PERANCANGAN DAN IMPLEMENTASI SISTEM PAKAR TROUBLESHOOTING PADA MESIN FOTOCOPY CANON MENGGUNAKAN FORWARD CHAINING Yanuar Arifin 1), Tubagus Purwo Rusmiadi 2), Cahyo Darujati 3).
Program Studi Sistem Informasi, Fakultas Ilmu Komputer, Universitas Narotama, Surabaya.
[email protected] 1),
[email protected] 2),
[email protected] 3)
Abstrak CANON merupakan salah satu brand yang sudah terkenal dalam dunia imaging. Baik itu camera, scanner, printer, mesin fax, dan mesin fotocopy. Salah satu produk yang paling banyak digunakan konsumen baik secara personal maupun bussiness adalah mesin fotocopy. Yang sering terjadi ketika mesin fotocopy tersebut bermasalah yaitu pekerjaan akan terkendala dikarenakan pengguna masih menunggu datangnya teknisi. Maka dari itu penulis memberikan solusi sebuah sistem pakar menggunakan program berbasis PHP dengan database MySql 5.0. Dengan perancangan sistem pakar ini diharapkan dapat membantu pengguna untuk melakukan perbaikan jika terjadi kerusakan pada mesin fotocopy tersebut. Sehingga pekerjaan dapat berjalan kembali. Kata kunci : sistem pakar, PHP, MySql, fotocopy, CANON.
1.
PENDAHULUAN
Ilmu Pengetahuan dan Teknologi saat ini berkembang sangat cepat. Kemajuan teknologi yang sangat pesat ini berdampak pada semua aspek kehidupan yang berhubungan dengan dunia informasi dan teknologi. Salah satu bentuk perkembangan teknologi di bidang percetakan adalah Mesin Fotocopy. Dengan mesin fotocopy kita dapat mempercepat sebuah pekerjaan dari pada mencetak ulang yang tentunya hal tersebut tidak efektif dan efisien. Mesin fotocopy merupakan sebuah kebutuhan penting yang harus ada saat ini, hampir setiap perusahaan, intansi pemerintah harus memiliki mesin fotocopy untuk mempercepat pekerjaannya. Begitupun dengan masyarakat sekitar, mereka juga membutuhkan fotocopy untuk kelangsungan hidup mereka. Oleh karena itu, mesin fotocopy pasti akan selalu dibutuhkan baik didunia kerja maupun di ruang lingkup bermasyarakat. Seiring dengan berjalannya pemakaian mesin fotocopy tersebut, suatu saat akan tiba saatnya mesin tersebut mengalami masalah mulai dari yang berskala ringan sampai berskala berat. Beberapa tugas tertentu membutuhkan pengetahuan yang sangat khusus sehingga dibutuhkan para pakar. Konsep sistem didasarkan pada asumsi bahwa pengetahuan pakar dapat ditangkap dalam penyimpanan komputer dan kemudian diterapkan oleh orang lain saat dibutuhkan.
