• Tidak ada hasil yang ditemukan

PERANCANGAN SISTEM PAKAR MENDIAGNOSA KANDUNGAN FORMALIN DAN BORACS PADA MAKANAN DENGAN MENGGUNAKAN METODE BAYES

N/A
N/A
Protected

Academic year: 2018

Membagikan "PERANCANGAN SISTEM PAKAR MENDIAGNOSA KANDUNGAN FORMALIN DAN BORACS PADA MAKANAN DENGAN MENGGUNAKAN METODE BAYES"

Copied!
7
0
0

Teks penuh

(1)

Perancangan sistem pakar mendiagnosa kandungan formalin dan boracs pada makanan dengan

PERANCANGAN SISTEM PAKAR MENDIAGNOSA KANDUNGAN

FORMALIN DAN BORACS PADA MAKANAN DENGAN

MENGGUNAKAN METODE BAYES

Jufli Trivendi Sipayung

Mahasiswa Program Studi Teknik Informatika STMIK Budi Darma Medan Jl. Sisingamangaraja No. 338 Simpang Limun Medan

ABSTRAK

Sistem Pakar adalah sistem berbasis komputer yang menggunakan pengetahuan, fakta, dan teknik penalaran dalam memecahkan masalah, yang biasanya hanya dapat diselesaikan oleh seorang pakar dalam bidang tertentu. Sistem pakar adalah salah satu cabang dari Artificial Intelligence yang membuat penggunaan secara luas Knowledge yang khusus untuk penyelesaian masalah tingkat manusia yang pakarSistem pakar Ini juga akan membantu aktivitas para pakar sebagai asisten yang berpengalaman dan mempunyai asisten dan mempunyai pengetahuan yang dibutuhkan. Teori Bayes adalah untuk mengakomodasi ketidakpastian pemikiran (inexact reasoning) seorang pakar yang diusulkan oleh Shortliffe dan Buchamn pada tahun 1975. Kajian perancangan percobaan adalah pelaksanaan percobaan (eksperimen) terkendali. Dalam percobaan semacam ini, peneliti memberikan sejumlah tindakan atau dapat juga pelabelan sesuai dengan ciri -ciri objeknya, diistilahkan sebagai perlakuan (treatment).

Kata kunci : SP, Metode Bayes, VB, Mysql

I. PENDAHULUAN

1.1 Latar Belakang Masalah

Sistempakar (expert system) adalahsistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti layaknya para pakar (expert). Sistem pakar yang baik dirancang agar dapat menyelesaikan suatu permasalahan tertentu dengan meniru kerjadari para pakar atau ahli. Dengan pengembangan sistem pakar, diharapkan bahwa orang awam pun dapat menyelesaikan masalah yang cukup rumit yang sebenarnya hanya dapat diselesaikan dengan bantuan para ahli.Dalam hal makanan misalnya,penggunaan bahan tambahan pangan (BTP) yang memang jelas-jelas dilarang, seperti bahan formalin yang melampaui ambang batas yang telah ditentukan.

Namun tanpa disadari beberapa jenis makanan cepat saji yang sering dikonsumsi juga mengandung beberapa jenis bahan-bahan berbahaya yang menjadi pemicu timbulnya penyakit-penyakit kronis,seperti: serangan jantung, resistensi insulin, diabetes, dan beberapa penyakit berbahaya lainnya.Kemudian ada juga beberapa makanan cepat saji yang telah mencantumkan spot peringatan, nomor pendaftaran, maupun penandaan “halal”,tetapi setelah diteliti masih mengandung bahan-bahan berbahaya seperti: formalin, boraks,dan bahan-bahan berbahaya lainnya.Oleh karena itu penulis mencoba mengadakan penelitian dengan tujuan mengkaji lebih dalam bahan-bahan apa saja yang dapat dikatakan berbahaya dalam makanan, bagaimana kinerja BBPOM dalam menentukan bahan-bahan berbahaya tersebut, dan bagaimana cara BBPOM menindak lanjuti apabila telah ditemukan beberapa makanan yang mengandung bahan-bahan berbahaya dan langkah apa saja yang diambil untuk meminimalkan pemakaian bahan-bahan berbahaya tersebut demi menjaga kesehatan konsumen.

