TUGAS AKHIR

PENERAPAN FORWARD CHAINING DAN

CERTAINTY FACTOR UNTUK REKOMENDASI
PRODUK PERAWATAN KULIT WAJAH

MAYA NURACHMAWATI A.
18102237

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS INFORMATIKA
INSTITUT TEKNOLOGI TELKOM PURWOKERTO
2022
2021
 TUGAS AKHIR

PENERAPAN FORWARD CHAINING DAN

CERTAINTY FACTOR UNTUK REKOMENDASI
PRODUK PERAWATAN KULIT WAJAH

APPLICATION FORWARD CHAINING AND

CERTAINTY FACTOR FOR RECOMENDATION
SKINCARE

MAYA NURACHMAWATI A.
18102237

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS INFORMATIKA
INSTITUT TEKNOLOGI TELKOM PURWOKERTO
2022

ii
 Lembar Pengesahan Pembimbing

PENERAPAN FORWARD CHAINING DAN

CERTAINTY FACTOR UNTUK REKOMENDASI
PRODUK PERAWATAN KULIT WAJAH

APPLICATION FORWARD CHAINING AND

CERTAINTY FACTOR FOR RECOMENDATION
SKINCARE

Dipersiapkan dan Disusun Oleh

MAYA NURACHMAWATI ADININGTIAS

18102237

Telah Diujikan dan Dipertahankan dalam Sidang Ujian Tugas Akhir

Pada hari Rabu 27 Juli 2022

Pembimbing I, Pembimbing II,

Rima Dias Ramadhani S.Kom., M.Kom. Mega Pranata S.Pd., M.Kom.

NIDN. 0602039301 NIDN. 0611069301

Tugas Akhir ini diterima sebagai salah satu persyaratan

untuk memperoleh gelar Sarjana Komputer
Tanggal
Kaprodi,

Amalia Beladinna Arifa., S.Pd., M.

NIK. 20920001

iii
 Lembar Penetapan Penguji

PENERAPAN FORWARD CHAINING DAN

CERTAINTY FACTOR UNTUK REKOMENDASI
PRODUK PERAWATAN KULIT WAJAH

APPLICATION FORWARD CHAINING AND

CERTAINTY FACTOR FOR RECOMENDATION
SKINCARE

Dipersiapkan dan Disusun Oleh

MAYA NURACHMAWATI ADININGTIAS

18102237

Tugas Akhir Telah diuji dan Dinilai Panitia Penguji Program Studi
Teknik Informatika
Fakultas Informatika
Institut Teknologi Telkom Purwokerto
Pada Tanggal : 27 Juli 2022

Ketua
Penguji

(Agi Prasetiadi, S.T., M.Eng)

NIDN. 0617098802
Anggota Anggota Anggota
Penguji I Penguji II Penguji III

Agi Prasetiadi S.T., M. Eng. Paradise S.Kom., M.Kom., Ummi Athiyah S.Kom., M.Kom.

iv
 HALAMAN PERNYATAAN KEASLIAN TUGAS AKHIR

Yang bertandatangan di bawah ini,

Nama mahasiswa : Maya Nurachmawati Adiningtias

NIM : 18102237
Program Studi : Teknik Informatika

Menyatakan bahwa Tugas Akhir dengan judul berikut:

PENERAPAN FORWARD CHAINING DAN CERTAINTY FACTOR UNTUK
REKOMENDASI PERAWATAN KULIT WAJAH

Dosen Pembimbing Utama : Rima Dias Ramadhani S.Kom., M.Kom

Dosen Pembimbing Pendamping : Mega Pranata S.Pd., M.Kom.

1. Karya tulis ini adalah benar-benar ASLI dan BELUM PERNAH diajukan untuk mendapatkan
gelar akademik, baik di Institut Teknologi Telkom Purwokerto maupun di Perguruan Tinggi
lainnya.
2. Karya tulis ini merupakan gagasan, rumusan, dan penelitian Saya Sendiri, tanpa bantuan pihak
lain kecuali arahan dari Tim Dosen Pembimbing.
3. Dalam Karya tulis ini tidak terdapat karya atau pendapat orang lain, kecuali secara tertulis
dengan jelas dicantumkan sebagai acuan dalam naskah dengan disebutkan nama pengarang dan
disebutkan dalam Daftar Pustaka pada karya tulis ini.
4. Perangkat lunak yang digunakan dalam penelitian ini sepenuhnya menjadi tanggungjawab Saya,
bukan tanggungjawab Institut Teknologi Telkom Purwokerto.
5. Pernyataan ini Saya buat dengan sesungguhnya, apabila dikemudian hari terdapat penyimpangan
dan ketidakbenaran dalam pernyataan ini, maka Saya bersedia menerima Sanksi Akademik
dengan pencabutan gelar yang sudah diperoleh serta sanksi lainnya sesuai dengan norma yang
berlaku di Perguruan Tinggi.

Purwokerto, ,
Yang Menyatakan,

(Maya Nurachmawati Adiningtias)

v
 ABSTRAK

PENERAPAN FORWARD CHAINING DAN CERTAINTY

FACTOR UNTUK REKOMENDASI PRODUK PERAWATAN
KULIT WAJAH

Oleh
Maya Nurachmawati A.
18102237

Kulit wajah merupakan bagian kulit yang paling sensitif dibandingkan dengan
kulit bagian lain, sehingga memerlukan perawatan yang lebih serius, seperti
menggunakan produk kosmetik perawatan wajah (skincare). Dalam memilih
produk skincare tentunya diperlukan sebuah pengetahuan dasar yaitu memahami
kondisi kulit masing-masing dan selanjutnya memahami jenis serta kegunaan
produk skincare. Kurangnya pengetahuan masyarakat tentang jenis dan kegunaan
produk skincare dapat memberikan dampak kerusakan bagi kulit wajah seperti
break-out, iritasi wajah dan kulit menjadi sensitif. Konsultasi penyakit kulit wajah
selama ini tertuju pada spesialis kulit dalam mengatasi permasalahan masing-
masing wajah, namun membutuhkan biaya yang tidak sedikit dalam konsultasi.
Oleh karena itu, dibutuhkan sebuah sistem pakar yang mampu memberikan
rekomendasi produk skincare sesuai dengan kondisi kulit pengguna. Sistem pakar
ini dirancang dengan menggunakan algoritma forward chaining sebagai mesin
inferensi dan algoritma certainty factor untuk mengukur nilai keakuratan dari hasil
rekomendasi. Hasil keluaran sistem berupa rekomendasi produk skincare yang
sesuai dengan kondisi kulit pengguna yang dipilih berdasarkan dengan nilai
certainty factor tertinggi.

Kata kunci : sistem pakar, forward chaining, certainty factor, skincare

vi
 ABSTRACT

APPLICATION OF FORWARD CHAINING AND CERTAINTY

FACTOR FOR FACIAL SKIN PRODUCT
RECOMMENDATIONS

By

Maya Nurachmawati Adiningtias

18102237

Facial skin is the most sensitive part of the skin compared to other parts of the skin, so it
requires more serious treatment, such as using cosmetic facial care products (skincare). Of course,
basic knowledge is needed in choosing skin care products, namely understanding the condition of each
skin type and then understanding the types and uses of skincare products. Lack of public knowledge
about the types and uses of skin care products can cause damage to facial skin such as breakouts,
facial irritation and sensitive skin. Consultation for facial skin diseases has been focused on skin
specialists in overcoming the problems of each face, but requires no small amount of money in
consultation. Therefore, an expert system is needed that is able to provide recommendations for skin
care products according to the user's skin condition. This expert system is designed using a forward
chaining algorithm as an inference engine and a certainty factor algorithm to measure the accuracy
of the recommendations. The output of the system is in the form of recommendations for skincare
products that are in accordance with the selected user's skin condition based on the highest certainty
factor value.

DAFTAR ISI

vii
TUGAS AKHIR..................................................................................................................i
TUGAS AKHIR................................................................................................................ ii
HALAMAN PERSETUJUAN PEMBIMBING ............................................................... iii
HALAMAN PENGESAHAN ...........................................................................................iv
DAFTAR ISI......................................................................................................................v
DAFTAR TABEL ............................................................................................................vii
DAFTAR GAMBAR ..................................................................................................... viii
HALAMAN PERNYATAAN KEASLIAN TUGAS AKHIR ..........................................ix
ABSTRAK .........................................................................................................................x
BAB I.................................................................................................................................1
1.1. Latar Belakang Masalah .....................................................................................1
1.2. Rumusan Masalah ..............................................................................................3
1.3. Pertanyaan Penelitian .........................................................................................3
1.4. Batasan Masalah.................................................................................................4
1.5. Tujuan Penelitian................................................................................................4
1.6. Manfaat Penelitian ..............................................................................................4
BAB II ...............................................................................................................................5
2.1. Penelitian Terdahulu ..........................................................................................5
2.2. Dasar Teori .......................................................................................................11
2.2.1. Kulit Wajah ..............................................................................................11
2.2.2. Sistem Pakar .............................................................................................11
2.2.3. Metode Forward Chaining .......................................................................15
2.2.4. Metode Certainty Factor ..........................................................................19
2.2.5. Black Box Testing .....................................................................................20
2.2.6. PHP ..........................................................................................................20
2.2.7. MySQL.....................................................................................................21
BAB III ............................................................................................................................ 23
3.1. Subyek dan Obyek Penelitian ...........................................................................23
3.2. Alat dan Bahan Penelitian ................................................................................23
3.2.1. Alat Penelitian ..........................................................................................23
3.2.2. Bahan Penelitian .......................................................................................24

3.3. Diagram Alir Penelitian....................................................................................24

viii
 3.4. Hipotesis Penelitian ..........................................................................................26
3.5. Jadwal Penelitian ..............................................................................................26
DAFTAR PUSTAKA ...................................................................................................... 28

ix
 DAFTAR TABEL

Tabel 2. 1 Tabel Penelitian Terdahulu .......................................................................... ............7

