Perancangan Aplikasi Sistem Pakar Diagnosa Kerusakan Lift Dengan Menggunakan Metode Case Based Reasoning (CBR)
Nugraha Hadi Syaputra
Program Studi Teknik Informatika, STMIK Budi Darma, Medan, Indonesia Jalan Sisingamangaraja No. 338 Medan, Indonesia
Abstrak
Lift memerlukan perawatan untuk membuatnya bekerja dengan optimal, jika lift tidak bekerja dengan optimal maka akan terjadinya kerusakan yang bisa mengakibatkan pengguna yang berada di dalam lift bisa saja terjebak dikarenakan pintu macet dan tidak terbuka. Kerusakan lift seperti ini perlu di sistem pakarkan agar dapat mempersingkat waktu penganalisaan dengan menggunakan metode Case Based Reasoning. Case Based Reasoning merupakan metode penyelesaian masalah dengan memanfaatkan pengalaman sebelumnya. Case Based Reasoning merupakan salah satu metode pemecahan masalah yang dalam mencari solusi dari suatu kasus yang baru terhadap solusi kasus lama yang memiliki permasalahan yang sama. Untuk mendiagnosa kerusakan pada lift menggunakan metode Case Based Reasoning. User akan diberikan pertanyaan-pertanyaan untuk mendapatkan nilai kemiripan dengan rumus Case Based Reasoning, Sehingga didapatkan hasil diagnosa serta presentase nilai kemiripan dan kemungkinannya.
Kata Kunci: Sistem Pakar, Lift (Elevator), Case Based Reasoning.
Abstract
The elevator requires maintenance to make it work optimally, if the elevator does not work optimally then there will be damage that can result in users who are in the elevator could be trapped due to a jammed door and not open. Elevator damage like this needs to be put on the expert system in order to shorten the analysis time by using the Case Based Reasoning method. Case Based Reasoning is a method of solving problems by utilizing previous experience. Case Based Reasoning is one method of solving problems in finding solutions for a new case to an old case solution that has the same problem. To diagnose damage to the elevator using the Case Based Reasoning method. Users will be given questions to get the similarity value with the Case Based Reasoning formula, so that the diagnostic results and the percentage of similarity values and their probability are obtained.
Keywords: Expert System, Lift (Elevator), Case Based Reasoning.
1. PENDAHULUAN
Perkembangan teknologi pada era globalisasi saat ini sangat pesat dan masyarakat pada saat ini telah bergantung pada teknologi. Hal ini membuat teknologi menjadi kebutuhan dasar setiap manusia. Banyak teknologi komputer yang digunakan untuk kemudahan setiap pekerjaan, para pekerja di berbagai aspek fasilitas gedung-gedung bertingkat juga menggunakan teknologi untuk meningkatkan hasil kinerjanya, salah satunya penggunaan lift. Lift merupakan fasilitas yang sering digunakan di berbagai gedung seperti pusat perbelanjaan, hotel berbintang, perkantoran, apartemen, instansi dan lainnya.
Perawatan ekstra perlu untuk membuat lift bekerja dengan optimal, kalau lift tidak bekerja dengan optimal maka akan terjadinya kerusakan yang bisa mengakibatkan pengguna yang berada di dalam lift bisa saja terjebak dikarenakan pintu macet dan tidak terbuka. Oleh karena itu kerusakan lift perlu di sistem pakarkan karena lamanya waktu untuk menganalisa kerusakan pada lift, dengan adanya sistem pakar dapat membantu dalam mengetahui kerusakan lift dengan menghemat waktu penganalisaan kerusakan. Perawatan yang teratur sangat penting demi menjamin pengoperasian yang bebas dari kerusakan dan memperpanjang umur lift tersebut.
