ISSN Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) Volume 1, Nomor 1, Maret 2012

ISSN 2089-8673 Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) Volume 1, Nomor 1, Maret 2012

INTISARI KERANGKA SISTEM BERBASIS ATURAN MENGGUNAKAN CERTAINTY FACTOR, DENGAN RUNUT MAJU DAN RUNUT MUNDUR Oleh PUTU HENDRA SUPUTRA1 Email: [email protected] ABSTRAK Salah satu cara dalam membangun suatu sistem pakar adalah dengan menggunakan kerangka (shell) yang membantu membangun knowledge base dan aplikasinya. Kerangka sistem pakar membantu pengembang sistem pakar sebagai fasilitas antarmuka pengguna dalam mengelola input dan output dari data. Kerangka sistem pakar juga mampu memanipulasi informasi dan basis pengetahuan yang dimiliki, untuk menghasilkan sebuah konklusi. Di samping fasilitas konstruksi pengetahuan yang mudah dan memadai, pengembangan sistem pakar dengan menggunakan kerangka (shell) sistem pakar juga perlu memperhatikan fasilitas penjelasan yang ramah penguna dan mampu menjelaskan bagaimana suatu kesimpulan diperoleh. MyExSys adalah sebuah kerangka sistem berbasis aturan yang dikembangkan untuk membangun sebuah sistem pakar berbasis aturan (pengetahuan) yang memberi keleluasaan kepada pengguna untuk mengelola pengetahuan. Proses penalaran yang didukung adalah runut maju dan runut mundur serta jejaring kemungkinan Fasilitas penjelasan yang disediakan meliputi rangkuman proses penalaran yang berbasis teks, serta jejaring inferensi dalam bentuk grafik AND-OR Tree. MyExSys menggunakan certainty factor secara naif dalam merepresentasikan penaran atas ketidakpastian. Kata kunci: sistem pakar, sistem berbasis aturan, kerangka, shell, certainty factor

ABSTRACT RULE BASED SYSTEM SHELL WITH CERTAINTY FACTOR, USING FORWARD AND BACKWARD CHAINING By PUTU HENDRA SUPUTRA Expert system can be build by starting from the scratch or focusing in knowledge consruction using an expert system shell. An expert system helps developer to build an expert system without need proper skill in programming. An expert system shell provides a layer between the user interface and computer operating system to manage the input and output of data. It also manipulates the information provided by the user in conjunction with the knowledge base to arrive at a particular conclusion and explanation of how the conclusion was derived. MyExSys is a rule based system shell developed for building a rule based expert system with the knowledge management. It runs the inference with both forward and backward chaining mode. The modified-forward chaining extra feature is not only find supporting facts, but also re-evaluate them to trace every possible consequenses to reflects way of human thinking to reckon risks came with the facts. The explanation facility in MyExSys is provided in two ways, text and graphical. Graphical explanation displays the process in AND-OR Tree graph. Certainty factor is used naifly to represent the uncertainty. Keywords: expert system, rule-based system, shell, certainty factor 1 Putu Hendra Suputra, Staf pengajar Jurusan Manajemen Informatika UNDIKSHA