Tabel 3. 1 Tabel Jadwal Penelitian ............................................................................. .............26
Tabel 4. 1 Tabel Nilai Pakar ..................................................... Error! Bookmark not defined.
Tabel 4. 2 Tabel Penjelasan Produk ......................................... Error! Bookmark not defined.
Tabel 4. 4 Nilai Pakar Manual................................................................................................. 33
Tabel 4. 5 Rules Forward Chainimg........................................................................................ 33
Tabel 4. 6 Hasil Perhitungan Manual ...................................................................................... 35
Tabel 4. 7 Pengujian ................................................................................................................ 37
Tabel 4. 8 Kuesioner ............................................................................................................... 39

x
 DAFTAR GAMBAR

Gambar 2. 1 Struktur Sistem Pakar .........................................................................................14

Gambar 2. 2 Forward Chaining Inference Process ..................................................................16
Gambar 2. 3 Flowchart Forward Chaining..............................................................................17
Gambar 3. 1 Diagram Alir Penelitian ........................................................... ..........................25
Gambar 4. 1 Halaman Awal Sistem ........................................ Error! Bookmark not defined.
Gambar 4. 2 Halaman Identitas Pengguna............................... Error! Bookmark not defined.
Gambar 4. 3 Halaman Hasil Sistem ......................................... Error! Bookmark not defined.
Gambar 4. 4 Halaman Gejala .................................................. Error! Bookmark not defined.
Gambar 4. 5 Halaman Forward Chaining ................................ Error! Bookmark not defined.
Gambar 4. 6 Halaman Certainty Factor ................................... Error! Bookmark not defined.
Gambar 4. 7 Halaman Kuesioner ............................................ Error! Bookmark not defined.
Gambar 4. 8 Halaman Feedback.............................................. Error! Bookmark not defined.

xi
xii
 BAB I
PENDAHULUAN

1.1. Latar Belakang Masalah

Pada saat ini, perkembangan teknologi informasi semakin meluas,
sehingga mempengaruhi kehidupan sehari-hari. Hampir seluruh kegiatan di
berbagai bidang dilakukan secara digital atau daring, salah satunya konsultasi
kecantikan. Kementerian Perindustrian menyatakan bahwa sektor kosmetik
di tahun 2020 meningkat dengan signifikan, yaitu sebesar 15,2% dibanding
periode tahun sebelumnya [1]. Hal ini membuktikan bahwa kosmetik dalam
bentuk skincare maupun makeup sudah menjadi sebuah kebutuhan di masa
sekarang.
Produk skincare juga menjadi trend di berbagai platform media sosial,
tidak sedikit masyarakat yang membeli sebuah produk skincare tanpa
memahami jenis dan permasalahan kulit mereka sendiri sehingga
menyebabkan kerusakan kulit wajah. Setiap orang memiliki jenis dan
permasalahan kulit yang berbeda sehingga penggunaan skincare disesuaikan
dengan kondisi kulit masing-masing. Kurangnya pengetahuan masyarakat
tentang jenis dan kegunaan produk kosmetik perawatan wajah dapat
memberikan dampak kerusakan bagi kulit wajah seperti break-out, iritasi
wajah dan kulit menjadi sensitif. Konsultasi penyakit kulit wajah selama ini
tertuju pada spesialis kulit dalam mengatasi permasalahan masing-masing
wajah, namun membutuhkan biaya yang tidak sedikit dalam konsultasi.
Salah satu alternatif untuk mengurangi biaya konsultasi adalah
menggunakan teknologi yang dapat menggantikan peran dari spesialis kulit
wajah. Teknologi tersebut dapat menggunakan sistem pakar (expert system)
dengan mengidentifikasi jenis kulit, permasalahan, dan solusi yang diberikan.
Sistem pakar merupakan salah satu bentuk implementasi dari ilmu kecerdasan
buatan atau artificial intelligence yang mengadopsi kemampuan seorang
pakar ke dalam sebuah sistem komputer untuk mendiagnosis suatu penyakit
atau permasalahan secara otomatis sesuai dengan kondisi-kondisi yang
terjadi. Hal ini memungkinkan sistem pakar untuk menganalisis kondisi kulit

1
wajah dalam menentukan jenis skincare yang tepat sesuai dengan kondisi
kulit wajah masing-masing.
Sistem pakar memiliki beberapa algoritma diantaranya, forward
chaining, certainty factor dan depth first search. Forward chaining bekerja
dengan mempertimbangkan fakta-fakta terkait untuk menghasilkan sebuah
kesimpulan. Konsep pemikiran pada metode ini dikendalikan oleh data (data-
driven), yaitu fokus perhatiannya dimulai dari data-data yang diketahui.
Metode forward chaining mampu menyediakan banyak informasi dari
sejumlah kecil data. Namun, forward chaining memiliki kekurangan dalam
mengenali fakta yang lebih penting dari sejumlah data yang ada. Hal tersebut
dapat membingungkan pengguna dalam menjawab subjek kriteria yang tidak
berhubungan dengan konsep awal [2].
Adapun algoritma lainnya seperti Certainty factor (CF) dalam
membuktikan ketidakpastian pemikiran seorang pakar [3]. Seorang pakar
biasanya memberikan hasil analisis dengan ungkapan seperti “mungkin”,
“kemungkinan besar”, atau “hampir pasti”. Hasil tersebut dapat dipastikan
menjadi lebih rendah, sehingga CF dapat memberikan hasil diagnosis yang
lebih akurat berdasarkan perhitungan bobot gejala yang dipilih pengguna,
mampu memberikan jawaban pada permasalahan yang tidak pasti
kebenarannya, dan mampu menggambarkan keyakinan pakar dengan
memberikan bobot keyakinan sesuai dengan pengetahuan pakar [4]. Pada
pemrosesan CF diperlukan beberapa kali pengolahan data untuk mengolah
ketidakpastian untuk menjadi keyakinan yang pasti.
Algoritma depth first search (DFS) merupakan metode pencarian pada
sebuah pohon dengan menulusuri satu cabang sampai menemukan solusi. Jika
solusi ditemukan, maka tidak diperlukan proses bactracking untuk
mendapatkan jalur yang kita inginkan. Metode ini hanya memakai sedikit
memori untuk menyimpan node. DFS dapat menemukan solusi secara cepat
ketika solusi yang dicari berada pada level yang paling dalam dan terletak
paling kiri [5]. Kelahaman dari DFS yaitu, sulit untuk menemukan solusi atau
tujuan yang diinginkan karena pohon yang ditegakkan memiliki level tak

2
 terkira. Selain itu, jika ada beberapa solusi yang sama tetapi terletak pada
solusi yang berbeda, maka tidak ada kesempatan untuk menemukan solusi
yang baik atau hanya ditemukan satu solusi saja untuk setiap pencarian.
Berdasarkan uraian tiga algoritma di atas, forward chaining merupakan
metode yang tepat untuk digunakan dalam sistem pakar analisa jenis kulit
wajah yang akan dibuat. Metode ini akan bekerja dengan baik ketika problem
bermula dari mengumpulkan informasi kemudian mencari kesimpulan
berdasarkan informasi tersebut [6]. Dalam hal ini, informasi yang
dikumpulkan dapat berupa jenis-jenis kulit wajah, kondisi kulit wajah, serta
gangguan/kelainan pada kulit wajah. Selain itu, berdasarkan dari kelebihan
certainty factor untuk mengurangi ketidakpastian dari pakar maka algoritma
tersebut akan dikombinasikan dengan forward chaining dalam
merekomendasikan produk skincare wajah.
Berdasarkan penjelasan latar belakang di atas, maka dalam penelitian
ini diperlukan sistem yang dapat merekomendasikan produk skincare wajah
dengan menerapkan algoritma Forward Chaining dan Certainty Factor yang
bertujuan untuk membantu pengguna dalam mengenali kondisi kulit wajah
masing-masing agar tidak salah dalam memilih produk perawatan wajah
tanpa melakukan konsultasi ke spesialis kulit.

1.2. Rumusan Masalah

Kurangnya pengetahuan masyarakat tentang jenis dan kegunaan
produk kosmetik perawatan wajah dapat memberikan dampak kerusakan bagi
kulit wajah seperti break-out, iritasi wajah dan kulit menjadi sensitif.
Konsultasi penyakit kulit wajah selama ini tertuju pada spesialis kulit dalam
mengatasi permasalahan masing-masing wajah, namun membutuhkan biaya
yang tidak sedikit dalam konsultasi.

1.3. Pertanyaan Penelitian

Dari penjelasan latar belakang yang telah dijabarkan di atas, peneliti
menyimpulkan pertanyaan penelitian yang muncul adalah:

3
 1. Apakah rekomendasi produk yang diberikan akan disesuaikan dengan
kondisi kulit wajah masing-masing?
2. Berapa nilai akhir persentase keakuratan dan kelayakan pembangunan
sistem pakar dalam memberikan rekomendasi akhir?

1.4. Batasan Masalah

Berdasarkan rumusan masalah yang telah dijabarkan di atas, maka peneliti
menyimpulkan batasan permasalahan akan berfokus pada :
1. Sistem pakar identifikasi jenis kulit wajah dirancang untuk pria dan
wanita berumur 14-60 tahun.
2. Pada penelitian kali ini, sistem hanya akan memberikan hasil
rekomendasi produk dalam jenis toner dari merek Avoskin.
3. Identitas pengguna, jenis kulit wajah dan kondisi kulit wajah akan
dijadikan sebagai data masukan sistem. Dan keluaran sistem akan
berupa rekomendasi produk toner yang sesuai dengan kondisi kulit
pengguna.

1.5. Tujuan Penelitian

Adapun tujuan dari penelitian ini adalah:
1. Memberikan rekomendasi produk skincare yang sesuai dengan jenis
dan permasalahan kulit wajah pengguna.
2. Mengembangkan sebuah sistem berbasis website dan aplikasi android
yang mampu memberikan rekomendasi produk toner sesuai kondisi
kulit pengguna dengan akurat dan layak.

