Pembuatan Animasi

Membuat Animasi 2 Dimensi

Pada kali ini kita akan membuat animasi dengan adobe flash. Sebelum itu pertama-tama kita harus membuat layer baru terlebih dahulu. Pada saat kita membuka adobe flash kita menemukan tipe file apa yang kita buat, tetapi pada kali ini kita akan membuat dengan Actionscript 3.0 maka klik Actionscript 3.0.

Jika sudah maka kita bisa memnyesuaikan ukuran layer pada panel properties dengan cara klik salah satu ukuran dan edit ukuran sesuai yang kita mau.

Jika kita telah menentukan ukuran layer, saatnya kita memilih background pada latar kita. Sebelum itu nama layer yang masih default, kita ganti namanya dengan background supaya kita tahu dan bisa membedakan dengan layer lainnya, caranya dengan klik dua kali nama layer lalu kita ubah namanya.

Untuk memasukan background caranya, dengan klik file, import, import to library, lalu masukan lokasi gambar yang ingin kita masukan, maka gambar tersebut akan masuk panel library yang dapat kita lihat di sebelah kanan. hasilnya akan seperti ini.

Gambar yang sudah ada pada layer bisa kita geser dari library ke atas layer. Untuk menyesuaikan ukuran gambar  dengan layer, kita bisa menggunakan free transform tool. Pada kali ini saya menyesuaikan gambar lebih bersar dari layer untuk meberikan efek seakan-akan background bergerak. Untuk melakukannya pertama kita klik gambar yang sudah kita atur ukurannya, lalu klik modify covert to symbol. Maka gambar tersebut akan mejadi sebuah simbol.

Setelah itu klik frame yang menurut kita akan menjadi frame terakhir dalam animasi, lalu klik kanan, insert keyframe, maka akan jadi seperti ini.

Setelah frame tersebut sudah terbuat, maka kita geser gambar untuk posisi akhir pada frame terakhir di panel timeline. Setelah itu klik frame tersebut sampai terseleksi semua dari awal sampai akhir, klik kanan, lalu create classic tween, maka akan jadi seperti ini.

Jika sudah selesai kita coba dengan klik control, test movie, jika berhasil maka background akan bergerak sesuai posisi yang diatur pada frame awal dan akhir.

Selanjutnya kita memasukan objek dan menggerakannya. Pada tahap ini akan dijelaskan bagaimana membuat object manusia bergerak. Gambar manusia yang saya gunakan adalah gambar yang didownload dari hasil pembuatan menggunakan adobe illustrator, Pertama kita harus membuat objek utama sebagai symbol dengan cara ,klik gambar secara keseluruhan, lalu klik modify, convert to symbol, lalu akan jadi seperti ini 

Kita akan membuat symbol yang lebih mendetail dari gambar tersebut, maka kita klik gambar tersebut sampai terbagi menjadi objek yang lebih detail, gambar tersebut jika kita klik, akan muncul beberapa komponen seperti ini.

Terlihat bahwa gambar terdiri dari beberapa drawing object yang membentuk grup, untuk itu saya akan membaginya menjadi beberapa symbol lagi agar tidak terlalu detail. Contohnya kita ingin membuat bagian yang akan kita namakan kaki kiri, maka kita akan menyeleksi sepatu dan bagian kaki saja.

Setelah itu kita akan membuat kaki kiri sebagai symbol baru, dengan cara, klik modify, convert to symbol. Lalu klik ok.

Maka, kita telah berhasil membuat library yang kita namakan kaki kiri dan akan muncul pada panel library seperti dibawah ini.

Jika sudah selesai kita akan membuat hal yang sama dengan menseleksi anggota tubuh yang lainnya, dan akan menjadi seperti gambar yang pertama.

Jika sudah maka, symbol-symbol tersebut dapat kita jadikan layer dengan cara, seleksi semua simbol yang ada, klik modify, timeline, distribute to layers. Maka akan tampak seperti ini.

Setelah menjadi beberapa layer kita akan mulai menentukan gerakan dari masing-masing simbol. Bisa dilihat, setiap symbol memiliki titik rotasi yang berwarna putih seperti ini.

Dengan tools free transform kita, bebas meletakan titik rotasi itu dimanapun sesuai keinginan kita. Maka kita letakan titik rotasi kebagian atas lengan. Setelah sudah diletakan disana maka kita bisa merotasi simbol dengan tools free transform, caranya jauhkan kursor sedikit lebuh jauh dari sisi batas hitam simbol, maka kursor akan menampilkan simbol berbentuk rotasi, sehingga kita bisa merotasi objek dengan titik pusat pada titik rotasi tersebut.

Lakukan ini pada frame yang diinginkan, dan jangan lupa, sebelum melakukan ini pada frame yang dipilih, perlu dibuatkan motion tween pada layer tersebut dengan cara, klik kanan lalu add motion tween. Setelah itu geser motion sampai frame yang kita inginkan.