10


KERANGKA SISTEM BERBASIS ATURAN MENGGUNAKAN CERTAINTY FACTOR, DENGAN RUNUT MAJU DAN RUNUT MUNDUR

I. Pendahuluan Program Kecerdasan Buatan (Artificial Intelligent) yang menyerupai kemampuan seorang pakar yang mampu menyelesaikan permasalahan tertentu berdasarkan sekumpulan pengetahuan atas permasalahan tertentu yang spesifik diseput sistem berbasis aturan (knowledge based system) atau sistem pakar (expert system). Aplikasi sistem berbasis aturan tidak hanya pada pemecahan masalah saja, namun juga dapat diintegrasikan pada cabangcabang kajian AI yang lain guna meningkatkan atau menyempurnakan metode sebagai bentuk dari hybrid system. Namun apapun tujuannya, setiap sistem berbasis aturan tetap berpegang pada area tertentu yang disebut domain atau task domain. Domain yang dimaksud adalah area atau lingkungan di mana permasalahan terdefinisikan. Sistem pakar terdiri dari dua bagian utama yaitu basis pengetahuan (knowledge base) dan penalaran (reasoning). Knowledge base dalam sistem pakar mengandung pengetahuan yang bersumber dari pengetahun seorang (atau sekelompok) pakar, buku, jurnal, dan sebagainya, yang berhubungan dengan bidang tertentu yang direpresentasikan dengan format tertentu yang dapat diterima oleh komputer. Pekerjaan pengumpulan dan representasi pengetahun ini dilakukan oleh knowledge engineer. Sementara proses penalaran diimplementasikan berdasarkan konsep dan metode yang disesuaikan dengan kebutuhan atas pemecahan masalah yang dihadapi. Pengetahuan dan informasi (fakta) tidak selalu seratus persen tepat. Bahkan sangat mungkin pada suatu kasus, pengetahuan yang diperoleh tidak lengkap. Untuk menghadapi ketidakyakinan atas suatu pengetahuan maupun fakta, suatu aturan (representasi atas pengetahuan) perlu diasosiasikan pada suatu confident factor atau suatu bobot tertentu. Metode paling naif dalam penalaran atas ketidakpsatian adalah metode Certainty Factor (CF). Sistem pakar berbasis aturan dapat dibangun dengan dua cara, yaitu dengan membangun sistem keseluruhan dari rancangan dasar menggunakan bahasa pemrograman atau membangunnya menggunakan perangkat lunak khusus yang disebut dengan ”tool” atau ”shell”. Shell sistem pakar berbasis aturan merupakan suatu sistem yang dibangun berdasarkan sekumpulan metode-metode penalaran tanpa tergantung pada domain tertentu. Membangun sistem pakar berbasis aturan menggunakan shell ini menawarkan keuntungan yang signifikan. Sistem dapat dibangun untuk melakukan tugas tertentu (pada domain tertentu) dengan memasukkan pengetahuan yang dibutuhkan ke dalam shell. Mesin inferensi yang terinstalasi dalam shell akan mengolah pengetahuan tersebut untuk melakukan tugasnya. Dengan adanya shell ini, pembangunan sebuah sistem pakar dapat difokuskan pada pengumpulan dan representasi pengetahuan saja. Selain itu, shell sistem pakar dapat digunakan dalam pembelajaran bagaimana proses pemecahan masalah dilakukan melalui serangkaian inferensi simbolik. II. Elemen Sistem Pakar Elemen-elemen yang umum dalam sistem pakar digambarkan seperti pada Gambar 1 (a). dalam sistem berbasis aturan, knoledge base berisi pengetahuan suatu domain yang dibutuhkan untuk menyelesaikan masalah yang dikodekan dalam bentuk aturan-aturan (Giarratano dan Riley, 2005). Sistem pakar terdiri dari beberapa komponen sebagai berikut. a) User interface User-interface merupakan sebuah mekanisme bagaimana para pengguna berinteraksi dengan sistem pakar. b) Explanation facility

11


Fasilitas ini memberikan informasi kepada pengguna mengenai jalannya penalaran sehingga dihasilkan suatu keputusan. c) Working memory Working-memory menyimpan fakta-fakta yang digunakan pada aturan selama proses penalaran berlangsung. d) Inference engine Inference-engine melakukan proses inferensi dengan cara memutuskan aturan mana yang memenuhi kondisi fakta atau objek, mempertimbangkan prioritas atas aturan-aturan yang memenuhi tadi, lalu mengeksekusi aturan yang memiliki prioritas tertinggi dari sederetan aturan tadi. e) Agenda Agenda berisi aturan-aturan yang memiliki prioritas yang dibuat oleh inference engine, di mana aturan-aturan tersebut dipilih (dibangkitkan) berdasarkan fakta-fakta yang diketahui yang memenuhi kondisi aturan tersebut. f) Knowledge acquisition facility Fasilitas ini mengakomodasi kebutuhan akan akuisisi dan representasi pengetahuan dengan cara yang lebih mudah dibandingkan dengan mengolah pengetahuan secara eksplisit dengan cara mengkode basis pengetahuan.