1.6. Manfaat Penelitian

Beberapa manfaat yang didapatkan dari penelitian ini adalah:
1. Mempermudah pengguna dalam memahami kondisi kulit masing-
masing tanpa harus mengeluarkan biaya dan bisa dilakukan kapan pun
dan di mana pun.
2. Memudahkan pengguna dalam menemukan rekomendasi produk
skincare yang sesuai dengan kondisi kulit masing-masing.

4
 BAB II

TINJAUAN PUSTAKA

2.1. Penelitian Terdahulu

Berdasarkan penelitian yang dilakukan oleh YK. Kumarahadi,dkk.
yang bertujuan untuk mengidentifikasi jenis kulit wajah dan memberikan
solusi penanganan menggunakan metode certainty factor. Peneliti berhasil
merancang sistem pakar dengan nilai keakurasian 91% sesuai dengan analisis
pakar [7].
Penelitian yang dilakukan oleh Rangga Pebrianto,dkk. yang bertujuan
untuk menentukan jenis kulit wajah menggunakan metode certainty factor.
Aplikasi mobile yang dirancang merupakan suatu sistem pakar yang dapat
dibawa kemana saja untuk ketepatan dan keefektifan dalam mendiagnosa
jenis wajah dan memberikan solusi untuk konsumen. Dengan aplikasi ini
konsultan dapat melakukan pemeriksaan dengan mudah karena melakukan
pemeriksaan dengan hanya membuka aplikasi android[8].
Penelitian yang dilakukan oleh Sitti Ramlah,dkk. tentang sistem pakar
penentuan komposisi skincare berdasarkan karakteristik jenis kulit
menggunakan metode certainty factor. Berdasarkan hasil pengujian
menggunakan metode certainty factor dan forward chaining, hasil uji
konsultasi dengan sistem ini menunjukkan bahwa sistem mampu
menunjukkan karakteristik jenis kulit dan kandungan komposisi toner
berdasarkan karakteristik jenis kulit dan ciri kompisisi skincare toner yang
diinputkan oleh pengguna[9].
Penelitian yang dilakukan oleh Muhammad Hasyim As’Ary, dkk.
untuk mengidentifikasi jenis kulit wajah dalam pemilihan produk skincare
menggunakan metode certainty factor. Hasil penelitian ini menghasilkan
kesimpulan bahwa metode certainty factor mampu menunjukkan ukuran
kepastian terhadap suatu fakta atau aturan certainty factor.

5
 Penelitian lainnya yang dilakukan oleh Indyah dan Ardita tentang
penggunaan metode forward chaining pada sistem pakar untuk mendiagnosis
penyakit kulit menunjukkan bahwa penggunaan metode forward chaining
pada sistem pakar yang dikembangkan dapat digunakan untuk mendiagnosis
penyakit kulit sebelum user melakukan pemeriksaan lebih lanjut ke dokter
spesialis. Identifikasi penyakit kulit dengan bantuan sistem pakar dapat
mempercepat penangan lebih lanjut terhadap penyakit kulit [10].
Berdasarkan beberapa hasil penelitian di atas dapat disimpulkan bahwa
metode forward chaining dapat digunakan untuk mendiagnosis jenis penyakit
tertentu. Oleh karena itu, metode tersebut berpeluang besar untuk dapat
diterapkan dalam sistem pakar yang dapat mengadopsi pemikiran dan
pengetahuan pakar untuk membantu menyelesaikan permasalahan
tertentu[11].

6
 Tabel 2. 1 Tabel Penelitian Terdahulu

Peneliti dan
Metode
No. Tahun Judul Penelitian Masalah Hasil
Penelitian
Penelitian
1. Indyah Metode Forward Ketersediaan Metode Berdasarkan pengujian sistem, peneliti
Hartami Santi Chaining pada seorang pakar masih Forward menyimpulkan bahwa sistem mampu
dan Ardita Sistem Pakar dalam terbatas Chaining mendiagnosis penyakit kulit dengan
Irvan Mendiagnosis dibandingkan tingkat keakuratan sebesar 100%
Septiawan. Penyakit Kulit dengan penderita seperti hasil analisis dari dr. A. Sony
2018. yang mengalami Purananda.
gangguan kulit.

7
 Peneliti dan
Metode
Tahun
No. Judul Penelitian Masalah Penelitian Hasil
Penelitian
2. Yovita Sistem Pakar Memerlukan Metode Hasil konsultasi berupa jenis kulit
Kinanti Identifikasi Jenis pengetahuan yang Certainty Factor wajah yang sesuai dengan gejala yang
Kumarahadi, Kulit Wajah cukup dalam telah dipilih oleh pengguna,
M. Zainal dengan Metode melakukan keterangan dan solusi cara perawatan
Arifin, Certainty Fatcor perawatan kulit dan nilai certainty factor hasil
Sigit wajah agar tidak diagnosis.
Pambudi, Tito menimbulkan
Prabowo dan masalah baru seperti
Kusrini. 2020. jerawat, kulit kering
dan lain sebagainya.
3. Rangga Perancangan Sistem Pengetahuan analisa Metode Aplikasi sistem pakar berbasis
Pebriant Pakar Penentuan kulit wajah sangat Certainty andoroid ini konsultan dapat
o, Siti Jenis Kulit Wajah diperlukan untuk Factor melakukan pemeriksaan dengan
Nurhasa Menggunakan menentukan jenis mudah dan pendiagnosaan sekaligus
nah Metode Certainty kulit serta produk solusi dapat terselesaikan secara cepat
Nugraha Factor perawatan yang dan tepat berdasarkan data yang
, Windu sesuai dengan jenis diinputkan.
Gata kulit.
(2020)

8
 Peneliti dan
Metode
Tahun
No. Judul Penelitian Masalah Penelitian Hasil
Penelitian

4. Sitti Ramlah, Sistem Pakar Metode Sistem mampu menunjukkan

Banyaknya produk
Poetri Lestari Penentuan Komposisi Certainty karakteristik jenis kulit dan kandungan
toner yang beredar di
Lokapitasari Skincare Berdasarkan factor komposisi toner berdasarkan
masyarakat.
Belluona, Karakteristik Jenis dan karakteristik jenis kulit dan ciri
Irawati (2021) Kulit Menggunakan forward komposisi skincare toner yang
Metode Certainty chaining diinputkan oleh pengguna.
Factor
5. Muhammad Mengidentifikasi jenis Metode Hasil penelitian ini mampu
Hasyim kulit wajah dalam Toko kosmetik certainty menunjukkan ukuran kepastian
As’ary, Rico pemilihan produk yani_skincaremsglow factor terhadap suatu fakta atau aturan.
Imanta skincare memiliki masalah
Ginting, Mhd. menggunakan dalam proses
Gilang metode certainty menentukan jenis kulit
Suryanata factor wajah konsumen.
(2022)
9
 Peneliti dan
Metode
Tahun
No. Judul Penelitian Masalah Penelitian Hasil
Penelitian
Alwan Tindakan Perawatan lain yang mirip merekomendasikan tindakan
Hamadi. Jerawat Wajah. dengan jerawat serta penanganannya. Sistem ini juga telah
2017. tidak mengerti diuji coba serta divalidasi oleh pakar
tentang tindakan apa dan beberapa pengguna.
yang seharusnya
dilakukan untuk
mengatasi jerawat.

Dari ke-lima penelitian tersebut ada benang merah yang menghubungkan antara penelitan-penelitian yang akan peneliti lakukan. Penelitian
sebelumnya sama-sama membahas tentang forward chaining dan certainty factor dalam sistem pakar. Namun ada beberapa hal yang berbeda
pada penelitian kali ini, yaitu pada penelitian ini sistem dirancang khusus untuk memberikan hasil rekomendasi berupa toner dengan
mengkombinasikan kedua metode tersebut.

10
2.2. Dasar Teori
2.2.1. Kulit Wajah
Setiap manusia memiliki jenis dan permasalahan kulit wajah
yang berbeda dengan cara perawatan yang berbeda pula. Mengetahui
kondisi kulit wajah sendiri pun merupakan salah satu hal yang paling
dasar dan terpenting sebelum melakukan perawatan wajah agar tidak
memberikan dampak negatif pada kulit wajah.
Jenis kulit wajah dapat berubah dipengaruhi oleh faktor
internal dan eksternal seperti tingkat hormon, umur, cuaca, suhu,
kelembapan, nutrisi, gaya hidup, serta kosmetik dan obat-obatan
yang digunakan. Secara umum jenis kulit wajah terbagi menjadi
empat jenis, yaitu:
1) Kulit Normal
Kulit normal merupakan jenis kulit yang cenderung mudah
dirawat. Pada kulit normal, kelenjar minyak biasanya tidak
terlalu menjadi masalah karena minyak yang dikeluarkan
seimbang, tidak berlebihan ataupun kekurangan.
2) Kulit Kering
Kulit kering merupakan jenis kulit yang kekurangan
minyak.
3) Kulit Berminyak
Kulit berminyak merupakan jenis kulit yang diakibatkan
oleh kelenjar minyak yang sangat aktif pada saat pubertas.
4) Kulit Kombinasi
Kulit kombinasi merupakan gabungan dari lebih dari satu
jenis kulit, seperti kering dan berminyak. Bagian yang
berminyak umumnya terdapat pada daerah dagu, hidung
dan dahi yang diketahui sebagai T-Zone atau daerah T.
[12].
Sedangkan, permasalahan kulit yang umumnya muncul
pada wajah adalah jerawat, komedo, bekas jerawat, flek hitam,
warna kulit yang tidak merata, kerutan, kulit kusam dan kulit
sensitif.
11
2.2.2. Sistem Pakar
Sistem pakar (expert system) merupakan salah satu bentuk
implementasi dari Artifical Intelligence atau kecerdasan buatan yang
mampu menyelesaikan permasalahan tertentu dengan cara
mengadopsi pemikiran dan pengetahuan pakar. Sistem pakar
merupakan sebuah sistem yang bekerja dengan meniru proses
penalaran dan pengetahuan para ahli untuk memperoleh solusi bagi
masalah tertentu [13]. Sistem pakar berisi pengetahuan manusia
yang tersimpan dalam komputer dan berguna untuk memecahkan
permasalahan yang biasanya membutuhkan keahlian manusia [14].
Mekanisme kerja sistem pakar cukup sederhana, yaitu
merepresentasikan pengetahuan pakar ke dalam program komputer.
User (pengguna) menyampaikan fakta atau informasi pada sistem
pakar lalu akan mendapatkan saran atau jawaban dari pakar. Proses

