SISTEM PAKAR UNTUK MENGIDENTIFIKASI KERUSAKAN LAPTOP MERK ACER ASPIRE V5-431 DENGAN METODE BACKWARD CHAINING BERBASIS CLIENT SERVER TUGAS AKHIR

SISTEM PAKAR UNTUK MENGIDENTIFIKASI KERUSAKAN

LAPTOP MERK ACER ASPIRE V5-431 DENGAN METODE

BACKWARD CHAINING BERBASIS CLIENT – SERVER

TUGAS AKHIR

Oleh:

Nofi Arpandadi

1111530406

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS TEKNOLOGI INFORMASI

UNIVERSITAS BUDI LUHUR

JAKARTA

SISTEM PAKAR UNTUK MENGIDENTIFIKASI KERUSAKAN

LAPTOP MERK ACER ASPIRE V5-431 DENGAN METODE

BACKWARD CHAINING BERBASIS CLIENT – SERVER

TUGAS AKHIR

Diajukan untuk memenuhi salah satu persyaratan memperoleh

gelar Sarjana Komputer (S.Kom)

Oleh:

Nofi Arpandadi

1111530406

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS TEKNOLOGI INFORMASI

UNIVERSITAS BUDI LUHUR

JAKARTA

SISTEM PAKAR UNTUK MENGIDENTIFIKASI KERUSAKAN

LAPTOP MERK ACER ASPIRE V5-431 DENGAN METODE BACKWARD

CHAINING BERBASIS CLIENT-SERVER

Nofi Arpandadi

Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Budi Luhur Jl. Raya Ciledug, Petukangan Utara, Kebayoran Lama, Jakarta Selatan 12260

Telp. (021) 5853753, Fax. (021) 5866369 E-mail : arpand_27@yahoo.co.id

ABSTRAKSI

Banyaknya pengguna Laptop yang kurang memiliki pengetahuan yang cukup terhadap penanganan kerusakan hardware yang mengakibatkan banyak pengguna laptop yang akan memperbaiki kerusakan hardware tersebut mengeluarkan banyak biaya yang tidak sedikit. Dimana perkembangan teknologi komputer terutama laptop terus berkembang, begitupun juga untuk penanganan kerusakan pada laptop yang selalu berkembang. Tidak terkecuali oleh teknisi junior dan masyarakat luas pada umumnya. Teknisi junior diharapkan dapat lebih cepat belajar tentang troubleshooting laptop. Untuk memudahkan proses pendeteksian kerusakan yang ada pada laptop maka dibuatlah sistem pakar untuk mengidentifikasi kerusakan laptop. Dengan menggunakan sistem pakar ini teknisi junior dapat lebih cepat belajar untuk menangani kerusakan laptop. Selain teknisi junior, kita juga dapat menggunakannya untuk mengidentifikasi kerusakan laptop sendiri. Hasil yang diperoleh dengan menggunakan sistem pakar ini adalah mempercepat identifikasi kerusakan laptop dan juga memudahkan teknisi senior untuk transfer pengetahuan kepada teknisi junior. Sistem pakar ini dibuat dengan metode Backward Chaining dengan pencarian terbaik pertama (Best First Search). Didalam skripsi ini dituangkan pengetahuan seorang teknisi yang didapat selama melakukan riset di PT. Mitra Andalan Systemindo. Sistem pakar ini dibuat dengan menggunakan bahasa pemrograman Java dan DBMS MySQL. Sistem ini mempunyai berbagai fasilitas antara lain: identifikasi kerusakan, entry identifikasi, ubah identifikasi, login untuk Pakar dan login untuk pemakai. Sistem pakar yang telah saya buat ini dapat mengidentifikasi 30 jenis kerusakan laptop. Selain dapat mengidentifikasi kerusakan juga diberikan solusi untuk menangani setiap jenis kerusakannya.

Kata kunci : Sistem Pakar, Laptop, Backward Chaining

 

1. PENDAHULUAN

Dengan berkembangnya teknologi komputer terutama untuk laptop maka diperlukan pengetahuan yang up to date. Pengetahuan tentang troubleshooting laptop sangat diperlukan, hal ini tentu saja untuk meningkatkan mutu pelayanan di PT. Mitra Andalan Systemindo. Untuk mempercepat proses identifikasi kerusakan komputer dan juga transfer pengetahuan antara teknisi senior dan junior maka dibuatlah sistem pakar identifikasi kerusakan laptop. Dengan menggunakan aplikasi ini setiap kerusakan laptop baru dapat diinput pada program ini.

Dengan menggunakan sistem pakar ini selain mempercepat identifikasi kerusakan laptop, juga dapat menjadi transfer ilmu teknisi senior dan junior. Karena tentu saja teknisi senior saat bekerja tidak selalu dapat mendampingi teknisi junior. Cara yang dapat dilakukan oleh teknisi senior dalam membagi pengetahuannya adalah menginput data kerusakan laptop ke dalam sistem pakar yang telah

dibuat ini. Selain menghemat waktu, teknisi junior dapat mempelajari sendiri macam - macam kerusakan laptop secara up to date.