II. TEORITIS A. Perancangan

Defenisi perancangan menurut john Burch dan

Gary Grudnitski yang telah diikuti oleh HM Jogiyanto dalam bukunya yang berjudul Analisis dan desain system informasi menyebutkan bahwa: “Desain sistem penggambaran, perencanaan dan pembuatan atau pengaturan dari beberapa elemen yang terpisah dari suatu kesatuan yang utuh dan berfungsi (Jogiyanto, 2005).

B. Sistem Pakar

Menurut Sri Hartati dan Sari Iswanti (2008:3), Sistem Pakar adalah sistem berbasis komputer yang menggunakan pengetahuan, fakta, dan teknik penalaran dalam memecahkan masalah, yang biasanya hanya dapat diselesaikan oleh seorang pakar dalam bidang tertentu.Sistem pakar adalah salah satu cabang dari Artificial Intelligence yang membuat penggunaan secara luas Knowledge yang khususuntuk penyelesaian masalah tingkat manusia yang pakar (Muhammad Arhami : 2005:1). Dengan sistem pakar ini, orang awam pun dapat menyelesaikan masalahnya atau hanya sekedar mencari suatu informasi berkualitas yang sebenarnya hanya dapat diperoleh dengan bantuan para ahli dibidangnya.

Menurut Sri Kusumadewi (Artificial Intelligence Teknik dan Aplikasnya, 2006), Pengetahuan dari suatu sistem pakar mungkin dapat direpresentasikan dalam sejumlah cara. Salah satu metode yang paling umum untuk merepresentasikan pengetahuan adalah dalam bentuk tipe aturan (rule) IF..Then

(Jika..maka).Konsep dasar dari suatu sistem pakar mengandung beberapa unsur/elemen, yaitu: (Muhammad Arhami, 2005) .

1. Keahlian

(2)

Perancangan sistem pakar mendiagnosa kandungan formalin dan boracs pada makanan dengan Seorang ahli adalah seorang yang mampu

menjelaskan suatu tanggapan, mempelajari hal-hal baru seputar topik permasalahan (domain),

3. Pengalihan keahlian

Pengahlian keahlian dari para ahli ke komputer untuk kemudian dialihkan lagi

keorang lain yang bukan ahli (tujuan utama sistem pakar).

4. Inferensi

Mekanisme inferensi merupakan perangkat lunak yang melakukan penalaran dengan menggunakan pengetahuan yang ada untuk menghasilkan suatu kesimpulan atau hasil akhir.

5. Aturan

Aturan merupakan informasi tentang cara bagaimana memperoleh fakta baru dari fakta yang telah diketahui.

6. Kemampuan menjelaskan.

Kemampuan komputer untuk memberikan penjelasan kepada pengguna tentang sesuatu informasi tertentu dari pengguna dan dasar yang dapat digunakan oleh komputer untuk dapat menyimpulkan suatu kondisi.

C. Inferensi

Sri Kusumadewi (2003), Inferensi merupakan proses untuk menghasilkan informasi dari fakta yang diketahui atau diasumsikan. Inferensi adalah konklusi logis (logical conclusion) atau implikasi berdasarkan informasi yang tersedia dalam hal ini akan digunakan metode inferensi dalam pengambilan kesimpulan.

Ada dua metode inferensi yang penting dalam sistem pakar untuk menarik kesimpulan, yaitu: 1. Forward chaining

Strategi dari sistem ini adalah dimulai dari inputan beberapa fakta, kemudian menurunkan beberapa fakta dari aturan-aturan yang cocok pada knowledge base dan melanjutkan prosesnya sampai jawaban sesuai Forward chaining dapat dikatakan sebagai penelusuran deduktif.

Gambar 1: Diagram Pelacakan ke Depan

Observasi

Sumber : Kusrini, Aplikasi Sistem Pakar, 2008

2. Backward chaining

Strategi penarikan keputusan yang didasarkan dari hipotesa atau dugaan yang didapat dari informasi yang ada.Ciri dari strategi ini adalah pertanyaan user. Memperoleh fakta biasanya diajukan dalam bentuk “YA” atau “TIDAK”, proses ini berdampak dengan diterima atau tidaknya hipotesis.

