1. Dosen : Prof. Dr. Sarjon Defit, M.Kom, M.Sc
Implementasi Inferensi Backward Chaining Untuk Mengetahui
Kerusakan Monitor Komputer
Oleh : Kelompok 2
Alwendi : 162321002
Benni : 162321026
Dasril Aldo : 162321006
Wanda Ilham : 162321020
Magister Komputer
Universitas Putra Indonesia “YPTK” Padang
Padang
2017
29A
2. Pendahuluan
Kebutuhan manusia akan rasa nyaman dan kesenangan menjadi salah satu faktor penyebab
game menjadi sangat digemari, baik oleh anak-anak maupun orang dewasa. Kegemaran yang
berlebihan dapat menimbulkan sifat kecanduan. Green dan Bavelier menyatakan bahwa
faktor otak merupakan faktor yang bertanggung jawab pada terjadinya adiksi yaitu senyawa
neurokimiawi di celah sinaptik yang disebut dopamin. Dopamin sendiri adalah stimulan
neurotransmitter yang dihasilkan di batang otak. Kecanduan akan sesuatu yang tidak baik
dapat berdampak negatif. Menurut Latubessy dan Ahsin, tingkat keseringan bermain game
sangat berpengaruh pada keaktifan anak dalam proses pembelajaran. Pengaruh tersebut
bersifat negatif sehingga semakin sering seorang anak bermain game maka keaktifannya
dalam belajar akan menurun. Terdapat enam jenis perilaku kecanduan game antara lain
Salience, Euphoria, Conflict, Tolerance, Withdrawal, Relapse and Reinstatement. Seseorang
dikatakan kecanduan game apabila memenuhi minimal tiga dari enam jenis perilaku yang
diungkapkan oleh Brown.
3. Pendahuluan
Penelitian ini menggunakan enam jenis perilaku kecanduan game dalam proses
identifikasi. Penelitian ini memilih untuk menggunakan model backward chaining.
Model ini dipilih karena hipotesis keluaran dan data yang diperoleh pada kasus
identifikasi tingkat kecanduan game ini tidak terlalu banyak. Penelitian ini
menggunakan dua belas gejala yang mewakili enam jenis perilaku kecanduan game.
Analisis model backward chaining dilakukan terhadap sepuluh sampel data anak
yang bertujuan untuk menghasilkan modelyang sesuai untuk deteksi tingkat
kecanduan game pada anak. Model identifikasi ini memberikan referensi baru dalam
bahan ajar sistem pakar dengan kasus yang berbeda.
4. Kecerdasan Buatan
Kecerdasan Buatan (Artificial Intelligence atau AI), didefinisikan sebagai
kecerdasan yang ditunjukkan oleh suatu entitas buatan. Sistem seperti ini
umumnya dianggap komputer. Kecerdasan diciptakan dan dimasukkan ke
dalam suatu mesin (komputer) agar dapat melakukan pekerjaan seperti yang
dapat dilakukan manusia. AI juga didefenisikan sebagai salah satu bagian
dari ilmu komputer yang memperlajari bagaimana membuat mesin komputer
dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia
bahkan bisa lebih baik daripada yang dilakukan manusia. Menurut John
McCarthy dalam Dahria (2008), Artificial Intelegent (AI) adalah untuk
mengetahui dan memodelkan proses-proses berpikir manusia dan
mendesain mesin agar dapat menirukan perilaku manusia. Cerdas, berarti
memiliki pengetahuan dan pengalaman, Penalaran, bagaimana membuat
keputusan dan mengambil tindakan moral yang baik.
