BAB 2

LANDASAN TEORI

2.1 Teori-Teori Umum

2.1.1 Kecerdasan Buatan (Artificial Intelligence)

Definisi kecerdasan buatan menurut Rich dan Knight (2009, p3), kecerdasan

buatan merupakan sebuah studi tentang bagaimana membuat komputer melakukan hal-

hal yang pada saat ini dapat dilakukan lebih baik oleh manusia. Menurut Kusumadewi

(2003, p1), kecerdasan buatan (Artificial Intelligence) adalah ilmu yang mempelajari

cara membuat komputer melakukan sesuatu seperti yang dilakukan manusia.

Pada awal diciptakannya, komputer hanya difungsikan sebagai alat hitung saja.

Namun seiring perkembangan zaman, maka peran komputer semakin mendominasi

kehidupan umat manusia. Komputer tidak lagi hanya digunakan sebagai alat hitung,

komputer diharapkan dapat diberdayakan untuk mengerjakan segala sesuatu yang bisa

dikerjakan oleh manusia. Agar komputer dapat bertindak seperti dan sebaik manusia,

maka komputer harus diberi bekal pengetahuan dan kemampuan untuk menalar. Oleh

karena itu, dalam kecerdasan buatan terdapat beberapa metode untuk membekali

komputer dengan kedua komponen tersebut agar komputer bisa menjadi mesin yang

pintar.

Adapun lingkup utama dalam kecerdasan buatan (Kusumadewi, 2003), yaitu:

1. Sistem Pakar (Expert System)

6

7

Sistem pakar adalah program penasihat berbasis komputer yang mencoba meniru

proses berpikir dan pengetahuan dari seorang pakar dalam menyelesaikan masalah-

masalah spesifik.

2. Pengaturan Bahasa Alami (Natural Language Processing)

Natural Language Processing atau biasanya disingkat dengan NLP merupakan

teknologi yang memberikan kemampuan kepada komputer untuk memahami bahasa

manusia sehingga pengguna komputer dapat berkomunikasi dengan komputer

dengan menggunakan bahasa sehari-hari.

3. Pengenalan Ucapan (Speech Recognition)

Melalui pengenalan ucapan diharapkan manusia dapat berkomunikasi dengan

komputer menggunakan suara.

4. Robotika dan Sistem Sensor (Robotics and Sensory Systems)

Sistem sensor, seperti sistem vision, sistem tactile, dan sistem pemrosesan sinyal

jika dikombinasikan dengan AI dapat dikategorikan ke dalam suatu sistem yang luas

yang disebut sistem robotik.

5. Game Playing

8

Gambar 2.1 Lingkup Utama Kecerdasan Buatan

(Valentine, 2010)

Rangkuman singkat sejarah perkembangan kecerdasan buatan (Usber, 2012):

1206 Robot humanoid pertama karya Al-Jazari

1796 Boneka penuang teh dari Jepang bernama Karakuri

1941 Komputer elektronik pertama

1949 Komputer dengan program tersimpan pertama

1956 Kelahiran dari Artificial Intelligence pada konferensi Dartmouth

9

1958 Bahasa LISP dibuat

1963 Penelitian intensif departemen pertahanan Amerika

1970 Sisem pakar pertama diperkenalkan secara luas

1972 Bahasa Prolog diciptakan

1986 Perangkat berbasis AI dijual luas mencapai $425 juta

1994 AC berbasis neuro fuzzy dijual

2010 Sistem kecerdasan buatan untuk pesawat komersial BOEING 900-ER

ramai digunakan

2011 Service Robot untuk restoran berhasil dibuat di Indonesia (Budiharto et

al., 2011)

2012 Sistem pakar troubleshooting komputer berbasis fuzzy dan self learning

(Bassil, 2012)

2012 Sistem imun pada deteksi spam diciptakan (Bhuvaneswari, 2012)

Dengan perkembangan teknologi dan penyediaan fasilitas yang semakin baik

dewasa ini, maka bukan tidak mungkin AI akan terus meningkat sampai pada akhirnya

benar-benar menyamai kemampuan manusia sehingga akan menggantikan pekerjaan

manusia. Tinggal nanti bagaimana kita sebagai akademisi dan masyarakat luas

menyikapi pemanfaatan AI sebagai asisten manusia sampai batas tertentu agar tidak

mengancam keberadaan manusia itu sendiri (Usber, 2012).

