SYSTEMIC Vol. 02, No. 02, Desember 2016, 23-28
IMPLEMENTASI PENGENALAN POLA UNTUK MENGEVALUASI HASIL PEMBELAJARAN DENGAN METODE FUZZY C-MEANS Ilham Program Studi Sistem Informasi, Jurusan Teknologi, Fakultas Saintek, Universitas Islam Negeri Sunan Ampel Surabaya Jl. Ahmad Yani 117, Surabaya 61121, Jatim
e-mail:
[email protected] Abstrak Penelitian ini dilakukan untuk melakukan evaluasi terhadap sistem pembelajaran. Data diperoleh melalui kuesioner terhadap mahasiswa Ilmu Komunikasi Uin Sunan Ampel Surabaya semester 4 dengan menggunakan 7 variabel. Dengan tujuan untuk mendapatkan hasil pengelompokan yang terbaik. Kemudian data diproses dengan menggunakan metode Fuzzy C–Means. Adapun hasil sistem menunjukan ada 3 kelompok yang mendapatkan hasil yang optimal dengan dukungan perolehan nilai minimum dari fungsi yang ditunjukkan oleh indeks 0,14965 xb dan tingkat akurasi dari sistem evaluasi adalah 79%. Kata Kunci : Evaluasi, Pembelajaran, Fuzzy C- Means , dan Pengenolan Pola. Abstract This study was conducted to evaluate the learning system. Data obtained through questionnaires to students of Communication Studies Sunan Ampel Surabaya Uin 4th semester using seven variables. With the aim to get the best grouping. Then the data is processed by using Fuzzy C-Means. The results show the system there are three groups that obtain optimal results with the support of the acquisition of the minimum value of the function indicated by the index 0.14965 xb and the accuracy of the evaluation system is 79% Keywords : Evaluation , Learning, Fuzzy C- Means, and Pattern Recognition.
1.
PENDAHULUAN mengelompokan data dengan karateristik yang sama. Penelitian ini dilakukan pada 85 mahasiswa yang berasal dari mahasiswa semester 4 yang mengikuti mata kuliah metode penelitian di Program Studi Ilmu Komunikasi Uin Sunan Ampel Surabaya tahun ajaran 2015-2016.
Peningkatan Manejemen untuk mengembangkan mutu proses belajar mengajar diantaranya dapat melalui proses evaluasi terhadap suatu mata kuliah tertentu, terlebih lagi pada mata kuliah tambahan yang merupakan suatu cabang dari suatu jurusan bidang studi. Evaluasi dapat dilakukan dengan cara mengelompokan mahasiswa berdasarkan tingkat serapan pada mata kuliah tertentu. Sistem evaluasi pembelajaran dapat diambil dengan memperhatikan tingkat kepahaman suatu mahasiswa terhadap materi mata kuliah yang meliputi subbab – subbab yang ada didalamnya. Fuzzy Clustering Means (FCM) adalah suatu teknik peng-cluster-an yang mana keberadaannya tiap-tiap titik data dalam suatu cluster ditentukan oleh derajat keanggotaan.. Output dari algoritma ini dapat
2.
METODE PENELITIAN
Evaluasi sebagai sebuah proses menentukan hasil yang telah dicapai beberapa kegiatan yang direncanakan utnuk mendukung tercapainya tujuan. Hasil yang diperoleh dari kegiatan evaluasi adalah kualitas ,sesuatu, baik yang menyangkut tentang nilai atau arti, sedangkan kegiatan untuk sampai pada pemberian nilai dan arti itu adalah evaluasi.
