Penerapan Metode Forward Chaining Pada Sistem Pakar Obat ...
SURAT KETERANGAN - Gunadarmawinda_widya.staff.gunadarma.ac.id/Downloads/files/73341/... ·...
Transcript of SURAT KETERANGAN - Gunadarmawinda_widya.staff.gunadarma.ac.id/Downloads/files/73341/... ·...
Perpustakaan Universitas Gunadarma BARCODE
BUKTI UNGGAH DOKUMEN PENELITIANPERPUSTAKAAN UNIVERSITAS GUNADARMA
Nomor Pengunggahan
SURAT KETERANGANNomor: 453/PERPUS/UG/2020
Surat ini menerangkan bahwa: Nama Penulis : Winda Widya Ariestya, SkomNomor Penulis : 080810Email Penulis : [email protected] Penulis : Kmp. Setu No.145 Bojonggede
dengan penulis lainnya sebagai berikut:Penulis ke-2/Nomor/Email : Yulia Eka Praptiningsih / 010978 / [email protected] ke-3/Nomor/Email : IMAM AJI PAMUNGKAS / 13116454 / [email protected]
Telah menyerahkan hasil penelitian/ penulisan untuk disimpan dan dimanfaatkan di Perpustakaan Universitas Gunadarma,dengan rincian sebagai berikut : Nomor Induk : FILKOM/KA/PENELITIAN/453/2020Judul Penelitian : PENERAPAN METODE FORWARD CHAINING DALAM SISTEM PAKAR UNTUK
MENDIAGNOSA KERUSAKAN MOBIL TOYOTA AGYATanggal Penyerahan : 11 / 08 / 2020
Demikian surat ini dibuat untuk dipergunakan seperlunya dilingkungan Universitas Gunadarma dan Kopertis Wilayah III.
Dicetak pada: 11/08/2020 21:55:54 PM, IP:139.192.88.47 Halaman 1/1
PENERAPAN METODE FORWARD CHAINING DALAM SISTEM
PAKAR UNTUK MENDIAGNOSA KERUSAKAN
MOBIL TOYOTA AGYA
1Winda Widya Ariestya
2Yulia Eka Praptiningsih 3 Imam Aji Pamungkas . . .
1 Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Gunadarma, Jalan Margonda
Raya 100, Depok 16424 ([email protected]) 2 Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Gunadarma, Jalan Margonda
Raya 100, Depok 16424, ([email protected])
3 Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Gunadarma, Jalan Margonda
Raya 100, Depok 16424 ([email protected])
ABSTRAK
Perawatan kendaraan sangat dibutuhkan bagi para pemilik kendaraan untuk
menghindari kerusakan berat yang terjadi. Keterbatasan pengetahuan jenis kerusakan
yang dapat terjadi dari kendaraan yang dimiliki membuat kebutuhan akan akses
pengetahuan tersebut. Sistem pakar dapat dijadikan alternatif dalam penyampaian
pengetahuan dan diagnosa awal pada kerusakan kendaraan. Penelitian ini bertujuan
untuk membuat sistem pakar diagnosa kerusakan mobil Toyota Agya dengan
menerapkan metode Forward Chaining sebagai teknik penalaran inferensi.
Kata Kunci: Diagnosa, Forward Chaining, Mobil, Sistem Pakar.
PENDAHULUAN
Toyota Agya merupakan salah satu kendaraan roda empat Low Cost Green Car
(LCGC) yang cukup diminati masyarakat Indonesia sepanjang 2019, hal ini dapat
dilihat dari penjualan di tahun 2019 sampai dengan bulan Oktober tercatat 20.002
unit dan berada di posisi 4 teratas dalam segmen LGCC (Gaikindo, 2019).
Hal yang sering terjadi, adanya kelalaian pengguna kendaraan Toyota Agya dalam
melakukan perawatan yang menyebabkan kerusakan. Setiap kendaraan dibutuhkan
perawatan yang baik dan berkala untuk meminimalkan biaya perbaikan dan dapat
mendeteksi kerusakan-kerusakan yang terjadi. Oleh karena itu sangat disarankan
untuk perawatan secara berkala dan mengetahui gejala kerusakan yang secara
umum dapat terjadi.