2.1.2 Sistem Pakar

2.1.2.1 Definisi Sistem Pakar

Menurut Tolle (2008), sistem pakar (expert system) merupakan sebuah program

komputer yang dirancang untuk memodelkan kemampuan menyelesaikan masalah-

10

masalah spesifik seperti layaknya seorang pakar (humam expert). Seorang pakar adalah

seorang individu yang memiliki kemampuan pemahaman yang superior dari suatu

masalah, contohnya seorang dokter, penasihat keuangan, pakar mesin mobil, teknisi

komputer, dan sebagainya.

Sistem pakar biasa disebut dengan knowledge-based system. Sistem ini bekerja

dengan pengetahuan (knowledge) dan metode analisis yang telah didefinisikan terlebih

dahulu oleh pakar yang sesuai dengan bidang keahliannya.

Sistem ini disebut dengan sistem pakar karena fungsi dan perannya sama seperti

seorang ahli yang harus memiliki pengetahuan dan pengalaman dalam memecahkan

sebuah permasalahan ataupun persoalan.

Gambar 2.2 Perbandingan Human Expert dengan Expert System

(Tolle, 2008)

Menurut Turban (2005), keahlian dipindahkan dari pakar ke suatu komputer.

Pengetahuan ini kemudian disimpan dalam komputer. Pada saat pengguna menjalankan

komputer untuk mendapatkan informasi, sistem pakar menanyakan fakta-fakta dan dapat

membuat penalaran sampai pada sebuah kesimpulan.

Dengan sistem pakar ini, orang awam pun dapat menyelesaikan masalahnya atau

hanya sekedar mencari suatu informasi berkualitas yang sebenarnya hanya dapat

11

diperoleh dengan bantuan para ahli di bidangnya. Sistem pakar ini juga dapat membantu

aktivitas para pakar sebagai asisten yang mempunyai pengetahuan yang dibutuhkan.

2.1.2.2 Tujuan Sistem Pakar

Tujuan dari sistem pakar adalah untuk memindahkan pengetahuan dari seorang

ahli atau sumber keahlian lain ke dalam komputer dan kemudian memindahkan dari

komputer kepada pengguna yang tidak ahli (bukan pakar) (Tolle, 2008). Aktivitas utama

yang dilakukan untuk proses pemindahan kepakaran, yaitu:

1. Akuisi pengetahuan (knowledge acquisition) adalah kegiatan mencari dan

mengumpulkan pengetahuan dari para ahli atau sumber keahlian yang lain.

2. Representasi pengetahuan (knowledge representation) adalah kegiatan menyimpan

dan mengatur penyimpanan pengetahuan yang diperoleh ke dalam komputer.

3. Inferensi pengetahuan (knowledge inferencing) adalah kegiatan melakukan inferensi

berdasarkan pengetahuan yang telah disimpan dalam komputer.

4. Pemindahan pengetahuan (knowledge transfering) adalah kegiatan pemindahan

pengetahuan dari komputer ke pemakai yang tidak ahli.

2.1.2.3 Ciri-Ciri Sistem Pakar

Menurut Kusumadewi (2003, p122), ciri-ciri sistem pakar, yaitu:

1. Mudah dimodifikasi, yaitu dengan menambah atau menghapus suatu

pengetahuan dari basis pengetahuannya

2. Memiliki kemampuan untuk beradaptasi

3. Terbatas pada bidang spesifik

4. Output tergantung dialog dengan pengguna (user)

12

5. Knowledge base dan inferensi terpisah.

2.1.2.4 Struktur Dasar Sistem Pakar

Struktur dasar sistem pakar terdiri dari knowledge base, working memory, dan

inference engine (Tolle, 2008). Berikut merupakan gambar perbandingan antara human

expert (Gambar 2.3) dan expert system (Gambar 2.4). Terlihat bahwa sistem pakar

mengadopsi cara berpikir human expert sehingga menghasilkan sebuah keputusan atau

solusi.

