SNATIKA Volume 02, Tahun Seminar Nasional Teknologi lnformasi, Komunikasi dan Aplikasinya. rssn TriY.

rssn 2089- 1083

SNATIKA

2013

Seminar Nasional Teknologi

lnformasi,

Komunikasi dan

Aplikasinya

Volume

02, Tahun 2013

PROGRAM COMMITIEE

Prof. Dr. R. Eko

lndrajit, MSc,

MBA (Perbanas Jakarta) Prof. Dr. ZainalA. Hasibuan (Universitas lndonesia) Prof. Dr. lr. Kuswara Setiawan, MT {UPH Surabaya}

STEERING COMMITTEE Evy Poerbaningtyas, S.Si, M.T

TriY.

Evelina, SE, MM

Meivi Kartikasari, S.Kom

Mukhlis Amien, S.Kom Dedy Ari P., S.Kom

ORGANIZING COMMITTEE Eka Widya Sari

lsa Suarti

SEKRETARIAT

Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Sekolah Tinggi lnformatika & Komputer lndonesia (STlKl)- Malang SNATIKA 2013

Jl. Raya Tidar 100 Malang 65145 Tel. +52-341560823

Fax. +52-341 562525 Website : snatika.stiki.ac.id Email : snatika@stiki.ac.id

KATA PE]IIGA]IITAR

Bapakllbu/Sdr.

Peserta

dan Pemanakal SNATIKA

2013

yang

saya

hormati,

pertama-tama

saya

ucapkan

selamat datang

atas

kehadiran Bapak/lbu/Sdr,

dan

tak

lupa

kami mengucapkan terimakasih atas partisipasi dan peran serta

Bapak/lbulsdr

dalam kegiatan ini.

SNATIKA 2013 adalah Seminar NasinalTeknologi lnformasi, Komunikasi dan Aplikasinya yang

diselenggarakan

oleh

STIKI

Malang

bekerjasama dengan APTIKOM

Malang

dan

KIik lndonesia. Sesuai tujuannya SNATIKA 2013 merupakan saiana bagi

peneliti,

akademisi dan

praktisi

untuk

mempublikasikan irasil-hasil

penelitian,

ide-ide

terbaru

mengenai Teknologi lnformasi, Komunikasi dan Aplikasinya. Selain

itu sesuai

dengan tema

yaitu

_"lCTs

Aspect

_for

Mobility,

Social, Culture

&

Economy'',

topic-topik

yang diambil

disesuaikan

dengan kompetensi dasar

dari APTIKOM

Malang yang diharapkan

dapat

mensinergikan penelitian

yang

dilakukan

oleh

para

peneliti

di

bidang

lnformatika dan

Komputer. Semoga acara ini

bermanfaat bagi kita

semua

terutama bagi

perkembangan

_{ilmu dan teknologi}

_di

bidang tekn ologi i nform asi, komuni kasi d an apli kasi nya.

Akhir

kata,

kami ucapkan selamat mengikuti seminar,

dan

semoga

kita

bisa

bertemu lkembali pada SNATIKA yang akan datang.

Malang, 16 Nopember 2013 Panitia SNATIKA 2013

Tri Y. Evelina, SE,

MM

SAMBUTAN IGTUA

SEKOIAH TTNGG| TNFORMATTKA DAN KOMPUTER |NDONES|A (ST|K!) MAIANG

Yang saya hormati peserta Seminar NasionalAffiKOM zftllg,

Puji &'Syukur kita

panjatkan

kepada

Tuhan

Yang

Maha Esa,

atas

terselenggarakannya Seminar Nasional sebagairangkaian dari kegiatan Klik lndonesia 2013

di Kota

Malang. Kami ucapkan

selamat datang

kepada

peserta Seminar

Nasional

serta

rekan-rekan perguruan tinggi maupun mahasiswa yang telah berpartisipasi aktif sebagai pemakalah maupun peserta dalam kegiatan seminar nasional ini. Konferensi

ini

merupakan bagian dari 10 Flag APTIKOM

untuk

meningkatkan kualitas SDM ICT

di

lndonesia,

dimana

anggota APTIKOM khususnya harus haus akan llmu untuk mampu memajukan tCT di lndonesia.

Konferensi ICT bertujuan untuk

menjadiforum

komunikasi antara peneliti,

penggia! birokrat

pemerintah,

pengembang sistem, kalangan

lndustry dan seluruh komunitas ICT lndonesia

yang ada didalam APTIKOM maupun diluar APTIKOM. Kegiatan

ini

diharapkan memberikan

masukan kepada

stokeholder

_ICT

di lndonesia, yang meliputi masyaraka! pemei'intah,

industri

dan

lainnya, sehingga mampu sebagai penggerak

dalam

memajukan

ICT !nternasional.

