BAB 2

LANDASAN TEORI

2.1 Decision Support System

Sistem adalah jaringan prosedur-prosedur yang saling berhubungan, berkumpul

bersama-sama untuk melakukan suatu kegiatan atau menyelesaikan suatu sasaran

tertentu.

Konsep Sistem Pendukung Keputusan (SPK) atau Decision Support System

(DSS), dikenalkan pertama kali pada tahun 1970-an oleh Little. Menurut Little (1970),

Decision Support System adalah kumpulan prosedur-prosedur berbasiskan model, yang

digunakan sebagai data dan pertimbangan untuk membantu manager dalam mengambil

keputusan.

Sedangkan menurut Bonczej et al. (1980), DSS merupakan sistem berbasiskan

komputer yang terdiri dari 3 komponen yang saling berinteraksi, yaitu :

- language system, mekanisme komunikasi antara pemakai dengan

komponen DSS.

- knowledge system, tempat penyimpanan data dan prosedur.

- problem-processing system, menghubungkan antar komponen yang ada,

memanipulasi kebutuhan yang diperlukan dalam pengambilan keputusan.

2.1.1 Karakteristik dan Kapabilitas DSS

Karakteristik dan kapabilitas dari DSS yang ideal adalah :

10

11

1. DSS membantu mengambil keputusan, baik dalam kondisi semi-terstruktur

ataupun tidak terstruktur.

2. DSS dapat mendukung serta digunakan oleh berbagai lapisan, mulai dari lapisan

manager hingga karyawan.

3. DSS dapat digunakan untuk individu maupun kelompok.

4. DSS menyediakan keputusan yang bersifat interdependent, ataupun sequential

5. Pada DSS, proses pengambilan keputusan dilakukan dengan cerdas (intelligence),

dirancang dengan tepat, dipilih dan diterapkan.

6. DSS dapat menghasilkan berbagai macam gaya keputusan.

7. DSS harus fleksibel dan mudah diadaptasikan.

8. Pengguna DSS harus merasa nyaman dalam menggunakan DSS

9. DSS mampu meningkatkan keefektifan dalam penggambilan keputusan, seperti

ketepatan (accuracy), kualitas (quality) dan cepat (timeline).

10. Pengambil keputusan berhak penuh mengatur DSS. DSS hanya memberikan

saran, bukan keputusan mutlak.

11. Pengguna DSS seharusnya dapat mengubah dan membangun sistem sederhana

sesuai dengan keinginannya.

12. DSS biasa digunakan sebagai model untuk menganalisa keputusan yang akan

diambil.

2.1.2 Kelebihan dan Kekurangan DSS

Dari definisi dan karakteristik tersebut di atas, DSS dapat memberikan

berbagai manfaat dan keuntungan, diantaranya:

12

DSS mampu memperluas kemampuan untuk mengambil keputusan dengan cara

memproses data/informasi yang disediakan.

DSS mampu meningkatkan efisiensi waktu dalam memecahkan masalah,

terutama untuk masalah yang tidak terstruktur dan sangat kompleks.

DSS dapat memberikan solusi yang lebih cepat, serta hasil yang dapat

diandalkan.

Walaupun DSS mungkin saja tidak mampu memecahkan masalah yang dihadapi,

namun dapat menjadi stimulan bagi pengambil keputusan dalam memahami

persoalan. Karena DSS menyediakan alternatif-alternatif bagi pengambil

keputusan.

DSS dapat menyediakan bukti tambahan untuk memberikan pembenaran,

sehingga memperkuat posisi pengambil keputusan.

Selain kelebihan-kelebihan tersebut, DSS juga memiliki beberapa

kekurangan ataupun keterbatasan, yakni:

Kemampuan DSS terbatas oleh perbendaharaan pengetahuan yang dimilikinya

(pengetahuan dasar atau model dasar).

Ada beberapa kemampuan manajemen dan bakat manusia yang tidak dapat

dimodelkan oleh DSS, sehingga sistem tidak mencerminkan semua persoalan

yang ada.

Proses yang dapat dilakukan oleh DSS sangat tergantung pada software yang

digunakan.

13

DSS tidak memiliki kemampuan intuisi seperti halnya manusia karena DSS

hanyalah kumpulan dari sistem, perangkat lunak dan keras, tidak dilengkapi

kemampuan berpikir seperti manusia.

