1

Sistem Pakar Mendiagnosa Kerusakan Dinamo Start Mobil

Menggunakan Metode Teorema Bayes Pada Lubis Dinamo Medan
Amrullah*, Yohanni Syahra, S.Si, M.Kom**, Muhammad Syahril, SE., M.Kom.**
Sistem Informasi, STMIK Triguna Dharma Medan
**Magister Ilmu Komputer Universitas Putra Indonesia“YPTK” Padang
**Magister Ilmu Komputer Universitas Putra Indonesia“YPTK” Padang

Artikel Info ABSTRAK

Article history: Sistem pakar adalah bagian dari kecerdasan (Artifial Intelegency) yang
Recived : memindahkan kemampuan seorang pakar kedalam sebuah sistem guna
Revised : mendiagnosa kerusakan atau penyakit. Banyak permasalahan yang cara
Accepted : penyelesaiannya dibutuhkan keahlian dari seorang pakar, salah satunya adalah
mendiagnosa kerusakan dinamo stater
Keyword: Kerusakan dinamo start pada umumnya sering terjadi pada mobil tanpa disadari
Sistem Pakar oleh penggunanya.Kerusakan juga disebabkan oleh kesalahan dari prosedur
penggunaan. Perancangan sistem pakar mendiagnosa kerusakan dinamo start
Kecerdasan buatan (Artificial
diharapkan dapat membantu pengguna mobil yang ingin mengetahui jenis
Intelegency)
kerusakan atau penyebab awal dari kerusakan dinamo.
Teorema Bayes
Teorema bayes yang digunakan untuk menghitung tingkat kemungkinan kerusakan
Dinamo Start yang diterapkan pada sistem pakar diharapkan dapat memberikan kemudahan bagi
mekanik dalam mendiagnosa kerusakan. Aplikasi sistem pakar ini dirancang
dengan output berupa laporan yang memudahkan pengguna aplikasi memahami
jenis kerusakan dinamo statrt.

ABSTRACT
Expert systems are part of the intelligence (Artificial Intelligence) that transfers the
ability of an expert into a system to diagnose damage or disease. Many problems
that the solution requires expertise from an expert, one of which is to diagnose the
destruction of the dynamo stater
Damage start dynamo in general often occurs on the car without the user aware by
the damage. Damage is also caused by errors of the use procedure. Expert system
design diagnose the dynamo start damage is expected to help car users who want
to know the type of damage or the initial cause of the dynamo damage.
Bayes theorem used to calculate the extent of possible damage applied to expert
systems is expected to facilitate mechanics in diagnosing the damage. This expert
system application is designed with the output of a report that allows application
users to understand the type of dynamo start damage.

Corresponding Author
Nama : Amrullah
Program Studi : Sistem Informasi
STMIK Triguna Dharma
Email : pedrotiago966@gmail.com

1. PENDAHULUAN
Mobil adalah salah satu alat transportasi darat yang penting pada saat sekarang ini. Memiliki mobil bagi
sebagian besar kalangan masyarakat pada saat ini bagaikan suatu hal yang pokok dimana dapat membantu manusia
dalam beraktifitas khususnya bekerja. Kebanyakan mesin mobil bekerja dengan sistem empat langkah atau 4
(empat) tak yang terdiri dari langkah masuk, langkah kompresi, langkah pembakaran dan langkah buang. Pada saat
starting mesin, diperlukan daya putar awal dan langkah kompresi harus disuplai dari luar untuk memutar Crankshaft.
Pada saat tersebut diperlukan komponen seperti battery, dinamo start mobil (starting engine), Ignition Switch dan
Wiring.
Pada kendaraan mobil dinamo start mobil merupakan komponen yang penting dan merupakan komponen
vital bagi kendaraan. Kerusakan pada dinamo start mobil terjadi diakibatkan oleh kesalahan pengguna, yaitu pada
saat mesin mobil akan dihidupkan, pengguna melakukan start panjang pada kunci kontak mobil sehingga
mengakibatkan dinamo starter melakukan kerja ekstra. Dalam mendeteksi kerusakan dinamo mekanik melakukan
pemeriksaan secara manual seperti membuka bagian mesin khususnya pada dinamo start dan melakukan
pengecekan tiap-tiap komponen dinamo start.
2

Pada saat ini, kecerdasan buatan (Artificial Intelligence) banyak digunakan dalam berbagai bidang seperti:
bisnis, militer, pendidikan, psikologi, permainan, bidang kesehatan/kedokteran dan mendiagnosa kerusakan
kendaraan. Teknologi softcomputing adalah sebuah bidang kajian penelitian interdisipliner dalam ilmu komputasi
dan kecerdasan. Beberapa teknik dalam softcomputing, antara lain: sistem pakar (Expert System), jaringan syaraf
tiruan (Neural Networks), logika Fuzzy (fuzzy logic) dan algoritma genetik (Genetic Algorithms) banyak
dikembangkan karena mempunyai keunggulan dalam penyelesaian masalah yang mengandung ketidakpastian,
ketidaktepatan, dan kebenaran parsial termasuk juga mendiagnosa kerusakan.
Sistem pakar merupakan bagian dari kecerdasan buatan yang meniru penalaran manusia. Pemanfaatan
teknologi memudahkan manusia untuk mengakses informasi tanpa terbatas ruang dan waktu. Pemanfaatan teknologi
ini memudahkan perancangan sistem pakar mendiagnosa kerusakan dinamo start mobil dengan menggunakan
Teorema Bayes. Pembuatan aplikasi diharapkan akan memudahkan mekanik untuk mendapatkan informasi tanpa
harus memeriksa satu persatu komponen pada mesin, serta diharapkan akan mengurangi atau bahkan menemukan
permasalahan yang ada.

