BAB Latar Belakang Adapun perkembangan teknologi saat ini khususnya dalam pemilihan model monitor, baik instansi pemerintah, swasta ataupun perorangan.

Slides:



Advertisements
Presentasi serupa
Penyelesaian Masalah Dengan AI
Advertisements

SISTEM PAKAR DR. KUSRINI, M.KOM.
SISTEM PAKAR Ari Eko Wardoyo, ST.
Model Heuristik Dr. Sri Kusumadewi, S.Si., MT. Materi Kuliah [8]:
Masalah, Ruang Masalah dan Pencarian
INFERENSI.
Sistem Pakar.
MESIN INFERENSI.
SISTEM PAKAR Disusun Oleh : Dessy Ratnasari ( )
ARSITEKTUR SISTEM PAKAR
SISTEM PAKAR PENENTUAN MENU MAKANAN SEHAT PENDERITA PENYAKIT KOLESTEROL SESUAI GOLONGAN DARAH PASIEN MENGGUNAKAN METODE FORWARD CHAINING DAN BACKWARD CHAINING.
Pengantar Sistem Pakar
Arsitektur Sistem Pakar
Pertemuan 18 SISTEM PAKAR.
METODE INFERENSI Dr. Kusrini, M.Kom.
SISTEM PAKAR.
SISTEM BERBASIS PENGETAHUAN
SISTEM PAKAR & KECERDASAN BUATAN
PENGETAHUAN BERDASARKAN RULES PERTEMUAN MINGGU KE-6.
ARTIFICIAL INTELLIGENCE
SISTEM PAKAR PERTEMUAN 8.
Definisi Inferensi  Inferensi adalah : Proses yang digunakan dalam Sistem Pakar untuk menghasilkan informasi baru dari informasi yang telah diketahui.
Sistem pakar Sistem pakar merupakan cabang dari Artificial Itellegence (AI) yang cukup tua karena sistem ini mulai dikembangkan pada pertengahan 1960.
SISTEM PAKAR DAN SPK.
PENGANTAR SISTEM PAKAR (EXPERT SYSTEM)
Expert System (Sistem Pakar)
SISTEM PAKAR.
KECERDASAN BUATAN PERTEMUAN 10.
REPRESENTASI PENGETAHUAN
Pertemuan 6 SISTEM PAKAR.
Masalah, Ruang Masalah dan Pencarian
INFERENSI.
Pendekatan Inferensi dalam Sistem Pakar
KNOWLEDGE REPRESENTATION
Sistem pakar M Ridwan Dwi Septian.
EXPERT SYSTEM By Daniel Damaris NS.
PERTEMUAN 4 SISTEM PAKAR
SISTEM PAKAR (LANJUTAN)
Backward Chaining.
Pendekatan Inferensi dalam Sistem Pakar
BASIS PENGETAHUAN DAN METODE INFERENSI
SISTEM BERBASIS PENGETAHUAN
Model Heuristik Dr. Sri Kusumadewi, S.Si., MT. Materi Kuliah [8]:
SISTEM INTELEGENSIA BUATAN
METODE INFERENSI Kusrini, M.Kom.
SISTEM PAKAR & KECERDASAN BUATAN
Fakultas Ilmu Komputer
APLIKASI SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT PADA I Kadek Ruwa Suarnegara ( ) for further detail, please visit
Artificial Intelegence/ P_7-8
KECERDASAN BUATAN PERTEMUAN 10.
ARSITEKTUR SISTEM PAKAR
Pertemuan 5 Kecerdasan Buatan
Pertemuan 9 PENGANTAR SISTEM PAKAR
Metode Inferensi By: Edi, MKM.
SISTEM PAKAR Presentasi mempersembahkan Ponang Lahida
INFERENSI DAN PENALARAN
Pertemuan 6 SISTEM PAKAR.
Pertemuan 11 PENGANTAR SISTEM PAKAR
CIRI-CIRI SISTEM PAKAR
Sistem Pakar Pertemuan 4
SISTEM PAKAR.
Masalah, Ruang Masalah dan Pencarian
Pengenalan Sistem Pakar
SISTEM PAKAR & KECERDASAN BUATAN
SISTEM PAKAR UNTUK MENDIAGNOSA KERUSAKAN PERANGKAT TELEVISI MENGGUNAKAN METODE BACKWARD CHAINING Oleh: Achmad Faiz Nabil L. (01) Nafa Meilantu(17)
GUNAWAN Materi Kuliah [8]: (Sistem Pendukung Keputusan)
Sistem Pakar Pertemuan 4
Pertemuan 6 SISTEM PAKAR.
ARSITEKTUR SISTEM PAKAR
Modul II Masalah, Ruang Masalah dan Pencarian
Transcript presentasi:

Sistem Pakar Diagnosis Kerusakan Monitor LCD Dengan Metode Backward Chaining

BAB 1 1.1 Latar Belakang Adapun perkembangan teknologi saat ini khususnya dalam pemilihan model monitor, baik instansi pemerintah, swasta ataupun perorangan kini telah beralih dari monitor CRT ke monitor LCD, alasanya karena konsumsi daya listrik monitor LCD lebih sedikit jika di bandingkan degan monitor CRT. Selain itu, harga yang ditawarkan oleh beberapa brand ternama yang menjual alat – alat elektronik seperti LG, Dell, Sonny memberikan harga yang sangat terjangkau untuk sebuah monitor LCD bagi masyarakat. Walaupun monitor LCD sudah dilengkapi dengan teknologi - teknologi yang terbaik, tidak menutup kemungkinan bahwa LCD bebas dari kerusakan. Bahkan menurut bebrapa sumber, monitor LCD merupakan sebuah perangkat keras yang rentan akan kerusakan, mulai dari kerusakan-kerusakan ringan yang masih bisa diperbaiki sendiri, sampai kerusakan-kerusakan yang parah dan sudah tidak bisa di perbaiki lagi. Sehingga kompleksnya infrastruktur pada layar monitor menyulitkan pengguna komputer (user), apa yang harus dilakukan jika mengalami kendala atau masalah kerusakan monitor. Namun monitor LCD dapat bertahan lama apabila di rawat dengan baik, dan tidak mengabaikan kerusakan-kerusakan ringan.

Adapun pembangunan sistem pakar bertujuan sebagai sarana bantu untuk memberikan solusi di dalam kehidupan kita. Salah satu contohnya adalah kasus kerusakan monitor LCD, merupakan kasus yang memerlukan bantuan seorang pakar (teknisi) dalam menyelesaikan masalah dengan mengandalkan pengetahuan yang dimiliki teknisi tersebut. Saat ini pengguna komputer (user) membutuhkan waktu yang cukup lama untuk mendiagnosa kerusakan pada monitor mereka jika terjadi kerusakan, sehingga dengan adanya sistem pakar akan meminimalkan waktu dan biaya untuk mendiagnosa kerusakan pada monitor komputer tersebut.

1.2 Rumusan Masalah Bagaimana merancang suatu sistem pakar yang dapat mendiagnosa kerusakan pada monitor LCD dengan menggunakan metode backward chaining ? Bagaimana cara membantu pengguna komputer (user) dalam memudahkan untuk mendiagnosa masalah yang berkaitan dengan kerusakan monitor LCD ? Bagaimana membuat aplikasi sistem pakar yang dapat mempercepat pengguna komputer (user) dalam mendiagnosa kerusakan monitor LCD ? 1.3 Batasan Masalah Aplikasi sistem pakar yang dibangun adalah sistem pakar diagnosis kerusakan monitor LCD berbasis visual yang bersifat dinamis, yaitu memiliki kemampuan untuk menambah, mengubah dan menghapus knowledge base. Perangkat keras yang dapat ditangani atau dikonsultasikan oleh sistem ini adalah monitor LCD. Diagnosis kerusakan monitor LCD dapat dicari solusi penanganannya pada sistem ini dengan berlandaskan knowledge base yang telah ada atau diinputkan sebelumnya. Gejala kerusakan yang dimasukkan pada sistem merupakan gejala yang seringkali terjadi pada monitor LCD. User memilih atau mencentang masalah – masalah kerusakan monitor LCD yang di tampilkan oleh sistem untuk di analisis, sehingga sistem memberikan solusi untuk penanganan masalah monitor LCD tersebut.

1.4 Tujuan Penelitian Untuk menerapkan / menginplementasikan cara kerja sistem pakar dalam mendiagnosa kerusakan pada monitor LCD dengan menggunakan metode backward chaining. Untuk merancang sistem pakar yang dapat mendiagnosa kerusakan pada monitor LCD dengan menggunakan metode backward chaining. Untuk membangun sebuah sistem pakar yang dapat mempercepat pengguna komputer (user) dalam hal mendiagnosa kerusakan pada monitor LCD. 1.5 Manfaat Penelitian Agar mempermudah pengguna komputer (user) dalam mendeteksi kerusakan monitor LCD tersebut, sehingga tidak membutuhkan waktu yang lama dan biaya dalam memperbaikinya. Agar mengetahui cara kerja Inferensi dengan menggunakan metode backward chaining dalam melakukan penelusuran dalam mendeteksi kerusakan monitor LCD. Agar mempermudah teknisi - teknis junior dalam memahami masalah - masalah pada kerusakan monitor LCD.

