BAB III

METODOLOGI PENELITIAN

3.1 Metodologi Penelitian

Penelitian adalah sebuah proses kegiatan mencari kebenaran terhadap suatu

fenomena ataupun fakta yang terjadi dengan cara yang terstruktur dan sistematis.

Metode penelitian memberikan gambaran rancangan penelitian yang meliputi

antara lain: prosedur dan langkah-langkah yang harus ditempuh, waktu penelitian,

sumber data, dan dengan langkah apa data-data tersebut diperoleh dan selanjutnya

diolah dan dianalisis.

Adapun metode penelitian yang digunakan dalam penelitian ini mencakup

beberapa hal antara lain :

1. Teknik Pengumpulan Data

Teknik pengumpulan data berupa suatu pernyataan tentang sifat, keadaan,

kegiatan tertentu dan sejenisnya. Pengumpulan data dalam penelitian ini

dilakukan di Custom Arpellindo menggunakan 2 cara berikut merupakan uraian

yang digunakan :

a. Wawancara

Pengumpulan data dengan melakukan tanya jawab langsung dengan

Narasumber yaitu pakar mesin cutting di Custom Arpellindo yaitu bapak Jati

Dwi Arta selaku pemilik workshop sekaligus mekanik senior mesin Cuttting.

Wawancara dilakukan guna mendapatkan alur kerja pada objek yang diteliti

yang akan digunakan dalam menentukan fitur-fitur yang akan dibangun.

27
 28

Berikut ini adalah data mesin Jinka Pro.

Tabel 3.1 Data Kerusakan

Kerusakan Tanda-Tanda
Tarikan Mesin Tidak Normal
Kerusakan Software Bahan Sticker Berubah Bentuk Atau Tidak
Lengkap
Mesin Bekerja Diluar Posisi
Tarikan Mesin Tidak Normal
Roller kotor media terkadang tersendat kedalam mesin
Bahan Sticker Berubah Bentuk Atau Tidak
Lengkap
Mesin Bekerja Diluar Posisi
Chip A4975SBT over heat motor miss-step
mesin terkadang mati pada saat proses cutting
Kualitas Potong tidak maksimal
proses cutting tersendat-sendat
Kerusakan Pisau media yang dipotong rusak
Bahan Sticker Berubah Bentuk Atau Tidak
Lengkap
setingan tekanan tidak sesuai prosedur

b. Observasi

Metode pengumpulan data ini digunakan untuk mendapatkan data yang

berkaitan dengan peninjauan langsung ke Custom Arpellindo yang bertempat

di Jl. Suka Tangkas Kel No.27f, Suka Maju, Kec. Medan Johor, Kota Medan.

2. Studi Kepustakaan (Library Research)

Studi Kepustakaan merupakan salah satu elemen yang mendukung sebagai

landasan teoritis peneliti untuk mengkaji masalah yang dibahas. Dalam hal ini,

peneliti menggunakan beberapa sumber kepustakaan diantaranya: Buku, Jurnal

Nasional, Jurnal Internasional dan Sumber-sumber lainnya yang berkaitan

dengan Bidang ilmu Sistem Pakar.

 29

3.2 Metodologi Perancangan Sistem

Metodologi Perancangan Sistem adalah suatu tahapan yang harus dilakukan

setelah menganalisis sebuah masalah, pada tahapan inilah perancangan sebuah

sistem direncanakan. Salah satu cara dalam merancang atau membangun sebuah

sistem adalah dengan menggunakan Metode Waterfall.

Metode Waterfall adalah model yang menyediakan pendekatan alur hidup

perangkat lunak secara sekuensial terurut dimulai dari analisis, desain, pengkodean,

pengujian dan tahap pendukung (support). Sesuai dengan rumusan masalah yang

menggunakan pendekatan Classic or Waterfall Algorithm maka berikut ini adalah

teknik perancangan sistem yang digunakan:

Analisis masalah dan kebutuhan

Desain sistem

Pembangun sistem

Uji coba sistem

Implementasi dan
pemeliharaan

Gambar 3.2 Skema Waterfall

Berikut ini adalah contoh penulisan Metode Perancangan Sistem. Adapun

konsep perancangan sistem yang dilakukan dibagi atas beberapa fase yaitu:

1 Analsis masalah dan kebutuhan

Langkah ini merupakan analisa terhadap kebutuhan sistem. Pengumpulan data

dalam tahap ini bisa melakukan sebuah penelitian, wawancara atau studi

literatur. Pada fase ini akan ditentukan titik masalah sebenarnya dan elemen-
 30

elemen apa saja yang dibutuhkan untuk penyelesaian masalah di Custom

Arpellindo dalam proses mengetahui kerusakan mesin Cutting baik dari aspek

Software maupun hardware.

