Pengertian Java - Tinjauan Pustaka

BAB II TINJAUAN PUSTAKA

2.2 Tinjauan Pustaka

2.2.7 Pengertian Java

Java adalah bahasa pemrograman yang dapat dijalankan di berbagai komputer termasuk telepon genggam. Bahasa ini awalnya dibuat oleh James Gosling saat masih bergabung di Sun Microsystems saat ini merupakan bagian dari Oracle dan dirilis tahun 1995. Bahasa ini banyak mengadopsi sintaksis yang terdapat pada C dan C++ namun dengan sintaksis model objek yang lebih sederhana serta dukungan rutin-rutin aras bawah yang minimal. Aplikasi-aplikasi berbasis java umumnya dikompilasi ke dalam p-code (bytecode) dan dapat dijalankan pada berbagai Mesin Virtual Java (JVM). Java merupakan bahasa pemrograman yang bersifat umum/non-spesifik (general purpose), dan secara khusus didisain untuk memanfaatkan dependensi implementasi seminimal mungkin. Karena fungsionalitasnya yang memungkinkan aplikasi java mampu berjalan di beberapa platform sistem operasi yang berbeda, java dikenal pula dengan slogannya, "Tulis sekali, jalankan di mana pun". Saat ini java merupakan bahasa pemrograman yang paling populer digunakan, dan secara luas dimanfaatkan dalam pengembangan berbagai jenis perangkat lunak aplikasi ataupun aplikasi

21 2.2.8 Keunggulan Java

 Multiplatform.

Kelebihan utama dari Java ialah dapat dijalankan di beberapa platform / sistem operasi komputer, sesuai dengan prinsip tulis sekali, jalankan di mana saja. Dengan kelebihan ini pemrogram cukup menulis sebuah program Java dan dikompilasi (diubah, dari bahasa yang dimengerti manusia menjadi bahasa mesin / bytecode) sekali lalu hasilnya dapat dijalankan di atas beberapa platform tanpa perubahan. Kelebihan ini memungkinkan sebuah program berbasis java dikerjakan di atas operating system Linux tetapi dijalankan dengan baik di atas Microsoft Windows.

Platform yang didukung sampai saat ini adalah Microsoft Windows, Linux, Mac OS dan Sun Solaris. Penyebabnya adalah setiap sistem operasi menggunakan programnya sendiri-sendiri (yang dapat diunduh dari situs Java) untuk meninterpretasikan bytecode tersebut.

 OOP (Object Oriented Programming - Pemrogram Berorientasi Objek)

 Perpustakaan Kelas Yang Lengkap,

Java terkenal dengan kelengkapan library/perpustakaan (kumpulan program program yang disertakan dalam pemrograman java) yang sangat memudahkan dalam penggunaan oleh para pemrogram untuk membangun aplikasinya. Kelengkapan perpustakaan ini ditambah dengan keberadaan komunitas Java yang besar yang terus menerus membuat perpustakaan-perpustakaan baru untuk melingkupi seluruh kebutuhan pembangunan aplikasi.

 Bergaya C++,

Memiliki sintaks seperti bahasa pemrograman C++ sehingga menarik banyak pemrogram C++ untuk pindah ke Java. Saat ini pengguna Java sangat banyak, sebagian besar adalah pemrogram C++ yang pindah ke Java. Universitas-universitas di Amerika Serikat juga mulai berpindah dengan mengajarkan Java kepada murid-murid yang baru karena lebih mudah dipahami oleh murid dan dapat berguna juga bagi mereka yang bukan mengambil jurusan komputer.

 Pengumpulan sampah otomatis, memiliki fasilitas pengaturan penggunaan memori sehingga para pemrogram tidak perlu melakukan pengaturan memori secara langsung (seperti halnya dalam bahasa C++ yang dipakai secara luas).

2.2.9 Kekurangan Java

 Tulis sekali, jalankan di mana saja - Masih ada beberapa hal yang tidak kompatibel antara platform satu dengan platform lain. Untuk J2SE, misalnya SWT-AWT bridge yang sampai sekarang tidak berfungsi pada Mac OS X.

 Mudah didekompilasi. Dekompilasi adalah proses membalikkan dari kode jadi menjadi kode sumber. Ini dimungkinkan karena kode jadi Java merupakan bytecode yang menyimpan banyak atribut bahasa tingkat tinggi, seperti nama-nama kelas, metode, dan tipe data. Hal yang sama juga terjadi pada Microsoft .NET Platform. Dengan demikian, algoritma yang digunakan program akan lebih sulit disembunyikan dan mudah dibajak/direverse-engineer.

