Post on 06-Aug-2020
BAB 2
TINJAUAN PUSTAKA
2.1 Landasan Teori
2.1.1 Inteligensia Semu
Inteligensia semu yang disebut dengan kecerdasan buatan atau
Artificial Intelligence merupakan ilmu yang mempelajari cara membuat
komputer melakukan sesuatu seperti yang dilakukan manusia (Kusumadewi,
2003, p1).
Inteligensia semu juga merupakan bagian dari ilmu komputer yang
bertujuan untuk menciptakan software dan hardware komputer untuk
memberikan hasil yang sama dengan yang dihasilkan oleh manusia. (Turban
dan Frenzel, 1992, p3).
Inteligensia semu mengkombinasikan berbagai aspek seperti aspek
psikologi, ilmu komputer, bahasa dan filosofi. Oleh karena itu, inteligensia
semu disebut juga sebagai bidang multidisiplin dengan dua tujuan utama,
yaitu: untuk menciptakan kemampuan komputer yang dapat membantu
manusia memecahkan masalah, dan untuk memberikan kemudahan dalam
menjelaskan penalaran, pembelajaran, mengerti, dan berpikir.
Menurut Kusumadewi (2003, p7), inteligensia semu mempunyai
banyak bidang terapan yaitu:
1. Expert System (Sistem Pakar)
Komputer digunakan sebagai sarana untuk menyimpan pengetahuan
para pakar. Dengan demikian komputer akan memiliki keahlian untuk
menyelesaikan permasalahan dengan meniru keahlian yang dimiliki
oleh pakar.
2. Natural Language Processing (Pengolahan Bahasa Ilmiah)
Dengan adanya pengolahan bahasa alami diharapkan user dapat
berkomunikasi dengan komputer dengan menggunakan bahasa sehari-
hari.
3. Speech Recognition (Pengenalan Ucapan)
7
8
Melalui pengenalan ucapan diharapkan manusia dapat berkomunikasi
dengan komputer dengan menggunakan suara.
4. Robotics and Sensory System (Robotika dan Sistem Sensor)
5. Computer Vision`
Computer Vision mencoba untuk dapat menginterpretasikan gambar
atau objek-objek tampak melalui komputer.
6. Intelligence Computer-Aided Instruction (ICAI).
Komputer dapat digunakan sebagai tutor yang dapat melatih dan
mengajar.
7. Game Playing.
Menurut Turban (1995, p 452-456) ruang lingkup
inteligensia semu juga memiliki bidang terapan yang lain seperti:
1. Machine Learning (membuat mesin belajar).
2. Artificial Intelligence Phylosophy (Filosofi inteligensia
semu).
3. Neural Network of Parallel Distributed Processing
(pemrosesan jaringan saraf yang terdistribusi secara
paralel).
2.1.2 Sistem Pakar
2.1.2.1 Definisi Sistem Pakar
Sistem pakar merupakan cabang inteligensia semu yang
penerepannya paling cepat dan berkembang luas penerapannya dari
cabang-cabang inteligensia semu lainnya. Hal ini dikarenakan sistem
ini dapat membantu dalam memberikan saran yang hampir
menyerupai seorang ahli pakar dalam menyelesaikan masalah-
masalah dalam domain yang spesifik.
Berikut ini merupakan definisi sistem pakar dari beberapa
buku referensi sistem pakar diantaranya:
Menurut Rich & Knight (1991, p547)
Sistem pakar adalah sebuah sistem yang bertujuan untuk
memecahkan masalah yang biasanya dilakukan oleh seorang
pakar.
9
Menurut Turban (1995, p21)
Sistem pakar adalah sebuah sistem yang menggunakan
keahlian manusia yang disimpan dalam sebuah komputer
untuk memecahkan masalah-masalah yang biasanya
membutuhkan keahlian manusia.
Menurut Kusumadewi (2003, p107)
Sistem pakar adalah sistem yang berusaha mengadopsi
pengetahuan manusia ke komputer, agar komputer dapat
menyelesaikan masalah seperti yang biasa dilakukan oleh para
ahli.
Berdasarkan definisi-definisi diatas dapat disimpulkan bahwa
sistem pakar merupakan sebuah sistem yang memiliki kemampuan
seperti seorang pakar dan mampu untuk menyelesaikan masalah-
masalah yang spesifik. Sistem ini bekerja dengan menggunakan
pertanyaan-pertanyaan dan mengindentifikasi jawaban berdasarkan
fakta-fakta yang ada.
2.1.2.2 Kelebihan Sistem Pakar
Menurut Turban dan Frenzel (1992, pp94-98), sistem pakar
memiliki beberapa kelebihan, yaitu:
Meningkatkan output dan produktifitas
Sistem pakar dapat bekerja lebih cepat dari manusia, sehingga
dapat menghemat waktu dan biaya yang dikeluarkan.
Meningkatkan kualitas
Sistem pakar dapat meningkatkan kualitas dengan memberikan
saran yang konsisten dan dapat mengurangi terjadinya
kesalahan (error rate).
