IMPLEMENTASI TEOREMA BAYES UNTUK MENGANALISA KERUSAKAN PADA AIR CONDITIONER RUANGAN BERBASIS ANDROID I Putu Warma Putra

dokumen-dokumen yang mirip
BAB I PENDAHULUAN I-1

BAB 2 TINJAUAN PUSTAKA

BAB III METODOLOGI PENELITIAN

Bab 1 PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB VB PERSEPTRON & CONTOH

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 4 METODOLOGI PENELITIAN DAN ANALISIS

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran

III. METODE PENELITIAN. Penelitian ini merupakan penelitian pengembangan (Research and

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah

PROPOSAL SKRIPSI JUDUL:

BAB III METODOLOGI PENELITIAN

BAB IV PENGUJIAN DAN ANALISA

BAB I PENDAHULUAN. 1.1 Latar Belakang

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode

PENENTUAN KELAS DENGAN NEAREST NEIGHBOR CLUSTERING DAN PENGGUNAAN METODE NAÏVE BAYES UNTUK KLASIFIKASI DOKUMEN

BAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis

BAB II TEORI ALIRAN DAYA

BAB II TINJAUAN PUSTAKA

METODE PENELITIAN. digunakan untuk mengetahui bagaimana pengaruh variabel X (celebrity

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM

BAB III METODOLOGI PENELITIAN. Jenis penelitian yang digunakan adalah penelitian pengembangan yang

BAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen

BAB II TINJAUAN PUSTAKA DAN DASAR TEORI

BAB IV PERHITUNGAN DAN ANALISIS

BAB II TINJAUAN PUSTAKA

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal

PERHITUNGAN PENILAIAN MAHASISWA TERHADAP MENGAJAR DOSEN BERBASIS KASUS MENGGUNAKAN ALGORITMA BAYESIAN

BAB V ANALISA PEMECAHAN MASALAH

BAB III METODOLOGI PENELITIAN

SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN BIBIT UBI KAYU MENGGUNAKAN METODE TOPSIS (Studi Kasus : PT. Hutahaean)

III. METODE PENELITIAN. Metode dalam penelitian ini adalah metode eksperimen. Penggunaan metode eksperimen ini

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB 2 LANDASAN TEORI

ANALISIS DATA KATEGORIK (STK351)

ANALISIS REGRESI. Catatan Freddy

Post test (Treatment) Y 1 X Y 2

BAB IV PEMBAHASAN MODEL

IV. HASIL DAN PEMBAHASAN

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN

BAB I PENDAHULUAN. Semakin tinggi penerimaan Pajak di Indonesia, semakin tinggi pula kualitas

PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING

BAB 2 LANDASAN TEORI

SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA 2010 ANALISIS DISKRIMINAN DISKRIT UNTUK MENGELOMPOKKAN KOMPONEN

III.METODE PENELITIAN. Pada penelitian ini subyek yang digunakan adalah siswa VII A SMPN 5

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI

IMAGE CLUSTER BERDASARKAN WARNA UNTUK IDENTIFIKASI KEMATANGAN BUAH TOMAT DENGAN METODE VALLEY TRACING

PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c

Ardi Kurniawan 1), Kusrini 2) Sistem Informasi STMIK AMIKOM Yogyakarta 2)

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD

ANALISIS SENTIMEN PENGGUNA JEJARING SOSIAL MENGGUNAKAN METODE SUPPORT VECTOR MACHINE

BAB III METODE PENELITIAN. Jenis penelitian yang akan digunakan dalam penelitian ini adalah

SOLUSI TUGAS MATA KULIAH STATISTIKA II

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi

PENERAPAN METODE LINIEAR DISCRIMINANT ANALYSIS PADA PENGENALAN WAJAH BERBASIS KAMERA

BAB III METODE PENELITIAN. Adapun yang menjadi objek penelitian adalah siswa MAN Model Gorontalo.