Semakin meningkatnya bisnis service komputer, maka diperlukan sistem pakar yang digunakan untuk mengidentifikasi kerusakan laptop. Karena dapat digunakan untuk bersaing dalam kecepatan dan keakuratan pengidentifikasian kerusakan laptop. Selain digunakan untuk keperluan teknisi laptop, aplikasi ini juga dapat digunakan oleh masyarakat luas. Karena terkadang kita belum membutuhkan jasa teknisi laptop untuk memperbaiki kerusakan yang ringan.

Dengan meningkatnya penjualan laptop, maka saat ini terdapat banyak peluang untuk membuka bisnis servis laptop. Di kota - kota besar di Indonesia seperti Jakarta, Surabaya, Yogyakarta, dsb sudah banyak usaha service laptop. Kerusakan laptop sangat beragam tergantung dari produsen laptop tersebut. Mulai dari baterai drop, LCD blank atau

tidak ada tampilan di layar, dsb. Karena itu diperlukan seorang teknisi laptop yang handal untuk menangani banyak pelanggan. Untuk memudahkan dan mempercepat pendeteksian kerusakan laptop, kita dapat menggunakan pengalaman pakar untuk membuat sistem pakar kerusakan laptop ini. Tentunya untuk tujuan mempercepat penanganan kerusakan tersebut dan kepuasan pelanggan terhadap pelayanan yang diberikan.

1.1. Batasan Masalah

Penulisan Skripsi ini dibatasi dengan ruang lingkup sebagai berikut :

[1].Tidak dibahasnya mengenai perhitungan biaya yang harus dikeluarkan dalam melakukan perbaikan.

[2]. Pengidentifikasian hanya meliputi dari bagian, kondisi, macam, jenis, dan ciri kerusakan dan kesimpulan pada kerusakan laptop

[3]. Rule yang digunakan sebanyak 30 rule

2. LANDASAN TEORI 2.1. Definisi Sistem Pakar

Sistem pakar (expert system) adalah suatu program komputer yang mengandung pengetahuan dari satu atau beberapa orang pakar dan dirancang untuk mengambil keputusan seperti keputusan yang diambil oleh seorang pakar. Menurut Kusrini (2008 : 3), sistem pakar merupakan salah satu bidang dalam kecerdasan buatan yang memiliki banyak definisi, tetapi pada dasarnya sistem pakar diterapkan untuk mendukung aktivitas pemecahan masalah. Sistem pakar merupakan salah satu dari kecerdasan buatan yang memungkinkan komputer dapat berpikir dan mengambil kesimpulan dari sekumpulan aturan. Proses tersebut memungkinkan seorang pengguna dapat berkomunikasi secara interaktif dengan komputer dalam menyelesaikan suatu masalah seperti berhadapan dengan seorang pakar.

Dalam penyusunannya, sistem pakar mengkombinasikan kaidah-kaidah penarikan kesimpulan (inference rules) dengan basis pengetahuan tertentu yang diberikan oleh satu atau lebih pakar dalam bidang tertentu. Kombinasi dari kedua hal tersebut disimpan dalam komputer, yang selanjutnya digunakan dalam proses pengambilan keputusan untuk penyelesaian masalah tertentu.

2.2. Pembentukan Umum Expert System

Metoda yang dipakai adalah runut balik Backward Chaining merupakan strategi pencarian yang arahnya kebalikan dari runut maju Forward Chaining. Proses pencarian dimulai dari tujuan, yaitu kesimpulan yang menjadi solusi permasalahan yang dihadapi. Mesin inferensi mencari kaidah-kaidah dalam basis pengetahuan yang

kesimpulannya merupakan solusi yang ingin dicapai, kemudian dari kaidah-kaidah yang diperoleh, masing-masing kesimpulan dirunut balik ke jalur yang mengarah ke kesimpulan tersebut. Jika informasi-informasi atau nilai dari atribut-atribut yang mengarah ke kesimpulan tersebut sesuai dengan data yang diberikan maka kesimpulan tersebut merupakan solusi yang dicari, jika tidak sesuai maka kesimpulan tersebut bukan merupakan solusi yang cari. Runut balik memulai proses pencarian dengan suatu tujuan sehingga strategi ini disebut juga goal-driven

2.3. Ciri-ciri Sistem

Ciri-ciri dari sistem pakar adalah :

[1]. Memiliki fasilitas informasi yang handal. [2]. Mudah dimodifikasi.

[3]. Dapat digunakan dalam berbagai jenis komputer.

[4]. Memiliki kemampuan untuk belajar beradaptasi.

2.4. Komponen Sistem Pakar

Menurut Siswanto (2010) komponen-komponen sistem pakar tersebut adalah sebagai berikut :

Basis Pengetahuan (Knowledge Base)

[1]. Inti program sistem pakar,

[2]. Merupakan representasi pengetahuan dari seorang pakar,

[3]. Tersusun atas fakta-fakta yang berupa objek dan kaidah/ketentuan yang merupakan informasi tentang cara bagaimana membangkitkan fakta baru dari fakta yang telah diketahui.

