PREDIKSI MINAT DAN BAKAT MURID TAMAN KANAK-KANAK DENGAN

METODE PENALARAN BERBASIS KASUS

(Prediction of Interests and Talents Kindergarten Students
with Case-Based Reasoning Method)
Octorany Silitonga, Nerfita Nikentari, ST, M.Cs, Hendra Kurniawan, S.Kom, M.Sc.Eng
Jurusan Informatika, Fakultas Teknik, Universitas Maritim Raja Ali Haji
Jl. Politeknik Senggarang, Tanjungpinang 29115
Email : octorany@gmail.com; private.niken@gmail.com; nra.kurniawan@gmail.com
ABSTRAK
Anak usia taman kanak-kanak memiliki karakteristik dan keunikan yang berbeda-beda,
seperti memiliki rasa ingin tahu yang kuat, antusias dan aktif dalam melakukan kegiatan
dan sifat egosentris yang melekat. Saat ini banyak anak-anak yang memiliki talenta tidak
mendapatkan penguatan atau dorongan di sekolahnya sehingga banyak sekali anak yang
pada kenyataannya dianggap sebagai learning disabled karena pola pemikiran mereka yang
unik tidak dapat diakomodasi oleh sekolah. Pentingnya peran guru dalam memahami
permasalahan tersebut agar guru lebih mengenali minat dan bakat (talenta) anak didiknya.
Penelitian ini adalah salah satu cara yang dapat membantu menyelesaikan masalah tersebut
yaitu pembangunan sebuah aplikasi yang dapat memprediksi minat dan bakat murid TK
dengan metode Case-Based Reasoning (CBR) atau penalaran berbasis kasus. Hasil dari
penelitian ini adalah suatu prediksi minat dan bakat yang dihasilkan berdasarkan kemiripan
kasus (similarity) dan proses learning yang dilakukan oleh sistem dapat menghasilkan
solusi baru jika tidak menemukan kasus lama yang memiliki kemiripan.
Kata kunci : Minat dan bakat, Case-Based Reasoning, Penalaran Berbasis Kasus,
Similarity, Probabilitas bayes
ABSTRACT
Children of kindergarten have unique characteristics and different, such as having a strong
curiosity, enthusiastic and active in activities and inherent egocentric. Nowadays a lot of
kids who have talent do not get reinforcement or encouragement in school, so a lot of kids
who in fact considered as learning disabled because of their unique patterns of thinking
can not be accommodated by the school. The importance role of the teacher in order to
understand the problem better recognize the interests and talents of their students. This
study is one of the ways that can help solve this problem is the development of an
application that can predict kindergarten student interests and talents with Case-Based
Reasoning (CBR) method using the bayes probability calculations in finding the best
solution. Results from this study is a prediction of interests and talents are produced based
on the case similarity and the learning process performed by the system can produce a new
solution if it does not find the old cases that have similarities.
Keywords: Interests and talents, Case-Based Reasoning, Similarity, Bayes probability

I.

yang menjadi elemen pengetahuan.

Dengan berbekal data perkembangan
kemampuan anak didik yang diinput ke
dalam sistem, maka akan menghasilkan
suatu prediksi minat dan bakat anak didik
untuk dapat dikembangkan.
Seperti penelitian sebelumnya
yang pernah dilakukan oleh Syafiul
Mujid (2008), dimana solusi untuk
sebuah diagnosa penyakit kehamilan
diberikan menggunakan konsep CBR.
CBR membutuhkan jumlah kasus yang
banyak
untuk
menjadi
basis
pengetahuannya.
Dari uraian latar belakang di atas,
maka penulis mengambil judul yaitu
Prediksi Minat dan Bakat Murid Taman
Kanak-Kanak dengan Metode Penalaran
Berbasis
Kasus
(Case-Based
Reasoning).

PENDAHULUAN

Taman Kanak-kanak (TK) merupakan

salah satu sarana yang dapat membantu
dan mendorong anak-anak murid
mengembangkan potensi yang ada di
dalam dirinya menjadi lebih optimal sejak
dini. Anak usia Taman Kanak-kanak
berada antara 0-8 tahun. Anak TK
memiliki karakteristik dan keunikan yang
berbeda-beda, seperti memiliki rasa ingin
tahu yang kuat, antusias dan aktif dalam
melakukan kegiatan dan sifat egosentris
yang melekat. Saat ini banyak anak-anak
yang memiliki talenta tidak mendapatkan
penguatan atau dorongan di sekolahnya
sehingga banyak sekali anak yang pada
kenyataannya dianggap sebagai learning
disabled karena pola pemikiran mereka
yang unik tidak dapat diakomodasi oleh
sekolah (Handy Susanto, S.Psi, 2005).
Pentingnya peran guru dalam memahami
karakteristik anak pada usia ini menjadi
alasan untuk guru lebih mengenali minat
dan bakat anak didiknya agar minat dan
bakat tersebut dapat langsung diarahkan
dan dibimbing sehingga berkembang.