2 Desain sistem

Tahapan dimana dilakukan penuangan pikiran dan perancangan sistem terhadap

solusi dari permasalahan yang ada dengan menggunakan perangkat pemodelan

sistem seperti Unified Modelling Language, (2) pemodelan menggunakan

flowchart system, (3) design input, dan (4) design output dari sistem pendukung

keputusan yang mau dirancang dalam pemecahan masalah menenai kerusakan

mesin cutting pada Custom Arpellindo.

3 Pembangun sistem

Tahapan ini lah yang merupakan tahapan secara nyata dalam mengerjakan suatu

sistem, Fase ini menjelaskan tentang bagaimana melakukan pengkodingan

terhadap desain sistem yang dirancang baik dari sistem input, proses dan output

menggunakan bahasa pemograman Visual Basic dan aplikasi pelaporan.

4 Uji coba sistem

Pada tahapan ini sistem diuji kemampuan dan keefektifannya sehingga

didapatkan kekurangan dan kelemahan sistem yang kemudian dilakukan

pengkajian ulang dan perbaikan terhadap aplikasi menjadi lebih baik dan

sempurna.

5 Implementasi dan pemeliharaan

Fase akhir ini adalah fase dimana pemanfaatan aplikasi oleh stakeholder yang

akan menggunakan sistem ini. Dalam penelitian ini pengguna atau end user-nya

adalah pemilik Custom Arpellindo.

 31

3.3 Algoritma Sistem

Algoritma Sistem merupakan langkah-langkah yang dilakukan sebuah

sistem dalam memproses dan menyelesaikan suatu permasalahan. Berikut ini

adalah flowchart atau alur dari pemecahan permasalahan dengan menggunakan

metode Dempster shafer

Gambar 3.1 Flowchart Algoritma Dempster shafer

 32

Berikut penjelasan mengenai Flowchart Algoritma Dempster shafer:

1. Pada awal sistem dijalankan. User diharuskan untuk menginput gejala yang

dialami sebagai data masukan kesistem untuk diproses.

2. Melakukan proses inisialisasi terhadap Plausibility dan Belief dengan setiap

gejala yang ada.

3. Data gejala yang diinputkan kemudian akan diambil nilai densitasnya dan akan

dicari nilai Belief dan Plausibility dari gejala tersebut.

4. Kemudian dilanjutkan dengan penghitungan kombinasi dari seluruh data gejala

yang diterima sistem dengan rumus kombinasi pada Dempster shafer.

5. Selanjutnya dicari nilai maksimum kombinasi gejala baru. Dari nilai

maksimum akan diperoleh hasil diagnosanya.

6. Hasil diagnosa yang diperoleh dari nilai sebelumnya kemudian ditampilkan

oleh sistem.

3.3.1 Menentukan Data Kerusakan dan Gejalanya

Pada analisis kebutuhan input dari sistem pakar untuk mendiagnosa

Kerusakan Mesin Jinka Pro dengan menggunakan metode Dempster shafer ini yaitu

berupa data gejala dari setiap kerusakan yang nantinya akan diambil rule dari pakar

mengenai kerusakan pada mesin cutting tersebut. Sehingga runut maju dalam

pencarian fakta melalui premis-premis yang ada dapat dilakukan.

Data-data dasar yang telah didapatkan digunakan dalam operasional

konsultasi dan sebagai bahan untuk merepresentasikan pengetahuan. Dalam sistem

pakar untuk mendiagnosis gejala dari Kerusakan Mesin cutting dengan

pengetahuan yang direpresentasikan menggunakan kaidah produksi.

