Artikel Skripsi

Universitas Nusantara PGRI Kediri

APLIKASI DIAGNOSA KERUSAKAN MESIN SEPEDA MOTOR

MENGGUNAKAN METODE FORWARD CHAINING
DAN METODE BAYES

APPLICATIONS DIAGNOSIS MOTORCYCLE OF ENGINE DAMAGE

USE METODHE FORWARD CHAINING
AND METODHE BAYES

Oleh:
M. Rudi Hartono
11.1.03.02.0207

Dibimbing oleh :
1. Rini Indriati, S.Kom, M.Kom
2. Danang Wahyu Widodo, M.Kom

TEKNIK INFORMATIKA
FAKULTAS TEKNIK
UNIVERSITAS NUSANTARA PGRI KEDIRI
2016

M. Rudi Hartono| 11.1.03.02.0207 simki.unpkediri.ac.id

Teknik – Teknik Informatika || 1||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

M. Rudi Hartono| 11.1.03.02.0207 simki.unpkediri.ac.id

Teknik – Teknik Informatika || 2||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

APLIKASI DIAGNOSA KERUSAKAN MESIN SEPEDA MOTOR

MENGGUNAKAN METODE FORWARD CHAINING
DAN METODE BAYES

M. Rudi Hartono
11.03.02.0207
Fakultas Teknik - Teknik Informatika
Rhue_dhie@yahoo.co.id
Rini Indriati, S.Kom, M.Kom dan Danang Wahyu Widodo, M.Kom
UNIVERSITAS NUSANTARA PGRI KEDIRI

ABSTRAK

Pada latar belakang hasil pengamatan dan pengalaman peneliti, bahwa menentukan kerusakan
mesin harus mengetahui gejala kerusakan mesin. Karena kerusakan mesin merupakan hal yang sangat
rumit bagi orang awam yang tidak tahu sama sekali tentang mesin.
Pada penelitian ini adalah (1) Bagaimana membuat aplikasi sistem pakar kerusakan mesin
sepeda motor yang dapat menggantikan seorang pakar? (2) Bagaimana supaya pengguna sepeda motor
dapat mempersingkat waktu dan biaya dalam memperbaiki kerusakan mesin sepeda motor? (3)
Bagaimana mempermudah pengguna sepeda motor dapat memperbaiki kerusakan mesin sepeda
motornya sendiri? (4) Bagaimana mengimplementasikan metode forward chaining dan metode bayes
kedalam sebuah sistem pakar kerusakan mesin sepeda motor? Tujuan dari penelitian ini adalah (1)
Membangun sistem pakar mendiagnosa kerusakan mesin sepeda motor menggunakan metode forward
chaining dan bayes (2) Untuk mempersingkat waktu pengguna sepeda motor dalam mengetahui
penyebab dan solusi kerusakan mesin sepeda motor. (3) Untuk mendiagnosa gajala-gejala kerusakan
mesin sepeda motor tanpa membutuhkan bantuan seorang pakar. (4) Untuk menyimpan kemampuan
yang dimiliki seorang pakar tanpa batas waktu tertentu.
Dalam proses forward chanining dan bayes merupakan teknik yang dimulai penalaranya dari
fakta-fakta yang ada menuju ke kesimpulan dan di beri bobot pada penalaran fakta-fakta untuk
mengetahu kemungkinan kerusakan mesin sehingga dapat diketahui hasil diagnosa, semakin banyak
fakta-fakta dan bobot yang dihasilkan maka kesimpulan semakin akurat kerusakan mesin yang
dihasilkan.
Telah dihasilkan sebuah sistem pakar kerusakan mesin pada sepeda motor dengan
menggunakan metode forward chaning dan bayes yang dapat menggantikan seorang pakar. (2)
Aplikasi sistem pakar yang di buat dapat mempersingkat waktu pengguna sepeda motor dalam
mengetahui penyebab dan solusi kerusakan mesin sepeda motor.
Berdasarkan penelitian ini, direkomendasikan kepada peneliti selanjutnya untuk: (1) Perlu
dilakukan uji coba untuk menyempurnakan sistem ini dengan metode atau nilai kopentensi individu
lebih baik.

