SISTEM PAKAR UNTUK PEMBELAJARAN …repository.amikom.ac.id/files/Publikasi_08.01.2341.pdf ·...
Transcript of SISTEM PAKAR UNTUK PEMBELAJARAN …repository.amikom.ac.id/files/Publikasi_08.01.2341.pdf ·...
SISTEM PAKAR UNTUK PEMBELAJARAN MENGIDENTIFIKASI JENIS BEBATUAN BERBASIS WEB
Naskah Publikasi
diajukan oleh
Swanida Triyogo 08.01.2341
Bambang Saputra 08.01.2349
kepada
SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER AMIKOM
YOGYAKARTA 2011
1
2
LEARNING EXPERT SYSTEM FOR IDENTIFYING WEB BASED TYPE OF ROCKS
SISTEM PAKAR UNTUK PEMBELAJARAN MENGIDENTIFIKASI JENIS
BEBATUAN BERBASIS WEB
Swanida Triyogo Bambang Saputra
Jurusan Teknik Informatika STMIK AMIKOM YOGYAKARTA
ABTRAKSI
With growth especially in the field of information technology Arificial Intelligence (AI) which has now given birth fields, including the so-called Expert System or Expert System. So afterthe application of expert system that made it eventually could replace the role of an expert, and can facilitate the search for data about the rocks, and can save much time and cost.
With this expert system is found then it could become a benchmarkthat the role of computers can replace the position of expert or experts in a field by utilizing the expert or the expert knowledge tosolve problems within the scope of which has been determined.Karen difficult to find data on the characteristic rocks, we have to buy books that are very expensive price, and not only that, if itshould seek an expert in solving a problem, it's very time consumingand cost, and even then very difficult once to finded.
The question is now how to make information technology on the rocks that can be integrated with the expert system so as tofacilitate users to get information quickly according to user searches. Therefore made solving the problem by making an expert system to provide solutions and information about rocks. With the"Expert System For Mengidetifikasi Learning Web-Based Type ofRocks" is the problem of the limited number of expert personnel andthe difficulty of finding reference books on the rocks can be addressed and the expertise of these experts can reach out to the entire region is widely
Key words: Expert systems, expert systems plan, rock geology
3
1. Pendahuluan
Keterbatasan waktu karena manusia memiliki kompleksitas kegiatan yang
padat, ditambah dengan pengetahuan manusia yang bersifat variable dan dapat
berubah-ubah tergantung kondisi dan situasi, serta kecepatan untuk menemukan
solusi yang sifatnya bervariasi. Maka dengan perkembangnya teknologi informasi
terutama dalam bidang Arificial Intelegence (AI) yang kini telah melahirkan bidang,
diantaranya yang dikenal dengan sebutan Sistem Pakar atau Expert System.
Yang kita tau saat ini, sangat sulit sekali untuk mencari data-data mengenai
cirri-ciri bebatuan, kita harus membeli buku-buku yang sangat mahal sekali harganya,
dan tidak itu saja, jika harus mencari seorang pakar dalam menyelesaikan suatu
masalah, itu sangat memakan banyak waktu dan biaya, itupun sangat sulit sekali
untuk menemukaninya. Jadi setelah adanya aplikasi sistem pakar yang dibuat ini
nantinya dapat menggantikan peranan seorang pakar, dan dapat mempermudah
dalam pencarian data-data mengenai bebatuan, dan dapat menghemat banyak
waktu dan biaya.
Pentingnya diadakan identifikasi jenis dan cirri-ciri dari bebatuan ini adalah
untuk mengetahui manfaat yang ada pada batuan tersebut, karena dialam yang kita
huni ini terdapat banyak sekali batuan-batuan yang dapat dimanfaatkan untuk
kebutuhan industri dan kebutuhan-kebutuhan pekerjaan yang lainnya.
