BAB 2 TINJAUAN PUSTAKA 2.1 Landasan Teori 2.1.1 Intelegensia Semu 2.1.1.1 Definisi Artificial Intelligence Ada beberapa definisi dari Artificial Intelligence, diantaranya : • Menurut Luger (2002: 1), “Artificial Intelligence (AI) dapat didefinisikan sebagai cabang dari ilmu komputer yang berkaitan dengan otomatisasi perilaku cerdas.” • Menurut Giarratano dan Riley (2005: 1), “Artificial Intelligence (AI) “membuat komputer berpikir seperti manusia,” terbukti dari banyaknya jumlah film fiksi ilmiah yang mempromosikan pandangan.” • Artificial Intelligence merupakan cabang dari ilmu komputer, yang memiliki tujuan untuk membuat komputer dapat melakukan pekerjaan seperti dan sebaik yang manusia lakukan (Russell dan Norvig, 2010). Dari beberapa definisi diatas, dapat disimpulkan bahwa Artificial Intelligence adalah salah satu cabang dari ilmu komputer yang memiliki tujuan agar komputer bisa berperilaku/berpikir seperti manusia, sehingga komputer dapat mengerjakan pekerjaan manusia sebaik yang manusia kerjakan. 2.1.1.2 Ruang Lingkup Intelegensia Semu Menurut Giarratano dan Riley (2005: 5), ruang lingkup intelegensia semu dibagi menjadi beberapa bagian :
Gambar 2.1 Ruang Lingkup Intelegensia Semu (Giarratano dan Riley, 2005) 7
8
1. Expert Systems Sistem pakar adalah sistem komputer yang meng-emulasi kemampuan pengambilan keputusan dari pakar (Giarratano dan Riley, 2005: 5). 2. Natural Language Processing Pengguna dapat berkomunikasi dengan komputer menggunakan bahasa yang digunakan oleh pengguna sehari-hari. 3. Artificial Neural Systems Sistem yang bekerja sesuai dengan cara kerja otak manusia, yaitu memaparkan solusi untuk berbagai masalah dengan melatih neuronneuron yang terhubung dalam suatu jaringan (Giarratano dan Riley, 2005: 51).
4. Computer Vision Komputer diprogram agar dapat membuat suatu persepsi visual dari kumpulan gambar (Shapiro dan Stockman, 2001:1). 5. Pengenalan Ucapan (Speech) Manusia
dapat
berkomunikasi
dengan
komputer
dengan
menggunakan suara. 6. Robotika (Robotics) Komputer yang diubah menjadi agen yang dapat melakukan tugas secara otomatis (Wise, 2005: 2). 7. Understanding Komputer dapat beradaptasi dengan manusia. 2.1.2 Sistem Pakar 2.1.2.1 Definisi Sistem Pakar Sistem pakar adalah sistem komputer yang meng-emulasi kemampuan pengambilan keputusan dari pakar (Giarratano dan Riley, 2005: 5). Istilah emulasi yang telah disebutkan berarti sistem pakar ini dimaksudkan untuk bertindak dalam segala hal seperti pakar. Sebuah emulasi lebih kuat daripada simulasi yang bertindak seperti hal yang nyata hanya dalam beberapa hal. Jadi pada intinya, sistem pakar itu adalah sebuah sistem yang berperilaku seakan-akan sistem tersebut adalah seorang pakar. Sistem pakar ini dapat membantu untuk mengabadikan karya seorang pakar yang telah tutup usia dan juga membantu penerapan ilmu seorang pakar dimanapun tanpa harus
9
ada seorang pakar yang pengetahuannya telah dipindahkan ke dalam sistem ditempat tersebut. Giarratano dan Riley (2005: 5-6) mengatakan bahwa, “Seorang pakar adalah orang yang memiliki keahlian di bidang tertentu. Artinya, pakar memiliki pengetahuan atau keterampilan khusus yang tidak diketahui atau dimiliki kebanyakan orang.”
