Implementasi Algoritma A* dalam Sistem Pendeteksi
Kerusakan Hardware Komputer
Drs. Eka Fitrajaya Rahman, M.T
Program Ilmu Komputer
Universitas Pendidikan Indonesia
Jl. Dr. Setiabudi 229 Bandung
efitrajaya@yahoo.com
Eddy Prasetyo Nugroho, M.T
Program Ilmu Komputer
Universitas Pendidikan Indonesia
Jl. Dr. Setiabudi 229 Bandung
eddypn@upi.edu
Abstrak
Permasalahan sehari-hari yang sering dialami oleh
kebanyakan orang mengenai komputer adalah seringnya
hardware komputer mengalami kerusakan. Tidak banyak ahli
yang bisa langsung ditemui untuk memperbaiki kerusakan
tersebut. Untuk itu munculah sistem pakar. Suatu sistem yang
mampu menggantikan peran pakar sementara untuk
menangani suatu masalah. Pembangunan sistem pakar ini
terdiri atas dua komponen utama, yaitu knowledge base dan
inference engine. Pada knowledge base disimpan
pengetahuan-pengetahuan dalam penyelesaian masalah.
Terdapat dua bentuk pendekatan knowledge base, yaitu rulebased dan case-based. Untuk pembangunan sistem pakar ini
digunakan rule-based, yang berarti pengetahuan disimpan
dalam bentuk aturan. Pada inference engine terdapat
beberapa algoritma pencarian yang dapat digunakan untuk
menghasilkan output, salah satu diantaranya adalah
algoritma A*. Diawali dengan mendefinisikan initial state
(gejala kerusakan) dan goal state, selanjutnya sistem akan
mendiagnosa gejala kerusakan untuk kemudian memberikan
penyebab beserta solusinya, jika solusi tersebut terdapat
dalam sistem. Adapun hasil dari algoritma A* dalam sistem
pendeteksi kerusakan hardware komputer ini memiliki tingkat
keberhasilan sebesar 82% dan tingkat ketidaksesuaian dalam
menemukan penyebab dengan nilai evaluai terkecil adalah
sebesar 18%. Dengan algoritma A* dalam sistem pendeteksi
kerusakan hardware komputer ini sistem di harapkan mampu
menghasilkan solusi yang optimal.
Kania Zakiah
Program Ilmu Komputer
Universitas Pendidikan Indonesia
Jl. Dr. Setiabudi 229 Bandung
kaniaslash@yahoo.com
Masalah ini menjadi alasan tersendiri bagi penulis untuk dapat
membuat sebuah perangkat lunak yang mampu mendeteksi
kerusakan pada hardware komputer dan juga mampu untuk
menggantikan para ahli, Perangkat lunak tersebut seringkali
disebut sebagai sistem pakar. Sistem pakar ini termasuk salah
satu bagian dari kecerdasan buatan.
Dalam Kecerdasan Buatan (Artificial Intelligence), terdapat
konsep yang diterapkan pada komputer, yaitu Basis
Pengetahuan (Knowledge Base) dan Mesin Inferensi
(Inference Engine). Dalam Knowledge Base, disimpan faktafakta, teori, pemikiran dan hubungan antara satu dengan
lainnya[8]. Inference engine atau mesin inferensi adalah
program komputer yang memberikan metodologi untuk
penalaran tentang informasi yang ada dalam basis
pengetahuan dan dalam workplace untuk memformulasikan
kesimpulan[2].
2. Basis Pengetahuan (Knowledge Base)
Basis pengetahuan berisi pengetahuan-pengetahuan dalam
penyelesaianaian masalah dalam domain tertentu[8]. Basis
pengetahuan ini menyimpan pengetahuan dari masalah
tertentu untuk diselesaikan. Bagian ini memuat fakta yang
menjelaskan area masalah dan juga teknik menerangkan
masalah yang menjelaskan bagaimana berbagai fakta tersebut
cocok satu dengan yang lainnya. Basis pengetahuan dapat
ditambah atau diganti sesuai dengan bidang yang diinginkan
pemakai[2].