Setelah ditinjau, dapat dikatakan bahwa DSS akan dapat memberikan manfaat

kepada pengambil keputusan dalam meningkatkan efektifitas dan efisiensi kerjanya,

terutama dalam proses pengambilan keputusan.

2.2 Artificial Intelligence

Definisi Artificial Intelligence (AI atau kecerdasan buatan) menurut buku

Artificial Intelligence Second Edition (Elaine Rich, 1991, p3) adalah suatu usaha agar

komputer melakukan sesuatu hal, dimana pada saat itu, manusia telah mampu

melakukan hal tersebut dengan baik.

Istilah AI ini dibuat oleh Mc. Charthy, seorang professor dari Massachusetts

Institute of Technology, pada tahun 1955. Menurutnya, AI memiliki 4 tujuan, yaitu:

1. Acting humanly (bertingkah laku seperti manusia)

2. Thinking humanly (berpikir seperti manusia)

3. Thinking rationally (berpikir dengan rasional)

4. Acting rationally (bertindak sesuai dengan rasio)

Artificial Intelligence merupakan salah satu bagian ilmu komputer yang dibuat

agar komputer atau mesin dapat melakukan pekerjaan sebaik seperti yang dilakukan

oleh manusia.

14

2.3 Fuzzy Logic

Logika fuzzy atau Fuzzy Logic merupakan cabang dari ilmu matematika yang

diimanfaatkan dalam dunia komputer sehingga memungkinkan model dari manusia

tersebut bekerja seperti manusia. Fuzzy logic mempermudah pengambilan keputusan

untuk knowledge atau data yang acak dan tidak jelas, data yang masih mentah, serta data

yang masih diragukan.

Fuzzy Logic pertama kali diperkenalkan oleh Prof. Lofti Zadeh pada tahun 1965,

seorang ahli pada Fakultas Teknik Elektronika di U.S Berkeley.

2.3.1 Alasan Digunakannya Fuzzy Logic

Fuzzy logic merupakan cara yang paling tepat dan mudah untuk memetakan

suatu input ke dalam suatu ruang output. Hal itu didasari oleh beberapa alasan (Sri

Kusumadewi, Artificial Intelligence, 2003, p154), antara lain :

1. Konsep fuzzy logic mudah dimengerti dikarenakan konsep matematis

yang mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti.

2. Fuzzy logic sangat fleksibel.

3. Fuzzy logic memiliki toleransi terhadap data-data yang tidak tepat.

4. Fuzzy logic mampu memodelkan fungsi non-linear yang sangat kompleks.

5. Fuzzy logic dapat membangun dan mengaplikasikan pengalaman-

pengalaman pakar secara langsung tanpa harus melalui proses pelatihan.

6. Fuzzy logic dapat bekerja sama dengan teknik-teknik kendali secara

konvensional.

7. Fuzzy logic didasarkan pada bahasa alami.

15

2.3.2 Himpunan Fuzzy

Himpunan fuzzy (fuzzy set) merupakan pengembangan lebih lanjut dari

himpunan yang ada dalam matematika biasa. Himpunan fuzzy dikembangkan oleh

ahli matematika Jerman Georg Cantor (1845-1917).

Himpunan pada matematika biasa adalah kumpulan dari obyek-obyek dalam

lingkup tertentu. Sedangkan himpunan fuzzy memiliki nilai keanggotaan μ(x) antara

satu sampai dengan nol (1-0).

Sebagai contoh, bila kita mengetahui bahwa umur 20, 30 dan 40 termasuk

kategori muda, umur 60, dan 80 termasuk tua, maka dapat dibuat diagram fuzzy set

seperti yang terlihat pada gambar 2.1 dibawah ini.

Gambar 2.1 Diagram Fuzzy usia

Himpunan fuzzy memiliki 2 atribut, yaitu:

a. Linguistik, yaitu penamaan suatu group yang mewakili suatu keadaan atau kondisi

tertentu dengan menggunakan bahasa alami.

b. Numerik, yaitu suatu nilai atau angka yang menunjukkan ukuran dari suatu

variabel.

