Hanani Rizal Hidayat 1), Rekyan Regasari Mardi Putri, Wayan Firdaus Mahmudy
Program Studi Teknik Informatika
Program Teknologi Informasi dan Ilmu Komputer
Universitas Brawijaya, Malang 65145, Indonesia
Email: hanririzal@live.com 1
ABSTRACT
Without adequate English competence, modern human will meet difficulties in global
communication and interaction. In fact, English competence of Indonesian as shown by some tests
show unsatisfactory result. The implementation of expert-system based information technology with
fuzzy inference system Mamdani will help us to decide the right and effective ways of English
teaching and learning English. Three aspects in TOEFL that are listening, reading, and structure
will be used in fuzzy inference system process. Those fuzzy sets will be processed using fuzzy
inference system Mamdani method to find its decisions that meet the learning needs, material that
should be taught, and how to teach English. The formation of input fuzzy sets based on experts
knowledge whereas the formation of output fuzzy sets is done by random search optimization. This
application is designed and tested by involving experts inference result to calculate system
accuracy. the accuracy of the system is 95%.
ABSTRAK
Informasi yang ada di bumi ini telah terkomputerisasi dan menggunakan bahasa
internasional yaitu bahasa Inggris. Tanpa kompetensi bahasa Inggris yang memadai maka manusia-
manusia modern akan kesulitan dalam menjalani komunikasi dan interaksi global tersebut. Pada
kenyataannya, rata-rata kemampuan bahasa Inggris siswa/mahasiswa di Indonesia kurang
menunjukkan hasil yang memuaskan. Penerapan teknologi informasi berbasis sistem pakar dengan
fuzzy inference system Mamdani dapat membantu menentukan kegiatan pembelajaran yang efektif
dan efisien. Tiga aspek dalam TOEFL yaitu listening, reading, dan structure digunakan dalam
proses inferensi fuzzy. Himpunan fuzzy tersebut akan diproses dengan metode inferensi Mamdani
sehingga dihasilkan suatu keputusan yaitu jumlah kebutuhan pembelajaran, materi yang harus
diajarkan, dan cara mengajar Bahasa Inggris. Pembentukan himpunan input fuzzy didasarkan pada
pengetahuan pakar sedangkan pembentukan himpunan output fuzzy dilakukan dengan optimasi
random search. Aplikasi yang dirancang diuji dengan melibatkan hasil inferensi pakar sehingga
mendapatkan akurasi sistem yaitu sebesar 95%.
2
Bahasa adalah sistem simbol vokal yang sejauh mana elemen tertentu menjadi bagian dalam
arbitrer yang digunakan oleh penuturnya untuk himpunan [4].
berkomunikasi. Definisi ini mengandung dua hal Fungsi keanggotaan (membership function)
penting tentang bahasa, yaitu materi dan fungsi. adalah kurva yang menunjukkan titik-titik input
Secara material, bahasa berwujud sebagai sebuah data ke dalam nilai keanggotaan atau derajat
sistem simbol yang terdiri dari beberapa keanggotaannya yang memiliki interval antara 0
komponen, yaitu kosakata (vocabulary), struktur sampai 1 [3].
(grammar), dan ucapan (pronunciation). Secara
fungsional, bahasa dipakai sebagai alat Sistem Pakar
komunikasi, yang manifestasinya berupa
keterampilan bahasa (language skills), meliputi Sistem pakar merupakan sistem informasi
menyimak (listening), wicara (speaking), membaca berbasis komputer yang mengadopsi pengetahuan
(reading), dan menulis (writing). Keempat dari ahli atau pakar untuk mendapatkan
keterampilan tersebut dikategorisasi menjadi performansi keputusan tingkat tinggi dalam
keterampilan reseptif, yakni mendengar dan wilayah permasalahan yang sempit [5].