Akhir kata, semoga

forum

seperti ini dapat terus dilaksanakan secara periodic sesuai dengan kegiatan

tahunan APTIKOM.

Dengan

demikian kualitas

makalah,

maupun hasil

penelitian

dapat

semakin meningkat sehingga

mamfiu bersinergi dengan ilmuwan

dan praktisi

ICT internasional.

Sebagai Ketua STIKI

Malang kami mengucapkan

terimakasih kepada semua pihak atas segala bantuan demi sukesnya acara ini.

"Mari

Bersama Memajukan ICT lndonesia"

Malang

16 Nopember 2013

Ketua STlKl,

IV

tssN 2089-1083

SNATIKA

z}!3,Volume

02

DAFTAR

ISI

Halaman Halaman Judul Kata Pengantar Sambutan Ketua STIKI

Daftar lsi

1

litty

VonessiLapmng,

Aplikasi Ber:basis

Web

Untuk

lzin Absensi

Dan

1-s

Ririn lkono

Desanti,

Penggajian Pada Perusahaan Kontraktor Tambang Astrid Collirta

2

Arip Mulyanto,

Mando

Klasifikasi

Karakter

Manusia

Menggunakan

6 - 11

Rohandi, Moh.

Syafri

Algoritma Nairre Bayes Untuk Rekomendasi Motif

Tuloli

Karawo Berbasis Budaya Gorontalo

3

Sandra Murdianto,

Evy

Sistem Pangkalan Data

Dosen

t2 -16

Poerboningtyos,Hendro Guna Perhitungan lnde,ks Prestasi Dan Beban Kerja

Suprayogi

Dosen (Studi Kasus: ST|KI Malang)

4

lndoh

DwiMumpuni,

Pengolahan Data Gaji Pada Stmik Ppkia

Pradnya

t7

-21

JauharulMoknunah

ParamitaMalangDenganPendekatan

Data Warehouse

5

Choerul

Anwor,

Perencanaan

Strategi Sistem lnformasi

Dan

22 - 26 Muhamad

lrsdn

Teknologi lnformasi Pada Sma Plus Pembangunan

Jaya

6

Setiabuditukaria,

Sistem Penunjang Keputusan Perekrutan

Karyawai

27 -33

Evangelista Deld

Rosa

Menggunakan Analytical Hierarchy Process (AHP)

7

DedvKumiasunotw

il1H,iln,,,XT"[,:'*"[.Jl[*H,f?fffI

34-38

Kampus ll lnstitut Teknologi Nasional Malang)

8

betamRizky

Pemodelan Sistem loformasi Alqademik

Perguruan

39-43 Wicoksano,

Supriyanto

Tinggi Berbasis Service Oriented Architecture

(Studi Kasus: Macsysuniversitas Ma Chung)

9

Soetom

Rizky

Kendali Penggunaan Laboratorium Majemuk

Di

M

- 47 Wicoksono, Ronald

Dwi

Lingkup Perguruan

Tinggi

Menggunakan ltalc

Nompunu

(lntelligent Teaching And Learning With Computers)

10 Nurdionsyah

Algoritma Rijndael SebagaiTeknik Pengamanan

Data

48 -52 Rezkinanda, Ewy

Poerbaningtyas, lohan

lii lv v

Erika

tL

Ahmod

Luthfi

Pemodelan Open Course Ware Sebagai

Platform

53 - 58

Konsep Saling Berbag

t2

Laura Vionti,

Astrid

Developing

An

E-Learning System Prototype

Case

59 - 63 Callista,

Suryosori

Study: The Department Of lnformation Systems At

Universitas Pelita Harapan '

13

Devi Sionita

Soeprapto,

Aplikasi Berbasis Web Untuk Pengajuan

Kegiatan

64 - 69 Suryasofi, Astrid Cattista (emahasiswaan _{Dan Proses Pendukungnya Studi}