16

Komponen – kompenen yang ada dalam sistem fuzzy antara lain :

1. Variabel fuzzy, merupakan variabel yang hendak dibahas dalam suatu sistem

fuzzy, contohnya: usia, temperatur, dan sebagainya.

2. Himpunan fuzzy, merupakan suatu group yang mewakili suatu kondisi atau

keadaan tertentu dalam suatu variable fuzzy, contohnya:

pada variabel usia, komponennya antara lain : tua, muda, parobaya.

pada variabel temperatur, kompenennya antara lain: dingin, panas, hangat

dan sejuk.

3. Semesta pembicara, merupakan keseluruhan nilai yang diperbolehkan untuk

dioperasikan dalam suatu variabel fuzzy. Semesta pembicara merupakan

himpunan bilangan real yang senantiasa naik.

4. Domain, merupakan keseluruhan nilai yang diizinkan dalam semesta pembicara

dan boleh dioperasikan dalam suatu himpunan fuzzy.

2.3.3 Fungsi Keanggotaan

Fungsi keanggotaan (membership function) adalah suatu kurva yang

menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya (sering

juga disebut derajat keanggotaan). Fungsi keanggotaan ini bernilai antara 0-1. Cara-

cara untuk mendapatkan nilai keanggotaan tersebut adalah dengan melalui

pendekatan fuzzy.

Ada berbagai macam fungsi keanggotaan: fungsi keanggotan dengan representasi

kurva linear, kurva segitiga, kurva trapesium, kurva S, kurva bahu ataupun kurva

berbentuk lonceng.

17

Salah satu kurva yang biasa digunakan adalah representasi kurva segitiga. Kurva

segitiga merupakan gabungan dari dua kurva linear, satu kurva linear naik, dan satu

kurva linear turun (Gambar 2.2).

Gambar 2.2 Representasi Kurva Segitiga

Fungsi keanggotaan untuk kurva ini adalah :

⎪⎩

⎪⎨

⎧

≤≤−−≤≤−−

≥≤=

cxbbcxcbxaabax

cxaxx

);/()();/()(

||;0][μ

Contohnya adalah fungsi keanggotaan untuk himpunan suhu normal dengan

variabel temperatur ruangan. Bila suhu ruangan terlalu kecil atau terlalu besar, maka

nilai keanggotaannya akan menjadi semakin kecil.

2.4 Neural – Network

Neural Network atau jaringan saraf tiruan merupakan salah satu representasi

buatan dari otak manusia. Artificial Neural Network menggunakan model matematika

a

derajatkeanggotaan

μ[x]

0

1

a cdomain

derajatkeanggotaan

μ[x]

0

1

b

18

dalam memproses informasi seperti sistem syaraf manusia, dengan asumsi sebagai

berikut :

1. Informasi diproses disetiap bagian kecil yang disebut neurons.

2. Signal dialirkan ke neurons melalui connection links /jalur penghubung.

3. Setiap connection links mempunyai weight atau bobot masing – masing.

4. Setiap neuron memiliki activation level atau fungsi aktivasi, yang

dikoordinasikan dengan weight, sehingga menghasilkan output.

Sebuah neural network memiliki komponen sebagai berikut :

1. Ada penghubung (pattern of connection) antar setiap neuron disebut arsitektur

jaringan (net architecture).

2. Ada metode yang digunakan dalam menentukan weight atau bobot disebut

proses pembelajaran (learning or training).

3. Ada fungsi aktivasi (activation function).

2.4.1 Arsitektur Neural Network

Neuron-neuron yang terletak pada lapisan yang sama akan memiliki keadaan

yang sama. Faktor terpenting dalam menentukan sifat (behaviour) neuron adalah

fungsi aktivasi dan bobotnya. Dengan kata lain, pada setiap lapisan yang sama,

neuron-neuron tersebut mempunyai fungsi aktivasi yang sama. Apabila neuron-

neuron dalam suatu lapisan (misal lapisan tersembunyi/hidden layer) yang akan

dihubungkan dengan lapisan lainnya (misal lapisan output), maka semua neuron

dalam setiap lapisan harus terhubung.

