Analisis Perbandingan
Sistem Pakar :
- Pertanian/tanaman
- Kesehatan
- Teknologi Informasi dan
Komunikasi
SISTEM PAKAR PERTANIAN/TANAMAN
Cover skripsi
Judul
Sistem Pakar mendiagnosis hama dan penyakit pada tanaman kelapa sawit berbasis web
Nama Pengarang
fransiskus sidabutar
Metode Penelitian
Inferensi Forward Chaining
Sistem Pakar mendiagnosis hama dan penyakit pada tanaman kelapa sawit berbasis web
Nama Pengarang
fransiskus sidabutar
Metode Penelitian
Inferensi Forward Chaining
PEMBAHASAN
A. Permasalahan dan
Metode Penelitian
Sistem pakar ini untuk diagnosa penyakit tanaman kelapa sawit berbasis web ini
dibangun dengan menggunakan metode inferensi forward chaining dan teori
certainty factor (CF).
Sistem pakar ini bekerja berdasarkan gejala yang dipilih user kemudian
diproses oleh sistem sehingga menghasilkan output yaitu nama penyakit,
definisi, penyebab, presentase keyakinan diagnosis dan cara pengendalian
penyakit.
Sistem pakar ini berbasis web yang dibuat menggunakan bahasa pemrograman
PHP dan databse MySQL sehingga menjadi media yang informative dan solutif
mengenai penyakit pada tanaman kelapa sawit bagi masyarakat luas, khususnya masyarakat
perkebunan.
G. Swot Pada Sistem
Pakar/Aplikasi Ini
Strengths (kekuatan)
pada aplikasi ini adalah dapat menganalisa/mengidentifikasi suatu penyakit
tanaman kakao melalui sebuah aplikasi.
Weaknesses (kelemahan)
pada aplikasi ini adalah sistemnya terbatas hanya untuk penyakit yang umum
terjadi pada tanaman kelapa sawit, tidak bisa pada tanaman lain. Jika ditambah, maka
diperlukan pendataan ulang.
Opportunities
(peluang) pada apllikasi ini adalah dapat digunakan pada petani khusunya
tanaman kelapa sawit yang belum awam dengan komputer, dan penggunaan aplikasi ini yang
terbilang mudah. Sistemnya dapat dikembangkan dengan user interface yang lebih
interaktif dan komunikatif.
Threats (ancaman) pada
aplikasi ini adalah dapat tergantikan dengan aplikasi yang lebih mencangkup
banyak permasalahan dan gejala pada tanaman kelapa sawit.
ISTEM PAKAR KESEHATAN
Kover Skripsi
Kover Skripsi
Judul
Sistem Pakar Untuk Mendiagnosa Penyakit Pneumonia (Radang Parenkim Paru) Pada Balita Berbasis Web
Nama Pengarang
Andi Nelly
Metode Penelitian
Inferensi Forward Chaining
PEMBAHASAN
A. Permasalahan dan Metode Penelitian
Sistem pakar penyakit Pneumonia pada balita berbasis web ini menggunakan metode inferensi forward chaining (penalaran maju) dan teori certainty factor (kepatian). Dalam metode forward chaining ini, user akan memilih gejala sesuai dengan gejala yang akan dialami, kemudian sistem akan mengecek gejala-gejala yang dialami, kemudian sistem akan mengecek gejala-gejala yang dipilih user apakah rule di dalam database ada yang sesuai dengan gejala yang dipilih oleh user tersebut. Jika ada maka sistem akan melakukan perhitungan CF sesuai dengan rule yang terpilih. Setelah itu sistem akan memberikan output berupa nama penyakit, besarnya nilai certainty factor terkenanya penyakit tersebut dan saran.
