SISTEM PAKAR UNTUK PEMBELAJARAN MENGIDENTIFIKASI JENIS BEBATUAN BERBASIS WEB
Naskah Publikasi
diajukan oleh Swanida Triyogo
08.01.2341
Bambang Saputra
08.01.2349
kepada SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER AMIKOM YOGYAKARTA 2011
1
2
LEARNING EXPERT SYSTEM FOR IDENTIFYING WEB BASED TYPE OF ROCKS SISTEM PAKAR UNTUK PEMBELAJARAN MENGIDENTIFIKASI JENIS BEBATUAN BERBASIS WEB Swanida Triyogo Bambang Saputra Jurusan Teknik Informatika STMIK AMIKOM YOGYAKARTA
ABTRAKSI
With growth especially in the field of information technology Arificial Intelligence (AI) which has now given birth fields, including the so-called Expert System or Expert System. So afterthe application of expert system that made it eventually could replace the role of an expert, and can facilitate the search for data about the rocks, and can save much time and cost. With this expert system is found then it could become a benchmarkthat the role of computers can replace the position of expert or experts in a field by utilizing the expert or the expert knowledge tosolve problems within the scope of which has been determined.Karen difficult to find data on the characteristic rocks, we have to buy books that are very expensive price, and not only that, if itshould seek an expert in solving a problem, it's very time consumingand cost, and even then very difficult once to finded. The question is now how to make information technology on the rocks that can be integrated with the expert system so as tofacilitate users to get information quickly according to user searches. Therefore made solving the problem by making an expert system to provide solutions and information about rocks. With the"Expert System For Mengidetifikasi Learning Web-Based Type ofRocks" is the problem of the limited number of expert personnel andthe difficulty of finding reference books on the rocks can be addressed and the expertise of these experts can reach out to the entire region is widely Key words: Expert systems, expert systems plan, rock geology
3
1. Pendahuluan Keterbatasan waktu karena manusia memiliki kompleksitas kegiatan yang padat, ditambah dengan pengetahuan manusia yang bersifat variable dan dapat berubah-ubah tergantung kondisi dan situasi, serta kecepatan untuk menemukan solusi yang sifatnya bervariasi. Maka dengan perkembangnya teknologi informasi terutama dalam bidang Arificial Intelegence (AI) yang kini telah melahirkan bidang, diantaranya yang dikenal dengan sebutan Sistem Pakar atau Expert System. Yang kita tau saat ini, sangat sulit sekali untuk mencari data-data mengenai cirri-ciri bebatuan, kita harus membeli buku-buku yang sangat mahal sekali harganya, dan tidak itu saja, jika harus mencari seorang pakar dalam menyelesaikan suatu masalah, itu sangat memakan banyak waktu dan biaya, itupun sangat sulit sekali untuk menemukaninya. Jadi setelah adanya aplikasi sistem pakar yang dibuat ini nantinya dapat menggantikan peranan seorang pakar, dan dapat mempermudah dalam pencarian data-data mengenai bebatuan, dan dapat menghemat banyak waktu dan biaya. Pentingnya diadakan identifikasi jenis dan cirri-ciri dari bebatuan ini adalah untuk mengetahui manfaat yang ada pada batuan tersebut, karena dialam yang kita huni
ini terdapat banyak sekali batuan-batuan yang dapat dimanfaatkan untuk
kebutuhan industri dan kebutuhan-kebutuhan pekerjaan yang lainnya. Dengan ditemukan sistem pakar ini maka dapat menjadi sebuah tolak ukur bahwa peranan komputer dapat menggatikan posisi ahli atau pakar dalam suatu bidang dengan memanfaatkan pengetahuan ahli tersebut untuk menyelesaikan masalah dalam ruang lingkup yang telah ditentukan. Oleh karna itu dibuatlah pemecahan masalah dengan membuat sebuah sistem pakar untuk memberikan solusi dan informasi tentang batuan. Dengan adanya “Sistem Pakar Untuk Pembelajaran Mengidetifikasi Jenis Bebatuan Berbasis Web” ini maka masalah tentang terbatasnya jumlah tenaga pakar dan sulitnya mencari buku-buku tentang referensi bebatuan dapat diatasi dan keahlian dari pakar tersebut dapat menjangkau ke seluruh wilayah secara luas. 2. Landasan Teori
Pada bab ini diuraikan tentang definisi, teori, konsep yang terkait dengan Arificial Intelegence (kecerdasan buatan) dan Expert System (sistem pakar), sebagai
4
landasan dalam merancang sistem pakar serta teori tentang batuan dan teori tentang pembelajaran. 2.1.
