5

BAB II

TINJAUAN PUSTAKA

2.1 Kajian Ilmiah

Penelitian yang dilakukan oleh Iriani.S (2015). Dengan judul “Penerapan Metode

Backward Chaining Pada Sistem Pakar Diagnosa Penyakit Tulang Manusia”. Sistem

pakar untuk mendiagnosa penyakit tulang pada manusia perupakan aplikasi yang

berguna untuk mengetahui jenis penyakit pada tulang manusia, beserta gejala yang

dialami pemakai. Pembahasan utama dalam sistem ini adalah perancangan dan

pembuatan sistem pakar untuk melakukan diagnosa dan memberikan informasi –

informasi mengenai penyakit tulang, gejala – gejala pada penyakit tersebut serta cara

pencegahan, pengobatan dan penyebabnya. Model inferensi yang digunakan dalam

pembuatan system pakar ini adalah penalaran mundur (Backward Chaining) sedangkan

teknik pencaraian menggunakan Depth First Search. Penetuan diagnosa dalam sistem

pakar ini dilakukan melalui proses konsultasi antara sistem dan pemakai. Jawaban

disesuaikan dengan aturan yang berada dalam sistem, jika jawaban yang dimasukkan

sesuai dengan aturan yang berlaku, maka sistem ini akan memberikan hasil diagnosa

berupa informasi penyakit.

Selanjutnya Arif, S.N, (2011). dengan judul “Implementasi Rule-Based Expert

Systems Dalam Mendeteksi Kerusakan Sistem Jaringan Komputer Dengan Metode

 6

Backward Chaining”. Berdasarkan teknik Backward Chaining atau Goal Driven,

kinerja sistem dalam pencapaian kesimpulan didasarkan pada langkah-langkah berikut

: 1. Memulai penalaran dari sekumpulan hipotesa. 2. Menemukan ciri-ciri yang sesuai

hipotesa menuju fakta-fakta yang mendukung hipotesa tersebut. 3. Begitu selanjutnya

sampai pada kesimpulan atau goal tercapai. Konsep backward chaining ini diterapkan

pada Bahasa pemograman Microsoft Visual Basic 6.0.

Selanjutnya penerapan Metode Backward Chaining di dalam bidang penelitian

sudah banyak dilakukan dan beberapa contoh penerapan Metode Backward Chaining

diantaranya adalah penelitian yang dilakukan oleh Sudiyanto, Suarna (2011), yang

membahas “Sistem Pakar Untuk Medeteksi Kerusakan Hardware Komputer Dengan

Menggunakan Metode Backward Chaining” aplikasi ini menghasilkan informasi

kerusakan komputer yang dialami oleh user dan solusinya, perangkat lunak ini

menuntun user untuk mengidentifikasi kerusakan yang pada umumnya sering terjadi

pada komputer. Metode pengembangan sistem yang digunakan adalah metode

pengembangan sistem pakar dan bahasa pemrograman yang digunakan adalah Borland

Delphi 7.0. Berdasarkan analisis hasil pembahasan dapat diambil kesimpulan aplikasi

ini dapat berjalan dan memberikan informasi mengenai gejala-gejala kerusakan,

penyebabnya, dan solusi kerusakan dengan cepat kepada user.

Contoh lain metode Backward Chaining dalam bidang penelitian yang dilakukan.

yaitu penelitian Dahria (2012). yang membahas tentang “Implementasi Inferensi

Backward Chaining Untuk Mengetahui Kerusakan Monitor Komputer” Perangkat

Lunak yang dirancang dengan rule-based expert system digunakan untuk mengetahui
 7

kerusakan monitor komputer. Sehingga dapat membantu para teknisi komputer dalam

mengatasi masalah – masalah yang berkaitan dengan kerusakan monitor komputer.

Penelitian yang selanjutnya adalah “Deteksi Kerusakan Notebook Dengan

Menggunakan Metode Sistem Pakar” Tujuan penelitian ini adalah Mengembangkan

system pakar diagnosa kerusakan notebook, dan Implementasi termasuk uji coba

penanganan kerusakan notebook secara cepat dan tepat. Sehingga dapat menjadi bahan

pembanding keputusan – keputusan yang diambil oleh teknisi Notebook untuk

memperbaikinya. Termasuk juga menjadi media informasi bagi pihak manapun yang

ingin mengetahui cara mendiagnosa dan memahami kerusakan yang ada pada

notebook. Dalam proses penarikan kesimpulan sistem menggunakan teknik Certainty

Factor (CF), dimana penentuan nilai CF dilakukan oleh pakar dari domain yang

bersangkutan. Kesimpulannya adalah ini dibuat untuk dapat membantu pengguna

dalam mengidentifikasi seluruh kerusakan pada notebook sejak dini. Rangkuti,

Andryana (2009).

