10 BAB II LANDASAN TEORI 2.1 Sistem Pakar Secara umum

BAB II
LANDASAN TEORI
2.1
Sistem Pakar
Secara umum, sistem pakar (expert system) adalah sistem yang berusaha
mengadopsi
pengetahuan
manusia
ke
komputer,
agar
komputer
dapat
menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli.
Ada beberapa definisi tentang sistem pakar, diantaranya :
a. Menurut Turban : Sistem pakar (expert system) adalah sebuah sistem yang
menggunakan pengetahuan manusia dimana pengetahuan tersebut dimasukkan
ke dalam sebuah komputer dan kemudian digunakan untuk menyelesaikan
masalah-masalah yang biasanya membutuhkan kepakaran atau keahlian
manusia.
b. Menurut Durkin : Sistem pakar adalah suatu program komputer yang dirancang
untuk memodelkan kemampuan penyelesaian masalah yang dilakukan seorang
pakar.
c. Menurut Ignizio : Sistem pakar adalah suatu model dan prosedur yang
berkaitan, dalam suatu domain tertentu, yang mana tingkat keahliannya dapat
dibandingkan dengan keahlian seorang pakar.
d. Menurut Giarratano dan Riley : Sistem pakar adalah suatu sistem komputer
yang bisa menyamai atau meniru kemampuan seorang pakar .
Sebuah sistem pakar harus memberikan suatu dialog dan setelah diberikan
suatu jawaban, sistem pakar dapat memberikan nasehat atau solusi. Tujuan utama
10
11
sistem pakar bukan untuk menggantikan kedudukan seorang ahli atau seorang
pakar, tetapi untuk memasyarakatkan pengetahuan dan pengalaman pakar. Bagi
para ahli atau pakar, sistem pakar ini juga dapat membantu aktivitasnya sebagai
asisten yang sangat berpengalaman. Sistem pakar memungkinkan seseorang dapat
meningkatkan
produktifitas,
memperbaiki
kualitas
keputusan
dan
bisa
memecahkan masalah yang rumit, tanpa bergantung sepenuhnya pada seorang
pakar.
Ada beberapa masalah yang menjadi area luas aplikasi sistem pakar, antara lain:
1. Interpretasi.
Pengambilan
keputusan
dari
hasil
observasi,
termasuk
diantaranya : pengawasan, pengenalan ucapan, analisis citra, interpretasi
sinyal dan beberapa analisis kecerdasan.
2. Prediksi. Termasuk diantaranya : peramalan, prediksi demografis, peramalan
ekonomi, prediksi lalu lintas, estimasi hasil, militer, pemasaran, atau
peramalan keuangan.
3. Diagnosis. Termasuk diantaranya : medis, hama, elektronis, mekanis dan
diagnosis perangkat lunak.
4. Perancangan. Termasuk diantaranya : layout sirkuit dan perancangan
bangunan.
5. Perencanaan. Termasuk diantaranya : perencanaan keuangan, komunikasi,
militer, pengembangan produk, routing dan manajemen proyek.
6. Monitoring. Misalnya : Computer-Aided Monitoring Systems.
7. Debugging, memberikan resep obat terhadap suatu kegagalan.
8. Perbaikan.
12
9. Instruksi. Melakukan instruksi untuk diagnosis, debugging dan perbaikan
kinerja.
10. Kontrol. Melakukan kontrol terhadap interpretasi-interpretasi, prediksi,
perbaikan dan monitoring kelakuan system
2.1.1 Sejarah Sistem Pakar
Sistem pakar dikembangkan oleh komunitas kecerdasan buatan pada
pertengahan tahun 1960. Pada periode ini penelitian kecerdasan buatan
didominasi pada kepercayaan terhadap beberapa pasang dari penalaran hukum
dengan
kemampuan
komputer
akan
menghasilkan
pakar
atau
bahkan
menampilkan tujuan umum seorang manusia (Turban, 1992).
Pada pertengahan tahun 1970, beberapa sistem pakar sudah mulai muncul.
Memahami pentingnya peranan pengetahuan pada sistem ini, para ilmuwan
kecerdasan buatan bekerja untuk mengembangkan teori-teori representasi
pengetahuan dan prosedur pengambilan keputusan secara umum dan kesimpulankesimpulan (Turban, 1992).
Pada awal tahun 1980–an, teknologi sistem pakar pertama dibatasi oleh
pandangan akademis dan mulai terlihat sebagai aplikasi yang komersial seperti
XCON, XSTL dan CATS-1. Sebagai tambahan untuk membangun sistem pakar,
usaha yang sangat mendasar adalah membangun alat untuk mempercepat
konstruksi dari sistem pakar seperti MYCIN dan AGE. Sejak akhir tahun 1980-an,
perkembangan software berkembang sejalan dengan perkembangan komputer
termasuk mikro komputer (Turban, 1992).
13
2.1.2 Konsep Dasar Sistem Pakar
Konsep dasar sistem pakar meliputi enam hal berikut ini (Turban, 2001) :
a. Kepakaran (Expertise)
Kepakaran merupakan suatu hal yang luas, untuk tugas khusus dimana
pengetahuan diperoleh dari pelatihan, membaca dan pengalaman (Turban,
2001). Kepakaran itu sendiri meliputi pengetahuan tentang :
1) Fakta-fakta tentang bidang permasalahan
2) Teori-teori tentang bidang permasalahan
3) Aturan-aturan dan prosedur-prosedur menurut bidang permasalahan
umumnya
4) Aturan-aturan (heuristic) tentang apa yang harus dikerjakan dalam suatu
situasi tertentu
5) Strategi global untuk memecahkan permasalahan semacam ini
6) Pengetahuan tentang pengetahuan (meta knowledge)
b. Pakar (Expert)
Dalam mendefinisikan apa yang dimaksud dengan seorang pakar
merupakan hal yang sulit karena harus diperhatikan juga tentang derajat atau
tingkat dari kepakaran (pertanyaannya adalah berapa banyak kepakaran yang
harus dimiliki oleh seseorang sebelum berhak dikatakan sebagai seorang pakar)
(Turban, 2001).
Kepakaran dari seorang manusia meliputi kegiatan-kegiatan berikut ini yaitu :
1) Mengenali dan memformulasikan permasalahan
2) Memecahkan permasalahan secara cepat dan tepat
14
3) Menerangkan pemecahannya
4) Belajar dari pengalaman
5) Merestrukturisasi pengetahuan
6) Memecahkan aturan-aturan
7) Menentukan relevansi
c. Pemindahan Kepakaran (Transferring Expertise)
Tujuan dari sebuah sistem pakar adalah untuk memindahkan kepakaran
dari seorang pakar ke dalam sebuah komputer dan kemudian kepada manusia
lainnya (bukan pakar) (Turban, 2001). Proses ini melibatkan empat kegiatan,
yaitu :
1) Akuisisi pengetahuan (dari pakar atau sumber lain)
2) Representasi pengetahuan (pada komputer)
3) Inferensi pengetahuan
4) Pemindahan pengetahuan ke user
d. Inferensi (Inferencing)
Inferensi merupakan bentuk yang unik dari sistem pakar karena
kemampuannya dalam melakukan penalaran (“berpikir”). Semua hal yang
diberikan oleh sistem pakar akan disimpan pada basis pengetahuan, kemudian
program yang ada dapat mengakses ke dalam database. Komputer diprogram
sehingga dapat mengambil kesimpulan. Inferensi ditampilkan pada suatu
komponen yang disebut mesin inferensi dimana mencakup prosedur-prosedur
mengenai pemecahan masalah (Turban, 2001).
15
e. Aturan-aturan (Rule)
Banyak peralatan (tool) sistem pakar yang komersial dan sistem yang
siap jadi (ready-made) adalah sistem yang berbasis rule (rule-based systems),
yaitu pengetahuan disimpan terutama dalam bentuk rule, sebagai prosedurprosedur pemecahan masalah (Turban, 2001).
Contoh rule pada sistem ini adalah sebagai berikut :
JIKA Nafas cepat DAN
Produksi telur menurun DAN
Kualitas telur jelek DAN
Mencret kehijau-hijauan
MAKA ayam terserang penyakit Egg Drop Syndrome
f. Kemampuan menjelaskan (Explanation Capability)
Bentuk unik lainnya dari sistem pakar adalah kemampuannya untuk
menjelaskan saran atau rekomendasi yang diberikannya. Penjelasan dan
pembenaran tersebut dilakukan dalam subsistem yang disebut subsistem
pembenaran (justifier) atau penjelasan (explanation). Bagian dari sistem ini
memungkinkan sistem untuk memeriksa penalaran yang dibuatnya sendiri dan
menjelaskan operasi-operasinya. Karakteristik dan kemampuan yang dimiliki
oleh sistem pakar membuatnya berbeda dari sistem konvensional (Turban,
2001).
16
2.1.3 Ciri-Ciri Sistem Pakar
Sebuah sistem pakar mempunyai ciri-ciri sebagai berikut :
a. Terbatas pada domain keahlian tertentu.
b. Dalam memberikan penalaran untuk data yang tidak pasti.
c. Dapat mengemukakan rangkaian alasan-alasan yang diberikan dengan
cara-cara yang dapat dipahami.
d. Berdasarkan kaidah atau aturan tertentu.
e. Dirancang untuk dikembangkan secara bertahap.
f. Pengetahuan dan mekanisme inferensi jelas terpisah
g. Keluaran bersifat anjuran.
h. Sistem dapat mengaktifkan aturan secara searah yang sesuai, dituntun
oleh dialog dengan pemakai.
