Implementasi Metode Certainty Factor Untuk Mendiagnosa Kondisi Psikis Siswa-Siswi SMA Dalam Menghadapi Ujian Nasional Berbasis
Komputer (UNBK)
Cindy Shintia Afriani Harahap1*, Bosker Sinaga2
1,2STMIK Pelita Nusantara Jl. Iskandar Muda No. 1 Medan 20154
Corresponding author‘s e-mail: [email protected]
Abstrak— Saat ini mulai berlaku ujian berbasis online, setiap sekolah di Indonesia mengikuti ujian nasional berbasis komputer (UNBK) dimana UNBK ini bisa menyebabkan gangguan psikis terhadap siswa kelas XII yang akan menghadapi. Gangguan psikis ada 4 jenis yaitu tanggapan psikologi terhadap kendala dan tuntutan, tanggapan fisik, tanggapan persepsual dan tanggapan jasmani. Untuk mengurangi gangguan psikis yang dialami siswa maka penelitian ini menggunakan sistem pakar dengan menggunakan metode certainty factor.
Tujuannya untuk mengetahui kondisi psikis siswa dan solusi apa yang harus diberikan. Penelitian ini bersifat kuantitafif korelasional. Penelitian ini menggunakan subjek penelitian sebanyak 115 siswa yang diambil dari sebagian siswa kelas XII SMA Negeri 2 Perbaungan menggunakan teknik random sampling. Penelian ini mengambil data pada tahun 2019. Melalui sistem ini, guru BK dapat memanipulasi data penyakit, gejala dan solusi. Dalam sistem ini, menerapkan metode certainty factor pada sistem pakar dengan tahap kebutuhan sistem, desain sistem dan perangkat lunak, implementasi pengujian sistem. Berdasarkan hasil analisis data diperoleh terdapat gangguan psikis dengan tanggapan persepsual 0.99 dan tanggapan jasmani 0.99.
Kata kunci: Penilaian Psikologis, Certainty Factor, Sistem Pakar
Abstract— Now that online-based exams are starting to take effect, every school in Indonesia takes the computer-based national exams (UNBK) where this UNBK can cause psychological problems for class XII students who will face it. There are 4 types of psychological disorders, namely psychological responses to constraints and demands, physical responses, perceptual responses and physical responses. To reduce the psychological disorders experienced by students, this study uses an expert system using the certainty factor method. The goal is to find out the psychological condition of students and what solutions should be given.
This research is correlational quantitative. This study used a research subject of 115 students taken from some of the students of class XII SMA Negeri 2 Perbaungan using random sampling techniques. This research draws data from 2019. Through this system, counseling teachers can manipulate disease data, symptoms and solutions. In this system, applying the certainty factor method to expert systems with the stages of system requirements, system design and software, system testing implementation. Based on the results of data analysis, it was found that there were psychological disorders with perceptual responses of 0.99 and physical responses of 0.99.
Keywords: Psychological Assessment, Certainty Factor, Expert System 1. Pendahuluan
Penyelenggaraan Ujian Nasional Berbasis Komputer (UNBK) pertama kali dilksanakan pada tahun 2014 secara online dan terbatas di SMP Indonesia Singapura dan SMP Indonesia Kuala Lumpur (SIKL). Hasil penyelenggaraan UNBK pada sekolah tersebut cukup mengembirakan dan semakin memotivasi untuk mengembangkan literasi siswa terhadap Teknologi Informasi dan Komunikasi (TIK). SMA Negeri 2 Perbaungan merupakan salah satu sekolah yang melaksanakan UNBK sejak tahun 2017. SMA Negeri 2 Perbaungan terdiri dari program studi IPA dan IPS. SMA Negeri 2 Perbaungan memfokuskan diri untuk membantu seluruh anak bangsa, terutama putra-putri Serdang Bedagai yang ingin melanjutkan pendidikan pada sekolah menengah atas untuk medapatkan ijazah SMA yang nantinya berguna untuk melanjutkan perguruan tinggi (kuliah) atau bekerja. UNBK disebut juga Computer Based Test (CBT) adalah sistem pelaksanaan ujian nasional dengan menggunakan komputer sebagai media ujiannya, penentuan soalnya dilakukan secara terkomputerisasi sehingga setiap peserta tes mendapatkan paket soal yang berbeda-beda. Nantinya, setiap siswa mengerjakan soal tes UN dan dihadapkan sebuah PC yang terhubung ke server UNBK pusat. Kemudian hasil ujian dikirim kembali dari server lokal (sekolah) ke pusat secara online (upload). Setiap siswa diberi waktu
yang sudah di tentukan, apabila waktunya sudah habis maka komputer akan logout dengan sendirinya.