Mesin Inferensi (Inferensi Engine)

[1]. Bagian-bagian yang mengandung mekanisme fungsi berpikir dan pola-pola penalaran sistem yang digunakan seorang pakar.

[2]. Mekanisme ini akan menganalisa masalah tertentu dan selanjutnya mencari sebuah jawaban atau kesimpulan yang terbaik.

[3]. Memilih pengetahuan yang relevan dalam rangka mencapai suatu kesimpulan.

[4]. Memulai pelacakannya dengan mencocokan kaidahnya (rule) dalam basis pengetahuan dengan fakta-fakta yang ada dalam daftar fakta-fakta (Fact List) yang disimpan dalam basis pengetahuan di harddisk.

User Interface

[1]. Bagian penghubung antara sistem pakar dengan pemakai.

[2]. Akan terjadi dialog antara program dan pemakai.

[3]. Program akan mengajukan pertanyaan-pertanyaan dengan berbentuk panduan menu (menu driven), penyataan-pernyataan bahasa alami (natural language), dan graphic interface style.

Program sistem pakar akan mengambil kesimpulan berdasarkan jawaban-jawaban dari si pemakai tadi.

Development Engine

Bagian dari sistem pakar sebagai fasilitas untuk mengembangkan mesin inferensi dan penambahan basis pengetahuan yang akan dilakukan oleh knowledge enginner. Knowledge enginner harus memiliki keahlian dalam mengerti bagaimana pakar menerapkan pengetahuan mereka dalam memecahka masalah, mampu mengekstaksi penjelasan (knowledge acquisition) mengenai pengetahuan dari pakar jika si pakar menemukan pengetahuan dan aturan yang baru dari pengalaman dia bekerja.

Teknik Penalaran (Interface)

Ada dua teknik dalam melakukan penalaran (Interface):

[1]. Pelacakan ke belakang (backward chaining) yang memulai penalarannya dari kesimpulan (goal), dengan mencari sekumpulan hipotesa-hipotesa yang mendukung menuju fakta-fakta yang mendukung sekumpulan hipotesa-hipotesa tersebut.

Gambar 1 : Teknik Pelacakan Backward Chaining [2]. Pelacakan ke depan (forward chaining) memulai dari sekumpulan fakta-fakta dengan mencari kaidah yang cocok dengan dugaan/hipotesa yang ada menuju kesimpulan.

Gambar 2 : Teknik pelacakan Forward Chaining

Teknik Penelusuran (Searching)

Kedua teknik penalaran dipengaruhi oleh tiga macam teknik penelusuran (searching)

[1]. Teknik Depth-First Search

Adalah teknik penelusuran data pada node-node secara vertical dan sudah terdefinisi, misalnya kiri ke kanan, keuntungan pencarian dengan teknik ini adalah bahwa penelusuran masalah dapa digali secara mendalam sampai ditemukannya kapasitas suatu solusi yang optimal. Kekurangan teknik penelusuran ini adalah membutuhkan waktu yang sangat lama untuk ruang lingkup masalah yang besar.

Gambar 3 : Teknik Depth-First Search [2]. Teknik Breadth-First Search

Adalah teknik penelusuran data pada semua node dalam satu level atau salah satu tingkatan sebelum ke level atau tingkatan dibawahnya. Keuntungan pencarian dengan teknik ini adalah sama dengan depth first search, hanya saja penelusuran dengan teknik ini mempunyai nilai tambah, dimana semua node akan di cek secara menyeluruh pada setiap tingkatan node. Kekurangan teknik penelusuran ini terletak pada waktu yang dibutuhkan yang sangant lama apabila solusi berada dalam posisi node terakhir sehingga menjadi tidak efisien. Kekurangan dalam implementasi juga perlu dipertimbangkan, misalnya teknik penelusuran menjadi tidak interaktif antara suatu topik dengan topik yang lain atau harus melompat dari satu topik ke topik yang lain sebelum topik tersebut selesai ditelusuri.

   

Gambar 4 : Teknik Breadth-First Search [3]. Teknik Best First Search

Metode penelusuran best first search gabungan antara metode depth first search dengan metode bredth first search. Metode ini melakukan penelusuran pada level yang sama kemudian akan dilanjutkan dengan mencari ke level dibawahnya. Untuk melakukan penelusuran dengan jumlah node yang banyak, metode ini lebih efisien.

Gambar 5 : Teknik Best First Search A D B C  E F G  Level 0 Level 2 Level 1 goal

2.5. Tipe-tipe Sistem Pakar

Menurut Siswanto (2010), tipe-tipe sistem pakar berdasarkan struktur program, ada 3 tipe yaitu : [1]. Program mandiri

Sistem pakar yang murni dan berdiri sendiri, artinya program utamanya tanpa mengandung subroutine yang memakai algoritma konvensional. [2]. Program terkait

Sistem pakar yang dikelilingi program lainnya, artinya sebuah subroutine yang akan dipanggil program utama.

[3]. Program terhubungkan

Sistem pakar yang merupakan program yang dapat berhubungan dengan paket program lainnya.