Jika sudah selesai mengatur motion pada tiap bagian anggota tubuh sekarang kita mengatur arah pergerakan objek secara keseluruhan. Pertama kita klik frame terakhir untuk objek lalu klik kanan, insert keyframe. Setelah itu klik frame secara keseluruhan dan klik kanan add motion tween. Atur posisi awal dan akhir pada frame sebagai perubahan pergerakan seperti dibawah ini.

Cara menggabungkan video animasi pada movie maker

Di atas tadi adalah pembuatan animasi menggunakan adebe flash, jadi sekarang kita akan menggambungkan potongan potongan video animasi/scene animasi menggunakan movie maker yg mudah.

Pertama kalian buka movie maker, lalu pilih add video and photos kemudia pilih video yang ingin kamu gabungkan. Jika sudah di pilih tunggu beberapa saat karena video yang kamu pilih sedang di upload ke dalam movie maker. Jika sudah di upload maka akan seperti gambar di bawah ini :

Jika sudah memilih beberapa video sekaligus maka secara otomatis akan langsung terhubung/menyatu, untuk membuktikannya tekan tombol play di bawah gambar video dan disana akan terliat juga berapa lama durasi dari beberapa video kalian. Ingat karena akan secara otomatis terhubung kalian harus berhati hati memilih video mana yang akan jadi bagian depan, tengah dan belakang.

Selanjutnya kita akan menambahkan title dan post credit dalam video yang kita pilih.

Pada panel home banyak tool yang bisa kita pakai tetapi jika ingin menambahkan title dan post credit maka pilih title dan credit. Jika sudah di pilih tinggal masukkan kata kata sesuai yg kita inginkan seperti gambar a dan b di bawah ini :

A. Title

B. Post credit

Selanjutnya adalah jika kalian ingin menambahkan music atau backsound di panel home juga ada toolsnya. Langsung saja klik add music dan pilih music atau backsound apa yg akan kalian pilih, seperti gambar dia bawah ini :

Jika sudah di tambahkan aka nada bar warna hijau seperti gambar di atas, jika anda ingin memotong lagu atau backsoundnya maka tinggal klik tools Split yang berada pada bar option (music tools)

Berikut hasilnya :

Analisis Akses Jaringan

Halo Semua,

Kali ini saya akan membahas tentang Analisis Akses Jaringan komputer yang berhubungan dengan salah satu web salah satu universitas.

Tujuan analisis ini untuk mengetahui seberapa cepat koneksi yang kita miliki untuk bisa mencapai ke website yang akan kita tuju.

Pertama-tama yang akan kita lakukan adalah mengetahui kecepatan internet kita yaitu dengan mengeceknya lewat Speedtest.net. berikut adalah kecepatan koneksi wifi saya :

dari gambar di atas kecepatan internet saya 14.50 Mbps dan pingnya 25 ms yang berarti cukup besar dalam batasan normal suatu koneksi.

. 

lalu selanjutkan adalah pengecekan ip host suatu website adalah untuk mengetahui website/domain kampus saya, maka saya akan mengecek domain salah satu website gunadarma yaitu baak.gunadarma.ac.id dengan menggunakan cmd atau commad prompt.

dari sini kita bisa mengetahui ip address dari website baak.gunadarma.ac.id adalah 202.125.94.67.

kemudian kita akan mengecek traffic dari website baak.gunadarma.ac.id lewat similarweb.com 

bisa dilihat pada traffic yang kita cek di website bahwa baak.gunadarma.ac.id mencapai hampir 900 ribu pengunjung dan 95% dari pengunjung websitenya adalah dari Indonesia sementara di tingkat selanjutnya ada Singapura diikuti dengan United State. 

setelah kita melihat traffic yang ada pada baak.gunadarma.ac.id, barulah kita akan mengecek seberapa stabilkah internet yang saya miliki menuju website itu menggunakan Command Prompt :

setelah kita melakukan pengecekan ping pada website itu, maka kita bisa melihat latency yang kita kirim berbeda dengan apa yang kita lihat pada speedtest tadi, kestabilan internet dapat berbeda-beda, tadi kita lihat pada speedtest yang saya coba mendapat 25 ms dan pada website gundarama kita mendapati 46 ms yang berarti kestabilannya cukup baik dan stabil.

Aplikasi Pada Sistem Pakar

APLIKASI SISTEM PAKAR

 Berikut ini adalah beberapa contoh aplikasi sistem pakar dalam berbagai bidang :

Aplikasi Sistem Pakar Dalam Bidang Ekonomi

Sistem pakar sangat berguna di bidang ekonomi, terutama dalam hal pengambilan keputusan untuk memulai suatu investasi usaha. Apalagi pada saat sekarang orang awam banyak kurang memahami pasar modal sehingga mereka cenderung menggunakan intuisi daripada analisa dalam berinvestasi. Kondisi ini mengakibatkan mereka harus menghadapi resiko yang tinggi dalam berinvestasi.