Kasus: UFH

t4

Tri Yulistyawati

Evelina; Sistem Ketersediaan

Pangan Daerah

Dengan

70 -

_lg

Subari

Anatisa

Wlayah

Lumbung

Pangan

Berbasis Teknologi Sistem lnformasi Geografis

15

Subari, Go

Frendi

Otomatisasi Sistem Rekomendasi 80 -87

Gunawon

Layanan Kesehatan Untuk Berobat Berbasis Webgis

16

€ko Budi

Cahynno

Rekalibrasi Kamera Kinect Untuk Augmented

Reality

88 -92 Dengan Geometri Visi Stereo

L7

Yuda

Munorko

Studi

Perbandingan Teknologi

Mesin Pencari

93 - 98

Berhasis Dialog Dan Berhasis Thread Di User Forum

18 Subori

Rancang Bangun Sistem Official

App

Perguruan

99 - 109

Tinggi Berbasis Mobile Sebagai Upaya Pencitraan lnstitusi

tg

Koko Wahyu

Pmsetyo

Penerapan lt Balanced

Scorecard

110 - 114 Dalam Perencanaan Strategis Sistem lnformasi

DiSTlKltvialang

2n

Voyok Seby

Dwaaoko,

Rancang Ban8un Media Pembelajaran

interaktif

115 - 119 Hemorica

Destiand

Pengenalan Nama Tumbuhan Menggunakan Adobe ,

Flash Cs3 Sdn Kauman 1 Malang

2t

Jayonto, Titin

Promiyati,

Rancangan Basisdata: Sistem lnformasi lbu

Hamil

t2t

-

t25 Henky Boyu Seto

ZZ Sabarudin

The User Capability Development Model in

lT

126 - 135

lmplementation in Government: Case on IFMIS

{tntegrated Financial Management lnformation

Systems) lmplementation in lndonesia

-a Practitioner Perspective

23

Mukhlis Amien,

Meivi

Aplikasi Berbasis Java Untuk Melakukan

Pelacakan

t36

-

137

Kortikosori Penggunaan Kata Dalam Bahasa lndonesia Di Situs-Situs Berita Untuk Mendapatkan Kata-Kata Terbaru

Yang Paling Sering Dipakai

lllilt, riiii ;iiiri: llltttt lrtlr;i i ilii, itrrili 'll, ,ili li i|1lli, 'I ili Eka WfdW

firi,

Siska Diatinod Andamwarih,

Monigo Cindy Niusori llendrykttuwan, Samuel Perkosa, Herditomo, Sunday Noya Hendro Poerbo Proxtija, Yudhi Kumiawan, Fronsisca Romono Dessyona Kordha

Ami Fauzijoh, Dito Donionti

Diah Arifoh P.,lndra 5.,

Lailo lsyriyoh

Sistem lnformasi GeoSrafis Pencarian Lo*asi Restoran Terdekat Dengan Pembayaran Melalui Kartu Kredit

Sistem lnformasi Penjualan Pada Suvalayan Abc

Pemanfaatan Data Warehouse Dalam Mendukung Pengambilan Keputusa n Dan Pem buatan Pelaporan

Evaluasi Diri Perguruan Tinggi

{Studi Kasus Data Akademik Universitas Ma Chung Malang)

Sistem lnformasi Penilaian Kineria Guru

Optimasi Jaringan Fungsi Basis Radial Dalam

Verifi kasi Citra Sidik Jari

138 - t41 742- t47 148 - 153 154 - 159 150 -167 vil

SNATIKA 2013, ISSN 2089-1083| 6

KLASIFIKASI KARAKTER MANUSIA MENGGUNAKAN

ALGORITMA NAÏVE BAYES UNTUK REKOMENDASI MOTIF

KARAWO BERBASIS BUDAYA GORONTALO

Arip Mulyanto, Manda Rohandi, Moh. Syafri Tuloli

Prodi Sistem Informasi Fakultas Teknik Universitas Negeri Gorontalo

Email : arip.mulyanto@ung.ac.id, mandarohandi@gmail.com, ekohabit@gmail.com

ABSTRAK

Penelitian ini bertujuan untuk merekomendasikan berbagai motif karawo yang bersumber dari seni budaya Gorontalo yang diklasifikasikan sesuai dengan karakter penggunanya dilihat dari studi karakter dasar manusia pada Eneagram. Nilai filosofi dalam benda seni budaya Gorontalo yang dijadikan motif karawo kemudian disesuaikan maknanya dengan karakter dasar manusia yang ada pada Eneagram, sehingga untuk setiap motif karawo dapat memiliki lebih dari satu karakter Eneagram. Algoritma Naïve Bayes digunakan untuk mengklasifikasikan sembilan karakter manusia pada Eneagram yang nantinya akan dijadikan sebagai kelas target pemetaan dalam klasifikasi, sedangkan untuk fitur-fitur data pelatihannya diambil dari kombinasi sifat terbaik dan terburuk dari setiap karakter manusia pada Eneagram. Hasil kombinasi fitur-fitur tersebut, didapatkan 483 data pelatihan yang nantinya akan digunakan sebagai representasi pengetahuan dalam klasifikasi dengan algoritma naïve bayes. Dari hasil pengujian kinerja naïve bayes, didapatkan bahwa metode ini dapat melakukan klasifikasi karakter manusia dengan keakuratan rata-rata 98,7%, meskipun terdapat beberapa data yang tidak dapat diklasifikasikan kelasnya. Motif karawo yang direkomendasikan dapat lebih dari satu, disebabkan karena terdapat beberapa nilai filosofi budaya pada motif karawo yang sifatnya sesuai

dengan sifat beberapa kelas pada Eneagram.