19

Penggabungan neuron-neuron kedalam layer dan penghubung antar layer

disebut net architecture atau arsitektur jaringan. Arsitektur jaringan yang telah

dikenal hingga saat ini ada 3, yaitu :

a. Single Layer Net (Jaringan dengan lapisan tunggal)

Jaringan dengan lapisan tunggal atau Single Layer Net ini hanya memiliki

satu lapisan/layer jaringan penghubung. Jaringan ini menerima input, kemudian

langsung diolah, dan menghasilkan output.

b. Multilayer Net (Jaringan dengan banyak lapisan)

Berbeda dengan single layer net, jaringan jenis ini terdiri dari beberapa

lapisan. Pada jaringan ini, output yang dihasilkan oleh input menjadi input untuk

lapisan tengah. Input dari lapisan tengah atau biasa dikenal dengan nama hidden

layer ini akan diproses untuk menghasilkan output.

Jaringan jenis ini dapat menyelesaikan permasalahan yang lebih sulit

dibandingkan dengan single layer net. Untuk kasus pembelajaran (learning),

dengan jaringan ini akan lebih sulit, tetapi persentase tingkat keberhasilannya

lebih besar bila dibandingkan dengan single layer net. Jaringan jenis inilah yang

akan digunakan dalam sistem yang akan dirancang.

c. Competitive Layer (Jaringan dengan lapisan kompetitif)

Hubungan antar neuron pada jaringan ini tidak berbentuk jaringan (net)

biasa. Competitive layer memiliki weight berupa -ε. Pada jaringan ini dikenal

istilah winner-takes-all.

20

2.4.2 Fungsi Aktivasi

Seperti yang telah diketahui, kegiatan-kegiatan dasar yang perlu dilakukan

dalam membuat suatu neural network adalah menghitung weight/bobot untuk

menghasilkan output dengan menggunakan fungsi aktivasi. Beberapa fungsi aktivasi

adalah sebagai berikut:

1. Fungsi identitas aktivasi

2. Fungsi tangga biner (Binary step function)

3. Fungsi sigmoid biner (Binary sigmoid function)

4. Fungsi sigmoid bipolar (Bipolar sigmoid function)

Fungsi sigmoid merupakan fungsi yang menghasilkan nilai antara 0-1

(binary interval). Biasanya fungsi logistik menggunakan fungsi jenis ini. Kelebihan

fungsi ini adalah dalam melatih neural network, terutama neural network yang

menggunakan algoritma Back Propagation dikarenakan adanya hubungan yang

sederhana antara nilai fungsi pada suatu titik dengan nilai turunannya sehingga

fleksibilitas waktu pun dapat dipercepat.

Yang digunakan dalam perancangan sistem ini adalah fungsi sigmoid biner,

yang memiliki rumusan:

f (x) = )exp(1

1xσ−+

f’ (x) = )](1)[( xfxf −σ

dimana σ merupakan parameter kecuraman yang diberikan. σ biasanya bernilai 1

sehingga σ yang digunakan dalam aplikasi ini juga bernilai 1.

21

2.4.3 Proses Pembelajaran

Ada 2 jenis proses pada pembelajaran Neural Network (Laurene

Fausett,1994, p15), yaitu:

1. Proses pembelajaran terawasi (supervised learning)

Pada metode pembelajaran jenis ini, outputnya telah diketahui

sebelumnya. Prosesnya, satu pola input dijalankan sepanjang jaringan saraf

hingga lapisan output. Lapisan output membangkitkan pola yang disesuaikan

dengan target. Apabila terjadi perbedaan pola output hasil pembelajaran

dengan pola target, maka akan muncul error/kesalahan. Bila tingkat

kesalahan cukup besar, maka diperlukan lebih banyak pembelajaran lagi.

2. Proses pembelajaran tidak terawasi (unsupervised learning)

Pada metode pembelajaran ini tidak diperlukan target output. Selama

proses pembelajaran, nilai bobot disusun kedalam suatu range tertentu

tergantung nilai input yang diberikan.

Pada metode pembelajaran Backpropagation (Fausett, 1994)

dijelaskan sebagai berikut: Algoritma backpropagation menggunakan error

output untuk mengubah nilai bobot-bobotnya dalam arah mundur (backward).

Untuk mendapatkan error ini, tahap maju (forward propagation) harus

dikerjakan terlebih dahulu.