Untuk meminimumkan resiko tersebut diperlukan suatu alat seperti sistem pakar yang mampu menganalisa sesuai dengan keadaan yang terjadi di pasar modal, sehingga investor menjadi lebih yakin dalam berinvestasi.

Kasus yang terjadi pernah diimplementasikan ke bursa efek Surabaya. Umumnya, dalam berinvestasi, kita akan berada pada 2 masa depan yaitu investasi kita akan sukses dan menghasilkan uang banyak atau kita akan gagal dan kehilangan investasi kita. Untuk memperkecil kegagalan dalam berinvestasi perlu diadakan suatu analisa sebelum menanamkan modal.

Pengembangan sistem ini dilakukan dengan tujuan untuk membantu menganalisa dalam proses pengambilan keputusan di bursa efek. Oleh karena itu aplikasi system pakar yang dibuat untuk menganalisa bursa efek Surabaya yaitu Portofolio Management System (PMS) diharapkan dapat melakukan :

• Mampu mengambil keputusan.
• Langkah-langkah pengambilan keputusan jelas.
• Mudah dikembangkan lebih lanjut.

Sebagaimana ciri-ciri umum sistem pakar, maka di PMS terdapat knowledge base sebagai landasan pijak dalam pengambilan keputusan. Knowledge base ini mengandung dua elemen dasar, yaitu fakta dan aturan. Karena kondisi bursa sebagai tempat studi kasus selalu berkembang berfluktuasi, maka perancangan PMS ini harus memperhatikan keluwesan sistem terhadap perubahan baik kondisi bursa maupun lingkungan yang mempengaruhi bursa. Sistem harus dapat mengikuti kejadian yang berkembang di bursa saham dengan melakukan update untuk memantau perubahan nilai (value) efek atau atribut.

Situasi bursa yang penuh dengan berfluktuasinya harga saham, penghasilan deviden, perubahan kondisi perusahaan ataupun perubahan kebijaksanaan pemerintah. Informasi-informasi tersebut disimpan di database dalam bentuk data mentah. Data-data ini kemudian diolah dalam data processing dengan algoritma-algoritma metode analitik, yaitu analisa regresi, analisa sekuritas, analisa portofolio dan pembobotan faktor.

Aplikasi Sistem Pakar Dalam Bidang Manajerial

1. Analisis

• Interpretasi.
• Analisa pasar untuk komoditi tertentu.
• Identifikasi media iklan yang sesuai.
• Identifikasi kebutuhan pelatihan.
• Diagnostik.
• Diagnosa kelesuan perusahaan dan usaha penyembuhan.

2. Sintesa

• Penarikan tenaga kerja.
• Strategi penentuan harga.
• Strategi pengembangan produk.

3. Integrasi

• Prediksi perkembangan nilai pada bursa saham efek.

Aplikasi Sistem Pakar Dalam Bidang Farmakologi Dan Terapi

Implementasi sistem pakar dalam bidang farmakologi dan terapi sebagai pendukung pengambilan keputusan berbasis web dibuat dengan dasar pemikiran sebagai berikut : farmakologi dan terapi merupakan suatu sistem yang besar dan komplek. Tugas farmakologi dan terapi adalah mencari dasar penggunaan obat secara rasional untuk tindakan medis yang tepat, cepat dan akurat pada saat diperlukan. Dasar penggunaan obat tersebut disesuaikan dengan diagnosis penyakit yang dilakukan secara cermat berdasarkan keluhan-keluhan yang dirasakan oleh pasien. Kenyataannya dengan menggunakan buku panduan terdapat beberapa kelemahan diantaranya :

• Prosedur yang tertulis sangat baku sehingga memasung inovasi dan improvisasi operator.
• Perlu dilakukan revisi secara berkala menyesuaikan kondisi yang ada.
• Kurang komunikatif bagi para operator yang belum berpengalaman.

Kelemahan seperti ini menyebabkan tidak jarang para operator melaksanakan tugasnya hanya didasarkan pada pengetahuannya masing-masing,

Secara garis besar sistem pakar dalam bidang farmakologi dan terapi dibuat dengan tuntutan untuk melakukan tugas sebagai berikut :

• Mengambil datadata hasil pemeriksaan kondisi pasien.
• Memasukan dan membandingkan data-data tersebut ke dalam kaidahkaidah yang telah dituliskan dalam basis pengetahuan.
• Mendeskripsikan kondisi pasien berdasarkan kesimpulan yang didapat.
• Deskripsi kondisi pasien sebagai output sistem pakar dalam bidang farmakologi dan terapi memuat kondisi umum pasien, diagnosis penyakit dan terapi-terapi yang dapat dilakukan, baik dengan obat, herbal maupun suplemen.