Kecerdasan Buatan ( Artificial Intelligence) Kecerdasan buatan adalah suatu ilmu yang mempelajari cara membuat
komputer melakukan sesuatu seperti yang dilakukan oleh manusia (Minsky, 1989). Definisi lain diungkapkan oleh H.A.Simon (1987). Kecerdasan buatan (artificial intelligence) merupakan kawasan penelitian, aplikasi dan instruksi yang terkait dengan pemrograman komputer untuk melakukan sesuatu hal yang dalam pandangan manusia adalah – cerdas. Rich and Knight (1991) mendefinisikan Kecerdasan Buatan (AI) sebagai sebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik oleh manusia. Sementara ensiklopedi Britannica mendefinisikan kecerdasan buatan (AI) sebagai cabang dari ilmu komputer yang dalam merepresentasi pengetahuan lebih banyak menggunakan bentuk simbol-simbol daripada bilangan, memproses informasi berdasarkan metode heuristic atau dengan berdasarkan sejumlah aturan. Ada tiga tujuan kecerdasan buatan, yaitu: membuat komputer lebih cerdas, mengerti tentang kecerdasan, dan membuat mesin lebih berguna. Yang dimaksud kecerdasan adalah kemampuan untuk belajar atau mengerti dari pengalaman, memahami pesan yang kontradiktif dan ambigu, menanggapi dengan cepat dan baik atas situasi yang baru, menggunakan penalaran dalam memecahkan masalah serta menyelesaikanya dengan efektif (Winston dan Prendergast, 1994). Kecerdasan buatan merupakan bagian dari ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia (kusumadewi, 2003). Kecerdasan buatan mengembangkan perangkat lunak dan perangkat keras untuk menirukan tindakan manusia. Aktifitas manusia yang ditirukan seperti: penalaran, penglihatan, pembelajaran, pemecahan masalah, pemahaman bahasa alami dan sebagainya. 2.2.
Sistem Pakar Sistem pakar adalah suatu program komputer yang dirancang untuk
mengambil keputusan seperti keputusan yang diambil oleh seorang atau beberapa orang pakar. Menurut Marimin (1992), sistem pakar adalah sistem perangkat lunak komputer yang menggunakan ilmu, fakta, dan teknik berpikir dalam pengambilan keputusan untuk menyelesaikan masalah-masalah yang biasanya hanya dapat diselesaikan oleh tenaga ahli dalam bidang yang bersangkutan.
5
Dalam penyusunannya, sistem pakar mengkombinasikan kaidah-kaidah penarikan kesimpulan (inference rules) dengan basis pengetahuan tertentu yang diberikan oleh satu atau lebih pakar dalam bidang tertentu. Kombinasi dari kedua hal tersebut disimpan dalam komputer, yang selanjutnya digunakan dalam proses pengambilan keputusan untuk penyelesaian masalah tertentu. 2.3.
