5. Expert system : suatu metode kecerdasan buatan yang berguna untuk meniru
cara berpikir dan penalaran seorang ahli dalam mengambil keputusan berdasarkan situasi yang ada.
2.2 Sistem Pakar
Secara umum, sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer yang dirancang untuk memodelkan kemampuan menyelesaikan
masalah seperti layaknya seorang pakar. Dengan sistem pakar ini, orang awam pun dapat menyelesaikan masalahnya atau hanya mencari informasi berkualitas yang
sebenarnya hanya dapat diperoleh dengan bantuan para ahli di bidangnya. Sistem pakar ini juga dapat membantu aktivitas para pakar sebagai asisten yang
berpengalaman dan mempunyai pengetahuan yang dibutuhkan. 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
.
Keahlian dipindahkan dari pakar ke suatu computer. Pengetahuan ini kemudian disimpan di dalam computer. Pada saat pengguna menjalankan computer untuk
mendapatkan informasi, sistem pakar menanyakan fakta-fakta dan dapat membuat penalaran inferensi dan sampai pada suatu kesimpulan. Kemudian, sistem
memberikan penjelasan memberikan kesimpulan atas hasil konsultasi yang telah dilakukan sebelumnya.[7]
Universitas Sumatera Utara
Pada dasarnya sistem pakar diterapkan untuk mendukung aktivitas pemecahan masalah. Beberapa aktivitas pemecahan yang dimaksud seperti pembuatan keputusan
decision making, pemandu pengetahuan knowledge fusing, pembuatan desain designing, perencanaan planning, prakiraan forecasting, pengaturan regulating,
pengendalian controlling, diagnosa diagnosing, perumusan prescribing, penjelasan explaining, pemberian nasihat advising, dan pelatihan tutoring.[3]
Sistem pakar yang muncul pertama kali adalah General-purpose solver GPS yang dikembangkan oleh Newl dan Simon. Sampai saat ini sudah banyak sistem pakar yang
dibuat, seperti MYCIN, DENDRAL, XCON XSEL, SOPHIE, Prospector, FOLIO, DELTA, dsb.
Tabel 2.1 Macam-macam sistem pakar Sistem Pakar
Kegunaan
MYCIN Diagnosa Penyakit
DENDRAL Mengidentifikasi struktur molecular campuran kimia yang tidak
dikenal XCON XSEL
Membantu Mengkonfigurasi sistem komputer besar SOPHIE
Analisis sirkit elektronik Prospector
Digunakan di dalam geologi untuk membantu mencari dan menemukan deposit.
FOLIO Membantu memberikan keputusan bagi seorang manajer dalam
hal stok broker dan investasi. DELTA
Pemeliharaan lokomotif listrik diesel.
2.2.1 Ciri-ciri Sistem Pakar
Universitas Sumatera Utara
Sistem pakar memiki ciri-ciri sebagai berikut : 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 rule atau kaidah tertentu 5.
Dirancang untuk dapat dikembangkan secara bertahap 6.
Outputnya tergantung dari dialog dengan user 7.
Knowledge base dan inference engine terpisah
2.2.2 Kategori dan Area Permasalahan Sistem Pakar
Berikut adalah kategori dan area permasalahan sistem pakar: a.
Interpretasi, adalah mebuat kesimpulan atau deskripsi dari sekumpulan data mentah.
b. Prediksi, adalah memproyeksikan akibat –akibat yang dimungkinkan situasi-
situasi tertentu c.
Diagnosa, adalah menentukan sebab malfungsi dalam situasi yang didasarkan pada gejala-gejala yang teramati.
d. Desain, adalah menentukan konfigurasi komponen – komponen sistem yang
cocok dengan tujuan kinerja tertentu yang memenuhi kendala – kendala tertentu.
Universitas Sumatera Utara
e. Perencanaan, adalah merencanakan serangkaian tindakan yang dapat
mencapai sejumlah tujuan dengan kondisi awal tertentu, f.
Debugging dan Repair, adalah menentukan dan menginterpresentasikan cara- cara untuk mengatasi malfungsi.
g. Instruksi, adalah mendeteksi dan mengoreksi defisiensi dalam pemahaman
domain subyek. h.
Pengendalian, adalah mengatur tingkah laku suatu lingkungan yang kompleks. i.
Seleksi, adalah mengidentifikasi pilihan terbaik dari sekumpulan kemungkinan.
j. Simulasi, adalah pemodelan interaksi antara komponen-komponen sistem.
k. Monitoring, adalah membandingkan hasil pengamatan dengan kondisi yang
diharapkan.
2.2.3 Keuntungan dan kelemahan Sistem Pakar
Keuntungan sistem pakar: a.
Memungkinkan orang awam dapat mengerjakan pekerjaan para ahli. b.
