Komputer yang demikian dapat dijadikan seperti konsultan atau tenaga ahli di bidangnya Hartono, 2003:838.
Sistem pakar sendiri merupakan program artificial intelligence yang menggabungkan pangkalan pengetahuan knowledge base dengan
sistem inferensi. Ini merupakan bagian software spesialisasi tingkat tinggi yang berusaha menduplikasi fungsi seorang pakar dalam suatu bidang
keahlian Suparman, 1991:99.
2.2.1 Ciri-Ciri Sistem Pakar
Menurut Jogianto Hartono 2003:6, ada enam ciri dan
karakteristik sistem pakar yaitu:
a. Pengetahuan sistem pakar merupakan suatu konsep, bukan berbentuk numeris.
b. Informasi dalam sistem pakar tidak selalu lengkap, subyektif, tidak konsisten, subyek terus berubah dan tergantung pada
kondisi lingkungan sehingga keputusan yang diambil bersifat tidak pasti dan tida
k mutlak “ya” atau “tidak” akan tetapi menurut ukuran kebenaran tertentu.
c. Penanganan solusi bersifat fleksibel. d. Mudah dimodifikasi.
e. Tidak ada jaminan bahwa solusi yang disampaikan adalah pasti benar, karena sumber pakar akan menyampaikan solusi yang
subyektif.
f. Keputusan yang dihasilkan diharapkan memiliki akurasi yang baik walaupun solusinya sulit sehingga fasilitas informasi sistem
harus selalu diperlukan.
2.2.2 Kelebihan Penggunaan Sistem Pakar
Sistem pakar sebagai sarana bantu penyelesaian masalah dalam bidang-bidang tertentu memiliki beberapa keunggulan.
Arhami 2005:9 mengungkapkan tiga keunggulan utama dari sistem pakar yaitu dapat:
a. Menghimpun data yang sangat besar b. Menyimpan data tersebut untuk jangka waktu yang panjang
dalam suatu bentuk tertentu c. Mengerjakan perhitungan secara cepat dan tepat dan tanpa jemu
mencari kembali data yang tersimpan dengan kecepatan tinggi.
2.2.3 Arsitektur Sistem Pakar
Sistem pakar tersusun dari dua bagian utama, yaitu lingkungan
pengembangan development
environment dan
lingkungan konsultasi
consultation environment
Arhami, 2005:13. Lingkungan pengembangan berisi komponen-komponen
yang digunakan untuk memasukkan pengetahuan pakar kedalam lingkungan sistem pakar, sedangkan lingkungan konsultasi berisi
komponen yang akan digunakan oleh user dalam memperoleh pengetahuan pakar. Struktur beserta komponen sistem pakar
ditunjukkan oleh Gambar 2.2.
Gambar 2.2 Arsitektur Sistem Pakar
Arhami, 2005:12
Pada Gambar 2.2 dapat kita lihat secara jelas seluruh
komponen yang menyusun sistem pakar yaitu user interface antarmuka pengguna, basis pengetahuan, akuisisi pengetahuan,
mesin inferensi, workplace, fasilitas penjelasan dan perbaikan pengetahuan.
1. User Interface antarmuka pengguna User interface merupakan mekanisme yang digunakan oleh
pengguna dan sistem pakar untuk melakukan komunikasi. Pada bagian ini terjadi dialog antara program dan pemakai, yang
memungkinkan sistem pakar menerima instruksi dan informasi
input dari pemakai dan juga memberikan informasi output kepada pemakai.
2. Basis Pengetahuan Basis pengetahuan mengandung pengetahuan untuk
pemahaman, formulasi dan penyelesaian masalah. Komponen sistem pakar ini disusun atas dua elemen dasar, yaitu fakta dan
aturan. Fakta merupakan informasi tentang obyek dalam area permasalahan tertentu, sedangkan aturan merupakan informasi
tentang cara bagaimana memperoleh fakta baru dari fakta yang telah diketahui Arhami, 2005:15.
3. Akuisisi Pengetahuan Fasilitas akuisi pengetahuan adalah akumulasi, transfer dan
transformasi keahlian dalam menyelesaikan masalah dari sumber pengetahuan ke dalam program komputer Arhami, 2005:16.
Fasilitas ini merupakan suatu proses mengumpulkan data-data pengetahuan akan suatu masalah dari pakar Hartono, 2003:12.
Pengetahuan dapat diperoleh melalui studi pustaka maupun observasi dan bertanya langsung kepada pakarnya. Pengetahuan
dan data-data yang terkumpul itulah yang disebut knowledge base basis pengetahuan.
