Pohon Keputusan (Decision Tree) menggunakan algoritma ID3

JARINGAN SYARAF TIRUAN DAN ALGORITMA GENETIK

ProxylessNAS : Direct Neural Architecture Search On Target Task And Hardware

Nama : Tegar Priyo Utomo

NIM : 3332160055

Link download PDF :

https://drive.google.com/file/d/1ydA86mUszbPRlVCKVBFKhRyEFR6RcRHQ/view?usp=drivesdk

Contoh Kasus Penerapan Teorema Bayes

A. Konsep Kecerdasan Buatan
Kecerdasan buatan berasal dari kata Artificial Intelligence yang mengandung
arti tiruan atau kecerdasan. Secara harfiah Artificial Intelligence adalah kecerdasan
buatan. Kecerdasan buatan adalah salah satu bidang dalam ilmu komputer yang
membuat komputer agar dapat bertindak seperti manusia (menirukan kerja otak
manusia). Kecerdasan sendiri bila diterjemahkan mengandung banyak makna, yaitu:
a. Kemampuan untuk belajar dan mengelolanya.
b. Kemampuan untuk merenung, berpikir, dan berargumentasi.
c. Daya reaksi atau penyesuaian yang cepat dan tepat, baik secara fisik maupun
mental, terhadap pengalaman-pengalaman baru, membuat pengalaman dan
pengetahuan yang dimiliki siap untuk dipakai apabila dihadapkan pada fakta-fakta
atau kondisi-kondisi baru.

Aplikasi kecerdasan buatan terdiri dari 2 bagian utama yang harus dimiliki,
diantaranya :
a. Basis Pengetahuan (Knowledge-Base), berisi fakta-fakta, teori, pemikiran dan
hubungan antara satu dengan lainnya.
b. Motor Inferensi (Inference Engine), yaitu kemampuan menarik kesimpulan berdasarkan pengalaman.

Bidang-bidang yang termasuk dalam kecerdasan buatan antara lain:
Penglihatan Komputer (Computer Vision), Pengolahan Bahasa Alami (Natural
Language Processing), Robotika (Robotics), Sistem Syaraf Buatan (Artificial Neural System), dan Sistem Pakar (Expert System).

B. Pengertian Teorema Bayes
Teorema Bayes dikemukakan oleh seorang pendeta Presbyterian Inggris pada tahun 1763 yang bernama Thomas Bayes. Teorema Bayes ini kemudian disepurnakan oleh Laplace. Teorema Bayes digunakan untuk menghitung probabilitas terjadinya suatu peistiwa berdasarkan pengaruh yang didapat dari hasil observasi.

Teorema ini menerangkan hubungan antara probabilitas terjadinya peristiwa A dengan syarat peristiwa B telah terjadi dan probabilitas terjadinya peristiwa B dengan syarat peristiwa A telah terjadi.Teorema ini didasarkan pada prinsip bahwa tambahan informasi dapat memperbaiki probabilitas. Probabilitas Bayes merupakan salah satu cara untuk mengatasi ketidakpastian
data dengan cara menggunakan formula bayes yang dinyatakan dengan:

Dimana:
P(H | E) = probabilitas hipotesis H benar jika diberikan evidence E
P(E | H) = probabilitas munculnya evidence E, jika diketahui hipotesis H
benar.
P(H) = probabilitas hipotesis H (menurut hasil sebelumnya) tanpa
memandang evidence apapun.

P(E) = probabilitas evidence E.

Secara umum teorema bayes dengan E kejadian dan hipotesis H dapat

dituliskan dalam bentuk:

Jika setelah dilakukan pengujian terhadap hipotesis kemudian muncul lebih dari
satu evidence. Maka persamaannya akan menjadi:

Dimana:

e = evidence lama

E = evidence baru

P(H | E,e) = probabilitas hipotesis H benar jika muncul evidence baru E

dari evidence lama e.

P(H | E) = probabilitas hipotesis H benar jika diberikan evidence E.

P(e | E,H) = kaitan antara e dan E jika hipotesis H benar.

