DIGITALISASI PANDUAN PERBAIKAN MOTOR BERBASIS MOBILE

Abstrak
Perawatan dan perbaikan ringan sepeda motor masih menjadi kendala bagi sebagian pengguna karena
keterbatasan pengetahuan teknis, ketergantungan pada bengkel, serta keterbatasan buku panduan cetak. Penelitian
ini bertujuan merancang dan membangun aplikasi panduan perbaikan sepeda motor berbasis Mobile yang dapat
digunakan secara praktis oleh pengguna. Aplikasi yang dikembangkan diberi nama MekanikSaku dan dibangun
menggunakan Flutter SDK serta bahasa pemrograman Dart. Metode pengembangan sistem yang digunakan
adalah Waterfall, sedangkan diagnosis kerusakan menerapkan metode Forward Chaining. Data penelitian
diperoleh melalui studi literatur, observasi, wawancara, dan dokumentasi di Bengkel Dery Jonathan, Kabupaten
Banyuasin. Hasil implementasi menghasilkan fitur diagnosis, Panduan DIY, Riwayat Servis, FAQ, dan simulasi
Live Chat. Pengujian Black Box menunjukkan fungsi utama aplikasi berjalan valid, sedangkan validasi rule-base
Forward Chaining menunjukkan tingkat akurasi pencocokan sebesar 100%.
Kata kunci: aplikasi mobile, perbaikan motor, Forward Chaining, Flutter, Waterfall, MekanikSaku
Abstract
Light motorcycle maintenance and repair remain challenging for some users because of limited technical
knowledge, dependence on repair shops, and the limitations of printed manuals. This study aims to design and
develop a mobile-based motorcycle repair guide application that can be used practically by users. The developed
application, called MekanikSaku, was built using Flutter SDK and the Dart programming language. The Waterfall
model was applied as the system development method, while Forward Chaining was used for damage diagnosis.
Data were collected through literature study, observation, interviews, and documentation at Dery Jonathan
Workshop, Banyuasin Regency. The implementation produced diagnosis, DIY Guide, Service History, FAQ, and
simulated Live Chat features. Black Box Testing indicated that the main functions operated validly, while
validation of the Forward Chaining rule base achieved a reported matching accuracy of 100%.
Keywords: mobile application, motorcycle repair, Forward Chaining, Flutter, Waterfall, MekanikSaku
1. LATAR BELAKANG
Perkembangan teknologi informasi dan perangkat seluler telah mengubah cara masyarakat memperoleh informasi
teknis. Pada bidang otomotif, kebutuhan terhadap informasi yang cepat dan mudah dipahami semakin penting
karena sepeda motor merupakan salah satu sarana transportasi yang banyak digunakan masyarakat. Pengguna
tidak hanya membutuhkan informasi mengenai jadwal servis, tetapi juga panduan praktis ketika menghadapi
kendala ringan di perjalanan.
Berdasarkan permasalahan yang diidentifikasi dalam penelitian, banyak pengguna sepeda motor masih mengalami
kesulitan melakukan perawatan ringan secara mandiri. Ketergantungan pada bengkel dapat menyebabkan
pemborosan waktu, terutama ketika gangguan yang terjadi sebenarnya dapat ditangani dengan prosedur
sederhana. Buku manual pabrikan juga cenderung tebal, menggunakan istilah teknis, dan kurang praktis
digunakan sebagai rujukan cepat.
Penelitian terdahulu di bidang otomotif umumnya berfokus pada manajemen data bengkel, pelayanan servis, atau
sistem pakar diagnosis. Celah penelitian yang diangkat pada studi ini adalah kebutuhan terhadap media digital
yang menggabungkan panduan langkah demi langkah dengan diagnosis berbasis gejala dalam satu aplikasi
mobile. Aplikasi mobile dipilih karena pengguna dapat mengakses informasi langsung melalui smartphone ketika
membutuhkan bantuan teknis.
Berdasarkan kondisi tersebut, penelitian ini mengembangkan aplikasi “MekanikSaku” sebagai media digital untuk
membantu pengguna memahami perawatan dan perbaikan ringan sepeda motor. Sistem tidak hanya menyediakan
materi panduan, tetapi juga menggunakan metode Forward Chaining untuk memetakan gejala yang diberikan
pengguna menuju kemungkinan kerusakan dan solusi awal.
1
1.1 Rumusan Masalah
Bagaimana merancang dan membangun sistem panduan perbaikan motor berbasis Mobile yang dapat membantu
pengguna melakukan diagnosis awal dan memperoleh panduan perbaikan ringan?
