28

BAB III

METODE PENELITIAN

3.1 Analisis Persoalan

Pada penelitian digunakan logika fuzzy untuk mendapatkan sebuah model

pemilihan jurusan terbaik dari hasil membandingkan setiap model inferensi yang

memiliki nilai berbeda – beda. Adapun tahap analisisnya adalah sebagai berikut:

a. Komponen Bakat untuk pemilihan jurusan didapat dari hasil observasi dan

wawancara dengan ahli psikologi, bapak M. Sakti Prasetyo, S. Psi.

b. Dataset bakat dan kepribadian siswa yang akan digunakan dalam pemilihan

program studi didapat dari angket yang dibagikan secara langsung kepada 119

siswa SMA.

c. Selanjutnya dilakukan implementasi, adapun tahapannya adalah Preprocessing,

Pembentukan aturan fuzzy, fuzzyfikasi, inference system, Evaluasi dan

penarikan kesimpulan.

d. Dalam Preprocessing dilakukan konversi dataset menjadi 9 variabel input, 8

variabel minat bakat dan1 variabel kepribadian.

e. Pembentukan aturan fuzzy yang akan digunakan dalam inference system.

f. Dilakukan fuzzyfikasi pada variabel input menjadi beberapa kategori baru.

g. Melakukan inferensi menggunakan metode Mamdani, Tsukamoto, dan Sugeno

orde-0.

h. Penarikan kesimpulan dari masing-masing metode yang digunakan.

i. Melakukan evaluasi pada sistem yang digunakan untuk mendapatkan metode

terbaik.

3.2 Arsitektur Umum

Pada subbab ini akan membahas arsitektur umum yang digunakan dalam

penelitian ini, alur proses dalam penelitian ini dapat dilihat pada Gambar 3.1.

29

Gambar 3.1. Arsitektur Umum Penelitian

Pada Gambar 3.1 dapat dilihat bagan yang berisi alur proses dalam penelitian ini,

adapun langkah-langkahnya yaitu studi literatur, observasi dan wawancara,

pembuatan angket dan metode pemrosesan data, pengumpulan data,

preprocessing data, pembentukan aturan, fuzzyfikasi, implementasi fuzzy logic,

evaluasi, dan penarikan kesimpulan.

3.2.1 Observasi dan Wawancara

Pada tahapan ini dilakukan observasi di lapangan, peneliti melakukan wawancara

ke beberapa mahasiswa di beberapa perguruan tinggi, serta meminta beberapa

mahasiswa untuk mengisi kuesioner yang berkaitan dengan tekanan di dalam

masa perkuliahan. Hal ini bertujuan untuk memperkuat teori dan data yang

berkaitan dengan fenomena salah jurusan yang sedang di teliti. Dari kegiatan ini

didapatkan data yang ditampilkan pada Tabel 3.1.

30

Tabel 3.1 Deskripsi dataset observasi jurusan

Jumlah Dataset 42

Mahasiswa yang merasa salah jurusan 27

Mahasiswa yang tidak merasa salah jurusan 15

Pada Tabel 3.1 dideskripsikan jumlah dataset yang didapatkan dari mahasiswa

berjumlah 42 data, kemudian didapatkan 27 data mahasiswa yang merasa salah

jurusan, berarti sebanyak 64% mahasiswa dari data tersebut mengaku merasa

salah jurusan. Pada tabel 3.2 dapat dilihat salah satu Responden data mahasiswa

yang merasa salah jurusan.

Tabel 3.2 Responden Observasi Jurusan

Nama Mahasiswa 1

Di mana anda menjalani studi Itera

Apakah kuliah anda menyenangkan Tidak banget

apakah anda menikmati semua mata kuliah Tidak

Bagaimana pergaulan anda di kampus Biasa saja

Apakah anda pernah mengulang mata kuliah Ya

Apakah anda pernah merasa salah pilih jurusan Ya

Pada Tabel 3.2 dapat dilihat salah satu Responden observasi jurusan dengan nama

Mahasiswa 1, pada Responden tersebut diketahui bahwa mahasiswa tersebut

merasa salah jurusan di dalam masa perkuliahannya. Data observasi jurusan ini

berguna sebagai penguat teori bahwa ada banyak kasus yang membuktikan bahwa

di Indonesia terdapat banyak mahasiswa yang merasa salah jurusan. Keseluruhan

data hasil observasi ini dapat dilihat pada lampiran B.

