SISTEM PAKAR DIAGNOSA KERUSAKAN PADA PRINTER

DENGAN MENGGUNAKAN METODE CERTAINTY FACTOR PARAREL

Dewi Anggraeni
Jurusan Teknik Informatika
Fakultas Sains dan Teknologi
UIN Sunan Gunung Djati Bandung

ABSTRAK
Printer adalah sebuah alat untuk mencetak sebuah file menjadi sebuah dokumen, oleh karena
itu jenis printer tidak hanya satu saja tetapi banyak berbagai merk dan tipe. Oleh Karena itu sangat
mengkhawatirkan apabila printer banyak mengalami kerusakan total tetapi tidak dapat memperbaiki
dengan benar atau malah secara otodidak, seperti tukang service yang mampu memperbaiki printer
secara otodidak saja dan tidak langsung berkonsultasi ke pakarnya. Namun semua hal itu dapat
diatasi dengan adanya sistem pakar yang dapat mendiagnosa 25 kerusakan yang berasal dari 17
gejala yang berbeda. Sistem pakar ini dibangun menggunakan kombinasi teknologi web populer
terbaru yaitu PHP, HTML, CSS, jQuery dan MySQL. Perancangan yang digunakan yaitu SSAD
(Structured System Design and Analisis). Metode pengembangan perangkat lunak menggunakan
metode waterfall atau yang lebih dikenal dengan sekuensial linier. Sistem pakar diagnosa kerusakan
pada printer ini diharapkan dapat membantu user yang kesulitan berkonsultasi dengan pakar printer
dengan cara memberikan solusi setelah berkonsultasi melalui sistem. Sehingga kesulitan
berkonsultasi dapat teratasi dan juga dapat memperbaiki printer secara benar.

