skip to main content

Sistem Pakar Untuk Identifikasi Dan Alternatif Solusi Terhadap Permasalahan Yang Dihadapi Peserta Didik Sekolah Menengah Menggunakan Rule-Based Machine Learning

1Departemen Teknik Elektro, Fakultas Teknik, Universitas Diponegoro., Indonesia

2Jl. Prof. Soedarto, SH, Kampus Undip Tembalang, Semarang, Indonesia 50275., Indonesia

3Diponegoro University, Indonesia

4 Fakultas Sains dan Matematika Universitas Diponegoro Semarang, Indonesia, Jl. Prof. Soedarto, SH, Kampus Undip Tembalang, Semarang, Indonesia 50275, Indonesia

View all affiliations
Received: 23 Sep 2020; Published: 24 Sep 2024.
Open Access Copyright (c) 2024 Jurnal Teknologi dan Sistem Komputer under http://creativecommons.org/licenses/by-sa/4.0.

Citation Format:
Abstract

Kesulitan dalam mengidentifikasi masalah yang dialami oleh peserta didik di sekolah tingkat menengah berpotensi mengakibatkan masalah yang lebih besar di kemudian hari. Selama ini guru bimbingan dan konseling (BK) menggunakan metode konvensional dalam mengidentifikasi dan memecahkan masalah tersebut. Metode ini membutuhkan biaya yang besar, ruang yang khusus, dan waktu yang lama. Artikel ini memaparkan pengembangan sistem pakar untuk identifikasi untuk kemudian menawarkan alternatif solusi terhadap permasalahan yang dihadapi peserta didik di tingkat sekolah menengah. Sistem ini menggunakan metode Problem Checklist yang didukung oleh machine learning untuk meningkatkan akurasi dan efisiensi. Kepakaran dari guru BK senior untuk menghubungkan ragam permasalahan dan berbagai alternatif solusi dilatihkan pada rule-based machine learning sistem ini. Pengujian dilakukan menggunakan WEKA dengan 200 contoh data sampel sebagai data pelatihan, yang dapat memprediksi data dari 185 contoh yang label kelasnya tidak diketahui Sistem yang dikembangkan adalah berbasis web sehingga peserta didik yang merasa mengalami masalah dapat meng-ases dirinya sendiri dan mendapatkan saran alternatif solusi secara online. Guru BK sebagai admin dapat memantau perkembangan peserta didiknya serta melakukan penambahan ragam permasalahan dan alternatif solusi mengikuti perkembangan jaman.  Hasil implementasi dan pengujian menunjukkan bahwa sistem pakar yang dikembangkan menawarkan identifikasi dan solusi yang akurat dan lebih cepat serta dapat dilakukan kapanpun dan di manapun.

Keywords: sistem pakar; identifikasi masalah; alternatif solusi; peserta didik, machine learning; rule-based;
Funding: (DRPM BRIN RI under contract 225-55/UN7.6.1/PP/2020)

Article Metrics:

  1. A. Khofifah, A. Sano, and Y. Syukur, “PERMASALAHAN YANG DISAMPAIKAN SISWA KEPADA GURU BK/KONSELOR,” Jurnal EDUCATIO: Jurnal Pendidikan Indonesia, vol. 3, no. 1, p. 45, Nov. 2017, doi: 10.29210/12017271
  2. J. D. McLeod, R. Uemura, and S. Rohrman, “Adolescent Mental Health, Behavior Problems, and Academic Achievement,” Journal of Health and Social Behavior, vol. 53, no. 4, pp. 482–497, Dec. 2012, doi: 10.1177/0022146512462888
  3. H. Alshenqeeti, “Interviewing as a Data Collection Method: A Critical Review,” English Linguistics Research, vol. 3, no. 1, pp. 39–45, Mar. 2014, doi: 10.5430/elr.v3n1p39
  4. R. Andriani and R. Rasto, “Motivasi belajar sebagai determinan hasil belajar siswa,” Jurnal Pendidikan Manajemen Perkantoran, vol. 4, no. 1, p. 80, Jan. 2019, doi: 10.17509/jpm.v4i1.14958
  5. P. K. Arizusanti and B. Purwoko, “SURVEY TENTANG KONFLIK INTERPERSONAL YANG DIALAMI OLEH SISWA SEKOLAH MENENGAH ATAS (SMA) NEGERI DI SURABAYA SELATAN,” Unesa Jurnal Mahasiwa Bimbingan dan Konseling, vol. 5, no. 3, pp. 1–12, 2015
  6. M. Yuliansyah and M. Herman, “Teknik Sosiometri Dalam Asesmen Pelayanan Konseling Pada Kepala Sekolah Dan Guru SDN KUIN Selatan 1 Banjarmasin,” Jurnal Bimbingan dan Konseling Ar-Rahman, vol. 4, no. 1, pp. 25–29, 2018
  7. M. Damayanti, C. T. Anni, and H. Mugiarso, “STUDI EVALUATIF SOFTWARE DCM® UNTUK KEEFEKTIFAN NEED ASESSMENT PENYUSUNAN PROGRAM,” Indonesian Journal of Guidance and Counseling : Theory and Application, vol. 5, no. 1, pp. 39–44, 2016
  8. P. Arjanto, “Identifikasi Masalah Menggunakan Teknik Problem Check-List Pada Mahasiswa Program Studi Bimbingan Dan Konseling Universitas Pattimura,” Jurnal Konseling Indonesia, vol. 1, no. 1 Oktober, pp. 1–13, 2015
  9. K. Aeni, “Penerapan Metode Forward Chaining Pada Sistem Pakar Untuk Diagnosa Hama Dan Penyakit Padi,” INTENSIF, vol. 2, no. 1, p. 79, Feb. 2018, doi: 10.29407/intensif.v2i1.11841
  10. M. P. N. Saputri, R. R. Isnanto, and I. P. Windasari, “Android Application of Expert System for Gastroenteritis Detection,” Jurnal Teknologi dan Sistem Komputer, vol. 5, no. 3, pp. 110–114, Jul. 2017, doi: 10.14710/jtsiskom.5.3.2017.110-114
  11. C. P. C. Munaiseche, D. R. Kaparang, and P. T. D. Rompas, “An Expert System for Diagnosing Eye Diseases using Forward Chaining Method,” IOP Conference Series: Materials Science and Engineering, vol. 306, no. 1, p. 012023, Feb. 2018, doi: 10.1088/1757-899X/306/1/012023
  12. Z. Zhang et al., “Researches on Expert System for Automatic Driving Traffic Rules of Unmanned Vehicle,” Journal of Physics: Conference Series, vol. 1069, no. 1, p. 012016, Aug. 2018, doi: 10.1088/1742-6596/1069/1/012016
  13. D. Suryadi, R. Meilianda, A. F. Suryono, and M. Munadi, “Sistem Pakar untuk Mengidentifikasi Kerusakan Mesin Industri Menggunakan Metode Certainty Factor,” ROTASI, vol. 20, no. 1, p. 56, Jan. 2018, doi: 10.14710/rotasi.20.1.56-62
  14. M. P. Hardiyanti, R. R. Isnanto, and I. P. Windasari, “Aplikasi Sistem Pakar Berbasis Mobile Untuk Diagnosis Dini Meningitis,” Jurnal Teknologi dan Sistem Komputer, vol. 5, no. 2, p. 83, May 2017, doi: 10.14710/jtsiskom.5.2.2017.84-89
  15. W. Medhat, A. Hassan, and H. Korashy, “Sentiment analysis algorithms and applications: A survey,” Ain Shams Engineering Journal, vol. 5, no. 4, pp. 1093–1113, Dec. 2014, doi: 10.1016/j.asej.2014.04.011
  16. F. Thabtah and D. Peebles, “A new machine learning model based on induction of rules for autism detection,” Health Informatics Journal, vol. 26, no. 1, pp. 264–286, Mar. 2020, doi: 10.1177/1460458218824711
  17. M. Lungaroni, A. Murari, E. Peluso, J. Vega, G. Farias, and M. Gelfusa, “On the potential of ruled-based machine learning for disruption prediction on JET,” Fusion Engineering and Design, vol. 130, no. February, pp. 62–68, May 2018, doi: 10.1016/j.fusengdes.2018.02.087
  18. G. W. Bassel, E. Glaab, J. Marquez, M. J. Holdsworth, and J. Bacardit, “Functional Network Construction in Arabidopsis Using Rule-Based Machine Learning on Large-Scale Data Sets,” The Plant Cell, vol. 23, no. 9, pp. 3101–3116, Sep. 2011, doi: 10.1105/tpc.111.088153
  19. M. W. Berry and M. Browne, Lecture notes in data mining, 1st ed., no. 2. WORLD SCIENTIFIC, 2006. doi: 10.1142/6103
  20. M. Srinivas, “Using Rule Based Classifiers for the Predictive Analysis of Breast Cancer Recurrence.,” Journal of Information Engineering & …, vol. 2, no. 2, pp. 12–20, 2012
  21. M. W. Berry and M. Browne, Lecture Notes in Data Mining, vol. 2, no. January 2013. WORLD SCIENTIFIC, 2006. [Online]. Available: https://www.cambridge.org/core/product/identifier/CBO9781139058452A007/type/book_part
  22. S. Bird, E. Klein, and E. Loper, Natural Language Processing with Python, 1st ed. Sebastopol, CA: O’Reilly Media, 2009

Last update:

No citation recorded.

Last update: 2024-11-04 17:08:38

No citation recorded.