Karena hal tersebut, maka dapat dibuat suatu program komputer yang bertugas untuk mengetahui dan menganalisis masalah masalah kerusakan fotocopy untuk kemudian memberikan anjuran cara memperbaiki fotocopy tersebut. Terkadang user takut untuk memperbaikinya sendiri karena mayoritas mereka tidak punya ilmu dasar dalam perbaikan mesin fotocopy CANON. Pada aplikasi dengan konsep sistem pakar ini diharapkan user tidak perlu takut untuk melakukan penanganan pertama dalam memperbaiki masalah yang terjadi. Atas dasar uraian di atas, maka penulis ingin membahas mengenai bagaimana caranya membuat suatu sistem yang dapat dengan mudah melayani para pengguna fotocopy untuk memperbaiki mesinnya pada saat bermasalah, yang selain menghemat waktu, tenaga, dan biaya, juga tanpa harus memanggil teknisi fotocopy. Oleh karena itu penulis ingin mewujudkannya dengan mencoba membuat aplikasi yang menggunakan konsep sistem pakar, dengan judul Perancangan dan implementasi sistem pakar troubleshooting pada mesin fotocopy CANON. 2. LANDASAN TEORI 2.1. Sistem Pakar Sistem pakar (expert system) secara umum adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli. Atau dengan kata lain
sistem pakar adalah sistem yang didesain dan diimplementasikan dengan bantuan bahasa pemrograman tertentu untuk dapat menyelesaikan masalah seperti yang dilakukan oleh para ahli. Diharapkan dengan sistem ini, orang awam dapat menyelesaikan masalah tertentu baik ‘sedikit’ rumit ataupun rumit sekalipun ‘tanpa’ bantuan para ahli dalam bidang tersebut. Sedangkan bagi para ahli, sistem ini dapat digunakan sebagai asisten yang berpengalaman. Terdapat tiga bagian utama dalam arsitektur pembentukan sebuah expert system, dimana bagianbagian tersebut adalah:1. Knowledge base adalah bagian dari expert system yang mengandung domain knowledge. Pada umumnya berbentuk rule yang berstruktur if sebab then akibat. 2. Working memory adalah bagian dari expert system yang mengandung informasi yang didapat dari user atau hasil inference dari sistem. Banyak aplikasi expert system yang menyimpan informasi dengan menggunakan database, spreadsheets, atau alat sensor. 3. Inference engine adalah processor dalam expert system yang akan mencocokkan informasi yang ada di working memory dengan domain knowledge yang terletak di knowledge base. 2.2. Mesin Inferensi 2.2.1. Forward Chaining Forward Chaining merupakan salah satu metode selain Backward Chaining yang digunakan dalam aturan inferensi Artificial Intelligence . Metode ini melakukan pemrosesan berawal dari sekumpulan data untuk kemudian dilakukan inferensi sesuai dengan aturan yang diterapkan hingga diketemukan kesimpulan yang optimal. Mesin inferensi akan terus melakukan looping pada prosesnya untuk mencapai hasil keputusan yang sesuai. Metode yang diterapkan pada forward chaining ini berkebalikan dengan metode backward chaining. forward chaining merupakan strategi pencarian yang memulai proses pencarian dari sekumpulan data atau fakta, dari data-data tersebut dicari suatu kesimpulan yang menjadi solusi dari permasalahan yang dihadapi. Mesin inferensi mencari kaidah-kaidah dalam basis pengetahuan yang premisnya sesuai dengan data-data tersebut, kemudian dari kaidah-kaidah tersebut diperoleh suatu kesimpulan. Runut maju memulai proses pencarian dengan data sehingga strategi ini disebut juga data-driven. (http://digilib.ittelkom.ac.id/) 2.2.2. Backward Chaining Backward Chaining merupakan strategi pencarian yang arahnya kebalikan dari forward chaining. Proses pencarian dimulai dari tujuan, yaitu kesimpulan yang menjadi solusi permasalahan yang dihadapi. Mesin inferensi mencari kaidah-kaidah dalam basis pengetahuan yang kesimpulannya