Jenis - jenis pengetahuan yang dimiliki dalam kepakaran adalah sebagai
berikut.
1. Teori-teori dari permasalahan.
2. Aturan dan prosedur yang mengacu pada area permasalahan.
3. Aturan (heuristic) yang harus dikerjakan pada situasi yang terjadi.
4. Strategi global untuk menyelesaikan berbagai jenis masalah.
5. Meta-knowledge (pengetahuan tentang pengetahuan).
6. Fakta - fakta.
17
2.1.4 Karakteristik Sistem Pakar
Berikut karakteristik sistem pakar :
1. Tujuan : mensimulasikan pakar, yaitu meniru kemampuan pengambilan
keputusan pakar dalam bidang tertentu dengan pengetahuan dan
penalaran yang dimliki oleh sistem.
2. Metode : ada pemisahan terhadap pemecahan masalah dan pengetahuan
pakar.
3. Domain : sistem pakar cocok untuk bidang yang kepakarannya tidak
umum, serta pengetahuan dan data yang tersedia biasanya tergantung
pada waktu. Selain itu, sistem pakar dibuat untuk bidang pemasalahan
yang sulit untuk dimengerti dan tidak biasa dipecahkan dengan program
konvensional.
4. Perbandingan terhadap buku dan basis data : membaca pengetahuan yang
terdapat dalam sistem pakar tidak semudah membaca data dalam basis
data atau buku. Pengetahuan adalah perkembangan dari informasi yang
merupakan hasil pengolahan data mentah, oleh karena itu pengetahuan
dapat digunakan sebagai solusi dari suatu permasalahan. Sistem pakar
dibangun berdasarkan pengetahuan.
5. Atribut : beberapa atribut yang dimiliki oleh sistem pakar adalah:
a. Transparan, sistem pakar dapat menjelaskan solusi yang diberikannya
melalui pengetahuan yang dimilikinya.
b. Fleksibel, pengetahuan dapat dengan mudah ditambah, diubah atau
dihapus.
18
c. User-Friendly, mengguanakan sistem pakar tidak membutuhkan
pengetahuan sebelumnya tentang bahasa pemprograman baik dari user
maupun pakar.
d. Kompeten, dengan jumlah pengetahuan yang dimilki, sistem pakar
memilki kemampuan memecahkan masalah yang sangat tinggi.
2.1.5 Keuntungan Sistem Pakar
Secara garis besar, banyak manfaat yang dapat diambil dengan adanya
sistem pakar, antara lain :
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.
Meningkatkan kualitas.
6.
Mampu mengambil dan melestarikan keahlian para pakar
7.
Mampu beroperasi dalam lingkungan yang berbahaya.
8.
Memiliki kemampuan untuk mengakses pengetahuan.
9.
Memiliki reliabilitas dan meningkatkan kapabilitas sistem komputer.
10. Memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap
dan mengandung ketidakpastian.
11. Sebagai media pelengkap dalan pelatihan.
12. Meningkatkan kapabilitas dalam menyelesaikan masalah.
13.
Menghemat waktu dalam pengambilan keputusan.
19
2.1.6 Kelemahan Sistem Pakar
Disamping memiliki beberapa keuntungan, sistem pakar juga memiliki
beberapa kelemahan, antara lain :
1. Biaya yang diperlukan untuk membuat dan memeliharanya sangat mahal.
2. Sulit dikembangkan. Hal ini tentu saja erat kaitannya dengan ketersediaan
pakar di bidangnya.
3. Sistem pakar tidak 100% bernilai benar.
4. daya kerja dan produktifitas manusia menjadi berkurang karena semuanya
dilakukan secara otomatis oleh sistem
5. Pengembangan perangkat lunak sistem pakar lebih sulit dibandingkan dengan
perangkat lunak konvensional.
2.1.7 Bentuk Sistem Pakar
Ada 4 bentuk sistem pakar, yaitu:
1. Berdiri sendiri. Sistem pakar jenis ini merupakan software yang berdiri-sendiri
tidak tergabung dengan software yang lainnya.
2. Tergabung. Sistem pakar jenis ini merupakan bagian program yang terkandung
didalam suatu algoritma (konvensional), atau merupakan program dimana
didalamnya memanggil algoritma suburtin lain (konvensional).
3. Menghubungkan ke software lain. Bentuk ini biasanya merupakan sistem yang
menghubungkan ke suatu paket program tertentu, misalnya dengan DBMS.
20
4. Sistem Mengabdi. Sistem pakar merupakan bagian dari komputer khusus yang
dihubungkan dengan suatu fungsi tertentu. Misalnya sistem pakar yang
digunakan untuk membantu menganalisis data radar.
2.1.8 Fitur-Fitur Sistem Pakar
Sistem pakar harus memiliki fitur, yaitu sebagai berikut :
1. Keahlian. Sistem Pakar harus memiliki keahlian yang akan memungkinkan
system membuat keputusan tingkat pakar. Sistem harus menampilkan performa
pakar dan kekuatan yang cukup.
2. Pertimbangan Simbolik. Pengetahuan harus direpresentasikan secara simbolik
dan mekanisme pertimbangan primer juga harus simbolik. Mekanisme
pertimbangan simbolik biasanya menyertakan backward chaining dan forward
chaining, yang akan dideskripsikan pada bagian selanjutanya.
3 Kedalam Pengetahuan (Deep Knowledge). Basis pengetahuan harus berbasis
pengetahuan yang kompleks yang tidak mudah diperoleh dari nonpakar.
4 Self-Knowledge. Sistem pakar harus dapat menganalisis pertimbangannya
sendiri dan menjelaskan mengapa dicapai suatu kesimpulan.
2.1.9 Struktur Sistem Pakar
Sistem pakar disusun oleh dua bagian utama, yaitu lingkungan
pengembangan
(development
environment)
dan
lingkungan
konsultasi
(consultation environment) (Turban, 2001). Lingkungan pengembangan sistem
pakar digunakan untuk memasukkan pengetahuan pakar ke dalam lingkungan
21
sistem pakar, sedangkan lingkungan konsultasi digunakan oleh pengguna yang
bukan pakar guna memperoleh pengetahuan pakar.
1. Antarmuka Pengguna (User Interface)
Merupakan mekanisme yang digunakan oleh pengguna sistem pakar
untuk berkomunikasi. Menurut McLeod (1995), pada bagian ini terjadi dialog
antara program dan pemakai, yang memungkinkan sistem pakar menerima
instruksi dan informasi (input) dari pemakai, juga memberikan informasi
(output) kepada pemakai.
2. Basis Pengetahuan (Knowledge Base)
Basis pengetahuan adalah basis atau pangkalan pengetahuan yang berisi
fakta, pemikiran, teori, prosedur, dan hubungannya satu dengan yang lain atau
informasi yang terorganisasi dan teranalisa (pengetahuan didalam pendidikan
atau pengalaman dari seorang pakar) yang diinputkan kedalam komputer.
3. Akuisisi Pengetahuan (Knowledge acquisition)
Akuisisi pengetahuan adalah akumulasi, transfer dan transformasi
keahlian dalam menyelesaikan masalah dari sumber pengetahuan ke dalam
program komputer. Dalam tahap ini knowledge engineer berusaha menyerap
pengetahuan untuk selanjutnya ditransfer ke dalam basis pengetahuan.
Terdapat tiga metode utama dalam akuisisi pengetahuan, yaitu : wawancara,
analisis protokol dan observasi pada pekerjaan pakar.
4. Mesin Inferensi (Inference Engine)
Mesin inferensi merupakan program komputer yang memberikan
metodologi untuk penalaran tentang informasi yang ada dalam basis
22
pengetahuan dan dalam workplace, dan untuk memformulasikan kesimpulan
(Turban, 1995).
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 untuk 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. Dan untuk strategi pengendalian ini berfungsi
sebagai panduan arah dalam melakukan proses penalaran.
Dalam penelitian ini, agar dapat menerapkan aplikasi sistem pakar untuk
mendiagnosa penyakit pada ayam digunakan strategi penalaran pasti (Exact
Reasioning) karena data yang digunakan untuk menarik suatu kesimpulan atau
untuk membuat suatu solusi dalam mendiagnosa penyakit tersebut telah
tersedia.
23
Input
Output
KOMPUTER
Jawaban
Pertanyaan
Knoledge base
(Basis
Pengetahuan)
Masalah
Inferencing
Capability
(Teknik
Pelacakan)
Solusi
Gambar 2.1 Mesin inferensi (sumber : Durkin, 1994)
Berdasarkan gambar 2.1 dapat dijelaskan bahwa komputer terisi
pengetahuan-pengetahuan dari pakar yang telah tersusun dalam knowledge
base, dalam hal ini komputer juga harus mendapatkan inputan-inputan dan
setelah mendapatkan inputan maka akan dicocokan dengan fakta-fakta yang
ada di knowledge base oleh inference engine, selanjutnya diolah berdasarkan
pengalaman dan prosedur yang ada pada inference engine yang nantinya akan
menghasilkan suatu keputusan.