Keywords : Eneagram, Motif karawo, Naïve Bayes

1. PENDAHULUAN

Kerajinan kerawang atau karawo merupakan salah satu seni budaya Gorontalo yang menjadi ciri khas Gorontalo. Karawo dihasilkan melalui proses

penyulaman, yang dilakukan dengan

menarik/membuka benang-benang dari kain

sehingga membentuk pola tertentu. Karawo kebanyakan direprentasikan dalam bentuk kain untuk baju/jas, mukena, jilbab, kipas tangan, sapu tangan, taplak meja, dasi, dan lainnya. Sayangnya minat masyarakat Gorontalo terhadap karawo masih rendah, dimana masyarakat lebih memilih batik dibanding menggunakan karawo. Minimnya ragam motif karawo merupakan salah satu faktor kurang memasyarakatnya karawo. Saat ini, motif karawo kurang bervariatif dan kurang memiliki makna filosofis yang dapat membangkitkan minat para pemakai. Motif karawo lebih kepada motif bunga, hewan, logo perusahaan atau institusi pemesannya, bukan kepada karakter penggunanya atau nilai filosofi budaya Gorontalo itu sendiri. Untuk lebih memperkaya motif dan melestarikan karawo yang merupakan salah satu warisan budaya

Gorontalo, maka penelitian ini bertujuan

merekomendasikan berbagai motif karawo yang bersumber dari seni budaya Gorontalo yang

diklasifikasikan sesuai dengan karakter

penggunanya dilihat dari studi karakter dasar manusia pada Eneagram.

Akbariah, (2010) melakukan penelitian tentang

klasifikasi karakter pengguna batik untuk

rekomendasi motif menggunakan algoritma naïve bayes. Dalam penelitiannya karakter pengguna batik disesuaikan dengan studi sembilan karakter dasar manusia atau yang disebut juga dengan Eneagram, dimana kategori karakter eneagram tersebut disesuaikan dengan impresi motif batik klasik, sehingga diperoleh acuan rekomendasi motif batik. Adapun untuk teknik klasifikasi karakter pengguna batik digunakan algoritma naïve bayes dengan nilai akurasi sebesar 78,19%. Keakuratan hasil klasifikasi sangat dipengaruhi oleh sumber filosofi motif batik dan seberapa jelas dan benar pendeskripsian kalimat profil calon pemakai batik tersebut

2. Tinjauan Pustaka

2.1 Karawo atau Kerawang

Sulaman kerawang atau Karawo adalah salah satu ragam hias kain yang dihiasi dengan berbagai macam motif warna sesuai dengan selera masing-masing pengrajin. Dengan motif yang bervariasi menjadikan kerawang sebagai salah satu kerajinan tangan andalan di daerah Gorontalo. Motif-motif sulaman kerawang ini banyak digunakan pada

SNATIKA 2013, ISSN 2089-1083| 7

berbagai rancangan pakaian wanita maupun pria, selain itu motif kerawang digunakan juga pada peci, sapu tangan, kerudung, dasi, kipas, dompet, dan asesoris lainnya. Kombinasi motif kreatif dengan warna-warna benang yang beraneka ragam yang dipadukan pada kain yang tepat akan menghasilkan sulaman kerawang yang bagus dan cantik, tetapi tidak meninggalkan motif budaya yang merupakan ciri khas daerah Gorontalo (Alrezacell, 2011).

Gorontalo memiliki beraneka ragam kekayaan seni budaya tradisional, misalnya musik dan tarian taradisional, pakaian adat, adat-istiadat, dan sebagainya. Gambar-gambar dari kekayaan seni budaya tradisional Gorontalo yang dilengkapi dengan penjelasan verbal tersebut bermanfaat untuk memunculkan ide dalam pembuatan desain motif karawo yang unik, guna memperkaya motif karawo.