4. Mesin Inferensi Mesin
inferensi adalah
program komputer
yang memberikan metodologi untuk penalaran tentang informasi yang
ada dalam basis pengetahuan dan dalam workplace, dan untuk memformulasikan kesimpulan Arhami, 2005:19. Selama proses
konsultasi antar sistem dan pemakai, mekanisme inferensi menguji aturan satu demi satu sampai kondisi aturan itu benar
Hartono, 2003:15. Terdapat dua pendekatan untuk mengontrol inferensi dalam sistem pakar berbasis aturan, yaitu pelacakan ke
depan forward chaining dan ke belakang backward chaining. a. Pelacakan ke belakang backward chaining adalah
pendekatan yang dimotori tujuan goal-driven Arhami, 2005:19. Penalaran ini juga biasa disebut penalaran dari atas
ke bawah Arhami, 2005:116 yaitu penalaran yang dimulai dari level tertinggi membangun suatu hipotesis, turun ke
fakta level paling bawah yang dapat mendukung hipotesis. Dapat
dikatakan pula
dalam backward
chaining menunjukkan fakta yang ada digunakan untuk mendukung
hipotesis. Gambaran backward chaining dapat dilihat pada
Gambar 2.3 .
Gambar 2.3 Proses Backward Chaining
Arhami, 2005:116
b. Pelacakan ke depan forward chaining adalah metode pencarian atau penarikan kesimpulan yang berdasarkan pada
data atau fakta yang ada menuju ke kesimpulan, penelusuran dimulai dari fakta yang ada lalu bergerak maju melalui
premis-premis untuk menuju kesimpulan atau dapat dikatakan bottom up reasoning Arhami, 2005:118. Forward
chaining melakukan pencarian dari suatu masalah kepada
solusinya, gambarannya dapat dilihat pada Gambar 2.4.
Gambar 2.4
Proses Forward Chaining Arhami, 2005:119
kedua metode inferensi tersebut dipengaruhi oleh tiga jenis pola penelusuran, yaitu depth-first search, breadht-first search dan
best first search. a. Depth-first search adalah teknik penelusuran data pada node-
node secara vertikal dan sudah terdefinisikan, misalnya dari kiri ke kanan Hartono, 2003:16. Depth-first search
melakukan penelusuran kaidah secara mendalam daeri simpul akar bergerak menurun ke tingkat dalam yang
berurutan Arhami, 2005:20.
Gambar 2.5 Pola Penelusuran Depth-First Search
b. Breadth-first search adalah teknik penelusuran data pada semua node dalam satu level atau satu tingkatan sebelum ke
level atau tingkatan dibawahnya Hartono, 2003:17. Breadth-first search bergerak dari simpul akar, simpul yang
ada pada setiap tingkat diuji sebelum pindah ke tingkat selanjutnya Arhami, 2005:20.
Gambar 2.6 Pola Penelusuran Breadth-First Search
c. Best-first search adalah penelusuran yang menggunakan pengetahuan akan suatu masalah untuk melakukan panduan
pencarian kearah node tempat dimana solusi berada.
1
2 5
7
4 3
6 8
9
Mulai
Goal End
1
2 3
4
6 5
7 8
9
Mulai Level 0
Level 1
Level 2 Goal
Pencarian jenis ini dikenal juga sebagai heuristik Hartono, 2003:18. Dapat dikatakan pula best-first search bekerja
berdasarkan kombinasi kedua metode sebelumnya Arhami, 2005:20.
5. Workplace Workplace merupakan area dari sekumpulan memori kerja
working memory. Workplace digunakan untuk merekam hasil- hasil antara data dan kesimpulan yang ingin dicapai. Ada tiga
tipe keputusan yang dapat direkam, yaitu: a. Rencana: bagaimana menghadapi masalah
b. Agenda: aksi-aksi yang potensial yang sedang menunggu untuk dieksekusi
c. Solusi: calon aksi yang akan dibangkitkan 6. Fasilitas Penjelasan
Fasilitas penjelasan adalah komponen tambahan yang akan meningkatkan kemampuan sistem pakar. Komponen ini
menggambarkan penalaran sistem kepada pemakai. Sehingga sistem pakar dapat menjawab pertanyaan yang muncul dari
pengguna aplikasi Turban, 1995: 7. Perbaikan pengetahuan
Seorang pakar memiliki kemampuan untuk menganalisa dan meningkatkan kinerjanya serta kemampuan untuk belajar
dari kinerjanya. Kemampuan tersebut adalah penting dalam
pembelajaran terkomputerisasi, sehingga aplikasi sistem pakar akan mampu melakukan analisis penyebab kesuksesan dan
kegagalan yang dialaminya.
2.3 Domain Permasalahan