Gambar 2.2 Prinsip Dasar Sistem Pakar (Giarratano dan Riley, 2005: 6) Dapat dilihat dari Gambar 2.2 yaitu penjelasan tentang prinsip dasar sistem pakar. Awal, pengguna menginput fakta atau informasi lain ke dalam sistem pakar dan menerima saran dari sistem pakar. Secara internal, sistem pakar terdiri dari dua komponen utama. Knowledge base yang berisi pengetahuan dan inference engine yang menarik kesimpulan. Kesimpulan ini merupakan respon dari sistem pakar berdasarkan fakta yang telah diinput pengguna. 2.1.2.2 Keuntungan Sistem Pakar Menurut Giarratano dan Riley (2005: 8-9) berikut ini adalah beberapa keuntungan menggunakan sistem pakar : 1. Increased Availability Keahlian pakar dapat tersedia pada setiap komputer yang diinginkan. Dalam arti yang sangat nyata, sistem pakar adalah produksi massal keahlian pakar. 2. Reduced Cost Biaya penyediaan keahlian pakar akan sangat berkurang karena kepraktisan sistem pakar. 3. Reduced Danger
10
Sistem pakar dapat digunakan pada lingkungan yang berbahaya bagi manusia. 4. Permanence Keahlian pakar pada sistem akan permanen. Tidak seperti pakar yang mungkin akan pensiun, berhenti atau meninggal, pengetahuan sistem pakar akan tetap bertahan tanpa batas. 5. Multiple Expertise Pengetahuan dari beberapa pakar memungkinkan untuk dipakai secara bersamaan dan berkelanjutan pada sebuah masalah, baik siang maupun malam. 6. Increased Reliability Sistem pakar meningkatkan keyakinan dengan keputusan yang telah dibuat dengan memberikan pendapat pakar. 7. Explaination Sistem pakar dapat menjelaskan secara detil sebuah alasan yang berunjung pada kesimpulan. Manusia mungkin akan terlalu lelah, tidak mau, atau tidak mampu untuk melakukan hal ini setiap waktu. 8. Fast Response Cepat atau tanggapan secara langsung mungkin penting bagi beberpa aplikasi. Tergantung dari perangkat lunak dan perangkat keras yang digunakan, sebuah sistem pakar dapat memberi tanggapan secara cepat dan lebih tersedia dibanding pakar. Pada beberapa kondisi darurat mungkin diperlukan tanggapan yang lebih cepat daripada manusia, pada situasi ini sistem pakar adalah pilihan tepat. 9. Steady, Unemotional, and Complete Response at All Times Hal ini sangat penting pada kondisi nyata dan darurat ketika seorang pakar tidak dapat bekerja secara efisien karena stress atau kelelahan. 10. Intelligent Tutor Sistem pakar bisa bertindak sebagai tutor pintar dengan membiarkan pelajar mencoba program dengan fakta yang diinginkan dan memberikan penjelasannya. 11. Intelligent Database Sistem pakar dapat digunakan untuk mengakses sebuah database dengan cara yang cerdas. Contohnya adalah data mining.
11
2.1.2.3 Karakteristik Sistem Pakar Menurut Giarratano dan Riley (2005: 12), sebuah sistem pakar yang dibuat harus memiliki beberapa karakteristik sebagai berikut : 1. High Performance. Sistem pakar harus mampu menanggapi pada tingkat kompetensi yang sama atau lebih baik dari seorang pakar di lapangan. 2. Adequate Response Time Sistem pakar harus memberikan respon dalam waktu sebanding dengan atau lebih baik dari waktu yang dibutuhkan oleh pakar untuk mencapai keputusan. 3. Good Reliability Sistem pakar harus dapat diandalkan dan tidak mudah rusak/error. 4. Understandable Sistem pakar harus dapat memberi penjelasan yang dapat dimengerti mengenai output-nya. 2.1.2.4 Elemen Sistem Pakar Sebuah sistem pakar yang baik menurut Giarratano dan Riley (2005: 28) harus memiliki komponen-komponen berikut : • User interface Mekanisme saat pengguna dan sistem pakar berkomunikasi. • Explaination facility Menjelaskan alasan dari sistem untuk pengguna. • Working memory Fakta-fakta yang terdapat dalam database global untuk digunakan dalam peraturan-peraturan dari sistem. • Inference engine Membuat kesimpulan dengan memutuskan aturan mana yang memuaskan dengan fakta-fakta atau objek, dengan mengutamakan aturan-aturan yang memuaskan dan melaksanakan aturan dengan prioritas yang tinggi.