Dengan ditemukan sistem pakar ini maka dapat menjadi sebuah tolak ukur
bahwa peranan komputer dapat menggatikan posisi ahli atau pakar dalam suatu
bidang dengan memanfaatkan pengetahuan ahli tersebut untuk menyelesaikan
masalah dalam ruang lingkup yang telah ditentukan.
Oleh karna itu dibuatlah pemecahan masalah dengan membuat sebuah
sistem pakar untuk memberikan solusi dan informasi tentang batuan. Dengan adanya
“Sistem Pakar Untuk Pembelajaran Mengidetifikasi Jenis Bebatuan Berbasis Web”
ini maka masalah tentang terbatasnya jumlah tenaga pakar dan sulitnya mencari
buku-buku tentang referensi bebatuan dapat diatasi dan keahlian dari pakar tersebut
dapat menjangkau ke seluruh wilayah secara luas.
2. Landasan Teori
Pada bab ini diuraikan tentang definisi, teori, konsep yang terkait dengan
Arificial Intelegence (kecerdasan buatan) dan Expert System (sistem pakar), sebagai
4
landasan dalam merancang sistem pakar serta teori tentang batuan dan teori tentang
pembelajaran.
2.1. Kecerdasan Buatan ( Artificial Intelligence)
Kecerdasan buatan adalah suatu ilmu yang mempelajari cara membuat
komputer melakukan sesuatu seperti yang dilakukan oleh manusia (Minsky, 1989).
Definisi lain diungkapkan oleh H.A.Simon (1987). Kecerdasan buatan (artificial
intelligence) merupakan kawasan penelitian, aplikasi dan instruksi yang terkait
dengan pemrograman komputer untuk melakukan sesuatu hal yang dalam
pandangan manusia adalah – cerdas.
Rich and Knight (1991) mendefinisikan Kecerdasan Buatan (AI) sebagai
sebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang pada
saat ini dapat dilakukan lebih baik oleh manusia.
Sementara ensiklopedi Britannica mendefinisikan kecerdasan buatan (AI)
sebagai cabang dari ilmu komputer yang dalam merepresentasi pengetahuan lebih
banyak menggunakan bentuk simbol-simbol daripada bilangan, memproses informasi
berdasarkan metode heuristic atau dengan berdasarkan sejumlah aturan.
Ada tiga tujuan kecerdasan buatan, yaitu: membuat komputer lebih cerdas,
mengerti tentang kecerdasan, dan membuat mesin lebih berguna. Yang dimaksud
kecerdasan adalah kemampuan untuk belajar atau mengerti dari pengalaman,
memahami pesan yang kontradiktif dan ambigu, menanggapi dengan cepat dan baik
atas situasi yang baru, menggunakan penalaran dalam memecahkan masalah serta
menyelesaikanya dengan efektif (Winston dan Prendergast, 1994).
Kecerdasan buatan merupakan bagian dari ilmu komputer yang membuat
agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang
dilakukan oleh manusia (kusumadewi, 2003). Kecerdasan buatan mengembangkan
perangkat lunak dan perangkat keras untuk menirukan tindakan manusia. Aktifitas
manusia yang ditirukan seperti: penalaran, penglihatan, pembelajaran, pemecahan
masalah, pemahaman bahasa alami dan sebagainya.
2.2. Sistem Pakar
Sistem pakar adalah suatu program komputer yang dirancang untuk
mengambil keputusan seperti keputusan yang diambil oleh seorang atau beberapa
orang pakar. Menurut Marimin (1992), sistem pakar adalah sistem perangkat lunak
komputer yang menggunakan ilmu, fakta, dan teknik berpikir dalam pengambilan
keputusan untuk menyelesaikan masalah-masalah yang biasanya hanya dapat
diselesaikan oleh tenaga ahli dalam bidang yang bersangkutan.
5
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. Kombinasi dari kedua hal
tersebut disimpan dalam komputer, yang selanjutnya digunakan dalam proses
pengambilan keputusan untuk penyelesaian masalah tertentu.