P(e | E) = kaitan antara e dan E tanpa memandang hipotesis apapun.

C. Contoh kasus:

Berikut adalah contoh perhitungan manual penyakit Perikondritis jika diketahui 3

gejala sebagai berikut :

Jika probabilitas gejala-gejala tanpa memperhatikan penyakit yang terjadi adalah :

1. Kerusakan Pada Kartilago : 0,7

2. Cedera pada Telinga : 0,6

Jika probabilitas gejala-gejala dengan memperhatikan penyakit yang terjadi adalah : 

1. Kerusakan pada kartilago : 0,5

2. Cedera pada telinga : 0,5

Perhitungan Nilai Bayes

D. Perancangan Pelacakan Solusi

Merupakan suatu proses untuk mengumpulkan data-data pengetahuan terhadap

kasus penyakit THT dengan menggunakan Theorema Bayes. Bahan pengetahuan

yang ditempuh dari beberapa cara antara lain, mendapat pengetahuan dari pakar

kesehatan terutama penyakit THT, buku, laporan, dan literatur.

a. Basis pengetahuan (knowledge base) dan basis aturan

Dalam pembuatan Expert system, langkah-langkah selanjutnya yang

digunakan adalah menentukan basis pengetahuan (knowledge base). Dengan

membentuk basis pengetahuan, berarti memasukkan fakta-fakta yang

dibutuhkan oleh sistem.

P001

[R1] IF G001 AND G002 AND G003 AND G004 AND

G005 THEN P001 (Pharingitis) dengan nilai probabilitas 1

[R2] IF G003 AND G004 AND G005 THEN P001

(Pharingitis) dengan nilai probabilitas 0,6736

P002

[R1] IF G006 AND G007 THEN P002 dengan nilai

probabilitas 1

P003

[R1] IF G008 AND G004 AND G009 THEN P003 dengan

nilai probabilitas 1

P004

[R1] IF G010 AND G011 AND G012 AND G009 AND

G003 THEN P004 dengan nilai probabilitas 1
[R2] IF G010 AND G011 AND G009 AND G003 THEN
P004 dengan nilai probabilitas 0,704

P005
[R1] IF G012 AND G003 AND G002 AND G013 AND
G007 THEN P005 dengan nilai probabilitas 1
[R2] IF G003 AND G002 AND G013 AND G007 THEN
P005 dengan nilai probabilitas 0,7214
[R3] IF G002 AND G013 AND G007 THEN P005 dengan
nilai probabilitas 0,7272

P006
[R1] IF G013 AND G012 AND G003 AND G014 THEN
P006 dengan nilai probabilitas 1
[R2] IF G012 AND G003 AND G014 THEN P006 dengan
nilai probabilitas 0,6722

P007
[R1] IF G002 AND G015 AND G016 AND G009 AND
G003 AND G013 THEN P007 dengan nilai probabilitas1
[R2] IF G013 AND G009 AND G003 AND G016 THEN
P007 dengan nilai probabilitas 0,7103

P008
[R1] IF G004 AND G008 AND G017 AND G018 AND
G009 THEN P008 dengan nilai probabilitas 1
[R2] IF G008 AND G017 AND G009 AND G018 THEN
P008 dengan nilai probabilitas 0,7043

b. Graf Penelusuran dan Pohon Pelacakan
Mesin inferensi adalah bagian dari sistem pakar yang melakukan
penalaran dengan menggunakan isi daftar aturan berdasarkan pola tertentu.
Dalam hal ini penelusuran menggunakan metode forward chaining.
Penelusuran dilakukan pemakai dengan memasukkan gejala awal yang
dirasakannya, selama konsultasi antar user dan sistem mesin inferensi
menguji aturan satu demi satu sampai kondisi aturan itu benar dan
memberikan hipotesa yang benar.