Kategori dan Deskripsi Subjek
Ketentuan Umum
Kata Kunci
2.1 Representasi Pengetahuan
Dalam basis pengetahuan ini disimpan aturan-aturan suatu
domain pengetahuan tertentu. Pada domain masalah kerusakan
hardware komputer ini, penulis telah menentukan aturanaturan (rule) yang digunakan dalam sistem pendeteksi
kerusakan hardware komputer. Dari daftar gejala dan
penyebab tersebut, didapat aturan-aturan sebagai berikut:
Sistem pakar, algoritma A*, pencarian heuristic.
1. Pendahuluan
Berkembangnya penggunaan komputer hari ini dirasa sangat
pesat dan sangat bermanfaat untuk kelangsungan kehidupan
manusia. Banyak pekerjaan manusia yang dapat diselesaikan
oleh komputer, sehingga komputer menjadi bagian yang tidak
dapat dipisahkan dari kehidupan sehari-hari.
Tabel 1. Aturan Domain Masalah Kerusakan Hardware
Komputer
Rule
Perkembangan yang terjadi pada komputer bukan tanpa sebab.
Dengan semakin banyaknya pengguna komputer, maka
perkembangan hardware komputer dituntut untuk terus
berevolusi. Namun seiring pesatnya penggunaan komputer dan
berkembangnya hardware komputer tentu tidak terlepas dari
masalah yang tidak terduga yang harus dihadapi oleh
penggunanya.
Kerusakan hardware komputer merupakan masalah yang
muncul akibat dari penggunaan komputer tersebut. Sementara
itu, terbatasnya ahli yang mampu menangani masalah ini
sangat terbatas. Diperlukan suatu perkembangan teknologi
yang mampu mengatasi masalah seperti ini.
1
If
Then
1.
A1
B3
2.
A1 OR A21 OR A45
B1
3.
A7
B2
4.
A2 OR A17
B4
5.
A2
B5
6.
A3
B53
7.
A3
B7
8.
A19 AND A20 OR A21 OR A45 OR A46
B9
9.
A5 AND A8 OR A46 OR A45
B10
10.
A6 OR A7 OR A14
B11
60.
A46
B65
11.
A12 AND A13
B18
61.
A46
B66
12.
A8 OR A9 OR A11
B16
62.
A47 OR A49
B67
13.
A10
B44
63.
A47
B68
14.
A11
B13
64.
A48
B69
15.
A11
B14
65.
A48
B70
16.
A11
B15
66.
A48
B71
17.
A11
B17
67.
A49
B72
18.
A15
B19
68.
A49
B73
19.
A16
B20
69.
A50
B74
20.
A16
B45
70.
A51
B58
21.
A17
B21
22.
A17
B22
23.
A18
B23
24.
A18
B24
25.
A21
B26
26.
A22 OR A47
B27
27.
A23 OR A24
B28
28.
A24
B29
29.
A25 OR A26
B30
30.
A26
B31
31.
A26 OR A42
B32
32.
A26 OR A42
B33
33.
A27 AND A29 OR A44
B37
34.
A28
B35
35.
A30
B36
36.
A31 OR 32
B43
37.
A36
B46
38.
A32
B40
39.
A33 OR A31
B38
40.
A33
B41
41.
A34
B47
42.
A34
B48
43.
A34
B39
44.
A35 OR A46
B8
45.
A35 OR A46
B12
46.
A37
B49
47.
A37
B50
48.
A37
B51
49.
A37
B52
50.
A38
B53
51.
A38
B54
52.
A39
B55
53.
A41
B57
54.
A43
B59
55.
A46
B60
56.
A46
B61
57.
A46
B62
58.
A46
B63
59.
A46
B64
3. Inference Engine
Inference engine adalah kemampuan untuk menarik
kesimpulan berdasarkan pengalaman[2]. Terdapat dua teknik
inferensi yang umum digunakan, yaitu forward chaining dan
backward chaining. Forward chaining adalah penalaran yang
dimulai dari fakta-fakta yang ada untuk kemudian
mendapatkan kesimpulan. Sedangkan penalaran backward
chaining adalah penalaran yang dengan sekumpulan hipotesa
menuju berbagai fakta yang mendukung hipotesa tersebut.