Sistem Pakar (Expert System) adalah sistem yang berusaha mengadopsi
pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah
seperti yang biasa dilakukan oleh para ahli. Diharapkan dengan sistem ini, orang
awam dapat menyelesaikan masalah tertentu baik sedikit rumit maupun rumit
sekalipun tanpa bantuan para ahli dalam bidang tersebut, sedangkan bagi para ahli
sistem ini dapat digunakan sebagai asisten yang berpengalaman (Muhammad, A.
2005).
Pemanfaatan sistem pakar dibidang otomotif telah dilakukan sebelumnya
menggunakan Case Based Reasioning (CBR) oleh Ardhito (2013) dan Best First
Search oleh Syahrizal (2013). Aplikasi yang dibangun oleh Syahrizal (2013)
bertujuan untuk mengidentifikasi kerusakan pada mobil Toyota Kijang berbasis
WAP. Kekurangan pada aplikasi yang dihasilkan yakni terjadi kelambatan dalam
pencarian sehingga menghambat proses konsultasai karena memakan waktu yang
lama. Tahun 2016 oleh Dahlan Abdullah dan Khairul Azmi suatu aplikasi sistem
pakar untuk menganalisa kerusakan pada mesin mobil toyota menggunakan (Case
based reasoning) CBR, sistem dapat mendiagnosa kerusakan pada mesin mobil
yang berguna untuk mempermudah pekerjaan dari seorang teknisi maupun
konsumen untuk mengetahui dan mendiagnosa serta mencari solusi terhadap
kerusakan, seperti kerusakan pada mesin mulai dari jenis kerusakan, gejala awal,
ciri kerusakan, diagnosa serta solusi atau cara perbaikan.
Penelitian ini merupakan penerapan metode fordward chaining untuk menghasilkan
sistem pakar berbasis web yang dapat mendiagnosa kerusakan kendaraan Toyota
Agya sehingga dapat menjadi solusi alternatif bagi pengguna kendaraan.
TINJAUAN PUSTAKA
Sistem pakar adalah suatu program komputer cerdas yang menggunakan
pengetahuan (knowledge) dan prosedur inferensi untuk menyelesaikan masalah
yang cukup sulit sehingga membutuhkan seorang yang ahli untuk
menyelesaikannya. Pengetahuan adalah sebuah kekuatan yang dapat memecahkan
suatu masalah yang kita temui sehari-hari. Sistem pakar adalah program Artificial
Intellenge (AI) yang menggabungkan pangkalan pengetahuan (knowledge base)
dengan sistem inferensi. Kecerdasan buatan atau Artificial Intellenge (AI) dapat
didefinisikan sebagai sub-bidang pengetahuan komputer yang khusus ditujukan
untuk membuat software dan hardware yang sepenuhnya biasa menirukan beberapa
fungsi otak manusia, karena itu diharapkan komputer bisa membantu manusia di
dalam berbagai masalah yang sangat rumit. Secara umum sistem pakar dapat
disimpulkan bahwa sistem pakar merupakan program komputer yang bertindak
sebagai konsultan. Dengan adanya sistem pakar, seseorang pemakai dapat
berkonsultasi dalam memecahkan masalah layaknya berkonsultasi langsung dengan
seorang pakar sesuai dengan domain masalah tertentu yang di input ke dalam sistem
pakar tersebut. Pengetahuan yang digunakan dalam sistem pakar khusus untuk satu
problem domain sebagai kebalikan dari pengetahuan tentang teknik pemecahan
masalah pada umumnya (Widiastuti dan Damiri, 2012).
Gambar 1. Struktur Sistem Pakar
Sumber: Turban (2005)
Forward Chaining adalah sebuah metode pelacakan kedepan, dimana diawali dari
fakta-fakta yang diberikan user kemudian dicari dibasis pengetahuan lalu dicari rule
yang sesuai dengan fakta-fakta. Setelah itu diadakan hipotesa untuk memperoleh
kesimpulan (Kusumadewi, 2003).