 33

Tabel 3.1 Jenis-jenis Kerusakan pada Mesin cutting

No. Kode Kerusakan Nama Kerusakan

1 K1 Kerusakan Software
2 K2 Roller kotor
3 K3 Chip A4975SBT over heat
4 K4 Kerusakan Pisau

Tabel 3.2 Jenis-jenis Gejala Kerusakan Pada Mesin cutting

No. Kode Gejala Kerusakan

1 G01 Tarikan Mesin Tidak Normal

2 G02 Bahan Sticker Berubah Bentuk Atau Tidak Lengkap

3 G03 Mesin Bekerja Diluar Posisi

4 G04 media terkadang tersendat kedalam mesin

5 G05 motor miss-step

6 G06 mesin terkadang mati pada saat proses cutting

7 G07 Kualitas Potong tidak maksimal

8 G08 proses cutting tersendat-sendat

9 G09 media yang dipotong rusak

10 G10 setingan tekanan tidak sesuai prosedur

Mesin inferensi merupakan sebuah program yang berfungsi untuk

memandu proses penalaran terhadap suatu kondisi berdasarkan pada basis

pengetahuan untuk memformulasikan kesimpulan dari hasil diagnosa. Dengan

menentukan terlebih dahulu gejala-gejala yang dialami oleh mesin cutting (Mesin

Jinka Pro), kemudian melakukan analisa setelah itu akan diketahui apakah mesin

tersebut mengalami kerusakan dan solusi yang akan dilakukan berdasarkan nilai

persentasi yang diperoleh dari kerusakan yang terdiagnosa/terdeteksi.

 34

Berikut ini merupakan pohon keputusan untuk menggambarkan

perancangan mesin inferensi dari rule yang diperoleh :

Tabel 3.3 Basis Pengetahuan

Kode
Gejala Kerusakan K1 K2 K3 K4
Gejala
G01 Tarikan Mesin Tidak Normal Y Y
Bahan Sticker Berubah Bentuk Atau Y Y Y
G02
Tidak Lengkap
G03 Mesin Bekerja Diluar Posisi Y Y
G04 media terkadang tersendat kedalam mesin Y
G05 motor miss-step Y
mesin terkadang mati pada saat proses Y
G06
cutting
G07 Kualitas Potong tidak maksimal Y

G08 proses cutting tersendat-sendat Y

G09 media yang dipotong rusak Y

G10 setingan tekanan tidak sesuai prosedur Y

3.3.2 Menentukan gejala atau nilai densitas (Input Gejala)

Inisialisasi nilai densitas gejala merupakan suatu cara untuk memberikan

bobot pada gejala, yang kemudian bobot tersebut akan digunakan pada perhitungan

kombinasi dengan metode dempster shafer.

Berikut merupakan tabel dari range nilai densitas untuk hasil diagnosa,

yang menjelaskan tentang kepastian suatu gejala.

Tabel 3.4 Nilai Range Persentase Kemungkinan Hasil Diagnosa

No Nilai Bobot Persentase Nilai Densitas Keterangan
1 1 100% Sangat Pasti
2 0,75 - 0,99 75% Pasti
3 0,50 – 0,74 50% Cukup Pasti
4 <0,50 25% Kurang Pasti
 35

Dibawah ini merupakan tabel nilai densitas dari gejala-gejala yang

diperoleh dari Kerusakan mesin cutting (Mesin Jinka Pro) yang didapatkan dari

riset dan wawancara pada Custom Arpellindo.

Tabel 3.5 Nilai densitas

Kode Densitas
No Gejala
Gejala
1 Tarikan Mesin Tidak Normal 0.79
G01
2 Bahan Sticker Berubah Bentuk Atau 0.53
G02
Tidak Lengkap
3 G03 Mesin Bekerja Diluar Posisi 0.44

4 G04 media terkadang tersendat kedalam mesin 0.49

5 G05 motor miss-step 0.53

6 mesin terkadang mati pada saat proses 0.55

G06
cutting
7 G07 Kualitas Potong tidak maksimal 0.30

8 G08 proses cutting tersendat-sendat 0.65

9 G09 media yang dipotong rusak 0.44

10 G10 setingan tekanan tidak sesuai prosedur 0.53

3.3.3 Proses Kombinasi Dempster shafer

Proses kombinasi dempster shafer merupakan proses dimana gejala-

gejala yang dialami pada mesin cutting (Mesin Jinka Pro) dikombinasikan

berdasarkan himpunan yang memiliki kesamaan dan digabungkan juga kepingan

informasi atau nilai densitasnya dengan menggunakan rumus kombinasi Dempster

shafer. Adapun perhitungan dalam metode Dempster shafer rumus yang digunakan

untuk mendiagnosa kerusakan pada mesin cutting (Mesin Jinka Pro) yaitu :
 36

∑𝑋∩𝑌 𝑚1(𝑋). 𝑚2(𝑌)

m3(Z) =
1 − (∑𝑋∩𝑌=∅ 𝑚1(𝑋). 𝑚2(𝑌))

3.3.4 Pencarian nilai maksimum

Pencarian nilai maksimum merupakan tahapan akhir dari proses Dempster

shafer, dimana hasil kombinasi keseluruhan akan dicari hasil diagnosa tiap-tiap

hipotesisnya berdasarkan nilai yang paling tinggi, dan dari nilai yang tertinggi itu

pula akan diambil kesimpulan untuk Kerusakan pada mesin cutting (Mesin Jinka

Pro).

