IMPLEMENTASI METODE NAVE BAYES

CLASSIFIER UNTUK SISTEM IDENTIFIKASI JENIS

KECERDASAN MANUSIA

Disusun Oleh :

Deden Ardiansyah
 Abstrak

Kecerdasan tumbuh secara alami pada diri manusia. Semakin lama

kecerdasan tersebut membutuhkan pengolahan untuk mengembangkannya.
Dr.Howard Gardner mengungkapkan bahwa tiap manusia itu cerdas dan memiliki
kecerdasan yang berbeda satu sama lainnya. Ia mengemukakan terdapat 9 jenis
kecerdasan yang mencakup kecerdasan linguistik, kecerdasan matematika-logis,
kecerdasan visual-spasial, kecerdasan kinestetik-jasmani, kecerdasan musikal,
kecerdasan interpersonal, kecerdasan naturalis, dan kecerdasan eksistensial. Salah
satu cara mengidentifikasi jenis kecerdasan adalah dengan penerapan metode
Nave Bayes Classifier. Nave Bayes merupakan sebuah pendekatan untuk sebuah
ketidakpastian yang diukur melalui probabilitas. Metode klasifikasi Nave Bayes
menentukan peluang kelas bersyarat dengan asumsi bahwa variabel bersifat bebas
dengan mengasumsikan bahwa sebuah variabel tidak memiliki keterkaitan dengan
variabel lainnya.
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Manusia memiliki anugerah berupa kecerdasan untuk kemampuan
berpikirnya. Kecerdasan tersebut tumbuh dengan alamiah tetapi masih
memerlukan pengolahan untuk pengembangannya. Manusia dituntut untuk
mengembangkan kemampuan alami dalam bentuk kecerdasan tersebut.
Kecerdasan bukan diukur dari nilai yang diperoleh seseorang melainkan
kemampuan untuk melihat dan menyelesaikan suatu permasalahan. Binet (2009)
mengungkapkan bahwa kecerdasan merupakan kemampuan yang terdiri dari tiga
komponen yaitu kemampuan untuk mengarahkan pikiran atau tindakan,
kemampuan untuk mengubah arah pikiran atau tindakan, dan kemampuan untuk
mengkritisi pikiran dan tindakan diri sendiri atau autocritism.
Konsep perhitungan kecerdasan telah banyak dilakukan untuk melakukan
pengujian terhadap angka kecerdasan. Penerapan perhitungan IQ (Intelligence
Qoutient) merupakan konsep paling umum yang dilakukan untuk mengetahui
tingkat kecerdasan. Pengujian tingkat kecerdasan ini dilakukan berdasarkan
perbandingan antara tingkat kemampuan mental (mental age) dengan tingkat usia
(chronological age). Hanya saja konsep pengujian ini tidak lagi menjadi ukuran
yang akurat sebagai standar kecerdasan. Perhitungan IQ lebih kepada mengukur
kemampuan individu terhadap soal-soal logika dan bahasa.
Masing-masing manusia memiliki jenis kecerdasan alami yang beragam.
Kecerdasan tersebut tidak berarti bahwa masing-masing hanya memiliki satu,
tetapi tiap manusia memiliki banyak kecerdasan. Dr. Howard Gardner
menemukan sebuah teori kecerdasan yang mengungkapkan bahwa Manusia
lebih rumit daripada apa yang dijelaskan dari tes IQ atau tes apapun itu.
Gardner (1993) mengungkapkan bahwa tiap manusia itu cerdas dan memiliki
kecerdasan yang berbeda satu sama lainnya. Ia mengemukakan dalam bukunya
yang berjudul Frames of Mind bahwa terdapat 7 jenis kecerdasan manusia.
Kecerdasan tersebut berkembang menjadi 9 jenis kecerdasan pada tahun 1999
yang mencakup kecerdasan linguistik, kecerdasan matematika-logis, kecerdasan
visual-spasial, kecerdasan kinestetik-jasmani, kecerdasan musikal, kecerdasan
interpersonal, kecerdasan naturalis, dan kecerdasan eksistensial.
Noverino (2011) dalam penelitiannya Pembelajaran Bahasa Asing dengan
Strategi Multiple Intelligence telah melakukan penerapan terhadap 8 jenis
kecerdasan manusia. Ia melakukan strategi pembelajaran berupa teknik yang
mewakili dari masing-masing kecerdasan tersebut. Salah satu contohnya yaitu
membuat kalimat sesuai dengan rumus tata bahasa yang merupakan
pengembangan kecerdasan logis-matematis. Strategi ini dilakukan sebagai bentuk
pengenalan terhadap jenis kecerdasan yang kurang diketahui pemahamannya.
Diana (2013) juga telah melakukan penerapan terhadap salah satu jenis
kecerdasan dalam penelitiannya Penerapan Metode Bernyanyi dengan
Menggunakan Alat Bantu Pembelajaran untuk Meningkatkan Kecerdasan
Kinestetik Anak di Kelompok B2 Taman Kanak-Kanak Aisyiyah II Pasar Manna
Kabupaten Bengkulu Selatan. Diana menerapkan metode belajar aktif untuk
melakukan nyanyian yang diiringi oleh gerakan. Penerapan belajar ini mengacu
pada peningkatan kecerdasan kinestetik-jasmani.
Penelitian yang mengarah pada pengenalan hingga penerapan Multiple
Intelligence telah banyak dilakukan sebagai tahap pengembangan kecerdasan.
Hanya saja masing-masing orang sering kali lupa bahwa manusia memiliki satu
kecerdasan yang lebih banyak mendominasi dari pola pikirnya. Purnomo dkk
(2010) telah melakukan penelitian yang berjudul Analisis dan Perancangan
Decission Support System untuk Rekomendasi Peminatan Berdasarkan 9 Jenis
Kecerdasan Manusia dengan Metode Constrained Fuzzy AHP. Penelitian
tersebut melakukan pengujian terhadap jenis kecerdasan yang dominan pada diri
tiap mahasiswa di Universitas Bina Nusantara untuk mendukung dalam
pengambilan jurusan.
Seorang manusia cenderung mengarah kepada satu kelebihan alamiah
yang terfokus pada satu keunikan dari kecerdasannya. Fokus kecerdasan ini
sangat membantu dalam pemilihan minat maupun pendukung kerja dari masing-
masing kepemilikannya. Ragam dari kecerdasan ini yang seringkali menutupi satu
kecerdasan yang mendominasi sehingga manusia tersebut seringkali tidak tau
bagaimana kemampuannya. Fokus kecerdasan dari masing-masing individu dapat
diketahui dengan melakukan pengujian. Pengujian ini bertujuan untuk
mengarahkan pola pikir kedalam tipe tiap tiap pemikirnya sehingga pola pikir
tersebut mampu untuk menuntun masing-masing individu untuk berfikir sesuai
dengan kelebihannya.

1.2 Rumusan Masalah

Rumusan maslaah yang dibuat untuk melakukan penelitian ini adalah
bagaimana melakukan penerapan metode Nave Bayes Classifier pada sistem
identifikasi jenis kecerdasan manusia.

1.3 Batasan Masalah

Penelitian ini perlu dibatasi agar pada akhirnya penelitian dapat lebih
terarah terhadap targetnya. Penelitian ini dibatasi terhadap pengujian 9 jenis
kecerdasan manusia menurut Dr. Howard Gardner menggunakan penerapan
metode Nave Bayes Classifier. Penelitian ini menganalisa tipe kecerdasan
manusia yang diuji lebih dominan kedalam kelas jenis kecerdasan manusia tipe
mana. Jumlah responden yang digunakan dibatasi 50 (lima puluh) responden
dengan rata rata umur 20-24 tahun. Jumlah pertanyaan yang digunakan sebanyak
27 (dua puluh tujuh) soal.

1.4 Metode Penelitian

Metode penelitian yang digunakan dalam penulisan tugas akhir ini adalah
metode SDLC yang memiliki beberapa tahap seperti sebagai berikut :
Tahap Perencanaan Sistem
Tahap Analisis Data
Perancangan Sistem
Implementasi Sistem
Uji Coba Sistem
Penggunaan dan Pemeliharaan
1.5 Sistematika Penulisan
Dalam penulisan tugas akhir ini penulis membagi dalam beberapa bab
yang menerangkan secara garis besar pembahasan di dalam tugas akhir ini agar
mudah memahami materi yang dibahas dan mengambil kesimpulan. Adapun
sistematika penulisannya sebagai berikut :
BAB I PENDAHULUAN
Pada bab ini penulis memberikan penjelasan mengenai Latar belakang
Masalah, Rumusan Masalah, Batasan Masalah, Metode Penelitian, dan
Sistematika Penulisan.
BAB II LANDASAN TEORI
Pada bab ini penulis menjelaskan landasan teori pendukung untuk
menyelesaikan rumusan masalah yang telah dibuat.
BAB III DESAIN DAN PERANCANGAN
Pada bab ini penulis menjelaskan tentang membuat desain dan
perancanagn system atau penelitian yang dilakukan oleh penulis selama
melakukan penelitian.
BAB IV HASIL dan PEMBAHASAN
Pada bab ini penulis menjelaskan tentang hasil dari desain dan
perancangan pada bab sebelumnya serta pembahasan temuan dari hasil penelitian.
BAB V PENUTUP
Pada bab ini penulis menjelaskan tentang kesimpulan yang telah di dapat
pada bab sebelumnya serta terdapat saran dalam bab ini agar pada penelitian
selanjutnya dapat dilanjutkan.
 BAB II
LANDASAN TEORI

2.1 Kecerdasan Manusia

Kecerdasan merupakan sejumlah kemampuan kognitif yang dimiliki oleh
masing-masing individu. Kecerdasan memiliki ragam sifat maupun pikiran yang
mendukung, yaitu seperti pemecahan maslah, pemahaman wacana, penggunaan
bahasa, perencanaan strategi, atau pemikiran abstrak. Keseluruhan dari penerapan
hingga penerapan jenis kecerdasan tersebut berujung pada suatu target
pengembangan yaitu pembelajaran.

