SISTEM PAKAR DIAGNOSA KERUSAKAN PADA PRINTER DENGAN MENGGUNAKAN METODE CERTAINTY FACTOR PARAREL

(1)

SISTEM PAKAR DIAGNOSA KERUSAKAN PADA PRINTER DENGAN MENGGUNAKAN METODE CERTAINTY FACTOR PARAREL

Dewi Anggraeni Jurusan Teknik Informatika Fakultas Sains dan Teknologi UIN Sunan Gunung Djati Bandung

ABSTRAK

Printer adalah sebuah alat untuk mencetak sebuah file menjadi sebuah dokumen, oleh karena itu jenis printer tidak hanya satu saja tetapi banyak berbagai merk dan tipe. Oleh Karena itu sangat mengkhawatirkan apabila printer banyak mengalami kerusakan total tetapi tidak dapat memperbaiki dengan benar atau malah secara otodidak, seperti tukang service yang mampu memperbaiki printer secara otodidak saja dan tidak langsung berkonsultasi ke pakarnya. Namun semua hal itu dapat diatasi dengan adanya sistem pakar yang dapat mendiagnosa 25 kerusakan yang berasal dari 17 gejala yang berbeda. Sistem pakar ini dibangun menggunakan kombinasi teknologi web populer terbaru yaitu PHP, HTML, CSS, jQuery dan MySQL. Perancangan yang digunakan yaitu SSAD (Structured System Design and Analisis). Metode pengembangan perangkat lunak menggunakan metode waterfall atau yang lebih dikenal dengan sekuensial linier. Sistem pakar diagnosa kerusakan pada printer ini diharapkan dapat membantu user yang kesulitan berkonsultasi dengan pakar printer dengan cara memberikan solusi setelah berkonsultasi melalui sistem. Sehingga kesulitan berkonsultasi dapat teratasi dan juga dapat memperbaiki printer secara benar.

Kata kunci: Sistem Pakar, Kerusakan, Printer, Certainty Factor Pararel

1. PENDAHULUAN 1.1 Latar Belakang

Perkembangan dunia teknologi di tahun ini semakin pesat dengan banyak beredar komputer – komputer terbaru, dengan harga terjangkau. Sehingga dapat dijangkau oleh masyarakat dengan kelas menengah ke bawah, semakin harga komputer murah. Semakin dunia teknologi dapat dijangkau oleh seluruh lapisan masyarakat.

Misalnya sebuah komputer mengalami kerusakan yang serius. Mungkin akan di tanyakan apa penyebab dan gejala kerusakan pada komputer tersebut. oleh karena itu masyarakat perlu sebuah sistem untuk mengolah dan mengecek kerusakan pada komputer tersebut, tanpa harus menanyakan pada seorang tukang service.

Dengan adanya sistem tersebut akan memudahkan masyarakat untuk dapat mengetahui gejala kerusakan dan menemukan solusinya. Begitu juga dengan sebuah printer

dapat dikategorikan sebagai masalah artificial intelegent khususnya sistem pakar karena pemecahan masalah tersebut dapat dilakukan dengan mengembangkan sistem yang dapat berperan sebagai seorang ahli.

Dengan kata lain terjadi pemindahan atau proses pengolahan informasi yang bersifat heuristic yang artinya membangun dan mengoperasikan basis pengetahuan yang berisi fakta beserta penalarannya. Dalam hal ini prosesnya disebut knowledge engineering yaitu penyerapan basis pengetahuan dari seorang pakar ke sebuah komputer.

Fakta-fakta yang diperoleh dari pengetahuan seorang ahli disimpan dalam suatu basis pengetahuan. Dengan bantuan mesin inferensi dan memori kerja, proses penarikan kesimpulan tentang jenis kerusakan pada printer, gejala dan solusinya dapat di lakukan.