 Penggunaan memori yang banyak. Penggunaan memori untuk program berbasis Java jauh lebih besar daripada bahasa tingkat tinggi generasi sebelumnya seperti C/C++ dan Pascal (lebih spesifik lagi, Delphi dan Object Pascal). Biasanya ini bukan merupakan masalah bagi pihak yang menggunakan teknologi terbaru (karena trend memori terpasang makin murah), tetapi menjadi masalah bagi mereka yang masih harus berkutat dengan mesin komputer berumur lebih dari 4 tahun

23 2.2.10 Pengertian NetBeans

NetBeans adalah Integrated Development Environment (IDE) berbasiskan Java dari Sun Microsystems yang berjalan di atas Swing. Swing sebuah teknologi Java untuk pengembangan aplikasi Desktop yang dapat bejalan di berbagai macam platforms seperti Windows, Linux, Mac OS X and Solaris.

Suatu IDE adalah lingkup pemrograman yang diintegrasikan kedalam suatu aplikasi perangkat lunak yang menyediakan pembangun Graphic User Interface (GUI), suatu text atau kode editor, suatu compiler atau interpreter dan suatu debugger. Netbeans merupakan software development yang Open Source, dengan kata lain software ini di bawah pengembangan bersama, bebas biaya NetBeans merupakan sebuah proyek kode terbuka yang sukses dengan pengguna yang sangat luas, komunitas yang terus tumbuh, dan memiliki hampir 100 mitra. Sun Microsystems mendirikan proyek kode terbuka NetBeans pada bulan Juni 2000 dan terus menjadi sponsor utama. Saat ini terdapat dua produk : NetBeans IDE dan NetBeans Platform. The NetBeans IDE adalah sebuah lingkungan pengembangan – sebuah kakas untuk pemrogram menulis, mengompilasi, mencari kesalahan dan menyebarkan program. Netbeans IDE ditulis dalam Java – namun dapat mendukung bahasa pemrograman lain. Terdapat banyak modul untuk memperluas Netbeans IDE. Netbeans IDE adalah sebuah produk bebas dengan tanpa batasan bagaimana digunakan. Tersedia juga NetBeans Platform sebuah fondasi yang modular dan dapat diperluas yang dapat digunakan sebagai perangkat lunak dasar untuk membuat aplikasi desktop yang besar. Mitra ISV menyediakan plug-in bernilai tambah yang dapat dengan mudah diintegrasikan ke dalam Platform dan dapat juga digunakan untuk membuat kakas dan solusi sendiri. Kedua produk adalah kode terbuka (open source) dan bebas (free) untuk penggunaan komersial dan non komersial. Kode sumber tersedia untuk guna ulang dengan lisensi Common Development and Distribution License (CDDL). 2.

Kelebihan dan Kekurangan Netbeans Kelebihan NetBeans GUI Builder : Salah satu yang menjadi kelebihan NetBeans GUI Builder adalah yang telah disebutkan diatas, yaitu GRATIS. Selain itu NetBeans GUI Builder sangat kompetebel dengan Swing karena memang langsung dikembangkan oleh Sun yang

notabenenya sebagai pengembang Swing. Kekurangan NetBeans GUI Builder : NetBeans hanya mensupport 1 pengembangan Java GUI, yaitu Swing, yang padahal ada Java GUI yang dikembangkan oleh eclipse yang bernama SWT dan JFace yang sudah cukup populer. NetBeans mempatenkan source untuk Java GUI yang sedang dikerjakan dalam sebuah Generated Code, sehingga programmer tak dapat mengeditnya secara manual..

2.2.11 Naïve Bayes

Naive Bayes merupakan sebuah pengklasifikasian probabilistik sederhana yang menghitung sekumpulan probabilitas dengan menjumlahkan frekuensi dan kombinasi nilai dari dataset yang diberikan. Algoritma mengunakan teorema Bayes dan mengasumsikan semua atribut independen atau tidak saling ketergantungan yang diberikan oleh nilai pada variabel kelas. Definisi lain mengatakan Naive Bayes merupakan pengklasifikasian dengan metode probabilitas dan statistik yang dikemukan oleh ilmuwan Inggris Thomas Bayes, yaitu memprediksi peluang di masa depan berdasarkan pengalaman di masa sebelumnya [4].