Mengurangi downtime
Banyak sistem pakar operasional digunakan untuk
mendiagnosa kesalahan fungsi dan menentukan perbaikan-
perbaikan yang harus dilakukan. Sistem pakar dapat
mendeteksi kesalahan (malfunction) dalam produksi yang
10
terjadi sehingga dapat mengurangi terjadinya kehilangan waktu
yang sangat merugikan perusahaan.
Menyimpan kepakaran yang langka.
Kelangkaan kepakaran menjadi nyata pada situasi dimana
hanya terdapat sedikit pakar untuk suatu masalah, seperti pakar
tersebut pensiun atau meninggalkan pekerjaannya. Sistem
pakar dapat digunakan untuk memperoleh keahlian yang
dimiliki oleh pakar tersebut.
Fleksibilitas
Sistem pakar memberikan fleksibilitas dalam menyediakan
pelayanan serta dalam pengembangannya.
Peralatan pengoperasian yang lebih mudah
Sistem pakar dapat membuat peralatan yang kompleks
pengoperasiannya sehingga menjadi lebih mudah untuk
dioperasikan.
Penghilangan kebutuhan akan peralatan yang mahal
Pada umumnya manusia harus bergantung pada peralatan yang
mahal dalam melakukan pengawasan dan kontrol. Sistem
pakar dapat melakukan tugas yang sama dengan peralatan yang
lebih murah karena sistem ini memiliki kemampuan
melakukan penyelidikan informasi yang disediakan oleh
peralatan tersebut secara menyeluruh dan cepat.
Memiliki kemampuan untuk mengakses pengetahuan
Sistem pakar membuat pengetahuan dan informasi menjadi
lebih mudah untuk dapat diakses.
Kehandalan (reliabilitas)
Sistem pakar dapat dihandalkan karena sistem pakar konsisten
dan detail dalam memberikan solusi. Hal ini dikarenakan
sistem pakar bukan manusia yang bisa lelah, bosan, atau sakit
ketika mengambil keputusan, sehingga keputusan yang diambil
lebih potensial.
Meningkatkan kemampuan dari sistem komputerisasi lain
Penggabungan sistem pakar dengan sistem yang lain
menyebabkan sistem tersebut menjadi lebih efektif, bekerja
11
lebih cepat, dan memberikan solusi dengan kualitas yang lebih
baik.
Penggabungan opini dari beberapa pakar
Penggabungan opini dari beberapa pakar ke dalam basis
pengetahuan dapat meningkatkan kualitas saran dan
kesimpulan yang diberikan. Semakin banyak pengetahuan
dimasukkan ke dalam sistem, maka semakin berkualias solusi
yang diberikan.
Memiliki kemampuan untuk bekerja dengan informasi yang
tidak lengkap dan mengandung ketidakpastian.
Sistem pakat dapat bekerja dengan informasi yang tidak
lengkap, seperti jawaban “tidak tahu”, dengan menggunakan
tingkat kemungkinan (probabilitas) terhadap hasil yang
diberikan.
Penyedian pelatihan
Sistem pakar dapat membantu bagi pemula yang bekerja
dengan sistem pakar sehingga pengalamannya akan terus
meningkat.
Memiliki kemampuan untuk memecahkan masalah yang sulit
Sistem pakar mampu memecahkan masalah yang sulit
dikarenakan sistem pakar memiliki pengetahuan yang hampir
sama dengan pakarnya.
Memungkinkan untuk mentransfer pengetahuan ke tempat
yang jauh
Salah satu keuntungan utama dari sistem pakar adalah sistem
pakar tersebut bisa menjangkau internasional, misalnya seperti
seorang pakar yang sedang berada di luar negeri dan user bisa
menemukan solusi dengan menggunakan sistem pakar.
2.1.2.3 Keterbatasan Sistem Pakar
Menurut Turban dan Frenzel (1992, pp98-99), sistem pakar
juga memiliki keterbatasan, antara lain:
Pengetahuan tidak selalu tersedia
12
Kepakaran sulit didapat dari seorang pakar
Pendekatan dari setiap pakar terhadap situasi yang dihadapi
berbeda-beda
Sulit bagi seorang pakar untuk menilai situasi yang baik ketika
berada di bawah tekanan waktu
Penggunaan sistem pakar memiliki keterbatasan kemampuan
alami
Sistem pakar bekerja dengan baik hanya pada ruang lingkup
yang sempit
Kosakata yang digunakan para pakar untuk mengekspresikan
fakta dan hubungan biasanya terbatas dan tidak dimengerti oleh
pakar lain
Konstruksi sistem pakar menjadi mahal karena dibutuhkan
bantuan dari knowledge engineer yang jarang dan mahal
Kurang kepercayaan dari pengguna dapat menjadi halangan
untuk penggunaan sistem pakar.