Gambar 2: Diagram Pelacakan ke Belakang

Kesimpulan 1

Sumber : Kusrini, Aplikasi Sistem Pakar, 2008

2.3 Pengertian Identifikasi

Identifikasi yang berarti Tanda kenal diri, bukti dari penentu atau penetapan identitas seseorang sehingga Mengidentifikasi memiliki arti upaya menentukan atau menetapkan identitas seseorang (Sumber :www.identifikasi.com) .

D. Formalin dan Boraks

Formalin dan boraks merupakan bahan tambahan yang sangat berbahaya bagi manusia karena merupakan racun. Bila terkonsumsi dalam konsentrasi tinggi racunnya akan mempengaruhi kerja syaraf. Secara awam kita tidak tahu seberapa besar kadar konsentrat formalin dan boraks yang dianggap membahayakan.

Boraks Efek toksiknya akan terasa bila boraks dikonsumsi secara kumulatif dan penggunaannya berulang-ulang.

E. Makanan

Makanan adalah bahan, biasanya berasal darihewan atau tumbuhan, dimakan oleh makhluk hidup untuk memberikan tenaga dan nutrisi.Cairan yang dipakai untuk maksud ini sering disebut minuman, tetapi kata “makanan” juga bisa dipakai.Istilah ini kadang-kadang dipakai dengan kiasan, seperti "makanan untuk pemikiran". Kecukupan makanan dapat dinilai dengan status gizi secara antropometri.

2.5 Jenis-jenis Makanan

Adapun jenis-jenis makanan yang dibahas adalah sebagai berikut ini:

1. Bakso

Bakso berformalin juga bisa dilacak dari tekstur bakso yang tak wajar bakso dengan tambahan formalin memiliki ciri awet dalam waktu yang lebih lama, mencapai 5 hari dalam suhu kamar.Bakso boraks memiliki teksturnya berbeda dengan bakso yang dibuat dari daging sapi murni. Daya tahannya juga lebih lama, dan bentukknya tetap utuh walaupun sudah lebih dari 3 hari.Contoh umumnya bakso berwarna abu-abu ataupun coklat, bakso ini warnanya lebih cenderung lebih bersih. Bahkan seperti dikutip dari situs resmi Badan POM RI bakso mengandung boraks memiliki tekstur membal seperti bola di lempak ke bawah.

(3)

Perancangan sistem pakar mendiagnosa kandungan formalin dan boracs pada makanan dengan Penggunaan formalin pada mi basah akan

menyebabkan mi tidak rusak sampai dua hari pada suhu kamar ( 25 derajat Celsius) dan bertahan lebih dari 15 hari pada suhu lemari es ( 10 derajat Celsius).

3. Ikan segar

Ikan segar yang diberi formalin tekstur tubuhnya akan menjadi kaku dan sulit dipotong.

4. Ikan asin

Ikan asin yang mengandung formalin akan terasa kaku dan keras, bagian luar kering tetapi bagian dalam agak basah karena daging bagian dalam masih mengandung air.

2.6

Faktor Kepastian (Bayes)

2.6.1 Pengertian Faktor Kepastian ( Bayes ) Menurut T. Sutojo (Kecerdasan Buatan, 2011:194), teori Bayes adalah untuk mengakomodasi ketidakpastian pemikiran (inexact reasoning) seorang pakar yang diusulkan oleh Shortliffe dan Buchamn pada tahun 1975.

Untuk mengakomodasi hal ini kita menggunakan Bayes guna menggambarkan tingkat keyakinan pakar terhadap masalah yang sedang dihadapi.

Bayes menujukkan ukuran kepastian terhadap suatu fakta atau aturan.Notasi Faktor Kepastian(Sri Kusumadewi, 2003) adalah sebagai berikut :

CF[h,e] = MB[h,e] – MD[h,e] dengan CF[h,e] : Faktor Kepastian

MB[h,e] : ukuran kepercayaan terhadap hipotesis h , jika diberikan evidence e ( antara 0 dan 1 ).