Berdasarkan kategori bidang yang sesuai, sistem pakar ini termasuk jenis diagnosa, yaitu mengecek gejala-gejala yang

(2)

terjadi dan memberikan kesimpulan tentang jenis kerusakan dan cara menangani kerusakan tersebut. Pada penelitian ini dibuat sebuah sistem pakar menggunakan menggunakan metode Certainty Factor Pararel. Sistem ini dapat memberikan diagnosa awal kerusakan pada printer. Dari gejala-gejala yang dirasakan oleh pengguna, sebagai pengganti pakar konsultasi kepada sistem yang telah disesuaikan dengan pakar ahli. Hasil penelitian menunjukkan bahwa CF Pararel dapat digunakan sebagai cara untuk mengatasi ketidak pastian untuk kasus printer.

Membuat sebuah sistem pakar yang membahas tentang diagnosa kerusakan-kerusakan pada printer dengan metode Certainty Factor Pararel dengan judul “Sistem Pakar Diagnosa Kerusakan Pada Printer Dengan Menggunakan Metode Certainty Factor Pararel”. Untuk mendiagnosa kerusakan pada printer sehingga dapat diketahui apa masalah yang terjadi pada printer tersebut dan dapat ditemukan solusinya.

1.2 Rumusan Masalah

Berdasarkan uraian Latar Belakang serta permasalahan yang telah dikemukakan tersebut di atas, maka penulis

mengidentifikasi pokok permasalahan sebagai berikut:

1. Bagaimana membuat aplikasi sistem pakar yang baik dan bisa digunakan oleh user?

2. Bagaimana menerapkan metode Certainty Factor Pararel pada sistem pakar?

3. Bagaimana merancang suatu sistem pakar yang dapat mendiagnosa kerusakan pada printer berdasarkan gejala pada printer tersebut dan memberikan solusinya berdasarkan metode Certainty Factor Pararel?

1.3 Tujuan Penelitian

Tujuan yang ingin dicapai dari tugas akhir ini adalah:

1. Membuat aplikasi sistem pakar yang baik dan bisa digunakan oleh user 2. Menerapkan metode Certainty Factor

Pararel pada sistem pakar

4. Merancang suatu sistem pakar yang dapat mendiagnosa kerusakan pada printer berdasarkan gejala pada printer tersebut dan memberikan solusinya berdasarkan metode Certainty Factor Pararel.

1.4 Batasan Masalah

Masalah yang ada dalam Aplikasi ini dibatasi pada ruang lingkup seperti:

1. Membangun aplikasi sistem pakar hanya untuk mendiagnosa kerusakan pada printer Canon iP 2700 series. 2. Tools yang digunakan untuk

membangun aplikasi ini yaitu PHP sebagai bahasa pemogramannya dan Mysql DBMS-nya.

3. Data yang diperlukan berupa data kerusakan Printer, gejala kerusakan, dan solusinya.

4. Metode yang digunakan Certainty Factor Pararel.

2. LANDASAN TEORI 2.1 Certainty Factor Pararel

Faktor kepastian (certainty factor pararel) menyatakan kepercayaan dalam sebuah kejadian (atau fakta atau hipotesis) berdasarkan bukti atau penilaian pakar (Turban, 2005). Certainty Factor Pararel menggunakan suatu nilai untuk mengasumsikan derajat keyakinan seorang pakar terhadap suatu data. Certainty Factor Pararel memperkenalkan konsep keyakinan dan ketidakyakinan yang kemudian diformulasikan ke dalam rumusan dasar sebagai berikut:

(3)

CF(H,E)=MB(H,E)-MD(H,E) (2.1) CF(H,E): certainty factor pararel

MB(H,E): ukuran kepercayaan (measure of increased belief) terhadap hipotesis H yang jika diberikan evidence E(antara 0 dan 1) MD(H,E): ukuran ketidakpercayaan (measure of increased disbelief) terhadap evidence H, jika diberikan evidence E(antara 0 dan 1) Bentuk dasar rumus certainty factor pararel sebuah aturan JIKA E MAKA H adalah seperti ditunjukkan oleh persamaan 2 berikut: CF(H,e)=CF(E,e)*CF(H,E) (2.2)

Dimana:

CF(E,e): certainty factor pararel evidence E yang dipengaruhi oleh evidence e.

CF(H,E): certainty factor pararel hipotesis dengan asumsi evidence diketahui dengan pasti, yaitu ketika CF(E,e) = 1.

