SISTEM PAKAR DIAGNOSA KERUSAKAN LAPTOP BERBASIS ANDROID DENGAN METODE CERTAINTY FACTOR Mario Nur De Laurdes Making1, Edi Iskandar2 Prodi Teknik Informatika STMIK ELRAHMA YOGYAKARTA e-mail :
[email protected],
[email protected]
Abstract The development of applications based on expert system is in highly demand since 1950, with anlarge coverage area that broad enough. Expert systems on an organization aimed at rising value, productivity enhancement and managerial areas that can be able to draw conclusions quickly. So as the making of expert system for diagnosis laptop damage. The benefit by applying this is its ability of performing a diagnosis quickly and accurately due to the problems and symptoms early expected to provide information to the public about the symptom and damage of components on the laptop and be able to anticipate from prevent solutions provided by the system. It required the accuracy and precision of calculation in diagnosing symptoms before taking final conclusion as the results of using this methods certainty factors (CFs). This expert diagnosing laptop symptom system application built on Androidbased operating system that can run mobile by many people. Keywords: Expert System, Certainty Factor, Laptop Damage, Android. PENDAHULUAN Pembangunan sistem pakar bertujuan sebagai sarana bantu untuk memberikan informasi dan solusi terhadap masalah yang sedang dialami oleh pasien, yang dalam hal ini adalah masyarakat. Salah satu contohnya adalah kerusakan laptop merupakan kasus yang memerlukan bantuan seorang ahli dalam menyelesaikan masalah dengan mengandalkan pengetahuan yang dimilikinya. Saat ini seorang teknisi bisa membutuhkan waktu yang cukup lama untuk mendiagnosa sebuah laptop dengan kerusakan tertentu, belum lagi jika pekerjaan yang sedang dikerjakan teknisi cukup banyak, tentu akan menjadi lebih lama lagi untuk proses analisa kerusakan laptop. Sistem pakar yang dimaksud adalah perangkat lunak berbasis android yang didesain untuk memodelkan atau mengemulasi kemampuan seorang pakar dalam memecahkan suatu masalah yang berbasiskan pada pengetahuan pakar itu sendiri. Bahasa pemrograman yang digunakan sebagai pembangun sistem adalah PHP dan MySQL dengan aplikasi client berbasis android. METODE PENELITIAN Sistem pakar adalah paket perangkat lunak pengambilan keputusan atau pemecahan masalah yang dapat mencapai tingkat performa yang setara atau bahkan lebih dengan pakar mausia dibeberapa bidang khusus dan biasanya mempersempit area masalah [1]. Dalam buku yang berjudul Konsep Dasar Sistem Pakar, ada beberapa definisi sistem pakar, antara lain [2] : 1. Sistem pakar adalah salah satu cabang dari Artificial Intelligence (AI) yang membuat penggunaan secara luas knowledge yang khusus untuk penyelesaian masalah tingkat manusia yang pakar. 2. Suatu sistem pakar adalah suatu sistem komputer yang menyamai (emulates) kemampuan pengambilan keputusan dari seorang pakar.
3.
