P. 1
REZZZI NO

REZZZI NO

|Views: 64|Likes:
Published by Rezzi No

More info:

Published by: Rezzi No on Mar 23, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

07/25/2014

pdf

text

original

Sections

LOGIKA FUZZY UNTUK PENENTUAN JURUSAN DI SMA

HALAMAN SAMPUL

SKRIPSI

Oleh

Lahmudin I. Panigoro
531408042

PROGRAM STUDI SISTEM INFORMASI TEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS NEGERI GORONTALO JULI 2012

LOGIKA FUZZY UNTUK PENENTUAN JURUSAN DI SMA
HALAMAN JUDUL

SKRIPSI
Diajukan untuk memenuhi salah satu syarat memperoleh Gelar Sarjana pada Program Studi Sistem Informasi

Oleh

Lahmudin I. Panigoro
531408042

PROGRAM STUDI SISTEM INFORMASI TEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS NEGERI GORONTALO JULI 2012

iii

LEMBAR PERNYATAAN HALAMAN PERNYATAAN ORISINALITAS Saya menyatakan bahwa skripsi yang saya susun, sebagai syarat memperoleh gelar sarjana merupakan hasil karya tulis saya sendiri. Adapun bagian-bagian tertentu dalam penulisan skripsi ini yang saya kutip dari hasil karya orang lain telah dituliskan sumbernya secara jelas sesuai dengan norma, kaidah, dan etika penulisan ilmiah. Saya bersedia menerima sanksi pencabutan gelar akademik yang saya peroleh dan sanksi-sanksi lainnya sesuai dengan peraturan yang berlaku, apabila dikemudian hari ditemukan adanya plagiat dalam skripsi ini.

Gorontalo,

Juli 2012

Lahmudin I. Panigoro NIM. 531408042

iii

iv

MOTTO HALAMAN MOTTO DAN PERSEMBAHAN

Ada usaha, Pasti ada jalan

PERSEMBAHAN

Kupersembahkan skripsi ini untuk almarhum papa tercinta dan mama tersayang Om dan tante yang selalu memberikan motivasi Kakak-kakak, adik-adik dan seluruh keluargaku Seseorang yang setiap saat bersamaku dalam pembuatan laporan skripsi ini Teman-teman seperjuangan prodi sistem informasi angkatan 2008

iv

v

PERSETUJUAN MENGIKUTI SEMINAR SKRIPSI HALAMAN PERSETUJUAN Dengan ini dinyatakan bahwa mahasiswa sebagai berikut : Nama NIM Judul Penelitian Program Studi Jurusan : Lahmudin I. Panigoro : 531408042 : Logika Fuzzy Untuk Penentuan Jurusan di SMA : Sistem Informasi : Teknik Informatika

Telah memenuhi persyaratan untuk mengikuti Seminar Skripsi. Demikian Surat Persetujuan ini dibuat untuk digunakan seperlunya.

Gorontalo, Pembimbing 1

Juli 2012 Pembimbing 2

Mukhlisulfatih Latief, S.Kom, MT NIP. 19771210 200112 1001

Lillyan Hadjaratie, S.Kom, M.Si NIP. 19800417 200212 2002

v

vi

LEMBAR PENGESAHAN SKRIPSl HALAMAN PENGESAHAN Skripsi yang berjudul : “Logika Fuzzy Untuk Penentuan Jurusan di SMA” telah dipertahankan di hadapan sidang dewan penguji skripsi pada : Hari Tanggal Waktu : Kamis : 26 Juli 2012 : 09.00 – 11.00 Oleh Nama NIM : Lahmudin I. Panigoro : 531408042 Penguji Skripsi Penguji 1 Penguji 2 Pcnguji 3 Penguji 4 : ARIP MULYANTO, S.Kom, M.Kom : DIAN NOVIAN, S.Kom, MT : TAJUDDIN ABDILLAH, S.Kom, M.Cs : MUKHLISULFATIH LATIEF, S.Kom, MT ( ( ( ( ) ) ) )

Mengetahui, Pembimbing 1 Pembimbing 2

Mukhlisulfatih Latief, S.Kom, MT NIP. 19771210 200112 1001

Lillyan Hadjaratie, S.Kom, M.Si NIP. 19800417 200212 2002

Menyetujui, Dekan Fakultas Teknik Ketua Program Studi Sistem Informasi

Ir. Rawiyah Husnan, MT NIP. 19640427 199403 2001

Agus Lahinta, ST, M.Kom NIP. 19740817 200112 1001

vi

vii

KATA PENGANTAR Puji dan syukur kepada Allah SWT, karena atas berkat dan rahmat-Nya sehingga skripsi dengan judul “Logika Fuzzy Untuk Penentuan Jurusan di SMA” ini dapat diselesaikan dengan baik. Tanpa bantuan dan dukungan dari berbagai pihak, skripsi ini tidak dapat diselesaikan dengan baik. Oleh karena itu pada kesempatan ini diucapkan terima kasih kepada : 1. 2. Ibu Ir. Rawiyah Husnan, MT selaku Dekan Fakultas Teknik. Bapak Arip Mulyanto, S.Kom, M.Kom selaku Ketua Jurusan Teknik Informatika yang telah memfasilitasi selama perkuliahan berlangsung hingga terselesaikannya penulisan skripsi ini. 3. Bapak Agus Lahinta, ST, M.Kom selaku Kepala Program Studi Sistem Informasi yang telah memberikan arahan dan petunjuk dalam penyusunan skripsi ini. 4. Bapak Mukhlisulfatih Latief, S.Kom., MT dan Ibu Lillyan Hadjaratie, S.Kom., M.Si selaku pembimbing skripsi, yang telah meluangkan waktu dan mengarahkan selama penyusunan skripsi ini. 5. Seluruh Staf Pengajar Teknik Informatika Universitas Negeri Gorontalo, yang telah membagi pengetahuannya selama proses perkuliahan. 6. Seluruh Staf Administrasi Teknik Informatika Universitas Negeri Gorontalo, yang telah membantu urusan administrasi selama proses perkuliahan dan penyusunan skripsi ini. 7. Staf Akademik SMA Negeri 1 Kota Gorontalo, yang telah membantu kelancaran proses penelitian.

vii

viii

8.

Keluarga tercinta dan kawan-kawan yang telah membantu secara moril maupun materil selama perkuliahan dan penyusunan skripsi ini. Disadari bahwa dalam penulisan skripsi ini masih terdapat banyak

kekurangan, sehingga saran dan koreksi sangat dibutuhkan dalam proses penyempurnaannya. Semoga skripsi ini memberikan manfaat dalam

pengembangan ilmu pengetahuan.

Gorontalo, Juli 2012 Penulis

viii

ix

INTISARI
Penentuan jurusan terhadap siswa SMA sering kali tidak sesuai dengan minat dan bakat yang dimiliki oleh siswa, hal ini dapat mengakibatkan siswa yang bersangkutan tidak terarah ke bidang yang sesuai dengan kemampuannya. Pada penelitian ini dibuatkan sistem inferensi fuzzy dengan Model Sugeno, yang dapat membantu tim penentu jurusan untuk menentukan jurusan yang tepat bagi siswa-siswinya. Tahapan sistem inferensi fuzzy model sugeno diantaranya adalah input data variabel, penentuan derajat kenggotaan himpunan variabel fuzzy, menghitung nilai predikat aturan dan terakhir adalah defuzzifikasi. Sistem dibuat dengan menggunakan bahasa pemrograman visual basic 6.0 dan microsoft access 2003 sebagai databasenya. Dengan adanya sistem ini akan lebih mempermudah tim penentu jurusan dalam proses penentuan jurusan yang lebih tepat dan terarah. Kata Kunci : sistem inferensi fuzzy, model sugeno, penentuan jurusan di sma

ix

x

ABSTRACT
Majors determination of the Senior high school students sometimes was not appropriate with their interest and talent. It is caused bad to the students because they will not guided well by their skill. In this study there is a system of fuzzy inferential Sugeno model which can help school to determine the right major to the students. Steps of system of fuzzy inferential Sugeno model is input variable data, determining association member degree of variable Fuzzy, counting value of rule design and the last is defuzzification. This system was made by using programming language visual basic 6.0 and Microsoft access 2003 as the database. The school will be facilitating in processing major determination appropriately and accurately by using this system. Keywords: System of Inferential Fuzzy, Model of Sugeno, Major determination at Senior High School.

x

xi

DAFTAR ISI HALAMAN SAMPUL ........................................................................................... i HALAMAN JUDUL ............................................................................................. ii HALAMAN PERNYATAAN ORISINALITAS ............................................... iii HALAMAN MOTTO DAN PERSEMBAHAN ................................................ iv HALAMAN PERSETUJUAN ............................................................................. v HALAMAN PENGESAHAN .............................................................................. vi KATA PENGANTAR ......................................................................................... vii INTISARI ............................................................................................................. ix ABSTRACT ............................................................................................................ x DAFTAR ISI ......................................................................................................... xi DAFTAR TABEL .............................................................................................. xiii DAFTAR GAMBAR .......................................................................................... xiv DAFTAR LAMPIRAN ....................................................................................... xv BAB I PENDAHULUAN ...................................................................................... 1 A. Latar Belakang Masalah ........................................................................... 1 B. Rumusan Masalah .................................................................................... 2 C. Ruang Lingkup Penelitian ........................................................................ 2 D. Tujuan Penelitian ...................................................................................... 3 E. Manfaat Penelitian .................................................................................... 3 BAB II TINJAUAN PUSTAKA........................................................................... 4 A. Penjurusan di SMA .................................................................................. 4 B. Logika Fuzzy ............................................................................................ 4 C. Sistem Inferensi Fuzzy.............................................................................. 9 D. Model Sugeno ......................................................................................... 10 E. Penelitian Terkait ................................................................................... 12 BAB III METODOLOGI PENELITIAN ......................................................... 14 A. Objek Penelitian ..................................................................................... 14 B. Metode Penelitian ................................................................................... 14 C. Teknik Pengumpulan Data ..................................................................... 15 D. Tahapan Penelitian ................................................................................. 16 E. Jadwal Penelitian .................................................................................... 19 BAB IV HASIL DAN PEMBAHASAN ............................................................ 20 A. Hasil Penelitian....................................................................................... 20 1. Analisis Permasalahan ............................................................................ 20 2. Perancangan Sistem Inferensi Fuzzy ....................................................... 20 3. Perancangan Sistem ................................................................................ 26 4. Contoh Kasus .......................................................................................... 38 xi

xii

B.