12
• Agenda Mengutamakan daftar yang dibuat oleh mesin pengambil keputusan, dimana daftar tersebut diputuskan berdasarkan fakta-fakta atau objek dalam pengerjaan memori. • Knowledge acquisition facility Cara otomatis bagi pengguna untuk mendapatkan pengetahuan didalam sebuah sistem dari pada mendapatkan pengetahuan dari para ahli secara eksplisit. 2.1.2.5 Representasi Pengetahuan Representasi pengetahuan mempelajari tentang bagaimana menempatkan pengetahuan ke dalam bentuk yang dapat dimengerti oleh komputer (Russell and Norvig, 2010). Representasi pengetahuan menggunakan berbagai cara untuk menyimpan banyak informasi yang berguna ke dalam bentuk simbolis. Metode representasi yang umum digunakan dalam sistem pakar adalah rules, semantic nets, schemata, frames, dan logic (Giarratano dan Riley, 2005: 6996). 2.1.2.5.1 Production-Rule Metode yang paling sering digunakan sebagai knowledge base pada sistem pakar. Production-rule direpresentasikan dalam bentuk pasangan kondisi aksi seperti : · IF [kondisi] THEN [aksi] Sebagai contoh : · IF [emas kurang dari 500] AND [harga naik] THEN [beli emas] (Giarratano dan Riley, 2005: 73-74). 2.1.2.5.2 Semantic Nets Sebuah semantic network adalah teknik representasi klasik yang digunakan untuk informasi proposisional. Sebuah semantic network disebut juga jaringan proposisional. Sebuah proposisional adalah pernyataan yang benar atau salah, seperti “semua anjing adalah mamalia” dan “segitiga memiliki tiga sisi”. Proposisional adalah bentuk dari
13
pengetahuan deklaratif karena menyatakan fakta (Giarratano dan Riley, 2005: 78). 2.1.2.5.3 Schemata Schema
(plural
schemas
or
schemata)
digunakan
untuk
menggambarkan struktur pengetahuan yang lebih kompleks dari semantic network. Istilah schema berasal dari psikologi, di mana ia mengacu pada pengorganisasian terus-menerus dari pengetahuan atau tanggapan oleh makhluk sebagai tanggapan terhadap rangsangan (Giarratano and Riley, 2005:90). 2.1.2.5.4 Frames Salah satu jenis schema yang telah digunakan dalam banyak aplikasi AI adalah frame. Tipe lain dari schema adalah script, yang pada dasarnya adalah urutan time-ordered frames. Secara khusus, frame berguna untuk merangsang commonsense knowledge, yang merupakan daerah yang sangat sulit bagi komputer untuk menguasainya. Sementara semantic network pada dasarnya merupakan representasi pengetahuan dua dimensi, frames menambahkan dimensi ketiga dengan memungkinkan node untuk memiliki struktur (Giarratano and Riley, 2005:91). 2.1.2.5.5 Logic Logic adalah studi tentang aturan penalaran yang tepat. Suatu bagian penting dari penalaran adalah menyimpulkan dari dasar-dasar pendapat. Penerapan komputer untuk melakukan penalaran telah menghasilkan logika pemrograman dan pengembangan logic-base language seperti PROLOG. (Giarratano and Riley, 2005:96). 2.1.3 Mobil 2.1.3.1 Definisi Mobil Mobil adalah sebuah kendaraan yang maju bergerak sendiri dengan dorongan mesin pembakaran internal dan digunakan untuk penumpang dan barang di darat. Mobil modern, secara umum, pada dasarnya adalah sebuah unit peralatan transportasi. Mobil ini terdiri dari frame yang menopang body dan menentukan tenaga yang dihasilkan dan unit transmisi yang kemudian didukung oleh ban dan roda melalui pegas atau per dan as roda. Mesin memasok tenaga, yang disalurkan oleh sistem transmisi ke roda melalui
14
kopling atau cairan kopling. Mobile atau motive adalah sesuatu yang bisa bergerak. Automobile atau automotive adalah sesuatu yang dapat bergerak dengan sendirinya (Rajput, 2007: 1). 2.1.3.2 Sejarah Mobil Jerman adalah negara dimana mobil pertama kali muncul. Mobil diciptakan pertama kali disana dan dikembangkan hingga mencapai kelayakan dalam hal teknis. Daftar pelopor mobil dari Jerman sangat panjang. Dimulai dengan Nicholas Cugnot, August Otto, Carl Benz, Gottlieb Daimler, Wilhelm Maybach dan Rudolf Diesel dan semuanya berjalan sampai Ferdinand Porsche dan Felin Wankel (Rajput, 2007: 2). Tabel 2.1 Timeline Sejarah Mobil (Rajput, 2007: 1-2) Peristiwa
Tahun
Insinyur Perancis, Captain Nicholas Cugnot membuat kendaraan 1769
darat pertama yang didorong oleh tenaga manusia (mencapai kecepatan 2.5 mph dalam waktu 15 menit).
