Ahli Pengalihan Keahlian Aturan Kemampuan Menjelaskan Pakar Perekayasa Sistem Data Kepakaran

a. Keahlian

Keahlian adalah suatu kelebihan penguasaan pengetahuan di bidang tertentu yang diperoleh dari pelatihan, membaca atau pengalaman. Contoh bentuk pengetahuan yang termasuk keahlian adalah : • Fakta – fakta pada lingkup permasalahan tertentu. • Teori – teori pada lingkup permasalahan tertentu • Prosedur – prosedur dan aturan – aturan berkenaan dengan lingkup permasalahan tertentu • Strategi – strategi global untuk menyelesaikan masalah • Meta – knowledge. Bentuk – bentuk ini memungkinkan para ahli untuk dapat mengambil keputusan lebih cepat dan lebih baik daripada seseorang yang bukan ahli.

b. Ahli

Seorang ahli adalah seseorang yang mampu menjelaskan suatu tanggapan, mempelajari hal – hal baru seputar topik permasalahan domain, menyusun kembali pengetahuan jika dipandang perlu, memecah aturan – aturan jika dibutuhkan dan menentukan relevan tidaknya keahlian mereka.

c. Pengalihan Keahlian

Pengalihan keahlian dari para ahli ke komputer untuk kemudian dialihkan lagi ke orang lain yang bukan ahli, merupakan tujuan utama dari sistem pakar. Proses ini memerlukan 4 aktifitas yaitu : Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. • Tambahan pengetahuan dari para ahli atau sumber – sumber lainnya • Representasi pengetahuan ke komputer • Inferensi pengetahuan • Pengalihan pengetahuan ke user Pengetahuan yang disimpan di komputer disebut dengan nama basis pengetahuan.

d. Aturan

Sebagian besar sistem pakar komersial dibuat dalam bentuk rule – based system yang mana pengetahuan disimpan dalam bentuk aturan – aturan IF–THEN.

e. Kemampuan Menjelaskan

Setiap sistem pakar harus memiliki kemampuan untuk menjelaskan. Fitur inilah yang membedakan sistem pakar dengan sistem konvensional. Individu yang terlibat dalam lingkungan pengembangan sistem pakar ada 3 macam, yaitu : [Arhami,2004]

a. Pakar

Pakar adalah orang yang memiliki pengetahuan khusus, pendapat, pengalaman dan metode, serta kemampuan untuk mengaplikasikan keahliannya tersebut guna menyelesaikan masalah. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

b. Perekayasa Sistem

Perekayasa sistem adalah orang yang membantu pakar dalam menyusun area permasalahan dengan menginterpretasikan jawaban – jawaban pakar atas pertanyaan yang diajukan, menggambarkan analogi, mengajukan counter example dan menerangkan kesulitan – kesulitan konseptual.

c. Pemakai

Sistem pakar memiliki beberapa pemakai yaitu : pemakai bukan pakar, pelajar, pembangun sistem pakar yang ingin meningkatkan dan menambah basis pengetahuan dan pakar. Gambar 2.2 menggambarkan konsep umum suatu sistem pakar. User menyampaikan fakta atau informasi untuk sistem pakar dan kemudian menerima saran dari pakar atau jawaban. Bagian dalam sistem pakar terdiri 2 komponen utama, yaitu knowledge base yang berisi knowledge dan mesin inferensi yang menggambarkan kesimpulan. Kesimpulan tersebut merupakan respons dari sistem pakar atas permintaan user. Gambar 2.2 Konsep Umum Sistem Pakar [Arhami,2004] Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