Naive Bayes didasarkan pada asumsi penyederhanaan bahwa nilai atribut secara kondisional saling bebas jika diberikan nilai output. Dengan kata lain, diberikan nilai output, probabilitas mengamati secara bersama adalah produk dari probabilitas individu. Keuntungan penggunaan Naive Bayes adalah bahwa metode ini hanya membutuhkan jumlah data pelatihan (Training Data) yang kecil untuk menentukan estimasi paremeter yang diperlukan dalam proses pengklasifikasian.

Naive Bayes sering bekerja jauh lebih baik dalam kebanyakan situasi dunia nyata yang kompleks dari pada yang diharapkan.

Bayes merupakan pengklasifikasian statistik yang dapat digunakan untuk memprediksi probabilitas keanggotaan suatu class. Bayes memiliki akurasi dan kecepatan yang sangat tinggi saat diaplikasi ke dalam database dengan data yang besar. Berikut teorema bayes [6] :

25 ( | ( | (

( Keterangan :

X = Data dengan class yang belum diketahui

H = Hipotesis data x merupakan suatu class spesifik

( | = Probabilitas hipotesis H berdasarkan kondisi X (posteriori probability)

( = Probabilitas hipotesis H (prior probability) ( | = Probabilitas X berdasar kondisi pada hipotesis H P(X) = Probabilitas dari X

2.3 Kerangka Pemikiran

Tabel 2.3 Kerangka Pemikiran

Permasalahan

Peneliti menemukan permasalahan kerusakan laptop yang sering terjadi pada motherboard.

Tujuan

menerapkan metode naive bayes untuk membantu user mengetahui kerusakan pada laptop khususnya pada motherboard.

Metode

Metode yang digunakan dalam penelitian ini adalah dengan menggunakan metode naïve bayes.

Tools

Aplikasi akan dibangun menggunakan bahasa pemrograman Java sebagai basis datanya.

Hasil yang diharapkan

Hasil yang diharapkan dari penelitian ini adalah menghasilkan sistem yang dapat digunakan untuk membantu user mengetahui kerusakan yang terjadi pada motherboard laptop.

Manfaat

Dengan adanya penelitian ini diharapkan user dapat memperoleh informasi tentang kerusakan motherboard laptop dan cara perawatan yang baik dalam penggunaan laptop.

BAB III

METODE PENELITIAN

3.1 Objek Penelitian

Pada penelitian ini, peneliti melakukan penelitian di “P One Komputer”

Semarang. “P One Komputer” merupakan tempat penjualan dan service laptop untuk semua jenis merk laptop. Data mentah penelitian yang berasal dari “P One Komputer” nantinya akan diolah oleh peneliti dengan menggunakan metode Bayesian sehingga mempermudah pengguna laptop dalam memprediksi kerusakan terutama pada motherboard.

3.2 Instrumen Penelitian

Berikut ini adalah instrumen yang digunakan untuk proses penelitian : 1. Kebutuhan Perangkat Lunak (Software)

a. Sistem operasi windows 7 b. Netbeans

c. Xampp d. MySQL

2. Kebutuhan Perangkat Keras (Hardware) a. ProcessorIntel Core I3

b. RAM 2GB c. HDD 500GB

3.3 Jenis dan Sumber Data

Adapun jenis data dan sumber data yang digunakan dalam penelitian ini antara lain :

1. Data Primer

Data primer adalah data yang langsung didapatkan dari perusahaan.

Data tersebut dapat diperoleh dari hasil wawancara, proses pengamatan

serta praktik langsung yang dilakukan oleh peneliti kepada teknisi di “P One Komputer” Semarang. Data yang diperoleh oleh peneliti yaitu data gejala dan jenis kerusakan pada motherboard laptop. Data tersebut nantinya akan mempermudah peneliti untuk memprediksi kerusakan chipset berdasarkan gejala yang dialami laptop.

2. Data Sekunder

Data sekunder merupakan data yang diperoleh dengan mengumpulkan teori serta bahan yang mempunyai hubungan dengan permasalahan yang sedang diteliti. Data tersebut dapat diperoleh melalui buku-buku, jurnal, maupun referensi lain yang dapat membantu peneliti dalam menyelesaikan laporan Tugas Akhir ini.

