BAB 2
TINJAUAN PUSTAKA
2.1 Sistem Pakar
Sistem pakar adalah sistem perangkat lunak komputer yang menggunakan ilmu, fakta, dan teknik berpikir dalam pengambilan keputusan untuk menyelesaikan masalah-
masalah yang biasanya hanya dapat diselesaikan oleh tenaga ahli dalam bidang yang bersangkutan Kusrini, 2006.
Dalam penyusunannya, sistem pakar mengkombinasikan kaidah-kaidah penarikan kesimpulan inference rules dengan basis pengetahuan tertentu yang
diberikan oleh satu atau lebih pakar dalam bidang tertentu. Kombinasi dari kedua hal tersebut disimpan dalam komputer, yang selanjutnya digunakan dalam proses
pengambilan keputusan untuk penyelesaian masalah tertentu.
Menurut Efraim Turban 1995, konsep dasar sistem pakar mengandung : keahlian, ahli, pengalihan keahlian, inferensi, aturan dan kemampuan menjelaskan.
Keahlian adalah suatu kelebihan penguasaan pengetahuan di bidang tertentu yang diperoleh dari pelatihan, membaca atau pengalaman. Contoh bentuk pengetahuan
yang termasuk keahlian adalah :
a. Fakta-fakta pada lingkup permasalahan tertentu.
b. Teori-teori pada lingkup permasalahan tertentu.
c. Prosedur-prosedur dan aturan-aturan berkenaan dengan lingkup permasalahan
tertentu. d.
Strategi-strategi global untuk menyelesaikan masalah.
Universitas Sumatera Utara
2.1.1 Pemakai Sistem Pakar
Sistem pakar dapat dipakai oleh :
1. Orang awam yang bukan pakar untuk meningkatkan kemampuan mereka
dalam memecahkan masalah. 2.
Pakar, sebagai asisten yang berpengetahuan. 3.
Memperbanyak atau menyebarkan sumber pengetahuan yang semakin langka.
Sistem pakar merupakan program yang dapat menggantikan seorang pakar. Alasan mendasar mengapa sistem pakar dikembangkan untuk menggantikan seorang
pakar ;
1. Dapat menyediakan kepakaran setiap waktu dan di berbagai lokasi.
2. Secara otomatis mengerjakan tugas-tugas rutin yang membutuhkan seorang
pakar. 3.
Seorang pakar akan pensiun atau pergi. 4.
Menghadirkanmenggunakan jasa seorang pakar memerlukan biaya yang mahal.
5. Kepakaran dibutuhkan juga pada lingkungan yang tidak bersahabat hostile
environment.
2.1.2 Ciri-ciri Sistem Pakar
1. Terbatas pada bidang yang spesifik.
2. Dapat memberikan penalaran untuk data-data yang tidak lengkap atau tidak
pasti. 3.
Dapat mengemukakan rangkaian alasan yang diberikannya dengan cara yang dapat dipahami.
4. Berdasarkan pada rule atau kaidah tertentu.
5. Dirancang untuk dapat dikembangkan secara bertahap.
6. Outputnya bersifat nasihat atau anjuran.
Universitas Sumatera Utara
7. Output tergantung dari dialog dengan user.
8. Knowledge base dan inference engine terpisah.
2.1.3 Keuntungan Sistem Pakar
1. Membuat seorang yang awam dapat bekerja layaknya seorang pakar.
2. Dapat bekerja dengan informasi yang tidak lengkap atau tidak pasti.
3. Meningkatkan output dan produktivitas.
4. Meningkatkan kualitas.
6. Membuat peralatan yang kompleks lebh mudah karena sistem pakar dapat
melatih pekerja yang tidak berpengalaman. 7.
Handal reliability. 8.
Sistem pakar tidak dapat lelah atau bosan. 9.
Memiliki kemampuan untuk memecahkan masalah yang kompleks. 10.
Memungkinkan pemindahan pengetahuan ke lokasi yang jauh serta memperluas jangkauan seorang pakar, dapat diperoleh dan dipakai di mana
saja.
2.1.4 Modul Penyusun Sistem Pakar
Suatu sistem pakar disusun oleh tiga modul utama Arhami, 2005, yaitu :
1. Modul Penerimaan Pengetahuan Knowledge Acquisition Mode
Sistem berada pada modul ini, pada saat ia menerima pengetahuan dari pakar. Proses mengumpulkan pengetahuan-pengetahuan yang akan digunakan untuk
pengembangan sistem, dilakukan dengan bantuan knowledge engineer. Peran knowledge engineer adalah sebagai penghubung antara suatu sistem pakar
dengan pakarnya.
2. Modul Konsultasi Consultation Mode
Pada modul ini sistem berada pada posisi memberikan jawaban atas
Universitas Sumatera Utara
permasalahan yang diajukan oleh user, sistem pakar berada dalam modul konsultasi. Pada modul ini, user berinteraksi dengan sistem dengan menjawab
pertanyaan-pertanyaan yang diajukan oleh sistem.