12
pengalihan pengetahuan dapat terjadi melalui 4 aktivitas, yaitu
penambahan pengetahuan pakar, merepresentasikan pengetahuan
pakar ke dalam sistem komputer, menarik sebuah kesimpulan dari
basis pengetahuan dan mengalihkan kesimpulan akhir ke pengguna
[15].
Komponen sistem pakar dikelompokkan menjadi 4 bagian,
yaitu [16]:
1. Basis Pengetahuan
Basis pengetahuan (knowledge base) merupakan dasar utama
dari sistem pakar yang mempresentasikan pengetahuan
(knowledge representation). Bagian ini terdiri dari kumpulan
objek yang dilengkapi aturan dan atribut (sifat atau ciri objek).
2. Memori Kerja
Memori kerja (working memory) merupakan bagian dari sistem
pakar yang berisi fakta-fakta dari fakta awal pada saat sistem
beroperasi maupun fakta-fakta saat berlangsungnya
pengambilan kesimpulan selama sistem pakar beroperasi.
Memori kerja berfungsi untuk menyimpan database.
3. Mesin Inferensi
Mesin inferensi (Inference engine) merupakan bagian yang
menyediakan mekanisme fungsi berpikir dan pola-pola
penalaran terhadap suatu permasalahan seperti yang digunakan
oleh seorang pakar. Mesin akan menganalisis masalah dan
mencarikan jawaban atau kesimpulan terbaik. Mesin ini bekerja
dengan mencocokan kaidah-kaidah dalam basis pengetahuan
dengan fakta-fakta yang ada dalam database. Ada dua teknik
inference engine yaitu teknik bakcward chaining (pelacakan ke
belakang) dan teknik forward chaining (pelacakan ke depan).
4. Antarmuka Pengguna
Antarmuka pengguna (User interface) merupakan bagian
penghubung antara program sistem pakar dengan pengguna. UI

13
 memungkinkan pengguna untuk memasukkan instruksi dan
informasi ke dalam sistem pakar serta menerima penjelasan dan
kesimpulan.
Secara umum, struktur sistem pakar dikelompokkan menjadi
dua, yaitu pengembangan dan konsultasi (runtime). Pengembangan
umumnya digunakan untuk membangun komponen dan memasukan
pengetahuan ke dalam basis pengetahuan, sedangkan konsultasi
digunakan untuk memperoleh pengetahuan dan rekomendasi dari
pakar. Kedua lingkungan tersebut dapat dipisahkan setelah seluruh
komponen dalam sistem sudah lengkap [17]. Pada umumnya,
komponen sistem pakar terdiri dari basis pengetahuan, mesin
inferensi, dan antarmuka pengguna. Namun, jika sistem pakar dibuat
untuk berinteraksi dengan pengguna, maka dapat ditambahkan
beberapa komponen pendukung seperti subsistem akuisi
pengetahuan, blackboard, justifier, dan subsistem pengetahuan.
Berdasarkan kegunaannya, sistem pakar diklasifikasikan ke
menjadi 6 jenis yaitu:
1. Diagnosis
Sistem pakar dapat digunakan untuk mendiagnosis suatu penyakit
atau kerusakan mesin.
2. Pengajaran
Sistem pakar dapat digunakan untuk mengajar siswa dengan
prinsip kerja mendiagnosis permasalahan siswa dalam belajar,
kemudian memberikan solusi yang tepat untuk mengatasi
permasalahan tersebut.
3. Interpretasi
Sistem pakar dapat digunakan untuk menganalisa data yang tidak
lengkap, tidak teratur dan data kontradiktif, seperti
menginterpretasi citra.
4. Prediksi

14
 Sistem pakar dapat digunakan untuk memprediksi suatu
fenomena seperti peramalan cuaca dan penentuan masa tanam.
5. Perencanaan
Sistem pakar dapat digunakan dalam perencanaan bangunan
maupun manajemen dengan keunggulan dapat menghemat biaya,
waktu, dan material.
6. Kontrol
Sistem pakar dapat digunakan untuk pengontrolan kegiatan yang
membutuhkan waktu dan presisi tinggi.

Lingkungan Pengembangan Lingkungan Konsultasi

Pengguna
Basis pengetahuan, yaitu fakta dan
Fakta spesifik
Antarmuka
pemakai Knowledge
engineer
Fasilitas
Akuisisi

Pengetahua
Mesin inferensi n pakar
Rekomend
asi aksi

Workplace Fasilitas

Gambar 2. 1 Struktur Sistem Pakar

Gambar 2.1 Struktur Sistem Pakar

Suatu sistem pakar dapat dikatakan ideal apabila mudah

dimodifikasi, terbuka untuk diperiksa, dan memiliki fasilitas
penalaran atau penjelasan. Sistem pakar memiliki beberapa
keunggulan, seperti mampu menghimpun data dalam jumlah besar,
menyampaikan data dalam bentuk tertentu untuk jangka waktu yang
panjang, dan mampu melakukan perhitungan secara cepat dan tepat

15
 [17]. Sistem pakar juga memiliki beberapa keuntungan. Berikut
beberapa keuntungan dari penerapan sistem pakar [15]:
1. Memungkinkan orang awam dapat menyelesaikan pekerjaan
para ahli
2. Proses bisa dilakukan secara berulang dan otomatis
3. Menyimpan pengetahuan dan keahlian dari para pakar
4. Melestarikan keahlian para pakar
5. Mampu beroperasi di dalam lingkungan yang berbahaya
6. Mampu beroperasi dengan informasi yang tidak lengkap dan
mengandung ketidakpastian
7. Tidak memerlukan biaya saat digunakan
8. Dapat diperbanyak sesuai kebutuhan dengan waktu yang
minimal dan biaya yang sedikit
9. Dapat memecahkan masalah lebih cepat dari kemampuan
manusia
10. Meningkatkan kualitas dan produktivitas
11. Menghemat waktu dan biaya dalam mengambil keputusan

Sistem pakar memiliki beberapa kelemahan, yaitu [9]:

1. Biaya pembuatan, pemeliharaan, dan pengembangan sistem
relatif mahal.
2. Sistem sulit dikembangkan, karena ketersediaan pakar terbatas
dan kepakaran sulit dialihkan dari manusia ke komputer.
3. Presentase kebenaran sistem pakar tidak dijamin 100%, karena
pakar yang terlibat dalam pembuatan sistem tidak selalu benar.

2.2.3. Metode Forward Chaining

Forward chaining merupakan salah satu metode sistem pakar
yang digunakan untuk mencari solusi atas suatu permasalahan.
Mekanisme kerja metode ini yaitu mempertimbangkan fakta-fakta
yang ada untuk menghasilkan sebuah kesimpulan [18]. Forward

16
chaining juga disebut sebagai model komputasi bottom up.
Mekanisme forward chaining secara umum dimulai dengan
seperangkat fakta yang diketahui dan menerapkan aturan untuk
menghasilkan fakta baru dengan premis sesuai fakta yang sudah
diketahui. Proses ini terus berjalan sampai mencapai tujuan yang
telah ditenttukan atau sampai tidak ada fakta lain yang dapat
diturunkan karena premisnya tidak cocok dengan fakta yang
diketahui [19].
Forward chaining menggunakan konsep pemikiran yang
dikendalikan oleh data (data-driven) atau memiliki fokus utama
pada data yang diketahui. Metode ini mulai dapat diterapkan pada
data yang tersedia dengan menggunakan atura -aturan inferensi
untuk memperoleh data lain sampai kesimpulan. Mesin inferensi
yang menggunakan forward chaining akan mencari aturan-aturan
inferensi sampai ditemukan satu dari antecedent (klausa IF – THEN)
yang benar [20]. Teknik pencarian dengan metode forward chaining
dimulai dari fakta yang diketahui, kemudian mencocokan fakta-fakta
tersebut dengan bagian IF dari rules IF-THEN [21]. Jika aturan
sudah ditemukan, maka mesin dapat mengambil keputusan untuk
membuat kesimpulan atau konsekuensi (klausa THEN) yang akan
memberikan tambahan informasi dari data yang disediakan. Apabila
ada fakta yang cocok dengan bagian IF, maka rule dieksekusi.

Insert

Check next rule Check first rule

T
F T
Rules remain Premises match Add conclusion
F
Stop

Gambar 2. 2 Forward Chaining Inference Process

17
 Pada sistem forward chaining, fakta-fakta yang ada akan
disimpan di dalam memori kerja dan diperbaharui secara kontinyu.
Aturan yang ada di dalam sistem merepresentasikan tindakan-
tindakan yang harus diambil ketika saat ada suatu kondisi khusus
pada item-item dalam memori kerja. Kondisi yang dimaksud
biasanya berupa kecocokan pola dengan item yang ada di dalam
memori kerja, sedangkan tindakan atau aksi yang dimaksud adalah
penambahan atau penghapusan item dalam memori kerja.

Rule base
Determine possible
rules to fire
Working

Conflict

Conflict
Fire Rule Select rule to resolution
strategy
No rule found

Exit if specified by Exit

Gambar 2. 3 Flowchart Forward Chaining

Metode forward chaining dapat dilaksanakan dengan dua cara.

