Vol.17 No.2. Agustus 2015
Jurnal Momentum
ISSN : 1693-752X
CASED BASED REASONING UNTUK PEMILIHAN KEGIATAN ORGANISASI MAHASISWA Oleh: Arif Rohmadi* *)Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Gadjah Mada Abstrak Organisasi merupakan tempat untuk mengasah softskill mahasiswa. Lewat organisasi mahasiswa dapat belajar kepemimpinan, public speaking, kerjasama, diskusi, dan bersosialisasi, sehingga menjadi nilai tambah bagi mahasiswa ini sendiri. Permasalahan muncul ketika mahasiswa dihadapkan untuk memilih organisasi yang sebaiknya diikuti. Kondisi mahasiswa dan banyaknya organisasi yang ada membuat sulit dalam menentukan pilihan. Pada penelitian ini dilakukan pendekatan case-based reasoning untuk memberikan rekomendasi organisasi yang sebaiknya dipilih oleh mahasiswa. Berdasarkan pengujian terhadap 10 responden, 4 responden memilih organisasi sesuai dengan rekomendasi sistem. Kata Kunci : cbr, case based reasoning, organisasi, pemilihan organisasi, rekomendasi Abstract The organization is a place to improve the student’s softskill. Through organization, student can learn about leadership, public speaking, teamwork, discussions, and socialize, so it will be an added value for the student’s own. Problem arise when student is prompted to choose an organization that should be followed. The conditions of student and the number of existing organizations make it difficult to choose. In this research, case-based reasoning approach is committed to provide recommendations that organizations should be chosen by student. Based on testing of 10 respondents, 4 respondents chose the organization in accordance with the recommendation system. Keywords : cbr, case based reasoning, organization, organization of elections, recommendation
1. PENDAHULUAN Kampus merupakan tempat untuk mengembangkan diri menjadi pribadi yang lebih baik, tidak hanya bidang akademik tetapi juga organisasi. Bergabung dan aktif dalam suatu organisasi akan mengasah softskill. Lewat organisasi mahasiswa dapat belajar mengenai kepemimpinan, public speaking, kerjasama, diskusi, dan bersosialisasi. Kemampuan tersebut akan menjadi nilai tambah bagi mahasiswa ketika terjun di dunia kerja kelak. Masalah muncul ketika mahasiswa dihadapkan untuk memilih organisasi yang akan diikuti. Berbagai pertimbangan seperti takut IPK turun, takut mengganggu aktivitas kuliah, tidak bisa memanajemen waktu dengan baik, atau bingung dengan banyaknya organisasi yang ada membuat mahasiswa kesulitan dalam mengambil keputusan. Oleh karena itu perlu adanya suatu alat bantu bagi mahasiswa dalam memilih organisasi. Pada penelitian ini, dilakukan pendekatan metode case based reasoning (CBR), yaitu suatu metode yang menggunakan pengetahuan lama untuk menyelesaikan permasalahan baru. Pengetahuan lama diperoleh dari pengalaman mahasiswa angkatan sebelumnya. Penyajian pengetahuan (knowledge
39
