PENENTUAN JURUSAN SISWA SMA BERDASARKAN MULTIPLE INTELLIGENCES DENGAN MENGGUNAKAN ALGORITMA FUZZY C-MEANS

PENENTUAN JURUSAN SISWA SMA BERDASARKAN MULTIPLE INTELLIGENCES DENGAN MENGGUNAKAN ALGORITMA FUZZY C-MEANS Siti Romelah Jurusan Teknik Informatika, STT Nurul Jadid Probolinggo Email : [email protected]

ABSTRACT Useful computers to support teaching and learning process as well as for other educational institutions. High school students convergence is educational improvement efforts directly related to a student as a part of the increase in Human Resources. Therefore, it needs to make an implementation decision making for predicting majors high school students, based on Multiple Intelligence owned by students using one of the clustering algorithm is Fuzzy CMeans. This study aims to apply Fuzzy C-Means algorithm to classify high school students based on multiple intelligence in determining student majors with high accuration. As for the method of data collection using questionnaire survey and sample data is the average value of data questionnaire survey was completed by the students of 98 high school students Nurul Jadid than 200 students and a data value (the average value raport class X and class XI) students Nurul Jadid armed 2012. Where the value of report cards are used as a comparison value from the calculation of the value of a questionnaire with the following parameters: science majors include logic-mathematical intelligence, musical intelligence, visual-spatial intelligence, kinesthetic intelligence, and naturalist intelligence; IPS majors include linguistic intelligence, intrapersonal intelligence, interpersonal intelligence, musical intelligence and kinesthetic intelligence; Language majors include linguistic intelligence, musical intelligence, visual-spatial intelligence and kinesthetic intelligence. From the test results, Fuzzy C-Means algorithm in the determination of the degree courses at the high school based on the multiple intelligence more accurately (Namely with the accuracy of 73.47%). Keyword Intelligences

:

Clustering, Majors Student, Fuzzy C-Means algorithm, Multiple

1. PENDAHULUAN 1.1. Latar Belakang Penjurusan siswa sekolah menengah atas merupakan usaha peningkatan kualiatas pendidikan yang langsung berkenaan dengan siswa sebagai salah satu bagian dari peningkatan SDM [1]. SMA merupakan jenjang pendidikan menengah yang mengutamakan penyiapan siswa untuk melanjutkan pendidikan yang lebih tinggi dengan mengkhususan [2]. Perwujudan pengkhususan tersebut berupa terselenggaranya penjurusan dimulai dari kelas XI (sebelas), yaitu siswa-siswa yang mempunyai nilai exact yang baik akan memilih jurusan IPA, dan bagi siswa yang mempunyai kemampuan bersosial yang tinggi akan memilih jururan IPS, sedangkan siswa yang memiliki kemampuan berbahasa akan memilih jurusan Bahasa. 83