Cara pertama yaitu dengan mengalihkan seluruh data yang didapat
ke sistem pakar. Cara kedua yaitu hanya mengalihkan bagian-bagian
data yang penting ke sistem pakar. Jika sistem pakar terhubung
dengan proses otomatis dan penerima seluruh data dari database,
maka dapat digunakan cara pertama. Cara kedua lebih efektif dan
efisien untuk digunakan karena data yang diambil hanya data-data
yang penting saja (tidak semua data), sehingga dapat menghemat
waktu serta biaya. Keduanya dapat mengarahkan pada suatu
kesimpulan, namun efisiensina tergantung dari kondisi masalah yang
dihadapi [22].

18
 Secara umum cara kerja metode forward chaining adalah
sebagau berikut [20]:
1. Proses dikendalikan oleh data (data-driven)
2. Kerja forward chainning dumulai dari data atau fakta yang
diketahui dan proses data tersebut
3. Hanya rule paling atas yang diproses setiap saat
4. Rule menambah fakta baru ke database ketika diproses
5. Setiap rule hanya boleh dieksekusi sekali
6. Putaran akan berhenti ketika tidak ada lagi rule yang akan
diproses

Secara umum terdapat 8 langkah yang harus ditempuh ketika

akan membuat sistem pakar menggunakan metode forward
chaining. Langkah-langkah tersebut yaitu [23]:
1. Pendefinisian masalah yang dimulai dengan pemilihan domain
masalah dan akuisisi pengetahuan.
2. Pendefinisian data input yang diperlukan sistem forward
chaining untuk memulai inferensi.
3. Pendefinisian struktur pengendalian data untuk membantu
mengendalikan pengaktifan suatu aturan.
4. Penulisan kode awal dalam domain pengetahuan.
5. Pengujian sistem untuk mengetahui sejauh mana sistem dapat
berjalan.
6. Perancangan antarmuka dengan basis pengetahuan.
7. Pengembangan sistem.
8. Evaluasi sistem.

Contoh perhitungan menggunakan metode forward chaining:

Mencari hasil rekomendasi produk skincare yang sesuai dengan
jenis dan permasalahan kulit wajah, fakta awal adalah kulit mudah

19
 berjerawat dan pori-pori besar. Aturan yang digunakan adalah
sebagai berikut:
R1: IF Pori-Pori Besar THEN Kulit Berminyak
R2: IF Kulit Berminyak THEN Kulit Kusam
R3: IF Pori-pori Besar AND Kulit Berminyak THEN Kulit Mudah
Berjerawat
R4: IF Kulit Mudah Berjerawat THEN Produk yang dibutuhkan
adalah Toner Avoskin

Penyelesaian rule:
1) Karena fakta awal adalah pori-pori besar dan kulit mudah
berjerawat, maka rule 1 dan 3 ditambahkan ke goals,
2) Menambahkan konsekuen THEN Kulit Mudah Berjerawat
ke data yang dimiliki,
3) IF Kulit Mudah Berjerawat THEN Produk yang dibutuhkan
adalah Toner Avoskin sebagai goals.
2.2.4. Metode Certainty Factor
Certainty Factor adalah metode yang digunakan untuk
mengukur nilai ketidakpastian terhadap suatu fakta atau aturan
berdasarkan penilaian pakar [24]. Dalam penerapannya, metode ini
menggunakan suatu nilai yang akan dijadikan sebagai alat untuk
mengasumsikan tingkat keyakinan seorang pakar terhadap suatu
data. Berikut formula yang digunakan untuk mendapatkan nilai
certainty factor:
𝐶𝐹 [𝐻, 𝐸] = 𝑀𝐵 [𝐻, 𝐸] − 𝑀𝐷 [𝐻, 𝐸] (2.1)
Keterangan :
CF : Nilai certainty factor dari hipotesis H yang dipengaruhi
oleh evidence E
MB : ukuran kepercayaan (Measure of Belief) terhadap hipotesis
H yang dipengaruhi oleh evidence E

20
 MD : ukuran ketidakpercayaan (Measure of Disbelief) terhadap
hipotesis H yang dipengaruhi oleh evidence E.
2.2.5. Black Box Testing
Black box testing merupakan suatu teknik pengujian perangkat
lunak yang berfokus pada spesifikasi fungsional dari software
tersebut [25]. Teknik ini tidak membutuhkan pengujian desain dan
kode program untuk mengetahui apakah fungsi, masukan dan
keluaran dari perangkat lunak sesuai dengan spesifikasi yang
dibutuhkan. Teknik ini bekerja dengan mengabaikan struktur kontrol
sehingga fokus perhatiannya terletak pada informasi domain. Black
box testing dapat digunakan untuk membuat himpunan kondisi input
yang akan melatih seluruh syarat -syarat fungsional suatu program.
Teknik pengujian ini mudah digunakan karena hanya membutuhkan
batas bawah dan batas atas dari data yang diharapkan. Estimasi
banyaknya data uji dapat dihitung melalui banyaknya field data entri
yang akan diuji.

Keuntungan menggunakan black box testing yaitu penguji

tidak perlu memiliki pengetahuan bahasa pemrograman tertentu,
pengujian dilakukan dari sudut pandang pengguna untuk
mengungkapkan inkonsistensi dalam spesifikasi persyaratan dan
adanya tergantungan positif antara programmer dan tester.
Kelemahan black box testing yaitu sulit melakukan uji kasus tanpa
spesifikasi yang jelas, memiliki kemungkinan pengulangan tes dan
beberapa bagian back end bisa tidak diuji sama sekali [26].

21
 BAB III
METODOLOGI PENELITIAN

3.1. Subyek dan Obyek Penelitian

Subyek untuk penelitian tugas akhir ini adalah seorang pakar dari
bidang farmasis yaitu Nurul Muhabah dengan memberikan nilai pakar
certainty factor dari produk toner.
Obyek yang diteliti adalah tentang jenis kulit wajah, permasalahan kulit
wajah, 5 produk skincare yang cocok untuk setiap jenis serta permasalahan
kulit wajah. Peneliti juga akan mengangkat 5 orang yang akan dijadikan
sebagai objek uji coba kelayakan sistem dengan rentang usia mulai dari 15-
60 tahun dengan alasan karena pasti memiliki permasalahan kulit yang
berbeda-beda dan toner Avoskin memang sengaja dirancang untuk yang
berumur mulai dari 15 tahun.

3.2. Alat dan Bahan Penelitian

Dalam penelitian dibutuhkan alat dan bahan untuk menunjang
kelancaran penelitian dengan tujuan agar sistem dapat beroperasi dengan
baik.

3.2.1. Alat Penelitian

Alat penelitian yang digunakan pada penelitian ini meliputi:
a) Perangkat Keras (Hardware)
1. Laptop, dengan spesifikasi:
a. Processor AMD Ryzen 7
b. RAM 8GB
c. Hard disk 512GB
d. Mouse dan keyboard
b) Perangkat Lunak (Software)
1. Sistem Operasi Windows 10

22
 2. Microsoft Office 2016 sebagai alat bantu dalam penulisan
laporan
3. Draw.io sebagai sarana membuat diagram alir
4. Google Chrome sebagai web browser

3.2.2. Bahan Penelitian

Bahan penelitian didapatkan dari studi literatur berupa data-
data yang berkaitan dengan sistem pakar yang dibangun. Data jenis
dan permasalahan kulit serta produk skincare akan dijadikan sebagai
inputan sistem. Pada halaman pertama pengguna diharuskan untuk
mengisi data diri terlebih dahulu, lalu selanjutnya pengguna akan
diberikan beberapa pertanyaan dan pengguna harus mengisi sesuai
dengan kondisi kulit yang sedang dialami. Output sistem akan
berupa kesimpulan jenis dan permasalahan kulit yang sedang dialami
oleh pengguna serta rekomendasi produk skincare yang cocok
digunakan untuk jenis dan permasalahan kulit tersebut.

Peneliti telah membuat kuesioner di instagram tentang brand

yang diminati dengan 3 pilihan yaitu Avoskin, Somethinc dan
Npure. Dari ketiga brand tersebut, Avoskin memiliki responden
terbesar yaitu sebanyak 14 responden. Dan alasan selanjutnya
memilih Avoskin adalah Avoskin memiliki produk toner yang lebih
banyak variannya.

3.3. Diagram Alir Penelitian

Secara sederhana, penelitian akan dilakukan sesuai dengan diagram alir
di bawah ini:

23
 Evaluasi dan Implementasi
Gambar 3. 1 Diagram Alir Penelitian

Selesai

Gambar 3.1.

Berdasarkan Gambar 3.1, penelitian ini dimulai dengan

mengidentifikasi permasalahan yang ada, dilanjutkan dengan mencari
referensi penyelesaian masalah dari jurnal sebelumnya yang sekiranya

24
berkaitan dengan penelitian kali ini. Selanjutnya data-data yang telah
dikumpulkan dilakukan dengan wawancara kepada pakar. Kemudian peneliti
mengolah keseluruhan data yang ada dengan teknik forward chaining dan
certainty factor. Hasil dari setiap nilai certainty factor akan dibandingkan dan
nilai yang terbesar akan dijadikan sebagai rekomendasi akhir.

Berdasarkan Gambar 3.1. metode penelitian yang akan dilakukan dimulai

dari:

1) Identifikasi Masalah

Peneliti melakukan identifikasi permasalahan yang terjadi disekitar

masyarakat, salah satunya adalah banyaknya masyarakat yang
menggunakan produk perawatan kulit wajah tidak sesuai dengan kondisi
kulit permasalahan masing-masing yang membuat kulit menjadi break-
out, iritasi dan lain sebagainya.

2) Studi literatur

Pada tahap ini peneliti melakukan studi literatur tentang sistem pakar,
kulit wajah, forward chaining dan certainty factor melalui jurnal-jurnal
yang ada di internet.

3) Pengumpulan data

Pada tahap ini, peneliti melakukan pengumpulan data dari pakar untuk
menentukan nilai certainty factor.