Algoritma training backpropagation (Fausett,1994):

1. Inisialisasi bobot (ambil bobot awal dengan nilai acak yang cukup kecil).

2. Kerjakan langkah-langkah berikut selama masih ada data yang akan di-

training.

22

Proses Forward:

3. Setiap input (Xi, i = 1, 2 ,…., n) menerima sinyal input dan diteruskan ke

lapisan selanjutnya.

4. Setiap lapisan tersembunyi ( Zi, i = 1, 2, …, n) dijumlahkan sinyalnya

dengan rumus:

z_inj = v0j + ∑=

n

ijiivx

1

dan dilanjutkan ke fungsi aktivasinya:

zj = )_( jinzf

5. Tiap unit output (Yk, k = 1, 2, …, 3) menerima hasil dari lapisan

tersembunyi, dengan rumus:

y_ink = ∑=

+p

jjkjok wzw

1

dan dilanjutkan ke fungsi aktivasinya :

yk = )_( kinyf

Fungsi Backward:

6. Tiap-tiap unit output menerima target pola yang berhubungan dengan

pola input pembelajaran dan menghitung errornya sebesar:

)_(')( kkkk inyfyt −=δ

Koreksi bobotnya dengan rumus:

jkjk zw αδ=Δ

Koreksi biasnya dengan rumus:

23

kkw αδ=Δ 0

7. Hitung delta input, dengan rumus:

∑=

=m

kjkkj win

1

_ δδ

Untuk menghitung error, dikalikan dengan turunan fungsi aktivasinya:

)_('_ jjj inzfinδδ =

Koreksi bobotnya untuk memperbaiki nilai vij:

ijij xv αδ=Δ

Koreksi biasnya:

jjv αδ=Δ 0

8. Update semua weight

jkjkjk wlamawbaruw Δ+= )()(

ijijij vlamavbaruv Δ+= )()(

9. Kembali ke tahap 2 bila belum selesai training. Namun bila sudah selesai

langsung keluar.

2.5 Tujuh Kecerdasaan Manusia

Teori Multiple Intelligence berkembang sejak tahun 1904 di Prancis. Pada saat

itu dibuatlah salah satu alat pengukur kecerdasan yang disebut tes IQ. Kemudian teori

mengenai Multiple Intelligence ini dikembangkan lebih lanjut oleh Howard Gardner,

lulusan Universitas Harvard. Ia mengemukakan bahwa manusia berbagai kecerdasan.

Gardner mengemukakan bahwa manusia minimal memiliki 7 kecerdasan, dan

kecerdasan ini bukanlah teknik yang baku. Menurutnya, Multiple Intelligence adalah

24

sebuah filosofi dalam pendidikan dan membantu proses pembelajaran seseorang.

Salah satu buku yang mengulas mengenai 7 kecerdasan utama buku “7 Kinds of

Smart” karangan Armstrong, yang menyatakan bahwa setiap manusia memiliki minimal

7 kecerdasan utama, yaitu: kecerdasaan linguistik, kecerdasan logis-matematis,

kecerdasan spasial, kecerdasan kinetik-jasmani, kecerdasan musikal, kecerdasan antar

pribadi, dan kecerdasan intrapribadi.

2.5.1 Kecerdasan Linguistik

Kecerdasan linguistik adalah kecerdasan dalam mengolah kata.

Orang yang cerdas dalam bidang ini dapat berargumentasi, meyakinkan

orang, menghibur, atau mengajar dengan efektif lewat kata-kata yang diucapkannya.

Mereka senang bermain-main dengan bunyi bahasa melalui teka-teki kata,

permainan kata, dan tongue twister. Kadang-kadang mereka pun mahir dalam hal-hal

kecil, sebab mereka mampu mengingat berbagai fakta. Bisa jadi mereka adalah ahli

sastra. Mereka gemar sekali membaca, dapat menulis dengan jelas, dan dapat

mengartikan bahasa tulisan secara luas (p3).

Kecerdasan sintetik terdiri atas beberapa komponen, termasuk: fonologi,

sintaksis (struktur/susunan kalimat), semantik (pemahaman mendalam tentang

makna), dan pragmatika (penggunaan bahasa untuk mencapai sasaran praktis (p21).

