1. Identifikasi, merupakan identifikasi yang dilakukan oleh pakar dan knowledge
engineer mengenai hal-hal yang penting dalam pengembangan sistem pakar.
2. Konseptualisasi, merupakan tahap pengembangan konsep pemecahan
masalah. Proses yang dilakukan pada tahap ini adalah ekstraksi pengetahuan pakar.
3. Formalisasi, merupakan tahap pembangunan basis pengetahuan berdasarkan
model konseptual yang telah dikembangkan pada tahap konseptualisasi.
4. Implementasi, merupakan pembangunan prototype sistem pakar berdasarkan
formalisasi pengetahuan yang telah dilakukan sebelumnya. Pembangunan prototype sistem pakar ditunjukkan pada Gambar 3.
5. Pengujian, merupakan evaluasi terhadap sistem pakar itu sendiri, apakah
sistem pakar sesuai dengan tujuan penelitian dan berfungsi seperti tujuan yang telah didefinisikan di awal pengembangan.
Gambar 3. Prototyping dalam Sistem Pakar Turban, 1995
Sistem pakar dibangun dengan sistematika pengembangan yang disesuaikan dengan permasalahan yang ditangani, sebagai pedoman dan
memberikan acuan kepada pengembang atau pembuat. Permasalahan- permasalahan yang dapat ditangani oleh sistem pakar disajikan pada Tabel 5.
Tabel 5. Permasalahan yang Ditangani Sistem Pakar Waterman, 1986
Kategori Masalah yang Ditangani
Interpretasi Prediksi
Diagnosis Desain
Perencanaan Monitor
Debugging Perbaikan
Instruksi Kontrol
Menyimpulkan deskripsi situasi dari observasi Menyimpulkan kemungkinan konsekuensi dari situasi tertentu
Menyimpulkan tidak berfungsinya suatu sistem observasi Konfigurasi objek pada batasan tertentu
Membuat rencana untuk mencapai tujuan Membandingkan observasi dengan rencana
Menyarankan perbaikan pada kegagalan observasi Menjalankan rencana sarana perbaikan
Diagnosa, menghilangkan kesalahan dan perbaikan prestasi Interpretasi, prediksi, perbaikan dan monitor keadaan sistem
2.5 Jaringan Syaraf Tiruan 2.5.1 Dasar Biologis
Jaringan syaraf tiruan memiliki prinsip kerja yang analog dengan jaringan syaraf biologis, menerima input berupa impuls yang diterima oleh dendrit dari neuron
lain. Kerja sistem jaringan syaraf biologis kemudian digunakan sebagai acuan untuk mengembangkan jaringan syaraf tiruan dalam menyelesaikan permasalahan
kompleks dan non linear yang sulit diselesaikan dengan model matematis. Tabel 6 menunjukkan perbedaan antara biological neural network jaringan syaraf biologis
dan artificial neural network jaringan syaraf tiruan. Tabel 6. Biological Neural Network vs Artificial Neural Network Medsker dan
Liebowitz, 1994
Biologis Artificial
Soma Node
Dendrit Input
Axon Output
Synapse Weight
Kecepatan rendah Kecepatan tinggi
Neuron banyak 10
9
Neuron beberapa ±100
Tabel di atas menunjukkan perbedaan terminologis antara jaringan syaraf biologis dan jaringan syaraf tiruan. Soma merupakan ujung-ujung syaraf yang oleh
ANN disebut node, menyatakan banyaknya faktor yang akan dianalisis, dendrites merupakan serabut syaraf yang menghantarkan input dari ujung syaraf atau dari