lainnya, memang tidak bisa dikatakan bisa menghemat, tetapi keuntungan yang diperoleh darinya sesuai dengan biaya yang dikeluarkan.
2.2.6.2 Kelemahan Sistem Pakar
Seperti halnya produk manusia lainnya, selain ada kekuatan atau kelebihan, ada pula kekurangan dan kelemahannya. Demikian pula halnya dengan
sistem pakar. Berikut adalah kelemahan-kelemahan sistem pakar Suparman, Marlan, 2007:98
1. Pengembangan sistem pakar sangat sulit, lebih sulit daripada membuat software konvensional. Seorang pakar yang baik sulit didapat. Memadatkan
pengetahuan mereka dan mengalihkannya kedalam sebuah program merupakan pekerjaan yang melelahkan, lama, dan memerlukan biaya besar.
2. Untuk membuat sistem pakar yang benar-benar berkualitas tinggi sangatlah sulit dan memerlukan biaya yang sangat besar tunku pengembangan dan
pemeliharannya. 3. Sistem pakar tidak 100 handal. Meskipun saat pembuatannya telah
berkontribusi para pakar yang baik, sistem pakar tetap tidak sempurna atau tidak selalu benar. Oleh karena itu, sistem perlu diuji ulang secara teliti
sebelum digunakan. Peranan manusia tetap merupakan faktor dominan.
2.2.7 Perbandingan Sistem Pakar dan Sistem Konvensional
Perbedaan antara sistem pakar dan sistem konvensional dapat dilihat pada tabel berikut Kusrini, 2006:
Tabel 2.1 Perbedaan Sistem Konvensional dan Sistem Pakar Kusrini, 2006
Sistem Konvensional Sistem Pakar
Informasi dan pemrosesan umumnya digabung dalam satu program sequential.
Knowledge base terpisah dari mekanisme pemrosesan inference.
Program tidak pernah salah kecuali pemrogramnya yang salah.
Program bisa saja melakukan kesalahan. Tidak menjelaskan mengapa input
dibutuhkan atau bagaimana hasil diperoleh.
Penjelasan explanation merupakan bagian dari expert system
Data harus lengkap. Data tidak harus lengkap.
Perubahan pada program merepotkan. Perubahan pada rules dapat dilakukan
dengan mudah.
Sistem bekerja jika sudah lengkap Sistem dapat bekerja hanya dengan rules
yang sedikit.
Eksekusi secara algoritmik step by step. Eksekusi dilakukan secara heuristic.
Manipulasi efektif pada database yang besar.
Manipulasi efektif pada knowledge-base yang besar.
Efesien adalah tujuan utama. Efektivitas adalah tujuan utama.
Data kuantitatif Data kualitatif
Representasi data dalam numeric Representas pengetahuan dalam symbol.
Menangkap, menambah, dan mendistribusikan data numeric atau
informasi Menangkap, menambah, dan
mendistribusikan pertimbangan dan pengetahuan.
2.2.8 Metode Inferensi penalaran
Menurut Giarratano dan Riley 2005 metode inferensi untuk memecahkan suatu persoalan dalam sistem pakar dapat dilakukan dengan merangkai rantai
produksi Chaining. Jenis rantai produksi Chaining tersebut adalah : a.
Backward Chaining Backward-Chaining adalah sebuah metode atau strategi inferensi yang
diperoleh untuk membuktikan suatu hipotesis dengan dukungan informasi. Backward-Chaining dimulai dengan sebuah goal yang harus dibuktikan.
Langkah dalam membuktikan suatu goal adalah sebagai berikut:
