SKRIPSI
TITA TJAHYATI
10110400
Data Pribadi
Nama : Tita Tjahyati
Tempat/Tanggal Lahir : Bandung,15 Juli 1992
Jenis Kelamin : Perempuan
Alamat : Jl. Sindanglaya-Arcamanik No.27, Bandung
No. Telp : 085624281072
Email : titatjahyati@yahoo.com
Riwayat Pendidikan
1998 – 2004 Lulus SDN 06 Sindanglaya
2004 – 2007 Lulus SMPN 49 Bandung
2007 – 2010 Lulus SMAN 16 Bandung
2010 – 2014 Universitas Komputer Indonesia
Demikian riwayat hidup ini saya buat dengan sebenar-benarnya.
DAFTAR ISI
DAFTAR TABEL........................................................................................................ix
DAFTAR SIMBOL...................................................................................................... x
DAFTAR LAMPIRAN................................................................................................ xi
BAB 1 PENDAHULUAN.......................................................................................... 1
v
2.3.2. Metode Naïve Bayesian......................................................................... 13
vi
4.2.1 Pengujian Whitebox .............................................................................. 56
5.1 Kesimpulan................................................................................................... 75
vii
76
77
KATA PENGANTAR
Puji dan syukur penulis panjatkan kehadirat Allah SWT atas berkat rahmat
dan karunia-Nya sehingga penulis dapat menyelesaikan skripsi yang berjudul :
“ANALISIS PERBANDINGAN METODE CERTAINTY FACTOR DAN
NAÏVE BAYESIAN DALAM MENDETEKSI KEMUNGKINAN ANAK
TERKENA DISLEKSIA ”.
Tugas Akhir ini diajukan untuk memenuhi syarat mata kuliah Tugas Akhir
program STRATA I Program Studi Teknik Informatika, Fakultas Teknik dan Ilmu
Komputer, Universitas Komputer Indonesia (UNIKOM), Bandung. Dengan
terselesaikannya Tugas Akhir ini, Penulis ungkapkan rasa syukur yang tiada
terhingga kepada Allah SWT. dan Penulis mengucapkan terimakasih kepada :
1. Kedua Orang Tua yang saya hormati dan saya cintai yang telah
memberikan kepada Penulis dukungan dan motivasi untuk menyelesaikan
laporan Tugas Akhir ini.
2. Ibu Utami Dewi W,S.Kom.,M.Kom. selaku dosen pembimbing dan
penguji 2 yang telah menyelesaikan waktunya dan memberikan banyak
masukan kepada penulis.
3. Ibu Nelly Indriani Widiastuti,S.Si.,M.T. selaku reviewer dan Penguji 1
yang telah menyediakan waktunya dan memberikan banyak masukan
kepada penulis.
4. Ibu Sufaatin S.T.,M.Kom. selaku Penguji 3 dan sebagai dosen wali yang
telah menyediakan waktunya dan memberikan banyak masukan kepada
penulis.
5. Ibu Adimia Rila Oktoga,S.Psi.,M.Psi. sebagai pakar atau psikolog yang
telah menyediakan waktu nya untuk membantu penulis dalam
menyelesaikan skripsi ini.
iii
6. Bapak Irawan Afrianto,S.T.,M.T. selaku Ketua Program Studi Teknik
Informatika Fakultas Teknik dan Ilmu Komputer Universitas Komputer
Indonesia.
7. Bapak Prof. Dr. H. Denny Kurniadie, Ir., M.Sc. selaku Dekan Fakultas
Teknik dan Ilmu Komputer Universitas Komputer Indonesia.
8. Kakak saya, Tanti Nurhayati dan Wina Winiarti yang saya sayangi yang
telah memberikan saya motivasi untuk menyelesaikan tugas akhir ini.
9. Rekan-rekan seperjuangan IF-09 angkatan 2010 yang selalu memberikan
semangat dan motivasi kepada penulis.
10. Rekan-rekan satu bimbingan Ibu Utami, rekan-rekan reviewer ibu Nelly.
11. Kepada Muhammad Akhdiat Munggaran terimakasih atas semua doa dan
dukungan selama ini yang selalu memberikan semangat dan motivasi
kepada penulis sehingga bisa menyelesaikan skripsi ini.
12. Sahabat – sahabatku Dwikeu Novi Asrika, Dien Amalia, Eka Anisya,
Leni Mariani, Wulan fitriani, dan Mukti Alamsyah yang selalu
memberikan semangat saat penulis butuh motivasi.
13. Pihak-pihak yang telah membantu yang tidak dapat disebutkan satu
persatu.
Akhir kata, Penulis berharap semoga laporan ini dapat bermanfaat bagi para
pembaca.