Disinilah akan memberikan efek psikis pada setiap siswa-siswi untuk menghadapi UNBK.
Certainty Factor (Faktor Keputusan) diajukan oleh Shortliffe dan Buchanan pada 1975 untuk menampung ketidakpastian pemikiran (inexact reasoning) seorang pakar. Certainty factor merupakan suatu metode untuk menjelaskan apakah suatu fakta itu pasti atau tidak pasti yang berbentuk metric yang biasanya dipakai dalam sistem pakar. Metode ini sangat cocok untuk sistem pakar yang mendiagnosis sesuatu yang belum pasti.
Metode ini hanya bisa mengolah 2 bobot dalam sekali perhitungan. Untuk bobot yang lebih dari 2 banyaknya, untuk menjalankan perhitungan tidak terjadi masalah apabila bobot yang dihitung teracak, maksudnya tidak ada aturan untuk mengkombinasikan bobotnya, karena untuk kombinasi seperti apapun hasilnya akan tetap sama. Misalnya, untuk melihat apakah pasien tercatat menderita penyakit jantung atau tidak, dilihat dari hasil perhitungan bobot setelah semua keluhan-keluhan dimasukkan dan semua bobot dihitung dengan menggunakan metode certainty factor. Pasien yang dinyatakan mengidap penyakit jantung adalah pasien yang memiliki bobot mendekati +1 dengan keluhan-keluhan yang dimiliki mengacu kepada penyakit jantung.
Meskipun pasien yang memiliki bobot mendekati -1 adalah pasien yang dianggap tidak mengidap penyakit jantung, serta pasien yang mempunyai bobot sama dengan 0 diagnosisnya tidak diketahui atau unknown atau bisa disebut dengan netral.
2. Tinjauan Pustaka 2.1. Pengertian Pakar
Pemindahan kepakaran (Transferring Expertise) Tujuan dari sistem pakar adalah memindahkan kepakaran dari seorang pakar ke dalam komputer, kemudian ditransfer kepada orang lain yang bukan pakar. Proses ini melibatkan empat kegiatan :
a. Akusisi pengetahuan (dari pakar atau sumber lain) b. Representasi pengetahuan (pada komputer)
Inferensi adalah sebuah prosedur (program) yang mempunyai kemampuan dalam melakukan penalaran.
Inferensi ditampilkan pada suatu komponen yang disebut mesin inferensi yang mencakup prosedur-prosedur mengenai pemecahan masalah. Semua pengetahuan yang dimiliki oleh seorang pakar disimpan pada basis pengetahuan oleh sistem pakar. Tugas mesin inferensi adalah mengambil kesimpulan berdasarkan basis pengetahuan yang dimilikinya..
2.2. Pengertian Sistem Pakar
Sistem pakar merupakan suatu program komputer cerdas yang manfaatkan pengetahuan (knowledge) dan prosedur inferensi untuk memecahkan masalah yang cukup sulit sehingga dibutuhkan seorang yang ahli untuk memecahkannya. Pengetahuan merupakan sebuah kekuatan yang dapat menyelesaikan suatu masalah yang ditemui sehari-hari[13]. Sistem pakar merupakan program Artificial Intellenge (AI) yang menyatukan pangkalan pengetahuan (knowledge base) dengan sistem inferensi. Kecerdasan buatan atau Artificial Intellenge (AI) dapat didefinisikan sebagai sub bidang pengetahuan komputer yang khusus ditujukan untuk membuat software dan hardware yang sepenuhnya biasa mencontohkan beberapa fungsi otak manusia. Karena itu diharapkan komputer bisa membantu manusia didalam berbagai masalah yang sangat rumit. Secara menyeluruh sistem pakar dapat disimpulkan bahwa sistem pakar adalah program komputer yang bertindak sebagai konsultan. Dengan dibuatnya sistem pakar, seseorang pemakai dapat berkonsultasi dalam menyelesaikan masalah layaknya berkonsultasi langsung dengan seorang pakar sesuai dengan domain masalah tertentu yang diinput ke dalam sistem pakar tersebut. Pengetahuan yang digunakan dalam sistem pakar khusus untuk satu problem domain sebagai kebalikan dari pengetahuan tentang tehnik pemecahan masalah pada umumnya.