Kata kunci : Sistem Pakar, Kerusakan mesin sepeda motor, Forward Chaining dan bayes, Web.

M. Rudi Hartono| 11.1.03.02.0207 simki.unpkediri.ac.id

Teknik – Teknik Informatika || 3||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

I. LATAR BELAKANG tersebut. Oleh karena itu untuk

Sepeda motor merupakan suatu mengatasinya kita harus mengetahui
kebutuhan yang tidak dapat dipisahkan jenis kerusakan yang terjadi serta
dari kehidupan manusia. Sudah bagaimana cara memperbaikinya.
banyak orang-orang menggunakan Dengan semua kondisi saat ini yang
sepeda motor sebagai alat transportasi sangat padat aktifitas maka menuntut
dalam melakukan aktifitas sehari-hari, masyarakat untuk dapat mengerjakan
sebagian besar aktifitas tersebut sesuatu dengan cepat dan tepat.
hampir tidak mungkin dilakukan jika Perbaikan yang dapat dilakukan
tidak menggunakan alat transportasi. sendiri baik di rumah atau ketika ada
Sebagian besar masyarakat sekarang masalah di jalan tanpa harus datang ke
telah menjadikan sepeda motor bengkel akan sangat membantu sekali,
sebagai alat transportasi utama karena khususnya untuk orang awam yang
menggunakan sepeda motor dapat kurang paham terhadap otomotif dan
menghemat waktu dan biaya menuju tidak mempunyai waktu luang untuk
tempat tujuan. datang dan menunggu sepeda
Namun demikian, sering terjadi motornya di perbaiki di bengkel
kendala dari sepeda motor yang (Frestianta, 2012).
menyebabkan kerusakan mesin sepeda Sistem pakar bila dikaitkan
motor sehingga dapat mengganggu dengan kemampuan seorang ahli
aktifitas yang akan dilakukan. mekanik sepeda motor, dapat
Masalah bagi pengendara yang tidak dihasilkan suatu sistem komputer yang
mengetahui jenis kerusakan mesin bertugas untuk mengetahui dan
sepeda motor akan sangat fatal ababila menganalisa gangguan pada sepeda
jenis kerusakan mesin sepeda motor motor dan kemudian memberikan
tersebut tidak segera ditangani. Pada anjuran langsung bagaimana
umumnya beberapa pengendara memperbaikinya. Di dalam sistem
sepeda motor kurang mengerti tentang pakar terdapat satu bagian yang
gangguan atau kerusakan yang terjadi merupakan otak dari sistem pakar
pada mesin sepeda motornya, mereka yaitu mesin inferensi yang digunakan
cenderung pasrah pada mekanik tanpa untuk mengenerate solusi. Teknik
memperdulikan parah atau tidaknya inferensi yang digunakan dalam
kerusakan mesin sepeda motor system pakar ini yaitu mengunakan

M. Rudi Hartono| 11.1.03.02.0207 simki.unpkediri.ac.id

Teknik – Teknik Informatika || 4||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

metode forward chaining dimana Pencarian dilakukan dengan

teknik ini memulai penalaranya dari menggunakan rules yang
fakta-fakta yang ada menuju ke premisnya cocok dengan fakta
kesimpulan ( Hadeli, 2013). yang diketahui tersebut untuk
Berdasarkan uraian di atas memperoleh fakta baru dan
maka dibutuhkan suatu “Aplikasi melanjutkan proses hingga goal
Mendiagnosa Kerusakan Mesin dicapai atau hingga sudah tidak
Sepeda Motor Menggunakan ada rules lagi yang premisnya
Metode Forward Chaining Dan cocok dengan fakta yang diketahui
Metode Bayes” yang bisa mewakili maupun fakta yang diperoleh.
seorang pakar yang ahli di bidangnya Rule :
untuk memberikan solusi terhadap If Tenaga yang dihasilkan lemah
permasalahan yang ada. Dengan And Mesin cepat panas
aplikasi sistem pakar tersebut And Oli cepat habis
pengetahuan dapat disimpan tanpa And Suara kasar pada kepala
batas waktu. Selain itu, sistem pakar silinder bagian tengah
juga dapat meningkatkan produktifitas Then kerusakan pada Piston
kerja dan menghewat waktu dalam
menyelesaikan masalah, 2. Bayes
penyederhanaan solusi untuk kasus Jika gejala yang dipilih sebagai
yang kompleks dan berulang-ulang. berikut :
G1 = 0.4 = P(E|H1)
II. METODE G3 = 0.4 = P(E|H3)
1. Forward Chaininig G6 = 0.6 = P(E|H6)
Menurut Supriyati, 2012. G7 = 0.8 = P(E|H7)
Forward Chaining merupakan Kemudian mencari nilai
suatu penalaran yang dimulai dari semesta dengan menjumlahkan
fakta untuk mendapatkan dari hipotesa diatas :
kesimpulan (conclusion) dari fakta ∑4𝑘=1 = 𝐺1 + 𝐺2 + 𝐺4 + 𝐺6
tersebut. Forward chaining bisa = 0.4 + 0.4 + 0.6 + 0.8= 2.2
dikatakan sebagai strategi Setelah hasil penjumlahan
inference yang bermula dari diatas diketahui, maka
sejumlah fakta yang diketahui. didapatlah rumus untuk