representation) dibuat dalam bentuk kasus-kasus (cases). Setiap kasus berisi masalah (problem) dan solusi (solution). Masalah dalam hal ini berupa kriteria mahasiswa, sedangkan solusi berupa organisasi yang dipilih. Cara kerja CBR, membandingkan kasus baru dengan kasus lama. Jika kasus baru tersebut mempunyai kemiripan dengan kasus lama maka CBR akan memberikan solusi kasus lama untuk kasus baru tersebut (Rismawan & Hartati, 2012). Jika tidak ada yang cocok, CBR akan melakukan proses adaptasi, yakni memperbaiki pengetahuan lama agar sesuai untuk menyelesaikan kasus baru. Kemudian pengetahuan baru akan disimpan sebagai salah satu basis kasus (case base) (Prakoso dkk,2012). Sehingga kinerja sistem akan semakin baik. 2. METODOLOGI Pada penelitian ini, basis kasus (case base) berupa sampel data dari 150 mahasiswa MIPA Universitas Sebelas Maret yang diambil secara random dari angkatan 2009 s/d 2011. 2.1. Siklus CBR Siklus pemecahan masalah menggunakan CBR mengikuti 4 tahapan (Pal & Shiu, 2004) :
Vol.17 No.2. Agustus 2015
Jurnal Momentum
1. RETRIEVE, mengambil kembali pengalaman/solusi dari kasus sebelumnya yang memiliki kemiripan dengan masalah yang dihadapi. 2. REUSE, menggunakan kembali kasus dengan cara menyalin dan mengintegrasikan solusi dari kasus yang diambil 3. REVISE, merevisi atau mengadaptasi solusi yang telah diambil untuk memecahkan masalah baru. 4. RETAIN, mempertahankan solusi baru yang telah divalidasi pada case base (basis kasus)
ISSN : 1693-752X
2.3. Indexing Kasus Indexing merupakan proses pengelompokan kasus yang ada berdasarkan fitur yang ditentukan. Proses indexing dapat mengefisienkan waktu dan memori karena pada saat melakukan proses pencarian kasus yang mirip dengan kasus baru, sistem CBR tidak perlu menghitung nilai kemiripan kasus baru terhadap semua kasus yang ada. Penghitungan nilai kemiripan kasus cukup dilakukan terhadap kasus yang berada pada kelompok yang sama dengan kasus baru tersebut. Indexing yang digunakan pada kasus pemilihan organisasi mahasiswa adalah tingkat semester mahasiswa. Atribut tingkat semester dipilih karena berdasarkan penelitian (Rohmadi,2013), atribut ini merupakan faktor yang paling mempengaruhi mahasiswa dalam memilih organisasi. Index kasus menggunakan B-Tree yang merupakan salah satu metode indexing yang telah disupport oleh mysql.
Gambar 2. Index Kasus Menggunakan B-Tree Keterangan : 0 = Mahasiswa Tingkat I (Semester 1 - 2) 1 = Mahasiswa Tingkat II (Semester 3 - 4) 2 = Mahasiswa Tingkat III (Semester 5 - 6) Gambar 1 Siklus CBR 2.4. Case Retrieval Case Retrieval merupakan proses menemukan kasus pada case base yang paling mendekati dengan kasus sekarang. Case retrieval pada penelitian ini menggunakan teknik Nearest Neighbor. Nearest Neighbor merupakan pendekatan untuk mencari kasus dengan menghitung kedekatan antara kasus baru dengan kasus lama, yaitu berdasarkan pada pencocokan bobot dari sejumlah fitur yang ada. Untuk mencari kasus lama mana yang akan digunakan, maka dihitung kedekatan kasus baru dengan kasus lama. Kasus lama dengan kedekatan terbesar akan diambil solusinya untuk digunakan pada kasus baru (Kusrini & Luthfi, 2009). Adapun rumus untuk melakukan penghitungan kedekatan antara dua kasus adalah sebagai berikut :
2.2. Representasi Kasus Kasus direpresentasikan dalam bentuk flat feature-value list seperti pada tabel 1. Masingmasing kasus terdiri dari 7 atribut yaitu IPK, jarak kos/rumah, alat transportasi, tingkat semester, uang saku/bulan, kerja sampingan dan pilihan organisasi. Tabel 1. Representasi Kasus Domain : Organisasi yang Sebaiknya dipilih. Nomor Kasus : 1 Problem IPK
3.00-3.49
Jarak kos/rumah
1-3.9 km
Alat Transportasi
Sepeda Motor/Mobil
Tingkat Semester
3
Uang Saku/Bulan
>500.000
Kerja Sampingan
