Jsisfotek 2020 2 1 001-008
Jsisfotek 2020 2 1 001-008
https://jsisfotek.org/index.php
2020 Vol. 2 No . 1 Hal: 1-8 e-ISSN: 2686-3154
1. Pendahuluan
Informasi dan pengetahuan yang kurang mengenai
Anak berkebutuhan khusus merupakan anak yang
pengkategorian karakteristik Tunagrahita menjadi
memiliki keluarbiasaan dan keterbatasan pada fisik,
permasalahan bagi user dalam menentukan kategori
intelektual, mental, sosial dan emosional dibandingkan
Tunagrahita yang dialami anak yang menyebabkan
dengan anak-anak lain pada umumnya yang
tidak diberikan penanganan yang tepat pada anak
mempengaruhi proses pertumbuhan dan perkembangan
tersebut. Salah satu metode pendekatan yang
pada anak tersebut [1]. Beberapa jenis gangguan atau
berbasikan pada pengetahuan dan bisa dipakai untuk
keterbatasan yang dapat dikategorikan pada anak
memecahkan masalah berdasarkan pengalaman di masa
berkebutuhan khusus antara lain: Tunarungu,
lalu [5]. Case Based Reasoning adalah suatu metode
Tunanetra, kesulitan belajar, Tunagrahita, Autis, anak
yang memiliki cara kerja berbeda dengan metode
berbakat dan anak Hiperaktif [2]. Tunagrahita termasuk
lainnya yang pada prinsip kerjanya melakukan
bagian dari anak berkebutuhan khusus yang dalam
penalaran berbasis kasus dari kasus yang sudah ada
kesehariannya anak ini memiliki kesulitan dalam hal
sebelumnya [6].
menulis, berhitung dan membaca [16]. Tunagrahita
merupakan disabilitas mental yang juga disebut atau
Case Based Reasoning merupakan metode yang dapat
dikenal sebagai retradasi mental.
dipakai untuk memecahkan kasus baru dengan
mengambil karakteristik yang ditemukan dalam kasus-
Dalam pengelompokannya Tunagrahita dikelompokan
kasus lama yang mirip dengan kasus baru [14]. Case
menjadi 3 yakni Tunagrahita ringan, Tunagrahita
Based Reasoning merupakan metode yang dalam
sedang dan Tunagrahita berat [3]. Sering kali anak-
pendekatannya berbeda dengan pendekatan utama pad
anak berkebutuhan khusus ditemukan bersekolah di
AI (Artificial Intelegence) [15]. Cara kerja Case Based
sekolah reguler hal tersebut di karenakan karakteristik
Reasoning meniru kemampuan manusia yang mana
dari tunagrahita ringan yang tidak begitu mencolok
dalam menyelesaikan masalah baru merujuk pada
dalam perbedaannya [4]. Pengkategorian Tunagrahita
jawaban atau pengalaman dari masalah lama dengan
yang dialami oleh seorang anak bukanlah permasalahan
cara membandingkannya.
yang mudah dikarenakan karakteristik-karakteristik
yang melekat pada satu kategori.
Diterima: 10-03-2020 | Revisi: 15-03-2020 | Diterbitkan: 31-03-2020 | DOI: 10.37034/jsisfotek.v2i1.14
1
Septiana Vratiwi, Yuhandri Yunus, Gunadi Widi Nurcahyo.
4. Mempelajari Literatur
Merujuk kepada penelitian-penelitian serta buku-buku
yang relevan dengan penelitian ini.