Bandung, 19 Agustus 2014
Penulis
iv
BAB 1
PENDAHULUAN
1
2
mendeteksi tingkah laku anak melalui gejala-gejala yang sudah ada tetapi dalam
jurnal tersebut tidak dijelaskan mengenai tingkat akurasi metode Bayesian
dalam mendeteksi kasus tersebut. Dalam kedua penelitian tersebut hanya
metode Certainty Factor yang memiliki tingkat akurasi sedangkan metode
Bayesian tidak memiliki tingkat akurasi pada kasus tersebut. Maka dari itu akan
dilakukan suatu analisis perbandingan mengenai akurasi dari kedua metode
tersebut dengan kasus yang sama yaitu dalam mendeteksi kemungkinan anak
terkena disleksia. Karena tidak diketahui apakah hasil akurasi yang dihasilkan
oleh Certainty Factor akan lebih besar atau tidak begitu juga dengan Naïve
Bayesian apakah dapat menghasilkan akurasi yang lebih baik dari metode
Certainty Factor atau tidak jika dibandingkan dalam kasus yang sama. Karena
suatu metode yang baik untuk suatu kasus belum tentu baik untuk kasus yang
berbeda.
Berdasarkan permasalahan tersebut maka diterapkan metode Certainty
Factor dan Naïve Bayesian dalam mendeteksi kemungkinan anak terrkena
disleksia dan dibutuhkan suatu analisis perbandingan antara metode Certainty
Factor dan Naïve Bayesian untuk mengetahui metode mana yang lebih baik
dalam ketepatan akurasi data dengan jumlah masukkan yang sama melalui
gejala-gejala disleksia.
7
8
Keterangan :
CF[h,e] : Certainty Factor dalam hipotesis h yang dipengaruhi oleh
fakta e.
MB[h,e] : Meansure of Believe, merupakan nilai kenaikan dari
kepercayaan hipotesis h dpengaruhi oleh fakta e.
MD[h,e] : Meansure of Disbelieve, merupakan nilai kenaikan dari
ketidakpercayaan hipotesis h dipengaruhi oleh fakta e.
h : hipotesis
e : evidence
13
Pada sistem ini hanya menggunakan jenis data yaitu data optional
jika jawaban nya Yam aka bernilai 1 dan jika jawabannya Tidak maka
bernilai 0. Untuk memperoleh hasil ekspektasi maksimal, probabilitas
dapat dirubah dengan mempertimbangkan semua faktor yang
mempengaruhi probabilitas tersebut, dalam hal ini metode ini sangat
berperan untuk menentukan probabilitas yang telah dipengaruhi oleh
faktor lain.
Pendekatan bayes pada saat klasifikasi adalah mencari probabilitas
tertinggi (VMAP) dengan masukan atribut (a1, a2, a3, …, an) seperti
tampak pada persamaan 2.2 berikut :
���� = arg max � | , , ,…,
vj∈ �
15
Dimana :
P(H|E) : Probabilitas hipotesis H jika terdapat evidence E
P(E|H) : Probabilitas munculnya evidence E jika diketahui
hipotesa H
Jika setelah dilakukan pengujian terhadap hipotesis, muncul satu
atau lebih evidence baru, maka :
� �|�, �
� �|�, � = � �|�
� �|�
Persamaan 2.4
Dimana :
e : evidence lama
E : evidence atau observasi baru
P(H|E,e) : Probabilitas adanya hipotesis H jika muncul evidence
baru E dari evidence lama e
P(H|E) : Probabilitas hipotesis H jika terdapat evidence E
P(e|E,H) : Probabilitas kaitan antara e dan e jika hipotesis h
benar
P(e|E) : Probabilitas kaitan antara e dan E tanpa memandang
hipotesis apapun.
16
2.7 MySQL
MySQL adalah sebuah perangkat lunak sistem manajemen basis data SQL
dalam bahasa Inggris yang berarti Database Management System atau DBMS
yang multithread, multi-user, dengan sekitar 6 juta instalasi diseluruh dunia.
Tidak sama dengan proyek-proyek seperti Apache, dimana perangkat lunak
dikembangkan oleh komunitas umum, dan hak cipta untuk kode sumber
dimiliki oleh penulisnya masing-masing. MySQL dimiliki dan disponsori oleh
sebuah perusahaan komersial Swedia MySQl AB, dimana memegang hak cipta
19
hampir atas semua kode sumbernya. Kedua orang Swedia dan satu orang
Finlandia yang mendirikan MySQL AB adalah : David axmark, Allan Larsson,
dan Michael “Monty” Widenius.
MySQL adalah sebuah implementasi dari sistem manajemen basisdata
relasional (RDBMS) yang didistribusikan secara gratis dibawah lisensi GPL
(General Public License). Setiap pengguna dapat secara bebas menggunakan
MySQL, namun dengan batasan perangkat lunak tersebut tidak boleh dijadikan
produk turunan yang bersifat komersial. MySQL sebenarnya merupakan turunan
salah satu konsep utama dalam basisdata yang telah ada sebelumnya. SQL (
Structured Query Language). SQL adalah sebuah konsep pengoperasian
basisdata, terutama untuk pemilihan atau seleksi dan pemasukkan data, yang
memungkinkan pengoperasian data dikerjakan dengan mudah secara otamatis.
Kehandalan suatu sistem basisdata (DBMS) dapat diketahui dari cara kerja
pengoptimasi-nya dalam melakukan proses perintah-perintah SQL yang dibuat
oleh pengguna maupun program-program aplikasi yang memanfaatkannya.