Tidak
Dimana : T : kasus baru S : kasus yang ada dalam penyimpanan (kasus lama) n : jumlah fitur dalam tiap kasus i : fitur individual dari 1 sampai n
Solusi Organisasi
Jurusan
40
Vol.17 No.2. Agustus 2015
Jurnal Momentum
Tabel 5. Kasus 3 IPK Jarak kos/rumah Alat Transportasi Tingkat Semester Uang Saku/Bulan Kerja Sampingan Solusi
f : fungsi similaritas untuk fitur ke-i dalam kasus T dan S w : pembobotan pada fitur ke-i Supaya ketika ada kasus baru dapat dihitung kedekatannya dengan kasus lama, maka perlu dilakukan pendefinisian bobot fitur. Pendefinisian bobot fitur CBR ditunjukkan seperti pada tabel 2. Tabel 2. Pendefinisian bobot fitur atribut Atribut Bobot similarity similarity Atribut value IPK 0.5 Sama 1 Beda 0 Jarak 0.4 Sama 1 kos/rumah Beda 0 Alat 0.8 Sama 1 Transportasi Beda 0 Tingkat 1 Sama 1 Semester Beda 0 Uang 0.6 Sama 1 Saku/Bulan Beda 0 Kerja 0.2 Sama 1 Sampingan Beda 0
Tabel 4. Kasus 2 IPK Jarak kos/rumah Alat Transportasi Tingkat Semester Uang Saku/Bulan Kerja Sampingan Solusi
< 3.00 1 - 3.9 km Sepeda Motor/Mobil) Tingkat III (5-6) > Rp.500.000,00 Ya Jurusan
kasus 1 merupakan kasus baru, sedangkan kasus 2 dan kasus 3 merupakan kasus lama. Perhitungan kemiripan kasus 1 dengan kasus 2 dan kasus 3 sebagai berikut : sim(k1,k2) = (1*0.5+0*0.4+1*0.8+1*1+0*0.6+0*0.2)/3.5 = 0.66 sim(k1,k3) = (1*0.5+0*0.4+1*0.8+1*1+1*0.6+0*0.2)/3.5 = 0.83 Berdasarkan perhitungan terlihat bahwa nilai similaritas kasus 1 dengan kasus 3 paling tinggi, sehingga solusi dari kasus 3 akan digunakan untuk menyelesaikan kasus 1. Jadi organisasi yang sebaiknya dipilih oleh mahasiswa dengan kriteria kasus 1 adalah organisasi tingkat jurusan. 2.5. Revise dan Retain Proses revisi (revise) dilakukan apabila tidak ada sama sekali kasus lama yang mirip dengan kasus baru. Revisi solusi berdasar pada masukan (feedback ) pengguna. Selanjutnya solusi kasus yang telah tervalidasi, disimpan (retain) kedalam case base.
Contoh, misalnya terdapat kasus baru dan kasus lama seperti pada tabel 3, 4, dan 5. Tabel 3. Kasus 1 IPK Jarak kos/rumah Alat Transportasi Tingkat Semester Uang Saku/Bulan Kerja Sampingan
ISSN : 1693-752X
< 3.00 < 1 km Sepeda Motor/Mobil) Tingkat III (5-6) > Rp.500.000,00 Tidak
2.6. Rancangan Sistem 2.6.1. Context Diagram
< 3.00 > 3.9 km Sepeda Motor/Mobil) Tingkat III (5-6) Rp.300.000,00 Rp.500.000,00 Ya Fakultas
Gambar 3. Context Diagram Keterangan: a. Admin : Admin dapat menambahkan, mengupdate, maupun menghapus data yang ada di basis kasus (case base). b. User : User menginputkan data sesuai kriteria yang diminta sistem, kemudian memperoleh rekomendasi organisasi yang sebaiknya dipilih. User juga diminta memberikan feedback terkait rekomendasi sistem.
41
Vol.17 No.2. Agustus 2015
Jurnal Momentum
ISSN : 1693-752X
Apabila user memberikan feedback, maka data yang diperoleh kemudian disimpan ke dalam case base. Apabila user tidak memberikan feedback, data tidak disimpan ke dalam case base. 2.6.2.
Gambar 6. Tampilan Halaman Rekomendasi Setelah User menekan tombol kirim. User akan memperoleh rekomendasi dari sistem berupa organisasi yang sebaiknya dipilih. Dianjurkan user hanya memilih satu jenis organisasi untuk setiap tingkatan organisasi. Kemudian setelah memperoleh rekomendasi, user diminta memberikan feedback terkait organisasi yang akan dipilih.