II. METODE PENELITIAN

Metodologi yang digunakan dalam
penelitian ini adalah metodologi RUP
(Rational Unified Process) digunakan
sebagai landasan dasar dalam melakukan
pengembangan sistem.

Metode Case-Based Reasoning

(CBR) atau penalaran berbasis kasus
adalah salah satu cara yang dapat
membantu guru mengenali minat dan
bakat murid. Dengan permasalahan baru,
kemudian mengadaptasi solusi dari
pengalaman kasus-kasus sebelumnya
yang mempunyai kemiripan (similarity)
dengan kasus yang baru ini. Penalaran
berbasis kasus menyelesaikan masalah
baru dengan mengadaptasi solusi yang
digunakan untuk menyelesaikan masalah
yang lama (Riesbeck and Schank, 1989).
Kasus-kasus
yang
pernah
terjadi
sebelumnya
diperoleh
dari
data
perkembangan kemampuan anak di suatu
sekolah taman kanak-kanak yang
kemudian disimpan dalam basis kasus

Fase-fase dalam metodologi RUP terdiri

dari:
1. Fase Inception (Permulaan)
Fase ini merupakan permulaan tahap
pengembangan yaitu mendefinisikan
batasan kegiatan, melakukan analisis
kebutuhan pengguna, dan melakukan
perancangan awal perangkat lunak
(perancangan arsitektural dan use
case).
2. Fase Elaboration (Perencanaan)
Pada fase ini dilakukan perancangan
sistem. Tahap ini menggunakan
flowchart
dan
UML
(Unified
Modelling Language). Flowchart
untuk menyatakan aliran data atau
proses sementara UML (Unified
2

Modelling Language) digunakan

untuk membantu manggambarkan
diagram sistem yang akan dibangun.
3. Fase Construction (Konstruksi)
Pada fase ini dilakukan pembangunan
sistem sesuai dengan perancangan
yang telah dibuat dengan
menggunakan bahasa pemrograman
java.
4. Fase Transition (Transisi)
Pada fase ini dilakukan proses
instalasi, deployment dan sosialisasi
perangkat lunak. Dalam tahap transisi
akan diperoleh umpan balik dari
pengguna yang dapat dimanfaatkan
oleh perbaikan perangkat lunak.

1. Retrieve, mendapatkan kasus-kasus

yang mirip. Untuk mencari solusi yang
terbaik bagi kasus baru diperlukan
sebuah perhitungan. Perhitungan yang
digunakan adalah rumus probabilitas
bayes. Semakin besar nilai yang
didapat, maka semakin baik solusi
tersebut untuk diadaptasi atau dipakai.
Berikut notasi perhitungan probabilitas
bayes :
=

()
()

Keterangan :
X
= Data dengan output yang
belum diketahui (kasus
baru)
Y
= Hipotesis data Y
P(Y|X) = Probabilitas hipotesis Y
berdasar kondisi X
(posteriori probability)
P(Y) = Probabilitas hipotesis Y
(prior probability)
P(X|Y) = Probabilitas X
berdasarkan kondisi pada
hipotesis Y
P(X) = Probabilitas kondisi X

III. PEMBAHASAN
A. Case-Based Reasoning
Menurut Adriana S.A, Indiarto dan
Abdiansah (2008) dalam buku mereka
yang berjudul Penalaran Komputer
Berbasis Kasus (Case Based Reasoning),
tahapan proses yang menggambarkan
siklus penalaran berbasis kasus, yaitu :

2. Reuse, merupakan tahap adaptasi, yaitu

menggunakan kembali solusi yang
telah ditemukan yang memiliki nilai
peluang tertinggi sesuai dengan
inputan
user.
Tahap
ini
mempertimbangkan
nilai
yang
dihasilkan oleh perhitungan pada tahap
sebelumnya (retrieve). Nilai ini
merupakan nilai yang menunjukkan
seberapa besar solusi yang ditemukan
tersebut dapat dipakai. Ada pun batas
nilai sebagai indikator yaitu 0,5 untuk
menentukan apakah solusi tersebut
tepat menjadi solusi bagi kasus baru
dan akan di-retain ke basis kasus atau