2.6. Klasifikasi Sistem Pakar

[1]. Sistem Pakar Diagnosis

Digunakan untuk melakukan pencarian penyelesaian masalah atau kerusakan suatu alat atau mesin tertentu. Prinsipnya adalah menemukan masalah atau kerusakan apa yang terjadi. Sistem ini merupakan jenis sistem pakar yang paling popular saat ini, melakukan diagnosis, menggunakan deskripsi keadaan karakteristik tingkah laku, atau pengetahuan tentang pembuatan komponen sehingga dapat menentukan kemungkinan kerusakan pada sistem. Contoh: Diagnosis medis kedokteran, diagnosis kerusakan alat elektronik dan perancangan sistem komunikasi dan radio.

[2]. Sistem Pakar Pengajaran

Digunakan untuk mengajar, mulai dari murid Sekolah Dasar sampai mahasiswa Perguruan Tinggi. Kelebihan dari sistem pakar yang digunakan untuk mengajar adalah membuat

diagnosa penyebab kekurangan dari

seorang siswa, kemudian memberi cara u ntuk memecahkannya. Contoh: Contoh sistem pakar untuk pengajaran bahasa.

[3]. Sistem Pakar Interpretasi

Digunakan untuk menganalisa data yang tidak lengkap, tidak teratur dan data yang kontradiktif, misalnya untuk interpretasi pengawasan, pengertian bahasa, analisis citra, dan lain-lain. Contoh: sistem pakar interpretasi lingkungan pengendapan delta.

[4]. Sistem Pakar Prediksi

Digunakan untuk melakukan peramalan suatu keadaan dengan ditunjang oleh data yang diperoleh sebelumnya, sistem ini dapat memberikan kemungkinan penyelesaian tertentu. Contoh: Prediksi Penyebab dan Solusi

Ketidaknyamanan Kerja dengan Aplikasi Sistem Pakar.

[5]. Sistem Pakar Perencanaan

Merupakan suatu sistem yang sangat luas mulai dari perencanaan mesin-mesin sampai manajemen bisnis. Penggunaan sistem pakar jenis ini menghemat biaya, waktu, dan material, sebab pembuatan model sudah tidak diperlukan lagi.

Contoh: Perencanaan Sistem Distribusi Menggunakan Sistem Pakar.

[6]. Sistem Pakar Kontrol

Digunakan untuk mengontrol kegiatan yang membutuhkan presisi waktu tinggi. Contohnya: pengontrolan pada industri-industri berteknologi tinggi.

2.7. Kemampuan Tambahan yang Diperlukan Sistem Pakar

Untuk lebih meningkatkan kemampuan expert system, diperlukan komponen- komponen tambahan:

[1]. Fasilitas penjelasan

a) Untuk menjelaskan bagaimana prosesnya sampai kesimpulan-kesimpulan tersebut di peroleh.

b) Dengan cara memperlihatkan rule-rule yang digunakan.

[2]. Kemudahan memodifikasi

a) Di karenakan ilmu pengetahuan berkembang. b) kemampuan seorang pakar bertambah terus.

[3]. Kompabilitas

Dapat dijalankan pada berbagai jenis komputer. [4]. Kemampuan belajar

Kemampuan selama expert system untuk menambah sendiri pengolahannya, selama interaksi dengan pemakainya.

2.8. Keuntungan Sistem Pakar

Secara garis besar, banyak manfaat yang dapat di ambil dengan adanya sistem pakar, antara lain: [1]. Membuat orang yang masih awam dapat bekerja seperti layaknya seorang pakar.

[2]. Meningkatkan produktifitas akibat meningkatnya kualitas hasil kerja.

[3]. Menghemat waktu kerja. [4]. Menyederhanakan pekerjaan.

[5]. Merupakan arsip yang terpercaya dari sebuah keahlian.

[6]. Memperluas jangkauan dari keahlian seorang pakar.

[7]. Bisa melakukan proses secara berulang dan otomatis.

[8]. Menyimpan pengetahuan dan keahlian para pakar.

[9]. Mampu mengambil dan melestarikan keahlian para pakar.

[10]. Memiliki kemampuan untuk mengakses pengetahuan.

[11]. Memiliki reliabilitas.

2.9. Kerugian Sistem Pakar

[1]. Penelitian yang dilakukan untuk aplikasi program sistem pakar membutuhkan biaya yang tinggi.

[2]. Dalam pembuatan dan pengembangan program sistem pakar memakan waktu yang lama. [3]. Program sistem pakar yang dibuat tidak

selamanya benar dan tetap sempurna mungkin saja ada kesalahan pada mesin inferensi.

2.10. Struktur Sistem Pakar

Sistem pakar terdiri dari 2 bagian kelompok, yaitu: lingkungan pengembangan (development environment) dan lingkungan konsultasi (consultation environment). Lingkungan pengembangan digunakan sebagai pembangun sistem pakar baik dari segi pembangun komponen maupun basis pengetahuan. Lingkungan konsultasi digunakan oleh seseorang yang bukan ahli untuk berkonsultasi.

