i

SISTEM PAKAR PENDETEKSIAN KERUSAKAN PADA

MONITOR CRT DENGAN METODE CERTAINTY FACTOR SKRIPSI

Untuk memenuhi sebagian persyaratan

Untuk memperoleh derajat Sarjana S-1

Diajukan oleh

WIWIT ARSIH BANNESI

0806083247

JURUSAN ILMU KOMPUTER

FAKULTAS SAINS DAN TEKNIK

UNIVERSITAS NUSA CENDANA

KUPANG

2012

i

DAFTAR ISI Halaman

DAFTAR ISI ................................................................................................... i DAFTAR GAMBAR ....................................................................................... iii DAFTAR TABEL ........................................................................................... iv BAB I PENDAHULUAN ............................................................................. 1

1.1 Latar Belakang ............................................................................. 1 1.2 Rumusan Masalah......................................................................... 3 1.3 Batasan Masalah ........................................................................... 3 1.4 Keaslian Penelitian ....................................................................... 4

1.5 Tujuan Penelitian .......................................................................... 4 1.6 Manfaat Penelitian ........................................................................ 5 1.7 Tinjauan Pustaka .......................................................................... 5 1.8 Metode Penelitian ......................................................................... 6 1.9 Sistematika Penulisan ................................................................... 8 BAB II LANDASAN TEORI ...................................................................... 10

2.1 Kecerdasan Buatan ....................................................................... 11 2.2 Sistem Pakar ................................................................................ 13 2.2.1 Keuntungan dan Kelemahan Sistem Pakar ........................... 14 2.2.2 Struktur Sistem Pakar ........................................................... 15 2.2.3.1 Antarmuka Pengguna (User Interface) ............................ 16 2.2.3.2 Basis Pengetahuan ........................................................... 17 2.2.3.3 Mesin Inferensi ................................................................ 18 2.2.3.4 Workplace (Tempat Kerja) ............................................... 19 2.2.3.5 Fasilitas Penjelasan .......................................................... 19 2.2.3.6 Akuisisi Pengetahuan ....................................................... 20

2.3 Representasi Pengetahuan ............................................................ 20 2.3.1 Frame ................................................................................... 21 2.3.2 Jaringan Semantik................................................................. 21 2.3.3 Script .................................................................................... 22 2.3.4 Kaidah Produksi ................................................................... 22 2.3.4.1 Tabel Keputusan dan Pohon Keputusan ........................... 23 2.3.4.2 Konversi menjadi Kaidah Produksi .................................. 34 2.4 Certainty Factor (CF) ................................................................... 40 2.4.1 Kombinasi Aturan Ketidakpastian ........................................ 42

2.4.2 Perhitungan Certainty Factor Gabungan .............................. 44 2.5 Monitor CRT ................................................................................ 48 2.5.1 Bagian-bagian Monitor CRT ................................................. 50

2.5.2 Prinsip Kerja Monitor CRT ................................................... 53 2.5.3 Keuntungan dan Kerugian Monitor CRT .............................. 56

BAB III. ANALISIS DAN PERANCANGAN SISTEM............................... 59 3.1 Analisis Sistem ............................................................................. 59

3.1.1 Analisis Masalah .................................................................. 59 3.1.2 Sumber Informasi dan Akuisisi Pengetahuan ........................ 60 3.1.3 Analisis Input ....................................................................... 60

ii

3.1.4 Analisis Output ..................................................................... 61 3.1.5 Representasi Pengetahuan ..................................................... 61 3.1.5.1 Tabel Keputusan .............................................................. 62 3.1.5.2 Pohon Keputusan ............................................................. 63 3.1.5.3 Aturan / Kaidah Produksi ................................................. 65

3.1.6 Perhitungan Nilai CF ............................................................ 66 3.1.7 Analisis Pengguna ................................................................ 68 3.1.8 Analisis Perangkat Keras ...................................................... 68

3.1.9 Analisis Perangkat Lunak ..................................................... 69 3.2 Perancangan Sistem ...................................................................... 69 3.2.1 Diagram Konteks .................................................................. 69

3.2.2 Diagram Aliran Data Level 0 ................................................ 70 3.2.3 Diagram Aliran Data Level 1 ................................................ 72 3.2.4 Entity Relationship Diagram (ERD) ..................................... 78 3.2.5 Relasi Tabel .......................................................................... 79

3.2.6 Data Dictionary .................................................................... 80 3.2.7 Perancangan Antar Muka ...................................................... 83

DAFTAR PUSTAKA ...................................................................................... 88

iii

DAFTAR GAMBAR Halaman

2.1. Beberapa bidang kecerdasan buatan ......................................................... 11 2.2. Struktur sistem pakar ............................................................................... 15 2.3. Proses forward chaining .......................................................................... 18 2.4. Proses backward chaining........................................................................ 18 2.5. Pohon Keputusan Identifikasi Pesawat ..................................................... 26 2.6. Proses reduksi atribut ............................................................................... 28 2.7. Pohon keputusan hasil reduksi ................................................................. 29 2.8. Pohon keputusan minimal ........................................................................ 30 2.9. Pohon keputusan ...................................................................................... 30 2.10 Pohon keputusan ...................................................................................... 32 2.11 Pohon Keputusan AND-OR ..................................................................... 33 2.12 Pohon Keputusan AND-OR Kerusakan Not Charging ............................. 34 2.13 Kombinasi aturan ketidakpastian.............................................................. 42 2.14 Monitor CRT ........................................................................................... 49 2.15 Bagian-bagian monitor CRT ................................................................... 49 3.1 Pohon Keputusan ..................................................................................... 64 3.2 Diagram Konteks ..................................................................................... 70 3.3 DFD Level 0 ............................................................................................ 71 3.4 DFD Level 1 Proses 1 .............................................................................. 73 3.5 DFD Level 1 Proses 2 .............................................................................. 74 3.6 DFD Level 1 Proses 3 .............................................................................. 76 3.7 Entity Relationship Diagram ...................................................................... 78 3.8 Relasi Tabel ............................................................................................... 79 3.9 Menggambarkan rancangan form pembuka ................................................ 84 3.10 Menggambarkan rancangan form gejala ................................................... 85 3.11 Menggambarkan rancangan form kerusakan............................................. 85 3.12 Menggambarkan rancangan form solusi ................................................... 86 3.13 Menggambarkan rancangan form aturan................................................... 86 3.14 Menggambarkan rancangan form hasil konsultasi .................................... 87

iv

DAFTAR TABEL

Halaman 2.1 Definisi sistem pakar ................................................................................. 12 2.2 Tabel Keputusan ........................................................................................ 23 2.3 Tabel Keputusan Identifikasi Pesawat ........................................................ 25 2.4 Tabel Keputusan ........................................................................................ 30 2.5 Alternatif Tabel Keputusan ........................................................................ 32 2.6 Tabel Keputusan Kerusakan Not Charging ................................................ 34 2.7 Himpunan Kaidah ...................................................................................... 34 2.8 Interpretasi term dari pakar ..................................................................... 42 3.1 Tabel Keputusan Kerusakan Flyback ........................................................ 62 3.2 Tabel Keputusan Kerusakan CRT .............................................................. 62 3.3 Tabel Keputusan Kerusakan Power Supply ................................................ 63 3.4 Aturan Produksi ......................................................................................... 65 3.5 Gejala ........................................................................................................ 80 3.6 Kerusakan .................................................................................................. 80 3.7 Solusi ........................................................................................................ 81 3.8 Gejalayn .................................................................................................... 81 3.9 Aturan ....................................................................................................... 82 3.10 Pengetahuan............................................................................................. 82 3.11 Log Konsultasi......................................................................................... 82 3.12 Login pakar .............................................................................................. 83

1

BAB I

PENDAHULUAN

1.1 Latar Belakang

Berkembangnya penggunaan komputer akhir ini di rasa sangat pesat

dan sangat bermanfaat untuk kelangsungan kehidupan manusia. Banyak

pekerjaan manusia yang dapat diselesaikan oleh komputer, sehingga komputer

menjadi bagian yang tidak dapat dipisahkan dari kehidupan sehari-hari. Dengan

menggunakan komputer, kita dapat mengerjakan berbagai pekerjaan. Komputer

telah menjadi hal yang dianggap biasa bagi masyarakat kita, baik untuk orang

dewasa, remaja bahkan anak-anak. Bagian komputer yang paling sering

berinteraksi dengan mata manusia adalah monitor. Sebagai salah satu komponen

utama komputer, monitor memiliki dua macam tipe yakni CRT (Catode Ray Tube)

dan LCD (Liquid Crystal Display).

Penggunaan monitor sampai dengan saat ini sudah sangat banyak,

sebanyak orang yang menggunakan komputer atau bahkan lebih, sehingga tidak

terhitung lagi berapa jumlah monitor yang telah rusak. Kerusakan tersebut

dikarenakan beberapa faktor antara lain kesalahan yang terjadi akibat adanya error

dari monitor itu sendiri, kesalahan pemakaian, seperti pemakaian yang kasar yang

dapat memperpendek umur dari sebuah monitor. Faktor-faktor inilah yang

menyebabkan suatu monitor mengalami kerusakan sehingga pemakai harus

memperbaikinya.

Berbagai masalah timbul dalam penanganan atau perbaikan kerusakan

monitor, salah satunya adalah service center yang memadai, yang mampu

1

2

melakukan perawatan dan perbaikan monitor masih sangatlah minim. Hal ini

dapat disebabkan oleh berbagai hal, antara lain : biaya perbaikan yang terlalu

mahal, tenaga ahli (teknisi) yang masih kurang dan terkadang tidak tersedianya

suku cadang tertentu.

Berbagai alternatif pemecahan masalah diupayakan untuk menyelesaikan

masalah tersebut, salah satunya pada masalah kekurangan jumlah teknisi. Hal ini

dapat diatasi dengan cara training atau menambah jumlah teknisi dengan melatih

teknisi baru. Kelebihan dari alternatif ini yakni dapat langsung melakukan praktek

di lapangan sehingga pengalaman yang didapatkan lebih banyak. Namun,

kelemahannya yakni memerlukan biaya pelatihan yang cukup besar dan juga

membutuhkan jumlah teknisi ahli yang cukup banyak jika ingin melatih teknisi

baru dalam jumlah yang besar karena pada prakteknya diperlukan pengawasan

langsung dari seorang trainer dan membutuhkan waktu yang lama.

Cara lain adalah dengan memperbaiki sendiri monitor tersebut dengan

buku panduan atau referensi lain dari internet. Kelebihan cara ini adalah seseorang

dapat menghemat biaya, sekaligus dapat menambah ilmu pengetahuan tentang

kerusakan monitor. Kelemahannya, seseorang harus membaca dengan teliti dan itu

sangat membutuhkan waktu karena terdapat istilah-istilah yang tidak dikenal

secara umum. Selain itu, belum tentu dapat langsung memperbaiki karena belum

bisa menangkap petunjuk-petunjuk dari buku tersebut, bahkan terkadang

kerusakan dapat menjadi luas karena kesalahan yang dilakukan.

Dari latar belakang di atas, maka penulis berpikir perlu diambil suatu

tindakan untuk membantu memecahkan masalah yang terjadi. Untuk membantu

3

teknisi baru dan juga orang awam yang berminat dalam penanganan kerusakan

monitor, maka penulis mencoba untuk merancang sebuah perangkat lunak yang

mampu mendeteksi kerusakan pada monitor dan juga penanganannya. Dalam

perangkat ini, penulis menggunakan pendekatan dengan metode CF (Certainty

Factor), untuk menangani ketidakpastian data yang terdapat pada basis

pengetahuan yang dibentuk. Perangkat lunak tersebut seringkali disebut sebagai

sistem pakar.