Menempatkan siswa pada jurusan tertentu secara tepat bukan berarti memberikan peluang pada siswa untuk dapat berhasil pada masa yang akan datang. Hal ini sesuai dengan bunyi pasal 12 Undang-Undang No 20 tahun 2003, bahwa peserta didik mendapatkan pelayanan pendidikan sesuai bakat, minat dan kemampunannya. Akan tetapi, pada saat ini penjurusan siswa lebih melihat akan nilai akhir belajar siswa yang belum tentu sesuai dengan bakat minat dan kecerdasan dari siswa tersebut. Oleh karena itu perlu adanya penyeleksian terhadap tingkat kecerdasan yang dimiliki oleh masing-masing siswa agar proses penjurusan sesuai dengan kemampuan siswa tersebut. Kecerdasan merupakan salah satu anugrah besar yang diberikan Tuhan kepada manusia dan menjadikannya sebagai salah satu kelebihan manusia dibandingkan dengan makhluk lainnya. Dengan kecerdasannya, manusia dapat terus menerus mempertahankan, memberdayakan, dan meningkatkan kualitas hidupnya yang semakin kompleks, melalui proses berpikir dan belajar secara dinamis dan berkelanjutan. Dengan kecerdasan, siswa dapat terus meningkatkan kualitas sains-nya yang semakin kompleks melalui proses berpikir dan belajar secara kontinyu. Oleh karena itu, banyak hasil riset kecerdasan siswa meenyarankan agar para orangtua memberikan stimulasi kepada siswa yang berguna untuk membangkitkan kecerdasan siswa. Dari riset itulah kemudian oleh Prof. Howard Gardner, di rumuskan dalam konsep kecerdasan yang disebut dengan “Multiple Intelligence” atau kecerdasan majemuk [3]. Dalam buku terbarunya, Howard Gardner menjelaskan sembilan kecerdasan yang tersimpan dalam otak manusia. Konsep kecerdasan ganda ini, bila dipahami dengan baik, akan membuat semua orang tua memandang potensi anak lebih positif. Terlebih lagi, para orang tua (guru) pun dapat menyiapkan sebuah lingkungan yang menyenangkan dan memberdayakan di rumah (di sekolah) [4]. Di sekolah lanjutan tingkat atas baik di SMA (Sekolah Menengah Atas) maupun di MA (Madrasah Aliyah) diadakan penjurusan di kelas XI. Jurusan yang ada pada saat ini yaitu: jurusan Bahasa, jurusan IPA (Ilmu Pengetahuan Alam), jurusan IPS (Ilmu Pengetahuan Sosial) dan jurusan Agama yang hanya ada di MA. Dengan penjurusan ini pemerintah sudah mengakui adanya kecerdasan majemuk. Namun demikian pemerintah hanya mengakomodasi sebagian dari kecerdasan majemuk tersebut dan sebagian lainnya tidak mendapatkan tempat di dalam sistem pendidikan nasional yang pada tingkat SMA/MA tersebut. Akibatnya adalah seorang siswa yang memiliki kecerdasan lain yang tidak diakomodasi di dalam sistem pendidikan akan memiliki hambatan dalam proses belajar dan pengembangan potensi dirinya. [5] Oleh karena itu perlu dibuat suatu implementasi pengambilan keputusan untuk memprediksi penjurusan siswa SMA berdasaran Multiple Intelligence yang dimiliki oleh siswa menggunakan salah satu algoritma clustering yaitu Fuzzy C-Means. 1.2. Rumusan Masalah Dari latar belakang di atas dapat dirumuskan suatu permasalahan yaitu sedikitnya sekolah yang menggunakan kecerdasan majemuk sebagai sarana 84 84

penentu jurusan sehingga siswa yang memiliki kecerdasan lebih yang tidak diakomodasi akan memilih jurusan yang ditawarkan dengan berat hati. Penggunaan metode Fuzzy C-Means akan menjadi solusi yang diharapkan lebih tepat dalam mengelompokkan siswa SMA berdasarkan mutilple intelligence untuk menentukan proses penjurusan. 1.3. Tujuan Berdasarkan rumusan masalah di atas, penelitian ini bertujan untuk menerapkan algoritma Fuzzy C-Means untuk mengelompokkan siswa Sekolah Menengah Atas (SMA) berdasarkan multiple intelligences dalam proses penentuan jurusan. 1.4. Manfaat 1. Manfaat Praktis: diharapkan dapat menjadi refrensi bagi peneliti lain dengan topik penelitian yang lain, dengan melihat karakteristik pengunaan algoritma ini dengan pengelompokan data siswa untuk pemilihan jurusan berdasarkan multiple intelligence yang dimiliki oleh siswa tersebut. 2. Manfaat Teorits: dapat membantu pihak sekolah untuk meningkatkan akurasi dalam pengelompokan siswa dalam penelitian jurusan berdasarkan kecerdasan siswa. 3. Manfaat Kebijakan: diharapkan metode Fuzzy Clustering akan menjadi metode standar bagi pihak sekolah khususnya dalam penjurusan siswa. 2. TINJAUAN PUSTAKA 2.1. Penelitian Terkait Berikut ini beberapa penelitian terkait prediksi lulus tepat dan tidak tepat waktu mahasiswa dengan beberapa metode yang digunakan dalam State of the Art sebagaimana dalam tabel 2.1. berikut:

No 1

2

Tabel 2.1: State of The Art Judul Tahun Peneliti Pemetaan Pelanggan 2011 Sismadi Potensial Asuransi Jiwa Syariah Berbasis Algoritma Fuzzy CMeans Penentuan Jurusan Sekolah Menengah Atas Dengan Algoritma Fuzzy CMeans

2011

Bahar

Metode Fuzzy CMeans

Accuracy FCM : 70%

Fuzzy CMens

FCM : 78,39% Manual : 56,17%

85

3

Penjurusan Siswa SLTA Berdasarkan Multiple Intelligence Menggunakan Jaringan Saraf Tiruan Backpropagation

2011

Ramadhani

Backpropag ation Jaringan Saraf Tiruan

JST Bacpropagation : 77,38%

Dari hasil penelitian di atas, Sismadi [8] dari hasil penelitiannya, menunjukkan bahwa penerapan algoritma Fuzzy C-Means untuk memetakan dan memprediksi pelanggan potensial lebih mudah dilakukan dibandingkan dengan cara konvensional. Dengan metode algoritma Fuzzy C-Means diperoleh tingkat keakuratan mencapai 70%. Bahar [7], dari penelitian ini dihasilkan bahwa hasil pengujian algoritma Fuzzy C-Means (FCM) dalam penentuan jurusan di Sekolah Menengah Atas pada 81 sampel data siswa yang diuji dalam penelitian ini, menunjukkan bahwa Algoritma FCM memiliki tingkat akurasi yang lebih tinggi (yaitu ratarata 78,39%), jika dibandingkan dengan metode penentuan jurusan secara manual yang selama ini dilakukan (hanya memiliki tingkat akurasi rata-rata 56,17 %). Ramadhani [10], dari hasil penelitiannya menunjukkan bahwa Hasil prosentase keberhasilan Sistem pendukung keputusan untuk penjurusan siswa SLTA berdasarkan multiple intelligence menggunakan jaringan syarat tiruan backpropogation adalah 77.38% data baru yang diujikan sesuai dengan kenyataan, dan 22.62% data tidak sesuai dengan kenyataan. 2.2. Landasan Teori 2.2.1. Multiple Intelligences Teori kecerdasan manusia pertama kali dikembangkan oleh psikolog dari Perancis bernama Alfred Binet pada tahun 1904 dengan dibuatnya suatu alat pengukur kecerdasan manusia yang dikenal dengan IQ. Kemudian, Lewis Terman dari Universitas Stanford berusaha membakukan IQ yang dikembangkan oleh Binet dengan mempertimbangkan norma-norma populasi sehingga selanjutnya dikenal sebagai tes Stanford-Binet. Pada tahap selanjutnya, teori mengenai kecerdasan manusia dikembangkan oleh seorang psikolog Universitas Harvard, Howard Gardner. Ia mengemukakan bahwa sebenarnya menusia memiliki beberapa kecerdasan yang dikenal dengan istilah kecerdasan majemuk yang mendefinisikan kecerdasan sebagai berikut [3]: 1. Kemampuan untuk memecahkan suatu masalah 2. Kemampuan untuk menciptakan masalah baru untuk dipecahkan 3. Kemampuan untuk menciptakan sesuatu atau menawarkan suatu pelayanan yang berharga dalam suatu kebudayaan masyarakat. Pada buku Born to be a genius, teori mengenai kecerdasan majemuk dikemukakan oleh Gardner melalui bukunya yang berjudul Frames of Mind: The Theory of Multiple Intelligence pada tahun 1983. Pada mulanya Gardner 86