2.3. Konsep Sistem Pakar
Konsep dasar dari suatu sistem pakar memuat beberapa unsur/elemen, yaitu :
1. Keahlian (expertise) merupakan suatu kelebihan penguasaan pengetahuan di bidang tertentu yang didapat dari pelatihan, membaca atau pengalaman. Pengetahuan tersebut memungkinkan para ahli untuk dapat mengambil keputusan lebih cepat dan lebih baik daripada seseorang yang bukan ahli.
2. Pakar (Expert) merupakan seseorang yang mampu menerangkan suatu tanggapan, mempelajari hal-hal baru seputar topik permasalahan (domain), menyusun kembali pengetahuan jika dipandang perlu, memecah aturan-aturan jika dibutuhkan, dan menentukan relevan tidaknya keahlian mereka.
3. Pengalihan keahlian (transfering expertise) dari para ahli ke komputer untuk kemudian dialihkan lagi ke orang lain yang bukan ahli, hal inilah yang merupakan tujuan utama dari sistem pakar. Proses ini membutuhkan 4 aktivitas yaitu :
4. Aturan (rule) yaitu Pengetahuan yang disimpan di komputer disebut dengan nama basis pengetahuan. Ada
dua tipe pengetahuan, yaitu fakta dan prosedur (biasanya berupa aturan).
5. Mesin inferensi (inference engine) sebagai Salah satu fitur yang harus dimiliki oleh sistem pakar adalah kemampuan untuk menalar, Jika keahlian-keahlian sudah tersimpan sebagai basis pengetahuan dan sudah tersedia program yang mampu mengakses basisdata, maka komputer harus dapat diprogram untuk membuat inferensi.
6. Kemampuan penjelasan (explanation capability) Sebagian besar sistem pakar komersial dibuat dalam bentuk rule based system, yang mana pengetahuan disimpan dalam bentuk aturan-aturan. Aturan tersebut biasanya berbentuk IF-THEN.
3. Metode Penelitian
Penelitian ini dilakukan di SMA Negeri 2 Perbaungan yang beralamat di Simpang Tiga Pekan, Kec.
Perbaungan, Kabupaten Serdang Bedagai, Sumatera Utara 20986. untuk mendapatkan informasi tentang gejala psikis pada siswa SMA Negeri 2 Perbaungan dalam mengikuti UNBK.
Kerangka kerja ini merupakan langkah-langkah yang akan dilakukan dalam penyelesaian masalah yang akan dibahas.
a. Identifikasi Masalah
Tahap identifikasi masalah adalah tahap menemukan permasalahan sebelum dilakukannya penelitian. Data yang akan digunakan dalam sistem yang akan dibangun yaitu dalam menentukan kriteria-kriteria yang akan digunakan nantinya.
b. Pengumpulan Data
Dalam pengumpulan data secara akurat, pada penelitian ini peneliti menggunakan skala psikolog sebagai pengukur.
c. Analisa Data
Analisis adalah langkah pertama dari proses perencanaan yang selanjutnya akan dilakukan evaluasi terhadap kondisi dari pola-pola yang berkaitan dengan akutansi dan alasan-alasan yang memungkinkan tentang perbedaan yang muncul masalah dengan melakukan peninjauan langsung ke suatu tempat atau pakarnya.
d. Perhitungan Metode CF (Certainty Factor)
Pada tahap ini akan dihitung nilai kepastian dari seorang user atau pengguna dalam mendiganosa kondisi psikis siswa-siswi SMA Negeri 2 Perbaungan dalam menghadapi UNBK tersebut berdasarkan aturan atau rule yang sudah dibentuk dengan metode Certainty Factor. Penerapan algoritma ini sangat penting dalam perancangan suatu program untuk menyelesaikan suatu masalah hingga mencapai suatu tujuan dalam penilaian dengan tepat sasaran dengan diterapkannya algoritma Certainty Factor.