23
SYSTEMIC
ISSN: 2460-8092
Evaluasi merupakan sebuah proses yang dilakukan oleh seseorang untuk melihat sejauh mana keberhasilan sebuah program. Keberhasilan program itu sendiri dapat dilihat dari dampak atau hasil yang dicapai oleh program tersebut. Karenanya, dalam keberhasilan ada dua konsep yang terdapat didalamnya yaitu efektifitas dan efisiensi. “Efektifitas merupakan perbandingan antara output dan inputnya sedangkan efisiensi adalah taraf pendaya gunaan input untuk menghasilkan output lewat suatu proses. Jadi evaluasi bukan merupakan hal baru dalam kehidupan manusia sebab hal tersebut senantiasa mengiringi kehidupan seseorang. Seorang manusia yang telah mengerjakan suatu hal, pasti akan menilai apakah yang dilakukannya tersebut telah sesuai dengan keinginannya semula[4].
e-ISSN: 2548-6551
Iterasi awal= t=1; Berfungsi untuk menentukan nilai awal dari persamaan, sebelum dilakukan pengolahan data. 2.
Membangkitkan bilangan random , i=1,2,…n;k = 1,2,…c; berfungsi sebagai elemen-elemen matriks partisi awal U. Menghitung jumlah tiap kolom (atribut) : =
Hitung
=
Menghitung pusat cluster ke –k: ,dengan k=1,2,…c; dan j=1,2,….,m; penentuan pusat cluster digunakan untuk menandai lokasi rata-rata untuk tiap cluster dengan kondisi awal tidak akurat. 3.
=
Fuzzy C-Means adalah suatu teknik peng-cluster-an yang mana keberadaannya tiap-tiap titik data dalam suatu cluster ditentukan oleh derajat keanggotaan.
V=
Output dari Fuzzy C-Means merupakan deretan pusat cluster dan beberapa derajat keanggotaan untuk tiap-tiap titik data. Informasi ini dapat digunakan untuk membangun suatu fuzzy inference system.
4. Menghitung fungsi objektif pada iterasi ke = t, Pt : perhitungan fungsi objektif digunakan untuk menggambarkan jarak dari titik data yang diberikan ke pusat cluster yang berbobot oleh derajat keanggotaan titik data tersebut.
2.1 Algoritma Fuzzy C-Means
Pt
1. Menginputkan data yang dicluster x, berupa matrik berukuran n x m berfungsi untuk menentukan jumlah data dan atribut setiap data yang akan dipergunakan:[1] n = jumlah sampel data
)
Menghitung jarak data ke pusat cluster dengan mengunakan manhattan (Rectilinear) distance kemudian akan didapatkan matrik jarak sebagai berikut :
m = atribut setiap data X
5. Menghitung perubahan matriks partisi, penghitungan ini berfungssi sebagai nilai awal matriks jika mengalami perulangan dan agar lokasi cluster bisa berada pada posisi yang benar.
= data sampel ke-i (i=1,2,..n) atribut ke-j (j=1,2…,m).
X=
= Menentukan : Jumlah cluster = c; Bobot pangkat = w; Maksimum Iterasi = MaxIter; Eror terkecil yang diharapkan = Fungsi Objektif awal = Po = 0;
6.
24
Cek Kondisi berhenti : Jika ([Pt]<) atau (t < maxIter) maka berhenti; Jika tidak : t = t+1, ulangi langkah ke-4;
SYSTEMIC Vol. 02, No. 02, Agustus 2016, 23-28
Langkah ketujuh berfungsi sebagai pengkodisian perhitungan terhadap data, apakah suatu cluster yang telah dihasilkan, sudah memenuhi syarat atau perlu dilakukan iterasi selanjutnya agar lokasi cluster yang dihasilkan bisa berada pada posisi yang benar. Berikut Gambar 1 merupakan proses flowchart FCM.
11 Kuisioner sehingga jumlah keseluruhanya adalah 77 dengan cara mengaggregasinya dengan rumus seperti berikut [2]:
Dengan : Y :
adalah jawaban kueisoner mahasiswa yang bernilai iya yang berarti menguasai paham terhadap kompetensi tersebut T: adalah jawaban kueisoner mahasiswa yang bernilai tidak menguasai atau kurang menguasai kompetensi tersebut n : adalah banyak kueisoner dalam setiap sub bab Langkah yang pertama adalah menentukan Untuk menentukan banyak kelompok dapat dilakukan dengan menghitung Indeks XB (Xie dan Beni).Dengan persamaan sebagai berikut
Dan diperoleh seperti table : Tabel 1 Hasil 4 xb 2 cluster 3 cluster cluster Iterasi Index XB
6
8
6
0,1912
0,1546
0,18387
Kelompok yang paling paling optimum digunakan dalam jumlah obyek diatas adalah dengan mengunakan 3 kelompok mengacu dari fungsi minimum yang terdapat pada indexs XB.