Kata kunci: Sistem Pakar, Kerusakan, Printer, Certainty Factor Pararel

1. PENDAHULUAN dapat dikategorikan sebagai masalah artificial

1.1 Latar Belakang
Perkembangan dunia teknologi di tahun
ini semakin pesat dengan banyak beredar
komputer – komputer terbaru, dengan harga
terjangkau. Sehingga dapat dijangkau oleh
masyarakat dengan kelas menengah ke
bawah, semakin harga komputer murah.
Semakin dunia teknologi dapat dijangkau oleh
seluruh lapisan masyarakat.
Misalnya sebuah komputer mengalami
kerusakan yang serius. Mungkin akan di
tanyakan apa penyebab dan gejala kerusakan
pada komputer tersebut. oleh karena itu
masyarakat perlu sebuah sistem untuk
mengolah dan mengecek kerusakan pada
komputer tersebut, tanpa harus menanyakan
pada seorang tukang service.
Dengan adanya sistem tersebut akan
memudahkan masyarakat untuk dapat
mengetahui gejala kerusakan dan menemukan
solusinya. Begitu juga dengan sebuah printer
intelegent khususnya sistem pakar karena
pemecahan masalah tersebut dapat dilakukan
dengan mengembangkan sistem yang dapat
berperan sebagai seorang ahli.
Dengan kata lain terjadi pemindahan atau
proses pengolahan informasi yang bersifat
heuristic yang artinya membangun dan
mengoperasikan basis pengetahuan yang
berisi fakta beserta penalarannya. Dalam hal
ini prosesnya disebut knowledge engineering
yaitu penyerapan basis pengetahuan dari
seorang pakar ke sebuah komputer.
Fakta-fakta yang diperoleh dari
pengetahuan seorang ahli disimpan dalam
suatu basis pengetahuan. Dengan bantuan
mesin inferensi dan memori kerja, proses
penarikan kesimpulan tentang jenis kerusakan
pada printer, gejala dan solusinya dapat di
lakukan.
Berdasarkan kategori bidang yang
sesuai, sistem pakar ini termasuk jenis
diagnosa, yaitu mengecek gejala-gejala yang
terjadi dan memberikan kesimpulan tentang
jenis kerusakan dan cara menangani
kerusakan tersebut. Pada penelitian ini dibuat
sebuah sistem pakar menggunakan
menggunakan metode Certainty Factor
Pararel. Sistem ini dapat memberikan
diagnosa awal kerusakan pada printer. Dari
gejala-gejala yang dirasakan oleh pengguna,
sebagai pengganti pakar konsultasi kepada
sistem yang telah disesuaikan dengan pakar
ahli. Hasil penelitian menunjukkan bahwa CF
Pararel dapat digunakan sebagai cara untuk
mengatasi ketidak pastian untuk kasus
printer.
Membuat sebuah sistem pakar yang
membahas tentang diagnosa kerusakan-
kerusakan pada printer dengan metode
Certainty Factor Pararel dengan judul
“Sistem Pakar Diagnosa Kerusakan Pada
Printer Dengan Menggunakan Metode
Certainty Factor Pararel”. Untuk
mendiagnosa kerusakan pada printer sehingga
dapat diketahui apa masalah yang terjadi pada
printer tersebut dan dapat ditemukan
solusinya.
1.2 Rumusan Masalah
Berdasarkan uraian Latar Belakang
serta permasalahan yang telah dikemukakan
tersebut di atas, maka penulis
mengidentifikasi pokok permasalahan sebagai
berikut:
1. Bagaimana membuat aplikasi sistem
pakar yang baik dan bisa digunakan
oleh user?
2. Bagaimana menerapkan metode
Certainty Factor Pararel pada sistem
pakar?
3. Bagaimana merancang suatu sistem
pakar yang dapat mendiagnosa
kerusakan pada printer berdasarkan
gejala pada printer tersebut dan
memberikan solusinya berdasarkan
metode Certainty Factor Pararel?
1.3 Tujuan Penelitian
Tujuan yang ingin dicapai dari tugas
akhir ini adalah:
1. Membuat aplikasi sistem pakar yang
baik dan bisa digunakan oleh user
2. Menerapkan metode Certainty Factor
Pararel pada sistem pakar