2.3. Reprentasi Pengetahuan
Representasi pengetahuan merupakan metode yang digunakan untuk
mengkodekan pengetahuan dalam sebuah sistem pakar yang berbasis pengetahuan.
Representasi dimaksudkan untuk menangkap sifat-sifat penting problema dan
membuat informasi itu dapat diakses oleh prosedur pemecahan problema. Bahasa representasi harus dapat membuat seorang programmer mampu
mengekspresikan pengetahuan yang diperlukan untuk mendapatkan solusi
problema, dapat diterjemahkan ke dalam bahasa pemrograman dan dapat disimpan.
Harus dirancang agar fakta-fakta dan pengetahuan lainnya yang terkandung
didalamnya bisa digunakan untuk penalaran.
Pengetahuan dapat direprensentasikan dalam bentuk yang sederhana atau
kompleks, tergantung dari masalahnya (Schnupp, 1989). Beberapa model
representasi pengetahuan yang penting, adalah:
1. Logika.
2. Jaringan Semantik (semantic nets).
3. Object-Attribute-Value triplets (OAV).
4. Bingkai (frame).
5. Kaidah (production rule).
2.3.1. Logika Proposisional (Propositional Logic) Proposisi adalah suatu model untuk mendeklarasikan suatu fakta.
Lambang-lambang proposisional menunjukkan proposisi atau pernyataan tentang
segala sesuatu yang dapat benar atau salah. Lambang-lambang kalkulus proposisional :
1. Lambang pernyataan proposisional
P,Q,R,S,T,... (disebut sebagai atom-atom)
2. Lambang kebenaran
benar (True) , salah (False)
3. Lambang penghubung
∧ (konjungsi), ∨ (disjungsi), ∼ (negasi),
6
→ (implikasi), ↔ (Bi-implikasi),
≡ (equivalen)
Berikut ini adalah tabel kebenaran (truth value) lambang penghubung :
Tabel 2.1 Tabel Kebenaran Operator Logika (Kusrini, 2006)
A B A�B P U B -A A->B
T T T T T T
T F F T F F
F T F T T F
F F F F T T
2.3.2. Logika Predikat Logika predikat adalah suatu logika yang lebih canggih yang seluruhnya
menggunakan konsep dan kaidah proposional yang sama. Juga disebut kalkulus
predikat, yang memberi tambahan kemampuan untuk merepresentasikan
pengetahuan dengan sangat cermat dan rinci.
Kalkulus predikat memungkinkan kita bisa memecahkan statemen ke dalam
bagian komponen, yang disebut objek, karakteristik objek, atau beberapa keterangan
objek. Suatu proposisi atau premis dibagi menjadi dua bagian, yaitu ARGUMEN
(atau objek) dan PREDIKAT (keterangan). Argumen adalah individu atau objek yang
membuat keterangan. Predikat adalah keterangan yang membuat argumen dan
predikat
Dalam suatu kalimat, predikat bisa berupa kata kerja atau bagian kata kerja.
PREDIKAT (individu[objek]1, individu[objek] 2)
Misalnya proposisi:
Mobil berada dalam garasi
Dinyatakan menjadi:
Di dalam(mobil, garasi)
Di dalam = produk (keterangan)
Mobil = Argumen(objek)
Garasi = Argumen(objek)
7
2.3.3. Jaringan Semantic (Semantic Nest) Jaringan semantik merupakan pengetahuan secara grafis yang
menunjukkan hubungan antar berbagai objek. Komponen dasar untuk
merepresentasikan pengetahuan dalam bentuk jaringan semantik adalah simpul
(node) dan penghubung (link). Simpul merepresentasikan obyek, konsep, atau
situasi. Simpul digambarkan dengan kotak atau lingkaran. Penghubung
menghubungkan antar simpul. Penghubung digambarkan dengan panah berarah dan
diberi label untuk menyatakan hubungan yang direpresentasikan.
Contoh jaringa semantik sederhana.