Pada penelitian ini saya akan membuat sistem pakar yang menggunakan metode

backward chaining. Perbedaan penelitian ini dengan kelima penelitian yang sudah ada

adalah aplikasi yang akan dibuat berbasis Web dan Bahasa pemrograman yang

digunakan didalam penelitian ini adalah PHP, sedangkan Database yang digunakan

adalah MySQL. Kelebihan Aplikasi ini adalah karena aplikasi yang dibuat berbasis

Web sehingga tidak perlu menggunakan banyak source code yang rumit, dan pengguna

atau user lebih mudah mengakses informasi dengan cepat.

 8

2.2 Dasar Teori

2.2.1 Sistem Pakar (Expert System)

Sistem pakar yang muncul pertama kali adalah General-purpose problem

solver (GPS) yang dikembangkan oleh Newel dan Simon. Sampai saat ini sudah

banyak sistem pakar yang dibuat, seperti untuk diagnosis penyakit, mengidentifikasi

structural molekul campuran yang tak dikenal, untuk membantu konfigurasi sistem

komputer besar, untuk analisis sirkuit elektronik, prespoctor digunakan di bidang

geologi untuk membantu mencari dan menemukan deposit, untuk memberikan bagi

seorang manajer dalam stok investasi, untuk pemeliharaan lokomotif listrik diesel, dan

sebagainya. Sutojo (2011).

Sistem Pakar adalah sebuah program komputer yang mencoba meniru atau

mensimulasikan pengetahuan (knowledge) dan keterampilan (skill) dari seorang pakar

pada area tertentu. Selanjutnya sistem ini akan mencoba memecahkan suatu

permasalahansesuai dengan kepakarannya. Subakti, Irvan (2006).

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. Marimin (2002).

 9

2.2.2 Konsep Dasar Dalam Sistem Pakar

Sistem pakar adalah sistem berbasis komputer yang menggunakan

pengetahuan, fakta, dan teknik penalaran dalam memecahkan masalah yang biasanya

hanya dapat dipecahkan oleh seorang pakar dalam bidang tersebut. Kusrini (2006).

Sistem pakar bekerja berdasarkan pengetahuan yang dimasukkan oleh seorang atau

beberapa orang pakar dalam rangka mengumpulkan informasi hingga sistem pakar

dapat menemukan jawabannya. Kusrini (2006).

Sistem pakar mempunyai 3 bagian utama, yaitu user Interface, Interface engine

dan Knowledge base. Wijaya (2007).

1. User Interface

User interface adalah perangkat lunak yang menyediakan media komunikasi antara

user dengan sistem. User interface memberikan berbagai fasilitas informasi dan

berbagai keterangan yang bertujuan untuk membantu mengarahkan alur

penelusuran masalah sampai ditemukan sebuah solusi.

2. Inference Engine

Inference Engine adalah bagian dari sistem pakar yang melakukan penalaran

dengan menggunakan isi daftar rule berdasarkan urutan dan pola tertentu. Selama

proses konsultasi antara sistem dengan user, inference engine menguji aturan-

aturan satu demi satu sampai kondisi rules itu benar. Secara umum ada dua metode

inference engine yang penting dalam sistem pakar, yaitu runut maju (forward

chaining) dan runut balik (backward chaining).

 10

3. Knowledge Base

Knowledge base merupakan inti program sistem pakar. Pengetahuan ini merupakan

representasi pengetahuan dari seorang pakar. Knowledge base bisa

direpresentasikan dalam berbagai macam bentuk, salah satunya adalah bentuk

sistem berbasis aturan (ruled-based system). Knowledge base tersusun atas fakta

yang berupa informasi tentang obyek dan rules yang merupakan informasi tentang

cara bagaimana membangkitkan fakta baru dari fakta yang telah diketahui.

Gambaran konsep dasar Sistem Pakar, dimana pengguna menyampaikan fakta atau

informasi kepada Sistem Pakar,kemudian fakta dan informasi tersebut akan di simpan

ke basis pengetahuan, dan diolah dengan mekanisme inferensi, sehingga sistem dapat

memberikan respon kepada penggunanya berupa keahlian atau jawaban berdasarkan

pengetahuan yang dimilikinya. Konsep dasar Sistem Pakar ditunjukkan pada gambar

2.1.