4. Merancang suatu sistem pakar yang
dapat mendiagnosa kerusakan pada
printer berdasarkan gejala pada printer
tersebut dan memberikan solusinya
berdasarkan metode Certainty Factor
Pararel.
1.4 Batasan Masalah
Masalah yang ada dalam Aplikasi ini
dibatasi pada ruang lingkup seperti:
1. Membangun aplikasi sistem pakar
hanya untuk mendiagnosa kerusakan
pada printer Canon iP 2700 series.
2. Tools yang digunakan untuk
membangun aplikasi ini yaitu PHP
sebagai bahasa pemogramannya dan
Mysql DBMS-nya.
3. Data yang diperlukan berupa data
kerusakan Printer, gejala kerusakan,
dan solusinya.
4. Metode yang digunakan Certainty
Factor Pararel.
2. LANDASAN TEORI
2.1 Certainty Factor Pararel
Faktor kepastian (certainty factor pararel)
menyatakan kepercayaan dalam sebuah
kejadian (atau fakta atau hipotesis)
berdasarkan bukti atau penilaian pakar
(Turban, 2005). Certainty Factor Pararel
menggunakan suatu nilai untuk
mengasumsikan derajat keyakinan seorang
pakar terhadap suatu data. Certainty Factor
Pararel memperkenalkan konsep keyakinan
dan ketidakyakinan yang kemudian
diformulasikan ke dalam rumusan dasar
sebagai berikut:
CF(H,E)=MB(H,E)-MD(H,E) (2.1)
CF(H,E): certainty factor pararel
MB(H,E): ukuran kepercayaan (measure of
increased belief) terhadap hipotesis H yang
jika diberikan evidence E(antara 0 dan 1)
MD(H,E): ukuran ketidakpercayaan (measure
of increased disbelief) terhadap evidence H,
jika diberikan evidence E(antara 0 dan 1)
Bentuk dasar rumus certainty factor pararel
sebuah aturan JIKA E MAKA H adalah
seperti ditunjukkan oleh persamaan 2 berikut:
CF(H,e)=CF(E,e)*CF(H,E) (2.2)
Dimana:
CF(E,e): certainty factor pararel evidence E
yang dipengaruhi oleh evidence e.
CF(H,E): certainty factor pararel hipotesis
dengan asumsi evidence diketahui dengan
pasti, yaitu ketika CF(E,e) = 1.
CF(H,e) : certainty factor pararel hipotesis
yang dipengaruhi oleh evidence e. Jika semua
evidence pada antecedent diketahui dengan
pasti maka persamaannya akan menjadi:
CF(H,e) = CF(H,E) (2.3)
Dalam aplikasinya, CF(H,E) merupakan nilai
kepastian yang diberikan oleh pakar terhadap
suatu aturan, sedangkan CF(E,e) merupakan
nilai kerpercayaan yang diberikan oleh
pengguna terhadap gejala yang dialaminya.
Sebagai contoh, berikut ini adalah sebuah
aturan dengan CF Pararel yang diberikan
oleh seorang pakar:
JIKA Timbul sisik pada kulit
DAN Kulit kering
DAN Rambut Kering
DAN Kulit kusam
DAN Rambut kusam
MAKA ketombe, CF: 0,7
2.2 Kelebihan dan Kekurangan Metode
Certainty Factor Pararel
Kelebihan Certainty Factor Pararel:
a. Metode ini cocok dipakai dalam sistem
pakar untuk mengukur sesuatu apakah
pasti atau tidak pasti dalam mendiagnosa
penyakit sebagai salah satu contohnya.
b. Perhitungan dengan menggunakan metode
ini dalam sekali hitung hanya dapat
mengelola dua data saja sehingga
keakuratan data dapat terjaga.
Kekurangan Metode Certainty Factor
Pararel:
a. Ide umum dari pemodelan ketidakpastian
manusia dengan menggunakan numerik
metode certainty factor pararel biasanya
diperdebatkan. Sebagian orang akan
membantah pendapat bahwa formula untuk
metode certainty factor pararel diatas
memiliki sedikit kebenaran.
b. Metode ini hanya dapat mengolah
ketidakpastian/kepastian hanya dua data saja.
Perlu dilakukan beberapa kali pengolahan
data untuk data yang lebih dari dua buah.
c. Nilai CF Pararel yang diberikan bersifat
subyektif karena penilaian setiap pakar bisa
saja berbeda-beda tergantung pengetahuan
2.3 Model untuk menghitung Certainty
Factor Pararel dari Rule