5. Workplace
Merupakan memori kerja (working memory) yang digunakan untuk
menyimpan kondisi/keadaan yang dialami oleh pengguna dan juga hipotesa
serta keputusan sementara.
6. Fasilitas Penjelasan
Proses menentukan keputusan yang dilakukan oleh mesin inferensi
selama sesi konsultasi mencerminkan proses penalaran seorang pakar. Karena
pemakai terkadang bukanlah seorang ahli dalam bidang tersebut, maka
dibuatlah fasilitas penjelasan. Fasilitas penjelasan inilah yang dapat
24
memberikan informasi kepada pemakai mengenai jalannya penalaran sehingga
dihasilkan suatu keputusan.Bentuk penjelasannya dapat berupa keterangan
yang diberikan setelah suatu pertanyaan diajukan, yaitu penjelasan atas
pertanyaan mengapa, atau penjelasan atas pertanyaan bagaimana sistem
mencapai konklusi.
7. Perbaikan Pengetahuan
Pakar memiliki kemampuan untuk menganalisis dan meningkatkan
kinerjanya serta kemampuan untuk belajar dari kinerjanya. Kemampuan
tersebut tidak bisa diremehkan dalam pembelajaran terkomputerisasi, sehingga
program akan mampu menganalisis penyebab kesuksesan dan kegagalan yang
terjadi.
Berikut merupakan arsitektur sistem pakar :
Lingkungan
Konsultasi
Lingkungan
Pengembangan
Basis Pengetahuan
User
Fakta-fakta tentang
kejadian tertentu
Antarmuka
Fakta :
Rule :
Apa yang diketahui tentang area domain
Logical reference
Fasilitas
Penjelasan
Rekayasa
pengetahuan
Akuisisi
Pengetahuan
Mesin Inferensi
Aksi yang
direkomendasikan
Pengetahuan
pakar
Blackboard
-Rencana
Perbaikan
pengetahuan
-Agenda
-Solusi -Deskripsi masalah
Gambar 2.2 Struktur Sistem Pakar (Sumber : Turban (1995)
25
2.1.10 Basis Pengetahuan (Knowledge Base)
Basis pengetahuan berisi pengetahuan-pengetahuan dalam penyelesaian
masalah, tentu saja di dalam domain tertentu. Ada 2 bentuk pendekatan basis
pengetahuan yang sangat umum digunakan, yaitu sebagai berikut.
1. Penalaran Berbasis Aturan (Rule-Based Reasoning)
Pada penalaran berbasis aturan, pengetahuan direpresentasikan dengan
menggunakan aturan bentuk: IF-THEN. Bentuk ini digunakan apabila kita
memiliki sejumlah pengetahuan pakar pada suatu permasalahan tertentu. Dan
pakar dapat menyelesaikan masalah tersebut secara berurutan. Di samping itu,
bentuk ini juga digunakan apabila dibutuhkan penjelasan tentang jejak
(langkah-langkah) pencapaian solusi. Pengetahuan direpresentasikan dalam
suatu bentuk fakta (facts) dan aturan (rules). bentuk representasi ini terdiri atas
premis dan kesimpulan.
2. Penalaran Berbasis Kasus (Case-Based Reasoning)
Pada penalaran berbasis kasus, basis pengetahuan berisi solusi untuk
keadaan yang terjadi sekarang . Bentuk ini digunakan apabila user
menginginkan untuk tahu lebih banyak lagi pada kasus – kasus yang hampir
sama . Selain itu, bentuk inijuga digunakan apabila kita telah memiliki
sejumlah situasi kasus tertentu dalam basis pengetahuan.
2.1.11 Perbandingan Sistem Konvensional dengan sistem Pakar
Sistem konvensional berada dengan Sistem Pakar, berikut adalah
perbandingan sistem konvensional dan Sistem Pakar.
26
1. Sistem Konvensional
Informasi dan pemrosesannya biasanya jadi satu dengan program. Biasanya
tidak bisa menjelaskan mengapa satu input data itu dibutuhkan atau bagaimana
output itu diperoleh. Pengubahan program cukup sulit dan membosankan. Sistem
hanya akan beroperasi jika sistem tersebut sudah lengkap. Eksekusi dilakukan
langkah demi langkah menggunakan data. Tujuan utamanya adalah efisiensi.
2. Sistem Pakar
Basis pengetahuan merupakan bagian dari mekanisme inferensi. Penjelasan
adalah bagian terpenting dari Sistem Pakar. Pengubahan aturan dapat
dilaksanakan dengan mudah. Sistem dapat beroperasi hanya dengan beberapa
aturan. Eksekusi dilakukan pada keseluruhan basis pengetahuan. Menggunakan
pengetahuan, tujuan utamanya adalah efektivitas.
Tabel 2.1 Perbandingan Sistem Konvensional dan Sistem Pakar
Sistem Konvensional
Informasi
dan
pengolahannya
biasanya digabungkan dalam satu
program berurutan.
Program tidak melakukan kesalahan
(programmer atau pengguna yang
melakukan kesalahan)
Biasanya
tidak
menjelaskan
mengapa data input diperlukan atau
bagaimana kesimpulan dihasilkan
Memerlukan semua data input
berfungsi dengan tidak tepat jika ada
data yang hilang, kecuali jika telah
dirancang demikian.
Perubahan dalam program sangat
membosankan (kecuali dalam DOS)
Sistem beroperasi jika hanya telah
lengkap
Eksekusi dilakukan pada basis
algoritma langkah demi langkah
Eksekusi dilakukan pada basis
algoritma langkah demi langkah
Sistem Pakar
Basis pengetahuan secara nyata dipisahkan
dari mekanisme pengolahan (inferensi).
Program dapat melakukan kesalahan.
Penjelasan adalah bagian dari sebagian besar
ES.
Tidak memerlukan semua fakta awal.
Biasanya dapat tiba pada kesimpulan yang
masuk akal, sekalipun ada fakta yang hilang.
Perubahan dalam aturan mudah dilakukan.
Perubahan dalam aturan mudah dilakukan.
Sistem dapat beroperasi dengan hanya sedikit
aturan.
Eksekusi dilakukan dengan menggunakan
heuristic dan logika.
27
Tabel 2.1 Perbandingan Sistem Konvensional dan Sistem Pakar (Lanjutan)
Manipulasi efektif pada database
besar
Representasi dan penggunaan data.
Efesiensi biasanya menjadi tujuan
utama. Efektivitas penting hanya
untuk DSS
Mudah menangani data kuantitatif.
Menggunakan representasi data
numerik.
Menyerap,
memperbesar,
dan
mendistribusikan askes ke data atau
informasi numerik.
2.2
Manipulasi efektif pada basis pengetahuan.
Representasi dan penggunaan pengetahuan.
Efektifitas adalah tujuan utama.
Mudah menangani data kualitatif.
Menggunakan
representasi
pengetahuan
simbolik dan numeric.
Menyerap,
memperbesar,
dan
mendistribusikan akses ke penilaian atau
pengetahuan.
Diagnosa
Diagnosa adalah suatu proses mengerti bagaimana fungsi organisasi saat ini
dan menyediakan informasi yang diperlukan untuk mendesain intervensi
perubahan. Kegiatan diagnosa ini biasanya dilakukan setelah adanya proses
entering dan contracting yang dilakukan oleh organisasi untuk melakukan
perencanaan perubahan, yang pada kedua proses tersebut organisasi telah
menetapkan langkah untuk menindak lanjuti hasil diagnosa yang berhasil. Proses
ini membantu praktisi pengembangan organisasi dan anggota klien (yang
memakai konsultan perubahan) yang bersama-sama menentukan fokus isu
organisasi pada, bagaimana mengumpulkan dan menganalisis data untuk mengerti
posisi organiassi, dan bagaimana bekerja bersama dalam mengembangkan
langkah aksi dari diagnosa tersebut. Diagnosa dalam pengembangan organisasi,
bagaimana pun merupakan banyak kolaborasi, seperti menyiratkan perpektif
medis.
28
2.3
Ayam
Ayam menurut kamus Ilmiah biologi adalah hewan yang termasuk phylum
chordata, subphilum dari vertebrata kelas aves (Burung), sub kelas neormithes,
super ordernya carinatae, dan genus atau berspesies Gallus Domesticus adalah
suatu unggas yang berasal dari daerah Indian, yang tersebar luas diseluruh dunia
Dengan populasi lebih dari 24 milyar pada tahun 2003, sehingga merupakan
jumlah terbesar dari jenis burung yang ada. Ayam secara alami dapat hidup
selama lima sampai sebelas tahun tergantung cara pengelolaanya, pada
pengelolaan peternakan komersial ayam pedaging dari ras tertentu secara umum
hanya hidup selama 6 sampai 14 minggu. Karena setelah itu ayam-ayam tersebut
akan disembelih untuk dikonsumsi, Jenis Ayam Petelur atau yang biasa disebut
(Leghorn) dapat menghasilkan sekitar 300 telur selama kurun waktu 1 tahun. Dan
setelah 12 bulan, kemampuan bertelurnya akan menurun untuk selanjutnya akan
diganti dengan ayam yang baru.