Menurut Giarratano dan Riley (2002) Forward Chaining disebut penalaran bottom-
up karena alasan dari bukti tingkat rendah, fakta, untuk kesimpulan tingkat tertinggi
yang didasarkan pada fakta-fakta. Penalaran Bottom-up dalam sistem pakar analog
dengan pemrograman konvensional bottom-up. Fakta adalah unit dasar dari
paradigma berbasis pengetahuan karena mereka tidak bisa diurai ke dalam unit yang
lebih kecil yang memiliki arti. Misalnya, fakta "bebek" memiliki arti yang pasti
sebagai kata benda dan sebagai kata kerja. Namun, jika Apakah dipecah lebih jauh,
hasilnya adalah huruf b, e, b, e dan k, yang tidak memiliki arti khusus. Dalam
program konvensional unit dasar makna adalah data. Biasanya, konstruksi tingkat
yang lebih tinggi yang terdiri dari tingkat yang rendah diletakkan di bagian atas.
Berikut konsep dasar Forward Chaining.
Konsep perancangan mekanisme inferensi pada sistem pakar dengan metode
inferensi, kesimpulan diambil berdasarkan data-data atau masukan-masukan yang
telah diinputkan oleh pengguna melalui antarmuka aplikasi. Mekanisme inferensi
forward chaining (David, 2014) digambarkan sebagai berikut:
• Pengguna menjawab pertanyaan dengan menjawab “YA” atau “TIDAK”
berdasarkan gejala dan penyakit. Pada tahap ini, sistem akan menyimpan data
“YA” dalam temp sedangkan untuk jawaban “TIDAK” tidak akan disimpan.
Data yang disimpan nantinya akan kumpulkan menjadi suatu kumpulan fakta
dalam tabel rule (IF_Clause).
• Pengguna mengklik tombol “Lihat Hasil Tes Diagnosa”. Tahap ini adalah tahap
sistem memproses fakta yang telah diperoleh dari gejala dan penyakit,
kemudian mencocokkannya dengan daftar aturan (rule) yang telah dibuat untuk
menghasilkan fakta baru berupa kesimpulan tes atau hasil tes.
METODE PENELITIAN
Penelitian yang dilakukan menggunakan metode Forward Chaining. Metode ini
dapat diterapkan pada sistem pakar. Berikut merupakan diagram alur (flowchart)
implementasi dari metode Forward Chaining. Pertama pengguna akan
mendapatkan gejala yang di ambil dari database lalu memilih atau menjawab setiap
pertanyaan yang ditampilkan sistem. Selanjutnya sistem akan mulai melakukan
identifikasi untuk mendapatkan jenis kerusakan yang kemungkinan dimiliki oleh
kendaraan pengguna berdasarkan input gejalanya.
Gambar 2. Diagram Alur Metode Penelitian
Sumber: Data Diolah (2020)
HASIL & PEMBAHASAN
Kerusakan pada kendaraan Toyota Agya dalam penelitian ini terdiri dari 13 jenis
kerusakan dan 54 gejala dari jenis kerusakan yang biasa terjadi pada mobil Agya.
Berikut basis pengetahuan kerusakan pada mobil Agya.
Tabel 1. Jenis Kerusakan
Sumber: Data Diolah (2020)
Tabel 2. Tabel Gejala Kerusakan
Sumber: Data Diolah (2020)
Kode Jenis Gejala
Kode Jenis Gejala
a1 Apakah Mobil mendadak
mati? g1
Apakah terdengar bunyi
dugdug saat melepas kopling?
a2 Apakah terdapat sisa pelumas
pada kepala busi? g2
Apakah gigi seperti mengunci
ke atas?
a3 Apakah terdapat kerak pada
busi? g3
Apakah tombol overdrive
aktif?
a4 Apakah busi berwarna coklat
atau kemerahan? g4
Apakah telah masuk gigi “R”
mobil tidak mundur?
a5 Apakah elektroda meleleh?
g5 Apakah sulit oper gigi?
b1 Apakah idle kasar?
h1 Apakah Starter tidak
berfungsi?