2.2 Kecerdasan Majemuk (Multiple Intelligence)

Kecerdasan majemuk (Multiple Intelligence) merupakan suatu teori yang
ditemukan dan dikembangkan oleh seorang psikolog perkembangan dan profesor
pendidikan Graduate School of Education Harvard Univercity, Dr. Howard
Gardner. Menurut Gardner, kecerdasan bukanlah kemampuan seseorang untuk
menjawab soal-soal tes IQ didalam ruang tertutup yang jauh dari lingkungannya.
Kecerdasan merupakan kemampuan sesorang untuk menyelesaikan persoalan
nyata dalam berbagai situasi secara nyata atau praktek bukan hanya sekedar
melalui teori. Gardner (1993) mengungkapkan terdapat 9 jenis kecerdasan yang
terdiri dari antara lain :
1. Kecerdasan Linguistik
Kecerdasan ini merupakan kecerdasan dalam mengolah kata secara lisan
maupun tulisan. Ciri-ciri :
a. Dapat berargumentasi, persuasif, menghibur atau mengajar secara efektif
melalui kata-kata
b. Tertarik terhadap bacaan dan mampu mengartikan bahasa tulisan
c. Suka bermain kata-kata maupun berdiskusi
d. Kemampuan bahasa baik dan efektif
2. Kecerdasan Logis-Matematis
Kecerdasan ini merupakan kecerdasan dalam pengolahan angka dan logika.
Kecerdasan ini merupakan kecerdasan para ilmuan, akuntan, dan
programmer. Ciri-ciri :
a. Pemikirannya bersifat rasional
b. Memecahkan masalah perhitungan matematika dengan baik
c. Memahami argument orang lain dengan penalaran logis
d. Berpikir dengan pola sebab-akibat hingga menciptakan hipotesis
e. Mudah dalam membuat klasifikasi dan kategorisasi

3. Kecerdasan Visual-Spasial
Kecerdasan ini merupakan kecerdasan dalam berpikir menggunakan pola
gambar hingga menyerap, mengubah dan menciptakan kembali aspek visual-
spasial. Ciri-ciri :
a. Peka terhadap detail visual, keseimbangan, warna, garis, bentuk, dan
ruang
b. Memiliki jiwa seni (foto, coretan, puisi, gambar, dll)
c. Memiliki perasaan yang mendalam dalam suatu hal
d. Dapat memperkirakan jarak dan ruang
e. Mampu membuat sketsa ide dengan jelas

4. Kecerdasan Kinestetik-Jasmani
Kecerdasan ini merupakan kecerdasan dalam bentuk fisik. Kecerdasan
Kinestetik-Jasmani mencakup bakat terhadap pengendalian gerak tubuh
ataupun keterampilan penanganan benda. Ciri-ciri :
a. Menyukai dan menikmati kegiatan fisik (olahraga)
b. Cekatan dan tidak bisa tinggal diam
c. Memiliki minat ataupun ketertarikan terhadap segala sesuatu
d. Lincah, kuat, dan memiliki keseimbangan baik
5. Kecerdasan Musikal
Kecerdasan ini merupakan kecerdasan dalam bentuk pemahaman akan irama
atau melodi. Kecerdasan musikal mampu untuk mengembangkan,
mengekspresikan dan menikmati bentuk musik dan suara. Ciri-ciri :
a. Kepakaan yang tajam terhadap nada dan mampu menyanyikan lagu
dengan tepat
b. Mampu mengikuti irama
c. Ingatan tajam
d. Mudah dalam menghafal
e. Mampu belajar dan bekerja dengan mendengarkan music

6. Kecerdasan Interpersonal
Kecerdasan ini merupakan kecerdasan untuk mengerti dan sensitif terhadap
perasaan, intensi, motivasi, watak dan tempramen orang lain. Kecerdasan
Interpersonal memiliki pemahaman dalam bekerja sama dengan orang lain.
Ciri-ciri :
a. Tanggap terhadap suasana hati, perangai, niat dan hasrat orang lain
b. Menjalin kontak mata dengan baik
c. Menghadapi orang lain dengan penuh perhatian dan terbuka
d. Memberikan rasa nyaman dan mendorong orang lain untuk
menyampaikan kisahnya

7. Kecerdasan Intrapersonal
Kecerdasan ini merupakan kecerdasan terghadap diri sendiri. Kecerdasan
Intrapersonal memiliki pemahaman akan diri sendiri dan mampu bertindak
adaptif terhadap pengenalan diri. Ciri-ciri :
a. Menggunakan pemahamannya untuk memperkaya dan membimbing
hidupnya
b. Mudah dalam mengendalikan perasaan sendiri
c. Mawas diri dan suka bermeditasi atau bentuk lain dalam penelusuran
jiwa yang mendalam
d. Lebih suka bekerja sendiri
8. Kecerdasan Naturalis (Lingkungan)
Kecerdasan ini merupakan kecerdasan dalam memahami dan menikmati alam
dan menggunakannya secara produktif dan mengembangkan pengetahuan
akan alam. Kecerdasan lingkungan merupakan kemampuan dalam mengerti
flora fauna serta segala hal yang mencakup alam natural. Ciri-ciri :
a. Cinta terhadap lingkungan
b. Senang melalukan kegiatan diluar rumah (alam)
c. Mampu mengenali sifat dan tingkah laku binatang
9. Kecerdasan Eksistensial
Kecerdasan ini merupakan kecerdasan dalam menjawab persoalan dalam
eksistensi keberadaan manusia. Kecerdasan eksistensial muncul atas rasa
tidak puas untuk menerima keadaan sehingga mencoba untuk menyadari dan
mencari jawaban yang terdalam. Ciri-ciri :
a. Memiliki insting yang kuat
b. Kadang beruntung dan peka terhadap sekitar
c. Memiliki kebijaksanaan tinggi
d. Mempertanyakan hakekat segala sesuatu dan peran diri didunia

2.3 Quisioner
Sistem quisioner merupakan sistem yang umum digunakan untuk
memperoleh data melalui survey lapangan. Penerapan sistem identifikasi jenis
kecerdasan manusia ini menerapkan sistem quisioner dalam pengumpulan hingga
pengujian datanya. Pemanfaatan quisioner berdasarkan tipe kriteria masing-
masing jenis kecerdasan. Kemampuan dari pengguna akan diuji berdasarkan hasil
dari jawaban quisioner. Contoh dari soal quisioner dapat dilihat pada Tabel 1.

Tabel 1. Contoh Quisioner

No. Kecerdasan Soal Jawaban
1. Linguistik Setiap nomor pada soal merupakan pasangan E
kata. Cari kata yang memiliki gabungan serupa
dengan soal !
Emas : Karat
 a. Membeli : Uang
b. Mewah : Mahal
c. Mengantuk : Tidur
d. Lamban : Terlambat
e. Panjang : Meter
2. Logis- Apabila Alsadawi, Bermawi, dan Cintami pergi A
Matematis kekantin mereka selalu minta soto dan sate,
1. Jika Alsadawi memesan soto, maka Bermawi
memesan sate
2. Salah satu dari Alsadawi atau Cintami
memesan soto, tetapi tidak keduanya
3. Bermawi dan Cintami, keduanya tidak
memesan sate
Siapakah yang memesan soto kemarin dan sate
sekarang?
a. Soto kemarin Bermawi, sate sekarang
Alsadawi
b. Soto kemarin Bermawi, sate sekarang Cintami
c. Soto kemarin Cintami, sate sekarang Alsadawi
d. Soto kemarin Cintami, sate sekarang Bermawi
e. Soto kemarin Alsadawi, sate sekarang
Bermawi

3. Spasial Pilih gambar a, b, c, d, atau e yang sesuai untuk B

mengisi kotak yang kosong !
2.4 Teorema Nave Bayes
Teorema Nave Bayes adalah sebuah pendekatan untuk sebuah
ketidakpastian yang diukur melalui probabilitas. Teorema ini merupakan suatu
penalaran statistik untuk mengatasi ketidakpastian pada penalaran non monotonis.
Penalaran non monotonis adalah penalaran akibat ditemukannya penambahan
fakta baru yang bisa mengakibatkan ketidak konsistenan dari suatu rule. Teorema
ini dikemukakan oleh Thomas Bayes yang mengklasifikasikan kemungkinan
terdapat dua kejadian terpisah (contoh A dan B) sehingga dirumuskan sebagai
berikut :
P(B|A)x P(A)
P(A|B)= .......... (1)
P(B)

Keterangan :
P(A) = Probabilitas kejadian A
P(B) = Probabilitas kejadian B
P(A|B) = Probabilitas kejadian A dan B