MD[h,e] : ukuran ketidakpercayaan terhadap evidence h,jika diberikan

evidence e ( antara 0 dan 1 )

2.6.2 Kombinasi Aturan

Metode MYCIN untuk menggabungkan

evidence pada antecedent sebuah aturan yang ditunjukkan pada tabel berikut ini :

Tabel 2 Aturan Kombinasi MYCIN

Evidence, E Antecedent Ketidakpastian E1 DAN E2 min [ CF(H,E1), CF(H,E2)] E1 OR E2 max [CF(H,E1), CF(H,E2)] TIDAK E -CF (H,E)

(Sumber : Sri Kusumadewi (Artificial Intelligence

Teknik dan Aplikasinya, 2008) 2.6.3 Perhitungan Bayes

Berikut ini adalah contoh ekspresi logika yang mengkombinasikan evidence E=(E1 DAN E2 DAN E3) ATAU (E4 DAN BUKAN E5)

Gejala E akan dihitung sebagai : E = max[min(E1,E2,E3),min(E4 ,-E5)]

Untuk nilai E1 =0,9 E2 = 0,8 E3 = 0,3 E4 = -0,5 E5 = -0,4

Hasilnya adalah :

E = max[min(E1,E2,E3),min(E4,-E5 )] = max(0,3, -0,5)

= 0,3

Bentuk dasar rumus Bayes sebuah aturan JIKA E MAKA H ditunjukkan oleh rumus :

BY(H,e) = BY( E,e)*BY(H,E) Dimana :

BY(E,e) : Bayes evidence E yang dipengaruhi oleh

evidence

BY(H,E) : Bayes hipotesis dengan asumsi evidence

diketahui dengan pasti , yaitu ketika CF(E,e)=1 BY(H,e) : Bayes hipotesis yang dipengaruhi oleh

evidence e

Jika semua evidence pada antecedent diketahui dengan pasti, maka rumusnya ditunjukkan sebagai berikut :

BY(H,e) = BY(H,E) Karena BY(E,e) = 1.

Contoh kasus yang melibatkan kombinasi BY : JIKA batuk

DAN demam DAN sakit kepala DAN bersin-bersin MAKA influenza, CF : 0,7

BY(E1,e) : 0,5 (pasien mengalami batuk 50%) BY(E2,e) : 0,8 (pasien mengalami demam 80%) BY(E3,e) : 0,3 (pasien mengalami sakit kepala 30%) BY(E4,e) : 0,7 (pasien mengalami bersin-bersin 70%) Sehingga

( Kusrini, Aplikasi Sistem Pakar, hal : 16, 2008)

3. ANALISA DAN PERANCANGAN 3.1 Analisa Masalah

(4)

Perancangan sistem pakar mendiagnosa kandungan formalin dan boracs pada makanan dengan metode yaitu menggunakan bayes (kepastian). Teori

bayes digunakan untuk menghitung nilai kebenaran probabilitas dari suatu evidence. Jadi bayes menerangkan hubungan antara probablilitas terjadinya hipotesis Hi denganterdapat fakta (evidence) E telah terjadi dan probabilitas terjadinya

Evidence E dengan syarat hipotesis Hi telah terjadi. Teori ini didasarkan pada prinsip bahwa jika terdapat tambahan informasi atau evidence, maka nilai probabilitas dapat diperbaiki.

3.2 Penerapan Metode Bayes

Penerapan metode bayes dapat dilihat pada contoh yang akan mencari persentase kemungkinan bakso yang menggandung formalin dan boraks. Untuk menentukan nilai probabilitas gejala dan bobot padaBayes dapat dilakukan dengan langkah-langkah berikut ini.