Gambar 1. Flowchart FCM
3.
2.1 Representasi Data
HASIL DAN PEMBAHASAN Hasil Kuesioner Mahasiswa yang menunjukkan hasil jawaban kuesioner mahasiswa sesuai variabel dan diaggregasi untuk lebih jelasnya bisa dilihat pada gambar 2 dibawah ini.
Pada proses ini cara melakukan pengambilan data mahasiswa yang akan dievaluasi berdasarkan variable yang sudah ditentukan ada 7 sub bab pada mata kuliah metode penelitian dan pada setiap bab terdapat
25
SYSTEMIC
ISSN: 2460-8092
e-ISSN: 2548-6551
Gambar 2. Hasil Kuesioner Berikut ini hasil proses sistem yang menunjukkan sistem berhenti pada iterasi ke 17 karena sudah konvergen selengkapnya bisa dilihat pada gambar 3 dibawah ini. Koding program berikut ini adalah Hasil Proses perhitungan dalam Sistem. Gambar 2. Hasil Kuesioner
connect(); $db->sql("SELECT * from t_iterasi order by iterasi_ke asc"); $hal_e= $db->getResult(); $tot = count($hal_e); echo "
"; if($berhenti>0) { $db->sql("SELECT * from t_iterasi where iterasi_ke='$iterasiKe'"); $hal_e= $db->getResult(); $tot = count($hal_e); echo "
HASIL :
"; $C1 = 0; $C2=0; for($a=0;$a<$tot;$a++)
Gambar 3. Hasil proses Sistem Evaluasi 3.1
Analisa Sistem
Dari hasil analisa sistem secara keseluruhan terlihat bahwa hasil perhitungan dari sistem ternyata masih mengalami kendala untuk cluster 2 & 4, hasil dari perulangan yang terjadi masih ada mahasiswa yang berpindahpindah kelas tetapi dalam kisaran kecil saja dan untuk pengujian 3 cluster sistem terlihat konstan tidak ada data yang berpindah dan menandakan keberhasilan sistem. Sistem juga mampu mengelompokkan mahasiswa dengan baik, terbukti tidak ada mahasiswa yang upstaind (tidak mempunyai kelompok) terlihat dari tidak ada mahasiswa yang masuk kedalam 2 derajat keanggotaan sekaligus sehingga tidak terinisialisasi. Diperoleh Kesimpulan dari pengelompokkan sistem sebagai berikut Kelompok yang paling paling optimum digunakan dalam jumlah obyek diatas adalah dengan mengunakan 3 kelompok mengacu
26
SYSTEMIC Vol. 02, No. 02, Agustus 2016, 23-28
dari fungsi minimum yang terdapat pada indexs XB yaitu 0,14965. Dari hasil perbandingan pengklasifikasian antara hasil kuesioner setelah di analisa dosen dan proses di sistem ada sejumlah data yang mengalami disposisi atau mengalami pembiasan, dari 85 sample data yang dijadikan acuan pemrosesan ada 18 data yang tidak sesuai maka dapat disimpulkan bahwa tingkat ketelitian dari sistem evaluasi pembelajaran pengenalan pola dengan Fuzzy C-Means adalah = (77 – 18)/85 * 100%= 79%. Hasil dari penelitian pengelompokan tingkat serapan mata kuliah tiap pembelajaran dengan Fuzzy C-Means ini juga dibandingkan dengan hasil pengelompokan mata kuliah metode penelitian mengunakan Self Organizing Mapper (SOM), menjelaskan bahwa Clustering dengan mengunakan Self Organizing Mapper (SOM) lebih stabil jika dibanding dengan mengunakan teknik pengclusteran dengan mengunakan Fuzzy CMeans, dalam sistem pengclusteran dengan Self Organizing Mapper (SOM) dengan data sample sama 85 mahasiswa ilmu komunikasi Uin Sunan Ampel Surabaya untuk pengclusteran 2 sampai 4 kelompok setelah dilakukan perulangan sistem