Critical Review Skripsi Sistem Pakar

UNIVERSITAS GUNADARMA

FAKULTAS ILMU KOMPUTER & TEKNOLOGI INFORMASI

Critical Review

SISTEM PAKAR PENENTUAN KEBUTUHAN PEMBELAJARAN BAHASA INGGRIS DENGAN METODE FUZZY INFERENCE SYSTEM MAMDANI                                                        Nama                    : Ilham Muhammad                                                        NPM                     : 13116429                                                        Kelas                     : 3KA06                                                        Jurusan                : Sistem Informasi

Diajukan Guna Melengkapi Tugas Softskill

Pengantar Teknologi Sistem Cerdas

JAKARTA

2018

---

Critical Review

1. Judul Jurnal

SISTEM PAKAR PENENTUAN KEBUTUHAN PEMBELAJARAN BAHASA INGGRIS DENGAN METODE FUZZY INFERENCE SYSTEM MAMDANI

2. Bidang Yang Sedang Dikembangkan (Field Establishment)

Sistem pakar merupakan sebuah program komputer yang menerapkan konsep kecerdasan buatan (Artificial Intelligence) untuk membantu manusia dalam menyelesaikan suatu masalah yang melibatkan pengetahuan, heuristik, dan pembuatan keputusan. Sistem pakar dapat memperoleh dan menyimpan pengetahuan pakar yang bernilai sehingga kita dapat menyelesaikan masalah yang membutuhkan keahlian pakar saat itu juga meskipun keberadaan pakar sedang tidak tersedia. Sistem pakar dapat digunakan untuk menentukan kompetensi bahasa Inggris karena menyimpan pengetahuan/kepakaran dari ahli yang sangat dibutuhkan dalam penentuan tingkat kompetensi bahasa Inggris.

3. Masalah (Problem)

Informasi yang ada di bumi ini telah terkomputerisasi dan menggunakan bahasa internasional yaitu bahasa Inggris. Tanpa kompetensi bahasa Inggris yang memadai maka manusia-manusia modern akan kesulitan dalam menjalani komunikasi dan interaksi global tersebut. Pada kenyataannya, rata-rata kemampuan bahasa Inggris siswa/mahasiswa di Indonesia kurang menunjukkan hasil yang memuaskan.

Berdasarkan paparan tersebut, permasalahan yang diangkat dalam penelitian ini adalah bagaimana merancang dan membangun Sistem pakar penentuan kebutuhan pembelajaran Bahasa Inggris dengan metode fuzzy inference system Mamdani dan bagaimana kelayakan/akurasi sistem jika dibandingkan dengan inferensi dari pakar.

4. Solusi (Solution)

Solusi dalam menyelesaikan permasalahan ini dibutuhkan upaya peningkatakan kompetensi bahasa Inggris melalui kegiatan pembelajaran yang tepat. Sulitnya menemukan kegiatan pembelajaran yang tepat juga menjadi masalah tersendiri dalam upaya peningkatan kompetensi bahasa Inggris di Indonesia. Untuk menyelesaikan hal ini dibutuhkan dukungan dari sistem yang mengadopsi keahlian seorang pakar pendidikan bahasa Inggris sehingga memudahkan pengajar bahasa Inggris dalam melakukan kegiatan pembelajaran yang efektif dan efisien. Dengan mengadopsi Sistem Pakar dan Logika Fuzzy.

5. Evaluasi (Evaluation)

Sistem dapat dikembangkan untuk tidak hanya berdasarkan nilai TOEFL tetapi dapat memproses nilai tes profesiensi Bahasa Inggris lainnya seperti TOEIC dan IELTS.

Proses optimasi himpunan fuzzy tidak hanya dilakukan pada fungsi keanggotaan output saja tetapi diterapkan pada fungsi keanggotaan input juga agar dapat menghasilkan akurasi yang lebih baik. Peningkatan hasil akurasi bisa dicapai dengan menggunakan algoritma optimasi yang lebih baik dan teruji untuk berbagai masalah kompleks, misalnya algoritma genetika dan simulated annealing.