1.2 Rumusan Masalah

Berdasarkan uraian latar belakang tersebut, maka dapat dirumuskan

masalah yaitu bagaimana merancang sebuah sistem pendeteksian kerusakan

monitor CRT dengan menggunakan metode CF yang dibuat dalam sebuah aplikasi

sistem pakar .

1.3 Batasan Masalah

Sistem ini dibatasi oleh beberapa hal, yaitu :

a. Pendeteksian pada kerusakan monitor CRT/ tabung.

b. Sistem pakar yang dibuat digunakan untuk memandu teknisi-teknisi baru

serta orang yang tertarik dalam perbaikan kerusakan monitor yang terjadi.

Dalam hal ini orang-orang yang menggunakan sistem ini sudah

mempunyai pengetahuan dasar tentang monitor CRT dan elektronika.

c. Aplikasi sistem pakar yang dibangun bersifat dinamis, yakni memiliki

kemampuan untuk menambah, mengubah dan menghapus knowledge base.

4

d. Menggunakan metode CF (Certainty Factor) dalam mengolah

ketidakpastian data dengan memberikan kesimpulan yang valid. CF yang

diambil sebagai hasil deteksi adalah CF dengan nilai terbesar.

e. Pengguna menjawab pertanyaan sistem dengan memilih jawaban ya atau

tidak.

1.4 Keaslian Penelitian

Sebelum penulis membuat sistem ini, telah ada beberapa penulis lain yang

lebih dahulu membuatnya, tetapi sistem yang dibuat ini memiliki perbedaan dari

sistem-sistem sebelumnya, karena penulis membuat sistem ini menggunakan

Borland Delphi 7 yang bersifat aplikasi desktop yang disajikan dalam tampilan

sistem yang berbeda. Penulis juga belum mendapatkan beberapa penulis lain yang

mengajukan sistem tersebut sebagai salah satu judul tugas akhir, dengan demikian

sistem yang dibuat penulis ini belum pernah dibuat sebelumnya.

Untuk tugas akhir ini, peneliti mencoba mengaplikasikan sistem pakar

dengan metode Certainty Factor untuk mendeteksi kerusakan pada monitor CRT

yang nantinya dapat diidentifikasi dengan baik oleh komputer.

1.5 Tujuan Penelitian

Tujuan penelitian ini adalah merancang serta mewujudkan suatu sistem

yang berfungsi dalam mendeteksi kerusakan monitor CRT dan juga

penanganannya sehingga dapat memberikan informasi dan juga pengetahuan

tentang kerusakan monitor bagi teknisi baru yang baru belajar dan orang awam

yang tertarik dalam mengetahui kerusakan dan penanganan monitor tersebut.

5

1.6 Manfaat Penelitian

Manfaat dari pembuatan sistem pakar ini adalah memberikan kemudahan

pengetahuan kepada teknisi baru dan juga orang awam yang tertarik dalam

menemukan letak permasalahan yang terjadi pada monitor komputernya, tanpa

bantuan menyewa teknisi ahli, sehingga diharapkan dapat menekan waktu

penyelesaian kerusakan bagi teknisi baru dan juga menekan biaya perbaikan pada

orang awam jika terjadi kerusakan dan dapat dikerjakan sendiri.

1.7 Tinjauan Pustaka

Sistem pakar mengenai pendeteksian kerusakan monitor sebelumnya telah

dirancang oleh beberapa orang yang berbeda-beda, mulai dari penampilan sistem

yang dibuat, bahasa pemrograman yang dipakai dan juga sistem yang dibuat

sampai pada berbasis web. Penulis yang pernah membuat sistem yang serupa

adalah Rifky, Tony Sulamanda dan Rudy Kustanto dari Universitas Bina

Nusantara yang membuat analisis dan perancangan sistem pakar untuk diagnosa

kerusakan monitor dengan menggunakan pendekatan probabilitas Bayesian

dengan menggunakan bahasa pemrograman Java (Rifky dkk,2005). Selain itu ada

juga perancangan aplikasi sistem pakar untuk mendeteksi kerusakan pada monitor

LCD oleh Rindi Juni Yantika dan Kusrini dari STMIK AMIKOM Yogyakarta

tahun 2012 yang berbasis web (Yantika dan Kusrini,2012). Ada juga aplikasi

sistem pakar untuk troubleshooting pada monitor komputer yang dirancang oleh

Zulkifli, Sri Wulam Windu Ratih dalam penulisan ilmiah di Fakultas Ilmu

Komputer, Gunadarma pada tahun 2005 (Zulkifli danRatih,2005).

6

Selain itu sistem pakar yang memuat kerusakan monitor lainnya dibuat

oleh beberapa orang, dimana mereka menggabungkannya dengan kerusakan-

kerusakan hardware komputer lainnya. Di antaranya yakni rekayasa pengetahuan

pakar berbasis aturan untuk identifkasi kerusakan hardware oleh Yuhendra dari

Jurusan Teknik Informatika, Institut Teknologi Padang tahun 2008 dengan

menggunakan software Visual Basic 6.0 Profesional Edition (Yuhendra,2008).

Ada juga perancangan sistem pakar troubleshooting personal computer yang

dibuat oleh Jati Sasongko dari Fakultas Teknologi Informasi, Universitas

Stikubank Semarang pada tahun 2007 dalam aplikasi desktop (Sasongko,2007).

Selain itu, Fastsyahrina Fitriastuti dan Luluk Sri Ekowati dari Universitas

Janabadra Yogyakarta membuat aplikasi sistem pakar berbasis web untuk

mendeteksi kerusakan perangkat keras komputer dengan metode backward

chaining pada tahun 2009 (Fitriastuti dan Ekowati,2009).

1.8 Metode Penelitian

Metodologi yang digunakan dalam penelitian pembangunan sistem pakar

pendeteksian kerusakan monitor CRT dengan metode CF ini adalah metode

kuantitatif. Adapun tahapan proses penelitian yang dilakukan adalah sebagai

berikut :

a. Tahap pengumpulan data

Metode pengumpulan data yang digunakan dalam penelitian ini adalah

sebagai berikut :

7

1. Studi pustaka

Pengumpulan data dengan cara mengumpulkan literatur, jurnal, paper dan

bacaan-bacaan yang ada kaitannya dengan pokok bahasan penelitian.

2. Observasi

Teknik pengumpulan data dengan mengadakan pengamatan secara

langsung dan mengindra terhadap objek penelitian.

3. Wawancara

Teknik pengumpulan data dengan jalan melakukan tanya jawab

dengan responden (pakar dan teknisi ahli).

b. Tahap pembangunan perangkat lunak.

Teknik pembangunan sistem perangkat lunak dilakukan secara waterfall,

yang meliputi beberapa proses yakni :

1. Definisi Kebutuhan

Merupakan bagian dari sistem yang terbesar dalam pengerjaan suatu

proyek, dimulai dengan menetapkan berbagai kebutuhan dari semua

elemen yang diperlukan sistem dan mengalokasikannya kedalam

pembentukan perangkat lunak.

2. Analisis

Merupakan tahap menganalisis hal-hal yang diperlukan dalam pelaksanaan

proyek pembuatan perangkat lunak.

3. Design

Tahap penerjemahan dari data yang dianalisis kedalam bentuk yang mudah

dimengerti oleh pengguna.

8

4. Coding

Tahap penerjemahan data atau pemecahan masalah yang telah

dirancang ke dalam bahasa pemrograman tertentu.

5. Pengujian

Merupakan tahap pengujian terhadap perangkat lunak yang dibangun.

6. Maintenance

Tahap akhir dimana suatu perangkat lunak yang sudah selesai dapat

mengalami perubahanperubahan atau penambahan sesuai dengan

permintaan pengguna.

1.9 Sistematika Penulisan

Dalam penyusunan tugas akhir ini, sistematika penulisan dibagi menjadi

beberapa bab sebagai berikut :

BAB I Pendahuluan

Bab ini berisi pembahasan masalah umum yang meliputi latar belakang, rumusan

masalah, batasan masalah, keaslian penelitian, tujuan penelitian, manfaat

penelitian, tinjauan pustaka, metode penelitian dan sistematika penulisan.

BAB II Landasan Teori

Bagian ini memuat landasan teori yang berfungsi sebagai sumber atau alat dalam

memahami permasalahan yang berkaitan dengan sistem pakar pendeteksian

kerusakan monitor CRT dengan metode CF.

BAB III Analisis & Perancangan Sistem

Bagian ini mengandung tahapan/urutan penyelesaian masalah yang diungkapkan

dalam bab pendahuluan dengan menggunakan metode pada bab landasan teori.

9

BAB IV Implementasi

Bagian ini memuat produk sebagai hasi dari bab analisis dan perancangan sistem.

BAB V Hasil dan Pembahasan

Bagian ini membahas tentang analisis kinerja dari perangkat lunak. Pada bagian

ini mengulas analisis hasil pengujian terhadap sistem yang dibandingkan dengan

kebenaran dan kesesuaiannya dengan kebutuhan perangkat lunak yang telah

dituliskan pada bagian pendahuluan.

BAB VI Kesimpulan dan Saran

Memuat kesimpulan-kesimpulan yang merupakan rangkuman dari hasil dan

pembahasan perangkat lunak pada bagian sebelumnya dan saran yang perlu

diperhatikan berdasarkan keterbatasan yang ditemukan dan asumsi-asumsi yang

dibuat selama pembuatan perangkat lunak.

10

BAB II

LANDASAN TEORI

2.1 Kecerdasan Buatan

Kecerdasan buatan adalah salah satu bidang ilmu komputer yang

mendayagunakan komputer sehingga dapat berperilaku cerdas seperti manusia.

Ilmu komputer tersebut mengembangkan perangkat lunak dan perangkat keras

untuk menirukan tindakan manusia. Aktifitas manusia yang ditirukan seperti

penalaran, penglihatan, pembelajaran, pemecahan masalah, pemahaman bahasa

alami dan sebagainya. Giarratano dan Riley (2005) dalam Hartati (2008)

menyatakan bahwa bidang-bidang yang termasuk dalam kecerdasan buatan adalah

Robotika, Penglihatan Komputer, Pengolahan Bahasa Alami, Pengenalan Suara,

Sistem Syaraf Buatan, Sistem Pakar dan Pengenalan Pola yang tersaji pada

Gambar 2.1. Kecerdasan buatan menyelesaikan permasalahan dengan

mendayagunakan komputer untuk memecahkan masalah yang kompleks dengan

cara mengikuti proses penalaran manusia. Salah satu teknik kecerdasan buatan

yang menirukan proses penalaran manusia adalah sistem pakar.

10

11

Gambar 2.1 Beberapa bidang kecerdasan buatan

2.2 Sistem Pakar

Sistem pakar pertama kali dikembangkan oleh komunitas AI (Artificial

Intelligence) atau komunitas kecerdasan buatan, pada pertengahan tahun 1960.

Sistem pakar yang muncul pertama kali adalah General Purpose Problem Solver

(GPS) yang dikembangkan oleh Newel & Simon (Kusumadewi,2003).

Menurut Martin dan Oxman (1988) dalam Hartati (2008), 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. Selain definisi tersebut, ada

beberapa definisi dari para ahli yang disajikan dalam Tabel 2.1.