2.1.2.4 Konsep Sistem Pakar
Menurut Turban dan Frenzel (1992, pp78-81), konsep dasar
sistem pakar terdiri atas:
a. Expertise (keahlian)
Keahlian adalah suatu kelebihan penguasaan pengetahuan di
bidang tertentu yang diperoleh dari pelatihan, membaca dan
pengalaman sendiri. Contoh bentuk pengetahuan yang termasuk
keahlian adalah:
1. Fakta-fakta pada lingkup permasalahan tertentu
2. Teori-teori pada lingkup tertentu
3. Prosedur-prosedur dan aturan-aturan berkenaan dengan
lingkup permasalahan tertentu.
4. Strategi-strategi global untuk menyelesaikan masalah.
5. Meta-knowlegde (pengetahuan tentang pengetahuan).
13
Bentuk-bentuk ini memungkinkan para ahli untuk dapat mengambil
keputusan lebih cepat dan lebih baik daripada seseorang yang
bukan seorang ahli.
b. Expert (pakar)
Pakar merupakan hal yang sulit untuk didefinisikan. Hal ini
dikarenakan yang sebenarnya dibicarakan adalah derajat atau
tingkatan dari keahlian atau kepakaran (expertise) seseorang.
Pada umumnya, kepakaran seorang manusia terdiri dari
sekumpulan kebiasaan yang melibatkan beberapa aktifitas seperti
di bawah ini:
1. Pengenalan dan penyimpulan masalah
2. Pemecahan permasalahan secara cepat dan tepat
3. Menerangkan pemecahan permasalahan
4. Belajar dari pengalaman
5. Merestrukturisasi pengetahuan secara menyeluruh
6. Pemecahan aturan-aturan yang harus dikerjakan dalam sistem
7. Menentukan hubungan yang sesuai dalam pemecahan masalah
8. Penyesuaian secara perlahan.
c. Transferring Ecpertise (pengalihan keahlian)
Tujuan utama dari sistem pakar adalah pengalihan keahlian yang
dimiliki seorang pakar ke dalam suatu sistem komputer untuk
kemudian dialihkan lagi ke orang lain yang bukan pakar. Proses ini
membutuhkan 4 aktivitas yaitu:
1. Penambahan pengetahuan (knowlege acquisition) yaitu
kegiatan mencari dan mengumpulkan pengetahuan dari para
ahli atau sumber keahlian yang lainnya.
2. Representasi pengetahuan (knowledge representation) adalah
kegiatan menyimpan dan mengatur penyimpanan pengetahuan
yang diperoleh kedalam komputer. Pengetahuan berupa fakta
dan aturan disimpan dalam komputer sebagai sebuah
komponen yang disebut sebagai basis pengetahuan,
3. Inferensi pengetahuan (knowledge inferencing) adalah kegiatan
melakukan inferensi berdasarkan pengetahuan yang telah
disimpan di dalam komputer.
14
4. Pengalihan pengetahuan (knowledge transfer) adalah kegiatan
pemindahan pengetahuan dari komputer ke pemakai yang tidak
ahli.
Ada 2 tipe pengetahuan yaitu fakta dan prosedur yang biasanya berupa
aturan-aturan.
1. Inference (kesimpulan)
Kesimpulan dari sistem pakar adalah kemampuannya dalam
memberikan penalaran, yaitu dengan menyimpan semua keahlian
dalam basis pengetahuan dan ketersediaan program yang dapat
mengakses basis data sehingga komputer dapat memberikan
kesimpulan. Penarikan kesimpulan dilakukan oleh sebuah
komponen yang disebut mesin inferensi / mesin pengambil
kesimpulan (inference engine) yang berisi aturan-aturan
penyelesaian masalah.
2. Rules (aturan)
Sebagian besar dari sistem pakar merupakan sistem yang
berbasiskan aturan. Sistem akan bekerja dengan menyimpan basis
pengetahuan dalam bentuk aturan-aturan ke dalam komputer
untuk pemecahan masalah.
3. Explanation capability (kemampuan menjelaskan)
Setelah mengambil keputusan dari aturan-aturan yang ada, sistem
pakar memiliki kemampuan untuk menjelaskan atau
merekomendasikan sebuah solusi untuk digunakan dalam
pemecahan masalah.
2.1.2.5 Komponen-Komponen Sistem Pakar
Menurut Turban (1995, pp 480-483), sistem pakar disusun oleh
2 bagian utama, yaitu:
- Lingkungan Pengembangan
Lingkungan pengembangan digunakan oleh perancang sistem
pakar untuk membuat komponen-komponen dan
memperkenalkan pengetahuan ke dalam basis pengetahuan.
- Lingkungan Konsultasi
15
Lingkungan konsultasi digunakan oleh non-pakar untuk
memperoleh pengetahuan dan saran pakar.
