Cara Seting Bios

1. Nyalakan laptop, tekan tombol F2 saat muncul "Press F2 to enter setup" di pojok kiri bawah. Setiap komputer merk apapun pasti ada petunjuk tombol masuk bios pada saat komputer pertama kali menyala (Del/Esc/F12). Dalam hal ini Acer menggunakan tombol F2.

2. Nah sekarang Anda berada di antarmuka BIOS.

3.Tekan tombol navigasi kanan mengarah ke menu Boot.

4 Lihat fungsi-fungsi tombol di sebelah kanan layar. Jika laptop anda bukan Acer atau beda versi BIOSnya, akan ada petunjuk disisi kanan layar walapun dalam bahasa inggris.

5. Sebelum mengubah apapun. Pastikan anda mencatat atau memoto urutan boot tersebut, akan sangat berguna jika Anda selesai instalasi atau jika Anda lupa.


6. Pada menu Boot akan muncul jenis-jenis perangkat yang bisa di boot. Jika ada namanya berarti perangkat tersebut sudah terdeteksi oleh Bios. Perangkat mana yang mau Anda boot? Dari CDROM atau flashdisk?

ATAPI CDROM : - cdrom internal
USB CDROM : - untuk cdrom eksternal
USB HDD : - untuk bootable flashdisk

Mohon diingat! Ketika Anda memasang perangkat boot eksternal, colokkan kabel USB pada port USB1 ataupun port USB2 , jangan colokkan pada port USB3 (berwarna biru ).

7. Edit Boot Priority Order. Pada langkah ini kita memindahkan perangkat ke urutan yang paling atas. Pindahkan perangkat yang mau di boot ke urutan paling atas /NO. 1 dengan menekan F6 dan F5 ( F6 untuk menaikkan dan F5 untuk menurunkan ).

8. Tekan F10 untuk menyimpan dan keluar.

9. Biarkan laptop nyala seperti biasa dan akan boot ke perangkat yang dimaksud.

Read More

BAB III (Prototype System: K-Nearest Neighbor dan Naive Bayesian Methods)

BAB III

METODOLOGI PENELITIAN

III.1 Metode Penelitian

Metode penelitian yang digunakan dalam penelitian ini menggunakan jenis metode deskriptif. Metode penelitian deskriptif adalah penelitian yang bertujuan untuk menjelaskan atau mendeskripsikan suatu keadaan, peristiwa, objek, apakah orang, atau segala sesuatu yang terkait dengan variable-variable yang bisa dijelaskan, baik dengan angka-angka maupun kata-kata. (Setyosari, 2010).

Penelitian yang dilakukan adalah dengan berusaha meng-capture peristiwa dan kejadian yang menjadi pokok dari penelitian, kemudian menggambarkan atau memrepresentasikan hasil sebagaimana adanya, sehingga pemanfaatan temuan dari penelitian ini berlaku pada saat itu pula (real time research).

III.2 Metode Pengumpulan Data

Teknik pengumpulan data merupakan faktor penting dalam penelitian, hal ini berkaitan dengan bagaimana cara mengumpulkan data, sumber data, dan kelengkapan data yang digunakan sebagai bahan pokok dalam penelitian. Metode pengumpulan data merupakan teknik atau cara yang dilakukan untuk mengumpulkan data. Metode merujuk pada suatu cara sehingga dapat diperlihatkan penggunaan dan fungsi dari data itu sendiri. Dalam penelitian ini digunakan tiga jenis metode pengumpulan data.

III.2.1. Studi Kepustakaan

Riset kepustakaan atau studi kepustakaan adalah segala usaha yang dilakukan oleh peneliti untuk menghimpun informasi yang relevan dengan topik atau masalah yang akan atau sedang diteliti. Informasi itu dapat diperoleh dari buku-buku ilmiah, laporan penelitian, karangan-karangan ilmiah, tesis dan disertasi, enslikopedia, dan sumber-sumber tertulis baik tercetak maupun elektronik lain. (Subagyo, 2006). Dalam penelitian ini digunakan beberapa kajian literatur yang berkaitan dengan penggunaan case-base reasoning system, dimana hal tersebut menjadi pokok dari sistem berbasis data mining. Penelitian yang relevan sebagai pembanding dan referensi dari penelitian ini.