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB III METODOLOGI PENELITIAN. Dalam melaksanakan penelitian ini dibutuhkan suatu metode penelitian

BAB III METODE PENELITIAN. menghasilkan Lembar Kegiatan Siswa (LKS) pada materi Geometri dengan

BAB III METODE PENELITIAN

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

2.1 Sistem Makroskopik dan Sistem Mikroskopik Fisika statistik berangkat dari pengamatan sebuah sistem mikroskopik, yakni sistem yang sangat kecil

BAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif

BAB III METODE PENELITIAN

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER

BAB I PENDAHULUAN. dan. 0. Uji fungsi distribusi empiris yang populer, yaitu uji. distribusi nol

BAB III METODE PENELITIAN

Kata kunci : daya, bahan bakar, optimasi, ekonomis. pembangkitan yang maksimal dengan biaya pengoperasian unit pembangkit yang minimal.

2 TINJAUAN PUSTAKA. sistem statis dan sistem fuzzy. Penelitian sejenis juga dilakukan oleh Aziz (1996).

Prediksi Jumlah Follower Official Account Line Menggunakan Regresi dan Algoritma Genetika

PEMILIHAN LAHAN TERBAIK UNTUK TANAMAN KELAPA SAWIT MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING

BAB 1 PENDAHULUAN. meningkatnya arus reaktif. Harmonisa telah terbukti memiliki dampak kerusakan

BOKS A SUMBANGAN SEKTOR-SEKTOR EKONOMI BALI TERHADAP EKONOMI NASIONAL

Solusi Ujian 2 EL2005 Elektronika Sabtu, 3 Mei

SUMBER BELAJAR PENUNJANG PLPG 2016 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD

PERBANDINGAN METODE SAW DAN TOPSIS PADA KASUS UMKM

Contoh 5.1 Tentukan besar arus i pada rangkaian berikut menggunakan teorema superposisi.

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

KOMPARASI HASIL BELAJAR SISWA DENGAN MEDIA MACROMEDIA FLASH DAN MICROSOFT POWERPOINT YANG DISAMPAIKAN MELALUI PENDEKATAN CHEMO-EDUTAINTMENT

BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK:

BAB 5 HASIL DAN PEMBAHASAN. Sampel yang digunakan dalam penelitian ini adalah data pengujian pada

Bab III Analisis Rantai Markov

BAB II LANDASAN TEORI

SEARAH (DC) Rangkaian Arus Searah (DC) 7

MANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 3: MERANCANG JARINGAN SUPPLY CHAIN

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA

PENDUGAAN RASIO, BEDA DAN REGRESI

PENGENALAN HURUF BRAILLE BERBASIS JARINGAN SYARAF TIRUAN METODA HEBBRULE

BAB 2 ANALISIS ARUS FASA PADA KONEKSI BEBAN BINTANG DAN POLIGON UNTUK SISTEM MULTIFASA

SISTEM PENDUKUNG KEPUTUSAN PEMBELIAN PERANGKAT KOMPUTER DENGAN METODE TOPSIS (Studi Kasus: CV. Triad)

Transkripsi:

IMPLEMENTASI TEOREMA BAYES UNTUK MENGANALISA KERUSAKAN PADA AIR CONDITIONER RUANGAN BERBASIS ANDROID I Putu Warma Putra Sstem Komputer STMIK STIKOM BALI Jalan Raya Puputan No. 86 Renon - Denpasar, telp. (0361) 244445 / fax, (0361) 264773 Emal : warma28@yahoo.co.d Abstrak Indonesa sebaga negara yang berklm trops dmana sebagan besar bangunannya dbuat dengan ketnggan ruang tdak lebh dar 3 m, sehngga mengakbatkan temperatur ruangan yang ada pada bangunan tersebut menjad tngg. Sebaga solus maka dperlukan suatu alat untuk mengkondskan udara d dalam ruangan bangunan-bangunan tersebut supaya nyaman yatu Ar Condtoner (AC). Metode Bayes merupakan metode yang bak d dalam mesn pembelajaran berdasarkan data tranng, dengan menggunakan probabltas bersyarat sebaga dasarnya. Metode n dapat dgunakan untuk mempermudah menemukan kerusakan pada AC dengan mempredks probabltas berdasarkan pengalaman d masa sebelumnya. Dengan adanya kemajuan dan perkembangan teknolog yang semakn pesat, dkembangkan suatu teknolog yang mampu mengmplementaskan teorema bayes untuk menganalsa kerusakan pada Ar Condtoner ruangan berbass androd.. Kata kunc: AC, Androd, Bayes. 1. Pendahuluan Indonesa sebaga negara yang berklm trops dmana sebagan besar bangunannya dbuat dengan ketnggan ruang tdak lebh dar 3 m, sehngga mengakbatkan temperatur ruangan yang ada pada bangunan tersebut menjad tngg. Sebaga solus maka dperlukan suatu alat untuk mengkondskan udara d dalam ruangan bangunan-bangunan tersebut supaya nyaman yatu Ar Condtoner (AC)[1]. AC tdak hanya dgunakan untuk menyejukkan ruangan sepert kantor, mall, rumah sakt, hotel, dan sekolah, tetap juga kendaraan-kendaraan, sepert mobl, bs, kereta ap, pesawat terbang, dan kapal laut. Metode Bayes merupakan metode yang bak d dalam mesn pembelajaran berdasarkan data tranng, dengan menggunakan probabltas bersyarat sebaga dasarnya. Metode Bayes merupakan satu metode yang dgunakan untuk menghtung ketdakpastan data menjad data yang past dengan membandngkan antara ya dan tdak [2]. Metode n dapat dgunakan untuk mempermudah menemukan kerusakan pada AC dengan mempredks probabltas berdasarkan kerusakan yang pernah terjad d masa sebelumnya. 2. Pembahasan 2. 1 Teorema Bayes Algortma n menggunakan metode probabltas dan statstk yang dkemukan oleh seorang lmuwan Inggrs Thomas Bayes. Yatu mempredks probabltas d masa depan berdasarkan pengalaman d masa sebelumnya. Metode Naïve Bayes n memlk beberapa kelebhan yatu: 1. Bayesan flter memlk komputas yang mudah. 2. Bayesan memerksa data secara keseluruhan yatu memerksa token d database spam maupun legtmate. 3. Bayesan flterng termasuk dalam supervsed learnng yatu secara otomats akan melakukan proses learnng dar data yang masuk. 4. Bayesan flterng cocok dterapkan d level aplkas clent/ndvdual user. 5. Bayesan flterng cocok dterapkan pada bnary class yatu klasfkas ke dalam dua kelas. 6. Metode n multlngual dan nternasonal. Bayesan flterng menggenerate token dengan pengenalan karakter sehngga mampu dmplementaskan pada bahasa apapun. Naïve Bayes merupakan algortma yang termasuk ke dalam supervsed learnng, maka dbutuhkan pengetahuan awal untuk mengambl keputusan. Untuk pengklasfkasan dokumen, sebaga contoh, langkahlangkah awalnya adalah: 1. bentuk vocabulary pada setap dokumen data tranng 2. htung probabltas pada setap kategor 3. tentukan frekuens setap kata pada setap katagor Pengklasfkasan : 1. htung untuk setap kategor 2. tentukan kategor dengan nla maksmal Rumus probabltas adalah P ( H ) P ( H ) P ( H P ( ) ).(1) 3.6-25