 Aplikasi Sistem Pakar Dalam Bidang Psikologis

Salah satu implementasi yang diterapkan sistem pakar dalam bidang psikologi, yaitu untuk sistem pakar menentukan jenis gangguan perkembangan pada anak. Anak-anak merupakan fase yang paling rentan dan sangat perlu diperhatikan satu demi satu tahapan perkembangannya. Contoh satu bentuk gangguan perkembangan adalah conduct disorder. Conduct disorder adalah satu kelainan perilaku dimana anak sulit membedakan benar salah atau baik dan buruk, sehingga anak merasa tidak bersalah walaupun sudah berbuat kesalahan. Dampaknya akan sangat buruk bagi perkembangan sosial anak tersebut.

Contoh lain implementasinya adalah tes kepribadian. Aplikasi tes kepribadian berbasiskan sistem pakar ini, lebih mudah dan lebih cepat dalam proses pengukuran kepribadian dibandingkan metode terdahulu, sehingga memberikan banyak keuntungan dari segi penghematan waktu, tenaga, dan memudahkan kinerja user (pemakai) dalam mengukur kepribadiannya masing-masing. Selain itu aplikasi tes kepribadian ini dikemas dengan tampilan yang cukup menarik.

Bagi masyarakat yang ingin mengetahui ukuran kepribadiannya, mereka dapat menggunakan  aplikasi ini sebagai referensi, dan bagi para mahasiswa khususnya mahasiswa psikologi, aplikasi ini dapat dijadikan tambahan untuk mendukung studi mereka terutama untuk sub bidang pengukuran kepribadian.

Namun demikian, aplikasi tes kepribadian berbasiskan sistem pakar ini tidak bisa menggantikan seorang ahli karena dia pakar di bidangnya. Aplikasi sistem pakar ini hanyalah alat bantu yang sangat bergantung pada data-data yang di-input oleh seorang programmer sehingga aplikasi sistem pakar ini haruslah selalu dikembangkan.

Aplikasi Sistem Pakar Dalam Bidang Pertahanan Dan Keamanan

Implementasi sistem pakar di bidang pertahanan militer. Bentuk implementasi system pakar di bidang ini antara lain pada radar. Fungsi radar secara umum ialah mendeteksi keberadaan benda di lingkungan dimana radar berada. Jarak jangkauan radar bermacam-macam.

Semakin berkembangnya teknologi kemampuan radar semakin canggih. Radar saat ini dapat mendeteksi keberadaan awak yang tidak dikenal, dan menampilkan informasi yang mendukung tentang benda yang ditangkap pada radar. Bentuk lain aplikasi sistem pakar dalam pertahanan adalah pada pesawat tempur. Pesawat tempur memiliki kemampuan yang sangat canggih. Pada persenjataanya dapat mengunci sasaran, rudal secara otomatis akan mengenai sasaran yang telah ditunjuk. Pada sistem keamanan setiap perusahaan juga menerapkan sistem pakar pada kasus otorisasi menggunakan sidik jari, pemindai retina, bahkan suara.

Sistem memiliki data pada database, setiap input yang dimasukkan akan dicocokkan pada database apakah user memiliki hak untuk menggunakan sesuatu yang dilindungi oleh alat ini. Alat ini biasanya menggunakan sensor yang canggih. Tetapi kendala yang dihadapi kasus ini adalah kemiripan cirri yang dimiliki seseorang sehingga mungkin saja orang yang memiliki kemiripan akan dapat menggunakan fasilitas yang dilindungi. Kemiripan inilah yang menjadikan kendala pada perkembangan di bidang ini.

Keuntungan penggunaan sistem pakar pada bidang ini adalah:

1. Mempertahanan sebuah instansi atau bahkan Negara.
2. Membantu dalam sistem keamanan yang terbatas dapat dilakukan oleh manusia.
3. Mengurangi penyalahgunaan alat yang penting.

Kerugian penggunaan sistem pakar pada bidang ini:

1. Penyalahgunaan dari kelemahan sistem ini akan berakibat fatal.
2.  Tingkat keamanan harus sangat diutamakan.
3. Rawan penjebolan.

Aplikasi Sistem Pakar Dalam Bidang Pertanian

Sistem pakar pemupukan PKDSS merupakan suatu aplikasi komputer yang dapat membantu atau menggantikan pakar dalam memecahkan masalah kesuburan tanah, terutama dalam menentukan takaran pupuk. Dengan PKDSS, perhitungan pupuk yang selama ini dilakukan oleh ahlinya dapat dilakukan oleh semua orang. Pengguna hanya tinggal mengikuti petunjuk dan menekan tombol-tombol perintah, dan PKDSS pun dengan cepat akan memrosesnya. Sistem pakar ini mirip dengan kalkulator , dimana petani bisa dengan cepat menentukan perbandingan dari bahan pupuk sehingga pupuk menjadi bagus dan hasil tani meningkat.