Beberapa komponen-komponen dalam sistem pakar antara lain:
a) Knowledge Acquisition
b) Knowledge Base (Knowledge Representation)
c) Inference Engine
d) Blackboard (Workplace)
e) UserIinterface
f) Explanation Subsystems (Justifer)
g) Knowledge Refining System
Berikut ini adalah penjelasan yang terperinci mengenai
komponen-komponen yang ada pada sistem pakar tersebut adalah :
a) Knowledge Acquisition
Menurut Turban (1992, p82) Knowlege Acquisition
adalah akumulasi, pengiriman, dan transformasi dari kepakaran
dalam memecahkan masalah yang berasal dari beberapa sumber
pengetahuan ke dalam program komputer untuk dibangun dan
dikembangkan menjadi basis pengetahuan (knowledge base).
Berdasarkan Turban dan Frenzel (1992, pp-126-128)
proses akuisisi pengetahuan dibagi ke dalam 5 tahap, yaitu:
1. Identifikasi
Pada tahapan ini diidentifikasi masalah yang akan dikaji.
Masalah bisa menjadi beberapa sub-masalah jika perlu,
partisipan (pakar dan pengguna) diidentifikasi, dan sumber
daya diuraikan. Knowledge engineer mempelajari situasi dan
menyetujui maksud dari pembuatan aplikasi kecerdasan
buatan.
2. Konseptualisasi
Konseptualisasi merupakan tahapan dalam menentukan
konsep untuk menggambarkan pengetahuan yang relevan
dengan mengambil keputusan untuk situasi yang sangat
beragam sehingga perlu ditentukan konsep dan hubungannya.
3. Perumusan
16
Pengetahuan diperoleh untuk direpresentasikan ke dalam
basis pengetahuan. Bagaimana pengetahuan diorganisasikan
dan dipresentasikan dapat menentukan metodologi akuisisi.
4. Implementasi
Pada tahap ini, dilakukan pemrograman dari pengetahuan ke
dalam komputer. Perbaikan pengetahuan dibuat dengan
penambahan akuisisi atau perubahan. Sebuah prototipe sistem
pakar dikembangkan pada tahapan ini.
5. Pengujian
Pada tahap ini, seorang knowledge engineer akan menguji
sistem dengan memakai contoh-contoh kasus yang ada.
Kemudian hasilnya akan ditunjukkan kepada pakar-pakar dan
aturan-aturannya akan direvisi bila diperlukan. Dengan kata
lain validitas dari pengetahuan diperiksa.
b) Knowledge Base (Knowledge Representation)
Knowledge base adalah pengetahuan yang penting untuk
memperoleh pengertian, memformulasikan, dan memecahkan
masalah. Dimana knowledge base mempunyai dua elemen dasar
yang terdiri dari: fakta-fakta dan heuristik (aturan-aturan).
Basis pengetahuan memuat fakta-fakta mengenai area
masalah, dan teknik menerangkan masalah yang menjelaskan
bagaimana fakta-fakta tersebut cocok satu dengan yang lain
dalam urutan yang logis. Basis pengetahuan juga dapat berisi
konsep-konsep, teori-teori, dan prosedur-prosedur yang mudah
dilaksanakan penggambaran pengetahuan (representasi) yang
diorganisasikan ke dalam suatu bentuk yang dapat diakses oleh
sistem pakar untuk pengambilan keputusan.
Banyak model yang dapat digunakan untuk
penggambaran pengetahuan (Knowledge Representation).
Pemulihan model yang akan digunakan didasarkan pada
permasalahan yang dihadapi. Beberapa teknik digunakan pada
sebagian besar sistem pakar yang sudah dibuat. Namum beberapa
masalah memerlukan model yang unik. Model-model yang
digunakan dalam penggambaran pengetahuan antara lain model
17
jaringan semantik, frames, rules, propositional logic, O-A-V
triplets, hybrids, dan scripts.
Adapun beberapa cara mempresentasikan pengetahuan
(Turban dan Frenzel, 1992, pp170-187) yaitu melalui:
1. Logika (logic).
Dua bentuk komputasi logic adalah propositional logic
(logika proposisi) dan predicate logic (logika predikat).
a. Logika proposisi adalah sebuah pernyataan yang
bisa bernilai benar atau salah yang dapat menjadi
premis yang dapat digunakan untuk menurunkan
proporsi baru. Aturan digunakan untuk menentukan
kebenaran (true) atau kesalahan (false) pada
proposisi baru. Pada logika proposisi digunakan
simbol seperti huruf alfabet untuk menampilkan
berbagai proposisi, premis, atau kesimpulan. Contoh:
Pernyataan A : Hanna pulang ke rumah setiap hari
Sabtu dan Minggu.
Pernyataan B : Hari ini adalah hari Senin.
Kesimpulan : Hari ini Hanna tidak pulang ke
rumah.
b. Logika predikat
Logika predikat merupakan bentuk logika yang
lebih kompleks dimana konsep dan aturan yang
digunakan sama dengan logika proposisi. Logika
predikat memberikan kemampuan tambahan untuk
merepresentasikan pengetahuan secara Iebih
mendetil. Logika predikat memungkinkan untuk
penguraian obyek, karakteristik obyek, atau p
enegasan obyek.