3. Modul Penjelasan Explanation Mode
Modul ini menjelaskan proses pengambilan keputusan oleh sistem bagaimana suatu keputusan dapat diperoleh.
Pengalihan keahlian dari para ahli ke komputer untuk kemudian dialihkan lagi ke orang lain yang bukan ahli, merupakan tujuan utama dari sistem pakar. Proses ini
membutuhkan 4 aktivitas yaitu :
a. Tambahan pengetahuan dari para ahli atau sumber-sumber lainnya.
b. Representasi pengetahuan ke komputer.
c. Inferensi pengetahuan.
d. Pengalihan pengetahuan ke user.
Pengetahuan yang disimpan di komputer disebut dengan nama basis pengetahuan. Ada 2 tipe pengetahuan, yaitu : fakta dan prosedur biasanya berupa
aturan. Salah satu fitur yang harus dimiliki oleh sistem pakar adalah kemampuan untuk menalar. Jika keahlian-keahlian sudah tersimpan sebagai basis pengetahuan dan
sudah tersedia program yang mampu mengakses basis data, maka komputer harus dapat diprogram untuk membuat inferensi. Proses inferensi ini dikemas dalam bentuk
motor inferensi inference engine. Sebagian besar sistem pakar komersial dibuat dalam bentuk rule-based systems, yang mana pengetahuannya disimpan dalam bentuk
aturan-aturan. Fitur lainnya dari sistem pakar adalah kemampuan untuk merekomendasi. Kemampuan inilah yang membedakan sistem pakar dengan sistem
konvensional.
2.1.5 Struktur Sistem Pakar
Komponen utama pada struktur sistem pakar Hartati, 2008 meliputi :
Universitas Sumatera Utara
1. Basis Pengetahuan Knowledge base.
Basis pengetahuan merupakan inti dari suatu sistem pakar, yaitu berupa representasi pengetahuan dari pakar. Basis pengetahuan tersusun atas fakta dan
kaidah. Fakta adalah informasi tentang objek, peristiwa, atau situasi. Kaidah adalah cara untuk membangkitkan suatu fakta baru dari fakta yang sudah
diketahui.
2. Mesin Inferensi Inference Engine.
Mesin inferensi berperan sebagai otak dari sistem pakar. Mesin inferensi berfungsi untuk memandu proses penalaran terhadap suatu kondisi,
berdasarkan pada basis pengetahuan yang tersedia. Di dalam mesin inferensi terjadi proses untuk memanipulasi dan mengarahkan kaidah, model, dan fakta
yang disimpan dalam basis pengetahuan dalam rangka mencapai solusi atau kesimpulan.
Dalam prosesnya, mesin inferensi menggunakan strategi penalaran dan strategi pengendalian. Strategi penalaran terdiri dari strategi penalaran pasti Exact
Reasoning dan strategi penalaran tak pasti Inexact Reasoning. Strategi pengendalian berfungsi sebagai panduan arah dalam melakukan prose
penalaran. Terdapat tiga teknik pengendalian yang sering digunakan, yaitu forward chaining, backward chaining, dan gabungan dari kedua tehnik
pengendalian tersebut.
3. Basis Data Database.
Basis data terdiri atas semua fakta yang diperlukan, dimana fakta-fakta tersebut digunakan untuk memenuhi kondisi dari kaidah-kaidah dalam sistem.
Basis data menyimpan semua fakta, baik fakta awal pada saat sistem mulai beroperasi, maupun fakta-fakta yang diperoleh pada saat proses penarikan
kesimpulan sedang dilaksanakan. Basis data digunakan untuk menyimpan data hasil observasi dan data lain yang dibutuhkan selama pemrosesan.
4. Antarmuka Pemakai User Interface.
Universitas Sumatera Utara
Fasilitas ini digunakan sebagai perantara komunikasi antara pemakai dengan sistem.
2.1.6 Orang yang Terlibat dalam Sistem Pakar
1. Pakar domain expert, yaitu seorang ahli yang dapat menyelesaikan masalah
yang sedang diusahakan dipecahkan oleh sistem. 2.
Pembangun pengetahuan knowledge engineer yaitu seorang yang menerjemahkan pengetahuan seorang pakar dalam bentuk deklaratif sehingga
dapat digunakan oleh sistem pakar. 3.
Pengguna user yaitu seseorang yang berkonsultasi dengan system untuk mendapatkan saran yang disediakan oleh pakar.
4. Pembangun sistem system engineer yaitu seorang yang membuat antarmuka
pengguna, merancang bentuk basis pengetahuan secara deklaratif dan mengimplementasikan mesin inferensi.