Aplikasi Sistem Pakar Dalam Bidang Robotika

Pada bidang robotika penerapan sistem pakar sangat jelas. Sebagaimana yang kita ketahui selama ini, robot merupaka suatu benda yang dapat bekerja secara otomatis. Baik bekerja berdasarkan program yang sudah diinputkan atau menerima input dalam bentuk sensor (gerak, cahaya, suhu, dan lain-lain).

Salah satu contoh yang sangat familiar di telinga kita adalah telah diciptakannya robot asimo oleh perusahaan otomotif berlabel Honda. Robot yang diciptakan perusahaan ini suatu bentuk implementasi dari sistem pakar. Salah satu tujuan pembangunan proyek ini adalah membangun robot yang pada masa mendatang dapat membantu manusia dalam mengerjakan tugas sehari-hari.

Asimo dirancang dengan sangat canggih menyerupai tingkah laku manusia. Asimo yang terakhir diciptakan dapat membantu tugas manusia dalam beberapa bentuk. Asimo dapat membuatkan minuman. Asimo juga dapat mengisi baterai sendiri, asimo akan men-charge dirinya jika baterai mulai lemah. Asimo yang lain akan meneruskan tugasnya secara bergantian.

Asimo terbaru juga sudah deprogram untuk proses sopan santun. Pada saat berpapasan dengan manusia pada jalan yang sempit, asimo akan mempersilakan manusia berjalan terlebih dahulu. Teknologi canggih lagi dari asimo adalah asimo dapat berjalan pada bidang yang miring dan menyeimbangkan dirinya.Sehingga pada saat membawa suatu barang pada bidang miring asimo dapat menjaga keseimbangannya agar tidak jatuh.

Karya anak bangsa adalah robot penjinak bom yang digunakan oleh gegana. Tetapi robot ini bekerja berdasarkan input dari remote control. Bentuk lain adalah mesin-mesin pada pabrik. Pada barang elektronik seperti mesin cuci, pendingin ruangan, lemari es dan sebagainya. Pada elektronik rata-rata menggunaka fuzzy logic dalam mekanisme kerjanya.

Pada contoh-contoh impementasi di sekitar kita. Kita dapat menyimpulkan bahwa terdapat beberapa keutungan dan kerugian sistem pakar pada bidang ini.

 Keuntungannya antara lain :

1. Tugas manusia semakin ringan.
2. Tugas yang mengancam nyawa dapat diminimalisir dengan memanfaatkan robot.
3. Efisiensi waktu.
4. Membantu rumah tangga.
5. Kemajuan teknologi akan membuat generasi muda untuk berusaha menciptakan robot yang lebih pintar lagi.

 Kerugiannya antara lain:

1. Manusia akan semakin malas, dengan era yang serba otomatis.
2. Pengurangan SDM jika pabrik-pabrik menggunakan mesin serba otomatis.
3. Jika tidak dapat mengambil positif dari teknologi robot ini maka akan membuat kehidupan yang ketergantungan.

Aplikasi Sistem Pakar Dalam Bidang Kedokteran

Bidang kedokteran sangat erat hubungannya dengan kesehatan. Penerapan sistem pakar pada bidang ini akan sangat membantu dalam kelangsungan hidup sesorang. Beberapa alat kedokteran saat ini sudah memanfaatkan sistem pakar.

Ada yang sebagai penentu keputusan dan ada juga yang bekerja untuk menyembuhkan suatu penyakit mulai yang sederhana hingga yang kronis. Contoh alat kedokteran yang menerapkan sistem pakar di dalamnya antara lain USG (ultrasonografi). Alat ini bekerja berdasarkan pantulan gelombang suara ultrasonik. Banyak digunakan untuk mendeteksi janin dalam kandungan. Alat ini bekerja dengan menerima input berupa suara yang lalu diolah menjadi sebuah informasi berupa visual.

Alat lain yang menerapkannya adalah pengukur kadar lemak dalam darah. Alat ini berfungsi untuk mengetahui kadar lemak dalam darah seseorang. Terlebih dahulu diberi input yang mendukung perhitungan. Perhitungan alat ini telah dirumuskan dengan rule base yang telah terprogram. Setelah input dimasukkan maka alat ini secara otomatis mengolah datanya dan hasilnya berupa keputusan.

Alat terapi kanker yang menghasilkan keputusan berupa bentuk terapi yang otomatis dilakukan oleh alat ini. Sangat membantu memang bila tidak terjadi kesalahan. Tetapi karena kesalahan dalam pengambilan keputusan maka menimbulkan korban jiwa. Hal ini yang tidak diinginkan dari penerapan sistem pakar pada dunia kesehatan.