2.1 Rumusan Masalah

Berdasarkan pendahuluan diatas, Adapun yang menjadi rumusan masalah dalam peneilitian kali ini
diantranya adalah :
a. Bagaimana merancang sistem yang dapat membantu menentukan kerusakan dinamo start mobil ?
b. Bagaimana menerapkan metode Teorema Bayes guna mendiagnosa kerusakan pada dinamo start mobil ?
c. Bagaimana membangun aplikasi sistem pakar menggunakan metode Teorema Bayes ?

2.2 Batasan Masalah

Berdasarkan pendahulan dan rumusan yang telah dijelaskan sebelumnya, maka batasan masalah yang dibuat
dalam penelitian kali ini adalah :
a. Permasalahan yang dibahas pada penelitian ini adalah cara mendiagnosa kerusakan pada dinamo start
mobil.
b. Sampel data yang digunakan sifatnya real dan bersumber dari Bengkel Lubis Dinamo Medan.
c. Metode yang digunakan untuk menyelesaikan permasalahan adalah metode Teorema Bayes.

2.3 Tujuan Penelitian

Adapun Tujuan penelitian yang telah dilakukan selama antara lain adalah :
a. Untuk merancang sistem yang dapat membantu mendiagnosa kerusakan dinamo start mobil.
b. Menerapkan metode Teorema Bayes guna menentukan kerusakan pada dinamo start mobil.
c. Membangun aplikasi sistem pakar menggunakan metode Teorema Bayes sebagai alat pendeteksi
kerusakan.

2.4 Manfaat Penelitian

Adapun manfaat yang diharapkan dari penelitian yang dilakukan ini antara lain yaitu :
a. Dapat membantu Bengkel Lubis Dinamo untuk memberikan informasi berkenaan tentang kerusakan
dinamo start mobil.
b. Dapat membantu pembaca sebagai referensi penelitian untuk mengembangkan ilmu pengetahuan
khususnya pada bidang sistem pakar.
c. Dapat membantu peneliti di dalam memecahkan permasalahan yang terjadi selama ini berkenaan dengan
sistem pakar mendiagnosa kerusakan dinamo start mobil menggunakan metode Teorema Bayes.

2. Metode Penelitian
Dalam menyusun skripsi ini metode penelitian dalam pengumpulan data adalah sebagai berikut :
a. Observasi
Pengamatan ini dilakukan dilakukan secara langsung turun kelapangan sehingga mendapatkan data-data
yang lebih pasti dan akurat. Penelitian ini juga dilakukan langsung di Bengkel Lubis Dinamo Jl. Yos
Sudarso Km 6,5 No 326.
b. Studi Kepustakan
Jenis penilitian ini dilakukan dengan mengumpulkan data-data yang ada hubungannya dengan skripsi ini
yang bersifat teoritis, sebagian diambil dari browsing internet dan bahan kuliah yang dipelajari yang
berhubungan dengan penulisan skripsi.
c. Analisa Kebutuhan
Dalam langakah ini merupakan analisa terhadap kebutuhan sistem. Pengumpulan data dalam tahap ini
bisa melakukan sebuah penelitian, wawancara atau study literatur. Seseorang sistem analisis akan
menggali informasi sebanyak-banyaknya dari user sehingga akan tercipta sebuah sistem komputer yang
bisa melakukan tugas-tugas yang diinginkan oleh user tersebut. Tahapan ini akan menghasilkan dokumen
user requirement atau bisa dikatakan sebagai data yang berhubungan dengan keinginan user dalam
3

pembuatan sistem. Dokumen inilah yang akan menjadi acuan sistem analisis untuk menterjemahkan
kedalam bahasa pemrograman.
d. Desain Sistem
Proses design akan menterjemahkan syarat kebutuhan kesebuah perancangan perangkat lunak yang dapat
diperkirakan sebelum dibuat koding. Proses ini berfokus pada struktur data, arsitektur perangkat lunak,
representasi interface, dan detail (algoritma) prosedural. Tahapan ini akan menghasilkan dokumen yang
disebut Software Requirement. Dokumen inilah yang akan digunakan programmer untuk melakukan
aktivitas pembuatan sistemnya.