Sistem pakar (expert system) merupakan paket perangkat lunak atau paket program komputer yang ditujukan sebagai penyedia nasihat dan sarana bantuan dalam memecahkan masalah di bidang – bidang spesialisasi tertentu seperti sains, perekayasaan, matematika, kedokteran, pendidikan, dan sebagainya. 1. Kelebihan dan kekurangan sistem pakar Secara garis besar banyak keuntungan yang didapatkan dengan adanya sistem pakar, antara lain [2] : 1. Menjadikan pengetahuan dan nasihat lebih mudah didapat 2. Meningkatkan output dan produktivitas 3. Menyimpan kemampuan dan keahlian pakar 4. Meningkatkan penyelesaian masalah dan menerusi paduan pakar 5. Meningkatkan reliabilitas 6. Memberikan respon (jawaban) yang cepat 7. Merupakan panduan yang intelligence (cerdas) 8. Dapat bekerja dengan informasi yang kurang lengkap dan mengandung ketidakpastian 9. Intelligence database (basis data cerdas), bahwa sistem pakar dapat digunakan untuk mengakses basis data dengan cara cerdas. Selain kelebihan – kelebihan diatas, sistem pakar seperti hal lainnya, juga memiliki kelemahan, diantaranya adalah : 1. Masalah dalam mendapatkan pengetahuan dimana pengetahuan tidak selalu bias didapatkan dengan mudah, Karena kadangkala pakar dari masalah yang kita buat tidak ada, dan kalaupan ada kadang-kadang pendekatan yang dimiliki oleh pakar berbeda-beda. 2. Untuk membuat suatu sistem pakar yang benar-benar berkualitas tinggi sangatlah sulit dan memerlukan biaya yang sangat besar untuk pengembangan dan pemeliharaannya. 3. Boleh jadi sistem tidak dapat membuat keputusan 4. Sistem pakar tidaklah 100% menguntungkan, walaupun seorang tidak sempurna atau tidak terlalu benar. Oleh karena itu perlu diuji ulang secara teliti sebelum digunakan. Kelemahan-kelemahan atau kekurangan dari sistem pakar tersebut bukanlah sama sekali dan tidak bisa diatasi, tetapi dengan terus melakukan perbaikan dan pengolahan berdasarkan pengalaman yang telah ada maka hal itu diyakini anan dapat diatasi, walaupun dalam waktu yang lana dan terus menerus. 2. Konsep umum sistem pakar Pengetahuan dari suatu sistem pakar mungkin dapat dipresentasikan dalam sejumlah cara. Salah satu metode yang paling umum untuk mempresentasikan pengetahuan adalah dalam bentuk tipe aturan (rule) IF…THEN (Jika…maka). Konsep dasar dari suatu sistem pakar mengandung beberapa unsure / elemen, yaitu keahlian, ahli, pengalihan keahlian, inferensi, aturan, dan kemampunan menjelaskan [1]. Terdapat tiga orang yang terlibat dalam lingkungan sistem pakar, yaitu [1] : Pakar Pakar adalah orang yang mempunyai keahlian dalam bidang tertentu, yaitu pakar yang mempunyai knowledge atau kemampuan khusus yang orang lain tidak mengetahui atau mampu dalam bidang yang dimilikinya. Seorang pakar dengan sistem pakar mempunyai banyak perbedaan. Perbandingan kemampunan antara seorang pakar dengan sebuah sistem pakar seperti pada Tabel 1 berikut ini :
IJCCS Vol. x, No. x, July 201x : first_page – end_page
3
Tabel 1 Perbandingan kemampunan pakar dengan sistem pakar [3] Factor Human Expert Expert System Time availability
Hari kerja
Setiap saat
Geografis
Lokal / tertentu
Di mana saja
Kemaanan
Tidak tergantikan
Dapat diganti
Perishable / dapat habis
Ya
Tidak
Performasi
Variabel
Konsisten
Kecepatan
Variabel
Konsisten
Biaya
Tinggi
Terjangkau