III.2.2. Observasi

Observasi merupakan salah satu teknik pengumpulan data yang tidak hanya mengukur sikap dari responden (wawancara dan angket) namun juga dapat digunakan untuk merekam berbagai fenomena yang terjadi (situasi, kondisi). (Hendryadi, 2015). Penelitian ini menitikberatkan pada observasi tidak langsung, yaitu non participant observation. Menurut Hendryadi (2015), non participant observation merupakan observasi yang penelitinya tidak ikut secara langsung dalam kegiatan atau proses yang sedang diamati. Karena penelitian ini mengamati sistem yang sudah terpasang, dan penelitian akan membandingkan kinerja proses sistem yang ada, maka menggunakan metode non participant observation..

III.2.3. Angket (kuesioner)

Angket atau kuesioner adalah teknik pengumpulan data yang dilakukan dengan cara memberikan seperangkat pertanyaan atau pernyataan kepada orang lain yang dijadikan responden untuk dijawabnya. (Hendryadi, 2015). Dalam penelitian ini, angket digunakan untuk mengumpulkan data sample yaitu data sebagai testing set yang digunakan dalam proses kalkulasi dengan training set. Pendapat lain menerangkan bahwa angket atau kuesioner merupakan suatu teknik pengumbpulan data secara tidak langsung (peneliti tidak langsung bertanya jawab dengan responden). Instrumen atau alat pengumpulan datanya disubut angket yang berisi sejumlah pertanyaan-pertanyaan yang harus dijawab atau direspon oleh responden. (Sutopo, 2006).

III.3 Metode Perancangan Sistem

Perancangan sistem dapat diartikan sebagai refleksi dari gambaran atau sketsa sebuah alur penelitian yang dilakukan, mencakup pada metode atau langkah-langkah yang ditempuh dari suatu penelitian berupa deskripsi perencanaan sistem atau tools yang akan dibangun pada sebuah penelitian. Perancangan ini sebagai proses yang berkesinambungan setelah pengumpulan data telah utuh. Perancangan mencakup analisis kebutuhan, hardware, software, dan proses dari sebuah sistem.

III.3.1. Analisis System

Metode analisis sistem dalam alur kerja penelitian ini didasari pada analisis penggunaan metode dan tools yang direpresentasikan pada sebuah sistem. Pada tahapan ini dilakukan desain model tools yang digambarkan dengan bahasa standar untuk penulisan blue screen sebuah software menggunakan Unified Modeling language (UML). Perancangan sistem pada penelitian ini berpacu dalam analisa tiga komponen yaitu :

III.3.1.1. Analisis Kebutuhan Fungsi Sistem

Penelitian ini akan membangun sebuah prototype system yang berbasis artificial intelligent atau sebuah sistem pakar. Prototype system yang dibutuhkan harus memiliki semua sub sistem yaitu :

a. Sarana untuk Akuisisi Pengetahuan (Knowledge Acquisition)

Pengetahuan yang diolah menggunakan metode ini bergantung pada jenis dari pengetahuan (Knowledge) yang hendak dikumpulkan dan digunakan dalam sistem. Penelitian ini bertujuan membangun Prototype sebuah sistem identifikasi kecenderungan dalam depresi, maka pengetahuan yang dibutuhkan adalah :

1. Diagnosa dan tingkatan depresi.
2. Gejala-gejala yang mengidentifikasikan kecenderungan depresi.
3. Jenis-jenis kecenderungan depresi.
4. Cara pencegahan dan saran untuk memberikan sebuah solusi.
5. Nilai atau kalkulasi yang merepresentasikan tingkatan depresi

b. Sarana untuk Representasi Pengetahuan (Knowledge Representation)

Representasi pengetahuan merupakan sarana yang berbentuk basis pengetahuan dan basis aturan atau kaidah yang dikumpulkan, dikodekan, diorganisasikan, dan digambarkan dalam bentuk rancangan yang sistematis. Pengetahuan dinyatakan dalam bentuk aturan IF-THEN-ELSE. Bagian premis dari aturan yang digunakan untuk menentukan gejala kecenderungan depresi, sedangkan bagian dari kesimpulan berkaitan dengan nilai atau kalkulasi hasil kuesioner.

c. Sarana untuk Proses Inferensi (Inference Engine)

Merupakan suatu proses yang akan melakukan kalkulasi perhitungan untuk membandingkan akurasi dan kinerja proses metode task classification dengan menguji dua algoritma yaitu K-Nearest Neighbor dan Naive Bayes Classification dalam sebuah tools prototype artificial intelligent system. Prototype ini akan mengidentifikasi kecenderungan derpresi dini dengan cara pengambilan data melalui simulasi kuesioner terkomputerisasi. Semua proses inference terhimpun dari data hasil kuesioner yang penuh ketidakpastian. Maka dari itu data harus diolah terlebh dahulu dengan persamaan (2.1) untuk dijadikan data dengan variable bobot yang terjadi, sehingga kalkulasi dapat dilakukan yaitu kalkulasi dengan dua algoritma classification yang diujikan. Kalkulasi dilakukan dengan pencocokan data hasil kuesioner (testing set) dengan data casebase (training set).