86

menyatakan ada 7 jenis kecerdasan sesuai dengan perkembangan penelitian yang dilakukannya, Gardner lalu memasukkan kecerdasan ke-8, yaitu kecerdasan Naturalis [3]. Adapun 8 kecerdasan itu adalah: Kecerdasan Linguistik, Kecerdasan Logika-Matematika, Kecerdasan Intrapersonal, Kecerdasan Interpersonal, Kecerdasan Musikal, Kecerdasan Visual-Spasial, Kecerdasan Kinestetik, dan Kecerdasan Naturalis. 2.2.2. Fuzzy C-Means Fuzzy C-Means merupakan salah satu algoritma clustering. Fuzzy CMeans adalah suatu teknik pengklasteran data yang keberadaan setiap titik data dalam suatu cluster ditentukan oleh derajat keanggotaan. Teknik ini pertama kali diperkenalkan oleh Jim Bezdek pada tahun 1981 [11]. 2.2.2.1. Konsep Dasar Fuzzy C-Means Konsep dasar Fuzzy C-Means yaitu menentukan pusat cluster, yang akan menandai lokasi rata-rata untuk setiap cluster. Dengan cara memperbaiki pusat cluster dan derajat keanggotaan setiap titik data secara berulang, maka akan dapat dilihat bahwa pusat cluster akan bergerak menuju lokasi yang tepat. Perulangan ini didasarkan pada minimasi fungsi objektif yang menggambarkan jarak dari titik data yang diberikan ke pusat cluster yang terbobot oleh derajat kenggotaan titik data tersebut [12]. 2.2.2.2. Algoritma Fuzzy C-Means (FCM) Output dari FCM bukan merupakan Fuzzy Inference System, namun merupakan deretan pusat cluster dan beberapa derajat keanggotaan untuk tiaptiap titik data. Adapun algoritma Fuzzy C-Means (FCM) [12] adalah sebagai berikut: 1. Menentukan: Matriks X yang merupakan data yang akan dicluster, berukuran k x j, dengan k adalah jumlah data yang akan dicluster dan j adalah jumlah variabel/atribut (kriteria).

2. Menentukan : a. Jumlah cluster yang akan dibentuk (n > c ≥ 2) b. Pembobot (w > 1) c. Maksimum iterasi (max n) d. Kriteria penghentian (ɛ = nilai positif yang sanga kecil) e. Menentukan fungsi objektif awal (Po) 3. Membentuk matriks pertisi awal U (derajat kenggotaan dalam cluster) dengan ukuran k x i; matriks pertisi biasanya dibuat acak, dengan k = jumlah data yang akan di-cluster dan i= jumlah cluster.

87

4. Hitung pusat cluster (V) untuk tiap cluster, menggunakan rumus:

Keterangan : Vij = pusat cluster pada cluster ke-i dan atribut ke-j µik = data partisi (pada matriks U) pada cluster ke-i dan data ke-k Xkj = data (pada matriks U) pada atribut ke-j dan data ke-k W = pembobot 5. Hitung nilai objektif (Pn) dengan rumus:

Keterangan: µik = data partisi (pada matriks U) pada cluster ke-i dan data ke-k Xkj = data (pada matriks U) pada atribut ke-j dan data ke-k W = pembobot Pn = nilai objektif pada iterasi ke-n 6. Perbaiki derajat keanggotaan setiap data pada setiap cluster (perbaiki matrik partisi)

Dengan :

Keterangan : µik = data partisi (pada matriks U) pada pusat cluster ke-i dan data ke-k dik = fungsi ukuran jarak untuk jarak Euclidean pada pusat cluster ke-i dan ke-k djk = fungsi ukuran jarak untuk jarak Euclidean pada pusat cluster ke-j dan ke-k w = pembobot xkj = data (pada matriks U) pada atribut ke-j dan data ke-k 7. Menghentikan iterasi jika pusat cluster V tidak berubah. Jika iterasi belum berhenti, kembali ke langkah 4 8. Jika iterasi berhenti, ditentukan cluster dari tiap-tiap data. Cluster dipilih berdasarkan nilai matriks partisi terbesar.