Kode
Kerusakan
Jenis Kerusakan
P1 Kerusakan pada busi
P2 Injektor Bermasalah
P3 Premature Ignition
P4 Kerusakan AC / Freon AC habis
P5 Kerusakan pada Rem
P6 Mesin Overheat
P7 Kerusakan Transmisi
P8 Kerusakan Accu & engine mounting
P9 Tangki bahan bakar mengalami kerusakan
P10 Pompa oli mengalami kerusakan
P11 Radiator mengalami kebocoran
P12 Alternator rusak
P13 Kopling rusak dan kampas koling sudah aus
b2 Apakah mesin tersendat saat
pedal gas di injak? h2 Apakah air aki keruh?
b3 Apakah tenaga melemah saat
akselerasi? h3
Apakah cranking kurang dari
10 volt?
b4
Apakah Apakah akselerasi
buruk dan konsumsi bbm
boros?
h4 Apakah terdengar bunyi kasar
saat mesin di starter?
b5 Apakah lampu indicator cek
engine berkedip? h5
Apakah mobil bergetar saat
kecepatan tinggi?
c1 Apakah suara mesin
menggelitik? i1
Apakah tecium bau bensin
yang menyengat?
c2 Apakah tenaga mesin loyo?
i2 Apakah mesin tersendat-
sendat saat akselerasi?
c3 Apakah suara mesin
mendesis? i3
Apakah laju kendaraan tidak
normal?
c4 Apakah terdengar bunyi
gluduk saat lepas gas? i4
Apakah konsumsi bahan
bakar terasa sangat boros?
c5 Apakah tiba-tiba lost power
j1 Apakah terdapat rembesan oli
pada sambungan blok mesin?
d1 Apakah tidak ada hembusan
angina pada AC?
j2
Apakah oli mesin cepat
menetes jika mobil sedang
parkir atau berhenti?
d2 Apakah ekstra fan bekerja?
j3
Apakah ada asap putih pada
knalpot jika mobil di
hidupkan?
d3 Apakah kipas ac tidak
berputar?
j4
Apakah volume oli selalu
berkurang padahal tidak
mengalami kebocoran?
d4 Apakah ac tiba-tiba panas?
k1
Apakah jarum indikator
temperature naik pada posisi
“H”?
d5 Apakah indikator temperature
naik?
k2
Apakah terdapat rembesan air
pendingin antara waterpump
dan blok mesin?
e1 Apakah Rem bunyi saat
diinjak? k3
Apakah ruangan pada kabin
terasa panas?
e2 Apakah rem mobil keras?
k4 Apakah terjadi tetesan air
pada bawah mesin?
e3 Apakah rem mobil dalam?
l1 Apakah lampu CHG menyala
saat mobil sedang berjalan?
e4 Apakah rem mobil terasa
bergetar?
l2
Apakah lampu indikator
kadang-kadang menyala dan
padam?
e5 Apakah rem macet?
l3 Apakah stroom aki lemah?
f1 Apakah Mesin Mogok?
l4 Apakah aki sering tekor?
f2 Apakah oli bercampur air?
m1
Apakah mobil tidak bertenaga
jika dalam tanjakan atau
tarikan awal?
f3 Apakah bau terbakar di area
transmisi? m2
Apakah mobil berjalan
tersendat-sendat?
f4 Apakah bau mesin
menyengat? m3
Apakah susah untuk
memasukkan gigi transmisi?
f5 Apakah tenaga mesin
mendadak berkurang?
Skema inferensi Forward Chaining berawal dari fakta gejala yang dialami oleh
pengguna. Gejala pada satu jenis kerusakan dapat pula menjadi gejala pada jenis
kerusakan lainnya. Gejala dan kerusakan pada kendaraan Toyota Agya tersebut
kemudain direlasikan menjadi sebuah aturan (rule) seperti pada tabel 3 dan gambar 3
berikut.