Pada inference engine ini juga digunakan teknik pencarian,
yaitu dengan
mengimplementasikan algoritma
A*.
Penggunaan algoritma ini adalah untuk mencari penyebab dari
kerusakan hardware komputer dengan nilai evalusi paling
kecil diantara kemungkinan-kemungkinan penyebab lainnya.
4. Algoritma A*(A-Star)
Algoritma A* merupakan algoritma perbaikan dari metode
best-first search dengan memodifikasi fungsi heuristiknya. A*
akan meminimumkan total biaya lintasan. Cara kerja
algoritma A* adalah dengan memperhitungkan cost dari
current state ke tujuan dan juga mempertimbangkan cost yang
telah ditempuh selama ini dari initial state ke current state.
Jadi bila jalan yang sudah ditempuh sudah terlalu panjang dan
ada jalan lain yang lebih kecil cost-nya namun memberikan
posisi yang sama dilihat dari goal, jalan baru yang lebih
pendek itulah yang akan dipilih.
Algoritma A* ini menggunakan dua senarai: OPEN dan
CLOSED. Terdapat tiga kondisi bagi setiap suksesor yang
dibangkitkan, yaitu: sudah berada di OPEN, sudah berada di
CLOSED dan tidak berada di OPEN maupun CLOSED. Pada
ketiga kondisi tersebut diberikan penanganan yang berbedabeda.
Jika suksesor sudah pernah berada di OPEN, maka dilakukan
pengecekan apakah perlu pengubahan parent atau tidak
tergantung pada nilai g-nya memalui parent lama atau parent
baru. Jika melalui parent baru memberikan g yang lebih kecil,
maka dilakukan pengubahan parent. Jika pengubahan parent
dilakukan, maka lakukan pula perbaruan (update) nilai g dan f
pada suksesor tersebut. Dengan perbaruan ini, suksesor
tersebut memiliki kesempatan yang lebih besar untuk terpilih
sebagai simpul terbaik (best node).
Jika suksesor sudah pernah berada di CLOSED, maka
dilakukan pengecekan apakah perlu pengubahan parent atau
tidak. Jika ya, maka dilakukan perbaruan nilai g dan f pada
suksesor tersebut serta pada semua “anak cucunya” yang
sudah pernah berada di OPEN. Dengan perbaruan ini, maka
semua anak cucunya tersebut memiliki kesempatan lebih besar
untuk terpilih sebagai simpul terbaik.
2
Data
gejala
yang
dirandom
Jika suksesor tidak berada di OPEN maupun di CLOSED,
maka suksesor tersebut dimasukkan ke dalam OPEN.
Tambahkan suksesor tersebut sebagai suksesornya best node.
Hitung biaya suksesor tersebut dengan rumus f = g(n) + h(n).
A6
A7
A8
A35
A37
A38
A39
A45
A46
Tanyakan gejalagejala tersebut,
jika jawabannya
“ya” maka g=1,
else g=2
Evaluasi nilai f
tiap gejala
Ambil gejala
dengan nilai f
terkecil
Set
shortrute
Penyebab,
solusi,
penejelasan,
grafik
kerusakan
Gambar 1. Skema Pencarian Penyebab beserta
Solusinya
Gambar diatas menjelaskan mengenai input-output sistem.
Adapun secara umum skema pencarian penyebab beserta
solusi terbagi menjadi 3 bagian, yaitu input, proses dan output:
Input: berupa gejala yang telah diacak menggunakan
LCG. Input dalam proses pencarian penyebab ini disebut
dengan initial state.
Proses: menggunakan algoritma A* untuk menemukan
penyebab dengan nilai evaluasi terkecil.
Output: berupa penyebab beserta solusi (goal state).
Setiap penyebab memiliki satu solusi, jadi apabila satu
gejala memiliki beberapa penyebab, maka satu gejala
tersebut memiliki beberapa solusi. Namun penyebab
dengan nilai evaluasi terkecil, yang artinya penyebab
tersebut merupakan penyebab “terbaik”, muncul
diurutan pertama pada hasil konsultasi.