3. HASIL DAN PEMBAHASAN

3.1 Analisis
Jenis kerusakan yang sering terjadi pada dinamo stater mobil antara lain dapat dilihat dari tabel yang telah
dibuat berdasarkan data dari mekanik pada Lubis Dinamo. Berikut ini merupakan data jenis kerusaakan dan gejal
kerusakan pada dinamo stater.
Tabel 3.1 Kerusakan dan Gejala
No Nama kerusakan Gejala
Stater Berat pada saat mobil akan di hidupkan
Stater tidak bersuara sama sekali pada saat mobil di start.
Bila mobil di start berbunyi tek...tek... tek... dan berhenti secara tiba-
tiba.
Kerusakan pada
1 Lampu mobil terang jika dihidupkan, klakson pada mobil kuat saat
Brush
dibunyikan dan pada saat di stater terasa berat dan lambat.
Pada saat kunci kontak posisi ON lampu dasboard dan Speedometer
hidup terang, tetapi pada saat di startlampu menjadi redup dan dinamo
start tidak bersuara
Pada saat mobil akan di start stater tidak bereaksi sama sekali.
Skring mobil selalu mengalami kerusakan pada bagian bawah setir
Kerusakan pada mobil
2 Spul Dinamo Kerusakan yang terjadi pada skring berulang-ulang.
(Yoke) Stater Berat pada saat mobil akan di hidupkan
Kepala baterai mengeluarkan percikan api saat pemasangan kembali
setelah diganti dengan skring baru pada mobil.
Stater berat pada saat mobil akan dihidupkan
Kerusakan Pada Stater tidak bersuara sama sekali pada saat mobil di start
3 Angker Dinamo Pada saat digunakan stater dalam keadaan baik dan terkadang berat
(Commutator) Kepala baterai mengeluarkan percikan api saat pemasangan kembali
setelah diganti dengan skring baru pada mobil
Bila mobil di start berbunyi tek...tek... tek... dan berhenti secara tiba-
tiba
Kerusakan Pada Stater tidak bersuara sama sekali pada saat mobil di start
4 Switch Stater Pada saat distater berbunyi tek... tek... tek.. dan dihentakan pada
(Selenoid Switch) bagian switch stater menggunakan martil, switch berfungsi kembali
Kabel pada spul dinamo mengeluarkan percikan api pada saat
dihubungkan ke switch stater

Analisis kebutuhan proses pada Teorema Bayes dimana data diagnosa kerusakan yang telah dipilih pemakai
akan diproses dengan menggunakan metode Teorema Bayes. Data pengetahuan diambil dari data sampel yang
digunakan sebagai nilai dari tiap gejala kerusakan bagi masing jenis kerusakan. Data dihitung dengan menggunakan
rumus probabilitas bayes. Dibawah ini adalah data sampel yang diambil dari bengkel lubis dinamo.
Tabel 3.2 Riwayat Kerusakan Pelanggan
Gejala
Kode Type
1 2 3 4 5 6 7 8 9 10 11 12
K0001 Totoya * * * * * * *
K0001 Totoya * * * * * * * *
K0001 Marcedes * * * * *
K0001 Mitsubishi * * * * *
K0001 Totoya * * * * * *
K0001 Jaguar * * * * * * *
K0001 Totoya * * * * *
K0001 Totoya * * * * * *
K0001 Totoya * * * * *
K0001 Totoya * * * * *
K0001 Totoya * * * * *
K0001 Hyundai * * * * *
K0001 Totoya * * * * * *
K0001 Totoya * * * * * *
K0001 Marcedes * * * * * *
… … .. .. .. .. .. .. .. .. .. .. .. ..
… … .. .. .. .. .. .. .. .. .. .. .. ..
4

Tabel 3.2 Riwayat Kerusakan Pelanggan (lanjutan)

Gejala
Kode Type
1 2 3 4 5 6 7 8 9 10 11 12
… … .. .. .. .. .. .. .. .. .. .. .. ..
K0004 Honda * * * *
K0004 Honda * * * *
K0004 Totoya * * * *
K0004 Honda * * * *