Robotika Penglihatan Komputer

Sistem Syaraf Buatan Pengolahan

Bahasa Alami Pengenalan Suara

Pengenalan Pola

Sistem Pakar

Kecerdasan Buatan

12

Tabel 2.1 Definisi sistem pakar Ignizio (1991)

Sistem pakar merupakan bidang yang dicirikan oleh sistem berbasis pengetahuan (Knowledge Base System), memungkinkan komputer dapat berpikir dan mengambil kesimpulan dari sekumpulan kaidah.

Turban dan Aronson (2001)

Sistem yang menggunakan pengetahuan manusia yang dimasukkan ke dalam komputer untuk memecahkan masalah masalah yang biasanya diselesaikan oleh pakar.

Giarratano dan Riley (2005)

Salah satu cabang kecerdasan buatan yang menggunakan pengetahuan-pengetahuan khusus yang dimiliki oleh seorang ahli untuk menyelesaikan suatu masalah tertentu.

Turban (1995) dalam Hartati (2008), menyatakan bahwa konsep dasar dari

suatu sistem pakar mengandung beberapa unsur/elemen, yaitu keahlian, ahli,

pengalihan keahlian, inferensi, aturan dan kemampuan menjelaskan.

Keahlian merupakan suatu penguasaan pengetahuan di bidang tertentu

yang didapat dari pelatihan, membaca atau pengalaman. Ahli adalah seorang yang

mempunyai pengetahuan tertentu dan mampu menjelaskan suatu tanggapan,

mempelajari hal-hal baru seputar topik permasalahan (domain), menyusun

kembali pengetahuan jika dipandang perlu, memilah aturan jika dibutuhkan, dan

menentukan relevan atau tidaknya keahlian mereka.

Pengalihan keahlian dari para ahli untuk kemudian dialihkan lagi ke orang

lain yang bukan ahli, merupakan tujuan utama dari sitem pakar. Proses ini

membutuhkan 4 aktivitas, yaitu tambahan pengetahuan (dari para ahli atau

sumber-sumber lainnya), representasi pengetahuan (ke komputer), inferensi

pengetahuan dan pengalihan pengetahuan ke pengguna. Pengetahuan yang

disimpan di komputer dinamakan dengan nama basis pengetahuan (knowledge-

base). Ada dua tipe pengetahuan yaitu fakta dan aturan.

13

Salah satu fitur yang harus dimiliki oleh sistem pakar adalah kemampuan

untuk menalar (reasoning). Jika keahlian-keahlian sudah tersimpan sebagai basis

pengetahuan dan sudah tersedia program yang mampu mengakses basis data,

maka komputer harus dapat diprogram untuk membuat inferensi (inference

engine).

2.2.1 Keuntungan dan Kelemahan Sistem Pakar

Secara garis besar, ada banyak keuntungan bila menggunakan sistem

pakar (Kusumadewi,2003). Beberapa diantaranya yaitu :

a. Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli.

b. Bisa melakukan proses secara berulang secara otomatis.

c. Menyimpan pengetahuan dan keahlian para pakar.

d. Meningkatkan ouput dan produktivitas

e. Mampu mengambil dan melestarikan keahlian para pakar (terutama yang

termasuk keahlian langka)

f. Mampu beroperasi dalam keadaan berbahaya.

g. Memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan

mengandung ketidakpastian.

h. Sebagai media pelengkap dalam pelatihan.

i. Menghemat waktu dalam pengambilan keputusan.

Di samping memiliki beberapa keuntungan, sistem pakar juga memiliki

beberapa kelemahan , antara lain :

a. Biaya yang diperlukan untuk membuat dan memeliharanya sangat mahal.

14

b. Sulit dikembangkan. Hal ini tentu saja erat kaitannya dengan ketersediaan

pakar di bidangnya.

c. Sistem pakar tidak 100 % bernilai benar.

d. Pendekatan oleh setiap pakar untuk suatu situasi atau problem bisa berbeda-

beda, meskipun sama-sama benar.

e. Sangat sulit bagi seorang pakar untuk mengabstraksi atau menjelaskan

langkah mereka dalam menangani masalah.

f. Istilah yang dipakai oleh pakar dalam mengekspresikan fakta seringkali

terbatas dan tidak mudah dimengerti oleh orang lain.

g. Transfer pengetahuan dapat bersifat subyektif (Sadewo,2010)

2.2.2 Struktur Sistem Pakar

Turban (1995) dalam Hartati (2008), menyatakan bahwa sistem pakar

dibangun oleh dua bagian utama, yaitu lingkungan pengembangan (development

environment) dan lingkungan konsultasi (consultation environment). Lingkungan

pengembang sistem pakar digunakan untuk memasukkan pengetahuan pakar ke

dalam lingkungan sistem pakar, sedangkan lingkungan konsultasi digunakan oleh

pengguna yang bukan pakar guna memperoleh pengetahuan pakar.

15

Gambar 2.2 Struktur sistem pakar

2.2.3.1 Antarmuka Pengguna (User Interface)

User interface merupakan mekanisme yang digunakan oleh pengguna dan

sistem pakar untuk berkomunikasi. Antarmuka menerima informasi dari pemakai

dan mengubahnya ke dalam bentuk yang dapat diterima oleh sistem. Selain itu

antarmuka menerima informasi dari sistem dan menyajikannya ke dalam bentuk

yang dapat dimengerti oleh pemakai. McLeod (1995) dalam Arhami (2004),

menyatakan bahwa pada bagian ini terjadi dialog antara program dan pemakai,

yang memungkinkan sistem pakar menerima instruksi dan informasi (input) dari

pemakai, juga memberikan informasi (ouput) kepada pemakai.

16

2.2.3.2 Basis Pengetahuan

Basis pengetahuan merupakan kumpulan pengetahuan bidang tertentu pada

tingkatan pakar dalam format tertentu. Pengetahuan ini diperoleh dari akumulasi

pengetahuan pakar dan sumber-sumber pengetahuan lainnya seperti yang telah

disebutkan sebelumnya. Pengetahuan tersebut mencakup dua elemen dasar, yaitu :

a. Fakta, misalnya situasi persoalan dan teori area persoalan.

b. Heuristik atau aturan khusus yang mengarahkan penggunaan pengetahuan

untuk memecahkan persoalan khusus dalam domain tertentu. Heuristik

menyatakan pengetahuan penilaian informasi dalam area aplikasi.

Basis pengetahuan bersifat dinamis, bisa berkembang dari waktu ke waktu.

Perkembangan ini disebabkan karena pengetahuan selalu bertambah atau

berkembang. Pada sistem pakar basis pengetahuan terpisah dari mesin inferensi.

Pemisahan ini bermanfaat untuk pengembangan sistem pakar secara leluasa

disesuaikan dengan perkembangan pengetahuan pada suatu domain. Penambahan

dan pengurangan dapat dilakukan pada basis pengetahuan ini tanpa mengganggu

mesin inferensi. Pada basis pengetahuan terdapat 2 (dua) bentuk pendekatan basis

pengetahuan yang umum, yaitu:

a. Rule-based reasoning (penalaran berbasis aturan).

Pada penalaran berbasis aturan, pengetahuan direpresentasikan dengan

menggunakan aturan berbentuk: IF-THEN. Bentuk ini digunakan apabila dimiliki

sejumlah pengetahuan pakar pada suatu permasalahan tertentu, dan pakar dapat

menyelesaikan masalah tersebut secara berurutan. Di samping itu bentuk ini juga

17

digunakan apabila dibutuhkan penjelasan tentang jejak (langkah-langkah)

pencapaian solusi.

b. Case-based reasoning (penalaran berbasis kasus)

Pada penalaran berbasis kasus, basis pengetahuan akan berisi solusi-solusi

yang telah dicapai sebelumnya, kemudian akan diturunkan suatu solusi untuk

keadaan yang terjadi sekarang (fakta yang ada). Bentuk ini digunakan apabila

pengguna menginginkan untuk tahu lebih banyak lagi pada kasus-kasus yang

hampir sama (mirip). Selain itu, bentuk ini juga digunakan apabila telah dimiliki

sejumlah situasi atau kasus tertentu dalam basis pengetahuan.

2.2.3.3 Mesin Inferensi

Turban (1995) dalam Arhami (2004) menyatakan bahwa mesin inferensi

adalah program komputer yang memberikan metodologi untuk penalaran tentang

informasi yang ada dalam basis pengetahuan dan dalam workplace, dan untuk

memformulasikan kesimpulan. Komponen ini menyajikan arahan-arahan tentang

bagaimana menggunakan pengetahuan dari sistem dengan membangun agenda

yang mengelola dan mengontrol langkah-langkah yang diambil untuk

menyelesaikan masalah ketika dilakukan konsultasi. Di dalam mesin inferensi ini

terdapat agenda, yaitu daftar prioritas aturan yang dibuat oleh mesin inferensi,

yang polanya dipenuhi oleh fakta atau obyek dalam memori kerja. Terdapat dua

pendekatan untuk mengontrol inferensi dalam sistem pakar berbasis aturan, yaitu :

a. Pelacakan ke depan (fordward chaining)

Pelacakan ke depan adalah pendekatan yang dimotori data (data driven).

Dalam pendekatan ini pelacakan dimulai dari informasi masukan, dan selanjutnya

18

mencoba menggambarkan kesimpulan. Pelacakan ke depan mencari fakta yang

sesuai dengan bagian IF dari aturan IF-THEN.

Gambar 2.3 Proses forward chaining

b. Pelacakan ke belakang (backward chaining)

Pelacakan ke belakang adalah pendekatan yang dimotori tujuan (goal

driven) yaitu pelacakan yang dimulai dari tujuan, selanjutnya dicari aturan yang

memiliki tujuan tersebut untuk kesimpulannya. Selanjutnya proses pelacakan

menggunakan premis untuk aturan tersebut sebagai tujuan baru dan mencari aturan

lain dengan tujuan baru sebagai kesimpulannya.

Gambar 2.4 Proses backward chaining

Kedua metode inferensi tersebut dipengaruhi oleh tiga macam penelusuran,

yaitu Depth-first search, Breadth-first search dan Best-first search.

a. Depth-first search, melakukan penelusuran kaidah secara mendalam

dari simpul akar bergerak menurun ke tingkat dalam yang berurutan.

b. Breadth-first search, bergerak dari simpul akar, simpul yang ada pada

setiap tingkat diuji sebelum pindah ke tingkat selanjutnya.

c. Best-first search, bekerja berdasarkan kombinasi kedua metode

sebelumnya.

19

2.2.3.4 Workplace (Tempat Kerja)

Workplace merupakan area dari sekumpulan memori kerja (working

memory) (Arhami,2004). Workplace digunakan untuk merekam hasil-hasil dan

kesimpulan yang dicapai. Ada 3 tipe keputusan yang dapat direkam, yaitu :

a. Rencana :Bagaimana menghadapi masalah.

b. Agenda :Aksi-aksi yang potensial yang sedang menunggu untuk dieksekusi.

c. Solusi :Calon aksi yang akan dibangkitkan.

2.2.3.5 Fasilitas Penjelasan

Karena pemakai kadangkala bukanlah ahli dalam bidang tersebut, maka

dibuatlah fasilitas penjelasan. Fasilitas penjelasan inilah yang dapat memberikan

informasi kepada pemakai mengenai jalannya penalaran sehingga dihasilkan suatu

keputusan. Bentuk penjelasannya dapat berupa keterangan yang diberikan setelah

suatu pertanyaan diajukan, yaitu penjelasan atas pertanyaan mengapa, atau

penjelasan atas pertanyaan bagaimana sistem mencapai konklusi. Tujuannya

membuat sistem menjadi cerdas, menunjukkan adanya proses analisa dan yang

tidak kalah pentingya adalah memuaskan psikologis pemakai.