2.5 Nave Bayes Classifier

Agus Mulyanto (2009) mengungkapkan bahwa klasifikasi merupakan
proses untuk menemukan model atau fungsi yang membedakan kelas data dengan
tujuan untuk dapat memperkirakan kelas dari suatu objek. Pengklasifikasian kelas
suatu objek berdasarkan pada fakta pembangun yang terdiri dari beberapa karakter
dengan lebih dari satu kelas.
Metode klasifikasi Nave Bayes menentukan peluang kelas bersyarat
dengan asumsi bahwa variabel bersifat bebas dengan mengasumsikan bahwa
sebuah variabel tidak memiliki keterkaitan dengan variabel lainnya. Klasifikasi ini
dilakukan dengan membandingkan nilai probabilitas suatu objek yang berada
pada satu kelas dengan nilai probabilitas suatu objek yang berada dikelas lainnya.
Proses klasifikasi memerlukan beberapa petunjuk untuk menentukan kelas yang
cocok terhadap sampel yang dianalisis. Nave Bayes Classifier dapat dirumuskan
sebagai berikut :
P(C)P(F1 , , Fn |C)
P(C|F1,...,Fn) = .......... (2)
P(F1 ,,Fn )

Keterangan :
P = Probabilitas
C = Kelas (Class)
F1 , , Fn = Karakteristik dari klasifikasi

Perumusan Nave Bayes Classifier menjelaskan bahwa peluang sebuah

sampel dengan karakteristik tertentu untuk masuk kedalam sebuah kelas
merupakan peluang muncul kelas dikali dengan karakteristik dibagi dengan
peluang kemunculan karakteristik sampe secara umum. Rumus Bayes tersebut
dilanjutkan dengan penjabaran P(C|F1,...,Fn|C) dengan perkalian menggunakan
asumsi indenpendensi yang mengungkapkan bahwa masing-masing karakter
saling bebas antara satu dengan yang lainnya. Penjabaran tersebut dilakukan
karena dalam sebuah pengklasifikasian akan muncul banyak karakteristik dari
klasifikasi sehingga perumusannya menjadi sebagai berikut :

P(F1,...,Fn|C) = P(F1|C)P(F2|C)...P(Fn|C)

= P( Fi |C) (3)
i=1

Keterangan :
P = Probabilitas
C = Kelas (Class)
n = Jumlah karakteristik
Fi = Karakteristik dari klasifikasi
 BAB III
DESAIN DAN PERANCANGAN SISTEM

3.1 Perencanaan Sistem

Perencanaan dari sistem identifikasi jenis kecerdasan manusia ini berisikan
tentang bagaimana metode Nave Bayes Classifier mengidentifikasikan jenis
kecerdasan dominan dari user. Pengidentifikasian tersebut dihitung berdasarkan
dari hasil pertanyaan yang akan dijawab oleh user.
3.2 Analisis Sistem
Analisis sistem merupakan tahapan untuk menentukan bagaimana sistem
berjalan secara keseluruhan. Tahap analisis sistem dapat dilihat pada Gambar 2.
Admin User

Mulai
Identifikasi
Kecerdasan

Input Data

Input
Input Data
Pertanyaan
Training
(Question)

Database Quisioner

Input
Jawaban

Proses Identifikasi

Hasil
Identifikasi

Selesai

Gambar 2. Analisis Sistem

3.2.1 Klasifikasi Hubungan Antar Kelas
Penelitian ini memiliki beberapa kelas yang memiliki hubungan tidak
langsung antara satu kecerdasan dengan kecerdasan lainnya. Hubungan antar
kecerdasan tersebut berupa unsur pembangun yang cenderung memiliki
keterkaitan dalam jenisnya. Kelas-kelas yang saling berhubungan tersebut dapat
dilihat pada Tabel 3.

Tabel 3. Hubungan Antar Kelas

Kecerdasan Utama Kecerdasan Bawaan
Musikal Logis-Matematis
Logis-Matematis Intrapersonal
Eksistensial Intrapersonal
Intrapersonal Eksistensial
Linguistik Kinestetik-Jasmani
Intrapersonal Linguistik
Spasial Logis-Matematis
Spasial Kinestetik-Jasmani
Linguistik Interpersonal
Interpesonal Intrapersonal
Naturalis Interpersonal
Kinestetik-Jasmani Spasial
Sumber : http://muthiaaa.wordpress.com

3.2.2 Klasifikasi Bobot Nilai Antar Kelas

Klasifikasi bobot merupakan identifikasi terhadap kecerdasan yang
dihasilkan dari masing-masing parameter. Bobot ditentukan berdasarkan nilai
atribut kelas utama ditambah dengan nilai atribut kelas turunan. Data yang
digunakan dalam klasifikasi terdiri dari 9 kecerdasan yang masing-masing
memiliki parameter berupa pertanyaan sebanyak 27 pertanyaan. Tiap 3 pertanyaan
mewakili 1 jenis atribut sehingga terdapat 9 atribut untuk mewakili 1 kecerdasan.
Jumlah data kecerdasan manusia dibatasi terhadap 7 data untuk masing-masing
kecerdasannya sehingga total keseluruhan data yaitu 63 data.
Nilai bobot yang digunakan dalam identifikasi ini berupa nilai angka untuk
jawaban benar dan tanpa nilai untuk jawaban salah. Kecerdasan yang memiliki
hubungan antar kelasnya akan diberikan nilai utama berupa 5 point untuk
kecerdasan utama dan 0 untuk jawaban salah. Pemberian point 5 ini berdasarkan
pada penilaian kelulusan tes CPNS LJK CAT 2013 dimana nilai untuk
intelegensia umum dan wawasan kebangsaan salah bernilai 0 (nol) dan benar
bernilai 5 (lima). Pemberian point nilai untuk kecerdasan bawaan berdasarkan
pada skala interval. Skala interval memperlihatkan jarak yang sama tetapi tidak
memberikan jumlah absolut dari objek yang diukur. Berdasarkan skala interval
maka pemberian point untuk kecerdasan bawaan adalah 2 dimana jarak jawaban
benar kecerdasan utama ke jawaban benar kecerdasan bawaan adalah 5 2 = 3
dam jarak jawaban benar kecerdasan bawaan ke jawaban salah adalah 2 0 = 2.
Deklarasi dari pembobotan nilai tersebut dapat dilihat pada Tabel 4.

Tabel 4. Pembobotan Nilai

Nilai Ket
5 Jawaban benar untuk dengan kriteria kecerdasan yang
sama pada soal
2 Jawaban benar untuk kriteria kecerdasan bawaan yang
terhubung dengan kecerdasan soal
0 Jawaban salah untuk keseluruhan kriteria soal

Pembobotan nilai pada akhirnya akan disimpan didatabase dan akan

diakumulasikan dari 27 soal menjadi 9 kriteria. Nilai yang didapat tersebut akan
dijumlahkan sesuai dengan 3 soal dengan kriteria kecerdasan yang sama sehingga
diperoleh nilai hasil penjumlahan akhir yang terbagi dalam 9 kelompok. Apabila
seseorang menjawab 2 soal benar untuk satu karakter dan karakter tersebut
merupakan bawaan dari karakter lainnya, maka akumulasi nilai akan menjadi
5+5+2=12 untuk setiap nilai Qn. Pengakumulasian ini berdasarkan perhitungan
skor TOEFL skor nilainya dijumlahkan untuk setiap kategori. Contoh dari nilai
bobot pertanyaan dan jenis kecerdasan dapat dilihat pada Tabel 5.
Tabel 5. Contoh Bobot Nilai Kecerdasan
Qa Qb Qc Qd Qe Qf Qg Qh Qi Kelas

19 12 15 2 4 11 7 6 17 Linguistik

17 2 11 12 6 7 9 16 2 Linguistik

9 17 10 2 10 10 6 4 4 Logis-Matematis

7 16 7 9 10 12 13 10 7 Logis-Matematis

2 4 23 21 6 21 4 6 14 Visual-Spasial

4 2 21 7 2 10 11 2 2 Visual-Spasial

10 4 10 16 2 11 4 2 11 Kinestetik-Jasmani

2 12 6 15 5 11 2 5 2 Kinestetik-Jasmani

7 21 14 2 21 12 16 2 14 Musikal

9 2 12 14 19 12 2 10 9 Musikal

2 6 10 16 6 17 14 15 10 Interpersonal

2 10 11 15 4 16 10 10 4 Interpersonal

10 2 7 6 17 21 23 10 12 Intrapersonal

2 17 16 9 6 2 21 4 11 Intrapersonal

14 12 2 14 5 9 9 15 7 Naturalis

9 9 2 4 11 2 12 14 2 Naturalis

17 14 4 16 14 2 15 4 21 Eksistensial

10 16 10 11 7 6 10 2 19 Eksistensial

Keterangan :
Qa, Qb, ..., Qn : Question/Pertanyaan (Qa=1,2,3 ; Qb=4,5,6 ; ... ; Qn)
23,21,15, ..., n : Bobot Nilai
3.3 Perancangan Sistem
Perancangan sistem merupakan tahapan yang meliputi pembangun sistem.
Perancangan tersebut berupa perancangan basis data, perancangan secara umum,
hingga perancangan secara rinci.

3.4 Metode Nave Bayes Classifier

Perhitungan menggunakan metode Nave Bayes Classifier dapat dilakukan
dengan cara melakukan perhitungan terhadap nilai rata-rata dan standar deviasi
dari setiap kelas. Perhitungan tersebut didasari dari banyaknya data dari tiap-tiap
kelas kecerdasan. Contoh perhitungan rata-rata dan standar deviasi dapat dilihat
pada Tabel 6.