Tabel 2 Bobot tiap Gejala pada Motherboard
Nama Gejala
Sering terjadi hang
Pembacaan data menjadi lambat
CMOS failure
Tidak bisa booting
Suara bip panjang berkali-kali
Suara bip bagus tapi tidak ada
tampilan
Tampilan di layar ada huruf yang
berkedip-kedip atau muncul garis
Layar blank
PC merestart sendiri
USB tidak berfungsi
Penunjuk waktu yang tidak sesuai
Komputer tidak hidup ketika tombol
power ditekan
Suara bip terus-menerus
Motherboard blank
Ambil gejala dr
database dengan
ketentuan hardware yg
sama dengan gejala
awal
Proses gejala
dengan Astar
4.1 Pembobotan Gejala
Pengaturan bobot-bobot pada setiap gejala
merupakan salah satu hal terpenting dalam sistem ini, karena
bobot ini memberikan pengaruh pada ketepatan pencarian
penyebab beserta solusinya. Pada pengaturan bobot gejala ini,
digunakan suatu pen-skala-an yang sesuai dengan jumlah tiap
gejala pada masing-masing hardware yang diteliti.
Pen-skala-an ini diurutkan berdasarkan tingkat
keparahan yang mungkin diakibatkan oleh gejala-gejala
tersebut. Untuk seterusnya bobot tiap gejala ini dinotasikan
dengan h. Sebagai contoh, motherboard memiliki 14 gejala
yang masuk dalam penelitian ini, keempat belas gejala ini
akan diurutkan berdasarkan tingkat keparahan yang dimiliki
oleh masing-masing gejala. Dengan asumsi semakin kecil
bobot suatu gejala, maka tingkat keparahannya semakin besar.
Bobot-bobot untuk setiap gejala kerusakan pada motherboard
diperlihatkan pada tabel berikut:
Id_gejala
A1
A2
A3
A4
A5
Gejala
awal
Bobot
10
8
12
2
5
Terdapat sebuah pohon keadaan seperti yang diperlihatkan
pada gambar berikut:
4
7
6
11
13
14
1
3
9
4.2 Langkah – langkah Algoritma A* dalam Pencarian
Solusi Kerusakan Hardware Komputer
Pada pembangunan sistem ini, notasi fungsi evalusi yang
digunakan sama. Namun penggunaannya dalam pencarian
penyebab dari gejala kerusakan hardware komputer, masingmasing notasi fungsi ini menjadi:
Merah = gejala
Hijau = penyebab Biru = Tidak ada
Solusi
Gambar 2. Pohon Pencarian Penyebab untuk Monitor
f = nilai evaluasi dari initial state ke goal state
g(n) = nilai satu simpul ke simpul lainnya (berupa
jawaban ya atau tidak)
h(n) = bobot tiap simpul
Dari gambar pohon pencarian diatas, terdapat suatu
masalah dengan initial state-nya A13 dan goal state-nya B18.
Karena initial state sudah diketahui dan pada tabel aturan
diatas terdapat suatu aturan yang diawali dengan A13, maka
aturan yang selanjutnya akan dipakai adalah aturan nomor 11,
yaitu:
IF A13
AND A12 THEN
B18
Pohon pencarian diatas memiliki nilai h dan nilai g.
Nilai h merupakan tingkat keparahan tiap gejala, sedangkan
3
nilai g merupakan nilai yang didapat dari jawaban pada
sistem. Kedua nilai ini akan digunakan untuk menghitung nilai
f, dengan mengasumsikan semua nilai h untuk penyebab (B)
adalah 0. Nilai h untuk setiap node yang ada pada pohon
pencarian tersebut adalah sebagai berikut:
Tabel 5. Penelusuran Pencarian Penyebab Kerusakan pada
Monitor
Simpul yang diekspansi
Antrian OPEN
{A13(0)}
A13
{A14(3), A12(2)}
A12
{A15(6), B18(2)}
B18
{A15(6), A14(3)}
Tabel 3. Nilai h(n) Setiap Gejala pada Kerusakan Monitor
A12
A13
A14
A15
B18
n
1
3
2
4
0
h(n)
5. Pembangunan Sistem Pendeteksi Kerusakan Hardware
Komputer
5.1 Desain Penelitian
Berikut merupakan desain penelitian dari sistem pendeteksi
kerusakan hardware komputer :
Nilai h(n) pada tabel diatas merupakan nilai tingkat
keparahan kerusakan tiap gejala. Sedangkan untuk nilai g(n),
penulis memberikan nilai 1 untuk setiap jawaban “Ya” dan 2
untuk setiap jawaban “Tidak”.