1. Probabilitas warna bakso yang agak terang menyerupai karet dan agak kekuningan, jika mengandung formalin dan boraks :

 p(B1|A1) = 0,8

2. Probabilitas bakso berformalin dan berboraks tanpa memandang gejala apapun :

 p(A1) = 0,3

3. Probabilitas bau bakso yang kurang tercium aroma dagingnya, lebih tercium aroma bahan kimia, jika bakso mengandung boraks :

 p(B2|A2) = 0,4

4. Probabilitas bakso berboraks tanpa memandang gejala apapun :

 p(A2) = 0,5

5. Probabilitas kekenyalan bakso seperti karet, jika bakso mengandung formalin:

 p(B3|A3) = 0,7

6. Probabilitas bakso berformalin tanpa memandang gejala apapun :

 p(A3) = 0,5

7. Probabilitas bakso memantul seperti bola karet, jika bakso mengandung boraks:

 p(B4|A2) = 0,6

8. Probabilitas rasa bakso mengandung sedikit rasa pahit, jika bakso hanya mengandung sedikit formalin dan boraks :

 p(B5|A4) = 0,4

9. Probabilitas bakso hanya sedikit mengandung formlin dan boraks tanpa memandang gejala apapun :

 p(A4) = 0,6

10. Probabilitas tidak terlihat adanya serat-serat bakso, jika bakso mengandung formalin:

 p(B6|A3) = 0,4

3.2.1 Perhitungan Metode Bayes

Perhitungan metode bayes dalam mendiagnosa bakso berformalin dan berboraks maka dilakukan langkah-langkah seperti berikut ini:

1.

Probabilitas warna bakso yang agak terang menyerupai karet dan agak kekuningan karena mengandung formalin dan boraks :

p(Hi|E) = p(E|Hi) ∗ p(Hi)p(E|H aroma dagingnya, lebih tercium aroma bahan kimia karena bakso mengandung boraks :

p(Hi|E) =np(E|Hp(E|Hk) ∗ p(Hk)i) ∗ p(Hi)

3.

Probabilitas kekenyalan bakso seperti karet karena bakso mengandung formalin :

(5)

Perancangan sistem pakar mendiagnosa kandungan formalin dan boracs pada makanan dengan

=0,24 + 0.20 + 0.24 + 0.25 + 0.24 + 0.200,24

=0,241.37

= 0.175

4.

Probabilitas bakso memantul seperti bola karet karena bakso mengandung boraks:

p(Hi|E) =np(E|Hi) ∗ p(Hi)p(E|Hk) ∗ p(Hk) k=1

p(A2|B4) = (p(B4│A2)

∗ p(A2))/█(p(B1│A1) ∗ p(A1) + p(B2│A2) ∗ p(A2) + p(B3│A3) ∗ p(A3)

+ p(B4│A2) ∗ p(A2) + @p(B5│A4) ∗ p(A4) + p(B6│A3) ∗ p(A3))

= ((0.5) ∗ (0.5))/(0.8 ∗ 0.3 + 0.4 ∗ 0.5 + 0.6 ∗ 0.4 + 0.5 ∗ 0.5 + 0.4 ∗ 0.6 + 0.4 ∗ 0.5)

=0,24 + 0.20 + 0.24 + 0.25 + 0.24 + 0.200,25

=0,251.37

= 0.182

5.

Probabilitas rasa bakso mengandung sedikit rasa pahit karena bakso hanya mengandung sedikit formalin dan boraks :

p(Hi|E) =np(E|Hi) ∗ p(Hi)p(E|Hk) ∗ p(Hk) k=1

p(A4|B5) = (p(B5│A4)

∗ p(A4))/█(p(B1│A1) ∗ p(A1) + p(B2│A2) ∗ p(A2) + p(B3│A3) ∗ p(A3)

+ p(B4│A2) ∗ p(A2) + @p(B5│A4) ∗ p(A4) + p(B6│A3) ∗ p(A3))

= ((0.4) ∗ (0.6))/(0.8 ∗ 0.3 + 0.4 ∗ 0.5 + 0.6 ∗ 0.4 + 0.5 ∗ 0.5 + 0.4 ∗ 0.6 + 0.4 ∗ 0.5)

=0,24 + 0.20 + 0.24 + 0.25 + 0.24 + 0.200,24

=0,241.37

= 0.175

6.

