ANALISIS DAN PERANCANGAN SISTEM PAKAR UNTUK DIAGNOSA KERUSAKAN PADA KENDARAAN RODA EMPAT DENGAN PENDEKATAN PROBABILITAS BAYES

ANALISIS DAN PERANCANGAN SISTEM PAKAR UNTUK DIAGNOSA KERUSAKAN PADA KENDARAAN RODA EMPAT DENGAN PENDEKATAN PROBABILITAS BAYES Adhi Prananto Nusantara Binus University, BSD City Victoria Riverpark Blok A8 No. 20, Serpong Utara, Banten, Tangerang 15820, Jawa Barat, Indonesia, Tel: (+62-21) 2795-6691, [email protected]

Nobel Mengino Alharto Binus University, Jalan Melati VI, Cengkareng 029, Jakarta Barat 11730, DKI Jakarta Indonesia, Tel: (+62-21) 540-1707, [email protected]

Yayan Prahardian Binus University, Komplek Kehutanan No. 92, RT. 023 Kel Pematang Sulur Kec Telanaipura, Jambi 36124 Jambi, Indonesia, Tel: (+62-897) 365-3081, [email protected]

Dr. Widodo Budiharto, S.Si., M.Kom. ABSTRAK Sistem pakar merupakan sistem komputer yang menggunakan pengetahuan-pengetahuan khusus yang dimiliki oleh seorang pakar untuk menyelesaikan permasalahan tertentu. Dalam penelitian ini peneliti ingin meneliti tentang penggunaan sistem pakar untuk mendiagnosa kerusakan mobil. Adapun tujuan dari penelitian ini adalah melakukan diagnosa awal terhadap kerusakan mobil sehingga kerusakan yang terjadi tidak semakin parah atau berakibat fatal, dan menerapkan probabilitas bayes untuk mengetahui nilai kemungkinan diagnosa yang dilakukan sistem pakar ini benar. Penelitian ini menggunakan metode pendekatan kualitatif dengan teknik wawancara yang mendalam terhadap narasumber (pakar) untuk mendapatkan data gejala kerusakan, bagian kerusakan, dan nilai prior dari setiap gejala dan alat yang rusak. Adapun sebagai pendukung pengumpulan data, peneliti juga mengumpulkan informasi-informasi yang diperlukan melalui study pustaka dan menyebarkan kuesioner. Teknik representasi pengetahuan dari pakar tentang gejala kerusakan dan kerusakannya menggunakan metode kaidah produksi. Sedangkan untuk mengolah nilai kemungkinannya menggunakan pendekatan probabilitas bayes. Berdasarkan metode yang digunakan, hasil penelitian

yang didapat adalah bahwa sistem pakar yang dirancang telah mampu melakukan diagnosa atas kerusakan mobil dari gejala-gejala yang timbul dan juga memberikan nilai kemungkinan bahwa diagnosa yang dilakukan sistem pakair ini benar. Kata kunci: sistem pakar, kerusakan mobil, kaidah produksi, probabilitas bayes.

ABSTRACT An expert system is a computer system that uses knowledge-specific knowledge which is owned by an expert to resolve certain problems. In this study the researchers want to examine the exert system about the use to diagnose car breakdown. As for the purpose of this research is conducting a preliminary diagnosis of the damage to the car so that the damage occurred not more severe or fatal, and apply bayes probability for knowing the value of possible diagnoses expert systems do this right. This research uses qualitative approach method with deep interview techniques to tutor (experts) to get the data damage, the damage symptoms, and the value of any prior symptoms and broken tools. As for as the supporting data collection, researchers also collect the information that is required through the study of library and distribute the questioners. Knowledge representation techniques from experts about the symptoms of damage and the damage using production rule method. While to cultivate value might use of probability bayes approach. Based on the method used, the results obtained is that experts are designed has been able to perform diagnosis on car breakdown of symptoms that arise and also gives the probability that a value of diagnosis expert system does this right. Keywords: expert systems, car breakdown, production rule, bayes probability.