M. Rudi Hartono| 11.1.03.02.0207 simki.unpkediri.ac.id

Teknik – Teknik Informatika || 5||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

menghitung nilai semesta adalah 0.4 ∗ 0.18181

𝑃(𝐻1│E) = =
0.59927
sebagai berikut :
0.12135
H1 𝟎.𝟒
P(H1) = ∑4 = = 0.4 ∗ 0.18181
k=1 𝟐.𝟐 𝑃(𝐻3│E) = =
0.59927
0.18181 0.12135
H1 𝟎.𝟒 0.6 ∗ 0.27272
P(H3) = ∑4 = = 𝑃(𝐻6│E) = =
k=1 𝟐.𝟐 0.59927

0.18181 0.27305
H4 𝟎.𝟔 0.8 ∗ 0.36363
P(H6) = ∑4 = = 𝑃(𝐻7│E) = =
k=1 𝟐.𝟐 0.59927

0.27272 0.48543
H6 𝟎.𝟖 Setelah seluruh nilai P(Hi|E)
P(H7) = ∑4 = =
k=1 𝟐.𝟐
diketahui, maka jumlahkan
0.36363
seluruh nilai bayesnya dengan
Setelah nilai P(Hi) diketahui,
rumus sebagai berikut :
probabilitas hipotesis H tanpa 4
memandang evidence apapun, ∑ = 𝐵𝑎𝑦𝑒𝑠1 + 𝐵𝑎𝑦𝑒𝑠2
maka langkah selanjutnya adalah 𝑘=1

+ 𝐵𝑎𝑦𝑒𝑠4
:
4 + 𝐵𝑎𝑦𝑒𝑠6
∑ = 𝑃(𝐻𝑖) ∗ 𝑃(𝐸│𝐻𝑖 − 𝑛) = (0.4 * 0.12135) + (0.4 *
𝑘=1
0.12135) + (0.6 * 0.27305)
= P(H1) * P(E|H1) + P(H3) *
+ (0.8 * 0.48453)
P(E|H3) + P(H6) *
= 0.04854 + 0.04854 +
P(E|H6) + P(H7) *
0.16383 + 0.38762
P(E|H7)
= 0.64853 * 100% = 64.853%
= (0.01818 * 0.4) + (0.01818 *
Dari kesimpulan perhitungan
0.4) + (0.27272 *
diatas, maka dapat dipastikan
0.6) + (0.36363 *
kerusakan pada piston dengan nilai
0.8)
64.853 %.
= 0.07272 + 0.07272 +
0.16363 + 0.2909= 0.59927
III. HASIL DAN KESIMPULAN
Langkah selanjutnya adalah
1. Hasil
mencari nilai P(Hi|E) atau
Implementasi sistem merupakan
probabilitas Hipotesis Hi benar
mekanisme antara pengguna (user)
jika diberikan nilai evidence E :
dengan sistem. Antarmuka

M. Rudi Hartono| 11.1.03.02.0207 simki.unpkediri.ac.id

Teknik – Teknik Informatika || 6||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

pemakai (User Interface) dapat

menerima informasi dari pengguna
(user) dan memberikan informasi
kepada pengguna (user) untuk
membantu mengarahkan alur Gambar 3 Form Input Gejala
penelusuran masalah sampai
ditemukan suatu solusi Halaman Input gejala merupakan
halaman untuk menginputkan data gejala
kerusakan yang dapat diakses oleh admin
atau pakar.