1.2 Tujuan Penelitian
Penelitian bertujuan merancang dan membangun aplikasi panduan perbaikan motor berbasis Mobile
menggunakan Flutter dan Dart serta menerapkan Forward Chaining sebagai metode diagnosis berbasis gejala.
1.3 Batasan Penelitian
 Fokus pada perawatan dan perbaikan ringan sepeda motor yang umum digunakan.
 Kategori kendaraan meliputi motor bebek, skuter matik, dan motor sport.
 Materi panduan disajikan melalui teks, gambar, dan informasi pendukung.
 Diagnosis dibatasi pada basis pengetahuan dan aturan yang telah ditanamkan pada aplikasi.
 Penelitian tidak mencakup perbaikan mesin berat, transaksi, atau pemesanan bengkel.
2. KAJIAN TEORITIS
2.1 Sistem Informasi Berbasis Mobile
Sistem informasi berbasis Mobile merupakan sistem yang dirancang agar proses penyediaan dan pemanfaatan
informasi dapat dilakukan melalui perangkat seluler. Dalam penelitian ini, konsep tersebut digunakan untuk
menyediakan panduan teknis sepeda motor dalam format yang lebih mudah dibawa dan diakses dibandingkan
media cetak.
2.2 Forward Chaining
Forward Chaining merupakan metode penalaran yang bekerja dari fakta atau gejala menuju kesimpulan. Sistem
mengevaluasi fakta awal yang diberikan pengguna, kemudian mencocokkannya dengan premis pada aturan
keputusan. Ketika seluruh kondisi suatu aturan terpenuhi, aturan tersebut aktif dan menghasilkan kesimpulan.
Pada MekanikSaku, fakta berupa jawaban pengguna terhadap pertanyaan gejala, sedangkan kesimpulan berupa
jenis kerusakan dan solusi awal. Pola tersebut sesuai dengan karakteristik diagnosis teknis yang dapat dimulai dari
gejala yang mudah diamati pengguna.
Gambar 1. Alur dasar mesin inferensi Forward Chaining
2.3 Flutter SDK dan Bahasa Pemrograman Dart
Flutter digunakan sebagai framework pengembangan antarmuka aplikasi, sedangkan Dart digunakan untuk
membangun logika program, pengelolaan state, dan implementasi rule-base. Penggunaan StatefulWidget pada
modul diagnosis memungkinkan pertanyaan berubah secara dinamis ketika pengguna memilih jawaban.
2
2.4 Unified Modeling Language
UML digunakan untuk memodelkan fungsi dan aktivitas sistem sebelum implementasi. Use Case Diagram
digunakan untuk menggambarkan hubungan pengguna dengan fitur aplikasi, sedangkan Activity Diagram
digunakan untuk menggambarkan urutan aktivitas dan percabangan proses diagnosis.
Gambar 2. Use Case aplikasi MekanikSaku
3
4

Gambar 3. Activity Diagram proses diagnosis

3. METODE PENELITIAN
3.1 Tempat Penelitian
Penelitian dilaksanakan di Bengkel Dery Jonathan yang beralamat di Jalan Kalangan Rabu, Dusun 5, Desa
Lebung, Kecamatan Rantau Bayur, Kabupaten Banyuasin, Provinsi Sumatra Selatan. Lokasi tersebut digunakan
sebagai sumber observasi dan wawancara untuk memperoleh informasi mengenai perawatan dan perbaikan ringan
sepeda motor.
3.2 Metode Pengumpulan Data
 Studi literatur, yaitu mempelajari buku, jurnal, artikel, dan penelitian terdahulu yang berkaitan dengan
aplikasi Mobile, sistem pakar, UX, dan teknik perbaikan sepeda motor.
 Observasi, yaitu mengamati proses perawatan dan perbaikan ringan serta permasalahan yang sering dihadapi
pengguna.
 Wawancara, yaitu menggali informasi dari mekanik mengenai kasus kerusakan ringan, prosedur yang aman
dilakukan pengguna, dan kebutuhan fitur aplikasi.
 Dokumentasi, yaitu mengumpulkan materi berupa foto, video, dan referensi teknis yang digunakan dalam
penyusunan panduan.
3.3 Metode Pengembangan Sistem
Model Waterfall digunakan karena tahapan pengembangan dapat dilakukan secara berurutan dan kebutuhan
sistem telah dirumuskan sejak awal. Tahapan yang digunakan meliputi analisis kebutuhan, perancangan sistem,
implementasi, pengujian, dan pemeliharaan.