6. Menganalisa Data
Data yang didapatkan akan dianalisa seperti melakukan
pengkodean dan yang lainnya sesuai dengan kebutuhan
metode Case Based Reasoning.
b. Klasifikasi Karakteristik dan Pemberian Bobot c. Proses Perhitungan Case Based Reasoning
Data karakteristik yang ada pada Tabel 3 akan Pada proses perhitungan ini terdiri dari beberapa
diklasifikasikan berdasarkan tiga kategori Tunagrahita tahapan, adapun tahapan tersebut dapat di lihat pada
yang ada yakni Tunagrahita ringan, sedang dan berat. Gambar 2.
serta diberikan bobot untuk setiap karakteristik Start
Karakteristik Bobot
menunjukan klasifikasi Tunagrahita yang dialami
KODE
K006
dipilih
Perbendaharaan Kata Terbatas
K001
K002
Memiliki IQ 50-70
Bentuk wajah seperti anak normal
pada umumnya
2
1
anak tersebut dan dari perhitungan sebelumnya
Suka melamun
K010
K012
Hampir tidak bisa mempelajari
pelajaran akademik
K003
K004
Kesulitan dalam memahami
pelajaran akademik
Ketertinggalan 2 atau 5 tingkatan
1 didapat nilai similarity terbesar dengan nilai
di bidang kognitif dibanding 1
K013
K015
Pertumbuhan fisik terlambat
K010
Koordinasi Gerak Kurang
Suka Melamun
0,75
0,75
3.4. Proses Revise
Gambar 3. Pencarian Kemiripan Karakteristik dengan Tunagrahita Tahapan Revise merupakan tahapan yang dilakukan
Ringan untuk memperbaiki solusi-solusi yang ada jika
ditemukan solusi terbaru yang lebih cocok. Tahapan
Similarity = S1*W1+S2*W2+Sn*Wn ini akan dilakukan jika solusi perlu diperbaiki.
W1+w2+....Wn 3.5. Proses Retain
Similarity = (1*1)+(1*0,75) Tahapan ini merupakan proses untuk menyimpan
2+1+1+1+1+1+0,75+0,75+0,75+0,75 kasus-kasus terbaru Pengidentifikasian Tunagrahita
Similarity =1,75 =0,175= 17,5 % ke dalam Knowledge Base.
10 Setelah proses perhitungan secara manual selesai
2. Pencarian Kemiripan Karakteristik dengan dikerjakan, tahapan selanjutnya yaitu
Tunagrahita Sedang mengimplemntasikan sistem yang sudah dirancang
Tunagrahita Sedang
KODE
Karakteristik Yang
dipilih
KODE
K006
Karakteristik
Lancar Berbicara atau
Bobot
1
guna untuk membantu proses perhitungan Case
Perbendaharaan kata terbatas
K006
K010
Perbendaharaan Kata Terbatas
Suka melamun
Hampir tidak bisa mempelajari
K007
K008
Tidak atau Kurang sekali
pehatian terhadap Lingkungan
Perkembangan bicara atau
1
0,75
Based Reasoning secara terkomputerisasi. Berikut
bahasa terlambat
K012
K013
pelajaran akademik
Pertumbuhan fisik terlambat
K009 Koordinasi Gerak Kurang 0,75
adalah bentuk implementasi dari sistem tersebut :
K010 Suka Melamun 0,75
K015 Pengucapan tidak jelas
K011 Memilik IQ 30-50 2
K016
K018
Terganggu dalam hal motorik
K013
Hampir Tidak bisa mempelajari
pelajaran akademik
Perkembangan fisik tidak sama
1 a. Halaman Utama Sistem
bahaya dan tidak 1
K017
Terganggu dalam hal motorik
K018
Masih mampu membedakan
bahaya dan tidak bahaya 1 dilihat pada Gambar 6.
Gambar 4. Pencarian Kemiripan Karakteristik dengan Tunagrahita
Sedang
Similarity = (1*1)+(1*0,75)+(1*1)+(1*1)+(1*1)+(1*1)+(1*1)
1+1+0,75+0,75+1+2+1+1+1+1+1+1+1
c. Halaman Input Karakteristik terdapat kotak untuk mengisi data anak yang akan
Merupakan halaman yang digunakan admin untuk diidentifikasi dan juga list karakteristik Tunagrahita
mengelola data karakteristik-karakteristik, mulai dari yang akan dipilih oleh user.
menginput, mengedit dan menghapus data karakteristik.
f. Halaman Identifikasi
Merupakan halaman yang akan digunakan dalam
proses pengidentifikasian karakteristiktik anak
berkebutuhan khusus (Tunagrahita) yang didalamnya
4. Kesimpulan
Hasil similarity 51,92% untuk Tunagrahita sedang, 17,5%
untuk Tunagrahita ringan dan 8% untuk Tunagrahita berat.