2.2.3.6 Akuisisi Pengetahuan

Akuisisi pengetahuan adalah akumulasi, transfer dan transformasi keahlian

dalam menyelesaikan masalah dari sumber pengetahuan ke dalam program

komputer. Untuk menjamin bahwa pengetahuan pada sistem pakar ini up to date

dan valid, maka fasilitas akuisisi pengetahuan hanya bisa diakses oleh pakar.

Menurut Turban (1998) dalam Arhami (2004), terdapat empat metode utama

dalam akuisisi pengetahuan, yaitu :

20

a. Wawancara

Wawancara adalah metode akuisisi yang paling banyak digunakan. Metode

ini melibatkan pembicaraan dengan pakar secara langsung dalam suatu

wawancara.

b. Analisis protokol

Dalam metode akuisisi ini, pakar diminta untuk melakukan suatu pekerjaan

dan mengungkapkan proses pemikirannya dengan menggunakan kata-kata.

Pekerjaan tersebut direkam, dituliskan, dan dianalisis.

c. Observasi pada pekerjaan pakar

Dalam metode ini, pekerjaan dalam bidang tertentu yang dilakukan pakar

direkam dan diobservasi.

d. Induksi aturan dari contoh

Metode ini dibatasi untuk sistem berbasis aturan. Induksi adalah suatu

proses penalaran dari khusus ke umum. Suatu sistem induksi aturan diberi contoh-

contoh dari suatu masalah yang hasilnya telah diketahui. Setelah diberikan

beberapa contoh, sistem induksi aturan tersebut dapat membuat aturan yang benar

untuk kasus-kasus contoh. Selanjutnya aturan dapat digunakan untuk menilai

kasus lain yang hasilnya tidak diketahui.

2.3 Representasi Pengetahuan

Dalam pembangunan sistem berbasis pengetahuan, pengetahuan yang telah

diekstrak dimasukkan kedalam program komputer oleh proses yang disebut

representasi pengetahuan (knowledge representation). Sistem representasi

pengetahuan merupakan gabungan dari dua elemen yakni struktur data dan

21

prosedur menafsirkan (interpretive procedure) untuk pemakaian pengetahuan

yang dimasukkan dalam struktur data. Terdapat empat teknik yang telah

dibuktikan efektif untuk representasi pengetahuan, yang paling populer adalah

frame, jaringan semantik, script dan aturan produksi.

2.3.1 Frame

Frame adalah struktur data yang menyertakan semua pengetahuan tentang

objek tertentu. Frame mencakup dua elemen dasar: slot dan facet. Slot adalah

atribut yang mendefenisikan objek yang direpresentasikan oleh frame. Tiap slot

berisi satu atau lebih facet. Facet mendeskripsikan beberapa pengetahuan atau

informasi prosedural tentang atribut dalam slot. Frame menyediakan sarana

mengatur pengetahuan dalam slot yang berisi karakter dan atribut.

2.3.2 Jaringan Semantik

Jaringan semantik berfokus pada hubungan antar konsep yang berbeda.

Jaringan ini adalah gambaran grafis pengetahuan terdiri dari node dan link yang

menunjukkan hubungan hirarki antara objek. Jaringan semantik terdiri dari node

yang merepresentasikan objek, dan informasi deskriptif tentang objek. Salah satu

fakta yang paling menarik tentang jaringan semantik adalah dapat menunjukkan

pewarisan. Karena jaringan semantik pada dasarnya berupa hirarki, maka berbagai

karakteristik beberapa node sebenarnya mewarisi karakteristik yang lain.

2.3.3 Script

Script merupakan skema representasi pengetahuan yang sama dengan

frame. Hanya saja frame menggambarkan objek sedangkan script menggambarkan

urutan peristiwa. Sama halnya dengan frame, script juga untuk merepresentasikan

22

situasi atau pengetahuan stereotipe atau pengetahuan yang didasarkan pada

karakteristik yang sudah dikenal dan merupakan pengalaman. Berbeda dengan

frame, script biasanya direpresentasikan ke dalam konteks tertentu. Penggambaran

urutan peristiwa pada script menggunakan serangkaian slot yang berisi informasi

tentang orang, objek, dan tindakan-tindakan yang terjadi dalam suatu peristiwa.

Script mempunyai beberapa elemen yang tipikal, yaitu kondisi masukan, prop,

role dan scene. Kondisi masukan menggambarkan situasi yang harus dipenuhi

sebelum terjadi atau berlaku suatu peristiwa yang ada dalam script. Prop mengacu

kepada objek yang digunakan dalam urutan peristiwa yang terjadi. Role mengacu

kepada orang-orang yang terlibat dalam script. Hasilnya adalah kondisi yang ada

sesudah peristiwa script berlangsung. Track mengacu kepada variasi yang

mungkin terjadi dalam script tertentu. Akhirnya, scene menggambarkan urutan

peristiwa aktual yang terjadi.

2.3.4 KaidahProduksi

Kaidah produksi adalah bentuk representasi pengetahuan yang paling

populer untuk sistem pakar. Pengetahuan direpsentasikan dalam bentuk :

IF [kondisi] THEN [aksi]

Tiap kaidah produksi dalam basis pengetahuan mengimplementasikan sebagian

keahlian otonomi yang dapat dikembangkan dan dimodifikasi secara terpisah dari

kaidah lain. Pada saat dimasukkan dan digabungkan kedalam mesin inferensi,

sekumpulan kaidah berlaku secara sinergi, memberikan hasil yang lebih baik

daripada jumlah hasil aturan individu.

23

Sistem produksi secara umum terdiri dari komponen-komponen sebagai

berikut :

a. Ruang keadaan, yang berisi keadaan awal, tujuan dan kumpulan aturan

yang digunakan untuk mencapai tujuan.

b. Strategi kontrol, yang berguna untuk mengarahkan bagaimana proses

penarikan akan berlangsung dan mengendalikan arah eksplorasi.

Sebelum sampai pada bentuk kaidah produksi, terdapat langkah-langkah

yang harus ditempuh dari pengetahuan yang didapatkan dalam domain tertentu.

Langkah-langkah tersebut adalah menyajikan pengetahuan yang berhasil

didapatkan dalam bentuk tabel keputusan (decision table) kemudian dari tabel

keputusan dibuat pohon keputusan (decision tree) (Hartati, 2008).

2.3.4.1 Tabel Keputusan dan Pohon Keputusan

Tabel keputusan merupakan suatu cara untuk mendokumentasikan

pengetahuan. Tabel keputusan merupakan matriks kondisi yang dipertimbangkan

dalam pendeskripsian kaidah. Tabel 2.2 merupakan suatu bentuk tabel keputusan.

Tabel 2.2 Tabel Keputusan

Kondisi 1 Kondisi 2 Kondisi 3

Kaidah yang disajikan dalam bentuk kaidah produksi disusun dari tabel

keputusan (dibentuk dari pengubahan tabel keputusan). Pembuatan suatu kaidah

dilakukan dengan beberapa tahapan. Sebagai contohnya pembuatan kaidah 1.

Pertama, lihat Goal 1 merupakan konklusi dari kaidah 1. Konklusi ini akan dapat

Goal 1 Goal 2

24

dicapai bila kondisi-kondisi yang mendukungnya terpenuhi. Kedua, tanda centang

() pada kolom di bawah Goal 1 menunjukkan kondisi mana yang harus dipenuhi

untuk mencapai konklusi tersebut. Pada Goal 1, terlihat tanda centang berada

pada kondisi 1 dan kondisi 2. Ketiga, pembuatan kaidah 1 menggunakan goal fan

kondisi yang telah diperoleh dari langkah 1 dan 2, seperti berikut ini :

Kaidah 1 : Goal 1 IF

Kondisi 1 AND

Kondisi 2

Kaidah 2 dapat diperoleh dengan cara yang sama :

Kaidah 2 : Goal 2 IF

Kondisi 2 AND

Kondisi 3

Meskipun kaidah secara langsung dapat dihasilkan dari tabel keputusan

tetapi untuk menghasilkan kaidah yang efesien terdapat suatu langkah yang harus

ditempuh yaitu membuat pohon keputusan terlebih dahulu. Dari pohon keputusan

dapat diketahui atribut (kondisi) yang dapat direduksi sehingga menghasilkan

kaidah yang efesien dan optimal. Sebagai contoh akan disampaikan penyajian

pengetahuan untuk mengidentifikasi jenis pesawat terbang (Ignizio, 1991).

Pengetahuan yang didapat disajikan dalam tabel pengetahuan seperti ini :

Tabel 2.3 Tabel Keputusan Identifikasi Pesawat Tipe Pesawat Atribut

C130 C141 C5A B747

Tipe Mesin Prop Jet Jet Jet Posisi Sayap High High High Low Bentuk Sayap Conventional Swept-Back Swept-Back Swept-Back Bentuk Ekor Conventional T-tail T-tail Conventional Bulges Under Wings Aft Wings None Aft Cockpit

25

Identifikasi pesawat tipe tertentu dapat dengan mudah diketahui jika

melihat tabel keputusan di atas. Sebuah pesawat termasuk tipe C130 jika memiliki

cirri-ciri : tipe mesinnya prop, posisi sayap high, bentuk sayap conventional, ekor

conventional, dan posisi bulges berada di bawah sayap (under wings). Identifikasi

pesawat dilakukan dengan memperhatikan 5 atribut penentu yang ada, tetapi

dapat saja identifikasi dilakukan dengan memperhatikan atribut-atribut yang

benar-benar membedakan tipe pesawat yang satu dengan yang lain. Hal ini akan

terlihat lebih jelas dalam bentuk pohon keputusan. Pohon keputusan dibuat dengan

mengacu dari tabel keputusan yang ada. Dari tabel keputusan yang digunakan

untuk menyimpan pengetahuan hasil akuisisi, dapat dibuat pohon keputusan

seperti pada gambar 2.5

26

Gambar 2.5 Pohon Keputusan Identifikasi Pesawat

Dengan melihat pohon keputusan, jika diketahui tipe mesin adalah prop

maka langsung dapat diambil kesimpulan bahwa tipe pesawat adalah C130.

Sedangkan jika diketahui tipe mesin adalah jet belum dapat disimpulkan tipe

pesawatnya. Dengan kata lain masih harus dibutuhkan atribut lain yang membantu

identifikasi. Atribut yang digunakan untuk membantu identifikasi adalah bentuk

sayap. Bentuk sayap ada dua yaitu conventional dan swept back. Dari proses

penggalian pengetahuan yang sudah disajikan dalam bentuk tabel keputusan

diketahui bahwa untuk tipe mesin jet tidak ada yang memiliki bentuk sayap

conventional, sehingga dalam pohon keputusan ditandai dengan tanda tanya (?).

Untuk bentuk sayap swept back masih belum dapat menyimpulkan tipe

prop jet

swept conventional

low high

T-tail conventional

none aft wings

under wings aft cockpit

TIPE MESIN

C130 BENTUK SAYAP

POSISI SAYAP ?

B747 BENTUK EKOR

BULGES

C5A C141

? ?

?

