No.

Kontrak Bidang Ilmu Klater

LPPM-UGMIl195/2009 MIPA Sains dan Teknik

LAPORAN AKHIR KEGIATAN HIBAH PENELITIAN UNTUK MAHASISWA PROGRAM DOKTOR TAHUN ANGGARAN 2009

DATA MINING UNTUK MENEMUKAN POLA PENGETAHUAN KONSELING PSIKOLOGI

Tim Peneliti : Drs. Sri Mulyana, M.Kom. Dra. Sri Hartati, M.Sc., Ph.D. Drs. Retantyo Wardoyo, M.Sc., Ph.D. Drs. Edi Winarko, M.Sc., Ph.D

FAKULTASMATEMATIKA DANILMUPENGETAHUANALAM UNIVERISTAS ADJAHMADA G

2009

INTISARI

DATA MINING UNTUK MENEMUKAN POLA PENGETAHUAN KONSELING PSIKOLOGI

Sri Mulyana, Sri Hartati, Retantyo Wardoyo, Edi Winarko Program Studi IImu Komputer Universitas Gadjah Mada smulyana@ugm.ac.id , shartati@ugm.ac.id , rw@ugm.ac.id, ewinarko@ugm.ac.id

Permasalahan psikologi memerlukan penanganan khusus yang biasanya dilakukan oleh seorang psikolog melalui media konsultasi. Semakin komplesnya permasalahan hidup akan memunculkan masalah psikologi yang semakin banyak dan diperlukan peran pakar psikologi untuk memecahkannya. Sistem Penalaran Komputer untuk pakar psikologi, sangat dimungkinkan untuk membantu mengatasi masalah tersebut. Pengembangan Sistem Pakar memerlukan proses pengelolaan data besar yaitu catatan konsultasi psikologi, untuk merujuk pada keseluruhan proses pencarian pengetahuan yang disebut Knowledge Discovery in Database (KDD). Data mining merupakan salah satu langkah dalam proses KDD karena menerapkan algoritma spesifik untuk mencari pola (model) dalam database. Pada penelitian ini telah dilakukan proses data mining untuk membangun pola pengetahuan konseling psikologi berdasarkan catatan psikologi dari Rumah Sakit Orthopedi Dr. Soeharso di Surakarta. Proses tersebut menggunakan bantuan software Rapidminer 4.0 dengan metode decision tree dan rule learner method. Hasil proses data mining dengan decision tree menunjukkan bahwa data memusat pada jenis tindakan ass, karena sebagian besar record (196 record) memiliki jenis tindakan ass (asistensi) walaupun antenseden beragam. Hasil proses data mining dengan rule learner method berhasil menemokan pola pengetahuan yang berupa aturan-aturan sebanyak 15 aturan pada percobaan ke-l, 28 aturan pada percobaan ke-2 dan 10 aturan pada percobaan ke-3. Kata Kunci : Data Mining, Knowledge Discovery, Case Based Reasoning, decision tree, rule learner

III

ABSTRACT DATA MINING TO FIND RULE DESIGN OF PSYCHOLOGICAL COUNSELING

Sri Mulyana, Sri Hartati, Retantyo Wardoyo, Edi Winarko Deapartment of Computer Science Gadjah Mada University, Indonesia smulyana@ugm.ac.id , shartati@ugm.ac.id , rw@ugm.ac.id, ewinarko@ugm.ac.id

Psychological problems require special handling usually done by a psychologist through a consultancy. More complex problems of life will create a psychological problem. This problem need more role of psychological experts to solve. Reasoning Systems or Expert Systems for psychological counseling is possible as the alternative to solve the issue. The development of Expert Systems requires large management process data of psychological consultation notes. These notes refer to the overall knowledge of the search process called Knowledge Discovery in Databases (KDD). Data mining is one of the steps in the process of KDD. Data mining uses a specific algorithm to search patterns in database. This paper will explain data mining process to build a knowledge pattern from the psychological consultation notes. Next step, It will be used to develop an expert system. The expert systems that will be developed uses Case Based Reasoning techniques. In this research, It has been carried out data mining process to build a pattern based on knowledge of psychological counseling notes from Orthopedi Hospital Dr. Soeharso in Surakarta. The process uses Rapidminer 4.0 software with decision tree and rule learner methods. The result of the data mining process using decision tree method shows that the data is converge in the type of action ass although the antenseden is diverse. It is happen because most of the records (196 records) have the type of action ass(assistance). The results of the data mining process using rule learner method is successful in finding a knowledge pattern of rules, 15 rules for the experiment-I, 28 rules for the experiment- 2 and 10 rules for the experiment-3. Keywords: Data Mining, Knowledge Discovery, Case Based Reasoning, decision tree, rule learner.

IV