Tabel status tiap simpul dalam pencarian penyebab
kerusakan pada monitor:
Data Random
Data Penelitian
Metode
Pengembangan
Perangkat Lunak
Tabel 4. Status Tiap Simpul dalam Pencarian Penyebab
Kerusakan pada Monitor
Olah data dengan
algortima A*
Pembangunan
Sistem
Analisis
Simpul (n)
A13
A12
A14
A15
B18
g(n)
0
1
1
2
2
h(n)
3
1
2
4
0
f(n)
3
2
3
6
2
Pembangunan
Solusi dari
masalah pada
data penelitian
Langkah-langkah yang ditempuh dalam proses pencarian
penyebab adalah:
Langkah 1
Perhitungan nilai f-nya:
A12 : f = g(A13)+g(A13 ke A12)+h(A12) = 0+1+1 = 2
A14 : f = g(A13)+g(A13 ke A14)+h(A14) = 0+1+2 = 3
Inisialisasi langkah pertama ini adalah A13 sebagai node
awal dalam melakukan proses pencarian penyebab .
Pada langkah pertama ini, karena di OPEN hanya
terdapat satu simpul (yaitu A13), maka A13 terpilih
sebagai BestNode dan dipindahkan ke CLOSED.
Kemudian dibangkitkan semua suksesor A3, yaitu A12
dan A14. Karena kedua suksesor tidak ada di OPEN
maupun CLOSED, maka keduanya dimasukkan ke
OPEN. Langkah pertama ini menghasilkan OPEN =
[A12, A14] dan CLOSED = [A13]. Dari perhitungan
nilai f diatas dapat dilihat bahwa node yang memiliki
nilai f paling kecil adalah A12, maka suksesor A12
kemudian dibangkitkan.
-
Perancangan
Rule-rule
pencarian solusi
Pengoperasian/
Testing
Gambar 3. Desain Penelitian
5.2 Model Proses
Pembangunan aplikasi sistem pendeteksi kerusakan pada
hardware ini menggunakan model proses waterfall. Metode
waterfall sering juga disebut dengan model sekuensial linier.
Model ini mengusulkan pendekatan kepada masalah perangkat
lunak yang sistematik dan sekuensial yang mulai pada tingkat
dan kemajuan sistem pada seluruh analisis, desain, kode,
pengujian dan pemeliharaan.
Pemodelan
Sistem informasi
Langkah 2
Perhitungan nilai f-nya:
A14 : f = g(A13)+g(A13 ke A12)+g(A12 ke
A14)+h(A14) = 0+1+1+2=4
A15 : f = g(A13)+g(A13 ke A12)+g(A12 ke
A15)+h(A15) = 0+1+1+4=6
B18 : f = g(A13)+g(A13 ke A12)+g(A12 ke
B16)+h(B18) = 0+1+1+0 = 2
Langkah kedua, A12 dengan nilai terkecil (yaitu 2)
terpilih sebagai BestNode dan dipindahkan ke CLOSED.
Selanjutnya, semua suksesor A12 dibangkitkan, yaitu :
A14, A15 dan B18. Karena A15 dan B18 belum pernah
ada di OPEN maupun CLOSED, maka suksesor A15
dan B18 dimasukkan ke OPEN. Langkah kedua ini
menghasilkan OPEN = [A15, B18] dan CLOSED =
[A12, A13, A14]. Karena B18 merupakan BestNode dan
merupakan node tujuan, maka berakhirlah proses
pencarian penyebab untuk gejala A13. Jadi, untuk
mendapatkan penyebab dengan biaya lintasan terkecil,
rutenya adalah A13-A12-B18. Berikut merupakan alur
penelusuran yang dituangkan ke dalam sebuah tabel:
analisis
desain
- mendefinisikan data gejala
- mendefinisikan data penyebab
- mendefinisikan data solusi
- perancangan database
- perancangan interface sistem
coding
- pengimplementasian
rancangan database
- pengaplikasian rancangan
interface
- pengimplementasian algoritma
A*
testing
- pengujian fungsi-fungsi sistem
- perbaikan kesalahankesalahan pada sistem
Gambar 4. Model Proses Waterfall(Pressman, 1997)
Gambar di atas merupakan gambar yang
merepresentasikan tahapan yang ada pada metode waterfall.