5. Implementasi dan Pengujian ................................................................... 42 Pembahasan ............................................................................................ 49

BAB V PENUTUP ............................................................................................... 51 A. Kesimpulan ............................................................................................. 51 B. Saran ....................................................................................................... 51 DAFTAR PUSTAKA .......................................................................................... 52 LAMPIRAN ......................................................................................................... 53

xii

xiii

DAFTAR TABEL Tabel 3.1 Jadwal Penelitian .................................................................................. 19 Tabel 4.1 Himpunan input fuzzy ........................................................................... 21 Tabel 4.2 Rancangan tabel siswa.......................................................................... 37 Tabel 4.3 Rancangan tabel nilai ........................................................................... 38 Tabel 4.4 Contoh data nilai siswa......................................................................... 39 Tabel 4.5 Rencana pengujian sistem .................................................................... 45 Tabel 4.6 Pengujian login (data normal) .............................................................. 45 Tabel 4.7 Pengujian login (data salah) ................................................................. 45 Tabel 4.8 Pengujian olah data siswa (data normal) .............................................. 46 Tabel 4.9 Pengujian olah data siswa (data salah) ................................................. 47 Tabel 4.10 Pengujian olah nilai (data normal) ..................................................... 48 Tabel 4.11 Pengujian olah nilai (data salah) ........................................................ 48 Tabel 4.12 Pengujian pindah jurusan (data normal) ............................................. 48 Tabel 4.13 Pengujian pindah jurusan (data salah) ................................................ 48

xiii

xiv

DAFTAR GAMBAR Gambar 3.1 Tahapan penelitian ........................................................................... 18 Gambar 4.1 Fungsi keanggotaan variabel RIPA ................................................. 22 Gambar 4.2 Fungsi keanggotaan variabel RIPS .................................................. 23 Gambar 4.3 Fungsi keanggotaan variabel RBahasa ............................................ 23 Gambar 4.4 Fungsi keanggotaan variabel Tes IQ ............................................... 24 Gambar 4.5 Fungsi keanggotaan variabel Minat IPA ......................................... 25 Gambar 4.6 Fungsi keanggotaan variabel Minat IPS .......................................... 25 Gambar 4.7 Fungsi keanggotaan variabel Minat Bahasa .................................... 26 Gambar 4.8 Flowchart model sugeno ................................................................. 29 Gambar 4.9 Struktur menu sistem ....................................................................... 30 Gambar 4.10 Rancangan menu login .................................................................. 31 Gambar 4.11 Rancangan menu utama ................................................................. 31 Gambar 4.12 Rancangan menu olah data siswa .................................................. 32 Gambar 4.13 Rancangan menu olah nilai siswa .................................................. 32 Gambar 4.14 Rancangan menu pindah jurusan ................................................... 33 Gambar 4.15 Rancangan laporan hasil penjurusan ............................................. 34 Gambar 4.16 Diagram Konteks Sistem Penentuan Jurusan ................................ 34 Gambar 4.17 DAD Level 0 Sistem Penentuan Jurusan ....................................... 35 Gambar 4.18 DAD Level 1 Olah data siswa ....................................................... 36 Gambar 4.19 DAD Level 1 Model sugeno .......................................................... 36 Gambar 4.20 Relasi Tabel ................................................................................... 37 Gambar 4.21 Tampilan menu login ..................................................................... 42 Gambar 4.22 Tampilan menu utama ................................................................... 42 Gambar 4.23 Tampilan menu olah data siswa ..................................................... 43 Gambar 4.24 Tampilan menu olah nilai siswa .................................................... 43 Gambar 4.25 Tampilan menu pindah jurusan ..................................................... 44 Gambar 4.26 Tampilan laporan ........................................................................... 44

xiv

xv

DAFTAR LAMPIRAN Lampiran-1 Pembentukan aturan ........................................................................ 54 Lampiran-2 Hasil perhitungan nilai predikat aturan ........................................... 60 Lampiran-3 Surat pernyataan pelaksanaan penelitian ........................................ 66 Lampiran-4 Struktur organisasi SMA Negeri 1 Kota Gorontalo ........................ 67 Lampiran-5 Contoh hasil tes IQ penerimaan siswa baru .................................... 68 Lampiran-6 Surat pernyataan mutasi kelas ......................................................... 71

xv

1

BAB I PENDAHULUAN A. Latar Belakang Masalah Pendidikan merupakan salah satu faktor yang penting dalam menentukan kemajuan suatu bangsa, karena dengan adanya pendidikan dapat mengembangkan berbagai potensi yang ada dalam diri seseorang. Dalam proses memperoleh pendidikan, siswa berhak mendapatkan pelayanan pendidikan yang sesuai dengan minat dan kemampuan. Pada tingkat Sekolah Menengah Atas (SMA) siswa mulai diarahkan untuk memperoleh pengalaman belajar yang sesuai dengan potensi masing- masing. Penjurusan siswa di sekolah menengah atas menjadi titik awal yang menentukan profesi di masa depan. Proses penjurusan siswa pada tingkat SMA, selama ini yang menentukan keputusan dalam proses penjurusan adalah guru. Guru dianggap sebagai orang yang berkompeten dan berhak untuk menentukan keputusan dalam proses penjurusan siswa, hal ini karena guru dianggap mengetahui minat dan kemampuan dari siswa tersebut secara langsung. Proses penjurusan di SMA dilakukan pada saat siswa berada di kelas X (sepuluh) dan akan naik ke kelas XI (sebelas). Setelah wali kelas menerima seluruh nilai semester maka wali kelas akan memutuskan apakah siswa tersebut naik atau tidak. Jika siswa tersebut dinyatakan naik maka selanjutnya akan dilakukan proses penjurusan oleh tim yang terdiri dari Wakil Kepala Sekolah Bidang Kurikulum, Guru Bimbingan Konseling, Wali Kelas X dan Guru Mata Pelajaran yang berkaitan dengan penjurusan. Masalah yang sering terjadi dalam proses penjurusan adalah keterlambatan nilai siswa dari para wali kelas, akibatnya

1

2

pada akhir proses penjurusan para tim penentu jurusan berburu waktu sehingga proses penjurusan kurang tepat, ditambah lagi dengan banyaknya jumlah siswa kelas X. Tahun ajaran 2011/2012 tercatat siswa kelas X sejumlah 280 orang. Dengan adanya permasalahan tersebut peneliti memutuskan untuk

menggunakan logika fuzzy, sebab konsep logika fuzzy didasarkan pada bahasa alami. Berdasarkan latar belakang masalah yang ada, maka penulis mengangkat judul “Logika Fuzzy Untuk Penentuan Jurusan di SMA”. Hasil akhirnya dapat bermanfaat dalam proses penjurusan di SMA sehingga bisa menghasilkan keputusan sesuai dan tepat dengan kemampuan yang dimiliki oleh siswa. B. Rumusan Masalah Bagaimana menerapkan model sugeno pada sebuah sistem inferensi fuzzy yang dapat digunakan dalam menentukan jurusan yang tepat bagi siswa, agar lebih terarah ke jurusan yang sesuai dengan kemampuannya? C. Ruang Lingkup Penelitian 1. Variabel input yang digunakan adalah hasil Tes IQ, minat dan nilai mata pelajaran yang ada hubungannya dengan penjurusan seperti matematika, biologi, fisika dan kimia untuk jurusan IPA, ekonomi akuntansi, sejarah, geografi, sosiologi untuk jurusan IPS dan bahasa indonesia, bahasa inggris, TIK untuk jurusan Bahasa. 2. 3. Output yang dihasilkan adalah jurusan IPA, IPS dan Bahasa. Model yang diterapkan pada proses penjurusan adalah model sugeno

2

3

D. Tujuan Penelitian Menerapkan model sugeno pada sebuah sistem yang dapat mempermudah tim penentu jurusan dalam menetapkan jurusan bagi siswa, agar lebih terarah ke jurusan yang sesuai dengan kemampuannya. E. Manfaat Penelitian 1. Bagi SMA Mempermudah Lembaga dalam menentukan jurusan yang tepat bagi siswa, agar lebih terarah ke jurusan yang sesuai dengan kemampuannya. 2. Bagi Peneliti Dapat menambah wawasan tentang fuzzy inference system dengan model sugeno.