Ayam peliharaan (Gallus gallus bankiva Tem.) adalah unggas yang biasa
dipelihara orang untuk dimanfaatkan untuk keperluan hidup pemeliharanya. Ayam
peliharaan (selanjutnya disingkat "ayam" saja) merupakan keturunan langsung
ayam hutan merah (Gallus gallus) atau ayam bangkiwa (bankiva fowl). Kawin
silang antara ayam domestik telah menghasilkan ratusan galur unggul atau galur
murni dengan bermacam-macam jenis; yang paling umum adalah ayam potong
(untuk dipotong) dan ayam petelur (untuk diambil telurnya). Ayam pada dasarnya
dipelihara untuk produksi telur dan daging (Gautier, 2009).
29
2.3.1 Penyebab Penyakit Ayam
Drh. Agustin Polana mengemukakan bahwa, ada berbagai macam penyebab
penyakit yang menjangkiti ayam diantaranya . penyakit yang disebabkan oleh
virus seperti : Flu Burung (Avian Influenza), Tetelo (Newcastle Disease), Batuk
Ayam Menahun (Infectious Bronchitis), Cacar Ayam (Avian Pox), Penyakit
Marek (Mareks Disease), Gumboro (Gumboro Disease), Egg Drop Dyndrome
(EDS). Adapun penyakit yang disebabkan oleh bakteri adalah seperti berikut :
Berak Kapur (Pullorum Disease), Kolera Ayam (Fowl Cholera), Salesma Ayam
(Infectious Coryza), Pernafasan Ayam Menahun (Chronic Respiratory Disease
(CRD). Berak Kuning (Avian Colibacillosis), TBC Unggas (Avian Turbecolosis),
Radang Kulit (Necrotic Dermatits), dan lain sebagainya.
Sementara penyakit yang disebabkan oleh jamur : Aspergillosis, Candidias,
Mycotoxisis, untuk penyakit yang disebabkan protozoa adalah : Berak Darah
(Coccidiosis), Cryptosporidiosis, Malaria Ayam (Leucocytozoonosis) dan
penyakit yang disebabkan karena ayam kekurangan nutrisi seperti Defisiensi
Vitamin A, Defisiensi Vitamin B, Perosis, Rickets (Agustin, 2005).
2.3.2 Jenis Pencegahan
Beberapa program pencegahan yang bisa dilakukan untuk mencegah
datangnya beberapa sumber penyakit pada ayam yang dapat diaplikasikan pada
peternakan ayam diantaranya ialah program sanitasi, vaksinasi dan pengobatan
dini, serta program manajemen pemeliharaan yang baik, karena dengan demikian
ayam yang di perlihara dapat memberikan hasil yang optimal.
30
1. Program Sanitasi.
Program sanitasi adalah program yang dijalankan disuatu kawasan
peternakan yang bertujuan untuk menjaga terjadinya perpindahan bibit penyakit
menular sehingga ternak dipelihara ternak yang dipelihara terbebas dari infeksi
penyakit serta selalu dalam kondisi yang sehat, yang dimulai dari pintu gerbang,
kandang, tempat penetasan, dan lingkungan sekitar kandang.
2. Program Vaksinasi
Program vaksinasi merupakan satu cara yang paling efektif dan sering
disarankan untuk mencegah timbulnya penyakit disuatu kawasan peternakan
ayam. Vaksinasi diartikan sebagai suatu aktifitas memasukkan agen penyakit
(virus, bakteri) yang telah dilemahkan ke dalam tubuh ayam. Tingkat antibodi
didalam darah ayam akan meningkat sesuai dengan agen yang telah dimasukkan.
Akibatnya, ayam akan memiliki kekebalan tubuh yang kuat untuk melawan
penyakit.
2.3.3 Jenis Pengobatan
Program pengobatan dilakukan ketika ayam sudah mulai menunjukkan
tanda-tanda klinis terkena penyakit, jika infeksi terlalu parah, pengobatan akan
sulit untuk dilakukan. Mendeteksi suatu penyakit secara dini bisa dilakukan
dengan mengamati perilaku ayam, konsumsi pakan dan air minum, kotoran yang
dikeluarkan. Jenis Obat, dosis dan lamanya pemberian obat disesuaikan dengan
rekomendasi yang tertera pada kemasan obat atau telah dikonsultasikan kepada
dokter hewan.
31
2.4
Forward Chaining
Forward Chaining merupakan suatu penalaran yang dimulai dari fakta
untuk mendapatkan kesimpulan (conclusion) dari fakta tersebut (Giarratano and
Riley, 2005). Forward chaining bisa dikatakan sebagai strategi inference yang
bermula dari sejumlah fakta yang diketahui. Pencarian dilakukan dengan
menggunakan rules yang premisnya cocok dengan fakta yang diketahui tersebut
untuk memperoleh fakta baru dan melanjutkan proses hingga goal dicapai atau
hingga sudah tidak ada rules lagi yang premisnya cocok dengan fakta yang
diketahui maupun fakta yang diperoleh.
Forward chaining bisa disebut juga runut maju atau pencarian yang
dimotori data (data driven search). Jadi pencarian dimulai dari premis-premis atau
informasi masukan (if) dahulu kemudian menuju konklusi atau derived
information (then).
Forward Chaining berarti menggunakan himpunan aturan kondisi-aksi.
Dalam metode ini, data digunakan untuk menentukan aturan mana yang akan
dijalankan atau dengan menambahkan data ke memori kerja untuk diproses agar
ditemukan suatu hasil.
Forward Chaining digunakan jika :
a. Banyak aturan berbeda yang dapat memberikan kesimpulan yang sama.
b. Banyak cara untuk mendapatkan sedikit konklusi.
c. Benar-benar sudah mendapatkan berbagai fakta, dan ingin mendapatkan
konklusi dari fakta-fakta tersebut.
32
Adapun tipe sistem yang dapat menggunakan teknik pelacakan forward chaining,
yakni :
a. Sistem yang direpresentasikan dengan satu atau beberapa kondisi.
b. Untuk setiap kondisi, sistem mencari rule-rule dalam knowledge base untuk
rule-rule yang berkorespondensi dengan kondisi dalam bagian if.
c. Setiap rule dapat menghasilkan kondisi baru dari konklusi yang diminta pada
bagian then. Kondisi baru ini dapat ditambahkan ke kondisi lain yang sudah
ada.
d. Setiap kondisi yang ditambahkan ke sistem akan diproses. Jika ditemui suatu
kondisi, sistem akan kembali ke langkah 2 dan mencari rule-rule dalam
nowledge base kembali. Jika tidak ada konklusi baru, sesi ini berakhir (Subakti,
2002).
Forward
Chaining
adalah
metode
pencarian/penarikan
kesimpulan
berdasarkan pada data atau fakta yang ada menuju ke kesimpulan/bottom up
reasoning. Forward chaining melakukan pencarian dari suatu masalah kepada
solusinya. Jika klausa premis sesuai dengan situasi, maka proses akan
memberikan kesimpulan.
Dalam metode forward chaining, data yang digunakan untuk menentukan
aturan mana yang akan dijalankan, kemudian aturan tersebut dijalankan. Proses
menambahkan data ke memori kerja, proses diulang sampai ditemukan suatu
hasil. Gambar 2.3 menunjukan bagaimana kerja inferensi runut maju.
Berikut contoh pengunaan runut maju (forward chaining).
33
DATA
ATURAN
A=1
JIKA A = 1 DAN B = 2
KESIMPULAN
D=4
MAKA C = 3
Gambar 2.3 Cara kerja metode runut maju (forward chaining)
Dalam pendekatan ini pelacakan dimulai dari informasi masukan, dan
selanjutnya mencoba menggambarkan kesimpulan. Pelacakan ke depan, mencari
fakta yang sesuai dengan bagian IF dari aturan IF-THEN. Gambar 2.4
menunjukkan proses forward chaining.
Observasi A
Aturan R1
Fakta C
Observasi B
AturanR 2
Fakta D
Aturan R1
Kesimpulan 1
Aturan R2
Kesimpulan 2
Fakta E
Gambar 2.4 Contoh Proses Forward Chaining
Jika klausa premis sesuai dengan situasi (bernilai true), maka proses akan
meng-assert konklusi. Forward chaining juga digunakan jika suatu aplikasi
menghasilkan tree yang lebar dan tidak dalam.
Pada metode forward chaining, ada 2 cara yang dapat dilakukan untuk melakukan
pencarian, yaitu :
a. Dengan memasukkan semua data yang tersedia ke dalam sistem pakar pada
satu kesempatan dalam sesi konsultasi. Cara ini banyak berguna pada sistem
34
pakar yang termasuk dalam proses terautomatisasi dan menerima data langsung
dari komputer yang menyimpan database, atau dari satu set sensor.
b. Dengan hanya memberikan elemen spesifik dari data yang diperoleh selama
sesi konsultasi kepada sistem pakar. Cara ini mengurangi jumlah data yang
diminta, sehingga data yang diminta hanyalah data-data yang benar-benar
dibutuhkan oleh sistem pakar dalam mengambil kesimpulan.
Contoh pelacakan forward chaining :
Rule - rule yang diberikan :
1. R1 : Jika A dan C, maka E
2. R2 : Jika D dan C maka F
3. R3 : Jika B dan E maka F
4. R4 : Jika B maka C
5. R5 : Jika F maka G
Fakta yang ada : A benar dan B benar
a. Dalam Forward Chaining pencarian dimulai dengan fakta yang diketahui dan
mengambil fakta baru menggunakan aturan yang telah diketahui pada sisi Jika.
b. Karena diketahui A dan B benar, sistem pakar mulai dengan mengambil fakta
baru menggunakan aturan yang memiliki A dan B pada sisi Jika. Dengan
menggunakan R4, sistem pakar mengambil fakta baru C dan menambahkannya
ke dalam assertion base sebagai benar.
c. Sekarang R1 fire (karena A dan C benar) dan nyatakan E sebagai benar dalam
assertion base sebagai benar.
