Anda di halaman 1dari 29

BAB 2 LANDASAN TEORI

2.1 Unified Modeling Language (UML) UML digunakan untuk menggambarkan perancangan awal dari sistem yang akan dibangun. UML memiliki banyak jenis permodelan, tetapi hanya beberapa yang digunakan saja yang akan dibahas. Menurut Booch (2005), UML merupakan suatu bahasa. Suatu bahasa terdiri dari kata-kata, dan memiliki aturan untuk menggabungkan kata-kata tersebut, sehingga tercipta komunikasi. Sebuah permodelan bahasa adalah suatu bahasa dimana kata-kata dan aturannya berfokus pada penggambaran sistem secara konseptual dan fisik. Sebuah permodelan bahasa seperti UML telah menjadi bahasa standar untuk merencanakan suatu aplikasi. Hasil dari permodelan tadi adalah pengertian dari suatu sistem. Satu model saja tidak cukup untuk menggambarkan sistem secara keseluruhan, maka dibutuhkan banyak model yang berhubungan satu dengan yang lainnya untuk memberikan pengertian pada dasar dari sistem. Keuntungan UML Sebagai bahasa pemodelan yang general-purpose, difokuskan pada pokok himpunan konsep yang dapat dipakai bersama dan menggunakan pengetahuan bersama dengan mekanisme perluasan. Sebagai bahasa pemodelan yang mudah diaplikasikan, dapat diaplikasikan untuk bermacam tipe sistem (software dan non-software), domain dan metode atau proses.

7

8

Sebagai bahasa pemodelan standar industri, bukan merupakan bahasa yang tertutup atau satu-satunya, tapi bersifat terbuka dan sepenuhnya dapat diperluas. Komponen UML

UML mempunyai dua tipe diagram, struktural dan behavioural. Struktural diagram menggambarkan bagian statik dari sistem. Behavioural diagram menggambarkan bagian dinamik dari sistem. Behavioural digram diklasifikasikan lebih lanjut ke dalam interaksi dan state diagram.

1.

Struktural

2.

Class diagram menggambarkan hubungan antar objek. Use case diagram digunakan untuk mengorganisasikan use case dan behaviours. Component..diagram..adalah..komponen..dan..hubungan.yang.mengilus- trasikan implementasi sistem. Deployment diagram adalah konfigurasi waktu kerja dari node dan objek yang memiliki node. Behavioural Statechart diagram menunjukkan urutan kondisi dari objek yang mengalami interaksi beserta respon dan tindakannya. Sequence diagram menggambarkan waktu urutan message dan object lifeline. Collaboration diagram menggambarkan urutan message dan organisasi objek dalam interaksi.

9

Activity diagram menggambarkan arus kerja dari aktifitas, difokuskan pada operasi yang dilewatkan antar objek.

Pada penelitian dan pengembangan aplikasi sistem pakar ini, tipe UML yang digunakan adalah :

Use Case Model

Menurut Booch (2005), suatu use case diagram menampilkan sekumpulan use case dan aktor (pelaku) dan hubungan diantara use case dan aktor tersebut. Use case diagram digunakan untuk penggambaran use case statik dari suatu sistem. Use case diagram penting dalam mengatur dan memodelkan kelakuan dari suatu sistem. Use case menjelaskan apa yang dilakukan sistem (atau subsistem) tetapi tidak tidak menspesifikasikan cara kerjanya. Flow of event digunakan untuk menspesifikasikan kelakuan dari use case. Flow of event menjelaskan use case dalam bentuk tulisan dengan sejelas-jelasnya, diantaranya bagaimana, kapan use case dimulai dan berakhir, ketika use case berinteraksi dengan aktor, obyek apa yang digunakan, alur dasar dan alur alternatif.

10

Gambar 2.1 Notasi Use Case Diagram (Simonn Bennet, Steve Marcob dan Ray Farmer :2006, p146)

Sequence Diagram Menurut Booch (2005), suatu sequence diagram adalah suatu diagram interaksi yang menekankan pada pengaturan waktu dari pesan-pesan. Diagram ini menampilkan sekumpulan peran dan pesan-pesan yang dikirim dan diterima oleh instansi yang memegang peranan tersebut. Sequence diagram menangkap objek dan class yang terlibat dalam skenario dan urut-urutan pesan yang ditukar antara objek diperlukan untuk melaksanakan fungsionalitas skenario. Sequence diagram berasosiasi dengan use case selama proses pengembangan. Dalam Unified Model Language (UML), objek dalam sequence diagram digambar dengan segiempat yang berisi nama objek yang diberi garis bawah. Objek dapat diberi nama dengan tiga cara : (nama objek), (nama objek dan class) atau (hanya nama class (anonymous object)). Berikut notasi sequence diagram seperti terlihat pada gambar dibawah ini :