III.3.1.2. Analisis Hardware System Tools

Penelitian ini bertajuk analisa akurasi dan kinerja sebuah algoritma classification yang membandingkan dua proses. Oleh karena itu penelitian ini akan membutuhkan sebuah tools untuk digunakan sebagai media perbandingan. Spesifikasinya sebagai berikut :

a. Jenis komputer : Net book acer AOD270

b. Processor : 4 x intel@atom CPU @1.86GHz

c. Installed memory : 2.0 GiB of RAM

d. Swap memory : 2.0 GiB of SWAP

III.3.1.3. Analisis Software System Tools

Untuk software tools yang digunakan dalam penelitian ini mencakup OS (Operating System), software development, DBMS (Data Base Management System), dan drawing structured diagram spesifikasinya sebagai berikut :

a. Operating System

System : Kubuntu Linux 14.04 32-bit

KDE Libs version : 4.13.3

QT version : 4.8.6

Kernel version : 3.16.0-37-generic

b. Software Development

Product version : Netbean IDE 8.0.2 (build 201411181905)

JAVA : 1.8.0_45 /Java HotSpot(TM) Client VM 25.45-b02

Runtime : Java(TM) SE Runtime Environment 1.8.0_45-b14

System :16.0-37-generic running on i386/UTF-8/in_ID (nb)

c. Data Base Management System

Product version : pgAdmin/PostgreSQL/1.20.0

Rev : REL-1_20_0

License : pgAdmin Development Team/postgreSQL license

d. Drawing Structured Diagrams

Product version : dia-normal 0.97.2

Author : The Free Software Foundation And The Author

Home Base : http://live.gnome.org/Dia

License : GNU general public license/MA02111-1307/USA

III.3.2. Perancangan Knowledge Base

Dalam penelitian ini perancangan knowledge base sangat penting adanya dikarenakan penggunaan case-base sebagai representasi pengetahuan seorang pakar yang mendiagnosa bermacam kecenderungan-kecenderungan seseorang menderita depresi. Knowledge base digunakan sebagai rujukan kalkulasi sistem.

Dalam perancangan Knowledge Base digunakan tiga komponen penting yang mendasari sebuah case-base yaitu fact and rule, knowledge base storage, dan agenda.(Aribowo, 2011). Dalam penelitian ini dijelaskan sebagai berikut :

a. Fact and Rule

Fact and rule merupakan aturan yang memiliki pola IF kondisi THEN aksi pada tabel case base yang memberikan respon pada input untuk menentukan proses yang tepat. Keuntungan yang diperoleh yaitu kemudahan dalam memodifikasi, baik perubahan, penambahan, dan penghapusan atau dikenal dengan sebutan CRUD (Create, Read, Update, Delete).

b. Knowledge Base Storage

Knowledge Base Storage merupakan tempat dimana penyimpanan basis pengetahuan dari pakar. Berisi relasi antar tabel untuk penyimpanan knowledge base dan proses inference. Dalam penelitian ini dijelaskan gambar 3.1 berikut :

gambar 3.1 Knowledge Base

Keterangan :

1. Table Knowledge

Tabel knowledge berisi knowledge yang tersedia dalam sistem. Tabel ini merupakan tabel induk dari fact dimana tabel fact akan berisi fakta-fakta kecenderungan depresi yang ada dalam sebuah knowledge.

2. Table Fact

Tabel fact berisi gejala-gejala depresi dan tingkatan depresi sesuai knowledge yang ada. Setiap fakta gejala depresi akan menjadi data induk untuk tabel rule.

3. Table Rule

Tabel rule berfungsi untuk menyimpan rule-rule untuk proses inferensi. Beberapa buah rule akan berelasi dengan satu fakta gejala depresi. Tabel rule akan berelasi satu ke banyak dengan tabel anteseden.