35
d. Karena B dan E keduanya benar (berada dalam assertion base), R3 fire dan
menetapkan F sebagai benar dalam assertion base.
e. Sekarang R5 fire (karena F berada dalam sisi Jika), yang menetapkan G
sebagai benar, jadi hasilnya adalah G.
Inferensi dengan rules dibagi menjadi dua macam menurut Turban (1995),
yaitu :
a. Forward Chaining
Menurut Turban (1995), penalaran maju (forward chaining) adalah
teknik penelusuran yang berorientasi pada data (data-driven oriented search).
Pendekatan dari prosedur pencarian ini dimulai dengan informasi (gejala, bukti
ataupun fakta) dari masalah sebagai input, kemudian petunjuk-petunjuk yang
diproses selama pencarian akan digunakan untuk menemukan solusi. Sistem
pakar akan menganalisa masalah dengan menggunakan fakta-fakta yang cocok
dengan bagian IF dari rules IF-THEN. Setelah setiap rule diuji, sistem pakar
akan bekerja untuk mencari kesimpulan.
Observasi 1
Kaidah A
Fakta 1
Fakta 2
Observasi 2
Kaidah B
Kaidah C
Kaidah d
Fakta 3
Kesimpulan 1
Kesimpulan 2
Kesimpulan 3
Kaidah E
Kesimpulan 4
Gambar 2.5 Forward Chaining
b. Backward Chaining
Backward chaining adalah suatu metode strategi pencarian dengan
pengendalian tujuan (strategi goal-driven). Metode ini dimulai dengan
36
pengendalian tujuan dan bekerja mundur ke arah kondisi awal. Proses diawali
dengan sebuah hipotesis kemudian pencarian mulai dijalankan untuk
menemukan dan membuktikan kebenaran akan fakta-fakta penunjang yang
penting. Proses berakhir dengan penerimaan atau penolakan terhadap hipotesa
(Turban, 1995).
Observasi 1
Kaidah A
Fakta 1
Kaidah D
Observasi 2
Kaidah B
Fakta 2
Kaidah C
Fakta 3
Tujuan
Observasi 3
Kaidah E
Observasi 4
Gambar 2.6 Backward Chaining
2.5
Representasi Pengetahuan
Semua sistem kecerdasan buatan terbuat dari dua bagian yaitu basis
pengetahuan dan mekanisme inferensi (mesin). Basis pengetahuan mengandung
fakta-fakta tentang objek-objek dalam domain terpilih. Basis pengetahuan juga
dapat berupa konsep, teori, dan prosedur. Basis pengetahuan membentuk sumber
kecerdasan sistem dan digunakan mekanisme inferensi untuk membuat
kesimpulan (Turban, 1995).
Ada beberapa cara merepresentasikan pengetahuan menurut Turban (1995),
antara lain :
a. Propositional Logic
Proposisi adalah sebuah pernyataan yang dapat bernilai benar atau salah.
Model ini menggunakan kumpulan premis atau pernyataan yang diterima untuk
membentuk suatu kesimpulan (Turban, 1995).
37
Contoh : Pernyataan A = Tukang pos bertugas dari hari Senin sampai Sabtu
Pernyataan B = Hari ini adalah hari Minggu
Kesimpulan C = Hari ini tukang pos tidak akan datang
b. Predicate Calculus
Predicate calculus adalah suatu perluasan dan generalisasi (umum) yang
menyediakan kekuatan dan efisiensi yang lebih besar untuk membuat inferensi
logika. Predikat logis memperbolehkan untuk membagi pernyataan-pernyataan
menjadi komponen-komponen yang lebih kecil yaitu penamaan objek ataupun
karakteristik objek (Turban, 1995).
c. Semantic Network
Menurut Turban (1995) semantic network adalah gambaran grafis dari
pengetahuan yang terdiri dari simpul (nodes) dan hubungan (link) yang
memperlihatkan hubungan hirarkis diantara objek
d. Script, list, table, tree
Script
adalah
suatu
skema
representasi
pengetahuan
yang
menggambarkan sekuen dari kejadian-kejadian (events) menurut Turban
(1995). Definisi ini juga didukung oleh Luger dan Stubblefield (1989) yang
mengemukakan script sebagai representasi terstruktur yang menggambarkan
kejadian-kejadian yang biasa terjadi di dalam sebuah konteks khusus. Elemenelemen dari script adalah memasukkan kondisi (entry condition), prop, rule,
track dan scene. Memasukkan kondisi adalah menggambarkan situasi yang
harus dipenuhi sebelum kejadian-kejadian tersebut menjadi valid. Prop
38
mengacu kepada objek yang digunakan di dalam rangkaian-rangkaian kejadian
yang ada. Rule mengacu kepada orang yang terlibat (Turban, 1995).
List adalah daftar tertulis dari item-item yang berhubungan. Dapat berupa
daftar orang yang dikenal, benda-benda yang harus dibeli, hal-hal yang harus
dilakukan, atau produk-produk dalam suatu katalog. List biasanya digunakan
untuk menampilkan hirarkis pengetahuan dimana objek berupa grup, kategori,
tingkatan dari hubungan (Turban, 1995).
Decision table (tabel keputusan) adalah pengetahuan yang diatur dalam
format lembaran kerja (spreadsheet), menggunakan kolom baris menurut
Turban (1995).
e. Object, attribute, dan values
Salah satu cara yang paling umum untuk mempresentasikan pengetahuan
adalah dengan menggunakan object, attribute dan values atau disebut O-A-V
triplet. Object
dapat berupa fisik atau konsepsi. Attribute merupakan
karakteristik dari object. Sedangkan values adalah ukuran spesifik dari
attribute dalam situasi tertentu (Turban, 1995).
f. Frame
Frame adalah struktur data yang berisi semua pengetahuan tentang objek
tertentu. Pengetahuan ini diatur dalam suatu struktur hirarki khusus yang
memperbolehkan diagnosis terhadap independensi pengetahuan (Turban,
1995). Pengetahuan di dalam sebuah frame dibagi menjadi beberapa slot.
Sebuah slot dapat menerangkan pengetahuan yang ada di dalam frame,
misalnya warna suatu mobil atau pengetahuan berupa prosedur-prosedur. Slot
39
juga lebih dikenal sebagai konvensional program sebagai field atau attribute.
Frame serupa dengan spreadsheet dan database di dalam konvensional
program, karena record pada database benar-benar berisi pengetahuan.
g. Production Rules
Sistem produksi dikembangkan oleh Newell dan Simon sebagai model
dari kognisi manusia. Ide dasar dari sistem ini adalah pengetahuan yang
digambarkan sebagai production rules dalam bentuk pasangan kondisi-aksi.
Sistem produksi terdiri dari rule-rule, working memory dan sebuah kontrol
(Turban, 1992). Sistem semacam ini secara penuh digunakan sebagai
mekanisasi untuk mengontrol interaksi antara sistem yang dideklarasikan dan
prosedur-prosedur pengetahuan.
2.5.1 Pohon Keputusan
Pohon (tree) Keputusan menurut Natalia (2006) yang dikutip dari Evi
(2012) adalah suatu metode struktur yang terdiri dari node (simpul) yang
menyimpan informasi atau pengetahuan dan cabang yang menghubungkan node.
Cabang disebut juga link atau edge dan node disebut juga vertek. Dengan
berorientasi pada pohon, akar node adalah node yang tertinggi dalam hirarki dan
daun adalah paling bawah. Pohon dapat dianggap sebagai suatu tipe khusus dari
jaringan semantik dari setiap nodenya, kecuali akar pasti memiliki satu node
orang tua dan mempunyai nol atau lebih node anak. Untuk tipe biasa dari binary
tree, maksimum mempunyai dua anak untuk setiap node, dan sisi kiri dari anak
dibedakan. Selengkapnya diilustrasikan pada gambar 2.7 berikut :
40
Akar node
Level 1
Cabang
Level 2
Node
Level 3
Daun
Level 4
Gambar 2.7 Binary Tree yang Mempunyai 2 Cabang
Jika node mempunyai lebih dari satu orang tua maka disebut dengan
jaringan. Gambar 2.7 menunjukan hanya ada satu urutan dari edge atau path dari
akar untuk tiap node. Sedangkan menurut Kusrini (2006) yang dikutip dari Said
(2009), hasil pembentukan pohon keputusan bisa seperti pohon keputusan yang
tampak pada gambar 2.8:
Atr_1
N_1
Atr_2
N_2
N_3
Atr_5
H_5
N_4
N_6
Atr_3
N_9
H_1
N_10
H_6
N_7
N_8
H_7
H_8
Atr_4
N_11
H_2
N_12
H_3
Gambar 2.8 Pohon Keputusan Diagnosa Penyakit
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
41
daun akan menjadi bagian konklusinya. Dari gambar pohon keputusan pada
gambar 2.8 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
42
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 yang
dihasilkan sistem ini mampu digunakan untuk mendiagnosis penyakit didasarkan
pada
data-data
pasien.