Pemanfaatan teknologi informasi melalui metode yang menggabungkan keahlian dan pengetahuan seorang pakar untuk membangun aplikasi pengetahuan baru berdasarkan sejumlah kasus yang dikenal dengan istilah Case Based Reasoning. Metode Case Based Reasoning merupakan proses penyelesaian masalah dengan memanfaatkan pengalaman sebelumnya. Case Based Reasoning merupakan salah satu metode pemecahan masalah yang dalam mencari solusi dari suatu kasus yang baru, sistem akan melakukan pencarian terhadap solusi dari kasus lama yang memiliki permasalahan yang sama[1].
Metode ini tetap dapat melakukan penalaran walaupun terdapat data yang tidak lengkap. Ketika proses retrieval dilakukan, ada kemungkinan antara kasus baru dengan kasus lama pada basis kasus tidak mirip. Namun, dari ukuran similarity tersebut tetap dapat dilakukan penalaran dan melakukan evaluasi terhadap ketidak lengkapan atau ketidak tepatan data yang diberikan.
2. LANDASAN TEORI
2.1 Kecerdasan Buatan
Kecerdasan buatan berasal dari bahasa inggris yaitu Artificial Intelligence atau disingkat AI, dimana Artificial adalah buatan, sedangkan Intelligence adalah cerdas. Kecerdasan buatan yang dimaksud merujuk pada suatu
mesin yang berakting dan bergaya seperti halnya para artis di bioskop, mampu berpikir, menimbang tindakan yang akan diambil. Dan untuk saat ini banyak permasalahan dunia nyata yang diselesaikan menggunakan AI dan banyak juga aplikasinya yang dikomersialkan [1]. Kecerdasan buatan merupakan cabang dari ilmu komputer yang konsen dengan pengautomatisasi tingkah laku cerdas, pernyataan tersebut juga dapat dijadikan defenisi dari Artificial Intelligence adalah bagian dari komputer sehingga harus didasarkan pada sound theoretical (teori suara) dan prinsip-prinsip aplikasi dari bidangnya. Prinsip-prinsip ini meliputi struktur data yang digunakan representasi pengetahuan, algoritma yang diperlukan untuk mengaplikasikan pengetahuan tersebut, serta bahasa dan teknik pemrograman yang digunakan dalam mengimplementasikannya [3].
2.2 Sistem Pakar
Sistem Pakar (Expert System) adalah salah satu cabang dari AI yang membuat pengguna secara luas knowledge yang khusus untuk menyelesaikan masalah tingkat manusia yang pakar. Seoarng pakar adalah orang yang mempunyai keahlian dalam bidang tertentu yaitu pakar yanng mempunyai knowledge atau kemampuan khusus yang orang lain tidak mengetahui atau mampu dalam yang di miliki [1]. Sistem pakar dibuat pada wilayah pengetahuan tertentu untuk suatu kepakaran tertentu yang mendekati kemampuan manusia di salah satu bidang.
Sistem pakar mencoba mencari solusi yang memuaskan sebagaimana yang dilakukan seorang pakar. Selain itu sistem pakar juga dapat memberikan penjelasan terhadap langkah yang diambil dan memberikan alasan atas saran atau kesimpulan yang ditemukannya [4]. Sebuah sistem pakar memiliki 2 komponen utama yaitu berbasis pengetahuan dan mesin inferensi. Berbasis pengetahuan merupakan tempat penyimpanan pengetahuan dalam memeori komputer, dimana pengetahuan ini diambil dari pengetahuan pakar. Sedangkan mesin inferensi merupakan otak dari apliakasi sistem pakar, bagian inilah yang menuntun user untuk memasukkan fakta sehingga diperoleh suatau kesimpulan [5].
2.3 Lift (Elevator)
Lift atau elevator adalah seperangkat alat yang digunakan untuk mengangkut orang atau barang dari suatu tempat atau lantai ke tempat lantai lainnya secara vertical dengan menggunakan seperangkat alat mekanik. Perkembangan teknologi menjadikan elevator atau lift semakin baik perkembangannya, mulai dari mekanik lift, sistem kontrol dan juga keamanannya. Sehingga menjadikan elevator atau lift adalah satu-satunya alat transportasi yang paling aman dan cepat di sebuah gedung atau bangunan tinggi. Sistem kontrol pengendali elevator atau lift yang digunakan pada umumnya menggunakan sistem pengendali lift Programmable Logic Controller dengan bantuan relay dan kontaktor [6].