Reprentasi Pengetahuan Representasi pengetahuan merupakan metode yang digunakan untuk
mengkodekan pengetahuan dalam sebuah sistem pakar yang berbasis pengetahuan. Representasi dimaksudkan untuk menangkap sifat-sifat penting problema dan membuat informasi itu dapat diakses oleh prosedur pemecahan problema. Bahasa representasi harus dapat membuat seorang programmer mampu mengekspresikan
pengetahuan
yang
diperlukan
untuk
mendapatkan
solusi
problema, dapat diterjemahkan ke dalam bahasa pemrograman dan dapat disimpan. Harus dirancang agar fakta-fakta dan pengetahuan lainnya yang terkandung didalamnya bisa digunakan untuk penalaran. Pengetahuan dapat direprensentasikan dalam bentuk yang sederhana atau kompleks,
tergantung
dari
masalahnya
(Schnupp,
1989).
Beberapa
model
representasi pengetahuan yang penting, adalah: 1.
Logika.
2.
Jaringan Semantik (semantic nets).
3.
Object-Attribute-Value triplets (OAV).
4.
Bingkai (frame).
5.
Kaidah (production rule).
2.3.1.
Logika Proposisional (Propositional Logic) Proposisi adalah suatu model untuk mendeklarasikan suatu fakta.
Lambang-lambang proposisional menunjukkan proposisi atau pernyataan tentang segala sesuatu yang dapat benar atau salah. Lambang-lambang kalkulus proposisional : 1.
Lambang pernyataan proposisional P,Q,R,S,T,... (disebut sebagai atom-atom)
2.
Lambang kebenaran benar (True) , salah (False)
3.
Lambang penghubung ∧
(konjungsi), ∨ (disjungsi), ∼ (negasi),
6
→
(implikasi), ↔ (Bi-implikasi),
≡
(equivalen)
Berikut ini adalah tabel kebenaran (truth value) lambang penghubung : Tabel 2.1 Tabel Kebenaran Operator Logika (Kusrini, 2006) A
B
T
T
T
PUB
-A
A->B
T
T
T
T
F
F
T
F
F
F
T
F
T
T
F
F
F
F
F
T
T
2.3.2.
A B
Logika Predikat Logika predikat adalah suatu logika yang lebih canggih yang seluruhnya
menggunakan konsep dan kaidah proposional yang sama. Juga disebut kalkulus predikat,
yang
memberi
tambahan
kemampuan
untuk
merepresentasikan
pengetahuan dengan sangat cermat dan rinci. Kalkulus predikat memungkinkan kita bisa memecahkan statemen ke dalam bagian komponen, yang disebut objek, karakteristik objek, atau beberapa keterangan objek. Suatu proposisi atau premis dibagi menjadi dua bagian, yaitu ARGUMEN (atau objek) dan PREDIKAT (keterangan). Argumen adalah individu atau objek yang membuat keterangan. Predikat adalah keterangan yang membuat argumen dan predikat Dalam suatu kalimat, predikat bisa berupa kata kerja atau bagian kata kerja. PREDIKAT (individu[objek]1, individu[objek] 2) Misalnya proposisi: Mobil berada dalam garasi Dinyatakan menjadi: Di dalam(mobil, garasi) Di dalam = produk (keterangan) Mobil = Argumen(objek) Garasi = Argumen(objek)
7
2.3.3.
Jaringan Semantic (Semantic Nest) Jaringan
menunjukkan
semantik
hubungan
merupakan
antar
pengetahuan
berbagai
objek.
secara
Komponen
grafis dasar
yang untuk
merepresentasikan pengetahuan dalam bentuk jaringan semantik adalah simpul (node) dan penghubung (link). Simpul merepresentasikan obyek, konsep, atau situasi.
Simpul
digambarkan
dengan
kotak
atau
lingkaran.
Penghubung
menghubungkan antar simpul. Penghubung digambarkan dengan panah berarah dan diberi label untuk menyatakan hubungan yang direpresentasikan. Contoh jaringa semantik sederhana.