Tabel 6. Perhitungan Rata-Rata dan Standar Deviasi

Logis- Visual-
Linguistik ... Eksistensial
Matematis Spasial

Qa Rata-rata 17,8571 7,0000 7,1429 ... 10,7143

Std
Deviasi 3,2878 3,8297 3,8483 ... 4,2314

Qb Rata-rata 7,8571 17,8571 8,2857 ... 8,5714

Std
Deviasi 6,8661 3,2878 6,7011 ... 4,7559

Qc Rata-rata 9,7143 12,0000 17,8571 ... 7,2857

Std
Deviasi 5,0238 6,1101 3,2878 ... 3,8607

Qd Rata-rata 8,5714 8,5714 10,7143 ... 8,0000

 Std
Deviasi 5,8554 3,3094 7,0643 ... 4,7258

Qe Rata-rata 6,5714 6,5714 6,1429 ... 9,7143

Std
Deviasi 3,4572 4,1173 3,2878 ... 2,4300

Qf Rata-rata 10,5714 10,2857 9,4286 ... 7,1429

Std
Deviasi 4,9952 4,2706 6,2144 ... 3,6253

Qg Rata-rata 9,0000 8,7143 7,5714 ... 8,8571

Std
Deviasi 3,9581 3,9881 3,2071 ... 5,7859

Qh Rata-rata 10,5714 6,7143 9,1429 ... 8,0000

Std
Deviasi 6,4254 4,9905 4,7759 ... 6,0553

Qi Rata-rata 10,4286 8,2857 8,0000 ... 17,8571

Std
Deviasi 5,7982 4,4987 5,7735 ... 3,2878

Perhitungan rata-rata diatas menjadi dasar dilakukannya perhitungan

terhadap nilai likelihood dan probabilitas kelas kecerdasan. Atribut dari data uji
dibuat kedalam satuan bobot dengan membuat pengurangan terhadap nilai
maksimum dari satu atribut. Perhitungan untuk pengujian kecerdasan ini
berbanding terbalik dengan pengambilan data training. Data training diperoleh
dengan menjumlahkan keseluruhan nilai yang diperoleh didalam satu karakter
kecerdasan. Untuk perhitungan data uji diperoleh dengan melakukan pengurangan
terhadap nilai yang menjadi dasar dari perhitungan. Setiap karakter kecerdasan
secara otomatis memiliki nilai 15 yang berupa nilai 5 untuk 3 soal. Hal ini
membuat dilakukannya pengurangan yang dilakukan dari nilai pokok tersebut
dengan nilai jumlah benar dan bawaan yang diperoleh. Apabila responden
memiliki 2 jawaban benar untuk satu karakter dan karakter tersebut merupakan
bawaan dari karakter lainnya, maka perhitungannya menjadi 15-(5+5+2)=3.
Contoh kasus jumlah bobot atribut hasil dari quisioner dapat dilihat pada Tabel 7.

Tabel 7. Contoh Hasil Bobot Nilai Quisioner

Qa Qb Qc Qd Qe

Q
Q1 Q1 Q1 Q1
Q1 Q2 Q3 Q4 Q5 Q6 Q7 Q8 Q9 Q10 1
2 3 4 5
1

15 - (x) 15 - (x) 15 - (x) 15 - (x) 15 - (x)

5 0 5 0 0 0 5 0 5 0 5 0 0 0 5

2 2 2 2 2 2 2 2 2

Qa = 15 14 Qb = 15 6 Qc = 15 12 Qd = 15 13 Qe = 15 5

Qa = 1 Qb = 9 Qc = 3 Qd = 2 Qe = 10

Qf Qg Qh Qi

Q1 Q1 Q1 Q1 Q2 Q2 Q2 Q2 Q2 Q2 Q2 Q2
6 7 8 9 0 1 2 3 4 5 6 7

15 - (x) 15 - (x) 15 - (x) 15 - (x)

0 0 0 5 0 5 0 0 5 0 0 0

2 2 2 2 2

Qf = 15 6 Qg = 15 10 Qh = 15 5 Qi = 15 4
Qf = 9 Qg = 5 Qh = 10 Qi = 11

Hasil quisioner diatas dapat dihitung kedalam perumusan Nave Bayes

Classifier. Tabel 8 menunjukkan hasil dari perumusan Nave Bayes Classifier.
Perumusan yang digunakan adalah :
x 2
1
f(x) e 22

2
Tabel 8. Contoh Perhitungan Nave Bayes Classifier (Qa = 10)
Question/Kecerdasan f(x)

f(Qa=1|Linguistik) 34704,7693

f(Qa=1|Logis-Matematis) 3,9547

f(Qa=1|Visual-Spasial) 4,1204

f(Qa=1|Kinestetik-Jasmani) 5,1413

f(Qa=1|Musikal) 7,7772

f(Qa=1|Interpersonal) 4,5505

f(Qa=1|Intrapersonal) 3,7254

f(Qa=1|Naturalis) 4,7135

f(Qa=1|Eksistensial) 13,0066

Perhitungan perumusan pada Tabel 8 dilakukan terhadap seluruh Qn. Qa

sampai dengan Qi dimasukan perhitungannya terhadap perumusan Nave Bayes
Classifier sehingga diperoleh hasil f(x) terhadap keseluruhan Qn. Tahap
selanjutnya adalah mencari nilai likelihood dengan mengkonversikan keseluruhan
nilai masing-masing kecerdasan. Pengkonversian ini dengan melakukan perkalian
terhadap keseluruhan hasil Qn untuk tiap kategori. Contoh konversi penilaian
hasil perkalian terhadap Qn untuk kategori Linguistik dapat dilihat pada Tabel 9.
 Tabel 9. Nilai Likelihood Linguistik
Question/Kecerdasan f(x)

f(Qa=1|Linguistik) 34704,7693

f(Qb=9|Linguistik) 2,7694

f(Qc=3|Linguistik) 4,0045

f(Qd=2|Linguistik) 3,8060

f(Qe=10|Linguistik) 2,0193

f(Qf=9|Linguistik) 2,0712

f(Qg=5|Linguistik) 2,3459

f(Qh=10|Linguistik) 2,5719

f(Qi=11|Linguistik) 2,3225

Likelihood Linguistik 85848900,1725

Perhitungan nilai likelihood dilakukan terhadap masing-masing kelas

untuk tiap jenis kecerdasan. Hasil dari perhitungan nilai likelihooddapat dilihat
pada Tabel 10.

Tabel 10. Nilai Likelihood

Likelihood Linguistik 85848900,1725092000

Likelihood Logis-Matematis 121978,7176185040

Likelihood Visual-Spasial 9050925,9128917700

Likelihood Kinestetik-Jasmani 15254451,3957587000

Likelihood Musikal 66258,6221989497

 Likelihood Interpersonal 52522,1296330166

Likelihood Intrapersonal 855293,7243353770

Likelihood Naturalis 61532,5681958880

Likelihood Eksistensial 16530,3792253946

TOTAL 111328393,6223670000

Tahap selanjutnya merupakan tahap terakhir dari perhitungan Nave Bayes

Classifier yaitu perhitungan probabilitas. Perhitungan probabilitas menggunakan
hasil perhitungan dari nilai likelihood. Perhitungan probabilitas menghitung
normalisasi dengan perumusan likelihood n dibagi total likelihood. Contohnya
adalah likelihood linguistik dibagi total likelihood. Nilai probabilitas dapat dilihat
pada Tabel 11.

Tabel 11. Nilai Probabilitas

Probabilitas Linguistik 0,7711321198

Probabilitas Logis-Matematis 0,0010956658

Probabilitas Visual-Spasial 0,0812993489

Probabilitas Kinestetik-Jasmani 0,1370221100

Probabilitas Musikal 0,0005951637

Probabilitas Interpersonal 0,0004717766

Probabilitas Intrapersonal 0,0076826198

Probabilitas Naturalis 0,0005527123

Probabilitas Eksistensial 0,0001484830

Probabilitas Maksimum 0,7711321198

 Tabel 10 menunjukkan bahwa probabilitas linguistik lebih besar daripada
probabilitas lainnya sehingga dapat disimpulkan bahwa penguji lebih dominan
terhadap kecerdasan Linguistik dengan hasil probabilitas 0,7711321198.

3.3.2 Data Flow Diagram (DFD)

Data Flow Diagram (DFD) dari sistem identifikasi kecerdasan manusia
berupa hubungan secara keseluruhan antara admin, sistem dan user. Hubungan ini
merupakan gambaran umum tentang input output yang akan diterima oleh admin
dan user. Gambaran umum tersebut dapat digambarkan melalui diagram konteks
yang terdapat pada Gambar 3.

Sistem Identifikasi Jenis

Quisioner
Admin Input Data Kecerdasan Manusia Jenis Kecerdasan
User
(Multiple Intelligence)

Gambar 3. Diagram Konteks

3.3.3 Entity Relationship Diagram (ERD)
Entity Relationship Diagram (ERD) merupakan perancangan yang
menunjukkan relasi antar entitas dilengkapi dengan atributnya. Sistem identifikasi
jenis kecerdasan manusia ini memiliki 5 tabel yang saling terkait dalam
prosesnya. ERD sistem identifikasi dapat dilihat pada Gambar 4.
id_soal

pilihan_A pilihan_B

kd_tipe
soal pilihan_C

N 1
Soal berdasarkan Tipe

pilihan_D pilihan_E
keterangan tipe

jawaban tampil

id_kelas

id_dev id_data id_kelas id_rata id_data

N 1 1 M
Deviasi dimiliki Kelas memiliki Rata

id_kelas nilai_deviasi nama_kelas id_kelas nilai

Gambar 4. Entity Relationship Diagram (ERD)

3.3.4 Tabel Relasi
Tabel relasi menunjukkan relasi antar tabel didalam database. Tabel relasi
sistem identifikasi jenis kecerdasan manusia ini dapat dilihat pada Gambar 5.