Seharusnya alat-alat yang dilengkapi sistem pakar pada bidang ini hanya bersifat membantu menghasilkan keputusan bukan secara otomatis melakukan tindakan. Bagaimana pun keputusan final tetap berada pada tangan ahlinya. Dan sistem pakar tercanggih adalah manusia. Sistem pakar yang diterapkan semata-mata hanya sebagai pendukung keputusan. Bila mana dimungkinkan untuk kerja otomatis, itu juga hanya mengerjakan input yang merupakan keputusan dari ahli di bidangnya (dokter/spesialis).

Dari berbagai contoh sistem pakar di bidang kedokteran tampak beberapa keuntungan dan kerugian dalam penerapannya. Keuntungan dan kerugian inilah yang sebaiknya dicermati dalam pembuatan dan penggunaannya di bidang kedokteran ini.

 Keuntungan yang dapat diambil antara lain:

1. Membantu dalam menghasilkan keputusan berupa analisa suatu penyakit.
2. Membantu tugas yang tidak dapat dilakukan secara manual oleh manusia.
3. Memudahkan untuk penyembuhan.

 Kerugian yang dapat terjadi antara lain:

1. Error yang terjadi saat pengambilan keputusan.
2. Rule base yang harus sesuai dengan kondisi setiap pasien.
3. Efek samping dari tindakan yang dilakukan oleh alat.

Main Area Pada Sistem Pakar

Main Area Pada Sistem Pakar

Sistem Pakar merupakan bagian dari Sistem Informasi yang berisikan ilmu pengetahuan dari para pakar yang digunakan untuk Berkonsultasi, Sistem pakar dirancang untuk dapat menyelesaikan suatu permasalahan tertentu dengan meniru kinerja dari para ahli. Dengan mengguanakan sistem pakar ini maka orang awam pun dapat dengan mudah menyelesaikan masalah yang sebenarnya hanya dapat diselesaikan dengan bantuan langsung dari para ahli.

Struktur komponen utama pada sistem pakar menurut Hu et al (1987) meliputi:

1. Basis Pengetahuan (Knowledge Base)

Basis pengetahuan merupakan inti dari suatu sistem pakar, yaitu berupa representasi pengetahuan dari pakar. Basis pengetahuan tersusun atas fakta dan kaidah. Fakta adalah informasi tentang objek, peristiwa, atau situasi. Kaidah adalah cara untuk membangkitkan suatu fakta baru dari fakta yang sudah diketahui.

2. Mesin Inferensi (Inference Engine)

Mesin inferensi berperan sebagai otak dari sistem pakar. Mesin inferensi berfungsi untuk memandu proses penalaran terhadap suatu kondisi, berdasarkan pada basis pengetahuan yang tersedia. Di dalam mesin inferensi terjadi proses untuk memanipulasi dan mengarahkan kaidah, model, dan fakta yang disimpan dalam basis pengetahuan dalam rangka mencapai solusi atau kesimpulan. Dalam prosesnya, mesin inferensi menggunakan strategi penalaran dan strategi pengendalian. Strategi penalaran terdiri dari strategi penalaran pasti (Exact Reasoning) dan strategi penalaran tak pasti (Inexact Reasoning). Exact reasoning akan dilakukan jika semua data yang dibutuhkan untuk menarik suatu kesimpulan tersedia, sedangkan inexact reasoning dilakukan pada keadaan sebaliknya.Strategi pengendalian berfungsi sebagai panduan arah dalam melakukan prose penalaran. Terdapat tiga tehnik pengendalian yang sering digunakan, yaitu forward chaining, backward chaining, dan gabungan dari kedua teknik pengendalian tersebut.

3. Basis Data (Data Base)

Basis data terdiri atas semua fakta yang diperlukan, dimana fakta fakta tersebut digunakan untuk memenuhi kondisi dari kaidah-kaidah dalam sistem. Basis data menyimpan semua fakta, baik fakta awal pada saat sistem mulai beroperasi, maupun fakta-fakta yang diperoleh pada saat proses penarikan kesimpulan sedang dilaksanakan. Basis data digunakan untuk menyimpan data hasil observasi dan data lain yang dibutuhkan selama pemrosesan.

4. Antarmuka Pemakai (User Interface)

Fasilitas ini digunakan sebagai perantara komunikasi antara pemakai.dengan komputer.

Aplikasi yang Menggunakan Metode Pohon Keputusan

Aplikasi yang Menggunakan Metode Pohon Keputusan 

ALGORITMA C4.5 

Salah satu algoritma induksi pohon keputusan yaitu ID3 (Iterative Dichotomiser 3). ID3 dikembangkan oleh J. Ross Quinlan. Dalam prosedur algoritma ID3, input berupa sampel training, label training dan atribut. Algoritma C4.5 merupakan pengembangan dari ID3. Sedangkan pada perangkat lunak open source WEKA mempunyai versi sendiri C4.5 yang dikenal sebagai J48.