membaca; dan keterampilan produktif, yaitu Arsitektur sistem pakar terbentuk atas dua
wicara dan menulis. bagian utama yaitu lingkungan pengembangan dan
lingkungan konsultasi. Lingkungan pengembangan
Logika Fuzzy digunakan oleh insinyur sistem pakar untuk
membangun komponen-komponen dan
Logika fuzzy adalah himpunan fuzzy yaitu memasukkan basis pengetahuan kedalam sistem.
himpunan yang tidak jelas batasan Sedangkan lingkungan konsultasi digunakan oleh
keanggotaannya. Sebuah himpunan fuzzy pengguna (non-pakar) untuk menggunakan
direpresentasikan menggunakan fungsi pengetahuan pakar dalam menyelesaikan dan
keanggotaan. Setiap nilai element di dalam mendapat masukan tentang permasalahan yang
semesta dalam suatu himpunan fuzzy akan dikonsultasikan ke sistem. Gambar 1 menunjukkan
memiliki derajat keanggotaan yang menyatakan arsitektur dalam sistem pakar
Lingkungan Konsultasi Lingkungan Pengembang
Antarmuka Pengguna
Knowlegde
engineer
Fasilitas Penjelas
Pengetahuan
Mesin Inferensi - Penerjemah terdokumentasi
Aksi yang - Pembuat Jadwal
direkomendasikan - Penguat Konsistensi
Akuisisi
Pengetahuan
Pengetahuan
Pakar
Blackboard
- Rencana
- Solusi
- Agenda Perbaikan
- Deskripsi masalah Pengetahuan
Fuzzy Inference System Mamdani Fuzzy inference system (FIS) pada dasarnya
merupakan knowledge-based system yang
3
memanfaatkan konsep-konsep dari logika fuzzy, 1. Akuisisi Pengetahuan
aturan fuzzy IF-THEN, dan fungsi keanggotaan. Akuisisi pengetahuan dimulai dengan
FIS terbentuk atas beberapa komponen seperti melakukan wawancara dengan pakar dibidang
ditunjukkan pada Gambar 2. pendidikan bahasa Inggris. Selain dari
wawancara akuisi pengetahuan dilakukan
dengan studi pustaka pada buku-buku
TOEFL.
2. Basis Pengetahuan
Basis pengetahuan berupa aturan
direpresentasikan dalam aturan produksi (IF-
THEN). Terdapat 27 aturan, aturan terdiri dari
Gambar 2. Komponen Fuzzy Inference System [6] tiga variabel linguistic untuk input dan empat
variabel linguistic untuk output berikut
Fuzzy Inference System Mamdani beberapa contoh aturan yang digunakan
merupakan metode inferensi fuzzy yang paling - IF Listening is High AND Reading is
popular digunakan pada berbagai bidang. Dalam High AND Structure is High THEN Level
[7] FIS Mamdani membutuhkan empat tahapan is Advance
proses dalam menentukan output yaitu: - IF Listening is High AND Reading is
1. Pembentukan Himpunan Fuzzy Elementary AND Structure is
Pada metode mamdani, baik variable input Intermediate THEN Level is High
maupun output dibagi menjadi satu atau lebih Intermediate
himpunan fuzzy. 3. Mesin Inferensi
2. Aplikasi Fungsi Implikasi Mesin inferensi dalam sistem pakar ini
Pada metode mamdani, fungsi implikasi menggunakan fuzzy inference system
menggunakan operator AND atau fungsi min. Mamdani.
Fungsi min akan mencari nilai keaanggotaan 4. Fasilitas Penjelas
terkecil antara dua himpunan fuzzy. Fasilitas penjelas menjelaskan bagaimana
3. Komposisi Aturan masukan nilai TOEFL diproses melalui mesin
Ada tiga metode yang digunakan dalam inferensi fuzzy Mamdani sehingga
melakukan inferensi sistem fuzzy Mamdani menghasilkan output yang diinginkan.