Tabel Error! No text of specified style in document. Analisis Kebutuhan Rules
Sumber: Data Diolah (2020)
Aturan Kaidah Produksi
R1 IF a1 THEN P1 IF a4 THEN P1
IF a2 THEN P1 IF a5 THEN P1
IF a3 THEN P1
IF a1 & a2 THEN P1 IF a1 & a4 THEN P1
IF a1 & a3 THEN P1 IF a1 & a5 THEN P1
IF a2 & a3 THEN P1 IF a2 & a5 THEN P1
IF a2 & a4 THEN P1
IF a3 & a4 THEN P1 IF a3 & a5 THEN P1
IF a4 & a5 THEN P1
IF a1 & a2 & a3 THEN P1 IF a1 & a3 & a4 THEN P1
IF a1 & a2 & a4 THEN P1 IF a1 & a4 & a5 THEN P1
IF a1 & a2 & a5 THEN P1
IF a2 & a3 & a4 THEN P1 IF a3 & a4 & a5 THEN P1
IF a2 & a4 & a5 THEN P1
IF a1 & a2 & a3 & a4 THEN P1 IF a2 & a3 & a4 & a5 THEN P1
IF a1 & a3 & a4 & a5 THEN P1
Aturan Kaidah Produksi
R2 IF b1 THEN P2 IF b4 THEN P2
IF b2 THEN P2 IF b5 THEN P2
IF b3 THEN P2
IF b1 & b2 THEN P2 IF b1 & b4 THEN P2
IF b1 & b3 THEN P2 IF b1 & b5 THEN P2
IF b2 & b3 THEN P2 IF b2 & b5 THEN P2
IF b2 & b4 THEN P2
IF b3 & b4 THEN P2 IF b4 & b5 THEN P2
IF b3 & b5 THEN P2
IF b1 & b2 & b3 THEN P2 IF b1 & b3 & b4 THEN P2
IF b1 & b2 & b4 THEN P2 IF b1 & b4 & b5 THEN P2
IF b1 & b2 & b5 THEN P2
IF b2 & b3 & b4 THEN P2 IF b3 & b4 & b5 THEN P2
IF b2 & b4 & b5 THEN P2
IF b1 & b2 & b3 & b4 THEN P2 IF b2 & b3 & b4 & b5 THEN P2
IF b1 & b3 & b4 & b5 THEN P2
R3 IF c1 THEN P3 IF c4 THEN P3
IF c2 THEN P3 IF c5 THEN P3
IF c3 THEN P3
IF c1 & c2 THEN P3 IF c1 & c4 THEN P3
IF c1 & c3 THEN P3 IF c1 & c5 THEN P3
IF c2 & c3 THEN P3 IF c2,c5 THEN P3
IF c2 & c4 THEN P3
IF c3 & c4 THEN P3 IF c4,c5 THEN P3
IF c3 & c5 THEN P3
IF c1 & c2 & c3 THEN P3 IF c1 & c3 & c4 THEN P3
IF c1 & c2 & c4 THEN P3 IF c1 & c4 & c5 THEN P3
IF c1 & c2 & c5 THEN P3
IF c2 & c3 & c4 THEN P3 IF c3 & c4 & c5 THEN P3
IF c2 & c4 & c5 THEN P3
IF c1 & c2 & c3 & c4 THEN P3 IF c2 & c3 & c4 & c5 THEN P3
IF c1 & c3 & c4 & c5 THEN P3
Aturan Kaidah Produksi
R4 IF d1 THEN P4 IF d4 THEN P4
IF d2 THEN P4 IF d5 THEN P4
IF d3 THEN P4
IF d1 & d2 THEN P4 IF d1 & d4 THEN P4
IF d1 & d3 THEN P4 IF d1 & d5 THEN P4
IF d2 & d3 THEN P4 IF d2 & d5 THEN P4
IF d2 & d4 THEN P4
IF d3 & d4 THEN P4 IF d4 & d5 THEN P4
IF d3 & d5 THEN P4
IF d1 & d2 & d3 THEN P4 IF d1 & d3 & d4 THEN P4
IF d1 & d2 & d4 THEN P4 IF d1 & d4 & d5 THEN P4
IF d1 & d2 & d5 THEN P4
IF d2 & d3 & d4 THEN P4 IF d3 & d4 & d5 THEN P4
IF d2 & d4 & d5 THEN P4
IF d1 & d2 & d3 & d4 THEN P4 IF d2 & d3 & d4 & d5 THEN P4
IF d1 & d3 & d4 & d5 THEN P4
R5 IF e1 THEN P5 IF e4 THEN P5
IF e2 THEN P5 IF e5 THEN P5
IF e3 THEN P5
IF e1 & e2 THEN P5 IF e1 & e4 THEN P5
IF e1 & e3 THEN P5 IF e1 & e5 THEN P5
