SiMora
Sistem Monitoring Burnout Mahasiswa
Sistem pakar hybrid berbasis Forward Chaining dan Certainty Factor untuk deteksi dini burnout akademik mahasiswa menggunakan instrumen Expert Judgement berdasarkan Teori MBI-SS yang tervalidasi secara keilmuan.
SiMora menggabungkan dua metode kecerdasan buatan yang saling melengkapi: Forward Chaining untuk penelusuran aturan dari fakta ke hipotesis, dan Certainty Factor untuk mengukur tingkat keyakinan setiap keputusan secara numerik.
Basis pengetahuan dibangun dari 33 aturan IF-THEN yang ditetapkan oleh pakar psikologi, masing-masing dilengkapi bobot CF expert bernilai 0.0–1.0. Setiap gejala memiliki nilai MB (Measure of Belief) dan MD (Measure of Disbelief).
15 Gejala
G001–G015
4 Kategori
P01–P04
33 Aturan
CF Terbobot
3 Dimensi
EX · CY · AE
Input Pengguna
Jawaban Likert 0–6 per gejala (G001–G015)
Hitung MB & MD
MB = jawaban/6 | MD = (6−jawaban)/6 | CF = MB−MD
Forward Chaining
Pencocokan gejala dengan 33 aturan (P01–P04)
Certainty Factor
CF(H,e) = CF(gejala) × CF(expert) → kombinasi sekuensial
Hasil Diagnosis
P01–P04 dipilih dengan nilai CF tertinggi
Dikembangkan berdasarkan pendekatan teori MBI-SS (Maslach Burnout Inventory Student Survey) yang diadaptasi secara khusus oleh pakar psikologi untuk mengukur burnout mahasiswa skripsi melalui tiga dimensi utama.
Perasaan terkuras secara emosional dan kehabisan energi akibat tuntutan akademik. Indikator utama burnout yang paling dominan.
Sikap apatis dan tidak peduli terhadap studi. Kehilangan minat dan makna terhadap perjalanan akademik.
Keyakinan terhadap kemampuan diri dalam menyelesaikan tugas akademik. Diukur secara terbalik — skor rendah mengindikasikan burnout lebih tinggi.
Setiap tahap komputasi dapat ditelusuri secara transparan — dari jawaban Anda hingga diagnosis akhir.
Penelusuran dari fakta (gejala) menuju hipotesis (penyakit). Setiap aturan dicek satu per satu: jika gejala dalam kondisi aturan terpenuhi, aturan diaktifkan.
// Rule Base — P03 (Burnout Sedang)
JIKA G001 DAN G002 DAN G003 DAN G004
DAN G006 DAN G007 DAN G011 DAN G012 DAN G014
MAKA Hipotesis: P03 (Burnout Sedang)
CF_expert per gejala = 0.60–0.80
Mengukur tingkat keyakinan menggunakan bobot pakar dan nilai konversi jawaban pengguna. Beberapa aturan dikombinasikan secara sekuensial.
// Langkah 1: Hitung MB & MD per gejala
CF = MB − MD (MB=jawaban/6, MD=(6−jawaban)/6)
// Langkah 2: CF per aturan & kombinasi
CF(H,e) = CF(gejala) × CF(expert)
CF_combine = CF1 + CF2 × (1 − CF1)
// Langkah 3: Pilih diagnosis
Diagnosis = max(CF_P01, CF_P02, CF_P03, CF_P04)
| Kode | Diagnosis | Gejala dalam Aturan | Interpretasi |
|---|---|---|---|
| P01 | Tidak Terindikasi Burnout | G01, G02, G11 (3 gejala) | Tidak menunjukkan indikasi burnout — pertahankan pola belajar yang sehat |
| P02 | Burnout Rendah | G01–G03, G06, G11, G12 (6 gejala) | Burnout ringan — perlu perhatian dan langkah preventif |
| P03 | Burnout Sedang | G01–G04, G06, G07, G11, G12, G14 (9 gejala) | Burnout sedang — disarankan konsultasi dengan konselor atau psikolog |
| P04 | Burnout Tinggi | G01–G15 (15 gejala) | Burnout tinggi — diperlukan intervensi intensif segera |
Basis pengetahuan dibangun bersama pakar psikologi. Setiap bobot CF merepresentasikan keyakinan profesional yang telah diverifikasi.
Menggunakan instrumen Expert Judgement berdasarkan Teori MBI-SS yang divalidasi langsung oleh pakar psikologi untuk mahasiswa skripsi.
Setiap diagnosis dilengkapi jejak inferensi penuh — aturan yang aktif, nilai CF tiap gejala, dan proses kombinasi dapat dilihat.
15 pertanyaan, 5 menit, hasil ilmiah dengan jejak CF yang transparan.
Daftar & Mulai Diagnosis