Sebagai peladen basis data, MySQL mendukung operasi basis data
transaksional maupun operasi basis data non-transaksional. Pada modus operasi
non-transaksional, MySQL dapat dikatakan unggul dalam hal unjuk kerja
dibandingkan perangkat lunak peladen basisdara competitor lainnya. Namun
demikian pada modus non-transaksional tidak ada jaminan atas reliabilitas
terhadap data yang tersimpan, karenanya modus non-transaksional hanya cocok
untuk jenis aplikasi yang tidak membutuhkan reabilitas data seperti aplikasi
blogging berbasis web (wordpress), CMS dan sejenisnya. Untuk kebutuhan
sistem yang ditunjukkan untuk bisnis sangat disarankan untuk menggunakan
modus basisdata transaksional, hanya saja sebagai konsekuensinya unjuk kerja
MySQL pada modus transaksional tidak secepat unjuk kerja pada modus non-
transaksional.
20
program itu yang telah di ubah namanya menjadi ImagePro. Setelah itu,
Thomas mengubah nama programnya menjadi Photoshop dan bekerja dalam
jangka pendek dengan produsen scanner Barneyscan untuk mendistribusikan
salinan dari program tersebut dengan slide scanner.
Selama waktu itu, johm berpergian ke silicon Valley di California dan
memberikan demonstrasi program itu kepada insinyur di Apple Computer inc.
dan Russel Brown, direktur seni di adobe. Kedua demonstrasi itu berhasil, dan
Adobe memutuskan untuk membeli lisensi untuk mendistribusikan pada bulan
September 1988. Sementara John bekerja pada plug-in di California, Thomas
tetap di Ann Arbor untuk menulis kode program. Photoshop 1.0 dirilis pada
1990 khusus untuk Macintosh.
BAB 3
ANALISIS METODE
23
24
Jenis Disleksia
No Gejala
Auditori Visual Kombinasi
Kesulitan membuat pekerjaan
1 tertulis secara terstruktur misalnya
essay
Huruf tertukar tukar, misal ‘b’
tertukar ‘d’,’p’ tertukar ‘q’,’m’
2
tertukar ‘w’,’s’ tertukar ‘z’.
Misalnya papa-qaqa
Melihat atau merasakan gerakan-
gerakan yang sebenarnya tidak ada
3
saat membaca, menulis atau
menyalin
Kesulitan memahami kalimat yang
4 dibaca ataupun yang didengar dan
melelahkan
Tulis tangan yang buruk atau
5
berantakan
Mengalami kesulitan mempelajari
6
tulisan sambung
Ketika mendengarkan sesuatu,
7
rentang perhatiannya pendek
Kesulitan dalam mengingat kata-
8
kata atau ingatan yang buruk atau
26
Tidak 0
10 Kesulitan/lambat mengerjakan PR Ya 1
Tidak 0
11 Kesulitan memahami konsep waktu Ya 1
atau kesulitan dalam menyebutkan Tidak 0
waktu, mengatur waktu ataupun
melakukan sesuatu dengan tepat
waktu
12 Kesulitan membedakan huruf vocal Ya 1
dengan konsonan Tidak 0
13 Mengeluh pusing atau nyeri kepala Ya 1
atau sakit perut saat membaca Tidak 0
14 Kesulitan mengingat rutinitas aktivitas Ya 1
sehari-hari atau mencerna sesuatu Tidak 0
secara berurutan
15 Kesulitan membedakan kanan kiri Ya 1
Tidak 0
16 Membaca lambat lambat dan terputus- Ya 1
putus dan tidak tepat Tidak 0
17 Menghilangkan atau salah baca kata Ya 1
penghubung (“di”,”ke”,”pada”) Tidak 0
18 Mengabaikan kata awalan pada waktu Ya 1
membaca (“menulis” dibaca sebagai Tidak 0
“tulis”)
19 Tetukar tukar kata (misalnya : dia- Ya 1
ada,sama-masa,lagu-gula,batu- Tidak 0
buta,tanam-taman,dapat-padat,mana-
nama)
20 Ketidak akuratan dalam membaca Ya 1
seperti membaca lambat kata demi Tidak 0
kata jika dibandingkan dengan anak
seusianya, intonasi suara turun naik
tidak teratur
Rumus Keterangan
Nilai CF auditori > CF visual > CF Disleksia Auditori
kombinasi
Nilai CF visual > CF auditori > CF Disleksia Visual
kombinasi
Nilai CF kombinasi > CF visual > CF Disleksia Kombinasi
auditori
Pada tabel 3.4 diatas menjelaskan bahwa hasil keluaran dari sistem
pendeteksi disleksia menghasilkan klasifikasi disleksia atau jenis
disleksia menggunakan metode Certainty Factor.
Rumus Keterangan
P(Y=A) > P(Y=V) > P(Y=K) Disleksia Auditori
P(Y=V) > P(Y=A) > P(Y=K) Disleksia Visual
P(Y=K) > P(Y=A) > P(Y=V) Disleksia Kombinasi
Pada tabel 3.5 diatas menjelaskan bahwa hasil keluaran dari sistem
pendeteksi disleksia menghasilkan klasifikasi disleksia atau jenis
disleksia menggunakan metode Naïve Bayesian.