merupakan solusi yang ingin dicapai, kemudian dari kaidah-kaidah yang diperoleh, masing-masing kesimpulan di runut balik jalur yang mengarah ke kesimpulan tersebut. Jika informasi-informasi atau nilai dari atribut-atribut yang mengarah ke kesimpulan tersebut sesuai dengan data yang diberikan maka kesimpulan tersebut merupakan solusi yang dicari, jika tidak sesuai maka kesimpulan tersebut bukan merupakan solusi yang dicari. Runut balik memulai proses pencarian dengan suatu tujuan sehingga strategi ini disebut juga goal-driven. (http://digilib.ittelkom.ac.id/) 2.3. Model Centainty Factor Model certainty factor adalah metode untuk mengelola ketidakpastian dalam sistem berdasarkan aturan. Shortliffe dan Buchanan (1975) mengembangkan model CF di pertengahan 1970-an untuk MYCIN, sistem pakar untuk diagnosis dan pengobatan meningitis dan infeksi darah. Sejak itu, model CF telah menjadi pendekatan standar untuk manajemen ketidakpastian dalam sistem berdasarkan aturan. Ketika model CF diciptakan, banyak peneliti kecerdasan buatan (AI) menyatakan perhatian pada penggunaan probabilitas Bayesian (atau subjektif) untuk mewakili ketidakpastian. Dari sejumlah peneliti tersebut, sebagian besar menaruh perhatian tentang batasan praktis penggunaan teori probabilitas. Secara khusus, peneliti ilmu informasi menggunakan model idiot-Bayes untuk membangun sistem pakar untuk obat dan domain lainnya. Model ini melingkupi asumsi bahwa (1) kesalahan atau hipotesis adalah saling eksklusif dan lengkap, dan (2) lembar bukti adalah saling independen tanpa syarat, jika diberikan setiap kesalahan atau hipotesis. Asumsi tersebut berguna, karena adopsi tersebut membuat pembangunan sistem pakar menjadi praktis. Sayangnya, bagaimanapun juga, asumsi sering tidak akurat dalam praktek. Model CF diciptakan untuk menghindari asumsi tidak masuk akal dalam model idiot-Bayes. Pada artikel ini, bagaimanapun juga, kita melihat bahwa model CF tidak lebih berguna dari yang model idiotBayes. Bahkan, dalam keadaan tertentu, model CF secara implisit menetapkan asumsi bebas bersyarat yang lebih kuat daripada model idiot-Bayes. Kami menelusuri kelemahan dalam model CF hingga sampai pada fakta bahwa model mengenakan jenis modularitas yang sama pada aturan pasti yang kita anggap aturan logika, meskipun secara inheren penalaran ketidakpastian kurang modular dibandingkan penalaran logis. Selain itu, kami memeriksa jaringan kepercayaan, sebuah representasi grafis dari keyakinan dalam kerangka probabilistik. Kita melihat bahwa representasi ini mengatasi kesulitan yang berhubungan dengan model CF.
3. ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisa Sistem Dalam penyusunan sistem pakar troubleshooting fotocopy berbasis komputer diperlukan perancangan sistem yang bertujuan memberikan gambaran kepada pemakai tentang sistem yang dibuat dan memberikan informasi serta desain yang jelas dan mudah dimengerti oleh pemakai (membuat interface yang mudah di mengerti dalam penggunaannya). 3.1.1. Pemilihan Metode Inferensi Sistem pakar adalah sebuah sistem pembuat keputusan berbasis komputer interaktif, menggunakan fakta (factual) dan heuristik (heuristic) untuk memecahkan berbagai permasalahan, berdasarkan pengetahuan seorang pakar. Fakta (Factual Knowledge) adalah ilmu pengetahuan yang tersebar luas, berasal dari textbook atau jurnal-jurnal, yang lazimnya disepakati dalam ruang lingkup khusus (bidang ilmu pengetahuan yang bersangkutan). Heuristik (Heuristic Knowledge) adalah ilmu pengetahuan yang memiliki tingkat ketelitian rendah, mengandalkan kepada pengalaman, intuisi, dan bersifat praduga pelaksanaannya. Adapun beberapa metode yang mendukung pembuatan sistem pakar untuk mendiagnosa suatu kerusakan (troubleshooting) diantaranya : a. Metode Forward Chaining. b. Metode Backward Chaining. c. Metode Certainty Factor. Di dalam pembuatan sistem pakar troubleshooting mesin fotocopy Canon, akan dipilih metode forward chaining sebagai mesin inferensi untuk memecahkan suatu masalah yang ada. Terdapat beberapa alasan kenapa sistem pakar ini menggunakan metode forward chaining : 1. Forward chaining akan bekerja dengan baik dengan permasalahan yang membutuhkan informasi lebih dulu kemudian mencari kesimpulan. 2. Forward chaining mampu menyediakan banyak informasi dari jumlah data yang relatif sedikit. 3. Forward chaining dapat membatalkan proses penelusuran rule yang tidak di butuhkan dan hanya melanjutkan proses pada rule yang bs menghasilkan data dari informasi yang sudah dipilih. 4. .Permodelan metode Forward chaining tidak menggunakan numerik yang dimana permodelan numerik yang berdasarkan ide umum dari manusia akan diperdebatkan karena memiliki sedikit kebenaran. 5. Forward chaining Mampu mengolah lebih dari 2 data untuk mendapatkan suatu kesimpulan.