KNOWLEDGE BASE

INFERENCE ENGINE

(RULES)

WORKING MEMORY

AGENDA

(FACTS)

KNOWLEDGE ACQUISITION FACILITY

EXPLANATION FACILITY

USER INTERFACE

(a)

(b)

Gambar 1 (a) Struktur sistem berbasis aturan (Giarratano dan Riley, 2005), (b) Arsitektur MyExSys III. Arsitektur MyExSys MyExSys adalah nama sandi yang digunakan untuk menyebut sistem yang dibangun dalam penelitian ini. Gambar 1.(b) menunjukkan arsitektur MyExSys. Bagian antarmuka menjembatani fasilitas penjelasan dan fasilitas akuisisi pengetahuan yang terkoneksi dengan mesin inferensi. Fasilitas penjelasan dapat memberikan suatu kesimpulan dan detail proses yang memberikan penjelasan kepada pengguna bagaimana suatu kesimpulan diperoleh. Dalam bagian ini pula disediakan jejaring aturan yang menunjukkan hubungan antar aturan yang terlibat dalam pengambilan suatu keputusan. Pengelolaan dan pembuatan set aturan diakomodasi pada fasilitas akuisisi pengetahuan. Antarmukanya didesain agar dapat mengurangi kemungkinan kesalahan pemasukan data. Pada fasilitas ini, knowledge engineer dapat mengelola set aturan – yang terdiri dari kunci dan aturan (rule) – maupun membuat

12


sebuah set aturan yang baru. Perubahan atas set aturan tidak dilakukan langsung pada file, melainkan melalui perantara mesin inferensi. Pada mesin inferensi terdapat rutin-rutin yang dapat dipanggil termasuk rutin-rutin pengelolaan set aturan sehingga jika dilakukan pengembangan antarmuka, tidak terikat pada format aturan karena sudah built-in pada mesin inferensi sebagai core (inti) dari MyExSys. Perubahan pada shell dapat dilakukan dengan tujuan menyesuaikan kasus dan domain namun tetap menggunakan core yang sama sepanjang kebutuhan inferensinya tidak jauh berbeda dengan fitur yang mampu didukung oleh mesin inferensi. Mesin inferensi menjadi fokus dalam penelitian ini karena proses inferensi terjadi pada bagian ini. Mesin inferensi dirancang untuk tidak memiliki ketergantungan terhadap antarmuka. Dalam bagian ini disediakan rutin atau metoda publik yang dapat dipanggil. Dengan demikian mesin inferensi dapat digunakan pada pada desain antarmuka yang berbeda tetapi harus compatible. Sebelum melakukan proses inferensi, mesin inferensi harus memuat data di dalam set pengetahuan, yang terdiri dari data kunci dan data aturan ke dalam memori. Hubungan antar komponen dalam mesin inferensi seperti pada Gambar 2. Set pengetahuan terdiri dari file kunci dan file aturan. File kunci menyimpan data premis yang membangun aturan, dengan kata lain setiap aturan mereferensi pada data kunci. File aturan menyimpan data aturan yang dikodekan dengan format yang telah ditentukan.

Gambar 2. Hubungan komponen dalam mesin inferensi (runut maju) IV. Representasi Pengetahuan Sistem memiliki sebuah kode format yang menentukan bagaimana kondisi dibentuk. Jika dibuat sebuah aturan : “IF Premis A AND NOT Premis B AND Premis C THEN Premis D” Sebagai contoh, ID kunci seperti berikut ini. ID 1 2 3

Nama Premis A Premis B Premis C

13


4

Premis D

14


dengan kode format bernilai 3, artinya setiap ID kunci dibuat dalam format 3 digit, sehingga aturannya menjadi: IF 001002003 THEN 004 , dengan tandakondisi=101 (0=negasi) atau kondisi : 001002003 tandakondisi : 101 konklusi : 004 tandakonklusi : 1 V. Proses Penalaran Dua buah flag disediakan untuk menandai modus runut yang digunakan. Flag ini nilainya ditentukan pada saat User memilih tombol runut yang dipilih. Proses runut maju dan runut mundur memiliki kontrol proses yang berbeda namun sama-sama memanfaatkan komponen-komponen dalam mesin inferensi. Di samping runut maju dan runut mundur, terdapat suatu fitur jejaring kemungkinan yang merupakan modifikasi dari runut maju seperti digambarkan pada Gambar 3. Setiap melakukan eksekusi (firing) terhadap suatu aturan (rule), dibuat timestamp agar dapat melakukan pelacakan urutan masuknya aturan yang telah terpakai. Hal ini sangat membantu dalam menyusun penjelasan terutama dalam membangun jaring aturan (rule net) atau inference net.