Inisialisasi
Keterangan Gejala
Gejala
A: Kesulitan membuat pekerjaan tertulis secara terstruktur
B: Huruf tertukar-tukar misal ‘b’ tertukar ‘d’, ‘p’ tertukar ‘q’, ‘m’
tertukar ‘w’, ‘s’ tertukar ‘z’. misalnya papa-qaqa
C: Melihat atau merasakan gerakan-gerakan yang sebenarnya
tidak ada saat membaca, menulis atau menyalin
D: Kesulitan memahami kalimat yang dibaca ataupun yang di
dengar dan melelahkan
E: Tulisan tangan yang buruk atau berantakan
F: Mengalami kesulitan mempelajari tulisan sambung
G: Ketika mendengarkan sesuatu, rentang perhatiannya pendek
H: Kesulitan dalam mengingat kata-kata atau ingatan yang buruk
33
Disleksia
Disleksia Auditori Disleksia Visual
No Gejala Kombinasi
MB MD MB MD MB MD
1 A 0.6 0.4 0.8 0.2 0.4 0.6
2 B 0.8 0.2 0.8 0.2 0.8 0.2
3 C 0.2 0.2 0.4 0.6 0.6 0.4
4 D 0.8 0.2 0.8 0.2 0.6 0.4
5 E 0.4 0.6 0.6 0.4 0.4 0.6
6 F 0.6 0.4 0.6 0.4 0.6 0.4
7 G 0.6 0.4 0.4 0.6 0.6 0.4
8 H 0.6 0.4 0.4 0.6 0.6 0.4
9 I 0.6 0.4 0.4 0.6 0.4 0.6
34
Keterangan :
MB : Nilai Kepastian terhadap setiap gejala
MD : Nilai ketidakpastian terhdap setiap gejala
Gejala Perhitungan MB
A 0.6+(0.6*(1-0.6)) 0.84
A AND B 0.84+(0.8*(1-0.84)) 0.968
35
AND Q AND R
AND S AND T
Gejala Perhitungan MD
A 0.4+(0.4*(1-0.4)) 0.64
A AND B 0.64+(0.2*(1-0.64)) 0.712
A AND B AND C 0.712+(0.2*(1-0.712)) 0.7696
A AND B AND C 0.7696+(0.2*(1-0.7696)) 0.81568
AND D
A AND B AND C 0.81568+(0.6*(1-0.81568)) 0.926272
AND D AND E
A AND B AND C 0.926272+(0.4*(1- 0.9557632
AND D AND E 0.926272))
AND F
A AND B AND C 0.9557632+(0.4*(1- 0.97345792
AND D AND E 0.9557632))
AND F AND G
A AND B AND C 0.97345792+(0.4*(1- 0.984074752
AND D AND E 0.97345792))
AND F AND G
AND H
A AND B AND C 0.984074752+(0.4*(1- 0.990444851
AND D AND E 0.984074752))
AND F AND G
AND H AND I
A AND B AND C 0.990444851+(0.4*(1- 0.99426691
AND D AND E 0.990444851))
AND F AND G
AND H AND I
AND I AND J
A AND B AND C 0.99426691+(0.4*(1- 0.996560145
AND D AND E 0.99426691))
AND F AND G
AND H AND I
AND I AND J
AND K
A AND B AND C 0.996560145+(0.6*(1- 0.998624057
AND D AND E 0.996560145))
AND F AND G
AND H AND I
AND I AND J
AND K AND L
A AND B AND C 0.998624057+(0.2*(1- 0.998899245
AND D AND E 0.998624057))
AND F AND G
AND H AND I
AND I AND J
AND K AND L
AND M
A AND B AND C 0.998899245+(0.6*(1- 0.999295516
AND D AND E 0.998899245))
38
AND F AND G
AND H AND I
AND I AND J
AND K AND L
AND M AND N
A AND B AND C 0.999295516+(0.4*(1- 0.999577309
AND D AND E 0.999295516))
AND F AND G
AND H AND I
AND I AND J
AND K AND L
AND M AND N
AND O
A AND B AND C 0.999577309+(0.2*(1- 0.999661847
AND D AND E 0.999577309))
AND F AND G
AND H AND I
AND I AND J
AND K AND L
AND M AND N
AND O AND P
A AND B AND C 0.999661847+(0.4*(1- 0.999797108
AND D AND E 0.999661847))
AND F AND G
AND H AND I
AND I AND J
AND K AND L
AND M AND N
AND O AND P
AND Q
A AND B AND C 0.999797108+(0.4*(1- 0.999878264
AND D AND E 0.999797108))
AND F AND G
AND H AND I
AND I AND J
AND K AND L
AND M AND N
AND O AND P
AND Q AND R
A AND B AND C 0.999878264+(0.4*(1- 0.999926958
AND D AND E 0.999878264))
AND F AND G
AND H AND I
AND I AND J
AND K AND L
AND M AND N
AND O AND P
AND Q AND R
AND S
A AND B AND C 0.999926958+(0.2*(1- 0.999941566
AND D AND E 0.999926958))
39
AND F AND G
AND H AND I
AND I AND J