88

88

2.3. Kerangka Pemikiran Dalam menyelesaikan penelitian, penulis membuat sebuah kerangka pemikiran yang berguna sebagai pedoman atau acuan penelitian ini sehingga penelitian dapat dilakukan secara konsisten. Penelitian ini terdiri dari beberapa tahap seperti terlihat pada gambar 2.1 berikut ini:

Masalah Proses penjurusan berdasarkan nilai akhir akademik siswa yang belum tentu akurat

Pendekatan

Tools

Algoritma Fuzzy C-Means

Sofware MATLAB

Pengujian dan Analisis uji dan analisis komparasi hasil pengklasteran dari algoritma Fuzzy CMeans dengan data penjurusan siswa SMA tahun 2012

Hasil Penjurusan siswa berdasarkan multiple intelligence dengan algoritma Fuzzy C-Means lebih akurat daripada nilai akhir akademik siswa Gambar 2.1: Skema Kerangka Pemikiran

3. METODE PENELITIAN 3.1. Jenis Penelitian Penelitian yang akan dilaksanakan adalah jenis eksperimen, yaitu melakukan pengujian tingkat akurasi algortima Fuzzy C-Means dalam pemetaan jurusan siswa SMA berdasarkan multiple intelligence yang dimiliki oleh siswa tersebut. Data eksperimen diambil dari tempat penelitian yaitu di SMA Nurul Jadid Paiton Probolinggo.

89

3.2. Metode Pengumpulan Data 3.2.1. Angket Metode angket juga sering disebut kuesioner berarti suatu daftar pertanyaan. Angket adalah sejumlah pernyataan atau pertanyaan tertulis yang digunakan untuk memperoleh informasi dari responden dalam arti laporan tentang pribadinya atau hal-hal yang ia ketahui [13]. 3.2.2.

Sampel Data Sampel data yang digunakan adalah data nilai rata-rata angket yang sudah di isi oleh siswa SMA Nurul Jadid sebanyak 98 siswa dari 200 siswa SMA Nurul Jadid angkatan 2012. Dimana nilai raport digunakan sebagai nilai perbandingan dari hasil kalkulasi dari nilai angket. Parameter data yang digunakan dalam eksperimen berupa nilai dari masing-masing kecerdasan yang sudah di tentukan di dalam angket. Dimana masing-masing kecerdasan bisa mempengaruhi jurusan yang ada. Yaitu jurusan IPA meliputi kecerdasan logika-matematika, kecerdasan musikal, kecerdasan visual-spasial, kecerdasan kinestetik, dan kecerdasan naturalis; jurusan IPS meliputi kecerdasan linguistik, kecerdasan intrapersonal, kecerdasan interpersonal, kecerdasan musikal dan kecerdasan kinestetik; sedangkan jurusan Bahasa meliputi kecerdasan linguistik, kecerdasan musikal, kecerdasan visualspasial dan kecerdasan kinestetik. Sampel data berikutnya bisa dilihat pada tabel 3.1 berikut ini: Tabel 3.1 Sampel Data Rata-Rata Nilai Angket Nilai Rata-Rata No Kecerdasan Kecerdasan Urut Siswa K1 K2 K3 K4 K5 K6 K7 K8 X1 X2 X3 1 7 7 9 5 4 7 3 6 5,4 5,6 5,25 2 8 7 7 7 7 7 7 8 7,2 7,2 7,25 3 3 5 5 9 8 7 6 4 6 6,2 6 4 4 5 9 7 7 8 9 10 7,8 7,2 7 5 6 7 9 7 7 6 7 7 6,8 7,2 6,5 6 2 6 8 7 10 7 8 5 7,2 7 6,75 7 3 7 9 6 6 6 4 6 5,8 5,6 4,75 8 6 6 5 8 5 8 5 3 5,4 5,8 6 9 5 9 9 4 0 4 4 8 5 4,4 3,25 10 7 8 8 6 2 7 7 5 5,8 6 5,75 11 7 4 8 7 9 6 3 4 5,2 6,8 6,25 12 7 8 8 6 2 7 7 5 5,8 6 5,75 13 3 4 5 6 5 6 8 8 6,2 5,4 5,5 14 6 8 10 9 10 7 8 7 8 8,6 7,75 15 7 6 8 8 8 8 9 4 7 8 8 16 7 4 9 6 6 8 2 4 4,8 6 5,75 17 7 7 6 8 7 8 5 8 7 6,8 7,6 90 90

