Judul: PENGOLAHAN TEKS NARATIF BAKU MENGGUNAKAN LSA DAN LEXICAL

TAXONOMY SEBAGAI INPUT SISTEM PAKAR PENYAKIT THT

Intisari:
Antarmuka system pakar merupakan penghubung antara system pakar dan pengguna. Seiring
dengan perkembangan teknologi, input pada antarmuka sisyem pakar tidak hanya didapatkan
melalui pertanyaan ya atau tidak ataupun pilihan jawaban dalam bentuk check-box saja tetapi
juga dalam bentuk gambar, suara dan sebagainya sesuai dengan kebutuhan system pakar yang
akan dirancang.
Pada penelitian ini masalah yang akan diangkat adalah bagaimana membangun sebuah
antarmuka system pakar yang mampu mengolah teks naratif sehingga menjadi kumpulan fakta
dan dapat diolah oleh system pakar untuk menghasilkan sebuah kesimpulan.
Metode yang digunakan dalam penelitian adalah metode Latent Semantic Analysis yang dapat
disingkat LSA dengan menggunakan Struktur Lexical Taxonomy. LSA adalah sebuah metode
yang digunakan untuk mencari kemiripan diantara kata atau kalimat dengan merepresentasikan
hubungannya menjadi bentuk matriks. Nilai kemiripan didapatkan dari perhitungan singular
Value Decomposition dan kemiripan kosinus. Lexical Taxonomy berperan dalam melakukan
proses pengindeksan antara teks naratif dan kata-kata yang terpilih yang berasal dari gejala pada
basis pengetahuan system pakar.
Pengujian yang dilakukan terhadap system menghasilkan nilai rata-rata F-score untuk
menggunakan LSA dengan struktur Lexical Taxonomy lebih kecil dari pada nilai rata-rata Fscore untuk penggunaan LSA saja. Berdasarkan hasil tersebut pengolahan teks naratif pada antar
muka system pakar dengan menggunakan metode LSA lebih baik dari pada kombinasi LSA dan
struktur Lexical Taxonomy pada kasus tertentu.
Landasan Teori:
3.1 Bahasa Baku
3.1.1 Kalimat
3.1.2 Kelas Kata
3.2 Konsep Parsing
3.2.1 Top-down Parsing
3.2.2 Bottom-up Parsing
3.3 Latent Semantic Analysis
3.3.1 Definisi Latent Semantic Analysis
3.3.2 Tahapan Latent Semantic Analysis
3.4 Lexical Taxonomy

Judul: SISTEM PAKAR UNTUK DIAGNOSIS PENYAKIT PADA JAMUR DENGAN

MENGGUNAKAN METODE VCIRS DAN DEMSTER SHAFER

Intisari:
Budidaya jamur kini telah menjadi peluang usaha yang cukup diminati masyarakat. Permintaan
pasar yang besar dan persediaan produk jamur yang masih terbatas membuat usaha ini memliki
potensi besar untuk dikembangkan. Salah satu yang menyebabkan masih terbatasnya produksi
jamur adalah rumitnya perawatan jamur apalagi jika sudah terserang penyakit. Dengan
keterbatasan pengetahuan yang dimiliki membuat sulit untuk mendeteksi jenis penyakit yang
menyerang jamur serta menanganinya. Selain itu keterbatasan tenaga pakarpertanian khususnya
di bidang jamur. Untuk itu diperlukan sebuah media konsultasi berbasis system pakar yang akan
membantu permasalahan tersebut.
Prototype system pakar yang dibangun menerapkan metode VCIRS dan Dempster Shafer.Metode
VCIRS ini digunakan karena adanya ketidak pastian pada kaidah yang sudah dibuat berdasarkan
data dari pakar.ketidakpastiannya berupa subsumsi kaidah yaitu terdapat kesimpulan yang sama
dan digunakan oleh kaidah yang lain sehingga terjadi konflik. Metode ini mampu mengatasi
masalah konflik resolusi yaitu menyeleksi rule dengan perhitungan variable value dan analysis
value untuk menentukan kaidah mana yang akan diaktivasi pertama. Metode Dempster-Shafer
merupakan metode penalaran non monotonis yang digunakan untuk mencari ketidak pastian
akibat adanya penambahan maupun pengurangan fakta baru yang akan merubah aturan yang ada,
sehingga metode ini memungkinkan seseorang aman dalam melakukan pekerjaan seorang pakar.

Hasil dari penelitian ini dapat memberikan suatu media konsultasi bagi pembudidayaan jamur
dalam mendiagnosa penyakit jamur, mampu memberikan solusi pengendalian penyakit beserta
tingkat kepercayaan system terhadap penyakit. Pengujian system ini dilakukan dengan
melakukan perbandingan perhitungan system pakar dengan hasil dari pakar yaitu memiliki nilai
akurasi 100%

Landasan Teori:
3.1 Sistem Pakar
3.2 Ketidak Pastian
3.3 VCIRS
3.4 Dempster Shafer
3.5 Penyakit Jamur