Keterampilan kerja yang memerlukan kecerdasan ini antara lain berceramah,

bercerita, memberi informasi/petunjuk, menulis, menyusun kata-kata, berbicara

dalam bahasa asing, menafsirkan, menerjemahkan, mengajar, memberi kuliah,

berdiskusi, berdebat, melakukan penelitian, mendengarkan kata-kata, meniru,

memeriksa naskah, menyunting, memproses kata, membuat berkas/laporan, surat

menyurat, bertelepon (p178-179, 203).

25

Contoh profesi: pustakawan, pengurus arsip, kurator, editor, penerjemah,

speech pathologist, penulis radio/televisi, jurnalis, tenaga bantuan hukum, pengacara,

sekretaris, pengetik, pemeriksa naskah, guru bahasa (p178-179).

2.5.2 Kecerdasan Logis-Matematis

Kecerdasan logis-matematis merupakan kecerdasan dalam hal angka dan

logika.

Kecerdasan ini merupakan kecerdasan para ilmuwan, akuntan, dan

programmer komputer. Ciri-ciri orang yang cerdas secara logis-matematis

mencakup kemampuan dalam penalaran, mengurutkan, berpikir dalam pola sebab

akibat, menciptakan hipotesis, mencari keteraturan konseptual atau pola numerik,

dan pandangan hidupnya umumnya bersifat rasional (p3).

Keterampilan kerja yang memerlukan kecerdasan ini antara lain mengurus

keuangan, membuat anggaran, melakukan penelitian ekonomi, menyususn hipotesis,

melakukan estimasi, melakukan kegiatan akuntansi, berhitung, mengadakan

kalkulasi, menggunakan statistik, melakukan audit, membuat penalaran,

menganalisis, menyusun sistematika, mengklasifikasi, mengurutkan, membayar

tagihan, mengembalikan surat pemberitahuan pajak terutang, urusan bank,

menyusun kontrak (p 179,201, 203).

Contoh profesi: auditor, akuntan, agen pembelian, underwriter, ahli

matematika, ilmuwan, ahli statistik, aktuaris, analis komputer, ahli ekonomi, teknisi,

tenaga pembukuan, guru IPA (p179).

26

2.5.3 Kecerdasan Spasial

Kecerdasan spasial merupakan kemampuan berpikir dalam gambar, serta

mencerap, mengubah, dan menciptakan kembali berbagai macam aspek dunia

visual-spasial.

Orang dengan kecerdasan spasial yang tinggi hampir selalu mempunyai

kepekaan yang tajam terhadap detail visual dan dapat menggambarkan sesuatu

dengan begitu hidup, melukis atau membuat sketsa ide secara jelas serta dengan

mudah menyesuaikan orientasi dalam ruang tiga dimensi (p 4)

Keterampilan kerja yang memerlukan kecerdasan ini antara lain melukis,

menggambar, membayangkan, menciptakan penyajian visual, merancang, berkhayal,

membuat penemuan, memberi ilustrasi, mewarnai, menggambar mesin, membuat

grafik, membuat peta, berkecimpung dalam fotografi, membuat dekorasi, membuat

film, memperbaiki mesin, melakukan renovasi, menghias rumah, mengirim kartu

(p179, 201, 204).

Contoh profesi: insinyur, surveyor, arsitek, perencana kota, seniman grafis,

desainer interior, fotografer, guru kesenian, penemu, kartografer, pilot, seniman seni

murni, pematung, kritikus seni (p40, 179)

2.5.4 Kecerdasan Kinetik-Jasmani

Kecerdasan ini berkaitan dengan fisik, kecerdasan dalam mengendalikan

gerak tubuh dan keterampilan dalam menangani benda.

Orang dengan kecerdasan fisik memiliki keterampilan dalam menjahit,

bertukang, atau merakit model. Mereka juga menikmati kegiatan fisik, seperti

berjalan kaki, menari, berlari, berkemah, berenang, atau berperahu. Mereka adalah

27

orang-orang yang cekatan, indra perabanya sangat peka, tidak bisa tinggal diam, dan

berminat atas segala sesuatu (p4).

Pakar kebugaran mengatakan bahwa sebetulnya ada sejumlah keterampilan

yang terkait dengan kemahiran jasmani, termasuk kekuatan, daya tahan, keluwesan,

keseimbangan, kelincahan, kepandaian berekspresi, koordinasi, dan refleks yang

bagus (p70).