Merupakan
PC
Komputer memiliki
merupakan
Alat Elektronik
Monitor Gambar 2.2 Representasi Jaringan Semantik(Kusrini, 2006) Jaringan semantik pada Gambar II.2 merepresentasikan pernyatan bahwa semua komputer merupakan alat elektronik, semua PC merupakan komputer, dan semua komputer memiliki monitor. Dari pernyataan tersebut dapat diketahui bahwa semua PC memiliki monitor dan hanya sebagian alat elektronik memiliki monitor. 2.3.4.
Object-Attribute-Value (OAV) Object dapat berupa bentuk fisik atau konsep. Atribut adalah karakteristik
atau sifat dari object tersebut. Values (Nilai) –besaran/nilai/takaran spesifik dari atribut tersebut pada situasi tertentu. Dapat berupa numerik, string atau boolean. Sebuah object bisa memiliki beberapa atribut, bisa disebut OAV Multiatribut. Sebuah atribut dapat dianggap sebagai suatu object baru dan memiliki atribut sendiri. Cotoh representasi pengetahuan dengan OAV ditunjukan pada Tabel II.2. Tabel 2.2 Representasi Pengetahuan Dengan OAV (Kusrini, 2006) Object
Attribute
Value
Mangga
Warna
Hijau, Orange
Mangga
Berbiji
Tunggal
Mangga
Rasa
Asam, Manis
8
Mangga
Bentuk
Oval
Pisang
Warna
Hijau, Kuning
Pisang
Bentuk
Lonjong
2.4.
Metode Inferensi Merupakan
proses
yang
digunakan
dalam
sistem
pakar
untuk
menghasilkan informasi baru dari informasi yang telah diketahui. Dalam sistem pakar proses inferensi dilakukan dalam suatu modul yang disebut Inference Engine (Mesin inferensi). Ketika representasi pengetahuan (RP) pada bagian knowledge base telah lengkap, atau paling tidak telah berada pada level yang cukup akurat,maka RP tersebut telah siap digunakan. Inference engine merupakan modul yang berisi program tentang bagaimana mengendalikan proses reasoning Ada dua metode inferensi yang penting dalam sistem pakar, yaitu runut maju (forward chaining) dan runut balik (backward chaining). 2.4.1.
Runut Maju (forward chaining) Runut maju berarti menggunakan himpunan aturan kondisi-aksi.dalam
metode ini, data digunakan untuk menentukan aturan mana yang akan dijalankan, kemudian aturan tersebut dijalankan. Mungkin proses menambahkan data ke memori kerja. Proses diulang sampai ditemukan suatu hasil (Wilson, 1998). Gambar II.3 berikut menunjukan bagaimana cara kerja metode inferensi runut maju. DATA
ATURAN
A=1
KESIMPULAN
JIKA A=1 DAN B=2
B=2
MAKA C=3
D=4
JIKA C=3 MAKA D=4
Gambar 2.3 Runut Maju (Kusrini, 2006) Metode
runut
maju
cocok
digunakan
untuk
menangani
masalah
pengendalian (controlling) dan peramalan (prognosis) (Giarattano dan Riley, 1994). 2.4.2.
Runut Balik (backward chaining) Runut balik merupakan metode penalaran kebalikan dari runut maju.
Dalam runut balik, penalaran dimulai dengan tujuan merunut balik ke jalur yang alan mengarahkan ketujuan tersebut (Giarattano dan Riley, 1994).
9
Gambar II.4 berikut menunjukan proses penalaran menggunakan metode runut balik.
DATA
ATURAN
A=1
KESIMPULAN
JIKA A=1 DAN B=2
B=2
MAKA C=3
D=4
JIKA C=3 MAKA D=4
Gambar 2.4 Runut Balik (Kusrini, 2006) Runut balik disebut juga sebagai goal-driven reasoning, merupakan cara yang efisien untuk memecahkan masalah yang dimodelkan sebagai masalah pemilihan terstruktur. Tujuan dari inferensi ini adalah mengambil pilihan terbaik dari banyak kemungkinan. Metode inferensi runut balik ini cocok digunakan untuk memecahkan masalah (Schnupp, 1989). 3. Analisis Dan Perancangan Sistem 3.1.