AND K AND L
AND M AND N
AND O AND P
AND Q AND R
AND S AND T
2. Disleksia Visual
Table 3.9 Proses Perhitungan Nilai CF Disleksia Visual
Gejala Perhitungan MB
A 0.8+(0.8*(1-0.8)) 0.96
A AND B 0.96+(0.8*(1-0.96)) 0.992
A AND B AND C 0.992+(0.4*(1-0.992)) 0.9952
A AND B AND C 0.9952+(0.8*(1-0.9952)) 0.99904
AND D
A AND B AND C 0.99904+(0.6*(1-0.99904)) 0.999616
AND D AND E
A AND B AND C 0.999616+(0.6*(1- 0.9998464
AND D AND E 0.999616))
AND F
A AND B AND C 0.9998464+(0.4*(1- 0.99990784
AND D AND E 0.9998464))
AND F AND G
A AND B AND C 0.99990784+(0.4*(1- 0.999944704
AND D AND E 0.99990784))
AND F AND G
AND H
A AND B AND C 0.999944704+(0.4*(1- 0.999966822
AND D AND E 0.999944704))
AND F AND G
AND H AND I
A AND B AND C 0.999966822+(0.8*(1- 0.999993364
AND D AND E 0.999966822))
AND F AND G
AND H AND I
40
AND I AND J
A AND B AND C 0.999993364+(0.4*(1- 0.999996018
AND D AND E 0.999993364))
AND F AND G
AND H AND I
AND I AND J
AND K
A AND B AND C 0.999996018+(0.4*(1- 0.99999761
AND D AND E 0.999996018))
AND F AND G
AND H AND I
AND I AND J
AND K AND L
A AND B AND C 0.99999761+(1.0*(1- 1
AND D AND E 0.99999761))
AND F AND G
AND H AND I
AND I AND J
AND K AND L
AND M
A AND B AND C 1+(0.4*(1-1)) 1
AND D AND E
AND F AND G
AND H AND I
AND I AND J
AND K AND L
AND M AND N
A AND B AND C 1+(0.6*(1-1)) 1
AND D AND E
AND F AND G
AND H AND I
AND I AND J
AND K AND L
AND M AND N
AND O
A AND B AND C 1+(0.8*(1-1)) 1
AND D AND E
AND F AND G
AND H AND I
AND I AND J
AND K AND L
AND M AND N
AND O AND P
A AND B AND C 1+(0.6*(1-1)) 1
AND D AND E
AND F AND G
AND H AND I
AND I AND J
AND K AND L
AND M AND N
AND O AND P
41
AND Q
A AND B AND C 1+(0.6*(1-1)) 1
AND D AND E
AND F AND G
AND H AND I
AND I AND J
AND K AND L
AND M AND N
AND O AND P
AND Q AND R
A AND B AND C 1+(0.6*(1-1)) 1
AND D AND E
AND F AND G
AND H AND I
AND I AND J
AND K AND L
AND M AND N
AND O AND P
AND Q AND R
AND S
A AND B AND C 1+(0.8*(1-1)) 1
AND D AND E
AND F AND G
AND H AND I
AND I AND J
AND K AND L
AND M AND N
AND O AND P
AND Q AND R
AND S AND T
Gejala Perhitungan MD
A 0.2+(0.2*(1-0.2)) 0.36
A AND B 0.36+(0.2*(1-0.36)) 0.488
A AND B AND C 0.488+(0.6*(1-0.488)) 0.7952
A AND B AND C 0.7952+(0.3*(1-0.7952)) 0.83616
AND D
A AND B AND C 0.83616+(0.4*(1-0.83616)) 0.901696
AND D AND E
A AND B AND C 0.901696+(0.4*(1- 0.9410176
AND D AND E 0.901696))
AND F
A AND B AND C 0.9410176+(0.6*(1- 0.97640704
AND D AND E 0.9410176))
AND F AND G
A AND B AND C 0.97640704+(0.6*(1- 0.990562816
AND D AND E 0.97640704))
AND F AND G
AND H
A AND B AND C 0.990562816+(0.6*(1- 0.9962251264
AND D AND E 0.990562816))
42
AND F AND G
AND H AND I
A AND B AND C 0.9962251264+(0.2*(1- 0.9969801011
AND D AND E 0.9962251264))
AND F AND G
AND H AND I
AND I AND J
A AND B AND C 0.9969801011+(0.6*(1- 0.9987920404
AND D AND E 0.9969801011))
AND F AND G
AND H AND I
AND I AND J
AND K
A AND B AND C 0.9987920404+(0.6*(1- 0.9995168162
AND D AND E 0.9987920404))
AND F AND G
AND H AND I
AND I AND J
AND K AND L
A AND B AND C 0.9995168162+(0*(1- 0.9995168162
AND D AND E 0.9995168162))
AND F AND G
AND H AND I
AND I AND J
AND K AND L
AND M
A AND B AND C 0.9995168162+(0.6*(1- 0.9998067265
AND D AND E 0.9995168162))
AND F AND G
AND H AND I
AND I AND J
AND K AND L
AND M AND N