1801
Kendaraan uap pertama dibuat oleh Richard Trevithick di Inggris.
1804
Oliver Evans membuat kendaraan uap Amerika terbaik.
1827
1832
Onesiphare Pacqueur dari Perancis menciptakan Differential pertama. Transmisi 3 percepatan pertama kali dipatenkan oleh W.H. James di Inggris. Upaya Jerman dan Perancis dalam mengembangkan sebuah mesih
1880
pembakaran internal (dimana dahulu dipergunakan untuk mengangkut buah). Mobil pada saat ini adalah pengembangan dari kendaraan ini.
1885
1886
1894 1895
Benz di Jerman mengembangan becak dengan mesin pembakaran internal. Salah satu dari mobil bertenaga bensin oleh Gottlieb Daimler dari Jerman. Panhard dan Levassor dari Perancis mengembangkan sebuah mobil yang memasukkan fitur utama dari mobil modern. Perlombaan balap mobil pertama diselenggarakan.
15
Tahun 1897
Peristiwa Untuk pertama kalinya mobil datang di India. Desain dari mobil telah meningkat sehingga membangkitkan publik
1900
bahwa bentuk baru dari transportasi sangatlah praktis untuk digunakan.
1902 1906
Jilid pertama dari produksi mobil “The Curved Dash Oldsmobile” di Amerika. Produksi dan penjualan dari kendaran menjadi sebuah bisnis. Model mobil Ford “T” diproduksi di Amerika oleh Ford Motor
1908
Company (Ford memulai mobil model pertamanya dengan menjalankan 20000 kendaraan, sebuah output yang keterlaluan pada saat itu.
1911
Stater listrik pertama dipasang di mobil. Perubahan bertahap dan perbaikan dalam desain mobil. Perkembangan desain yang disediakan kepada pengguna mobil hingga sekarang, yaitu sebagai berikut :
1920
-
Keamanan,
-
Kemudahan dalam berkendara,
-
Kenyamanan,
-
Lebih dapat diandalkan.
2.1.4 C# Compiler menargetkan .NET platform yang tersedia untuk bahasa pemrograman Visual Basic, C++, dan C#. Selain Microsoft, sejumlah vendor pihak ketiga juga memasarkan bahasa yang berasal dari .NET. Contohnya bahasa Alice, APL, COBOL, Pascal, Eiffel, FORTRAN, Haskell, Mercury, ML, Mondrain, Oberon, Perl, Python, RPG, Scheme, Smalltalk, dan seterusnya. Visual Studio 2010 juga mencakup bahasa pemrograman baru disebut Visual F# (Doyle, 2011: 23). C# adalah bahasa yang diciptakan untuk .NET dan dirancang dari awal untuk bekerja dengan .NET (Doyle, 2011). Sejumlah besar class dimasukkan sebagai bagian dari .NET. Class-class tersebut atau Template dirancang untuk digunakan kembali oleh salah satu bahasa yang didukung .NET. C# dalam
16
hubungannya dengan class .NET Framework , menawarkan sebuah jembatan yang menarik untuk menggabungkan dan menggunakan standar Web yang muncul, seperti Hypertext Markup Language (HTML), Extensible Markup Language (XML), dan Simple Object Access Protocol (SOAP). C# adalah bahasa yang sederhana, serta object-oriented. Dengan menggunakan IDE Visual Studio dan NET. Framework, C# menyediakan cara mudah untuk membuat Graphical User Interface (GUI) yang mirip dengan Visual Basic. C# juga menyediakan data-data dan syntax yang hampir sama dengan C dan C++. Semua pemrograman looping dan selection disertakan. C # dapat digunakan untuk membuat berbagai jenis aplikasi perangkat lunak. Beberapa yang paling aplikasi umum adalah: • Web Application • Windows graphical user interface (GUI) application • Aplikasi berbasis konsol Selain aplikasi ini, library dan komponen yang berdiri sendiri (.dll), aplikasi smartphone, dan services juga dapat dibuat dengan menggunakan C# (Doyle, 2011:25). 