TINJAUAN PUSTAKA DAN LANDASAN TEORI BAB 2 TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Penelitian oleh Rindi Juni Yantika, yang Berjudul Perancangan Aplikasi Sistem Pakar Untuk Mendeteksi Kerusakan Pada Monitor LCD Penelitian oleh Desi Sitorus, yang berjudul Perancangan Perangkat Lunak Sistem Pakar Mendeteksi Kerusakan Komputer Dengan Backward Chaining Menggunakan Metode Breadth First Search

2.2 Landasan Teori 2.2.1 Kecerdasan Buatan (Artificial Intelligence) Secara umum kecerdasan buatan merupakan ilmu yang belajar tentang kecerdasan, oleh karena itu, salah satu alasan untuk belajar Kecerdasan Buatan adalah belajar tentang diri kita sendiri. Tetapi tidak seperti filosofi dan psikologi, yang juga belajar mengenai kecerdasan, Kecerdasan Buatan berusaha untuk membuat kecerdasan yang juga dapat belajar dari kecedasan tersebut. Alasan lain untuk belajar Kecerdasan Buatan adalah hasil dari kecerdasan ini sangat menarik dan sangat berguna. Kecerdasan Buatan telah menghasilkan banyak produk yang sangat mengesankan dan penting, walaupun produk tersebut masih dalam pengembangan. Walaupun tak seorang dapat memprediksi masa depan secara detail, tetapi komputer dengan kecerdasan kita saat ini dan peradaban manusia berpengaruh besar di masa yang akan datang.

2.2 Sistem Pakar Sistem pakar adalah Sebuah program komputer yang dirancang untuk memodelkan kemampuan menyelesaikan masalah seperti layaknya seorang pakar (human expert).(Kusrini, Aplikasi Sistem Pakar, 2008). Dengan sistem pakar ini, orang awam pun dapat menyelesaikan masalahnya atau hanya sekedar mencari suatu informasi berkualitas yang sebenarnya hanya dapat diperoleh dengan bantuan para ahli di bidangnya. Sistem pakar ini juga akan dapat membantu aktivitas para pakar sebagai asisten yang berpengalaman dan mempunyai asisten yang berpengalaman dan mempunyai pengetahuan yang dibutuhkan. Dalam penyusunannya, sistem pakar mengkombinasikan kaidah-kaidah penarikan kesimpulan (inference rules) dengan basis pengetahuan tertentu yang diberikan oleh satu atau lebih pakar dalam bidang tertentu.

2.2.1 Ciri-Ciri Sistem Pakar Dapat memberikan penalaran unutk data-data yang tidak lengkap atau tidakpasti. Dapat mengemukakan rangkaian alasan yang diberikannya dengan cara yangdapat dipahami. Berdasarkan pada rule atau kaidah tertentu. Dirancang untuk dapat dikembangkan secara bertahap. Outputnya bersifat nasehat atau anjuran. Output tergantung dari dialog dengan user. Knowledge base dan inference engine terpisah. (Kusrini, 2006 :14) Memiliki fasilitas informasi yang handal. Mudah dimodifkasi. Dapat digunakan dalam berbagai jenis computer. Memiliki kemampuan untuk belajar beradaptasi.(Kusumadewi, 2003 :122)

2.2.2 Keuntungan Dan Kelemahan Sistem Pakar Membuat seorang yang awam bekerja seperti seorang pakar Meningkatkan produktifitas dengan jalan meningkatkan efisiensi Menghemat waktu kerja Meningkatkan kualitas Memperluas jangkauan dari keahlian seorang pakar Merupakan arsip yang terpercaya dari sebuah keahlian, sehingga bagi pemakai sistem pakar akan seolah-olah berkonsultasi langsung dengan sang pakar. Keluaran bersifat anjuran (saran) Memiliki kemampuan untuk mengakses pengetahuan Menyimpan kemampuan dan keahlihan pakar. Basis data cerdas, bahwa sistem pakar dapat digunakan untuk mengakses basis data dengan cerdas. - Kelemahan : Biaya yang diperlukan untuk membuat sangat mahal Sulit dikembangkan. Hal ini tentu saja erat kaitannya dengan ketersedian pakar dibidangnya. Sistem pakar tidak 100% bernilai benar.

