingga
aturan inferensinya menggunakan “atau”. aturan fuzzy untuk metode
mamdani dan sugeno dapat dilihat pada Tabel 3.7
Tabel 3.7 Aturan Fuzzy Metode Mamdani dan Sugeno
Variabel Input 1,2,3,4,5,6,7,8 ( Minat Bakat
) Output
Area Ouput
Kepribadian Program
Studi
Jika [Numerik = Tinggi atau Visual =
Tinggi atau Naturalis = Tinggi atau [Verbal
= Rendah dan Sedang] atau [Kinestik =
Rendah dan Sedang] atau [Musikal =
Rendah dan sedang] atau [Interpersonal =
Rendah dan sedang] atau [Intrapersonal =
Rendah dan sedang ] maka
Grup 1
(Teknik)
Sanguinis Teknik Sipil
Koleris Teknik
Elektro
Melankolis Arsitektur /
PWK
Plegmatis Teknik
informatika
Jika [[Verbal = Tinggi] atau [ Numerik =
Tinggi] atau [ Visual = Tinggi] atau
[Naturalis = Rendah dan Sedang] atau
[Kinestik = Rendah dan Sedang] atau
[Musikal = Rendah dan sedang] atau
[Interpersonal = Rendah dan sedang] atau
[Intrapersonal = Rendah dan sedang] maka
Grup
2(Kesehatan)
Sanguinis Kedokteran
Koleris Kesehatan
Masyarakat
Melankolis Keperawatan
/ Kebidanan
Plegmatis Farmasi /
Apoteker
Jika [Numerik = Tinggi] atau [Visual =
Tinggi] atau[Interpersonal = Tinggi]atau
[Verbal = Rendah dan Tinggi] atau
[Naturalis = Rendah dan Sedang] atau
[Kinestik = Rendah dan Sedang] atau
[Musikal = Rendah dan sedang]atau
[Intrapersonal = Rendah dan sedang] maka
Grup
3(Sains)
Sanguinis Matematika
Koleris Meteorologi
Melankolis Biologi
Jika [Visual = Tinggi] atau[ Musikal =
Tinggi] atau [Interpersonal = Tinggi] atau
[Verbal = Rendah dan Tinggi] atau
[Naturalis = Rendah dan Sedang] atau
Grup 4 (Seni
dan Budaya)
Sanguinis Sastra
Koleris Pariwisata
Melankolis Seni dan
Budaya
44
Variabel Input 1,2,3,4,5,6,7,8 ( Minat Bakat
) Output
Area Ouput
Kepribadian Program
Studi
[Kinestik = Rendah dan Sedang] atau
[Intrapersonal = Rendah dan Sedang] atau
[Numerik = Rendah dan Tinggi] maka
Jika [Verbal = Tinggi] atau [Numerik
=Tinggi] atau [Kinestik = Tinggi] atau
[Visual = Rendah dan Sedang] atau
[Musikal = Rendah dan Sedang] atau
[Intrapersonal = Rendah dan Sedang] atau
[Interpersonal = Rendah dan Sedang] atau
[Naturalis = Rendah dan Sedang] maka
Grup 5
(Ekonomi
dan Bisnis)
Sanguinis Akuntansi
Koleris Ekonomi
Melankolis Perbankan
Jika [[Verbal = Tinggi] atau [Visual =
Tinggi] atau [Intrapersonal = Tinggi] atau
[Numerik = Rendah dan Sedang] atau
[Kinestik = Rendah dan Sedang] atau
[Musikal = Rendah dan Sedang] atau
[Interpersonal = rendah dan sedang] atau
[Naturalis = Rendah dan Sedang] maka
Grup 6
(Sosial dan
Humaniora)
Sanguinis Psikologi
Koleris Hukum
Melankolis Ilmu
Komunikasi
Plegmatis Ilmu
Pemerintahan
Jika[[Verbal = Tinggi] atau [Kinestik =
Tinggi] atau [Intrapersonal = Tinggi] atau
[Numerik = Rendah dan Sedang] atau
[Visual = Rendah dan Sedang] atau
[Interpersonal = Rendah dan Sedang] atau
[Naturalis = Rendah dan Sedang] maka
Grup 7 (Ilmu
Pendidikan)
Sanguinis Manajemen
Pendidikan
Koleris Ilmu Sosial
Melankolis Ilmu
perpustakaan
Plegmatis Pendidikan
Anak
Merujuk pada Tabel 3.6 dan 3.7 , dibentuk fuzzy error matrikss (Matrikss
Kesalahan Fuzzy) yang berisikan besar error antar masing-masing program studi.