Judul:
SISTEM PAKAR UNTUK IDENTIFIKASI DAN PENANGGULANGAN MASALAH
BUDIDAYA IKAN MAS MENGGUNAKAN METODE DEMPSTER SHAPER
Intitasri:
Budidaya ikan mas adalah peluang usaha yang cukup diminati masyarakat. Luasnya perairan
Indonesia yang sangat menunnjang, serta permintaan konsumsi ikan Mas yang besar disamping
itu pasokan ikan mas masih terbatas karena berbagai masalah yang dihadapi pembudidaya ikan
mas, untuk itu usaha ini memiliki potensi besar untuk dikembangkan. Beberapa masalah yang
dihadapi para petani ikan mas adalah hama, penyakit, pemberian pakan yang buruk dan kondisi
lingkungan yang tidak baik. Dengan keterbatasan pengetahuan yang dimiliki oleh seorang petani
ikan membuatnya sulit untuk mengidentifikasi masalah-masalah yang dihadapi dalam budidaya
ikan mas. Selain itu keterbatasan tenaga pakar untuk konsultasi masalah Budidaya. Untuk itu
diperlukan sebuah media yang dapat membantu konsultasi yang berbasis system pakar yang
dapat membantu para petani ikan mas.
Prototype system pakar yang dibangun menerapkan metode pencarian menggunakan metode
forward chaining dan metode penilaian ketidakpastian menggunakan metode Dempster Shafer.
Ketidakpastian berupa Subsumsi kaidah dari sebuah rule yaitu jika terdapat kesimpulan yang
sama dan digunakan oleh kaidah yang lain sehingga terjadi resolusi konflik. Prioritas rule
terbesar yang akan dipilih jika terjadi resolusi konflik antar rule, karena setiap rule yang dibuat
terurut. Metode Dempster Shafer merupakan metode yang digunakan dalam penelitian ini dalam
menentukan tingkat kepercayaan suatu masalah yang telah dihasilkan oleh system pakar didalam
penelitian ini.
Hasil dari penelitian ini dapat memberikan suatu media konsultasi bagi petani ikan Mas dalam
mengidentifikasi masaslah budidaya ikan Mas, mampu memberikan solusi penanganan masalah
dan tingkat kepercayaan system terhadap masalah. Penguian system ini dilakukkan dengan
hasildari pakar yaitu nilai akurasi 90%.

Landasan Teori:
3.1 Sistem Pakar
3.1.1 Forward Chaining
3.2 Ketidakpastian
3.2.1 Resolusi Konflik
3.2.2 Ketidak konsistenan Sistem Pakar
3.3 Dempster Shafer
3.3.1 Frame of Discernment
3.3.2 Mas Function and Ingnorance
3.3.3 Combining Evidence
3.3.4 Contoh Penerapan Kasus Dempster Shafer

3.4 Masalah Budidaya

Komponen-kompunen Sistem pakar menurut Turban :
1. User Interface
User Interface dimaksudkan untuk memudahkan komunikasi program dan user, baik iru
berupa input informasi dan perintah dari user beserta output informasi kepada user.
2. Explanation Facility
Explanation Facility memungkinkan user untuk mendapatkan penjelasan hasil konsultasi.
Fasilitas ini diberikan untuk menjelaskan bagaimana proses penarikan kesimpulan.
3. Knowledge Acqusition Facility
Akuisi pengetahuan adalah akumulasi, transfer, dan transformasi keahlian dalam
menyelesaikan masalah dari sumber pengetahuan ke dalam program computer. Dalam
tahap ini, Knowledge engineer berusaha menyerap pengetahuan untuk selanjutnya
distransfer ke dalam knowledge base. Pengetahuan diperoleh dari pakar, delengkapai
dengan buku, basis data, laporan penelitian dan pengalaman user.
4. Inference Engine
Mesin inferensi merupakan pusat utama pemikiran dari system pakar yang memiliki
kesamaan system penalaran dengan seorang pakar. Mesin inferensi bertindak sebagai
penarik kesimpulan dan mengontrol mekanisme dari system pakar. Ada du acara dalam
melakukan inferensi:
a. Forward Chaining: Pencocokan fakta atau pernyataan dimualai dari fakta terlebih
dahulu untuk menguji kebenaran hipotesis. Metode inferensi cocok digunakan untuk
menangani masalah pengendalian dan peramalan
b. Backward Chaining : Pencocokan fakta atau pernyataan dimulai dari hipotesis
terlebih dahulu, dan untuk menguji kebenaran hipotesis tersebut harus dicari faktafakta yang ada dalam basis pengetahuan.
5. Agenda
Berisi aturan-aturan yang memiliki prioritas yang dibuat oleh inference engine, dimana
aturan-aturan tersebut dipilih(dibangkitkan) berdasarkan fakta-fakta yang diketahui
memenuhi kondisi aturan tersebut.
6. Knowledge Base
Berisikan knowledge Base yang dibutuhkan untuk memahami, memformulasikan dan
menyelesaikan masalah. Knowledge Base merupakan bagian yang sangat penting dalam
proses inferensi, yang didalamnya menyimpan informasi dan aturan aturan
penyelesaian suatu Bahasan masalah beserta atributnya. Pada prinsipnya, knowledge
Base mempunyai dua kompunen yaitu fakta dan aturan.
7. Working Memory
Memeori bekerja merupakan tempat penyimpanan fakta-fakta yang diketahui dari hasil
menjawab pertanyaan.