e. Implementasi Sistem
Implementasi harus dilakukan dengan perancangan yang telah dibuat agar hasil yang dicapai sesuai dengan yang diinginkan. Data yang ada pada tahap ini diolah dan fakta atau kondisi (rule) yang sudah didapat akan diproses dengan aplikasi yang dibuat dan telah dirancang sehingga dihasilkan berupa pengetahuan informasi kondisi psikis dan persentase hasil kepastiannya.
4. Hasil dan Pembahasan
Metode Certainty Factor (CF) merupakan cara dari penggabungan kepercayaan dan ketidak kepercayaan dalam bilangan yang tunggal. CF menggunakan suatu nilai untuk mengasumsikan derajat keyakinan seorang pakar terhadap suatu data.
1. Menentukan Nilai MB dan MD
Analisa Metode Certainty factor, harus melalui perhitungan nilai measure of beliefe (MB) dan measure of disbeliefe (MD). Nilai MB dan MD ada pada masing-masing gejala dan kemudian dihitung berdasarkan gejala yang dipilih oleh user nantinya. Nilai MB dan MD untuk seluruh gejela yang ada pada penelitian ini ditentukan oleh pakar psikis anak.. Untuk menentukan nila MB dan MD tersebut, maka perlu rentang nilai. Semakin tinggi nilai MB maka, nilai kepercayaan atau kepastian gejala yang didapat menyebab gangguan kepribadian remaja, dan semakin tinggi nilai MD maka nilai kepastian atau ketidakpercayaan semakin tinggi. Sebaliknya semakin rendah nilai MB, maka nilai kepercayaan gejala yang diperoleh semakin kecil dan semakin rendah nilai MD maka nilai ketidakpastian atau ketidakpercayaan semakin rendah. Berikut rentang nilai dalam menentukan nilai MB dan MD.
Tabel 1. Penilaian MB dan MD
No Keterangan Nilai MB dan MD
1 Tidak Tahu/ Tidak Ada 0,1 - 0,2
2 Mungkin 0,3 - 0,4 3 Kemungkinan Besar 0,5 - 0,6
4 Hampir Pasti 0,7 - 0,8
5 Pasti 0,9 – 1
2. Pembentukan Tabel Keputusan (Decisio Table) Psikis dan Gejala
Dari data gejala psikis siswa dan gejala yang ada, dapat disingkat informasinya menjadi tabel keputusan (decision Table) yang isinya relasi atau hubungan antara kondisi psikis dan gejalanya. Berikut ini Tabel Rincian kondisi Psikis dan Gejala-gejala yang terjadi.
Tabel 2. Tabel Rincian Kondisi Psikis
Kode Nama Psikis
P001 Tanggapan psikologi terhadap kendala dan tuntutan
P002 Tanggapan Fisik P003 Tanggapan Persepsual P004 Tanggapan Jasmani 3. Penentuan Nilai Bobot dari setiap masing-masing gejala
4. Perhitungan Nilai Certainty Factor
Dalam mengekespresikan derajat keyakinan certainty theory menggunakan nilai yang disebut certainty factor (CF) untuk mengamsumsikan derajat keyakinan seorang pakar terhadap suatu data.Certainty factor memperkenalkan konsep believe/ keyakinan dan disbelieve/ ketidak yakinan.
Konsep ini kemudian diformulasikan dalam rumusan dasar sebagai berikut:
CF[H.E] = MB[H,E] – MD[H,E] ... (1) CF = Certainty Factor hipotesa dalam hipotesis H yang dipengaruhi oleh fakta E
MB = meansure of believe, me rupakan nilai kenaikan dari kepercayaan hipotesis H dipengaruhi oleh fakta E.
MD = meansure of disbelieve, merupakan nilai kenaikan dari ketidakpercayaan hipotesis H dipengaruhi oleh fakta E.
H = Hipotesis (dugaan).