18 19 20

6 8 7

5 6 3

8 9 8

3 7 6

3 6 5

7 4 5

6 5 7

1 4,4 5,2 5,5 2 4,6 7 5,75 3 4,6 6,6 6

Sumber: Nilai Rata-Rata Angket Siswa SMA Nurul Jadid, Tahun 2012 3.3. Metode Pengukuran Akurasi penerapan algoritma Fuzzy C-Means dalam proses penjurusan di SMA diuji dengan cara: 1. Data sampel siswa dan nilai rata-rata kecerdasannya dikelompokkan dengan algoritma Fuzzy C-Means untuk membagi siswa ke dalam bidang jurusan tertentu (Kelompok IPA, IPS dan Bahasa). 2. Hasil penjurusan dengan Fuzzy C-Means dibandingkan dengan hasil penjurusan yang telah dilaksanakan di tempat penelitian (terhadap data sampel nilai rata-rata kecerdasan yang telah dijalani oleh siswa). 3. Jika jurusan yang dipilih oleh siswa sama dengan peminatan Fuzzy CMeans, maka Fuzzy C-Means dikatakan AKURAT 4. Jika jurusan yang dipilih oleh siswa tidak sama dengan peminatan Fuzzy CMeans, maka Fuzzy C-Means dikatakan TIDAK AKURAT 5. Selanjutnya dihitung prosentase tingkat akurasi Fuzzy C-Means dengan : %akurasi = (Jumlah Data Akurat / Sampel Data)*100 4. HASIL PENELITIAN DAN PEMBAHASAN 4.1. Hasil Penelitian Dari informasi pusat klaster V yang dihasilkan Matlab pada iterasi terakhir, dapat ditentukan kelompok juruasan sebagai berikut: V= 5.5814 6.1067 5.7762 4.1352 4.6186 3.8407 7.3420 7.3804 7.1972 Misalkan nilai tertinggi pada rata-rata nilai kecerdasan yang dijadikan dasar untuk menentukan jurusan, maka: 1. Pada klaster pertama (baris pertama), nilai tertinggi pada kolom kedua (peminatan IPS), sehingga klaster pertama diidentifikasi sebagai kelompok peminatan IPS. 2. Pada klaster kedua (baris kedua), nilai tertinggi berada pada kolom kedua (peminatan bahasa), sehingga klaster kedua diidentifikasi sebagai kelompok Bahasa. 3. Pada klaster ketiga (baris ketiga), nilai tertinggi berada pada kolom kedua (peminatan IPA), sehingga klaster ketiga diidentifikasi sebagai kelompok IPA. Berdasarkan tabel 4.6 (kecenderungan siswa pada kelompok peminatan tertentu), berikut ini disajikan data jurusan yang telah dilakukan dan hasil klastering dengan menggunakan algoritma Fuzzy C-Means:

91

Tabel 4.7 Hasil Jurusan yang Dipilih dan Hasil Jurusan yang Dihasilkan oleh Fuzzy C-Means Nilai Rata-Rata NO Pilihan Hasil Kecerdasan Siswa Jurusan FCM X1 X2 X3 1 5.4 5.6 5.25 IPA IPS 2 7.2 7.2 7.25 IPA IPA 3 6 6.2 6 IPA IPS 4 7.8 7.2 7 IPA IPA 5 6.8 7.2 6.5 IPA IPS 6 7.2 7 6.75 IPS IPS 7 5.8 5.6 4.75 IPS IPS 8 5.4 5.8 6 IPS IPS Nilai Rata-Rata No Pilihan Hasil Kecerdasan Siswa Jurusan FCM X1 X2 X3 9 5 4.4 3.25 BHS BHS 10 5.8 6 5.75 BHS IPS 11 5.2 6.8 6.25 BHS IPS 12 5.8 6 5.75 IPS IPS 13 6.2 5.4 5.5 IPS IPS 14 8 8.6 7.75 IPA IPA 15 7 8 8 IPA IPA 16 4.8 6 5.75 IPS IPS 17 6.8 7.6 7 IPA IPA 18 4.4 5.2 5.5 IPS IPS 19 4.6 7 5.75 IPS IPS 20 4.6 6.6 6 IPA IPS 4.2. Pembahasan Penetapan hasil akurasi didasarkan pada ketentuan bahwa jika jurusan yang dipilih oleh siswa sama dengan peminatan Fuzzy C-Means, maka Fuzzy CMeans dikatakan AKURAT, sedangkan jika jurusan yang dipilih oleh siswa tidak sama dengan peminatan Fuzzy C-Means, maka Fuzzy C-Means dikatakan TIDAK AKURAT Akurasi hasil peminatan yang dilakukan oleh algoritma FCM disajikan pada tabel 4.8 berikut:

92

92

Tabel 4.8 Akurasi Hasil Peminatan Algoritma FCM Nilai Rata-Rata NO Pilihan Hasil HASIL Kecerdasan Siswa Jurusan FCM X1 X2 X3 1 5.4 5.6 5.25 IPA IPS Tidak Akurat 2 7.2 7.2 7.25 IPA IPA Akurat 3 6 6.2 6 IPA IPS Tidak Akurat 4 7.8 7.2 7 IPA IPA Akurat 5 6.8 7.2 6.5 IPA IPS Tidak Akurat 6 7.2 7 6.75 IPS IPS Akurat 7 5.8 5.6 4.75 IPS IPS Akurat 8 5.4 5.8 6 IPS IPS Akurat 9 5 4.4 3.25 BHS BHS Akurat 10 5.8 6 5.75 BHS IPS Tidak Akurat 11 5.2 6.8 6.25 BHS IPS Tidak Akurat 12 5.8 6 5.75 IPS IPS Akurat 13 6.2 5.4 5.5 IPS IPS Akurat 14 8 8.6 7.75 IPA IPA Akurat 15 7 8 8 IPA IPA Akurat 16 4.8 6 5.75 IPS IPS Akurat 17 6.8 7.6 7 IPA IPA Akurat Nilai Rata-Rata No Pilihan Hasil Kecerdasan HASIL SIswa Jurusan FCM X1 X2 X3 18 4.4 5.2 5.5 IPS IPS Akurat 19 4.6 7 5.75 IPS IPS Akurat 20 4.6 6.6 6 IPA IPS Tidak Akurat Pada tabel 4.7 hasil peminatan yang dilakukan oleh algoritma Fuzzy CMeans (FCM) dapat dijelaskan bahwa sebanyak 72 dari 98 data sampel siswa atau 73.47% tepat dalam memilih jurusan berdasarkan kecerdasan yang dimiliki oleh siswa, dan 26,53% tidak tepat dalam memilih jurusan. Untuk menentukan tingkat keakurasian digunakan rumus sebagai berikut: %akurasi = (Jumlah Data Akurat / Sampel Data)*100 %akurasi = (72 / 98)*100 %akurasi = (0,73469)*100 akurasi = 73,47% Dengan demikian multiple intelligence dapat diterapkan dalam penentuan jurusan siswa dengan menggunakan FCM. 93