Gambar 3 Proses mulai inferensi

15


Gambar 4 Proses runut maju

Gambar 5. Proses runut mundur Runut mundur dilakukan dimulai dari evaluasi goal yang akan dikonfirmasi status keberadaan kondisinya kepada USER. Proses runut mundur ini menggunakan proses rekursif dalam konfirmasinya (Gambar 5), karena suatu fakta pendukung bisa merupakan kesimpulan dari aturan lain yang dapat ditelusuri lagi kebenarannya. Dengan kata lain suatu aturan

16


menghasilkan sebuah kesimpulan antara (subgoal) yang menjadi kondisi bagi kesimpulan yang lain. Dengan cara ini, penalaran yang dalam (deep reasoning) dapat dilakukan. User dapat menentukan status suatu fakta apakah 'Ya' (true) atau 'Tidak' (false). Jika User memilih 'Ya', maka fakta yang bersangkutan akan bernilai true sekaligus menentukan nilai CF dan konfirmasi dilanjutkan dengan fakta berikutnya. Jika opsi 'Tidak' yang dipilih, maka fakta tersebut akan bernilai false yang berakibat pada fakta kesimpulan dari aturan yang bersangkutan akan turut bernilai false mengingat aturan dalam sistem ini hanya menggunakan aturan yang menggunakan operator AND pada kondisinya. Keberadaan fakta yang merupakan subgoal akan memicu perintah pada mesin inferensi untuk menelusuri keberadaan suatu fakta dari aturan yang menghasilkan kesimpulan fakta tersebut. Kondisi yang mendukung fakta tersebut akan dikonfirmasi dengan proses yang sama, demikian seterusnya. Jika kondisi terpenuhi (semua kondisi true) maka proses rekursif akan memberikan nilai true. VI. Certainty Factor Penggunaan certainty factor dilakukan untuk: a) menentukan nilai keyakinan atas fakta awal yang diberikan oleh User, b) menentukan nilai keyakinan atas konklusi yang diperoleh dari aturan, nilai ini ditentukan oleh pakar ke dalam aturan, c) menentukan nilai keyakinan atas fakta-fakta dan goal yang diperoleh selama proses penalaran dari hasil eksekusi aturan, d) menyesuaikan nilai keyakinan atas fakta atau goal yang diperoleh dari aturan yang berbeda tetapi menghasilkan konklusi yang sama. Bentuk dasar rumus certainty factor sebuah aturan dalam bentuk IF E then H adalah sebagai berikut. CF ( H , e ) = CF ( E , e ) * CF ( H , E ) (3.2) di mana, CF(E,e) adalah certainty evidence E yang dipengaruhi oleh evidence e CF(H,E)

adalah certainty factor dari hipotesis, dengan asumsi evidence diketahui dengan pasti, yaitu ketika CF(E,e)=1.

CF(H,e) adalah certainty factor dari hipotesis berdasarkan ketidakyakinan atas evidence e Jika dalam penalaran terdapat lebih dari satu aturan yang menghasilkan hipotesis yang sama namun dengan certainty factor, maka certainty factor dihitung dengan fungsi kombinasi yang didefinisikan sebagai berikut.

VII. Jejaring Aturan Aturan dari suatu perangkat aturan tidak terkait secara fisik, tapi hubungan logisnya dapat digambarkan dengan diagram hierarki. Umumnya diagram hierarki diwujudkan dalam sebuah pohon (tree) yang menunjukkan hubungan logis dari serangkaian aturan. Hasil dari inferensi ditampilkan dalam dua cara yaitu menggunakan pendekatan grafis dan teks. Pendekatan grafis dilakukan dengan menampilkan AND-OR Tree dari aturan-aturan yang terlibat, seperti ditampilkan pada Gambar 6.

17


Gambar 6. Jejaring inferensi VIII. Uji Coba Pengetahuan Troubleshooting Televisi Pengetahuan dalam domain ini merupakan pengetahuan yang digunakan untuk praktikum troubleshooting kerusakan televisi (Budiarso, 2010). Representasi atas ketidakpastian yang digunakan adalah certainty factor yang didukung oleh MyExSys. Aturan yang dimiliki terdiri dari dua puluh dua aturan yang tersusun dari lima puluh kunci.

