Jurnal Informatika Ekonomi Bisnis

http://www.infeb.or g
2021 Vol. 3 No . 2 Hal: 66-71 ISSN: 2714-8491 (electronic)

Sistem Pakar dengan Metode Backward Chaining untuk Optimalisasi

Layanan Helpdesk E-Government
Popi Hariona1
1
Universitas Putra Indonesia YPTK Padang
[email protected]

Abstract
The e-Government helpdesk service is an assistance service to deal with user needs related to disturbances and problems that
occur both infrastructure and networks, applications and information systems as well as information security that occur in the
Payakumbuh City Government. At this time most of the complaints that come to the front office helpdesk always need
technicians to handle them, despite the limited number of technicians for handling e-Government problems in Payakumbuh
City. This study aims to optimize e-Government Helpdesk services so that services can be carried out without direct
technician intervention. The data used in this research is the disturbance report data that goes to the e-Government helpdesk
service of Payakumbuh City during the last 11 months from 33 Regional Devices in Payakumbuh City and the stages of
problem solving by technicians. This study uses the backward chaining method to identify the causes of disruption to e-
Government services. The results achieved in this study are as many as 21 rules that can be applied directly to helpdesk
services, with an accuracy rate of 92%. The rules generated by the backward chaining method can be used to optimize the
resolution of disturbances that enter the helpdesk by the front office without waiting for the technician.

Keywords: Expert System, Helpdesk, Backward Chaining, E-Government, Payakumbuh City.

Abstrak
Layanan helpdesk e-Government merupakan layanan bantuan untuk menangani kebutuhan user terkait dengan gangguan dan
permasalahan yang terjadi baik itu infrastruktur dan jaringan, aplikasi dan sistem informasi serta keamanan informasi yang
terjadi di Pemerintah Kota Payakumbuh. Pada saat ini sebagian besar pengaduan yang masuk pada front office helpdesk
selalu membutuhkan teknisi dalam penanganannya, meskipun adanya keterbatasan jumlah teknisi untuk penanganan
permasalahan e-Government di Kota Payakumbuh. Penelitian ini bertujuan untuk optimalisasi Layanan Helpdesk e-
Government sehingga dapat dilakukan pelayanan tanpa campur tangan teknisi secara langsung. Data yang digunakan pada
penelitian ini adalah data laporan gangguan yang masuk ke layanan helpdesk e-Government Kota Payakumbuh selama 11
bulan terakhir dari 33 Perangkat Daerah yang ada di Kota Payakumbuh dan tahapan-tahapan penyelesaian permasalah oleh
teknisi. Penelitian ini menggunakan metode backward chaining untuk mengidentifikasi penyebab terjadinya gangguan
layanan e-Government. Hasil yang dicapai penelitian ini adalah sebanyak 21 Rule yang dapat diaplikasikan secara langsung
pada layanan helpdesk, dengan tingkat akurasi sebesar 92%. Rule yang dihasilkan dengan metode backward chaining dapat
digunakan untuk optimalisasi penyelesaian gangguan yang masuk ke helpdesk oleh front office tanpa menunggu teknisi.

Kata kunci: Sistem Pakar, Helpdesk, Backward Chaining, E-Government, Kota Payakumbuh.
© 2021 INFEB

1. Pendahuluan penyelenggaraan e-government dari berbagai perangkat

daerah dan ASN yang ada di lingkungan pemerintahan
Dinas Komunikasi dan Informatika Kota Payakumbuh
Kota Payakumbuh.
merupakan ujung tombak kesuksesan penyelenggaraan
e-government di Kota Payakumbuh yang berperan Salah satu upaya yang dilakukan oleh Dinas
sebagai penyedia dan pengelola infrastruktur e- Komunikasi dan Informatika untuk peningkatan
government. Peningkatkan kualitas layanan publik pelaksanaan e-government adalah dengan menyediakan
dengan efektif dan efisien merupakan tujuan layanan helpdesk. Helpdesk adalah bagian organisasi
pelaksanaan e-government [1]. Penyelenggaraan e- yang memberikan solusi atau menyelesaikan sebuah
government tidak terlepas dari berbagai kendala dan masalah yang dialami pelanggan atau pengguna baik itu
permasalahan baik dari segi sarana prasarana, dari pihak internal maupun eksternal. Helpdesk
sumberdaya manusia dan terbatasnya tenaga ahli dalam merupakan layanan satu titik kontak yang dipusatkan
pelaksanaannya. Hal tersebut menyebabkan munculnya untuk masalah layanan pelanggan [2]. Seiring
banyak keluhan dan permintaan bantuan terhadap perkembangannya helpdesk tidak terpisahkan dari