3

4

BAB II TINJAUAN PUSTAKA A. Penjurusan di SMA Sepanjang perkembangan Pendidikan formal di Indonesia teramati bahwa penjurusan di SMA telah dilaksanakan sejak awal kemerdekaan yaitu tahun 1945 sampai sekarang, yang dipilah menjadi Jurusan Ilmu Pengetahuan Alam (IPA), Ilmu Pengetahuan Sosial (IPS) dan Bahasa. Pergantian kurikulum dari tahun ke tahun, mulai dari kurikulum 1968, kurikulum 1975, kurikulum 1984, 1994, sampai dengan yang terakhir yaitu kurikulum 2004, tetap memberlakukan penjurusan sebagai bagian integral untuk mencapai tujuan pendidikan yakni mewujudkan potensi anak sesuai dengan kemampuannya pada masing-masing gugus ilmu pengetahuan (Lasan, 2009). B. Logika Fuzzy Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Terdapat beberapa alasan orang menggunakan logika fuzzy (Widodo & Handayanto, 2012), antara lain adalah : 1) Konsep logika fuzzy mudah dimengerti. Konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti. 2) Logika fuzzy sangat fleksibel. 3) Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat. 4) Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang sangat kompleks.

4

5

5) Logika fuzzy dapat

membangun

dan mengaplikasikan pengalaman-

pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan. 6) Logika fuzzy dapat bekerja sama dengan teknik-teknik kendali secara konvensional. 7) Logika fuzzy didasarkan pada bahasa alami. Beberapa aplikasi logika fuzzy, antara lain adalah (Widodo & Handayanto, 2012) : 1) Pada tahun 1990 pertama kali dibuat mesin cuci dengan logika fuzzy di jepang (Matsushita Electric Industrial Company). Sistem fuzzy digunakan untuk menentukan putaran yang tepat secara otomatis berdasarkan jenis dan banyaknya kotoran serta jumlah yang akan dicuci. Input yang digunakan adalah : seberapa kotor, jenis kotoran dan banyaknya yang dicuci. Mesin ini menggunakan sensor optik, mengeluarkan cahaya ke air dan mengukur bagaimana cahaya tersebut sampai ke ujung lainnya. Makin kotor maka sinar yang sampai makin redup. Disamping itu mesin juga dapat menentukan jenis kotoran (daki atau minyak). 2) Transmisi otomatis pada mobil. Mobil nissan telah menggunakan sistem fuzzy pada transmisi otomatis dan mampu menghemat bensin 12-17%. 3) Kereta bawah tanah sendai mengontrol pemberhentian otomatis pada daerah tertentu. 4) Ilmu kedokteran dan biologi, seperti sistem diagnosis yang didasarkan pada logika fuzzy, penelitian kanker, manipulasi peralatan prostetik yang didasarkan pada logika fuzzy, dll.

5

6

5) Manajemen dan pengambilan keputusan, seperti manajemen basis data yang didasarkan pada logika fuzzy, tata letak pabrik yang didasarkan pada logika fuzzy, sistem pembuat keputusan di militer yang didasarkan pada logika fuzzy, pembuatan games yang didasarkan pada logika fuzzy, dll. 6) Ekonomi, seperti pemodelan fuzzy pada sistem pemasaran yang kompleks, dll. 7) Klasifikasi dan percobaan pola. 8) Psikologi, seperti logika fuzzy untuk menganalisis kelakuan masyarakat, pencegahan dan investigasi kriminal, dll. 9) Ilmu-ilmu sosial, terutama untuk pemodelan informasi tidak pasti 10) Ilmu lingkungan, seperti kendali kualitas air, prediksi cuaca, dll 11) Teknik, seperti perancangan jaringan komputer, prediksi adanya gempa bumi, dll. 12) Riset operasi, seperti penjadwalan dan pemodelan, pengalokasian, dll. 13) Peningkatan kepercayaan, seperti kegagalan diagnosis, inpeksi dan

monitoring produksi. 1. Himpunan Fuzzy Himpunan fuzzy didasarkan pada gagasan untuk memperluas jangkauan fungsi karakteristik sedemikian hingga fungsi tersebut akan mencakup bilangan real pada interval [0,1]. Nilai keanggotaanya menunjukkan bahwa suatu item dalam semesta pembicaraan tidak hanya berada pada 0 atau 1, namun juga nilai yang terletak diantaranya. Dengan kata lain, nilai kebenaran suatu item tidak hanya bernilai benar atau salah. Nilai 0 menunjukkan salah, nilai 1 menunjukkan

6

7

benar , dan masih ada nilai-nilai yang terletak antara benar dan salah (Widodo & Handayanto, 2012). 2. Fungsi Keanggotaan Fungsi Keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya (sering juga disebut dengan derajat keanggotaan) yang memiliki interval antara 0 sampai 1. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi. Ada beberapa fungsi yang bisa digunakan. (Dhansipp, 2009) a. b. c. d. e. f. Representasi Linear Representasi Kurva Segitiga Representasi Kurva Trapesium Representasi Kurva Bentuk Bahu Representasi Kurva-S Representasi Kurva Bentuk Lonceng (Bell Curve)

3. Operator Dasar Untuk Himpunan Fuzzy a. Operator AND Operator ini berhubungan dengan operasi interseksi pada himpunan. α– predikat sebagai hasil operasi dengan operator AND diperoleh dengan mengambil nilai keanggotaan terkecil antar elemen pada himpunanhimpunan yang bersangkutan. μA∩B = min(μA[x], μB[y]) (1)

7

8

b. Operator OR Operator ini berhubungan dengan operasi union pada himpunan. α–predikat sebagai hasil operasi dengan operator OR diperoleh dengan mengambil nilai keanggotaan terbesar antar elemen pada himpunan-himpunan yang bersangkutan. μA∪B = max(μA[x], μB[y]) c. Operator NOT Operator ini berhubungan dengan operasi komplemen pada himpunan. α– predikat sebagai hasil operasi dengan operator not diperoleh dengan mengurangkan nilai keanggotaan pada himpunan yang bersangkutan dari 1. μA’ = 1-μA[x] 4. Fungsi Implikasi Tiap-tiap aturan pada basis pengetahuan fuzzy akan berhubungan dengan suatu relasi fuzzy. Bentuk umum dari aturan yang digunakan dalam fungsi implikasi adalah: IF x is A THEN y is B (4) (3) (2)

dengan x dan y adalah skalar, dan A dan B adalah himpunan fuzzy. Aturan yang mengikuti IF disebut sebagai anteseden, sedangkan aturan yang mengikuti THEN disebut sebagai konsekuen. Proposisi ini dapat diperluas dengan menggunakan operator fuzzy, seperti: IF (x1 is A1) • (x2 is A2) • (x3 is A3) • ...... • (xN is AN) THEN y is B dengan • adalah operator (misal: OR atau AND). (5)

8

9

C. Sistem Inferensi Fuzzy Sistem inferensi fuzzy merupakan kerangka komputasi yang didasarkan pada teori himpunan fuzzy, aturan fuzzy berbentuk IF-THEN, dan penalaran fuzzy. Halhal yang terdapat dalam sistem fuzzy yaitu sebagai berikut (Tampubolon, 2010): 1. Variabel fuzzy merupakan variabel yang dibahas dalam suatu sistem fuzzy seperti umur, temperatur, permintaan dsb. 2. Himpunan fuzzy, merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy. Contoh: variabel umur, terbagi atas 3 himpunan fuzzy, yaitu: MUDA, PAROBAYA, TUA 3. Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraaan merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai semesta pembicaraan dapat berupa bilangan positif maupun negatif. Adakalanya nilai semesta pembicaraan tidak dibatasi batas atasnya. Contoh: Semesta pembicaraan untuk variabel umur: [0 40] 4. Domain adalah keseluruhan nilai yang diijinkan dalam semesta pembicaraan dan boleh dioperasikan dalam himpunan fuzzy. Ada beberapa model yang digunakan dalam pembuatan sistem inferensi fuzzy diantaranya model mamdani, sugeno dan tsukamoto. Model Mamdani sering juga dikenal dengan nama metode Max-Min. Model ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Untuk mendapatkan output, diperlukan 4 tahapan yaitu Pembentukan himpunan fuzzy, Aplikasi fungsi implikasi (aturan), Komposisi aturan, dan Penegasan (deffuzy). Pada Model Tsukamoto, setiap konsekuen pada

9

10

aturan yang berbentuk IF-Then harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan αpredikat (fire strength). Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot. Sedangkan Penalaran dengan model Sugeno hampir sama dengan penalaran Mamdani, hanya saja output (konsekuen) sistem tidak berupa himpunan fuzzy, melainkan berupa konstanta atau persamaan linear. Model ini diperkenalkan oleh Takagi-Sugeno Kang pada tahun 1985. Dari tiga model yang ada, peneliti mencoba menggunakan model sugeno untuk pemecahan masalah penjurusan diatas. D. Model Sugeno Penalaran dengan model sugeno hampir sama dengan penalaran mamdani, hanya saja output (konsekuen) sistem tidak berupa himpunan fuzzy, melainkan berupa konstanta atau persamaan linear. Model ini diperkenalkan oleh TakagiSugeno Kang pada tahun 1985. 1. Model Fuzzy Sugeno Orde-Nol Secara umum bentuk model fuzzy sugeno Orde-Nol adalah: IF (x1 is A1) • (x2 is A2) • (x3 is A3) • ...... • (xN is AN) THEN z=k (6)

dengan ANi adalah himpunan fuzzy ke-N sebagai anteseden, dan k adalah suatu konstanta (tegas) sebagai konsekuen. 2. Model Fuzzy Sugeno Orde-Satu Secara umum bentuk model fuzzy sugeno Orde-Satu adalah: IF (x1 is A1) • ...... • (xN is AN) THEN z = p1*x1 + … + pN*xN + q 10 (7)

11

dengan AN adalah himpunan fuzzy ke-N sebagai anteseden, dan pN adalah suatu konstanta (tegas) ke-N dan q juga merupakan konstanta dalam konsekuen. Apabila komposisi aturan menggunakan model sugeno, maka deffuzifikasi dilakukan dengan cara mencari nilai rata-ratanya. Menurut Li (dalam Tampubolon, 2010) tahapan-tahapan dalam model Sugeno yaitu sebagai berikut: a. Pembentukan himpunan fuzzy Pada tahapan ini variabel input (crisp) dari sistem fuzzy ditransfer ke dalam himpunan fuzzy untuk dapat digunakan dalam perhitungan nilai kebenaran dari premis pada setiap aturan dalam basis pengetahuan. Dengan demikian tahap ini mengambil nilai-nilai crisp dan menentukan derajat di mana nilai-nilai tersebut menjadi anggota dari setiap himpunan fuzzy yang sesuai. b. Aplikasi fungsi implikasi Tiap-tiap aturan pada basis pengetahuan fuzzy akan berhubungan dengan suatu relasi fuzzy. Bentuk umum dari aturan yang digunakan dalam fungsi implikasi (4) Dengan x dan y adalah skalar, dan A dan B adalah himpunan fuzzy. Aturan yang mengikuti IF disebut sebagai antesenden sedangkan aturan yang mengikuti THEN disebut konsekuen. Aturan ini dapat diperluas dengan menggunakan operator fuzzy (5) Secara umum fungsi implikasi yang dapat digunakan yaitu sebagai berikut: 1 Min (minimum) Fungsi ini akan memotong output himpunan fuzzy.