Algoritma C4.5
Pohon dibangun dengan cara membagi data secara rekursif hingga tiap bagian terdiri dari data yang berasal dari kelas yang sama. Bentuk pemecahan (split) yang digunakan untuk membagi data tergantung dari jenis atribut yang digunakan dalam split. Algoritma C4.5 dapat menangani data numerik (kontinyu) dan diskret. Split untuk atribut numerik yaitu mengurutkan contoh berdasarkan atribut kontiyu A, kemudian membentuk minimum permulaan (threshold) M dari contoh-contoh yang ada dari kelas mayoritas pada setiap partisi yang bersebelahan, lalu menggabungkan partisi-partisi yang bersebelahan tersebut dengan kelas mayoritas yang sama. Split untuk atribut diskret A mempunyai bentuk value (A) ε X dimana X ⊂ domain(A).

Jika suatu set data mempunyai beberapa pengamatan dengan missing value yaitu record dengan beberapa nilai variabel tidak ada, Jika jumlah pengamatan terbatas maka atribut dengan missing value dapat diganti dengan nilai rata-rata dari variabel yang bersangkutan.[Santosa,2007]. Untuk melakukan pemisahan obyek (split) dilakukan tes terhadap atribut dengan mengukur tingkat ketidakmurnian pada sebuah simpul (node). Pada algoritma C.45 menggunakan rasio perolehan (gain ratio). Sebelum menghitung rasio perolehan, perlu menghitung dulu nilai informasi dalam satuan bits dari suatu kumpulan objek. Cara menghitungnya dilakukan dengan menggunakan konsep entropi.

S adalah ruang (data) sampel yang digunakan untuk pelatihan, p+ adalah jumlah yang bersolusi positif atau mendukung pada data sampel untuk kriteria tertentu dan p- adalah jumlah yang bersolusi negatif atau tidak mendukung pada data sampel untuk kriteria tertentu. ntropi(S) sama dengan 0, jika semua contoh pada S berada dalam kelas yang sama. Entropi(S) sama dengan 1, jika jumlah contoh positif dan negative dalam S adalah sama. Entropi(S) lebih dari 0 tetapi kurang dari 1, jika jumlah contoh positif dan negative dalam S tidak sama [Mitchell,1997].Entropi split yang membagi S dengan n record menjadi himpunan-himpunan S1 dengan n1 baris dan S2 dengan n2 baris adalah :

Kemudian menghitung perolehan informasi dari output data atau variabel dependent y yang dikelompokkan berdasarkan atribut A, dinotasikan dengan gain (y,A). Perolehan informasi, gain (y,A), dari atribut A relative terhadap output data y adalah:

nilai (A) adalah semua nilai yang mungkin dari atribut A, dan yc adalah subset dari y dimana A mempunyai nilai c. Term pertama dalam persamaan diatas adalah entropy total y dan term kedua adalah entropy sesudah dilakukan pemisahan data berdasarkan atribut A.
Untuk menghitung rasio perolehan perlu diketahui suatu term baru yang disebut pemisahan informasi (SplitInfo). Pemisahan informasi dihitung dengan cara :

bahwa S1 sampai Sc adalah c subset yang dihasilkan dari pemecahan S dengan menggunakan atribut A yang mempunyai sebanyak c nilai. Selanjutnya rasio perolehan (gain ratio) dihitung dengan cara :

Contoh Aplikasi: 

Credit Risk
Berikut ini merupakan contoh dari salah satu kasus resiko kredit (credit risk) yang menggunakan decision tree untuk menentukan apakah seorang potential customer dengan karakteristik saving, asset dan income tertentu memiliki good credit risk atau bad credit risk.

Dapat dilihat pada gambar tersebut, bahwa target variable dari decision tree tersebut atau variable yang akan diprediksi adalah credit risk dengan menggunakan predictor variable : saving, asset, dan income. Setiap nilai atribut dari predictor variable akan memiliki cabang menuju predictor variable selanjutnya, dan seterusnya hingga tidak dapat dipecah dan menuju pada target variable.

Penentuan apakah diteruskan menuju predictor variable (decision node) atau menuju target variable (leaf node) tergantung pada keyakinan (knowledge) apakah potential customer dengan nilai atribut variable keputusan tertentu memiliki keakuratan nilai target variable 100% atau tidak. Misalnya pada kasus di atas untuk saving medium, ternyata knowledge yang dimiliki bahwa untuk seluruh potential customer dengan saving medium memiliki credit risk yang baik dengan keakuratan 100%. Sedangkan untuk nilai low asset terdapat kemungkinan good credit risk dan bad credit risk.