10 Gambar 2.1 Notasi Use Case Diagram (Simonn Bennet, Steve Marcob dan Ray Farmer :2006, p146)

Gambar 2.2 Notasi Sequence Diagram

11

Class Diagram Menurut Booch (2005), class diagram menunjukan sekumpulan kelas, antarmuka, dan kerjasama serta hubungannya. Class diagram digunakan untuk memodelkan perancangan statik dari gambaran sistem. Biasanya meliputi permodelan vocabulary dari sistem, permodelan kerjasama, atau permodelan skema. Class diagram dapat digunakan untuk membangun sistem yang dapat dieksekusi melalui teknik forward and reverse, selain untuk penggambaran, penspesifikasian, dan pendokumentasian struktur model. Class Diagram terdiri dari:

  • a) Nama Class.

  • b) Atribut.

  • c) Operasi/Method. Tabel 2.1 Class Diagram (Wahono, R.S, 2003)

Nama Class

Atribut

Operasi/method

Atribut dan Operasi/method dapat memiliki tiga sifat berikut:

12

Public, dapat dipanggil oleh class apa saja.

Protected, hanya dapat dipanggil atau diakses oleh class yang bersangkutan dan class turunannya. Private, hanya dapat dipanggil oleh dirinya sendiri (tidak dapat diakses dari luar class yang bersangkutan). Hubungan antar class

  • 1. Asosiasi, yaitu hubungan yang bersifat statis dalam class. Asosiasi menggambarkan class yang memiliki atribut berupa class lain atau class yang harus mengenal adanya class lain.

  • 2. Agregasi, merupakan hubungan antara satu object dengan object lainnya dimana object satu dengan object lainnya sebenarnya terpisah namun disatukan, sehingga tidak terjadi kebergantungan (Object lain bisa ada walau object penampungnya tidak ada).

  • 3. Pewarisan, yaitu hubungan hirarki antar class. Class dapat diturunkan dari class lain dan mewarisi semua atribut dan metode class asalnya dan menambahkan fungsionalitas baru, sehingga ia disebut anak dari class yang diwarisinya. Kebalikan dari pewarisan adalah generalisasi.

  • 4. Hubungan dinamis, yaitu rangkaian pesan (messaging) uang di-passing dari satu class kepada class lain.

2.2 Inteligensia Semu 2.2.1 Definisi Inteligensia Semu

13

Inteligensia Semu atau dalam bahasa inggrisnya Artificial Intelligence merupakan cabang dari ilmu komputer, yang memiliki tujuan untuk membuat komputer dapat melakukan pekerjaan seperti dan sebaik yang manusia lakukan. Didefinisikan di dalam Oxford Dictionaries sebagai “the performance by computer system of tasks normally requring human intelligence.” – kinerja dari sistem komputer untuk mengerjakan tugas yang biasanya memerlukan kecerdasan manusia. Terdapat definisi – definisi lain tentang intelegensia semu, antara lain :

a) Ilmu yang mempelajari cara membuat komputer dapat bertindak dan memiliki kecerdasan seperti manusia (Turban, 1992:3)

2.2.2 Lingkup Inteligensia Semu

Lingkup utama dalam inteligensia semu menurut Giarratano dan Riley (2005:5) adalah :

a) Sistem Pakar (Expert Systems). Komputer digunakan sebagai suatu sarana untuk menyimpan pengetahuan dari para pakar untuk dapat digunakan dikemudian hari sebagai suatu sistem yang akan berguna bagi pengguna. Dengan demikian komputer akan memiliki keahlian untuk menyelesaikan permasalahan dangan menggunakan dan meniru keahlian yang dimiliki oleh pakar yang telah disimpan. b) Pengolahan Bahasa Alami (Natural Language Processing). Dengan pengolahan bahasa alami ini diharapakan pengguna dapat berkomunikasi dengan komputer menggunakan bahasa yang digunakan oleh pengguna sehari-hari.

14

  • c) Pengenalan Ucapan (Speech). Melalui pengenalan ucapan diharapkan manusia dapat berkomunikasi dengan komputer dengan menggunakan suara.

  • d) Robotika (Robotics). Dengan robotika dan sistem sensori membuat komputermenjadi suatu sistem yang dapat meniru pergerakan dari manusia.