Persamaan n berasal dar theorema bayes P ( C ) (2) Jka P() bernla konstan maka semua kelasnya menjad rumus 2.2. Androd. (3) Androd adalah sebuah sstem operas untuk perangkat moble berbass lnux yang mencakup sstem operas, mddleware, dan aplkas [3]. Keunggulan utama Androd adalah grats dan open source, yang membuat smartphone Androd djual lebh murah dbandngkan dengan Blackberry atau Phone mesk ftur ( hardware) yang dtawarkan Androd lebh bak. 2.3. Androd SDK P ( C ) P ( C P ( ) P ( C ) P ( C ) P ( C ) ) Sebuah tools pengembangan perangkat lunak yang memungknkan pengembang untuk membuat aplkas untuk platform androd. Androd SDK mencakup sampel proyek dengan source code, tools pengembangan perangkat lunak, emulator, dan lbrary yang dperlukan untuk membangun aplkas androd. Pada tahun 2008, Androd SDK 1.0 dluncurkan dan Phone G1 yang dproduks oleh HTC menggunakan sstem operas tersebut [4]. Androd software development kt (SDK) sudah termasuk semua yang dbutuhkan developer untuk memula pengembangan, pengujan, dan debuggng aplkas. Yang termasuk dalam SDK antara lan : 1. Androd API ( Applcaton Programmng Interface), nt dar SDK adalah Androd API lbrares yang menyedakan akses penuh terhadap pengembang kedalam sstem Androd. In merupakan lbrary yang sama yang dgunakan oleh Google untuk membuat aplkas Androd yang asl. 2. Development tools, dgunakan agar pengembang dapat merubah Androd source code menjad aplkas Androd yang dapat deksekus. SDK sudah termasuk beberapa tools bag developer agar dapat melakukan comple dan debuggng aplkas. 3. Androd Vrtual Machne Manager and Emulator, Emulator Androd adalah smulas perangkat Androd nteraktf yang menyedakan beberapa alternatf skns. Emulator berjalan pada perangkat vrtual Androd yang mensmulaskan konfguras perangkat keras Androd. Dengan menggunakan emulator n, para pengembang akan dapat melhat bagamana aplkas buatannya akan terlhat dan bekerja pada alat Androd yang asl. Semua aplkas Androd berjalan d dalam Dalvk VM, jad perangkat lunak emulator n merupakan lngkungan yang bagus untuk melakukan test aplkas Androd. 4. Dokumentas penuh, SDK termasuk level kode yang luas mencakup nformas detal mengena apa yang termasuk dalam setap paket dan kelas serta bagamana cara menggunakannya. Sebaga tambahan pada dokumentas kode, referens dokumentas Androd menjelaskan bagamana untuk memula dan memberkan penjelasan detal mengena dasar dbalk pengembangan Androd. 5. Contoh kode, SDK Androd sudah termasuk aplkas sampel yang sudah d seleks yang mendemonstraskan beberapa kemungknan yang terseda pada Androd, serta program sederhana yang menyorot tentang bagamana menggunakan ftur ndvdu API. 6. Onlne Support Androd telah dengan cepat menghaslkan banyak komuntas pengembang Androd. Group Google ada pada http://developer.androd.com/resources/commu nty-groups.html adalah group forum aktf yang mendapat masukan secara tetap dar para tm pengembang Androd d Google. 2.4. Proses Deteks Kerusakan Ar Condtoner Sstem n membahas 8 kerusakan pada Ar Condtoner dantaranya kerusakan kondensor, kerusakan kompresor, kerusakan overloads, kerusakan kapastor, kerusakan straner/sarngan, kerusakan fan/kpas, kerusakan thermostar, dan kerusakan evaporator dmana kerusakan tersebut d bag menjad 8 class sepert pada tabel berkut n: Tabel 1. kerusakan Ar Condtoner Kode Class Nama kerusakan/class C1 Kerusakan pada kondensor C2 C3 C4 C5 C6 C7 C8 Kerusakan pada kompresor Kerusakan overload Kerusakan pada kapastor Kerusakan pada straner (sarngan) Kerusakan pada fan( Kpas) Kerusakan pada thermostar Kerusakan pada evaporator Sstem n menggunakan 14 nformas gejala untuk melakukan analsa terhadap kerusakan AC. Berkut adalah daftar gejala yang dgunakan pada sstem. Kode gejala G1 G2 Tabel 2. Gejala Kerusakan Ar Condtoner Gejala kerusakan Suhu pendngn tngg Tekanan rendah gas tdak stabl 3.6-26