4. Table Anteseden

Tabel anteseden berisi gejala-gejala untuk setiap rule. Setiap gejala depresi dalam tabel fact akan menjadi data induk untuk tabel anteseden.

c. Agenda

Agenda merupakan daftar prioritas prosedur yang dibuat oleh inference engine dan direkam dalam working memory. Agenda akan diisi oleh rule yang aktif dalam inference. Jika terjadi konflik yang disebabkan adanya beberapa rule aktif dalam agenda maka penyelesaian konflik tersebut dilakukan dengan teknik specificity dimana rule yang dipilih adalah rule yang terbanyak jumlah kondisi yang terpenuhi dibandingkan dengan rule-rule lain dalam proses tersebut.

III.3.3. Perancangan Interface

User interface merupakan suatu mekanisme atau media komunikasi antar pemakai (user) dengan program. Bagian ini menyediakan dan memberikan fasilitas informasi dan beberapa keterangan yang mengarah pada penelusuran masalah sampai ditemukan solusi. (Aribowo, 2011). Penelitian yang dilakukan menggunakan tools JAVA Netbean sebagai alat desain dan perancangan interface.

III.3.4. Testing System

Testing adalah proses menganalisa suatu entitas software untuk mendeteksi perbedaan antara kondisi yang ada dengan kondisi yang diinginkn (defects/error/bug) dan kesalahan dalam sebuah kegiatan testing bukanlah sebuah error ataupun bug tetapi merupakan sebuah hasil yang tidak diharapkan sesuai dengan spesifikasi dari prmintaan customer. Dalamarti hal yang sedang terjadi tidak sama dengan hal yang diharapka. (ANSI/IEEE, 1059)

 

Read More

BAB 1 (Prototype System: K-Nearest Neighbor dan Naive Bayesian Methods)

 

BAB 1

PENDAHULUAN

I.1 Latar Belakang Penelitian

Penelitian ini merupakan langkah analisa ketepatan akurasi dan kecepatan kinerja antara dua jenis task classification dalam case-based reasoning yang diterapkan pada prototype sistem yang berbasis artificial intelligent. Penggunaan algoritma dalam data mining sangat mempengaruhi akurasi hasil proses dan kecepatan proses. Maka pemilihan algoritma yang tepat akan memberikan hasil yang maksimal pada sebuah sistem berbasis artificial intelligent. Penelitian ini akan membangun prototype artificial intelligent system yang membandingkan dua metode yaitu K-Nearest Neighbor dan Naive Bayes Classification menggunakan data set yang sama sebagai pengujian. Penelitian ini diangkat penulis berdasarkan penelitian sebelumnya, telah mendapatkan hasil kecepatan kinerja yang belum maksimal, sehingga perlu dilakukan penelitian lanjutan mengenai pemilihan algoritma terbaik dalam sistem berbasis artificial intelligent.

Penelitian ini diharapkan mampu memperbaiki dan memaksimalkan hasil akurasi dan kecepatan kinerja proses sistem hasil penelitian penulis terdahulu yang bertemakan sistem berbasis kasus untuk diagnosa depresi. Penelitian sebelummnya memiliki kekurangan pada perhitungan nilai similarity yang didapatkan dengan pemberian variable yang berbeda. Penelitian ini akan menambahkan nilai logaritma hasil dari stemming (TF-Idf) pada preprocessing data set sebelum diujikan terhadap kedua metode.

I.2 Rumusan Masalah

Berdasarkan latar belakang permasalahan yang telah diuraikan, maka permasalahan yang ada dapat dirumuskan sebagai berikut :

Bagaimana membangun sebuah sistem untuk menyimpulkan penggunaan metode terbaik antara predictive classification dan descriptive classification berbasis prototype artificial intelligent system untuk diagnosa gejala psikologis.

Bagaimana menganalisa proses dan kinerja metode menggunakan suatu prototype sistem identifikasi kemudian membandingkan hasil antara dua metode yang diuji.

Bagaimana menerapkan hasil analisis algoritma untuk digunakan pada prototype artificial intelligent system untuk diagnosa depresi.

I.3 Batasan Masalah

Meninjau luasnya permasalahan dan menghindari penyimpangan pokok penelitian, maka permasalahan akan dibatasi pada :

1. Penelitian menganalisa nilai akurasi dan kecepatan kinerja dari dua jenis task antara predictive dan descriptive classification pada Case Base Reasoning System (CBR).
2. Penelitian menggunakan dua metode yaitu K-Nearest Neighbor dan Naive Bayesian Classification sebagai sample metode predictive classification dan descriptive classification.
3. Implementasi analisa algoritma menggunakan identical flow processing dalam penulisan source code programming yang digunakan.
   