  • e) Computer Vision. Mencoba untuk dapat menginterpretasikan gambar atau obyek-obyek yang terlihat melalui komputer.

  • f) Artificial Neural-Networks. Komputer dapat digunakan sebagai tutor yang dapat melatih dan mengajar kepada manusia atau pengguna.

  • g) Theorem Proving. Metode lain untuk memverifikasi pada spesifikasi formal pada sistem model.

14 c) Pengenalan Ucapan ( Speech ). Melalui pengenalan ucapan diharapkan manusia dapat berkomunikasi dengan komputer

Gambar 2.3 Lingkup Inteligensia Semu 2.2.3 Keuntungan Inteligensia semu

Menurut Turban dan Frenzel (1992:9) keuntungan-keuntungan dari

inteligensia semu ialah :

15

  • 1. Inteligensia semu bersifat permanen. Inteligensia semua tidak akan berubah selama sistem komputer dan program tersebut tidak dirubah.

  • 2. Inteligensia semu lebih mudah disebarkan dan diduplikasi. Mentransfer pengetahuan manusia dari satu orang ke orang yang lain membutuhkan proses yang sangat lama, dan juga keahlian itu tidak akan pernah diduplikasi secara lengkap. Oleh karena itu, jika pengetahuan terletak pada suatu sistem komputer, pengetahuan itu dapat disalin dari satu komputer dan dipindahkan dengan mudah ke dalam komputer lainnya.

  • 3. Inteligensia semu lebih murah karena denganmenyediakan layanan komputer akan lebih mudah dan murah dibandingkan dengan harus mendatangkan seseorang untuk mengerjakan sejumlah pekerjaan dalam jangka waktu yang sangat lama.

  • 4. Inteligensia semu lebih konsisten. Hal ini disebabkan karena inteligensia semu merupakan bagian dari teknologi komputer.

  • 5. Inteligensia semu dapat didokumentasi. Keputusan yang dibuat oleh komputer dapat didokumentasikan dengan mudah dengan cara melacak setiap aktivitas dari sistem tersebut.

  • 6. Inteligensia semu dapat mengerjakan pekerjaan lebih cepat dan baik dibandingkan manusia.

2.3 Sistem Pakar 2.3.1 Definisi Sistem Pakar

16

Sistem pakar adalah salah satu cabang dari inteligensia semu yang menggunakan pengetahuan-pengetahuan khusus yang dimiliki oleh seorang pakar untuk menyelesaikan permasalahan tertentu (Giarratano and Riley, 2005:5). Sistem pakar yang baik dirancang agar dapat menyelesaikan permasalahan tertentu seperti yang dilakukan oleh para pakar. Dengan sistem pakar ini, setiap orang dapat menyelesaikan masalah yang rumit yang sebenarnya hanya bisa diselesaikan oleh

para pakar. Bagi pakar itu sendiri, sistem ini dapat membantu aktivitasnya sebagai asisten yang berpengalaman. Berikut adalah definisi sistem pakar menutrut beberapa ahli :

  • 1. Sistem pakar adalah sebuah sistem yang berusaha mengadopsi pengetahuan manusia ke dalam komputer agar komputer dapat menyelesaikan masalah seperti yang dilakukan oleh para ahli (Luger, 2002:20)

Facts Knowledge-Base User User Expertise Inference Engine Expert Systems Expert Systems
Facts
Knowledge-Base
User User
Expertise
Inference Engine
Expert Systems
Expert Systems

Gambar 2.4 Fungsi Dasar Sistem Pakar (Giarratano dan Riley, 2005)

2.3.2 Kategori Masalah Sistem Pakar

17

Sistem pakar dibuat untuk menyelesaikan permasalahan dalam berbagai

bidang. Ada beberapa kategori masalah yang dapat diselesaikan dengan sistem pakar, yaitu :

  • a) Interpretasi Pengambilan keputusan atau deskripsi tingkat tinggi dari sekumpulan data mentah.

  • b) Prediksi Menyimpulkan kemungkinan konsekuensi dari situasi atau kejadian- kejadian. Seperti prakiraan cuaca, peramalan ekonomi.

  • c) Diagnosis Menentukan kesalahan komponen-komponen sistem dari gejala-gejala yang teramati. Seperti medis, elektronik, mekanis.

  • d) Desain Menentukan konfigurasi komponen-komponen sistem yang memenuhi batasan tertentu. Diantaranya adalah perancangan pembangunan, layout sirkulasi.