Akhir-akhir ini, para pendidik mulai menemukan bahwa sikap tubuh pun

merupakan unsur penting, baik dalam meningkatkan atau menghambat prestasi

akademis pada murid usia muda. Sejumlah ilmuwan menyatakan bahwa sikap tubuh

yang buruk dapat menghambat aliran normal darah yang membawa oksigen menuju

otak, dan bahwa menjaga posisi agar kepala segaris dengan tubuh selagi duduk,

berdiri, dan berjalan dapat memperbaiki fungsi kognitif secara keseluruhan (p74-75).

Keterampilan kerja yang memerlukan kecerdasan ini antara lain menyortir,

menyeimbangkan, mengangkat, membawa sesuatu, berjalan, berlari, membuat

kerajinan tangan, memperbarui, membersihkan, melakukan tugas pengapalan,

menyerahkan sesuatu, ikut dalam proses manufaktur/pembuatan, menyelamatkan,

mempertunjukkan, memberi tanda, meniru, mendramatisasi, menjadi seorang model

(pakaian), menari, bermain, berolahraga, mengorganisasi kegiatan luar rumah,

bepergian, menyampaikan pesan, bergerak, memasak, bersih-bersih, berkebun,

merawat binatang peliharaan (p180, 201, 204).

Contoh profesi: ahli terapi fisik, pekerja rekreasi, penari, aktor, model, petani,

ahli mekanik, tukang kayu, pengrajin, guru pendidikan jasmani, pekerja pabrik,

penata tari, atlet profesional, polisi hutan, tukang jam (p180).

28

2.5.5 Kecerdasan Musikal

Kecerdasan ini berhubungan dengan kemampuan untuk mencerap,

menghargai, dan menciptakan irama dan melodi.

Kecerdasan musikal juga dimiliki oleh orang yang peka nada, dapat

menyanyikan lagu dengan tepat, dapat mengikuti irama musik, dan yang

mendengarkan berbagai karya musik dengan tingkat ketajaman tertentu (p4).

Salah satu studi yang diprakarsai oleh Angkatan Darat Amerika Serikat dan

diselenggarakan oleh National Academy of Sciences membuktikan bahwa

menggunakan musik sebagai latar belakang dapat menjadi alat belajar yang ampuh

apabila digunakan bersamaan dengan metode belajar konvensional. Riset lain

memperlihatkan bahwa pendekatan ini dapat bermanfaat untuk menguasai bahasa

asing, algoritma matematika, konsep sains, dan bahan akademis yang lain (p57-58).

Keterampilan kerja yang memerlukan kecerdasan ini antara lain bernyanyi,

bertukar kumpulan musik favorit, memainkan alat musik.

Contoh profesi: Disc-Jockey (DJ), musikus, pembuat instrumen, tukang

setem piano, ahli terapi musik, tenaga penjual alat musik, penulis lagu, insinyur

studio musik, dirigen paduan suara, dirigen orkestra, penyanyi, guru musik, penulis

lirik lagu (p180).

2.5.6 Kecerdasan Antarpribadi

Kecerdasan antarpribadi merupakan kemampuan untuk memahami dan

bekerjasama dengan orang lain.

Seseorang yang mempunyai kecerdasan antarpribadi bisa mempunyai rasa

belaskasihan dan tanggungjawab sosial yang besar seperti Mahatma Gandhi, atau

29

bisa juga suka memanipulasi dan licik seperti Machiavelli. Namun, mereka semua

mempunyai kemampuan untuk memahami orang lain dan melihat dunia dari sudut

pandang orang yang bersangkutan. Oleh karena itu, mereka dapat menjadi networker,

perunding, dan guru yang ulung (p4-5).

Riset menyatakan bahwa kita membangun suatu kerangka kerja mental yang

kompleks dan skema sosial ini menentukan sikap, keyakinan, dan tanggapan kita

terhadap orang yang kita jumpai setiap hari. Peta kognitif ini terdiri dari: stereotype

sosial, sifat pribadi, dan perilaku khas dalam situasi sosial. Kita terus menerus

menggunakan peta sosial ini untuk merekam kesan awal kita terhadap orang lain,

menjelaskan tindakan orang, dan meramalkan perilaku mereka di masa depan.