27

pesawatnya, karena dengan memperhatikan tabel keputusan ketiga tipe pesawat

yang memiliki mesin jet semua memiliki bentuk sayap swept back. Proses

identifikasi dilanjutkan dengan memperhatikan atribut posisi sayap. Posisi sayap

dibagi menjadi dua yaitu high dan low. Pesawat yang memiliki posisi sayap low

langsung dapat diketahui tipenya yaitu B747, tetapi jika posisi sayap high masih

belum dapat disimpulkan kategori tipe pesawatnya. Hal ini disebabkan untuk tipe

mesin jet, bentuk sayap swept, dan posisi sayap high masih ada dua tipe pesawat

yaitu C141 dan C5A. Atribut yang digunakan untuk melakukan identifikasi

selanjutnya adalah bentuk ekor. Terdapat dua bentuk ekor yaitu conventional dan

T-tail. Pesawat yang memiliki tipe mesin jet, bentuk sayap swept, dan posisi sayap

high tidak ada yang memiliki bentuk ekor conventional, sehingga dalam pohon

keputusan digambarkan dengan tanda tanya (?). Pesawat yang memiliki bentuk

ekor T-tail masih belum dapat disimpulkan tipenya sehingga masih perlu atribut

untuk membantu identifikasi yaitu atribut bulges. Bulges dibagi menjadi empat

yaitu under wings, aft wings, aft cockpit, dan none (tidak ada). Pesawat yang

memilki tipe mesin jet, bentuk sayap swept, posisi sayap high, dan bentuk ekor T-

tail tidak ada yang memilki bulges under wings dan aft cockpit sehingga

digambarkan dengan tanda tanya (?), sedangkan bulges dengan aft wings adalah

tipe pesawat C141 dan none untuk tipe pesawat C5A.

Pohon keputusan yang telah dibuat dengan mengacu dari tabel keputusan

dapat digunakan sebagai acuan untuk mereduksi atribut-atribut yang sebenarnya

dapat dihilangkan dalam proses identifikasi pesawat. Atribut yang dapat

dihilangkan adalah atribut-atribut yang mengandung node dengan notasi tanda

28

tanya (?), kecuali dari atribut tersebut dapat disimpulkaan suatu konklusi. Proses

reduksinya terlihat pada gambar 2.6 dan 2.7.

Gambar 2.6 Proses reduksi atribut

prop jet

swept conventional

low high

T-tail conventional

none aft wings

under wings aft cockpit

TIPE MESIN

C130 BENTUK SAYAP

POSISI SAYAP ?

B747 BENTUK EKOR

BULGES

C5A C141

? ?

?

Hilang,Karena terdapat Node yang mengandung?

Hilang, karena Bukan konklusi

29

Gambar 2.7 Pohon Keputusan Hasil Reduksi

Pohon keputusan pada gambar 2.7 lebih baik daripada pohon keputusan

pada gambar 2.5. Terlihat pada gambar 2.7, hanya dengan menggunakan tiga buah

atribut saja sudah dapat digunakan untuk melakukan identifikasi tipe pesawat,

tidak perlu semua atribut yang didapatkan dari akuisisi pengetahuan dipergunakan

untuk identifikasi. Hal ini akan sangat membantu pada saat proses yang dilakukan

komputer dari sisi penyimpanan dan kecepatan proses terkait dengan penyajian

kaidah yang dihasilkan dari pohon keputusan. Dari sistem pakar sendiri dengan

adanya atribut yang direduksi maka premis akan berkurang dengan sendirinya, dan

ini membantu sekali pada sesi konsultasi.

Pohon keputusan dapat juga dibuat seminimal mungkin dalam arti atribut

yang digunakan untuk identifikasi jumlahnya minimal. Dalam kasus identifikasi

tipe pesawat hanya dengan menggunakan atribut bulges dapat digunakan sebagai

identifikasi, karena untuk masing-masing tipe pesawat berbeda. Pohon keputusan

minimal untuk identifikasi tipe pesawat disajikan dalam gambar 2.8

prop jet

low high

none aft wings

TIPE MESIN

C130 POSISI SAYAP

B747 BULGES

C5A C141

30

Gambar 2.8 Pohon Keputusan Minimal

Berikut juga akan diberikan variasi contoh yang lain terkait dengan

penyajian dalam bentuk tabel keputusan dan pohon keputusan.

Tabel 2.4 Tabel Keputusan Hipotesa Evidence

Hipotesa 1 Hipotesa 2 Hipotesa 3 Hipotesa 4

Evidence A Ya Ya Ya Tidak Evidence B Ya Tidak Ya Ya Evidence C Ya Tidak Tidak Ya Evidence D Tidak Tidak Tidak Ya Evidence E Tidak Ya Ya Tidak

Mengacu pada tabel 2.4, dapat dibuat pohon keputusan sebagai berikut :

Gambar 2.9 Pohon Keputusan

none aft wings

under wings aft cockpit

BULGES

C5A C141

C130 B747

A

B

C

D E

B

E C **

H**

H **

H **

H **

y

y

y

y

y

y

y

y

t

t t

t t t

t t

31

Keterangan : A = evidence A, H1= hipotesa 1, y = ya B = evidence B, H2 = hipotesa 2, t = tidak C = evidence C, H3 = hipotesa 3, ** = tidak menghasilkan hipotesa tertentu D = evidence D, H4 = hipotesa 4

Dengan melihat pohon keputusan yang dihasilkan, dapat diketahui hipotesa

H1 terpenuhi jika memenuhi evidence A, B dan C. Hipotesa H2 terpenuhi jika

memiliki evidence A dan evidence E. Hipotesa H3 akan terpenuhi jika memiliki

evidence A, B dan E. Demikian juga untuk hipotesa H4 akan dihasilkan jika

memenuhi evidence B, C, dan D. Notasi y mengandung arti memenuhi node

(evidence) di atasnya, notasi t artinya tidak memenuhi. Dapat dicontohkan untuk

menghasilkan hipotesa H2 kalau diurutkan jalannya dari node A adalah memiliki

evidence A, tidak memiliki evidence B, dan memiliki evidence E. Dalam hal ini

jika tidak memenuhi evidence tertentu, maka diabaikan, sehingga hasil yang

didapatkan adalah hipotesa H2 terpenuhi jika memiliki evidence A dan E saja.

Dalam implementasi sistem pakar terutama dalam sesi konsultasi, node

yang mewakili evidence biasanya akan menjadi pertanyaan yang diajukan oleh

sistem. Mengacu pohon keputusan pada gambar 2.9 permasalahan bisa muncul

pada awal sesi konsultasi yaitu pada saat sistem pakar menanyakan Apakah

memiliki evidence A?. Terlihat dari pohon keputusan apapun jawaban pengguna

baik ya atau tidak maka sistem akan menanyakan evidence B, dengan kata lain

apapun jawaban pengguna maka tidak akan mempengaruhi sistem. Hal ini dpat

diatasi, salah satu caranya adalah dengan mengubah urutan pada tabel keputusan.

Alternatif tabel keputusan yang lain seperti terlihat pada tabel 2.5.

32

Tabel 2.5 Alternatif Tabel Keputusan Hipotesa Evidence

Hipotesa 1 Hipotesa 2 Hipotesa 3 Hipotesa 4

Evidence A Ya Ya Ya Tidak Evidence D Tidak Tidak Tidak Ya Evidence B Ya Tidak Ya Ya Evidence C Ya Tidak Tidak Ya Evidence E Tidak Ya Ya Tidak

Mengacu tabel keputusan pada tabel 2.5 dapat dihasilkan pohon keputusan

sebagai berikut :

Gambar 2.10 Pohon Keputusan

Terlihat dari pohon keputusan gambar 2.10, masing-masing node yang

mewakili evidence tertentu untuk kondisi y dan t sudah tidak mengarah pada

evidence yang sama. Dalam sesi konsultasi hal ini mengandung arti jawaban

pengguna yang berbeda, akan mengarah pada pertanyaan yang berbeda pula.

Proses akuisisi pengetahuan dalam sistem pakar bukanlah hal yang mudah

dan sederhana. Pengetahuan yang berhasil didapatkan dan disajikan dalam salah

A

B

B

C E

D

E C **

H1 **

H3 **

H2 **

H4 **

y

y

y

y

y

y

y

y

t

t t

t t

t

t t

33

satu bentuk representasi pengetahuan misalnya disajikan dalam bentuk tabel

keputusan dan dapat diubah susunanya seperti contoh kasus di atas, secara teori

sudah benar tetapi pada domain pengetahuan tertentu, pengubahan yang seperti itu

terkadang tidak diperkenankan. Dengan kata lain, pengetahuan yang akan

disajikan dalam bentuk representasi tertentu harus mengikuti kaidah-kaidah

kepakaran dalam domainnya dan tidak boleh bertentangan.

Menurut Firebaugh (1988) dalam Mola (2006), pohon keputusan AND-OR

merupakan gabungan dari pohon keputusan AND dan pohon keputusan OR.

Pohon keputusan AND mensyaratkan pemenuhan semua nilai atribut dalam child

node untuk mencapai konklusi pada parent node. Pada pohon keputusan OR,

cukup diperlukan pemenuhan nilai atribut dari salah satu child node untuk

mencapai konklusi pada parent node. Struktur pohon keputusan AND-OR

ditampilkan dalam gambar 2.11.

Gambar 2.11 Pohon Keputusan AND-OR (Firebaugh, 1988)

Contoh dari pohon keputusan AND-OR diberikan kasus pengecekan

kerusakan Not charging untuk jenis handphone 33XX (Mola,2006). Pengetahuan

yang telah disajikan dalam bentuk tabel keputusan pada tabel 2.6 tersebut dapat

pula disajikan dalam bentuk pohon keputusan AND-OR pada gambar 2.12.

34

Tabel 2.6 Tabel Keputusan Kerusakan Not Charging No. GJL

Kerusakan/ Solusi Panduan/Gejala

SLS097 SLS097 SLS098

140 Tegangan/ keluaran charger = 5V N Y Y 141 Kondisi kabel charger koyak atau putus Y N 142 Koneksi antara charger dan HP longgar Y

Keterangan : SLS097 : Gunakan charger yang berfungsi normal SLS098 : Ganti konektor charger pada HP atau kabel charger

Gambar 2.12 Pohon Keputusan AND-OR Kerusakan Not Charging (Mola,2006)

2.3.4.2 Konversi menjadi Kaidah Produksi

Pohon keputusan yang dihasilkan digunakan sebagai acuan dalam

menyusun kaidah. Atribut di dalam tabel keputusan menjadi premis di dalam

kaidah yang direpresentasikan secara kaidah produksi. Kaidah-kaidah yang

dihasilkan dari pohon keputusan secara keseluruhan dapat dilihat dari tabel 2.6.

Tabel 2.7 Himpunan Kaidah POHON KEPUTUSAN HIMPUNAN KAIDAH

Gambar 2.7

Kaidah 1 : IF tipe mesin prop THEN tipe pesawat C130 Kaidah 2 : IF tipe mesin jet AND posisi sayap low THEN tipe pesawat B747 Kaidah 3 : IF tipe mesin jet AND posisi sayap high AND bulges none THEN tipe pesawat B747 Kaidah 4 : IF tipe mesin jet AND posisi sayap high AND bulges aft wings THEN tipe pesawat C141

35

Gambar 2.8

Kaidah 1 : IF bulges none THEN tipe pesawat C5A Kaidah 2 : IF bulges aft wings THEN tipe pesawat C141 Kaidah 3 : IF bulges aft cockpit THEN tipe pesawat B747 Kaidah 4 : IF bulges under wings THEN tipe pesawat C130

Jumlah kaidah yang dihasilkan sama yaitu 4 kaidah baik mengacu dari

pohon keputusan pada gambar 2.7 dan gambar 2.8. Jumlah kaidah yang dihasilkan

dengan mengacu pada tabel keputusan juga sama. Himpunan kaidah tersebut

adalah sebagai berikut :

Kaidah 1 : IF tipe mesin prop AND posisi sayap high AND bentuk sayap

conventional AND bentuk ekor conventional AND bulges under

wings THEN tipe pesawat C130.