2.11. Tahapan Pembuatan Sistem Pakar

Proses dalam pembuatan sebuah program sistem pakar melibatkan beberapa unsur, unsur yang paling berinteraksi yaitu perekayasaan pengetahuan (Knowledge enginer), pakar pada bidang keahlian (domain expert), dan pemakai akhir atau pemakai sistem pakar yang diinginkan untuk dibuat (end user). Tentunya dengan melalui proses dan langkah tahapan dari sistem pakar itu sendiri.

   

Gambar 6 : Tahapan Pembuatan Sistem Pakar [1]. Identifikasi Masalah

Tahapan identifikasi merupakan tahapan untuk menganalisa permasalahan yang ada. Ditentukan batasan masalah yang akan dianalisa, sistem pakar yang terlibat, sumber daya yang diperlukan dan tujuan yang akan dicapai.

[2]. Tahapan Konseptualisasi

Tahapan konseptualisasi merupakan tahapan dimana pengetahuan dan pakar menentukan konsep yang kemudian dikembangkan menjadi suatu sistem pakar. Dari konsep tersebut unsur – unsur yang terlibat akan dirinci dan dikaji hubungan antara unsur serta mekanisme pengendalian yang diperlukan untuk mencapai sebuah solusi yang terbaik.

[3]. Tahapan Formalisasi

Tahapan formalisasi merupakan tahapan dimana hubungan antara unsur – unsur digambarkan dalam bentuk format yang biasa digunakan dalam sistem pakar. Tahap ini juga menentukan alat pembangunan sistem, teknik inferensi dan struktur

data yang digunakan pada sistem pakar. [4] Tahapan Implementasi

Tahapan implementasi merupakan tahap yang sangat penting karena disinilah sistem pakar yang dibuat akan diterapkan dalam bentuk program komputer.

[5]. Tahapan Pengujian

Tahapan pengujian merupakan tahap dimana sistem akan dipakai dan diuji keakuratannya serta kinerja sistemnya, sehingga didapat hasil yang efisien.

3. ANALISA MASALAH DAN RANCANGAN SISTEM

3.1. Analisa Masalah

Sistem adalah suatu kesatuan yang terdiri dari komponen atau elemen yang dihubungkan bersama untuk memudahkan aliran informasi, materi atau energi untuk mencapai suatu tujuan. Tujuan yang dimaksud disini adalah memberikan solusi atau pemecahan dalam suatu masalah. Oleh sebab itu diperlukan sebuah analisa untuk menentukan permasalahan apa yang sebenarnya terjadi. Analisa yang dilakukan harus meninjau serta mengkaji kebutuhan pengguna sehingga sesuai dengan kebutuhan dan tepat guna. Hal ini lah yang melatarbelakangi perangkat lunak yang akan dikembangkan, yaitu untuk memberikan saran dan informasi yang tepat untuk mengatasi permasalahan tersebut.

Seperti yang kerap terjadi pada kehidupan masyarakat maupun organisasi saat ini, banyaknya informasi seputar dunia laptop memang sangat membantu sebagai solusi-solusi alternatif yang ditawarkan untuk pemecahan suatu masalah. Namun hal tersebut pula yang membuat kondisi menjadi kompleks yakni ketika masyarakat atau organisasi dihadapkan pada situasi atau keadaan dimana masyarakat atau organisasi tersebut harus memilah-milah banyaknya informasi yang didapat sedangkan waktu yang tersedia hanya sedikit. Sebagai contoh, pemilik laptop yang mempunyai kemampuan serta berkeinginan merawat dan memperbaiki laptopnya sendiri namun memiliki keterbatasan waktu dan dana. Sangat disayangkan jika pemilik laptop tersebut harus mencoba satu per satu dari setiap informasi yang diberikan. Pemilik laptop akan sangat terbantu jika terdapat sebuah sistem yang dapat memberikan saran dan informasi yang tepat. Sistem tersebut juga dapat membantu teknisi junior maupun senior dalam mengidentifikasi kerusakan laptop dengan cepat.

3.2. Penyelesaian Masalah

Untuk menyelesaikan masalah tersebut di atas maka dibuatlah sistem pakar (expert system) yang berbasiskan dekstop application agar dapat dipergunakan sebagai sarana informasi dan solusi. Disamping itu, selain mempercepat penerimaan informasi yang dibutuhkan, sistem pakar ini juga

dapat semakin memudahkan bagi para teknisi untuk menangani masalah pada laptop yang mereka tangani. Sistem ini dirancang untuk mendeteksi gangguan yang terjadi pada bagian-bagian laptop yang terdiri dari bermacam-macam komponen seperti motherboard, harddisk, baterai, LCD dan lain sebagainya.