Gambar 4. Tahapan metode pengembangan Waterfall
3.4 Perancangan Sistem Pakar
Rule-base diagnosis disusun berdasarkan gejala yang dapat diamati pengguna. Sistem menerima masukan biner
berupa jawaban “YA” atau “TIDAK”, kemudian melakukan pencocokan dengan aturan If-Then hingga diperoleh
konklusi. Pendekatan tersebut memungkinkan proses diagnosis dilakukan secara luring karena basis pengetahuan
ditanamkan di dalam program.
5
4. HASIL DAN PEMBAHASAN
4.1 Analisis Kebutuhan Sistem
Hasil analisis menunjukkan bahwa pengguna membutuhkan aplikasi yang dapat menyediakan informasi
perbaikan dengan navigasi sederhana. Kebutuhan utama meliputi kemampuan menampilkan dashboard, diagnosis,
panduan DIY, riwayat servis, FAQ, dan pusat bantuan. Dari sisi nonfungsional, aplikasi diharapkan memiliki
tampilan yang mudah dibaca, responsif, dan dapat digunakan tanpa koneksi internet pada fitur yang basis datanya
ditanamkan secara lokal.
4.2 Perancangan Sistem
Perancangan sistem dilakukan dengan memodelkan hubungan pengguna dengan fitur aplikasi. Pengguna dapat
melihat dashboard, melakukan diagnosis kerusakan, membaca panduan DIY, mengelola riwayat servis, serta
mengakses FAQ dan Live Chat. Struktur alur sistem kemudian diterjemahkan ke dalam implementasi aplikasi
menggunakan Flutter.
Gambar 5. Flowchart proses sistem diagnosis
4.3 Perancangan Antarmuka
Antarmuka dirancang menggunakan konsep dark mode dengan aksen hijau toska dan kontras tinggi. Pendekatan
tersebut dipilih agar teks dan tombol mudah terlihat ketika aplikasi digunakan di lingkungan luar ruangan. Setiap
fitur ditempatkan dalam kartu atau komponen interaktif agar navigasi dapat dilakukan secara cepat.
6
4.4 Implementasi Aplikasi
4.4.1 Halaman Dashboard
Halaman dashboard merupakan halaman utama aplikasi dan menjadi pintu masuk menuju seluruh fitur. Empat
kelompok fungsi utama ditampilkan melalui kartu navigasi, yaitu diagnosis, Panduan DIY, Riwayat Servis, dan
pusat bantuan.
Gambar 6. Halaman Dashboard MekanikSaku
4.4.2 Halaman Diagnosis
Halaman diagnosis diawali dengan pemilihan kategori kendala. Setelah kategori dipilih, sistem menampilkan
pertanyaan gejala secara bertahap. Jawaban pengguna diproses menggunakan rule-base Forward Chaining.
Gambar 7. Halaman pemilihan kategori diagnosis
7
Gambar 8. Halaman pertanyaan diagnosis
4.3 Hasil Diagnosis
Setelah rangkaian jawaban memenuhi kondisi aturan tertentu, mesin inferensi menghentikan proses pertanyaan
dan menampilkan hasil diagnosis. Hasil disajikan bersama solusi awal yang dapat dilakukan pengguna. Dengan
demikian, aplikasi tidak hanya memberikan nama kerusakan, tetapi juga memberikan arahan tindakan awal.
Gambar 9. Halaman hasil diagnosis
4.4.4 Panduan DIY Mekanik
Fitur Panduan DIY berfungsi sebagai media edukasi mandiri. Setiap tutorial disusun secara bertahap dan dapat
diperluas untuk melihat informasi tingkat kesulitan, estimasi durasi, serta langkah pengerjaan.
8
Gambar 10. Halaman Panduan DIY Mekanik
4.4.5 Riwayat Servis
Riwayat Servis digunakan untuk mencatat aktivitas perawatan kendaraan. Pengguna dapat memasukkan jenis
servis, kilometer, dan biaya melalui formulir yang ditampilkan dari tombol tambah. Data kemudian ditampilkan
pada daftar riwayat.
Gambar 11. Halaman Riwayat Servis
9
4.4.6 FAQ dan Live Chat
Halaman FAQ menyediakan jawaban singkat terhadap kendala umum sepeda motor. Selain itu, tersedia tombol
Live Chat yang membuka simulasi percakapan dengan mekanik virtual. Fitur ini dirancang sebagai pusat bantuan
tambahan ketika pengguna memerlukan penjelasan sederhana.