Gambar 2.3 Human Expert Problem Solving

(Tolle, 2008)

Gambar 2.4 Expert System Problem Solving

(Tolle, 2008)

- Knowledge Base

13

Knowledge base merupakan bagian dari sistem pakar yang berisi fakta-fakta

masalah yang ditemukan dalam suatu sesi. Berisi pengetahuan yang

dibutuhkan untuk memahami, merumuskan, dan menyelesaikan masalah.

Knowledge base terdiri dari dua elemen dasar, yaitu:

1. Fakta, situasi masalah dan teori yang terkait

2. Heuristik khusus atau rules, yang langsung menggunakan

pengetahuan untuk menyelesaikan masalah khusus.

- Working Memory

Working memory merupakan bagian dari sistem pakar yang berisi fakta-fakta

masalah yang ditemukan dalam suatu sesi. Berisi fakta-fakta tentang suatu

masalah yang ditemukan dalam proses konsultasi.

- Inference Engine

Inference engine merupakan processor pada sistem pakar yang mencocokan

fakta-fakta yang ada pada working memory dengan domain pengetahuan

yang terdapat pada knowledge base, untuk menarik kesimpulan dari masalah

yang dihadapi.

Komponen-komponen yang biasanya terdapat dalam sebuah sistem pakar

(Dhani, 2009), yaitu:

1. Antarmuka Pengguna (User Interface)

Pada komponen ini terjadi interaksi antara program dan pengguna. Sistem

menerima input berupa informasi dan instruksi dari pengguna dan sistem

memberikan output berupa informasi kepada pengguna.

14

2. Basis Pengetahuan (Knowledge Base)

Knowledge base (basis pengetahuan) merupakan bagian dari sistem pakar

yang berisi domain pengetahuan yang dibutuhkan untuk memahami,

merumuskan, dan menyelesaikan masalah. Pengetahuan merupakan

kemampuan membentuk model mental yang menggambarkan objek dengan

tepat dan mempresentasikannya dalam aksi yang dilakukan terhadap objek.

Basis pengetahuan yang merupakan inti program sistem pakar adalah

representasi pengetahuan dari seorang pakar.

3. Akuisisi Pengetahuan (Knowledge Acqusitition)

Akuisisi pengetahuan merupakan transformasi keahlian dalam

menyelesaikan masalah dari sumber pengetahuan ke dalam program

komputer.

4. Mesin Inferensi

Mesin inferensi merupakan otak dari sistem pakar yang mengandung

mekanisme fungsi berpikir dan pola-pola penalaran sistem yang digunakan

oleh seorang pakar. Mesin inferensi bertindak sebagai penarik kesimpulan

dan pengontrol mekanisme dari sistem pakar.

5. Memori Kerja (Working Memory)

Working memory merupakan bagian dari sistem pakar yang berisi fakta-

fakta masalah yang ditemukan dalam suatu sesi ataupun dalam proses

konsultasi. Mesin inferensi (inference engine) merupakan processor pada

sistem pakar yang mencocokan fakta-fakta yang ada pada working memory

dengan domain pengetahuan yang terdapat pada knowledge base untuk

menarik kesimpulan dari masalah yang dihadapi.

15

6. Subsistem Penjelasan (Explanation Subsystem)

Komponen ini merupakan komponen tambahan yang akan meningkatkan

kemampuan sistem pakar. Komponen ini menggambarkan penalaran sistem

kepada pemakai dengan cara menjawab pertanyaan-pertanyaan.

7. Perbaikan Pengetahuan

Pakar memiliki kemampuan untuk menganalisa dan meningkatkan kinerja

serta kemampuannya untuk belajar dari kinerjanya.

2.1.2.5 Representasi Pengetahuan

Pengetahuan dapat direpresentasikan dalam bentuk sederhana atau kompleks,

tergantung dari permasalahannya (Kusrini, 2006). Ada beberapa model representasi

yang penting, yaitu logika (logic), jaringan semantik (semantic nets), bingkai (frame),

dan kaidah produksi (production rule).

a. Logika

Logika merupakan suatu pengkajian ilmiah tentang serangkaian penalaran,

sistem kaidah, dan prosedur yang membantu proses penalaran. Bentuk logika

komputasional ada dua macam, yaitu:

Logika Proposional

Logika proposional merupakan suatu pernyataan yang menyatakan benar

(TRUE) atau salah (FALSE) yang dihubungkan dengan menggunakan operator

logika seperti konjungsi (AND), disjungsi (OR), negasi (NOT),

implikasi/kondisional (IF…THEN), equivalensi atau bikondisional (IF AND

ONLY IF).

