Pembuatan Aplikasi Diagnosa Kerusakan Mesin Sepeda Motor Matic dengan Case-Based Reasoning

Abstract

Sepeda motor matic sebagai terobosan baru kendaraan roda dua dengan transmisi otomatis memberikan implikasi kepada sistem perawatannya. Jumlah mekanik yang terbatas dan minimnya pengetahuan pengguna menyebabkan berbagai kesulitan dalam perawatannya khususnya dalam mengatasi kerusakan mesin. Pembuatan aplikasi sistem cerdas melalui metode case-based reasoning dapat memberikan kemudahan melakukan diagnosis awal secara mandiri. Case-based reasoning memiliki kemampuan dapat memberikan hasil diagnosis yang lebih akurat berdasarkan kejadian terdahulu dan dapat direvisi kembali dalam memecahkan permasalahan terbaru. Metode perancangan aplikasinya menggunakan reuse-based yang meliputi enam tahap yaitu spesifikasi persyaratan, analisis komponen, modifikasi persyaratan, integrasi design sistem dengan reuse, pengembangan dan integrasi, serta validasi sistem. Tujuan penelitian untuk melakukan diagnosa kerusakan mesin sepeda motor matic dan memberikan solusi awal mengenai kondisi kerusakan dan pencegahannya melalui media situs web. Hasil pengujian memperlihatkan aplikasi ini memiliki kemampuan mendiagnosa kerusakan dan memberikan solusi penyelesaian masalah dari pengguna dengan rata-rata nilai similaritas antara 0,62 dan 0,7 dengan nilai keakuratan solusi dari pakar sebesar 80% dan 90%. Automatic motorcycles as a new breakthrough of two-wheeled vehicle with an automatic transmission have implications for the system maintenance. A limited number of mechanics and lack of users’ knowledge cause many difficulties in treatment, especially in dealing with the engine damage. The Design of the intelligent system through case-based reasoning method can provide easiness of initial diagnosis independently. Case-based reasoning has the ability to provide more accurate diagnosis results based on the previous events and may be revised to solve the latest problems. The design of application uses a reuse-based method that includes six stages: requirements specification, component analysis, modification of the terms, integration with reuse system design, development and integration, and system validation. The purpose of the research is for diagnosing automatic motorcycle engine damage and provide an initial solution on its condition and prevention through the medium of the website. The test results demonstrate that this application has the ability to diagnose the damage and provide problem solving solutions to the users with an average of similarity value between 0,62 and 0,7 with an accuracy value of expert solutions for 80% and 90%.

Sistem Pakar Diagnosa Penyakit Lambung Menggunakan Metode Case Based Reasoning Berbasis Web

“…Penelitian yang sebelumnya pernah dilakukan sehubungan dengan sistem pakar menggunakan Metode Case Based Reasoning (CBR) antara lain adalah : 1. Dalam Penelitiannya, Kosasi (2015)…”

Expert system for diagnosing diphtheria with k-nearest neighbor method

“…The third study analyzed the limited number of mechanics and user knowledge which resulted in various difficulties and treatments in dealing with damage to the machine. Creating an artificial intelligence system with a case-based reasoning concept can facilitate the initial diagnosis of a case, but this study does not mention the amount of training data used in the study and accuracy is not stated [4].…”

Sistem Pakar Diagnosa Kerusakan Motor 4 Tak Honda Vario Dengan Algoritma C4.5

“…Penelitian sistem diagnosa kerusakan motor telah banyak diusulkan, di antaranya [2], [3], [4], [5], [6], [7] dan [8]. Sedangkan penelitian yang terkait dengan system pendeteksi selain kendaraan roda dua pernah diusulkan oleh Ariwibowo dan Khomsah [9] terkait dengan deteksi kerusakan barang elektronik, dan Kurniawan and Merlina [10] telah mengusulkan sistem pendeteksi kerusakan pada mobil Ayla.…”

“…Metode Forward Chaining dimanfaatkan pada penelitian [2], [4], [5], [7], [8], [9] Hasil pengujian aplikasi diagnosa kerusakan motor pada [3] memperlihatkan aplikasi yang diusulkan memiliki kemampuan mendiagnosa kerusakan dan memberikan solusi penyelesaian masalah dari pengguna dengan rata-rata nilai similaritas antara 0,62 dan 0,7 dengan nilai keakuratan solusi dari pakar sebesar 80% dan 90%.…”