Gambar 1. Siklus CBR

tidak. Jika nilai peluang 0,5 maka

solusi yang ditemukan itu layak
menjadi solusi bagi kasus baru tanpa
harus melewati tahap revise dan
langsung di-retain ke dalam basis
kasus untuk menyelesaikan kasus
dimasa yang akan datang. Namun jika
nilai peluang <0,5 maka solusi yang
ditemukan itu harus melewati tahap
revise terlebih dahulu untuk diperbaiki
oleh pakar.

agar tidak terjadi duplikasi data pada

basis kasus.
B. Flowchart Diagram
Dari rancangan flowchart diagram ini
sistem aplikasi prediksi minat dan bakat
murid TK akan dibangun. Berikut adalah
flowchart
diagram
dari
proses
pengolahan data pada sistem prediksi
minat dan bakat murid TK.
Mulai

3. Revise,
adalah tahap perbaikan,
dimana
ketika
sistem
tidak
menemukan kasus yang mirip dengan
inputan user pada basis kasus. Jika
kondisi seperti ini terjadi maka hanya
seorang pakar yang dapat menentukan
solusinya. Namun ada suatu kondisi
dimana
peluang
output
yang
ditemukan oleh sistem pada saat proses
retrieve memiliki nilai yang rendah
(<0,5), maka kasus baru dan solusi
tersebut harus diperbaiki (revise) oleh
pakar untuk menentukan solusi yang
tepat bagi kasus baru tersebut.

Menerima Inputan

Retrieve / Mencari
kasus yang mirip
Ada

Tidak
Tidak

ada

Reuse / Menggunakan
solusi

Solusi 0,5

Solusi < 0,5

Revise /
Memperbaiki

4. Retain,
merupakan
proses
penyimpanan, yaitu kasus baru yang
telah ditetapkan solusinya, baik yang
telah melalui proses revise terlebih
dahulu, maupun yang langsung
menggunakan solusi yang ditemukan
sistem saat proses retrieve (yang
nilainya 0,5), disimpan di dalam basis
kasus untuk digabungkan dengan
kasus-kasus
sebelumnya
untuk
menyelesaikan permasalahan dimasa
yang akan datang. Proses penyimpanan
dilakukan apabila kasus baru belum
terdapat pada basis kasus. Jika data
seperti kasus baru sudah ada dalam
basis kasus maka kasus baru tersebut
tidak perlu disimpan lagi di basis kasus

Hasil Prediksi

Retain / Menyimpan
kasus baru ke basis
kasus

Keluar
Ya
Selesai

Gambar 2. Flowchart diagram

prediksi dengan case-based reasoning
Keterangan :
a. Menerima inputan user yang akan
diprediksi.
b. Dilakukan pencarian kasus yang mirip
(retrieve)
dalam
basis
kasus
berdasarkan inputan yang dimasukkan.
4

- Jika ditemukan kasus yang persis

sama (tingkat similaritasnya tinggi
0,5), maka solusi dari kasus
tersebut diadaptasi / digunakan
kembali (reuse) sebagai solusi bagi
kasus yang baru. Namun jika
ditemukan kasus lama yang mirip
dengan kasus yang baru (tingkat
similaritasnya rendah <0,5), maka
dapat dilakukan proses perbaikan
(revise) bagi solusi yang diusulkan.
- Jika tidak ditemukan kasus yang
mirip maka kasus baru ini di-revise
(perbaiki) dimana hanya seorang
pakar yang dapat menjawab /
memberikan solusi bagi kasus baru
tersebut.
c. Setelah kasus yang baru ditetapkan
solusinya maka kasus tersebut
disimpan ke dalam basis kasus
(retain). Begitu juga kasus baru yang
di-revise oleh pakar disimpan ke dalam
basis kasus untuk penyelesaian
masalah dimasa yang akan datang dan
sekaligus sistem menampilkan output
berupa prediksi minat dan bakat.
d. Setelah prediksi dihasilkan maka user
bisa me-reset halaman inputan untuk
dapat melakukan prediksi kembali
ataupun keluar dari aplikasi.

sistem dimodelkan dengan use case

diagram. Berikut rancangan sistem
dengan use case diagram.
Sistem Prediksi Minat dan Bakat Murid TK
Login

Admin

Tambah
Penguna
Prediksi
Revise

User

Hasil Prediksi
Help

Gambar 3. Use Case Diagram

IV. KESIMPULAN DAN SARAN
A. Kesimpulan
Kesimpulan yang dapat diambil dari
penelitian ini adalah aplikasi dapat
memprediksi minat dan bakat murid TK
berdasarkan kemampuan murid dengan
metode case-based reasoning yang
menghasilkan suatu prediksi berdasarkan
kemiripan kasus (similarity) dan proses
learning sistem. Prediksi minat dan bakat
yang dilakukan bagi 50 murid TK Tunas
Madani 2 Batam menunjukkan banyak
murid yang memiliki minat dan bakat
bahasa sebesar 50% yaitu berminat pada
kegiatan membaca, menulis, bercerita
serta memahami gambar dan tulisan.
Ditemukan juga murid yang memiliki
minat dan bakat baru yaitu kinestetik
(gerak).