E = Evidence (Peristiwa/fakta)
Setelah MB dan MD dari eviden e1 dan e2 diketahui maka tinggal memasukannya ke rumus dasar, yaitu CF[h,e1^e2] = MB [h,e1^e2] – MD [h,e1 ^ e2]
Apabila terdapat kaidah dengan kesimpulan yang serupa (similiary concluded rules) atau lebih dari satu gejala, maka CF selanjutnya dihitung dengan persamaan berikut :
Cfcombine = CFold + CFgejala*[1-CFold] ... (2) Sedangkan untuk menghitung persentase terhadap penyakit, digunakan persamaan :
CFpersentase =CFcombine*100………...(3)
5. Perhitungan Nilai CF dari pengguna (User) Contoh Kasus :
Kasus Positif Nama Siswa : Aura Lubis
Umur : 15 tahun
Latar Belakang : Anak Kedua dari 3 Bersaudara Keluhan User : Perubahan terlihat 2 bulan kebelakang sebelum memasuki UNBK. Keterangan dari wali kelas bahwa si anak pendiam dan cenderung menghindari teman sekelasnya. Sering diejek karena pendiam. Menjadi anak yang serba curiga, dan berfikir negatif terhadap teman sebayanya. Suka menyendiri dikamar berbicara didepan kaca sambil bertakhayul terkadang gelisah dan berhalusinasi.
Kasus Negatif Nama Siswa : Eka Pradaana
Umur : 17 Tahun
Latar Belakang : Anak Pertama dari 2 Bersaudara Keluhan User : Tidak terlihat perubahan apapun sebelum memasuki UNBK. Keterangan dari wali kelas bahwa sih anak bersikap biasa saja seperti tidak ada masalah dalam menghadapi UNBK tersebut, banyak temannya yg melaporkan bahwa dia sering keluar malam, malas belajar dan kebanyakan guru komplain karena dia tidak mengerjakan tugas rumah.
Dari perhitungan secara manual diatas, diperoleh nilai CF dari masukan gejala yang merujuk ke tanggapan persepsual dan tanggapan jasmani adalah 0,99.
Implementasi sistem adalah implementasi jalannya sistem yang telah dibuat. Sehingga diharapkan setelah
adanya implementasi ini dapat dipahami jalannya suaru sistem, sehingga akan diketahui apakah sistem atau aplikasi yang dirancang benar-benar dapat menghasilkan tujuan yang dicapai.
1. Menu Beranda/Halaman Utama
Halaman Menu Utama digunakan sebagai penghubung untuk seitan menu halaman halaman kelola kerusakan, halaman kelola gejala, halaman kelola pengetahuan, dan halaman laporan.
Gambar 1. Halaman Kelola Pengetahuan, Halaman Diagnosa 2. Halaman Data Psikis, Data Gejala
Halaman data psikis adalah halaman yang berfungsi untuk mengelola data kondisi psikis yang ada pada sistem.
Pada halaman ini, admin dapat menginputkan data psikis baru atau menghapus serta mengubah data psikis.
Halaman Data Gejala, halaman data gejala adalah halaman yang digunakan untuk mengelola data Gejala psikis siswa yang ada pada sistem.
Gambar 2. Halaman Kelola Pengetahuan, Halaman Diagnosa 3. Halaman Kelola Pengetahuan, Halaman Diagnosa
Halaman kelola pengetahuan adalah halaman mengelola data hubungan antara Gejala dan Psikis(rule) pada siswa yang ada pada sistem. Halaman Diagnosa adalah halaman yang akan digunakan oleh user untuk Menghitung gejala yang dipilih dengan menggunakan algoritma Certainty Factor yang nantinya akan menghasilkan hasil diagnosa kondisi psikis siswa.
Gambar 3. Halaman Kelola Pengetahuan, Halaman Diagnosa 5. Kesimpulan
Kesimpulan :
1. Penelitian ini menerapkan metode certainty factor dalam mendiagnosa kondisi psikis siswa dalam menghadai UNBK, terdiri dari beberapa gejala siswa seperti cemas, khawatir dan tidak senang, pada setiap gejala terdapat nilai CF dari seorang pakar untuk setiap gejala, dari hasil diagnosa sistem pakar ini pula akan menghasilkan sebuah solusi bagi penanganan awal kondisi psikis siswa.