2.2.3 Alasan Pengembangan Sistem Pakar Dapat menyediakan kepakaran setiap waktu dan di berbagai lokasi. Secara otomatis mengerjakan tugas-tugas rutin yang membutuhkan seorang pakar. Seorang pakar akan pensiun atau pergi. Seorang pakar adalah mahal. Kepakaran dibutuhkan juga pada lingkungan yang tidak bersahabat. 2.2.4 Modul Pengembangan Sistem Pakar Modul Penerimaan Pengetahuan Modul Konsultasi Modul Penjelesan

2.3 Konsep Dasar Sistem Pakar Konsep dasar dari suatu sistem pakar mengandung beberapa unsur / elemen, yaitu : Keahlian Ahli Pengalihan Keahlian Inferesi Aturan-aturan Kemampuan

2.3.1 Karakteristik Sistem Pakar Mendukung pengambilan keputusan untuk membahas masalah-masalah. Terbatas pada domain keahlian tertentu. Dapat memberikan penalaran untuk data-data yang tidak pasti. Memiliki kemampuan mengolah informasi yang kurang lengkap dan tidak pasti. Berdasarkan pada kaidah/rule tertentu. Dirancang untuk dapat dikembangkan secara bertahap. Pengetahuan dan mekanisme inferensi secara terpisah. Output ditujukan untuk semua orang secara umum. Modularitas, memiliki subsistem-subsistem yang terintegrasi sedemikian rupa sehingga dapat berfungsi sebagai kesatuan sistem.

(Sumber :Sri Kusumadewi, 2003:114) 2.3.2 Komponen Sistem Pakar Sistem pakar terdiri dari dua bagian pokok yaitu lingkungan pengembangan (development environment) dan lingkungan konsultasi (consultation environment). Struktur Sistem Pakar (Sumber :Sri Kusumadewi, 2003:114)

2.3.3 Klasifikasi Sistem Pakar Diagnosa Pengajaran Interpretasi Prediksi Perencanaan Kontrol

2.4 Representasi Pengetahuan Representasi pengetahuan adalah suatu teknik untuk merepresentasikan basis pengetahuan yang diperoleh ke dalam suatu skema/diagram tertentu sehingga dapat diketahui relasi/keterhubungan antara suatu data dengan data yang lain. Teknik - teknik representasi pengetahuan yang biasa digunakan dalam sistem pakar, yaitu : Rule-Based Knowledge Frame-Based Knowledge Object-Based Knowledge Case-Base Reasoning

2.5 Kaidah Produksi Metode kaidah produksi biasanya dituliskan dalam bentuk jika- maka (if-then). Kaidah ini dapat dikatakan sebagai hubungan implikasi dua bagian, yaitu premise (jika) dan bagian konklusi (maka). Apabila bagian premise dipenuhi maka bagian konklusi juga akan bernilai benar. Contoh : Jika : saya makan Maka : saya akan kenyang Jika saya makan maka saya akan kenyang

2.6 Mesin Inferensi Penalaran adalah proses untuk menghasilkan inferensi dari fakta yang diketahui atau diasumsikan. Inferensi adalah proses yang digunakan dalam sistem pakar untuk mendapatkan informasi yang tersedia. Inferensi juga merupakan bagian dalam sistem pakar yang memanipulasi data untuk membawa persoalan dari fakta menuju konklusi persoalan dengan menggunakan basis pengetahuan. Secara umum ada dua teknik utama yang digunakan dalam mesin inferensi untuk pengujian aturan, yaitu penalaran maju dan penalaran mundur.

Proses Forward Chaining 1. Penalaran Maju (Forward Chaining) Forward chaining merupakan metode inferensi yang melakukan penalaran dari suatu masalah kepada solusinya. Jika klausa premis sesuai dengan situasi (bernilai TRUE), maka proses akan menyatakan konklusi.Jika suatu aplikasi menghasilkan tree yang lebar dan tidak dalam, maka gunakan forward chaining. Forward chaining adalah pendekatan yang dimotori data (data-driven). Dalam pendekatan ini pelacakan dimulai dari informasi masukan, dan selanjutnya mencoba menggambarkan kesimpulan. Pelacakan ke depan mencari fakta yang sesuai dengan bagian IF dari aturan IF-THEN.    Proses Forward Chaining