CF(H,e) : certainty factor pararel hipotesis yang dipengaruhi oleh evidence e. Jika semua evidence pada antecedent diketahui dengan pasti maka persamaannya akan menjadi: CF(H,e) = CF(H,E) (2.3)

Dalam aplikasinya, CF(H,E) merupakan nilai kepastian yang diberikan oleh pakar terhadap suatu aturan, sedangkan CF(E,e) merupakan nilai kerpercayaan yang diberikan oleh pengguna terhadap gejala yang dialaminya. Sebagai contoh, berikut ini adalah sebuah aturan dengan CF Pararel yang diberikan oleh seorang pakar:

JIKA Timbul sisik pada kulit DAN Kulit kering

DAN Rambut Kering DAN Kulit kusam DAN Rambut kusam

MAKA ketombe, CF: 0,7

2.2 Kelebihan dan Kekurangan Metode Certainty Factor Pararel

Kelebihan Certainty Factor Pararel:

a. Metode ini cocok dipakai dalam sistem pakar untuk mengukur sesuatu apakah pasti atau tidak pasti dalam mendiagnosa penyakit sebagai salah satu contohnya. b. Perhitungan dengan menggunakan metode

ini dalam sekali hitung hanya dapat mengelola dua data saja sehingga keakuratan data dapat terjaga.

Kekurangan Metode Certainty Factor Pararel:

a. Ide umum dari pemodelan ketidakpastian manusia dengan menggunakan numerik metode certainty factor pararel biasanya diperdebatkan. Sebagian orang akan membantah pendapat bahwa formula untuk metode certainty factor pararel diatas memiliki sedikit kebenaran.

b. Metode ini hanya dapat mengolah ketidakpastian/kepastian hanya dua data saja. Perlu dilakukan beberapa kali pengolahan data untuk data yang lebih dari dua buah. c. Nilai CF Pararel yang diberikan bersifat subyektif karena penilaian setiap pakar bisa saja berbeda-beda tergantung pengetahuan 2.3 Model untuk menghitung Certainty

Factor Pararel dari Rule

Ada dua tahap model yang sering digunakan untuk menghitung tingkat keyakinan certainty factor pararel dari sebuah rule adalah sebagai berikut:

a. Dengan menggali dari hasil

wawancara dengan pakar. Nilai CF

Pararel (Rule) didapat dari interpretasi term dari pakar menjadi nilai MD/MB tertentu.

b. Tabel 2.3 untuk menentukan

certainty factor pararel menurut

kepercayaan pakar.

Cara Menentukan Nilai Certainty Factor Pararel

MD/MD Certain Term

0 – 1.0 0 - 0.2 Tidak Tahu/Tidak Ada

0.3 - 0.4 Mungkin 0 - 0.6 Kemungkinan Besar

0.7 - 0.8 Hampir Pasti 0.9 - 1.0 Pasti

CF=MB-MD

CF=Certainty Factor Pararel

MB=Nilai kepercayaan pakar(Meansure Believe)

MD=Nilai ketidak percayaan pakar(Meansure Disbelieve)

(4)

2.4 Cara Perhitungan Faktor Kepastian (Certainty Factor Pararel)

Certainty Factor Pararel (CF) menunjukkan ukuran kepastian terhadap suatu fakta atau aturan.

CF[h,e]=MB[h,e]–MD[h,e] CF[h,e] = faktor kepastian

MB[h,e]=ukuran kepercayaan atau tingkat keyakinan terhadap hipotesis h, jika diberikan/dipengaruhi

evidence e (antara 0 sampai 1.0)

MD[h,e] = ukuran ketidakpercayaan atau tingkat ketidakyakinan terhadap hipotesis h, jika diberikan atau dipengaruhi evidence e (antara 0 sampa 1.0)

Gambar 2.1 Ukuran Kepercayaan atau Ketidakpercayaan CF Pararel Contoh :

a. Misal suatu observasi memberikan

kepercayaan terhadap h dengan MB[h,e1]=0,3 dan

MD[h,e1]=0 maka : CF[h,e1] = 0,3 – 0 = 0,3

Jika ada observasi baru dengan MB[h,e2]=0,2 dan MD[h,e2]=0, maka :