Struktur penelusuran diagnosis penyakit THT menggunakan metode
forward chaining, berikut adalah beberapa contoh graf penelusuran penyakit
Pharingitis :

Sumber:

Winiarti, Sri. 2008. Pemanfaatan Teorema Bayes Dalam Penentuan Penyakit THT. 2(2): 191-196

CONTOH PENYELESAIN KASUS MENGGUNAKAN INFERENCE BACKWARD CHAINING

Perancangan Sistem Pakar Menggunakan Metode Backward Chaining Untuk Diagnosa Penyakit Pada Hewan Ternak Sapi Berbasis Web 

Achmad Nur1), Dedy Ikhsan2), Irsan Ariadi3), Muhammad Bathinu Rosyid4),  Muhammad Ridwan5). 

1),2),3),4,)5), Teknik Informatika STMIK AMIKOM Yogyakarta Jl Ring road Utara, Condongcatur, Sleman, Yogyakarta 55281 E-mail : achmad8355@students.amikom.ac.id1), dedy8349@students.amikom.ac.id2), irsan8356@students.amikom.ac.id3), muhammad8304@students.amikom.ac.id4), muhammad8352@students.amikom.ac.id5). 

Definisi Sistem 
Sistem secara fisik adalah kumpulan dari elemen-elemen yang beroperasi bersama-sama untuk menyelesaikan suatu sasaran.

Sistem Pakar 
Sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer yang dirancang untuk memodelkan kemampuan menyelesaikan masalah seperti layaknya seorang pakar.

Ciri-Ciri Sistem Pakar 
Berikut adalah ciri – ciri sistem pakar, yaitu  :
1. Terbatas pada domain keahlian tertentu.
2. Dapat memberikan penalaran untuk data data yang tidak  pasti.
3. Dapat mengemukan rangkaian alasan-alasan  yang diberikannya dengan cara yang dapat dipahami.
4. Berdasarkan pada kaidah / rule tertentu.
5. Dirancang untuk dapat dikembangkan secara bertahap. 6. Keluaranya bersifat anjuran, saran atau perintah.

Keuntungan
Sistem Pakar
Berikut adalah keuntungan sistem pakar, yaitu :
1. Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli
2. Menyimpan pengetahuan dan keahlian para pakar
3. Meningkatkan output dan produktivitas
4. Meningkatkan kualitas suatu produk
5. Menghemat waktu dalam pengambilan keputusan
6. Mampu mengambil dan melestarikan keahlian para pakar.

Backward chaining  
Penalaran berdasarkan tujuan (goal-driven), metode ini dimulai dengan membuat perkiraan dari apa yang akan terjadi, kemudian mencari fakta-fakta (evidence) yang mendukung (atau membantah) hipotesa tersebut. Backward chaining adalah suatu alasan yang berkebalikan dengan hypothesis, potensial konklusinya mungkin akan terjadi atau terbukti, karena adanya fakta yang mendukung akan hypothesis tersebut .  Dengan kata lain, prosesnya dimulai dari initial Hyphotesis or goal (Hipotesa awal atau tujuan) melalui Intermediet Hipotheses or sub goals (hipotesa lanjutan atau bagian dari tujuan) yang akan memerikasa semua hipotesa yang ada apakah hipotesa itu benar atau salah sehingga akhirnya akan menuju suatu Evidence (fakta).

Sebagai contoh akan diuraikan sebagai berikut, jika suatu masalah mempunyai sederetan kaidah seperti tertulis dibawah ini:
R1 : A and C, THEN E
R2 : IF D and C, THEN F
R3 : IF B and E, Then F
R4: IF B THEN C
R5 : IF F THEN G

Penyakit Sapi
Berikut ini adalah beberapa contoh dari pada penyakit sapi :

1. T.B.C (Tuber Culosis)
 Penyebab : Bakteri myco Bacterium sp.
 Penyebaran :
a. Melalui udara yang disebabkan oleh hewan yang terjangkit penyakit.
b. Melalui makanan dan minuman yang tercemar cairan dari hidung hewan yang terjangkit penyakit.
c. Melalui susu dari hewan yang terjangkit penyakit.
d. Melalui sment dari sperma yang tercemar
Gejala :
a. Hewan ternak lesu.
b. Nafsu makan turun.
c. Tanpak kurus.
d. Batuk sifatnya kronis.
e. Dari hidung keluar cairan.
f. Bernapas susah.
g. Kelenjar air susu dan ambing membengkak.