3.4 Metode Pengumpulan Data

Terdapat beberapa metode pengumpulan data yang dilakukan peneliti dalam Menyelesaikan Tugas Akhir ini, yaitu :

1. Studi Kasus

Dalam metode studi kasus yang dilakukan oleh peneliti, peneliti melakukan proses pengumpulan data melalui wawancara dan prakik langsung terhadap salah satu teknisi di “P One Komputer”. Data yang diperoleh oleh peneliti berupa jenis-jenis kerusakan motherboard, gejala-gejala yang sering dialami apabila terjadi kerusakan pada motherboard dan cara penanganannya. Data tersebut nantinya akan diolah oleh peneliti dengan metode naïve bayes dan diimplementasikan dalam system berbasi java, sehingga dapat digunakan untuk memprediksi kerusakan motherboard pada laptop.

2. Studi Pustaka

Studi Pustaka merupakan metode pengumpulan data yang dilakukan oleh peneliti dengan cara mencari buku-buku dan jurnal yang berkaitan dengan penelitian. Pada studi pustaka ini peneliti menggunakan

buku-29 buku maupun referensi yang terdapat di perpustakaan Universitas Dian Nuswantoro Semarang guna menunjang pembuatan laporan Tugas Akhir.

3.5 Metode Penelitian

Metode penelitian yang digunakan oleh peneliti adalah metode naïve bayes.

Metode naïve bayes nantinya akan mengolah data awal gejala kerusakan motherboard untuk dijadikan data training kerusakan untuk awal prediksi kerusakan laptop. Dan berikut merupakan tahapan-tahapan dalam pelaksanaan penelitian :

Data

X = Gejala Kerusakan Motherboard

( | ( | ( (

Proses Bayes

H = Hipotesis kerusakan motherboard dari gejala kerusakan ( | = Probabilitas kerusakan motherboard berdasarkan gejala ( = Probabilitas kerusakan motherboard

( | = Probabilitas gejala kerusakan berdasar kondisi kerusakan motherboard

P(X) = Probabilitas gejala kerusakan motherboard

Hasil

Presentase kemungkinan kerusakan motherboard laptop

Gambar 3.1 Proses Penelitian

Berdasarkan tahapan metode penelitian diatas dapat dijelaskan sebagai berikut :

1. Data set berupa gejala umum dan khusus kerusakan motherboard pada laptop serta cara perbaikan.

2. Kemudian data tersebut akan diolah menggunakan metode naïve bayes untuk menghitung kemungkinan kerusakan yang tejadi berdasarkan gejala yang diketahui.

3. Setelah semua tahapan dilakukan baik dengan metode naïve bayes, nantinya akan diketahui presentase kerusakan pada motherboard serta cara memperbaikinya.

3.6 Perhitungan Manual Bayesian Berdasarkan Rumus

Data kerusakan motherboard laptop, gejala dan penghitungan manual algoritma Bayesian adalah didapat dari table keputusan berikut ini :

Data kerusakan dan gejala motherboard : 1. K1 : IC charger rusak

G1 : No display / Booting ( tidak nyala sama sekali )

G2 : Battery cannot charging ( pengisian baterai tidak terhubung ) 2. K2 : IC Power rusak

G1 : No display / Booting ( tidak nyala sama sekali )

G2 : Battery cannot charging ( pengisian baterai tidak terhubung ) 3. K3 : Resistor rusak

G1 : No display / Booting ( tidak nyala sama sekali ) G3 : No Display ( layar tidak tampil )

4. K4 : Kapasitor rusak

G1 : No display / Booting ( tidak nyala sama sekali )

G2 : Battery cannot charging ( pengisian baterai tidak terhubung )

31 G3 : No Display ( layar tidak tampil )

5. K5 : Mosfet rusak

G1 : No display / Booting ( tidak nyala sama sekali )

G2 : Battery cannot charging ( pengisian baterai tidak terhubung ) G3 : No Display ( layar tidak tampil )

6. K6 : Embedded Controller rusak

G2 : Battery cannot charging ( pengisian baterai tidak terhubung ) G4 : USB cannot detect ( usb tidak dapat berfungsi )

7. K7 : VRAM rusak

G3 : No Display ( layar tidak tampil )

G5 : Cannot shutdown ( tidak bisa dimatikan ) 8. K8 : Chipset Soutbridge rusak

G1 : No display / Booting ( tidak nyala sama sekali )