A AND B AND C 0.9998067265+(0.4*(1- 0.9998840359
AND D AND E 0.9998067265))
AND F AND G
AND H AND I
AND I AND J
AND K AND L
AND M AND N
AND O
A AND B AND C 0.9998840359+(0.2*(1- 0.9999072287
AND D AND E 0.9998840359))
AND F AND G
AND H AND I
AND I AND J
AND K AND L
AND M AND N
AND O AND P
A AND B AND C 0.9999072287+(0.4*(1- 0.9999443372
AND D AND E 0.9999072287))
43
AND F AND G
AND H AND I
AND I AND J
AND K AND L
AND M AND N
AND O AND P
AND Q
A AND B AND C 0.9999443372+(0.4*(1- 0.9999666023
AND D AND E 0.9999443372))
AND F AND G
AND H AND I
AND I AND J
AND K AND L
AND M AND N
AND O AND P
AND Q AND R
A AND B AND C 0.9999666023+(0.4*(1- 0.9999799614
AND D AND E 0.9999666023))
AND F AND G
AND H AND I
AND I AND J
AND K AND L
AND M AND N
AND O AND P
AND Q AND R
AND S
A AND B AND C 0.9999799614+(0.2*(1- 0.9999839691
AND D AND E 0.9999799614))
AND F AND G
AND H AND I
AND I AND J
AND K AND L
AND M AND N
AND O AND P
AND Q AND R
AND S AND T
Gejala Perhitungan MB
A 0.4+(0.4*(1-0.4)) 0.64
A AND B 0.64+(0.8*(1-0.64)) 0.928
A AND B AND C 0.928+(0.6*(1-0.928)) 0.9712
A AND B AND C 0.9712+(0.6*(1-0.9712)) 0.98848
AND D
A AND B AND C 0.98848+(0.6*(1-0.98848)) 0.993088
AND D AND E
A AND B AND C 0.993088+(0.6*(1- 0.9972352
AND D AND E 0.993088))
AND F
A AND B AND C 0.9972352+(0.6*(1- 0.99889408
AND D AND E 0.9972352))
AND F AND G
A AND B AND C 0.99889408+(0.6*(1- 0.999557632
AND D AND E 0.99889408))
AND F AND G
AND H
A AND B AND C 0.999557632+(0.4*(1- 0.9997345792
AND D AND E 0.999557632))
AND F AND G
AND H AND I
A AND B AND C 0.9997345792+(0.6*(1- 0.9998938317
AND D AND E 0.9997345792))
AND F AND G
AND H AND I
AND I AND J
A AND B AND C 0.9998938317+(0.4*(1- 0.999936299
AND D AND E 0.9998938317))
AND F AND G
AND H AND I
AND I AND J
AND K
A AND B AND C 0.999936299+(0.6*(1- 0.9999745196
AND D AND E 0.999936299))
AND F AND G
AND H AND I
AND I AND J
AND K AND L
A AND B AND C 0.9999745196+(0.8*(1- 0.9999949039
AND D AND E 0.9999745196))
AND F AND G
AND H AND I
AND I AND J
AND K AND L
AND M
A AND B AND C 0.9999949039+(0.4*(1- 0.9999969423
AND D AND E 0.9999949039))
AND F AND G
45
AND H AND I
AND I AND J
AND K AND L
AND M AND N
A AND B AND C 0.9999969423+(0.6*(1- 0.9999987769
AND D AND E 0.9999969423))
AND F AND G
AND H AND I
AND I AND J
AND K AND L
AND M AND N
AND O
A AND B AND C 0.9999987769+(0.6*(1- 0.9999995108
AND D AND E 0.9999987769))
AND F AND G
AND H AND I
AND I AND J
AND K AND L
AND M AND N
AND O AND P
A AND B AND C 0.9999995108+(0.6*(1- 0.9999998043
AND D AND E 0.9999995108))
AND F AND G
AND H AND I
AND I AND J
AND K AND L
AND M AND N
AND O AND P
AND Q
A AND B AND C 0.9999998043+(0.6*(1- 0.9999999217
AND D AND E 0.9999998043))
AND F AND G
AND H AND I
AND I AND J
AND K AND L
AND M AND N
AND O AND P
AND Q AND R
A AND B AND C 0.9999999217+(0.6*(1- 0.9999999687
AND D AND E 0.9999999217))
AND F AND G
AND H AND I
AND I AND J
AND K AND L
AND M AND N
AND O AND P
AND Q AND R
AND S
A AND B AND C 0.9999999687+(0.6*(1- 0.9999999875
AND D AND E 0.9999999687))
AND F AND G
46
AND H AND I
AND I AND J
AND K AND L
AND M AND N
AND O AND P
AND Q AND R
AND S AND T
Gejala Perhitungan MD
A 0.6+(0.6*(1-0.6)) 0.84
A AND B 0.84+(0.2*(1-0.84)) 0.872
A AND B AND C 0.872+(0.4*(1-0.872)) 0.9232
A AND B AND C 0.9232+(0.4*(1-0.9232)) 0.95392