Merupakan merupakan
memiliki
Gambar 2.2 Representasi Jaringan Semantik(Kusrini, 2006)
Jaringan semantik pada Gambar II.2 merepresentasikan pernyatan bahwa
semua komputer merupakan alat elektronik, semua PC merupakan komputer, dan
semua komputer memiliki monitor. Dari pernyataan tersebut dapat diketahui bahwa
semua PC memiliki monitor dan hanya sebagian alat elektronik memiliki monitor.
2.3.4. Object-Attribute-Value (OAV) Object dapat berupa bentuk fisik atau konsep. Atribut adalah karakteristik
atau sifat dari object tersebut. Values (Nilai) –besaran/nilai/takaran spesifik dari
atribut tersebut pada situasi tertentu. Dapat berupa numerik, string atau boolean. Sebuah object bisa memiliki beberapa atribut, bisa disebut OAV Multi-
atribut. Sebuah atribut dapat dianggap sebagai suatu object baru dan memiliki atribut
sendiri.
Cotoh representasi pengetahuan dengan OAV ditunjukan pada Tabel II.2.
Tabel 2.2 Representasi Pengetahuan Dengan OAV (Kusrini, 2006)
Object Attribute Value
Mangga Warna Hijau, Orange
Mangga Berbiji Tunggal
Mangga Rasa Asam, Manis
Komputer
Monitor
Alat Elektronik PC
8
Mangga Bentuk Oval
Pisang Warna Hijau, Kuning
Pisang Bentuk Lonjong
2.4. Metode Inferensi Merupakan proses yang digunakan dalam sistem pakar untuk
menghasilkan informasi baru dari informasi yang telah diketahui. Dalam sistem pakar
proses inferensi dilakukan dalam suatu modul yang disebut Inference Engine (Mesin
inferensi). Ketika representasi pengetahuan (RP) pada bagian knowledge base telah
lengkap, atau paling tidak telah berada pada level yang cukup akurat,maka RP
tersebut telah siap digunakan. Inference engine merupakan modul yang berisi
program tentang bagaimana mengendalikan proses reasoning
Ada dua metode inferensi yang penting dalam sistem pakar, yaitu runut
maju (forward chaining) dan runut balik (backward chaining).
2.4.1. Runut Maju (forward chaining) Runut maju berarti menggunakan himpunan aturan kondisi-aksi.dalam
metode ini, data digunakan untuk menentukan aturan mana yang akan dijalankan,
kemudian aturan tersebut dijalankan. Mungkin proses menambahkan data ke memori
kerja. Proses diulang sampai ditemukan suatu hasil (Wilson, 1998).
Gambar II.3 berikut menunjukan bagaimana cara kerja metode inferensi
runut maju.
DATA ATURAN KESIMPULAN
A=1 JIKA A=1 DAN B=2
B=2 MAKA C=3 D=4
JIKA C=3 MAKA D=4
Gambar 2.3 Runut Maju (Kusrini, 2006)
Metode runut maju cocok digunakan untuk menangani masalah
pengendalian (controlling) dan peramalan (prognosis) (Giarattano dan Riley, 1994).
2.4.2. Runut Balik (backward chaining) Runut balik merupakan metode penalaran kebalikan dari runut maju.
Dalam runut balik, penalaran dimulai dengan tujuan merunut balik ke jalur yang alan
mengarahkan ketujuan tersebut (Giarattano dan Riley, 1994).
9
Gambar II.4 berikut menunjukan proses penalaran menggunakan metode
runut balik.
DATA ATURAN KESIMPULAN
A=1 JIKA A=1 DAN B=2
B=2 MAKA C=3 D=4
JIKA C=3 MAKA D=4
Gambar 2.4 Runut Balik (Kusrini, 2006)
Runut balik disebut juga sebagai goal-driven reasoning, merupakan cara
yang efisien untuk memecahkan masalah yang dimodelkan sebagai masalah
pemilihan terstruktur. Tujuan dari inferensi ini adalah mengambil pilihan terbaik dari
banyak kemungkinan. Metode inferensi runut balik ini cocok digunakan untuk
memecahkan masalah (Schnupp, 1989).