Gambar 5. Tabel Relasi

3.3.5 Spesifikasi Tabel
Tabel yang terdapat pada database sistem identifikasi jenis kecerdasan
manusia ini terdiri dari beberapa tabel penghubung sebagai dasar perhitungan
menggunakan metode Nave Bayes Classifier. Deskripsi dari tabel tabel tersebut
dapat dilihat pada Tabel 12 sampai dengan Tabel 17.

Tabel 12. Tabel Admin

Nama Field Type Ukuran Keterangan
Username Varchar 10 Primary Key
Nama Varchar 20 Not Null
Password Varchar 10 Not Null

Tabel 13. Tabel Tipe

Nama Field Type Ukuran Keterangan
kd_tipe Int 10 Primary Key
tipe Varchar 20 Not Null
keterangan Text - Not Null

Tabel 14. Tabel Soal

Nama Field Type Ukuran Keterangan
Id_soal Int 3 Primary Key
Pertanyaan Text - Not Null
Gambar Varchar 100 Null
Pilihan_A Varchar 100 Not Null
Pilihan_A_Gambar Varchar 100 Null
Pilihan_B Varchar 100 Not Null
Pilihan_B_Gambar Varchar 100 Null
Pilihan_C Varchar 100 Not Null
Pilihan_C_Gambar Varchar 100 Null
Pilihan_D Varchar 100 Not Null
Pilihan_D_Gambar Varchar 100 Null
Pilihan_E Varchar 100 Not Null
Pilihan_E_Gambar Varchar 100 Null
Jawaban Varchar 100 Not Null
Tampil Enum(ya,tidak) 100 -
kd_tipe Int 2 Foreign Key

Tabel 15. Tabel Kelas

Nama Field Type Ukuran Keterangan
Id_kelas Int 10 Primary Key
Nama_kelas Varchar 50 Not Null

Tabel 16. Tabel Rata

Nama Field Type Ukuran Keterangan
Id_rata Int 10 Primary Key
Id_data Int 10 Not Null
Id_kelas Int 10 Foreign Key
 Nilai Float - Not Null

Tabel 17. Tabel Deviasi

Nama Field Type Ukuran Keterangan
Id_dev Int 10 Primary Key
Id_data Int 10 Not Null
Id_kelas Int 10 Foreign Key
Nilai_deviasi Float - Not Null

3.3.6 Flowchart Sistem

Flowchart sistem identifikasi kecerdasan manusia ini berupa alur dari
setiap proses yang bekerja didalam sistem. Implementasi ini berupa bagaimana
tampilan dari sistem yang dapat diakses oleh admin maupun user untuk terhubung
kedalam proses identifikasi. Flowchart sistem dibagi menjadi dua yaitu frontend
dan backend.
3.3.6.1 Frontend
Flowchart frontend merupakan alur kerja sistem yang terhubung dengan
pengguna (user). Frontend merupakan alur yang akan digunakan oleh user untuk
mengisi quisioner hingga memperoleh hasil dari proses identifikasi kecerdasan
dominan. Alur kerja frontend dapat dilihat pada Gambar 6.
Mulai

Halaman
A
Utama

1. Beranda
2. Info Kecerdasan
3. Tes Kecerdasan
4. Tentang Kami
5. Keluar

Pilih 1 Pilih 2 Pilih 3 Pilih 4 Pilih 5

2
A Tes Cerdas Tentang Kami

Input
jawaban

Proses
Identifikasi

Hasil
Identifikasi

Selesai

Gambar 6(a). Flowchart Frontend

1. Linguistik
2. Logis-Matematis
3. Visual-Spasial
4. Kinestetik-Jasmani
5. Musikal
6. Interpersonal
7. Intrapersonal
8. Naturalis
9. Eksistensial

1 2 3 4 5 6 7 8 9

Logis- Visual- Kinestetik-

Linguistik
Matematis Jasmani
Musikal Interpersonal Intrapersonal Naturalis Eksistensial
Spasial

Selesai

Gambar 6(b). Flowchart Frontend

3.3.6.2 Backend
Flowchart backend merupakan alur kerja sistem yang terhubung dengan
admin. Backend merupakan alur yang akan digunakan oleh admin untuk
menginput data-data yang akan digunakan dalam proses identifikasi. Alur kerja
backend dapat dilihat pada Gambar 7.
Mulai

Halaman
Login

Login

Validasi

Halaman
A
Utama

1. Halaman Utama
2. Lihat Soal
3. Input Soal
4. Tipe Kecerdasan
5. Logout

Pilih 1 Pilih 2 Pilih 3 Pilih 4 Pilih 4

Tipe
A Lihat Soal Input Soal Kecerdasan Logout

1. Edit Tambah Edit

2. Hapus

Pilih 1 Pilih 2 Simpan

Edit Hapus
Simpan

Simpan

Simpan

Database

Selesai

Gambar 7. Flowchart Backend

3.3.7 Struktur Navigasi
Struktur navigasi pada sistem identifikasi kecerdasan manusia berupa
hubungan keterkaitan antara seluruh proses pada sistem. Struktur navigasi ini
terbagi dua yaitu struktur navigasi user dan struktur navigasi admin. Struktur
navigasi user terdapat pada Gambar 8 dan struktur navigasi admin terdapat pada
Gambar 9.
Beranda

Linguistik

Logis-Matematis

Visual-Spasial

Kinestetik-Jasmani

Deskripsi Jenis
Info Kecerdasan Musikal
Kecerdasan
Halaman Utama
Interpersonal

Intrapersonal

Naturalis

Eksistensial

Tes Kecerdasan Quisioner Hasil Identifikasi

Tentang Kami

Gambar 8. Struktur Navigasi User

Login

Halaman
Administrator

Lihat Soal Input Soal Tipe Kecerdasan Logout

Edit Hapus Tambah Edit

Simpan Simpan Simpan

Gambar 9. Struktur Navigasi Admin

3.3.8 Rancangan Halaman
Tampilan halaman website merupakan tampilan (display) awal yang akan
menjad perantara antara user dengan sistem. Desain halaman tersebut mencakup
elemen interface antara menu, desain form, layout, dan elemen elemen pendukung
tampilan. Halaman awal pada sistem identifikasi jenis kecerdasan manusia ini
berupa halaman pencarian pada Frontend dan halaman login pada Backend.

3.3.8.1 Rancangan Frontend

Rancangan halaman frontend pada sistem identifikasi jenis kecerdasan
manusia ini terdiri dari halaman utama, halaman deskripsi dan halaman tes
kecerdasan. Rancangan halaman frontend dapat dilihat pada Gambar 10 sampai
dengan Gambar 13.
HEADER HEADER

BERANDA INFO KECERDASAN TES KECERDASAN TENTANG KAMI BERANDA INFO KECERDASAN TES KECERDASAN TENTANG KAMI

IMAGE
GAMBAR
MENU

DESKRIPSI

CONTENT

FOOTER FOOTER

Gambar 10. Rancangan Halaman Gambar 11. Rancangan Halaman

Utama (Frontend) Deskripsi
HEADER HEADER

BERANDA INFO KECERDASAN TES KECERDASAN TENTANG KAMI BERANDA INFO KECERDASAN TES KECERDASAN TENTANG KAMI

CONTENT HASIL IDENTIFIKASI

(TES KECERDASAN)

FOOTER
FOOTER

Gambar 12. Rancangan Halaman Tes Gambar 13. Rancangan Halaman

Kecerdasan Hasil Identifikasi

3.3.8.2 Rancangan Backend

Rancangan halaman backend pada sistem identifikasi jenis kecerdasan
manusia terdiri dari halaman login, halaman utama, halaman input soal, halaman
input standar deviasi dan rata rata, serta halaman standar deviasi dan rata-rata.

22
Rancangan halaman tersebut dapat dilihat pada Gambar 14 sampai dengan
Gambar 18.

Username

Password

Login

Reset

Gambar 14. Rancangan Halaman Login

HEADER

HOME DATA TRAINING SOAL LOGOUT

CONTENT

FOOTER

Gambar 15. Rancangan Halaman Utama Backend

HEADER

HOME LIHAT SOAL INPUT SOAL TIPE KECERDASAN LOGOUT

Gambar Browse
Soal

Pilihan A
Pilihan B
Pilihan C
Pilihan D
Pilihan E
Jawaban
Tampil
Tipe
KIRIM BATAL

FOOTER

Gambar 16. Rancangan Halaman Input Soal

HEADER

HOME LIHAT SOAL INPUT SOAL TIPE KECERDASAN LOGOUT

Soal

Edit
Hapus

Soal

Edit
Hapus

FOOTER

Gambar 17. Rancangan Halaman Lihat Soal

10
 HEADER

HOME LIHAT SOAL INPUT SOAL TIPE KECERDASAN LOGOUT

Tipe Kecerdasan Edit

FOOTER

Gambar 18. Rancangan HalamanTipe Kecerdasan

3.4 Tahap Implementasi
Implementasi dari sistem identifikasi ini menggunakan dua jenis
implementasi. Implementasi pertama yaitu pembuatan database menggunakan
software XAMPP untuk mendefinisikan data training sebagai data master.
Implementasi kedua yaitu penerapan perancangan kedalam pemrograman PHP
menggunakan Adobe Dreamweaver CS5. Adapun langkah-langkahnya adalah :
1. Melakukan penginstallan software.
2. Pembuatan database.

