Professional Documents
Culture Documents
Maya Nurachmawati Rev
Maya Nurachmawati Rev
MAYA NURACHMAWATI A.
18102237
MAYA NURACHMAWATI A.
18102237
ii
Lembar Pengesahan Pembimbing
iii
Lembar Penetapan Penguji
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. Paradise S.Kom., M.Kom., Ummi Athiyah S.Kom., M.Kom.
iv
HALAMAN PERNYATAAN KEASLIAN TUGAS AKHIR
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,
v
ABSTRAK
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.
vi
ABSTRACT
By
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
viii
3.4. Hipotesis Penelitian ..........................................................................................26
3.5. Jadwal Penelitian ..............................................................................................26
DAFTAR PUSTAKA ...................................................................................................... 28
ix
DAFTAR TABEL
x
DAFTAR GAMBAR
xi
xii
BAB I
PENDAHULUAN
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.
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?
4
BAB II
TINJAUAN PUSTAKA
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
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.
Pengguna
Basis pengetahuan, yaitu fakta dan
Fakta spesifik
Antarmuka
pemakai Knowledge
engineer
Fasilitas
Akuisisi
Pengetahua
Mesin inferensi n pakar
Rekomend
asi aksi
Workplace Fasilitas
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
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
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
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
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.
21
BAB III
METODOLOGI PENELITIAN
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
23
Evaluasi dan Implementasi
Gambar 3. 1 Diagram Alir Penelitian
Selesai
Gambar 3.1.
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.
1) Identifikasi Masalah
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.
26
BAB IV
HASIL DAN PEMBAHASAN
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.
28
Gambar 4. 4 Halaman Gejala
29
Gambar 4. 6 Halaman Certainty Factor
30
Gambar 4. 8 Halaman Feedback
4.2 Analisis
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
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 :
Karena sistem masih memberikan hasil lebih dari satu, maka sistem
akan melakukan perhitungan certainty factor untuk mengambil nilai akhir
dengan persentase tertinggi.
34
Tabel 4. 6 Hasil Perhitungan Manual
a) Toner A
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
Dari perhitungan di atas, di dapatkan nilai 89.30% untuk toner Avoskin YSB Niacinamide 7% + Alpha Arbutin 1% + Kale
c) Toner C
Dari perhitungan di atas, di dapatkan nilai 74.59% untuk toner Avoskin YSB Marine Collagen 5% + Hyacross 2% +
Galactomyces
d) Toner D
Dari perhitungan di atas, di dapatkan nilai 91.85% untuk toner Avoskin YSB Salicylic Acid 1% + Zinc + Tea Tree Water
e) Toner E
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.
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
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
39
BAB V
KESIMPULAN DAN SARAN
4.1. Kesimpulan
Berdasarkan hasil pembahasan, maka peneliti mengambil beberapa
keputusan yakni:
40
DAFTAR PUSTAKA
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.
[14] E. Turban, “Expert System and Applied Artificial Intelligence,” Calif. State
Univ. Long Beach, 1992.
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.
43
10.46846/jurnalinkofar.v1i2.12.
[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.
44
Lampiran 1
Lembar Pengesahan Pakar
45
Lampiran 2
Screenshot Kuesioner Instagram
46