16

Berikut contoh model representasi logika proposional:

Jika hujan turun maka saya tidak akan ke pasar

dapat ditulis dalam bentuk p→q.

Logika Predikat

Logika predikat merupakan suatu logika yang seluruhnya menggunakan konsep

dan kaidah proporsional yang sama, disebut juga kalkulus predikat, yang

memberi tambahan kemampuan untuk mempresentasikan pengetahuan dengan

sangat cermat dan rinci.

Contoh model representasi pengetahuan logika predikat:

X = Anton

Y = Tina

dapat ditulis dalam bentuk Suka(X,Y).

b. Jaringan Semantik

Jaringan semantik merupakan representasi yang menggambarkan grafis dari

pengetahuan yang memperlihatkan hubungan hierarkis dari objek-objek yang terdiri

atas simpul (node) dan penghubung (link).

c. Bingkai (Frame)

Bingkai berupa ruang (slots) yang berisi atribut untuk mendeskripsikan

pengetahuan berupa kejadian, lokasi, situasi, ataupun elemen-elemen lain. Berikut

contoh model representasi pengetahuan bingkai (frame).

17

Tabel 2.1 Representasi Bingkai pada Penyakit

Ruang (slots) Isi (fillers)

Nama Flu

Gejala a. Bersin

b. Pusing

c. Demam

Obat a. Ultraflu

b. Mixagrip

d. Kaidah atau Aturan Produksi

Kaidah produksi menyediakan cara formal untuk mempresentasikan

rekomendasi, arahan, atau strategi dalam bentuk jika-maka (IF-THEN) yang

menghubungkan anteseden dengan konsekuensi.

Contoh model representasi pengetahuan kaidah produksi:

JIKA pusing DAN bersin MAKA terserang flu.

2.1.2.6 Pohon Keputusan (Decision Tree)

Pohon keputusan digunakan dalam sistem pakar diagnosis sebagai representasi

pengetahuannya. Sebuah pohon keputusan adalah sebuah struktur yang dapat digunakan

untuk membagi kumpulan data yang besar menjadi himpunan-himpunan record yang

lebih kecil dengan menerapkan serangkaian aturan keputusan. Dengan masing-masing

rangkaian pembagian, anggota himpunan hasil menjadi mirip dengan yang lain (Berry

dan Linoff, 2004).

18

Menurut Han et al. (2012, p330), pohon keputusan (decision tree) merupakan

salah satu metode klasifikasi yang menggunakan representasi struktur pohon (tree) yang

setiap internal node (non-leaf node) merepresentasikan atribut, cabangnya

merepresentasikan nilai dari atribut, dan daun (leaf node atau terminal node)

merepresentasikan kelas. Node yang paling atas dari decision tree disebut sebagai root.

Decision tree merupakan metode klasifikasi yang paling populer digunakan.

Selain karena pembangunannya relatif cepat, hasil dari model yang dibangun mudah

untuk dipahami. Pada decision tree terdapat 3 jenis node (Cahyono, 2010), yaitu :

a. Root Node

Root node merupakan node paling atas, pada node ini tidak ada input dan bisa

tidak mempunyai output atau mempunyai output lebih dari satu.

b. Internal Node

Internal node merupakan node percabangan, pada node ini hanya terdapat satu

input dan mempunyai output minimal dua.

c. Leaf Node atau Terminal Node

Leaf node atau terminal node merupakan node akhir, pada node ini hanya

terdapat satu input dan tidak mempunyai output.