  • e) Perencanaan Manghasilkan serangkaian tindakan agar tercapainya tujuan tertentu. Diantaranya dalah perencanaan keuangan, perencanaan jalur. Monitoring Membandingkan antara tingkah laku dari suatu sistem yang teramati dengan tingkah laku yang diharapkan darinya, misalnya kendali pesawat tanpa awak.

f)

  • g) Debugging dan Repair

18

Menemukan cara-cara untuk mengatasi kesalahan pada sistem, misalnya adalah aplikasi troubleshooting pada komputer.

  • h) Instruksi Mendeteksi dan mengobati perbedaan paham dalam ruang lingkup tertentu.

  • i) Pengendalian Mengatur perilaku sistem terhadap interpretasi-interpretasi, prediksi, dan monitoring kelakuan sistem.

  • 2.3.3 Keuntungan Sistem Pakar

Menurut (Giarratano and Riley, 2005:8) Keuntungan-keuntungan dari sistem pakar dapat dilihat sebagai berikut :

  • 1. Meningkatkan ketersediaan

  • 2. Mengurangi biaya

  • 3. Mengurangi bahaya

  • 4. Dapat terdiri dari banyak pakar

  • 5. Meningkatkan kehandalan

  • 6. Memberikan penjelasan

  • 7. Memberikan respon cepat

  • 8. Stabil

  • 9. Intelligent tutor

10. Intelligent database

19

Sebuah sistem pakar yang baik haruslah memiliki karakteristik. Karakteristik sistem pakar menurut Giarratano dan Riley (2005:12) adalah :

  • a) High Performance

Sistem pakar harus memiliki kemampuan sebaik seorang pakar

dibidangnya.

  • b) Adequate response time Sistem pakar harus dapat bekerja dengan waktu yang singkat bahkan lebih baik dari pakar itu sendiri.

  • c) Good reliability Sistem pakar haruslah kuat dan tidak mudah untuk rusak/error.

  • d) Understandable Sistem pakar harus dapat memberikan penjelasan yang mudah dimengerti oleh penguna terhadap hasil keluarannya.

2.3.5 Dasar Sistem Pakar

Menurut Giarratano dan Riley (2005: 28) dalam sistem pakar, kepakaran itu

berisi ilmu pengetahuan utama yang dibutuhkan untuk memecahkan masalah yang

tertulis di dalam peraturan. Suatu sistem pakar terdiri dari beberapa komponen seperti :

  • a) User Interface : mekanisme dimana pengguna dan sistem pakar itu saling

berinteraksi.

  • b) Explanation Facility : menjelaskan pemikiran-pemikiran yang terdapat dalam sistem kepada pengguna.

20

  • c) Working Memory : fakta-fakta yang terdapat dalam database global

digunakan dalam peraturan-peraturan dari sistem.

  • d) Inference Engine : membuat kesimpulan dengan memutuskan aturan mana yang memuaskan dengan fakta-fakta atau objek, dengan mengutamakan aturan-aturan yang memuaskan dan melaksanakan aturan dengan prioritas yang tinggi.

  • e) Agenda : mengutamakan daftar nama yang dibuat oleh pengambil keputusan, dimana daftar tersebut dipuaskan berdasarkan fakta-fakta atau objek dalam pengerjaan memori.

  • f) Knowledge Acquisiton Facility : jalan keluar termudah bagi pengguna untuk mendapatkan pengetahuan didalam sebuah sistem dari pada mendapatkan pengetahuan dari para ahli secara eksplisit.

Working memory (facts)
Working
memory (facts)

Knowledge

 

acquitition

facility

 
Inference engine Agenda
Inference
engine
Agenda
User interface
User interface
Explanatio n facility
Explanatio
n facility

Gambar 2.5 Komponen sistem pakar (Giarratano and Riley, 2005)

21

  • 2.3.6 Perbedaan Sistem Konvensional dengan Sistem Pakar

Perbedaan sistem konvensional dengan sistem pakar dapat dilihat pada tabel

2.2 (Giarratano and Riley, 2005:50).

Tabel 2.2 Perbedaan Sistem Konvensional dengan Sistem Pakar.