Gambar 19. Halaman Awal phpmyadmin

3. Pembuatan source code .

Gambar 20.Halaman Awal Adobe Dreamwever

 BAB IV
HASIL DAN PEMBAHASAN

4.1 Hasil
4.1.1 Halaman Frontend
Halaman Frontend merupakan halaman penghubung antara user dengan
sistem. User menggunakan tampilan halaman ini untuk melakukan akses terhadap
sistem. Halaman yang mencakup halaman Frontend adalah halaman utama,
halaman deskripsi, halaman tes kecerdasan, dan halaman hasil identifikasi.

4.1.1.1 Halaman Utama

Halaman utama ini berisi halaman awal yang menampilkan menu pilihan
yang terhubung ke halaman deskripsi dan halaman tes kecerdasan. Halaman
utama dapat dilihat pada Gambar 21.

Gambar 21. Tampilan Halaman Utama Frontend.

4.1.1.2 Halaman Deskripsi

Halaman deskripsi merupakan halaman informasi mengenai jenis-jenis
kecerdasan berserta penjelasannya. Halaman ini memberikan informasi awal
terhadap kriteria-kriteria hasil dari tes uji identifikasi. Halaman deskripsi dapat
dilihat pada Gambar 22 dan Gambar 23.
Gambar 22. Tampilan Halaman Deskripsi Linguistik

Gambar 23. Tampilan Halaman Deskripsi Naturalis

4.1.1.3 Halaman Tes Kecerdaan
Halaman tes kecerdasan merupakan halaman yang menampilkan soal-soal
yang akan menjadi dasar perhitungan jenis kecerdasan dominan. Halaman ini
memilih soal secara acak dengan batasan tampilan 27 soal yang tiap kategori
diwakili oleh 3 soal. Halaman tes kecerdasan dapat dilihat pada Gambar 24.

Gambar 24.Tampilan Halaman Tes Kecerdasan

4.1.1.4 Halaman Hasil Identifikasi

Halaman hasil identifikasi merupakan halaman hasil perhitungan yang
menunjukkan jenis dari kecerdasan dominan user. Halaman ini berisi hasil akhir
perhitungan dari jawaban pada tes kecerdasan terhadap data training. Halaman
hasil identifikasi dapat dilihat pada Gambar 25.

Gambar 25. Tampilan HalamanHasil Identifikasi.

4.1.2 Halaman Backend

Halaman Backend merupakan halaman yang digunakan oleh admin untuk
melakukan penambahan data, edit data maupun penghapusan data. Halaman
Backend mencakup halaman login, halaman utama, halaman input soal, halaman
lihat soal dan halaman tipe kecerdasan.
4.1.2.1 Halaman Login
Halaman login berfungsi sebagai halaman validasi dalam pengaksesan
halaman website. Halamanlogin dapat dilihat pada Gambar 26.

Gambar 26. Tampilan Halaman Login

4.1.2.2 Halaman Utama

Halaman utama berisi halaman awal yang menampilkan menu yang ada
pada Backend website. Halaman utama dapat dilihat pada Gambar 27.

Gambar 27. Tampilan Halaman Utama Backend

4.1.2.3 Halaman Input Soal

Halaman input soal merupakan salah satu halaman yang digunakan dalam
proses input data. Input data pada halaman ini berupa soal yang akan menjadi uji
coba dalam tes kecerdasan. Halaman input soal dapat dilihat pada Gambar 28.

Gambar 28. Tampilan Halaman Input Soal

4.1.2.4 Halaman Lihat Soal
Halaman lihat soal merupakan halaman display untuk menunjukkan
keseluruhan dari data soal yang telah di input. Halaman ini memungkinkan admin
untuk melakukan edit dan penghapusan soal. Halaman lihat soal dapat dilihat pada
Gambar 29.

Gambar 29. Tampilan Halaman Lihat Soal

4.1.2.5 Halaman Tipe Kecerdasan

Halaman tipe kecerdasan merupakan halaman yang berisi data dari 9 jenis
kecerdasan manusia. Deskripsi dari 9 jenis kecerdasan manusia ini diperlukan
sebagai output dari hasil tes kecerdasan pada halaman Frontend . Halaman ini
juga dapat membantu edit dari data kecerdasan yang ada. Halaman tipe
kecerdasan dapat dilihat pada Gambar 30.

Gambar 30. Tampilan Halaman Tipe Kecerdasan

4.2 Pembahasan
4.2.1 Proses Perhitungan
Proses perhitungan pada sistem dilakukan terhadap identifikasi metode
sistem. Proses perhitungan ini terbagi menjadi dua proses, yaitu dan perhitungan
pembobotan dan perhitungan metode Nave Bayes Classifier.

4.2.1.1 Perhitungan Pembobotan

 Perhitungan pembobotan dilakukan berdasarkan tipe jawaban untuk
pertanyaan. Perhitungan terhadap pembobotan dapat berupa nilai 1 sampai dengan
5 sebagai tingkatan jawaban salah, hampir benar, hingga jawaban benar. Penilaian
bertingkat dapat memberikan peluang identifikasi yang dapat lebih akurat
nilainya. Hanya saja pada sistem ini digunakan pembobotan untuk 3 range nilai,
yaitu jawaban benar kecerdasan utama, jawaban benar kecerdasan bawaan dan
jawaban salah.
Perhitungan pembobotan dilakukan untuk memperoleh data angka pasti
sebelum dilakukan perhitungan terhadap metode Nave Bayes Classifier.
Pembobotan nilai berdasarkan kepada kecerdasan utama dan kecerdasan bawaan
yang saling terhubung. Contoh pembobotan nilai dapat dilihat pada Gambar 31.

Gambar 31. Pembobotan Nilai Linguistik

Gambar 31 menunjukkan bahwa jawaban pada tes kecerdasan

menghasilkan 3 jawaban benar pada 3 pengisian soal untuk kecerdasan Linguistik.
Berdasarkan Tabel 3, dapat diketahui bahwa kecerdasan Linguistik memiliki
kecerdasan bawaan untuk Kinestetik-Jasmani dan Interpersonal. Nilai
pembobotan yang dihasilkanpun berupa 15 poin untuk 3 jawaban benar pada
Linguistik dan masing-masing 6 poin untuk kecerdasan bawaan pada Kinestetik-
Jasmani dan Interpersonal.
 Perhitungan nilai pembobotan juga dilakukan terhadap jawaban salah.
Jawaban salah bernilai sama dengan tidak memberi jawaban yaitu 0 (nol). Maka
jawaban salah tidak memberi pengaruh terhadap nilai uji pada metode Nave
Bayes Classifier. Contoh nilai pembobotan untuk jawaban salah dapat dilihat pada
Gambar 32.

Gambar 32. Pembobotan Jawaban Salah

Gambar 32 menunjukkan bahwa jawaban pada tes kecerdasan

menghasilkan 2 jawaban benar pada 3 pengisian soal untuk kecerdasan Linguistik.
Satu jawaban yang diinputkan bernilai salah. Hal ini berakibat pada pembobotan
diperoleh nilai berupa 10 poin untuk 2 jawaban benar pada Linguistik dan masing-
masing 4 poin untuk kecerdasan bawaan pada Kinestetik-Jasmani dan
Interpersonal.

4.2.1.2 Perhitungan Metode Nave Bayes Classifier

Metode Nave Bayes Classifier mengidentifikasi kecerdasan dengan
asumsi variabel bersifat bebas. Klasifikasi dilakukan dengan membandingkan
nilai probabilitas dari masing-masing kelas. Identifikasi ini dilakukan untuk
menentukan jawaban benar salah akan masuk kelas kecerdasan mana. Contoh
jawaban yang akan diuji dapat dilihat pada Tabel 18.

Tabel 18. Contoh Jawaban Kuis

 Q1 Q2 Q3 Q4 Q5 Q6 Q7 Q8 Q9 Q1 Q1 Q1 Q1 Q1
0 1 2 3 4

Q1 Q1 Q1 Q1 Q1 Q2 Q2 Q2 Q2 Q2 Q2 Q2 Q2
5 6 7 8 9 0 1 2 3 4 5 6 7

Melalui jawaban pada Tabel 18 maka akan diuji kedalam perhitungan

Nave Bayes Classifier sehingga perlu dilakukan perhitungan nilai pada tiap
variabelnya. Perhitungan nilai dapat dilihat pada Tabel 19.

Tabel 19. Perhitungan Nilai per Variabel

Qa Qb Qc Qd Qe
Q1 Q1 Q1 Q1 Q1 Q1
Q1 Q2 Q3 Q4 Q5 Q6 Q7 Q8 Q9 0 1 2 3 4 5
15 - (x) 15 - (x) 15 - (x) 15 - (x) 15 - (x)
5 0 5 0 0 0 5 0 5 0 5 0 0 0 5
2 2 2 2 2 2 2 2 2
2
Qa = 15 14 Qb = 15 6 Qc = 15 12 Qd = 15 13 Qe = 15 5
Qa = 1 Qb = 9 Qc = 3 Qd = 2 Qe = 10
Qf Qg Qh Qi
Q1 Q1 Q1 Q1 Q2 Q2 Q2 Q2 Q2 Q2 Q2 Q2
6 7 8 9 0 1 2 3 4 5 6 7
15 - (x) 15 - (x) 15 - (x) 15 - (x)
0 0 0 5 0 5 0 0 5 0 0 0
2 2 2 2 2
Qf = 15 6 Qg = 15 10 Qh = 15 5 Qi = 15 4
Qf = 9 Qg = 5 Qh = 10 Qi = 11

Perhitungan pada tabel 19 menjadi angka hitung untuk perhitungan

probabilitas. Sehingga dapat diperoleh nilai probabilitas pada tabel 20.
Tabel 20. Nilai Probabilitas
Probabilitas Linguistik 0,7711321198
Probabilitas Logis-Matematis 0,0010956658
Probabilitas Visual-Spasial 0,0812993489
Probabilitas Kinestetik-Jasmani 0,1370221100
Probabilitas Musikal 0,0005951637
Probabilitas Interpersonal 0,0004717766
Probabilitas Intrapersonal 0,0076826198
Probabilitas Naturalis 0,0005527123
Probabilitas Eksistensial 0,0001484830
Probabilitas Maksimum 0,7711321198

Perhitungan pada Tabel 20 merupakan perhitungan prediksi secara

manual. Hasilnya menunjukkan bahwa jawaban kuis menunjukkan kecerdasan
Linguistik yang dominan. Hasil jawaban diatas diuji kembali kedalam sistem
untuk melihat apakah hasil identifikasi menghasilkan nilai sama. Hasil pengujian
sistem dapat dilihat pada Gambar 33.