11

12

2 Dot (product) Fungsi ini akan menskala output himpunan fuzzy. Pada model Sugeno ini , fungsi implikasi yang digunakan adalah fungsi min. c. Defuzzifikasi (Defuzzification) Proses defuzzifikasi pada model Sugeno dilakukan dengan perhitungan Weight Average (WA) E. Penelitian Terkait Tampubolon (2010) dalam penelitiannya “Sistem Pendukung Keputusan Penentuan Penyakit Diabetes Mellitus Dengan Metode Sugeno”, dengan salah satu kesimpulannya yaitu dengan menggunakan metode inferensi model Sugeno dalam penentuan penyakit Diabetes Mellitus, diperoleh hasil yang sama antara hasil sistem dengan hasil perhitungan manual. Triyuniarta, dkk (2009) dalam penelitiannya “Aplikasi Logika Fuzzy Untuk Pendukung Keputusan Penentuan Keluarga Miskin Di Kota Yogyakarta” diperoleh kesimpulan bahwa Aplikasi sistem pendukung keputusan yang dibuat dapat membantu pemerintah untuk mengetahui persentase keluarga miskin berdasarkan tahun pendataan sehingga pemerintah dapat mengetahui keberhasilan pengentasan kemiskinan dari tahun ke tahun. Hafsah, dkk (2008) dalam penelitiannya “Sistem Pendukung Keputusan Pemilihan Jurusan Di SMU Dengan Logika Fuzzy” salah satu kesimpulan dari penelitiannya yaitu Logika fuzzy dapat diterapkan dalam memilih salah satu jurusan di SMU dengan kemungkinan hasil atau output yang lebih baik, karena setiap keluaran atau output data disertai atau diberikan nilai dukungan yaitu 12

13

persentase kedekatan atau nilai keanggotaan (degree of membership). Perbedaan dengan penelitian ini adalah pada model yang digunakan yakni, pada penelitian ini menggunakan model mamdani sedangkan yang penulis gunakan adalah model sugeno.

13

14

BAB III METODOLOGI PENELITIAN A. Objek Penelitian Objek yang diteliti adalah SMA Negeri 1 Kota Gorontalo, SMA ini merupakan salah satu Sekolah Menengah Atas Negeri yang ada di Provinsi Gorontalo. Sama dengan SMA pada umumnya di Indonesia masa pendidikan sekolah di SMAN 1 Gorontalo ditempuh dalam waktu tiga tahun pelajaran, mulai dari Kelas X sampai Kelas XII. SMA Negeri 1 Gorontalo didirikan pada tahun 1951, adalah sekolah menengah atas tertua di Gorontalo, bermula dari sebuah sekolah setingkat SMP pada zaman Belanda kemudian berubah menjadi Sekolah Menengah Atas (SMA) dan kemudian pada tanggal 1 Agustus 1951 resmi menjadi Sekolah Menengah Atas Negeri 1 Gorontalo. Dalam perjalanannya sejak berdiri pertama kalinya hingga sekarang, sekolah ini telah mengalami pergantian kepemimpinan sebanyak 16 kali. D.W. Eysendring adalah warga Belanda yang tercatat dalam sejarah sebagai pemimpin pertama sekolah. B. Metode Penelitian Metode yang digunakan pada penelitian ini adalah Metode Eksperimen. Eksperimen adalah observasi dibawah kondisi buatan (artificial condition), dimana kondisi tersebut dibuat dan diatur oleh si peneliti. Dengan demikian penelitian eksperimental adalah penelitian yang dilakukan dengan mengadakan manipulasi terhadap objek penelitian serta adanya kontrol. Tujuan dari penelitian eksperimental adalah untuk menyelidiki ada tidaknya hubungan sebab akibat serta 14

15

berapa besar hubungan sebab akibat tersebut dengan cara memberikan perlakuanperlakuan tertentu pada beberapa kelompok eksperimental dan menyediakan kontrol untuk perbandingan (Nazir, 1988). C. Teknik Pengumpulan Data Teknik pengumpulan data yang digunakan adalah : a. Wawancara Wawancara adalah proses memperoleh keterangan untuk tujuan penelitian dengan cara tanya jawab sambil bertatap muka antara pewawancara dengan responden dengan menggunakan alat yang dinamakan interview guide (Nazir, 1988). Peneliti melakukan wawancara dengan pihak – pihak yang berhubungan langsung dengan proses penentuan jurusan dalam hal ini dengan mengajukan pertanyaan–pertanyaan terkait penjurusan. Wawancara dilakukan langsung dengan Wakil Kepala Sekolah Bidang Kurikulum dan Guru Bimbingan Konseling SMA Negeri 1 Kota Gorontalo. b. Studi Literatur Studi literatur adalah bagian penting dari setiap proyek penelitian yang baik, dan jika tidak dilakukan dengan benar, proyek dapat berakhir sia-sia dengan mereplikasi penelitian sebelumnya (Miller dkk, 2010). Peneliti melakukan pencarian data-data yang berkaitan dengan Fuzzy Inference System, yang menggunakan model Sugeno.

15

16

D. Tahapan Penelitian Adapun tahapan penelitian yang dilakukan adalah : 1. Persiapan Penelitian a. Studi Literatur Dengan mengumpulkan dan mempelajari literatur yang berkaitan dengan Fuzzy Inference System, yang menggunakan model Sugeno. Sumber literatur berupa buku teks, paper, jurnal, karya ilmiah, dan situs-situs penunjang lainnya. b. Pengumpulan Data Meliputi kriteria penilaian untuk penentuan jurusan yang ada di SMA Negeri 1 Kota Gorontalo. 2. Analisis Permasalahan Analisis permasalahan dilakukan untuk mengetahui permasalahan yang ada pada sistem yang lama dan menyesuaikan pembentukan variabel dan aturan dalam merancang sistem inferensi fuzzy. 3. Perancangan FIS (Fuzzy Inference System) Langkah-langkah yang dilakukan adalah sebagai berikut: a. b. Pembentukan himpunan fuzzy Pembentukan aturan

16

17

4.

Perancangan Sistem Langkah-langkah yang dilakukan pada perancangan sistem adalah sebagai berikut: a. Analisis Kebutuhan Sistem Tahapan ini diperlukan untuk mengetahui permasalahan dan kebutuhan yang diperlukan dalam pembangunan sistem. b. Desain Sistem Pada tahap ini peneliti merancang tampilan interface, diagram konteks, diagram alir data (DAD) dan rancangan struktur tabel dari sistem yang akan dibuat. c. Implementasi dan Pengujian Setelah sistem selesai dibuat, selanjutnya sistem akan coba dijalankan dan menguji apakah sistem tersebut sudah layak digunakan atau belum, metode yang digunakan pada tahapan pengujian ini adalah blackbox testing. Blackbox testing merupakan metode pengujian perangkat lunak yang dapat diterapkan pada semua tingkat pengujian perangkat lunak. Metode pengujian blackbox memfokuskan pada keperluan fungsional dari software. Karna itu pengujian ini memungkinkan pengembang software untuk membuat himpunan kondisi input yang akan melatih seluruh syarat-syarat fungsional suatu program.