Sistem Konvensional

Sistem Pakar

Sistem berjalan berdasarkan

Sistem berjalan menggunakan

sekumpulan perintah

mesin inferensi

Solusi didapat dengan

Solusi berdasarkan aturan-aturas

menggunakan algoritma yang sudah

(rules) yang diolah di mesin

ditulis khusus untuk masalah itu.

inferensi

Biasanya tidak bisa menjelaskan

Penjelasan adalah bagian

output itu diperoleh

terpenting dari sistem pakar

Pengubahan program cukup sulit

Pengubahan pada aturan/kaidah

dan merepotkan

dapat dilakukan dengan mudah

Sistem hanya akan bekerja jika

Sistem dapat bekerja hanya

sistem tersebut sudah lengkap

dengan beberapa aturan

Eksekusi dilakukan langkah demi

Eksekusi..dilakukan...pada

langkah secara algoritmik

keseluruhan...basis...pengetahuan

secara heuristik dan logis

Menggunakan data

Menggunakan pengetahuan

Desain program terstruktur

Desain program tidak terstruktur

  • 2.3.7 Struktur Sistem Pakar

Sistem pakar terdiri dari 2 bagian pokok, yaitu : lingkungan pengembangan

(development..evironment)

dan lingkungan konsultasi (consultation environment).

Lingkungan pengembangan digunakan sebagai pembangun sistem pakar baik dari

22

segi pembangunan komponen maupun basis pengetahuan. Lingkungan konsultasi

digunakan oleh seorang yang bukan ahli untuk berkonsultasi.

Consultation Environment Development Environment Knowledge Base User Fact about the specific incident User Interface Knowledge Explanation
Consultation Environment
Development Environment
Knowledge Base
User
Fact about the
specific
incident
User Interface
Knowledge
Explanation
Engineer
Facillity
Knowledge
Acquisition
Inference Engine
Expert
Knowledge
Recommended
Action
Knowledge
Refinement
Blackboard(workspace)
Gambar 2.6 Struktur Sistem Pakar (Turban, 1992)

Komponen-kompen yang ada dalam struktur sistem pakar :

  • 1. Antarmuka Pemakai (User Interface) Merupakan mekanisme yang digunakan oleh pengguna dan sistem pakar untuk berkomunikasi. Antarmuka menerima informasi dari pemakai dan mengubahnya ke dalam bentuk yang dapat diterima oleh sistem. Selain itu

23

antarmuka menerima dari sistem dan menyajikannya ke dalam bentuk yang

dapat dimengerti oleh pemakai.

  • 2. Basis Pengetahuan (Knowledge base) Basis pengetahuan mengandung pengetahuan untuk pemahaman, formulasi dan penyelesaian masalah. Komponen sistem pakar ini disusun atas 2 elemen dasar, yaitu:

Fakta

: informasi tentang obyek dalam area permasalahan

 

tertentu.

Aturan

: 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. Dalam tahap ini knowledge engineer berusaha menyerap pengetahuan untuk selanjutnya ditransfer ke dalam basis pengetahuan. Pengetahuan diperoleh dari pakar, dilengkapi dengan buku, basis data, laporan penelitian dan pengalaman pemakai. Dan dijadikan dokumentasi untuk dipelajari, diolah dan dikumpulkan dengan terstruktur menjadi basis pengetahuan (knowledge base). Metode akuisisi pengetahuan :

Wawancara

Metode yang paling banyak digunakan, yang melibatkan pembicaraan

dengan pakar secara langsung dalam suatu wawancara.

Analisis protokol

24

Dalam metode ini pakar diminta untuk melakukan pekerjaan dan

mengungkapkan proses pemikirannya dengan menggunakan kata-kata.

Pekerjaan tersebut direkam, dituliskanm dan dianalisis.

Observasi pada pekerjaan pakar

Pekerjaan dalam bidang tertentu yang dilakukan pakar direkam dan

diobservasi

Induksi aturan dari contoh

Induksi adalah suatu proses penalaran dari khusus ke umum. Suatu

sistem induksi aturan diberi contoh-contoh dari suatu masalah yang

hasilnya telah diketahui. Setelah diberikan beberapa contoh, sistem

induksi aturan tersebut dapat membuat aturan yang benar untuk kasus-

kasus contoh. Selanjutnya aturan dapat digunakan untuk menilai kasus

lain yang hasilnya tidak diketahui.

  • 4. Mesin Inferensi (Inference Engine) Program yang berisi metodologi yang digunakan untuk melakukan penalaran terhadap informasi-informasi dalam basis pengetahuan dan blackboard, serta digunakan untuk memformulasikan konklusi.