31

Kemudian Dalam rangka menyusun komponen bakat yang sesuai dengan program

studi pada perguruan tinggi, dilakukan wawancara terhadap ahli psikologi yang

bernama M. Sakti Prasetyo, S.Psi. Menurut beliau beberapa komponen bakat yang

sering digunakan dalam mengukur kecerdasan manusia dapat digunakan untuk

menentukan jenjang pendidikan yang sesuai dengan kecerdasan seseorang.

Menurut beliau dalam penelitian ini digunakan komponen minat bakat yang

berisikan bakat verbal, numerik, visual, kinetik, musikal, interpersonal,

intrapersonal, dan naturalis. Dari masing-masing kecerdasan tersebut, terdapat

kecerdasan-kecerdasan yang sesuai dengan jurusan - jurusan pada perguruan

tinggi. Berdasarkan arahan dan bimbingan beliau didapatkan kecerdasan yang

sesuai pada jurusan-jurusan di perguruan tinggi yang selanjutnya disebut sebagai

komponen bakat. Komponen bakat yang didapat dari kegiatan ini dapat dilihat

pada tabel 3.3.

Tabel 3.3 Komponen Bakat dalam Pemilihan Jurusan

(Sumber: Observasi dan Wawancara)

Kelas Verbal Numerik Visual Kinestik Musik

al

Interper

sonal

Intraperso

nal Naturalis

Teknik √ √ √

Kesehatan √ √ √

Sains √ √ √

Budaya dan

Bahasa √ √ √

Ekonomi

dan Bisnis

√ √ √

Sosial dan

Humaniora √ √ √

Pendidikan √ √ √

32

Pada Tabel 3.3 dapat dilihat komponen bakat untuk beberapa jurusan yang

digunakan dalam penelitian ini, pada tabel tersebut dituangkan bakat-bakat yang

menurut pakar psikologi sesuai dengan jurusan-jurusan yang ada pada tabel.

Sebagai contoh jika seseorang memiliki nilai yang tinggi (di atas 50%) pada bakat

numerik, visual dan naturalis, dan juga memiliki nilai yang rendah (di bawah

30%) pada bakat lainnya maka ia hanya cocok pada jurusan teknik, namun jika

seseorang memiliki nilai yang cukup tinggi di hampir semua bakat, maka akan

ada pertimbangan lainnya yang akan mengarahkan seseorang tersebut ke jurusan

yang paling sesuai, pertimbangan ini akan dibahas pada bagian 3.2.6 pada bagian

error matriks.

3.2.2 Pembuatan Angket

Setelah komponen bakat didapatkan, dilakukan pembuatan angket yang akan

digunakan dalam pengumpulan data, angket yang dibuat untuk pengumpulan data

objek uji ini dibuat menjadi dua bagian, yaitu bagian 1 yang berisikan pengujian

terhadap minat bakat, dan bagian 2 yang berisikan pengujian kepribadian, angket

tersebut dapat dilihat pada Lampiran A. Kemudian dibuat pula sebuah metode

yang akan berguna untuk melakukan Preprocessing data agar data objek uji dapat

diolah dengan baik, metode ini dibuat menjadi dua bagian, yaitu metode

pengolahan nilai minat bakat, dan metode pengolahan nilai kepribadian, berikut

dijelaskan bagian-bagiannya :

1. Bagian minat bakat

Pada bagian minat bakat, setiap sampel data mengandung 40 data jawaban,

nantinya data ini akan diperkecil menjadi 8 bagian atau 8 kecerdasan, untuk

dapat melakukan hal tersebut dibuatlah sebuah metode berikut :

M= 4 ∗ ∑ 𝑥𝑗𝑖

Keterangan:

M = Variabel Minat Bakat

i = indeks soal ke(awal)

33

j = indeks soal ke (akhir)

x = data nilai tes minat bakat

4 = koefisien

Pada bagian ini, M di ilustrasikan sebagai variabel Minat Bakat yang terdiri

dari 8 variabel yang masing-masing variabelnya adalah M1(verbal/linguistik),

M2(logis/matematis), M3(visual/spasial), M4(kinetik), M5(musikal),

M6(interpersonal), M7(intrapersonal), dan M8(naturalis). i dan j diilustrasikan

sebagai indeks soal, untuk minat bakat indeks soalnya dimulai dari i=1 sampai

j=40, kemudian x adalah data jawaban untuk masing-masing indeks soal.