G3 G4 G5 G6 G7 G8 G9 Tekanan tngg gas tdak stabl Suara mesn suny Body kompresor panas Kompresor mendengung Suhu pendngnan tetap (tdak nak atau turun) Kompresor bsa start tetap startng wdng tdak lepas Tegangan d thermostrat nol sampel dmana AC yang mengalam kerusakan memlk gejala-gejala sebaga berkut : G1 : Suhu ruangan pendngn tngg G4 : Suara mesn suny G11: Body short atau nyetrum Proses pertama yang dlakukan adalah menghtung probabltas dar setap kerusakan(class) dar data tranng P(C). Contoh P C1= 14/76 =0.184210526 Berkut adalah hasl pencaran probabltas untuk masng-masng class : G10 G11 G12 G13 G14 Body mesn AC panas Body AC short/nyetrum Ppa tekan mengembun Arus lstrk kompresor menngkat Pendngnan evaporator tdak merata Sebelum proses perhtungan, telah dmasukkan 76 data tranng dengan berbaga parameter dan class. Berkut adalah beberapa contoh kasus kerusakan, gejala-gajala kerusakan dan kerusakan yang terjad(class): Tabel 3. Contoh data tranng Kasus K1 K2 K3 K4 K5 K6 K7 K8 G1 G2 G3 G4 G5 G6 G7 G8 G9 G10 G11 G12 G13 G14 Class C2 C7 C4 C5 C6 C7 C1 C2 Berkut adalah proses analsa kerusakan sebuah AC. Pada proses perhtungan manual menggunakan data Tabel 4. Probabltas Setap Class Class Jumlah P(C) C1 14 0.184210526 C2 9 0.118421053 C3 4 0.052631579 C4 10 0.131578947 C5 12 0.157894737 C6 10 0.131578947 C7 13 0.171052632 C8 4 0.052631579 Proses perhtungan terhadap data sampel dengan cara menghtung frekuens setap gejala pada setap class dan dkalkan dengan probabltas untuk masng -masng class. Berkut adalah contoh perhtungan data C5 dmana jumlah dperoleh dar kesamaan gejala antara data sampel dengan data tranng,. selanjutnya jumlah dbag dengan jumlah C5 yang ada pada data tranng Tabel 5. frekuens setap gejala pada Class C5 gejala class jumlah jumlah C5 Jumlah/ jumlah C5 G1 C5 8 12 0.666666667 G2 C5 12 12 1 G3 C5 4 12 0.333333333 G4 C5 8 12 0.666666667 G5 C5 12 12 1 G6 C5 12 12 1 G7 C5 12 12 1 G8 C5 12 12 1 G9 C5 12 12 1 G10 C5 4 12 0.333333333 G11 C5 9 12 0.75 3.6-27

G12 C5 12 12 1 G13 C5 12 12 1 G14 C5 12 12 1 P( C5)=0.666666667x1x0.333333333x0.666666667x1 x1x1x1x1x0.333333333x0.75x1x1x1 = 0.037037 Selanjutnya menggunakan rumus(3) untuk menghtung probabltas kerusakan untuk masng masng class. Tabel 6. nla untuk masng masng class Class P( C) P( C)*P(C) C5 0.037037 0.005847953 C4 0.0008165 0.000107432 C1 0 0 C2 0 0 C3 0 0 C6 0 0 C7 0 0 C8 0 0 Dar hasl perhtungan d atas, class yang memlk nla palng besar adalah C5(Kerusakan Staner). Jad dar contoh sampel gejala d atas komponen AC yang mengalam kerusakan adalah Staner. 2.5. Implementas Sstem Aplkas pendeteks kerusakan pada Ar Condtoner ruangan berbass Androd dengan menggunakan teorema bayes memlk ftur untuk melakukan konsultas dmana sstem memberkan beberapa pertanyaan dan pengguna aplkas menjawab sesua dengan konds AC yang mengalam kerusakan. Tamplan dar sstem konsultas adalah sebaga berkut: Gambar 1. Proses konsultas Proses uj coba dlakukan dengan cara pengguna memasukkan jawaban ya atau tdak berdasarkan gejala gejala yang dtamplkan oleh sstem. Pada proses uj coba n menggunakan data yang sama dengan proses perhtungan manual yatu data sampel mengalam gejala-gejala sebaga berkut : G1 : Suhu ruangan pendngn tngg G4 : Suara mesn suny G11: Body short atau nyetrum Proses nput data gejala dlakukan dengan cara pengguna memlh salah satu dar 2 rado button yang terseda sepert pada gambar 1. Setelah memlh pengguna dapat menekan tombol berkutnya untuk menamplkan pertanyaan selanjutnya atau menekan tombol berkutknya untuk mervs jawaban yang telah dmasukkan pada pertanyaan sebelumnya. Berkut adalah pertanyaan dan jawaban yang dplh oleh pengguna berdasarkan data sampel : Pertanyaan 1: Suhu pendngn tngg? Jawaban 1: ya. Pertanyaan 2: Tekanan rendah gas tdak stabl? Jawaban 2: tdak. Pertanyaan 3: Tekanan tngg gas tdak stabl? Jawaban 3: tdak. Pertanyaan 4: Suara mesn suny? Jawaban 4: ya. Pertanyaan 5: Body kompresor panas? Jawaban 5: tdak. Pertanyaan 6: Kompresor mendengung? Jawaban 6: tdak. Pertanyaan 6: Suhu pendngnan tetap (tdak nak atau turun)? 3.6-28