Dalam sistem ini unsur-unsur yang terlibat dan saling berinteraksi adalah pembuat sistem sebagai knowledge engineer dan pakar. Cara kerja sistem ini dibagi menjadi 3 (tiga) bagian yaitu:

[1]. Proses Identifikasi Kebutuhan sistem

Proses ini bertujuan untuk membuat basis pengetahuan. Basis pengetahuan (knowledge base) adalah suatu jenis basis data yang dipergunakan untuk manajemen pengetahuan. Basis data ini menyediakan fasilitas untuk koleksi, organisasi, dan pengambilan pengetahuan terkomputerisasi. Hal terpenting dari suatu basis pengetahuan adalah kualitas informasi yang dikandungnya. Basis pengetahuan yang terbaik memiliki artikel-artikel yang ditulis dengan baik dan dijaga untuk selalu mutakhir, memiliki sistem pengambilan (mesin pencari) yang baik, serta format isi dan struktur klasifikasi yang dirancang dengan seksama.

Sebuah basis pengetahuan terdiri dari sekian paket data berukuran besar, deskripsi dari data tersebut (metadata), dan serangkaian besar aturan-aturan. Secara umum, basis pengetahuan memiliki sifat yang dinamis, dengan kemampuan dan kapasitas untuk belajar, sehingga dekat dengan topik kecerdasan buatan.

Untuk mengelola suatu basis pengetahuan, dibutuhkan suatu sistem manajemen basis pengetahuan yang biasanya memiliki kemampuan sebagai berikut:

[1]. Membuat simpulan berdasarkan aturan-aturan, deskripsi data, dan fakta untuk menghasilkan informasi yang baru. Hal ini dibutuhkan karena pengguna sistem harus bisa menarik kesimpulan meski dengan ketidaklengkapan informasi.

[2]. Mekanisme untuk melakukan perbaruan (semisal, memasukkan, menghapus, atau memodifikasi) basis pengetahuan.

[3]. Kemampuan untuk mengoptimalkan query. Bila sistem tidak memiliki query, maka aktivitas pencarian informasi bisa berlangsung amat lama. [4]. Kemampuan untuk mengintegrasikan beragam basis pengetahuan. Kemampuan semacam ini sangat dibutuhkan terutama oleh organisasi yang tersebar secara lokasi.

[5]. Kemampuan untuk menyediakan jawaban yang bersifat kooperatif kepada pengguna. Semisal saja, pengguna perlu tahu manakala sebuah query ternyata tidak bisa memberikan suatu keluaran dikarenakan kondisi keterbatasan basis data, atau data yang di-query-kan ternyata tidak tersedia di dalam basis data.

[6]. Kemampuan untuk melakukan penggalian data, atau penemuan pengetahuan di dalam basis data.

Penggalian data merupakan suatu bentuk cara berpikir induktif, yang mana membentuk suatu aturan dari suatu atau rangkaian kasus yang ada.

3.3. Rancangan Basis Data ERD (Entity Relationship Diagram)

Bentuk ERD (Entity Relationship Diagram) :

  Gambar 7 : ERD (Entity Relationship Diagram)

Transformasi ERD (Entity Relationship

Diagram) ke LRS (Logical Record Structure)

Bentuk transformasi ERD ke LRS sebagai berikut :

Gambar 8 : Transformasi ERD ke LRS

LRS (Logical Record Structure)

Bentuk dari ERD yang sudah menjadi LRS (Logical Record Structure) sebagai berikut :

  Gambar 9 : LRS (Logical Record Structure)

Class Diagram

Gambar 10 : Class Diagram

3.4. Rancangan Struktur Database [1]. Tabel User

Tabel user ini memilki beberapa field antara lain : id, username, password, Tabel 1 menjelaskan tentang tabel user.PRIMARY KEY = id

Tabel 1 : Tabel User

No Field Tipe Panjang Keterangan

1 Id varchar 2 Id User (PK)

2 Username varchar 8 Nama User

3 Password varchar 8 Kata Kunci

[2]. Tabel Kerusakan

Tabel kerusakan ini memilki beberapa field antara lain : IdKerusakan, NmKerusakan, Solusi. Tabel 2 menjelaskan tentang tabel Kerusakan

PRIMARY KEY = IdKerusakan

Tabel 2 : Tabel Kerusakan

No Field Tipe Panjang Keterangan

1 IdKerusakan Varchar 4 Kode Kerusakan

(PK)

2 NmKerusakan varchar 250 Nama Kerusakan

3 Solusi varchar 1000 Solusi

[3].Tabel Gejala

Tabel gejala ini memilki beberapa field antara lain : IdGejala, NmGejala. Tabel 3 menjelaskan tentang tabel gejala.PRIMARY KEY = IdGejala

Tabel 3 : Tabel Gejala

No Field Tipe Panjang Keterangan

1 IdGejala Varchar 4 Id Gejala (PK)

2 NmGejala Varchar 150 Nama Gejala

[4].Tabel Temp

Tabel Temp ini memilki beberapa field antara lain : IdGejala dan NmGejala. Tabel 4 menjelaskan tentang tabel temporari. PRIMARY KEY =

IdGejala

Tabel 4 : Tabel Temp

No Field Tipe Panjang Keterangan

1 IdGejala Varchar 4 Id Gejala

2 NmGejala Varchar 150 Nama Gejala

[5].Tabel Target

Tabel Target ini memiliki field antara lain : IdTarget, IdKerusakan dan IdGejala. Tabel 5 menjelaskan tentang tabel target.