PENDAHULUAN Tingkat kecelakaan yang terjadi dalam beberapa tahun ini tercatat meningkat. Hal ini disebabkan oleh beberapa faktor, diantaranya adalah kondisi kendaraan dalam kondisi tidak baik atau bagian kendaraan yang sudah harus diganti/rusak. Hal tersebut juga tidak terlepas dari faktor pengendara yang kurang memahami seluk beluk kendaraannya, Seiring dengan tingkat kecelakaan yang terus meningkat, maka hal tersebut harus segera diatasi. Masyarakat di Jakarta khususnya sudah terlalu disibukan dengan aktivitas sehari-harinya. Karena hal tersebutlah maka dibutuhkan suatu sistem pakar yang dapat mendiagnosa kerusakan dan membantu mencegah terjadinya kecelakaan atau kejadian yang tidak diingingkan. Dalam penelitian dan pengembangan sistem pakar ini, metoda yang digunakan untuk representasi pengetahuan adalah Kaidah Produksi (Production System). Pada kaidah produksi, ini terdapat satu atau lebih kaidah/rules yang dirancang untuk menyelesaikan satu permasalahan. Penerapan sistem pakar untuk mendiagnosa kerusakan mobil juga pernah dilakukan oleh sekelompok orang di Universiti Tenaga Nasional, Malaysia dimana dalam jurnalnya IJCSI International Journal of Computer Science Issues, Vol. 9, Issue 2, No 2, March 2012 yang berjudul Implementing an Expert Diagnostic Assistance System for Car karya Salama A. Mostafa, Mohd Sharifuddin Ahmad, Mazin Abed Mohammed, dan Omar Ibrahim Obaid menuliskan : “Application in fault diagnosis are continuously being implemented to serve different sectors. Car failure detection is a sequence of diagnostic processes that necessitates the deployment of expertise. The Expert systems (ES) is one of the leading Artificial Intelligence (AI) techniques that have been adopted to handle such task. This paper presents the imperatives for an ES in developing car failure detection model and the requirements of constructing successful Knowledge-Based Systems (KBS) for such model.” Untuk memperoleh keyakinan hasil diagnosa dari sistem pakar ini benar, maka digunakan probabilitas bayes yang memberikan nilai kemungkinan kebenaran hasil diagnosa sistem pakar. Nilai kemungkinan didapat berdasarkan pada perhitungan bobot gejala-gejala yang dialami oleh pengguna dan nilai prior dari alat yang rusak. Dengan adanya nilai kemungkinan benar dari perhitungan probabilitas bayes maka pengguna akan lebih mudah mengambil keputusan terhadap kerusakan mobilnya. Dengan alasan tersebut, maka dilakukan penelitian dengan judul "Analisis dan Perancangan Sistem Pakar untuk Diagnosa Kerusakan Pada Kendaraan Roda Empat dengan Pendekatan Probabilitas Bayes" secara maksimal dalam rangka memberikan nilai kemungkinan diagnosa yang lebih tepat karena dapat mendiagnosa awal kerusakan pada mobil sehingga kerusakan yang terjadi tidak semakin parah.

METODE PENELITIAN Metode yang penulis gunakan dalam study ini seperti dibawah ini : 1. Pembuatan basis pengetahuan a. Study lapangan i. Melakukan wawancara dengan pakar (montir) ahli untuk mendapatkan pengetahuan tentang study ini. ii. Melakukan analisis kuesioner terhadap kebutuhan sistem pakar ini. b. Study pustaka i. Mempelajari media-media yang digunakan dalam perancangan sistem pakar ini (Microsoft Visual Studio 2010, C++ Language). ii. Mengumpulkan dan mempelajari informasi tambahan tentang kerusakankerusakan yang biasa terjadi di mobil. iii. Mempelajari tentang probabilitas bayes. 2. Perancangan prototype aplikasi a. Perancangan use case, sequence diagram dan class diagram. b. Perancangan basis pengetahuan dan kaidah-kaidah yang digunakan c. Perancangan tampilan antarmuka/user interface 3. Pengujian aplikasi dan Evaluasi a. Melakukan uji coba terhadap aplikasi sistem pakar yang dibuat b. Mencari error atau bug yang ada di aplikasi ini c. Menguji interaksi user dengan aplikasi ini d. Evaluasi keseluruhan dari kegiatan perancangan aplikasi sistem pakar. e. Kesimpulan dan saran yang dapat diambil dari kegiatan perancangan sistem pakar.