Pada model proses ini melingkupi aktivitas-aktivitas sebagai
berikut (Pressman, 1997):
1.
Rekayasa dan pemodelan sistem informasi: tahap ini
merupakan tahap awal dimana sistem akan dibangun.
pada rekayasa dan pemodelan sistem, dirumuskan halhal yang akan diimplemetasikan ke dalam sistem, seperti
misalnya database, hardware dimana sistem akan
djalankan, dan lainnya. Untuk perumusan database,
dapat dilihat pada dokumen teknis perangkat lunak
(halaman 38). Untuk kebutuhan hardware dijelaskan
pada subbab 3.1.1.
2.
Analisis: pada tahap ini dilakukan penganalisisan
mengenai kebutuhan sistem yang akan dibuat. Baik itu
kebutuhan perangkat lunak maupun kebutuhan user.
Mengumpulkan sumber-sumber data yang mendukung
tercapainya hasil akhir penelitian, menyusun waktu yang
4
3.
4.
5.
6.
akan digunakan untuk penelitian dan menguraikan tools
yang digunakan dalam pengembangan sistem.
Desain: merancang representasi dari aplikasi tersebut.
Pada perancangan data, digunakan lima tabel utama dan
dua tabel temporary untuk menyimpan data sementara,
sedangkan DFD digunakan sebagai tool untuk
perekayasaan sistem.
Coding: tahap ini adalah tahap pembangunan sistem,
yaitu desain yang telah dibuat sebelumnya, baik itu
desain data dan desain interface, harus diterjemahkan ke
dalam bahasa mesin yang bisa dibaca. Pada
pembangunan
sistem
ini
digunakan
bahasa
pemrograman PHP.
Testing: tahap ini adalah tahap terakhir dari model
waterfall. Testing diperlukan untuk menguji fungsifungsi dari program agar dapat berjalan sesuai dengan
yang diharapkan. Tahap ini menguji tiap modul yang
terdapat dalam sistem untuk kemdian diperbaiki jika
terdapat suatu kesalahan.
Pemeliharaan: tahap pemeliharaan ini adalah tahap yang
dilakukan setelah sistem yang sudah dibangun
disampaikan kepada user. Ketika sistem digunakan oleh
user, tentu terdapat beberapa perubahan yang sesuai
dengan kebutuhan user, pada tahap inilah sistem diupgrade untuk mendapatkan sistem yang sesuai dengan
kebutuhan user, baik itu berupa penambahan fitur
maupun penambahan data.
Gambar 6. Proses Pencarian Solusi
3. Dari gambar diatas dapat dilihat terdapat tanda checklist
pada pertanyaan, yang artinya “ya”, sehingga nilai g-nya
adalah 1. Untuk pertanyaan lain yang tidak muncul dalam
sistem tapi masuk ke dalam gejala dari hardware yang
bermasalah, maka nilai g-nya adalah 2. Pada database tabel
tmp_if_clause akan terdapat beberapa gejala yang terkait
dengan gejala awal tadi.
Gambar 7. Tabel tmp_if_clause
Dari tabel tersebut akan terlihat nilai f terkecil, yaitu A12,
yang dipilih sebagai lintasan terpendek pada proses pencarian
solusi (B18). Tabel tmp_then_clause akan menunjukkan
shortrute dari intial state (A13) ke goal state (B18).
Gambar 8. Tabel tmp_then_clause
Gambar diatas menunjukkan tabel tmp_then clause yang
menyimpan semua lintasan terpendek yang diambil oleh
sistem untuk mendapatkan solusi dari permasalahan gejala
kerusakan yang telah terdefinisi sebelumnya.