Diterima: 15-09-2020 | Revisi: 14-01-2021| Diterbitkan: 30-06-2021 | DOI: 10.37034/infeb.v3i2.68

66
Popi Hariona.
fungsi layanan dan bertanggungjawab dalam
penyelesaian permasalahan dan pemenuhan kepuasan
user [3].
Saat ini sebagian besar pengaduan yang masuk pada
front-office helpdesk selalu membutuhkan teknisi
dalam penanganannya. Jumlah teknisi yang ada sangat
terbatas sedangkan permintaan layanan helpdesk cukup
banyak dan harus ditangani sesegera mungkin agar
tidak mengganggu penyelenggaran pemerintahan. Oleh
sebab itu dibutuhkan suatu Sistem Pakar layanan
helpdesk e-government. Sistem Pakar merupakan
sistem yang mengandung pengetahuan dan pengalaman
oleh satu atau banyak pakar yang dimasukkan ke dalam
suatu area pengetahuan tertentu agar setiap orang dapat
menggunakannya dalam memecahkan masalah yang
spesifik [4].
Untuk penyelesaian permasalahan dengan sistem pakar
ini digunakan metode backward chaining. Pada
backward chaining yang merupakan goal driven, sistem
akan memulai proses pencarian dari tujuan atau solusi
permasalahan yang dihadapi, kemudian dari kaidah-
kaidah yang diperoleh, masing-masing kesimpulan di
runut balik jalur yang mengarah pada kesimpulan
tersebut [5]. Backward-chaining menggunakan
algoritma pencarian depth-first yang akan bekerja
mundur dari query-nya [6].
Metode backward chainning dipilih karena sebelumnya
telah menunjukan hasil yang cukup baik. Sistem Pakar
dengan metode backward chaining dapat digunakan
untuk mendiagnosa dan menyelesaikan permasalahan
kerusakan hardware komputer [7]. Selain itu Sistem Gambar 1. Kerangka Kerja Penelitian
Pakar dengan metode backward chaining juga dapat
mempermudah pendiagnosaan gejala-gejala kerusakan 2.1. Mengidentifikasi Masalah
pada jaringan LAN, WiFi, dan sharing yang mengalami Langkah awal dan penting dalam penelitian adalah
gangguan [8]. Backward chaining juga dapat dengan melakukan perumusan masalah dari masalah
menyelesaikan kasus penyelesaian permasalahan yang ditemukan pada objek penelitian dan memberi
sengketa tanah dengan pendekatan penyebab sengketa batasan dari permasalahan yang akan diteliti supaya
tanah [9]. Serta dapat digunakan dalam pendiagnosaan lebih terarah.
penyakit menular seksual pada manusia.
2.2. Menentukan Tujuan
Untuk itu dibangunlah Sistem Pakar Helpdesk E-
Government untuk mengoptimalisasikan layanan e- Tujuan penelitian diperlukan supaya penelitian tidak
government yang ada di Kota Payakumbuh. menyimpang dari tujuan yang ingin dicapai dan
Penggunaan metode backward chaining digunakan memperjelas ruang lingkup serta batasan masalah
karena memiliki efektifitas lebih baik pada jenis sehingga didapatkan hasil yang optimal.
permasalahan yang terjadi di helpdesk e-government. 2.3. Mempelajari Literatur