HASIL DAN BAHASAN Hasil dari analisi dan penilitian skripsi kami adalah : a. Dapat melakukan diagnosa kerusakan pada mobil b. Probabilitas bayes Untuk mendapatkan Nilai kemungkinan kebenaran hasil diagnosa sistem pakar berhasil diterapkan

Gambar 1 Tampilan Layar Aktivitas Utama

Tampilan ini merupakan tampilan pertama kali saat aplikasi sistem pakar untuk mendiagnosa kerusakan mobil dijalankan. Tampilan ini berisi tentang list gejala-gejala kerusakan mobil yang dapat dipilih oleh pengguna.

Gambar 2 Tampilan Hasil Diagnosa (bagian mesin saja)

Tampilan ini merupakan tampilan apabila pengguna memilih gejala 1, gejala 2, dan gejala 3, yaitu gejala Mobil Sukar Menyala, Mesin Mati Tiba-tiba dan Kinerja Mesin Berkurang. Pada tampilan ini berisikan tentang hasil diagnosa sistem pakar terhadap gejala Mobil Sukar Menyala, Mesin Mati Tiba-tiba, dan Kinerja Mesin Berkurang dengan diberikan nilai kemungkinan 1 dari kebenaran hasil diagnosa tersebut.

Gambar 3 Tampilan Hasil Diagnosa (bagian sistem pendingin saja)

Tampilan ini merupakan tampilan apabila pengguna memilih gejala 1, dan gejala 3, yaitu gejala Mesin Panas, dan Air Di Radiator Berkurang. Pada tampilan ini berisikan tentang hasil diagnosa sistem pakar terhadap gejala Mesin Panas, dan Air Di Radiator Berkurang dengan diberikan nilai kemungkinan 0,792452830188679 dari kebenaran hasil diagnosa tersebut.

Gambar 4 Tampilan Hasil Diagnosa (bagian sistem pendingin saja)

Tampilan ini merupakan tampilan apabila pengguna memilih gejala 6 yaitu gejala Mesin Menjadi Panas Saat Macet. Pada tampilan ini berisikan tentang hasil diagnosa sistem pakar terhadap gejala Mesin Menjadi Panas Saat Macet dengan diberikan nilai kemungkinan 0,9 dari kebenaran hasil diagnosa tersebut.

Gambar 5 Tampilan Hasil Diagnosa (bagian rem dan kaki-kaki saja)

Tampilan ini merupakan tampilan apabila pengguna memilih gejala 5, gejala 6, dan gejala 7, yaitu gejala Terdapat Suara Gemuruh Saat Mobil Berjalan, Mobil Berayun Saat Melewati Polisi Tidur, dan Terdapat Suara Gluduk-gluduk Saat Melewati Jalan Rusak. Pada tampilan ini berisikan tentang hasil diagnosa sistem pakar terhadap gejala Terdapat Suara Gemuruh Saat Mobil Berjalan, Mobil Berayun Saat Melewati Polisi Tidur, dan Terdapat Suara Gluduk-gluduk Saat Melewati Jalan Rusak dengan diberikan nilai kemungkinan 0,666666666666667 dari kebenaran hasil diagnosa tersebut.

Gambar 6 Tampilan Hasil Diagnosa (bagian transmisi saja)

Tampilan ini merupakan tampilan apabila pengguna memilih gejala 1, dan gejala 2, yaitu gejala Gigi Tidak Bisa Masuk Saat Mesin Menyala, dan Tidak Terdapat Minyak Transmisi. Pada tampilan ini berisikan tentang hasil diagnosa sistem pakar terhadap gejala Gigi Tidak Bisa Masuk Saat Mesin Menyala, dan Tidak Terdapat Minyak Transmisi dengan diberikan nilai kemungkinan 0,611111111111111 dari kebenaran hasil diagnosa tersebut.