Contoh dari pohon keputusan dapat dilihat di gambar 2.5 berikut ini,

19

Gambar 2.5 Model Pohon Keputusan (Hamidah, 2012)

2.1.2.7 Metode Inferensi

Menurut Kusrini (2006), secara umum ada dua macam metode inferensi, yaitu:

a. Forward Chaining (Pelacakan ke Depan)

Forward chaining adalah suatu strategi pengambilan keputusan yang dimulai

dari bagian premis (fakta) menuju konklusi (kesimpulan akhir) (Kusrini, 2006).

Forward chaining merupakan grup dari multipel inferensi yang melakukan

pencarian dari suatu masalah kepada solusinya. Jika klausa premis sesuai dengan

situasi (bernilai TRUE), maka proses akan meng-assert konklusi. Pelacakan ke

depan mencari fakta yang sesuai dari bagian IF dari aturan IF-THEN.

20

Gambar 2.6 Proses Forward Chaining

(Kusrini, 2006)

b. Backward Chaining (Pelacakan ke Belakang)

Backward chaining adalah suatu strategi pengambilan keputusan dimulai dari

pencarian solusi dari kesimpulan kemudian menelusuri fakta-fakta yang ada hingga

menemukan solusi yang sesuai dengan fakta-fakta yang diberikan pengguna

(Kusrini, 2006).

Pelacakan ke belakang adalah pendekatan yang dimotori oleh tujuan. Dalam

pendekatan ini pelacakan dimulai dari tujuan, selanjutnya dicari aturan yang

memiliki tujuan tersebut untuk membuat kesimpulannya.

21

Gambar 2.7 Proses Backward Chaining

(Kusrini, 2006)

2.1.2.8 Contoh Sistem Pakar

Contoh-contoh sistem pakar (Usber, 2012), yaitu:

a. Eliza

Eliza merupakan program yang dibuat oleh Joseph Weizwenbaum (1967).

Program ini dapat melakukan terapi terhadap pasien dengan mengajukan

beberapa pertanyaan.

b. Parry

Parry adalah sistem pakar yang juga paling awal dikembangkan di Stanford

University oleh seorang psikiater, Kenneth Colby, yang menstimulasikan

seorang paranoid.

c. Logic Theorist

Logic Theorist diperkenalkan saat konferensi Dartmouth. Program ini dapat

membuktikan teorema-teorema matematika.

22

d. NetTalk

NetTalk adalah sebuah program yang belajar mengucapkan teks bahasa

Inggris yang ditulis dengan menjadi teks yang ditampilkan sebagai masukan

dan pencocokan transkripsi fonetik untuk perbandingan.

e. Sad Sam

Program ini dibuat oleh Robert K. Lindsay. Program ini dapat mengetahui

kalimat-kalimat sederhana yang ditulis dalam bahasa Inggris dan mampu

memberikan jawaban dari fakta-fakta yang didengar dalam sebuah

percakapan.

2.1.3 Entity Relationship Diagram (ERD)

Menurut Pressman (2002, p353), Entity Realtionship Diagram (ERD)

menggambarkan hubungan antara objek data. ERD adalah notasi yang digunakan untuk

melakukan aktivitas pemodelan data. Atribut dari masing-masing objek data yang

dituliskan pada ERD dapat digambarkan dengan menggunakan deskripsi objek data.

Notasi pada ERD yaitu:

1. Objek Data

Representasi dari hamper semua informasi gabungan yang harus dipahami oleh

perangkat lunak.

2. Atribut

Menentukan property suatu objek data

3. Hubungan

Objek data disambungkan satu dengan lainnya dengan berbagai cara.

23

ERD sangat berguna bagi aplikasi di mana data dan hubungan yang mengatur data

sangat kompleks.

2.2 Teori Khusus

2.2.1 Android

2.2.1.1 Pengenalan Android

Menurut Burnette (2009, p12), Android merupakan toolkit perangkat lunak open

source baru untuk perangkat mobile masa depan, Android sendiri diciptakan oleh

perusahaan Google yang bekerja sama dengan Open Handset Alliance.

2.2.1.2 Kelebihan dan Kekurangan Android

Kelebihan-kelebihan Android dibandingkan dengan mobile platform yang ada di

pasaran, yaitu :

1. Merupakan pengembang platform bebas yang berbasis linux dan open source.

2. Sebuah komponen berbasis arsitektur yang terinspirasi oleh mashup internet.

Bagian dari satu aplikasi dapat dikembangkan, digantikan, ditingkatkan

komponennya sesuai dengan versi yang diinginkan sehingga dapat memunculkan

berbagai kreativitas pada mobile application.