Analisis Sistem Sistem pakar merupakan sebuah perangkat lunak komputer yang berbasis
pengetahuan pakar yang menyediakan solusi-solusi dengan kualitas pakar untuk memecahkan
masalah-masalah
tertentu
yang
spesifik.
Kenyataan
bahwa
pengetahuan adalah sebuah kekuatan yang tidak dapat kita tolak, tetapi pengetahuan tidak dapat diterapkan untuk memecahkan masalah yang kita temui sehari-hari adalah percuma, yang penting adalah pemecahan dari masalah, dan sistem pakar adalah salah satu jalan untuk mendapatkan pemecahan masalah, secara lebih cepat dan mudah. Dalam mengembangkan sistem pakar ini diperlukan pengetahuan dan informasi yang diperoleh dari beberapa sumber, yaitu dari orang yang sudah berpengalaman dibidang bebatuan, serta dari buku-buku tentang ilmu geologi yang berhubungan dengan bebatuan yang ada. Fungsi-fungsi yang ada pada sistem ini adalah : 1. Memasukan data batuan, struktur batu, nama batu dan contoh gambar batu. 2. Mengedit data batuan, struktur batu, nama batu dan contoh gambar batu. Sistem pakar ini dirancang untuk mempermudah atau sebagai media pembelajaran bagi orang yang ingin belajar tentang ilmu bebatuan serta kususnya bagi mahasiswa jurusan Tehnik Geologi yang harus tau mengenai jenis-jenis bebatuan alam.
10
3.1.1
Gambaran Sistem Peranan seorang pakar batuan sangat dibutuhkan, terutama bagi yang
ingin belajar tentang ilmu Geologi. Mereka yang tidak memiliki pengetahuan yang cukup mengenai jenis-jenis batu dan sangat disayangkan jika mereka hanya bisa mengetahui bentuknya saja tanpa mengetahui nama dan manfaat dari batuan yang ditemukan tersebut. Sementara itu jika yang ingin belajar harus berkonsultasi dahulu dengan seorang pakar akan memakan waktu yang cukup lama serta harus mengeluarkan biaya lebih untuk membayarnya. Keadaan akan berbeda jika yang ingin belajar mempunyai cukup pengetahuan dan pengalaman tentang bagaimana cara pemanfaatan bebatuan alam tersebut. 3.1.2
Reprentasi Pengetahuan Dalam
reprensentasi
pengetahuan
ini
dilakukan
perbandingan-
perbandinagn informasi yang diperoleh dari beberapa sumber. Unuk membantu pengembangan prototype sistem pakar ini, maka pengetahuan yang diperoleh dalam bentuk table keputusan, selanjutnya dipersentasikan menjadi bentuk diagram pohon keputusan. Proses representasi pengetahuan dari bentuk tabel keputusan menjadi diagram pohon keputusan dilakukan dengan menggabungkan dari sumber-sumber informasi yang didapat. Hal ini dilakukan agar pohon keputusan yang dibentuk sesui dengan data-data yang sudah ada. Cirri-ciri yang terdapat pada tabel tidak semua digunakan dalam pohon keputusan, hanya cirri-ciri yang membedakan saja yang digunakan. Dengan adanya diagram pohon keputusan tersebut maka kita dapat
menggunakannya
dalam
membentuk
aturan-aturan
dalam
tahapan
prototype sistem pakar. a.