Prediksi
minat
dan
bakat
dilakukan kepada 50 murid dengan
percobaan seperti beberapa studi kasus di
atas. Didapatkan hasil 25 murid memiliki
minat dan bakat bahasa, 19 murid
memiliki minat dan bakat kognitif, 4
murid memiliki minat dan bakat seni dan
didapat 2 murid memiliki minat dan bakat
baru yaitu kinestetik.

B. Saran
Untuk
pengembangan
penelitian
selanjutnya ada beberapa saran yang
dapat diberikan, yaitu:

C. Use Case Diagram

Untuk memperoleh gambaran proses
dalam sistem yang akan dibangun, maka

Pakar

Teorema Bayes, 2001 digitized by

USU digital library.

1. Jumlah soal diperbanyak lagi agar

lebih kompleks dalam memprediksi
minat dan bakat murid TK.
2. Aplikasi
semacam
ini
dapat
dikembangkan lagi untuk prediksi
minat dan bakat bagi murid SMA
yang akan menentukan jurusan
kuliah dan penentuan bidang
pekerjaan
dalam
penerimaan
karyawan di suatu perusahaan
dengan
metode
case-based
reasoning.

Handy Susanto, S.Psi, 2005. Penerapan

Multiple Intelligences dalam Sistem
Pembelajaran, Jurnal Pendidikan
Penabur - No.04/ Th.IV/ Juli 2005.
Iping Supriana Suwardi dan Juwairiah.
2006.
Pengembangan
Sistem
Penalaran Berbasis Kasus untuk
Mengantisipasi Masalah Kegagalan
Sistem
Informasi,
Seminar
Nasional
Aplikasi
Teknologi
Informasi 2006 (SNATI 2006) ISSN:
1907-5022.

V. DAFTAR PUSTAKA
Abdiansah,
2009.
Case-Based
Reasoning
untuk
Pendukung
Diagnosa Penyakit Kulit dan
Kelamin Pada Manusia, Seminar
Nasional Electrical, Informatics,
and ITs Education 2009.

Janet

Adriana S.A, Indiarto, dan Abdiansah.

2008.
Penalaran
Komputer
Berbasis Kasus (Case Based
Reasoning).Yogyakarta:
Ardana
Media.

Lollie, Miss. 2011. Mengenali Bakat dan

Minat,
http://misscounseling.blogspot.com/
2011/09/mengenali-bakat-danminat.html, diakses tanggal 14
Februari 2013.

Ali Hajipour, Yasaman Heydarzadeh,

Abolfazl Toroghy Haghighat dan
Azam Bastanfard, 2009. An
Efficient Method for Logging
Strategy Using
Case
Based
Reasoning in Soccer Simulation,
Third Asia International Conference
on Modelling & Simulation.

Muhammad Javed, Bashir Ahmad,

Muhammad
Ahmad
Jan,
Muhammad
Ali
Abid
dan
Muhammad Ali Shah, 2012. RUP
Certification via CRM Certification
Process: Development of Software
with
Zero
Defect
Rate,
International Journal of Advanced
Science and Technology Vol. 48,
November, 2012.

Dyah Diwasasri Ratnaningtyas, 2010.

Aplikasi Teorema Bayes dalam
Penyaringan
Email,
Makalah
II2092 Probabilitas dan Statistik.
Dra.

L.
Kolodner,
1992.
An
Introduction
to
Case-Based
Reasoning, Arthificial Intelligent
Review 6,3-34.

Putu Manik Prihatini, 2011. Metode

Ketidakpastian dan Kesamaran
Dalam Sistem Pakar, Lontar
KomputerVol. 2No. 1 Juni 2011
ISSN: 2088-1541.

Sinuk Malem Pinem, 2001.

Mengambil Keputusan dengan

Riesbeck and Schank. 1989. Inside CaseBased Reasoning. Northvale, NJ:

Lawrence Erlbaum Associates.
Syafiul
Mujid,
2008.
Teknologi
Penalaran berbasis kasus (CaseBased Reasoning) untuk Diagnosa
Penyakit Kehamilan, Seminar
Nasional
Aplikasi
Teknologi
Informasi 2008 (SNATI 2008) ISSN:
1907-5022.