Jawaban 7: tdak. Pertanyaan 8: Kompresor bsa start tetap startng wdng tdak lepas? Jawaban 8: tdak. Pertanyaan 9 Tegangan d thermostrat nol? Jawaban 9: tdak. Pertanyaan 10: Body mesn AC panas? Jawaban 10: tdak. Pertanyaan 11: Body AC short/nyetrum? Jawaban 11: ya. Pertanyaan 12: Ppa tekan mengembun? Jawaban 12: tdak. Pertanyaan 13: Arus lstrk kompresor menngkat? Jawaban 13: tdak. Pertanyaan 14 Pendngnan evaporator tdak merata? Jawaban 14: tdak. Berdasarkan gejala gejala yang telah d masukkan oleh pengguna, sstem akan melakukan proses pehtungan dengan menggunakan teorema bayes dan menamplkan hasl perhtungan dalam bentuk nformas kerusakan pada AC dengan menggunakan alertdalog sepert pada gambar berkut. 3. Kesmpulan Kesmpulan yang dapat dambl dar peneltan yang berjudul mplementas teorema bayes untuk menganalsa kerusakan pada Ar Condtoner ruangan berbass androd n yatu : 1. Sstem pakar n dapat membantu pengguna sstem mengetahu kerusakan yang terjad pada AC. 2. Dperoleh hasl deteks kerusakan yang sama antara perhtungan secara manual dengan perhtungan dengan sstem. 3. Terdapat gejala gejala spesfk yang berbeda beda pada setap kerusakan yang terjad pada AC, sehngga apabla gejala spesfk tersebut tdak dplh maka sstem akan memberkan nformas yang kurang tepat. 4. Aplkas n hanya dapat dgunakan untuk telepon selular atau tablet yang menggunakan sstem operas androd 2.3 atau vers yang lebh baru. Daftar Pustaka [1]. Puj Saksono. Komparas Sklus Ideal Dan Aktual Pada Ac Splt 1 Pk Dengan Menggunakan Refrgeran Hdrokarbon, Meda Sans, Volume 7 Nomor 1,2014. [2]. Ismal Syaputra Sstem Pakar Untuk Mendagnosa Pengguna Narkoba Dengan Menggunakan Metode Bayes, Pelta Informatka Bud Darma, Volume : V, Nomor: 3,2013 [3]. Safaat. H, Nazruddn Pemrograman Aplkas Moble Smartphone dan Tablet PC Berbass Androd. Bandung: Informatka Bandung, 2011. [4]. Wnarno Edy. Membuat Sendr Aplkas Androd untuk Pemula. Jakarta : Elex Meda Komputndo, 2011. Bodata Penuls I Putu Warma Putra, memperoleh gelar Sarjana Komputer (S.Kom), Jurusan Sstem Komputer STMIK STIKOM BALI, lulus tahun 2009. Saat n menjad Dosen d STMIK STIKOM BALI Denpasar. Gambar 2. Hasl konsultas Berdasarkan hasl pengujan dengan menggunakan data sampel yang dgunakan dalam proses perhtungan manual dperoleh hasl deteks kerusakan yang sama yatu d atas komponen AC yang mengalam kerusakan adalah Staner/sarngan. 3.6-29

3.6-30