Tabel Keputusan Untuk mempermudah pembentuk aturan yang akan dijadikan basis
pengetahuan prototype sistem pakar ini, dibentuklah tabel keputusan. Pembentuk tabel keputusan menghubungkan antara cirri-ciri batu dengan nama batu. Dengan menggunakan IF, sebagai informasi masukan sedangkan THEN sebagai kesimpulan dari aturan ciri-ciri yang ada. Dalam aturan produksi dapat memiliki lebih dari satu proposisi, proposisi-proposisi tersebut dihubungkan dengan menggunakan operator logika AND. Himpunan kaidah tersebut adalah seperti pada tabel dibawah berikut ini:
11
Tabel 3.2 Tabel Aturan Aturan IF jenis batuan Beku AND warna (Coklat or orange) AND struktur masif AND derajat kristalitas holokristalin AND bentuk Kristal (granitic or phanitic) AND granularitas fenerik kasar 5-30mm THEN Garnit IF jenis batuan Beku AND warna Hitam kehitaman AND struktur (scoria) AND derajat kristalitas hipokristalin AND bentuk Kristal anhendral AND granularitas (afanitik) THEN Basalt IF jenis batuan Sedimen AND warna Putih AND struktur Masif AND ukuran butir berbutir halus AND derajat pembundaran angular THEN Gamping IF jenis batuan Metamorf AND warna Putih kekuning-kuingan AND struktur (non foliasi or granulose) AND tektur (kristablastik or granoblastik) THEN Kuarsit IF jenis batuan Beku AND warna Abu-abu AND struktur masif AND derajat kristalitas hipokristalin AND bentuk kristal subhendral AND granularitas (afanitik) THEN Diabas IF jenis batuan Beku AND warna Coklat AND struktur masif AND derajat kristalitas hipokristalin AND bentuk kristal subhendral AND granularitas fenerik sedang kasar THEN Andesit 3.1.1
Mesin Inferensi Metode
inferensi
adalah
merupakan
komponen
yang
mengandung
mekanisme pola piker dan penalaran yang digunakan oleh para ahli atau pakar dalam menyelesaikan suatu masalah. Proses penelusuran yang akan digunakan dalam sistem pakar ini adalah menggunakan metode forwad chaining atau runut maju. Setelah dilakukan perancangan tabel keputusan, selanjutnya dilakukan perancangan pohon keputusan yang dapat membantu dalam mengklasifikasi batu berdasarkan cirri-cirinya, dan juga dapat membantu dalam pembuatan aturan (rule). Berikut ini adalah pohon keputusan yang dirancang berdasrkan tabelkeputusan yang telah dibuat.
12
Jenis
Beku
Metamorf
Sedimen
Abu-abu
Putih
Masif
Masif
Kerikil brangkal 2256mm
Berbutir halus
rounded
Angular
coklat
Hitam-kehitaman
Scoria
Masif
fenerik sedang kasar
Afanitik
holokristalin
Hipokristalin
Hijau-kehijauan
Hjtam kekuning-kuningan
Non foliasi
netadoblastik
Sabak
Konglomerat
Gamping
Subhendral
Anhedral
Andesit
Basalt
Foliasi
Lepidoblastik
Sekis
Gambar 3.1 Denah Pohon 3.2.1.
Perancangan Data Flow Diagram (DFD) Perancangan Diagram Alir Data
Info akusisi pengetahuan
Ciri-ciri batuan
P0 Sistem Pakar
User Identifikasi batuan
Admin Akusisi pengetahuan
Gambar 3.2 Data Flow Diagram Level 0
13
Admin
D1 Aturan
aturan
User
D2 jenis Data jenis Data batuan, Data jenis, Data warna, Data Struktur, Data tekstur, Data butiran, Data aturan ciri-ciri
Identifikas i batuan
D3 Warna Data warna D4 struktur Data struktur D5 tektur Data tekstur D6 derajat kristalitas Data drjt kristl D7 bentuk kristal Data bntk kristl D8 Granularitas Data granularitas D9 ukuran butir Data ukuran butir
Data batuan, Data jenis, Data warna, Data Struktur, Data tekstur, Data butiran, Data aturan ciri-ciri
D10 derajat pembundaran
Ciri-ciri Bbatua n
Data drajt pmbndrn
P2 Identifikasi batuan
P1 Akusisi pengetahuan
Gambar 3.3 Data Flow Diagram Level 1 3.2.2.