Gambar 33. Pengujian Metode Sistem

Gambar 33 menunjukkan bahwa hasil perhitungan manual dan sistem

menghasilkan nilai sama. Nilai maksimum yang ditunjukkan adalah 0,77132
dengan pembulatan angka untuk probabilitas linguistik. Berdasarkan Gambar 33
maka pengujian tersebut bernilai sama untuk kecerdasan Linguistik.

4.2.2. Uji Coba

Tahap uji coba dilakukan untuk menguji dan mengetahui apakah Sistem
Identifikasi Jenis Kecerdasan Manusia ini telah sesuai antara rancangan dengan
fungsinya.
4.2.2.1 Uji Coba Struktural
Uji coba struktural adalah uji coba yang dilakukan untuk memastikan
apakah website terstruktur dengan baik sesuai dengan rancangan. Hasil uji coba
struktural dapat dilihat pada Tabel 21.

Tabel 21. Uji Coba Struktural

No. Uji Coba Hasil
1. Tampilan halaman utama Frontend Ya (terlihat pada Gambar 21)
2. Tampilan halaman deskripsi Ya (terlihat pada Gambar 22, 23)
3. Tampilan halaman tes kecerdasan Ya (terlihat pada Gambar 24)
4. Tampilan halaman hasil identifikasi Ya (terlihat pada Gambar 25)
5. Tampilan halaman login Ya (terlihat pada Gambar 26)
6. Tampilan halaman utama Backend Ya (terlihat pada Gambar 27)
7. Tampilan halaman inputsoal Ya (terlihat pada Gambar 28)
8. Tampilan halaman lihat soal Ya (terlihat pada Gambar 29)
9. Tampilan halaman tipe kecerdasan Ya (terlihat pada Gambar 30)

4.2.2.2 Uji Coba Fungsional

Uji coba fungsional adalah uji coba yang dilakukan untuk mengetahui
apakah fungsi yang difasilitasi oleh website telah berjalan dengan baik. Hasil uji
coba fungsional dapat dilihat pada Tabel 22.

Tabel 22. Uji Coba Fungsional

No Uji Coba Keterangan Hasil
1. Proses input soal Data masuk ke database Sesuai (terlihat pada
 Gambar 32)
2. Proses edit kecerdasan Data masuk ke database Sesuai (terlihat pada
Gambar 33)
3. Proses identifikasi Masuk ke halaman hasil Sesuai (terlihat pada
kecerdasan identifikasi Gambar 34)

4.2.2.3 Uji Coba Validasi

Uji coba validasi adalah uji coba yang dilakukan untuk melakukan
pengujian terhadap hasil data yang dimasukkan kedalam sistem identifikasi.
Proses input soal dapat dilihat pada Gambar 34.

Gambar 34. Proses Input Soal

Jenis kecerdasan tidak dilakukan penginputan karena kecerdasan bersifat

sama yaitu 9 (sembilan). Untuk jenis kecerdasan hanya dilakukan edit terhadap
deskripsi data. Proses edit kecerdasan dapat dilihat pada Gambar 35.

Gambar 35. Proses Edit Kecerdasan

 Identifikasi kecerdasan dapat dilakukan dengan mengisi quisioner yang
ada mengenai pengetahuan terhadap kategori kecerdasan. Proses identifikasi
kecerdasan dapat dilihat pada Gambar 36.

Gambar 36. Proses Identifikasi Kecerdasan

4.2.2.4 Uji Coba Sistem
Tahap uji coba sistem merupakan tahap pengujian proses sistem melalui
bagian frontend. Tahap uji coba sistem ini mencakup pengujian terhadap cara-cara
tidak efektif yang kemungkinan akan dilakukan oleh user. Pengujian pertama
dilakukan apabila seorang user mengakses website dan mencoba melakukan
pengujian tanpa mengisi jawaban. Apabila terjadi kemungkinan seperti ini, maka
yang akan muncul adalah peringatan untuk mengisi jawaban terlebih dahulu.
Tampilan untuk peringatan tersebut dapat dilihat pada Gambar 37.

Gambar 37. Tampilan Peringatan

Uji coba sistem juga dilakukan terhadap pengisian jawaban dengan metode
acak. Apabila seorang user melakukan pengisian soal dengan jawaban
keseluruhan a, b, c, d, e maka kecerdasan yang muncul adalah jenis kecerdasan
dengan jumlah jawaban yang bernilai benar sama. Apabila terjadi kemungkinan
seperti ini, maka hasil kecerdasan yang akan diperoleh dipastikan sama. Pengisian
dan hasil jawaban untuk jawaban keseluruhan sama ditunjukkan pada Tabel 23.
Tabel 23. Uji Coba Jawaban Sama
Jawaban Hasil Kecerdasan
 A Kinestetik-Jasmani
B Intrapersonal
C Eksistensial
D Linguistik
E Interpersonal

Uji coba sistem selanjutnya dilakukan terhadap pengaksesan website.

Pengujian ini masih bisa berubah dikarenakan sistem masih dimasukkan kedalam
website dengan domain gratis. Website ini dapat diakses pada multiplemdp.url.ph.
Melalui website ini dilakukan uji coba terhadap pengaksesan diwaktu yang sama.
User yang digunakan sebanyak 4 (empat)user dengan menggunakan koneksi
internet yang sama. Melalui pengujian ini dapat dilihat bahwa kecepatan
pengaksesan berdasarkan pada urutan dalam pengaksesan. Kemampuan internet
untuk pengaksesan menjadi dasar perhitungan cepat atau lambatnya sistem
identifikasi dapat digunakan. Hasil pengujian waktu terhadap akses sistem dapat
dilihat pada Tabel 24.

Tabel 24. Uji Coba Waktu Akses

Waktu
User
Akses Website Proses Load Soal Proses Identifikasi
I 00.00.03 00.01.14 00.00.05
II 00.01.10 00.00.20 00.00.03
III 00.01.01 00.00.47 00.00.01
IV 00.03.07 00.00.08 00.00.04

Uji coba terakhir yang dilakukan adalah uji coba terhadap jumlah
responden. Melalui uji coba ini diketahui bahwa dari 50 user yang terlibat
memiliki nilai yang tidak seimbang untuk hasil identifikasinya. Kecerdasan
kinestetik-jasmani memiliki hasil user terbanyak yaitu lebih dari 50%.
Sebaliknya, kecerdasan logis-matematis tidak memiliki hasil user atau dengan
kata lain 0%. Berdasarkan hasil pengisian terhadap jawaban kuis, dapat dilihat
bahwa user malas untuk mengerjakan soal logis-matematis yang berupa angka
dan penalaran. Hal ini berpengaruh terhadap hasil identifikasi. Banyaknya user
yang tidak mengerjakan soal logis-matematis menyebabkan tidak adanya user
yang dominan terhadap kecerdasan logis-matematis. Hasil persentase tes
kecerdasan dapat dilihat pada Tabel 25.

Tabel 25. Hasil Persentase Tes Kecerdasan

Kecerdasan Jumlah Persentase
Linguistik 10 20%
Logis-Matematis 0 0%
Visual-Spasial 2 4%
Kinestetik-Jasmani 28 56%
Musikal 3 6%
Interpersonal 3 6%
Intrapersonal 1 2%
Naturalis 2 4%
Eksistensial 1 2%
TOTAL 50 100%

4.2.3 Menghitung Nilai Akurasi Identifikasi

Nilai akurasi digunakan sebagai pengukuran tingkat keakuratan
perhitungan sistem dengan perhitungan manual. Nilai akurasi sistem identifikasi
ini dihitung berdasarkan perhitungan terhadap 50 user. Data dari nilai akurasi
sistem identifikasi dapat dilihat pada Tabel 26.