2.2 Hasil Penelitian Sebelumnya Dalam bab sebelumnya, telah dituliskan bahwa sistem pakar untuk mendeteksi masalah pada mobil telah diterapkan oleh beberapa peneliti. Berikut adalah hasil penelitian tersebut : 2.2.1 Expert System for Car Troubleshooting Penelitian ini dilakukan oleh Deepa dan Packiavathy pada tahun 2012, dalam jurnalnya yang berjudul Expert System for Car Troubleshooting dan telah diakui dalam International Journal for Research in Science & Advance Technologies. Pada pembuatan sistem pakar ini metode yang dipilih adalah forward chaining. Metode ini menentukan apakah suatu hipotesis dapat dibuktikan dengan fakta-fakta yang ada (Russel dan Norvig, 2010). Dalam kasus ini faktafakta yang dimaksud adalah kondisi mobil saat mengalami kerusakan. Kemudian fakta-fakta inilah yang akan menjadi input dalam sistem pakar. Berikut adalah beberapa contoh :
17
• Mobil tidak bisa dinyalakan • Mobil bisa dinyalakan tetapi bermasalah • Keluar asap dari kap mobil • Pedal rem tidak berfungsi • Kebocoran pada sistem pendingin Melalui fakta-fakta yang di input oleh pengguna maka sistem pakar akan memberikan solusi untuk mengatasi kerusakan yang dialami. Contohnya : Car Brakes Down
Hard Pedal
Frozen brake pedal linkage
Free up and lubricate linkage
Fakta 1
Fakta 2
Penyebab
Kesimpulan dan solusi
Gambar 2.3 Pola Pencarian Kesimpulan dari Expert System for Car Troubleshooting Dengan penelitian ini dapat disimpulkan bahwa sistem pakar telah berhasil mendeteksi penyebab masalah dan memberikan solusi pada pengguna. 2.2.2 Implementing an Expert Diagnostic Assistance System for Car Failure and Malfunction Kelompok peneliti dari Malaysia yang terdiri dari Salama A. Mustafa, Mohd Sharifuddin Ahmad, Mazin Abed Mohammad, dan Omar Ibrahim Obaid, membangun sistem pakar yang bernama CFMDAS (Car Failure and Malfunction Diagnosis Assistance System). CFMDAS terdiri dari tiga bagian utama : • Knowledge Acquisition. Pengumpulan data dan ilmu dari pakar atau sumber lainnya, lalu disimpan di dalam knowledge base. • Graphical User Interface. Bagian ini memungkinkan pengguna untuk berkomunikasi dengan sistem.
18
• System modules. Berfungsi untuk mempertimbangkan dan memberikan solusi.
Gambar 2.4 Arsitektur CFMDAS Pengolahan fakta-fakta dalam inference engine dilakukan dengan metode forward chaining dan decision tree. Forward chaining dapat memberikan solusi untuk masalah yang dialami pengguna. Dalam kasus ini fakta-fakta dapat dibandingkan sesuai rules dan menghasilkan sebuah solusi. Decision tree diperlukan agar kerusakan mobil lebih jelas penanggulangannya, karena mobil memiliki banyak sistem yang berhubungan satu dengan yang lainnya. Seperti bagian pendingin, bahan bakar, pelumasan, pengereman, dll. Untuk itu pendekatan rule-based dapat membantu dengan representasi decision tree. CFMDAS dibuat secara online, dengan kemampuan untuk menyediakan informasi-informasi dan masukan pengetahuan baru beserta solusinya yang berkaitan dengan hal teknis pada mobil. Misalnya pencarian penyebab kerusakan, pengenalan kerusakan, serta memberi informasi pada pengguna bahwa sistem dapat mengadopsi berbagai jenis masalah dan menyediakan solusinya. CFMDAS yang dibuat memiliki fungsi berikut : • Sistem mengajukan beberapa pertanyaan kepada pengguna untuk dijawab dan sistem disederhanakan berdasarkan respon pengguna.
19
• Fakta dan data yang diperoleh dalam setiap proses diagnosa akan disimpan kedalam database sistem untuk dianalisa dan digunakan untuk memperluas knowledge base serta membuat rules baru dalam penggunaan selanjutnya. • Bagian penjelasan akan membantu dan memandu pengguna dalam proses diagnosis dan memperbaikinya. • Hasil diagnosis akhir dievaluasi oleh user untuk perbaikan inference engine. • Sistem memiliki fitur GPS yang menyediakan informasi mengenai tempat reparasi mobil (bengkel) terdekat beserta kontak bengkel.