Kaidah 2 : IF tipe mesin jet AND posisi sayap high AND bentuk sayap

swept-back AND bentuk ekor T-tail AND bulges aft wings THEN

tipe pesawat C141.

Kaidah 3 : IF tipe mesin jet AND posisi sayap high AND bentuk sayap

swept-back AND bentuk ekor T-tail AND bulges none THEN tipe

pesawat C5A.

Kaidah 4 : IF tipe mesin jet AND posisi sayap low AND bentuk sayap

swept-back AND bentuk ekor conventional AND bulges aft

cockpit THEN tipe pesawat B747.

Kaidah yang dihasilkan dengan mengacu pada tabel keputusan akan

menampilkan semua atribut yang digunakan untuk identifikasi tipe pesawat.

Sedangkan kaidah yang dihasilkan dari pohon keputusan hanya akan menampilkan

atribut-atribut yang secara khusus dapat digunakan untuk identifikasi, karena

36

sebenarnya tidak perlu semua atribut digunakan untuk identifikasi. Dari pohon

keputusan dapat mengetahui atribut-atribut yang dapat direduksi sehingga dalam

bentuk kaidah produksi akan mengurangi jumlah premis dalam suatu kaidah.

Kaidah yang efesien adalah kaidah yang memiliki atribut (premis) lebih sedikit

dan dalam sesi konsultasi dari sisi implementasi sistem akan memunculkan

pertanyaan-pertanyaan yang potensial saja kepada pengguna. Perlu disadari juga

bahwa tidak selalu pohon keputusan yang minimal menjadi terbaik. Dalam kasus

identifikasi tipe pesawat ini pohon keputusan minimal hanya memiliki sebuah

atribut sehingga pada saat dibuat kaidah hanya memiliki sebuah premis saja untuk

masing-masing kaidah. Pohon keputusan minimal atau paling minimal dari

sejumlah alternatif pohon keputusan dapat digunakan jika secara realita situasinya

bersifat deterministic (pasti, tidak mengandung unsur probabilitas). Secara teori,

diperoleh hasil yang optimal jika jumlah atribut dalam suatu pohon keputusan

minimal dan dalam kasus yang sifatnya statis. Untuk identifikasi tipe pesawat

tertentu, orang dapat mengidentifikasi hanya dengan melihat bulges saja, misalnya

secara pasti atau absolut under wings maka tipe pesawatnya adalah C130. Tetapi

saat pengamatan memperoleh hasil yang tidak pasti misalnya karena cuaca sedang

berawan maka identifikasi pesawat hanya dengan menggunakan sebuah atribut

menjadi tidak optimal.

Kaidah yang dapat dihasilkan dengan mengacu pohon keputusan gambar

2.10 adalah sebagai berikut :

Kaidah 1 : IF A and B and C THEN H1

Kaidah 2 : IF A and B and E THEN H3

37

Kaidah 3 : IF A and E THEN H2

Kaidah 4 : IF D and B and C THEN H4

Menurut Turban (2000) dalam Mola (2006), pohon keputusan dapat

dengan mudah diubah kedalam aturan produksi dan menurut Ignizio (1991) dalam

Mola (2006), pohon keputusan merupakan sebuah alternatif representasi dari

pengetahuan. Aturan produksi yang dapat mewakili pohon keputusan pada gambar

2.11 adalah:

Rule 1 : IF B AND C THEN A

Rule 2 : IF D AND E AND F THEN B

Rule 3 : IF G OR H THEN C

Aturan produksi yang dapat mewakili pohon keputusan pada gambar 2.12 adalah :

Rule 1 : IF (GJL140 AND NOT GJL141 AND GJL142) THEN SLS098

Rule 2 : IF (GJL140 AND GJL141) OR NOT GJL140 THEN SLS097

Jika dalam sebuah aturan terdapat satu logika OR maka aturan produksi

tersebut dapat dipecah menjadi 2 aturan produksi. Seperti pada contoh di atas, rule

2 yang mempunyai anteseden SLS097 dapat diuraikan menjadi 2 aturan produksi,

yaitu :

1 : IF GJL140 AND GJL141 THEN SLS097

2 : IF NOT GJL140 THEN SLS097

Kaidah dapat diklasifikasikan menjadi dua kategori yaitu kaidah derajat

pertama (first order rule) dan kaidah meta (meta rule). Kaidah derajat pertama

adalah kaidah sederhana yang terdiri dari antesenden dan konsekuen. Kaidah meta

adalah kaidah yang antesenden dan konsekuennya mengandung informasi tentang

38

kaidah yang lain, dengan kata lain konsekuen dari suatu kaidah menjadi

antesenden kaidah yang lain. Contohnya sebagai berikut :

Kaidah derajat pertama :

IF hewan mempunyai sayap dan bertelur THEN hewan tersebut jenis burung

Kaidah derajat pertama dapat digunakan untuk membentuk kaidah meta berikut :

Kaidah Meta :

IF hewan termasuk jenis burung and mempunyai sayap and bisa berenang THEN hewan tersebut burung penguin Saat ini, banyak aplikasi sistem pakar yang representasi pengetahuannya

menggunakan kaidah produksi. Hal ini disebabkan karena representasi

pengetahuan dalam bentuk ini mudah dipahami karena bersifat deklaratif, sesuai

dengan jalan pikiran manusia dalam menyelesaikan suatu masalah, dan mudah

diinterpretasikan.

Secara umum, dalam bentuk kaidah produksi IF premis THEN konklusi,

maka untuk premis yang lebih dari satu dapat dihubungkan dengan operator and

atau or. Sedangkan bagian konklusi dapat berupa kalimat tunggal, beberapa

kalimat yang dihubungkan dengan and, dan dimungkinkan dikembangkan dengan

else. Terdapat beberapa tipe kaidah berdasarkan jenisnya, antara lain :

a. Hubungan / relationship:

IF kehadiran praktikum < 70 % THEN praktikan tidak lulus.

39

b. Rekomendasi

IF anak tidak nafsu makan AND berat badan tidak naik-naik AND malam hari berkeringat AND anak tidak sedang menderita suatu penyakit THEN lakukan cek darah.

c. Strategi

IF mahasiswa belum boleh skripsi THEN cek IP Kumulatif, lalu cek jumlah SKS yang sudah ditempuh Selain berdasarkan tipenya, kaidah dapat juga dikategorikan berdasarkan

kategori problem dalam sistem pakar, antara lain :

a. Diagnosa

IF batuk berdarah AND Batuk lebih dari 4 minggu AND Lebih banyak batuk terjadi di malam hari THEN menderita TBC

b. Desain

IF berpengalaman menjadi staf keuangan di suatu organisasi AND jujur THEN tempatkan di bagian keuangan.

c. Reparasi

IF komputer bisa boot normal tetapi kadang-kadang macet AND tidak ada chip RAM yang gagal di test dengan cara mencopot memori dari motherboard dan kartu ekspansi THEN ganti pencatu daya.

d. Interpretasi

IF tegangan resistor R1 lebih besar dari 2.0 volt AND tegangan kolektor pada Q1 kurang dari 1.0 volt THEN bagian pre-Amp berada pada range normal.

40

2.4 Certainty Factor (CF)

Salah satu karakteristik umum dari suatu informasi yang tersedia untuk

seorang ahli ialah ketidaksempurnaan atau kecacatan. Informasi bisa jadi tidak

lengkap, tidak konsisten, tidak tentu dan sebagainya. Dengan kata lain informasi

sering tidak sesuai untuk menyelesaikan suatu permasalahan, akan tetapi seorang

pakar dapat mengatasinya dan dapat membuat suatu pertimbangan benar dan

keputusan yang benar. Sistem pakar juga harus mampu untuk mengatasi

ketidakpastian dan menggambarkan suatu konklusi yang valid.

Ada dua macam ketidakpastian pada sistem pakar berbasis rule. Yang

pertama adalah ketidakpastian data. Biasanya hal ini disebabkan karena informasi

atau data yang diperoleh tidak lengkap, tidak dapat dipercaya sepenuhnya, berasal

dari berbagai sumber dan saling bertolak belakang, bersifat tipikal atau mirip, dan

bahasa penyajiannya kurang tepat. Yang kedua adalah ketidakpastian dalam proses

inferensi (rule). Hal ini terjadi karena rule hanya mewakili pengamatan pakar saja.

Rule didesain untuk kebutuhan semua orang, yang bisa jadi tidak sesuai bagi salah

satu orang. Metode yang berhubungan dengan ketidakpastian adalah certainty

factor (CF).

Teori certainty factor (CF) diusulkan oleh Shortliffe dan Buchanan pada

tahun 1979 untuk mengakomodasi ketidakpastian pemikiran (inexact reasoning)

seorang pakar. Seorang pakar (misalnya dokter), sering kali menganalisis

informasi yang ada dengan ungkapan seperti mungkin, kemungkinan besar,

hampir pasti. Untuk mengakomodasi hal ini kita menggunakan certainty factor

41

(CF) guna menggambarkan tingkat keyakinan pakar terhadap masalah yang

sedang dihadapi (Sutojo,dkk, 2011).

Dalam teori kepastian, data-data kualitatif direpresentasikan sebagai

derajat keyakinan (degree of belief). Dalam mengekspresikan derajat keyakinan,

teori kepastian menggunakan suatu nilai yang disebut certainty factor (CF) untuk

mengasumsikan derajat keyakinan seorang pakar terhadap suatu data. Certainty

factor memperkenalkan konsep belief/keyakinan dan disbelief/ketidakyakinan.

Konsep ini kemudian diformulasikan dalam rumus dasar sebagai berikut

(Sutojo,dkk, 2011) :

CF[H,E] = MB[H,E] MD[H,E] (2.1)

dimana : CF : Certainty Factor (Faktor Kepastian) dalam hipotesis H yang dipengaruhi

oleh fakta E.

MB : Measure of Belief (Tingkat Keyakinan), merupakan ukuran kenaikan dari

kepercayaan hipotesis H dipengaruhi oleh fakta E.

MD : Measure of Disbelief (Tingkat Ketidakyakinan), merupakan ukuran

kenaikan dari ketidakpercayaan hipotesis H dipengaruhi oleh fakta E.

E : Evidence (Peristiwa atau Fakta).

Ada 2 cara dalam mendapatkan tingkat keyakinan dari sebuah rule, yaitu

(Sutojo, dkk) :

a. Metode Net Belief yang diusulkan oleh E.H. Shortliffe dan B.G.

Buchanan.

42

b. Dengan cara mewawancarai seorang pakar yang nilai CF(rule) didapat dari

interpretasi term dari pakar, yang diubah menjadi nilai CF tertentu sesuai

dengan tabel berikut :

Tabel 2.8 Interpretasi term dari pakar (Sutojo,dkk : 195) Uncertain Term CF

Definitely not (pasti tidak) -1.0 Almost certainly not (hampir pasti tidak) -0.8 Probably not (kemungkinan besar tidak) -0.6 Maybe not (mungkin tidak) -0.4 Unknown (tidak tahu) -0.2 to 0.2 Maybe (mungkin) 0.4 Probably (kemungkinan besar) 0.6 Almost certainly (hampir pasti) 0.8 Definitely (pasti) 1.0

Contoh :

Jika bentuk dan panas, muka hampir dipastikan (almost certainly) penyakitnya

adalah influenza.