2.1.7 Kategori Masalah Sistem Pakar
Masalah-masalah yang dapat diselesaikan dengan sistem pakar di antaranya :
1. Interpretasi. Membuat kesimpulan atau deskripsi dari sekumpulan data
mentah. 2.
Prediksi. Memproyeksikan akibat-akibat yang dimungkinkan dari situas-situasi tertentu.
3. Diagnosis. Menentukan sebab malfungsi dalam situasi kompleks yang
didasarkan pada gejala-gejala yang diamati. 4.
Desain. Menentukan konfigurasi komponen-komponen sistem yang cocok dengan tujuan-tujuan kinerja tertentu yang memenuhi kendala-kendala
tertentu. 5.
Perencanaan. Merencanakan serangkaian tindakan yang akan dapat mencapai sejumlah tujuan dengan kondisi awal tertentu.
Universitas Sumatera Utara
6. Debugging dan repair. Menentukan dan menginterpretasikan cara-cara untuk
mengatasi malfungsi. 7.
Instruksi. Mendeteksi dan mengoreksi defisiensi dalam pemahaman domain subjek.
8. Pengendalian. Mengatur tingah laku suatu environment yang kompleks.
9. Selection. Mengidentifikasi pilihan terbaik dari sekumpulan kemungkinan.
10. Simulation. Pemodelan interaksi antara komponen-komponen sistem.
11. Monitoring. Membandingkan hasil pengamatan dengan kondisi yang
diharapkan.
2.1.8 Metode Inferensi
Komponen ini mengandung mekanisme pola sistem dan penalaran yang digunakan oleh pakar dalam menyelesaikan suatu masalah. Metode inferensi adalah program
yang memberikan metedologi untuk penalaran tentang informasi yang ada dalam basis pengetahuan dan dalam workplace, dan untuk memformulasikan kesimpulan Turban,
1995.
Terdapat dua pendekatan untuk mengontrol inferensi, yaitu pelacakan dari belakang Backward chaining dan pelacakan dari depan forward chaining.
2.1.8.1 Pelacakan ke belakang Backward Chaining
Pelacakan ke belakang adalah pendekatan yang dimotori oleh tujuan goaldriven. Dalam pendekatan ini pelacakan dimulai dari tujuan, selanjutnya dicari
aturan yang memiliki tujuan tersebut untuk kesimpulannya. Selanjutnya proses pelacakan menggunakan premis untuk aturan tersebut sebagai tujuan baru dan mencari
aturan lain dengan tujuan baru sebagai kesimpulannya. Proses berlanjut sampai semua kemungkinan ditemukan Kusumadewi, 2003. Gambar berikut menunjukan proses
backward chaining.
Universitas Sumatera Utara
Observasi A aturan R1
fakta C Aturan R3
Observasi B aturan R2
fakta D tujuan 1
Aturan R2
Gambar 2.1. Contoh Backward Chaining
2.1.8.2 Pelacakan ke depan forward chaining
Pelacakan ke depan adalah pendekatan yang dimotori data data-driven. Dalam pendekatan ini pelacakan dimulai dari informasi masukan, dan selanjutnya
mencoba menggambarkan kesimpulan. Pelacakan dari depan, mencari fakta yang sesuai dengan bagian IF dari aturan IF-THEN. Gambar berikut menunjukkan proses
forward chaining.
Observasi A aturan R1
fakta C kesimpulan
Aturan R3 Observasi B
aturan R2 fakta D
kesimpulan 2 Aturan R2
Fakta E
Gambar 2.2 Contoh Forward Chaining
2.1.9 Teknik Representasi Pengetahuan.
Representasi pengetahuan adalah suatu teknik untuk merepresentasikan basis pengetahuan yang diperoleh ke dalam suatu skemadiagram tertentu sehingga dapat
diketahui relasihubungan antara suatu data dengan data yang lain. Teknik ini membantu knowledge engineer dalam memahami struktur pengetahuan yang akan
dibuat sistem pakarnya.
Terdapat beberapa teknik representasi pengetahuan yang biasa digunakan
Universitas Sumatera Utara
dalam pengembangan suatu sistem pakar Nugroho, 2008, yaitu :
1. Rule-Based Knowledge
Pengetahuan direpresentasikan dalam suatu bentuk fakta facts dan aturan rules. Bentuk representasi ini terdiri atas premise dan kesimpulan.
2. Frame-Based Knowledge
Pengetahuan direpresentasikan dalam suatu bentuk hirarki atau jaringan frame.
4. Object-Based Knowledge
Pengetahuan direpresentasikan sebagai jaringan dari objek-objek. Objek adalah elemen data yang terdiri dari data dan metoda proses.
5. Case-Base Reasoning
Pengetahuan direpresentasikan dalam bentuk kesimpulan kasus cases.
2.2 Ilmu Faraidh Pembagian Warisan
Kategori