Journal Speed – Sentra Penelitian Engineering dan Edukasi – Volume 10 No 4 – November - 2018 speed.web.id ISSN : 1979-9330 (Print) - 2088-0154 (Online) - 2088-0162 (CDROM) 46 Sistem Pakar Klasifikasi Siswa Tunagrahita Pada SLB Shanti Yoga Klaten Menggunakan Metode Naive Bayes , Universitas BSI Bandung, UBSI Yogyakarta [email protected] , [email protected]Abstrak - SLB Shanti Yoga adalah salah satu sekolah dengan kebutuhan khusus untuk retardasi mental di Klaten. Para guru di sekolah mengalami masalah dalam mengklasifikasikan siswa yang mengalami retardasi mental untuk menentukan kelas yang akan ditempati. Dalam menentukan kelas disesuaikan dengan klasifikasi retardasi mental yang terdiri dari tiga tingkatan, yaitu retardasi mental ringan, disabilitas intelektual sedang, dan retardasi mental berat. Untuk menentukan tingkat klasifikasi retardasi mental pada siswa diperlukan diagnosis dari seorang ahli yang merupakan psikolog dan psikiater. Tetapi Shanti Yoga Special School tidak menyediakan tenaga ahli. Berdasarkan masalah ini, penulis membuat judul tesis "Sistem Pakar untuk Klasifikasi Siswa Retardasi Mental di SLB Shanti Yoga Klaten Menggunakan Metode Naive Bayes". Metode Naive Bayes digunakan oleh penulis untuk menghitung probabilitas dan statistik dari 135 data siswa di SLB Shanti Yoga Klaten mengenai gejala yang muncul. Tujuan membangun sistem pakar dalam mengklasifikasikan siswa yang mengalami retardasi mental adalah untuk mendiagnosis apakah siswa yang belajar di Yoga SLB Shanti termasuk keterbelakangan mental ringan, sedang atau berat karena masing-masing kelas menempati kelas yang berbeda. Berdasarkan tes yang dilakukan, metode Naive Bayes dapat digunakan untuk membantu perhitungan dalam sistem klasifikasi siswa cacat mental. Hal ini dibuktikan dengan penilaian klasifikasi siswa retardasi mental yang lebih tepat karena didasarkan pada gejala yang muncul yang diperlukan dalam penelitian ini. Kata kunci: Sistem Pakar, Klasifikasi Siswa Penyandang Cacat, Naif Bayes Abstract - SLB Shanti Yoga is one of the schools with special needs for the mentally retarded in Klaten. The teachers at the school experienced problems in classifying mentally retarded students to determine the class to be occupied. In determining the class adjusted to the mental retardation classification which consists of three levels, namely mild mental retardation, moderate intellectual disability, and severe mental retardation. To determine the level of mental retardation classification in students requires a diagnosis from an expert who is a psychologist and psychiatrist. But the Shanti Yoga Special School does not provide experts. Based on these problems, the authors make the title of the thesis "Expert System for Classification of Mentally Retarded Students in the SLB Shanti Yoga Klaten Using the Naive Bayes Method". The Naive Bayes method is used by the author to calculate the probability and statistics of 135 student data in the SLB Shanti Yoga Klaten regarding the symptoms that arise. The purpose of building an expert system in classifying mentally retarded students is to diagnose whether students who study at the Shanti Yoga SLB include mild, moderate or severe mental retardation because each class occupies a different class. Based on the tests made, the Naive Bayes method can be used to assist calculations in the classification system of mentally disabled students. This is evidenced by the assessment of classification of mentally retarded students which is more appropriate because it is based on the symptoms that arise that are needed in this study. Keywords: Expert System, Mentally Disabled Student Classification, Naive Bayes 1.1. Latar Belakang Masalah Anak tunagrahita (retardasi mental) merupakan anak yang mempunyai hambatan dalam perkembangan mental maupun intelektual yang mengganggu proses pertumbuhan dibanding anak pada umumnya sehingga memerlukan perhatian khusus dari keluarga, sekolah maupun lingkungan sosial. Meskipun anak tunagrahita mempunyai hambatan dalam beraktivitas tetapi anak tersebut tetap membutuhkan pendidikan yang layak dalam proses belajar. SLB Shanti Yoga merupakan salah satu sekolah luar biasa yang menyediakan sarana pendidikan bagi anak berkebutuhan khusus penyandang tunagrahita. Sekolah yang berada di Klaten ini sudah banyak dikenal oleh masyarakat sehingga banyak orang tua menyekolahkan anaknya yang menyandang tunagrahita pada SLB tersebut. SLB Shanti Yoga memberikan pelayanan pendidikan pada