PRIMARY KEY = Id Target

Tabel 5 : Tabel Target

No Field Tipe Panjan

g

Keterangan 1 IdTarget Varchar 5 Id target

(PK)

2 IdKerusakan Varchar 4 IdKerusakan 3 IdGejala Varchar 4 IdGejala

[6].Tabel Punya_Aturan_Ya

Tabel Punya_Aturan_Ya ini memiliki field antara lain : IdAturanYa, Satu, Dua. Tabel 6 menjelaskan tentang tabel punya_aturan_ya.

PRIMARY KEY = IdAturanYa

Tabel 6 : Tabel Punya_Aturan_Ya

[7].Tabel Punya_Aturan_Tidak

Tabel Punya_Aturan_Tidak ini memiliki field antara lain : IdAturanTidak, Satu, Dua. Tabel 7 menjelaskan tentang tabel punya_aturan_tidak.

PRIMARY KEY = IdAturanTidak

Tabel 7 : Tabel Punya_Aturan_Tidak

[8].Tabel Kamus

Tabel kamus ini memilki beberapa field antara lain : KdKamus, Kata, dan Keterangan. Tabel 8 menjelaskan tentang tabel kamus.PRIMARY KEY

= KdKamus

Tabel 8 : Tabel Kamus

3.5. Mesin Inferensi

Mesin Inferensi dari sistem pakar ini menggunakan teknik pencarian best-first search dan menggunakan teknik pelacakan ke belakang (backward chaining). Cara kerja dari mesin inferensi ini adalah menggunakan pendekatan goal-driven, dimulai dari harapan apa yang akan terjadi

No Field Tipe Panjan

g

Keterangan

1 IdAturanYa Varchar 4 Id Aturan

Ya(PK)

2 Satu Varchar 4 Aturan Satu

3 Dua varchar 4 Aturan Dua

No Field Tipe Panjan

g

Keterangan

1 IdAturanTidak Varchar 4 Id Aturan Ya

(PK)

2 Satu Varchar 4 Aturan Satu

3 Dua varchar 4 Aturan Dua

No Field Tipe Panjan

g

Keterangan

1 KdKamus Varchar 5 Kode kamus

(PK)

2 Kata Varchar 50 Kata

(hipotesis) dan kemudian mencari bukti atau fakta-fakta yang mendukung hipotesis tersebut dengan menjawab pertanyaan untuk mendapatkan jawaban atau kesimpulan dari kerusakan blackberry tersebut. Hal ini dapat dilakukan dengan mudah oleh user, karena sistem yang dibuat bersifat user friendly.

3.6. Flowchart dan Algoritma

Flowchart Form Diagnosa

Flowchart dan algoritma form diagnosa menjelaskan tentang identifikasi kerusakan Blackberry. Flowchart form diagnosa dapat dilihat pada gambar 11.

   

Gambar 11 : Flowchart Proses Menu Diagnosa Berikut ini adalah algoritma Form Diagnosa :

1. Tampilkan Form Pilih Kerusakan 2. Input Pilih Kerusakan

3. If Pilih = Proses Then 4. Tampilkan Form Diagnosa 5. Tampilkan pertanyaan

6. Input Pilih

7. If Pilih = “Ya” Then

8. cari IdGejala dan Nmgejala dari tabel Gejala yang sesuai dengan tabel punya_aturan_ya

9. If memuat E-A Then 10. Simpan temp

11. Tampiikan form hasil diagnosa 12. Else

13. Kembali ke baris 4 14. End If

15. If Pilih = “Tidak” Then

16. If Pilih = “Tidak” Then

17. cari idgejala dan nmgejala dari tabel gejala yang sesuai dengan tabel punya_aturan_tidak

18. Else if memuat E310 Then

19. Hapus temp

20. Tampilkan pesan pakar belum

menemukan identifikasi

21. Else if memuat E320 Then 22. Tampilkan form Arahan

23. End If 24. End If 25. End If

4. IMPLEMENTASI DAN ANALISA PROGRAM

4.1. Implementasi

Pengoperasian sistem pakar ini dapat dilakukan dengan cara membuka browser setelah XAMPP terpasang tetapi sebelumnya, masukkan file sistem pakar yang akan digunakan pada direktori C:\xampp\htdocs terlebih dahulu.

[1]. Tampilan Menu Homescreen

Pada tampilan layar menu pemakai seperti gambar 12 terdiri dari 2 pilihan menu yaitu menu “Pemakai” untuk melakukan diagnosa kerusakan sebagai pemakai dan menu “Pakar” untuk melakukan login sebagai Pakar. Berikut ini adalah tampilan layar menu Homescreen yang ada pada file Homescreen.Java

Gambar 12 : Tampilan Layar Menu Homescreen

[2]. Tampilan Layar Form Menu Pemakai

Pada tampilan layar menu pemakai seperti gambar 13 terdiri dari 4 pilihan menu yaitu menu “Diagnosa” untuk melakukan diagnosa kerusakan, menu “Kamus” untuk mencari kata asing dan menu “Bantuan” untuk melihatpetunjuk pemakaian program. Berikut ini adalah tampilan layar menu Pemakai yang ada pada file FrmMenuPemakai.Java