6. Langkah-langkah Pencarian Solusi Pada Program
Pada langkah-langkah pencarian solusi dengan menggunakan
pohon diatas terlihat bahwa nilai yang diambil adalah nilai
yang terkecil. Begitu juga dengan langkah-langkah pencarian
solusi pada program. Untuk lebih jelas mengenai langkahlangkah tersebut, dapat dijelaskan pada uraian contoh kasus
berikut :
1. Contoh kasus dibawah ini sistem memberikan inputan
gejala awal, yaitu indicator on layar gelap (A13). Inputan
gejala awal tersebut didapatkan dari fungsi random yang
penulis integrasikan dalam sistem.
Setelah user meng-klik tombol jawab maka solusi, penjelasan
beserta grafik kerusakan hardware komputer yang bermasalah
akan muncul. Seperti terlihat pada gambar dibawah ini :
Gambar 5. Penentuan Gejala Awal Pada Sistem
2. Setelah gejala awal diberikan oleh sistem, user meng-klik
“ok” dan kemudian sistem akan memberikan pertanyaan untuk
dijawab.
Gambar 9. Hasil Diagnosa Kerusakan
Dari gambar diatas terlihat beberapa solusi yang muncul
untuk mengatasi permasalahan kerusakan komponen
hardware komputer. Solusi-solusi tersebut merupakan
solusi alternatif selain solusi utama yang muncul di
urutan pertama.
5
[9]Law, Averill M.(2007).Simulation Modeling and
Analysis.McGraw International.
[10]Nazaruddin,
Ramdani.(2005).Komputer
dan
Troubleshooting.Bandung: Informatika.
[11]Nugroho, Bunafit.(2008).Membuat Aplikasi Sistem Pakar
dengan PHP dan Editor Dreamweaver.Yogakarta: Gava
Media.
[12]Path_Finding_Tutorial.htm. ___________tanggal akses,
23
mei
2010.
Tersedia
http://wiki.gamegardens.com/Path_Finding_Tutorial#Decision
_making
[13]Pressman, RS.(2002). Rekayasa Perangkat Lunak
Pendekatan Praktisi.Yogyakarta: ANDI.
[14]Rasim.(2008). Modul kuliah Manajemen Proyek
Perangkat Lunak.Program Studi Ilmu Komputer.Universitas
Pendidikan Indonesia: Bandung.
[15]ST, Suyanto.(2007).Artificial Intelligence (Searching,
Reasoning, Planning and Learning).Bandung: Informatika.
[16]Wedjo, SS.(2007). Panduan Praktis Mengatasi Masalah
Hardware Komputer.Jakarta: Mediakita.
[17]Yani,
Ahmad.(2005).Panduan
Menjadi
Teknisi
Komputer.Jakarta: Kawan Pustaka.
7. Daftar Pustaka
[1]Aplikasi Pencari Rute Optimum Pada Peta Guna
Meningkatkan Efisiensi Waktu Tempuh Pengguna Jalan
dengan Metode A* Dan Best First Search. [online].
__________________ tanggal akses, 13 Mei 2009.
[2]Arhami,
Muhammad.(2005).Konsep
Dasar
Sistem
Pakar.Yogyakarta: ANDI.
[3]Betha Sidik, Ir.(2006).Pemrograman Web dengan
PHP.Bandung: Informatika.
[4]HM, Jogiyanto.(1989).Analisis dan Desain.Yogyakarta:
ANDI.
[5]Iwan
(2005).Pembangunan
Sistem
Pakar
untuk
Memecahkan Masalah Hardware Komputer.Skripsi pada
Jurusan Teknik Informatika Universitas Widyatama Bandung:
Tidak diterbitkan.
[6]Kristanto,
Andri.(2010).Kupas
Tuntas
PHP
&MySQL.Klaten: Cable Book.
[7]Kusrini .(2008).Aplikasi Sistem Pakar.Yogyakarta : ANDI.
[8]Kusumadewi, Sri.(2003).Artificial Intelligence (Teknik dan
Aplikasinya).Yogyakarta: Graha Ilmu
6