Penambahan fasilitas untuk penambahan dan update untuk optimasi output fuzzy, jadi pelatihan data untuk penentuan fungsi keanggotaan output fuzzy tidak hanya terbatas pada data yang sudah diinputkan tetapi dapat berkembang dan menyesuaikan dengan data-data yang ada dimasa depan. Hal ini juga memungkinkan pakar untuk memperbaiki data-data yang lama.

6. Kontribusi (Contribution)

Sistem pakar penentuan kebutuhan pembelajaran Bahasa Inggris ini mampu untuk memberikan rekomendasi jumlah kebutuhan tatap muka pembelajaran Bahasa Inggris berdasarkan nilai TOEFL. Selain itu sistem ini juga dapat memberikan rekomendasi materi tiap pertemuan yang dapat diajarakan dan cara mngajarkan materi-materi tersebut. Penentuan rekomdasi jumlah pertemuan pembelajaran Bahasa Inggris diperoleh melalui proses inferensi fuzzy Mamdani dengan optimasi himpunan fuzzy output menggunakan random search.

Sistem pakar penentuan kebutuhan pembelajaran Bahasa Inggris dapat bekerja dengan baik dan dapat digunakan untuk menentukan kebutuhan pembelajaran Bahasa Inggris. Hal ini berdasarkan hasil pengujian fungsional sistem dengan metode black box testing yang mencapai tingkat kesesuaian 100%.

Berdasarkan hasil pengujian akurasi sistem didapatkan nilai akurasi sebesar 95%. Hal ini menunjukkan bahwa sistem pakar penentuan kebutuhan pembelajaran Bahasa Inggris dapat memberikan hasil rekomendasi yang sesuai dengan tingkat kemiripan 95% dengan hasil rekomendasi yang dilakukan oleh pakar.

7. Sumber Jurnal

Hidayat, Hanani Rizal., dkk. 2014. ”SISTEM PAKAR PENENTUAN KEBUTUHAN PEMBELAJARAN BAHASA INGGRIS DENGAN METODE FUZZY INFERENCE SYSTEM MAMDANI”.http://wayanfm.lecture.ub.ac.id/files/2015/02/JurnalSkripsi-2013-2014-013-Hanani.pdf. Diunduh pada tanggal 21 November 2018.

Kecerdasan Buatan Mampu Membuat Mesin Menjadi Cerdas

Ilustrasi: Harvard Business Review

Di era sekarang ini bisa kita lihat dimana-mana, bahwasannya mesin telah melampui umat manusia, yang artinya manusia telah berhasil menciptakan sebuah mesin yang awalnya hanya sebuah besi biasa menjadi bisa melakukan berbagai hal sehingga apa yang dapat dilakukan manusia bisa dilakukan oleh mesin. Hal ini dikarenakan hadirnya komputer modern dengan komputasi yang lebih canggih dengan berbagai tampilan yang bervariasi.

Komputer sekarang ini bersifat sangat unik, dimana mereka didesain agar lebih mudah digunakan untuk memenuhi kebutuhan manusia. Bahkan sebenarnya, salah satu pendorong utama ke arah pembuatan mesin menjadi cerdas adalah suatu keinginan manusia membuat sebuah teknologi yang lebih mudah digunakan dan diakses. Alasan lain membuat mesin menjadi cerdas adalah keperluan akan segala sesuatu yang bersifat otonom, sehingga mesin yang cerdas dapat membebaskan manusia sepenuhnya dari berbagai pekerjaan yang berulang-ulang atau pun berbahaya.