2. Metodologi Penelitian Untuk dapat mencapai tujuan penelitian perlu dipelajari

literatur-literatur yang nantinya digunakan dalam
Peneliti menggunakan kerangka kerja penelitian untuk penyelesaian permasalahan. Teori-teori yang
menguraikan metodologi penelitian yang digunakan berhubungan dengan sistem pakar dengan metode
dalam menyelesaikan masalah penelitian. Tahapan backward Chaining yang diperoleh dari berbagai
yang digunakan dalam penelitian ini dapat dilihat pada sumber seperti buku, jurnal, paper dan situs-situs dari
Gambar 1. internet.
2.4. Mengumpulkan Data
Pengumpulan data pada penelitian ini dilakukan dengan
cara:
a. Observasi langsung di tempat penelitian;

Jurnal Informatika Ekonomi Bisnis Vol. 3 No. 2 (2021) 66-71

67
Popi Hariona.
b. Wawancara dengan pakar; Tabel 1. Jenis Permasalahan
c. Identifikasi permasalahan; No Kode Nama Permasalahan
d. Pemahaman dan analisa; Permasalahan
e. Studi kepustakaan. 1 M01 Presensi tidak terbaca
2.5. Menganalisa Data dengan Metode Backward 2 M02 Pindah lokasi absen
3 M03 Tidak bisa absen
Chaining
4 M04 Absen non OPD
Metode yang digunakan didalam perancangan masalah 5 M05 Tidak bisa login aplikasi e-
adalah metode backward chaining yang memiliki Kinerja
aturan berbentuk IF-THEN dan proses pencarian 6 M06 Tidak bisa input aktifitas
dimulai dari tujuan yang menjadi solusi masalah yang aplikasi e-Kinerja
dihadapi. Langkah-langkah yang dilakukan didalam 7 M07 Tambahan Penghasilan
penyelesaian masalah dengan metode backward Pegawai (TPP) kurang di
chaining, yaitu: aplikasi e-Kinerja
1. Membuat basis pengetahuan; 8 M08 Tidak bisa login aplikasi e-
2. Menentukan tabel keputusan pakar; SPPD
3. Menentukan rule/aturan; 9 M09 Data salah di aplikasi e-SPPD
4. Menentukan goal/solusi; 10 M10 Pembatalan Telahanan Staf
5. Membuat pohon pelacakan. (TS)
11 M11 Mesin Finger tidak terhubung
2.6. Merancang Sistem
12 M12 Jaringan Internet terputus
Proses perancangan sistem terdiri dari: perancangan
struktur data, program, format masukkan (input), dan Didapatkan 12 jenis permasalahan yang masuk ke
format keluaran (output). helpdesk e-government, setiap jenis permasalahan
diberi kode M01 sampai dengan M12 seperti dapat
2.7. Implementasi Hasil
dilihat di Tabel 1. Sedangkan untuk gejala-gejala
Merupakan tahap mengimplementasikan rancangan penyebab terjadinya permasalahan didapatkan 34 jenis
yang sudah disusun menjadi sistem yang dapat gejala yang diberi kode S01 sampai dengan S34 seperti
dioperasikan. pada Tabel 2.
2.8. Pengujian Hasil
Tahapan yang membandingkan hasil ouput dari Sistem
Pakar dengan hasil perhitungan manual dengan
menggunakan metode backward chaining.

3. Hasil dan Pembahasan

3.1. Analisa Data
Data yang digunakan pada penelitian ini adalah data
laporan gangguan dan permasalahan yang masuk ke
Helpdesk E-Government Dinas Komunikasi dan
Informatika Kota Payakumbuh dari Juli tahun 2019
sampai dengan Juni 2020 yang terdiri dari jenis
permasalahan, gejala yang terjadi dan solusi terhadap
permasalahan yang terjadi. Selain itu data didapat dari
hasil wawancara dengan teknisi infrastruktur dan
programer aplikasi.