G2 : Battery cannot charging ( pengisian baterai tidak terhubung ) G3 : No Display ( layar tidak tampil )

9. K9 : Chipset Northbridge rusak

G1 : No display / Booting ( tidak nyala sama sekali )

G2 : Battery cannot charging ( pengisian baterai tidak terhubung ) G3 : No Display ( layar tidak tampil )

Keterangan : K = Kerusakan G = Gejala

Tabel 3.1 Tabel keputusan antara Kerusakan dan Gejala

Gejala Kerusakan

1 2 3 4 5 6 7 8 9

1 1 1 1 1 1 0 0 1 1

2 1 1 0 1 1 1 0 1 1

3 0 0 1 1 1 0 1 1 1

4 0 0 0 0 0 1 0 0 0

5 0 0 0 0 0 1 0 0 0

Perhitungan manual Bayesian berdasaran gejala adalah sebagai berikut :

Misalnya gejala yang tampak pada laptop ada dua gejala yaitu No display / Booting ( tidak nyala sama sekali ) (G1) dan No display ( layar tidak tampil ) (G3). Berdasarkan gejala tersebut maka dapat dihitung :

1. Rusak pada IC Charger (K1) Tahap pencarian ( | :

Pada tahap ini akan mencari probabilitas kerusakan pada IC Charger (K1)

= 0.11

Tahap pencarian P(X) :

Probabilitas pencarian gejala adalah :

 No display / Booting ( tidak nyala sama sekali ) (G1)

= 0.50

 No display ( layar tidak tampil ) (G3)

= 0

33 2. Rusak pada Resistor (K3)

Tahap pencarian ( | :

Jika probabilitas kerusakan pada Resistor (K3)

= 0.11

Tahap pencarian P(X) :

Jika probabilitas gejala adalah :

 No display / Booting ( tidak nyala sama sekali ) (G1)

= 0.50

 No display ( layar tidak tampil ) (G3)

= 0.50

Proses Perhitungan ( :

Probabilitas Kerusakan Motherboard adalah : 1. Kerusakan Pada IC charger (K1)

= ( |

= 33,3 %

2. Kerusakan Pada Resistor (K3)

= ( |

= 66,6 %

BAB IV

ANALISIS DAN PERANCANGAN SISTEM

4.1 Analisis Sistem

Dalam pembangunan sistem dibutuhkan perancangan awal agar diketahui kebutuhan apa saja yang terdapat didalam sistem, berikut ini adalah perancangan yang dibangun dalam penelitian ini .

4.1.1 Use Case Diagram

Gambar 4.1 : Use Case Diagram

Pada perancangan use case diagram diatas ada beberapa menu yang akan di hadapkan kepada user, menu tersebut seperti data kerusakan, analisa kerusakan, history konsultasi user. Masing-masing dari menu tersebut akan dijelaskan kedalam scenario use case berikut ini.

a. Skenario Use Case Data Kerusakan Nama Usecase Data Kerusakan

Aktor Admin

Diskripsi Halaman ini merupakan halaman sistem yang berisi

35 tentang data-data kerusakan pada laptop kusus pada kerusakan IC dan Chipset

Aksi Aktor Reaksi Sistem

Alur Dasar (Basic Flow)

1. Menekan menu Data Kerusakan 2. Sistem akan menampilkan

Halaman Data

Kerusakan

b. Use Case Analisa Kerusakan

Nama Usecase Analisa Kerusakan

Aktor Admin

Diskripsi Halaman ini merupakan halaman sistem yang akan memproses dan menganilsa kerusakan yang dikonsultasikan oleh user

Aksi Aktor Reaksi Sistem

Alur Dasar (Basic Flow)

1. Menekan menu Analisa Kerusakan 2. Sistem akan menampilkan

Halaman Analisa Kerusakan

3. Memilih gejala yang timbul yang dialami oleh user

4. Sistem akan

memproses setiap data gejala yang dipilih dan akan menampilkan hasil analisa

c. Skenario Use Case halaman History Nama Usecase History

Aktor Admin

Diskripsi Halaman ini merupakan halaman sistem yang akan menampilkan data user sebelumnya yang melakukan konsultasi tentang kerusakan pada chipset/IC

Aksi Aktor Reaksi Sistem

Alur Dasar (Basic Flow)