yaitu max, additive, dan probabilistic OR 5. Blackboard
(probor). Blackboard akan menyimpan inputan nilai
4. Penegasan (Defuzzification) TOEFL (listening, reading, dan structure),
Input dari proses defuzzifikasi adalah suatu derajat keanggotaan input pada setiap
himpunan fuzzy yang diperoleh dari himpunan fuzzy, aturan/rules yang memenuhi,
komposisi aturan-aturan fuzzy, sedangkan hasil fungsi implikasi yaitu nilai Min antara
output yang dihasilkan merupakan suatu himpunan-himpunan fuzzy, hasil komposisi
bilangan pada domain himpunan fuzzy fungsi yang didapatkan dengan metode Max
tersebut. Metode defuzzifikasi Center of Area, antar aturan yang memenuhi dan nilai momen
mengambil nilai tengah dari seluruh fungsi dan luas hasil integral pada bagian output
keanggotaan keluaran fuzzy yang ada untuk yang terbentuk, serta nilai crisp hasil
dijadikan nilai defuzzifikasi [8]. defuzzifikasi yaitu jumlah kebutuhan
pertemuan pembelajaran.
5. METODE PENELITIAN 6. Antarmuka Pengguna
Penelitian ini ada dua tahap perancangan yaitu Antarmuka pengguna dirancang untuk dapat
perancangan sistem pakar dan mesin inferensi diimplementasikan menjadi sistem berbasis
fuzzy Mamdani. web.
Arsitektur sistem pakar penentuan kebutuhan Mesin inferensi fuzzy mamdani pada
pembelajaran Bahasa Inggris memiliki beberapa penelitian ini menggunakan tiga variable input dan
komponen antara lain: satu variable output. Variabel input berupa tiga
4
aspek dalam TOEFL yaitu nilai listening, keanggotaan output terbaik. Fungsi keanggotaan
structure, dan reading. Sedangkan output berupa output yang digunakan adalah yang memiliki
jumlah kebutuhan tatap muka pembelajaran. selisih terkecil antara hasil sistem dengan hasil
Berikut merupakan rancangan himpunan dari pakar. Gambar 6 merupakan fungsi
fuzzy fuzzy untuk penentuan kebutuhan keanggotaan output hasil optimasi
pembelajaran Bahasa Inggris. Pada variabel input
pembentukan himpunan fuzzy berdasarkan dari
(x) High Low
hasil akuisi pengetahuan dari pakar. Advance
Intermediate Intermediate
Elementary
1
1. Variabel Listening
(x)
Elementary Intermediate Advance
1 0.5
0.5
0 2 4 6 8 10 12 14 16 18 20 22 24
Jumlah Pertemuan
0.5
Gambar 7. Halaman Login
Halaman Konsultasi
0 31 34 37 40 43 46 49 52 55 58 61 64 67
Score Reading
Pada halaman konsultasi terdapat beberapa
form yang harus diisi oleh user yaitu form data
Gambar 5. Fungsi Keanggotaan Reading
TESTEE dan form Nilai TOEFL TESTEE.
Pembentukan variabel output dilakukan dengan Tombol submit akan melakukan proses inferensi
menerapkan algoritma optimasi random search fuzzy Mamdani dan menampilkan hasil konsultasi
dengan 1000x iterasi untuk menentukan fungsi pada halaman Hasil Konsultasi
5
( )
3. Untuk Reading
( )
( )
( )
Langkah 2: Aplikasi Fungsi Implikasi
Rule yang memenuhi adalah
1. IF Listening is Elementary AND Reading is
Intermediate AND Structure is High THEN
Level is High Intermediate
Gambar 8. Halaman Konsultasi = min (1, 0.8333, 0.3333) = 0.3333
2. IF Listening is Elementary AND Reading is
Halaman Hasil Konsultasi Intermediate AND Structure is Intermediate
THEN Level is Low Intermediate
Pada halaman hasil konsultasi ditampilkan data = min (1, 0.8333, 0.5) = 0.5
TESTEE dan Nilai TOEFL TESTEE, tingkat 3. IF Listening is Elementary AND Reading is
kompetensi Bahasa Inggris Siswa, jumlah Elementary AND Structure is High THEN
kebutuhan pembelajaran sebagai hasil inferensi Level is Low Intermediate
fuzzy Mamdani, materi yang bisa diajarkan tiap = min (1, 0.1111, 0.3333) = 0.1111
pertemuan, dan cara mengajarkannya 4. IF Listening is Elementary AND Reading is
Elementary AND Structure is Intermediate
THEN Level is Elementary
= min (1, 0.1111, 0.5) = 0.1111
Langkah 3: Komposisi Aturan
1. Elementary = Max (0.1111) = 0.1111
2. Low intermediate = Max (0.5, 0.1111) = 0.5
3. High intermediate = Max (0.3333) = 0.3333
Hasil kompoisi aturan ditunjukkan pada gambar
10.