Ada dua tahap model yang sering digunakan
untuk menghitung tingkat keyakinan certainty
factor pararel dari sebuah rule adalah sebagai
berikut:
a. Dengan menggali dari hasil
wawancara dengan pakar. Nilai CF
Pararel (Rule) didapat dari
interpretasi term dari pakar menjadi
nilai MD/MB tertentu.
b. Tabel 2.3 untuk menentukan
certainty factor pararel menurut
kepercayaan pakar.
Cara Menentukan Nilai Certainty Factor
Pararel
MD/MD Certain Term
0 – 1.0 0 - 0.2 Tidak Tahu/Tidak Ada
0.3 - 0.4 Mungkin
0 - 0.6 Kemungkinan Besar
0.7 - 0.8 Hampir Pasti
0.9 - 1.0 Pasti
CF=MB-MD
CF=Certainty Factor Pararel
MB=Nilai kepercayaan pakar(Meansure
Believe)
MD=Nilai ketidak percayaan
pakar(Meansure Disbelieve)
2.4 Cara Perhitungan Faktor Kepastian
(Certainty Factor Pararel)
Certainty Factor Pararel (CF)
menunjukkan ukuran kepastian terhadap suatu
fakta atau aturan.
CF[h,e]=MB[h,e]–MD[h,e]
CF[h,e] = faktor kepastian
MB[h,e]=ukuran kepercayaan atau tingkat
keyakinan terhadap hipotesis h, jika
diberikan/dipengaruhi
evidence e (antara 0 sampai 1.0)
MD[h,e] = ukuran ketidakpercayaan atau
tingkat ketidakyakinan terhadap hipotesis h,
jika diberikan atau dipengaruhi evidence e
(antara 0 sampa 1.0)
Gambar 2.1 Ukuran Kepercayaan atau
Ketidakpercayaan CF Pararel
Contoh :
a. Misal suatu observasi memberikan
kepercayaan terhadap h dengan MB[h,e1]=0,3
dan
MD[h,e1]=0 maka :
CF[h,e1] = 0,3 – 0 = 0,3
Jika ada observasi baru dengan MB[h,e2]=0,2
dan MD[h,e2]=0, maka :
MB[h,e1 ∧ e2] = 0,3 + 0,2 * (1 – 0,3)=0,44
MD[h,e1 ∧ e2] = 0
CF[h,e1 ∧ e2] = 0,44 – 0 = 0,44
b. Asih menderita bintik-bintik di wajahnya.
Dokter memperkirakan Asih terkena cacar
dengan
kepercayaan MB[cacar,bintik]=0,80 dan
MD[cacar,bintik]=0,01 maka :
CF[cacar,bintik] = 0,80 – 0,01=0,79
Jika ada observasi baru bahwa Asih juga
panas badan dengan kepercayaan,
MB[cacar,panas]=0,7dan
MD[cacar,panas]=0,08 maka :
MB[cacar,bintik ∧ panas]
=0,8+0,7*(1–0,8)=0,94
MD[cacar,bintik ∧ panas]
=0,01+0,08*(1–0,01)=0,0892
CF[cacar,bintik ∧ panas]
=0,94–0,0892=0,8508
2.5 Certainty Factor Pararel dihitung
dari kombinasi beberapa hipotesis
Jika h1 dan h2 adalah hipotesis maka :
Gambar 2.2 Kombinasi CF Pararel Min dan
Max
Contoh :
Misal suatu observasi memberikan
kepercayaan terhadap h1 dengan
MB[h1,e]=0,5 dan
MD[h1,e]=0,2 maka :
CF[h1,e]=0,5–0,2=0,3
Jika observasi tersebut juga memberikan
kepercayaan terhadap h2 dengan
MB[h2,e]=0,8 dan
MD[h2,e]=0,1, maka :
CF[h2,e] = 0,8 – 0,1= 0,7
Untuk mencari CF Pararel[h1 ∧ h2,e]
diperoleh dari
MB[h1 ∧ h2,e] = min (0,5 ; 0,8) = 0,5
MD[h1 ∧ h2,e] = min (0,2 ; 0,1) = 0,1
CF[h1 ∧ h2,e] = 0,5 – 0,1 = 0,4
Untuk mencari CF Pararel[h1∨ h2,e]
diperoleh dari
MB[h1∨ h2,e] = max (0,5 ; 0,8) = 0,8
MD[h1∨ h2,e] = max (0,2 ; 0,1) = 0,2
CF[h1∨ h2,e] = 0,8 – 0,2 = 0,6
a. Asih menderita bintik-bintik di wajahnya.
Dokter memperkirakan Asih terkena cacar
dengan
Kepercayaan MB[cacar,bintik]=0,80 dan
MD[cacar,bintik]=0,01 maka
CF Pararel[cacar,bintik] = 0,80 – 0,01 = 0,79
Jika observasi tersebut juga memberikan
kepercayaan bahwa Asih mungkin juga
terkena alergi
Dengan kepercayaan MB[alergi,bintik]=0,4
dan MD[alergi,bintik]=0,3 maka
CF[alergi,bintik]= 0,4 – 0,3 = 0,1
Untuk mencari CF Pararel[cacar ∧ alergi,
bintik] diperoleh dari
MB[cacar ∧ alergi,bintik] = min (0,8 ; 0,4) =
0,4
MD[cacar ∧ alergi,bintik] = min (0,01 ; 0,3)
= 0,01
CF[cacar ∧ alergi,bintik] = 0,4 – 0,01 = 0,39 3.3 Diagram Konteks
Untuk mencari CF Pararel[cacar ∨ alergi, Data Kerusakan
Data Gejala