MB[h,e1 ∧ e2] = 0,3 + 0,2 * (1 – 0,3)=0,44 MD[h,e1 ∧ e2] = 0

CF[h,e1 ∧ e2] = 0,44 – 0 = 0,44

b. Asih menderita bintik-bintik di wajahnya. Dokter memperkirakan Asih terkena cacar dengan

kepercayaan MB[cacar,bintik]=0,80 dan MD[cacar,bintik]=0,01 maka :

CF[cacar,bintik] = 0,80 – 0,01=0,79 Jika ada observasi baru bahwa Asih juga panas badan dengan kepercayaan, MB[cacar,panas]=0,7dan MD[cacar,panas]=0,08 maka : MB[cacar,bintik ∧ panas] =0,8+0,7*(1–0,8)=0,94 MD[cacar,bintik ∧ panas] =0,01+0,08*(1–0,01)=0,0892 CF[cacar,bintik ∧ panas] =0,94–0,0892=0,8508

2.5 Certainty Factor Pararel dihitung dari kombinasi beberapa hipotesis Jika h1 dan h2 adalah hipotesis maka :

Gambar 2.2 Kombinasi CF Pararel Min dan Max

Contoh :

Misal suatu observasi memberikan kepercayaan terhadap h1 dengan MB[h1,e]=0,5 dan

MD[h1,e]=0,2 maka : CF[h1,e]=0,5–0,2=0,3

Jika observasi tersebut juga memberikan kepercayaan terhadap h2 dengan

MB[h2,e]=0,8 dan MD[h2,e]=0,1, maka : CF[h2,e] = 0,8 – 0,1= 0,7

Untuk mencari CF Pararel[h1 ∧ h2,e] diperoleh dari

MB[h1 ∧ h2,e] = min (0,5 ; 0,8) = 0,5 MD[h1 ∧ h2,e] = min (0,2 ; 0,1) = 0,1 CF[h1 ∧ h2,e] = 0,5 – 0,1 = 0,4 Untuk mencari CF Pararel[h1∨ h2,e] diperoleh dari

MB[h1∨ h2,e] = max (0,5 ; 0,8) = 0,8 MD[h1∨ h2,e] = max (0,2 ; 0,1) = 0,2 CF[h1∨ h2,e] = 0,8 – 0,2 = 0,6

a. Asih menderita bintik-bintik di wajahnya. Dokter memperkirakan Asih terkena cacar dengan

Kepercayaan MB[cacar,bintik]=0,80 dan MD[cacar,bintik]=0,01 maka

CF Pararel[cacar,bintik] = 0,80 – 0,01 = 0,79 Jika observasi tersebut juga memberikan kepercayaan bahwa Asih mungkin juga terkena alergi

Dengan kepercayaan MB[alergi,bintik]=0,4 dan MD[alergi,bintik]=0,3 maka

CF[alergi,bintik]= 0,4 – 0,3 = 0,1

Untuk mencari CF Pararel[cacar ∧ alergi, bintik] diperoleh dari

MB[cacar ∧ alergi,bintik] = min (0,8 ; 0,4) = 0,4

MD[cacar ∧ alergi,bintik] = min (0,01 ; 0,3) = 0,01

(5)

CF[cacar ∧ alergi,bintik] = 0,4 – 0,01 = 0,39 Untuk mencari CF Pararel[cacar ∨ alergi, bintik] diperoleh dari

MB[cacar ∨ alergi,bintik] = max (0,8 ; 0,4) = 0,8 MD[cacar ∨ alergi,bintik] = max (0,01 ; 0,3) = 0,3 CF[cacar ∨ alergi,bintik] = 0,8 – 0,3 = 0,5

Kesimpulan: semula faktor kepercayaan bahwa Asih terkena cacar dari gejala munculnya

bintik-bintik di wajahnya adalah 0,79. Demikian pula faktor kepercayaan bahwa Ani terkena

alergi dari gejala munculnya bintik-bintik di wajah adalah 0,1. Dengan adanya gejala yang sama

mempengaruhi 2 hipotesis yang berbeda ini memberikan faktor kepercayaan :

