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

Wahyul Amien Syafei; Budi Sulistiyo; Bayu Surarso

doi:10.14710/jtsiskom.2022.13896

DOI: https://doi.org/10.14710/jtsiskom.2022.13896

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

Wahyul Amien Syafei^{1, 2}

, Budi Sulistiyo³, Bayu Surarso⁴

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.

BibTex Citation Data :

@article{JTSISKOM13896,
    author = {Wahyul Syafei and Budi Sulistiyo and Bayu Surarso},
    title = {Sistem Pakar Untuk Identifikasi Dan Alternatif Solusi Terhadap Permasalahan Yang Dihadapi Peserta Didik Sekolah Menengah Menggunakan Rule-Based Machine Learning},
    journal = {Jurnal Teknologi dan Sistem Komputer},
  volume = {10},
    number = {3},
    year = {2024},
    keywords = {sistem pakar; identifikasi masalah; alternatif solusi; peserta didik, machine learning; rule-based;},
    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 m etode konvensional dalam mengidentifikasi dan memecahkan masalah  tersebut. Metode ini  membutuhkan biaya  yang besar, ruang yang khusus, dan  waktu yang lama. Artikel ini mem aparkan pengembangan sistem pakar untuk identifikasi untuk kemudian menawarkan a lternatif  s olusi  t erhadap  p ermasalahan  y ang  d ihadapi  p eserta  d idik  di tingkat s ekolah  m enengah . 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 .  },
   issn = {2338-0403},  doi = {10.14710/jtsiskom.2022.13896},
    url = {https://jtsiskom.undip.ac.id/article/view/13896}
}

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.

Fulltext View|Download Email colleagues

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:

Article Info

Section: Original Research Articles

Language : ID

In [IN PRESS] Volume 10, Issue 3, Year 2022 (July 2022)

Analisis Performansi Layanan Kluster Server Menggunakan Penyeimbang Beban dan Virtual Box Multitenant Computing Infrastructure Service with OpenStack in MaaS Environment More related articles

Most cited articles

Face recognition system with PCA-GA algorithm for smart home door security using Rasberry Pi Perancangan Permainan “UangAndro” Sebagai Media Pembelajaran Pengenalan Mata Uang Rupiah Pada Anak Berbasis Android Decision Support System for Thesis Graduation Recommendation Using AHP-TOPSIS Method Perancangan dan Pengembangan Permainan “Super Sigi” Menggunakan Stencyl Sebagai Media Pengenalan Menyikat Gigi SMS Security Improvement using RSA in Complaints Application on Regional Head Election’s Fraud More cited articles

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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
M. W. Berry and M. Browne, Lecture notes in data mining, 1st ed., no. 2. WORLD SCIENTIFIC, 2006. doi: 10.1142/6103
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
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
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: 2024-09-26 20:39:44

No citation recorded.

Starting from 2021, the author(s) whose article is published in the JTSiskom journal attain the copyright for their article and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution-ShareAlike 4.0 International License. By submitting the manuscript to JTSiskom, the author(s) agree with this policy. No special document approval is required.

The author(s) guarantee that:

their article is original, written by the mentioned author(s),
has never been published before,
does not contain statements that violate the law, and
does not violate the rights of others, is subject to copyright held exclusively by the author(s), is free from the rights of third parties, and the necessary written permission to quote from other sources has been obtained by the author(s).

The author(s) retain all rights to the published work, such as (but not limited to) the following rights:

Copyright and other proprietary rights related to the article, such as patents,
The right to use the substance of the article in its own future works, including lectures and books,
The right to reproduce the article for its own purposes,
The right to archive all versions of the article in any repository, and
The right to enter into separate additional contractual arrangements for the non-exclusive distribution of published versions of the article (for example, posting them to institutional repositories or publishing them in a book), acknowledging its initial publication in this journal (Jurnal Teknologi dan Sistem Komputer).

Suppose the article was prepared jointly by more than one author. Each author submitting the manuscript warrants that all co-authors have given their permission to agree to copyright and license notices (agreements) on their behalf and notify co-authors of the terms of this policy. JTSiskom will not be held responsible for anything arising because of the writer's internal dispute. JTSiskom will only communicate with correspondence authors.

Authors should also understand that their articles (and any additional files, including data sets and analysis/computation data) will become publicly available once published. The license of published articles (and additional data) will be governed by a Creative Commons Attribution-ShareAlike 4.0 International License. JTSiskom allows users to copy, distribute, display and perform work under license. Users need to attribute the author(s) and JTSiskom to distribute works in journals and other publication media. Unless otherwise stated, the author(s) is a public entity as soon as the article is published.

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

EDITORIAL OFFICE OF JURNAL TEKNOLOGI DAN SISTEM KOMPUTER