Dapat melakukan proses secara berulang secara otomatis. c.
Menyimpan pengetahuan dan keahlian para pakar. d.
Meningkatkan kualitas, dengan memberi nasehat yang konsisten dan mengurangi kesalahan.
e. Meningkatkan hasil dan produktivitas, karena sistem pakar dapat bekerja lebih
cepat dari manusia. f.
Memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan mengandung ketidakpastian.
Universitas Sumatera Utara
g. Memiliki kemampuan untuk mengakses pengetahuan.
h. Meningkatkan kapabilitas dalam penyelesaian masalah.
i. Menghemat waktu dalam pengambilan keputusan.
Kelemahan sistem pakar: a.
Biaya yang diperlukan untuk membuat, memelihara, dan mengembangkannya sangat mahal.
b. Sulit dikembangkan, hal ini erat kaitannya dengan ketersediaan pakar di
bidangnya. c.
Sistem pakar tidak 100 benar karena seseorang yang terlibat dalam pembuatan sistem pakar tidak selalu benar. Oleh karena itu perlu diuji ulang
secara teliti sebelum digunakan. d.
Kepakaran sangat sulit diekstrak dari manusia. e.
Pendekatan oleh setiap pakar untuk suatu situasi atau problem bias berbeda- beda, meskipun sama-sama benar.
f. Sangat sulit bagi seorang pakar untuk mengabstraksi atau menjelaskan langkah
mereka dalam menangani masalah. g.
Sistem pakar bekerja baik untuk suatu bidang yang sempit. h.
Istilah dan jargon yang dipakai oleh pakar dalam mengekspresikan fakta seringkali terbatas dan tidak mudah dimengerti oleh orang lain.
i. Transfer pengetahuan dapat bersifat subyektif dan bias.
2.2.4 Struktur Sistem Pakar
Sistem pakar memiliki dua bagian utama, yaitu :
Universitas Sumatera Utara
a. Lingkungan pengembangan development environment, yaitu bagian yang
digunakan untuk memasukkan pengetahuan pakar ke dalam lingkungan sistem pakar.
b. Lingkungan konsultasi consultation environment, yaitu bagian yang
digunakan oleh pengguna yang bukan pakar untuk memperoleh pengetahuan.
Gambar 2.2 Struktur Sistem Pakar
Komponen-komponen yang terdapat dalam arsitektur struktur system pakar: a
Antarmuka Pengguna user interface Merupakan mekanisme yang digunakan oleh pengguna dan system pakar untuk
berkomunikasi. Antarmuka menerima informasi dari pemakai dan mengubahnya kedalam bentuk yang dapat diterima oleh system. Selain itu antarmuka menerima
dari system dan menyajikannya ke dalam bentuk yang dapat dimengerti oleh pemakai.
Universitas Sumatera Utara
b Basis Pengetahuan
Basis pengetahuan mengandung pengetahuan untuk pemahaman formulasi, dan penyelesaian masalah. Pengetahuan itu dapat berasal dari ahli, buku, basis data,,
penelitian dan gambar.
Ada 2 bentuk pendekatan basis pengetahuan:[4] •
Penalaran berbasis aturan rule-based reasoning Pada penalaran berbasis aturan, 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, bentuk ini juga digunakan apabila dibutuhkan penjelasan tentang jejak
langkah–langkah pencapaian solusi.
• Penalaran berbasis kasus case-based reasoning
Pada penalaran berbasis kasus, basis pengetahuan akan berisi solusi-solusi yang telah dicapai sebelumnya, kemudian akan diturunkan suatu solusi
untuk keadaan yang terjadi sekarang fakta yang ada. Bentuk ini digunakan apabila user menginginkan untuk tahu lebih banyak lagi pada
kasus-kasus yang hampir sama mirip. Selain itu bentuk ini juga digunakan bila kita telah memiliki sejumlah situasi atau kasus tertentu
dalam basis pengetahuan.
Universitas Sumatera Utara
Akuisisi Pengetahuan Knowledge Acquisition Akuisisi pengetahuan adalah akumulasi, transfer, dan transformasi keahlian
dalam menyelesaikan masalah dari sumber pengetahuan ke dalam program komputer. Dalam tahap ini knowledge engineer berusaha menyerap
pengetahuan untuk selanjutnya ditransfer ke dalam basis pengetahuan. Pengetahuan yang diakuisisi adalah pengetahuan procedural apa yang harus
dilakukan, berupa aturan, prosedur, metode, dan lain-lain serta pengetahuan deklaratif termasuk dan tidak termasuk, berupa fakta, konsep, dan lain-lain.
Pengetahuan diperoleh dari pakar, dilengkapi dengan buku, basis data, laporan penelitian dan pengalaman pemakai. Ada beberapa tantangan dalam melakukan
akuisisi, yaitu pengetahuan yang tidak lengkap, pengetahuan yang salah, kemampuan menjelaskan pengetahuan dan pandangan yang berbeda dari beberapa
pakar.