Jika tidak terdapat pemisahan lagi yang mungkin dilakukan, maka algoritma decision tree akan berhenti membentuk decision node yang baru. Seharusnya setiap branches diakhiri dengan “pure” leaf node, yaitu leaf node dengan target variable yang bersifat unary untuk setiap records pada node tersebut, di mana untuk setiap nilai predictor variable yang sama akan memiliki nilai target variable yang sama. Tetapi, terdapat kemungkinan decision node memiliki “diverse” atributes, yaitu bersifat non‐unary untuk nilai target variablenya, di mana untuk setiap record dengan nilai predictor variable yang sama ternyata memiliki nilai target variable yang berbeda. Kondisi tersebut menyebabkan tidak dapat dilakukan pencabangan lagi berdasarkan nilai predictor variable. Sehingga solusinya adalah membentuk leaf node yang disebut “diverse” leaf node, dengan menyatakan level kepercayaan dari diverse leaf node tersebut. Misalnya untuk contoh data berikut ini :

Dari training data tersebut kemudian disusunlah alternatif untuk candidate split, sehingga setiap nilai untuk predictor variable di atas hanya membentuk 2 cabang, kemudian untuk setiap candidate split di atas, dihitung variabel‐variabel berikut berdasarkan training data yang dimiliki. Adapun variabel‐variabel tersebut.

Adapun contoh hasil perhitungannya adalah sebagai berikut :

Dapat dilihat dari contoh perhitungan di atas, bahwa yang memiliki nilai goodness of split * Φ(s/t) + yang terbesar, yaitu split 4 dengan nilai 0.64275. Oleh karena itu split 4 lah yang akan digunakan pada root node, yaitu split dengan : assets = low dengan assets = {medium, high}.


Untuk penentuan pencabangan, dapat dilihat bahwa dengan assets=low maka didapatkan pure node leaf, yaitu bad risk (untuk record 2 dan 7). Sedangkan untuk assets = {medium, high} masih terdapat 2 nilai, yaitu good credit risk dan bad credit risk. Sehingga pencabangan untuk assets = {medium, high} memiliki decision node baru. Adapun pemilihan split yang akan digunakan, yaitu dengan menyusun perhitungan nilai Φ(s/t) yang baru tanpa melihat split 4, record 2 dan 7.

Demikian seterusnya hingga akhirnya dibentuk leaf node dan membentuk decision tree yang utuh (fully grown form) seperti di bawah ini :

Sistem Pakar Diagnosa Penyakit (Kusrini)
Dalam aplikasi ini terdapat tabel-tabel sebagai berikut:
• Tabel Rekam_Medis, berisi data asli rekam medis pasien
• Tabel Kasus, beisi data variabel yang dapat mempengaruhi kesimpulan diagnosis dari pasien-pasien yang ada, misalnya Jenis Kelamin, Umur, Daerah_Tinggal, Gejala_1 s/d gejala_n, Hasil_Tes_1 s/d Hasi_Tes_n. Selain itu dalam tabel ini juga memiliki field Hasil_Diagnosis.
• Tabel Aturan, berisi aturan hasil ekstrak dari pohon keputusan.
Proses akuisisi pengetahuan yang secara biasanya dalam sistem pakar dilakukan oleh sistem pakar, dalam sistem ini akan dillakukan dengan urutan proses ditunjukkan pada gambar berikut:

Hasil pembentukan pohon keputusan bisa seperti pohon keputusan yang tampak pada gambar:
Lambang bulat pada pohon keputusan melambangkan sebagai node akar atau cabang (bukan daun) sedangkan kotak melambangkan node daun. Jika pengetahuan yang terbentuk beruka kaidah produksi dengan format:
Jika Premis Maka Konklusi Node-node akar akan menjadi Premis dari aturan sedangkan node daun akan menjadi bagian konklusinya. Dari gambar pohon keputusan pada gambar 4, dapat dibentuk aturan sebagai berikut:
1. Jika Atr_1 = N_1
Dan Atr_2 = N_4
Dan Atr_3 = N_9
Maka H_1

2. Jika Atr_1 = N_1
Dan Atr_2 = N_4
Dan Atr_3 = N_10
Dan Atr_4 = N_11
Maka H_2

3. Jika Atr_1 = N_1
Dan Atr_2 = N_4
Dan Atr_3 = N_10
Dan Atr_4 = N_12
Maka H_2

4. Jika Atr_1 = N_1
Dan Atr_2 = N_5
Maka H_4

5. Jika Atr_1 = N_2
Maka H_5

6. Jika Atr_1 = N_3
Dan Atr_5 = N_6
Maka H_6

7. Jika Atr_1 = N_3
Dan Atr_5 = N_7
Maka H_7

8. Jika Atr_1 = N_3
Dan Atr_5 = N_8
Maka H_8

Model case based reasoning dapat digunakan sebagai metode akuisisi pengetahuan dalam aplikasi system pakar diagnosis penyakit. Aturan yagn dihasilkan system ini mampu digunakan untuk mendiagnosis penyakit didasarkan pada data-data pasien. Dalam penentuan diagnosis penyakit belum diimplementasikan derajat kepercayaan terhadap hasil diagnosis tersebut.