1 Menekan menu History 2 Sistem akan

menampilkan Halaman History

d. Skenario Use Case Langkah Perbaikan Nama Usecase Langkah Perbaikan

Aktor Admin

Diskripsi Halaman ini merupakan halaman sistem yang akan menampilkan langkah-langkah perbaikan dari yang dialami oleh user

Aksi Aktor Reaksi Sistem

Alur Dasar (Basic Flow)

1 Menekan menu Langkah Perbaikan 2 Sistem akan menampilkan

Halaman langkah perbaikan dari gejala yang dialami oleh user

e. Skenario Use Case halaman About Nama Usecase About

Aktor Admin

Diskripsi Halaman ini merupakan halaman sistem yang akan menampilkan keterangan tentang sistem

Aksi Aktor Reaksi Sistem

Alur Dasar (Basic Flow)

1 Menekan menu About 2 Sistem akan

menampilkan

Halaman about yang menjelaskan tentang pembuat sistem

4.1.2 Flow Chart Perhitungan Naïve Bayes

Gambar 4.2 : Flowchart alur naïve bayes

Pada flowchart diagram diatas menerangkan tentang alur berjalannya proses algoritma naïve bayes, yang dimulai dari pemilihan gejala kemudaian akan diproses dengan metode naïve bayes yang akan menghasilkan perhitungan yang sesuai dengan gejala yang dipilih kemudian menampilkan hasilnya.

4.2 Perhitungan Manual Bayesian

Berikut merupakan data asli kerusakan dan gejala yang peneliti dapatkan dari “P One Komputer” Semarang. Data tersebut akan dihitung secara manual menggunakan Algoritma Naïve Bayes dan nantinya akan dibandingkan dengan hasil perhitungan sistem yang telah dibuat oleh peneliti untuk mengetahui tingkat akurasi sistem yang telah dibangun.

Data kerusakan dan gejala motherboard : 1. K1 : IC charger rusak

G1 : No display / Booting ( tidak nyala sama sekali )

G2 : Battery cannot charging ( pengisian baterai tidak terhubung ) 2. K2 : IC Power rusak

G1 : No display / Booting ( tidak nyala sama sekali )

G2 : Battery cannot charging ( pengisian baterai tidak terhubung ) 3. K3 : Resistor rusak

G1 : No display / Booting ( tidak nyala sama sekali ) G3 : No Display ( layar tidak tampil )

4. K4 : Kapasitor rusak

G1 : No display / Booting ( tidak nyala sama sekali )

G2 : Battery cannot charging ( pengisian baterai tidak terhubung ) G3 : No Display ( layar tidak tampil )

5. K5 : Mosfet rusak

G1 : No display / Booting ( tidak nyala sama sekali )

G2 : Battery cannot charging ( pengisian baterai tidak terhubung ) G3 : No Display ( layar tidak tampil )

6. K6 : Embedded Controller rusak

G2 : Battery cannot charging ( pengisian baterai tidak terhubung ) G4 : USB cannot detect ( usb tidak dapat berfungsi )

7. K7 : VRAM rusak

G3 : No Display ( layar tidak tampil )

G5 : Cannot shutdown ( tidak bisa dimatikan ) 8. K8 : Chipset Soutbridge rusak

G1 : No display / Booting ( tidak nyala sama sekali )

G2 : Battery cannot charging ( pengisian baterai tidak terhubung ) G3 : No Display ( layar tidak tampil )

9. K9 : Chipset Northbridge rusak

G1 : No display / Booting ( tidak nyala sama sekali )

G2 : Battery cannot charging ( pengisian baterai tidak terhubung ) G3 : No Display ( layar tidak tampil )

Keterangan : K = Kerusakan G = Gejala

Tabel 4.1 Tabel keputusan antara Kerusakan dan Gejala

Gejala Kerusakan

1 2 3 4 5 6 7 8 9

1 1 1 1 1 1 0 0 1 1

2 1 1 0 1 1 1 0 1 1

3 0 0 1 1 1 0 1 1 1

4 0 0 0 0 0 1 0 0 0

5 0 0 0 0 0 1 0 0 0

Perhitungan manual Bayesian berdasaran gejala adalah sebagai berikut :

41 1. Rusak pada IC Charger (K1)

Jika probabilitas kerusakan pada IC Charger (K1) adalah : 0.11 Jika probabilitas gejala adalah :