Knowledge Engineer (Perekayasa Sistem) Knowledge Engineer adalah orang yang membantu pakar dalam menyusun area permasalahan dengan menginterpretasikan dan mengintegrasikan jawaban-jawaban pakar atas pertanyaan yang diajukan, menggambarkan analogi, mengajukan counte example dan menerangkan kesulitan-kesulitan konseptual. Pemakai Sistem pakar memiliki beberapa pemakai, yaitu pemakai bukan pakar, pelajar, pembangun sistem pakar yang ingin meningkatkan dan menambah basis pengetahuan dan pakar. 3. Struktur sistem pakar Sistem pakar disusun oleh dua bagian utama, yaitu lingkungan pengembangan (development environment) dan lingkungan konsultasi (consult environment) [1]. Lingkungan pengembangan sistem pakar digunakan untuk memasukan pengetahuan pakar ke dalam lingkungan sistem pakar, sedangkan lingkungan konsultasi digunakan oleh pengguna yang bukan pakar guna memperoleh pengetahuan pakar. Komponen-komponen sistem pakar dalam kedua bagian tersebut dapat dilihat dalam Gambar 1 berikut ini :
Gambar 1 Arsitektur Sistem Pakar [1] Komponen – komponen yang terdapat dalam sistem pakar adalah seperti yang terdapat pada gambar 1, antara lain : 1. Antarmuka Pengguna (User Interface) User Interface merupakan mekanisme yang digunakan oleh pengguna dan sistem pakar untuk berkomunikasi [4]. Pada bagian ini terjadi dialog antara program dan pemakai, yang memungkinkan sistem pakar menerima instruksi dan informasi (input) dari pemakai, juga memberikan informasi (output) kepada pemakai. 2. Basis Pengetahuan Basis pengetahuan mengandung pengetahuan untuk pemahaman, formulasi, dan penyelesaian masalah. Komponen sistem pakar ini disusun atas dua elemen dasar, yaitu fakta dan aturan. Fakta merupakan informasi dalam objek dalam area permasalahan tertentu, sedangkan aturan merupakan informasi tentang cara bagaimana memperoleh fakta baru dari fakta yang telah diketahui. 3. Akuisisi Pengetahuan (Knowledge Acquisition) Akuisisi pengetahuan adalah akumulasi, transfer dan transformasi keahlian dalam menyelesaikan masalah dari sumber pengetahuan ke dalam program komputer. Pengetahuan diperoleh dari pakar, dilengkapi dengan buku, basis data, laporan penelitian dan pengalaman pemakai. 4. Mesin Inferensi Mesin Inferensi adalah program komputer yang memberikan metodologi untuk penalaran tentang informasi yang ada dalam basis pengetahuan dan dalam workplace, dan untuk memformulasikan kesimpulan [1]. Terdapat dua pendekatan untuk mengontrol inferensi dalam sistem pakar berbasis aturan, yaitu pelacakan ke belakang (backward chaining) dan pelacakan ke depan (forward chaining).
IJCCS Vol. x, No. x, July 201x : first_page – end_page
5
Backward chaining Pelacakan ke belakang adalah pendekatan yang dimotori tujuan (goal-driven). Dalam pendekatan ini pelacakan 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. Proses berlanjut sampai semua kemungkinan ditemukan.
Gambar 2 Proses backward chaining [3] Forward chaining Pelacakan ke depan adalah pendekatan yang dimotori data (data-drive). Dalam pendekatan ini pelacakan dimulai dari informasi masukan, dan selanjutnya mencoba menggambarkan kesimpulan. Pelacakan ke depan mencari fakta yang sesuai dengan bagian IF dari aturan IF-THEN
Gambar 3 Proses forward chaining [3] Kedua metode inferensi tersebut dipengaruhi oleh tiga macam penelusuran, yaitu Depth-first search, Breadth-first search dan Best-first search. Dept-first search, melakukan penelusuran kaidah secara mendalam dari simpul akar bergerak menurun ke tingkat dalam yang berurutan.
Gambar 4 Diagram Alir Teknik penelusuran Dept First Search [3]
Breadth-first search, bergerak dari simpul akar, simpul yang ada pada setiap tingkat diuji sebelum pindah ke tingkat selanjutnya.