  • 5. Workplace / Blackboard Workplace merupakan area dari sekumpulan memori kerja (working

memory), digunakan untuk merekam kejadian yang sedang berlangsung

termasuk keputusan sementara. Ada 3 keputusan yang dapat direkam :

Rencana

: bagaimana menghadapi masalah

Agenda

: aksi-aksi yang potensial yang sedang menunggu untuk

25

Solusi

dieksekusi

: calon aksi yang akan dibangkitkan

  • 6. Fasilitas Penjelasan (Explanation Facility) Adalah komponen tambahan yang akan meningkatkan kemampuan sistem pakar. Digunakan untuk melacak respon dan memberikan penjelasan tentang kelakuan sistem pakar secara interaktif melalui pertanyaan :

Mengapa suatu pertanyaan ditanyakan oleh sistem pakar ?

Bagaimana konklusi dicapai ?

Mengapa ada alternatif yang dibatalkan ?

Rencana apa yang digunakan untuk mendapatkan solusi ?

  • 7. Perbaikan Pengetahuan (Knowledge Refinement) Pakar memiliki kemampuan untuk menganalisis 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 dan juga mengevaluasi apakah pengetahuan-pengetahuan yang ada masih cocok untuk digunakan di masa mendatang.

2.3.7.1 Representasi Pengetahuan

Representasi

pengetahuan

mempelajari

tentang

bagaimana

menempatkan pengetahuan ke dalam bentuk yang dapat dimengerti oleh

komputer (Russel and Norvig, 2003:16). Representasi pengetahuan

26

menggunakan berbagai cara untuk menyimpan banyak informasi yang berguna

ke dalam bentuk simbolis.

  • 2.3.7.1.1 Kaidah Produksi

Kaidah produksi dikembangkan oleh Newell dan Simon

sebagai model kognisi manusia. Kaidah produksi

direpresentasikan dalam bentuk pasangan kondisi aksi seperti :

IF [kondisi] THEN [aksi]

Sebagai contoh :

IF [Mobil sukar menyala]

AND [Mesin tiba-tiba mati]

THEN [Fuel pump rusak]

  • 2.3.7.1.2 Pohon Keputusan

Pohon keputusan adalah tree yang berhubungan tabel

keputusan dan sering dalam analisis sistem (bukan sistem

inteligensia semu).

  • 2.3.7.1.3 Jaringan Semantik

Jaringan semantic adalah suatu gambaran pengetahuan

berbentuk grafis yang terdiri dari simpul (node) dan hubungan

antara node (link).

27

2.4 Probabilitas Bayes

Teori probabilitas bayes digunakan untuk menghitung probabilitas terjadinya

suatu peristiwa berdasarkan pengaruh yang didapat dari pengujian. probabilitas

bayes menerangkan hubungan antara probabilitas terjadinya hipotesis H i dengan

terdapat fakta (evidence) E telah terjadi dan probabilitas terjadinya evidence B

dengan syarat hipotesis H i telah terjadi. Teorema ini didasarkan pada prinsip

bahwa jika terdapat tambahan informasi atau evidence maka nilai probabilitas

dapat diperbaiki, sehingga teorema ini bermanfaat untuk mengubah atau

memperbaiki nilai kemungkinan yang ada menjadi lebih baik dengan didukung

informasi atau evidence-evidence tambahan. Secara matematik persamaan teorema

Bayes ditulis seperti :

27 2.4 Probabilitas Bayes Teori probabilitas bayes digunakan untuk menghitung probabilitas terjadinya suatu peristiwa berdasarkan pengaruh

dimana :

p(Hi | E ) adalah probabilitas hipotesis Hi benar jika diberikan

evidence (fakta) E.

p(E |Hi) adalah probabilitas munculnya evidence (fakta) E jika

diketahui hipotesis Hi benar.

p(Hi) adalah probabilitas hipotesis Hi tanpa memandang evidence

(fakta) apapun.

P(E) adalah probabilitas adanya evidence E

28

Jika terdapat gejala baru, maka rumusannya menjadi :

28 Jika terdapat gejala baru, maka rumusannya menjadi : dimana : • adalah evidence lama •

dimana :