bintik] diperoleh dari Data Aturan

MB[cacar ∨ alergi,bintik] Admin

= max (0,8 ; 0,4) = 0,8

MD[cacar ∨ alergi,bintik] Sistem Pakar
Diagnosa Kerusakan Data Gejala
Pada Printer Dengan
= max (0,01 ; 0,3) = 0,3 Menggunakan Metode
Certainty Factor

CF[cacar ∨ alergi,bintik]
Laporan Data Keruskan Pararel
Data Gejala
User

= 0,8 – 0,3 = 0,5 Data Aturan

Data Hasil Analisa

Kesimpulan: semula faktor kepercayaan Informasi Kerusakan dan Solusi

bahwa Asih terkena cacar dari gejala

munculnya
bintik-bintik di wajahnya adalah 0,79.
Demikian pula faktor kepercayaan bahwa Ani
terkena
alergi dari gejala munculnya bintik-bintik di
wajah adalah 0,1. Dengan adanya gejala yang
sama
mempengaruhi 2 hipotesis yang berbeda ini
memberikan faktor kepercayaan :
Asih menderita cacar dan alergi = 0,39
Asih menderita cacar atau alergi = 0,5
3. ANALISIS DAN PERANCANGAN
3.1 Analisis
Sistem pakar diagnosa kerusakan
pada printer dengan menggunakan metode
certainty factor pararel ini. bertujuan untuk
mendiagnosa kerusakan pada printer Canon iP
2700/2770 sehingga dapat ketahui kerusakan
apa yang menyebabkan printer tidak berfungsi
dan juga dapat di ketahui penyebab dan gejala
kerusakan, sehingga dapat di temukan solusi
Gambar 3.1. Diagram konteks
Gambar 3.1 menunjukkan bahwa
sistem pakar berinteraksi dengan 2 external
entity, yaitu Admin dan User. Seorang admin
dapat memasukkan data kepakaran ke dalam
sistem serta dapat memperoleh informasi
pakar melalui fasilitas akuisisi pengetahuan.
Seorang pemakai hanya bisa melakukan
konsultasi dengan sistem, yaitu dengan
memilih data kerusakan seperti gejala
kerusakan kemudian memperoleh informasi
kerusakan yang terjadi dan solusi yang
diberikan oleh sistem
3.3.1 Data Flow Diagram Level 0
Rincian proses dari diagram konteks
level 0 ditunjukkan pada gambar 3.2. Pada
DFD level 0 ini dapat dilihat proses input data
oleh external entity dan output yang diberikan
sistem kepada external entitiy serta simpanan
data apa saja yang ada pada sistem.
Admin
Data Pakar Atau
Admin

Data Pakar
1.0

yang terbaik dalam menangani kerusakan Pengolahan Data

Pakar
Pakar

printer tersebut. Data Kerusakan

2.0
Pengolahan Data
Kerusakan dan
Data Kerusakan
dan Solusi
Kerusakan
Solusi

3.2 Analisis Kerusakan 3.0

Pengolahan Data Gejala
Gejala

Berdasarkan pengetahuan dari pakar, Gejala

Kerusakan

4.0

dapat dianalisis kerusakan apa saja yang akan Data Aturan

Pengolahan Data
Aturan
Aturan

dimasukkan ke dalam sistem. Selain User

Data Gejala
5.0
Pengolahan
Analisa
Aturan

Analisa Hasil

kerusakan, yang harus dimasukkan juga

Kerusakan

adalah gejala sebagai kunci untuk Informasi Kerusakan dan Solusi

6.0
Pembuatan
Laporan Hasil
analisa
Data Hasil Analisa

menemukan solusi dan juga dapat di ketahui 7.0

Analisa Hasil

Analisa

nilai dari pakar untuk megetahui seberapa

Pembuatan
Laporan Laporan
Gejala
Kerusakan

besarkah kepercayaan terhadap suatu fakta

tersebut. Gambar 3.2 Data Flow Diagram Level 0
 3.1
Tambah Data Gejala

3.3.2 Data Flow Diagram Level 1.0 Gejala

Proses Pengolahan Data Pakar yang

diturunkan pada level 1.0 ditunjukkan Data Gejalai

pada Gambar 3.3. Admin

3.2
Simpan Data
Gejala

Data Pakar 1.1 Data Pakar

Admin Tambah Data Pakar Edit Data Gejala
Pakar
3.3
Edit Data
Gejala

1.2 Hapus Data Gejala

Simpan Data
Pakar 3.4
Hapus Data
Gejala

1.3
Edit Data
Gambar 3.5 Data Flow Diagram Level 3.0
Pakar

Gambar 3.3 Data Flow Diagram Level 1.0 3.3.5 Data Flow Diagram Level 4.0
Proses Pengolahan Data Aturan yang
3.3.3 Data Flow Diagram Level 2.0 diturunkan pada level 4.0 ditunjukkan
Proses Pengolahan Data Keruskan dan pada Gambar 3.6.
Solusi yang diturunkan pada level 2.0 Data Gejala 4.1
Pilih Data Gejala
ditunjukkan pada Gambar 3.4. Gejala

2.1
Tambah Data
Keruskaan
Kerusakan dan
Solusi 4.2
Data Gejala dan Kerusakan Merelasikan
Admin Data Gejala Kerusakan
Dengan
Kerusakan

Data Kerusakan dan Solusi

2.2
Simpan Data Data MB dan MD
Admin
Kerusakan dan 4.3
Solusi Masukan Nilai
MB dan MD

Edit Data Kerusakan dan Solusi Simpan Nilai MB dan MD dan Data Gejala serta Kerusakan
2.3
Edit Data
Kerusakan dan
4.4
Solusi
Simpan Nilai MB
dan MD dan Data
Gejala serta
Kerusakan