5. Penyusunan Laporan Selanjutnya hasil dari penelitian ini disusun dalam bentuk laporan.

17

18

Adapun tahapan penelitian dapat digambarkan sebagai berikut :
Mulai

Persiapan Penelitian

Jurnal, Buku, Internet

Studi Pustaka

Pengumpulan Data Arsip

SMA N 1 Gorontalo

Analisis permasalahan
Perancangan FIS

Pembentukan Himpunan Fuzzy
Perancangan Sistem

Pembentukan aturan-aturan

Analisis Kebutuhan Sistem
Desain Sistem Implementasi & Pengujian

Penyusunan Laporan Selesai Gambar 3.1 Tahapan penelitian

18

19

E. Jadwal Penelitian Tabel 3.1 Jadwal Penelitian Tahapan Penelitian Persiapan penelitian Analisis permasalahan Perancangan FIS Perancangan Sistem Penyusunan laporan April Mei Juni Juli

1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4

19

20

BAB IV HASIL DAN PEMBAHASAN A. Hasil Penelitian 1. Analisis Permasalahan Penjurusan di SMA dilakukan pada saat siswa berada di kelas X (sepuluh) dan akan naik ke kelas XI (sebelas). Masalah yang sering terjadi dalam proses penjurusan adalah keterlambatan nilai siswa dari para wali kelas, akibatnya pada akhir proses penjurusan para tim penentu jurusan berburu waktu sehingga proses penjurusan kurang tepat, ditambah lagi dengan banyaknya jumlah siswa kelas X. Untuk mengatasi permasalahan tersebut penulis bermaksud untuk

menganalisis proses penjurusan yang ada saat ini sehingga proses penjurusan lebih terarah sesuai dengan kemampuan siswa dan menggunakan logika fuzzy dengan model sugeno., sebab konsep logika fuzzy didasarkan pada bahasa alami. 2. Perancangan Sistem Inferensi Fuzzy Sistem Inferensi Fuzzy penentuan jurusan yang dibuat mempunyai tujuh variabel input. Variabel input terdiri atas RIPA, RIPS, RBahasa, Tes IQ, Minat IPA, Minat IPS dan Minat Bahasa. Variabel RIPA adalah nilai rata-rata dari mata pelajaran matematika, biologi, fisika dan kimia. Variabel RIPS adalah nilai rata-rata mata pelajaran ekonomi, sosiologi, geografi dan sejarah. Variabel RBahasa merupakan nilai rata-rata dari mata pelajaran bahasa indonesia, bahasa inggris dan TIK. Menurut Wakil kepala sekolah bidang kurikulum, siswa yang dapat masuk ke jurusan IPA yakni memiliki nilai rata-rata di atas 80, sedangkan untuk jurusan IPS dan Bahasa

20

21

minimal 78. Variabel Tes IQ adalah nilai dari Tes IQ yang diadakan oleh pihak sekolah pada saat penerimaan siswa baru. Variabel minat IPA, IPS dan Bahasa merupakan nilai minat siswa terhadap jurusan yang diinginkan. Selama ini minat siswa hanya berupa pertanyaan tentang jurusan apa yang diminati oleh siswa bersangkutan, minat siswa bersifat ambigu sehingga perlu direpresentasikan dengan angka. Disarankan agar nilai minat jurusan ini diisi siswa dengan menuliskan nilai antara 0 sampai 100 yang merepresentasikan keinginan siswa untuk masuk ke kelas IPA, IPS atau Bahasa. Pada perancangan sistem inferensi fuzzy ada beberapa tahap, diantaranya adalah pembentukan himpunan fuzzy dan penentuan rules (aturan-aturan). a. Pembentukan Himpunan Fuzzy (Fuzzifikasi) Himpunan fuzzy yang dibuat untuk tiap-tiap variabel input terlihat pada Tabel 4.1. Fungsi derajat keanggotaan yang digunakan pada tiap variabel fuzzy ditentukan berdasarkan keadaan di SMA N 1 Kota Gorontalo dengan melakukan wawancara dengan Wakil Kepala Sekolah Bidang Kurikulum. Tabel 4.1 Himpunan input fuzzy Variabel Nama RIPA Notasi a tinggi rendah RIPS RBahasa b tinggi c rendah t r [63,100] [55,78] t r [65,100] [55,78] Himpunan input fuzzy Domain Nama rendah Notasi r [55,75]

21

22

tinggi rata-rata Tes IQ d atas rata-rata superior tidak minat Minat IPA e minat tidak minat Minat IPS f minat tidak minat Minat Bahasa g minat

t r ar s tm m tm m tm m

[63,100] [90,110] [108,120] [118,130] [0,90] [10,100] [0,90] [10,100] [0,90] [10,100]

a. Fungsi derajat keanggotaan variabel RIPA (a)

{

(8) {

Gambar 4.1 Fungsi keanggotaan variabel RIPA

22

23

b. Fungsi derajat keanggotaan variabel RIPS (b)

{

(9) {

Gambar 4.2 Fungsi keanggotaan variabel RIPS c. Fungsi derajat keanggotaan variabel Rbahasa (c)

{

(10) {

Gambar 4.3 Fungsi keanggotaan variabel RBahasa 23

24

d. Fungsi derajat keanggotaan variabel Tes IQ (d)

{

(11) { {

Gambar 4.4 Fungsi keanggotaan variabel Tes IQ e. Fungsi derajat keanggotaan variabel Minat IPA (e)

{ (12) {

24

25

Gambar 4.5 Fungsi keanggotaan variabel Minat IPA f. Fungsi derajat keanggotaan variabel Minat IPS (f)

{ (13) {

Gambar 4.6 Fungsi keanggotaan variabel Minat IPS g. Fungsi derajat keanggotaan variabel Minat Bahasa (g)

{ (14)

25

26

{

Gambar 4.7 Fungsi keanggotaan variabel Minat Bahasa

b. Pembentukan Aturan (Rules) Rules berupa pernyataan-pernyataan yang ditulis dalam bentuk aturan if-then, aturan-aturan penentuan jurusan ini diperoleh dari hasil wawancara dan pendapat dari Wakil kepala sekolah bidang kurikulum. Berdasarkan variabel input yang ada maka dapat dibentuk 192 aturan. Aturan yang terbentuk dapat dilihat pada lampiran. 3. Perancangan Sistem a. Analisis Kebutuhan Sistem

1) Sistem dapat digunakan oleh guru sebagai admin untuk membantu dalam proses penentuan jurusan. 2) Sistem dapat mengolah data siswa dan nilai siswa yang dibutuhkan dalam proses penjurusan. 3) Sistem mampu melakukan perpindahan jurusan bagi para siswa yang ingin pindah jurusan, dengan beberapa persyaratan dan ketentuan yang ditetapkan oleh pihak sekolah. 4) Sistem dapat menampilkan dan mencetak laporan hasil penjurusan. 26

27

5) Sistem dapat digunakan pada komputer dengan sistem operasi windows. 6) Model yang digunakan dalam sistem adalah model sugeno, berikut adalah flowchart model sugeno : a) Input nilai variabel Data variabel yang diperlukan dalam sistem sebagai inputan dalam proses penjurusan ini adalah nilai mata pelajaran terkait jurusan ipa, ips dan bahasa, nilai Tes IQ dan minat siswa. Adapun variabel-variabel tersebut adalah RIPA, RIPS, RBahasa, Tes IQ, Minat IPA, Minat IPS dan Minat Bahasa. Nilai variabelvariabel tersebut dimasukkan ke dalam himpunan fuzzy dengan atribut linguistiknya masing-masing. b) Menentukan derajat keanggotaan himpunan variabel fuzzy Setiap variabel sistem dalam himpunan fuzzy ditentukan derajat

keanggotaannya (μ) untuk setiap atribut linguistiknya. Dimana derajat keanggotaan tersebut menjadi nilai dalam himpunan fuzzy. c) Menghitung predikat aturan (α) Variabel-variabel yang telah dimasukkan dalam himpunan fuzzy, dibentuk aturan-aturan yang diperoleh dengan mengkombinasikan setiap variabel dengan variabel yang satu dengan atribut lingusitiknya masing-masing. Aturan-aturan yang telah diperoleh akan dihitung nilai predikat aturannya dengan proses implikasi. Dalam model Sugeno proses implikasi dilakukan dengan operasi Min. Predikat aturan tersebut diperoleh dengan mengambil nilai minimum dari derajat

27

28

keanggotaan variabel yang satu dengan variabel yang lain, yang telah dikombinasikan dalam aturan yang telah ditentukan sebelumnya. d) Defuzifikasi Setelah menghitung semua predikat aturan yang telah ditentukan, nilai defuzzifikasi dapat ditentukan. Pada model Sugeno nilai defuzifikasi diperoleh dengan perhitungan Weight Average (WA) : (15)

dengan

: nilai predikat aturan ke-n

: indeks nilai output (konstanta) ke-n e) Hasil keputusan Hasil keputusan diperoleh dengan mencari nilai kedekatan antara hasil defuzifikasi dengan indeks output. Adapun flowchart model sugeno dapat dilihat pada gambar 4.8

28

29

Gambar 4.8 Flowchart model sugeno

29

30

b. Perancangan Struktur Menu Sistem

Menu Utama

Data

Proses

Laporan

Tentang

Keluar

Siswa

Penjurusan

Pindah Jurusan

Simpan

Ubah

Hapus

Gambar 4.9 Struktur menu sistem c. Perancangan Antarmuka a. Rancangan menu login Menu ini digunakan untuk memasukkan nama pengguna dan kata sandi agar pengguna dapat menggunakan sistem ini. Apabila nama dan kata sandi yang dimasukkan oleh pengguna benar maka pengguna akan masuk ke tampilan menu utama dari sistem.

30

31

Nama : Kata Sandi :

Masuk

Batal

Gambar 4.10 Rancangan menu login b. Rancangan menu utama menu utama merupakan tampilan awal dari program, dimana terdapat beberapa pilihan menu dan sub menu yang berfungsi untuk mengakses menu lainnya yang disediakan.
Data - Siswa Proses - Penjurusan - Pindah Jurusan Laporan Tentang Keluar X

APLIKASI PENJURUSAN SMA Negeri 1 Kota Gorontalo
Gambar 4.11 Rancangan menu utama c. Rancangan menu olah data siswa Menu olah data siswa ini digunakan untuk memasukkan data siswa, fasilitas yang disediakan berupa tombol untuk menyimpan, mengubah maupun menghapus data siswa. Selain itu juga menu ini dapat menampilkan data-data siswa yang telah disimpan.