Tanda bintang (*) merupakan gejala kerusakan yang dialami oleh mobil. Dari data diatas maka
dikelompokan untuk tiap jenis kerusakan dimana
1. K0001 = Kerusakan pada Brush
2. K0002 = Kerusakan pada Spul Dinamo (Yoke)
3. K0003 = Kerusakan Pada Angker Dinamo (Commutator)
4. K0004 = Kerusakan Pada Switch Stater (Selenoid Switch)
Selanjutnya berdasarkan dari data sampel diatas pada tabel 3.2 maka dibuat nilai probabilitas untuk masing-
masing gejala pada tiap-tiap jenis kerusakan. Menggunakan rumus probabilitas bayes.
1. K0001 = Kerusakan Pada Brush
Dari tabel 3.2 diambil data gejala untuk tiap kerusakan brush maka :
𝑃(𝐵 ∩ 𝐴)
𝑝(𝐴|𝐵) =
𝑃(𝐵)
𝑃(𝐾𝑒𝑟𝑢𝑠𝑘𝑎𝑛 𝑝𝑎𝑑𝑎 𝑏𝑟𝑢𝑠ℎ ∩ 𝐺𝑖 )
𝑝(𝐺𝑒𝑗𝑎𝑙𝑎𝑖 |𝐾𝑒𝑟𝑢𝑠𝑎𝑘𝑎𝑛 𝑝𝑎𝑑𝑎 𝑏𝑟𝑢𝑠ℎ) =
𝑃(𝐾𝑒𝑟𝑢𝑠𝑎𝑘𝑎𝑛 𝑝𝑎𝑑𝑎 𝑏𝑟𝑢𝑠ℎ)
23
G1 = = 0.92
25
20
G2 = = 0.80
25
22
G3 = = 0.88
25
24
G4 = = 0.96
25
22
G5 = = 0.88
25
2. K0002 = Kerusakan Pada Spul Dinamo (Yoke)
Dari tabel 3.2 diambil data gejala untuk tiap kerusakan pada spul dinamo maka :
𝑃(𝐵 ∩ 𝐴)
𝑝(𝐴|𝐵) =
𝑃(𝐵)
𝑃(𝐾𝑒𝑟𝑢𝑠𝑘𝑎𝑛 𝑝𝑎𝑑𝑎 𝑠𝑝𝑢𝑙 𝑑𝑖𝑛𝑎𝑚𝑜 (𝑌𝑜𝑘𝑒)) ∩ 𝐺𝑖 )
𝑝(𝐺𝑒𝑗𝑎𝑙𝑎𝑖 |𝐾𝑒𝑟𝑢𝑠𝑎𝑘𝑎𝑛 𝑝𝑎𝑑𝑎 𝑠𝑝𝑢𝑙 𝑑𝑖𝑛𝑎𝑚𝑜 (𝑌𝑜𝑘𝑒)) =
𝑃(𝐾𝑒𝑟𝑢𝑠𝑎𝑘𝑎𝑛 𝑝𝑎𝑑𝑎 𝑠𝑝𝑢𝑙 𝑑𝑖𝑛𝑎𝑚𝑜 (𝑌𝑜𝑘𝑒))
13
G1 = = 0.65
20
18
G6 = = 0.80
20
16
G7 = = 0.75
20
16
G8 = = 0.80
20
19
G9 = = 0.95
20

3. K0003 = Kerusakan Pada Angker Dinamo (Commutator)

Dari tabel 3.2 diambil data gejala untuk tiap kerusakan angker dinamo (Commucator) maka :
𝑃(𝐵 ∩ 𝐴)
𝑝(𝐴|𝐵) =
𝑃(𝐵)
𝑃(𝐾𝑒𝑟𝑢𝑠𝑎𝑘𝑎𝑛 𝑝𝑎𝑑𝑎 𝑎𝑛𝑔𝑘𝑒𝑟 𝑑𝑖𝑛𝑎𝑚𝑜 (𝐶𝑜𝑚𝑚𝑢𝑐𝑎𝑡𝑜𝑟)) ∩ 𝐺𝑖 )
𝑝(𝐺𝑒𝑗𝑎𝑙𝑎𝑖 |𝐾𝑒𝑟𝑢𝑠𝑎𝑘𝑎𝑛 𝑝𝑎𝑑𝑎 𝑎𝑛𝑔𝑘𝑒𝑟 𝑑𝑖𝑛𝑎𝑚𝑜 (𝐶𝑜𝑚𝑚𝑢𝑐𝑎𝑡𝑜𝑟)) =
𝑃(𝐾𝑒𝑟𝑢𝑠𝑎𝑘𝑎𝑛 𝑝𝑎𝑑𝑎 𝑎𝑛𝑔𝑘𝑒𝑟 𝑑𝑖𝑛𝑎𝑚𝑜 (𝐶𝑜𝑚𝑚𝑢𝑐𝑎𝑡𝑜𝑟))
18
G1 = = 0.90
20
19
G2 = = 0.95
20
16
G9 = = 0.80
20
18
G10 = = 0.90
20

4. K0004 = Kerusakan Pada Switch Stater (Selenoid Switch)

Dari tabel 3.2 diambil data gejala untuk tiap kerusakan pada Switch stater (selenoid Switch) maka :
P(B ∩ A)
p(A|B) =
P(B)
𝑃(𝐾𝑒𝑟𝑢𝑠𝑎𝑘𝑎𝑛 𝑝𝑎𝑑𝑎 𝑆𝑤𝑖𝑡𝑐ℎ 𝑆𝑡𝑎𝑡𝑒𝑟 (𝑆𝑒𝑙𝑒𝑛𝑜𝑖𝑑 𝑆𝑤𝑖𝑡𝑐ℎ) ∩ 𝐺𝑖
𝑝(𝐺𝑒𝑗𝑎𝑙𝑎𝑖 |𝐾𝑒𝑟𝑢𝑠𝑎𝑘𝑎𝑛 𝑝𝑎𝑑𝑎 𝑆𝑤𝑖𝑡𝑐ℎ 𝑆𝑡𝑎𝑡𝑒𝑟 (𝑆𝑒𝑙𝑒𝑛𝑜𝑖𝑑 𝑆𝑤𝑖𝑡𝑐ℎ)) =
𝑃(𝐾𝑒𝑟𝑢𝑠𝑎𝑘𝑎𝑛 𝑝𝑎𝑑𝑎 𝑆𝑤𝑖𝑡𝑐ℎ 𝑆𝑡𝑎𝑡𝑒𝑟 (𝑆𝑒𝑙𝑒𝑛𝑜𝑖𝑑 𝑆𝑤𝑖𝑡𝑐ℎ))
19
G2 = = 0.95
20
5