Sumber : Wijaya (2007)

Gambar 2.1 Konsep Dasar Sistem Pakar. Wijaya (2007)

 11

Seorang pakar adalah orang yang mempunyai keahlian dalam bidang tertentu,

yaitu pakar yang mempunyai knowledge atau kemampuan khusus yang orang lain tidak

mengetahui atau mampu dalam bidang yang dimilikinya. Kusrini (2006).

Knowledge base berisi pengetahuan sangat spesifik yang disediakan oleh

seorang pakar untuk memecahkan masalah tertentu. Contohnya: knowledge dari

seorang dokter ahli untuk mendiagnosa penyakit tertentu. Knowledge planning

disediakan oleh seorang konsultan investasi. Kusrini (2006).

Knowledge pada sistem pakar mungkin saja seorang ahli, atau knowledge

yang umumnya terdapat dalam buku, majalah, dan orang-orang yang mempunyai

pengetahuan terhadap suatu bidang. Kusrini (2006).

Bagian dalam sistem pakar terdiri dari 2 komponen utama, yaitu

Knowledge base yang berisi knowledge dan mesin inferensi yang

menggambarkan kesimpulan. Kesimpulan tersebut merupakan respon dari sistem pakar

atas permintaan pengguna.

Inference engine adalah “engine” pemroses knowledge yang dimodelkan

berdasarkan konsep berpikir dari expert penyedia knowledge. Inference engine beserta

informasi yang didapat dari sebuah masalah, berpasangan dengan knowledge yang

disimpan pada knowledge base, berusaha untuk mencari/ menarik kesimpulan, jawaban

dan rekomendasi guna memecahkan masalah tersebut.

 12

2.2.3 Keuntungan Sistem Pakar

Secara garis besar manfaat yang dapat diperoleh dengan mengembangkan

sistem pakar, antara lain :

1. Masyarakat awam non-pakar dapat memanfaatkan keahlian di dalam bidang

tertentu tanpa kesadaran langsung seorang pakar

2. Meningkatkan produktivitas kerja, yaitu bertambahnya efisiensi pekerjaan tertentu

serta hasil solusi kerja

3. Penghematan waktu dalam menyelesaikan masalah yang kompleks

4. Memberikan penyederhanaan solusi untuk kasus-kasus yang kompleks dan

berulang-ulang

5. Pengetahuan dari seorang pakar dapat dikombinasikan tanpa ada batas waktu

6. Memungkinkan penggabungan berbagai bidang pengetahuan dari berbagai pakar

untuk dikombinasikan.

2.2.4 Kelemahan Sistem Pakar

Selain banyak manfaat yang diperoleh, ada juga kelemahan pengembangan

sistem pakar, yaitu :

1. Daya kerja dan produktivitas manusia menjadi berkurang karena semuanya

dilakukan secara otomatis oleh system

2. Pengembangan perangkat lunak sistem pakar lebih sulit dibandingkan dengan

perangkat lunak konvensional.

 13

2.2.5 Tujuan Sistem Pakar

Tujuan dari Sistem Pakar adalah untuk memindahkan kemampuan

(Transferring Expertise) dari seorang pakar atau sumber kepakaran yang lain ke dalam

komputer dan kemudian memindahkannya dari komputer kepada pengguna yang tidak

ahli (non expert). Wijaya (2007).

Proses ini meliputi 4 (empat) aktivitas yaitu:

1. Akusisi Pengetahuan (Knowledge Acquisition) yaitu kegiatan mencari dan

mengumpulkan pengetahuan dari para ahli atau sumber keahlian yang lain.

2. Representasi Pengetahuan (Knowledge Representation) adalah kegiatan

menyimpan dan mengatur penyimpanan pengetahuan yang diperoleh dalam

komputer. Pengetahuan berupa fakta dan aturan disimpan dalam komputer sebagai

sebuah komponen yang disebut Basis Pengetahuan.

3. Inferensi Pengetahuan (Knowledge Inferencing) adalah kegiatan melakukan

inferensi berdasarkan pengetahuan yang telah disimpan didalam komputer.

4. Pemindahan Pengetahuan (Knowledge Transfer) adalah kegiatan pemindahan

pengetahuan dari komputer ke pemakai yang tidak ahli.