Pengobatan :
Streptomycine + 10-20 mg/kg B.B.I.M diberikan dalam waktu yang lama Pencegahan : a. Menjaga kebersihan kandang dan hewan yang sehat. b. Vaksinasi c. Memisahkan hewan yang terjangkit penyakit dengan hewan yang sehat.

2. Botulismus Penyebab : Bakteri Clostridium Botulinum.
Penyebaran :
Melalui makanan dan minuman yang tercemar oleh tanah yang infected (terinfeksi).
Gejala :
a. Kesullitan makan dan menelan .
b. Kelemahan palyse.
Pengobatan :
a. Stimulasia
b. Purgativa
c. Beri Liver B
Pencegahan : Pemberian makanan yang baik.

Berikut merupakan kode dan jenis penyakit pada tabel 1 :

Implementasi Program Antarmuka Sistem  Dalam pembuatan program aplikasi sistem pakar ini menggunakan bahasa pemrograman php dan html untuk tampilan pengguna (user interface), dan memakai bahasa MySQL sebagai database.  

Berikut contoh program dari sistem pakar yang dibuat. 1. Menu Utama (homepage) Saat pengguna pertama kali menjalankan program, maka akan muncul tampilan seperti pada gambar 3 :

Di gambar 3 ini untuk melakukan konsultasi pengguna, dengan cara mengarahkan kursor kemudian tekan tombol menu “konsultasi” untuk kemudian lanjut ke tampilan selanjutnya.   

2. Form Login (User dan Admin) Setelah menekan tombol konsultasi, akan muncul tampilan seperti gambar 4 : 

Pada tampilan gambar 4 diatas user akan diminta untuk memasukkan data diri berupa nama, jenis kelamin, alamat, dan pekerjaan, lalu tekan lanjut. 

3. Form Pertanyaan (konsultasi) Form pertanyaan seperti pada gambar 5 berfungsi sebagai sarana untuk melakukan interaksi dengan penguna untuk melihat dan menganalisa penyakit yang diderita sapi melalui beberapa pertanyaan yang akan diajukan oleh sistem. 

4. Form Diagnosa Hasil Di gambar 6 sistem akan menampilkan hasil dari konsultasi user, berupa data dari pasien dan hasil analisa terakhir yang meliputi (penyakit yang diderita, gejala yang ditimbulkan,  keterangan dan solusi yang dianjurkan oleh sistem), berikut tampilannya :

5. Tampilan Login Aplikasi sebagai admin atau operator  Pada gambar 7 akan diminta memasukkan username dan password sebagai login admin. 

Setelah admin melakukan proses login, admin akan disuguhkan tampilan seperti gambar 8. 

 Disini admin dapat mengedit dan menambahkan laporan penyakit, melihat list penyakit, gejala dan menambahkan relasi.

Pengujian Sistem
Pada tahapan ini, sistem yang telah kami buat akan di uji tingkat ketepatan solusinya oleh 2 responden yang berbeda. Antara lain :
1. Penulis dan Pembuat sistem
2. User pakar / Peternak Sapi
Pengujian dilakukan dengan tujuan untuk memastikan bahwa program benar-benar berjalan dengan baik dan terbebas dari kesalahan baik dari alur maupun script kode. Jika dalam tahapan ini di temukan adanya kesalahan, maka kami selau pembuat sistem langsung melakukan perbaikan dan di uji kembali hingga benar- benar terbebas dari kesalahan.

Hasil pengujian oleh pembuat sistem, dimana dalam kasus ini di uji oleh 5 anggota kelompok kami sebagaipembuat sistem dan mahasiswa STMIK Amikom
Yogyakarta Yogyakarta. dengan total 5 solusi dari 21 kemungkinan tersebut menghasilkan presentase 70% ketepatan menurut beliau.

