1.3 Batasan Masalah
Adapun batasan masalah yang dipergunakan dalam penelitian adalah sebagai berikut : 1. Penelitian ini dibatasi hanya untuk jenis:
• Zea mays L. amylacea flour corn atau jagung tepung, • Zea mays L. indentata dent corn atau jagung gigi kuda,
• Zea mays L. indurata flint corn atau jagung mutiara, • Zea mays L. everta pop corn atau jagung berondong,
• Zea mays L. ceratina waxy corn atau jagung pulut, • Zea mays L. saccharata sweet corn atau jagung manis,
• Zea mays L. tunicata pod corn atau jagung bungkus. 2. Pokok penelitian ini adalah dalam pembuatan aplikasi komputer untuk
mengidentifikasi jenis jagung berdasarkan ciri-ciri dari biji jagung tersebut. 3. Terbatas pada sumber pengetahuan yang didapat baik dari pakar maupun dari buku-
buku yang berkaitan dengan tanaman jagung. 4. Masukan dari program berupa ciri-ciri biji jagung yang di pilih oleh
pengguna. 5. Keluaran program berupa kesimpulan jenis jagung, deskripsi dan manfaat dari
jenis jagung tersebut.
1.4 Tujuan Penelitian
Tujuan dari penelitian ini adalah untuk merancang dan mengimplementasikan media konsultasi sebagai media yang digunakan untuk mengidentifikasi jenis jagung serta
pemanfaatannya. Keluaran yang dihasilkan dari sistem berupa hasil dari identifikasi dengan tingkat kemungkinan terhadap jenis jagung teridentifikasi.
1.5 Manfaat Penelitian
Universitas Sumatera Utara
Manfaat yang diharapkan dari penelitian ini adalah tiap-tiap pengguna dapat mengidentifikasi jenis jagung dan manfaatnya. Selain itu, para pengguna dapat mengoptimalkan pemanfaatan
dari jenis jagung tersebut.
1.6 Metodologi Penelitian
Dalam penyusunan tulisan ini, penulis mengunakan tahapan sebagai berikut: 1. Mendefenisikan domain permasalahan yang dalam hal ini adalah tanaman jagung.
2. Merumuskan informasi-informasi yang bisa dijadikan knowledge base dalam pembuatan sistem pakar untuk mengidentifikasi jenis jagung berdasarkan bentuk
biji. 3. Mengumpulkan data pengetahuan dari buku-buku yang berkaitan dengan jenis
tanaman jagung, jurnal, artikel, tesis, dan lain-lain. 4. Melakukan analisis dan perancangan system yang meliputi akuisisi
pengetahuan, representasi pengetahuan, perancangan basis pengetahuan dan membuat mesin inferensi.
5. Melakukan tahap implementasi dengan mengunakan bahasa pemrograman Visual Basic 6.0 dilanjutkan dengan tahap pengujian. Dimana system yang dihasilkan akan
diuji cara kerjanya, apakah program sudah bisa berjalan dengan baik atau perlu dilakukan perbaikan lagi.
Universitas Sumatera Utara
BAB 2 LANDASAN TEORI
2.1 Sistem Pakar
Sistem pakar pertama kali dikembangkan oleh komunitas AI pada pertengahan tahun 1960. Sistem pakar yang muncul pertama kali adalah General Purpose Problem Solver GPS yang
dikembangkan oleh Newel Simon Turban,1995. Sistem pakar yang baik dirancang agar dapat menyelesaikan suatu permasalah tertentu
dengan meniru kerja dari para ahli. Sistem pakar memiliki banyak definisi, tetapi pada dasarnya sistem pakar diterapkan untuk mendukung aktivitas pemecahan masalah.