4) Perancangan sistem

Pada tahap ini, sistem mulai dirancang, mulai dari tahap penyeleksian
data, memberikan rekomendasi sesuai dengan forward chaining dan
melakukan perhitungan dengan certainty factor.

5) Evaluasi dan implementasi

Pada tahap ini peneliti mengevaluasi tentang keseluruhan sistem dan

mengimplementasikannya ke masyarakat.
25
3.4. Hipotesis Penelitian
Berdasarkan studi literatur serta perancangan sistem sederhana yang
telah dilakukan, peneliti menyimpulkan bahwa metode forward chaining dan
certainty factor mampu memberikan rekomendasi akhir yang sesuai dengan
rekomendasi pakar.

26
 BAB IV
HASIL DAN PEMBAHASAN

Tujuan dari penelitian ini adalah membantu masyarakat untuk merekomendasikan

jenis toner yang cocok untuk jenis kulit masing-masing. Penelitian ini menerapkan
metode forward chaining dan certainty factor dalam pengembangannya. Hasil dari
penelitian ini berupa rancangan sistem pakar rekomendasi jenis toner. Aplikasi ini hanya
akan menampilkan jenis toner dengan nilai certainty factor tertinggi.

4.1 Hasil Pengujian

Program dirancang menggunakan appsheet yang dikeluarkan oleh Google.
Data dari pengguna dan sistem akan langsung di masukkan ke dalam spreadsheet.
Pada penelitian ini, menggunakan lima data toner dari Avoskin. Hasil implementasi
sistem dapat diakses melalui alamat https://www.appsheet.com/start/a7b82fe0-
c769-47bd-8212-4c76f3a55101

4.1.1 Halaman Awal

Bisa dilihat pada Gambar 4.1., pada halaman ini pengguna akan
diberikan pilihan menu, diantaranya adalah menu kalkulasi untuk
perhitungan, kuisioner untuk mengisi survei yang diberikan oleh
pengguna, dan menu feedback untuk melihat hasil survei dalam bentuk
chart.

Gambar 4. 1 Halaman Awal Sistem

4.1.2 Halaman Identitas Pengguna

27
 Gambar 4.2. merupakan halaman untuk memasukkan identitas
pengguna akan diminta untuk mengisi data-data pribadi, seperti nama,
umur, jenis kelamin dan jenis kulit.

Gambar 4. 2 Halaman Identitas Pengguna

4.1.3 Halaman Hasil

Pada Gambar 4.3. halaman ini akan menampilkan hasil

perhitungan dari semua pengguna.

Gambar 4. 3 Halaman Hasil Sistem

4.1.4 Halaman Gejala

Pada Gambar 4.4. halaman ini pengguna akan diminta untuk

mengisi gejala kulit yang sesuai dengan kondisi kulit pengguna dengan
pilihan jawaban 0 (Tidak), 0.2 (Tidak Yakin), 0.4 (Sedikit Yakin), 0.6
(Cukup Yakin), 0.8 (Yakin), 1 (Sangat Yakin).

28
 Gambar 4. 4 Halaman Gejala

4.1.5 Halaman Hasil Forward Chaining

Pada Gambar 4.5. halaman ini, sistem akan memberikan jawaban

rekomendasi berdasarkan peraturan forward chaining.

Gambar 4. 5 Halaman Forward Chaining

4.1.6 Halaman Hasil Akhir Certainty Factor

Pada Gambar 4.6. halaman ini, sistem akan memberikan hasil

perhitungan berdasarkan certainty factor dan juga menyimpulkan hasil
akhir rekomendasi toner yang cocok untuk kulit pengguna.

29
 Gambar 4. 6 Halaman Certainty Factor

4.1.7 Halaman Kuesioner

Pada Gambar 4.7. halaman ini, pengguna diminta untuk mengisi
beberapa pertanyaan survei tentang sistem yang dibuat.

Gambar 4. 7 Halaman Kuesioner

4.1.8 Halaman Feedback

Pada Gambar 4.8. halaman ini, sistem akan menampilkan hasil

jawaban survei dalam bentuk chart.

30
 Gambar 4. 8 Halaman Feedback

4.2 Analisis

4.2.1 Penentuan Pakar

Pakar merupakan individu yang memiliki pengetahuan khusus di bidang

tertentu. Pakar yang terlibat dalam penelitian ini adalah seorang farmasis Farah
Nur, S.Farm. yang membantu dalam pemberian nilai-nilai certainty factor untuk
setiap produk dan gejala yang ada.

4.2.2 Akuisisi Pengetahuan

Penerapan metode forward chaining dan certainty factor memerlukan
beberapa variabel yaitu bobot nilai yang diberikan oleh pengguna dan pakar antara 0-
1. Berikut adalah kondisi kulit, produk, dan nilai bobot yang diberikan oleh pakar,
bisa dilihat pada Tabel 4.1.
Tabel 4. 1 Tabel Nilai Pakar

Mudah berjerawat dan berkomedo 0,2 0,2 0,2 0,8 0,8

Bekas jerawat yang memerah 0,6 0,8 0,2 0,4 0,8
Bekas jerawat yang berwarna coklat
kehitaman 0,8 0,8 0 0,6 0,8
Warna kulit tidak merata 0,8 0,8 0 0,6 0,6
Kulit terasa kencang dan ketarik 0,2 0,6 0,8 0 0,2
Kulit bertekstur kasar 0,4 0,4 0,8 0,6 0,8
Kulit mudah gatal, iritasi dan memerah 0,2 0,2 0,6 0 0
Kerutan dan garis halus 0,2 0,2 0,8 0,4 0,8
Bercak flek hitam 0,6 0,6 0 0,4 0,6
Pori-pori besar 0,6 0,4 0,6 0,8 0,8
31
 Kulit wajah mudah memerah dan
merasa panas (flushing) 0,2 0,4 0,6 0 0,2
Benjolan kecil berwarna putih atau
kuning 0 0 0 0,6 0,8
Kulit mudah merasakan sensasi
menyengat/cekat-cekit 0,2 0,4 0,6 0 0,2

Nilai pakar ini akan dijadikan sebagai acuan perhitungan certainty factor.
Nilai 0 (tidak yakin), 0.2 (tidak tahu), 0.4 (sedikit yakin), 0.6 (cukup yakin), 0.8
(yakin), 1 (sangat yakin). Nilai ini akan dikombinasikan dengan nilai pengguna.

Pada penelitian ini, penulis menggunakan lima produk toner dari Avoskin.
Daftar produk bisa dilihat pada Tabel 4.2.
Tabel 4. 2 Tabel Penjelasan Produk

Kode Nama Produk

Avoskin Your Skin Bae Vitamin C 2% +
Toner
Niacinamide 2% + Carrot Extract +
A
Raspberry
Avoskin Your Skin Bae Toner Niacinamide
TonerB
7% + Alpha Arbutin 1% + Kale
Avoskin Your Skin Bae Toner Marine
TonerC Collagen 5% + Hyacross 2% +
Galactomyces
Avoskin Your Skin Bae Toner Salicylic Acid
TonerD
1% + Zinc + Tea Tree Water
TonerE Avoskin Miraculous Retinol Toner

Tabel 4. 3 Tabel Penjelasan Produk

4.2.3 Pengujian Perhitungan Nilai Secara Manual

Pada bagian ini akan dijelaskan bagaimana langkah penalarn forward
chaining dan metode certainty factor sampai mendapatkan hasil akhir.
Berikut merupakan data dummy yang digunakan pada penelitian kali ini.

32
 Tabel 4. 4 Nilai Pakar Manual

Gejala Nilai
User
Mudah berjerawat dan 0.8
komedo
Bekas jerawat merah 0.8
Bekas jerawat hitam 0.6
Warna kulit tidak merata 0
Kulit terasa kencang dan 0
ketarik
Kulit bertekstur kasar 0.8
Kulit mudah gatal, iritasi 0
dan merah
Kerutan dan garis halus 0
Bercak flek hitam 0
Pori-pori besar 0
Kulit mudah memerah 0
Benjolan kecil berwarna 0
putih atau kuning
Kulit mudah menyengat 0

1. Forward Chaining
Tabel 4. 5 Rules Forward Chaining
No. Rules
1 IF G2 AND G3 AND G4 AND G9 AND
G10 ≥ 0.6 THEN Toner A
2 IF G2 AND G4 AND G4 AND G5 AND G9
≥ 0.6 THEN Toner B
3 IF G5 AND G6 AND G7 AND G8 AND
G10 AND G11 AND G13 ≥ 0.6 THEN
Toner C
4 IF G1 AND G3 AND G4 AND G6 AND

33
 G10 AND G12 ≥ 0.6 THEN Toner D
5 IF G1 AND G2 AND G3 AND G4 AND G6
AND G8 AND G9 AND G10 AND G12 ≥
0.6 THEN Toner E

Berdasarkan dari rule dan nilai yang diberikan oleh pengguna, maka hasil
rekomendasi skincare adalah :

a) Avoskin YSB Toner Vitamin C 2% + Niacinamide 2% + Carrot Extract +

Raspberry

b) Avoskin YSB Niacinamide 7% + Alpha Arbutin 1% + Kale

c) Avoskin YSB Marine Collagen 5% + Hyacross 2% + Galactomyces

d) Avoskin YSB Salicylic Acid 1% + Zinc + Tea Tree Water

e) Avoskin Miraculous Retinol

Karena sistem masih memberikan hasil lebih dari satu, maka sistem
akan melakukan perhitungan certainty factor untuk mengambil nilai akhir
dengan persentase tertinggi.