Tabel 2.1 Motif Karawo dan Nilai Filosofisnya dalam Seni Budaya Tradisional Gorontalo

NO MOTIF KARAWO DARI BENDA SENI BUDAYA GORONTALO NILAI FILOSOFI BUDAYA

1 Pohon Pinang Lurus, Pengayom,

Jujur

2 Makuta Berguna bagi orang

lain

3 Buaya Hukum, nasehat

4 Tali/Simpul Persaudaraan

5 Pohon Kelapa Kemuliaan,

keteguhan, kokoh,

menyatu, pribadi

yang baik, jujur,

halus budi bahasa,

amanah, teladan,

bijaksana, berbagi

6 Pahangga/Gula

aren

Status manusia

7 Alikusu/Gapura Memegang teguh

agama, semangat

hidup, memberi

sumbangsih bagi

dunia

8 Lale/Janur Pemimpin yang

mencintai rakyatnya

9 Pisang Semangat hidup,

memberi sumbangsih bagi dunia

10 Tebu hangat, ekspresif,

keras kepala

11 Senjata Aliyawo Berbahaya seperti

ular berbisa, agresif

NO MOTIF KARAWO DARI BENDA SENI BUDAYA GORONTALO NILAI FILOSOFI BUDAYA

12 Senjata Eluto berbahaya,

mematikan

13 Senjata Baladu Berwibawa, Perkasa

14 Senjata Pito Aman, tidak

berbahaya

15 Senjata Sabele Teguh memegang

agama

16 Senjata Sumala Agresif

17 Senjata Banggo Berbahaya, Idealis,

18 Senjata Bitu'o Selalu ingin menang

19 Senjata Wamilo Lemah lembut dan

bahagia

20 Senjata Badi Perkasa, berbahaya

21 Tombak Yilambua Bangsawan

22 Tombak Pumbungo Bersemangat, pantang mundur, bersatu

23 Senjata Tadui-dui Keperkasaan

24 Kepingan mata

uang

Keuletan, keterampilan

25 Pala dan Cengkih Ketegaran Hidup

2.2 Karakter Manusia Menurut Eneagram

Eneagram adalah studi tentang sembilan tipe dasar manusia. Eneagram telah ada sejak ratusan tahun yang lalu. Sistem Eneagram digambarkan dengan suatu lingkaran yang berisi sebentuk bintang bertitik sembilan. Dalam bahasa Yunani, Enea adalah angka sembilan dan Grama artinya adalah sebuah gambar. Jadi, Eneagram berarti sebuah gambar bertitik sembilan (Baron dan Wagele, 2005).

Berikut adalah gambaran singkat kesembilan tipe dasar manusia dalam Eneagram, berdasarkan sifat terbaik dan terburuk yang dimilikinya.

Tabel 2.2 Sifat Terbaik dan Terburuk dari Sembilan tipe dasar manusia pada Eneagram

SIFAT TERBAIK SIFAT TERBURUK Tipe/Karak ter Memegang etika, bisa diandalkan, produktif, bijaksana, idealis, adil,

jujur, teratur dan disiplin Menghakimi, tidak luwes, dogmatis, obsesif-kompulsif, suka mengkritik orang lain, terlalu serius, menguasai, Perfeksionis

SNATIKA 2013, ISSN 2089-1083| 8

SIFAT TERBAIK SIFAT TERBURUK Tipe/Karak ter

gelisah dan iri Mengasihi, memperhatikan, bias beradaptasi, berwawasan, murah hati, antusias, dan dapat menangkap apa yang dirasakan orang lain Dapat menjadi mertir, tidak terus terang, manipulative, posesif, histeris, dan terlalu terpengaruh orang lain Penolong Optimis, yakin, rajin, efisien, berinisiatif, energik, dan praktis Memperdayaka n, narsistik, pamer, hampa, bersikap, dibuat-buat, pendendam dan terlalu kompetitif Pengejar Prestasi Hangat, bebelas kasihan, ekspresif, kreatif, mendukung, lembut Depresi, sadar diri, sok moralis, menarik diri, keras kepala, moody, tenggelam dalam pikiran sendiri Romantis Analitis, berpendirian teguh, sensitive, bijaksana, objektif, mudah memahami, mandiri Sok pintar, kikir, keras kepala, menjauhkan diri, suka mengkritik orang lain, mudah menyerah Pengamat Setia, disukai, perhatian, hangat, bebelaskasihan, cerdas, praktis, suka membantu, bertanggung jawab Terlalu cemas, menguasai, tidak bias diduga, menghakimi, paranoia, defensive, kaku, mudah kesal Pencemas Menyenangkan, spontan, imajinatif, produktif, antusias, gesit, yakin, mempesona Narsistik, tidak focus, memberontak, tidak disiplin, posesif, maniak, merusak diri Petualang Terus terang, memegang kendali, setia, energik, realistis, protektif, Menguasai, memberontak, tidak sensitive, mendominasi, egosentris, Pejuang SIFAT TERBAIK SIFAT TERBURUK Tipe/Karak ter

percaya diri skeptic, agresif

Menyenangkan, tenang, murah hati, sabar, menerima, diplomatis, berpikiran terbuka Terasing, pelupa, keras kepala, obsesif, apatis, pasif-agresif, tidak asertif Pendamai