8
Embed
Sistem Pakar Klasifikasi Siswa Tunagrahita Pada SLB Shanti Yoga … · (2014:26) mengemukakan bahwa “SLDC adalah proses mengembangkan atau mengubah suatu sistem perangkat lunak
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
Journal Speed – Sentra Penelitian Engineering dan Edukasi – Volume 10 No 4 – November - 2018
Abstrak - SLB Shanti Yoga adalah salah satu sekolah dengan kebutuhan khusus untuk retardasi mental di Klaten. Para guru di sekolah mengalami masalah dalam mengklasifikasikan siswa yang mengalami retardasi mental untuk menentukan kelas yang akan ditempati. Dalam menentukan kelas disesuaikan dengan klasifikasi retardasi mental yang terdiri dari tiga tingkatan, yaitu retardasi mental ringan, disabilitas intelektual sedang, dan retardasi mental berat. Untuk menentukan tingkat klasifikasi retardasi mental pada siswa diperlukan diagnosis dari seorang ahli yang merupakan psikolog dan psikiater. Tetapi Shanti Yoga Special School tidak menyediakan tenaga ahli. Berdasarkan masalah ini, penulis membuat judul tesis "Sistem Pakar untuk Klasifikasi Siswa Retardasi Mental di SLB Shanti Yoga Klaten Menggunakan Metode Naive Bayes". Metode Naive Bayes digunakan oleh penulis untuk menghitung probabilitas dan statistik dari 135 data siswa di SLB Shanti Yoga Klaten mengenai gejala yang muncul. Tujuan membangun sistem pakar dalam mengklasifikasikan siswa yang mengalami retardasi mental adalah untuk mendiagnosis apakah siswa yang belajar di Yoga SLB Shanti termasuk keterbelakangan mental ringan, sedang atau berat karena masing-masing kelas menempati kelas yang berbeda. Berdasarkan tes yang dilakukan, metode Naive Bayes dapat digunakan untuk membantu perhitungan dalam sistem klasifikasi siswa cacat mental. Hal ini dibuktikan dengan penilaian klasifikasi siswa retardasi mental yang lebih tepat karena didasarkan pada gejala yang muncul yang diperlukan dalam penelitian ini. Kata kunci: Sistem Pakar, Klasifikasi Siswa Penyandang Cacat, Naif Bayes Abstract - SLB Shanti Yoga is one of the schools with special needs for the mentally retarded in Klaten. The teachers at the school experienced problems in classifying mentally retarded students to determine the class to be occupied. In determining the class adjusted to the mental retardation classification which consists of three levels, namely mild mental retardation, moderate intellectual disability, and severe mental retardation. To determine the level of mental retardation classification in students requires a diagnosis from an expert who is a psychologist and psychiatrist. But the Shanti Yoga Special School does not provide experts. Based on these problems, the authors make the title of the thesis "Expert System for Classification of Mentally Retarded Students in the SLB Shanti Yoga Klaten Using the Naive Bayes Method". The Naive Bayes method is used by the author to calculate the probability and statistics of 135 student data in the SLB Shanti Yoga Klaten regarding the symptoms that arise. The purpose of building an expert system in classifying mentally retarded students is to diagnose whether students who study at the Shanti Yoga SLB include mild, moderate or severe mental retardation because each class occupies a different class. Based on the tests made, the Naive Bayes method can be used to assist calculations in the classification system of mentally disabled students. This is evidenced by the assessment of classification of mentally retarded students which is more appropriate because it is based on the symptoms that arise that are needed in this study. Keywords: Expert System, Mentally Disabled Student Classification, Naive Bayes 1.1. Latar Belakang Masalah
Anak tunagrahita (retardasi mental) merupakan anak yang mempunyai hambatan dalam perkembangan mental maupun intelektual yang mengganggu proses pertumbuhan dibanding anak pada umumnya sehingga memerlukan perhatian khusus dari keluarga, sekolah maupun lingkungan sosial. Meskipun anak tunagrahita mempunyai hambatan dalam beraktivitas tetapi anak
tersebut tetap membutuhkan pendidikan yang layak dalam proses belajar.