18
G3 = = 0.90
20
14
G11 = = 0.70
20
17
G12 = = 0.85
20

3.2 Contoh Kasus

Seorang konsumen mengalami kerusakan pada mobilnya, kemudian dia melakukan konsultasi kepada
mekanik pada bengkel Lubis Dinamo, dari 12 pertanyaan yang diberikan kepada konsumen didapat hasil jawaban
sebagai berikut :
Tabel 3.3 Tabel Hasil Konsultasi Pelanggan
Kode Pertanyaan berdasarkan gejala Jawab
Stater Berat pada saat mobil akan di
G1 Ya
hidupkan
Stater tidak bersuara sama sekali pada
G2 Tidak
saat mobil di start.
Bila mobil di start berbunyi tek...tek...
G3 Ya
tek... dan berhenti secara tiba-tiba.
Lampu mobil terang jika dihidupkan,
klakson pada mobil kuat saat dibunyikan
G4 Tidak
dan pada saat di stater terasa berat dan
lambat.
Pada saat kunci kontak posisi ON lampu
dasboard dan Speedometer hidup terang,
G5 Ya
tetapi pada saat di startlampu menjadi
redup dan dinamo start tidak bersuara
Pada saat mobil akan di start stater tidak
G6 Tidak
bereaksi sama sekali.
Skring mobil selalu mengalami kerusakan
G7 Tidak
pada bagian bawah setir mobil
Kerusakan yang terjadi pada skring
G8 Tidak
berulang-ulang.
Kepala baterai mengeluarkan percikan api
G9 saat pemasangan kembali setelah diganti Ya
dengan skring baru pada mobil.
Pada saat digunakan stater dalam keadaan
G10 Ya
baik dan terkadang berat
Pada saat distater berbunyi tek... tek... tek..
dan dihentakan pada bagian switch stater
G11 Tidak
menggunakan martil, switch berfungsi
kembali
Kabel pada spul dinamo mengeluarkan
G12 percikan api pada saat dihubungkan ke Ya
switch stater

Setelah hasil jawaban dari pertanyaan yang diajukan, maka dilakukan perhitungan menggunakan Teorema
Bayes untuk tiap gejala.

1. Langkah pertama : mendifinisikan terlebih dahulu nilai probabilitas dari tiap evidence untuk tiap hipotesis
berdasarkan data sampel yang ada menggunakan rumus probabilitas bayes.
a. Kerusakan pada Brush = K0001
G1 = 𝑝(𝐸|𝐻1 ) = 0.92
G3 = 𝑝(𝐸|𝐻3 ) = 0.88
G5 = 𝑝(𝐸|𝐻5 ) = 0.88
b. Kerusakan pada Spul Dinamo (Yoke) = K0002
G1 = 𝑝(𝐸|𝐻1 ) = 0.65
G9 = 𝑝(𝐸|𝐻9 ) = 0.95
c. Kerusakan Pada Angker Dinamo (Commutator) = K0003
G1 = 𝑝(𝐸|𝐻1 ) = 0.90
G9 = 𝑝(𝐸|𝐻9 ) = 0.80
G10= 𝑝(𝐸|𝐻10 ) = 0.90
d. Kerusakan Pada Switch Stater (Selenoid Switch) = K0004
G3 = 𝑝(𝐸|𝐻3 ) = 0.90
G12 = 𝑝(𝐸|𝐻12 ) = 0.85

2. Langkah kedua : menjumlahkan nilai probilitas dari tiap evidence untuk masing-masing hipotesis berdasarkan
data sampel baru.
6

∑ 𝑘 = 1 = 𝐺1 + ⋯ + 𝐺𝑛
𝐺𝑛
a. Kerusakan pada Brush = K0001
G1 = 𝑝(𝐸|𝐻1 ) = 0.92
G3 = 𝑝(𝐸|𝐻3 ) = 0.88
G5 = 𝑝(𝐸|𝐻5 ) = 0.88
𝑛

∑ 𝑘 = 1 = 0.92 + 0.88 + 0.88 = 2.68

𝐺𝑛
b. Kerusakan pada Spul Dinamo (Yoke) = K0002
G1 = 𝑝(𝐸|𝐻1 ) = 0.65
G9 = 𝑝(𝐸|𝐻9 ) = 0.95
𝑛

∑ 𝑘 = 1 = 0.63 + 0.95 = 1.6

𝐺𝑛
c. Kerusakan Pada Angker Dinamo (Commutator) = K0003
G1 = 𝑝(𝐸|𝐻1 ) = 0.90
G9 = 𝑝(𝐸|𝐻9 ) = 0.80
G10= 𝑝(𝐸|𝐻10 ) = 0.90
𝑛