Hapus Data Kerusakan dan Solusi

2.4
Hapus Data
Kerusakan dan
Solusi

Gambar 3.6 Data Flow Diagram Level 4.0

Gambar 3.4 Data Flow Diagram Level 2.0 3.3.6 Data Flow Diagram Level 5.0
Proses Pengolahan Analisa Kerusakan
3.3.4 Data Flow Diagram Level 3.0 yang diturunkan pada level 5.0
Proses Pengolahan Data Gejala yang ditunjukkan pada Gambar 3.7.
diturunkan pada level 3.0 ditunjukkan
pada Gambar 3.5.
 Pilih Gejala
5.1
Analisa Hasil
Konsultasi
3.4 ERD

Diagnosa Gejala
5.2
ERD adalah diagram yang
Kerusakan
User
Diagnosa
Gejala
Kerusakan
memperlihatkan entitas-entitas yang terlibat
dalam suatu sistem serta hubungan-hubungan
(relasi) antar entitas. Penekanan pada ERD
Laporan 5.3
Simpan Hasil
adalah tabel-tabel yang merepresentasikan
Konsultasi

entitas-entitas serta tabel-tabel yang

merepresentasikan relasi antar entitas itu
5.4
Cetak Hasil
sendiri. Entitas yang terlibat dalam sistem
Konsultasi
pakar diagnosa pada printer berbasis web
ditunjukkan pada Gambar 3.10
Kd trobel Nm kerusakan

Gambar 3.7 Data Flow Diagram Level 5.0

Solusi
Id

3.3.7 Data Flow Diagram Level 6.0 User Id Kerusakan

Proses Pengolahan Pembuatan Laporan Kd Gejala

1

Hasil Analisa yang diturunkan pada level m Kd trobel

6.0 ditunjukkan pada Gambar 3.8. Kd trobel Analisa Hasil 1 m Aturan

m md

Tanggal cf
Daftar konsultasi 6.1
Daftar Analisa Hasil 1
Konsultasi
Gejala Kd gejala mb

Laporan
Kd gejala Nm gejala
6.2
User
Laporan

Gambar 3.8 Data Flow Diagram Level 5.0 Gambar 3.10 ERD Sistem Pakar

Berdasarkan model ERD pada Gambar 3.10

3.3.8 Data Flow Diagram Level 7.0 dapat didesain data seperti ditunjukkan
Proses Pengolahan Pembuatan Laporan Gambar 3.11.
yang diturunkan pada level 7.0
ditunjukkan pada Gambar 3.9.
7.1
Pembuatan
Kerusakan
Laporan Data
Kerusakan
Laporan Data Kerusakan

7.2
Pembuatan
Admin Gejala
Laporan Data
Gejala
Laporan Data Gejala

7.3
Pembuatan
Aturan
Laporan Data
Aturan
Laporan Data Aturan

7.4

Laporan Data Hasil Analisa

Pembuatan
Laporan Data
Hasil Analisa
Analisa Hasil
Gambar 3.11 Relasi Antar Tabel

Gambar 3.9 Data Flow Diagram Level 7.0

3.5 Rancangan Antar Muka
Rancangan antarmuka digunakan HEADER
untuk membuat tampilan dengan tujuan
memberikan panduan dalam mengoperasikan Login User Costumer Registrasi Costumer Sistem Pakar
FORM ISIAN DATA SISTEM PAKAR
program sistem pakar. Pada rancangan
antarmuka program sistem pakar halaman
utama perancan sistem pakar digunakan untuk Nama Lengkap

melihat penjelasan dari metode certainty Registrasi Costumer Alamat

factor pararel sehingga user dapat lebih

memahami sebelum mendaftar sebagai Materi Konsultasi

Username
pengguna sistem. Password
Polling Costumer
1. Halaman utama perancangan sistem
Ulangi Password
pakar
Faq