3.4 Penerapan Metode Dempster shafer

Teori Dempster shafer adalah suatu teori matematika untuk pembuktian

berdasarkan belief and plausibility (fungsi kepercayaan dan pemikiran yang masuk

akal), yang digunakan untuk mengkombinasikan potongan informasi yang terpisah

(bukti) untuk hasil kemungkinan dari suatu peristiwa. Teori Dempster shafer ditulis

dalam suatu interval yaitu Belief dan Plausibility”. Belief Function (fungsi

keyakinan) adalah ukuran kekuatan evidence dalam mendukung suatu himpunan

proposisi. Jika bernilai 0 maka mengidentikasikan bahwa tidak ada evidence, dan

jika bernilai 1 menunjukan adanya kepastian. Plausibility (pl) dinotasikan sebagai:

Pl (s)-Bel (-s) plausibility juga bernilai 0 sampai 1. Jika yakin akan-s, maka dapat

dikatakan bahwa Bel (-s) = 1, dan Pl (-s) = 0.

Berikut ini adalah contoh perhitungan Dempster shafer. Diketahui seorang

petani mesin Jinka Pro mendapati mesinnya memiliki ciri – ciri Mesin Bekerja

Diluar Posisi, media terkadang tersendat kedalam mesin dan motor miss-step.

Penyelesaian.

Gejala 1 : Mesin Bekerja Diluar Posisi

 37

Apabila diketahui nilai kepercayaan setelah dilakukan observasi Mesin Bekerja

Diluar Posisi pada {K2,K3} maka :

Belief : m2{ K2,K3 } = 0.44

Plausibility : m2(θ) = 1 - 0.44 = 0.56

Gejala 2 : media terkadang tersendat kedalam mesin

Apabila diketahui nilai kepercayaan setelah dilakukan observasi ' media terkadang

tersendat kedalam mesin' sebagai gejala dari {K2} maka :

Belief : m1{ K2 } = 0.49

Plausibility : m1(θ) = 1 - 0.49 = 0.51

Maka didapat aturan kombinasi m1{ K2 } dengan m2{ K2,K3 }

m2{ K2 K3} = 0.44 m2(θ) = 0.56

m1{K2 } = 0.49 { K2 } {K2 }

= 0.49* 0.44 = 0.2156 = 0.49 * 0.56 = 0.2744

m1(θ) = 0.51 { K2 K3 } (θ)

= 0.51* 0.44= 0.2244 =0.51*0.56= 0.2856

Dari hasil kombinasi dari tabel diperoleh nilai m3 :

{#} = 0

0.2156+0.2744
m3(K2) = = 0.49
1−(0)

0.2244
m3(K2 K3) = = 0.2244
1−(0)

0.2856
m3(θ) = = 0.2856
1−(0)
 38

Gejala 3 motor miss-step

Apabila diketahui nilai kepercayaan setelah dilakukan observasi motor miss-step

sebagai gejala dari {K3} maka :

Belief : m4{K2} = 0.53

Plausibility : m4(θ) = 1 - 0.53 = 0.47

Maka didapat aturan kombinasi :

m4{K3} = 0.53 m4(θ) = 0.47

m3{ K2 } = 0.49{#} {K2}
0.49* 0.53= 0.2597 0.494*0.47= 0.2303
m3{ K2K3 } = 0.27244 {K3} {K2K3}
0.2244* 0.53= 0.1189 0.2244*0.47= 0.105468
m3(θ) = 0.2856 {K3} (θ)
0.2856*0.53= 0.151368 = 0.2856*0.47= 0.134232

Dari hasil kombinasi dari tabel diperoleh nilai m5 :

{#} = 0.2597
0.2068
m5(K2) = 1−0.2597 = 0.31109

0.145432+0.151368
m5(K3) = = 0.36512
1−0.2597

0.128968
m5(K2K3) = 1−0.2597 = 0.14246

0.134232
m5(θ) = 1−0.2597 = 0.18132

Nilai tertinggi terdapat pada m5{K3} dengan nilai 0.36512, itu artinya nilai

tertinggi berada pada Kerusakan Chip A4975SBT over heat. Jadi kesimpulan dari

perhitungan Dempster shafer adalah : “Kerusakan yang dialami pada mesin cutting

tersebut adalah Kerusakan Chip A4975SBT over heat dengan tingkat Persentase

36,51%” dan bersifat “Kurang Pasti”.