K(K1 | G1) = 0,14  hasil perhitungan bayes 1 pada kerusakan K1

K(K1 | G3) = [ K (G3 | K1) * K (K1) ] / [ K (G3 | K1) * K (K1) + K (G3 |

2. Rusak pada IC Power (K2)

Jika probabilitas kerusakan pada IC Power (K2) adalah : 0.11 Jika probabilitas gejala adalah :

 No display / Booting ( tidak nyala sama sekali ) (G1) = 0.50

 No display ( layar tidak tampil ) (G3) = 0

Perhitungan nilai Bayes :

K(K2 | G1) =

K(K2 | G1) = 0,14  hasil perhitungan bayes 1 pada kerusakan K2

K(K2 | G3) =

K(K2 | G3) = 0  hasil perhitungan bayes 2 pada kerusakan K2

43 Total Bayes Kedua

= K(K2 | G1) + K(K2 | G3)

= 0,14 + 0 = 0,14 total bayes kedua pada kerusakan K2

3. Rusak pada Resistor (K3)

Jika probabilitas kerusakan pada Resistor (K3) adalah : 0.11 Jika probabilitas gejala adalah :

K(K3 | G1) = 0,14  hasil perhitungan bayes 1 pada kerusakan K3

K(K3 | G3) = [ K (G3 | K3) * K (K3) ] / [ K (G3 | K1) * K (K1) + K (G3 |

Total Bayes Ketiga

= K(K3 | G1) + K(K3 | G3)

= 0,14 + 0,16 = 0,3  total bayes ketiga pada kerusakan K3

4. Rusak pada Kapasitor (K4)

Jika probabilitas kerusakan pada Kapasitor (K4) adalah : 0.11 Jika probabilitas gejala adalah :

Total Bayes Keempat

= K(K4 | G1) + K(K4 | G3)

= 0,14 + 0,16 = 0,3  total bayes keempat pada kerusakan K4

5. Rusak pada Mosfet (K5)

Jika probabilitas kerusakan pada Mosfet (K5) adalah : 0.11 Jika probabilitas gejala adalah :

K(K5 | G1) = 0,14  hasil perhitungan bayes 1 pada kerusakan K5

K(K5 | G3) = [ K (G3 | K5) * K (K5) ] / [ K (G3 | K1) * K (K1) + K (G3 |

Total Bayes Kelima

= K(K5 | G1) + K(K5 | G3)

= 0,14 + 0,16 = 0,3  total bayes kelima pada kerusakan K5

6. Rusak pada VRAM (K7)

Jika probabilitas kerusakan pada VRAM (K7) adalah : 0.11 Jika probabilitas gejala adalah :

 No display / Booting ( tidak nyala sama sekali ) (G1) = 0

 No display ( layar tidak tampil ) (G3) = 0.50

Perhitungan nilai Bayes :

K(K7 | G1) =

K(K7 | G1) = 0  hasil perhitungan bayes 1 pada kerusakan K7

K(K7 | G3) =

K(K7 | G3) = 0,16  hasil perhitungan bayes 2 pada kerusakan K7

47 Total Bayes Keenam

= K(K7 | G1) + K(K7 | G3)

= 0 + 0,16 = 0,16  total bayes keenam pada kerusakan K7

7. Rusak pada Chipset Southbridge (K8)

Jika probabilitas kerusakan pada Chipset Southbridge (K8) adalah : 0.11 Jika probabilitas gejala adalah :

K(K8 | G1) = 0,14  hasil perhitungan bayes 1 pada kerusakan K8

K(K8 | G3) = [ K (G3 | K8) * K (K8) ] / [ K (G3 | K1) * K (K1) + K (G3 |

Total Bayes Ketujuh

= K(K8 | G1) + K(K8 | G3)

= 0,14 + 0,16 = 0,3  total bayes ketujuh pada kerusakan K8

8. Rusak pada Chipset Northbridge (K9)

Jika probabilitas kerusakan pada Chipset Northbridge (K9) adalah : 0.11 Jika probabilitas gejala adalah :

K(K9 | G1) = 0,14  hasil perhitungan bayes 1 pada kerusakan K9

K(K9 | G3) = [ K (G3 | K9) * K (K9) ] / [ K (G3 | K1) * K (K1) + K (G3 |

49 Total Bayes Kedelapan

= K(K9 | G1) + K(K9 | G3)

