Syarifuddin, Mochamad Yusuf
Unknown Affiliation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

SISTEM PAKAR DIAGNOSIS KERUSAKAN MOTOR MATIC HONDA MENGGUNAKAN METODE CERTAINTY FACTOR Syarifuddin, Mochamad Yusuf; Suryadi, Ahmad
Journal of Information System, Applied, Management, Accounting and Research Vol 9 No 4 (2025): JISAMAR (Journal of Information System, Applied, Management, Accounting and Resea
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/jisamar.v9i4.2118

Abstract

Penelitian ini membahas tentang perancangan dan pembangunan sistem pakar untuk diagnosis kerusakan motor matic Honda menggunakan metode Certainty Factor (CF). Tujuan dari penelitian ini adalah membantu pengguna, khususnya mekanik dan pemilik kendaraan, dalam mengidentifikasi jenis kerusakan motor secara cepat dan akurat berdasarkan gejala-gejala yang dialami. Sistem dikembangkan dengan memanfaatkan bahasa pemrograman Java melalui platform NetBeans dan database MySQL sebagai media penyimpanan data. Metode Certainty Factor digunakan untuk menghitung tingkat keyakinan terhadap kemungkinan jenis kerusakan berdasarkan kombinasi nilai keyakinan pakar dan pengguna. Data gejala dan nilai CF diperoleh dari hasil wawancara dengan mekanik ahli serta referensi literatur otomotif. Proses diagnosis dilakukan dengan menginput gejala-gejala yang diamati, kemudian sistem menghitung nilai CF untuk setiap kemungkinan kerusakan dan menampilkan hasil akhir berupa jenis kerusakan dengan nilai kepastian tertinggi beserta solusi perbaikan yang disarankan. Hasil penelitian menunjukkan bahwa sistem pakar berbasis metode Certainty Factor ini mampu memberikan hasil diagnosis yang akurat dan efisien. Sistem ini dapat menjadi alat bantu keputusan (decision support tool) bagi mekanik maupun pengguna awam dalam mendeteksi dini kerusakan pada motor matic Honda. Selain itu, sistem dapat dikembangkan lebih lanjut dengan menambah data gejala, memperluas basis pengetahuan, serta mengintegrasikan teknologi sensor dan pembelajaran mesin untuk meningkatkan akurasi diagnosis.