Asih menderita cacar dan alergi = 0,39 Asih menderita cacar atau alergi = 0,5

3. ANALISIS DAN PERANCANGAN 3.1 Analisis

Sistem pakar diagnosa kerusakan pada printer dengan menggunakan metode certainty factor pararel ini. bertujuan untuk mendiagnosa kerusakan pada printer Canon iP 2700/2770 sehingga dapat ketahui kerusakan apa yang menyebabkan printer tidak berfungsi dan juga dapat di ketahui penyebab dan gejala kerusakan, sehingga dapat di temukan solusi yang terbaik dalam menangani kerusakan printer tersebut.

3.2 Analisis Kerusakan

Berdasarkan pengetahuan dari pakar, dapat dianalisis kerusakan apa saja yang akan dimasukkan ke dalam sistem. Selain kerusakan, yang harus dimasukkan juga adalah gejala sebagai kunci untuk menemukan solusi dan juga dapat di ketahui nilai dari pakar untuk megetahui seberapa besarkah kepercayaan terhadap suatu fakta tersebut.

3.3 Diagram Konteks

Sistem Pakar Diagnosa Kerusakan Pada Printer Dengan Menggunakan Metode Certainty Factor Pararel Admin User Data Kerusakan Data Gejala Data Aturan

Laporan Data Keruskan Data Gejala Data Aturan Data Hasil Analisa

Data Gejala

Informasi Kerusakan dan Solusi

Gambar 3.1. Diagram konteks

Gambar 3.1 menunjukkan bahwa sistem pakar berinteraksi dengan 2 external entity, yaitu Admin dan User. Seorang admin dapat memasukkan data kepakaran ke dalam sistem serta dapat memperoleh informasi pakar melalui fasilitas akuisisi pengetahuan. Seorang pemakai hanya bisa melakukan konsultasi dengan sistem, yaitu dengan memilih data kerusakan seperti gejala kerusakan kemudian memperoleh informasi kerusakan yang terjadi dan solusi yang diberikan oleh sistem

3.3.1 Data Flow Diagram Level 0

Rincian proses dari diagram konteks level 0 ditunjukkan pada gambar 3.2. Pada DFD level 0 ini dapat dilihat proses input data oleh external entity dan output yang diberikan sistem kepada external entitiy serta simpanan data apa saja yang ada pada sistem.

1.0 Pengolahan Data Pakar 2.0 Pengolahan Data Kerusakan dan Solusi 3.0 Pengolahan Data Gejala 4.0 Pengolahan Data Aturan 5.0 Pengolahan Analisa Kerusakan 6.0 Pembuatan Laporan Hasil analisa 7.0 Pembuatan Laporan User Admin

Data Pakar Atau Admin

Data Kerusakan

Data Gejala Data Aturan

Informasi Kerusakan dan Solusi

Laporan Pakar Data Pakar Kerusakan Data Kerusakan dan Solusi Gejala Aturan Gejala Kerusakan Aturan

Data Hasil Analisa

Kerusakan Gejala Analisa

Analisa Hasil

(6)

3.3.2 Data Flow Diagram Level 1.0

Proses Pengolahan Data Pakar yang diturunkan pada level 1.0 ditunjukkan pada Gambar 3.3. 1.1 Tambah Data Pakar 1.2 Simpan Data Pakar Admin Pakar

Data Pakar Data Pakar

1.3 Edit Data

Pakar

Gambar 3.3 Data Flow Diagram Level 1.0 3.3.3 Data Flow Diagram Level 2.0

Proses Pengolahan Data Keruskan dan Solusi yang diturunkan pada level 2.0 ditunjukkan pada Gambar 3.4.