Perancangan Database
perancangan database yang akan dibuat adalah : a) Entity Relationship Diagram Entitas-entitas yang terlibat didalam sistem pakar ini akan dibuat Entity Relationship diagram dapat dilihat pada gambar 3.9 dibawah:
14
Gambar 3.6 Entity Relationship Diagram
15
3.2.4.1. Perancangan Layar Perancangan layar dilakukan untuk mengetahui rancangan apa saja yang akan dilakukan oleh sistem, seperti : a. Pengguna (User) 1. Menu Utama (Home) Menu utam sistem pakar untuk mengidentifikasi jenis bebatuan berbasi web ini yaitu terdiri dari 2 butom, yaitu butom home dan butom pakar. Terdapat pula gambar, informasi umum batuan dan selamat datang, seperti pada gambar 3.8 dibawah :
Bener Cari
gambar Pakar
Home
Materi batuan
Keterangan menu slamat Datang (Home)
Fother Gambar 3.8 Perancangan Menu Home
2. Menu Pakar Menu pakar berisi tentang sistem pakar mengenai bebatuan, pengguna dapat menggunakan form ini untuk melakukan pencarian nama batu serta jenis batu dengan menggunakan aturan-aturan yang ada pada sistem pakar tersebut. Dibawah merupakan salah satu contoh desain yang dibuat untuk rancangan batuan metamorf, seperti tampak pada gambar 3.10 dibawah:
16
Bener Cari
Keterangan Pakar Jenis batu
V
Warna Batu
V
Struktur Batu
V
Tekstur Batu
V
Home
Materi batuan
Proses
Gambar
Has Nama batu
keterangan
Fother
Gambar 3.10 Perancangan Menu Pakar Untuk Jenis Batuan Metamorf 4. Implementasi Dan Pembahasan 4.1.
Implementasi Implementasi adalah pelaksanaan sebuah aplikasi. Implementasi aplikasi
“Sistem Pakar Untuk Pembelajaran Mengidetifikasi Jenis Bebatuan Berbasis Web” ini akan menampilkan implementasi rancangan antarmuka. Implementasi antarmuka ini dibagi menjadi dua bagian, yaitu implementasi rancangan antarmuka user dan implementasi rancangan antarmuka admin. Imlementasi antarmuka user terdiri atas beberapa menu pilihan antara lain menu pakar, menu utama atau home, dan menu materi-materi yang berhubungan dengan bebatuan. Sedangkan pada implementasi rancangan antarmuka admin, terdiri dari login admin, menu utama admin, menu edit dan hapus. Tahapan perancangan aplikasi telah diselesaikan, mulai dari perancangan sistem rancangan input-output, rancangan database, dan juga rancangan antar muka pengguna (user interface). Semua rancangan digunakan untuk mempermudah
17
dalam penjabaran sistem kedalam bahasa pemrograman, atau aplikasi yang akan dibuat. 4.1.1.
Implementasi Rancangan Antarmuka User
1. Menu Utama (Home) Menu home dalam sistem pakar ini akan muncul pertama kali ketika user membuka aplikasi ini. Tampilan menu home dapat dilihat pada gambar 4.1 dibawah :
Gambar 4.1. Tampilan Home
Gambar 4.22. Contoh Hasil Pengujian
18
5. Kesimpulan Dari uraian implementasi dan pembahasan program aplikasi
“Sistem
Pakar Untuk Pembelajaran Mengidetifikasi Jenis Bebatuan Berbasis Web” ini dapat diambil kesimpulan bahwa: 1. Proses pembuatan program aplikasi “Sistem Pakar Untuk Pembelajaran Mengidetifikasi Jenis Bebatuan Berbasis Web” ini mencakup beberapa langkah yang harus diperhatikan, antara lain yaitu, akusisi pengetahuan, representasi
pengetahuan,
metode
inferensi,
desain
interface,
implementasi dan pembahasan. 2. Menggunakan
metode
runut
maju
(forward
chaining)
dapat
diimplementasikan pada mesin inferensi. 3. Prosess inferensi akan menghasilkan kesimpulan jika form aturan ciri-ciri batuan yang diinputkan oleh user terpenuhi, tetapi tidak bisa menghasilkan kesimpulan jika form aturan ciri-ciri batuan tidak terpenuhi. 4. Hasil yang diberikan berupa nama batu, dan keterangan mengenai batuan tersebut. 5. Dengan menggunakan beberapa perangkat lunak dapat menghasilkan aplikasi sistem pakar, yang dapat membantu pengguna untuk memperoleh informasi mengenai batuan secara cepat. 6. Saran Dengan adanya “Sistem Pakar Untuk Pembelajaran Mengidetifikasi Jenis Bebatuan Berbasis Web” maksimal.