Proses Backward Chaining 2. Penalaran Mundur (Backward Chaining) Backword chaining adalah suatu rantai yang dicari atau dilintasi dari suatu permasalahan untuk memperoleh solusi dengan penalaran dari fakta menuju konklusi yang terdapat dari fakta. (Muhammad Arhami, 2005:111). Menggunakan pendekatan goal-driven, 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. Proses Backward Chaining

Kasus : Apakah Monitor mengalami keusakan pada Regulator Power Supply Kasus : Apakah Monitor mengalami keusakan pada Regulator Power Supply ? Fakta yang terjadi, yaitu monitor mengalami tampilan bergaris – garis dan inidkatornya padam/lemah . Variabel – variabel yang digunakan : A = Tampilan Bergaris B = Gambar Rolling C = Gambar Bergelombang D = Indikator Lemah E = Regulator Power Supply Kurang Daya Solusi dengan backward chaining : Rules : R1 = IF A & C THEN E R2 = IF B THEN C R3 = IF C THEN E R4 = IF B & C THEN D R5 = IF D THEN E Solusi dengan forward chaining : Rule : IF A & C THEN E = R1 IF B THEN C = R2 IF C THEN E = R3 IF B & C THEN D = R4 IF D THEN E = R5 Kesimpulan : monitor mengalami Kerusakan pada regulator power supply.

Penelusuran Data dengan Depth First Search Selain teknik penalaran diperlukan, juga teknik penelusuran data dalam bentuk network atau jaringan yang terdiri atas node-node berbentuk tree atau pohon. Ada 3 teknik yang digunakan dalam penelusuran data, yaitu: Depth First Search Adalah teknik penelusuran data pada node-node secara vertikal dan sudah terdefenisikan, misalnya dari kiri ke kanan. Keuntungan pencarian dengan teknik ini adalah bahwa penelusuran masalah dapat digali secara mendalam sampai ditemukannya kepastian suatu solusi yang optimal. Kekurangan teknik penelusuran ini adalah membutuhkan waktu yang sangat lama untuk ruang lingkup masalah yang besar.   Penelusuran Data dengan Depth First Search

Penelusuran Data dengan Breadth First Search Adalah teknik penelusuran data pada semua node dalam satu level atau satu tingkatan sebelum ke level tingkatan di bawahnya. Keuntungan pencarian dengan teknik ini adalah pencarian dengan metode ini sama dengan Depth First Search, hanya saja penelusuran dengan teknik ini mempunyai nilai tambah, dimana semua node akan dicek secara menyeluruh pada setiap tingkatan node. Kekurangan teknik penelusuran ini terletak pada waktu yang dibutuhkan yang sangat lama apabila solusi berada dalam posisi node terakhir sehingga menjadi tidak efisien. Kekurangan dalam implementasi juga perlu dipertimbangkan, misalnya teknik penelusuran menjadi tidak interaktif antara pemakai dan sistem karena menyebabkan tidak adanya relasi antara suatu topik dengan topik yang lain atau harus melompat dari satu topik ke topik yang lain sebelum topik tersebut selesai ditelusuri. Kedua teknik penelusuran pada pembahasan di atas merupakan teknik dasar penelusuran dalam ruang lingkup masalah yang luas tanpa menggunakan pengetahuan sehingga boleh dikatakan bahwa penelusuran tersebut merupakan penelusuran buta (blind). Penelusuran Data dengan Breadth First Search

Penelusuran Data dengan Best first search Alternatif lain penelusuran data selain kedua penelusuran di atas, yaitu Best First Search adalah penelusuran yang menggunakan pengetahuan akan suatu masalah untuk melakukan panduan pencarian ke arah node tempat di mana solusi berada. Pencarian jenis ini dikenal juga sebagai heuristik. Pendekatan yang dilakukan adalah mencari solusi yang terbaik berdasarkan pengetahuan yang dimiliki sehingga penelusuran dapat ditentukan harus dimulai dari mana dan bagaimana menggunakan proses terbaik untuk mencari solusi. Keuntungan jenis penelusuran ini adalah mengurangi beban komputasi karena hanya solusi yang memberikan harapan saja yang diuji dan akan berhenti apabila solusi sudah mendekati yang terbaik. Ini merupakan model yang menyerupai cara manusia mengambil solusi, hanya saja solusi yang diambil bisa saja salah dan tidak ada jaminan bahwa solusi yang dihasilkan merupakan solusi yang mutlak benar. Penelusuran Data dengan Best first search