2.2.6 Ciri - Ciri Sistem Pakar

Menurut Kusrini (2006) sistem pakar memiliki beberapa ciri-ciri sebagai

berikut :

1. Terbatas pada bidang yang spesifik.

2. Dapat memberikan penalaran untuk data-data yang tidak lengkap atau tidak pasti.
 14

3. Dapat mengemukakan rangkaian alasan yang diberikannya dengan cara yang dapat

dipahami.

4. Berdasarkan pada rules atau aturan tertentu.

5. Dirancang untuk dikembangkan secara bertahap.

6. Output bersifat nasihat atau anjuran.

7. Output tergantung dari dialog dengan user.

8. Knowledge base dan inference engine terpisah.

2.2.7 Arsitektur Sistem Pakar

Sistem Pakar terdiri oleh 2 (dua) bagian pokok yaitu lingkungan pengembangan

(development environment) dan lingkungan konsultasi (consultation environment).

Lingkungan pengembangan digunakan sebagai pembangun sistem pakar baik dari segi

pembangun komponen maupun basis pengetahuan.

Sedangkan lingkungan konsultasi digunakan seseorang yang bukan ahli untuk

berkonsultasi.

Arsitektur Sistem Pakar ditunjukkan dalam gambar 2.2.

 15

Sumber : Hartati & Iswanti (2008)

Gambar 2.2 Arsitektur Sistem Pakar. Hartati, Iswanti (2008)

Komponen-komponen yang terdapat dalam Sistem Pakar tersebut terdiri dari

antarmuka pemakai, basis pengetahuan : fakta dan aturan, akuisisi pengetahuan,

mekanisme inferensi, workplace, fasilitas penjelasan, perbaikan pengetahuan

1. Antarmuka Pemakai

Antarmuka pemakai memberikan fasilitas komunikasi antara pemakai dan sistem,

memberikan berbagai fasilitas informasi dan berbagai keterangan yang bertujuan

untuk membantu mengarahkan alur penelusuran masalah sampai ditemukan solusi.

 16

2. Basis Pengetahuan

Basis Pengetahuan berisi pengetahuan untuk pemahaman, formulasi, dan

penyelesaian masalah. Komponen ini disusun oleh 2 (dua) elemen dasar yaitu fakta

dan aturan.

3. Akuisisi Pengetahuan

Akuisisi Pengetahuan merupakan proses untuk mengumpulkan data pengetahuan

terhadap suatu masalah dari sumber pengetahuan (berasal dari ahli atau media

seperti majalah, buku, literatur, dan lain-lain) kedalam komputer. Sumber

pengetahuan tersebut dijadikan dokumentasi untuk diolah, dipelajari dan

diorganisasikan menjadi basis pengetahuan.

4. Mekanisme Inferensi

Komponen ini mengandung mekanisme pola pikir dan penalaran yang digunakan

oleh pakar dalam menyelesaikan suatu masalah. Mesin Inferensi merupakan

bagian dari Sistem Pakar yang melakukan penalaran mengenai informasi yang ada

dalam basis pengetahuan dan dalam workplace, dan untuk memformulasikan

kesimpulan. Secara umum terdapat 2 (dua) pendekatan yang digunakan dalam

mekanisme inferensi untuk pengujian aturan yaitu Backward Chaining (pelacakan

kebelakang) dan Forward Chaining (pelacakan ke depan). Dalam pelacakan ke

belakang adalah pendekatan yang dimotori tujuan (goal-driven), pendekatan ini

pelacakan dimulai dari tujuan (hipotesa) dan selanjutnya dicari aturan-aturan yang

memiliki tujuan tersebut dan dicari kesimpulan (pembuktiannya). Sedangkan

 17

pelacakan ke depan merupakan pendekatan yang dimotori oleh (data-driven),

pendekatan ini pelacakan dimulai dari informasi masukan, dan selanjutnya

mencoba menggambarkan kesimpulan.

5. Workplace

Workplace merupakan area dari sekumpulan memori kerja (Working Memory).

Workplace digunakan untuk merekam hasil - hasil antara dan kesimpulan yang

dicapai.

6. Fasilitas Penjelasan

Fasilitas Penjelasan (Explanation Facility) sistem merupakan bagian dari Sistem

Pakar yang memberikan penjelasan atas kesimpulan yang dicapai tentang suatu

masalah, serta memberikan rekomendasi kepada pemakai.