= 0,14 + 0,16 = 0,3  total bayes kedelapan pada kerusakan K9

Hasil = Total Bayes Pertama + Total Bayes Kedua + Total Bayes Ketiga + Total Bayes Keempat + Total Bayes Kelima + Total Bayes Keenam + Total Bayes Ketujuh + Total Bayes Kedelapan

= K(K1 | G1) + K(K1 | G3) + K(K2 | G1) + K(K2 | G3) + K(K3 | G1) + K(K3 | G3) + K(K4 | G1) + K(K4 | G3) + K(K5 | G1) + K(K5 | G3) + K(K7 | G1) + K(K7 | G3) + K(K8 | G1) + K(K8 | G3) + K(K9 | G1) + K(K9 | G3)

= 0,14 + 0,14 + 0,3 + 0,3 + 0,3 +0,16 + 0,3 + 0,3

= 1,94  hasil total dari keseluruhan nilai perhitungan bayes

Maka Perhitungan Probabilitas Kerusakan Motherboard adalah : 1. Kerusakan Pada IC Charger (K1)

= 7,2 %  hasil perhitungan pada kerusakan K1

2. Kerusakan Pada IC Power (K2)

= 7,2 %  hasil perhitungan pada kerusakan K2

3. Kerusakan Pada Resistor (K3)

= 15,5 %  hasil perhitungan pada kerusakan K3

4. Kerusakan Pada Kapasitor (K4)

= 15,5 %  hasil perhitungan pada kerusakan K4

5. Kerusakan Pada Mosfet (K5)

7. Kerusakan Pada Chipset Soutbridge (K8)

= 15,5%  hasil perhitungan pada kerusakan K8

8. Kerusakan Pada Chipset Northbridge (K9)

= 15,5 %  hasil perhitungan pada kerusakan K9

51 4.3 Implementasi Algoritma Bayesian

Implementasi Algoritma ini berisi informasi dari sistem yang telah dibuat dan diterapkan dalam sistem menggunakan bahasa pemprograman java.

4.3.1 Halaman About

Gambar 4.3 Halaman About

Halaman about adalah halaman yang menerangkan tentang latar belakang pembuat sistem atau peneliti. Pada halaman ini menerangkan informasi tentang profil peneliti.

4.3.2 Halaman Analisis Kerusakan

Gambar 4.4 Halaman Analisis Kerusakan

Halaman analisis kerusakan merupakan halaman untuk memilih gejala kerusakan laptop oleh user. Pada halaman ini user menginput merk dan Serial Number dari laptop yang akan di analisis,kemudian user dapat memilih gejala kerusakan yang dialami laptop untuk memprediksi kerusakan laptop dengan metode yang telah digunakan. Cara penggunaannya dengan cara memilih option button yang telah disediakan berdasarkan kerusakan laptop yang dialami.

53 4.3.3 Halaman Hasil Analisis Kerusakan

Gambar 4.5 Halaman Hasil Analisis Kerusakan

Halaman hasil analisis adalah halaman yang memperlihatkan hasil prediksi kerusakan laptop pada motherboard. Data hasil analisis merupakan data hasil olahan gejala kerusakan yang telah diproses menggunakan metode Naïve Bayes.

Dari perhitungan tersebut nantinya akan didapatkan nilai dari masing-masing kerusakan yang jika di total berjumlah 100%.

4.3.4 Halaman Cek Peralatan

Gambar 4.6 Halaman Cek Peralatan

Pada halaman ini disajikan berbagai info peralatan yang di gunakan untuk melakukan perbaikan pada laptop khususnya pada motherboard laptop. Ada berbagai macam jenis peralatan yang digunakan diantaranya seperti yang ditampilkan pada gambar diatas yaitu BGA Infrared Rework Station, Tinol, Blower, Multitester, Solder dan Pinset. Dari masing-masing peralatan itu mempunyai fungsinya masing-masing.

55 4.3.5 Halaman Daftar Data Kerusakan

Gambar 4.7 Halaman Data Kerusakan

Pada halaman ini disajikan berbagai info tentang daftar kerusakan pada laptop

Dalam dokumen TUGAS AKHIR IMPLEMENTASI METODE NAIVE BAYES UNTUK MENDETEKSI KERUSAKAN MOTHERBOARD PADA LAPTOP. Universitas Dian Nuswantoro. (Halaman 34-0)