B. B. Representasi gejalah penyakit
Kode Gejala
|
Deskripsi Gejala
|
Nilai CF
|
g01
|
Demam
|
0.92
|
g02
|
Batuk
|
0.72
|
g03
|
Nafas yang cepat
|
0.48
|
g04
|
Lesu/tidak enak badan
|
0.46
|
g05
|
Rasa mual/muntah
|
0.44
|
g06
|
Flu
|
0.42
|
g07
|
Nafas yang sulit
|
0.28
|
g08
|
Sakit perut
|
0.2
|
g09
|
Nyeri dada
|
0.1
|
g10
|
Suara nafas yang menurun
|
0.56
|
g11
|
Hyposia O₂ ≤ 95% (kekurangan oksigen kurnag lebih sama dengan 95%)
|
0.48
|
g12
|
Retraksi (tarikan ke dalam pada dinding dada yang terlihat jelas)
|
0.3
|
g13
|
Suara sesak
|
0.24
|
g14
|
Rhonchi (nada rendah dan sangat kasar terdengar baik saat inspirasi maupun saat ekspirasi)
|
0.2
|
g15
|
Wheozing (suara mengi/bunyinya seperti siulan biasanya pada asma)
|
0.2
|
g16
|
Dullnes to percussion (perkusi atau ketuk dinding dada pakai jari-jari suarnya redup)
|
0.12
|
g17
|
Biru Berur
|
0.15
|
C. Jenis Penyakit
Kode Penyakit
|
Deskripsi Penyakit
|
Nilai CF
|
P1
|
Pneumonia Berat
|
0.95
|
P2
|
Pneumonia sedang
|
0,65
|
P3
|
Bukan Pneumonia
|
0.45
|
D. Representasi Pengetahuan
Kode Gejala
|
Deskripsi Gejala
|
Jenis Penyakit
| ||
P1
|
P2
|
P3
| ||
g01
|
Demam
|
x
| ||
g02
|
Batuk
|
x
| ||
g03
|
Nafas yang cepat
|
x
| ||
g04
|
Lesu/tidak enak badan
|
x
| ||
g05
|
Rasa mual/muntah
|
x
| ||
g06
|
Flu
|
x
| ||
g07
|
Nafas yang sulit
|
x
| ||
g08
|
Sakit perut
|
x
| ||
g09
|
Nyeri dada
|
x
| ||
g10
|
Suara nafas yang menurun
|
x
| ||
g11
|
Hyposia O₂ ≤ 95% (kekurangan oksigen kurnag lebih sama dengan 95%)
|
x
|
x
| |
g12
|
Retraksi (tarikan ke dalam pada dinding dada yang terlihat jelas)
|
x
| ||
g13
|
Suara sesak
|
x
| ||
g14
|
Rhonchi (nada rendah dan sangat kasar terdengar baik saat inspirasi maupun saat ekspirasi)
|
x
| ||
g15
|
Wheozing (suara mengi/bunyinya seperti siulan biasanya pada asma)
|
x
| ||
g16
|
Dullnes to percussion (perkusi atau ketuk dinding dada pakai jari-jari suarnya redup)
|
x
|
x
| |
g17
|
Biru Berur
|
x
| ||
E. Decision Tree
F. Implementasi Sistem
. G. Swot Pada Sistem Pakar/Aplikasi Ini
- Strengths (kekuatan) pada aplikasi ini adalah dapat menganalisa/mengidentifikasi suatu penyakit Pneumonia pada balita berbasis web.
- Weaknesses (kelemahan) pada aplikasi ini adalah hanya sebatas penyakit Pneumonia pada balita, tidak bisa pada penyakit lain. Dan jika ingin ditambah, diperlukan pendataan ulang.
- Opportunities (peluang) pada aplikasi ini adalah dapat digunakan pada instansi kesehatan khususnya untuk anak, dan penggunaan aplikasi terbilang mudah. Sistem ini dapat dikembangkan menggunakan metode lainnya dan dapat dijadikan model untuk pengembangan sistem yang lebih baik.
- Threats (ancaman) pada aplikasi ini adalah dapat tegantikan dan tersaingi dengan aplikasi yang lebih mencangkup banyak penyakit dan gejala.
SISTEM PAKAR TEKNOLOGI INFORMASI dan KOMUNIKASI
Kover Skripsi
Sistem Pakar Identifikasi Kerusakan Mesin Kapal Pada Bagian-Bagian Dari Cylinder Head Berbasis Komputer
Nama Pengarang
Retno Rustiyani
Metode Penelitian
Representasi pengetahuan, yaitu : logika, jaringan semantic, Object-Atributte-Value (OAV), bingkai (frame), dan kaidah produksi.
PEMBAHASAN
A. Permasalahan dan Metode Penelitian
Dalam sistem pakar ini untuk didentifikasi kerusakan mesin kapal. Ada beberapa metode representasi pengetahuan, yaitu : logika, jaringan semantic, Object-Atributte-Value (OAV), bingkai (frame), dan kaidah produksi.