HEADER
Copyright@Dewi Anggraeni 2013
Login User
Costumer

Gambar 3.13 Perancangan Registrasi

Costumer
Registrasi
Costumer
3. Halaman Bagian Konsultasi dan
Materi Konsultasi
Solusi
Polling Costumer
Halaman ini digunakan untuk
melakukan konsultasi kerusakan pada
Faq printer canon iP 2770, dengan cara
mengecek gejala dan nanti tekan
Copyright@Dewi Anggraeni 2013 tombol proses diagnosis gejala
kerusakan maka akan muncul jenis
Gambar 3.12 Perancangan Sistem Pakar kerusakan dan solusi memperbaikinya
kemudian akan di ketahui nilai cf
pararel. Berikut ini algoritma cara
kerja cf pararel.
2. Halaman Bagian Registrasi Costumer
Algoritma Certainty Factor Pararel
Pada halaman ini costumer sebelum
melakukan konsultasi kerusakan Modul Konsultasi CF dan Perhitungan
printer harus mengisi form data isian Certainty Factor Pararel
di bawah ini, jika registrasi berhasil DEKLARASI
maka costumer akan memiliki CF : Real
username dan password, dan jika tidak MB, MD
berhasil akan muncul pesan kesalahan.
begin
read DataInputRegistrasi
DESKRIPSI
If Input = valid then Read : (MB,MD)
save ke database CF ← MB-MD
write PesanBerhasil
else
Write (CF)
write PesanKesalahan
endif;
end.

HEADER
Login User Costumer Form Diagnosis Gejala Kerusakan
CEK
Registrasi Costumer
Materi Konsultasi
Polling Costumer
b. Halaman Registrasi Costumer
Halaman Registrasi Costumer
ini adalah halaman untuk registrasi
KODE NAMA GEJALA
user yang ingin mendapatkan
username dan password agar dapat
berkonsultasi tentang kerusakan
printer canon ip 2770. Melalui sistem
pakar metode certainty factor
pararel.

Faq

Copyright@Dewi Anggraeni 2013

Gambar 3.14 Perancangan Bagian Konsultasi

4. IMPLEMENTASI DAN PENGUJIAN

4.1 Implementasi Interface
Implementasi inteface merupakan
bagian dari pengolahan implementasi
yang disajikan untuk pengguna.
a. Halaman Testimoni
Halaman Testimoni ini adalah halaman
awal sistem pakar yang berisikan
tentang penjelasan mengenai metode
certainty factor pararel dan juga semua
yang mengacu kepada sistem pakar. Gambar 4.2 Halaman Registrasi Costumer

c. Halaman Konsultasi

Halaman Konsultasi adalah

halaman dimana user dapat
melakukan konsultasi dengan
menceklis satu gejala dan tidak
boleh lebih dari satu gejala.

Gambar 4.1 Halaman Testimoni

 Gambar 4.3 Halaman Konsultasi
d. Halaman Hasil Diagnosa
Halaman hasil diagnosa adalah
halaman hasil dari konsultasi
kerusakan pada printer canon ip
2700. Pada halaman ini kerusakan
printer tersebut dapat terlihat dengan
muncul beberapa kerusakan dan
juga dapat diketahui solusi cara
perbaikannya dan bisa terlihat nilai
dari cf pararel itu sendiri dan juga
dapat di peroleh nilai hipotesa
analisis.
Gambar 4.4 Hasil Diagnosa
4.2 Pengujian Sistem
Proses pengujian yaitu mencoba
program dengan memasukkan data kedalam
form-form masukan yang telah disediakan.
Pada tahap ini merupakan kelanjutan dari
tahap implementasi yaitu melakukan
pengujian terhadap aplikasi yang dibangun.
Pengujian yang akan dilakukan yaitu dengan
pengujian black box yang berfokus pada
persyaratan fungsional perangkat lunak.
4.3 Hasil Percobaan Diagnosa Kerusakan
Pada Printer
Berikut ini adalah hasil percobaan
konsultasi diagnosa kerusakan pada printer
dibuktikan dengan tabel bahwa setiap
konsultasi tidak ada yang error semuanya
berjalan dengan lancar.
 Tabel 4.1 Hasil Percobaan Diagnosa
Kerusakan Pada Printer 5.2 Saran
No Cek Nilai CF Kesimpulan Keterangan
Gejala Pararel Adapun saran yang akan diberikan
1 G0001 0,8 Hampir Pasti Succes
oleh penyusun diantaranya adalah :
2
3
G0002
G0003
0,7
0,7
Hampir Pasti
Hampir Pasti
Succes
Succes
1. Sistem yang dibuat harus bisa
4 G0004 0,8 Hampir Pasti Succes lebih perpect dan complex lagi.
5 G0005 0,7 Hampir Pasti Success
6 G0006 0,8 Hampir Pasti Success 2. Sistem harus dapat mendiagnosa
7 G0007 0,5 Kemungkinan Besar Success
8 G0008 0,9 Pasti Success kerusakan printer bukan satu jenis
9
10
G0009
G0010
0,7
0,8
Hampir Pasti
Hampir Pasti
Success
Success
dan satu seri saja tapi seluruh
12
13
G0012
G0013
0,7
0,8
Hampir Pasti
Hampir Pasti
Success
Success
jenis printer.
14 G0014 0,7 Hampir Pasti Success 3. Sistem harus mampu digunakan
15 G0015 0,5 Kemungkinan Besar Success
16 G0016 0,5 Kemingkinan Besar Success oleh user melalui online, agar
17 G0017 0,7 Hampir Pasti Success
dapat mempermudah proses
diagnosa kerusakan seluruh jenis
printer.
4.4 Uji Menu Konsultasi
Pada pengujian menu konsultasi pasien
dapat dilihat pada Tabel 4.2. DAFTAR PUSTAKA
Tabel 4.2 Uji Menu Konsultasi
HASIL
NO SKENARIO SUKSE GAG KETERANGAN
S AL Aryawan, 2012, Sistem Pakar Identifikasi
8 Klik menu konsultasi √ Terumbu Karang (Coral Reef)
9 Pilih salah satu gejala
√
kerusakan printer Menggunakan Metode Certainty
10 Klik proses diagnosis Sistem akan
gejala kerusakan menampilkan hasil Factor. Denpasar: Universitas
diagnosa dari satu
gejala yang di pilih Pendidikan Ganesha.
disana akan muncul
√
kerusakan, solusi, dan
hipotesa analisi
Dhany, Shany, 2009, Perancangan Sistem
Pakar untuk Diagnosa Penyakit pada
11 Klik save data Sistem menyimpan
√
hasil konsultasi user Anak. Laporan Penelitian. Medan:
pada hari ini.
Universitas Sumatera Utara