3. Analisis Dan Perancangan Sistem 3.1. Analisis Sistem
Sistem pakar merupakan sebuah perangkat lunak komputer yang berbasis
pengetahuan pakar yang menyediakan solusi-solusi dengan kualitas pakar untuk
memecahkan masalah-masalah tertentu yang spesifik. Kenyataan bahwa
pengetahuan adalah sebuah kekuatan yang tidak dapat kita tolak, tetapi
pengetahuan tidak dapat diterapkan untuk memecahkan masalah yang kita temui
sehari-hari adalah percuma, yang penting adalah pemecahan dari masalah, dan
sistem pakar adalah salah satu jalan untuk mendapatkan pemecahan masalah,
secara lebih cepat dan mudah.
Dalam mengembangkan sistem pakar ini diperlukan pengetahuan dan
informasi yang diperoleh dari beberapa sumber, yaitu dari orang yang sudah
berpengalaman dibidang bebatuan, serta dari buku-buku tentang ilmu geologi yang
berhubungan dengan bebatuan yang ada.
Fungsi-fungsi yang ada pada sistem ini adalah :
1. Memasukan data batuan, struktur batu, nama batu dan contoh gambar batu.
2. Mengedit data batuan, struktur batu, nama batu dan contoh gambar batu.
Sistem pakar ini dirancang untuk mempermudah atau sebagai media
pembelajaran bagi orang yang ingin belajar tentang ilmu bebatuan serta kususnya
bagi mahasiswa jurusan Tehnik Geologi yang harus tau mengenai jenis-jenis
bebatuan alam.
10
3.1.1 Gambaran Sistem Peranan seorang pakar batuan sangat dibutuhkan, terutama bagi yang
ingin belajar tentang ilmu Geologi. Mereka yang tidak memiliki pengetahuan yang
cukup mengenai jenis-jenis batu dan sangat disayangkan jika mereka hanya bisa
mengetahui bentuknya saja tanpa mengetahui nama dan manfaat dari batuan
yang ditemukan tersebut.
Sementara itu jika yang ingin belajar harus berkonsultasi dahulu dengan
seorang pakar akan memakan waktu yang cukup lama serta harus mengeluarkan
biaya lebih untuk membayarnya. Keadaan akan berbeda jika yang ingin belajar
mempunyai cukup pengetahuan dan pengalaman tentang bagaimana cara
pemanfaatan bebatuan alam tersebut.
3.1.2 Reprentasi Pengetahuan Dalam reprensentasi pengetahuan ini dilakukan perbandingan-
perbandinagn informasi yang diperoleh dari beberapa sumber. Unuk membantu
pengembangan prototype sistem pakar ini, maka pengetahuan yang diperoleh
dalam bentuk table keputusan, selanjutnya dipersentasikan menjadi bentuk
diagram pohon keputusan.
Proses representasi pengetahuan dari bentuk tabel keputusan menjadi
diagram pohon keputusan dilakukan dengan menggabungkan dari sumber-sumber
informasi yang didapat. Hal ini dilakukan agar pohon keputusan yang dibentuk
sesui dengan data-data yang sudah ada. Cirri-ciri yang terdapat pada tabel tidak
semua digunakan dalam pohon keputusan, hanya cirri-ciri yang membedakan saja
yang digunakan. Dengan adanya diagram pohon keputusan tersebut maka kita
dapat menggunakannya dalam membentuk aturan-aturan dalam tahapan
prototype sistem pakar.
a. Tabel Keputusan
Untuk mempermudah pembentuk aturan yang akan dijadikan basis
pengetahuan prototype sistem pakar ini, dibentuklah tabel keputusan. Pembentuk
tabel keputusan menghubungkan antara cirri-ciri batu dengan nama batu.