2. Perancangan aplikasi sistem pakar ini dibangun mulai dari use case diagram ,activity diagram, class diagram dan sequence diagram. Aplikasi menggunakan bahasa pemrogramn PHP yang akan digunakan dalam membangun sistem, mulai dari perencanaan halaman input, halaman output dan perancangan antarmuka.
Daftar Pustaka
[1] R. Annisa, “Sistem Pakar Metode Certainty Factor Untuk Mendiagnosa Tipe Skizofrenia,” IJCIT (Indonesian J. Comput. Inf. Technol., vol. 3, no. 1, pp. 40–46, 2018.
[2] R. Antonius, A. Simangunsong, A. Sindar, and R. M. Sinaga, “Diagnosa Penyakit Fibroadenoma Mammae Menggunakan Metode Certainty Factor Dengan Penelusuran Forward Chaining,” vol. 18, no. 2, pp. 117–
122, 2019.
[3] M. Arifin, S. Slamin, and W. E. Y. Retnani, “Penerapan Metode Certainty Factor Untuk Sistem Pakar Diagnosis Hama Dan Penyakit Pada Tanaman Tembakau,” Berk. Sainstek, vol. 5, no. 1, p. 21, 2017, doi:
10.19184/bst.v5i1.5370.
[4] A. Arifsyah and A. Sindar, “Sistem Pakar Diagnosa Penyakit Pohon Karet Dengan Metode Certainty Factor,” J. Nas. Komputasi dan Teknol. Inf., vol. 2, no. 2, p. 175, 2019.
[5] F. Aulady, A. Gunawan, and M. Ryansyah, “Penerapan Algoritma Certainty Factor Untuk Sistem Pakar Diagnosis Urtikaria Pada Wanita Dewasa,” Swabumi, vol. 7, no. 1, pp. 90–98, 2019.
[6] R. Rachman and A. Mukminin, “Penerapan Metode Certainty Factor Pada Sistem Pakar Penentuan Minat dan Bakat Siswa SD,” Khazanah Inform. J. Ilmu Komput. dan Inform., vol. 4, no. 2, p. 90, 2018.
[7] K. E. Setyaputri, A. Fadlil, and S. Sunardi, “Analisis Metode Certainty Factor pada Sistem Pakar Diagnosa Penyakit THT,” J. Tek. Elektro, vol. 10, no. 1, pp. 30–35, 2018.
[8] D. Simanjuntak and A. Sindar, “Sistem Pakar Deteksi Gizi Buruk Balita Dengan Metode Naïve Bayes Classifier,” vol. 1, no. 2, pp. 54–60, 2019.
[9] A. Sucipto, Y. Fernando, R. I. Borman, and N. Mahmuda, “Penerapan Metode Certainty Factor Pada Diagnosa Penyakit Saraf Tulang Belakang,” J. Ilm. FIFO, vol. 10, no. 2, p. 18, 2019.
[10] R. T. dan A. S. Waruwu, “Sistem Pakar Menentukan Jenis Gangguan Perkembangan Anak Menggunakan Metode Certainty Factor,” vol. 1, no. 2, pp. 1–4, 2020.
[11] Y. Yuliyana and A. S. R. M. Sinaga, “Sistem Pakar Diagnosa Penyakit Gigi Menggunakan Metode Naive Bayes,” Fountain Informatics J., vol. 4, no. 1, p. 19, 2019.
[12] A. Riadi, “Penerapan Metode Certainty Factor Untuk Sistem Pakar Diagnosa Penyakit Diabetes Melitus Pada Rsud Bumi Panua Kabupaten Pohuwato,” Ilk. J. Ilm., vol. 9, no. 3, pp. 309–316, 2017, doi:
10.33096/ilkom.v9i3.162.309-316.
[13] S. Susmanto, Z. Zulfan, and M. Munawir, “Sistem Penerapan Fuzzy Multi Attribute Decision Making (MADM) Dalam Mendukung Keputusan Untuk Menentukan Lulusan Terbaik Pada Sekolah Tinggi Teknik Poliprofesi Medan,” J. Nas. Komputasi dan Teknol. Inf., vol. 1, no. 1, 2018.