Oleh
karena
ini diharapkan mampu memberikan manfaat yang itu
beberapa saran
sebagai
pertimbangan
untuk
mengembangkan sistem pakar ini antara lain: 1. “Sistem Pakar Untuk Pembelajaran Mengidetifikasi Jenis Bebatuan Berbasis Web” ini perlu ditambah beberapa ciri, materi, dan data-data lain mengenai batuan agar hasil informasi yang diperoleh semakin lengkap. 2. Sistem pakar ini mengunakan aturan dan ciri-ciri yang umum saja yang terdapat pada batu, untuk itu diharapkan nantinya sistem pakar ini dapat dikembangkan lagi, sehingga dapat mempermudah dalam pencarian informasi mengenai batuan. 3. Dibuat menjadi lebih dinamis, agar admin yang menggunakan dapat menambah data secara mudah sesuai yang diinginkan. 4. Melibatkan banyak pengalaman, serta keahlian dari beberapa pakar saat melakukan pengembangan basis pengetahuan.
19
DAFTAR PUSTAKA Efraim, Turban HM, Jay E. Aronson. 2005. Tiang Peng liang, “decision support Systems dan Intelegent Systems”. Yogyakarta, Andi Hidayatullah, A.Taufik. 2005. Kolaborasi Aplikasi Desain Grafis CorelDraw 12 & Photoshop CS, Yogyakarta, Indah Hakim, Lukmanul. 2008. Membongkar Trik Rahasia Para Master PHP, Yogyakarta, Lokomedia Kusrini. 2006. Sistem Pakar, Teori dan Aplikasi, Yogyakarta, Andi Lumbantobing, Frenton. 2010. Laporan Resmi Praktikum Petrologi, Yogyakarta, Laboratorium Bahan Galian SIE. Petrologi, Fakultas Teknologi Mineral, Universitas Pembangunan Nasional “Veteran” Sunyoto, Andi 2007. AJAX Membangun Web dengan Teknologi Asynchronouse JavaScript & XML, Yogyakarta, Andi Simon & Schuster’s. 1978. Guide to Rocks and Minerals, New York , Lobert Anthoni,Inc (Dr.Ir.Heru Sigit.P,MT) Utami, Ema & Sukrisno. 2005. Konsep Dasar Pengolahan dan Pemrograman Database dengen SQL Server, Ms. Access, dan Ms. Visual Basic, Yogyakarta, Andi http://id.wikipedia.org/kiwi/pembelajaran/2011/04/18 http://forum.um.ac.id/index.php?topic=25790.0;wap, poojet 2/2011/02/13 http://www.scribd.com/doc/39094060/Batuan-Beku-Inter-Me-Diet-Yang-Baru#, Andy Aditya Fauzie 2011/6/22 BAB I http://ikhsangnr.wordpress.com/petrologi%20%C2%AB%20Ikhsangnr%27s%20Blo g_files/petrologi%20%C2%AB%20Ikhsangnr%27s%20Blog.htm, Ikhsan. 2011/6/22
20