31

32

X Simpan NIS : NIS Nama : Jenis Kelamin : Alamat : Kelas : | Nama | Jenis Kelamin | Alamat | Kelas Ubah Hapus

Gambar 4.12 Rancangan menu olah data siswa d. Rancangan menu olah nilai siswa Menu ini disediakan untuk menginput nilai siswa, baik itu nilai mata pelajaran maupun nilai Tes IQ dan juga nilai minat siswa terhadap pelajaran ipa yang telah di transform ke bentuk angka.
X NIS : Matematika : Fisika : Ekonomi : Geografi : B.Indo : TIK : Minat IPA : Biologi : Kimia : Sosiologi : Sejarah : B.Ing : Tes IQ : MinatBHS : Simpan NIS | Mat | Bio | Fis | Kim | Eko | Sos | Geo | Sej | B.Indo | B.Ing | TIK | IQ

Gambar 4.13 Rancangan menu olah nilai siswa

32

33

e. Rancangan menu pindah jurusan menu ini disediakan fasilitas untuk menangani para siswa yang ingin pindah jurusan dengan memenuhi persyaratan dan ketentuan yang ditetapkan oleh pihak sekolah. Jika jumlah siswa yang masuk ke jurusan Bahasa kurang dari 20 orang, maka siswa–siswa tersebut dipindahkan ke jurusan IPS. Jika ada orang tua siswa yang ingin memindahkan anaknya ke jurusan IPA maka harus menandatangi surat perjanjian agar siswa bersangkutan dapat memperbaiki nilai-nilai IPA dengan batas waktu 1 bulan
X IPA NIS | Nama | IPS NIS | Nama | Bahasa NIS | Nama |

Pindah

Pindah

Pindah

Gambar 4.14 Rancangan menu pindah jurusan

33

34

f. Rancangan laporan hasil penjurusan
X

Logo

SMA 1 KOTA GORONTALO
Jl. M.H Thamrin No. 8 Kelurahan Ipilo
LAPORAN PENJURUSAN

NIS

|

Nama Lengkap

| Jenis Kelamin

|

Jurusan

Gorontalo, hh/bb/tttt Wakil Kepala Sekolah Bidang Kurikulum

_______________

Gambar 4.15 Rancangan laporan hasil penjurusan d. Perancangan Diagram Konteks Diagram Konteks adalah sebuah diagram sederhana yang mengambarkan hubungan antara entiti luar, masukan dan keluaran dari sistem. Diagram konteks direpresentasikan dengan lingkaran tunggal yang mewakiliki keseluruhan sistem.(Kristanto, 2008)

Gambar 4.16 Diagram Konteks Sistem Penentuan Jurusan 34

35

e. Perancangan DAD (Diagram Alir Data) DAD adalah suatu model logika data atau proses yang dibuat untuk menggambarkan darimana asal data dan kemana tujuan data yang keluar dari sistem, dimana data disimpan, proses apa yang menghasilkan data tersebut dan interaksi antara data yang tersimpan dan proses yang dikenakan pada data tersebut. (Kristanto, 2008)

Gambar 4.17 DAD Level 0 Sistem Penentuan Jurusan

35

36

Gambar 4.18 DAD Level 1 Olah data siswa

Gambar 4.19 DAD Level 1 Model sugeno

36

37

f. Relasi Tabel

Gambar 4.20 Relasi Tabel g. Perancangan Struktur Tabel Tabel 4.2 Rancangan tabel siswa Tipe data Panjang Keterangan char char char char char double char 5 30 1 3 50 6 NIS sebagai primary key Nama lengkap siswa Jenis kelamin Kelas siswa Tempat tinggal siswa Nilai akhir Jurusan yang di rekomendasikan

No 1 2 3 4 5 6 7 NIS Nama

Field

Jenis_Kelamin Kelas Alamat Hasil_Akhir Jurusan

37

38

No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 NIS

Field

Tabel 4.3 Rancangan tabel nilai Tipe data Panjang Keterangan char double double double double double double double double double double double double double double double 5 NIS sebagai primary key Nilai matematika Nilai biologi Nilai fisika Nilai kimia Nilai ekonomi Nilai sosiologi Nilai geografi Nilai sejarah Nilai bahasa indonesia Nilai bahasa inggris Nilai TIK Hasil Tes IQ Angka minat masuk ipa Angka minat masuk ips Angka minat masuk bahasa

Matematika Biologi Fisika Kimia Ekonomi Sosiologi Geografi Sejarah B_Indonesia B_Inggris TIK Tes IQ Minat_IPA Minat_IPS Minat_Bahasa

4. Contoh Kasus Seorang siswa memiliki nilai Tes IQ 125, nilai minat masuk IPA 100, nilai minat masuk IPS 0, nilai minat masuk Bahasa 0,dan nilai siswa dapat dilihat pada tabel 4.4

38

39

Tabel 4.4 Contoh data nilai siswa Mata Pelajaran Nilai Rata-Rata Matematika Biologi Fisika Kimia Ekonomi Sosiologi Geografi Sejarah Bahasa Indonesia Bahasa Inggris T.I.K 71 73 72 74 75 70 69 60 63 62 76

72,5

68,5

67

Langkah pertama adalah mencari derajat keanggotaan masing-masing variabel 1. RIPA Dari persamaan (8) jika nilai rata-rata IPA = 72,5 maka derajat keanggotaan fuzzy pada setiap himpunan adalah : a. Himpunan fuzzy rendah

b. Himpunan fuzzy tinggi

2.

RIPS Dari persamaan (9) jika nilai rata-rata IPS = 68,5 maka derajat keanggotaan

fuzzy pada setiap himpunan adalah : a. Himpunan fuzzy rendah

39

40

b. Himpunan fuzzy tinggi

3.

RBahasa Dari persamaan (10) jika nilai rata-rata Bahasa = 67 maka derajat

keanggotaan fuzzy pada setiap himpunan adalah : a. Himpunan fuzzy rendah

b. Himpunan fuzzy tinggi

4.

Tes IQ Dari persamaan (11) jika nilai Tes IQ = 125 maka derajat keanggotaan fuzzy

pada himpunan fuzzy superior adalah 1 5. Minat IPA Dari persamaan (12) jika nilai minat masuk IPA = 100 maka derajat keanggotaan fuzzy pada himpunan fuzzy minat adalah 1 6. Minat IPS Dari persamaan (13) jika nilai minat masuk IPS = 0 maka derajat keanggotaan fuzzy pada himpunan fuzzy tidak minat adalah 1 7. Minat Bahasa Dari persamaan (14) jika nilai minat masuk Bahasa = 0 maka derajat keanggotaan fuzzy pada himpunan fuzzy tidak minat adalah 1 40

41

Langkah kedua adalah menghitung nilai predikat aturan, karena operator yang dipakai adalah operator AND maka pada proses implikasi ini menggunakan fungsi min. Hasil dapat dilihat pada lampiran Langkah terakhir adalah defuzzifikasi Pada model Sugeno ada beberapa cara yang dapat digunakan dalam proses defuzzifikasi diantaranya dengan height method dan perhitungan weight average (wa). Jika menggunakan height method maka dari keseluruhan nilai predikat yang ada, dipilih nilai maksimumnya yaitu predikat nomor 159 = 0,37. Dengan demikian hasilnya adalah IPA Pada penelitian ini peneliti menggunakan perhitungan weight average (15), dengan menentukan nilai output terlebih dahulu Bahasa = 60, IPS = 80, IPA = 100

Dengan demikian maka siswa bersangkutan masuk jurusan IPA, hasil ini didapat dengan melihat nilai kedekatan antara indeks output dengan hasil defuzzifikasi.

41

42

5. Implementasi dan Pengujian a. Implementasi sistem

1) Tampilan menu login Tampilan menu login dapat dilihat pada gambar 4.20, untuk masuk kedalam sistem pengguna diwajibkan untuk memasukan nama dan kata sandi yang valid. Jika nama atau kata sandi yang dimasukkan tidak valid maka pengguna tidak dapat menggunakan sistem.

Gambar 4.21 Tampilan menu login 2) Tampilan menu utama

Gambar 4.22 Tampilan menu utama

42

43

3) Tampilan menu olah data siswa

Gambar 4.23 Tampilan menu olah data siswa 4) Tampilan menu olah nilai siswa

Gambar 4.24 Tampilan menu olah nilai siswa

43

44

5) Tampilan menu pindah jurusan

Gambar 4.25 Tampilan menu pindah jurusan 6) Tampilan laporan

Gambar 4.26 Tampilan laporan

44

45

b. Pengujian Sistem 1) Rencana pengujian Sistem Rencana pengujian sistem dapat dilihat pada Tabel 4.7 Tabel 4.5 Rencana pengujian sistem Item Uji Detail Pengujian Jenis Pengujian Login Konfirmasi login Blackbox Olah data siswa Tambah, ubah, hapus Blackbox Olah nilai Simpan Blackbox Pindah jurusan Pindah Blackbox

No 1 2 3 4

2) Hasil pengujian sistem a) Pengujian login Tabel 4.6 Pengujian login (data normal) Nama, kata sandi yang terdaftar pada saat menekan tombol masuk, pengguna dapat masuk ke menu utama dan dapat menggunakan sistem Pengguna dapat masuk ke dalam sistem dengan nama dan kata sandi yang terdaftar pada sistem Sukses Tabel 4.7 Pengujian login (data salah) Nama, kata sandi yang tidak terdaftar Pada saat menekan tombol masuk, pengguna tidak dapat masuk ke menu utama dan akan tampil pesan kesalahan nama ataupun kata sandi yang dimasukan Pengguna tidak dapat masuk ke dalam sistem karena nama dan kata sandi tidak terdaftar pada sistem Sukses