Probabilitas tidak terlihat adanya serat-serat bakso, jika bakso mengandung formalin :

p(Hi|E) =np(E|Hp(E|Hk) ∗ p(Hk)i) ∗ p(Hi) k=1

p(A3|B6) = (p(B6│A3)

∗ p(A3))/█(p(B1│A1) ∗ p(A1) + p(B2│A2) ∗ p(A2) + p(B3│A3) ∗ p(A3)

+ p(B4│A2) ∗ p(A2) + @p(B5│A4) ∗ p(A4) + p(B6│A3) ∗ p(A3))

= ((0.4) ∗ (0.5))/(0.8 ∗ 0.3 + 0.4 ∗ 0.5 + 0.6 ∗ 0.4 + 0.5 ∗ 0.5 + 0.4 ∗ 0.6 + 0.4 ∗ 0.5)

=0,24 + 0.20 + 0.24 + 0.25 + 0.24 + 0.200,20

=0,201.37

= 0.146

Setelah seluruh nilai diketahui, maka jumlah seluruh nilai bayes dari makanan bakso seperti berikut ini:

∑ = 𝑛

𝑘=1

𝐵𝑎𝑦𝑒𝑠1 + 𝐵𝑎𝑦𝑒𝑠2 + 𝐵𝑎𝑦𝑒𝑠3 + 𝐵𝑎𝑦𝑒𝑠4

+ 𝐵𝑎𝑦𝑒𝑠5 + 𝐵𝑎𝑦𝑒𝑠6

= (0,8 * 0.175) + ( 0,4 * 0.146) + (0,6 * 0.175) + (0.5 * 0.182) + (0.4 * 0.175) + (0.4 * 0.146)

= 0,14 + 0.0584 + 0,105 + 0,091+ 0,07 + 0,0584 = 0,5228 * 100%

= 52,28%

Nilai dari hasil probabilitas menunjukkan bahwa bakso yang mengandung formalin dan boraks dapat dilihat dari hasil diagnosa yang didapatkan. Dengan ketentuan semakin besar kandungan dari formalin dan boraks maka semakin besar pula nilai bakso yang mangandung formalin dan boraks menggunakan metode bayes.

4. IMPLEMENTASI

a. FormLogin

Form login dapat dilihat sebagai berikut:

Gambar 4. Form Menu Login

Gambar di atas merupakan form login dimana jika pengguna hanya sebagai user .pengguna bisa langsung ke menu utama. Sedangka jika pengguna sebagai administrator pengguna harus memasukan username, password sehingga bisa masuk ke program dan melakukan pengolahan data.

(6)

Perancangan sistem pakar mendiagnosa kandungan formalin dan boracs pada makanan dengan Halaman ini di gunakan sebagai tempat

untuk menampung semua pilihan-pihan yang terdapat di dalam sistem yang di rancang seperti terlihat di bawah ini.

Gambar 5. Form menu Utama

Gambar diatas merupakan menu utama yang terdiri dari menu pakar (Input data makanan, Input data gejala) menu Konsultasi untuk konsultasi berisi tentang form diagnosa dan Keluar

c. Form Input Data Makanan

Form ini berfungsi untuk menginputkan data makanan yang terdapat tombol baru untuk mulai penginputan, tombol simpan untuk menyimpan data ke dalam database, tombol edit untuk mengedit data yang ada di database, tombol hapus untuk menghapus data dari database dan tombol keluar untuk keluar dari program.

Gambar 6. FormInput Data Makanan

d. Form Input Data Gejala

Form ini berfungsi untuk menginputkan data gejala-gejala pada makanan yang mengandung formalin dan boraks yang terdapat tombol baru untuk mulai penginputan, tombol simpan untuk menyimpan data ke dalam database, tombol edit untuk mengedit data yang ada di database, tombol hapus untuk menghapus data dari database dan tombol keluar untuk keluar dari program.

Gambar 7 Form Input Data Gejala

e. Form Diagnosa

Form diagnosa merupakan tampilan yang digunakan untuk menampilkan berupa pertanyaan-pertanyaan yang merupakan hasil diagnosa, form diagnosa dapat dilihat pada gambar berikut ini:

Gambar 8 Form Diagnosa

f. Form Konsultasi

Form konsultasi merupakan tampilan yang digunakan untuk menampilkan hasil diagnosa yang telah dijawab. Tampilan form konsultasi dapat dilihat seperti gambar berikut:

Gambar 9. Form Konsultasi

5. KESIMPULAN DAN SARAN 5.1 Kesimpulan

Berdasarkan uraian dari bab-bab sebelumnya, maka penulis dapat memberikan kesimpulan sebagai berikut :

(7)

Perancangan sistem pakar mendiagnosa kandungan formalin dan boracs pada makanan dengan komputer yang akan menghasilkan diagnosa

menurut para pakar, hasil diagnosa berupa makanan yang mengandung formalin dan boraks. 2. Penerapan metode bayes(kepastian) dalam

mendiagnosa kandungan formalin dan boraks pada makanan berdasarkan data yang dibuat, untuk menghitung nilai kebenaran probabilitas dari suatu evidence.