IF e2 & e3 THEN P5 IF e2 & e5 THEN P5
IF e2 & e4 THEN P5
IF e3 & e4 THEN P5 IF e4 & e5 THEN P5
IF e3 & e5 THEN P5
IF e1 & e2 & e3 THEN P5 IF e1 & e3 & e4 THEN P5
IF e1 & e2 & e4 THEN P5 IF e1 & e4 & e5 THEN P5
IF e1 & e2 & e5 THEN P5
IF e2 & e3 & e4 THEN P5 IF e3 & e4 & e5 THEN P5
IF e2 & e4 & e5 THEN P5
IF e1 & e2 & e3 & e4 THEN P5 IF e2 & e3 & e4 & e5 THEN P5
IF e1 & e3 & e4 & e5 THEN P5
Aturan Kaidah Produksi
R6 IF f1 THEN P6 IF f4 THEN P6
IF f2 THEN P6 IF f5 THEN P6
IF f3 THEN P6
IF f1 & f2 THEN P6 IF f1 & f4 THEN P6
IF f1 & f3 THEN P6 IF f1 & f5 THEN P6
IF f2 & f3 THEN P6 IF f2 & f5 THEN P6
IF f2& f4 THEN P6
IF f3 & f4 THEN P6 IF f4 & f5 THEN P6
IF f3 & f5 THEN P6
IF f1 & f2 & f3 THEN P6 IF f1 & f3 & f4 THEN P6
IF f1 & f2 & f4 THEN P6 IF f1 & f4 & f5 THEN P6
IF f1 & f2 & f5 THEN P6
IF f2 & f3 & f4 THEN P6 IF f3 & f4 & f5 THEN P6
IF f2 & f4 & f5 THEN P6
IF f1 & f2 & f3 & f4 THEN P6 IF f2 & f3 & f4 & f5 THEN P6
IF f1 & f3 & f4 & f5 THEN P6
R7 IF g1 THEN P7 IF g4 THEN P7
IF g2 THEN P7 IF g5 THEN P7
IF g3 THEN P7
IF g1 & g2 THEN P7 IF g1 & g4 THEN P7
IF g1& g3 THEN P7 IF g1 & g5 THEN P7
IF g2 & g3 THEN P7 IF g2 & g5 THEN P7
IF g2 & g4 THEN P7
IF g3 & g4 THEN P7 IF g4 & g5 THEN P7
IF g3 & g5 THEN P7
IF g1 & g2 & g3 THEN P7 IF g1 & g3 & g4 THEN P7
IF g1 & g2 & g4 THEN P7 IF g1 & g4 & g5 THEN P7
IF g1 & g2 & g5 THEN P7
IF g2 & g3 & g4 THEN P7 IF g3 & g4 & g5 THEN P7
IF g2 & g4 & g5 THEN P7
IF g1 & g2 & g3 & g4 THEN P7 IF g2 & g3 & g4 & g5 THEN P7
IF g1 & g3 & g4 & g5 THEN P7
Aturan Kaidah Produksi
R8 IF h1 THEN P8 IF h4 THEN P8
IF h2 THEN P8 IF h5 THEN P8
IF h3 THEN P8
IF h1 & h2 THEN P8 IF h1 & h4 THEN P8
IF h1 & h3 THEN P8 IF h1 & h5 THEN P8
IF h2 & h3 THEN P8 IF h2 & h5 THEN P8
IF h2 & h4 THEN P8
IF h3 & h4 THEN P8 IF h4 & h5 THEN P8
IF h3 & h5 THEN P8
IF h1 & h2 & h3 THEN P8 IF h1 & h3 & h4 THEN P8
IF h1 & h2 & h4 THEN P8 IF h1 & h4 & h5 THEN P8
IF h1 & h2 & h5 THEN P8
IF h2 & h3 & h4 THEN P8 IF h3 & h4 & h5 THEN P8
IF h2 & h4 & h5 THEN P8
IF h1 & h2 & h3 & h4 THEN P8 IF h2 & h3 & h4 & h5 THEN P8
IF h1 & h3 & h4 & h5 THEN P8
R9 IF i1 THEN P9 IF i3 THEN P9
IF i2 THEN P9 IF i4 THEN P9
IF i1 & i2 THEN P9 IF i1 & i4 THEN P9
IF i1 & i3 THEN P9
IF i1 & i2 & i3 THEN P9 IF i1 & i3 & i4 THEN P9
IF i1 & i2 & i4 THEN P9 IF i2 & i3 & i4 THEN P9
IF i1 & i2 & i3 & i4 THEN P9
R10
IF j1 THEN P10 IF j3 THEN P10
IF j2 THEN P10 IF j4 THEN P10
IF j1 & j2 THEN P10 IF j1 & j4 THEN P10
IF j1 & j3 THEN P10
IF j1 & j2 & j3 THEN P10 IF j1 & j3 & j4 THEN P10