2. Semantic Network
Semantic Network adalah gambaran grafis dari pengetahuan
yang terdiri dari simpul (node) dan hubungan antara node
(link) yang memperlihatkan hubungan hirarkis antara objek.
3. Script
18
Script merupakan bentuk representasi pengetahuan yang
mirip dengan frame, tetapi selain menggambarkan obyek,
script juga menggambarkan uturan kejadian-kejadian.
4. List
List adalah daftar tertulis dari item-item yang saling
berhubungan. Bisa berupa daftar orang yang anda kenal,
barang-barang yang harus dibeli di pasar swalayan, hal-hal
yang harus dilakukan minggu ini, atau produk-produk
dalam suatu katalog.
5. Tabel keputusan
Tabel keputusan adalah pengetahuan yang diatur dalam
bentuk format lembar kerja (spreedsheet), menggunakan
kolom dan garis.
6. Pohon keputusan
Pohon keputusan adalah tree yang berhubungan dengan
tabel keputusan dan sering digunakan dalam analisis sistem
(bukan sistem kecerdasan buatan).
7. Objects, Atrribute, dan Values
Salah satu cara yang paling umum untuk mempresentasikan
pengetahuan adalah dengan menggunakan objects,
atrribute, dan value (O-A-V triplet). Object dapat berupa
fisik atau konseptual. Atrribute adalah karakteristik dari
object. Value adalah ukuran spesifik dari atrribute dalam
situasi tertentu. Representasi pengetahuan menggunakan O-
A-V triplet dapat dilihat pada tabel 2.1.
Tabel 2.1 Representatif O-A-V
(Turban dan Frenzel, 1992, p180)
Object Atrributes ValuesRumah Kamar tidur 2, 3, 4
19
Rumah Warna Hijau, putih,
Penerimaan di Rata-rata nilai ujian
masuk
3.0, 3.5, 3.7
Kontrol inventori Level dari inventori 15, 20, 30Kamar tidur Ukuran 9 x 10, 10 x 12
8. Production System
Production System dikembangkan oleh Newell dan Simon
sebagai model dari pemikiran manusia. Ide dasar dari sistem
ini adalah pengetahuan yang digambarkan sebagai
production rules dalam bentuk pasangan kondisi-aksi.
Production system terbentuk dari production rules yang
berupa:
a. Antecedent, yaitu bagian yang mengekspresikan
situasi atau premis (pernyataan berawalan IF).
b. Konsekuen, yaitu bagian yang menyatakan suatu
tindakan tertentu atau konklusi yang diterapkan jika
suatu situasi atau premis bernilai benar (pernyataan
berawalan THEN)
Contoh :
Aturan 1 : IF konflik internasional mulai
THEN harga emas naik.
Aturan 2 : IF laju inflasi berkurang THEN
harga emas turun.
Aturan 3 : IF konflik internasional berlangsung
lebih dari tujuh hari AND IF IF konflik terjadi
di Timur Tengah THEN beli emas
9. Frame
Frame adalah struktur data yang berisi semua
pengetahuan tentang obyek tertentu. Pengetahuan ini
diatur dalam suatu struktur hirarki khusus yang
memperbolehkan diagnosa terhadap indpendansi
pengetahuan. Frame pada dasarnya adalah aplikasi
20
dari pemograman berorientasi obyek untuk
kecerdasan buatan dan sistem pakar.
2.1.2.6 Knowledge Inferences
Dalam perancangan sistem pakar ini, komputer diharapkan
mampu membuat kesimpulan-kesimpulan (inferences) yang
berdasarkan pengetahuan. Ada dua teknik dalam inference,
yaitu:
1. Forward chaining atau penelusuran ke depan merupakan
pendekatan data-driven, yaitu pencarian yang dimulai dari
sekumpulan data menuju ke kesimpulan (goal)
2. Backward chaining atau penelusuran ke belakang
merupakan pendekatan goal-driven, yaitu penelusuran yang
dimulai dari tujuan (goal) sampai ke kondisi awal.
Kedua teknik diatas dipengaruhi oleh 2 macam teknik
penelusuran, yaitu:
1. Depth-first search adalah penelusuran yang dimulai dari
simpul atau akar yang paling atas (utama) bergerak turun ke
simpul yang paling dasar secara berurutan. Proses ini
berlanjut sampai satu solusi ditemukan, atau melakukan
penelusuran ke belakang (back tracking) apabila mencapai
jalan yang buntu.
2. Breadth-first search adalah penelusuran yang dimulai dari
simpul atau akar yang paling atas, setiap simpul pada tiap
level diperiksa seluruhnya sebelum pindah ke level
berikutnya, dan setiap lingkaran memiliki nomor yang
menunjukkan urutan simpul-simpul diperiksa. Metode
breadth first search akan selalu menemukan jalan terpendek
antara kondisi awal dengan kondisi akhir, dengan jumlah
langkah yang sedikit.