Dalam
penentuan
diagnosis
penyakit
belum
diimplementasikan derajat kepercayaan terhadap hasil diagnosis tersebut.
2.5.2 Tabel Keputusan
Tabel keputusan merupakan suatu cara untuk mendokumentasikan
pengetahuan.
Tabel
keputusan
juga
merupakan
matrik
kondisi
yang
dipertimbangkan dalam pendeskripsian kaidah. Walaupun kaidah secara langsung
dapat dihasilkan dari tabel keputusan tetapi untuk menghasilkan kaidah yang
efisien terdapat suatu langkah yang harus ditempuh yaitu membuat pohon
keputusan terlebih dahulu.
43
Contoh tabel keputusan dan pohon keputusan adalah sebagai berikut :
Tabel Keputusan-1
Pertanyaan-1
Pertanyaan-2
Pertanyaan-3
Pertanyaan-4
Diagnosa-1
Diagnosa-2
Diagnosa-3
Rule-1
x
x
x
Rule-2
x
x
Rule-3
x
x
Rule-4
-
Rule-5
x
x
x
x
x
x
Tabel 2.2 Tabel Keputusan
Jika tabel keputusan pada tabel 2.2 dikonversi kedalam bentuk rule, maka
akan menjadi:
Rule-1: jika Pertanyaan-1 dan Pertanyaan-2 maka Diagnosa-1
Rule-2: jika Pertanyaan-1 dan tidak (Pertanyaan-2) dan Pertanyaan-3 maka
Diagnosa-1
Rule-3: jika Pertanyaan-1 dan tidak (pertanyaan-2) dan tidak (pertanyaan-3) dan
pertanyaan-4 maka Diagnosa-2
Rule-4: jika tidak (Pertanyaan-1) dan Pertanyaan-3 maka Diagnosa-3
Rule-5: jika tidak (Pertanyaan-1) maka Diagnosa-2
2.6
Prototype
Model prototipe ini dimulai dengan pengumpulan kebutuhan. Pengembang
dan pelanggan bertemu dan mendefinisikan obyektif keseluruhan dari perangkat
lunak, dan mengidentifikasi segala kebutuhan yang diketahui.
untuk tahapan metode prototype dapat digambarkan seperti pada Gambar 2.9
44
Gambar 2.9 Model Prototipe
Secara ideal prototipe berfungsi sebagai sebuah mekanisme untuk
mengidentifikasi kebutuhan perangkat lunak. Prototipe bisa menjadi paradigma
yang efektif bagi rekayasa perangkat lunak. Kuncinya adalah mendefinisikan
aturan-aturan main pada saat awal, yaitu pelanggan dan pengembang keduanya
harus setuju bahwa prototype dibangun untuk berfungsi sebagai mekanisme
pendefinisian kebutuhan. Prototype kemudian disingkirkan dan perangkat lunak
actual direkayasa dengan tertuju kepada kualitas dan kemampuan pemeliharaan.
Seluruh metode pengembangan sistem memiliki kelebihan dan kekurangan,
berikut adalah kelebihan dan kelemahan dari metode prototype adalah:
1. Kelebihan
a) Pendefinisian kebutuhan pemakai lebih baik karena keterlibatan pemakai
yang lebih intensif.
45
b) Meningkatkan kepuasaan pemakai dan mengurangi resiko pemakai tidak
menggunakan system mengingat keterlibatan mereka yang sangat tinggi
sehingga system memenuhi kebutuhan mereka dengan lebih baik.
c) Mempersingkat waktu pengembangan
d) Memperkecil kesalahan disebabkan pada setiap versi prototype kesalahan
segera terdeteksi oleh pemakai.
e) Pemakai mempunyai kesempatan dalam meminta perubahan perubahan.
f) Menghemat biaya (menurut penelitian, biaya pengembangan dapat
mencapai 10% hingga 20% jika dibandingkan dengan SDLC tradisional).
2. Kelemahan
a) Prototype hanya bisa berhasil jika pemakai bersungguh-sungguh dalam
menyediakan waktu dan pikiran untuk menggarap prototype.
b) Kemungkinan
dokumentasi
terabaikan
karena
pengembang
lebih
berkosentrasi pada pengujian dan pembuatan prototype.
c) Mengingat target waktu yang pendek, ada kemungkinan system yang dibuat
tidak lengkap dan bahkan system kurang teruji.
d) Jika terlalu banyak proses perulangan dalam membuat prototype ada
kemungkinan pemakai terjadi jenuh dan memberikan reaksi yang negative.
e) Apabila tidak terkelola dengan baik, prototype menjadi tak pernah berakhir.
Hal ini disebabkan permintaan terhadap perubahan terlalu mudah untuk
dipenuhi.
46
2.7
Permodelan Data
Menurut
(Pressman,2002),
pemodelan
data
menjawab
serangkaian
pertanyaan spesifik yang relevan dengan berbagai aplikasi pemrosesan data.
Model data merupakan kumpulan tools yang secara konseptual untuk
mendeskripsikan data, hubungan data, semantik data, dan konsistensi konstrain
atau suatu cara untuk menjelaskan bagaimana pemakai dapat melihat data secara
logic.
Melalui pemodelan sistem, dapat digambarkan aliran data yang akan
diproses menjadi informasi dan aliran distribusinya secara sederhana, sehingga
arus data dan informasi dapat terlihat secara jelas.
Ada tiga alasan yang menyebabkan pemakaian pemodelan sistem, yaitu:
1. Dapat memfokuskan perhatian pada hal-hal penting dalam sistem tanpa
mesti terlibat terlalu jauh.
2. Mendiskusikan perubahan dan koneksi terhadap kebutuhan pemakai dengan
resiko dan biaya minimal.
3. Menguji pengertian penganalisa sistem terhadap kebutuhan pemakai dan
membantu pendisain sistem dan pemrograman membangun sistem.
2.7.1 Diagram Konteks
Diagram konteks merupakan diagram yang terdiri dari suatu proses dan
menggambarkan ruang lingkup suatu sistem. Diagram konteks merupakan alat
pemodelan atau suatu diagram yang menggambarkan sistem berbasis komputer
yang dirancang secara global dan merupakan suatu diagram alir data tingkat atas,
47
dimana di dalam diagram konteks ini menggambarkan seluruh jaringan, baik
masukan maupun sebuah keluaran sebuah sistem.
Diagram konteks terdiri dari sebuah simbol proses tunggal yang
menggambarkan sebuah sistem dan menunjukan data aliran utama untuk dan dari
terminator. Diagram ini merupakan dasar yang digunakan untuk menentukan
aliran data yang mengalir menuju sistem (input system) dan keluar dari sistem
(output system), yang meliputi objek berupa kesatuan luar (ekseternal entity).
Pada Gambar 2.10 merupakan contoh diagram konteks.
Barang Ditanya,
Barang Dibeli,
Uang Pembayaran
Sistem Penjualan
Barang
Pembeli
Laporan
Penjualan Barang
Pemilik
Informasi Barang,
Jumlah Uang Harus Dibayar
Gambar 2.10 Diagram Konteks
Diagram konteks merupakan gambaran bagaimana sistem berinteraksi
dengan external entity.
2.7.2 Diagram Alir Data (DFD)
Menurut (Pressman,2002) DFD adalah sebuah teknik grafis yang
menggambarkan aliran informasi dan transformasi yang diaplikasikan pada saat
data bergerak dari input menjadi output. Diagram Alir Data atau Data Flow
Diagram merupakan suatu teknik grafis yang menggambarkan aliran informasi
48
dan transformasi yang diaplikasikan pada saat data bergerak dari input menjadi
output. DFD juga sering disebut Grafik Alir Data atau Bubble Chart.
DFD memberikan suatu mekanisme bagi pemodelan fungsional dan
pemodelan aliran informasi. DFD terdapat beberapa tingkat. DFD tingkat 0
(model sistem fundamentasi atau model konteks) merepresentasikan seluruh
elemen sistem sebagai sebuah bubble tunggal dengan input dan output yang
ditunjukkan oleh anak panah yang masuk dan keluar secara berurutan.
Berikut notasi dasar DFD pada Tabel beserta penjelasannya.
Tabel 2.3 Notasi dasar DFD
No
Gambar
Entity
Eksternal
1
Keterangan
Prosedur atau consumer informasi yang ada
di luar bound sistem untuk dimodelkan
Ttransfer informasi (fungsi) yang ada di
dalam bound sistem untuk dimodelkan
2
Proses
3
Objek
data
O
objek data; anak panah menunjukkan arah
aliran data
2.7.3 Entity Relationship (ERD)
Menurut
(Pressman,
2002),
Entity
Relationship
Diagram
(ERD)
menggambarkan hubungan antara objek data. ERD adalah notasi yang digunakan
untuk melakukan aktivitas pemodelan data. Atribut dari masing-masing objek data
yang ditulis pada ERD dapat digambarkan dengan deskripsi objek data.
49
Pada konteks analisis terstruktur, ERD menetapkan semua data yang
dimasukkan, disimpan, ditransformasikan, dan diproduksi pada suatu aplikasi.
Pada dasarnya ada 3 macam simbol yaitu:
1. Entitas (Entity)
Entitas adalah suatu objek yang dapat diidentifikasikan dalam lingkungan
pemakai, sesuatu yang penting bagi pemakai dalam konteks sistem yang akan
dibuat. Entitas digambarkan dengan empat persegi panjang dan didalamnya
dicantumkan nama entitasnya.