Kasmui,l 2011, Sistem Pakar Indentifikasi

5. KESIMPULAN DAN SARAN Bentuk Keris Jawa Dengan
Menggunakan Metode CF ( Certainty
5.1 Kesimpulan Factor). Laporan Penelitian. Jakarta:
Universitas Islam Negeri Syarif
Kesimpulan dalam penelitian skripsi ini Hidayatulloh
adalah sebagai berikut:
1. Kerusakan printer Canon bila Kursini, 2006, Sistem Pakar Teori dan
dibandingkan dengan printer Aplikasi. Yogyakarta:
Epson hampir sama hanya yang Yogyakarta:Penerbit Andi.
berbeda cara printnya saja.
Kusrini, 2008, Aplikasi Sistem Pakar
2. Sistem yang dibuat dapat Menentukan Faktor Kepastian
diterapkan pada jenis kerusakan Pengguna Dengan Metode
lain bukan printer saja. Kuantifikasi Pertanyaan. Yogyakarta:
Andi
3. Solusi yang diberikan sistem
dapat mempermudah user dalam Merlina, N, 2012, Perancangan Sistem Pakar
menangani semua jenis kerusakan Study Kasus sistem Pakar kenaikan
pada printer.
 Jabatan .Yogyakarta: Ghalia
Indonesia.

Nugroho, Bunafit, 2008, Membuat Aplikasi

Sistem Pakar dengan PHP dan Editor
Dreamweaver.Yogyakarta: Gava
Media.
.
Pressman, R, S, 2001, Software engineering:
a practitioner’s approach.—5th ed.
Boston : Mc-Graw Hill.

Puspitasari, D, 2009, Sistem Pakar Diagnosa

Diabetes Nefropathy dengan Certainty
Factor Berbasis Web dan Mobile.
Laporan Penelitian.Yogyakarta:
STMIK AMIKOM

Sadewo, A, 2010, Perancangan Dan

Implimentasi Sistem Pakar Untuk
Analisa Penyakit Dalam.
Semarang: Universitas Dipenogoro.

Susanto, H, 2012, Aplikasi Mendiagnosis

Penyakit Hepatitis Menggunakan
J2M3 Dengan Metode Certainty
Factor.Surabaya: Institut Teknologi
Sepuluh Nopember

Syatibi, A, 2012, Sistem Pakar Diagnosa

Awal Penyakit Kulit Sapi Berbasis
Web Dengan Menggunakan Metode
Ceratinty Factor. Semarang:
Universitas Dipenogoro.