2.3 Klasifikasi Naïve Bayes

Metode Bayes merupakan metode yang baik di dalam mesin pembelajaran berdasarkan data

training, dengan menggunakan probabilitas

bersyarat sebagai dasarnya. Algoritma Naive Bayes

memberikan alternatif bagaimana cara

menggabungkan probabilitas prioritas dan

probabilitas kondisional ke dalam sebuah formula, selanjutnya dapat dihitung kemungkinan dari setiap klasifikasi yang memungkinkan (Bramer, 2007). Berikut ini proses klasifikasi metode Naive Bayes (Wibisono, 2005)

 Proses Pelatihan

1. Input data-data profil pelatihan.

2. Menentukan kata-kata penting sebagai acuan karakter.

3. Pada setiap kategori profil, terdapat :  Docs adalah jumlah himpunan kata-kata

yang terdapat di setiap karakter.  Contoh adalah jumlah data-data profil

yang digunakan dalam pelatihan.

 |kosakata| adalah jumlah seluruh data-data profil pelatihan

Menghitung P(Vj) =

 Untuk setiap kata penting ai pada karakter

Vj maka perhitungannya adalah :



P(ai|Vj) =

Ket :

nk = Jumlah kemunculan kata ai

pada karakter Vj

n = Jumlah semua kata pada karakter Vj

 Proses Klasifikasi

Proses klasifikasi dilakukan dengan

memasukkan data-data profil yang belum diketahui masuk dalam karakter manapun. Lalu dihitunglah nilai Vmap dengan mengalikan nilai P(Vj) dan nilai P( ai | Vj ) yang sudah

SNATIKA 2013, ISSN 2089-1083| 9

Vmap yang paling besar yang akan menjadi kelas karakter untuk inputan profil tersebut.

3. Hasil Penelitian

Berikut adalah hasil penyesuaian karakter

Eneagram dengan filosofi motif karawo dalam seni budaya Gorontalo yang didapatkan dari narasumber (tokoh adat dan referensi budaya).

Tabel 3.1 Hasil penyesuaian karakter Eneagram dengan filosofi motif karawo dalam seni budaya Gorontalo NO MOTIF KARAWO NILAI FILOSOFI BUDAYA GORONTALO KARAKTE R ENEAGRA M 1 Pohon Pinang Lurus, Pengayom, Jujur Perfeksionis, Pejuang 2 Makuta/ Mahkota

Berguna bagi orang lain

Pencemas

3 Buaya Hukum, nasehat Perfeksionis,

Pendamai

4 Tali/Simpul Persaudaraan Pendamai

5 Kelapa Kemuliaan,

keteguhan, kokoh,

menyatu, pribadi

yang baik, jujur, halus budi bahasa,

amanah, teladan, bijaksana, berbagi Pengamat, Pendamai 6 Pahangga/ Gula Aren

Status manusia Pengejar

Prestasi 7 Alikusu/ Gapura Memegang teguh agama, semangat hidup, memberi sumbangsih bagi dunia petualang, penolong

8 Lale/Janur Pemimpin yang

mencintai raknyatnya

pendamai

9 Pisang Semangat hidup,

memberi

sumbangsih bagi

dunia

petualang

10 Tebu hangat, ekspresif,

keras kepala

romantis

11 Senjata

Aliyawo

Berbahaya seperti

ular berbisa, agresif

pejuang 12 Senjata Eluto berbahaya, mematikan pejuang 13 Senjata Baladu

Berwibawa, Perkasa Pejuang,

perfeksionis

14 Senjata Pito Aman, tidak

berbahaya pendamai NO MOTIF KARAWO NILAI FILOSOFI BUDAYA GORONTALO KARAKTE R ENEAGRA M 15 Senjata Sabele Teguh memegang agama penolong 16 Senjata Sumala Agresif pejuang 17 Senjata Banggo Idealis perfeksionis 18 Senjata