Rule : IF (batuk AND panas) THEN penyakit = influenza (CF = 0,8)

2.4.1 Kombinasi Aturan Ketidakpastian

Gambar 2.13 Kombinasi aturan ketidakpastian (Kusumadewi, 2003 : 97)

43

a. Beberapa evidence dikombinasikan untuk menentukan CF dari suatu

hipotesis (gambar 2.13a). Jika e1 dan e2 adalah observasi, maka :

(2.2)

(2.3)

Contoh :

Andaikan suatu observasi memberikan kepercayaan terhadap h dengan MB[h,e1]=

0,3 dan MD[h,e1] = 0, sehingga CF[h,e1] = 0,3 0 = 0.

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

MB[h,e1e2] = 0,3 + 0,2* (1-0,3) = 0,44

MD[h,e1e2] = 0

CF[h,e1e2] = 0,44 0 = 0,44

b. CF dihitung dari kombinasi beberapa hipotesis (gambar 2.13b). Jika h1 dan

h2 adalah hipotesis, maka :

MB[h1h2,e] = min(MB[h1,e], MB[h2,e]) (2.4)

MB[h1 h2,e] = max(MB[h1,e], MB[h2,e]) (2.5)

MD[h1 h2,e] = min(MB[h1,e], MB[h2,e]) (2.6)

MD[h1 h2,e] = max(MB[h1,e], MB[h2,e]) (2.7)

Contoh :

Andaikan 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 nilai 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

44

Untuk mencari CF[h1h2,e] dapat 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[h1h2,e] = 0,5-0,1 = 0,4

Untuk mencari CF[h1h2,e] dapat diperoleh dari :

MB[h1h2,e] = max(0,5;0,8) = 0,8

MD[h1 h2,e] = max(0,2;0,1) = 0,2

CF[h1h2,e] = 0,8-0,2 = 0,6

1. Beberapa aturan saling bergandengan, ketidakpastian dari suatu aturan

menjadi input untuk aturan yang lainnya (gambar 2.13c) maka :

MB[h,s] = MB[h,s] * max (0,CF[s,e]) (2.8)

2.4.2 Perhitungan Certainty Factor Gabungan

Secara umum, rule direpresentasikan dalam bentuk sebagai berikut :

IF E1 AND E2. AND En THEN H (CF rule) atau IF E1 OR

E2.OR En THEN H (CF rule) (2.9)

dimana :

E1En : Fakta-fakta (evidence) yang ada

H : Hipotesis atau konklusi yang dihasilkan

CF rule : Tingkat keyakinan terjadinya hipotesis H akibat adanya

fakta-fakta E1En

a. Rule dengan evidence E tunggal dan hipotesis H tunggal (Sutojo, dkk,

2011)

IF E THEN H (CF rule)

45

CF(H,E) = CF(E) CF (rule) (2.10)

Catatan : secara praktek, nilai CF rule ditentukan oleh pakar, sedangkan nilai

CF(E) ditentukan oleh pengguna saat berkonsultasi dengan sistem pakar.

Contoh :

IF hari ini terang (CF = 0,4) THEN besok hujan (CF = 0,6)

CF(besok hujan,hari ini terang) = 0,4 0,6 = 0,24

Artinya, jika hari ini terang, tingkat kepastian besok hujan adalah 0,24

b. Rule dengan evidence E ganda dan hipotesis H tunggal (Sutojo, dkk, 2011)

If E1 AND E2.AND En THEN H (CF rule), maka :

CF(H,E) = min[CF(E1), CF(E2) CF(En)] CF(rule) (2.11)

If E1 OR E2.OR En THEN H (CF rule), maka :

CF(H,E) = max[CF(E1), CF(E2) CF(En)] CF(rule) (2.12)

Contoh :

IF demam (CF = 0,4) AND batuk (CF = 0,2) AND muntah (CF = 0,7) THEN

penyakit TBC (CF = 0,3)

CF (TBC, demam batuk muntah) = min(0,4;0,2;0,7) 0,3 = 0,2 0,3 = 0,06

Artinya jika gejala demam dan batuk dan muntah, maka tingkat kepastian terkena

penyakit TBC adalah 0,06.

Contoh 2 :

IF demam (CF = 0,4) OR batuk (CF = 0,2) OR muntah (CF = 0,7) THEN penyakit

TBC (CF = 0,3)

CF (TBC, demam U batuk U muntah) = max(0,4;0,2;0,7) 0,3 = 0,7 0,3 = 0,21

46

Artinya jika gejala demam dan batuk dan muntah, maka tingkat kepastian terkena

penyakit TBC adalah 0,21

Contoh 3 (Hartati, 2008, 105) :

IF sesak nafas AND ronkhi krepitasi AND demam AND sesak nafas berat THEN

menderita Pneumonia, dengan CF = 0.87

dengan memberikan notasi :

E1 : sesak nafas

E2 : ronkhi krepitasi

E3 : demam

E4 : sesak nafas berat

H : menderita Pneumonia

Nilai certainty factor hipotesa pada saat evidence pasti adalah

CF (H,e) = CF (H, E1 AND E2 AND E3 AND E4) = 0.87

Dalam kasus ini, kondisi pasien tidak dapat ditentukan secara pasti karena

dipengaruhi oleh evidence e, sehingga besarnya nilai CF (E,e) untuk masing-

masing evidence E misalnya sebagai berikut :

CF (E1,e) = 0.8 CF(E2,e) = 0.5

CF (E3,e) = 0.75 CF(E4,e) = 0.4

Sehingga CF(E,e) = min [CF(E1,e), CF (E2,e), CF (E3,e), CF (E4,e)]

= min [0.8, 0.5, 0.75, 0.4]

= 0.4

dan nilai CF(H,e) = CF(E,e) * CF (H,E)

= 0.4 * 0.87

47

= 0.348 atau 0.35

Berarti besarnya kepercayaan bahwa pasien menderita pneumonia adalah 0.35 atau

35 %.

c. Kombinasi dua buah rule dengan evidence berbeda (E1 dan E2), tetapi

hipotesis sama. (Sutojo, dkk, 2011)

IF E1 THEN H Rule 1 CF(H, E1) = CF1 = C(E1) CF(Rule1) (2.13)

IF E2 THEN H Rule 2 CF(H, E2) = CF2 = C(E2) CF(Rule2) (2.14)

CF (CF1,CF2) =

Contoh :

Rule 1 : IF batuk THEN penyakit = batuk rejan (CF = 0,8)

Rule 2 : IF deman THEN penyakit = batuk rejan (CF = 0,6)

Hitung CF gabungan jika :

a. CF(batuk) = 1 dan CF(demam) = 1

b. CF(batuk) = 1 dan CF(demam) = -1

c. CF(batuk) = -1 dan CF(demam) = -1

Jawab :

a. CF1 = CF(batuk) CF(Rule 1) = 1 0,8 = 0,8

CF2 = CF(demam) CF(Rule 2) = 1 0,8 = 0,6

CF = CF1 + CF2 (1 - CF1)

= 0,8 + 0,6 (1-0,8)

CF1 + CF2 (1-CF1) jika CF1 > 0 dan CF2 > 0 (2.15)

CF1 + CF2 jika CF berbeda tanda (2.16) 1-min [CF1,CF2] CF1 + CF2 (1+CF1) jika CF1 < 0 dan CF2 < 0 (2.17)

48

= 0,92

b. CF1 = CF(batuk) CF(Rule 1) = 1 0,8 = 0,8

CF2 = CF(demam) CF(Rule 2) = -1 0,8 = - 0,6

CF = [||,||] = ,, [, ;,] = ,, = 0,5

c. CF1 = CF(batuk) CF(Rule 1) = -1 0,8 = -0,8

CF2 = CF(demam) CF(Rule 2) = -1 0,8 = -0,6

CF = CF1 + CF2 (1 + CF1)

= -0,8 - 0,6 (1-0,8)

= - 0,92

2.5 Monitor CRT

Monitor adalah perangkat ouput yang paling sering digunakan jika

berinteraksi dengan mesin/komputer. CRT (Cathode Ray Tube) merupakan tabung

vakum yang mengemisikan elektron dari katoda yang dikonsentrasikan menjadi

berkas sinar, dimana sinar ini ditempatkan di antara pengaruh medan magnet

ataupun medan listrik, atau kombinasi dari keduanya. Sinar ini bergerak menuju

sebuah layar khusus yang terletak di dalam tabung. Layar akan terlihat terang pada

titik yang dikenai oleh berkas sinar elektron ini.

Dalam monitor ada istilah pixel dan resolusi. Resolusi merupakan suatu

ukuran pada monitor yang ditentukan dari jumlah pixel pada layar monitor.

Misalnya sebuah monitor memiliki resolusi 1024846, angka-angka tersebut

mewakili jumlah pixel yang dapat ditampilkan di layar. Pixel adalah titik-titik

kecil yang membentuk gambar yang ditampilkan dalam monitor, kependekan dari

49

picture elements. Semakin tinggi resolusi monitor, detail gambar akan semakin

terlihat.

Gambar 2.14 Monitor CRT

2.5.1 Bagian-bagian Monitor CRT

Gambar 2.15 Bagian-bagian monitor CRT

50

a. Tabung/CRT(Cathode Ray Tube) (bagian A)

Tabung berfungsi untuk menampilkan informasi-informasi gambar yang

akan dilihat. Di sekeliling tabung terdapat gulungan tembaga yang di bungkus

dengan isolasi yang dinamakan degaussing coil. Degaussing berguna untuk

menetralkan medan magnet di dalam tabung. Ciri-ciri dari kerusakan tabung ialah:

1. Gambar tidak tampak.

2. Gambar tampak tapi gelap.

3. Warna tidak lengkap atau kurang.

4. Gambar tidak fokus atau buyar.

5. Layar menyala merah / hijau / biru terang tapi bergaris.

6. Gambar tampak tapi hanya salah satu warna saja, dan lain-lain.

b. Defleksi Yoke (bagian B.1)

Defleksi yoke terbuat dari tembaga yang dililit di batang ferit yg

melingkar. Defleksi yoke terdiri dari dua bagian, yaitu lilitan horisontal dan

vertikal. Untuk lilitan horisontal terletak di bagian dalam dan untuk bagian

vertikal, terletak di bagian luar. Defleksi berfungsi untuk menarik elektron-

elektron di dalam tabung ke arah horisontal dan vertikal. Ciri-ciri dari kerusakan

defleksi ialah:

1. Kerusakan defleksi horisontal biasanya disebabkan karena terbakar, atau

terkena jamur dan di layar gambar tampak tapi di tengah dan kanan kiri

melengkung.

51

2. Kerusakan defleksi vertikal mempunyai ciri gambar tampak di tengah dan

bergaris-garis hitam pada bagian atas dan bawah. Untuk defleksi vertikal

biasanya jarang sekali terjadi kerusakan.

c. Pincusent adjustmen / cincin pengatur warna (bagian B.2)

Cincin ini mempunyai fungsi penting di dalam monitor yakni mengatur

bayangan warna, supaya gambar maupun tulisan tidak ada bayangan warna,

sehingga akan tampak warna aslinya.

d. Regulator / power supply (bagian C)

Regulator berfungsi untuk memberikan tegangan ke seluruh rangkaian

board, juga ke rangkaian RGB dan tabung, dan tegangan ouput / sekunder pada

tiap-tiap power supply monitor belum tentu sama,tapi pada dasarnya ada 3 yaitu :

1. +Dc 6,5 volt untuk memberikan tegangan ke filamen CRT.