Namun, seringkali kita tertipu hingga membuat perkiraan yang meleset jauh

mengenai orang lain karena peta kognitif ini (p100).

Orang yang memiliki kecerdasan ini mempunyai kemampuan untuk

menggunakan pemahaman yang diperolehnya untuk bernegosiasi dengan orang lain,

meyakinkan orang lain untuk mengikuti tindakan tertentu, menyelesaikan konflik

antarindividu, mendapatkan informasi penting dari rekan sejawat, serta

mempengaruhi rekan kerja, rekan sejawat, dan teman sebaya dengan berbagai cara.

Salah satu ciri individu yang mahir dalam pergaulan antarpribadi adalah kemampuan

untuk menemukan individu utama dalam sebuah kelompok yang mampu

menolongnya mencapai sasaran (p104-105).

Dalam sebuah studi yang diselenggarakan oleh ilmuwan perilaku Morgan

McCall dan Michael Lombardo dengan beberapa perusahaan yang termasuk dalam

Fortune 500, faktor penting yang menentukan keberhasilan atau kegagalan seorang

30

eksekutif untuk naik pangkat adalah kemampuan – atau ketidakmampuannya – untuk

memahami sudut pandang orang lain (p107).

Keterampilan kerja yang memerlukan kecerdasan ini antara lain melayani,

menjadi tuan rumah, berkomunikasi, menunjukkan empati, berdagang, membimbing,

melatih, memberi nasehat, membina, menilai orang lain, meyakinkan, memberi

motivasi, menjual, merekrut, menginspirasi, menerbitkan, mendorong, mengawasi,

melakukan koordinasi, melakukan delegasi, berunding, menjadi perantara,

bekerjasama, melakukan konfirmasi, mengadakan wawancara, berbelanja,

menghadapi tukang service, merawat anak (p180, 204).

Contoh profesi: administrator, manajer, kepala sekolah, pekerja bagian

personalia, penengah, ahli sosiologi, ahli antropologi, pembina, ahli psikologi,

perawat, pegawai hubungan masyarakat, tenaga penjualan, agen perjalanan, direktur

sosial (p180-181).

2.5.7 Kecerdasan Intrapribadi

Kecerdasan intrapribadi merupakan kemampuan untuk mengakses

perasaannya sendiri, membedakan berbagai macam keadaan emosi, dan

menggunakan pemahamannya sendiri untuk memperkaya dan membimbing

hidupnya.

Orang dengan kecerdasan ini sangat mawas diri dan suka bermeditasi,

berkontemplasi, atau bentuk lain penelusuran jiwa yang mendalam. Sebaliknya,

mereka juga sangat mandiri, sangat terfokus pada tujuan, dan sangat disiplin. Secara

garis besar, mereka merupakan orang yang gemar belajar sendiri dan lebih suka

bekerja sendiri daripada bekerja dengan orang lain (p5).

31

Menurut psikiater James Masterson, diri sejati mempunyai sejumlah

komponen (p118), termasuk:

Kemampuan untuk mengalami berbagai perasaan secara mendalam dengan

gairah, semangat, dan spontanitas.

Kemampuan bersikap tegas.

Pengakuan terhadap harga diri.

Kemampuan untuk meredakan perasaan sakit pada diri sendiri.

Mempunyai segala sesuatu yang diperlukan untuk mempertahankan niat dalam

pekerjaan maupun relasi.

Kemampuan untuk berkreasi dan berhubungan secara dekat.

Kemampuan untuk menyendiri.

Keterampilan kerja yang memerlukan kecerdasan ini antara lain

melaksanakan hasil keputusan, bekerja sendiri, mempromosikan diri sendiri,

menentukan sasaran, mencari sasaran, mengambil inisiatif, mengevaluasi, menilai,

merencanakan, mengorganisir, membedakan peluang, bermeditasi, memahami diri

sendiri, menentukan sasaran rumah tangga, membuat jadwal bagi diri sendiri (p 181,

204).

Contoh profesi: ahli psikologi, ulama, guru psikologi, ahli terapi, tenaga

pembimbing dan penyuluhan, ahli teknologi, perencana program, pengusaha.