Gambar 5 Diagram Alir Teknik Penelusuran Breadth First Search [3] Best-first search, bekerja berdasarkan kombinasi kedua metode sebelumnya. 5. Workplace Workplace merupakan area dari sekumpulan memori kerja (working memory). Workplace digunakan untuk merekam hasil-hasil antara 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 6. Fasilitas Penjelasan Fasilitas penjelasan adalah komponen tambahan yang akan meningkatkan kemampuan sistem pakar. Komponen ini menggambarkan penalaran sistem kepada pemakai. Fasilitas penjelasan dapat menjelaskan perilaku sistem pakar dengan menjawab pertanyaan-pertanyaan sebagai berikut [1]: a. Mengapa pertanyaan tertentu ditanyakan oleh sistem pakar ? b. Bagaimana kesimpulan tertentu diperoleh ? c. Mengapa alternatif tertentu ditolak ? d. Apa rencana untuk memperoleh penyelesaian ? 7. Perbaikan Pengetahuan Pakar memiliki kemampuan untuk menganalisa dan meningkatkan kinerjanya serta kemampuan untuk belajar dari kinerjanya. Kemampuan tersebut adalah penting dalam pembelajaran terkomputerisasi, sehingga program akan mampu menganalisis penyebab kesuksesan dan kegagalan yang dialaminya 4. Metode Certainty Factor (Faktor Kepastian) Salah satu contoh aplikasi sistem pakar yang menggunakan metode certainty factor (CF) untuk menangani ketidakpastian adalah MYCIN, sistem pakar untuk mendiagnosa infeksi bakteri pada darah. Certainty factor didefinisikan sebagai berikut (Sri Hartati, 2013) : CF(H,E) = MB(H,E) – MD(H,E) di mana, CF(H,E) : certainty factor hipotesis H yang dipengaruhi oleh evidence (gejala) E MB(H,E) : ukuran kepercayaan (measure of increased belief) terhadap hipotesis H yang dipengaruhi oleh evidence E MD(H,E) : ukuran ketidakpercayaan (measure of increased disbelief) terhadap hipotesis H yang dipengaruhi oleh evidence E. Kombinasi Aturan Di dalam MYCIN terdapat aturan untuk menggabungkan evidence anteseden yang terdapat dalam sebuah kaidah. Hal ini dapat dilihat pada Tabel 2 berikut. Tabel 2 Kombinasi evidence anteseden (Sri Hartati, 2013) EVIDENCE E NILAI KETIDAKPASTIAN IJCCS Vol. x, No. x, July 201x : first_page – end_page
7
E1 and E2 Min [CF(H,E1), CF(H,E2)] E1 or E2 Max [CF(H,E1), CF(H,E2)] Not E -CF(H,E) Berikut ini akan diberikan contoh untuk mengkombinasikan evidence : E=(E1 AND E2 AND E3) OR (E4 AND NOT E5) Besarnya nilai kepastian untuk gejala E akan dihitung sebagai berikut : CF untuk gejala E = max [min(E1,E2,E3), min (E4,E5)] di mana nilai : E1 = 0.9 E2 = 0.8 E3 = 0.3 E4 = -0,5 E5 = -0.4 Sehingga nilai CF untuk gejala E adalah : CF gejala E = max [min(0.9,0.8,0.3), min(-0.5,-(-0.4))] = max [min(0.9,0.8,0.3), min(-0.5),0.4)] = max [0.3, -0.5] = 0.3 Bentuk dasar rumus certainty factor sebuah aturan dalam bentuk if E then H adalah sebagai berikut (Giarattano dan Riley, 2005) : CF(H,e) = CF(E,e) * CF(H,E) di mana, CF(E,e) : certainty factor evidence E yang dipengaruhi oleh evidence e CF(H,E) : certainty factor hipotesis H dengan asumsi evidence diketahui dengan pasti ketika CF (E,e) = 1 CF(H,e) : certainty factor hipotesis yang dipengaruhi oleh evidence e Contoh penerapan kombinasi certainty factor sebagai berikut : terdapat kaidah : 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 : 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 = 0.348 = 0.35 Berarti besarnya kepercayaan bahwa pasien menderita Pneumonia adalah 0.35 atau 35%. Kasus diatas dapat dibuat ilustrasinya sebagai berikut
Gambar 6 Ilustrasi kasus certainty factor Kaidah dalam sistem pakar biasanya lebih dari sebuah dan terdiri dari beberapa premis yang dihubungkan dengan AND atau OR. Knowledge mengenai premis dapat juga tidak pasti hal ini dikarenakan besarnya nilai (value) CF yang diberikan oleh pasien saat menjawab pertanyaan sistem atas premis (gejala) yang dialami pasien atau dapat juga dari nilai CF hipotesa. Formula CF untuk beberapa kaidah yang mengarah pada hipotesa yang sama dapat dituliskan sebagai berikut : CF(H)
CF(R1) + CF(R2) – [CF(R1)*CF(R2)]; nilai CF(R1) dan CF(R2) > 0 CF(R1) + CF(R2) + [CF(R1)*CF(R2)]; nilai CF(R1) dan CF(R2) < 0 CF(R1) + CF(R2) 1 – min [ |CF(R1)|, |CF(R2)|]
nilai CF(R1) dan CF(R2) berlawanan tanda