2.2.2 Representasi Pengetahuan

Pengetahuan knowledge dapat diklasifikasikan ke dalam 3 kategori, yaitu procedural knowledge, declarative knowledge, dan tacit knowledge. Procedural knowledge berkenaan untuk mengetahui bagaimana melakukan sesuatu. Declarative knowledge berkenaan untuk mengetahui sesuatu itu benar atau salah. Sedangkan tacit knowledge atau unconscious knowledge adalah pengetahuan yang tidak dapat diungkapkan dengan bahasa. Pengetahuan adalah bagian dari suatu hierarki dan ini dapat ditunjukkan pada gambar 2.3 : Gambar 2.3 Hirarki Pengetahuan [Arhami,2004] Yang ada pada level paling bawah adalah noise gangguan yang merupakan data yang masih kabur. Level berikutnya adalah data yang merupakan hal potensial yang paling penting. Data yang sudah diproses adalah informasi yang penting. Berikutnya adalah knowledge pengetahuan yang menggambarkan informasi sangat khusus. Level paling atas adalah meta knowledge yang merupakan knowledge dan keahlian. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

2.2.3 Sistem Produksi

Sistem produksi secara umum terdiri dari komponen – komponen seperti pada gambar 2.4 :[kusumadewi,2003] 1 Ruang keadaan, yang berisi keadaan awal, tujuan dan kumpulan aturan yang digunakan mencapai tujuan. 2 Strategi kontrol, yang berguna untuk mengarahkan bagaimana proses pencarian akan berlangsung dan mengendalikan arah eksplorasi. Gambar 2.4 Sistem Produksi Representasi pengetahuan dengan sistem produksi pada dasarnya berupa aplikasi aturan rule yang berupa : 1 Antecendent, yaitu bagian yang mengekspresikan situasi atau premis pernyataan berawalan IF 2 Konsekuen, yaitu bagian yang menyatakan suatu tindakan tertentu atau konklusi yang diterapkan jika suatu situasi atau premis bernilai benar pernyataan berawalan THEN 3 Konsekuensi atau konklusi yang dinyatakan pada bagian THEN baru dinyatakan benar jika bagian IF pada sistem tersebut juga benar atau sesuai dengan aturan tertentu. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Sistem produksi dapat dibuat dalam beberapa bentuk yang berbeda, yaitu : [Arhami,2004] 1 IF Premis THEN Konklusi Contoh : IF pendapatan anda tinggi THEN kesempatan anda untuk diaudit juga tinggi 2 Konklusi IF Premis Contoh : Kesempatan anda diaudit tinggi IF pendapatan anda tinggi 3 IF Premis THEN Konklusi ELSE Konklusi Contoh : IF pendapatan anda tinggi THEN kesempatan anda diaudit tinggi ELSE kesempatan anda diaudit rendah 4 Kaidah yang lebih kompleks Contoh : IF tingkat kredit tinggi AND gaji lebih dari 30,000 OR aset lebih dari 75,000 AND sejarah pelunasan lancer THEN disetujui peminjaman hingga 100,000 Ada 2 tipe kaidah aturan yang umum dalam kecerdasan buatan, yaitu kaidah pengetahuan dan kaidah inferensi. Kaidah pengetahuan atau kaidah deklaratif menyatakan menyatakan semua fakta dan hubungan tentang suatu permasalahan. Kaidah inferensi atau kaidah prosedural merupakan nasihat atau saran tentang bagaimana menyelesaikan suatu masalah yang diberikan dangan fakta tertentu yang diketahui. Kaidah inferensi berisi kaidah tentang kaidah. Tipe kaidah ini dinamakan dengan metarule. Perekayasa pengetahuan memisahkan 2 tipe kaidah ini dimana Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. kaidah pengetahuan menjadi basis pengetahuan sedangkan kaidah inferensi menjadi bagian dari mesin inferensi.

2.2.4 Logika

Selain dengan sistem produksi, pengetahuan juga dapat dipresentasikan dengan menggunakan logika. Pada dasarnya proses logika adalah proses membentuk kesimpulan atau menarik suatu inferensi berdasarkan fakta yang telah ada. Input dari proses logika berupa premis atau fakta – fakta yang diakui kebenarannya sehingga dengan melakukan penalaran pada proses logika dapat dibentuk suatu inferensi atau kesimpulan yang benar pula. Gambaran proses logika dapat dilihat pada gambar 2.5 : Gambar 2.5 Gambaran Umum Proses Logika Ada 2 penalaran yang dilakukan untuk mendapat konklusi yaitu : 1. Penalaran Deduktif Penalaran dimulai dari prinsip umum untuk mendapatkan konklusi yang lebih khusus 2. Penalaran Induktif Penalaran dimulai dari fakta – fakta khusus untuk mendapatkan kesimpulan umum. Pada penalaran induktif ini, munculnya premis baru bisa mengakibatkan gugurnya konklusi yang sudah diperoleh. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