2. +Dc 12>15 volt untuk memberikan tegangan ke IC horisontal oscilator

dan IC vertical oscilator dan juga ke IC program.

3. +Dc 50> 75 volt untuk memberikan tegangan ke horisontal ouput

melalui flyback.

Ciri-ciri kerusakan dari regulator ialah:

1. Monitor tidak dapat menyala.

2. Terjadi korsleting pada jalur listrik ketika monitor menyala.

3. Monitor menyala tetapi gambar bergoyang, dan lain-lain.

e. Flyback (bagian D)

Flyback berfungsi untuk membangkitkan tegangan tinggi yang awalnya

antara 75 Volt sampai dengan 130 Volt menjadi 26.000 Volt. Flyback berguna

52

untuk membangkitkan cahaya di dalam tabung. Di badan flyback terdapat 2

trimpot pengaturan yaitu, pengaturan screen dan focus. Screen berguna untuk

mengatur gelap terangnya gambar, dan focus berguna untuk mengatur kefokusan

gambar atau tulisan. Ciri-ciri dari kerusakan flyback ialah:

1. Gambar tidak fokus.

2. Gambar ada tapi terlalu terang, dan terdapat garis buku.

3. Gambar tampak gelap.

4. LED kontrol menyala tapi monitor tidak bisa menyala.

5. Monitor menyala tapi ada bunyi-bunyi.

6. Monitor menyala tapi gambar kedip kedip dan lain-lain.

f. RGB (bagian E)

Bagian ini berfungsi untuk mengolah warna yang bersumber dari VGA

card dan akan di kirim ke tabung gambar / CRT untuk ditampilkan.

Ciri-ciri dari kerusakan RGB ialah:

1. Gambar merah kekuning kuningan.

2. Gambar biru kemerah merahan.

3. Gambar biru keputih putihan.

4. Gambar tampak tapi hanya hijau,merah atau biru dan lain-lain.

g. Rangkaian program (bagian F)

Terdiri dari IC (intergrated circuit) dan tambahan komponen di

sekelilingnya. Pada IC program sebagian kaki- kakinya terhubung ke switch

digital yang ada di panel depan monitor. IC program berfungsi untuk

53

mengendalikan semua pengaturan yang ada di monitor, seperti V size, V center, H

size, H center, colour dan lain-lain

Ciri-ciri kerusakan dari IC program adalah :

1. LED indikator monitor menyala tapi monitor tidak dapat menyala.

2. Monitor menyala tapi semua pengaturan tidak berfungsi.

3. Monitor menyala kemudian beberapa menit mati, dan lain-lain.

h. Rangkaian oscilator vertical & horisontal

Keduanya digabungkan dalam satu IC (intergrated circuit) atau ada juga

yang jadi satu dengan rangkaian program. Pada rangkaian oscilator vertical dan

horisontal sebagian kaki-kakinya terhubung ke IC output vertical dan basis

transistor driver horisontal.

2.5.2 Prinsip Kerja Monitor CRT

Prinsip kerja monitor CRT (Cathode Ray Tube) adalah elektron

ditembakkan dari belakang tabung gambar menuju bagian dalam tabung yang

dilapis elemen yang terbuat dari bagian yang memiliki kemampuan untuk

memendarkan cahaya. Sinar elektron tersebut melewati serangkaian magnet kuat

yang membelok-belokkan sinar menuju bagian-bagian tertentu dari tabung bagian

dalam. Begitu sinar tersebut sampai ke bagian kaca tabung monitor, bagian ini

akan menyinari lapisan berpendar, menyebabkan tempat-tempat tertentu untuk

berpendar secara temporer.

Setiap tempat tertentu mewakili pixel tertentu. Dengan mengontrol

tegangan dari sinar tersebut, terciptalah teknologi yang mampu mengatur pixel

54

untuk berpendar dengan intensitas cahaya tertentu. Dari pixel inilah maka monitor

dapat membentuk gambar.

Untuk membentuk sebuah gambar, sinar akan beredar melewati sebuah

garis horisontal dari kiri ke kanan, menyebabkan pixel tadi berpendar dengan

intensitas cahaya sesuai dengan tegangan yang telah diatur. Proses tersebut terjadi

pada semua garis horisontal yang ada pada pixel layar, dan ketika telah sampai

ujung, sinar tersebut akan mati sementara untuk mengulang proses yang sama

untuk menghasilkan gambar yang berbeda. Makanya terlihat bahwa objek seolah-

olah bergerak di layar monitor.

Listrik dari PLN yang mempunyai tegangan 220 Volt akan diubah oleh

bagian power supply menjadi tegangan besar yang akan disesuaikan dengan

kebutuhan dari beberapa rangkaian, antara lain : rangkaian horizontal, rangkaian

vertikal, rangkaian RGB, rangkaian program dan controller, dan lain-lain.

Bagian power supply sangat penting karena jika ada kerusakan di bagian

ini maka monitor tidak akan bekerja dengan normal, bahkan akan mati. Masukkan

monitor berasal dari VGA ataupun yg lainnya. Sinyal gambar dari VGA ini

kemudian diterima oleh rangkaian RGB dan rangkaian sinkronisasi horisontal dan

rangkaian sinkronisasi vertikal. Sinyal yang masuk ke rangkaian RGB adalah

sinyal warna merah, hijau dan biru atau red, green dan blue, sehingga rangkaian

ini dinamakan rangkaian RGB. Tugas rangkaian ini adalah mengolah warna saja.

Hasil dari rangkaian ini akan menuju ke tabung katoda yang juga terbagi menjadi

3 warna yaitu merah, hijau dan biru. Katoda ini fungsinya untuk menghasilkan

elektron, jadi masing-masing katoda menghasilkan elektron tersendiri. Sinyal dari

55

sinkronisasi vertikan dan sinkronisasi horizontal di proses oleh rangkaian

sinkronisasi untuk kemudian diteruskan ke rangkaian horizontal dan rangkaian

vertical. Fungsi rangkaian sinkronisasi ini adalah untuk mengolah dan

menghasilkan gambar, sehingga jika sinyal ini hilang salah satunya, maka layar

monitor akan kelihatan seperti diacak. Jadi ada dua bagian pertama yg bekerja

agar monitor menyala dan bekerja normal yaitu rangkaian RGB dan rangkaian

sinkronisasi vertikal dan sinkronisasi horizontal.

Dari sinkronisasi vertikal akan diteruskan ke rangkaian vertikal, dan pada

rangkaian ini, sinyal vertical tersebut diolah dengan komponen utama IC vertikal

yang berfungsi menggerakkan yoke vertikal. Sedangkan dari sinkronisasi

horizontal akan diteruskan ke rangkaian horizontal, dan pada rangkaian ini sinyal

horizontal diolah dengan komponen utamanya yakni transistor horizontal yang

berfungsi menggerakkan flyback dan yoke tabung.

Flyback digunakan untuk menghasilkan tegangan sangat tinggi yakni

sekitar 26.000 Volt, dan tegangan ini yang akan diperlukan untuk menembakkan

elektron dari katoda tabung ke anoda tabung sehingga muncul gambar. Jadi, jika

flyback tidak bekerja, maka elektron tidak akan ditembakkan dan monitor akan

mati.

Yoke digunakan untuk mengarahkan elektron yang dihasilkan oleh katoda

tabung agar terarah baik. Yoke horizontal untuk mengarahkan elektron ke arah

horizontal dan yoke vertikal untuk mengarahkan elektron ke arah vertikal. Jika

keduanya digabung maka elektron akan menembak ke anoda tabung secara merata

dan sempurna.

56

Kemudian yang terakhir adalah rangkaian controller / driver dimana

rangkaian ini berfungsi sebagai pengatur pada monitor. Yang diatur adalah lebar

sempitnya, tinggi rendahnya dan terang gelapnya sebuah monitor.

2.5.3 Keuntungan dan Kerugian Monitor CRT

Keuntungan yang didapat dari monitor CRT adalah :

a. Warna lebih akurat dan tajam

Monitor CRT memiliki warna yang akurat atau hampir sama dengan

aslinya. Karena alasan ini para desainer dan editor foto lebih suka menggunakan

CRT dibanding LCD. Selain itu, gradasi warna pada monitor CRT masih lebih

baik dibanding LCD. Kelebihan soal akurasi dan gradasi warna pada monitor CRT

dapat terlihat jika digunakan untuk membuat desain yang kaya warna atau bermain

game dengan resolusi tinggi.

b. Resolusi monitor fleksibel

Monitor CRT dapat menggunakan berbagai variasi resolusi tanpa

mengalami penurunan kualitas gambar.

c. Perawatan mudah, jika rusak dapat diperbaiki

Perawatan monitor CRT masih lebih mudah dibanding LCD, LCD

perawatanya harus lebih hati-hati. Selain itu, jika monitor CRT rusak masih dapat

diperbaiki, sedangkan LCD rusak sudah pasti akan dibuang. Selain itu, monitor

CRT lebih tahan jika terbentur atau tersentuh jari tangan pada display.

d. Bebas dead pixel, ghosting dan viewing angle.

Monitor CRT tidak terdiri dari pixel seperti pixel pada LCD, sehingga

jelas-jelas tidak akan mengalami dead pixel. Monitor CRT dapat dilihat dari

57

berbagai sisi, tidak seperti LCD yang bergantung pada spesifikasi viewing angle.

Monitor CRT tidak mengenal response time, sehingga relatif bebas efek ghosting.

e. Harga lebih murah

Kelebihan dari segi harga inilah yang membuat monitor CRT masih

populer. Pada ukuran inch yang sama, dapat dipastikan harga CRT lebih murah

dibanding LCD.

Sedangkan kekurangan monitor CRT yakni :

a. Konsumsi listrik

Monitor CRT mengkonsumsi daya listrik 2 kali lipat dibanding LCD pada

ukuran inch yang sama. Monitor CRT 15 inch mengkonsumsi daya antara 60-70

watt sedangkan LCD ukuran 15 inch hanya mengkonsumsi daya maksimal 35

watt. Semakin besar ukuan diagonal monitor, semakin besar pula konsumsi

dayanya. Monitor CRT 17 inch real flat menkonsumsi daya hingga 100 watt.

b. Bergantung pada refreshrate

Agar mata tidak lelah mengunakan monitor CRT, gunakan refreshrate

diatas 70Hz. Monitor CRT high end mampu menawarkan refreshrate hingga

120Hz bahkan lebih. Makin tinggi makin baik tentunya. Hal ini tidak berlaku bagi

monitor LCD.

c. Radiasi lebih besar

Monitor CRT memancarkan radiasi yang lebih besar dibanding monitor

LCD. Radiasi ini memiliki dampak negatif bagi mata sehingga mata cepat lelah

atau bahkan membuat kepala pusing bagi yang sensitif.

d. Rentan distorsi, glare dan flicker

58

Efek distorsi akan terlihat saat menggambar lingkaran dengan

menggunakan corel draw atau software lain. Jika refreshrate terlalu rendah,

menyebabkan monitor menjadi berkedip-kedip (flicker) dan glare (over

brightness).

e. Dimensi besar dan berat

Tidak cocok untuk ruangan sempit, karena ukurannya yang besar.

59

BAB III

ANALISIS DAN PERANCANGAN SISTEM

3.1 Analisis Sistem

Pada bagian ini menjelaskan mengenai langkah-langkah yang dilakukan

untuk menganalisis fungs