2.4 Metode Case Based Reasoning
Case Based Reasoning merupakan proses untuk mencari kesamaan antara kasus yang baru dengan kasus-kasus lama dan reuse, proses untuk memilih solusi yang tepat bagi pengguna. Tahap retrieve merupakan tahap yang sangat berpengaruh terhadap hasil solusi dari Case Based Reasoning, karena pada tahap ini hasil kemiripan kasus ditentukan. Oleh karena itu analisis terhadap fungsi similaritas perlu dilakukan dan disesuaikan dengan domain permasalahan.
Gambar 1. Siklus Case Based Reasoning ( CBR ) Secara detail Case Based Reasoning terbagi dalam empat tahap, yaitu:
1. Retrieve : Menemukan kembali kasus yang sama atau yang paling mirip dengan kasus baru
2. Reuse : Menggunakan kembali informasi dan pengetahuan dari basis kasus untuk memecahkan masalah kasus baru
3. Revise : Memperbaiki solusi yang diusulkan
4. Retain : Menyimpan pengalaman untuk memecahkan masalah yang akan datang kedalam basis kasus[8].
2.5 Similarity
Kemiripan (similarity) adalah langkah yang digunakan untuk mengenali kesamaan atau kemiripan antara kasus- kasus yang tersimpan dengan kasus yang baru. Kasus dengan nilai similarity paling besar dianggap sebagai kasus yang paling mirip. Nilai similarity berkisar antara 0 sampai 1. Berikut ini merupakan rumus untuk mencari nilai kemiripan (similarity) [8] yaitu :
𝑆𝑖𝑚𝑖𝑙𝑖𝑟𝑖𝑡𝑦 (𝑇, 𝑆) = ∑𝑛𝑖=1𝑓(𝑇𝑖, 𝑆𝑖) × 𝑊𝑖 (1)
𝑆𝑖𝑚𝑖𝑙𝑖𝑟𝑖𝑡𝑦(𝑇, 𝑆) = 𝑆1×𝑊1+𝑆2×𝑊2+⋯+𝑆𝑛×𝑊𝑛
𝑊1+𝑊2+⋯+𝑊𝑛 (2)
Keterangan:
T = Kasus target S = Kasus asal
n = Jumlah atribut dalam setiap kasus i = atribut individu dari 1 ke n
f = fungsi similarity untuk atribut i dalam kasus T & S w = pembobotan atribut i.
3. ANALISA DAN PEMBAHASAN
Case-Based Reasoning (CBR) merupakan sistem yang bertujuan untuk menyelesaikan suatu kasus baru dengan cara mengadaptasi solusi-solusi yang terdapat pada kasus-kasus sebelumnya yang mirip dengan kasus-kasus sebelumnya. Kemiripan (Similarity) merupakan langkah yang digunakan untuk mengenali kesamaan atau kemiripan antara kasus-kasus yang tersimpan dalam basis kasus dengan kasus yang baru. Kasus dengan nilai Similarity paling besar dianggap sebagai kasus yang paling mirip.Tahapan analisis terhadap suatu sistem yang harus dilakukan sebelum tahapan perancangan. Tujuan diterapkannya analisis terhadap suatu sistem adalah untuk mengetahui alasan mengapa sistem tersebut diperlukan, sehingga fungsi yang terdapat di dalam sistem tersebut bekerja secara optimal. Salah satu unsur pokok yang harus dipertimbangkan dalam tahapan analisis sistem ini yaitu masalah perangkat lunak, karena perangkat lunak yang digunakan haruslah sesuai dengan masalah yang akan diselesaikan. Dalam tahapan ini dilakukan pencarian dan pengumpulan data serta pengetahuan yang diperoleh oleh sistem pakar. Sehingga pada akhirnya analisa didapat harus berupa sebuah sistem terstuktur yang dapat didefenisikan dengan baik dan jelas. Sistem yang dibangun untuk mengetahui gejala-gejala kerusakan lift yaitu dengan cara melakukan konsultasi kepada seseorang yang ahli atau teknisi lift.