2. Perhitungan Certainty factor

Rumus Certainty Factor

𝐶𝐹𝑐𝑜𝑚𝑏𝑖𝑛𝑒 = 𝐶𝐹1 + 𝐶𝐹2(1 − 𝐶𝐹1)

.................................................................................................... (2)

34
 Tabel 4. 6 Hasil Perhitungan Manual

CF Pakar CF CF Pakar CF Pakar CF Pakar CF Pakar

Gejala CF User CF Gab B CF Gab C CF Gab D CF Gab E
Toner A Gab A Toner B Toner C Toner D Toner E
G1 0.8 0.2 0.16 0.2 0.16 0.2 0.16 0.8 0.64 0.8 0.64
G2 0.8 0.6 0.48 0.8 0.64 0.2 0.16 0.4 0.32 0.8 0.64
G3 0.6 0.8 0.48 0.8 0.48 0 0 0.6 0.36 0.8 0.48
G4 0 0.8 0 0.8 0 0 0 0.6 0 0.6 0
G5 0 0.2 0 0.6 0 0.8 0 0 0 0.2 0
G6 0.8 0.4 0.32 0.4 0.32 0.8 0.64 0.6 0.48 0.8 0.64
G7 0 0.2 0 0.2 0 0.6 0 0 0 0 0
G8 0 0.2 0 0.2 0 0.8 0 0.4 0 0.8 0
G9 0 0.6 0 0.6 0 0 0 0.4 0 0.6 0
G10 0 0.6 0 0.4 0 0.6 0 0.8 0 0.8 0
G11 0 0.2 0 0.4 0 0.6 0 0 0 0.2 0
G12 0 0 0 0 0 0 0 0.6 0 0.8 0
G13 0 0.2 0 0.4 0 0.6 0 0 0 0.2 0

a) Toner A

𝐶𝐹𝑐𝑜𝑚𝑏𝑖𝑛𝑒1 = 𝐶𝐹𝐺𝑎𝑏𝐴𝐺1 + 𝐶𝐹𝐺𝑎𝑏𝐴𝐺2(1 − 𝐶𝐹𝐺𝑎𝑏𝐴𝐺1) = 0.16 + 0.48 (1-0.16) = 0.5632

𝐶𝐹𝑐𝑜𝑚𝑏𝑖𝑛𝑒2 = 𝐶𝐹𝐶𝑜𝑚𝑏𝑖𝑛𝑒1 + 𝐶𝐹𝐺𝑎𝑏𝐴𝐺3(1 − 𝐶𝐹𝐶𝑜𝑚𝑏𝑖𝑛𝑒1) = 0.5632 + 0.48 (1-0.5632) = 0.7728
𝐶𝐹𝑐𝑜𝑚𝑏𝑖𝑛𝑒3 = 𝐶𝐹𝐶𝑜𝑚𝑏𝑖𝑛𝑒2 + 𝐶𝐹𝐺𝑎𝑏𝐴𝐺6(1 − 𝐶𝐹𝐶𝑜𝑚𝑏𝑖𝑛𝑒3) = 0.7728 + 0.32 (1-0.7728) = 0.845504

Dari perhitungan di atas, di dapatkan nilai 84.55% untuk toner Avoskin YSB Toner Vitamin C 2% + Niacinamide 2% + Carrot
Extract + Raspberry

b) Toner B

35
 𝐶𝐹𝑐𝑜𝑚𝑏𝑖𝑛𝑒1 = 𝐶𝐹𝐺𝑎𝑏𝐴𝐺1 + 𝐶𝐹𝐺𝑎𝑏𝐴𝐺2(1 − 𝐶𝐹𝐺𝑎𝑏𝐴𝐺1) = 0.16 + 0.64 (1-0.16) = 0.6976

𝐶𝐹𝑐𝑜𝑚𝑏𝑖𝑛𝑒2 = 𝐶𝐹𝐶𝑜𝑚𝑏𝑖𝑛𝑒1 + 𝐶𝐹𝐺𝑎𝑏𝐴𝐺3(1 − 𝐶𝐹𝐶𝑜𝑚𝑏𝑖𝑛𝑒1) = 0.6976 + 0.48 (1-0.6976) = 0.842752

𝐶𝐹𝑐𝑜𝑚𝑏𝑖𝑛𝑒3 = 𝐶𝐹𝐶𝑜𝑚𝑏𝑖𝑛𝑒2 + 𝐶𝐹𝐺𝑎𝑏𝐴𝐺6(1 − 𝐶𝐹𝐶𝑜𝑚𝑏𝑖𝑛𝑒3) =0.8427 + 0.32 (1-0.8427) = 0.8930

Dari perhitungan di atas, di dapatkan nilai 89.30% untuk toner Avoskin YSB Niacinamide 7% + Alpha Arbutin 1% + Kale

c) Toner C

𝐶𝐹𝑐𝑜𝑚𝑏𝑖𝑛𝑒1 = 𝐶𝐹𝐺𝑎𝑏𝐴𝐺1 + 𝐶𝐹𝐺𝑎𝑏𝐴𝐺2(1 − 𝐶𝐹𝐺𝑎𝑏𝐴𝐺1) = 0.16 + 0.16 (1-0.16) = 0.2944

𝐶𝐹𝑐𝑜𝑚𝑏𝑖𝑛𝑒2 = 𝐶𝐹𝐶𝑜𝑚𝑏𝑖𝑛𝑒1 + 𝐶𝐹𝐺𝑎𝑏𝐴𝐺6(1 − 𝐶𝐹𝐶𝑜𝑚𝑏𝑖𝑛𝑒1) = 0.2944 + 0.64 (1-0.2944) = 0.7459

Dari perhitungan di atas, di dapatkan nilai 74.59% untuk toner Avoskin YSB Marine Collagen 5% + Hyacross 2% +
Galactomyces

d) Toner D

𝐶𝐹𝑐𝑜𝑚𝑏𝑖𝑛𝑒1 = 𝐶𝐹𝐺𝑎𝑏𝐴𝐺1 + 𝐶𝐹𝐺𝑎𝑏𝐴𝐺2(1 − 𝐶𝐹𝐺𝑎𝑏𝐴𝐺1) = 0.64 + 0.32 (1-0.64) = 0.7552

𝐶𝐹𝑐𝑜𝑚𝑏𝑖𝑛𝑒2 = 𝐶𝐹𝐶𝑜𝑚𝑏𝑖𝑛𝑒1 + 𝐶𝐹𝐺𝑎𝑏𝐴𝐺3(1 − 𝐶𝐹𝐶𝑜𝑚𝑏𝑖𝑛𝑒1) =0.7552 + 0.36 (1-0.7552) = 0.8433

𝐶𝐹𝑐𝑜𝑚𝑏𝑖𝑛𝑒3 = 𝐶𝐹𝐶𝑜𝑚𝑏𝑖𝑛𝑒2 + 𝐶𝐹𝐺𝑎𝑏𝐴𝐺6(1 − 𝐶𝐹𝐶𝑜𝑚𝑏𝑖𝑛𝑒3) = 0.8433 + 0.48 (1-0.8433) = 0.9185

Dari perhitungan di atas, di dapatkan nilai 91.85% untuk toner Avoskin YSB Salicylic Acid 1% + Zinc + Tea Tree Water

e) Toner E

𝐶𝐹𝑐𝑜𝑚𝑏𝑖𝑛𝑒1 = 𝐶𝐹𝐺𝑎𝑏𝐴𝐺1 + 𝐶𝐹𝐺𝑎𝑏𝐴𝐺2(1 − 𝐶𝐹𝐺𝑎𝑏𝐴𝐺1) = 0.64 + 0.64 (1-0.64) = 0.8704

36
 𝐶𝐹𝑐𝑜𝑚𝑏𝑖𝑛𝑒2 = 𝐶𝐹𝐶𝑜𝑚𝑏𝑖𝑛𝑒1 + 𝐶𝐹𝐺𝑎𝑏𝐴𝐺3(1 − 𝐶𝐹𝐶𝑜𝑚𝑏𝑖𝑛𝑒1) = 0.8704 + 0.48 (1-0.8704) = 0.9326

𝐶𝐹𝑐𝑜𝑚𝑏𝑖𝑛𝑒3 = 𝐶𝐹𝐶𝑜𝑚𝑏𝑖𝑛𝑒2 + 𝐶𝐹𝐺𝑎𝑏𝐴𝐺6(1 − 𝐶𝐹𝐶𝑜𝑚𝑏𝑖𝑛𝑒3) = 0.9326 + 0.64 (1-0.9326) = 0.9757

Dari perhitungan di atas, didapatkan nilai 97.57% untuk Avoskin Miraculous Retinol Toner

Maka dapat disimpulkan berdasarkan hasil pengujian di atas, pengguna dengan kondisi kulit tersebut cocok untuk menggunakan
Avoskin Miraculous Retinol Toner.

4.6. Pengujian Sistem

Pada tahapan pengujian black box, pengujian telah dilakukan dengan uji coba input dan memastikan output yang dihasilkan
dapat berjalan sesuai dengan harapan. Adapun penjelasan dari pengujian sistem pakar yang dibangun dapat dilihat pada Tabel
4.6
Tabel 4. 7 Pengujian

Modul yang diuji Prosedur Pengujian Masukkan Keluaran yang Hasil yang didapat Kesimpulan
diharapkan
Kalkulasi Sistem akan Sistem menampilkan Sukses
- Membuka
menampilkan halaman kalkulasi
halaman
halaman kalkulasi
kalkulasi
Sukses
- Memasukkan Nama, jenis kulit dan Sistem menyimpan Sistem menyimpan
data pribadi jenis kelamin data ke dalam data ke dalam
pengguna spreadsheet spreadsheet

37
 Memilih kondisi kulit Menghasilkan Sistem mampu Sukses
- Memasukkan
yang sesuai dengan rekomendasi sesuai menghasilkan
gejala
pengguna dengan forward rekomendasi
chaining berdasarkan forward
Menghitung certainty chaining dan certainty
factor dari setiap toner factor
Menghasilkan
rekomendasi dengan
nilai certainty factor
yang tertinggi
- Klik tombol Menekan tombol Sistem menampilkan Sistem menampilkan Sukses
“Next” “Next” halaman selanjutnya halaman selanjutnya

- Klik tombol Menekan tombol Menampilkan Sistem menampilkan Sukses

“Prev” “Prev” halaman sebelumnya halaman sebelumnya
Menekan tombol Membatalkan segala Sistem membatalkan Sukses
- Klik tombol
“Caancel” perintah dan kembali seluruh perintah dan
“Cancel”
ke halaman awal kembali ke halaman
awal
Kuesioner Memasukkan nama Sistem menyimpan Sistem menyimpan Sukses
- Mengisi
identitas serta dan jawaban data dan menampilkan
kuesioner kuesioner data kuesioner
yang
diberikan

Setelah melalui tahapan di atas, peneliti juga menyebarkan kuesioner kepada pakar dan pengguna biasa. Berikut hasil dari
kuesioner yang telah disebarkan

38
 Tabel 4. 8 Kuesioner

Pertanyaan Ya Tidak Akurasi

Apakah 6 0 100%
sistem
mudah
digunakan
dan
dimengerti?
Apakah 6 0 100%
sistem
mampu
memberikan
hasil
rekomendasi
toner sesuai
jenis kulit
Anda?
Apakah 6 0 100%
Anda puas
dengan hasil
rekomendasi
yang
diberikan
sistem?