3. Memiliki layanan berbasis lokasi menggunakan GPS atau triangulasi menara sel

untuk menyesuaikan lokasi Anda berada.

4. Memungkinkan Anda untuk memanfaatkan kekuatan penyimpanan lokal untuk

berhubungan dengan komputasi dan sinkronisasi.

5. Android dioptimalkan untuk perangkat daya rendah dan rendah memori, yang ada

pada platform sebelumnya tidak terpikirkan.

24

6. Mendukung grafis dan suara berkualitas tinggi dan lebih halus.

7. Memiliki probabilitas diberbagai perangkat keras saat ini dan masa depan.

8. Program yang terisolasi dapat memberikan tingkat stabilitas sistem yang tidak

terlihat sebelumnya pada smartphone.

9. Android menawarkan berbagai cara untuk berinteraksi dengan mobile application

bersama dengan dasar-dasar teknis untuk membuatnya.

10. Dalam pengembangannya, hanya diperlukan satu komputer yang ter-install SDK

Android dan emulator.

Adapun kekurangan-kekurangan Android adalah sebagai berikut:

1. Handset Android dibuat oleh banyak vendor dengan ukuran layar yang berbeda,

sebagian menggunakan keyboard fisik, sebagian lagi hanya menggunakan touch

screen. Versi Android yang terpasang di handset juga berbeda-beda, hal ini

menyebabkankan pengalaman pemakai Android tidak seragam, hal ini juga

sekaligus menyulitkan programmer dalam membuat program, karena apabila

versi sistem operasi tidak sama, program tersebut tidak bisa di-install.

2. Android adalah produk open source dari Google dan Open Handset Alliance,

karena itu aplikasi yang ada dalam Android sangat menyatu dengan layanan

Google, contohnya email menggunakan Gmail, kalender menggunakan Google

Calender, bahkan sampai contact pun disimpan di Gmail Contact. Bagi

penggemar Google ini merupakan keunggulan sendiri, namum bagi pengguna

yang tidak familiar dengan produk Google, hal in cukup merepotkan karena

mereka harus menyesuaikan keadaan.

3. Android cukup aktif dikembangkan, hampir tiap tahun mereka merilis sistem

operasi baru, pada tahun 2010 Google merilis Froyo (2.2), Gingerbread (2.3) dan

25

Honeycomb (3.0), pada tahun 2011 merilis Ice Cream Sandwich (4.0). Namun

dari sisi vendor atau operator, update ke user membutuhkan waktu berbulan-

bulan, sebagai contoh, Froyo dirilis pada Mei 2010, namun pengguna Android

kebanyakan baru meng-update setelah September.

2.2.2 Komputer

2.2.2.1 Definisi Komputer

Menurut Dipanegara (2011, p1), komputer adalah alat yang dipakai untuk

mengolah data menurut prosedur yang telah dirumuskan. Kata komputer semula

digunakan untuk menggambarkan orang yang pekerjaannya melakukan perhitungan

aritmatika, dengan atau tanpa alat bantu, tetapi arti kata ini kemudian dipindahkan

kepada mesin itu sendiri. Secara umum, komputer dapat diartikan sebagai mesin yang

mengolah informasi.

2.2.2.2 Bagian-bagian Komputer

Komputer terdiri atas dua bagian besar, yaitu perangkat lunak (software) dan

perangkat keras (hardware) (Dipanegara, 2011).

2.2.2.2.1 Perangkat Keras Komputer

CPU sebagai unit yang mengolah data

Memory RAM, tempat penyimpanan data sementara

Hard drive, media penyimpanan semi permanen

26

Perangkat masukan, media yang digunakan untuk memasukkan data untuk

diproses oleh UPS, seperti mouse, keyboard dan tablet

Perangkat keluaran, media yang digunakan untuk menampilkan hasil keluaran

pemrosesan CPU, seperti monitor dan printer.