∑ 𝑘 = 1 = 0.90 + 0.80 + 0.90 = 2.6

𝐺𝑛
d. Kerusakan Pada Switch Stater (Selenoid Switch) = K0004
G3 = 𝑝(𝐸|𝐻3 ) = 0.92
G12 = 𝑝(𝐸|𝐻12 ) = 0.85
𝑛

∑ 𝑘 = 1 = 0.92 + 0.83 = 1.75

𝐺𝑛

3. Langkah ketiga : mencari nilai probabilitas hipotesis H tanpa memandang evidence apapun bagi masing-
masing hipotesis.
𝑃(𝐸|𝐻𝑖 )
p(𝐻𝑖 ) = n
∑k−n

a. Kerusakan pada Brush = K0001

0.92
G1 = 𝑝(𝐻1 ) = = 0.34
2.68
0.88
G3 = 𝑝(𝐻3 ) = = 0.33
2.68
0.88
G5 = 𝑝(𝐻5 ) = = 0.33
2.68
b. Kerusakan pada Spul Dinamo (Yoke) = K0002
0.65
G1 = 𝑝(𝐻1 ) = = 0.41
1.6
0.95
G9 = 𝑝(𝐻9 ) = = 0.59
1.6
c. Kerusakan Pada Angker Dinamo (Commutator) = K0003
0.90
G1 = 𝑝(𝐻1 ) = = 0.35
2.6
0.80
G9 = 𝑝(𝐻9 ) = = 0.31
2.6
0.90
G10= 𝑝(𝐻10 )= = 0.35
2.6
d. Kerusakan Pada Switch Stater (Selenoid Switch) = K0004
0.90
G3 = 𝑝(𝐻3 ) = = 0.51
1.75
0.85
G12 = 𝑝(𝐻12 ) = = 0.49
1.75

4. Langkah ke empat : mencari nilai probabilitas hipotesis menandang evidence dengan cara mengalikan nilai
probabilitas evidence awal dengan nilai probabilitas hipotesis tanpa memandang evidence dan menjumlah kan
hasil perkalian bagi masing-masing hipotesis.
n

∑ = 𝑃(𝐻1 ) ∗ 𝑃(𝐸|𝐻1 ) + ⋯ + 𝑃(𝐻𝑖) ∗ 𝑃(𝐸|𝐻𝑖 )

k−n
7

a. Kerusakan pada Brush = K0001

3

∑ = (0.34 ∗ 0.92) + (0.31 ∗ 0.88) + (0.33 ∗ 0.88) = 0.89

k=3
b. Kerusakan pada Spul Dinamo (Yoke) = K0002
2

∑ = (0.41 ∗ 0.65) + (0.59 ∗ 0.95) = 0.83

k=2
c. Kerusakan Pada Angker Dinamo (Commutator) = K0003
3

∑ = (0.35 ∗ 0.90) + (0.31 ∗ 0.80) + (0.35 ∗ 0.90) = 0.87

k=3
d. Kerusakan Pada Switch Stater (Selenoid Switch) = K0004
2

∑ = (0.51 ∗ 0.90) + (0.49 ∗ 0.85) = 0.88

k=2

5. Langkah kelima : mencari nilai P(Hi|E) atau probabilitas hipotesis Hi benar jika diberikan evidence E.
𝑃(𝐻𝑖)∗𝑃(𝐸|𝐻𝑖 )
p(Hi|Ei) = ∑n
k−n
a. Kerusakan pada Brush = K0001
0.34∗0.92
p(H1|E) = = 0.33
0.89
0.31∗0.88
p(H3|E) = = 0.28
0.89
0.31∗0.88
p(H5|E) = = 0.28
0.89
b. Kerusakan pada Spul Dinamo (Yoke) = K0002
0.25∗0.63
p(H1|E) = = 0.21
0.90
0.57∗0.95
p(H9|E) = = 0.65
0.90
c. Kerusakan Pada Angker Dinamo (Commutator) = K0003
0.35∗0.90
p(H1|E) = = 0.32
0.88
0.31∗0.80
p(H9|E) = = 0.23
0.88
0.35∗0.90
p(H10|E) = = 0.33
0.88
d. Kerusakan Pada Switch Stater (Selenoid Switch) = K0004
0.51∗0.90
p(H3|E) = = 0.48
0.88
0.49∗0.85
p(H12|E) = = 0.40
0.88
6. Langkah ke enam : mencari nilai kesimpulan dari Teorema Bayes dengan cara mengalikan nilai probabilitas
evidence awal atau P(E|Hi) dengan nilai hipotesis Hi benar jika diberiakn evidence E atau P(Hi|E) dan
menjumlahkan hasil perkalian.
𝑛

∑ 𝐵𝑎𝑦𝑒𝑠 = (𝑃(𝐸|𝐻1 ) ∗ 𝑃(𝐻1 |𝐸1 ) … … … … . + (𝑃(𝐸|𝐻𝑖 ) ∗ 𝑃(𝐻𝑖 |𝐸𝑖 )