   
   I.4 Tujuan Penelitian
   Tujuan dilakukannya penelitian ini adalah menghasilkan analisa metode terbaik berupa nilai perbandingan akurasi dan kecepatan kinerja dari task process antara predictive classification dan descriptive classification pada case-based reasoning berbasis prototype artificial intelligent system untuk identifikasi psikologis berupa kecenderungan depresi.
   
   
   I.5 Manfaat Penelitian
   Adapun manfaat dari penelitian ini masih bersifat kesimpulan dan hasil analisa ketepatan akurasi dan kecepatan kinerja dari sebuah proses algoritma diantaranya :
   1. Menghasilkan analisa akurasi terbaik antara metode K-Nearest Neighbor dan Naive Bayesian Classification sebagai sample metode predictive dan descriptive classification dalam case-based reasoning system.
   2. Memperbaiki kinerja sistem yang telah penulis rancang sebelumnya mengenai akurasi proses dan kecepatan kinerja sistem.
   3. Memberikan kesimpulan akurasi proses dan perbandingan kecepatan kinerja metode K-Nearest Neighbor dan Naive Bayesian Classification yang berguna dalam pemilihan algoritma yang terbaik dalam case-based reasoning system untuk penelitian dikemudian hari.
   4. Menjadi referensi untuk pembaca dalam merancang sistem yang bertema case-based reasoning dengan desain input menggunakan kuesioner, sebagai sistem identifikasi depresi.
      
      
      I.6 Sistematika Penulisan
      Sistematika yang digunakan pada penulisan laporan penelitian dalam laporan Penelitian Tugas Akhir ini adalah sebagai berikut :
      BAB I PENDAHULUAN
      Bab pendahuluan berisi tentang latar belakang masalah, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, dan sistemaika penulisan yang pada dasarnya menjadi pokok permasalahan dan kerangka penyusunan target penelitian.
      BAB II KAJIAN PUSTAKA
      Bab kajian pustaka diuraikan teori-teori yang menjadi pedoman dalam penyusunan laporan dan memberikan pondasi informasi yang sesuai dengan latar belakang permasalahan dan pokok penelitian. Bab ini berisi kajian pustaka, kerangka pemikiran, dan hipotesis mengenai masalah yang diangkat dalam penelitian. Literatur review yang relevan akan dibahas secara kritis.
      BAB III METODOLOGI PENELITIAN
      Bab metode penelitian menegaskan pendekatan, metode dan teknik yang digunakan untuk mengumpulkan dan menganalisis data yang dapat menjawab atau menjelaskan masalah penelitian meliputi, bahan (objek) penelitian dan metode (desain) berupa argumentasi pemilihan metode dengan memperhatikan sifat variable penelitian dan jenis informasi yang diperlukan
      BAB IV ANALISIS DAN PERANCANGAN SISTEM
      Bab analisis dan perancangan sistem mencerminkan alur analisa dan penyusunan tools untuk mendapatkan wadah dalam memproyeksikan algoritma metode ke dalam suatu sistem yang mempunyai fungsi selayaknya prototype artificial intelligent system, analisa berupa analisis masalah, analisis kebutuhan sistem. Perancangan sistem berupa flow processing, database, dan interface.
      BAB V PEMBAHASAN DAN IMPLEMENTASI
      Bab implementasi dan pembahasan menguraikan hasil penyajian hipotesis dan deskripsi data penunjang beserta interpretasinya. Kemudian menganalisis hasil analisa dengan pendekatan metode penelitian untuk diproyeksikan kedalam implementasi sistem, dituliskan dalam interface system beserta input, processing, dan output system.
      BAB VI PENUTUP
      Bab penutup menyatakan pemahaman tentang masalah yang diteliti berkaitan dengan penelitian berupa kesimpulan dan saran. Kesimpulan menyatakan temuan penelitian berdasarkan hasil penelitian dan pembahasan. Saran menyatakan penyataan saran teoritis tentang penelitian lebih lanjut untuk mengembangkan ilmu pengetahuan dari bidang ilmu yang dikaji, serta saran praktis yang terkait penerapan hasil penelitian.
      DAFTAR PUSTAKA
      Merupakan daftar dari seluruh kepustakaan yang digunakan dalam penelitian, dengan format penulisan berdasarkan pedoman tata penulisan dalam penelitian.
    
    
   

Read More