Tabel 1. Gejala-Gejala Pada KerusakanLift
No Kode Gejala Nama Gejala Nilai Pakar
1 G01 Tertahan / Ada Hambatan kotoran pada buka / tutup pintu 0.8
2 G02 Aus Pada Guide Shoe Sangkar Karena Gesekan 0.8
3 G03 Aus Pada Door Shoe Karena Gesekan Pada Buka / Tutup Pintu 1
4 G04 Switch Kotor / berkarat / berminyak 0.6
5 G05 Switch breaker terlalu panas 0.4
6 G06 Kampas Aus 0.4
7 G07 Kabel sensor pintu putus / rapuh 0.8
8 G08 Mekanik pintu sering tertabrak 0.6
9 G09 Mekanik pintu sering ditahan paksa 0.6
10 G10 Switch Final (stop) Kotor / karat 0.8
11 G11 Platina Rusak 0.8
12 G12 Settingan Kurang Pas 0.4
Sumber : Hasil Konsultasi Dengan Ahli Teknisi Lift
Tabel 2. Analisis Gejala Pada KerusakanLift
No Kode Kerusakan Kode Gejala Nama Kerusakan
1 K01 G01, G03 Kerusakan Pada Door Shoe
2 K02 G02 Kerusakan Pada Guide Shoe Sangkar / Shoe CWT 3 K03 G05, G06, G12 Kerusakan Pada Switch Breaker Motor
4 K04 G01 Kerusakan Pada Rel Pintu
5 K05 G10, G11 Kerusakan Pada Final Limit UP / Down
6 K06 G07 Kerusakan Pada Safty Pintu Dalam Sangkar
7 K07 G08, G09 Kerusakan Pada Mekanik Pintu Luar
Adapun analisa terhadap sistem pakar yang dibangun merupakan rule yang menerapkan metode CBR . Di dalam sesi penginputan sistem, pengguna diberi pilihan untuk memilih bobot keyakinan yang masing-masing memiliki bobot sebagai berikut:
Tabel 3. Terminolog Kepastian
No Keterangan Bobot Pasti
1 Pasti 1
2 Hampir Pasti 0.8
3 Cukup Pasti 0.6
4 Kurang Pasti 0.4
5 Ragu 0.2
6 Tidak Tau 0
Dari tabel diatas maka dipresentasikan seperti rule dibawah ini. Refresentasi ini digunakan untuk memperoleh pencarian dan menentukan kesimpulan diagnosa, berikut ini adalah pembahasannya:
Kaidah:
Rule1 : If G01 AND G03 THEN Kerusakan Pada Door Shoe
Rule2 : If G02 THEN Kerusakan Pada Guide Shoe Sangkar / Shoe CWT
Rule3 : If G05AND G06 AND G12 THEN Kerusakan Pada Switch Breaker Motor Rule4 : If G01THEN Kerusakan Pada Rel Pintu
Rule5 : If G10AND G11THEN Kerusakan Pada Final Limit UP / Down Rule6 : If G07THEN Kerusakan Pada Safty Pintu Dalam Sangkar Rule7 : If G08AND G09 THEN Kerusakan Pada Mekanik Pintu Luar Sampel Data: G01, G02, G03, G09
Kasus Lama
Tabel 4. Kasus
Nomor Kasus Nama Kasus
Kasus 1 Door Shoe
Kasus 2 Guide Shoe Sangkar / Shoe CWT Kasus 3 Switch Breaker Motor
Kasus 4 Rel Pintu