2.2.4.1 Logika Proposisi

Logika proposisi atau biasa disebut kalkulus proposisi merupakan logika simbolik untuk memanipulasi proposisi. Proposisi merupakan pernyataan yang dapat bernilai benar atau salah. P dan Q merupakan contoh dari simbol untuk pernyataan pada logika proposisi. Dua atau lebih proposisi dapat dihubungkan dengan menggunakan operator logika : ฀ untuk konjungsi AND DAN V untuk disjungsi OR ATAU untuk negasi NOT TIDAK Untuk implikasi kondisional IF......THENJIKA....MAKA Untuk equivalensi bikondisional IF AND ONLY IF JIKA DAN HANYA JIKA

2.2.4.2 Logika Predikat

Logika predikat atau kalkulus predikat merupakan logika yang digunakan untuk mempresentasikan masalah yang tidak dipresentasikan oleh logika proposisi. Logika predikat dapat memberikan representasikan fakta – fakta sebagai suatu pernyataan yang mapan well – form

2.2.5 Konsep Faktor Kepastian

Ketidakpastian dapat dianggap sebagai suatu kekurangan informasi yang memadai untuk membuat suatu keputusa. Ketidakpastian merupakan suatu permasalahan karena mungkin dapt menghambat dalam membuat suatu keputusan Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. terbaik bahkan mungkin dapt menghasilkan keputusan yang buruk. Dalam dunia medis, ketidakpastian mungkin menghalangi pemeriksaan yang terbaik untuk para pasien dan berperan untuk suatu terapi yang keliru. Dalam membangun sistem pakar ini perlu dipikirkan cara untuk menangani kondisi data yang kurang lengkap dalam diagnosis. Selain itu untuk memperoleh hasil diagnosis yang cukup akurat juga diperlukan ketelitian tinggi dalm perhitungan terhadap kemungkinan terhadap kemungkinan keberadaa penyakit. Beberapa teori yang dikembangkan untuk menangani ketidakpastian data dalam sistem pakar antara lain metode Bayes, Faktor Kepastian, Teori Dampster Shafer dan Logika Fuzzy. Namun dalam penelitian ini teori yang digunakan untuk menangani ketidakpastian data pada sistem pakar adalah dengan menggunakan Faktor Kepastian. Faktor kepastian merupakan cara dari penggabungan kepercayaan dan ketidakpercayaan dalam bilangan yang tunggal. Faktor Kepastian memperkenalkan konsep belief keyakinan dan disbelief ketidakyakinan. Konsep ini kemudian diformulasikan dalam rumusan dasar sebagai berikut : CF [H,E] = MB [H,E] – MD [H,E] Keterangan : CF [H,E] = Certainty Factor Faktor Kepastian dalam hipotesis H yang dipengaruhi Oleh fakta E Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. MB [H,E] = Measure of Belief Tingkat Keyakinan merupakan ukuran dari kepercayaan hipotesis H dipengaruhi oleh fakta E MD {H,E} = Measure of Disbelief Tingkat Ketidakyakinan merupakan ukuran dari ketidakpercayaan hipotesis H dipengaruhi oleh fakta E Beberapa fakta dapat dikombinasikan untuk menentukan factor kepastian dari suatu hipotesis [ Wahyu Prabowo dkk, 2008 ]. Jika e1 dan e2 adalah observasi maka : MB [h,e1 □ e2] = Contoh : Andaikan suatu observasi memberikan kepercayaan terhadap h dengan MB [h,e1] = 0.80 dan MD {h,e1} = 0.01 , sehingga : CF [h,e1] = 0.80 – 0.01 = 0.79 Jika ada