Tabel 26. Nilai Akurasi 50 User

No. Nilai Nilai
Prediksi Prediksi Sistem Sistem Akurasi
1. 0.72945 Eksistensial 0.72958 Eksistensial 99,98%
2. 100,00
0.77113 Linguistik 0.77113 Linguistik %
3. 0.43936 Visual-Spasial 0.43931 Visual-Spasial 99,99%
4. 0.99768 Kinestetik- 0.99768 Kinestetik- 100,00
 Jasmani Jasmani %
5. 100,00
0.58743 Linguistik 0.58744 Linguistik %
6. 100,00
0.88561 Linguistik 0.88559 Linguistik %
7. 100,00
0.59584 Interpersonal 0.59585 Interpersonal %
8. 100,00
0.79693 Linguistik 0.79694 Linguistik %
9. 100,00
0.45816 Linguistik 0.45818 Linguistik %
10. 100,00
0.89140 Linguistik 0.89139 Linguistik %
11. 100,00
0.48639 Interpersonal 0.48638 Interpersonal %
12. 100,00
0.50301 Musikal 0.50301 Musikal %
13. 100,00
0.79517 Naturalis 0.79516 Naturalis %
14. 100,00
0.98980 Interpersonal 0.98980 Interpersonal %
15. 100,00
0.55903 Naturalis 0.55903 Naturalis %
16. 100,00
0.63229 Musikal 0.63231 Musikal %
17. Kinestetik- Kinestetik- 100,00
0.99932 Jasmani 0.99932 Jasmani %
18. 100,00
0.32289 Intrapersonal 0.32289 Intrapersonal %
19. Kinestetik- Kinestetik-
0.56739 Jasmani 0.56736 Jasmani 99,99%
20. 0.84494 Visual-Spasial 0.84493 Visual-Spasial 100,00
 %
21. Kinestetik- Kinestetik-
0.98621 Jasmani 0.998621 Jasmani 98,74%
22. 100,00
0.60406 Musikal 0.60408 Musikal %
23. Kinestetik- Kinestetik- 100,00
0.93275 Jasmani 0.93274 Jasmani %
24. Kinestetik- Kinestetik-
0.99969 Jasmani 0.99989 Jasmani 99,98%
25. Kinestetik- Kinestetik- 100,00
0.89838 Jasmani 0.89837 Jasmani %
26. Kinestetik- Kinestetik- 100,00
0.89022 Jasmani 0.89021 Jasmani %
27. Kinestetik- Kinestetik- 100,00
0.99894 Jasmani 0.99894 Jasmani %
28. Kinestetik- Kinestetik-
0.55290 Jasmani 0.55293 Jasmani 99,99%
29. Kinestetik- Kinestetik- 100,00
0.74340 Jasmani 0.74342 Jasmani %
30. Kinestetik- Kinestetik- 100,00
0.97267 Jasmani 0.97267 Jasmani %
31. Kinestetik- Kinestetik- 100,00
0.99676 Jasmani 0.99676 Jasmani %
32. Kinestetik- Kinestetik- 100,00
0.67782 Jasmani 0.67779 Jasmani %
33. 0.54856 Linguistik 0.54859 Linguistik 99,99%
34. Kinestetik- Kinestetik- 100,00
0.78287 Jasmani 0.78284 Jasmani %
35. Kinestetik- Kinestetik- 100,00
0.63540 Jasmani 0.63542 Jasmani %
36. Kinestetik- Kinestetik- 100,00
0.89466 Jasmani 0.89466 Jasmani %
37. Kinestetik- Kinestetik- 100,00
0.99992 Jasmani 0.99992 Jasmani %
38. Kinestetik- Kinestetik- 100,00
0.81030 Jasmani 0.81033 Jasmani %
39. Kinestetik- Kinestetik- 100,00
0.97384 Jasmani 0.97383 Jasmani %
40. Kinestetik- Kinestetik-
0.98468 Jasmani 0.98767 Jasmani 99,70%
41. Kinestetik- Kinestetik-
0.98589 Jasmani 0.98767 Jasmani 99,82%
42. Kinestetik- Kinestetik-
0.99873 Jasmani 0.99989 Jasmani 99,88%
43. Kinestetik- Kinestetik-
0.98199 Jasmani 0.98900 Jasmani 99,29%
44. Kinestetik- Kinestetik- 100,00
0.99996 Jasmani 0.99995 Jasmani %
45. 100,00
0.40777 Linguistik 0.40777 Linguistik %
46. Kinestetik- Kinestetik- 100,00
0.99962 Jasmani 0.99962 Jasmani %
47. 100,00
0.61491 Linguistik 0.61493 Linguistik %
48. Kinestetik- Kinestetik- 100,00
0.89653 Jasmani 0.89653 Jasmani %
49. 100,00
0.99898 Linguistik 0.99898 Linguistik %
50. Kinestetik- Kinestetik-
0.93809 Jasmani 0.92059 Jasmani 98,13%
TOTAL 99,91%
 BAB V
PENUTUP

5.1 Kesimpulan
Perancangan dan implementasi Sistem Identifikasi Jenis Kecerdasan
Manusia dibuat dengan menggunakan software Adobe Dreamweaver CS5. Sistem
identifikasi ini menggunakan bahas pemrograman PHP yang terhubung dengan
database MySQL. Penerapan identifikasi pada sistem ini menggunakan metode
Nave Bayes Classifier. Metodelogi penelitian yang digunakan adalah metode
System Development Life Cycle (SDLC) yang meliputi tahapan perencanaan,
analisis, perancangan, implementasi, uji coba, penggunaan dan pemeliharaan.
Metode Nave Bayes Classifier merupakan metode identifikasi yang dalam
perhitungannya menggunakan perbandingan terhadap data training. Data training
yang digunakan merupakan data yang telah dilakukan perhitungan rata rata dan
standar deviasinya. Metode ini melakukan identifikasi kemungkinan kriteria
dengan menghitung tiap kriteria kategori terhadap keseluruhan rata-rata dan
standar deviasi tiap kategori. Sistem identifikasi menggunakan metode Nave
Bayes Classifier memperoleh kesimpulan bahwa data training dan data uji
berbanding terbalik dalam pengolahannya. Apabila dalam data uji penginputan
datanya berupa data maksimum, maka dalam data uji penginputan data yang
diolah harus berupa data minimum, begitu pula sebaliknya.
Selain itu jenis pembobotan juga mempengaruhi hasil akhir identifikasi.
Identifikasi juga dapat diberikan pembobotan tidak hanya berupa jawaban benar
salah tetapi juga dapat menggunakan tingkatan jawaban seperti hampir benar.
Tipe pembobotan benar salah memungkinkan terjadinya jawaban benar karena
keberuntungan.

5.2 Saran
Sistem identifikasi jenis kecerdasan manusia ini memiliki banyak
kekurangan dalam pembuatannya sehingga diperlukan dilakukannya
pengembangan sistem. Saran dari peneliti adalah :
1. Proses identifikasi dapat di uji kembali keakuratannya dengan menerapkan
metode identifikasi lainnya sehingga dapat diperoleh hasil yang lebih valid.
2. Pengembangan sistem dengan menerapkan perhitungan untuk metode Fuzzy.
Hal dikarenakan metode Fuzzy mendukung sistem dalam kondisi nilai yang
tidak hanya terdiri dari jawaban benar salah tetapi juga untuk jawaban
kemungkinan. Metode Fuzzy dapat membantu dalam pembobotan untuk
tingkatan pada jawaban.
3. Jawaban pada pertanyaan salah diberikan nilai minus agar ada perbedaan
antara tidak mengisi jawaban dengan jawaban salah.
4. Perhitungan rata-rata dan standar deviasi dibuat secara dinamis yang
memungkinkan data dapat diubah dengan sistem yang menghitung secara
otomatis.
 Daftar Pustaka

Aryanti, D. 2013. Cara Mudah Menghitung Skor TOEFL ITP, (http://hamasah-

uwi.blogspot.com/2013/11/cara-menghitung-skor-toefl.html, diakses
tanggal 23 Mei 2014 00:27)

Hariwijaya. 2005. Psikotes untuk Lolos Seleksi CPNS, Penerbit Andi,

Yogyakarta

Mutia. 2013. Tentang Kecerdasan Majemuk, (http://muthiaaa.wordpress.com/

2013/09/14/tentang-kecerdasan-majemuk/, diakses tanggal 16 April 2014
00:02)

Natalius, S. 2013. Metoda Nave Bayes Classifier dan Penggunaannya pada

Klasifikasi Dokumen, Institut Teknologi Bandung, Bandung

Papeti. 2013. Data Nominal, Ordinal, Interval dan Rasio,

(http://johosuapapeti.blogspot.com/2013/03/data-nominal-ordinal-
interval-dan-rasio.html, diakses tanggal 24 Mei 2014 12:46)

Program Studi Ilmu Komputer FMIPA Unpak, 2013. Buku Panduan Skripsi
dan Tugas Akhir, Program Studi Ilmu Komputer FMIPA Universitas
Pakuan, Bogor

Purnomo et al, 2010. Analisis dan Perancangan Decision Support System untuk
Rekomendasi Peminatan Berdasarkan 9 Kecerdasan Manusia dengan
Metode Constrained Fuzzy AHP, SNATI, Yogyakarta

Satria, N. 2013. Pengetahuan : 9 Kecerdasan Manusia, (http://ilmu-

duniadanakhirat.blogspot.com/2013/02/pengetahuan-9-kecerdasan-
manusia.html, diakses tanggal 5 April 2014 22:50)

Subawa, A. 2011. Multiple Intelligence (Kecerdasan Majemuk),

(http://aninditasubawa.blogspot.com/2011/11/multiple-intelligence-
kecerdasan.html, diakses tanggal 25 April 2014 18:58)

2013. Penilaian Kelulusan Tes CPNS LJK CAT 2013, (http://askep-

net.blogspot.com/2013/10/Penilaian-Kelulusan-Tes-CPNS-2013.html.
diakses tanggal 16 Mei 2014 21:33)

2011. Periksa Kecerdasan Majemuk (Kecerdasan Ganda),

(http://soaltesiq.blogspot.com/2011/11/periksa-kecerdasan-majemuk-
kecerdasan.html, diakses tanggal 25 April 2014 21:21)