Dengan menggunakan IF, sebagai informasi masukan sedangkan THEN
sebagai kesimpulan dari aturan ciri-ciri yang ada. Dalam aturan produksi dapat
memiliki lebih dari satu proposisi, proposisi-proposisi tersebut dihubungkan dengan
menggunakan operator logika AND. Himpunan kaidah tersebut adalah seperti
pada tabel dibawah berikut ini:
11
Tabel 3.2 Tabel Aturan
Aturan
IF jenis batuan Beku AND warna (Coklat or orange) AND struktur masif AND
derajat kristalitas holokristalin AND bentuk Kristal (granitic or phanitic) AND
granularitas fenerik kasar 5-30mm THEN Garnit
IF jenis batuan Beku AND warna Hitam kehitaman AND struktur (scoria) AND
derajat kristalitas hipokristalin AND bentuk Kristal anhendral AND granularitas
(afanitik) THEN Basalt
IF jenis batuan Sedimen AND warna Putih AND struktur Masif AND ukuran butir
berbutir halus AND derajat pembundaran angular THEN Gamping
IF jenis batuan Metamorf AND warna Putih kekuning-kuingan AND struktur (non
foliasi or granulose) AND tektur (kristablastik or granoblastik) THEN Kuarsit
IF jenis batuan Beku AND warna Abu-abu AND struktur masif AND derajat
kristalitas hipokristalin AND bentuk kristal subhendral AND granularitas (afanitik)
THEN Diabas
IF jenis batuan Beku AND warna Coklat AND struktur masif AND derajat
kristalitas hipokristalin AND bentuk kristal subhendral AND granularitas fenerik
sedang kasar THEN Andesit
3.1.1 Mesin Inferensi
Metode inferensi adalah merupakan komponen yang mengandung
mekanisme pola piker dan penalaran yang digunakan oleh para ahli atau pakar
dalam menyelesaikan suatu masalah. Proses penelusuran yang akan digunakan
dalam sistem pakar ini adalah menggunakan metode forwad chaining atau runut
maju.
Setelah dilakukan perancangan tabel keputusan, selanjutnya dilakukan
perancangan pohon keputusan yang dapat membantu dalam mengklasifikasi batu
berdasarkan cirri-cirinya, dan juga dapat membantu dalam pembuatan aturan (rule).
Berikut ini adalah pohon keputusan yang dirancang berdasrkan tabelkeputusan yang
telah dibuat.
12
Jenis
Beku Metamorf Sedimen
Gambar 3.1 Denah Pohon
3.2.1. Perancangan Data Flow Diagram (DFD)
Perancangan Diagram Alir Data
Gambar 3.2 Data Flow Diagram Level 0
Putih coklat Abu-abu Hitam-kehitaman Hjtam kekuning-kuningan Hijau-kehijauan
Scoria Masif Masif Masif Non foliasi Foliasi
Kerikil brangkal 2-256mm
Afanitik Berbutir halus fenerik sedang kasar netadoblastik Lepidoblastik
rounded Angular Hipokristalin holokristalin Sekis Sabak
Anhedral Subhendral Gamping Konglomerat
Andesit Basalt
User Admin P0 Sistem Pakar
Info akusisi pengetahuan Ciri-ciri batuan
Identifikasi batuan Akusisi pengetahuan
13
User
Identifikasi batuan
Ciri-ciri Bbatuan
P2 Identifikasi
batuan
D2 jenis
D3 Warna
D4 struktur
D5 tektur
D6 derajat kristalitas
D7 bentuk kristal
D8 Granularitas
D1 Aturan
D10 derajat pembundaran
D9 ukuran butir
Gambar 3.3 Data Flow Diagram Level 1
3.2.2. Perancangan Database
perancangan database yang akan dibuat adalah :
a) Entity Relationship Diagram
Entitas-entitas yang terlibat didalam sistem pakar ini akan dibuat Entity
Relationship diagram dapat dilihat pada gambar 3.9 dibawah:
Admin
Data batuan, Data jenis, Data warna, Data Struktur, Data tekstur, Data butiran, Data aturan ciri-ciri
Data batuan, Data jenis, Data warna, Data Struktur, Data tekstur, Data butiran, Data aturan ciri-ciri
P1 Akusisi
pengetahuan
aturan
Data jenis
Data warna
Data struktur
Data tekstur
Data drjt kristl
Data bntk kristl
Data granularitas
Data ukuran butir
Data drajt pmbndrn
14
Gambar 3.6 Entity Relationship Diagram
15
3.2.4.1. Perancangan Layar Perancangan layar dilakukan untuk mengetahui rancangan apa saja
yang akan dilakukan oleh sistem, seperti :
a. Pengguna (User)
1. Menu Utama (Home)
Menu utam sistem pakar untuk mengidentifikasi jenis bebatuan berbasi
web ini yaitu terdiri dari 2 butom, yaitu butom home dan butom pakar.