SLB Shanti Yoga merupakan salah satu sekolah luar biasa yang menyediakan sarana pendidikan bagi anak berkebutuhan khusus penyandang tunagrahita. Sekolah yang berada di Klaten ini sudah banyak dikenal oleh masyarakat sehingga banyak orang tua menyekolahkan anaknya yang menyandang tunagrahita pada SLB tersebut. SLB Shanti Yoga memberikan pelayanan pendidikan pada
Journal Speed – Sentra Penelitian Engineering dan Edukasi – Volume 10 No 4 – November - 2018
siswa spesialis penyandang tunagrahita ringan, sedang maupun berat. Pada sekolah tersebut memberikan pendidikan yang berbeda pada setiap klasifikasi siswa tunagrahita. Siswa tunagrahita ringan mempunyai kesulitan dalam berfikir abstrak tetapi mampu mengikuti kegiatan akademik dalam batas tertentu. Pada siswa tunagrahita sedang mempunyai kesulitan dalam menerima pelajaran akademik yang harus dilatih untuk mandiri terutama dalam merawat diri sendiri. Sedangkan siswa tunagrahita berat harus di rehabilitasi sehingga tidak merugikan diri sendiri maupun orang lain.
Dalam menentukan klasifikasi tunagrahita bukan hal yang mudah karena harus mempelajari perilaku terhadap siswa. Demikian pula yang dialami oleh SLB Shanti Yoga dalam penempatan kelas siswa dibagi berdasarkan klasifikasi ringan, sedang dan berat, maka dari itu para guru harus melakukan observasi selama tiga bulan untuk menganalisa klasifikasi siswa berkebutuhan khusus tunagrahita. Namun para guru masih mengalami kesulitan dalam menentukan klasifikasi siswa setelah dilakukannya observasi. Dalam menentukan klasifikasi siswa sebaiknya sekolah menyediakan orang yang ahli yaitu psikolog atau psikiater, namun di SLB Shanti Yoga tidak tersedia tenaga ahli tersebut.
Dari paparan yang telah dijelaskan maka dibangunlah sistem pakar untuk memberikan kemudahan pada SLB Shanti Yoga dalam mendiagnosa klasifikasi tunagrahita sesuai dengan gejala yang berjudul “Sistem Pakar Klasifikasi Siswa Tunagrahita Pada SLB Shanti Yoga Klaten Menggunakan Metode Naive Bayes”. 1.2. Maksud dan Tujuan
Pembuatan sistem pakar dalam mengklasifikasikan siswa tunagrahita mempunyai maksud yaitu: 1. Membangun pakar untuk
mengklasifikasikan siswa tunagrahita pada SLB Shanti Yoga.
2. Membangun sistem untuk membantu guru SLB Shanti Yoga dalam menentukan kelas yang sesuai dengan klasifikasi siswa tunagrahita dengan tepat. Sedangkan tujuan membangun sistem
pakar sebagai berikut: 1. Membangun sistem pakar untuk
mengklasifikasi siswa tunagrahita sehingga dapat membantu guru atau pengelola SLB Shanti Yoga sesuai dengan kebutuhan.
2. Sistem pakar dapat mengidentifikasi siswa tunagrahita dengan akurat.
1.3. Ruang Lingkup Ruang lingkup masalah dijadikan batasan
penulis dalam membatasi pokok bahasan mengenai sistem pakar yang dibuat antara lain: 1. Sistem pakar mendiagnosa klasifikasi
siswa tunagrahita berdasarkan data gejala-gejala yang timbul.
2. Metode yang digunakan dalam membuat sistem pakar yaitu naive bayes.
3. Sistem pakar pengklasifikasian siswa tunagrahita hanya digunakan oleh SLB Shanti Yoga.
2.1. Tinjauan Pustaka 2.1.1. Sistem Pakar
Sistem merupakan objek-objek yang dikumpulkan berupa orang, konsep dan prosedur yang ditujukan untuk melakukan fungsi tertentu dalam memenuhi suatu tujuan dengan membangun interaksi bersama-sama secara kolektif untuk melaksanakan tujuan (Pratiwi,2016:4).
Sistem pakar merupakan sistem yang mempunyai kemampuan atau keahlian layaknya seorang pakar dalam bidang tertentu ke dalam sistem atau program komputer yang dibuat dengan tampilan yang dapat berfungsi oleh pengguna, dalam hal ini pengguna bukanlah pakar sehingga dengan sistem tersebut seseorang dapat mengambil kebijakan ataupun keputusan seperti halnya sorang pakar (Andriani,2017:9).