Angka 4 sendiri adalah koefisien yang berguna untuk membuat nilai penuh

dari masing-masing variabel minat bakat = 100, untuk lebih jelasnya akan

dijabarkan pada bab IV.

2. Bagian kepribadian

Pada bagian kepribadian, setiap Responden data akan mengandung 20 data

jawaban, kemudian data ini akan diperkecil menjadi 4 area kepribadian yang

jika dijumlahkan hasilnya = 100, berikut adalah area kepribadian :

Area 1 = Sanguinis

Area 2= Koleris

Area 3 = Melankolis

Area 4 = Plegmatis

Pada masing-masing area proses perhitungan nilainya yang akan digunakan

pada proses preprocessing adalah sebagai berikut :

𝐾 = ∑ 𝑥𝑗𝑖 ∗ 5

Keterangan:

K = Variabel kepribadian

i = indeks soal ke ( awal )

j = indeks soal ke ( akhir )

34

x = Data nilai tes kepribadian

5 = koefisien

Pada bagian ini K di representasikan sebagai variabel kepribadian,. i dan j di

representasikan sebagai indeks soal untuk kepribadian , i dimulai dari 41 dan j

= 60, x adalah data jawaban pada masing-masing indeks soal yang terdiri dari

nilai a, b,c,dan d, 5 adalah koefisien yang berguna untuk membuat nilai

kepribadian genap menjadi 100%, untuk lebih jelasnya akan dijabarkan pada

bab IV.

3.2.3 Pengumpulan Data

Pada penelitian ini disiapkan sekumpulan data yang di ambil

menggunakan angket yang didapat secara langsung dari sejumlah siswa yang

berisikan minat bakat dan kepribadian dari sejumlah siswa tersebut. Deskripsi

data yang digunakan dalam penelitian ini dapat di lihat pada Tabel 3.4.

Tabel 3.4 Deskripsi Dataset Objek Uji

Jumlah Sampel 119

Jumlah Data tes minat bakat dan

kepribadian

119

Data minat sesungguhnya 238

Pada Tabel 3.4 dapat ditampilkan jumlah Responden data yang digunakan

sebanyak 119 Responden dengan atribut nama, kelas, nilai tes minat bakat dan

kepribadian, dan data minat sesungguhnya dari setiap Responden. Karena pada

setiap Responden memiliki masing-masing 2 minat sesungguhnya, maka jumlah

minat sesungguhnya adalah dua kali jumlah Responden, jumlah minat pada

masing-masing program studi dapat dilihat pada Tabel 3.5.

35

Tabel 3.5 Minat Siswa

Program Studi Jumlah

Minat

Teknik Sipil 5

Teknik Elektro 6

Arsitektur 6

Teknik Informatika 7

Kedokteran 13

Kesehatan Masyarakat 10

Keperawatan 7

Farmasi 5

Matematika 11

Meteorologi 5

Biologi 2

Sastra 18

Pariwisata 15

Seni dan Budaya 28

Akuntansi 13

Ekonomi 7

Perbankan 8

Psikologi 12

Hukum 12

Ilmu Komunikasi 8

Ilmu Pemerintahan 9

Management Pendidikan 7

Pendidikan Sosial 8

Ilmu Perpustakaan 8

Pendidikan Anak 8

Merujuk pada Tabel 3.5 didapatkan minat siswa terhadap 25 program studi pilihan

dalam penelitian ini, dibuat grafik minat siswa yang dapat dilihat pada Gambar

3.2.