di mana, H : Hipotesa R1 : Kaidah 1 R2 : Kaidah 2 Contoh : R1 : IF a AND b THEN H ; CF = 0.6 R2 : IF c OR d THEN H ; CF =0.7 diketahui nilai CF (a) = 1.0 ; CF (b) = 0.8 ; CF © = 0.6 ; dan CF (d) = 0.9 Nilai CF (R1) = min [CF(a), CF(b)]*CF(H) = min [1.0 , 0.8] * 0.6 = 0.8 *0.6 = 0.48 Nilai CF (R2) = max [CF(c), CF(d)] * CF(H) = max [0.6 , 0.9] * 0.7 = 0.9 * 0.7 = 0.63 CF(H) = CF(R1) + CF(R2) – [CF(R1)*CF(R2)] = 0.48 + 0.63 – [0.48 * 0.63] = 1.11 – 0.3024 = 0.808 Nilai certainty factor ada 2 yaitu : a. Nilai certainty factor kaidah yang nilainya melekat pada suatu kaidah / rule tertentu dan besarnya nilai diberikan oleh pakar. b. Nilai certainty factor yang diberikan oleh pengguna untuk mewakili derajat kepastian / keyakinan atas premis (misalnya gejala, kondisi, ciri) yang dialami pengguna. Pada implementasi sistem pakar akan terlihat bahwa nilai CF yang diberikan oleh pengguna ada pada sesi konsultasi, sehingga sistem pakar selain meminta jawaban pengguna atas pertanyaan yang diajukan juga meminta masukan nilai certainty factor atas IJCCS Vol. x, No. x, July 201x : first_page – end_page
9
jawaban tersebut, sedangkan nilai CF kaidah terdapat pada suatu rule / kaidah yang biasanya diberikan oleh pakar berdasarkan pengalamannya, sehingga sangat bersifat subyektif. HASIL DAN PEMBAHASAN Analisis Masalah Melihat perkembangan penggunaan laptop sebagai alat bantu untuk memudahkan pekerjaan berbagai kalangan masyarakat, tentu hal ini juga berbanding lurus dengan kebutuhan pasar akan jasa perawatan dan perbaikan laptop itu sendiri, terkadang bagi pengguna awam tidak tahu-menahu tentang bagaimana perawatan untuk laptop, atau jika terjadi kerusakan pada laptop harus membawa ke tukang servis hanya untuk sekedar mengetahui kerusakan laptop yang mungkin masih bisa dilakukan perbaikan sendiri. Pengetahuan dasar tentang kerusakan yang sering terjadi pada laptop perlu dipahami, harapannya minimal pengguna bisa mengetahui gejala kerusakan, lalu mengetahui komponen yang rusak, dan akhirnya muncul solusi penanganan yang harus dilakukan terhadap laptopnya sebelum diserahkan ke tukang servis. Oleh karena itu berdasarkan analisis masalah diatas, melalui sistem ini diharapkan menjadi pilihan alternatif konsultasi serta informasi, baik bagi teknisi laptop maupun bagi para pengguna mengenai kerusakan pada laptop, dan masalah yang dianalisis adalah tentang kerusakan pada laptop beserta gejala atau penyebabnya serta penanganan terhadap kerusakan yang terjadi. Analisis Permasalahan, Gejala dan Kerusakan Langkah pertama dalam mengembangkan sistem pakar adalah mengidentifikasikan permasalahan yang akan dikaji, dalam hal ini adalah mengidentifikasikan permasalahan yang akan dibuat telebih dahulu, adapun masalah-masalah yang diambil dalam pembuatan sistem pakar ini adalah gejala-gejala awal yang sering disebut Hardware Problem Analysis Procedure. Sistem pakar ini hanya digunakan untuk prosedur penanganan kerusakan pada hardware laptop. Data sampel sebagai data awal jenis permasalahan yang di diagnosa adalah 5 jenis permasalahan yang sering terjadi pada laptop. Di bawah ini akan dijelaskan mengenai definisi permasalahan, gejala yang menyebabkan, komponen yang kemungkinan terjadi kerusakan, serta pencegahan yang bisa dilakukan. Adapun uraian dari setiap permasalahan yang sering terjadi pada laptop adalah sebagai berikut: 1. Hank a. Definisi Hank adalah keadaan laptop dimana satu program, atau seluruh sistem berhenti menanggapi input atau masukkan. Kondisi hank biasanya erat kaitannya dengan kondisi blue screen. Blue Screen atau sering disebut BSOD (Blue Screen Of Death) atau sering juga disebut “layar biru” adalah istilah populer untuk layar yang ditampilkan Microsoft Windows ketika mengalami kesalahan sistem (atau disebut stop error oleh Microsoft. b. Gejala Gejala yang mulai timbul sebelum laptop menjadi hank yaitu adalah : - Kinerja harddisk melambat - Device hardware non onboard tidak terinstal sempurna - Memory Crash atau terpasangnya 2 keping memori dengan perbedaan speed - Overheating (suhu laptop terlalu tinggi saat digunakan) c. Kerusakan - Sodim Memory - Harddisk
2.