Terdapat pula gambar, informasi umum batuan dan selamat datang,
seperti pada gambar 3.8 dibawah :
Materi batuan
Pakar Home
Cari
Bener
gambar
Keterangan menu slamat Datang
(Home)
Fother
Gambar 3.8 Perancangan Menu Home
2. Menu Pakar
Menu pakar berisi tentang sistem pakar mengenai bebatuan, pengguna
dapat menggunakan form ini untuk melakukan pencarian nama batu
serta jenis batu dengan menggunakan aturan-aturan yang ada pada
sistem pakar tersebut. Dibawah merupakan salah satu contoh desain
yang dibuat untuk rancangan batuan metamorf, seperti tampak pada
gambar 3.10 dibawah:
16
Materi batuan
Pakar Home
Cari
Bener
Fother
Keterangan
V
V
V
V
Jenis batu
Warna Batu
Tekstur Batu
Struktur Batu
Proses
Gambar Has
keterangan
Nama batu
Gambar 3.10 Perancangan Menu Pakar Untuk Jenis Batuan Metamorf
4. Implementasi Dan Pembahasan 4.1. Implementasi
Implementasi adalah pelaksanaan sebuah aplikasi. Implementasi aplikasi
“Sistem Pakar Untuk Pembelajaran Mengidetifikasi Jenis Bebatuan Berbasis Web”
ini akan menampilkan implementasi rancangan antarmuka. Implementasi antarmuka
ini dibagi menjadi dua bagian, yaitu implementasi rancangan antarmuka user dan
implementasi rancangan antarmuka admin. Imlementasi antarmuka user terdiri atas
beberapa menu pilihan antara lain menu pakar, menu utama atau home, dan menu
materi-materi yang berhubungan dengan bebatuan. Sedangkan pada implementasi
rancangan antarmuka admin, terdiri dari login admin, menu utama admin, menu edit
dan hapus.
Tahapan perancangan aplikasi telah diselesaikan, mulai dari perancangan
sistem rancangan input-output, rancangan database, dan juga rancangan antar
muka pengguna (user interface). Semua rancangan digunakan untuk mempermudah
17
dalam penjabaran sistem kedalam bahasa pemrograman, atau aplikasi yang akan
dibuat.
4.1.1. Implementasi Rancangan Antarmuka User 1. Menu Utama (Home)
Menu home dalam sistem pakar ini akan muncul pertama kali ketika user
membuka aplikasi ini. Tampilan menu home dapat dilihat pada gambar 4.1
dibawah :
Gambar 4.1. Tampilan Home
Gambar 4.22. Contoh Hasil Pengujian
18
5. Kesimpulan Dari uraian implementasi dan pembahasan program aplikasi “Sistem
Pakar Untuk Pembelajaran Mengidetifikasi Jenis Bebatuan Berbasis Web” ini dapat
diambil kesimpulan bahwa:
1. Proses pembuatan program aplikasi “Sistem Pakar Untuk Pembelajaran
Mengidetifikasi Jenis Bebatuan Berbasis Web” ini mencakup beberapa
langkah yang harus diperhatikan, antara lain yaitu, akusisi pengetahuan,
representasi pengetahuan, metode inferensi, desain interface,
implementasi dan pembahasan.