Relasi Antar Tabel
3.2. Halaman Admin
Gambar 4. Relasi Antar Tabel Pada aplikasi pemilihan organisasi mahasiswa ini menggunakan 9 tabel, yaitu tabel user, tabel ipk, tabel jarak, tabel transportasi, tabel semester, tabel uang saku, tabel sampingan, tabel organisasi, dan tabel rekomendasi. Tabel user berlaku sebagai case base. Supaya efisien, tabel user hanya menyimpan kode dari masing-masing kriteria user (id_ipk, id_jrk, id_trans, id_sem, id_usaku, id_sampingan, dan id_org), Adapun detail kriteria berada pada tabel terpisah (tabel ipk, jarak, transportasi, semester, uangsaku, sampingan, dan organisasi). Sedangkan tabel rekomendasi menyimpan hasil rekomendasi sistem dan feedback dari user. Tabel rekomendasi ini berfungsi untuk memperbarui case base.
NIM
3. HASIL DAN PEMBAHASAN 3.1. Halaman User
M0509076
24
M0511021
Gambar 7. Tampilan Halaman Admin Pada halaman admin, admin dapat menambahkan data baru ke case base, tentunya berupa data yang telah tervalidasi. Admin juga dapat memperbarui dan menghapus data yang sudah ada. 3.3. Hasil Pengujian Sistem diujikan kepada 10 orang mahasiswa, dengan hasil seperti pada tabel 6. Tabel 6. Hasil Pengujian Sistem
Gambar 5. Tampilan Halaman User Pada halaman user, user diminta menginputkan data sesuai kriteria yang diminta.
42
Kasus yang Mirip
Similarity
Rekomendasi Sistem
Feedback User
1
5
5
0
1
7
7
M0511049
98
1
3
4
M0512004
98
1
3
1
M0512030
98
0.8286
3
3
M0514027
110
1
4
4
M0514031
142
0.8857
0
1
M0514040
129
0.8857
5
0
M3112018
61
1
5
1
M3112110
0
1
7
6
Vol.17 No.2. Agustus 2015
Jurnal Momentum
Keterangan kode pilihan tingkat organisasi: 0 = tidak ikut organisasi 1 = organisasi tingkat jurusan 2 = organisasi tingkat fakultas 3 = organisasi tingkat universitas 4 = organisasi tingkat jurusan dan fakultas 5 = organisasi tingkat jurusan dan universitas 6 = organisasi tingkat fakultas dan universitas 7 =organisasi tingkat jurusan, fakultas, universitas
ISSN : 1693-752X
Sistem Cerdas untuk Pendeteksian dan Penanganan Dini Sapi. Jurnal Teknik POMITS Vol.1, No.1, 1-6, 2012
dan
Berdasarkan hasil pengujian terhadap 10 responden, 4 responden mengikuti rekomendasi sistem. 4. KESIMPULAN DAN SARAN Berdasarkan hasil penelitian, terlihat bahwa kinerja sistem masih belum optimal. Dari pengujian terhadap 10 responden, hanya 4 responden yang mengikuti rekomendasi sistem. Saran untuk penelitian berikutnya, dapat mencoba menambahkan kriteria lain pada user, menggunakan basis kasus (case base) yang lebih banyak, diuji cobakan pada user yang lebih bervariasi, dan menggunakan pendekatan metode similarity lainnya. 5. UCAPAN TERIMA KASIH Penulis mengucapkan terima kasih kepada orang tua, keluarga, teman-teman Puskom UNS, dosen, serta civitas akademika Informatika UNS, dan ILKOM UGM. Penulis juga mengucapkan terima kasih kepada seluruh staff dan pengurus jurnal momentum ITP yang telah memfasilitasi publikasi artikel ilmiah ini. 6. DAFTAR PUSTAKA Kusrini, Luthfi Emha Taufiq, Algoritma Data Mining, Yogyakarta, Andi, 2009 Pal Sankar K, Shiu Simon C.K., Foundations of Soft Case-Based Reasoning, Canada, John Wiley & Sons, 2004 Rismawan Tedy, Hartati Sri, Case-Based Reasoning untuk Diagnosa Penyakit THT (Telinga Hidung dan Tenggorokan), IJCCS, 67-68, 2012 Rohmadi Arif, Penerapan Metode Regresi Logistik Pada Aplikasi Pemilihan Organisasi Mahasiswa, Surakarta, Digilib UNS, 2013 Prakoso Irlando M, Anggraeni Wiwik, Mukhlason Ahmad. Penerapan Case-Based Reasoning pada
43