3.
- Fan / Cooling system - Motherboard d. Pencegahan - Samakan speed memori atau pergunakan 1 keping memori saja - Cek harddisk menggunakan mini xp, jika kinerja normal kemungkinan melambat disebabkan OS yang terinstal - Pastikan Fan berputar normal - Gunakan thermal dan pasta pendingin yang cukup untuk processor dan chipset - Gunakan cooling pad untuk membantu sirkulasi udara pada laptop - Gunakan laptop dengan sewajarnya Mati a. Definisi Permasalahan laptop mati adalah kondisi dimana tidak ada indikator laptop itu hidup, baik itu tampilan lcd, bunyi fan, led indikator, dan tidak ada perubahan status ketika ditekan tombol switch on. b. Gejala Gejala yang menyebabkan laptop mati total adalah : - Power dari adaptor tidak masuk ke laptop - Baterai tidak menyimpan arus - Led indicator power tidak menyala - Tombol switch on tidak merespon - Overheating - Tegangan blok power di mainboard ada yang nihil c. Kerusakan - Adaptor / Charger - Baterai - Fan / Cooling system - Mainboard d. Pencegahan - Selalu gunakan adaptor original laptop - Pastikan baterai masih menyimpan arus dengan normal - Selalu perhatikan sistem pendingin pada laptop bekerja dengan baik - Gunakan cooling pad untuk membantu sirkulasi udara pada laptop - Gunakan laptop dengan sewajarnya Tidak ada tampilan (No display) a. Definisi Permasalahan laptop no display adalah kondisi dimana laptop dalam kondisi hidup / power on tetapi tidak ada tampilan gambar baik itu di lcd internal ataupun eksternal b. Gejala Gejala yang menyebabkan laptop no display adalah : - Overheating - Memory Crash atau terpasangnya 2 keping memori dengan perbedaan speed - Thermal pasta pada chipset kurang baik - Processor mati - Tegangan blok power vga di mainboard nihil
IJCCS Vol. x, No. x, July 201x : first_page – end_page
11
4.
5.
