Digunakan sebagai media komunikasi antara user dengan program. 6.
Subsistem penjelasan Digunakan untuk melacak respon dan memberikan penjelasan tentang kelakuan
sistem pakar secara interaktif melalui pertanyaan : a.
Mengapa suatu pertanyaan ditanyakan oleh sistem pakar? b.
Bagaimana konklusi dicapai? c.
Mengapa ada alternatif yang dibatalkan? d.
Rencana apa yang digunakan untuk mendapatkan solusi? 7.
Sistem penyaring pengetahuan Sistem ini digunakan untuk mengevaluasi kinerja sistem pakar itu sendiri untuk
melihat apakah pengetahuan-pengetahuan yang ada masih cocok untuk digunakan dimasa mendatang.
2.2.10. Basis Pengetahuan
Basis pengetahuan berisi pengetahuan-pengetahuan dalam menyelesaian masalah, tentu di dalam domain tertentu. Ada dua bentuk pendekatan basis pengetahuan yang
umum digunakan, yaitu :
1. Penalaran berbasis aturan Rule-Based Reasoning
Pengetahuan direpresentasikan dengan menggunakan aturan berbentuk : IF- THEN
. Bentuk ini digunakan apabila kita memiliki sejumlah pengetahuan pakar pada suatu permasalahan tertentu, dan si pakar dapat menyelesaikan masalah
tersebut secara berurutan. Disamping itu, juga digunakan apabila dibutuhkan penjelasan tentang langkah-langkah pencapaian solusi.
2. Penalaran berbasis kasus Case-Based Reasoning
Basis pengetahuan akan berisi solusi-solusi yang telah dicapai sebelumnya, kemudian akan diturunkan suatu solusi untuk keadaan yang sekarang. Bentuk ini
akan digunakan apabila user menginginkan untuk tahu lebih banyak lagi pada kasus-kasus yang hampir sama. Selain itu, bentuk ini juga digunakan apabila kita
telah memiliki sejumlah situasi atau kasus tertentu dalam basis pengetahuan Kusumadewi, 2003: 105.
2.2.11. Mesin Inferensi
Inferensi merupakan proses untuk menghasilkan informasi dari fakta yang diketahui atau diasumsikan. Inferensi adalah konklusi logis logical conclusion
atau implikasi berdasarkan informasi yang tersedia. Dalam sistem pakar proses inferensi dilakukan dalam suatu modul yang disebut Inference Engine mesin
inferensi. Ketika representasi pengetahuan pada bagian knowledge base telah lengkap, atau paling tidak telah berada pada level yang cukup akurat, maka
representasi pengetahuan telah siap digunakan. Inference Engine merupakan modul yang berisi program tentang bagaimana mengendalikan proses reasoning Kusrini,
2008: 8. Ada dua metode inferensi yang penting dalam sistem pakar yaitu : 1.
Runut Maju Forward Chaining Runut maju berarti menggunakan himpunan aturan kondisi-aksi. Dalam metode ini,
data digunakan untuk menentukan aturan mana yang akan dijalankan, kemudian aturan tersebut dijalankan. Mungkin proses menambahkan data ke memori kerja.
Proses diulang sampai ditemukan suatu hasil Wilson 1998 dalam Kusrini, 2008. Metode inferensi runut maju cocok digunakan untuk menangani masalah
pengendalian dan peramalan Giarattano dan Riley 1998 dalam Kusrini, 2008.
Menurut Arhami 2005: 19, pelacakan ke depan adalah pendekatan yang dimotori data data-driven. Dalam pendekatan ini pelacakan dimulai dari informasi
masukan, dan selanjutnya mencoba menggambarkan kesimpulan. Pelacakan ke depan mencari fakta yang sesuai dengan bagian IF dari aturan IF-THEN. Proses
forward chaining disajikan pada Gambar 2.11.
Observasi 1
Observasi 2 Kaidah A
Kaidah B Fakta 1
Fakta 2
Fakta 3 Kaidah C
Kaidah D
Kaidah E Kesimpulan 1
Kesimpulan 2
Kesimpulan 3 Kesimpulan 4
Gambar 2.11. Proses Forward Chaining
Sumber : Arhami, 2005: 20
2. Runut Balik Backward Chaining
Menurut Giarattano dan Riley 1994 dalam Kusrini 2005: 11, runut balik merupakan metode penalaran kebalikan dari runut maju. Dalam runut balik
penalaran dimulai dengan tujuan kemudian merunut balik ke jalur yang mengarahkan ke tujuan tersebut. Runut balik disebut juga sebagai goal-driven
reasoning, merupakan cara yang efisien untuk memecahkan masalah yang dimodelkan sebagai masalah pemilihan terstruktur.
Pelacakan ke belakang adalah pendekatan yang dimotori tujuan terlebih dahulu goal-driven. Dalam pendekatan ini pelacakan dimulai dari tujuan, selanjutnya
dicari aturan yang memiliki tujuan tersebut untuk kesimpulannya. Proses backward chaining disajikan pada Gambar 2.12.
Observasi 1 Observasi 2
Kaidah A Kaidah B
Fakta 1 Fakta 2
Fakta 3 Kaidah C
Kaidah D
Kaidah E Tujuan
Observasi 3 Observasi 4
Gambar 2.12. Proses Backward Chaining
Sumber : Arhami, 2005: 19
Kedua metode inferensi tersebut dipengaruhi oleh tiga macam penelusuran, yaitu : 1.
Depth-first search, melakukan penelusuran kaidah secara mendalam dari simpul akar bergerak menurun ke tingkat dalam yang berurutan. Diagram alir
depth-first search disajikan pada Gambar 2.13.
1 8
9 10
16 15
14 13
12 11
7 6
5 4
3 2
Root Node Start
Goal End
Gambar 2.13. Diagram Alir Teknik Penelusuran Depth-first Search
Sumber : Arhami, 2005: 21
2. Breadth-first search, bergerak dari simpul akar, simpul yang ada pada setiap
tingkat diuji sebelum pindah ke tingkat selanjutnya. Diagram alir Breadth-first search disajikan pada Gambar 2.14.