IF j1 & j2 & j4 THEN P10 IF j2 & j3 & j4 THEN P10
IF j1 & j2 & j3 & j4 THEN P10
Aturan Kaidah Produksi
R11 IF k1 THEN P11 IF k3 THEN P11
IF k2 THEN P11 IF k4 THEN P11
IF k1 & k2 THEN P11 IF k1 & k4 THEN P11
IF k1 & k3 THEN P11
IF k1 & k2 & k3 THEN P11 IF k1 & k3 & k4 THEN P11
IF k1 & k2 & k4 THEN P11 IF k2 & k3 & k4 THEN P11
IF k1 & k2 & k3 & k4 THEN P11
R12 IF l1 THEN P12 IF l3 THEN P12
IF l2 THEN P12 IF l4 THEN P12
IF l1 & l2 THEN P12 IF l1 & l4 THEN P12
IF l1 & l3 THEN P12
IF l1 & l2 & l3 THEN P12 IF l1 & l3 & l4 THEN P12
IF l1 & l2 & l4 THEN P12 IF l2 & l3 & l4 THEN P12
IF l1 & l2 & l3 & l4 THEN P12
R13 IF m1 THEN P13 IF m3 THEN P13
IF m2 THEN P13 IF m4 THEN P13
IF m1 & m2 THEN P13 IF m1 & m4 THEN P13
IF m1 & m3 THEN P13
IF m1 & m2 & m3 THEN P13 IF m1 & m3 & m4 THEN P13
IF m1 & m2 & m4 THEN P13 IF m2 & m3 & m4 THEN P13
IF m1 & m2 & m3 & m4 THEN P13
Berdasarkan pada tabel tersebut user menginput sesuai gejala yang dialami, kemudian
sistem melakukan perhitungan sampai tujuan akhir berupa diagnosa kerusakan mobil
Toyota Agya yang dialami dengan contoh seperti berikut :
R1 = IF Mobil mendadak mati and terdapat kerak pada busi THEN Kerusakan pada
busi.
R2 = IF Apakah idle kasar and Apakah tenaga melemah saat akselerasi THEN Injektor
Bermasalah.
R3 = IF Apakah suara mesin menggelitik and Apakah tiba-tiba lost power THEN
Premature Ignition.
R4 = IF Apakah tidak ada hembusan angina pada AC and Apakah ac tiba-tiba panas
THEN Kerusakan AC atau Freon AC habis.
R5 = IF Apakah Rem bunyi saat diinjak and Apakah rem mobil keras THEN Kerusakan
pada Rem.
R6 = IF Apakah Mesin Mogok and Apakah bau mesin menyengat THEN Mesin
Overheat.
R7 = IF Apakah terdengar bunyi dugdug saat melepas kopling and Apakah telah masuk
gigi “R” mobil tidak mundur THEN kerusakan transmisi.
R8 = IF Apakah Starter tidak berfungsi and Apakah terdengar bunyi kasar saat mesin di
starter THEN Kerusakan Accu & engine mounting.
R9 = IF Apakah tecium bau bensin yang menyengat and Apakah laju kendaraan tidak
normal THEN Tangki bahan bakar mengalami kerusakan.
R10 = IF Apakah terdapat rembesan oli pada sambungan blok mesin and Apakah ada
asap putih pada knalpot jika mobil di hidupkan THEN Pompa oli mengalami
kerusakan.
R11 = IF Apakah jarum indikator temperature naik pada posisi “H” and Apakah
ruangan pada kabin terasa panas THEN Radiator mengalami kebocoran.
R12 = IF Apakah lampu CHG menyala saat mobil sedang berjalan and Apakah aki
sering tekor THEN Alternator rusak.