2.1.2.7 Permasalahan yang Disentuh Sistem Pakar
21
Ada beberapa masalah yang menjadi area luas aplikasi sistem
pakar antara lain (Kusumadewi 2003, p122):
Interpretasi. Pengambilan dari hasil observasi, termasuk
diantaranya : pengawasan, pengenalan ucapan, analisa citra,
interpretasi sinyal, dan beberapa analisis kecerdasan.
Prediksi. Termasuk diantaranya peramalan, prediksi
demografis, peramalan ekonomi, prediksi lalulintas, estimasi
hasil, militer, pemasaran, peramalan keuangan.
Diagnosa. Termasuk diantaranya : medis, elektronis, mekanis,
dan diagnosa perangkat lunak.
Perancangan. Termasuk diantaranya : layout sirkuit dan
perancangan bangunan.
Perencanaan. Termasuk diantaranya : perencanaan keuangan,
komunikasi, militer, pengembangan produk, routing dan
manajemen proyek.
Monitoring. Misalnya : Computer-Aided Monitoring System.
Debugging. Misalnya memberikan resep obat terhadap suatu
kegagalan.
Perbaikan.
Instruksi. Melakukan instruksi untuk diagnosa, debugging, dan
perbaikan kerja.
Kontrol. Melakukan kontrol terhadap interpretasi, prediksi,
perbaikan, dan memonitoring kelakuan sistem.
2.1.2.8 Pengembangan Sistem Pakar
Diperlukan beberapa tahapan dalam mengembangkan sistem
pakar (Kusumadewi 2003, pp122-15) terlihat dalam Gambar 2.1.
22
Gambar 2.1 Tahap-tahap pengembangan sistem pakar
(Kusumadewi 2003, p1230)
Secara garis besar pengembangan sistem pakar pada Gambar 2.1
adalah sebagai berikut:
1. Mengindentifikasi masalah dan kebutuhan. Mengkaji situasi
dan memutuskan dengan pasti tentang masalah yang akan
dikomputerisasi dan apakah dengan sistem pakar bisa lebih
membantu atau tidak.
2. Menentukan masalah yang cocok. Ada beberapa syarat yang
harus dipenuhi agar sistem pakar dapat bekerja dengan baik,
yaitu:
Domain masalah tidak terlalu luas
Kompleksitas menengah, artinya jika masalah terlalu
mudah (dapat diselesaikan dalam beberapa detik
saja) atau masalah yang sangat kompleks seperti
peramalan inflasi yang tidak perlu menggunakan
sistem pakar.
Tersedianya ahli
Menghasilkan solusi mental bukan fisik, artinya
sistem pakar hanya memberikan anjuran dan tidak
bisa melakukan aktivitas fisik seperti membau dan
merasakan
23
Tidak melibatkan hal-hal yang bersifat common
sense, yaitu penalaran yang diperoleh dari
pengalaman, seperti : jika lampu lalulintas merah
maka kendaraan akan berhenti.
3. Mempertimbangkan alternatif dengan menggunakan sistem
pakar atau komputer tradisional
4. Menghitung pengembalian investasi, termasuk diantaranya
biaya pembuatan sistem pakar, biaya pemeliharaan, dan
biaya training.
5. Memilih alat pengembangan.
6. Rekayasa pengetahuan yaitu dengan melakukan
penyempurnaan terhadap aturan-aturan yang sesuai
7. Merancang sistem. Bagian ini termasuk pembuatan
prototype, serta menterjemahkan pengetahuan menjadi
aturan-aturan.
8. Melengkapi pengembangan, termasuk pengembangan
prototype apabila sistem yang telah ada sudah sesuai dengan
keinginan.
9. Menguji dan mencari kesalahan sistem
10. Memelihara sistem seperti memperbaharui pengetahuan dan
meluweskan sistem agar bisa lebih baik lagi dalam
menyelesaikan masalah.
2.1.3 Android
2.1.3.1 Pengertian Android
Android adalah platform berupa sistem operasi yang
opensource dan komprehensif pertama untuk perangkat mobile,
perangkat lunak untuk menjalankan ponsel tetapi tanpa hambatan
24
kepemilikan sehingga meningkatkan inovasi dalam teknologi mobile.
(Reto Meier, 2010, p4).
2.1.3.2 Struktur
Menurut Reto Meier (2010, p13-p14), struktur aplikasi sistem
operasi berbasis android adalah sebagai berikut :
Berikut penjelasan dari Arsitektur Android yaitu :
1. Applications : semua aplikasi, baik native dan third party dibuat
pada layer aplikasi menggunakan API libraries yang sama.