sebanyak 10 kali dan mengacak matrik awal pseudeo partitionya data mahasiswa tidak ada yang mengalami perubahan, pengelompokkan mahasiswa mengalami perubahan pada saat pengclusteran diatas 4 kelompok. Sedangkan dengan mengunakan teknik clustering Fuzzy C-Means saat dilakukan perulangan sistem sebanyak 10 kali dan mengacak kembali nilai matrik pseudeo partitionya ada data yang mengalami perubahan dan data stabil hanya ada pada pengclusteran 3 kelompok hal itu juga didukung dengan nilai paling minimum yang ditunjukkan pada index XB-nya dengan nilai 0,14965. Dan untuk pengclusteran mengunakan Fuzzy C-Means untuk memperoleh hasil pengclusteran yang paling optimal harus terlebih dahulu menghitung Index XB-nya per setiap pengekelompokanya. Tetapi dari tingkat ketelitianya keakurasian sistem Fuzzy C-Means lebih tinggi dibanding cluster dengan Self Organizing Mapper (SOM) , fuzzy C-means tingkat ketelitianya sekitar 79% sedangkan SOM hanya mencapai sekitar 52% .
Gambar 4. Hasil Dari cluster 1 Hasil printout dari sistem dengan mengkelompokan mahasiswa berdasarkan cluster masing-masing dan tada catatan didalam laporan mata pelajaran apa yang paling tidak dikuasai mahasiswa di kelas yang kurang menguasai. 4.
KESIMPULAN
Adapun kesimpulan dari sistem evaluasi pembelajaran dengan mengunakan metode fuzzy C-Means serta pengujian sistem hasil penilitianya, maka dapat diambil kesimpulan sebagai berikut :
27
SYSTEMIC
ISSN: 2460-8092
1. Diperoleh kesetabilan komposisi cluster pada pengelompokan 3 cluster dengan ditunjukkan tidak ada data yang berpindah saat dilakukan perulangan sebanyak 10 kali. 2. Hasil dari sistem menunjukkan pengelompokkan untuk 3 kelompok adalah pengelompokan yang paling optimum hal itu didukung dengan nilai fungsi paling minimum yang ditunjukkan oleh index xb sebesar 0,14965 .
[1] Kusumadewi, Sri dan Sri Hartati.(2010). Neuro-Fuzzy Integrasi Sistem Fuzzy &Jaringan Syaraf. Yogyakarta: Graha Ilmu. [2]
[3]
Saran terhadap penelitian adalah sebagai berikut : 1.
2.
3.
e-ISSN: 2548-6551
Kusumadewi, Sri dan Hari Purnomo.(2004).Aplikasi Logika Fuzzy Untuk Mendukung Keputusan. Yogyakarta: Graha Ilmu. Arikunto, S. (2005). Manajemen Penelitian. Jakarta: Rineka Cipta.
[4] Bahar . (2011) Penentuan Jurusan Sekolah Menengah Atas Dengan Algoritma Fuzzy C-Means. Tesis tidak diterbitkan. Semarang: Program Pasca Sarjana Magister Teknik Informatika UNIVERSITAS DIAN NUSWANTORO SEMARANG.
Dari pendekatan variabel yang di dapat, perlu menjadi perhatian khusus bagi dosen ataupun Kepala program studi untuk melihat dan mengambil keputusan variable mana yang harus diperhatikan untuk mendukung peningkatan tingkat keberhasilan proses evaluasi. Untuk penelitian selanjutnya sistem dapat dikembangkan dengan mengunakan metode clustering yang lain seperti KMeans dan sebagainya. Dapat dikembangkan aplikasi serupa berbasis web dan dipasang di internet sehingga pengguna dapat mengunakkan langsung lewat website tanpa harus menginstal program
[5] Husni, Hari Setiabudi. (2010). Evaluasi Pengendalian Sistem Informasi Penjualan pada PT. XYZ. ComTech, 1(2), 971.
DAFTAR PUSTAKA
28