36

Gambar 3.2 Minat Siswa Terhadap Program Studi Pilihan

Merujuk pada Gambar 3.2 dapat dilihat beberapa minat terbesar dari populasi

Responden data, minat terbesar siswa yaitu program studi Seni Budaya dengan

jumlah minat sebanyak 27 siswa, Sastra dengan jumlah minat 18 siswa, dan

Psikologi dengan jumlah minat 12 siswa. Dalam penelitian ini akan digunakan

Program Studi Psikologi sebagai tujuan inferensi pemilihan program studi.

0 5 10 15 20 25 30

Teknik Sipil

Teknik Elektro

Arsitektur

Teknik Informatika

Kedokteran

Kesehatan Masyarakat

Keperawatan

Farmasi

Matematika

Meteorologi

Biologi

Sastra

Pariwisata

Seni dan Budaya

Akuntansi

Ekonomi

Perbankan

Psikologi

Hukum

Ilmu Komunikasi

Ilmu Pemerintahan

Manajemen Pendidikan

Pendidikan Sosial

Ilmu Perpustakaan

Pendidikan Anak

Minat Siswa

37

3.2.4 Preprocessing Data

Dalam proses ini dilakukan pengelompokan data Responden menjadi 9

variabel input, alur proses Preprocessing dapat dilihat pada Gambar 3.3.

Gambar 3.3. Preprocessing Data

Dalam Preprocessing ini dataset yang didapatkan dibagi menjadi 9 variabel input,

yaitu verbal, numerik, visual, kinetik, musikal, interpersonal, intrapersonal,

naturalis, dan kepribadian.. Metode yang digunakan dalam proses Preprocessing

dapat dilihat pada bagian 3.2.2.

38

3.2.5 Implementasi Metode

Pada tahap implementasi data terdapat langkah- langkah yang dilakukan,

adapun langkah-langkahnya dapat dilihat pada Gambar 3.2.

Gambar 3.4 Implementasi fuzzy logic

Merujuk pada Gambar 3.4 dijelaskan tahapan dalam implementasi fuzzy logic:

1. Fuzzyfikasi, Pada tahapan ini dilakukan fuzzyfikasi dengan cara

mengelompokkan nilai variabel minat bakat dan kepribadian menjadi beberapa

kelompok, adapun pengelompokan variabel dapat dilihat pada gambar 3.5.

39

Gambar 3.5 Alur Fuzzyfikasi

Pada gambar 3.5 dijelaskan , dalam proses fuzzyfikasi, data minat bakat pada

setiap variabel input dibagi menjadi 3 kategori, yaitu tinggi, sedang, dan rendah.

Sedangkan variabel input kepribadian dibagi menjadi 4 kategori, yaitu

Kepribadian 1 (Sanguinis), Kepribadian 2(Koleris), Kepribadian 3 (Melankolis),

dan Kepribadian 3 (Plegmatis). Merujuk pada bagan pengelompokan dalam

proses fuzzyfikasi pada Gambar 3.5, maka dibuat Range input keanggotaan

variabel, berikut dijelaskan Range input untuk masing-masing variabel

keanggotaan fuzzy:

a. Untuk Variabel input minat bakat yang anggotanya adalah Verbal,

Numerik, Visual, Kinestik, Musikal, Interpersonal, Intrapersonal, dan

Naturalis:

Range 1 : Nilai Minat Bakat (Tinggi) = [ Nilai >50]

Range 2 :Nilai Minat Bakat (Sedang) = [30 >Nilai< 70]

Range 3: Nilai Minat Bakat (Rendah) = [Nilai< 50]

Range untuk fungsi keanggotaan pada setiap variabel minat bakat

menggunakan Range fungsi keanggotaan di atas, fungsi tersebut

digunakan dengan cara mengganti kata “ Nilai Minat Bakat “

menggunakan variabel minat bakat yang sudah dijelaskan, sebagai contoh

penggantian variabel adalah sebagai berikut :

“Nilai Minat Bakat” (Tinggi) diubah menjadi “Verbal” (Tinggi).