R13 = IF Apakah mobil tidak bertenaga jika dalam tanjakan atau tarikan awal and
Apakah mobil berjalan tersendat-sendat THEN Kopling rusak dan kampas koling
sudah aus.
Analisis pohon keputusan merupakan struktur penggambaran secara hirarkis untuk
diagnosa kerusakan mobil Toyota agya sehingga menghindari proses pelacakan yang
berulang. Struktur pohon terdiri dari node-node yang menunjukkan objek sesuai data
gejala, dan busur yang menunjukkan hubungan antar objek.
Gambar 3. Pohon keputusan
Sumber: Data Diolah (2020)
User dan admin merupakan aktor yang berperan dalam sistem ini. User adalah
pengguna sedangkan admin adalah admin sistem yang membantu memasukan basis
pengetahuan dari pakar. Sistem pakar terdiri atas fungsi untuk memasukkan
konsultasi gejala berdasarkan gejala yang diinputkan kemudian dilakukan proses
inferensi untuk menentukan kesimpulan kerusakan yang dialami pada kendaraan
user. Pengguna dapat melihat cara penggunaan sistem pakar dan dapat melakukan
konsultasi melalui user interface sistem pakar dengan memilih gejala yang dialami.
Sistem akan menampilkan jenis kerusakan kendaraan Toyota Agya dan penjelasan
atas kesimpulan tersebut. Pengguna dapat mencetak hasil konsulnya dengan
terhubung dengan media pencetakan. Admin dapat melakukan update pengetahuan
untuk memastikan bahwa pengetahun pada sistem selalu sesuai dengan
perkembangan pengetahuan.
Gambar 4. Use case diagram
Sumber: Data Diolah (2020)
SIMPULAN DAN SARAN
Metode Forward Chaining dapat diterapkan pada sistem pakar diagnosa kerusakan
pada mobil Toyota Agya berdasarkan basis pengetahuan mengenai 13 kerusakan
yang sering terjadi. Konsultasi dilakukan melalui user interface sistem pakar
dengan memilih gejala yang dialami. Teknik penalaran inferensi melakukan proses
pengambilan kesimpulan berdasarkan fakta-fakta yang telah diinputkan untuk
kemudian diputuskan jenis kerusakan. Diagnosa kerusakan dibidang otomotif
menggunakan sistem pakar selanjutnya dapat dikembangkan rule-rule dengan hasil
yang lebih lengkap sehingga diagnosa kerusakan kendaraan lebih akurat.
DAFTAR PUSTAKA
Abdullah, D., & Azmi, K. (2016). “Sistem Pakar Mendiagnosa Gejala Kerusakan
Mesin Mobil Toyota Menggunakan Metode Case Based Reasoning”.
Ardhito Pratomo, S. (2013). “Sistem Pakar untuk Deteksi Kerusakan Sepeda Motor
dengan menggunakan Case Based Reasoning (CBR)”. Doctoral dissertation,
Universitas STIKUBANK.
David. (2014). “Penerapan Forward Chaining Dalam Sistem Pakar Diagnosa Hama
Dan Penyakit Tanaman Jagung”. Seminar Nasional Informatika STMIK Pontianak.
90 – 95.
Giarratano, J. & Riley, G. (2005). Expert System: Principles and Programming. 4th
Edition. PWS Publishing Company, Boston.
https://www.gaikindo.or.id. Tanggal akses 28 November 2019.
Kusumadewi, S. (2003). Artificial Intelligence (Teknik dan Aplikasinya).
Yogyakarta: Graha Ilmu, 278.
Muhammad, A. (2005). Konsep Dasar Sistem Pakar. Andi Offset, Yogyakarta.
Syahrizal, M. (2013). “Sistem Pakar Untuk Mengidentifikasi Kerusakan Pada
Mobil Toyota Dengan Best First Search Berbasis Wap”. Maj. Ilm. INTI. 1(1). 53-57.
Turban, E., Aronson, J. E., & Liang, T. P. (2005). Decision Support System and
Intelligent Systems. Edisi 7 Jilid 1. Yogyakarta: Andi.
Widiastuti, W., Fatimah, D. D. S., & Damiri, D. J. (2012). “Aplikasi sistem pakar
deteksi dini pada penyakit tuberculosis”. Jurnal Algoritma. 9(1). 57-66.