Gambar 12. Halaman simulasi Live Chat
4.5 Pengujian Black Box
Pengujian Black Box dilakukan dengan memeriksa kesesuaian antara tindakan pengguna, keluaran yang
diharapkan, dan keluaran aktual. Skenario pengujian mencakup tombol Mulai Diagnosis, pemilihan kategori,
navigasi pertanyaan, Panduan DIY, penambahan Riwayat Servis, FAQ, dan Live Chat.
No
Skenario
Hasil
1
Mulai Diagnosis
Status
Berpindah ke pemilihan
kategori
2
Pemilihan kategori
VALID
Pertanyaan gejala tampil
3
Jawaban YA/TIDAK
VALID
Pertanyaan berganti atau hasil
muncul
4
Panduan DIY
VALID
Tutorial dapat dibuka dan
diperluas
5
Riwayat Servis
VALID
Data dapat ditambahkan dan
disimpan
6
FAQ & Live Chat
Konten bantuan dapat diakses
VALID
VALID
Hasil pengujian menunjukkan bahwa fungsi utama aplikasi berjalan sesuai dengan skenario yang dirancang.
Dokumen penelitian juga melaporkan bahwa seluruh elemen antarmuka, navigasi, penyimpanan riwayat lokal,
dan simulasi Live Chat berjalan valid.
10
4.6 Validasi Forward Chaining
Validasi dilakukan dengan membandingkan keluaran aplikasi terhadap delapan aturan keputusan yang disusun
berdasarkan rujukan mekanik ahli. Seluruh skenario pengujian menunjukkan status VALID. Tingkat akurasi
pencocokan fakta pada mesin inferensi dilaporkan mencapai 100%.
Kategori
Contoh Gejala
Hasil
Kelistrikan & Starter
Lampu mati / starter tidak normal
VALID
Kelistrikan & Starter
Bensin tersedia tetapi motor tidak menyala
VALID
Performa Mesin
Tarikan motor brebet
VALID
Performa Mesin
Knalpot mengeluarkan asap putih
VALID
Kaki-kaki & Rem
Setang goyang keras
VALID
Kaki-kaki & Rem
Rem terasa blong
VALID
4.7 Pembahasan
Penerapan Forward Chaining menunjukkan bahwa diagnosis dapat dilakukan secara sederhana dari gejala yang
mudah diamati pengguna. Penggunaan jawaban biner membantu mengurangi kompleksitas interaksi karena
pengguna tidak perlu memilih dugaan kerusakan sejak awal. Sistem akan memproses jawaban hingga menemukan
aturan yang sesuai.
Arsitektur luring menjadi salah satu keunggulan utama aplikasi. Basis pengetahuan disimpan secara lokal
sehingga modul diagnosis dan materi panduan dapat digunakan ketika pengguna berada pada wilayah dengan
koneksi internet terbatas. Selain itu, fitur Panduan DIY memberikan nilai edukatif dengan menyajikan prosedur
perbaikan ringan secara bertahap.
Meskipun demikian, sistem memiliki keterbatasan. Data Riwayat Servis masih bersifat lokal dan dapat hilang
ketika data aplikasi dihapus. Basis pengetahuan juga masih terbatas pada kasus yang telah didefinisikan,
sedangkan hasil diagnosis bergantung pada ketepatan pengguna dalam mengenali gejala kendaraan.
5. KESIMPULAN
Penelitian berhasil merancang dan mengimplementasikan aplikasi MekanikSaku sebagai platform panduan
perbaikan sepeda motor berbasis Mobile menggunakan Flutter SDK dan bahasa pemrograman Dart. Aplikasi
menyediakan antarmuka bertema gelap dengan kontras tinggi serta fitur yang mendukung kebutuhan pengguna.
Metode Forward Chaining dapat diterapkan untuk membantu deteksi dini kerusakan motor berdasarkan gejala
yang diberikan pengguna. Sistem memproses jawaban secara berurutan hingga menghasilkan diagnosis dan solusi
awal. Validasi terhadap delapan aturan keputusan menunjukkan tingkat akurasi pencocokan sebesar 100%.
Fitur Panduan DIY membantu pengguna memperoleh edukasi teknis secara terstruktur, sedangkan Riwayat Servis
membantu mendokumentasikan aktivitas perawatan. FAQ dan Live Chat memberikan pusat bantuan tambahan
bagi pengguna.