40

Cara yang sama dilakukan untuk variabel minat bakat lainnya.

b. Untuk Variabel input kepribadian, variabelnya dibagi menjadi 4 area,

berikut penjelasannya :

area 1: Kepribadian 1(Sanguinis) = [0>Nilai <100]

area 2: Kepribadian 2 (Koleris) = [0 > Nilai ≤ 100]

area 3: Kepribadian 3 (Melankolis) = [0>Nilai ≤100]

area 3: Kepribadian 4 (Plegmatis) = [0>Nilai ≤100]

2. Proses inferensi, pada tahapan ini dilakukan proses inferensi pada masing-

masing metode Tsukamoto, Mamdani dan Sugeno yang alur prosesnya dapat

dilihat pada Gambar 3.6

Gambar 3.6 Proses Inferensi

Merujuk pada gambar 3.6 berikut dijelaskan tahapan – tahapan inferensi untuk

mendapatkan nilai keanggotaan dari setiap Responden, serta mendapatkan metode

terbaik dalam proses inferensi :

a. Dengan menggunakan dataset hasil fuzzyfikasi, dilakukan proses inferensi,

proses inferensi dibagi menjadi 2 tahapan, tahap 1 yaitu melakukan inferensi

pada data minat bakat, kemudian inferensi tahap 2 pada data kepribadian.

Aturan yang digunakan dalam proses inferensi dapat dilihat pada Tabel 3.6 dan

Tabel 3.7.

41

b. Kemudian Mencari nilai keanggotaan masing-masing variabel input terhadap

variabel output menggunakan fungsi implikasi AND pada persamaan II-5

untuk metode Tsukamoto dan Mamdani, dan fungsi implikasi OR pada

persamaan II.4 untuk Metode Sugeno.

c. Pada tahapan defuzzyfikasi dicari nilai output masing-masing metode

menggunakan fungsi Centroid pada Persamaan II-10 untuk metode mamdani,

dan fungsi Weight Average pada Persamaan II-9 untuk metode Tsukamoto dan

Sugeno. Dari proses ini didapatkan nilai output berupa konstanta numerik

terhadap masing-masing program studi.

d. Pengambilan kesimpulan, pada proses pengambilan kesimpulan dalam

penelitian ini, nilai output dari hasil deffuzyfikasi akan diarahkan atau dibagi

per area kepribadian sehingga mendapatkan nilai keanggotaan pada masing-

masing program studi

3.2.6 Fuzzy Rule Based

Pada tahapan ini, dibentuk aturan Fuzzy yang akan digunakan dalam

pemilihan program studi. Berdasarkan basis pengetahuan yang didapat dari

observasi dan wawancara yang dituangkan dalam Tabel 3.3 Tabel 3.3 dibentuk

aturan fuzzy sebanyak 8 grup, grup disini merepresentasikan jurusan, masing-

masing grup berisikan 3 sampai 4 anggota program studi. Jumlah keseluruhan

aturan adalah 25. 25 aturan tersebut akan digunakan dalam proses inferensi pada

metode Tsukamoto, mamdani, dan sugeno aturan fuzzy untuk metode Tsukamoto

dapat dilihat pada Tabel 3.6. Dan aturan fuzzy untuk metode mamdani dan sugeno

dapat dilihat pada tabel 3.7.

Tabel 3.6 Aturan Fuzzy Metode Tsukamoto

Variabel Input 1,2,3,4,5,6,7,8 ( Minat Bakat ) Output

Area Ouput

Kepribadian Program

Studi

Jika [Numerik = Tinggi dan Visual = Tinggi

dan Naturalis = Tinggi] dan [Verbal =

Rendah dan Sedang] dan [Kinestik = Rendah

dan Sedang] dan [Musikal = Rendah dan

sedang] dan [Interpersonal = Rendah dan

Grup 1

(Teknik)

Sanguinis Teknik Sipil

Koleris Teknik

Elektro

Melankolis Arsitektur /

PWK

42

Variabel Input 1,2,3,4,5,6,7,8 ( Minat Bakat ) Output

Area Ouput

Kepribadian Program

Studi

sedang] dan [Intrapersonal = Rendah dan

sedang ] maka Plegmatis

Teknik

informatika

Jika [[Verbal = Tinggi] dan [ Numerik =

Tinggi] dan [ Visual = Tinggi] dan [Naturalis

= Rendah dan Sedang] dan [Kinestik =

Rendah dan Sedang] dan [Musikal = Rendah

dan sedang] dan [Interpersonal = Rendah dan

sedang] dan [Intrapersonal = Rendah dan

sedang] maka

Grup

2(Kesehatan)