  • adalah evidence lama

  • adalah evidence baru

  • adalah

probabilitas

munculnya

hipotesis

28 Jika terdapat gejala baru, maka rumusannya menjadi : dimana : • adalah evidence lama •

jika

muncul evidence baru

28 Jika terdapat gejala baru, maka rumusannya menjadi : dimana : • adalah evidence lama •

dari evidence lama

28 Jika terdapat gejala baru, maka rumusannya menjadi : dimana : • adalah evidence lama •

  • adalah probabilitas kaitan antara evidence lama

28 Jika terdapat gejala baru, maka rumusannya menjadi : dimana : • adalah evidence lama •

dan evidence baru

jika hipotesis
jika hipotesis

benar

  • probabilitas

kaitan

antara

evidence

lama

28 Jika terdapat gejala baru, maka rumusannya menjadi : dimana : • adalah evidence lama •

dengan

evidence baru

28 Jika terdapat gejala baru, maka rumusannya menjadi : dimana : • adalah evidence lama •

tanpa memandang hipotesis apapun

Teorema Bayes biasanya diterapkan di bidang kesehatan sebagai perhitungan

untuk memberikan tingkat kepercayaan akan suatu penyakit berdasarkan bukti-

bukti yang ada. Namun penerapan teorema Bayes juga bisa dipakai di bidang lain

seperti yang terdapat di dalam jurnal yang berjudul An Introduction to Bayesian

methods in health technology assessment karya David J Spiegelhalter, Jonathan P

Myles, David R Jones, Keith R Abrams (1999: p512)

29

“Bayesian analysis is widely used in variety of non-medical fields, including

engineering, image processing, expert systems, decision analysis, gene

sequencing, financial prediction, and neural networks, and increasingly in

complex epidemiological models.”

Pada penelitian dan pengembangan sistem pakar ini, metoda Bayes

digunakan untuk memberikan nilai kemungkinan yang didasarkan pada pemberian

nilai prior oleh seorang pakar dari gejala-gejala kerusakan mobil yang ada.

Sehingga pada akhirnya sistem pakar yang dirancang ini dapat memberikan solusi

dengan memberikan nilai kemungkinan dari ketepatan solusi yang ditawarkan.

2.5 Kerusakan Pada Mobil

Kerusakan pada mobil dapat digolongkan menjadi 5 jenis, yaitu:

  • 1. Kerusakan pada bagian mesin.

  • 2. Kerusakan pada bagian sistem pendinginan.

  • 3. Kerusakan pada bagian pengereman dan kaki-kaki mobil.

  • 4. Kerusakan pada bagian transmisi

  • 5. Kerusakan pada bagian kelistrikan

2.5.1 Kerusakan Pada Bagian Mesin

Kerusakan yang mungkin terjadi pada bagian transmisi mobil akan disajikan

di tabel 2.3

Tabel 2.3 Tabel Kerusakan Bagian Mesin

Tipe kerusakan

Gejala

Penyebab

Solusi

Mesin tidak mau

Mesin tidak bisa

Mobil tidak

- Segera isi bensin

30

hidup

dihidupkan

terdapat bensin

- Segera cek bagian

Bagian kelistrikan

kelistrikan

mobil dalam

- Bawa ke bengkel

kondisi tidak baik

langganan

Fuel pump mobil

tidak bekerja

dengan baik

Mobil habis

menerjang banjir

Mesin mati tiba -

Mesin mati secara

Overheat atau terjadi

Jika overheat

tiba

tiba - tiba

penyumbatan pada

matikan mobil dan

karburator/injector

diamkan sebentar.

Jika terjadi

penyumbatan

segera bersihkan di

bengkel terdekat

Mesin knocking/

Terdapat bunyi

Konsumsi BBM

Lakukan tune up di

ngelitik,

ngelitik dari mesin

yang tidak sesuai

bengkel langganan

Kinerja mesin

dengan anjuran

berkurang

pabrik atau

campuran bensin

dengan udara tidak

sesuai

Kebocoran oli

Terdapat rembesan

Terdapat bagian

Cek asal rembesan

oli di sekitar mesin

mesin yang sudah

oli tersebut, jika

31

   

rusak

parah segera bawa

ke bengkel

2.5.2 Kerusakan Pada Bagian Sistem Pendinginan

Kerusakan yang mungkin terjadi pada sistem pendinginan diantaramya akan

disajikan di tabel 2.4

Tabel 2.4 Tabel Kerusakan Bagian Sistem Pendinginan

Tipe kerusakan

Gejala

Penyebab

Solusi

Radiator

Mesin panas saat

Radiator mampat

Service atau ganti

kecepatan tinggi

sehingga tidak dapat

radiator

mendinginkan mesin

saat bekerja keras

Kipas radiator

Mesin bertambah

Kipas radiator rusak

Ganti kipas radiator

saat mobil dalam

atau ada masalah di

atau cek bagian

kondisi

bagian kelistrikan

kelistrikan

diam(stationer)