B. Representasi gejalah kerusakan mesin
Kode
|
Gejala
|
M001
|
Kebocoran udara start pada katup
|
M002
|
Katup udara penjalan macet pada posisi tertutup
|
M003
|
Tidak ada penyemprotan bahan bakar melalui nozzle
|
M004
|
Kebocoran bahan bakar pada katup npzzle
|
M005
|
Katup udara bilas macet dalam posisi tertutup
|
M006
|
Kebocoran Udara Kompresi
|
M007
|
Penyetelan katup isap/buang tidak tepat
|
M008
|
Penyetelan ketepatan pengabutan bahan bakar tidak tepat
|
M009
|
Suhu mesin terlalu tinggi
|
M010
|
Tekanan air pendingin turun karena kebocoran
|
M011
|
Nozzle tidak menyemprotkan bahan bakar karena tersumbat kotoran padat
|
M012
|
Terjadi ledakan pada Cylinder Head
|
M013
|
Saluran gas buang buntu
|
M014
|
Air pendingin masuk ke dalam ruang bahan bakar
|
M015
|
Viscositas minyak lumas terlalu tinggi
|
M016
|
Volume minyakkurnag/habis
|
M017
|
Saluran minyak ke rocker arm buntu
|
M018
|
Pelumasan ke bus katup buntu
|
M019
|
Spiling antara bus dengan rocker arm terlalu longgar
|
M020
|
Spiling antara bus dengan katup isap/buang terlalu longgar
|
M021
|
Penyemprotan bahan bakar tidak sempurna
|
M022
|
Penyetelan katup isap/buang tidak tepat
|
M023
|
Saluran pipa gas buang mulai buntu
|
M024
|
Lubang katup isap/nuang mulai buntu
|
M025
|
Saluran udara bilas bocor
|
M026
|
Saat penyemprotan bahan bakar
|
M027
|
Kebocoran gas dari dalam Cylinder
|
M028
|
Bunyi mesin tidak normal
|
M029
|
Minyak pelumas banyak terdapat pada pipa gas buang yang menempel
|
M030
|
Banyak kebocoran gas dari dalam Cylinder
|
M031
|
Pegas pengatur tekanan pada Injector patah
|
M032
|
Katup Nozzle macet
|
M033
|
Saat pembukaan dan penutupan katup tidak benar
|
M034
|
Kebocoran gas dari dalam Cylinder
|
C. Representasi Jenis Kerusakan Mesin
Kode
|
Kerusakan Mesin
|
K01
|
Mesin tidak dapat distart
|
K02
|
Mesin dapat distart, tetapi tiba-tiba mati
|
K03
|
Mesin dapat distart tetapi tekanan pelumas tidak naik
|
K04
|
Waktu mesin beroperasi tekanan minyak pelumas menurun
|
K05
|
Daya mesin berkurang
|
K06
|
Waktu mesin beroperasi mesin terjadi ketukan (knocking)
|
K07
|
Waktu beroperasi gas buang berwarna putih keabu-abuan
|
K08
|
Waktu beroperasi gas buang berwarna hitam
|
a D. Representasi Pengetahuan
Kode
|
Kerusakan Mesin
| |||||||
M001
|
K1
|
K2
|
K3
|
K4
|
K5
|
K6
|
K7
|
K8
|
M002
|
√
| |||||||
M003
|
√
| |||||||
M004
|
√
| |||||||
M005
|
√
| |||||||
M006
|
√
| |||||||
M007
|
√
| |||||||
M008
|
√
| |||||||
M009
|
√
| |||||||
M010
|
√
| |||||||
M011
|
√
| |||||||
M012
|
√
| |||||||
M013
|
√
| |||||||
M014
|
√
| |||||||
M015
|
√
| |||||||
M016
|
√
| |||||||
M017
|
√
| |||||||
M018
|
√
| |||||||
M019
|
√
| |||||||
M020
|
√
| |||||||
M021
|
√
| |||||||
M022
|
√
| |||||||
M023
|
√
| |||||||
M024
|
√
| |||||||
M025
|
√
| |||||||
M026
|
√
| |||||||
M027
|
√
| |||||||
M028
|
√
| |||||||
M029
|
√
| |||||||
M030
|
√
| |||||||
M031
|
√
| |||||||
M032
|
√
| |||||||
M033
|
√
| |||||||
M034
|
√
| |||||||
E. Decision Tree
F. Implementasi Sistem
. G. Swot Pada Sistem Pakar/Aplikasi Ini
- Strengths (kekuatan) pada aplikasi ini adalah dapat menganalisa/mengidentifikasi kerusakan mesin pada kapal.
- Weaknesses (kelemahan) pada aplikasi ini adalah sistemnya terbatas hanya untuk mengidentifikasi kerusakan mesin pada kapal. Jika ditambah, maka diperlukan pendataan ulang.
- Opportunities (peluang) pada apllikasi ini adalah dapat digunakan pada orang yang belum awam dengan komputer maupun kerusakan pada mesin kapal dan penggunaan aplikasi ini yang terbilang mudah.
- Threats (ancaman) pada aplikasi ini adalah dapat tergantikan dengan aplikasi yang lebih mencangkup banyak permasalahan dan gejala pada kerusakan mesin kapal.
Demikian hasil dari perbandingan yang saya buat dari tiga macam skripsi sistem pakar yang saya temukan. Bila ada salah penulisan dan penyusunan yang kurang tepat, kurang lebihnya mohon maaf.