c. Kerusakan - Fan / cooling system - RAM - Processor - Mainboard d. Pencegahan - Selalu perhatikan sistem pendingin pada laptop bekerja dengan baik - Gunakan cooling pad untuk membantu sirkulasi udara pada laptop - Gunakan laptop dengan sewajarnya Baterai tidak mengisi (No Charge) a. Definisi Permasalahan laptop no charge adalah kondisi dimana laptop dalam kondisi hidup / power on dan bisa masuk Windows / OS batera terpasang tetapi indikator baterai tidak mengisi. b. Gejala Gejala yang menyebabkan laptop no charge adalah : - Power dari adaptor tidak masuk ke laptop - Baterai tidak menyimpan arus - Tegangan blok charger di mainboard nihil c. Kerusakan - Adaptor / charger - Baterai - Mainboard d. Pencegahan - Selalu gunakan adaptor original laptop - Pastikan baterai masih menyimpan arus dengan normal - Gunakan laptop dengan sewajarnya Power Drop a. Definisi Permasalahan laptop power drop adalah kondisi dimana laptop ketika ditekan tombol switch on dengan atau tanpa baterai masih bisa merespon lalu menyala, selang beberapa saat mati sendiri b. Gejala Gejala yang menyebabkan laptop power drop adalah : - Supply Power adaptor yang masuk ke laptop tidak sesuai - Overheating - Konslet (short) atau instalasi device non onboard kurang sempurna - Tegangan blok power di mainboard ada yang short c. Kerusakan - Adaptor / charger - LCD - LCD / LED cable - Internal camera - Microphone - Wifi Card - USB port - Ethernet port
- Processor d. Pencegahan - Selalu gunakan adaptor original laptop - Pastikan instalasi device non onboard sudah terpasang dengan sempurna - Gunakan laptop dengan sewajarnya Analisis Tabel Keputusan Tabel keputusan digunakan sebagai acuan dalam membuat pohon keputusan dan kaidah yang digunakan. Berdasarkan analisa masalah penyakit dan gejala di atas, maka tabel keputusan pada sistem pakar diagnosa kerusakan pada laptop dapat dilihat pada tabel berikut. Tabel 4 Tabel Keputusan Permasalahan Gejala P001 P002 P003 P004 P005 G001 X X X X G002 X X G003 X X G004 X G005 X X G006 X G007 X G008 X G009 X G010 X G011 X G012 X G013 X G014 X G015 X G016 X Keterangan Permasalahan P001 : Hank P002 : Mati P003 : No Display P004 : No Charge P005 : Power Drop Keterangan Gejala G001 : Overheating G002 : Baterai tidak menyimpan arus G003 : Memory crash G004 : Processor mati G005 : Power dari adaptor tidak masuk ke laptop G006 : Device non onboard tidak terinstal sempurna G007 : Tegangan blok power di mainboard ada yang nihil G008 : Thermal pasta pada chipset kurang baik G009 : Kinerja harddisk melambat G010 : Tegangan blok power vga di mainboard nihil G011 : Tegangan blok charger di mainboard nihil IJCCS Vol. x, No. x, July 201x : first_page – end_page
13
G012 G013 G014 G015 G016
: : : : :
Supply Power adaptor yang masuk ke laptop tidak sesuai Konslet (short) atau instalasi device non onboard kurang sempurna Tegangan blok power di mainboard ada yang short Led indikator power tidak menyala Tombol switch on tidak merespon
Metode CF (Certainty Factor) a. Perhitungan Nilai MB (Measure of Belief) Nilai bobot MB didapat dari nilai kepercayaan yang diberikan pakar terhadap suatu hasil diagnosa mengacu pada gejala yang ada. Jumlah nilai yang diijinkan maksimal 9. Nilai MB dihitung dengan rumus berikut MB = Mb 10 Mb = Nilai kepercayaan yang diberikan pakar b. Perhitungan Nilai MD (Measure of Disbelief) Nilai bobot MB didapat dari nilai ketidakpercayaan yang diberikan pakar terhadap suatu hasil diagnosa mengacu pada gejala yang ada. Jumlah nilai yang diijinkan maksimal 9. Nilai MB dihitung dengan rumus berikut MB = Md 10 Md = Nilai ketidakpercayaan yang diberikan pakar c. Perhitungan Nilai CF (Certainty Factor) Nilai CF (Certainty Factor) digunakan untuk mengetahui hasil identifikasi yang mendekati hasil suatu kerusakan. Nilai CF yang terbesar yaitu nilai yang paling mendekati