Selang radiator

Air di radiator

Terjadi kebocoran

Segera cari letak

selalu berkurang

kebocorannya, jika

parah segera bawa ke

bengkel

Thermostat

Mesin terlalu

Thermostat terus

Ganti Thermostat

dingin walaupun

terbuka

sudah berjalan

jauh

Tutup radiator

Air di tabung

Pengatur tekanan di

Ganti tutup radiator

32

 

reservoir menjadi

tutup radiator rusak

 

penuh tetapiair di

radiator berkurang

2.5.3 Kerusakan Pada Bagian Pengereman dan Kaki-kaki Mobil

Kerusakan yang mungkin terjadi pada bagian pengereman dan kaki-kaki akan

disajikan di tabel 2.5

Tabel 2.5 Tabel Kerusakan Bagian Pengereman dan Kaki-kaki

Tipe kerusakan

Gejala

Penyebab

Solusi

Rem

Remi diinjak

Booster rem rusak

Ganti booster rem

terlalu dalam agar

dengan yang baru

mobil berhenti

Terdapat

Minyak rem

Segera periksa

perbedaan tekanan

berkurang

minyak rem, jika

saat menginjak

berkurang lalu

pedal rem yang

tambahkan minyak

pertama dengan

rem

kedua

Shockbreaker

Terdapat suara

Shockbreaker rusak

Ganti shockbreaker

gemuruh saat

dengan yang baru

mobil berjalan dan

mobil terasa

berayun saat

melewati polisi

tidur

Tie rod

Terdapat bunyi

Tie rod sudah rusak

Ganti tie rod dengan

33

 

seperti “kletek-

 

yang baru

kletek” saat mobil

berbelok

Velg

Pada saat mobil

Bentuk velg sudah

Lakukan balancing

melaju kencang

tidak seimbang

di bengkel

setir mobil terasa

goyang

Bearing

Terdapat bunyi

Bearing sudah rusak

Ganti bearing

gemuruh saat

dengan yang baru

mobil berjalan

tetapi mobil tidak

berayun saat

melewati polisi

tidur

Bushing stabilizer

Saat mobil

Bushing stabilizer

Lakukan spooring

berjalan di

sudah rusak atau ban

atau ganti bushing

kecepatan sedang

tidak menapak

stabilizer dengan

lalu mobil

sempurna

yang baru

berbelok sendiri

ketika setir di

lepas

2.5.4 Kerusakan Pada Bagian Transmisi

Penyebab kerusakan yang mungkin pada bagian transmisi mobil diantaranya

34

Tabel 2.6 Tabel Kerusakan Bagian Transmisi

Tipe kerusakan

Gejala

Penyebab

Solusi

Plat kopling

Gigi tidak bisa

Plat koling sudah

Ganti plat kopling

masuk saat mesin

rusak

dengan yang baru

menyala

Laher kopling

Saat pedal kopling

Laher kopling sudah

Ganti laher kopling

diinjakterdapat

rusak

dengan yang baru

suara seperti besi

beradu

Master kopling

Pedal kopling

Minyak transmisi

Tambahkan minyak

tidak memberikan

bocor/ berkurang

transmisi

tekanan saat

diinjak

Pedal kopling

Master kopling sudah

Ganti master kopling

tidak memberikan

rusak

dengan yang baru

tekanan saat

diinjak tetapi

masih terdapat

minyak transmisi

2.5.5 Kerusakan Pada Bagian Kelistrikan

Kerusakan yang mungkin terjadi pada bagian kelistrikan ini diantaranya akan

disajikan di tabel 2.7

Tabel 2.7 Tabel Kerusakan Bagian Kelistrikan

Tipe kerusakan

Gejala

Penyebab

Solusi

Baterai/accu

Mobil tidak bisa

Baterai/accu sudah

Lakukan charge

35

 

distarter atau

rusak (biasanya sudah

pada baterai/accu

starter melemah,

lebih dari 2 tahun)

atau menggantinya

lampu redup dan

dengan yang baru

suara klakson

melemah

Perkabelan

Bagian-bagian

Terdapat kabel yang

Lakukan pencarian

mobil yang

putus atau kendor

bagfian mana yang

menggunaka listrik

kendor atau jika

tiba-tiba tidak

sudah terlalu banyak

berfungsi secara

bagian-bagian yang

mendadak atau

tidak berfungsi

tidak berfungsi

dengan baik

optimal

disarankan untuk

mengurut ulang

kabel di bengkel

Dinamo starter

Mesin sulit

Dynamo starter rusak

Ganti dynamo

dihidupkan (tidak

starter dengan yang

terdengar suara

baru

apa-apa saat mesin

distarter