39
 BAB V
KESIMPULAN DAN SARAN
4.1. Kesimpulan
Berdasarkan hasil pembahasan, maka peneliti mengambil beberapa
keputusan yakni:

1. Sistem mampu memberikan rekomendasi yang sesuai dengan jenis kulit

dan permasalahan kulit pengguna dan telah diverifikasi oleh pakar.

2. Peneliti berhasil membuat sistem rekomendasi skincare sesuai dengan

jenis dan permasalahan kulit pengguna.
4.2. Saran
Karena keterbatasan peneliti kali ini yang terkena koma saat
mengerjakan penelitian, peneliti tidak bisa melakukan riset terhadap
masyarakat langsung. Jadi pada penelitian selanjutnya diharapkan bisa
dilakukannya riset langsung terhadap masyarakat luas. Juga diharapkan pada
penelitian selanjutnya bisa menggunakan data skincare yang lebih banyak
lagi agar lebih bermanfaat.

40
 DAFTAR PUSTAKA

[1] F. Yunianto, “Kemenperin: Industri Kosmetik Tumbuh Signifikan Pada

2020,” 17 Februari, 2021.
https://www.antaranews.com/berita/2003853/kemenperin-industri-
kosmetik-tumbuh-signifikan-pada-2020 (diakses Mei 21, 2021).

[2] J. Durkin, “Expert System Design and Development,” London; Prentice

Hall Int. Ed. Inc, 1994.

[3] M. Arifin, S. Slamin, dan W. E. Y. Retnani, “Penerapan Metode Certainty

Factor Untuk Sistem Pakar Diagnosis Hama Dan Penyakit Pada Tanaman
Tembakau,” Berk. Sainstek, vol. 5, no. 1, hal. 21, 2017, doi:
10.19184/bst.v5i1.5370.

[4] A. Riadi, “Penerapan Metode Certainty Factor Untuk Sistem Pakar

Diagnosa Penyakit Diabetes Melitus Pada Rsud Bumi Panua Kabupaten
Pohuwato,” Ilk. J. Ilm., vol. 9, no. 3, hal. 309–316, 2017, doi:
10.33096/ilkom.v9i3.162.309-316.

[5] B. Prasetiyo dan M. R. Hidayah, “Penggunaan Metode Depth First Search

(DFS) dan Breadth First Search (BFS) pada Strategi Game Kamen Rider
Decade Versi 0.3,” Sci. J. Informatics, vol. 2, hal. 161–167, 2014.

[6] R. Himawan, “SISTEM PAKAR DENGAN METODE FORWARD

CHAINING UNTUK MENDIAGNOSA PENYAKIT CHIKUNGUNYA,”
2017.

[7] Y. K. Kumarahadi, M. Z. Arifin, S. Pambudi, T. Prabowo, dan K. Kusrini,

“Sistem Pakar Identifikasi Jenis Kulit Wajah Dengan Metode Certainty
Factor,” J. Teknol. Inf. dan Komun., vol. 8, no. 1, hal. 21–27, 2020, doi:
10.30646/tikomsin.v8i1.453.

[8] N. Daniati, E, Arie, “Aplikasi Perawatan Wajah Berdasarkan Jenis Kulit

Wajah,” Simki-Techsain, vol. 01, no. 12, hal. 1–10, 2017.
[8] R. Pebrianto, S. N. Nugraha, dan W. Gata, “Perancangan Sistem Pakar Penentuan
Jenis Kulit Wajah Menggunakan Metode Certainty Factor,” IJCIT (Indonesian J.
Comput. Inf. Technol., vol. 5, no. 1, hal. 83–93, 2020, doi:

41
 10.31294/ijcit.v5i1.7408.
[9] S. Ramlah, P. L. LB, dan I. Irawati, “Sistem Pakar Penentuan Komposisi Skincare
Berdasarkan Karakteristik Jenis Kulit Menggunakan Metode Certainty Factor,”
Bul. Sist. Inf. dan …, vol. 2, no. 1, hal. 36–42, 2021, [Daring]. Tersedia pada:
http://jurnal.fikom.umi.ac.id/index.php/BUSITI/article/view/734%0Ahttp://jurnal.
fikom.umi.ac.id/index.php/BUSITI/article/download/734/281.
[11] M. H. As’ ary, R. I. Ginting, dan M. G. Suryanata, “Mengidentifikasi Jenis Kulit
Wajah Dalam Pemilihan Produk Skin Care Menggunakan Metode Certainty
Factor,” J. Sist. Inf. Triguna Dharma (JURSI TGD), vol. 1, no. 3, hal. 139–148,
2022.

[9] A. Dhiaksa, “Sistem Pakar Diagnosa Penyakit Kulit Menggunakan Metode

Forward Chaining (Studi Kasus: Puskesmas Kalasan Sleman Yogyakarta),”
Skripsi, Fak. Sains dan Teknol. Univ. Sanata Dharma, vol. 4, no. 4, 2016.

[10] I. H. Santi dan A. I. Septiawan, “Metode Forward Chaining Pada Sistem

Pakar Dalam Mendiagnosis Penyakit Kulit,” Antivirus J. Ilm. Tek. Inform.,
vol. 12, no. 1, hal. 1–12, 2018, doi: 10.35457/antivirus.v12i1.438.

[11] D. Kusbianto, R. Ardiansyah, dan D. A. Hamadi, “Implementasi Sistem

Pakar Forward Chaining Untuk,” Polinema, J. Inform., vol. 4, hal. 71–80,
2017.

[12] A. K. Iswandi, “Analisis Tingkat Pengetahuan Mahasiswa Kedokteran

UNS tentang Faktor Penyebab dan Penanganan Kulit Wajah Sensitif pada
Remaja.” 2019, doi: 10.31227/osf.io/3trm9.

[13] A. Al-Ajlan, “The Comparison between Forward and Backward Chaining,”

Int. J. Mach. Learn. Comput., vol. 5, no. 2, hal. 106–113, 2015, doi:
10.7763/ijmlc.2015.v5.492.

[14] E. Turban, “Expert System and Applied Artificial Intelligence,” Calif. State
Univ. Long Beach, 1992.

[15] M. Dahria, “Pengembangan Sistem Pakar Dalam Membangun Suatu

Aplikasi,” J. Saintikom, vol. 10, no. 3, hal. 199–205, 2011.

[16] A. Kurniawati, M. Ganefi, dan D. C. Irawati, “Pemanfaatan Teknologi

42
 Knowledge-Based Expert System Untuk Mengidentifikasi Jenis Anggrek
Dengan Menggunakan Bahasa Pemrograman Java,” Semin. Appl. Res. Ind.
Technol. SMART, hal. 74–79, 2009.

[17] R. A. Putri, “Sistem Pakar,” Progr. Stud. Ilmu Komput. Fak. Sains dan
Teknol. UINSU Medan, 2018.

[18] M. Tabrani, “Penerapan Metode Waterfall Pada Sistem Informasi Inventori

Pt. Pangan Sehat Sejahtera,” J. Inkofar, vol. 1, no. 2, hal. 30–40, 2018, doi:

43
 10.46846/jurnalinkofar.v1i2.12.

[19] G. Giarratano, “Expert Systems Principles and Programming Fourth

Edition,” Boston, Massahusetts Thomson Course Technol., 2005.

[20] I. Akil, “Analisa Efektifitas Metode Forward Chaining Dan Backward

chaining pada sistem pakar,” J. Pilar Nusa Mandiri, vol. 13, no. 1, hal. 35–
42, 2017.

[21] D. Kusbianto, R. Ardiansyah, dan D. A. Hamadi, “Implementasi Sistem

Pakar Forward Chaining Untuk Identifikasi Dan Tindakan Perawatan
Jerawat Wajah,” J. Inform. Polinema, vol. 4, no. 1, hal. 71, 2017, doi:
10.33795/jip.v4i1.147.

[22] E. Purwono, Sistem Analisis. ANDI, 2007.

[23] P. Saputro dan C. Supriyanto, “ANALISIS METODE FORWARD

CHAINING DALAM SISTEM PAKAR DIAGNOSA PENYAKIT PADA
HEWAN SAPI Prasetyo,” vol. 5, no. 9, hal. 1197–1200, 2012.

[24] D. Heckerman, “The Certainty-Factor Model ∗,” no. 1, hal. 1–21, 1975.

[25] J. Watkins, “Testing IT An Off The Shelf Software Testing Process,” 2001.

[26] A. P dan O. J, “Introduction to Software Testing Edition 2 Paul Amman

and Jeff Offfutt Instructor Version,” 2016.

44
 Lampiran 1
Lembar Pengesahan Pakar

45
 Lampiran 2
Screenshot Kuesioner Instagram

46