2. Atribut
Atribut adalah identitas atau karakteristik yang melekat pada entitas. Isi
atribut mempunyai sesuatu yang dapatt diidentifikasi entity satu dengan yang
lain, atribut diwakili oleh simbol ellips dan didalamnya ditulis nama atributnya.
3. Hubungan (Relational)
Hubungan (realitional) adalah hubungan antar entitas pada himpunan
entitas yang satu dengan yang lain. Hubungan digambarkan dengan intan atau
belah ketupat dan nama hubungan dapat ditulis didalam intan.
50
4. Derajat Relasi (Cardinality)
Derajat relasi atau cardinality adalah hubungan maksimum yang terjadi
antara satu sistem dengan entitas yang lain. Pada derajat relasi ada 3 hubungan
yaitu:
a. Satu ke satu (One to one)
Yaitu satu entitas hanya memiliki satu hubungan dengan entitas yang
lainnya.
Nama_d
osen
Alamat_
dosen
Nama_dos
en
1
Dosen
Kd_jur
Kd_jur
1
Mengepalai
Nm_jur
Jurusan
Gambar 2.11 Cardinality One to One
b. Satu ke banyak (One to many)
Yaitu entitas memiliki hubungan lebih dari satu dengan entitas yang lain.
Nm_dosen
Dosen
Almt_dosen
Nm_dosen
1
Kd_kul
Mengajari
Waktu
Tempat
Kd_kul
1
Nm_kul
Kuliah
sks
Gambar 2.12 Cardinality One to Many
semester
51
c. Banyak ke banyak (Many to many)
Yaitu banyak entitas memiliki banyak hubungan dengan entitas yang
lain.
Nm_mh
s
NIM
mahasiswa
Almt_mh
s
Tgl_lhr
NIM
N
Kd_kul
mempelajari
Kd_kul
N
Indeks_
NIL
Nm_kul
Kuliah
sks
semester
Gambar 2.13 Cardinality Many to many
Tahapan Pembuatan Diagram E-R (Preliminary Design)
a. Mengidentifikasi dan menetapkan seluruh himpunan entitas yang akan terlibat.
b. Menentukan atribut-atribut key dari masing-masing himpunan entitas.
c. Mengidentifikasi dan menetapkan seluruh himpunan relasi diantara himpunan
entitas-himpunan entitas yang ada beserta foreign key-nya.
d. Menentukan derajat/kardinalitas relasi untuk setiap himpunan relasi.
2.7.4 Kamus Data
Kamus data adalah suatu daftar data elemen yang terorganisir dengan
definisi yang tetap dan sesuai dengan sistem, sehingga user dan analis sistem
mempunyai pengertian yang sama tentang input, output, dan komponen data
strore.
Kamus data ini sangat membantu analissistem dalam mendefinisikan data
yang mengalir di dalam sistem, sehingga pendefinisian data itu dapat dilakukan
dengan lengkap dan terstruktur. Pembentukan kamus data dilaksanakan dalam
52
tahap analisisdan perancangan suatu sistem. Pada tahap analisis, kamus data
merupakan alat komunikasi antarauser dan analis sistem tentang data yang
mengalir di dalam sistem, yaitu tentang data yang masuk ke sistem dan tentang
informasi yang dibutuhkan oleh user. Sementara itu, pada tahap perancangan
sistem kamus data digunakan untuk merancang input, laporan dan database.
Pembentukan kamus data didasarkan atas alur data yang terdapat pada DFD.
Alur data pada DFD ini bersifat global, dalam arti hanya menunjukan nama alur
datanya tanpa menunjukan struktur dari alur data itu. Untuk menunjukan struktur
dari alur data secara terinci maka dibentuklah kamus data yang didasarkan pada
alur data di dalam DFD.
1. Pendefinisian Data Elemen Dalam Kamus Data
Pendefinisian data elemen dalam kamus data diantaranya dengan cara :
a. Menguraikan arti dari alur data dan data store dalam DFD
b. Menguraikan komposisi paket data pada alur data ke dalam alur yang lebih
elementary (kecil) contoh : alamat langganan yang terdiri dari nama jalan,
kota dan kode pos.
c. Menguraikan komposisi paket data dalam data store.
d. Menspesifikasikan nilai dan unit informasi dalam alur data dan data store.
e. Menguraikan hubungan yang terinci antara data strore dalam suatu entity
relationship diagram (ERD)
2. Notasi Kamus Data
Kamus data menggunakan beberapa notasi, Notasi itu adalah :
53
Tabel 2.4 Kamus Data (Anonim : 2012)
Notasi
=
+
()
{}
[]
**
@
I
Alias
Arti
terdiri dari, terbentuk dari, sama dengan
dan
optional
iterasi/ pengulangan, misal : 1 { ... } 10
pilih salah satu dari beberapa alternatif (pilihan) misal : [AIBICID]
komentar
identifier suatu data store
pemisah dalam bentuk [ ]
nama lain untuk suatu data
2.7.5 Pengertian Sistem Database
Basisdata, adalah kumpulan informasi yang disimpan di dalam komputer
secara sistematik sehingga dapat diperiksa menggunakan suatu program komputer
untuk memperoleh informasi dari basis data tersebut. Perangkat lunak yang
digunakan untuk mengelola dan memanggil kueri (query) basis data disebut
sistem manajemen basis data (database management system, DBMS). Sistem
basis data dipelajari dalam ilmu informasi.
Sistem adalah sebuah tatanan (keterpaduan) yang terdiri atas sejumlah
komponen fungsional (dengan satuan fungsi atau tugas khusus) yang saling
berhubungan dan saling bersama-sama bertujuan untuk memenuhi suatu proses
atau pekerjaan tertentu (Fatansyah, 1999). Sedangkan basis dapat didefinisikan
dalam sejumlah sudut pandang(Fatansyah, 1999), yaitu:
1. Himpunan kelompok data atau arsip yang saling berhubungan yang
diorganisasi sedemikian rupa agar kelak dapat dimanfaatkan kembali dengan
cepat dan mudah.
54
2. Kumpulan data yang saling berhubungan yang disimpan secara bersama
sedemikian rupa dan tanpa pengulangan (redudansi) yang tidak perlu, untuk
memenuhi berbagai kebutuhan.
3. Kumpulan file atau tabel atau arsip yang berhubungan yang disimpan dalam
media penyimpanan elektronis.
Secara umum sebuah basis data merupakan sistem yang terdiri atas
kumpulan file (tabel) yang saling berhubungan (dalam sebuah basis data di sebuah
komputer) dan sekumpulan program DBMS yang memungkinkan beberapa
pemakai dan atau program lain untuk mengakses dan memanipulasi file-file
(tabel-tabel) tersebut. Dalam sebuah sistem basis data secara lengkap akan
terdapat komponen-komponen utama sebagai berikut:
1. Perangkat keras (Hardware)
2. Sistem Operasi (Operating System)
3. Basis Data (Database)
4. Sistem (Aplikasi perangkat lunak) Pengelola Basis Data (DBMS)
5. Pemakai (User)
6. Aplikasi (perangkat lunak) lain (bersifat opsional)
Sebuah bahasa basis data biasanya dapat dipindah kedalam 2 bentuk (Fatansyah,
1999), yaitu:
1. Data Definition Language (DDL)
Struktur skema basis data yang menggambarkan atau mewakili desain basis
data secara keseluruhan disefinisikan dengan bahasa khusus yang disebut Data
Definition Language (DDL). Dengan bahasa inilah dapat membuat tabel baru,
55
membuat indeks, mengubah tabel, menentukan struktur penyimpanan tabel, dan
sebagainya. Hasil dari kompilasi perintah DDL adalah kumpulan tabel yang
disimpan dalam file khususnya yang disebut kamus data (Data Dictionary).
Kamus Data merupakan suatu metadata atau superdata yaitu data yang
mendeskripsikan data sesungguhnya. Kamus data ini akan selalu diakses dalam
suatu operasi basis data sebelum suatu file data sesungguhnya diakses.
2. Data Manipulation Language (DML)
Merupakan bentuk bahasa basis data yang berguna untuk melakukan
manipulasi dalam pengambilan data dalam suatu basis data. Manipulasi data dapat
berupa:
a. Penyisipan dan penambahan data baru ke suatu basis data
b. Penghapusan data dari suatu basis data
c. Pengubah data di suatu basis data
2.8
Macam – Macam DBMS (Database Managemen System)
1. Menutut C.J. Date : DBMS adalah merupakan software yang menghandel
seluruh akses pada database untuk melayani kebutuhan user.
2. Menurut S, Attre : DBMS adalah software, hardware, firmware dan
procedure-procedure yang memanage database. Firmware adalah
software yang telah menjadi modul yang tertanam pada hardware
(ROM).
3. Menurut Gordon C. Everest : DBMS adalah manajemen yang efektif
untuk mengorganisasi sumber daya data.
56
4. Jadi DBMS : Semua peralatan komputer (Hardware, Software,
Firmware). DBMS dilengkapi dengan bahasa yang berorientasi pada data
(High level data langauage) yang sering disebut juga sebagai bahasa
generasi ke 4 (fourth generation language).