Gambar 7 Tampilan Hasil Diagnosa (bagian kelistrikan saja)

Tampilan ini merupakan tampilan apabila pengguna memilih gejala 2, yaitu Suara Klakson Melemah. Pada tampilan ini berisikan tentang hasil diagnosa sistem pakar terhadap gejala Suara Klakson Melemah dengan diberikan nilai kemungkinan 0,352941176470588 dari kebenaran hasil diagnosa tersebut.

SIMPULAN DAN SARAN

Simpulan Berdasarkan hasil implementasi dan evaluasi didapat kesimpulan sebagai berikut : a. Sistem pakar yang telah dikembangkan mampu melakukan diagnosa terhadap kerusakan pada mobil. b. Probabilitas bayes membantu pengguna dalam mengambil keputusan dari hasil diagnosa sistem pakar.

Saran Untuk pengembangan lebih lanjut dan perbaikan sistem terdapat beberapa saran, antara lain : a. Menambah data pada basis pengetahuan untuk meningkatkan akurasi hasil diagnosa sistem pakar. b. Mengembangkan sistem untuk implementasi berbasis web dan/atau mobile application. c. Mengintegrasikan aplikasi ini pada bengkel rekanan.

REFERENSI Anonim. (2011, November 24). Komponen Kaki-kaki mobil. Diakses pada 18-04-2012 dari http://www.trisanggaraya.com/cek-8-komponen-kaki-kaki-mobil/ Anonim. (2011, Oktober 10). Kopling Tidak Bekerja. Diakses pada 18-04-2012 dari http://xlusi.com/2011/car-maintenance-tips/kopling-tidak-bekerja/ Booch, G. Rumbaugh, J. Jacobson, I. (2005). The Unified Modeling language user guide. (2nd edition). Addison-Wesley Professional. Budiharto, W. (2012, Juni 6). Kecerdasan Buatan Kini dan Akan Datang. Diakses pada 19-06-2012 dari http://socs.binus.ac.id/2012/06/06/mengenal-kecerdasan-buatan-kini-dan-akan-datang/ Giarratano, J & Riley, G. (2005). Expert Systems : Principles and Programming. (4th edition). Thomson Course Technology, Boston. Negnevitsky, Michael. (2005). Artificial Intelligence : A Guide to Intelligent Systems. (2nd edition). Addison-Wesley, England. Russell, Stuart J & Norvig, Peter. (2003). Artificial Intelligence: a modern approach. (2nd edition). Prentice Hall, New Jersey. Salama A. Mostafa, Mohd Sharifuddin Ahmad, Mazin Abed Mohammed, dan Omar Ibrahim Obaid (2012). Implementing an Expert Diagnostic Assistance System for Car. IJCSI International Journal of Computer Science Issues, Vol. 9, Issue 2, No 2, March 2012. Spiegelhalter, David J. Myles, Jonathan P. Jones, David R. Abrams, Keith R. (1999). An Introduction to Bayesian methods in health technology assessment. British Medical Journal, August 1999. Turban, Efraim & Frenzel, Louis. (1992). Expert System and Applied Artificial Intelligence. McGrawHill publishing company, New York. Wahono, R.S. (2003, Agustus 25). Pengantar UML. Retrieved 16-04-2012 from http://ilmukomputer.org/2003/08/25/pengantar-uml/.

RIWAYAT PENULIS Adhi Prananto Nusantara lahir di kota Jakarta pada 21 Mei 1992. Penulis menamatkan pendidikan S1 di Universitas Bina Nusantara dalam bidang Ilmu Komputer pada 2012. Nobel Mengino Alharto lahir di kota Jakarta pada 10 April 1989. Penulis menamatkan pendidikan S1 di Universitas Bina Nusantara dalam bidang Ilmu Komputer pada 2012. Yayan Prahardian lahir di kota Jambi pada 13 May 1990. Penulis menamatkan pendidikan S1 di Universitas Bina Nusantara dalam bidang Ilmu Komputer pada 2012.