3.1.2. Flowchart Sistem
Gambar 3.2 Desain Flowchart 3.2 Perancangan Sistem Aplikasi ini membutuhkan pendukung sebagai berikut : 1. Unit CPU. 4. Modem.
hardware
Aplikasi ini membutuhkan software pendukung sebagai berikut : 1. Sistem Operasi. 2. Apache sebagai web server. 3. MySQL sebagai database. 4. Adobe Dreamweaver. 5. Microsoft Visio 2007. 6. Notepad++. 7. Mozilla Firefox atau browser lainnya. Perancangan antarmuka dibuat menggunakan bahasa pemrograman Javascript, PHP (Hypertext Preprocessor), CSS (Cascading Style Sheets). 4. IMPLEMENTASI SISTEM 4.1 TAMPILAN PROGRAM Seperti yang telah dijelaskan pada Bab III sebelumnya mengenai analisis dan perancangan sistem. Pada bab IV ini akan di tampilkan tampilan program yang sesungguhnya, mulai warna, gambar, dan keterangan sehingga user dapat merasa lebih nyaman dan sistem pakar tersebut enak di pandang.
DAFTAR PUSTAKA “Metode Forward Chaining” http://digilib.ittelkom.ac.id/index.php (diakses tanggal 25 Juli 2012) “Model Certainty Factor” http://heri.staff.unisbank.ac.id/2010/12/21/ model-certainty-factor-pengantar/ (diakses tanggal 18 Agustus 2012)
Gambar 4.1. Tampilan Halaman Awal 5. PENUTUP 5.1. KESIMPULAN Dari mulai tahap perancangan sampai dengan tahap implementasi, maka bisa diambil suatu kesimpulan yaitu : 1. Sistem pakar yang dibuat ditujukan untuk membantu User dalam memperbaiki mesin fotocopy tanpa harus menunggu datangnya teknisi yang cukup menyita banyak waktu dalam pekerjaan. 2. Dengan sistem pakar ini diharapkan mampu mengurangi biaya konsultasi dan perjalanan karena bisa diakses melalui http://afincanon.herobo.com/. 3. Metode forward chaining merupakan salah satu dari metode inferensi lain yang dapat membantu dalam menelusuri suatu aturan yang ada dalam sistem pakar ini. 5.2. SARAN 1. Pertanyaan yang diberikan kepada User terlalu banyak, jadi lebih baik jika pertanyaan lebih dikelompokkan lagi berdasarkan kategori kerusakan. 2. Sistem pakar ini masih bisa dikembangkan dengan memperluas lingkup kerusakan yang ada pada mesin fotocopy Canon dengan type lain yang ada dan berkembang saat ini. 3. Akan lebih bagus jika di tambahkan gambar / slideshow / video dalam menampilkan sebuah solusi supaya User dapat memahami solusi yang ada.
“Pakar dan Sistem http://digilib.ittelkom.ac.id/index.php tanggal 18 Juli 2012)
Pakar” (diakses
“Sistem” http://id.wikipedia.org/wiki/Sistem (diakses tanggal 25 Juli 2012) “Sistem Pakar” http://digilib.petra.ac.id/ tanggal 18 Agustus 2012)
(diakses
Anonim, IR5000/6000 Service Manual REV.0 2000, Canon Inc., Japan. Anonim, NP6035 Service Manual REV.0 1996, Canon Inc., Japan. Anonim, NP6045 Service Manual REV.1 1997, Canon Inc., Japan. Jeffrey Garbus (March 25, 2003). Administrator's Guide to SYBASE ASE 12.5 (Jeffrey Garbus' Official Sybase Ase 12.5 Library. Kusumadewi, S. (2003). Artificial Intel ligence: Teknik dan Aplikasinya. Yogyakarta : Graha Ilmu. Seyed M.M. (Saied) Tahaghoghi , Hugh Williams (November 21, 2006). Learning MySQL. Wahyudi, Bambang, Skom., MMSi (2008). Konsep Sistem Informasi dari Bit sampai ke Database. Jakarta : Andi Publisher. Waljiyanto (2000). Sistem Basis Data : Analisis dan Pemodelan Data, Edisi Pertama, Yogyakarta : J&J Learning