2. Application Framework : paparan berbagai kemampuan dari OS
Android untuk pengembang aplikasi sehingga pengembang dapat
menggunakan berbagai kemampuan itu kedalam aplikasi
3. Libraries : berisi senua code yang menyediakan fitur utama dari
OS Android
4. Android Runtime : terletak pada layer yang sama seperti libraries,
Gambar 2.2 Struktur Android
5. Android Runtime menyediakan satu set inti libraries yang
memungkinkan pengembang untuk menulis aplikasi Android
menggunakan bahasa pemrograman Java
25
6. Linux Kernel : merupakan kernel dasar dari Android. Layer ini
berisi semua low level device drivers untuk berbagai komponen
perangkat keras dari perangkat Android.
2.1.3.3 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.
Forward chaining adalah data-driven karena inferensi dimulai dengan
informasi yang tersedia dan baru konklusi diperoleh. Jika suatu aplikasi
menghasilkan tree yang lebar dan tidak dalam, maka gunakan forward
chaining.
Contoh:
Terdapat 10 aturan yang tersimpan dalam basis pengetahuan yaitu :
R1 : if A and B then C
R2 : if C then D
R3 : if A and E then F
R4 : if A then G
R5 : if F and G then D
R6 : if G and E then H
R7 : if C and H then I
R8 : if I and A then J
R9 : if G then J
R10 : if J then K
Faka awal yang diberikan hanya A dan E, ingin membuktikan apakah
K bernilai benar. Proses penalaran forward chaining terlihat pada gambar
dibawah :
26
Gambar 2.3 Forward Chaining
2.1.4 Unified Modeling Language
Unified Modeling Language adalah sebuah gambaran berdasarkan
objek yang berorientasi pada analisis dan desain menggunakan model untuk
membantu dalam pengembangan perangkat lunak, pemahaman yang
berkelanjutan, dan memberikan cara komunikasi yang lebih baik dalam
merepresentasikan alur maksud dan tujuan. (Whitten & Bentley, 2007)
2.1.4.1 Diagram Unified Modeling Language
Adapun diagram-diagram yang menggunakan notasi Unified
Modelling Language (UML) dalam pengembangan perangkat lunak menurut
Whitten dan Bentley (2007) adalah sebagai berikut:
1. Use-Case Diagram
27
Diagram yang mendefinisikan urutan interaksi antara pelaku
(objek yang terlibat dalam sebuah sistem) dan sistem itu sendiri.
Pelaku/actor digambarkan sebagai objek berupa stick figure pada use-
case diagram, sedangkan batasan sistem digambarkan sebagai sebuah
kotak. Untuk pelaku yang bertindak sebagai sistem ditambah label
<<system>> (Whitten & Bentley, 2007).
Gambar 2.4 Contoh Use-Case Diagram (Whitten & Bentley, 2007)
Selain itu terdapat pula pelaku yang bukan merupakan bagian dari
sistem utama tetapi bertindak sebagai pengatur waktu. Biasanya pelaku
tersebut diberi label “Time”. Tindakan atau kegiatan yang dilakukan atau
dikenakan kepada pelaku digambarkan dengan bentuk sebuah ellips.
Tindakan atau kegiatan yang dilakukan oleh pelaku tersebut merupakan salah
satu bagian rangkaian komponen dalam sistem sehingga dibutuhkan batasan-
batasan sistem.
28
Tabel 2.2 Tabel Simbol pada Use-Case Diagram
29
2. Class Diagram
Diagram yang mengklasifikasikan objek dalam bentuk sebuah
class, kemudian digambarkan dalam objek yang berbentuk kotak, dan
dihubungkan dengan sebuah garis yang merepresentasikan sebuah
bentuk hubungan yang memiliki tujuan (relationship). Untuk
pengembang perangkat lunak, dibutuhkan simbol visibility, untuk
membantu proses pemindahan dari diagram ke kode program.
(Whitten & Bentley, 2007)
Tabel 2.3 Tabel Simbol Visibility pada Class Diagram
30
31
Gambar 2.5 Contoh Class Diagram (Whitten & Bentley, 2007)
32
Adapun 3 bentuk hubungan (relationship) dalam class diagram
adalah sebagai berikut :
Association yaitu bentuk hubungan statis antara dua atau
lebih class. Association memiliki bentuk berupa garis
dengan panah hitam kecil untuk menunjukan arah class
yang dituju. Pada setiap akhir garis biasanya terdapat label
yang menjelaskan banyaknya jumlah association di class
yang dituju. Banyaknya jumlah association menentukan
berapa banyak instansi dari satu class yang dapat
berhubungan dengan instansi dari class lain.
Tabel 2.4 Tabel Indikator Relationship pada Class Diagram
Composition adalah bentuk hierarki hubungan yang
bersifat keseluruhan. Composition diwakili dengan
objek berbentuk segi empat dengan warna hitam yang
merepresentasikan penuh atau keseluruhan.
Aggregation adalah bentuk hierarki hubungan yang
33
bersifat sebagian. Aggregation diwakili dengan objek
berbentuk segi empat berongga yang
merepresentasikan sebagian.