Hasil pengujian kami mengambil sample 3 orang yang terdiri dari pak Basirun dan peternak sapi lainnya di sekitar daerah Desa Prigelan, Kecamatan Pituruh, Kabupaten Purworejo, sebagai reponden. Skenario pengujiannya adalah sistem yang telah di buat diberikan kepada 3 orang responden tersebut untuk di testing lalu diberikan kuisioner yang berisi pertanyaan sesuai dengan Tabel 2 kemudian responden memberikan feedback berupa jawaban YA atau TIDAK. Hasil kuisioner seperti ditunjukkan pada tabel 2.

Berdasarkan analisa dari hasil kuisioner pada Tabel 2 maka di dapatkan hasil sebagai berikut:
1. Tampilan user-friendly.
Berdasar pengujian sistem oleh 4 responden peternak sapi meliputi cara penggunaan apakah mudah di pahami atau tidak tampilan sistemnya, dengan tipikal responden ada yang belum terlalu paham dengan pengoprasian komputer, hasilnya sistem ini sangat mudah di jalankan karena hanya melakukan klik pada setiap ciri-ciri penyakitnya

2. Solusi yang diberikansangat membantu.
Dikarenakan kesimpulan permasalahan yang di berikan oleh sistem dapat di ketahui oleh responden. khususnya responden yang belum terlalu paham dengan penyakit tanaman cabai merah, hasil ini bisa menjadi pengetahuan kemudian bisa penanganan lebih lanjut.
3. Perlunya penanganan lebih lanjut untuk mengatasi pernyakit yang sudah diketahui.

Kesimpulan
Dari hasil perancangan dan pengujian aplikasi  sistem pakar menggunakan metode Backward Chaining untuk mendiagnosa penyakit pada hewan ternak sapi berbasis web, dapat diambil kesimpulan sebagai berikut :

 Sistem pakar untuk mendiagnosa penyakit sapi ini memiliki kinerja sistem yang mampu berjalan dengan baik sesuai kebutuhan user. Dalam hal ini berdasarkan pengujian terhadap aplikasi yang dijalankan membuktikan bahwa seluruh fungsi serta fitur yang ada dalam sistem mulai dari proses login, lalu form pertanyaan dan pemrosesan hasil diagnosa penyakit dapat berjalan dengan baik sesuai kinerja sistem operasi & spesifikasi perangkat komputer yang menggunakan aplikasi ini.

 Sistem Pakar Diagnosis Penyakit Sapi ini mampu memberikan informasi mengenai penyakit yang kemungkinan diderita oleh Sapi

 Dengan adanya sistem pakar ini, dapat digunakan sebagai bahan pembanding dan alat bantu dalam pengambilan solusi dan pemecahan suatu masalah khususnya mengenai diagnosa penyakit sapi.

 Sistem Pakar Diagnosis Penyakit Sapi ini dapat diakses pengguna dari segala tempat. Hal ini disebabkan sistem pakar ini merupakan aplikasi yang berbasis web. Yang diperlukan oleh pengguna untuk mengakses sistem ini hanyalah sebuah komputer yang memiliki koneksi internet

Saran 
Dikarenakan sistem pakar untuk  diagnosa Penyakit hewan ternak sapi berbasis web dengan metode Backward Chaining ini masih memiliki beberapa kekurangan.  Maka saran yang dapat diberikan untuk pengembangan sistem agar menjadi lebih baik diantaranya :

1. Untuk mengembangan kembali metode Backward Chaining sehingga dapat lebih baik dan akurat dalam mendeteksian penyakit sapi.

2. Pengembangan kembali sistem pakar tersebut, dengan metode lain selian metode Backward Chaining agar sistem dapat lebih akurat dan efektif dan efisien.

3. Pengembangan teknis dalam bidang penyimpanan (database) sistem, karena sistem pakar ini dirancang berbasis website.

4. Penambahan keberagaman jenis penyakit dan gejala klinis dalam proses diagnosa penyakit hewan ternak sapi dalam database. 