7. Perbaikan Pengetahuan

Kemampuan pakar dalam menganalisis dan meningkatkan kinerja pembelajaran

dapat diterapkan dalam program Sistem Pakar sehingga Sistem Pakar tersebut

dapat menganalisis penyebab dari kesuksesan dan kegagalan yang dialami.

2.2.8 Mesin Inferensi (Inferencing)

Mekanisme inferensi yang utama pada sistem pakar dapat dibedakan menjadi

inferensi dengan mekanisme pelacak mundur (Backward Chaining) dan pelacak maju

(Forward Chaining). Penalaran dengan Backward Chaining dimulai dari sekumpulan

hipotesis menuju fakta-fakta yang mendukung hipotesis tersebut.

 18

2.2.9 Backward Chaining

Menggunakan pendekatan goal-driven search, dimulai dari harapan apa yang

akan terjadi (hipotesis) dan kemudian mencari bukti yang mendukung (atau

berlawanan) dengan harapan kita. Sering hal ini memerlukan perumusan dan pengujian

hipotesis sementara. Jika suatu aplikasi menghasilkan tree yang sempit dan cukup

dalam, maka gunakan Backward Chaining. Hartati, Iswanti (2008).

Gambar 2.3. Backward Chaining

Backward Chaining dapat dimodelkan sebagai berikut :

Tujuan
IF (kondisi) .

Contoh backward chaining dapat dinyatakan sebagai berikut :

Lampu 1 rusak,
IF lampu 1 dinyalakan
AND Lampu 1 tidak menyala
AND Lampu 1 dihubungkan dengan sekering
AND sekering masih utuh
 19

Contoh sederhana backward chaining diterangkan sebagai berikut, untuk

kaidah diatas sistem menduga terlebih dahulu bahwa lampu 1 rusak. Kebenaran

praduga ini dibuktikan dengan menanyakan apakah ada fakta lampu 1 mati, apakah ada

fakta lampu 1 dihubungkan dengan sekering dan sekering masih utuh; bila keduanya

dipenuhi maka praduga sistem benar, dan system mengeluarkan kesimpulan bahwa

lampu 1 rusak.

2.2.10 Data Flow Diagram (DFD)

Data Flow Diagram (DFD) adalah teknis grafis yang menggambarkan aliran

data dan informasi serta transformasi yang diaplikasikan pada saat data bergerak dari

input menjadi output.

Tujuan dari DFD adalah sebagai berikut :

1. Menjelaskan bagaimana data ditransformasikan pada saat data bergerak melalui

system.

2. Menggambarkan fungsi-fungsi dari sub fungsi yang mentransformasi data menjadi

informasi.

DFD adalah alat pembuatan model yang memungkinkan profesional system untuk

menggambarkan sistem sebagai suatu jaringan proses fungsional yang dihubungkan

satu sama lain dengan alur data, baik secara manual maupun komputerisasi. DFD ini
 20

sering disebut juga dengan nama Bubble Chart, Bubble Diagram, Model Proses,

Diagram Alur Kerja, atau Model Fungsi.

Berikut simbol-simbol yang digunakan dalam DFD :

1. Entitas

Gambar 2.4 Simbol Entitas

Entitas adalah segala sesuatu baik abstrak ataupun nyata seperti orang, tempat,

objek, kejadian, ataupun konsep yang datanya dikumpulkan untuk disimpan dan

dikelola di dalam sebuah database. Simbol entitas dapat dilihat pada gambar 2.4.

2. Arus / alir data

Gambar 2.5 Simbol Arus Data

Menunjukan arus data, yang dapat berupa masukan kedalam suatu proses atau

output dari suatu proses. Simbol arus data diperlihatkan pada gambar 2.5.
 21

3. Proses

Gambar 2.6 Simbol Proses

Gambar 2.6 menunjukkan symbol dari proses. Proses adalah suatu kegiatan yang

dilakukan oleh orang, mesin atau komputer dari hasil suatu arus data yang masuk

kedalam proses , untuk menghasilkan arus data yang akan keluar dari proses.

4. Data Store

Gambar 2.7 Simbol Data Store

Gambar 2.7 merupakan simbol data store. Data Store Digunakan sebagai sasaran

untuk mengumpulkan data, penyimpanan data ini direpresikan dengan dua garis

paralel, penyimpanan data ini biasanya dihubungkan dengan penyimpanan file - file

basis data.