Gambar 2.6 Contoh penerapan Association pada Aggregation
dan Composition (Whitten & Bentley, 2007)
Generalization / Specialization adalah hubungan yang
bersifat warisan (inheritance). Sebuah Generalization /
Specialization digambarkan sebagai panah yang
bergabung antara subclass (anak) dengan superclass
(induk), dengan panah menyentuh kotak superclass
dari subclass.
34
Gambar 2.7 Contoh Generalization dan Specialization (Whitten & Bentley,
2007)
Tiap relationship pada class diagram menghubungkan antar
class dengan class lainnya. Dalam pengembangannya, class diagram
dapat menghubungkan antara pengembang perangkat lunak dengan
pengguna.
3. Activity Diagram
Diagram yang menggambarkan aliran kontrol dan urutan antar
kegiatan. Sebuah activity diagram menunjukkan urutan kegiatan,
keputusan, perulangan, dan kegiatan yang dilakukan bersamaan.
Activity diagram yang banyak digunakan dalam pemodelan alur
kerja , misalnya untuk aplikasi berorientasi layanan. (Whitten &
Bentley, 2007)
35
Tabel 2.5 Tabel Simbol pada Activity Diagram
36
Gambar 2.8 Contoh Activity Diagram dengan Partition (Whitten &
Bentley, 2007)
37
2.1.5 Pneumonia
2.1.5.1 Pengertian Pneumonia
Radang paru atau yang lebih dikenal dengan sebutan
pneumonia merupakan penyakit saluran napas bawah akut yang
biasanya disebabkan oleh infeksi (Jeremy, 2007).
Pneumonia sendiri adalah suatu proses infeksi akut yang
mengenai jaringan paru-paru (alveoli) dan dapat dikenali berdasarkan
pedoman tanda-tanda klinis lainnya serta pemeriksaan penunjang
seperti rontgen dan laboratorium (Wilson, 2006) .
Pneumonia merupakan penyakit yang sangat serius dan
menjadi salah satu penyebab kematian tertinggi di dunia. Ironisnya,
faktor risiko utama kematian ternyata akibat pemberian antibiotik
yang tidak tepat.
2.1.5.2 Penyebab Pneumonia
Menurut Bartlett, (2008), ada beberapa hal yang menyebabkan
penyakit pneumonia, antara lain:
1. Bakteri
Bakteri merupakan yang paling sering menyebabkan pneumonia
pada orang dewasa seperti: Streptococcus pneumoniae,
Staphylococcus aereus, Legionlla, dan Hemophilus influenzae.
2. Virus
Virus yang menyebabkan pneumonia adalah virus influenza dan
chicken-pox (cacar air).
3. Organisme mirip bakteri
Organisme mirip bakteri atau yang disebut dengan Mycoplasma
pneumoniae ini sering menyerang anak-anak dan remaja.
4. Jamur tertentu
Adapun cara jamur ini masuk sampai ke paru-paru melalui:
Inchalasi (penghirupan) dari udara yang tercemar
38
Aliran darah yang terinfeksi dari organ tubuh yang lain
Perpindahan jamur langsung dari infeksi di dekat paru-
paru
5. Alkohol, rokok, gangguang sistem kekebalan tubuh karena obat
tertentu, dan penerima organ transplantasi merupakan penyebab
yang rentan menyerang anak muda.
6. Pneumonia juga bisa terjadi setelah melakukan pembedahan
pada perut atau cedera dada yang mengakibatkan kesulitan
untuk bernafas dalam, batuk dan mengeluarkan lendir yang
tertahan
2.1.5.3 Gejala Pneumonia
Menurut John G. Bartlett, MD (2008), gejala-gejala pneumonia
yang bisa ditemukan adalah sebagai berikut:
- Batuk berdahak
- Nyeri dada
- Sesak nafas
- Laju pernafasan meningkat
- Demam, menggigil, dan tidak enak badan
- Mudah lelah
- Mual, muntah, nafsu makan berkurang
- Nyeri perut
- Kekakuan otot dan sendi
2.1.5.4 Jenis Pneumonia
Ada dua jenis pneumonia yang didapat berdasarkan
sumbernya, yaitu Pneumonia yang di dapat dari rumah sakit dan
Pneumonia yang di dapat dari komunitas (Soeparman, 1991, pp245-
247):
Pneumonia yang didapat dari rumah sakit
39
Pneumonia ini sering disebut dengan hospital-acquired
pneumonia (HAP) didefinisikan sebagai infeksi paru yang
berkembang sekurang-kurangnya 48 jam setelah dirawat di
rumah sakit. HAP disebabkan oleh hasil organisme yang
resisten seperti Klebsiella, Pseudomonas, Acinetobacter yang
terdapat di rumah sakit.
Pneumonia yang didapat dari komunitas
Pneumonia ini sering disebut dengan community-acquired
pneumonia (CAP) merupakan infeksi paru-paru yang terjadi
pada pasien yang tidak baru saja dirawat di rumah sakit dan
tidak berisiko aspirasi.