𝑘=1
a. Kerusakan pada Brush = K0001
3

∑ 𝐵𝑎𝑦𝑒𝑠 = (0.33 ∗ 0.92) + (0.28 ∗ 0.88) + (0.28 ∗ 0.8) = 0.80

k=3
b. Kerusakan pada Spul Dinamo (Yoke) = K0002
2

∑ 𝐵𝑎𝑦𝑒𝑠 = (0.21 ∗ 0.65) + (0.65 ∗ 0.95) = 0.749

k=2
c. Kerusakan Pada Angker Dinamo (Commutator) = K0003
3

∑ 𝐵𝑎𝑦𝑒𝑠 = (0.32 ∗ 0.90) + (0.23 ∗ 0.80) + (0.32 ∗ 0.90) = 0.762

k=3
d. Kerusakan Pada Switch Stater (Selenoid Switch) = K0004
2

∑ 𝐵𝑎𝑦𝑒𝑠 = (0.48 ∗ 0.90) + (0.40 ∗ 0.85) = 0.769

k=2
8

Dari proses perhitungan menggunakan metode bayes diatas, maka dapat diketahui bahwa mobil milik
konsumen mengalami kerusakan pada Brush dengan nilai keyakinan 0.80 atau 80 %.

3.3 Perancangan Sistem

perancangan sistem menggunakan usecase diagram pada penelitian ini dapat dilihat pada gambar berikut ini.
Sistem Pakar Mendiagnosa Kerusakan Dinamo Stater Menggunakan
Metode Teorema Bayes

Login Mekanik
Update Data
Pengetahuan

Input data
Pelanggan
Input Data
Kerusakan
Pelanggan
Input Data Gejala Mekanik
Kerusakan

Input Data
Konsultasi

Cetak Laporan

Laporan Data
Konsultasi Keseluruhan

Gambar 3.1 usecase Sistem Pakar

3.4 Class Diagram

Class Diagram atau diagram kelas menggambarkan struktur sistem dari segi kelas-kelas yang akan dibuat
untuk membangun sistem. Kelas memiliki apa yang disebut atribut dan metode atau operasi.
Pelanggan 1
+kode pelanggan **
+nama
Login
+No Hp
+alamat +UserId *
+Jenis Mobil +Password
+Tahun Simpan() 1 Kerusakan
Add() Ubah() +kode kerusakan *
Edit() Hapus +nama Kerusakan
Delete() +penyebab
+Solusi
Konsultasi Add()
M +No konsultasi * Edit()
+Kode Pelanggan Delete()
+nama
**
Diagnosa Kerusakan 1 M +jenis mobil
+kode diagnosa * +Kode Diagnosa M
+nama kerusakan +Kode Kerusakan
**
+gejala 1 +Hasil
**
+gejala 2 Add()
+gejala 3 Edit()
+gejala 4 Delete()
+gejala 5
+gejala 6
+gejala 7
+gejala 8
+gejala 9
+gejala10
+gejala 11
+gejala 12
Add()
Edit()
Delete()

Gambar 3.2 Class Diagram Sistem Pakar

9

4. HASIL DAN PEMBAHASAN

Implementasi sistem merupakan hasil rancangan yang dibuat menjadi hasil implementasi perancangan form
kedalam bahasa pemograman Visual. Berikut hasil implementasi Sistem Pakar Mendiagnosa Kerusakan Dinamo
Start Mobil Menggunakan Metode Teorema Bayes Studi Kasus Pada Lubis Dinamo Medan.
a. Form splash
Form splash adalah form pertama kali ditampilkan untuk masuk kedalam aplikasi yang akan digunakan, pada
form ini pengguna sistem diberikan menu untuk menggunakan sistem pakar sebagai mekanik atau pelanggan.

Gambar 4.1 Form Splash

b. Form login Pakar

Form login adalah form yang akan tampil pada saat user memilih mekanik. Pada form ini mekanik
diharuskan mengisi User Id dan Password pada form login

Gambar 4.2 Form Login Pakar

c. Form Menu Utama

Form menu utama tampil apabila mekanik atau pelanggan memilih menu pada splash menu. Menu utama
bagi mekanik berupa submenu berupa data pengetahuan, data kerusakan dan data diagnosa kerusakan. Menu utama
bagi pelanggan berupa input data pelanggan dan dilanjutkan konsultasi pelanggan

Gambar 4.3 Menu Utama

d. Form data kerusakan

Form kerusakan adalah form yang berguna untuk menyimpan, mengubah dan menghapus data kerusakan
yang diinput oleh mekanik melalui sistem pakar langsung ke database.
10

Gambar 4.4 Form Data Kerusakan

e. Form basis pengetahuan

Form basis pengetahuan adalah form yang digunakan mekanik untuk melakukan update data pengetahuan.
Data pengetahuan berisi data riwayat konsultasi pelanggan terdahulu yang telah melakukan konsultasi.

Gambar 4.5 Form Basis Pengetahuan

f. Form pelanggan
Form pelanggan adalah form yang berguna untuk mengiput mengubah dan menghapus data pelanggan
langsung ke database.

Gambar 4.6 Form Data Pelanggan

g. Form konsultasi
Form konsultasi adalah form yang digunakan pelanggan untuk melakukan konsultasi langsung pada sistem
pakar.
11

Gambar 4.7 Form Konsultasi

h. Laporan hasil konsultasi perorangan

Form laporan konsultasi pelanggan adalah form yang digunakan pelanggan untuk menampilkan hasil
konsultasi pelanggan pada sistem pakar.