5. “Expert System”
Expert System menurut beberapa ahli :
1. Turban (2001)
Sistem Pakar “ sistem yang manggunakan pengetahuan manusia yang dimasukkan ke
dalam komputer dan digunakan untuk menyelesaikan masalah yang membutuhkan
keahlian manusia”
2. Jackson (1999)
Sistem Pakar “ program komputer yang merepresentasikan pengetahuan beberapa pakar
untuk memecahkan masalah”
3. Luger dan Stubblefield (1993)
Sistem Pakar “ program yang berbasis pengetahuan yang menyediakan solusi ‘kualitas
pakar’ pada masalah dalam bidang yang spesifik”
Jadi Expert System :
“ Sistem yang berusaha mengadopsi pengetahuan manusia ke komputer,
agar komputer dapat menyelesaikan masalah seperti yang biasa
dilakukan para ahli (pakar)”
Note :
Sistem Pakar tidak untuk menggantikan kedudukan seorang pakar tetapi
untuk memasyarakatkan pengetahuan dan pengalaman pakar tersebut
6. Contoh “Expert System”
SISTEM PAKAR KEGUNAAN
MYCIN
Edward Feigenbaum
(Universitas Stanford)
Diagnosa Penyakit
DENDRAL Mengidentifikasi struktur molecular
campuran yang tidak dikenal
XCON & XSEL
DEC dan CMU
Membantu konfigurasi system
computer besar
SOPHIE Analisis sirkuit elektronik
PROSPECTOR
Sheffield Research
Institute
Digunakan di dalam geologi untuk
membantu mencari dan menemukan
deposit
FOLIO Membantu memberikan keputusan bagi
seorang manajer dalam hal stok broker
dan Investasi
DELTA Pemeliharaan lokomotif listrik diesel
7. Keuntungan “Expert System”
1. Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli
2. Bisa melakukan proses secara berulang secara otomatis
3. Menyimpan pengetahuan dan keahlian para pakar
4. Meningkatkan output dan produktivitas
5. Mampu mengambil dan melestarikan keahlian para pakar
6. Mampu beroperasi dalam lingkungan berbahaya
7. Memiliki kemampuan untuk mengakses pengetahuan
8. Memiliki kemampuan untuk bekerja dengan informasi yang tidak
lengkap dan mengandung ketidakpastian
9. Meningkatkan kapabilitas dalam penyelesaian masalah
10. Menghemat waktu dalam pengambilan keputusan
8. Kekurangan “Expert System”
1. Biaya yang diperlukan untuk membuat dan memeliharanya sangat
mahal
2. Sulit dikembangkan. Hal ini erat kaitannya dengan ketersediaan
pakar dalam bidangnya
3. Sistem pakar tidak 100% bernilai benar
9. Ciri-ciri “Expert System”
1. Terbatas pada domain keahlian tertentu
2. Dapat memberikan penalaran untuk data yang tidak lengkap dan
tidak pasti
3. Bekerja berdasarkan rule / aturan
4. Knowledge base dan inference engine terpisah
5. Mudah dimodifikasi
6. Output bersifat anjuran
7. Sistem dapat mengaktifkan aturan secara searah dan sesuai
10. Backward Chaining
Runut balik (backward chaining) merupakan
proses pencarian dimulai dari tujuan, yaitu
kesimpulan yang menjadi solusi permasalahan
yang dihadapi. Mesin inferensi mencari
kaidahkaidah dalam basis pengetahuan yang
kesimpulannya merupakan solusi yang ingin
dicapai, kemudian dari kaidah-kaidah yang
diperoleh, masing-masing kesimpulan dirunut
balik jalur yang mengarah ke kesimpulan tersebut.
11. Disain Rule (Aturan)
Perancangan rule pada sisitem ini menggunakan metode backward chaining, metode
ini memulai inferensi goal (tujuan). Fakta tentang aturan kategori, jenis dan ciri
kerusakan komputer diperoleh dari database dan pengguna sistem memilih
komponen komputer yang bermaslah dengan memasukkan jenis dan ciri kerusakan
pada interface (antarmuka) pengguna. Runut balik memulai proses pencarian
dengan suatu tujuan sehingga strategi ini disebut juga goal-driven.
13. Tabel 2. Daftar jenis perilaku kecanduan game
Jenis diagnosa ada dua yaitu,
a. Kecanduan Game = KG
b. Tidak Kecanduan Game =TKG
14. Tabel 3. Model aturan backward chaining identifikasi kecanduan game
15. CONTOH DATA SAMPEL
Sampel pertama berusia sembilan tahun,
Fakta : JPGK2, G09, G10 Bernilai Benar
Goal : Tentukan apakah TKG bernilai benar atau salah
Iterasi I
20. KESIMPULAN
Runut balik (backward chaining) merupakan proses pencarian dimulai
dari tujuan
Terdapat enam jenis perilaku kecanduan game antara lain Salience, Euphoria,
Conflict, Tolerance, Withdrawal, Relapse and Reinstatement. Seseorang dikatakan
kecanduan game apabila memenuhi minimal tiga dari enam jenis perilaku yang
diungkapkan oleh Brown.
Dengan menggunakan metode backward chaining untuk identifikasi kecanduan
game pada anak dapat digunakan sebagai model dalam pengembangan aplikasi
sistem pakar identifikasi kecanduan game.