Kasus 5 Final Limit UP / Down Kasus 6 Safty Pintu Dalam Sangkar Kasus 7 Mekanik Pintu Luar
Untuk mencari nilai kemiripan antara basis kasus baru dengan kasus lama maka dilakukan perhitungan menggunakan rumus similarity:
Tabel 5. Perhitungan Kasus Baru dengan Kasus 1
Kode Gejala Kasus Lama 1 Kode Gejala Kasus Baru Bobot Kepastian Penentuan Bobot
G01 G01 0.8 1
- G02 0.8 0
G03 G03 1 1
- G09 0.6 0
= (0.8 * 1) + (0.8 * 0) + (1 * 1) + (0.6 * 0) (0.8 + 0.8 + 1 + 0.6)
= 1.8 3.2
= 0.5625 * 100
= 56.25 %
Tabel 6. Perhitungan Kasus Baru dengan Kasus 2
Kode Gejala Kasus Lama 2 Kode Gejala Kasus Baru Bobot Kepastian Penentuan Bobot
- G01 0.8 0
G02 G02 0.8 1
- G03 1 0
- G09 0.6 0
= (0.8 * 0) + (0.8 * 1) + (1 * 0) + (0.6 * 0) (0.8 + 0.8 + 1 + 0.6)
= 0.8 3.2
= 0.25 * 100
= 25 %
Tabel 7. Perhitungan Kasus Baru dengan Kasus 3
Kode Gejala Kasus Lama 3 Kode Gejala Kasus Baru Bobot Kepastian Penentuan Bobot
G05 G01 0.8 0
G06 G02 0.8 0
G12 G03 1 0
- G09 0.6 0
= (0.8 * 0) + (0.8 * 0) + (1 * 0) + (0.6 * 0) (0.8 + 0.8 + 1 + 0.6)
= 0 3.2
= 0 * 100
= 0 %
Tabel 8. Perhitungan Kasus Baru dengan Kasus 4
Kode Gejala Kasus Lama 4 Kode Gejala Kasus Baru Bobot Kepastian Penentuan Bobot
G01 G01 0.8 1
- G02 0.8 0
- G03 1 0
- G09 0.6 0
= (0.8 * 1) + ( 0.8 * 0) + (1 * 0) + (0.6 * 0) (0.8 + 0.8 + 1 + 0.6)
= 0.8 3.2
= 0.25 * 100
= 25 %
Tabel 9. Perhitungan Kasus Baru dengan Kasus 5
Kode Gejala Kasus Lama 5 Kode Gejala Kasus Baru Bobot Kepastian Penentuan Bobot
G10 G01 0.8 0
G11 G02 0.8 0
- G03 1 0
- G09 0.6 0
= (0.8 * 0) + (0.8 * 0) + (1 * 0) + (0.6 + 0) (0.8 + 0.8 + 1 + 0.6)
= 0 3.2
= 0 * 100
= 0 %
Tabel 10. Perhitungan Kasus Baru dengan Kasus 6
Kode Gejala Kasus Lama 6 Kode Gejala Kasus Baru Bobot Kepastian Penentuan Bobot
G07 G01 0.8 0
- G02 0.8 0
- G03 1 0
- G09 0.6 0
= (0.8 * 0) + (0.8 * 0) + (1 * 0) + (0.6 * 0) (0.8 + 0.8 + 1 + 0.6)
= 0 3.2
= 0 * 100
= 0 %
Tabel 11. Perhitungan Kasus Baru dengan Kasus 7
Kode Gejala Kasus Lama 7 Kode Gejala Kasus Baru Bobot Kepastian Penentuan Bobot
- G01 0.8 0
- G02 0.8 0
G08 G03 1 0
G09 G09 0.6 1
= (0.8 * 0) + (0.8 * 0) + (1 * 0) + (0.6 * 1) (0.8 + 0.8 + 1 + 0.6)
= 0.6 3.2
= 0.1875 * 100
= 18.75 %
Dengan demikian didapatkan hasil diagnose bahwa kasus baru paling mirip dengan kasus 1 yaitu Door Shoe dengan nilai presentase 56.25 %.