2. Menggunakan metode runut maju (forward chaining) dapat
diimplementasikan pada mesin inferensi.
3. Prosess inferensi akan menghasilkan kesimpulan jika form aturan ciri-ciri
batuan yang diinputkan oleh user terpenuhi, tetapi tidak bisa menghasilkan
kesimpulan jika form aturan ciri-ciri batuan tidak terpenuhi.
4. Hasil yang diberikan berupa nama batu, dan keterangan mengenai batuan
tersebut.
5. Dengan menggunakan beberapa perangkat lunak dapat menghasilkan
aplikasi sistem pakar, yang dapat membantu pengguna untuk memperoleh
informasi mengenai batuan secara cepat.
6. Saran Dengan adanya “Sistem Pakar Untuk Pembelajaran Mengidetifikasi Jenis
Bebatuan Berbasis Web” ini diharapkan mampu memberikan manfaat yang
maksimal. Oleh karena itu beberapa saran sebagai pertimbangan untuk
mengembangkan sistem pakar ini antara lain:
1. “Sistem Pakar Untuk Pembelajaran Mengidetifikasi Jenis Bebatuan
Berbasis Web” ini perlu ditambah beberapa ciri, materi, dan data-data lain
mengenai batuan agar hasil informasi yang diperoleh semakin lengkap. 2. Sistem pakar ini mengunakan aturan dan ciri-ciri yang umum saja yang
terdapat pada batu, untuk itu diharapkan nantinya sistem pakar ini dapat
dikembangkan lagi, sehingga dapat mempermudah dalam pencarian
informasi mengenai batuan.
3. Dibuat menjadi lebih dinamis, agar admin yang menggunakan dapat
menambah data secara mudah sesuai yang diinginkan.
4. Melibatkan banyak pengalaman, serta keahlian dari beberapa pakar saat
melakukan pengembangan basis pengetahuan.
19
20
DAFTAR PUSTAKA Efraim, Turban HM, Jay E. Aronson. 2005. Tiang Peng liang, “decision support Systems
dan Intelegent Systems”. Yogyakarta, Andi
Hidayatullah, A.Taufik. 2005. Kolaborasi Aplikasi Desain Grafis CorelDraw 12 & Photoshop CS, Yogyakarta, Indah
Hakim, Lukmanul. 2008. Membongkar Trik Rahasia Para Master PHP, Yogyakarta, Lokomedia
Kusrini. 2006. Sistem Pakar, Teori dan Aplikasi, Yogyakarta, Andi
Lumbantobing, Frenton. 2010. Laporan Resmi Praktikum Petrologi, Yogyakarta, Laboratorium Bahan Galian SIE. Petrologi, Fakultas Teknologi Mineral, Universitas Pembangunan Nasional “Veteran”
Sunyoto, Andi 2007. AJAX Membangun Web dengan Teknologi Asynchronouse JavaScript & XML, Yogyakarta, Andi
Simon & Schuster’s. 1978. Guide to Rocks and Minerals, New York , Lobert Anthoni,Inc (Dr.Ir.Heru Sigit.P,MT)
Utami, Ema & Sukrisno. 2005. Konsep Dasar Pengolahan dan Pemrograman Database dengen SQL Server, Ms. Access, dan Ms. Visual Basic, Yogyakarta, Andi
http://id.wikipedia.org/kiwi/pembelajaran/2011/04/18
http://forum.um.ac.id/index.php?topic=25790.0;wap, poojet 2/2011/02/13
http://www.scribd.com/doc/39094060/Batuan-Beku-Inter-Me-Diet-Yang-Baru#, Andy Aditya Fauzie 2011/6/22
BAB I http://ikhsangnr.wordpress.com/petrologi%20%C2%AB%20Ikhsangnr%27s%20Blog_files/petrologi%20%C2%AB%20Ikhsangnr%27s%20Blog.htm, Ikhsan. 2011/6/22