Sanguinis Kedokteran

Koleris Kesehatan

Masyarakat

Melankolis Keperawatan

/ Kebidanan

Plegmatis Farmasi /

Apoteker

Jika [Numerik = Tinggi] dan [Visual =

Tinggi] dan [Interpersonal = Tinggi] dan

[Verbal = Rendah dan Tinggi] dan [Naturalis

= Rendah dan Sedang] dan [Kinestik =

Rendah dan Sedang] dan [Musikal = Rendah

dan sedang]dan [Intrapersonal = Rendah dan

sedang] maka

Grup

3(Sains)

Sanguinis Matematika

Koleris Meteorologi

Melankolis Biologi

Jika [Visual = Tinggi] dan[ Musikal =

Tinggi] dan [Interpersonal = Tinggi] dan

[Verbal = Rendah dan Tinggi] dan [Naturalis

= Rendah dan Sedang]dan [Kinestik =

Rendah dan Sedang] dan [Intrapersonal =

Rendah dan Sedang] dan [Numerik = Rendah

dan Tinggi] maka

Grup 4 (Seni

dan Budaya)

Sanguinis Sastra

Koleris Pariwisata

Melankolis Seni dan

Budaya

Jika [Verbal = Tinggi] dan [Numerik

=Tinggi] dan [Kinestik = Tinggi] dan [Visual

= Rendah dan Sedang] dan [Musikal =

Rendah dan Sedang] dan [Intrapersonal =

Rendah dan Sedang] dan [Interpersonal =

Rendah dan Sedang] dan [Naturalis = Rendah

dan Sedang] maka

Grup 5

(Ekonomi

dan Bisnis)

Sanguinis Akuntansi

Koleris Ekonomi

Melankolis Perbankan

Jika [[Verbal = Tinggi] dan [Visual = Tinggi]

dan [Intrapersonal = Tinggi] dan [Numerik =

Rendah dan Sedang] dan [Kinestik = Rendah

dan Sedang] dan [Musikal = Rendah dan

Sedang] dan [Interpersonal = rendah dan

sedang] dan [Naturalis = Rendah dan Sedang]

maka

Grup 6

(Sosial dan

Humaniora)

Sanguinis Psikologi

Koleris Hukum

Melankolis Ilmu

Komunikasi

Plegmatis Ilmu

Pemerintahan

Jika[[Verbal = Tinggi] dan [Kinestik =

Tinggi] dan [Intrapersonal = Tinggi] dan

[Numerik = Rendah dan Sedang] dan [Visual

= Rendah dan Sedang] dan [Interpersonal =

Rendah dan Sedang] [Naturalis = Rendah dan

Sedang] maka

Grup 7 (Ilmu

Pendidikan)