Gambar 4.8 Laporan Hasil Konsultasi Perorangan

5. KESIMPULAN
Perancangan aplikasi Sistem Pakar Mendiagnosa Kerusakan Dinamo Start Mobil Menggunakan Metode
Teorema Bayes Studi Kasus Pada Lubis Dinamo Medan yang telah diselesaikan ini dapat diambil beberapa
kesimpulan diantaranya adalah :
a. Sistem pakar telah teruji dapat membantu menentukan kerusakan dinamo start mobil.
b. Metode Teorema Bayes sebagai algoritma perhitungan gejala yang digunakan untuk mendiagnosa kerusakan
pada dinamo start mobil mempunyai keakuratan dalam hasil kesimpulan kerusakan.
c. Aplikasi sistem pakar menggunakan metode Teorema Bayes telah dapat digunakan setelah melalui beberapa
tahapan pengujian.

Saran-saran yang dapat diberikan untuk pengembangan sistem pakar ini agar dapat lebih bermanfaat dan
efektif dalam mendiagnosa kerusakan dinamo start mobil adalah :
a. Penambahan aturan-aturan atau (rule) baru mengenai kerusakan pada dinamo start pada basis pengetahuan.
b. Dapat ditambahkan gejala-gejala baru yang ditemukan oleh mekanik dari pengalaman mekanik dalam
pemeriksaan jenis kerusakan agar sistem pakar ini dapat lebih akurat dalam menetukan kerusakan dinamo start
dan memberikan faktor kepastian yang tinggi.
c. Memperluas ruang lingkup pembahasan macam-macam kerusakan yang memiliki gejala sama seperti kerusakan
dinamo start, alternator dan lain-lain sebagai pembanding dan informasi.
12

Daftar Pustaka

[1] Emanuel Safirman Bata, Y. Sigit Purnomo W.P., Ernawati, (2012), Sistem Pakar Berbasis Mobile Untuk
Membantu Mendiagnosis Penyakit Akibat Gigitan Nyamuk, Seminar Nasional Informatika 2012 (semnasIF
2012), UPN ”Veteran” Yogyakarta, 30 Juni 2012, ISSN: 1979-2328.
[2] http://microsoft-visual-basic.en.softonic.com/. Tanggal 25 Juli 2014.
[3] Miftahus Sholihin, Aizatus Sholikhiyah (2012), Prediksi Tingkat Kelulusan Siswa Dalam UAN Di SMP
Negeri 2 Deket Dengan Menggunakan Metode Teorema Bayes, Jurnal Teknika Vol.4 No.2 September 2012
ISSN No. 2085 – 0859.
[4] Rachmawati, Dhami Johar Damiri, Ate Susanto (2012), Aplikasi Sistem Pakar Diagnosis Penyakit Asma,
Jurnal Algoritma Sekolah Tinggi Teknologi Garut, ISSN : 2302-7339 Vol. 09 No. 08 2012.
[5] Sri Rahayu, Sistem Pakar Untuk Mendiagnosa Penyakit Gagal Ginjal Dengan Menggunakan Metode Bayes,
Volume : IV, Nomor: 3, Agustus 2013, Pelita Informatika Budi Darma, Simpang Limun Medan.
[6] T. Sutojo, S.Si., M.Kom., Edy Mulyanto, S,Si, M.Kom., Dr. Vincent Suhartono, (2011) Kecerdasan Buatan,
Andi Yogyakarta.
[7] Rosa A.S., M. Shalahuddin, (2014) Rekaya Perangkat Lunak, Informatika, Bandung.
[8] Wahyu Ardianto, Wiwik Anggraeni, Ahmad Mukhlason, (2012), Pembuatan Sistem Pakar Untuk Pendeteksian
dan Penanganan Dini Pada Penyakit Sapi Berbasis Mobile Android Dengan Kajian Kinerja Teknik Knowledge
Representation,JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 2301-9271.

Biografi Penulis

Nama : AMRULLAH
TTL : Medan, 25 November 1986
JK : Laki – laki
Status : Menikah
Alamat : Jl. Tangguk Damai 15 No.77 Blok 1 Griya Martubung
HP : 085275552383
Email : pedrotiago966@gmail.com
Pendidikan.
Strata I Jurusan Sistem Informasi di STMIK Triguna Dharma Medan

Nama : Yohanni Syahra, S.Si, M.Kom

TTL : Medan, 29 Oktober 1982
JK : Perempuan
Status : Menikah
Alamat : Jl. Jermal 7 komplek perumahan graha Jermal blok c no 24
HP : 0812 6000 3950
Email : yohanni.syahra@gmail.com
Pendidikan.
Magister Ilmu Komputer Universitas Putra Indonesia“YPTK” Padang
Nama : Muhammad Syahril, SE., M.Kom.
TTL :
JK :
Status :
Alamat :
HP :
Email : nakmuda@gmail.com
Pendidikan
Magister Ilmu Komputer Universitas Putra Indonesia“YPTK” Padang