3. Aplikasi sistem pakar yang mengidentifikasi bahaya makanan pada formalin dan boraks akan memberikan kesimpulan apakah makanan berupa bakso, mie basah, siomay, tahu dan lontong berbahaya untuk dikonsumsi dan berapa persentase kandungannya dengan menggunakan aplikasi Microsoft Visual Basic. Net 2008.

5.2 Saran

Selain kesimpulan, penulis juga ingin memberikan saran yang mungkin dapat membantu dalam perbaikan penulisan adalah sebagai berikut : 1. Kepada penulis selanjutnya disarankan untuk

menganalisis faktor-faktor lain yang membahayakan makanan untuk dikonsumsi, agar masyarakat akan lebih tahu bahaya makanan selain bahan formalin dan boraks.

2. Penulis juga menyarankan agar dalam mendiagnosabahaya makananuntuk dapat dikembangkan lagi dengan adanya bahan-bahan berbahaya lainnya yang terkandung pada makanan.

3. Penulis berharap agar menggunakan tools yang lain dengan aplikasi seperti pengembangan menggunakan perangkat mobile agar masyarakat dapat menggunakannya di handphone mereka.

DAFTAR PUSTAKA

[1] H.M Jogiyanto, Analisis Dan Desain Sistem, Yogyakarta, Andi, 2005.

[2] Sri Hartati, Memecahkan Masalah, Fakta Dan Penalaran, Bandung, 2008.

[3] Muhammad Arhami, Penyelesain Masalah Tingkat Manusia, Jakarta 2005.

[4] Sri Kusumadewi, “Artificial Intelligence Teknik dan Aplikasi, Yogyakarta, 2006. [5] T. Sutojo(Kecerdasan Buatan,2011:194)

Mengakomodasi ketidakpastian pemikiran (inexact reasoning)

Gambar

Gambar 2: Diagram Pelacakan ke Belakang
Gambar di atas merupakan form login dimana
Gambar 7 Form Input Data Gejala

Referensi

Dokumen terkait

Sindrom thalassemia alfa disebabkan oleh delesi pada gen Sindrom thalassemia alfa disebabkan oleh delesi pada gen alfa globin pada kromosom 16 (terdapat 2 gen

Hasil identifikasi Gastropoda yang ditemukan di pantai selatan Kabupaten Pamekasan Madura terdiri atas 29 jenis dan termasuk dalam 14 famili, dengan indeks keanekaragaman

Dari uraian di atas maka pertanyaan penelitian yang diajukan adalah ”apakah ada peningkatan karakter-karakter positif (menghargai orang lain, kejujuran, kerjasama dan

photovoltaic yang dipantau meliputi arus, tegangan, dan daya listrik modul PV, sedangkan data parameter lingkungan yang dipantau adalah radiasi matahari dan temperatur. Nilai arus

(3) Dalam jangka waktu 12 (dua belas) bulan setelah berlakunya Peraturan Daerah ini, penanggungjawab jenazah atau kerangka jenazah di Tempat Pemakaman Umum dan pengelola Tempat

Nilai koefisien jalurnya adalah sebesar 0,322537 yang artinya terdapat korelasi positif antara kegunaan persepsian (p erceived usefulness ) terhadap sikap menggunakan

Menimbang : bahwa untuk melaksanakan ketentuan Pasal 7 ayat (5) Peraturan Presiden Nomor 97 Tahun 2017 tentang Kebijakan dan Strategi Nasional Pengelolaan

Untuk lebih jelasnya dapat dilihat pada (Lampiran 23). Berdasarkan penilaian di atas berarti penelitian ini belum berhasil maka dilanjutkan pada pertemuan