Gambar 2.5 Alur Kerja CFMDAS Hasil implementasi sistem menunjukkan bahwa sistem meningkatkan produktivitas kerja secara signifikan dengan mengurangi waktu diagnosis
20
kerusakan mobil dan meningkatkan pemahaman pengguna. Diharapkan juga dapat menjadi alternatif bagi yang ingin menjadi mekanik handal. 2.2.3 The Development of an Expert Car Failure Diagnosis System with Bayesian Approach Penelitian yang ditulis oleh Widodo Budhiarto mencakup ruang lingkup yang lebih luas. Sistem pendeteksi kerusakan mobil ini dapat mendeteksi kerusakan pada lima bagian mobil : • Kerusakan pada mesin • Kerusakan pada sistem pendingin • Kerusakan pada rem dan chassis • Kerusakan pada transmisi mobil (kopling) • Kerusakan pada elektrik Perbedaan lain sistem pakar ini dengan yang sebelumnya terdapat pada inference engine yang menggunakan probabilitas Bayes. Teori probabilitas Bayes digunakan untuk menghitung kemungkinan suatu kejadian berdasarkan hasil yang didapat dari proses pengujian. Probabilitas Bayes dari sebuah hipotesis Hi dengan fakta E yang terjadi dan probabilitas terdapat fakta B berdasarkan hipotesis Hi yang telah terjadi. Teorema ini didasarkan ada prinsip bahwa jika ada informasi tambahan atau fakta, nilai probabilitas dapat meningkat, sehingga teorema ini berguna untuk mengubah atau meningkatkan nilai probabilitas bahwa ada informasi yang didukung oleh suatu fakta atau bukti tambahan. Secara matematis rumus teorema Bayes :
Dimana : p (Hi \ E) = Probabilitas hipotesis Hi benar jika diberi bukti E. p (E \ Hi) = Probabilitas E jika E digunakan dan diketahui Hipotesis Hi benar. p (Hi) = probabilitas Hipotesis tanpa mempertimbangkan bukti / fakta. p (E) = Probabilitas bukti E. Jika terdapat gejala baru, rumus menjadi :
21
Dimana : e = Bukti lama, E adalah bukti baru. p (Hi \ E, e) =Probabilitas hipotesis Hi jika bukti baru E berasal dari bukti lama e. p (e \ E, Hi) = probabilitas bersyarat antara Bukti lama e dan bukti baru E jika hipotesis Hi benar. p (e \ E) = probabilitas bersyarat antara Bukti lama e dan bukti baru E tanpa mempertimbangkan hipotesis apapun. Tabel 2.2 Gejala kerusakan pada mobil dan probabilitasnya Kerusakan Pompa
Gejala bahan Mobil tidak bisa menyala
Probabilitas 0.7
bakar (0.5)
Injeksi (0.3)
Radiator (0.33)
Mesin tiba-tiba mati
0.2
Performa mesin berkurang
0.4
Mesin susah untuk dinyalakan
-
Mesin overheat
0.9
Air di tempat penyimpanan 0.5 berkurang Air di radiator berkurang
0.6
Dengan menggunakan angka pada Tabel 2.2, sistem dicoba pada mobil Toyota Avanza yang mengalami overheat pada mesinnya. Akan dihitung berapa probabilitas kerusakan terdapat pada radiator. Hasilnya radiator memiliki probabilitas 100% mengalami kerusakan. Berdasarkan hasil ini, dapat disimpulkan sistem memiliki keakuratan 90% dalam mendeteksi kerusakan mobil. Sistem pendeteksian (diagnosis) kerusakan mobil belum menemukan algoritma yang efektif karena semua gejala untuk
22
semua kerusakan belum diketahui sebelumnya. Efektif atau tidaknya penalaran diagnosis terdapat pada kemampuan menggunakan berbagai informasi dan pengetahuan untuk menarik sebuah kesimpulan. Tabel 2.3 Summary penelitian sebelumnya No
Judul
Peneliti
Metode
Kesimpulan Berhasil memberikan
Expert System for 1
Car Troubleshooting
Deepa dan
Forward
Packhiavathy
Chaining
penyebab kerusakan dan solusi dalam bentuk program sederhana Meningkatkan
Implementing an Expert Diagnostic 2
Assistance System for Car Failure and Malfunction
produktivitas kerja Mostafa,
Decision
secara signifikan
Ahmad,
Tree dan
dengan mengurangi
Mohammed,
Forward
waktu diagnosis
dan Obaid
Chaining
kerusakan mobil dan meningkatkan pemahaman pengguna
The Development of an Expert Car 3
Failure Diagnosis System with Bayesian Approach
Keakuratan mencapai Budiharto
Teorema
90% dalam
Bayes
pendeteksian masalah pada mobil