CONTOH PENYELESAIN KASUS MENGGUNAKAN INFERENCE FORWARD CHAINING

DIAGNOSIS PENYAKIT TANAMAN CENGKIH DENGAN METODE INFERENSI FORWARD CHAINING

Perawatan tanaman cengkih merupakan hal yang wajib dilakukan bagi pengelola perkebunan cengkih. Hal terpenting yang perlu diketahui oleh setiap pengelola adalah bagaimana mengidentifikasi, menangani, dan mencegah serangan penyakit pada tanaman cengkih. Konsultasi kepada ahli tanaman cengkih merupakan salah satu solusi bagi mereka yang belum paham mengenai hal-hal tersebut, tetapi melakukan konsultasi terus-menerus bukanlah hal yang efektif. Untuk memecahkan permasalahan tersebut, dibangun sebuah sistem pakar sebagai media konsultasi bagi pengelola perkebunan cengkih sebagai pengganti seorang pakar. Sistem pakar ini dikembangkan menggunakan metode forward chaining, berbasis desktop, dan menggunakan bahasa pemrograman Visual Basic. Microsoft SQL Server digunakan sebagai platform dasar pembentukan basis pengetahuan sistem pakar ini. Sistem pakar ini dapat membantu para pengelola perkebunan cengkih untuk mengidentifikasi dan menangani penyakit-penyakit cengkih, tanpa harus berulang kali melakukan konsultasi kepada pakar. 

Perancangan proses meliputi perancangan sistem utama dan algoritma yang akan digunakan dalam proses kinerja software. Sistem pakar diagnosis penyakit tanaman cengkih dengan metode inferensi forward chaining memiliki dua proses perancangan utama, yaitu representasi pengetahuan dan metode inferensi. Dalam proses representasi, pengetahuan yang telah diuraikan direpresentasikan ke dalam bentuk yang dapat diproses oleh komputer. Terdapat dua teknik representasi pengetahuan yang digunakan dalam sistem pakar ini, yaitu pohon (Tree) dan Tabel (Table). Representasi data bertujuan untuk menyederhanakan data sehingga mudah dimengerti dan mengefektifkan proses pengembangan program. Proses representasi pengetahuan dilakukan berdasarkan aturan-aturan yang telah didapatkan tersebut. Aturan-aturan tersebut kemudian dijabarkan menjadi sebuah tabel keputusan. Data-data dalam tabel tersebut kemudian digunakan untuk membentuk pohon keputusan biner menggunakan metode kualitatif. Gejala yang paling sering digunakan dalam aturan diprioritaskan untuk ditampilkan terlebih dahulu dalam sistem. Alur berakhir pada dun yang berisi kesimpulan penyakit yang ditemukan.  Metode inferensi yang digunakan pada sistem pakar ini adalah metode inferensi forward chaining. Metode ini dimulai dengan mengumpulkan fakta-fakta yang berupa gejala-gejala penyakit yang terjadi pada tanaman cengkih dan kemudian memprosesnya untuk menghasilkan sebuah kesimpulan berupa jenis penyakit yang diderita tanaman cengkih beserta solusi penanganannya. Proses pengumpulan fakta dimulai ketika user memasuki halaman diagnosis yang akan menampilkan pertanyaan mengenai gejala. User dapat memilih jawaban ya atau tidak atas pertanyaan tersebut. Setelah user memilih, hasil jawaban akan diproses dengan memeriksa aturan yang ada.

IMPLEMENTASI

Sistem pakar diagnosis penyakit cengkih diimplementasikan dalam bentuk sebuah perangkat lunak berbasis desktop dan dibangun menggunakan bahasa pemrograman Visual Basic. Sistem dikembangkan menggunakan metode inferensi forward chaining dengan mengumpulkan data-data gejala dari pengguna untuk menemukan kesimpulan penyakit. Tampilan utama sistem terdiri dari halaman user dan halaman administrator. Tampilan utama untuk user terdiri dari halaman-halaman fitur diagnosis utama dan beberapa fitur tambahan. Tampilan utama untuk administrator terdiri dari halaman-halaman untuk melakukan update pengetahuan dalam sistem. 