Jurnal Informatika Ekonomi Bisnis Vol. 3 No. 2 (2021) 66-71

68
Popi Hariona.
Tabel 2. Data Jenis Gejala Tabel 3. Rule
No Kode Nama Gejala No Rule
Gejala 1 IF S01 is true AND S02 is true THEN M01
1 S01 Absen tidak masuk ke aplikasi 2 IF S01 is true AND S03 is true THEN M01
Presensi 3 IF S01 is true AND S04 is true THEN M01
2 S02 Absen diluar jadwal, Absen pagi 4 IF S01 is true AND S05 is true THEN M01
diluar jam 06.30 s.d 08.00 atau absen 5 IF S06 is true AND S07 is true AND S08 is
sore diluar jam 15.00 s.d 20.00 true THEN M02
3 S03 Mesin tidak terhubung internet atau 6 IF S09 is true THEN M03
mesin mati saat penarikan data 7 IF S10 is trueAND S11 is true THEN M03
4 S04 Daftar kerja shif belum di entri 8 IF S11 is true AND S12 is true THEN M04
5 S05 Yang bersangkutan tidak absen 9 IF S13 is true THEN M05
6 S06 Absen di tempat lama masih terbaca 10 IF S14 is true AND S15 is true THEN M05
7 S07 Ada surat tugas pindah tugas ke 11 IF S16 is true THEN M05
tempat lain 12 IF S05 is true AND S19 is true THEN M06
8 S08 Ada mesin finger di tempat baru 13 IF S17 is true AND S18 is true AND S20 is
9 S09 Belum rekam finger true THEN M06
10 S10 Tidak absen di tempat seharusnya 14 IF S21 is true AND S22 is true THEN M07
11 S11 Data absen belum dipindahkan 15 IF S13 is true AND G23 is true THEN M08
12 S12 Data belum di update 16 IF S24 is true THEN M08
13 S13 Salah input username dan password 17 IF S25 is true AND S26 is true AND S27 is
14 S14 Sudah pernah login di perangkat true THEN M09
tertentu 18 IF S28 is true AND S29 is true THEN M10
15 S15 Ganti perangkat handphone 19 IF S30 is true AND S31 is true THEN M11
16 S16 Belum Update aplikasi 20 IF S32 is true AND S34 is true THEN M12
17 S17 Belum entri SKP 21 IF S32 is true AND S33 is true THEN M12
18 S18 SKP belum disetujui atasan
Contoh perhitungan backward chaining dengan kasus
19 S19 Absen presensi belum masuk
20 S20 Anjab yang dipilih belum ada yang masuk ke helpdesk:
aktifitas Tabel 4. Pengujian Data Pelapor 1
21 S21 Aktifitas belum penuh
22 S22 Nilai dari atasan kurang No Permasalahan Gejala Rule Terbukti
23 S23 Salah username dan password lebih 1 M01 S01, S02 IF P01
dari 3 kali S01
24 S24 Data user belum ada AND
25 S25 Baru mutasi jabatan S02
26 S26 Ada kesalahan data di database Pada Tabel 4 berdasarkan laporan permasalahan yang
27 S27 Parent_id salah masuk didapatkan goal bahwa Absen tidak terbaca
28 S28 TS Sudah disetujui sampai Walikota fakta, dan didapatkan gejala Absen tidak masuk ke
29 S29 Ada pemberitahuan dilarang aplikasi presensi (S01) dan absen di luar jadwal (S02),
melakukan perjalanan Dinas rule yang memiliki kondisi terpenuhi adalah rule ke-1
30 S30 Mesin finger mati yaitu “IF S01 is true AND S02 is true THEN M01.
31 S31 Koneksi internet mesin finger Maka dapat disimpulkan hasil laporan dari pelapor 1
terputus adalah benar mengalami absen tidak terbaca (M01).
32 S32 Terdapat icon LAN Silang atau seru
33 S33 Perangkat disambar petir Tabel 5. Pengujian Data Pelapor 2
24 S34 Data Finger tidak connect dengan No Permasalahan Gejala Rule Terbukti
Database atau tidak bisa membuka 1 M07 S21, IF M07
SIPKD S22 S21
AND
Dari Jenis permasalahan yang didapatkan dan gejala- S22
gejala pendukungnya disusunlah aturan/rule yang
menghubungkannya. Dari data diatas didapatkan 21
Pada Tabel 5 Berdasarkan laporan permasalahan yang
rule yang menggunakan metode backward chaining.
masuk didapatkan goal bahwa Besaran TPP kurang di
Rule yang dihasilkan dapat dilihat pada Tabel 3.
aplikasi e-Kinerja, dan didapatkan gejala Aktifitas
belum penuh (S21) dan nilai dari atasan kurang (S22),
rule yang memiliki kondisi terpenuhi adalah rule ke-14
yaitu “IF S21 is true AND S22 is true THEN M07.
Maka dapat disimpulkan hasil laporan dari pelapor 2
adalah benar Besaran TPP Kurang (M07).
Jurnal Informatika Ekonomi Bisnis Vol. 3 No. 2 (2021) 66-71
69
Popi Hariona.
Tabel 6. Pengujian Data Pelapor 3 Berdasarkan Tabel 7 maka didapatlah 23 hasil yang
akurat antara hasil perhitungan manual dengan
No Permasalahan Gejala Rule Terbukti
pengujian sistem dan 2 hasil perhitungan yang tidak
1 M10 S28, S29 IF M10 akurat, senhingga didapatkan tingkat akurasi:
S28
AND x 100% = x 100% = 92 %
S29
Dari perhitungan diatas disapatkan bahwa hasil
Berdasarkan laporan permasalahan yang masuk pengujian sistem pakar ini menghasilkan tingkat
didapatkan goal bahwa ada permintaan Pembatalan akurasi sebesar 92%.
Telaahan Staf (TS), dan didapatkan gejala TS Sudah
disetujui sampai Walikota (S28) dan ada 3.3. Implementasi Sistem
pemberitahuan dilarang melakukan perjalanan Dinas Sistem Pakar Helpdesk E-Government dibuat berbasis
(S29), rule yang memiliki kondisi terpenuhi adalah rule web dan penggunanya merupakan front office helpdesk
ke-18 yaitu “IF S28 is true AND S29 is true THEN yang menerima laporan gangguan dan permasalahan
M10. Maka dapat disimpulkan hasil laporan dari dari pengguna dan pemakai sistem e-government.
pelapor 3 adalah benar Pembatalan TS (M10). Tampilan awal Sistem Pakar Helpdesk E-Government
dapat dilihat pada Gambar 2.
3.2. Pengujian Hasil
Penelitian ini digunakan untuk optimalisasi layanan
helpdesk dengan meningkatkan keakuratan diagnosa
laporan permasalahan yang masuk ke helpdesk.
Pengujian dilakukan terhadap 25 sample data laporan
permasalahan yang masuk ke helpdesk. Nilai
presentase akurasi dapat dihitung menggunakan
persamaan:

x 100%

Tabel 7. Hasil Validasi Sample Data Gambar 2. Halaman Utama Sistem Pakar
No Data Pelapor Permasalahan Hasil
Pada halaman awal ini user melakukan login ke
1 Pelapor 1 M01 Valid
aplikasi dan dapat melakukan pelaporan permasalahan
2 Pelapor 2 M01 Valid
dan pencocokan dengan gejala yang terjadi.
3 Pelapor 3 M01 Valid
4 Pelapor 4 M01 Valid
5 Pelapor 5 M02 Valid
6 Pelapor 6 M02 Valid
7 Pelapor 7 M02 Valid
8 Pelapor 8 M03 Valid
9 Pelapor 9 M03 Valid
10 Pelapor 10 M04 Valid
11 Pelapor 11 M04 Valid
12 Pelapor 12 M05 Valid
13 Pelapor 13 M05 Tidak Valid
14 Pelapor 14 M05 Valid Gambar 3. Pelaporan Permasalahan dan Verifikasi
15 Pelapor 15 M05 Valid Gejala
16 Pelapor 16 M06 Valid Untuk proses tambah pelapor tahapan awal yang harus
17 Pelapor 17 M06 Tidak Valid dilakukan adalah dengan memilih data pelapor dari data
18 Pelapor 18 M07 Valid PNS yang sudah ada di database, setelah dipilih akan
19 Pelapor 19 M07 Valid tampil Nama PNS, Jabatan PNS dan Pangkat PNS yang
20 Pelapor 20 M08 Valid melakukan pelaporan. Setelah itu dipilih permasalahan
21 Pelapor 21 M08 Valid yang diberitahukan oleh pelapor dari daftar
22 Pelapor 22 M09 Valid permasalahan yang ada. Pada saat permasalahan dipilih
23 Pelapor 23 M09 Valid maka akan keluar pertanyaan gejala-gejala pendukung
24 Pelapor 24 M10 Valid yang berkaitan dengan permasalahan yang dipilih.
25 Pelapor 25 M10 Valid Langkah selanjutnya adalah memilih gejala yang terjadi
dengan pertanyaan yang diajukan terhadap pelapor,
kemudian data pelapor dapat disimpan.