(a)

(b)

Gambar 7 (a) Identifikasi kerusakan televisi, (b) Kesimpulan identifikasi kerusakan televisi

Hasil yang diperoleh setelah User mengkonfirmasi beberapa fakta ditunjukkan pada Gambar 8. Jika suatu fakta sudah pernah dikonfirmasi, maka untuk selanjutnya jika ada aturan yang didukung oleh fakta tersebut, maka digunakan status konfirmasi sebelumnya. Jika User memberi konfirmasi true terhadap suatu fakta, nilai CF juga disertakan. Pada percobaan Gambar 7(a), fakta yang dikonfirmasi true adalah [Tidak ada gambar], [Tidak ada suara], dan [Raster putih terang].

18


Dalam praktikum troubleshooting televisi, jika sumber kerusakan telah diketahui, maka diambil tindakan perbaikan. Penjelasan tentang tindakan dapat dimasukkan dalam penjelasan atau keterangan dari goal sehingga dapat ditampilkan sebagai sebuah kesimpulan seperti pada Gambar 7(b). ================================================ Evaluasi goal Power supply -----------------------------------------------jika Tidak Ada Gambar dan Tidak ada suara dan Tidak ada raster maka Power supply ; CF=0.57 Konfirmasi fakta: Tidak Ada Gambar true dengan CF=1 Konfirmasi fakta: Tidak ada suara true dengan CF=1 Konfirmasi fakta: Tidak ada raster false Diturunkan fakta: Power supply false ================================================ Evaluasi goal TABUNG GAMBAR -----------------------------------------------jika Tidak ada raster dan Gambar meredup perlahan dan Layar gelap dan Filamen tidak menyala maka TABUNG GAMBAR ; CF=0.47 Diturunkan fakta: TABUNG GAMBAR false ================================================ Evaluasi goal AUTOMATIC GAIN CONTROL -----------------------------------------------jika Raster putih terang dan Tidak Ada Gambar dan Tidak ada suara maka AUTOMATIC GAIN CONTROL ; CF=0.41 Konfirmasi fakta: Raster putih terang true dengan CF=1 Diturunkan fakta: AUTOMATIC GAIN CONTROL true dengan CF=0.41 Gambar 8 Prosees penalaran identifikasi kerusakan televisi

IX. Uji Coba Pengetahuan Mediator Pemeliharaan Perkawinan Pengetahuan dalam domain ini merupakan pengetahuan yang digunakan untuk memberikan nasehat atas permasalahan perkawinan pada Pengadilan Agama Kota Yogyakarta (Yahfizham, 2010). Premis-premis pembentuk aturan dikelompokkan menjadi kelompok Masalah, Alasan, Sebab, dan Nasehat. Aturan dalam pengetahuan ini merupakan kombinasi dari premis-premis dari masing-masing kelompok. Tidak terdapat representasi atas ketidakpastian yang digunakan. Goal yang dikehendaki berupa nasehat yang sudah didefinisikan sebelumnya Aturan yang didukung dalam MyExSys mendukung kondisi dengan premis tunggal atau premis gabungan dengan operator AND. Konklusi yang didukung harus premis tunggal. Jika aturan tidak dalam bentuk yang disyaratkan, maka perlu ditransformasi terlebih dahulu. Berikut ini contoh beberapa transformasi aturan. a) If A or B then G1 Aturan yang menggunakan operator OR dalam kondisinya seperti di atas dapat dipecah menjadi aturan-aturan yang dapat didukung oleh sistem.

(A ∨ B) → G

(

)

(

)

(

) (

≡ A∨ B ∨ G ≡ A∧ B ∨ G ≡ A∨ G ∧ B ∨ G ≡ ( A → G ) ∧ (B → G )

)

19


b) If A and (B or C) then G1 Aturan yang menggunakan kombinasi operator AND dan operator OR dalam kondisinya seperti di atas dapat dipecah menjadi aturan-aturan yang dapat didukung oleh sistem (mengeliminasi operator OR).

A ∧ (B ∨ C ) → G1 ≡ ( A ∧ B ) ∨ ( A ∧ C ) → G1

≡ (( A ∧ B ) → G1) ∧ (( A ∧ C ) → G1) c) If A then G1 and G2 Cara yang serupa juga dapat digunakan untuk mentransformasi aturan yang bagian konklusinya bukan tunggal dan menggunakan operator AND.