Data masukkan Yang diharapkan Pengamatan Kesimpulan

Data masukkan Yang diharapkan

Pengamatan Kesimpulan

45

46

b) Pengujian olah data siswa Tabel 4.8 Pengujian olah data siswa (data normal) Tambah Data masukkan Yang diharapkan Pengamatan Kesimpulan Data siswa sesuai dengan atribut yang disediakan Proses tambah data berhasil, data siswa tersimpan pada database yang disediakan Data berhasil disimpan pada database dan ditampilkan pada datagrid Sukses Ubah Data masukkan Yang diharapkan Pengamatan Kesimpulan Pilih data yang ingin diubah, perubahan data Data berubah sesuai dengan data perubahan yang dimasukan Berhasil di ubah, tersimpan pada database dan tampil pada datagrid Sukses Hapus Data masukkan Yang diharapkan Pengamatan Kesimpulan Pilih data yang ingin dihapus Data terhapus dari database Terhapus Sukses

46

47

Tabel 4.9 Pengujian olah data siswa (data salah) Tambah Data masukkan Yang diharapkan Nis dikosongkan Proses tambah data tidak berhasil, data siswa tidak tersimpan pada database yang disediakan, tampil pesan peringatan untuk tidak mengosongkan atribut nis Data gagal disimpan pada database, tampil perintah untuk mengisi atribut nis Sukses Ubah Data masukkan Yang diharapkan Pengamatan Kesimpulan Tidak memilih data yang ingin diubah Menampilkan pesan untuk memilih data yang ingin diubah terlebih dahulu Tampil pesan untuk pilih data yang akan diubah Sukses Hapus Data masukkan Yang diharapkan Pengamatan Kesimpulan Tidak memilih data yang ingin dihapus Data gagal dihapus dari database, menampilkan pesan untuk memilih data yang ingin dihapus gagal dihapus, tampil pesan untuk memilih data yang akan dihapus Sukses

Pengamatan Kesimpulan

47

48

c)

Pengujian olah nilai siswa

Tabel 4.10 Pengujian olah nilai (data normal) Pilih nis, masukan nilai mata pelajaran terkait penjurusan, Data masukkan nilai minat masuk ipa dan bahasa, nilai Tes IQ Yang diharapkan Pengamatan Kesimpulan Data nilai dan hasil penjurusan tersimpan ke database, nilai ditampilkan Data berhasil disimpan, tampil pada datagrid Sukses

Tabel 4.11 Pengujian olah nilai (data salah) Nis tidak dipilih, masukan nilai mata pelajaran terkait penjurusan, nilai minat masuk ipa dan bahasa, nilai Tes Data masukkan IQ Yang diharapkan Pengamatan Kesimpulan Data gagal tersimpan ke database, menampilkan pesan untuk memilih nis terlebih dahulu Data gagal disimpan, tampil pesan untuk memilih nis Sukses

d) Pengujian pindah jurusan Tabel 4.12 Pengujian pindah jurusan (data normal) Pilih siswa yang akan dipindah, pilih jurusan yang dituju Data masukkan Jika siswa dipindah ke jurusan IPS dan Bahasa maka akan tampil pesan berhasil dipindah, jika siswa dipindah ke jurusan IPA maka akan tampil report berupa surat perjanjian pindah jurusan yang di tandatangani oleh orangtua siswa Berhasil dipindah, tampil surat perjanjian untuk siswa yang pindah ke jurusan IPA Sukses

Yang diharapkan

Pengamatan Kesimpulan

Tabel 4.13 Pengujian pindah jurusan (data salah) Pilih siswa yang akan dipindah, jurusan yang dituju tidak Data masukkan dipilih Yang diharapkan Jika klik tombol pindah maka akan tampil pesan untuk memilih jurusan yang dituju terlebih dahulu, siswa tidak

48

49

berhasil dipindah Pengamatan Kesimpulan Gagal dipindah, tampil pesan untuk pilih jurusan yang dituju Sukses

B. Pembahasan Proses penjurusan di SMA dilakukan pada saat siswa berada di kelas sepuluh dan akan naik ke kelas sebelas. Permasalahan yang ada saat ini adalah keterlambatan nilai siswa dari para wali kelas, sehingga pada akhir proses penjurusan para tim penentu jurusan berburu waktu sehingga proses penjurusan kurang tepat, ditambah lagi dengan banyaknya jumlah siswa yang ada. Untuk mengatasi permasalahan tersebut digunakan logika fuzzy dengan model sugeno sehingga proses penjurusan lebih terarah sesuai dengan kemampuan siswa. Sesuai dengan pendapat Li (dalam Tampubolon, 2010) tahapan-tahapan dalam model Sugeno terdiri atas pembentukan himpunan fuzzy, aplikasi fungsi implikasi, dan defuzzifikasi. Proses penentuan penjurusan berdasarkan nilai mata pelajaran, nilai tes IQ pada saat siswa mendaftar, dan minat. Siswa yang direkomendasikan untuk jurusan IPA adalah siswa yang memiliki nilai rata-rata mata pelajaran IPA minimal 80 dan nilai tes IQ superior. Untuk jurusan IPS adalah siswa yang memiliki nilai rata-rata mata pelajaran IPS minimal 78 dan nilai tes IQ diatas ratarata. Untuk jurusan Bahasa adalah siswa yang memiliki nilai rata-rata mata pelajaran Bahasa minimal 78 dan nilai tes IQ rata-rata.

49

50

Aplikasi yang dibuat pada penelitian ini dapat memudahkan pihak SMAN 1 Kota Gorontalo khususnya bagi tim penentu jurusan dalam proses penentuan jurusan. Dengan adanya aplikasi ini proses penentuan jurusan dapat dilakukan dengan mudah dan cepat, dimulai dengan user menginput data nilai siswa kemudian data tersebut akan disimpan dalam database, dan ditampilkan dalam bentuk laporan. Laporan berisi hasil penjurusan yang terdiri dari nama siwa dan jurusan yang direkomendasikan. Hasil akhir dari penelitian ini berupa rekomendasi untuk tim penentu jurusan dalam proses penentuan jurusan sehingga jurusan yang ditentukan lebih terarah dan sesuai dengan kemampuan yang dimiliki oleh siswa tersebut.

50

51

BAB V PENUTUP A. Kesimpulan Berdasarkan pembahasan dan hasil yang diperoleh, maka dapat disimpulkan sebagai berikut : 1. Masalah yang sering terjadi dalam proses penjurusan adalah keterlambatan nilai siswa dari para wali kelas, akibatnya pada akhir proses penjurusan para tim penentu jurusan berburu waktu sehingga proses penjurusan kurang tepat, ditambah lagi dengan banyaknya jumlah siswa kelas X yang ada. 2. Penerapan model sugeno dalam penentuan jurusan ini dapat memberikan rekomendasi alternatif untuk penentuan jurusan yang tepat dan terarah sesuai dengan kemampuan yang dimiliki oleh siswa. B. Saran Berikut ini adalah saran untuk pengembangan lebih lanjut terhadap

penelitian ini yaitu sistem dapat dibuatkan dalam bentuk fleksibel sehingga jika ada penambahan jurusan bisa langsung ditangani. 1 Aplikasi ini dapat dikembangkan menjadi web based application atau aplikasi berbasis web karena, aplikasi yang dibuat masih berbasis desktop.

51

52

DAFTAR PUSTAKA Dhansipp. (2009, 11). http://dhansipp.files.wordpress.com/2009/11/bab-7-logikafuzzy.pdf. Dipetik Mei 14, 2012, dari http://dhansipp.wordpress.com Hafsah, Rustamaji, H. C., & Inayati, Y. (2008). Sistem Pendukung Keputusan Pemilihan Jurusan Di SMU Dengan Logika Fuzzy. semnasIF, 213-218. Kristanto, A. (2008). Perancangan Sistem Informasi. Yogyakarta: Gava Media. Lasan, B. B. (2009). Studi Tentang Pelaksanaan Penjurusan IPA pada Beberapa SMA di Jawa Timur. Dipetik Maret 14, 2012, dari DISERTASI dan TESIS Program Pascasarjana UM: http://karyailmiah.um.ac.id/index.php/disertasi/article/view/1466 Miller, P. G., Strang, J., & Miller, P. M. (2010). Addiction Research Methods. Oxford: Blackwell Publishing Ltd. Nazir, M. (1988). Metode Penelitian. Jakarta: Ghalia Indonesia. Tampubolon, M. V. (2010). Sistem Pendukung Keputusan Penentuan Penyakit Diabetes Mellitus Dengan Metode Sugeno. Medan: USU. Triyuniarta, A., Winiarti, S., & Pujiyanta, A. (2009). Aplikasi Logika Fuzzy Untuk Pendukung Keputusan Penentuan Keluarga Miskin Di Kota Yogyakarta. Yogyakarta: semnasIF. Widodo, P. P., & Handayanto, R. T. (2012). Penerapan Soft Computing Dengan Matlab. Bandung: Rekayasa Sains.