4.2. Spesifikasi Hardware dan Software

Spesifikasi hardware dan software pada komputer client sebagai berikut :

Software [1]. Eclipse 4.3 Kepler SR2 [2]. OpenJDK_1.7.0_51 [3]. Evolus Pencil 2.0.5 [4]. Microsoft Office Hardware

[1]. Processor Intel Celeron DualCore 1007-1.5GHz

[2]. Graphics Gallium 0.4 on NV98 [3]. Hardisk Seagate 500GB [4]. Memory 4GB DDR3 PC12800

Software dan hardware yang digunakan sebagai server sebagai berikut :

Software [1]. Eclipse 4.2 Juno [2]. Xampp [3]. JDK 1.7.0 [4]. Windows 7 32-bit Hardware

[1]. Processor Intel Core i3-2328M CPU @ 2.20GHz

[2]. Memory Kingston DDR3 2GB [3]. Hardisk WDC 500GB

[4]. VGA CARD AMD RADEON 1 GIGA [5]. Kabel Lan RJ45 1 Meter

4.3. Kelebihan dan Kekurangan Program Kelebihan Program

Kelebihan yang dimiliki program sistem pakar ini, antara lain :

[1]. Program sistem pakar ini memiliki antar muka (interface) yang berbasiskan dekstop, karena itu akan lebih mudah untuk diakses.

[2]. Dengan adanya sistem pakar ini, maka dapat mempermudah teknisi PT. Mitra Andalan Systemindo dalam mengidentifikasi kerusakan laptop dengan cepat.

[3]. Dapat melihat istilah-istilah asing yang belum pernah diketahuinya dengan melihat pada menu kamus.

[4]. Sistem pakar ini bisa menjadi dokumentasi dan knowledge base bagi seorang pakar.

[5]. Dapat berjalan di semua sistem operasi asalkan sudah terinstall java

Kekurangan Program

Kekurangan yang dimiliki program sistem pakar ini, antara lain :

[1]. Karena keterbatasan waktu, biaya dan kemampuan penulis, sistem pakar ini belum dapat menampilkan data berupa gambar maupun video. [2]. Program sistem pakar ini masih memiliki keterbatasan dalam penyajian data.

[3]. Belum ada kerjasama dengan lembaga penelitian khusus untuk mendapatkan data yang lebih spesifik dan akurat.

[4]. Belum adanya rumus theorema bayes untuk memunculkan persentase tiap-tiap kesimpulan hasil identifikasi.

5. KESIMPULAN

Berdasarkan pada pendahuluan, landasan teori, analisa dan perancangan serta implementasi dari skripsi ini yang disusun dari bab I sampai bab IV, maka dapat diambil kesimpulan sebagai berikut : [1]. Sistem pakar yang dibuat ini dapat membantu pemilik atau pengguna dalam mengidentifikasi kerusakan laptop.

[2]. Sistem pakar ini juga dapat dipakai untuk membantu mempermudah teknisi junior dalam melakukan identifikasi kerusakan laptop.

[3]. Dengan menggunakan dekstop sebagai sarana pendukung diharapkan sistem pakar dapat menjadi database pengetahuan dan dokumentasi mengenai ciri-ciri kerusakan pada laptop yang terdapat di PT. Mitra Andalan Systemindo.

DAFTAR PUSTAKA

[1]. Gata, Windu. 2012. Asyiknya Mengenal Java. Jakarta Pusat : Elex Media Komputindo

[2]. Huda, Miftkhul dan Bunafit Komputer. 2010. Membuat Aplikasi Database dengan Java, MySQL dan Netbeans. Jakarta : Elex Media Komputindo [3]. Kusrini. 2008. Aplikasi Sistem Pakar Menentukan Faktor Kepastian Pengguna dengan Metode Kuantifikasi Pertanyaan. Yogyakarta: ANDI.

[4]. Kusumadewi, Sri. 2003. Artificial Intelligence (Teknik & Aplikasinya). Yogyakarta: Graha Ilmu. [5]. Nugroho, Bunafit. 2007. Panduan Lengkap Menguasai Perintah SQL. Jakarta : Media Kita [6]. Siswanto, 2010, Kecerdasan Tiruan. Yogyakarta : Graha Ilmu.

[7]. Stanek, William R. Microsoft SQL Server 2005 Administrator’s Pocket Consultant. Jakarta: Elex Media Komputindo

[8]. Adhisty, Sherly, 2011, Sistem Pakar Pendeteksian Penyakit Sistem Transportasi Tubuh dengan Metode Backward Chaining, dilihat tanggal 10 Mei 2015. < repository.amikom.ac.id/files/Naskah%20Publikasi 2.pdf >.

[9]. Damayanti, Fitriyana, 2012, Sistem Pakar Untuk Menguji Tingkat Keamanan Pada Aplikasi Berbasis Web Dengan Menggunakan Metode Backward Chaining, dilihat tanggal 11 Mei 2015 <http://e-journal.respati.ac.id/node/132>.