2.1.2. Tunagrahita
Anak penyandang tuna grahita merupakan seseorang yang memiliki kekurangan yang disebabkan karena faktor keturunan, permasalahan saat kelahiran serta faktor lingkungan sosial (Binasiwi,2015:1). Menurut AAMD (American Association of Mental Deficiency) menjelaskan bahwa “Ketunagrahitaan mengacu pada fungsi intelektual umum yang secara signifikan dibawah rata-rata normal bersamaan dengan kekurangan dalam tingkah laku penyesuaian diri dan semua ini berlangsung pada masa perkembangan”. Tunagrahita adalah individu yang mempunyai istilah cacat mental, bodoh, dungu, lemah dalam berpikir yang memiliki tingkat inteligensia dibawah rata-rata orang pada umumnya disertai dengan ketidakmampuan dalam beradaptasi perilaku
Journal Speed – Sentra Penelitian Engineering dan Edukasi – Volume 10 No 4 – November - 2018
yang muncul pada masa perkembangan (Pandji dan Wardhani,2013:8).
2.1.3. Metode Naive Bayes
Metode Bayes merupakan pendekatan statistik untuk melakukan inferensi induksi mengenai klasifikasi dengan menggunakan probabilitas bersyarat sebagai dasarnya. Dalam ilmu statistik, probabilitas H di dalam E adalah probabilitas interaksi H dan E dari probabilitas E atau dengan bahasa lain P(H|E) adalah presentase banyaknya H dalam E. Metode Naive Bayes juga merupakan pengklasifikasi probabilitas sederhana berdasarkan pada Teorema Bayes. Teorema Bayes dikombinasikan dengan “Naive” yang berarti setiap atribut/variabel bersifat bebas (independent) Keuntungan metode ini ialah hanya membutuhkan data dalam jumlah kecil untuk melakukan parameter (sarana dan varians dari variabel) yang dibutuhkan dalam pengklasifikasian (Irwan dkk, 2010:882).
Naive Bayes merupakan suatu teknik pengklasifikasian berdasarkan peluang sederhana berdasarkan aplikasi Teorema Bayes dengan asumsi antar variabel penjelas saling bebas (independen) yaitu kehadiran atau ketiadaan dari suatu kejadian tertentu tidak berhubungan dengan kehadiran dari kejadian yang lain (Kesuma & Ma’rifati, 2018). Adapun rumus algoritma naive bayes sebagai berikut:
Keterangan:
: Probabilitas A akibat B
: Probabilitas B akibat A
: Probabilitas A tanpa memandang
faktor apapun
: Probabilitas B tanpa memandang
faktor lain Atau dapat dihitung dengan rumus:
Keterangan:
: Probabilitas (Peluang)
: Hipotesis (Hasil Diagnosa)
: Evidence (Gejala)
2.1.4. Model Pengembangan Perangkat
Lunak Waterfall SLDC atau Software Development Life
Cycle menurut Sukamto dan Shalahuddin (2014:26) mengemukakan bahwa “SLDC adalah proses mengembangkan atau mengubah suatu sistem perangkat lunak
dengan menggunakan model-model perangkat lunak sebelumnya (berdasarkan best practice atau cara-cara yang sudah teruji baik)”.
Model waterfall atau model air terjun dan disebut model sekuensial linier atau alur hidup klasik merupakan model yang memberikan pendekatan alur hidup software secara terurut dengan lima tahap yaitu analisa, desain, pengkodean, pengujian dan tahap pendukung (Sukamto dan Shalahuddin,2014:28).
Tahap-tahap model waterfall menurut Sukamto dan Shalahuddin (2014:29), sebagai berikut: 1. Analisa kebutuhan perangkat lunak
Proses untuk menentukan data dengan cara mendokumentasikan kebutuhan software sesuai dengan kebutuhan user.
2. Desain Proses ini merepresentasi struktur data, arsitektur perangkat lunak, antarmuka dan pengkodean untuk diimplementasi menjadi program.