2.1 Tambah Data Kerusakan dan Solusi Admin 2.2 Simpan Data Kerusakan dan Solusi 2.3 Edit Data Kerusakan dan Solusi Keruskaan

Data Kerusakan dan Solusi

Edit Data Kerusakan dan Solusi

Hapus Data Kerusakan dan Solusi 2.4 Hapus Data Kerusakan dan

Solusi

Proses Pengolahan Data Gejala yang diturunkan pada level 3.0 ditunjukkan pada Gambar 3.5. 3.1 Tambah Data Gejala Admin 3.2 Simpan Data Gejala 3.3 Edit Data Gejala Gejala Data Gejalai

Edit Data Gejala

3.4 Hapus Data

Gejala Hapus Data Gejala

Gambar 3.5 Data Flow Diagram Level 3.0

Proses Pengolahan Data Aturan yang diturunkan pada level 4.0 ditunjukkan pada Gambar 3.6. 4.1 Pilih Data Gejala Admin 4.2 Merelasikan Data Gejala Dengan Kerusakan 4.3 Masukan Nilai MB dan MD Kerusakan Data Gejala dan Kerusakan

Data MB dan MD

Gejala Data Gejala

4.4 Simpan Nilai MB dan MD dan Data Gejala serta

Kerusakan Simpan Nilai MB dan MD dan Data Gejala serta Kerusakan

Proses Pengolahan Analisa Kerusakan yang diturunkan pada level 5.0

(7)

5.1 Konsultasi User 5.2 Diagnosa Gejala Kerusakan 5.3 Simpan Hasil Konsultasi Analisa Hasil Diagnosa Gejala Kerusakan Laporan Pilih Gejala 5.4 Cetak Hasil Konsultasi

Proses Pengolahan Pembuatan Laporan Hasil Analisa yang diturunkan pada level 6.0 ditunjukkan pada Gambar 3.8.

6.1 Daftar Konsultasi User _Laporan6.2 Analisa Hasil Laporan Daftar konsultasi

Proses Pengolahan Pembuatan Laporan yang diturunkan pada level 7.0

ditunjukkan pada Gambar 3.9.

7.1 Pembuatan Laporan Data Kerusakan Admin 7.2 Pembuatan Laporan Data Gejala 7.3 Pembuatan Laporan Data Aturan Kerusakan 7.4 Pembuatan Laporan Data Hasil Analisa Gejala Aturan Analisa Hasil Laporan Data Kerusakan

Laporan Data Gejala

Laporan Data Aturan

Laporan Data Hasil Analisa

3.4 ERD

ERD adalah diagram yang memperlihatkan entitas-entitas yang terlibat dalam suatu sistem serta hubungan-hubungan (relasi) antar entitas. Penekanan pada ERD adalah tabel-tabel yang merepresentasikan entitas-entitas serta tabel-tabel yang merepresentasikan relasi antar entitas itu sendiri. Entitas yang terlibat dalam sistem pakar diagnosa pada printer berbasis web ditunjukkan pada Gambar 3.10

Aturan Analisa Hasil Gejala Kerusakan Id User Id Kd Gejala Kd trobel Tanggal 1 m Kd gejala Nm gejala m 1 Kd trobel Nm kerusakan Solusi 1 m Kd trobel md cf Kd gejala mb .

Gambar 3.10 ERD Sistem Pakar Berdasarkan model ERD pada Gambar 3.10 dapat didesain data seperti ditunjukkan Gambar 3.11.

(8)

3.5 Rancangan Antar Muka

Rancangan antarmuka digunakan untuk membuat tampilan dengan tujuan memberikan panduan dalam mengoperasikan program sistem pakar. Pada rancangan antarmuka program sistem pakar halaman utama perancan sistem pakar digunakan untuk melihat penjelasan dari metode certainty factor pararel sehingga user dapat lebih memahami sebelum mendaftar sebagai pengguna sistem.

1. Halaman utama perancangan sistem pakar

Gambar 3.12 Perancangan Sistem Pakar

2. Halaman Bagian Registrasi Costumer Pada halaman ini costumer sebelum melakukan konsultasi kerusakan printer harus mengisi form data isian di bawah ini, jika registrasi berhasil maka costumer akan memiliki

username dan password, dan jika tidak berhasil akan muncul pesan kesalahan.

begin

read DataInputRegistrasi If Input = valid then

save ke database write PesanBerhasil else write PesanKesalahan endif; end.