Matriks ini dibuat berdasarkan jumlah perbedaan variabel input pada masing-
masing program studi pada aturan fuzzy. Berikut ditampilkan matriks kesalahan
untuk aturan fuzzy nomor 1 (R1) sampai aturan fuzzy nomor 8 (R8) pada 3.8.
Tabel 3.8 Fuzzy Error Matriks
Program
Studi
Teknik
Sipil
Teknik
Elektro Arsitektur
Teknik
Informatika Kedokteran
Kesehatan
Masyarakat Keperawatan
Ilmu
Farmasi
45
Teknik Sipil 0 0.1 0.1 0.1 0.4 0.5 0.5 0.5
Teknik
Elektro 0.1 0 0.1 0.1 0.5 0.4 0.5 0.5
Arsitektur 0.1 0.1 0 0.1 0.5 0.5 0.4 0.5
Teknik
Informatika 0.1 0.1 0.1 0 0.5 0.5 0.5 0.4
Kedokteran 0.5 0.5 0.5 0.5 0 0.1 0.1 0.1
Kesehatan
Masyarakat 0.5 0.4 0.5 0.5 0.1 0 0.1 0.1
Keperawatan 0.5 0.5 0,4 0.5 0.1 0.1 0 0.1
Ilmu Farmasi 0.5 0.5 0.5 0.4 0.1 0.1 0.1 0
Pada Tabel 3.8 dapat dilihat besar error pada tiap-tiap sel matriks error,
besar kesalah pada matriks tersebut di ambil dari besar nya jarak antar program
studi yang di ambil berdasarkan perbedaan jumlah variabel input, setiap berbeda
satu variabel input akan menghasilkan besar error 0.1, sebagai contoh program
studi teknik sipil memiliki perbedaan 1 variabel input dengan program studi
teknik elektro, sehingga besar error antara program studi teknik sipil dengan
program studi teknik elektro adalah 0.1, begitu pun untuk program studi lainnya,
semakin banyak perbedaan variabel input antar program studi, maka semakin
besar error antar program studi. Dengan menggunakan matriks error pada tabel
3.8 tersebut, akan dicari besar error antar program studi pada masing-masing
Responden, kemudian dilakukan pencarian akurasi pada metode dan sistem.
Keseluruhan matriks kesalahan yang dibuat pada penelitian ini dapat dilihat pada
lampiran C.
46
3.2.7 Evaluasi Metode
Tahapan ini merupakan tahapan terakhir dari sistem yang berguna untuk
mencari nilai ketepatan. Dalam mencari nilai ketepatan dilakukan evaluasi pada
semua aturan menggunakan metode Mean Absolute Percentage Error (MAPE)
dengan menggunakan persamaan II-13, persamaan II-14.
3.3 Kebutuhan Sistem
3.3.1 Kebutuhan Perangkat Keras
Spesifikasi perangkat keras yang digunakan dalam implementasi
penelitian ini dapat dilihat pada 3.9.
Tabel 3.9 Spesifikasi Perangkat Keras
No. Perangkat Keras Spesifikasi
1 Processor Intel(R) Core(TM) i5 2.7 Ghz
2 RAM 4 Gb DDR3
3 Storage 500 GB HDD
4 Grapics Intel HD Grapics
3.3.2 Kebutuhan Perangkat Lunak
Spesifikasi perangkat lunak yang digunakan dalam implementasi penelitian ini
dapat dilihat pada Tabel 3.10.
Tabel 3.10 Spesifikasi Perangkat Lunak
No. Perangkat Lunak Spesifikasi
1 Sistem Operasi Windows 10
2 Bahasa Pemrograman Python 3.6.8
3 Framework Jupyter Notebook
top related