2.8.1 Fungsi DBMS : Definisi data dan hubungannya
a. Memanipulasi data
b. Keamanan dan integritas data
c. Security dan integritas data
d. Recovery atau perbaikan dan concurency data
e. Data dictionary
f. Unjuk kerja atau performance
Peralatan
untuk
menentukan
pendekatan
database
disebut
DBMS
merupakan software dan hardware yang kusus didesain untuk melindungi
memanage database.
Dengan menggunakan DBMS, maka dapat :
1. Mendefinisikan data dan hubungannya.
2. Mendokumentasikan struktur dan definisi data.
3. Menggambar, mengorganisasikan dan menyimpan data untuk akses yang
selektif atau dipilih dan efisien.
4. Hubungan yang sesuai antara user dengan sumber daya data.
5. Perlindungan terhadap sumber daya akan terjamin, dapat diandalkan, konsisten
dan benar.
57
6. Memisahkan masalah logical dan phsycal sehingga merubah implementasi
database secara fisik tidak menghendaki user untuk merubah maksud data
(Logical).
7. Menentukan pembagian data kepada para user untuk mengakses secara
concurent pada sumber daya data.
2.9
Pengujian Sistem (Testing)
Menurut (Pressman, 2002), pengujian sistem adalah sederetan pengujian
yang berbeda yang tujuan utamanya adalah sepenuhnya menggunakan sistem
berbasis komputer. Meskipun masing-masing pengujian memiliki tujuan yang
berbeda, perlu dilakukan pemeriksaan untuk mengetahui apakah semua elemen
sistem telah diintegrasi dengan tepat dan melakukan fungsi - fungsi yang
dialokasikan.
Pentingnya pengujian sistem dan implikasinya yang mengacu pada kualitas
sistem tidak dapat terlalu ditekan karena melibatkan sederetan aktivitas produksi
di mana peluang terjadinya kesalahan manusia sangat besar dan arena
ketidakmampuan manusia untuk melakukan dan berkomunikasi dengan sempurna
maka pengembangan perangkat lunak diiringi dengan aktivitas jaminan kualitas.
Meningkatnya visibilitas (kemampuan) sistem sebagai suatu elemen sistem
dan “biaya” yang muncul akibat kegagalan sistem, memotivasi dilakukannya
perencanaan yang baik melalui pengujian yang teliti.
Sejumlah aturan yang berfungsi sebagai sasaran pengujian pada sistem adalah :
58
1. Pengujian adalah proses eksekusi suatu program dengan maksud menemukan
kesalahan.
2. Test case yang baik adalah test case yang memiliki probabilitas tinggi untuk
menemukan kesalahan yang belum pernah ditemukan sebelumnya.
3. Pengujian yang sukses adalah pengujian yang mengungkap semua kesalahan
yang belum pernah ditemukan sebelumnya.
Sasaran itu berlawanan dengan pandangan yang biasanya dipegang yang
menyatakan bahwa pengujian yang berhasil adalah pengujian yang tidak ada
kesalahan yang ditemukan. Data yang dikumpulkan pada saat pengujian dilakukan
memberikan indikasi yang baik mengenai reliabilitas sistem dan beberapa
menunjukkan kualitas sistem secara keseluruhan, tetapi ada satu hal yang tidak
dapat dilakukan oleh pengujian, yaitu pengujian tidak dapat memperlihatkan tidak
adanya cacat, pengujian hanya dapat memperlihatkan bahwa ada kesalahan
perangkat lunak.
Dalam lingkungan yang ideal, sistem mendesain suatu program komputer,
sebuah sistem dengan testabilitas dalam pikirannya. Hal ini memungkinkan
individu yang berurusan dengan pengujian mendesain test case yang efektif secara
lebih mudah. Testabilitas adalah seberapa mudah sebuah program komputer dapat
diuji. Karena sangat sulit, perlu diketahui apa yang dapat dilakukan untuk
membuatnya menjadi lebih mudah. Prosedural dan menggunakannya sebagai
pedoman untuk menetapkan basis set dari jalur eksekusi. Sasaran utama desain
test case yaitu untuk mendapatkan serangkaian pengujian yang memiliki
kemungkinan tertinggi di dalam pengungkapan kesalahan pada sistem.
59
2.9.1 Pengujian Black Box
Teknik pengujian black-box berfokus pada domain informasi dari sistem,
dengan melakukan test case dengan menpartisi domain input dari suatu program
dengan cara yang memberikan cakupan pengujian yang mendalam.
Metode pengujian graph-based mengeksplorasi hubungan antara dan
tingkah laku objek-objek program. Partisi ekivalensi membagi domain input ke
dalam kelas data yang mungkin untuk melakukan fungsi perangkat lunak tertentu.
Analisis nilai batas memeriksa kemampuan program untuk menangani data pada
batas yang dapat diterima.
2.10 PHP (Hypertex Preprocessor)
PHP adalah bahasa pemrograman server side yang sudah banyak digunakan
pada saat ini, terutama untuk pembuatan website dinamis. Untuk hal-hal tertentu
dalam pembuatan web, bahasa pemrograman PHP memang diperlukan, misalnya
saja untuk memproses data yang dikirimkan oleh pengunjung web.
Karakteristik script PHP dapat diuraikan sebagai berikut :
-
file PHP disimpan dengan extensi filenya yaitu : *.php3, *.php4, *.php
-
Script PHP biasanya diawali dengan tag ‘<?’ atau ‘<?php’ dan ditutup dengan
tag‘?>’
-
File PHP dapat menginduk atau disisipkan pada bahasa script lainnya/dapat
berdiri sendiri.
60
Contoh skrip PHP yang disisipkan pada HTML :
1
<html>
<head>
2
<title>Contoh</title>
3
</head>
4
<body>
5
<?php
6
Echo”Hai, Aku adalah skrip PHP!”;
7
?>
8
</body>
9
</html>
10 Sedang bentuk skrip PHP yang berdiri sendiri:
11 <?php
12 Echo”Hai, Aku adalah skrip PHP!”;
13 ?>
14
Gambar 2.14 Contoh Skrip PHP
2.10.1 Sejarah PHP
Pertama kali PHP dibuat oleh Rasmus Lerdorf pada tahun 1995
menggunakan nama PHP/FI yang memiliki kepanjangan Personal Home
Page/Form Interpreter. Namun pada perkembangannya, pada tahun 1997, Andi
Gutmans dan Zeev Suraski menulis ulang PHP yang kemudian sampai sekarang
dikenal kependekan dari kata Hypertext Preprocessor. PHP tergolong sebagai
perangkat lunak open source yang diatur dalam aturan general purpose licences.
Pemrograman PHP sangat cocok dikembangkan dalam lingkungan web,
karena PHP dikhususkan untuk pengembangan web dinamis. Maksudnya PHP
mampu menghasilkan website yang terus menerus hasilnya bisa berubah-ubah
sesuai dengan pola yang diberikan. Hal tersebut bergantung pada permintaan
client browsernya (Opera, Internet Explorer, Mozzila, dan lain-lain).
61
2.10.2 Kelebihan PHP
PHP memiliki beberapa kelebihan, antara lain:
1. Mudah dibuat dan dijalankan.
2. Mampu berjalan pada web server dengan sistem operasi yang berbedabeda: PHP mampu berjalan dengan sistem operasi UNIX, keluarga
windows dan machintos.
3. PHP bisa didapatkan secara gratis.
4. Dapat berjalan pada web server yang berbeda: PHP mampu berjalan pada
web server yang berbeda-beda, seperti Microsoft personal Web Server,
Apache, IIS, Xitami.
2.11 MySQL
MySQL merupakan database server dimana pemrosesan data terjadi di
server dan client hanya mengirim data dan memindah data. Pengaksesan dapat
dilakukan dimana saja dan oleh siapa saja dengan catatan komputer telah
terhubung ke server. Lain halnya dengan database dekstop dimana segala
pemrosesan data seperti penambahan data ataupun penghapusan data harus
dilakukan pada komputer yang bersangkutan. MySQL termasuk database yang
terstruktur dalam pengolahan dan penampilan data.
Salah satu keuntungan MySQL adalah MySQL merupakan perangkat lunak
open source, open source berarti dapat digunakan dan dimodifikasi oleh siapa
saja. Semua orang dapat mengunduh MySQL dari internet dan menggunakannya
secara gratis. Untuk administrasi database, seperti pembuatan database,
62
pembuatan tabel, dan sebagainya, dapat digunakan aplikasi berbasis web seperti
PHPMyAdmin. SQL adalah bahasa standar yang digunakan untuk mengakses
server database. Dengan menggunakan SQL, proses akses database menjadi lebih
friendly.
2.11.1 Fungsi MySQL
Fungsi MySQL akan sering digunakan saat membuat website dinamis yang
membutuhkan database MySQL. Misalnya, untuk membuat query, memanipulasi
table, menghubungkan ke server MySQL, dan menyimpan data. Semua fungsi
MySQL bekerja dengan baik jika sudah terhubung dengan server MySQL
(gunakan fungsi mysql_connect).
Berikut contoh penggunaan fungsi MySQL connect:
1
2
3
4
5
6
7
8
9
10
<?php
$link = mysql_connect (‘localhost’ , ‘mysql_user
,
‘mysql_password’)
if (!$link)
{
die (‘koneksi gagal : ‘.mysql_error ( ) );
}
echo ‘Connected Succesfully’;
mysql_close ($link);
?>
Gambar 2.15 Contoh Koneksi Mysql