Pakar. 2. Knowledge Engineer. User. Yang terdiri dari: Pihak lain. Misalnya: system builder, tool builder, vendor, staf pendukung. Lengkapnya

Sistem Pakar Irfan Subakti – Sistem Berbasis Pengetahuan 18 ƒ What is the plan to reach the solution? For example, what remains to be established before a final diagnosis can be determined? Knowledge Refining System Dengan adanya komponen ini pakar dapat menganalisis kinerja mereka, belajar daripadanya, dan meningkatkan kemampuannya pada konsultasi berikutnya. 3.3 Elemen Manusia dalam Sistem Pakar Orang-orang yang terlibat dalam pengembangan dan penggunaan Sistem Pakar:

1. Pakar. 2. Knowledge Engineer.

3. User. Yang terdiri dari:

ƒ Klien yang bukan pakar yang menginginkan nasehat langsung. Disini Sistem Pakar bertindak sebagai konsultan atau advisorpenasehat. ƒ Pelajar yang ingin belajar. Sistem Pakar disini bertindak sebagai instruktur. ƒ Pembangun Sistem Pakar yang ingin meningkatkan knowledge base-nya. Disini Sistem Pakar bertindak sebagai partner. ƒ Pakar. Sistem Pakar disini bertindak sebagai kolega atau sebagai asisten.

4. Pihak lain. Misalnya: system builder, tool builder, vendor, staf pendukung. Lengkapnya

dapat dilihat pada gambar 3.3 di bawah ini: TOOL BUILDER TOOLS, LANGUAGES VENDOR DOCUMENTED KNOWLEDGE KNOWLEDGE ENGINEER SYSTEM BUILDER EXPERT EXPERT SYSTEM SUPPORT STAFF END-USER Build Provide Use Use Acquire Knowledge Build Test Build Connect Use Support Tasks Gambar 3.3 Diagram peranan manusia dalam Sistem Pakar Sistem Pakar Irfan Subakti – Sistem Berbasis Pengetahuan 19 3.4 Keuntungan Sistem Pakar Pelbagai keuntungan potensial yang bisa diperoleh dari Sistem Pakar adalah: ƒ Meningkatkan output dan produktivitas. ƒ Meningkatkan kualitas. ƒ Mengurangi waktu kerusakan downtime. ƒ Mengatasi kelangkaan kepakaran. ƒ Fleksibelitas. ƒ Pengoperasian peralatan lebih mudah. ƒ Menghilangkan kebutuhan akan peralatan yang mahal. ƒ Operasi pada lingkungan yang membahayakan. ƒ Akses ke pengetahuan knowledge dan help desk sistem bantuan. ƒ Kehandalan. ƒ Meningkatkan kemampuan pelbagai sistem terkomputerisasi lainnya. ƒ Integrasi dari pelbagai opini para pakar. ƒ Kemampuan bekerja dengan informasi yang tidak komplit dan tak pasti. ƒ Penyediaan pelatihan training. ƒ Peningkatan dalam hal penyelesaian masalah. ƒ Kemampuan menyelesaikan masalah yang kompleks. ƒ Transfer pengetahuan ke lokasi yang berbeda. ƒ Peningkatan kepada Sistem Informasi Berbasis Komputer lainnya. 3.5 Permasalahan dan Keterbatasan Sistem Pakar Di bawah ini adalah pelbagai hal yang menghambat Sistem Pakar: ƒ Pengetahuan tak selalu tersedia. ƒ Kepakaran sulit diekstraksi dari manusia. ƒ Pendekatan untuk setiap pakar pada situasi tertentu selalu berbeda, dan tak mesti benar. Sistem Pakar Irfan Subakti – Sistem Berbasis Pengetahuan 20 ƒ Walaupun pakar tersebut memiliki ketrampilan yang tinggi, sukar untuk mengabstraksikan kepakarannya pada situasi tertentu, apalagi pakar tersebut bekerja di bawah tekanan. ƒ User dari Sistem Pakar memiliki batasan kognitif alamiah. ƒ Sistem Pakar bekerja baik hanya pada domain yang terbatassempit. ƒ Kebanyakan pakar tak memiliki rasa pengertian pengecekan yang independen walaupun konklusi mereka masuk akal. ƒ Kosa kata, atau jargon, yang digunakan pakar untuk mengekspresikan fakta dan relasinya biasanya jarang digunakan dan dimengerti oleh orang lain. ƒ Help seringkali dibutuhkan oleh knowledge engineer yang biasanya jarang tersedia dan mahal biayanya – sebuah fakta yang dapat membuat pembangunan Sistem Pakar lebih banyak memakan biaya. ƒ Kendala kepercayaan pada end-user bisa menghalangi penggunaan Sistem Pakar. ƒ Transfer pengetahuan bergantung pada persepsi dan bisa bias dalam prasangka. 3.6 Jenis-jenis Sistem Pakar Sistem Pakar muncul dalam pelbagai variasi, seperti tersebut di bawah ini: ƒ Sistem Pakar vs. Knowledge-based Systems. Sistem Pakar mendapatkan pengetahuannya dari para pakar, sedang KBS dari sumber-sumber terdokumentasi. KBS lebih murah dan lebih cepat dibangun dibandingkan Sistem Pakar. ƒ Rule-Based Expert Systems. Pengetahuan direpresentasikan sebagai serangkaian rule-rule production rules. ƒ Frame-Based Systems. Pengetahuan direpresentasikan sebagai frame, yaitu representasi dari pendekatan Pemrograman Berbasis Objek OOP. ƒ Hybrid Systems. Melibatkan pelbagai pendekatan representasi pengetahuan, paling tidak frame dan rule, tapi biasanya lebih dari itu. ƒ Model-Based Systems. Tersusun di sekitar model yang mensimulasikan struktur dan fungsi dari sistem yang dipelajari. Model digunakan untuk menghitung nilai-nilai, yang dibandingkan dengan sedang diamati. Pembandingan tersebut memicu aksi jika diperlukan atau diagnosis lebih lanjut. ƒ Sistem yang diklasifikasikan oleh sifat alamiahnya. Ada 3 jenis. 1 berhubungan Sistem Pakar Irfan Subakti – Sistem Berbasis Pengetahuan 21 dengan evidence gathering pengumpulan bukti-bukti, 2 stepwise refinement system. Sistem ini berhubungan dengan sejumlah besar keluaran dari level-level detil sesudahnya. 3 stepwise assembly, dimana domain subjek dapat mempunyai jumlah yang luar biasa besar keluaran yang mungkin. Jenis khusus dari ini disebut dengan catalog selection. Sistem ini berhubungan dengan masalah seperti pemilihan bahan kimia, baja yang benar. ƒ Sistem siap pakai Off-the-Shelf Systems. Sebagai hasil dari produksi masal membuatnya lebih murah dibandingkan dengan sistem yang memenuhi keinginan user customized system. Sayangnya sistem ini bersifat terlalu umum, dan nasehatadvis yang dihasilkan mungkin tak bernilai pada user yang dihadapkan pada situasi yang kompleks. ƒ Real-Time Expert Systems. Sistem ini berkenaan dengan waktu, jadi harus cukup cepat mengontrol proses terkomputerisasi. Sistem selalu menghasilkan respon sesuai waktu yang diperlukan. Sistem Pakar Irfan Subakti – Sistem Berbasis Pengetahuan 22 Membangun Sistem Pakar