A → (G1 ∧ G 2 )

(

) (

≡ A ∨ (G1 ∧ G 2 ) ≡ A ∨ G1 ∧ A ∨ G 2 ≡ ( A → G1) ∧ ( A → G 2 )

)

Setelah aturan ditransformasi, dilakukan uji coba pada sistem. Runut yang direkomendasikan dalam pengetahuan ini adalah runut maju. Gambar 9(a) menunjukkan pemilihan fakta dengan hasil keputusan yang prosesnya digambarkan pada Gambar 9(b).

(a)

(b)

Gambar 9 (a) Uji coba mediator perkawinan, (b) Jejaring inferensi mediator perkawinan Nilai CF untuk seluruh fakta adalah 1 karena pada pengetahuan ini tidak menggunakan certainty factor. Nasehat-nasehat (terdapat tiga nasehat) dapat ditampilkan dengan meng-klik tombol kesimpulan yang menampilkan penjelasan dari goal-goal yang diperoleh.

X. Kesimpulan Telah dikembangkan suatu kerangka (shell) sistem berbasis aturan yang dikembangkan dengan modul terpisah antara bagian pengetahuan dan mesin inferensinya. Mesin inferensi dapat melakukan runut maju dan runut mundur. Penentuan runut tidak diatur secara default oleh sistem, karena rekomendasi strategi runut sangat tergantung dari domain

20


permasalahan dan bagaimana pengetahuan direpresentasikan. Aturan yang digunakan merupakan representasi secara rinci sebuah pengetahuan dalam bentuk serangkaian rule yang mengikuti Post production system. Sistem tidak dapat memisahkan jejaring inferensi menjadi jejaring yang independen untuk masing-masing cara, namun hal ini dapat menunjukkan bagaimana hubungan aturanaturan yang terlibat dalam inferensi. Antarmuka yang ditawarkan dalam kerangka ini dibuat sesederhana mungkin, menghindari kesalahan pengguna ketika memasukkan data. Prosedur penggunaan, baik akuisisi pengetahuan maupun prosedur penalaran dilakukan dengan pendekatan visual yang lebih ramah pengguna. Uji coba sistem dengan menggunakan beberapa set pengetahuan telah dilakukan. Sistem mampu melakukan penalaran terhadap pengetahuan yang aturan-aturannya sesuai dengan format yang telah dirumuskan. Aturan yang belum memenuhi format harus ditransformasi dengan cara yang sesuai agar memenuhi format yang didukung. Sistem dapat melakukan inferensi terhadap pengetahuan untuk diagnosa penyakit tulang pada manusia (Afuan, 2008), namun tidak disediakan metoda fuzzy FMADM yang disyaratkan. Sementara pada uji coba yang lain sistem dapat memberikan hasil seperti yang dikehendaki. XI. Saran Sebagai sebuah purwarupa sistem berbasis aturan, sistem ini memiliki beberapa kekurangan yang perlu diperbaiki dan dikembangkan. Untuk penelitian selanjutnya, terdapat beberapa poin yang dapat menjadi pertimbangan sebagai berikut. a) Perbaikan representasi atas ketidakpastian, dengan mengkombinasikan metode dan memperbaiki metode yang telah ada. b) Sistem ini menggunakan logika preposisi sebagai basis logika. Hal ini mempermudah implementasi namun mengurangi fleksibilitas dan kemampuan program dalam merepresentasikan pengetahuan. Perlu dipertimbangkan penggunaan logika predikat. c) Antarmuka visual mempermudah penggunaan sistem sekaligus memahami proses yang terjadi. Namun perlu disediakan fasilitas akuisisi pengetahuan berbasis konsol teks khususnya untuk mengakomodasi penggunaan logika predikat. d) Manajemen basis data yang lebih baik akan mempermudah pengelolaan dan akuisisi pengetahuan. Perlu dipertimbangkan penggunaan manajemen basis data yang sudah establish sehingga dapat fokus pada mesin inferensinya. e) Penggunaan bahasa pemrograman yang lebih fleksibel dan lintas platform akan mempermudah pengembangan sistem berikutnya. Selain itu diperlukan penambahan fitur penggantian bahasa. f)

Uji coba pada kasus yang lebih banyak dan bervariasi guna evaluasi yang lebih komprehensif.