Gambar 1 Form Login Pakar Gambar 4 Form Cek Kerusakan

Menu form login pakar merupakan Halaman cek kerusakan merupakan

halaman untuk masuk ke sistem kerusakan halaman untuk konsultasi kerusakan mesin
mesin sepeda motor. pada sepeda motor yang dapat diakses oleh
user setelah melakukan pendaftaran.

Gambar 5 Form Hasil Cek Kerusakan

Gambar 2 Form Daftar User Halaman Hasil cek kerusakan

merupakan halaman untuk laporan hasil
Halaman menu daftar user cek kerusakan mesin pada sepeda motor
merupakan halaman untuk menginputkan yang telah dilakukan oleh user.
data user pemilik kendaran yang dapat
diakses secara umum.

M. Rudi Hartono| 11.1.03.02.0207 simki.unpkediri.ac.id

Teknik – Teknik Informatika || 7||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

2. Kesimpulan
Kasiman Paranginangin
a. Telah di hasilkan sebuah
2006.Aplikasi WEB dengan
PHP dan MySQL. CV Andi
sistem pakar kerusakan mesin
Offset. Yogyakarta
pada sepeda motor dengan
Kusrini (2006). Sistem Pakar Teori
dan Aplikasi. Yogyakarta;
menggunakan metode forward
Andi Offset
chaning dan bayes
Miller, P. G., Strang, J., & Miller,
b. Aplikasi sistem pakar yang di P. M. 2010.Addiction
Research Methods.Oxford:
buat dapat membantu Blackwell Publishing Ltd

pengguna sepeda motor dalam Rohajawati Siti dan Supriyati

Rina, 2010. Sistem Pakar,
mengetahui diagnosa Diagnosa Penyakit Unggas
Dengan Metode Certainty
kerusakan dan solusi kerusakan Factor. Bogor Universitas
Pakuan
mesin sepeda motor.
Setiawan, Sandi. 1993. Artificial
Intelligence. Yogyakarta:
Andi Offset Yogyakarta

IV. DAFTAR PUSTAKA Sisworo,Yuniarti. 2009.Sistem Pakar

Untuk Mendiagnosa Penyakit
Abul. 2008. Dasar Pemrograman Web THT Menggunakan Metode
Dinamis Menggunakan PHP. Teorema Bayes. Tugas akhir
Yogyakarta: ANDI teknik informatika
Universitas Ahmad Dahlan.
Andi. 2009. Pengembangan Sistem Yogyakarta
Pakar Menggunakan PHP.
Yogyakarta: Andi. Solihin, Achmad. 2010.MySQL 5
Dari Pemula Hingga Mahir.
Arhami. Muhammad. 2005.Konsep Jakarta : Achmatim.net.
Dasar Sistem Pakar. Andi.
Yogyakarta. Suparman. 1991. Mengenal
Artificial Intelligence. Andi:
Arief, M.Rudianto. 2011. Yogyakarta.
Pemrograman Web Dinamis
Menggunakan Php dan Supriyati R. 2010. Sistem Pakar
Mysql. Yogyakarta: ANDI. Diagnosis Penyakit Unggas
dengan Metode Certainty
Jogiyanto. 2007. Metodologi Factor. Jurnal Ilmu
Penyusunan Bisnis: Salah Komputer,vol 4 , no 1, pp 41
Kaprah dan Pengalaman- – 46
pengalaman. Yogyakarta:
BPFE

M. Rudi Hartono| 11.1.03.02.0207 simki.unpkediri.ac.id

Teknik – Teknik Informatika || 8||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

Turban, dkk. 2005. Decision

Support System and
Intelligent System (Sistem
Pendukung Keputusan dan
Sistem Cerdas). Yogyakarta:
Andi

M. Rudi Hartono| 11.1.03.02.0207 simki.unpkediri.ac.id

Teknik – Teknik Informatika || 9||