Bitu‘o Selalu ingin menang pejuang

19 Senjata

Wamilo

Lemah lembut dan bahagia

pendamai, petualang

20 Senjata Badi Perkasa, berbahaya petualang

21 Tombak Yilambua Bangsawan pencemas 22 Tombak Pumbungo Bersemangat, pantang mundur, bersatu pendamai, pengamat, petualang 23 Senjata Tadui-dui Keperkasaan petualang 24 Kepingan mata uang Keuletan, keterampilan Pengejar Prestasi 25 Pala dan Cengkih

Ketegaran Hidup Pejuang

Setelah karakter Eneagram disesuaikan dengan nilai filosofi motif karawo, langkah selanjutnya adalah pembuatan data pelatihan untuk membentuk model klasifikasi dengan algoritma naïve bayes. Model ini merupakan representasi pengetahuan yang akan digunakan dalam mengklasifikasikan karakter manusia. Data training untuk klasifikasi karakter manusia, didapatkan dengan mengkombinasikan fitur sifat terbaik dan terburuk dari manusia. Hasil kombinasi fitur sifat manusia terbaik dan terburuk, didapatkan 483 data training dengan sifat data diskrit, diamana nantinya digunakan sebagai representasi pengetahuan dalam klasifikasi dengan algoritma naïve bayes. Berikut adalah contoh table data pelatihan untuk model klasifikasi naïve bayes dengan 2 kelas dari 9 kelas pada eneagram.

Tabel 3.2 contoh tabel data pelatihan untuk model klasifikasi naïve bayes dengan 3 kelas

No Terbaik Terburuk Kelas

1

memegang

etika Menghakimi Perfeksionis

2 bisa diandalkan tidak luwes Perfeksionis

3 Produktif terlalu serius Perfeksionis

4 Bijaksana obsesif-kompulsif Perfeksionis 5 Idealis suka mengkritik perfeksionis

6 adil Dogmatis perfeksionis

7 jujur menguasai perfeksionis

SNATIKA 2013, ISSN 2089-1083| 10

No Terbaik Terburuk Kelas

9 Disiplin Gelisah Perfeksionis

10 Pengasih Martir Penolong

11 Memperhatikan

tidak terus

terang Penolong

12 bisa

beradaptasi Manipulative Penolong

13 Berwawasan Posesif penolong

14 murah hati Histeris penolong

15 Antusias

mudah

terpengaruh penolong

16 Empati Martir penolong

Berikut ini adalah contoh proses perhitungan dalam klasifikasi karakter manusia menggunakan metode naïve bayes.

 Motif apakah yang cocok untuk orang dengan SIFAT TERBAIK = ADIL dan SIFAT TERBURUK = DOGMATIS?

Langkah pertama adalah mengetahui probabilitas setiap fitur pada setiap kelasnya

Kelas Perfeksionis

P(Terbaik = Adil | Perfeksionis) = 1/9 = 0.111 P(Terburuk = Dogmatis | Perfeksionis) = 1/9

= 0.111 P(Fitur Masukan|Perfeksionis) = P(Terbaik=Adil|Perfeksionis)*P(Terburuk = Dogmatis|Perfeksionis) P(Fitur Masukan|Perfeksionis) = 0.111 * 0.111 = 0.0123 P(Perfeksionis) = 9/16 = 0.5625 Kelas Penolong

P(Terbaik = Adil | Penolong) = 0/7 = 0 P(Terburuk = Dogmatis | Penolong) = 0/7

= 0

P(Fitur Masukan|Penolong) = P(Terbaik=

Adil|Penolong) * P(Terburuk =

Dogmatis|Penolong)

P(Fitur Masukan|Penolong) = 0 * 0 = 0 P(Penolong) = 7/16 = 0.4375

Langkah kedua melakukan klasifikasi kedalam kelas-kelas Eneagram

P(Perfeksionis|Fitur Masukan) = P(Perfeksionis)* P(Fitur Masukan|Perfeksionis)

= 0.4709 * 0.012321 = 0.0058

P(Penolong|Fitur Masukan) = P(Penolong)* P(Fitur Masukan|Penolong)

= 0.2441 * 0 = 0

P(Pengejar prestasi|Fitur Masukan) = P(Pengejar prestasi )* P(Fitur Masukan | Pengejar prestasi) = 0.1220 * 0 = 0