3. Pembuatan kode program Proses menciptakan program perangkat lunak yang mengacu pada desain yang telah dibuat.
4. Pengujian Suatu proses untuk meminimalisir kesalahan dengan menguji program perangkat lunak.
5. Pendukung Proses mengembangkan program perangkat lunak yang sudah dibuat.
2.1.5. Basis Data Basis data merupakan suatu proses
menyediakan dan memelihara data dan informasi yang sudah diolah kedalam sistem terkomputerisasi atau dapat diartikan sebagai media untuk menyimpan data sehingga dapat diakses dengan mudah dan cepat (Sukamto dan Shalahuddin,2014:43). Basis data (database) atau sering disebut sebagai juga pangkalan data merupakan tempat berkumpulnya data-data yang saling berhubungan dan terintegrasi mengenai operasional perusahaan yang disimpan dan dikelola dengan cara yang sistematis dengan tujuan agar dapat disimpan, dimodifikasi, dicari dan digunakan kembali dengan mudah dan cepat (Aditiyawarman, 2016). 2.1. Hasil Wawancara Pakar
Dari ketiga pakar yang telah diwawancara oleh penulis, telah didapatkan hasil yang rata-rata mempunyai persepi yang
Journal Speed – Sentra Penelitian Engineering dan Edukasi – Volume 10 No 4 – November - 2018
sama. Adapun hasil wawancara yang diperoleh antara lain: 1. Tunagrahita diklasifikasikan menjadi tiga
yaitu tunagrahita ringan, sedang dan berat. Dalam dunia kedokteran jiwa/kejiwaan, penentuan klasifikasi tunagrahita menggunakan data terukur dan tidak terukur. Jika data terukur menggunakan nilai IQ, nilai IQ untuk tunagrahita ringan yaitu 50-70, sedang 35-49, dan berat IQ 20-34. Data yang tidak terukur artinya diperiksa dokter menggunakan gejala yang biasanya terkait dengan perawatan diri. Tunagrahita ringan bisa mandiri dalam mengerjakan kegiatan sehari-hari, tunagrahita sedang mampu melakukan perawatan diri namun harus diarahkan, sedangkan tunagrahita berat harus diajari dalam jangka waktu yang lama.
2. Dalam penampilan fisik, tunagrahita ringan lebih banyak memiliki wajah datar, tidak bisa tersenyum lebar, tertawa lebar, dan pada kasus tertentu beberapa penyandang tunagrahita memiliki wajah yang khusus atau memiliki ciri khas seperti mongoloid.
3. Terapi untuk anak penyandang tunagrahita terdiri dari dua macam yaitu terapi obat dan terapi non obat. Terapi obat untuk merangsangsang perkembangan otak. Dalam setiap klasifikasi tunagrahita obat yang digunakan biasanya sama, hanya saja menyesuaikan berat badan. Sedangkan terapi non obat disesuaikan dengan kebutuhan, ada beberapa terapi non obat seperti fisio terapi, okupasi terapi dan masih banyak lagi terapi yang bisa diberikan.
4. Setiap anak memiliki perkembangan yang berbeda-beda, tapi pada prinsipnya perkembangan anak ditargetkan pada kemandirian sehingga dapat merawat diri sendiri tanpa dibantu orang lain.
2.2. Algoritma Sistem Pakar Berikut merupakan algoritma sistem
pakar yang dibuat dengan diagram alur flowchart:
Mulai
Menu Beranda
Input
Username
dan
Password
Input Data
Diri Siswa
Tampil
Pertanyaan
Data Siswa
Jawab
Pertanyaan
If Gejalap(A l B ) = p(B l A) x p(A)
p(B)
Data Gejala
Output
Hasil
Klasifikasi
Simpan Hasil
KlasifikasiData Siswa
Selesai
Sumber : Olahan Sendiri
Gambar 2.1. Algoritma Sistem Pakar 2.3. Tabel Pakar
Tabel pakar terdiri dari tabel klasifikasi, tabel gejala, tabel solusi dan tabel aturan. 1. Berikut merupakan tabel klasifikasi:
Tabel.III.1. Klasifikasi Tunagrahita
Kode Klasifikasi
T01 Tunagrahita Ringan
T02 Tunagrahita Sedang
T03 Tunagrahita Berat
Sumber : Olahan Sendiri 2. Berikut merupakan tabel gejala
tunagrahita: Tabel.III.2
Gejala Tunagrahita
Nama Gejala
Memiliki daya ingat yang lemah
Kurang pembendaharaan kata-kata
Mengalami kesulitan dalam membaca dan menulis
Komunikasi terbatas untuk kebutuhan dasar
Pencapaian tingkat kecerdasan dibawah rata-rata
Mengalami kesulitan dalam pekerjaan sekolah yang bersifat akademik
Memiliki sifat kekanak-kanakan
Karakter wajah normal
Masih mempunyai potensi belajar memelihara diri dan menyesuaikan diri terhadap lingkungan
Mencapai keterampilan praktis dan keterampilan rumah tangga meskipun terlambat daripada normal
Dapat membedakan bahaya dan bukan bahaya
Masih dapat mengikuti percakapan sederhana
Kemandirian dapat dilakukan tanpa bantuan, namun harus diarahkan
Gerakan terkendali seperti pada umumnya
Masih dapat berbicara lancar
Masih dapat mengikuti pelajaran akademik
Journal Speed – Sentra Penelitian Engineering dan Edukasi – Volume 10 No 4 – November - 2018