Pengujian Black Box menunjukkan bahwa fungsi utama aplikasi, navigasi, penyimpanan riwayat lokal, dan
simulasi Live Chat berjalan valid sesuai skenario pengujian.
5.1 Saran
 Memperluas basis pengetahuan agar mencakup lebih banyak jenis kerusakan dan gejala.
 Menambahkan dukungan untuk lebih banyak tipe dan model sepeda motor.
 Mengintegrasikan penyimpanan cloud agar Riwayat Servis dapat tersinkronisasi antarperangkat.
 Menambahkan integrasi sensor atau OBD-II untuk mengurangi ketergantungan pada subjektivitas jawaban
pengguna.
 Menambahkan layanan lokasi bengkel terdekat untuk kasus kerusakan yang membutuhkan bantuan mekanik.
 Melakukan pengujian dengan jumlah pengguna dan variasi skenario yang lebih besar.
DAFTAR PUSTAKA
[1]D. P. Budi, "Pengembangan Sistem Pakar Untuk Rekomendasi Model Pembelajaran Efektif di Sekolah Dasar
Menggunakan Metode Forward Chaining," Skripsi, Program Studi Sistem Informasi, Fakultas Sains dan
Teknologi, Universitas Islam Negeri Raden Intan Lampung, Bandar Lampung, 2026.
11
[2]H. Listiyono, "Merancang dan Membuat Sistem Pakar," Jurnal Teknologi Informasi DINAMIK, vol. 13, no.
2, pp. 115-124, Jul. 2008.
[3] I. Akil, "Analisa Efektifitas Metode Forward Chaining Dan Backward Chaining Pada Sistem Pakar," Jurnal
Pilar Nusa Mandiri, vol. 13, no. 1, pp. 35–42, Mar. 2017, doi: 10.33480/pilar.v13i1.12.
[4]T. Haryati, D. H. Kusuma, dan H. Ferliyanti, “Penerapan Metode Waterfall Sebagai Pengembangan Perangkat
Lunak Sistem Informasi Penjualan PT. Arta Putra Nugraha Karawang,” Simpatik: Jurnal Sistem Informasi dan
Informatika, vol. 1, no. 2, pp. 137–145, Desember 2021.
[5]L. Dewi Saputri, “Rancang Bangun Sistem Informasi Berbasis Web,” Jurnal Sistem Informasi, vol. 3, no. 1,
pp. 64–70, 2020.
[6]V. Y. Yahya, F. Yudhistira, and L. Manurung, "Perancangan Sistem Informasi Pemesanan Sparepart
Pengolahan Kelapasawit pada CV LTSU Berbasis Java," in Prosiding Seminar Nasional Riset dan
Inovasi Teknologi (SEMNAS RISTEK), Jakarta, Indonesia, 2023, pp. 711–717.
[8]T. Apriliah, N. Subekti, dan T. Haryati, “Penerapan Model Waterfall dalam Perancangan Aplikasi Sistem
Informasi,” Jurnal Interkom, vol. 15, no. 2, pp. 45–52, 2021.
[9]D. W. T. Putra dan R. Andriani, “Unified Modelling Language (UML) dalam Perancangan Sistem
Informasi Permohonan Pembayaran Restitusi SPPD,” Jurnal TEKNOIF, vol. 7, no. 1, hlm. 32-39,
Apr. 2019.
[10]A. Noe'man, A. Hidayat, N. Yogaswara, D. Handayani, P. Kustanto, dan D. Hartanti, “Implementasi
Algoritma Random Forest dalam Sistem Seleksi Karyawan Terbaik untuk Meningkatkan Efektivitas
Keputusan di PT. XYZ,” Jurnal Manajemen Informatika Jayakarta, vol. 5, no. 3, hlm. 263-274, Sep.
2025, doi: 10.52362/jmijayakarta.v5i3.2081.
[11]V. Y. P. Ardhana, “Pemodelan Activity Diagram Untuk Perancangan Sistem Informasi Rekam Medis Pada
Klinik,” Jurnal Kesehatan Qamarul Huda, vol. 9, no. 2, hlm. 105-108, Des. 2021.
[12]A. W. Zein, D. Anggraini, dan R. A. Malau, “Peran Digitalisasi dalam Efisiensi
Pelayanan Publik: Studi
Ekonomi Publik Digital,” Jurnal Inovasi Manajemen, Kewirausahaan, Bisnis dan Digital, vol. 2, no. 2, hlm.
136-147, Mei 2025, doi: 10.61132/jimakebidi.v2i2.525.