21


Daftar pustaka Afuan, L., 2008, Sistem Pakar Berbasis Web untuk Diagnosa Penyakit Tulang Manusia Menggunakan Fuzzy MAMD (Berdasarkan Indeks Kekuatan dan Kelemahan), Tesis Ilmu Komputer UGM. Yogyakarta Alfiani, D., 2002, Sistem Pakar untuk Identifikasi Kayu, Proceedings, Komputer dan Sistem Intelijen (KOMMIT2002), Universitas Gunadarma, Jakarta Budiarso, Z., 2010, Sistem Pakar untuk Pembelajaran Praktikum Troubleshooting Televisi, Tesis Ilmu Komputer UGM. Yogyakarta Delima, R., 2002, Sistem Penjadwalan Kuliah dengan Menggunakan Rule Based Expert System: Studi Kasus: STMIK Bina Darma Palembang, Tesis Ilmu Komputer UGM. Yogyakarta Giarratano, J.C., 2007, CLIPS User Guide, http://www.ghg.net/clips/CLIPS.html, diakses tanggal 9 Desember 2009 Giarratano, J. dan Riley, G., 2005, Expert System Principles and Programming, PWS Publishing Company, Boston Hartati, S. dan Iswanti, S., 2008, Sistem Pakar dan Pengembangannya, Graha Ilmu, Yogyakarta Iswanti, S., 2004, Sistem Pakar Pendiagnosa Penyakit Pernafasan dan Saran Terapinya Menggunakan Probabilitas Bayesian, Tesis Ilmu Komputer UGM. Yogyakarta Jackson, P., 1999, Introduction to Expert System, Third Edition, Addison Wesley Longman Limited, Essex Jain, M.B. , Amit, dan Srinivas M.B., 2008, A Web based Expert System Shell for Fault Diagnosis and Control of Power System Equipment, Proceedings, International Conference on Condition Monitoring and Diagnosis, Beijing, China, Beijing Kemp, E.A. 1996, Evaluating the Developer's Interface to a KBS Shell: Some Reflections, Proceedings of the 6th Australian Conference on Computer-Human Interaction (OZCHI '96), 0-8186-7525-X/96 1996 IEEE, http://www.computer.org Land, S.M., 1992, Expert System Design Shells: A Critical Analysis, Instructional Technology Research Online, Penn State University, http://www.gsu.edu/research/issue of ex shell_files/ , 18 Juni 2010 Mulyana, S., 2000, Model Mesin Inferensi Sistem Pakar dengan Logika Samar, Tesis Ilmu Komputer UGM. Yogyakarta Mustafidah, H., 2002, Exass: Sistem Pakar sebagai Penasehat Permasalahan Studi Mahasiswa, Tesis Ilmu Komputer UGM. Yogyakarta Polly, Y.T., 2009, Sistem Pakar Pendiagnosa Penyakit Pernafasan Pada pada Sapi, Tesis Ilmu Komputer UGM. Yogyakarta Riyadi, A., 2003, Sistem Pakar , sebagai Media Konsultasi Penyakit Kelamin Pria, Tesis Ilmu Komputer UGM. Yogyakarta Sela, E.I., 2002, Sistem Berbasis Pengetahuan Pengarah Minat Studi Calon Mahasiswa di STMIK AKAKOM, Tesis Ilmu Komputer UGM. Yogyakarta Siregar, H., dan Siregar, M., 2005, Begonia Kebun Raya Bali, UPT Balai Konservasi Tumbuhan Kebun Raya 'Eka Karya' Bali – LIPI, Bali

22


Sudarmana, L., 2004, Sistem Pakar untuk Mendiagnosa Penyakit Saluran Pernafasan dan Menentukan Jenis Serta Dosis Obat, Tesis Ilmu Komputer UGM. Yogyakarta Susilo, D., 2002, Sistem Pakar untuk Menentukan Spesifikasi Komputer Sebagai Alat Bantu Pengambilan Keputusan dalam Pembelian Komputer, Tesis Ilmu Komputer UGM. Yogyakarta Yahfizham, 2010, Sistem Pakar sebagai Mediator Pemeliharaan Perkawinan pada Pengadilan Agama Kota Yogyakarta, Tesis Ilmu Komputer UGM. Yogyakarta

23

ISSN Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) Volume 1, Nomor 1, Maret 2012

Recommend Documents