4. IMPLEMENTASI
Implementasi merupakan langkah yang digunakan untuk mengoperasikan sistem yang dibangun. Adapun tampilan program dalam implementasi hasil pengujian metode Case Based Reasoning ini adalah seperti Tampilan Input, Tampilan Output dan Hasil Pengujian Program sebagai berikut.
1. Menu Utama
Gambar 2. Tampilan Menu Utama 2. Form Input Gejala Kerusakan
Gambar 3. Tampilan Form Gejala Dan Kerusakan
3. Form Pertanyaan
Gambar 4. Tampilan Form Pertanyaan 4. Form Hasil
Form Hasil berfungsi untuk menampilkan hasil daripada diagnosa, adapun desainnya sebagai berikut:
Gambar 5. Tampilan Form Hasil.
5. KESIMPULAN
Setelah melalui proses penyelesaian skripsi ini, maka penulis menarik kesimpulan sebagai berikut :
1. Dalam mengetahui gejala-gejala kerusakan pada lift dengan sistem pakar dapat dilihat dari gejala-gejala yang terjadi pada lift dan dilakukan perhitungan yang valid dalam membantu teknisi untuk mengetahui kerusakan lift dengan cepat.
2. Dengan menerapkan metode Case Based Reasoning dalam mendeteksi kerusakan pada lift dapat menghasilkan perhitungan valid yang sama dengan perhitungan manual sehingga proses deteksi dapat dilakukan dengan cepat dan akurat.
3. Dalam perancangan aplikasi ini terdiri dari form menu utama, form gejala dan kerusakan lift, form pertanyaan, form tentang, form hasil dengan menggunakan bahasa pemrograman Visual Basic 2008 dan MySQL sebagai pengolah data dalam mendeteksi kerusakan pada lift.
REFERENCES
[1] Sandy Kosasi, "Pembuatan Aplikasi Diagnosa Kerusakan Mesin Sepeda Motor Matic dengan Case-Based Reasoning," vol. II, No. 3, Mei-Juli 2015.
[2] Muhammad Arhami, Konsep Dasar Sistem Pakar, 1st ed. Yogyakarta: Andi, 2005.
[3] T. Sutojo , Edy Mulyanto, and Vincent Suhartono, Kecerdasan Buatan. Yogyakarta: CV.ANDI OFSET (Penerbit Andi), 2011.
[4] Husni Iskandar Pohan, Pengantar Perancangan Sistem. Jakarta: Penerbit Erlangga, 2007.
[5] Kusrini, Aplikasi Sistem Pakar. Yogyakarta: CV ANDI OFSET (Penerbit Andi), 2008.
[6] Andy Adriansyah and Oka Hidyatama, "Rancang Bangun Prototipe Elevator Menggunakan Microcontroller Arduino ATMEGA 328P,"
vol. 4 No. 3, September 2013.
[7] Asep Saepuloh and Heri Suherkiman, "SISTEM PANEL KENDALI LIFT SCHINDLER BERBASIS PROGRAMMABLE LOGIC CONTROLLER DI PRSG," November 2010.
[8] Adriana S.A , Indarto , and Abdiansah , SISTEM PENALARAN KOMPUTER BERBASIS KASUS (Case Based Reasoning - CBR), Edisi Pertama ed. Yogyakarta: Penerbit Ardana Media, 2008.
[9] Prabowo Pudjo Widodo and Herlawati , Analisa dan Perancangan. Bandung: Penerbit Informatika, 2011.
[10] Jogiyanto H M, Pengenalan Komputer. Yogyakarta: Penerbit Andi, 2005.
[11] Rossa A S and M Shalahuddin , Rekayasa Perangkat Lunak. Bandung: Penerbit Informatika, 2013.
[12] Primanda Arif Aditya, Dasar-Dasar Pemrograman Database Desktop dengan Visual Basic.NET 2008. Jakarta: PT.Alex Media Komputindo, 2013.