52

53

LAMPIRAN

LAMPIRAN

53

54

Lampiran-1 Pembentukan aturan
IF (AND) KODE P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 P11 P12 P13 P14 P15 P16 P17 P18 P19 P20 P21 P22 P23 P24 P25 P26 P27 P28 P29 P30 P31 P32 P33 P34 P35 P36 P37 RIPA RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RIPS RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RBAHASA RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI MINAT IPA TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT MINAT MINAT MINAT MINAT MINAT MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT IPS TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT MINAT MINAT MINAT TIDAK MINAT MINAT BAHASA TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT TIDAK MINAT TES IQ RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA THEN JURUSAN BAHASA IPS IPS BAHASA BAHASA BAHASA IPS IPS IPS BAHASA IPS IPS IPS IPS IPA BAHASA BAHASA IPA IPS IPS IPA BAHASA IPS IPA BAHASA BAHASA BAHASA BAHASA BAHASA BAHASA BAHASA BAHASA BAHASA BAHASA BAHASA BAHASA BAHASA

54

55

IF (AND) KODE P38 P39 P40 P41 P42 P43 P44 P45 P46 P47 P48 P49 P50 P51 P52 P53 P54 P55 P56 P57 P58 P59 P60 P61 P62 P63 P64 P65 P66 P67 P68 P69 P70 P71 P72 P73 P74 P75 RIPA RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RIPS RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI RBAHASA TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH TINGGI TINGGI TINGGI MINAT IPA MINAT MINAT MINAT MINAT MINAT MINAT MINAT MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT MINAT MINAT MINAT MINAT MINAT MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT IPS TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT BAHASA TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TES IQ ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR

THEN JURUSAN BAHASA BAHASA BAHASA BAHASA BAHASA BAHASA BAHASA BAHASA BAHASA BAHASA BAHASA IPS IPS IPS IPS IPS IPS IPS IPS IPS IPS IPS IPS IPS IPS IPS IPS IPS IPS IPS IPS IPS IPS IPS IPS BAHASA IPS IPS

55

56

IF (AND) KODE P76 P77 P78 P79 P80 P81 P82 P83 P84 P85 P86 P87 P88 P89 P90 P91 P92 P93 P94 P95 P96 P97 P98 P99 P100 P101 P102 P103 P104 P105 P106 P107 P108 P109 P110 P111 P112 P113 RIPA RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI RIPS TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RBAHASA TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH MINAT IPA TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT MINAT MINAT MINAT MINAT MINAT MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT MINAT MINAT MINAT IPS TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT BAHASA MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT TES IQ RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA

THEN JURUSAN BAHASA BAHASA IPS IPS IPS IPS BAHASA IPS IPS IPS IPS IPS BAHASA BAHASA IPS BAHASA IPS IPS BAHASA IPS IPS IPA IPA IPA IPA IPA IPA IPA IPA IPA IPA IPA IPA IPA IPA IPA IPA IPA

56

57

IF (AND) KODE P114 P115 P116 P117 P118 P119 P120 P121 P122 P123 P124 P125 P126 P127 P128 P129 P130 P131 P132 P133 P134 P135 P136 P137 P138 P139 P140 P141 P142 P143 P144 P145 P146 P147 P148 P149 P150 P151 RIPA TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI RIPS RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI RBAHASA RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH MINAT IPA MINAT MINAT MINAT MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT MINAT MINAT MINAT MINAT MINAT MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT IPS TIDAK MINAT MINAT MINAT MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT BAHASA MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT TIDAK MINAT TES IQ SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA

THEN JURUSAN IPA IPA IPA IPA IPA IPA IPA BAHASA IPA IPA BAHASA BAHASA IPA BAHASA IPA IPA BAHASA BAHASA IPA BAHASA IPA IPA BAHASA BAHASA IPA BAHASA IPA IPA BAHASA BAHASA IPA IPS IPS IPA IPS IPS IPA IPS

57

58

IF (AND) KODE P152 P153 P154 P155 P156 P157 P158 P159 P160 P161 P162 P163 P164 P165 P166 P167 P168 P169 P170 P171 P172 P173 P174 P175 P176 P177 P178 P179 P180 P181 P182 P183 P184 P185 P186 P187 P188 P189 RIPA TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI RIPS TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI RBAHASA RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH RENDAH TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI TINGGI MINAT IPA TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT MINAT MINAT MINAT MINAT MINAT MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT MINAT MINAT MINAT MINAT MINAT MINAT MINAT IPS MINAT MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT MINAT BAHASA TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT MINAT MINAT MINAT TIDAK MINAT TIDAK MINAT TIDAK MINAT TES IQ ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR RATA-RATA ATS RATA-RATA SUPERIOR

THEN JURUSAN IPS IPA IPS IPS IPA IPS IPS IPA IPS IPS IPA IPS IPS IPA IPS IPS IPA BAHASA IPS IPA BAHASA IPS IPA BAHASA IPS IPA BAHASA IPS IPA BAHASA IPS IPA BAHASA IPS IPA BAHASA IPS IPA

58

59

IF (AND) KODE P190 P191 P192 RIPA TINGGI TINGGI TINGGI RIPS TINGGI TINGGI TINGGI RBAHASA TINGGI TINGGI TINGGI MINAT IPA MINAT MINAT MINAT MINAT IPS MINAT MINAT MINAT MINAT BAHASA MINAT MINAT MINAT TES IQ RATA-RATA ATS RATA-RATA SUPERIOR

THEN JURUSAN BAHASA IPS IPA

59

60

Lampiran-2 Hasil Perhitungan Nilai Predikat Aturan
KODE PREDIKAT P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 P11 P12 P13 P14 P15 P16 P17 P18 P19 P20 P21 P22 P23 P24 P25 P26 P27 P28 P29 P30 P31 P32 P33 P34 P35 P36 P37 MIN MINAT MINAT IPA IPS 0 1 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 0 0 0 0 0 0 1 1 1 1 1 1 0 0 0 0 0 0 1 1 1 1 1 1 0 0 0 0 0 0 1 NILAI PREDIKAT 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0.17 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

RIPA 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17

RIPS 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30

RBAHASA 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27

MINAT BAHASA 1 1 1 0 0 0 1 1 1 0 0 0 1 1 1 0 0 0 1 1 1 0 0 0 1 1 1 0 0 0 1 1 1 0 0 0 1

TES IQ 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0

60

61

KODE PREDIKAT P38 P39 P40 P41 P42 P43 P44 P45 P46 P47 P48 P49 P50 P51 P52 P53 P54 P55 P56 P57 P58 P59 P60 P61 P62 P63 P64 P65 P66 P67 P68 P69 P70 P71 P72 P73 P74 P75

RIPA 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17

RIPS 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37

RBAHASA 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.27 0.27 0.27

MIN MINAT MINAT IPA IPS 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 1 1 1 1 0 0 0 0 0 0 1 1 1 1 1 1 0 0 0 0 0 0 1 1 1 1 1 1 0 0 0 0 0 0 1 1 1

MINAT BAHASA 1 1 0 0 0 1 1 1 0 0 0 1 1 1 0 0 0 1 1 1 0 0 0 1 1 1 0 0 0 1 1 1 0 0 0 1 1 1

TES IQ 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1

NILAI PREDIKAT 0 0.17 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0.17 0 0 0 0 0 0 0 0 0 0 0 0

61

62

KODE PREDIKAT P76 P77 P78 P79 P80 P81 P82 P83 P84 P85 P86 P87 P88 P89 P90 P91 P92 P93 P94 P95 P96 P97 P98 P99 P100 P101 P102 P103 P104 P105 P106 P107 P108 P109 P110 P111 P112 P113

RIPA 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50

RIPS 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30

RBAHASA 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40

MIN MINAT MINAT IPA IPS 0 1 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 0 0 0 0 0 0 1 1 1 1 1 1 0 0 0 0 0 0 1 1 1 1 1 1 0 0 0 0 0 0 1 1 1 1 1

MINAT BAHASA 0 0 0 1 1 1 0 0 0 1 1 1 0 0 0 1 1 1 0 0 0 1 1 1 0 0 0 1 1 1 0 0 0 1 1 1 0 0

TES IQ 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0

NILAI PREDIKAT 0 0 0 0 0 0 0 0 0 0 0 0.17 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0.3 0 0

62

63

KODE PREDIKAT P114 P115 P116 P117 P118 P119 P120 P121 P122 P123 P124 P125 P126 P127 P128 P129 P130 P131 P132 P133 P134 P135 P136 P137 P138 P139 P140 P141 P142 P143 P144 P145 P146 P147 P148 P149 P150 P151

RIPA 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50

RIPS 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.30 0.37 0.37 0.37 0.37 0.37 0.37 0.37

RBAHASA 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.40 0.40 0.40 0.40 0.40 0.40 0.40

MIN MINAT MINAT IPA IPS 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 0 0 0 0 0 0 1 1 1 1 1 1 0 0 0 0 0 0 1 1 1 1 1 1 0

MINAT BAHASA 0 1 1 1 0 0 0 1 1 1 0 0 0 1 1 1 0 0 0 1 1 1 0 0 0 1 1 1 0 0 0 1 1 1 0 0 0 1

TES IQ 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0

NILAI PREDIKAT 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0.27 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

63

64

KODE PREDIKAT P152 P153 P154 P155 P156 P157 P158 P159 P160 P161 P162 P163 P164 P165 P166 P167 P168 P169 P170 P171 P172 P173 P174 P175 P176 P177 P178 P179 P180 P181 P182 P183 P184 P185 P186 P187 P188 P189

RIPA 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50 0.50

RIPS 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37 0.37

RBAHASA 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.40 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27

MIN MINAT MINAT IPA IPS 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 0 0 0 0 1 1 1 1 1 1 0 0 0 0 0 0 1 1 1 1 1 1 0 0 0 0 0 0 1 1 1 1 1 1 0 0 0

MINAT BAHASA 1 1 0 0 0 1 1 1 0 0 0 1 1 1 0 0 0 1 1 1 0 0 0 1 1 1 0 0 0 1 1 1 0 0 0 1 1 1

TES IQ 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1

NILAI PREDIKAT 0 0 0 0 0 0 0 0.37 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0.27 0 0 0 0 0 0

64

65

KODE PREDIKAT P190 P191 P192

RIPA 0.50 0.50 0.50

RIPS 0.37 0.37 0.37

RBAHASA 0.27 0.27 0.27

MIN MINAT MINAT IPA IPS 1 0 1 1 0 0

MINAT BAHASA 0 0 0

TES IQ 0 0 1

NILAI PREDIKAT 0 0 0

TOTAL NILAI PREDIKAT :

1.89

65

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->