suatu kerusakan. Untuk menghitung nilai CF digunakan rumus : CF(H,E)=MB(H,E) - MD(H,E) dimana : CF(H,E) : Certainty Factor dari hipotesis H yang dipengaruhi oleh evience E MB(H,E) : Kepastian (measure of hipotesis increased belief) terhadap hipotesis H yang dipengaruhi oleh evidence E MD(H,E) : Ketidakpastian (measure of increased disbelief) terhadap hipotesis H yang dipengaruhi oleh evidence E Sedangkan untuk nilai CF gabungan digunakan rumus : CF(H1,E1)+CF(H1,E2)–[CF(H1,E1)*CF(H1,E2)]; nilai CF(H1,E1)&CF(H1,E2)>0 CF(H1,E1)+CF(H1,E2)+[CF(H1,E1)*CF(H1,E2)]; nilai CF(H1,E1)&CF(H1,E2)<0 CF(H1,E1) + CF(H1,E2) nilai CF(H1,E1) dan CF(H1,E2) 1 – min [ |CF(H1,E1)|, |CF(H1,E2)|] berlawanan tanda
Use Case Use case dibuat berdasarkan pada keperluan actor. Use case melibatkan interaksi actoractor dengan sistem. Use case mengemukakan suatu kerja yang tampak dari perspektif actor. Use case melakukan suatu yang berharga bagi actor seperti mengitung, menghasilkan objek baru atau mengubah status objek lain. Use case merupakan “apa” yang dikerjakan aplikasi, bukan “bagaimana” aplikasi mengerjakannya. Use case ini menggambarkan bagaimana gambaran mengenai aplikasi Sistem Pakar Diagnosa Kerusakan Laptop yaitu actor yang terlibat dalam proses ini. Spesifikasi use case aplikasi, seperti pada Gambar 4.2 berikut:
Gambar 5 Use Case Aplikasi Output Program Halaman splash Halaman ini merupakan halaman awal setelah aplikasi dijalankan pertama kali, tampilan splash ini memiliki fungsi antara lain untuk menampilkan logo aplikasi. Adapun tampilan halaman splash dapat dilihat pada Gambar 19 berikut.
Gambar 19 Tampilan Halaman Splash Halaman home Halaman ini merupakan halaman utama aplikasi client android dokterlaptop. Pada halaman home ini ada lima menu yaitu menu Panduan program, menu Diagnosa kerusakan, menu Kamus istilah gejala, menu Kamus komponen serta menu Tetang program. Adapun tampilan halaman home aplikasi client android dokterlaptop dapat dilihat pada Gambar 20
IJCCS Vol. x, No. x, July 201x : first_page – end_page
15
Gambar 20 Tampilan Halaman Home KESIMPULAN Setelah beberapa tahapan dalam menyelesaikan aplikasi Sistem Pakar Diagnosa Kerusakan Laptop berbasis Android, dapat disimpulkan bahwa : 1. Aplikasi Sistem Pakar Diagnosa Kerusakan Laptop berbasis Android dapat digunakan untuk mendiagnosa kerusakan laptop dengan gejala-gejala yang ada. 2. Tampilan aplikasi yang mudah dipahami (user friendly) dengan pemilihan gejala permasalahan yang ada. 3. Aplikasi Sistem Pakar Diagnosa Kerusakan Laptop berbentuk sebuah aplikasi mobile yang didistribusikan dalam bentuk file dengan extensi .apk. Sehingga dapat dijalankan pada sistem operasi Android. 4. Pembuatan aplikasi mobile ini menggunakan perangkat lunak Eclipse IDE dengan bahasa pemrograman Java. SARAN Penulisan skripsi ini tentu terdapat banyak kekurangan yang perlu disempurnakan pada penelitian-penelitian berikutnnya. Supaya aplikasi ini dapat lebih sempurna, terdapat beberapa saran yang dapat dipergunakan antara lain : 1. Permasalahan awal pada aplikasi Sistem Pakar Diagnosa Kerusakan Laptop berbasis Android ini masih belum lengkap, dapat dilengkapi serta dikembangkan lagi. 2. Tampilan pada aplikasi mobile ini masih sangat sederhana, diharapkan dalam pengembangannya dapat memperindah tampilan dengan menggunakan gambar, animasi ataupun suara agar lebih menarik. DAFTAR PUSTAKA [1] Turban, Efraim dkk, 2005, Decision Support System and Intellegent Systems, Penerbit Andi, Yogyakarta [2] Arhami, M., 2005, Konsep Dasar Sistem Pakar, Penerbit Andi, Yogyakarta. [3] Kasmui, 2011, Sistem Pakar Identifikasi Bentuk Keris Jawa dengan Metode CF (Certainty Factor), Skripsi, UIN Syarif Hidayatullah Jakarta, Jakarta. [4] McLeod, R, Jr., 2001, SIM. Edisi Bahasa Indonesia Jilid 1, Ditejermahkan oleh Hendra T., Prenhallindo, Jakarta. .