Gambar 3.13 Perancangan Registrasi Costumer

3. Halaman Bagian Konsultasi dan Solusi

Halaman ini digunakan untuk melakukan konsultasi kerusakan pada printer canon iP 2770, dengan cara mengecek gejala dan nanti tekan tombol proses diagnosis gejala kerusakan maka akan muncul jenis kerusakan dan solusi memperbaikinya kemudian akan di ketahui nilai cf pararel. Berikut ini algoritma cara kerja cf pararel.

Algoritma Certainty Factor Pararel Modul Konsultasi CF dan Perhitungan Certainty Factor Pararel

DEKLARASI CF : Real MB, MD DESKRIPSI Read : (MB,MD) CF ← MB-MD Write (CF) HEADER HEADER Copyright@Dewi Anggraeni 2013 Login User Costumer Registrasi Costumer Materi Konsultasi Polling Costumer Faq HEADER HEADER Copyright@Dewi Anggraeni 2013

Registrasi Costumer Sistem Pakar FORM ISIAN DATA SISTEM PAKAR

Nama Lengkap

Alamat

Username Password

Ulangi Password Login User Costumer

Registrasi Costumer

Materi Konsultasi

Polling Costumer

(9)

Gambar 3.14 Perancangan Bagian Konsultasi 4. IMPLEMENTASI DAN PENGUJIAN 4.1 Implementasi Interface

Implementasi inteface merupakan bagian dari pengolahan implementasi yang disajikan untuk pengguna.

a. Halaman Testimoni

Halaman Testimoni ini adalah halaman awal sistem pakar yang berisikan tentang penjelasan mengenai metode certainty factor pararel dan juga semua yang mengacu kepada sistem pakar.

Gambar 4.1 Halaman Testimoni

b. Halaman Registrasi Costumer

Halaman Registrasi Costumer ini adalah halaman untuk registrasi user yang ingin mendapatkan username dan password agar dapat berkonsultasi tentang kerusakan printer canon ip 2770. Melalui sistem pakar metode certainty factor pararel.

Gambar 4.2 Halaman Registrasi Costumer c. Halaman Konsultasi

Halaman Konsultasi adalah halaman dimana user dapat melakukan konsultasi dengan menceklis satu gejala dan tidak boleh lebih dari satu gejala.

HEADER HEADER

CEK KODE NAMA GEJALA Login User Costumer

Registrasi Costumer

Materi Konsultasi

Polling Costumer

(10)

Gambar 4.3 Halaman Konsultasi d. Halaman Hasil Diagnosa

Halaman hasil diagnosa adalah halaman hasil dari konsultasi kerusakan pada printer canon ip 2700. Pada halaman ini kerusakan printer tersebut dapat terlihat dengan muncul beberapa kerusakan dan juga dapat diketahui solusi cara perbaikannya dan bisa terlihat nilai dari cf pararel itu sendiri dan juga dapat di peroleh nilai hipotesa analisis.

Gambar 4.4 Hasil Diagnosa

4.2 Pengujian Sistem

Proses pengujian yaitu mencoba program dengan memasukkan data kedalam form-form masukan yang telah disediakan. Pada tahap ini merupakan kelanjutan dari tahap implementasi yaitu melakukan pengujian terhadap aplikasi yang dibangun. Pengujian yang akan dilakukan yaitu dengan pengujian black box yang berfokus pada persyaratan fungsional perangkat lunak.

4.3 Hasil Percobaan Diagnosa Kerusakan Pada Printer

Berikut ini adalah hasil percobaan konsultasi diagnosa kerusakan pada printer dibuktikan dengan tabel bahwa setiap konsultasi tidak ada yang error semuanya berjalan dengan lancar.

(11)

Tabel 4.1 Hasil Percobaan Diagnosa Kerusakan Pada Printer

No Cek

Gejala

Nilai CF Pararel

Kesimpulan Keterangan

1 G0001 0,8 Hampir Pasti Succes

5 G0005 0,7 Hampir Pasti Success

7 G0007 0,5 Kemungkinan Besar Success

8 G0008 0,9 Pasti Success

15 G0015 0,5 Kemungkinan Besar Success

16 G0016 0,5 Kemingkinan Besar Success

4.4 Uji Menu Konsultasi

Pada pengujian menu konsultasi pasien dapat dilihat pada Tabel 4.2.