observasi baru dengan MB [h,e2] = 0.70 dan MD [h,e2] = 0.08, maka MB[h,e1 ฀ e2] = 0.80 + 0.70 1 – 0.80 = 0.94 MD[h,e1 ฀ e2] = 0.01 + 0.80 1 – 0.01 = 0.0892 CF[h,e1 ฀ e2] = 0.94 – 0.0892 = 0.8508 Dapat dilihat bahwa semula faktor kepercayaan adalah 0.79, setelah muncul gejala baru, maka faktor kepercayaan berubah lebih besar menjadi 0.8508. Penggabungan kepercayaan dan ketidakpercayaan dalam bilangan yang tunggal digunakan untuk tingkatan hipotesis di dalam urutan kepentingan. Sebagai Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. contoh jika seorang pasien mempunyai gejala tertentu yang menyarankan beberapa kemungkinan penyakit, kemudian penyakit dengan faktor kepastian CF tertinggi urutan pertama dalam urutan pengujian. Dalam sistem pakar MYCIN digunakan aturan untuk mengkombinasikan fakta – fakta di dalam anteseden, seperti dapat dilihat pada tabel 2.2 berikut : Tabel 2.2 Aturan untuk mengkombinasikan fakta di dalam anteseden Evidence E Ketidakpastian anteseden E1 AND E2 Min [CFH,E1,CFH,E2] E1 OR E2 Max [CFH,E1,CFH,E2] NOTE CF H,E Sebagai contoh, diketahui suatu ekspresi logika penggabungan fakta : E = E1 AND E2 AND E3 OR E4 AND NOT E5 Fakta E akan dihitung sebagai berikut : E = max [min E1,E2,E3,min E4, – E5 ] Jika diketahui nilai : E1 = 0.9 , E2 = 0.8 , E3 = 0.3 , E4 = – 0.5 , E5 = – 0.4 Maka hasilnya adalah : E = max [min 0.9 ; 0.8 ; 0.3, min – 0.5 ; – 0.4] = max [0.3 ; – 0.5] = 0.3 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Rumus dasar untuk menghitung faktor kepastian dari kaidah IF E THEN H, diberikan dengan rumus di bawah ini : CFH,e = CFE,e . CFH,E Keterangan : CF H,e = faktor kepastian hipotesis yang didasarkan pada ketidakpastian fakta e CF E,e = faktor kepastian dari fakta E membuat anteseden dari kaidah berdasarkan pada ketidakpastian fakta e CF H,E = faktor kepastian dalam hipotesis dengan asumsi bahwa fakta diketahui dengan pasti bila CCF E,e = 1 Contoh perhitungan dengan faktor kepastian pada sebuah aturan menggunakan penelusuran maju forward chaining dapat dilihat pada gambar 2.7 Gambar 2.7 Faktor Kepastian dengan Beberapa Premis Gabungan Diketahui nilai CF A = 0.9 , CF B = 0.7, CF C = 0.5 Maka, CF E,e = min 0.9 ; 0.7 ; 0.5 = 0.5 Sehingga, CF H,e = 0.5 x 0.9 = 0.45 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Jika ada aturan lain memiliki hipotesis yang sama tetapi berbeda dalam faktor kepastian, maka perhitungan faktor kepastian dari kaidah yang sama dihitung dari penggabungan fungsi.

2.2.6 Block Diagram

Block diagram merupakan susunan rule – rule yang terdapat di dalam sebuah bidang ilmu. Dengan membuat block diagram di dalam sistem pakar maka dapat diketahui urutan kerja sistem dalam mencari keputusan yang akan terlihat, seperti yang ditunjukkan pada gambar 2.8 Gambar 2.8 Block Diagram

2.3 Data Kepakaran

Data kepakaran diperoleh dari hasil observasi dan interview dengan pakar dalam hal ini seorang dokter jenis penyakit penyebab nyamuk yang didiagnosis pada sistem pakar ini ada lima macam, antar lain :

a. Malaria