Maka penelitian ini menjadi indikator didalam proses
pengidentifikasian karakteristik Tunagrahita yang dialami
oleh anak.
Daftar Rujukan
[1] Mulyani, E. D.S., Uryani, N.S., & Putri, F. V. (2017). Aplikasi
Gambar 14. Cetak Hasil Identifikasi Pakar Diagnosa Anak Berkebutuhan Khusus Dengan Metode
Backward Chaining (Study Kasus : TK Plus As-Salam Kec.
j. Daftar Hasil Identifikasi Anak Bekebutuhan Kawalu KotaTasikmalaya). Tecno.Com. 16(3), 300-314. DOI:
Khusus (Tunagrahita) https://doi.org/10.33633/tc.v16i3.1406 .
Admin juga dapat melihat atau mencetak laporan list [2] Marlim, Y. N., & Kurniawan, W. J. (2018). Perancangan Sistem
anak berkebutuhan khusus yang telah melakukan Pakar Untuk Menentukan Kelas Padan Anak Berkebutuhan
proses pengidentifikasian. Khusus dengan Metode Forward Chaining. Journal Of
Information Systems and Informatics Engineering, 2(2), 7- 16.
DOI: https://doi.org/10.35145/joisie.v2i2.13 .
[3] Fauzy, M.N., & Satya, B. (2017). Sistem Pakar Klasifikasi
Tunagrahita Menggunakan Metode Forward Chaining Berbasis
Web (Studi Kasus : Slb Tunas Kasih 2 Turi). Jurnal Ilmiah
DASI, 18(1), 14-19.
[4] Suryaningrum, C., Ingarianti, T.M., & Anwar, Z .(2016).
Pengembangan Model Deteksi Dini Anak Berkebutuhan Khusus
(ABK) Pada Tingkat Pendidikan Anak Usia Dini (PAUD) di
Kota Malang. Jurnal Ilmiah Psikologi Terapan, 4(2).
[5] Effendi, L., Darajat, D.M., & Lestari, S. (2018). Analisa Berat
Bersih Daging Serta Ciri-Ciri Sapi Normal dan Glongongan
Gambar 15. Daftar Hasil Identifikasi Menggunakan Sistem Pakar dengan Metode Case Based
Reasoning (CBR) Berbasis Android. Multitek Indonesia: Jurnal
Antara hasil yang didapatkan pada tahapan analisa dan Ilmiah, 12 (2), 114-121. DOI:
http://doi.org/10.24269/mtkind.v12i2.1219 .
perancangan yang melakukan pencarian menggunakan
sistem. Akan dilakukan perbandingan dengan tujuan [6] Salamun. (2017). Penerapan Algoritma Nearest Neighbor dan
CBR pada Expert System Penyimpangan Perilaku Seksual. JOIN
untuk mengetahui antara sistem dan pencarian manual
(Jurnal Online Informatika), 2(2), 63-70. DOI:
menghasilkan nilai similarity yang sama dan hasil https://doi.org/10.15575/join.v2i2.97 .
pengidentifikasian tersebut juga sama dengan fakta
[7] Fatoni, C. S., & Noviandha, F. D. (2017). Case Based Reasoning
yang dialami pada anak tersebut. Adapun perbandingan Diagnosis Penyakit Difteri dengan Algoritma K-Nearest
tersebut dibuat dalam bentuk Tabel 4. Neighbor. Citec Journal, 4(3). DOI:
https://doi.org/10.24076/citec.2017v4i3.112 .