AND D
A AND B AND C 0.95392+(0.6*(1-0.95392)) 0.981568
AND D AND E
A AND B AND C 0.981568+(0.4*(1- 0.9889408
AND D AND E 0.981568))
AND F
A AND B AND C 0.9889408+(0.4*(1- 0.99336448
AND D AND E 0.9889408))
AND F AND G
A AND B AND C 0.99336448+(0.4*(1- 0.996018688
AND D AND E 0.99336448))
AND F AND G
AND H
A AND B AND C 0.996018688+(0.6*(1- 0.9984074752
AND D AND E 0.996018688))
AND F AND G
AND H AND I
A AND B AND C 0.9984074752+(0.4*(1- 0.9990444851
AND D AND E 0.9984074752))
AND F AND G
AND H AND I
AND I AND J
A AND B AND C 0.9990444851+(0.6*(1- 0.999617794
AND D AND E 0.9990444851))
AND F AND G
AND H AND I
AND I AND J
AND K
A AND B AND C 0.999617794+(0.4*(1- 0.9997706764
AND D AND E 0.999617794))
AND F AND G
AND H AND I
AND I AND J
AND K AND L
A AND B AND C 0.9997706764+(0.2*(1- 0.9998165411
AND D AND E 0.9997706764))
AND F AND G
AND H AND I
47
AND I AND J
AND K AND L
AND M
A AND B AND C 0.9998165411+(0.6*(1- 0.9999266164
AND D AND E 0.9998165411))
AND F AND G
AND H AND I
AND I AND J
AND K AND L
AND M AND N
A AND B AND C 0.9999266164+(0.4*(1- 0.9999559698
AND D AND E 0.9999266164))
AND F AND G
AND H AND I
AND I AND J
AND K AND L
AND M AND N
AND O
A AND B AND C 0.9999559698+(0.4*(1- 0.9999735819
AND D AND E 0.9999559698))
AND F AND G
AND H AND I
AND I AND J
AND K AND L
AND M AND N
AND O AND P
A AND B AND C 0.9999735819+(0.4*(1- 0.9999841491
AND D AND E 0.9999735819))
AND F AND G
AND H AND I
AND I AND J
AND K AND L
AND M AND N
AND O AND P
AND Q
A AND B AND C 0.9999841491+(0.4*(1- 0.9999904895
AND D AND E 0.9999841491))
AND F AND G
AND H AND I
AND I AND J
AND K AND L
AND M AND N
AND O AND P
AND Q AND R
A AND B AND C 0.9999904895+(0.4*(1- 0.9999942937
AND D AND E 0.9999904895))
AND F AND G
AND H AND I
AND I AND J
AND K AND L
AND M AND N
48
AND O AND P
AND Q AND R
AND S
A AND B AND C 0.9999942937+(0.4*(1- 0.9999965762
AND D AND E 0.9999942937))
AND F AND G
AND H AND I
AND I AND J
AND K AND L
AND M AND N
AND O AND P
AND Q AND R
AND S AND T
Pada tugas akhir ini, metode Naïve Bayesian akan diterapkan pada
studi kasus mendeteksi kemungkinan anak terkena disleksia. Diketahui
60 dat pasien penderita disleksia dengan berbagai jenis, diantaranya
disleksia auditori, disleksia visual, disleksia kombinasi sebagai data
train set yang telah terlampir. Terdapat 20 gejala berbeda dari setiap
jenis disleksia tersebut. Nilai dari setiap gejala tersebut adalah 1 untuk
jawaban “Ya” dan 0 untuk jawaban “Tidak” pada saat pendeteksian.
Gejala-gejala tersebut di inisialisasikan pada tabel 3.11 sebagai berikut :
Table 3.11 Inisialisasi Gejala Metode Naive Bayesian
Inisialisasi
Keterangan Gejala
Gejala
A: Kesulitan membuat pekerjaan tertulis secara terstruktur
B: Huruf tertukar-tukar misal ‘b’ tertukar ‘d’, ‘p’ tertukar ‘q’, ‘m’
tertukar ‘w’, ‘s’ tertukar ‘z’. misalnya papa-qaqa
C: Melihat atau merasakan gerakan-gerakan yang sebenarnya
tidak ada saat membaca, menulis atau menyalin
D: Kesulitan memahami kalimat yang dibaca ataupun yang di
50
P(H=Ya|Y=Visual)=6/20 P(M=Tidak|Y=Auditori)=11/20
P(H=Ya|Y=Kombinasi)=5/20 P(M=Tidak|Y=Visual)=12/20
P(H=Tidak|Y=Auditori)=16/20 P(M=Tidak|Y=Kombinasi)=10/2
P(H=Tidak|Y=Visual)=14/20 0
P(H=Tidak|Y=Kombinasi)=15/2 P(N=Ya|Y=Auditori)=9/20
0 P(N=Ya|Y=Visual)=8/20