Sanguinis Manajemen

Pendidikan

Koleris Ilmu Sosial

Melankolis Ilmu

perpustakaan

Plegmatis Pendidikan

Anak

43

Pada Tabel 3.6 dapat dilihat aturan fuzzy yang akan digunakan dalam

proses inferensi, dengan merujuk pada aturan fuzzy pada tabel 3.6 dibuat

aturan fuzzy untuk proses inferensi metode mamdani dan sugeno dengan

mengubah fungsi “dan” pada variabel input 1 sampai 8 pada tabel 3.6

menjadi fungsi “atau”. Terjadinya perbedaan aturan fuzzy pada metode

Tsukamoto dengan mamdani dan sugeno dibentuk berdasarkan fungsi

implikasi pada masing-masing metode yang berbeda, untuk inferensi pada

metode Tsukamoto menggunakan fungsi implikasi AND (Min) sehingga

aturan inferensi nya menggunakan “dan”, kemudian pada metode

mamdani dan sugeno menggunakan fungsi implikasi OR (Max), sehingga

aturan inferensinya menggunakan “atau”. aturan fuzzy untuk metode

mamdani dan sugeno dapat dilihat pada Tabel 3.7

Tabel 3.7 Aturan Fuzzy Metode Mamdani dan Sugeno

Variabel Input 1,2,3,4,5,6,7,8 ( Minat Bakat

) Output

Area Ouput

Kepribadian Program

Studi

Jika [Numerik = Tinggi atau Visual =

Tinggi atau Naturalis = Tinggi atau [Verbal

= Rendah dan Sedang] atau [Kinestik =

Rendah dan Sedang] atau [Musikal =

Rendah dan sedang] atau [Interpersonal =

Rendah dan sedang] atau [Intrapersonal =

Rendah dan sedang ] maka

Grup 1

(Teknik)

Sanguinis Teknik Sipil

Koleris Teknik

Elektro

Melankolis Arsitektur /

PWK

Plegmatis Teknik

informatika

Jika [[Verbal = Tinggi] atau [ Numerik =

Tinggi] atau [ Visual = Tinggi] atau

[Naturalis = Rendah dan Sedang] atau

[Kinestik = Rendah dan Sedang] atau

[Musikal = Rendah dan sedang] atau

[Interpersonal = Rendah dan sedang] atau

[Intrapersonal = Rendah dan sedang] maka

Grup

2(Kesehatan)

Sanguinis Kedokteran

Koleris Kesehatan

Masyarakat

Melankolis Keperawatan

/ Kebidanan

Plegmatis Farmasi /

Apoteker

Jika [Numerik = Tinggi] atau [Visual =

Tinggi] atau[Interpersonal = Tinggi]atau

[Verbal = Rendah dan Tinggi] atau

[Naturalis = Rendah dan Sedang] atau

[Kinestik = Rendah dan Sedang] atau

[Musikal = Rendah dan sedang]atau

[Intrapersonal = Rendah dan sedang] maka

Grup

3(Sains)

Sanguinis Matematika

Koleris Meteorologi

Melankolis Biologi

Jika [Visual = Tinggi] atau[ Musikal =

Tinggi] atau [Interpersonal = Tinggi] atau

[Verbal = Rendah dan Tinggi] atau

[Naturalis = Rendah dan Sedang] atau

Grup 4 (Seni

dan Budaya)

Sanguinis Sastra

Koleris Pariwisata

Melankolis Seni dan

Budaya

44

Variabel Input 1,2,3,4,5,6,7,8 ( Minat Bakat

) Output

Area Ouput

Kepribadian Program

Studi

[Kinestik = Rendah dan Sedang] atau

[Intrapersonal = Rendah dan Sedang] atau

[Numerik = Rendah dan Tinggi] maka

Jika [Verbal = Tinggi] atau [Numerik

=Tinggi] atau [Kinestik = Tinggi] atau

[Visual = Rendah dan Sedang] atau

[Musikal = Rendah dan Sedang] atau

[Intrapersonal = Rendah dan Sedang] atau

[Interpersonal = Rendah dan Sedang] atau

[Naturalis = Rendah dan Sedang] maka

Grup 5

(Ekonomi

dan Bisnis)

Sanguinis Akuntansi

Koleris Ekonomi

Melankolis Perbankan

Jika [[Verbal = Tinggi] atau [Visual =

Tinggi] atau [Intrapersonal = Tinggi] atau

[Numerik = Rendah dan Sedang] atau

[Kinestik = Rendah dan Sedang] atau

[Musikal = Rendah dan Sedang] atau

[Interpersonal = rendah dan sedang] atau

[Naturalis = Rendah dan Sedang] maka

Grup 6

(Sosial dan

Humaniora)

Sanguinis Psikologi

Koleris Hukum

Melankolis Ilmu

Komunikasi

Plegmatis Ilmu

Pemerintahan

Jika[[Verbal = Tinggi] atau [Kinestik =

Tinggi] atau [Intrapersonal = Tinggi] atau

[Numerik = Rendah dan Sedang] atau

[Visual = Rendah dan Sedang] atau

[Interpersonal = Rendah dan Sedang] atau

[Naturalis = Rendah dan Sedang] maka

Grup 7 (Ilmu

Pendidikan)

Sanguinis Manajemen

Pendidikan

Koleris Ilmu Sosial

Melankolis Ilmu

perpustakaan

Plegmatis Pendidikan

Anak

Merujuk pada Tabel 3.6 dan 3.7 , dibentuk fuzzy error matrikss (Matrikss

Kesalahan Fuzzy) yang berisikan besar error antar masing-masing program studi.