Proses Inferensi
6
Inggris pada kasus diatas membutuhkan 14 kali Tabel 1. Tabel Uji Akurasi
pertemuan.
Akurasi Sistem
Kesimpulan
7
testing yang mencapai tingkat kesesuaian System Design: Theory, Tools, and
100%. Applications. Edinburgh: Pearson
3. Berdasarkan hasil pengujian akurasi sistem Education Limited.
didapatkan nilai akurasi sebesar 95%. Hal ini [5] Turban, E., Jay E. Aronson, Ting-Peng
menunjukkan bahwa sistem pakar penentuan Liang. 2007. Decision Support System and
kebutuhan pembelajaran Bahasa Inggris dapat Intelligent System, Seventh Edition. New
memberikan hasil rekomendasi yang sesuai Delhi: Prentice Hall.
dengan tingkat kemiripan 95% dengan hasil [6] Sivanandam, S. N., S. Sumanthi, S. N.
rekomendasi yang dilakukan oleh pakar. Deepa. 2007. Introduction to Fuzzy Logic
using MATLAB. Berlin: Springer.
Saran
[7] Kusumadewi, Sri, Hari Purnomo. 2004.
1. Sistem dapat dikembangkan untuk tidak Applikasi Logika Fuzzy untuk Pendukung
hanya berdasarkan nilai TOEFL tetapi dapat Keputusan. Yogyakarta: Graha Ilmu.
memproses nilai tes profesiensi Bahasa [8] Sevani, Nina, Marimin, dan Haru Sukoco.
Inggris lainnya seperti TOEIC dan IELTS. 2009. Sistem Pakar Penentuan Kesesuaian
2. Proses optimasi himpunan fuzzy tidak hanya Lahan Berdasarkan Faktor Penghambat
dilakukan pada fungsi keanggotaan output Terbesar (Maximum Limitation Factor)
saja tetapi diterapkan pada fungsi untuk Tanaman Pangan. Jurnal Infomatika
keanggotaan input juga agar dapat Vol 10, No 1, Mai 2009: 23-31.
menghasilkan akurasi yang lebih baik. [9] Syatibi, Ahmad. 2012. Sistem Pakar
Peningkatan hasil akurasi bisa dicapai dengan Diagnosa Awal Penyakit Kulit Sapi
menggunakan algoritma optimasi yang lebih Berbasis Web dengan Menggunakan
baik dan teruji untuk berbagai masalah Metode Certainty Factor. Tesis, Semarang:
kompleks, misalnya algoritma genetika dan Program Pascasarjana Universitas
simulated annealing [2]. Diponegoro
3. Penambahan fasilitas untuk penambahan dan [10] Khan, Abdur Rashid, Hafeez Ullah Amin,
update untuk optimasi output fuzzy, jadi Zia Ur Rehman. 2011. Application of
pelatihan data untuk penentuan fungsi Expert System with Fuzzy Logic in
keanggotaan output fuzzy tidak hanya terbatas Teachers Performance Evaluation.
pada data yang sudah diinputkan tetapi dapat International Journal of Advanced
berkembang dan menyesuaikan dengan data- Computer Science and Applications Vol. 2,
data yang ada dimasa depan. Hal ini juga No.2, February 2011
memungkinkan pakar untuk memperbaiki
data-data yang lama.
8. DAFTAR PUSTAKA