Sebagai contoh, pembelian tiket, dahulu kita membeli tiket pada penjual tiket (manusia) sekarang ini kita membeli tiket melalui mesin tanpa perantara manusia lagi. Dalam transportasi, kendaraan sekarang ini bisa bergerak dari suatu tempat awal ke tujuan yang dituju secara otonom, tanpa diperlukannya supir, begitu pula dengan halnya jasa penerjemah, dengan hanya menggunakan gawai pintar, kita tidak perlu lagi ragu ke suatu tempat dengan bahasa yang tidak kita mengerti dan tidak perlu lagi menggunakan jasa penerjemah, cukup memotret tulisan bahasa asing, akan secara automatis terjemahkan, dan masih banyak lagi contoh kemampuan mesin/komputer cerdas lainnya.

Bagaimana mesin bisa menjadi cerdas ?

Sejak pertama kali komputer diciptakan, manusia sudah memikirkan bagaimana caranya agar komputer dapat belajar. Lalu berkembanglah istilah machine learning, yang pada dasarnya merupakan sebuah proses komputer untuk belajar dari data (learn from data). Tanpa adanya data, komputer tidak akan bisa belajar apa-apa. Machine Learning ini sendiri ialah merupakan suatu cabang ilmu dari Kecerdasan Buatan (AI – Artificial Intelligence)

Istilah “kecerdasan artifisial /  kecerdasan buatan” dikenalkan tahun 1956 oleh ilmuwan komputer Amerika, John McCarthy (lahir 1927). Suatu penelitian di Dartmouth College berusaha untuk meneliti ide yang mengatakan bahwa “setiap bagian dari belajar atau ciri-ciri kecerdasan lainnya dapat secara prinsip digambarkan secara tepat sehingga sebuah mesin dapat didesain untuk mensimulasikannya”.

Terdapat pula sistem inovasi baru yang membuat mesin menjadi cerdas dengan adanya Soft Computing, sistem cerdas ini merupakan sistem yang memiliki keahlian seperti manusia, mampu beradaptasi dan belajar agar mampu bekerja lebih baik pada saat terjadinya perubahan lingkungan baru. Adapula unsur pokok dala Soft Computing diantaranya adalah : Sistem fuzzy, Jaringan Saraf Tiruan, Probabilistic Reasoning, Evolutionary Computing.

Terdapat 5 langkah dalam melakukan penalaran pada sistem fuzzy, yaitu:

·         Memasukkan input fuzzy.

·         Mengaplikasikan operator fuzy.

·         Mengaplikasikan metode implikasi.

·         Komposisi semua output.

·         Defuzifikasi.

Langkah – Langkah Pengembangan Sistem Fuzzy

Fuzzy Logic atau Logika Fuzzy adalah sebuah cara yang tepat guna memetakan suatu ruang input ke dalam ruang output. Penggunaan fuzzy logic ini pada umumnya dibuat untuk memecahkan sistem yang rumit dan kompleks. Sistem fuzzy, yaitu sistem yang bekerja berbasiskan sebuah prinsip-prinsip logika fuzzy.

Kesimpulan

Manusia kini mampu membuat mesin menjadi cerdas dan mampu menggantikan berbagai tugas manusia, namun mesin tidak mampu melampaui umat manusia dimana manusia ialah makhluk ciptaan tuhan yang paling sempurna melebihi segala hal, mesin di jaman sekarang ini bisa belajar dengan sendirinya dengan pengimplementasian artificial intelligence / kecerdasan buatan pada mesin tersebut. Sekarang ini kita mengenal dengan istilah Machine Learning ( suatu cabang disiplin ilmu dari AI ), dimana mesin belajar dari data-data atau dari kebiasaan mesin itu berproses mengolah data. Sehingga mesin mampu menjadi cerdas bahkan hingga setara dengan umat manusia dengan belajar secara otonom berdasarkan dari data tersebut. 

Referensi

Salman, Afan Galih .2012.Pemodelan Dasar Sistem Fuzzy

http://socs.binus.ac.id/2012/03/02/pemodelan-dasar-sistem-fuzzy/

https://www.codepolitan.com/mengenal-teknologi-machine-learning-pembelajaran-mesin