Metode akuisisi pengetahuan : -
Wawancara : metode yang paling banyak digunakan, yang melibatkan pembicaraan dengan pakar secara langsung dalam suatu wawancara
- Analisis protokol : dalam metode ini pakar diminta untuk melakukan suatu
pekerjaan dan mengungkapkan proses pemikirannya dengan menggunakan kata-kata. Pekerjaan tersebut direkam, dituliskan, dan
dianalisis.
c MesinMotor Inferensi Inference Engine
Mesin Inferensi Inference Engine, merupakan otak dari Sistem Pakar, juga dikenal sebagai penerjemah aturan rule interpreter. Komponen ini mengandung
Universitas Sumatera Utara
mekanisme pola pikir dan penalaran yang digunakan oleh pakar dalam menyelesaikan suatu masalah. Mesin inferensi adalah program komputer
yang memberikan metodologi untuk penalaran tentang informasi yang ada dalam basis pengetahuan dan dalam workplace, dan untuk memformulasikan
kesimpulan.
Kerja mesin inferensi meliputi: -
Menentukan aturan mana akan dipakai -
Menyajikan pertanyaan kepada pemakai, ketika diperlukan. -
Menambahkan jawaban ke dalam memori Sistem Pakar. -
Menyimpulkan fakta baru dari sebuah aturan. -
Menambahkan fakta tadi ke dalam memori.
Ada 2 cara dalam melakukan inferensi : -
Forward Chaining
Yaitu sebuah metode pelacakan kedepan, dimana diawali dari fakta – fakta
yang diberikan user kemudian dicari dibasis pengetahuan lalu dicari rule yang
sesuai dengan fakta – fakta. Setelah itu diadakan hipotesa untuk memperoleh kesimpulan. Metode inferensi ini yang akan digunakan dalam system pakar
yang akan dibangun dengan contoh penalaran sebagai berikut: IF Badan Demam
AND Menggigil AND Sendi-sendi kaku
AND Air Seni Berkurang Volumenya THEN Chikungunya
Universitas Sumatera Utara
Pencocokan fakta atau pernyataan dimulai dari bagian sebelah kiri. Dengan kata
lain, penalaran dimulai dari fakta terlebih dahulu, lalu dicari rule yang sesuai
dengan fakta – fakta yang diberikan untuk menguji kebenaran hipotesa. Metode
Forward Chaining akan ditunjukkan pada gambar berikut: [4]
Gambar 2.3 Metode Forward Chaining
- Backward Chaining adalah suatu teknik pelacakan yang dimulai dari
sekumpulan kesimpulan, lalu hipotesa yang diinginkan, kemudian dengan mempergunakan kaidah–kaidah yang ada akan dicari sejumlah besar kondisi
awal fakta – fakta yang mendukung kaidah – kaidah tersebut. Pencocokan fakta atau pernyataan dimulai dari bagian sebelah kanan.Dengan kata lain, penalaran
dimulai dari kesimpulan, lalu hipotesa terlebih dahulu, dan untuk menguji
kebenaran hipotesa tersebut harus dicari rule yang sesuai, lalu fakta yang ada
dalam basis pengetahuan. Contoh penalaran Backward Chaining : Lampu 1 rusak,
IF Lampu 1 dinyalakan AND Lampu 1 tidak nyala
AND Lampu 1 dihubungkan dengan sekering
Universitas Sumatera Utara
AND sekering masih utuh
Metode Backward Chaining akan ditunjukkan pada gambar berikut:[4]
Gambar 2.4 Metode Backward Chaining
d Workplace Blackboard
Workplace merupakan area dari sekumpulan memori kerja working memory, digunakan untuk merekam kejadian yang sedang berlangsung
termasuk keputusan sementara.
e Fasilitas Penjelasan Explaination Facility.
Kemampuan untuk menjejak tracing bagaimana suatu kesimpulan dapat diambil merupakan hal yang sangat penting untuk transfer pengetahuan dan
pemecahan masalah. Fasilitas penjelasan merupakan komponen tambahan yang akan meningkatkan kemampuan sistem pakar.
f Perbaikan Pengetahuan
Pakar memiliki kemampuan untuk menganalisis dan meningkatkan kinerjanya serta kemampuan untuk belajar dari kinerjanya. Kemampuan
tersebut adalah penting dalam pembelajaran terkomputerisasi, sehingga
Universitas Sumatera Utara
program akan mampu menganalisis penyebab kesuksesan dan kegagalan yang dialaminya dan juga mengevaluasi apakah pengetahuan- pengetahuan yang ada
masih cocok untuk digunakan di masa mendatang.
2.3 Infeksi Tropis