Jurnal Informatika Ekonomi Bisnis Vol. 3 No. 2 (2021) 66-71

70
Popi Hariona.
Ilmiah Ilmu Administrasi Negara dan Ilmu Komunikasi, 6(1), 8 -
19. DOI: https://doi.org/10.33084/restorica.v6i1.1251 .
[2] Pamnungkas, R. W. P., Alexander, A. D., & Reza, A. (2019).
Perancangan Sistem Informasi Helpdesk Menggunakan Website
Design Methode dalam Mendukung Tata Kelola Teknologi
Informasi. J-SAKTI (Jurnal Sains Komputer dan Informatika),
3(2), 201-211. DOI: http://dx.doi.org/10.30645/j-sakti.v3i2.141 .
[3] Alfian, A., Dewi, Y. N., Fibriany, F. W., Rianto, H., & Sari, A.
M. (2020). Rancang Bangun Sistem Informasi Ticketing
Helpdesk pada DPMPTS Pemprov DKI Jakarta. JURIKOM
(Jurnal Riset Komputer), 7(2), 334-340. DOI:
http://dx.doi.org/10.30865/jurikom.v7i2.2114 .
Gambar 4. Tampilan Laporan Permasalahan yang
Terbukti Beserta Solusi [4] Darmayunata, Yuvi. (2018). Sistem Pakar Berbasis Web
Menggunakan Metode Backward Chaining untuk Menentukan
Apabila permasalahan yang dilaporkan cocok dengan Nutrisi yang Tepat bagi Ibu Hamil. Journal of Information
Technology and Computer Science, 1(2). DOI:
gejala yang terjadi maka permasalahan yang dilaporkan https://doi.org/10.31539/intecoms.v1i2.302 .
terbukti kebenarannya dan akan ditampilkan solusi
terhadap permasalahan yang terjadi. [5] Herliana, A., Setiawan, V. A., & Prasetio, R. T. (2018).
Penerapan Inferensi Backward Chaining Pada Sistem Pakar
Diagnosa Awal Penyakit Tulang. Jurnal Informatika, 5(1), 50-
4. Kesimpulan 60. DOI: https://doi.org/10.31311/ji.v5i1.2818 .

Sistem Pakar Helpdesk E-Government dengan metode [6] Akil, I. (2017). Analisis Efektifitas Metode Forward Chaining
backward chaining dapat diterapkan untuk memberikan dan Backward Chaining pada Sistem Pakar. Jurnal Pilar Nusa
Mandiri, 13(1), 35-42.
dan mengoptimalisasi layanan helpdesk e-government.
Dengan Sistem Pakar Helpdesk E-Government dapat [7] Wijayana, Y. (2019). Sistem Pakar Kerusakan Hardware
Komputer dengan Metode Backward Chaining Berbasis Web.
membantu petugas front office dalam penyelesaian Medika Elektrika, 12(2).
laporan permasalahan yang masuk ke helpdesk e-
government tanpa harus menunggu teknisi terkait. [8] Widianto, F. (2019). Sistem Pakar Troubleshooting Jaringan
Komputer Menggunakan Algoritma Backward Chaining. Journal
of Information and Technology, 6(2). DOI:
Daftar Rujukan https://doi.org/10.32664/j-intech.v6i02.254 .
[1] Hawa, P., & Salomo, R. V. (2020). Kesiapan Digitalisasi [9] Sapri, S., & Khairil. (2019). Sistem Pakar Penanganan Kasus
Layanan Sistem Pemerintahan Berbasis Elektronik Pada Badan Sengketa Tanah Menggunakan Metode Backward Chaining.
Pengkajian dan Penerapan Teknologi (BPPT). Restorica: Jurnal Jurnal Teknik, 17(2). DOI: https://doi.org/10.37031/jt.v17i2.28 .

Jurnal Informatika Ekonomi Bisnis Vol. 3 No. 2 (2021) 66-71

71