P(I=Ya|Y=Auditori)=10/20 P(N=Ya|Y=Kombinasi)=7/20
P(I=Ya|Y=Visual)=7/20 P(N=Tidak|Y=Auditori)=11/20
P(I=Ya|Y=Kombinasi)=5/20 P(N=Tidak|Y=Visual)=12/20
P(I=Tidak|Y=Auditori)=10/20 P(N=Tidak|Y=Kombinasi)=13/2
P(I=Tidak|Y=Visual)=13/20 0
P(I=Tidak|Y=Kombinasi)=15/20 P(O=Ya|Y=Auditori)=7/20
P(J=Ya|Y=Auditori)=6/20 P(O=Ya|Y=Visual)=7/20
P(J=Ya|Y=Visual)=6/20 P(O=Ya|Y=Kombinasi)=7/20
P(J=Ya|Y=Kombinasi)=4/20 P(O=Tidak|Y=Auditori)=13/20
P(J=Tidak|Y=Auditori)=14/20 P(O=Tidak|Y=Visual)=13/20
P(J=Tidak|Y=Visual)=14/20 P(O=Tidak|Y=Kombinasi)=13/2
P(J=Tidak|Y=Kombinasi)=16/20 0
P(K=Ya|Y=Auditori)=10/20 P(P=Ya|Y=Auditori)=6/20
P(K=Ya|Y=Visual)=10/20 P(P=Ya|Y=Visual)=8/20
P(K=Ya|Y=Kombinasi)=8/20 P(P=Ya|Y=Kombinasi)=11/20
P(K=Tidak|Y=Auditori)=10/20 P(P=Tidak|Y=Auditori)=14/20
P(K=Tidak|Y=Visual)=10/20 P(P=Tidak|Y=Visual)=12/20
P(K=Tidak|Y=Kombinasi)=12/2 P(P=Tidak|Y=Kombinasi)=9/20
0 P(Q=Ya|Y=Auditori)=9/20
P(L=Ya|Y=Auditori)=7/20 P(Q=Ya|Y=Visual)=7/20
P(L=Ya|Y=Visual)=7/20 P(Q=Ya|Y=Kombinasi)=9/20
P(L=Ya|Y=Kombinasi)=10/20 P(Q=Tidak|Y=Auditori)=11/20
P(L=Tidak|Y=Auditori)=13/20 P(Q=Tidak|Y=Visual)=13/20
P(L=Tidak|Y=Visual)=13/20 P(Q=Tidak|Y=Kombinasi)=11/2
P(L=Tidak|Y=Kombinasi)=10/20 0
P(M=Ya|Y=Auditori)=9/20 P(R=Ya|Y=Auditori)=12/20
P(M=Ya|Y=Visual)=8/20 P(R=Ya|Y=Visual)=8/20
P(M=Ya|Y=Kombinasi)=10/20 P(R=Ya|Y=Kombinasi)=9/20
53
P(R=Tidak|Y=Auditori)=8/20 P(S=Tidak|Y=Visual)=9/20
P(R=Tidak|Y=Visual)=12/20 P(S=Tidak|Y=Kombinasi)=8/20
P(R=Tidak|Y=Kombinasi)=11/2 P(T=Ya|Y=Auditori)=11/20
0 P(T=Ya|Y=Visual)=9/20
P(S=Ya|Y=Auditori)=8/20 P(T=Ya|Y=Kombinasi)=11/20
P(S=Ya|Y=Visual)=11/20 P(T=Tidak|Y=Auditori)=9/20
P(S=Ya|Y=Kombinasi)=12/20 P(T=Tidak|Y=Visual)=11/20
P(S=Tidak|Y=Auditori)=12/20 P(T=Tidak|Y=Kombinasi)=9/20
Pada bab ini akan dikemukan kesimpulan yang dapat diperoleh dari
pembahasan bab-bab sebelumnya serta saran untuk perbaikan dan
pengembangan sistem yang lebih lanjut.
5.1 Kesimpulan
Berdasarkan hasil yang didapat dalam penelitian dan penyusunan skripsi
ini serta disesuaikan dengan tujuannya, maka diperoleh kesimpulan, tingkat
akurasi rat-rata 58% untuk metode Certainty Factor dan rata-rata akurasi data
untuk metode Naïve Bayesian adalah 93%. Hasil tersebut sudah menunjukkan
metode mana yang lebih baik dalam mendeteksi kemungkinan anak terkena
disleksia, yakni metode Naïve Bayesian karena selisih nya jauh lebih baik
dibandingkan metode Certainty Factor ini disebabkan oleh parameter pada
metode Certainty Factor yaitu nilai MB (Meansure of Believe) dan nilai MD
(Meansure of Disbelieve) yang berikan langsung dari seorang pakar. Dan kedua
metode tersebut dapat diterapkan dalam sistem pendeteksi disleksia sesuai cara
dan perhitungan kedua metode tersebut.
5.2 Saran
Pada masa yang akan dating pengenalan kemungkinan anak terkena
disleksia dapat dikembangkan lebih lanjut. Adapun saran untuk dimasa
mendatang adalah dengan menggunakan nilai MB dan nilai MD yang sudah
disepakati oleh beberapa pakar agar dapat memberikan nilai kepastian yang
lebih baik. Pembangunan struktur data dan penggunaan strategi metode yang
lebih sesuai agar mendapatkan hasil eksplorasi yang jauh lebih baik agar
mendapatkan implementasi metode Certainty Factor dan Naïve Bayesian yang
lebih mangkus.
75