Karena nilai probabilitas akhir terbesar ada dikelas Perfeksionis, maka data uji karakter manusia dengan SIFAT TERBAIK = ADIL dan SIFAT TERBURUK = DOGMATIS masuk kedalam kelas PERFEKSIONIS. Jika dihubungkan dengan table 3.1, maka motif yang cocok untuk karakter tersebut

adalah motif POHON PINANG, BUAYA,

SENJATA BALADU, dan SENJATA BANGGO Berdasarkan hasil pengujian terhadap semua data uji, diperoleh hasil bahwa terdapat 477 data yang sesuai dengan kelas yang diberikan sedang terdapat 6 data yang tidak terdeteksi karena masuk kedalam dua kelas yang berbeda. Proses untuk menilai kinerja dari hasil klasifikasi menggunakan naïve bayes dihitung dengan uji sensitivitas (Bemmel 1997). TP (true positive) didapatkan dari rasio orang yang masuk kelas X dan model hasil perhitungan naïve bayes juga memutuskan orang tersebut masuk kedalam kelas X. TN (true

negative) yaitu rasio orang yang tidak masuk

kedalam kelas X dan model naïve bayes juga memutuskan bahwa orang tersebut tidak masuk kedalam kelas X. FP (false positive) merupakan rasio orang yang masuk kedalam kelas X, namun model memutuskan orang tersebut tidak masuk kedalam kelas X. FN (false negative) merupakan rasio orang yang tidak masuk dalam kelas X, namun model memutuskan orang tersebut masuk dalam kelas X. Sensitivitas didapatkan dari hasil penjumlahan TP dan TN, dibagi dengan hasil penjumlahan TP, TN, FP dan FN, dituliskan dengan:

Kinerja = (TP+TN) / (TP+TN+FP+FN) Tabel 3.3 Kinerja Setiap Kelas

No Kelas Eneagram TP TN FP FN Kinerja 1 Perfeksionis 80 397 1 5 98,7% 2 Penolong 41 436 1 5 98,7% 3 Pengejar Prestasi 49 428 0 6 98,7% 4 Romantis 43 434 0 6 98,7% 5 Pengamat 41 436 1 5 98,7% 6 Pencemas 71 406 1 5 98,7% 7 Petualang 55 422 1 5 98,7% 8 Pejuang 48 429 1 5 98,7% 9 Pendamai 49 428 0 6 98,7%

SNATIKA 2013, ISSN 2089-1083| 11

4. KESIMPULAN

Penelitian ini dapat disimpulkan sebagai berikut: 1. Klasifikasi karakter manusia dilihat dari

Eneagram dilakukan untuk merekomendasikan motif karawo yang sesuai dengan karakter pemakainya berdasarkan nilai filosofi budaya Goronntalo

2. Sifat terbaik dan terburuk pada Eneagram dapat dijadikan sebagai fitur dalam proses pelatihan untuk klasifikasi dengan metode naïve bayes.

3. Nilai filosofis dalam benda seni budaya Gorontalo yang akan dijadikan motif karawo disesuaikan maknanya dengan karakter dasar manusia yang ada pada eneagram, sehingga untuk setiap motif karawo dapat memiliki lebih dari satu kelas Eneagram.

4. Metode naïve bayes dapat mengklasifikasikan karakter manusia pada Eneagram dengan baik dikarenakan datanya bersifat diskrit, dengan rata-rata keakuratan kinerja 98,7%, meskipun

terdapat 6 data yang tidak terdeteksi

dikarenakan terdapat fitur yang masuk kedalam dua kelas yang berbeda, seperti fitur terbaik = bijaksana dan terburuk = suka mengkritik yang

masuk kedalam kelas perfeksionis dan

pengamat.

5. Hasil klasifikasi karakter dapat

merekomendasikan motif karawo lebih dari satu jika dihubungkan dengan table 3.1.

5. TINJAUAN PUSTAKA

[1] Akbariah, Nikha. 2010. Klasifikasi Karakter

Pengguna Batik Untuk Rekomendasi Motif

menggunakan Algoritma Naive Bayes.

Universitas Pendidikan Indonesia, Bandung.

[2] Alrezacell. 2011. Kain Kerawang.

http://www.alrezacell.web.id/2011/02/kain-kerawang.html

[3] Baron, Renee & Wagele, Elizabeth. 2005. Eneagram : Mengenal 9 Tipe Kepribadian

Manusia Dengan Lebih Asyik. Jakarta : Serambi.

[4] Bemmel, J.H., dan M.A. Musen. (1997).

Modelling of decision support in Handbook of medical informatics, Diegem: Bohn Stafleu

Van Loghum.

[5] Bramer, Max. 2007. Principles of Data Mining. Springer.

[6] Wibisono, Yudi. 2005. Klasifikasi Berita Berbahasa Indonesia menggunakan Naïve

Bayes Classifier. Bandung: Universitas