Matriks ini dibuat berdasarkan jumlah perbedaan variabel input pada masing-

masing program studi pada aturan fuzzy. Berikut ditampilkan matriks kesalahan

untuk aturan fuzzy nomor 1 (R1) sampai aturan fuzzy nomor 8 (R8) pada 3.8.

Tabel 3.8 Fuzzy Error Matriks

Program

Studi

Teknik

Sipil

Teknik

Elektro Arsitektur

Teknik

Informatika Kedokteran

Kesehatan

Masyarakat Keperawatan

Ilmu

Farmasi

45

Teknik Sipil 0 0.1 0.1 0.1 0.4 0.5 0.5 0.5

Teknik

Elektro 0.1 0 0.1 0.1 0.5 0.4 0.5 0.5

Arsitektur 0.1 0.1 0 0.1 0.5 0.5 0.4 0.5

Teknik

Informatika 0.1 0.1 0.1 0 0.5 0.5 0.5 0.4

Kedokteran 0.5 0.5 0.5 0.5 0 0.1 0.1 0.1

Kesehatan

Masyarakat 0.5 0.4 0.5 0.5 0.1 0 0.1 0.1

Keperawatan 0.5 0.5 0,4 0.5 0.1 0.1 0 0.1

Ilmu Farmasi 0.5 0.5 0.5 0.4 0.1 0.1 0.1 0

Pada Tabel 3.8 dapat dilihat besar error pada tiap-tiap sel matriks error,

besar kesalah pada matriks tersebut di ambil dari besar nya jarak antar program

studi yang di ambil berdasarkan perbedaan jumlah variabel input, setiap berbeda

satu variabel input akan menghasilkan besar error 0.1, sebagai contoh program

studi teknik sipil memiliki perbedaan 1 variabel input dengan program studi

teknik elektro, sehingga besar error antara program studi teknik sipil dengan

program studi teknik elektro adalah 0.1, begitu pun untuk program studi lainnya,

semakin banyak perbedaan variabel input antar program studi, maka semakin

besar error antar program studi. Dengan menggunakan matriks error pada tabel

3.8 tersebut, akan dicari besar error antar program studi pada masing-masing

Responden, kemudian dilakukan pencarian akurasi pada metode dan sistem.

Keseluruhan matriks kesalahan yang dibuat pada penelitian ini dapat dilihat pada

lampiran C.

46

3.2.7 Evaluasi Metode

Tahapan ini merupakan tahapan terakhir dari sistem yang berguna untuk

mencari nilai ketepatan. Dalam mencari nilai ketepatan dilakukan evaluasi pada

semua aturan menggunakan metode Mean Absolute Percentage Error (MAPE)

dengan menggunakan persamaan II-13, persamaan II-14.

3.3 Kebutuhan Sistem

3.3.1 Kebutuhan Perangkat Keras

Spesifikasi perangkat keras yang digunakan dalam implementasi

penelitian ini dapat dilihat pada 3.9.

Tabel 3.9 Spesifikasi Perangkat Keras

No. Perangkat Keras Spesifikasi

1 Processor Intel(R) Core(TM) i5 2.7 Ghz

2 RAM 4 Gb DDR3

3 Storage 500 GB HDD

4 Grapics Intel HD Grapics

3.3.2 Kebutuhan Perangkat Lunak

Spesifikasi perangkat lunak yang digunakan dalam implementasi penelitian ini

dapat dilihat pada Tabel 3.10.

Tabel 3.10 Spesifikasi Perangkat Lunak

No. Perangkat Lunak Spesifikasi

1 Sistem Operasi Windows 10

2 Bahasa Pemrograman Python 3.6.8

3 Framework Jupyter Notebook