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.