5. KESIMPULAN DAN SARAN 5.1. Kesimpulan Peminatan yang dilakukan oleh algoritma Fuzzy C-Means (FCM) dapat dijelaskan bahwa sebanyak 72 dari 98 data sampel siswa atau 73.47% tepat dalam memilih jurusan berdasarkan kecerdasan yang dimiliki oleh siswa, dan 26,53% tidak tepat dalam memilih jurusan. Proses klastering dalam penelitian ini dilakukan dengan menentukan jumlah klaster yang terbentuk di awal proses sesuai dengan jumlah jurusan yang di inginkan. Dengan demikian, tidak dapat dipastikan berapa sesungguhnya jumlah klaster yang ideal yang terbentuk dari data nilai siswa yang ada, sehingga akurasi hasil pengelompokkan tidak dapat terukur. 5.2. Saran 1. Dalam penelitian ini proses penentuan nilai rata-rata kecerdasan yang dimiliki oleh siswa, hanya menggunakan proses manual yaitu dengan menggunakan data angket yang diisi oleh siswa yang bersangkutan. Oleh karena itu, disarankan dalam penelitian selanjutnya untuk menggunakan software untuk mengukur tingkat kecerdasan yang dimiliki oleh siswa tersebut. 2. Untuk mendapatkan akurasi yang lebih baik dalam penerapan algoritma FCM untuk pemilihan jurusan SMA, dan untuk memberikan kontribusi yang lebih besar, disarankan agar hasil penelitian ini dikembangkan dengan cara memodifikasi algoritma FCM yang digunakan saat ini dengan menggabungkan algoritma lain. 3. penjurusan di SMA sebaiknya ditambah beberapa lagi dari sebelumnya yang sudah kita kenal selama ini yaitu IPA, IPS, Bahasa. Jurusan baru itu antara lain jurusan olah raga dan seni, agama. Karena banyak dari siswa yang memiliki potensi di bidang tersebut.

94

94

DAFTAR PUSTAKA [1] [2] [3] [4] [5]

[6]

[7] [8] [9]

[10]

[11] [12] [13]

Arif Unwanullah, “Evaluasi Program Penjurusan Siswa SMA di Kabupaten Tuban”, Universitas Negeri Yogyakarta, Yogyakarta, 2008 Depdiknas, Pedoman Umum Pengembangan Penilaian, Departemen Pendidikan Nasional, 2004 Adi Gunawan W, Born To Be A Genius Cet: III, Jakarta: Gramedia Pustaka Utama, 2005 Howard Gardner, Intelligence Reframed: Multiple Intelligences Fot The 21st Century, New York: Basic Book, 1999. Sandy Guswan C, S.Pd, http://guswan76.wordpress.com/2008/04/09/helloworld. Kecerdasan Majemuk Dan Penjurusan Di SMA/MA. [Online] 2008. [Cited: 06 23, 2013] Budi Setiono dan R. Rizal Ismanto, “Pembagian Kelas Kuliah Mahasiswa Menggunakan Algoritma Pengklasteran Fuzzy C-Means”, Prosiding Seminar Nasional Teknoin 2008 Bidang Teknik Elektro di Yogyakarta, 2008. Bahar, “Penentuan Jurusan Sekolah Menengah Atas dengan Algoritma Fuzzy C-Means”, Universitas Dian Nuswantoro, Semarang, 2011. Sismadi, “Pemetaan Pelanggan Potensial Asuransi Jiwa Syariah Berbasis Algoritma Fuzy C-Means”, STIMIK Nusa Mandiri, 2011. Aditya Wikandaru, “Pengaruh Kecerdasan Intrapersonal dan Prestasi Belajar Siswa Terhadap Keputusan Penjurusan SMA Negeri 1 Kertosono Kabupaten Nganjuk”, Universitas Negeri Malang, 2011. Ramadhani, “Rancang Bangun Sistem Pendukung Keputusan Untuk Penjurusan Siswa Slta Berdasarkan Multiple Intelligence Menggunakan Jaringan Saraf Tiruan Backpropagation”, Universitas Islam Negeri Maulana Malik Ibrahim Malang, 2011. Kusrini, Algoritma Data Mining, Penerbit ANDI, Yogyakarta, 2006. Sri Kusumadewi, Purnomo, Aplikasi Logika Fuzzy Untuk Pendukung Keputusan Edisi: Revisi, Graha Ilmu, Jakarta, 2010 Suharsini Arikunto, Prosedur Penelitian Suatu Pendekatan Praktek, PT. Rineka Cipta, Jakarta, 2006

95