Tabel 4.2 Uji Menu Konsultasi

NO SKENARIO HASIL KETERANGAN SUKSE S GAG AL

8 Klik menu konsultasi √

9 Pilih salah satu gejala

kerusakan printer √

10 Klik proses diagnosis gejala kerusakan

√

Sistem akan menampilkan hasil diagnosa dari satu gejala yang di pilih disana akan muncul kerusakan, solusi, dan hipotesa analisi

11 Klik save data

√

Sistem menyimpan hasil konsultasi user pada hari ini.

5. KESIMPULAN DAN SARAN 5.1 Kesimpulan

Kesimpulan dalam penelitian skripsi ini adalah sebagai berikut:

1. Kerusakan printer Canon bila

dibandingkan dengan printer

Epson hampir sama hanya yang berbeda cara printnya saja.

2. Sistem yang dibuat dapat

diterapkan pada jenis kerusakan lain bukan printer saja.

3. Solusi yang diberikan sistem dapat mempermudah user dalam menangani semua jenis kerusakan pada printer.

5.2 Saran

Adapun saran yang akan diberikan oleh penyusun diantaranya adalah :

1. Sistem yang dibuat harus bisa lebih perpect dan complex lagi. 2. Sistem harus dapat mendiagnosa

kerusakan printer bukan satu jenis dan satu seri saja tapi seluruh jenis printer.

3. Sistem harus mampu digunakan oleh user melalui online, agar

dapat mempermudah proses

diagnosa kerusakan seluruh jenis printer.

DAFTAR PUSTAKA

Aryawan, 2012, Sistem Pakar Identifikasi Terumbu Karang (Coral Reef) Menggunakan Metode Certainty Factor. Denpasar: Universitas Pendidikan Ganesha.

Dhany, Shany, 2009, Perancangan Sistem Pakar untuk Diagnosa Penyakit pada Anak. Laporan Penelitian. Medan: Universitas Sumatera Utara

Kasmui,l 2011, Sistem Pakar Indentifikasi Bentuk Keris Jawa Dengan Menggunakan Metode CF ( Certainty Factor). Laporan Penelitian. Jakarta: Universitas Islam Negeri Syarif Hidayatulloh

Kursini, 2006, Sistem Pakar Teori dan

Aplikasi. Yogyakarta:

Yogyakarta:Penerbit Andi.

Kusrini, 2008, Aplikasi Sistem Pakar Menentukan Faktor Kepastian

Pengguna Dengan Metode

Kuantifikasi Pertanyaan. Yogyakarta: Andi

Merlina, N, 2012, Perancangan Sistem Pakar Study Kasus sistem Pakar kenaikan

(12)

Jabatan .Yogyakarta: Ghalia Indonesia.

Nugroho, Bunafit, 2008, Membuat Aplikasi Sistem Pakar dengan PHP dan Editor Dreamweaver.Yogyakarta: Gava Media.

.

Pressman, R, S, 2001, Software engineering: a practitioner’s approach.—5th ed. Boston : Mc-Graw Hill.

Puspitasari, D, 2009, Sistem Pakar Diagnosa Diabetes Nefropathy dengan Certainty Factor Berbasis Web dan Mobile. Laporan Penelitian.Yogyakarta: STMIK AMIKOM

Sadewo, A, 2010, Perancangan Dan Implimentasi Sistem Pakar Untuk Analisa Penyakit Dalam. Semarang: Universitas Dipenogoro. Susanto, H, 2012, Aplikasi Mendiagnosis

Penyakit Hepatitis Menggunakan J2M3 Dengan Metode Certainty Factor.Surabaya: Institut Teknologi Sepuluh Nopember

Syatibi, A, 2012, Sistem Pakar Diagnosa Awal Penyakit Kulit Sapi Berbasis Web Dengan Menggunakan Metode Ceratinty Factor. Semarang: Universitas Dipenogoro.

(13)