2.2.2.2.2 Perangkat Lunak Komputer

Sistem Operasi

Program dasar pada komputer yang menghubungkan pengguna dengan hardware

komputer. Sistem operasi yang biasa digunakan adalah Linux, Windows, dan

Mac OS. Tugas sistem operasi, yaitu mengatur eksekusi program di atasnya,

koordinasi input, output, pemrosesan, memori, serta instalasi software.

Program Komputer

Program komputer merupakan aplikasi tambahan yang dipasang sesuai dengan

sistem operasinya.

2.2.3 Troubleshooting Perangkat Keras Komputer

Troubleshooting adalah sebuah istilah dalam bahasa Inggris, yang merujuk

kepada sebuah bentuk penyelesaian sebuah masalah. Troubleshooting merupakan

pencarian sumber masalah secara sistematis sehingga masalah tersebut dapat

diselesaikan. Pada umumnya, troubleshooting digunakan dalam berbagai bidang, seperti

dalam bidang komputer, administrasi sistem, dan juga bidang elektronika dan kelistrikan

(Putra, 2011).

Komputer adalah sebuah mesin yang dapat mengalami kegagalan dalam

menjalankan fungsinya. Komputer tidak “burn out” tetapi “wear out” baik oleh cara

27

penggunaan manusia yang salah ataupun oleh ketahanan komponen yang memang hanya

memiliki kemampuan terbatas (Sasongko, 2007).

Masalah yang ditimbulkan oleh komputer kadangkala merupakan masalah kecil

yang tidak memerlukan tingkat pengetahuan yang tinggi mengenai komputer. Untuk

menyelesaikan hal itu, mungkin bisa diselesaikan oleh seorang yang mempunyai

pengetahuan sangat dasar tentang komputer. Tetapi kadangkala masalah-masalah

tersebut juga membutuhkan tingkat kemampuan yang tinggi tentang komputer dan

komponen-komponen sehingga memerlukan seorang teknisi khusus untuk perbaikannya.

Aplikasi ini akan membantu dalam menyelesaikan masalah-masalah yang

berkaitan dengan troubleshooting atau penyelesaian masalah perangkat keras

(hardware) komputer secara cepat.

2.2.4 Java

Menurut Hakim dan Sutarto (2009, p1), Java bermula dari proyek penelitian

perusahaan Sun Microsystems dengan nama sandi Green pada tahun 1991. Terdapat

prediksi bahwa mikroprosesor akan digunakan secara luas pada peralatan-peralatan

elektronik. Karena adanya bermacam-macam tipe mikroprosesor, maka dibutuhkan

sebuah bahasa pemrograman yang dapat berjalan di semua mikroprosesor.

Dengan demikian, terciptalah sebuah bahasa pemrograman baru oleh James

Gosling, yaitu salah satu orang yang berperan besar dalam proyek tersebut, yang diberi

nama Oak. Namun, karena sudah ada bahasa pemrograman dengan nama Oak, maka

namanya pun diubah menjadi Java. Sun Microsystems mengumumkan kehadiran bahasa

Java secara resmi pada tahun 1995. Bahasa ini mulai disambut hangat masyarakat luas

seiring dengan meledaknya era internet.

28

Java merupakan sebuah bahasa pemrograman berorientasi objek yang dapat

berjalan di platform yang berbeda, baik di Windows, Linux, serta sistem operasi lainnya.

Sun Microsystems menyediakan paket instalasi sesuai dengan kebutuhan dalam

membangun suatu aplikasi. Berikut sedikit penjelasan mengenai paket aplikasi yang

tersedia (Hakim dan Sutarto, 2009):

a. J2ME (Java Micro Edition)

Paket instalasi ini digunakan untuk mengembangkan software yang berjalan pada

perangkat yang memiliki memori dan sumber daya yang kecil, seperti pada telepon

selular, PDA, dan smartcard.

b. J2SE (Java 2 Standard Edition)

Paket instalasi ini digunakan untuk mengembangkan aplikasi desktop.

c. J2EE (Java 2 Enterprise Edition)

Paket instalasi ini digunakan untuk mengembangkan aplikasi pada lingkungan

internet maupun aplikasi skala enterprise.