Pengujian Tahap pengujian sistem adalah tahap di mana dilakukan pengujian pada sistem menggunakan berbagai kondisi. Sesuai dengan teori black-box, maka sistem akan diuji dari sisi fungsional di mana tiap-tiap fungsi akan dijalankan dengan kondisi tertentu. Pengujian pada sistem pakar ini dilakukan pada sisi fungsional sesuai dengan metode black-box. Proses pengujian akan merunut pada SRS yang telah dibuat dengan menggunakan butir-butir rencana pengujian. Penjabaran mengenai rencana pengujian dapat dilihat pada Tabel 2. 

HASIL DAN PEMBAHASAN

Pengujian sistem pakar menggunakan metode black-box yang mengacu pada perencanaan yang ditentukan dalam Tabel 3. telah dilaksanakan secara tuntas. Hasil pengujian menunjukkan bahwa seluruh kondisi pengujian yang diterapkan pada sistem pakar  ini telah sesuai dengan hasil yang diharapkan dan dapat diterima. Pengujian formal sistem juga telah dilaksanakan. Pengujian dilakukan untuk dua puluh tujuh penyakit dan delapan puluh sembilan gejala yang telah direpresentasikan sebelumnya. Proses pengujian dilakukan dengan bantuan pihak ketiga yang tidak mendalami atau memiliki pengetahuan di bidang penyakit tanaman cengkih sama sekali. Setiap tahap diagnosis yang dilalui dicatat untuk disesuaikan dengan pengetahuan yang didapatkan langsung dari pakar dan literatur. Proses pengujian pengetahuan telah dilakukan berdasarkan alur pengetahuan yang direpresentasikan dalam pohon keputusan. Berdasarkan hasil yang didapatkan, setiap tahap pengujian yang dilakukan telah sesuai dengan pengetahuan yang didapatkan langsung dari pakar dan literatur. Pakar juga telah melakukan konfirmasi dan menyaksikan langsung proses pengujian, dan menyatakan bahwa pengetahuan yang dimiliki oleh sistem pakar diagnosis penyakit tanaman cengkih dengan metode inferensi forward chaining, telah sesuai dengan pengetahuan yang dimiliki oleh pakar. 

KESIMPULAN

Kesimpulan yang dapat ditarik dari pembuatan tugas akhir ini adalah sebagai berikut :

1. Dihasilkan sebuah aplikasi Sistem Pakar Diagnosis Penyakit Tanaman Cengkih dengan Metode Inferensi Forward Chaining. 

2. Sistem pakar ini dapat membantu para pemilik maupun pengelola perkebunan cengkih, terutama bagi pemula, untuk mengidentifikasi penyakit yang menyerang tanaman cengkih serta langkah-langkah yang harus diambil dalam penanganan atau pencegahan penyakit tersebut. 

Sumber : Journal of Informatics and Technology, Vol 1, No 3, Tahun 2012, p 1-14 

Puisi sederhana 5

Khayalan

Awan mendung menyapa malam, ku goreskan tinta menguntai setiap kata ttg mu, pesonamu membtasi diksiku, diiringi alunan musik indah, menuansakan romantisme cinta

Pojok ruangan kumuh dmna aku berada, seakan menjadi restoran berbintang lima, nyala redup lampu belajar seakan menjadi nyala lilin yg indah.

Menulis ttg mu sungguh menyenangkan, kubayangkan kau duduk didepan ku, rona pipi mu membuat bibir ku mengembang, tatapan ku membuat mu tersipu malu

Aku dan kamu samasama diam, gugup untuk membuka percakapan, suasana hening sangat terasa dalam balutan melodi indah.

Aku memberanikan mengucap kata kata, memuji paras wajah teduh nan indah,
Rona pipi mu nampak jelas memerah.

Aku dan kamu, kita tertawa, bahagia karena bersama.
Inilah hayalan saat aku menguntai kata demi kata tentang mu