Tabel 4. Tabel Karakteristik Tunagrahita
Nama Karakteristik Similarity Similaity Hasil Fakta Keterang
[8] Rahman, A., Slamet, C., Gerhana, Y. A., & Ramdhani, M. A
Anak yang melekat (Perhitunga (Mengguna Identifik Sebenar an Hasil (2018). Expert System for Deciding a Solution of Mechanical
n manual) kan Sistem) asi nya
Fahmi K006,K010,K 51,92 % 51,92 % Tunagra Tunagra Valid Failure in a Car using Case-based Reasoning. AASEC.
Rasadi 012,K013,K01 hitaSeda hitaSeda
5,K016,K018 ng ng [9] Merawati, N. L. P., & Hartati, S. (2018). Sistem Rekomendasi
Aidil K002,K003,K 55 % 55 % Tunagra Tunagra Valid
Akbar 004,K006,K00 hita hita Topik Skripsi Menggunakan Metode Case Based Reasoning.
7,K010,K014 Ringan Ringan Jurnal Ilmiah Teknologi Informasi Terapan, 4(3). DOI:
Mutiara K002,K003,K 65 % 65 % Tunagra Tunagra Valid
004,K005,K00 hita hita https://doi.org/10.33197/jitter.vol4.iss3.2018.164 .
6,K009,K010, Ringan Ringan
K014
Govi K010,K015,K 58,97 % 58,97 % Tunagra Tunagra Valid [10] Suprapto, R. A., Astiningrum, M., & Rismanto, R. (2017).
Sang Eka 016,K020,K02 hita hita Implementasi Case-Based Reasoning Pada Pemanggilan Surat Al
Putra 1,K022 Berat Berat
Gio K003,K006,K 44,23 % 44,23 % Tunagra Tunagra Valid Quran Untuk Penyandang Disabilitas Tangan Berbasis Android.
Manilans 010,K012,K01 hitaSeda hitaSeda
a 4,K015,K016, ng ng
JIP, 3(3). DOI: https://doi.org/10.33795/jip.v3i3.32 .
K020
Angga K007,K008,K 55,77 % 55,77 % Tunagra Tunagra Valid [11] Silmina, E. P., & Wardoyo, R. (2018). Aplikasi Case Based
Junaidi 010,K012,K01 hitaSeda hitaSeda
Putra 3,K014,K015, ng ng Reasoning Untuk Identifikasi Serangan Hama Pada Tanaman
Safira
K016
K002,K003,K 72,50 % 72,50 % Tunagra Tunagra Valid
Jeruk. Tranmisi, 20(3), 96-104. DOI:
Lestari 004,K005,K00 hita hita https://doi.org/10.14710/transmisi.20.3.96-104 .
6,K007,K009, Ringan Ringan
K010,K014
Inten K007,K008,K 48,08 % 48,08 % Tunagra Tunagra Valid [12] Azmi, Z & Yasin, V. (2017). Pengantar Sistem Pakar dan
Purnama 009,K013,K01 hita hita Metode. Penerbit: Mitra Wacana Media.
Putri 4,K015,K016, Sedang Sedang
K020
Nifa K002,K003,K 57,50 % 57,50 % Tunagra Tunagra Valid [13] Galuh, G., Harijanto, B., Ariyanto, Y. (2017). Pengembangan
Zainatul 004,K005,K00 hita hita Sistem Pakar Pendeteksi Penyakit Pada Kucing Dengan Metode
Muzhar 6,K007 Ringan Ringan
Rapidon K006,K007,K 55,77 % 55,77 % Tunagra Tunagra Valid Case Based Reasoning Dan Certainty Factor Berbasis Android.
009,K010,K01 hitaSeda hitaSeda
2,K014,K015, ng ng JIP, (3) 2. DOI: https://doi.org/10.33795/jip.v3i2.8 .
K017