Beberapa definisi yang ada untuk sistem pakar Kusumadewi, 2003 : a. Menurut Martin dan Oxman : Sistem pakar adalah sistem berbasis computer yang
menggunakan pengetahuan, fakta, dan teknik penalaran dalam memecahkan masalah, yang biasanya hanya dapat diselesaikan oleh seorang pakar dalam bidang
tertentu. b. Menurut Ignizio : Sistem pakar merupakan bidang yang dicirikan oleh system
berbasis pengetahuan Knowledge Base System, memungkinkan adanya komponen untuk berpikir dan mengambil kesimpulan dari sekumpulan kaidah.
c. Menurut Giarratano dan Riley : Sistem pakar adalah salah satu cabang kecerdasan buatan yang menggunakan pengetahuan-pengetahuan khusus yang dimiliki oleh
seorang ahli untuk menyelesaikan suatu masalah tertentu. Secara umum, sistem pakar merupakan sistem yang mengadopsi pengetahuan manusia
ke dalam komputer sehingga komputer dapat digunakan untuk menyelesaikan suatu masalah sebagaimana yang dilakukan oleh seorang pakar. Sistem pakar dibuat pada wilayah
pengetahuan tertentu dan untuk suatu keahlian tertentu yang mendekati kemampuan manusia
Universitas Sumatera Utara
di salah satu bidang khusus. Sistem pakar mencoba mencari solusi yang memuaskan sebagaimana yang dilakukan seorang pakar dan dapat memberikan penjelasan terhadap
langkah yang diambil serta memberikan alasan atas kesimpulan yang diambil. Sampai saat ini telah banyak sistem pakar yang telah dibuat. Misalkan MYCIN
digunakan untuk mendiagnosa penyakit, DENDRAL untuk mengidentifikasi perbaikan yang dilakukan pada mesin diesel elektronik kereta api, FOLIO digunakan untuk membantu
memberikan keputusan bagi seorang manajer dalam hal persediaan broker dan investasi, serta beberapa aplikasi sistem pakar lainnya.
2.1.1 Keuntungan Sistem Pakar
Secara garis besar, ada banyak keuntungan bila menggunakan sistem pakar, diantaranya adalah Arhami, 2005:
1. Menjadikan pengetahuan dan nasihat lebih mudah didapat. 2. Meningkatkan output dan produktivitas.
3. Menyimpan kemampuan dan keahlian pakar. 4. Meningkatkan penyelesaian masalah yaitu menerusi paduan pakar, penerangan,
sistem pakar khas. 5. Meningkatkan reliabilitas.
6. Memberikan respons jawaban yang cepat. 7. Merupakan panduan yang intelligence cerdas.
8. Dapat bekerja dengan informasi yang kurang lengkap dan mengandung ketidakpastian.
9. Intelligence database basis data cerdas, bahwa sistem pakar dapat digunakan untuk mengakses basis data dengan cara cerdas.
2.1.2 Kelemahan Sistem Pakar
Disamping memiliki beberapa keuntungan, sistem pakar juga memiliki beberapa kelemahan, antara lain:
1. Biaya yang diperlukan untuk membuat dan memeliharanya sangat mahal.
Universitas Sumatera Utara
2. Sulit dikembangkan system pakar yang benar-benar berkualitas tinggi. Hal ini tentu saja erat kaitannya dengan ketersediaan pakar di bidangnya.
3. Sistem pakar tidak dapat 100 bernilai benar. 4. Terkadang sistem tidak dapat membuat keputusan.
5. Pengetahuan tidak selalu didapat dengan mudah karena pendekatan tiap pakar berbeda.
2.1.3 Karakteristik Sistem Pakar
Sistem pakar mempunyai beberapa karakteristik dasar yang membedakan dengan program komputer biasa umumnya, yaitu Turban, 1995:
1. Mempunyai kepakaran Dalam menyelesaikan masalah bukan hanya mendapatkan solusi yang benar saja,
namun juga bagaimana mendapatkan pemecahan dengan cepat dan mahir. 2. Domain tertentu
Sistem pakar mengutamakan kedalaman mengenai bidang tertentu. 3. Memiliki kemampuan mengolah data yang mengandung ketidakpastian
kadang-kadang data yang tersedia tidak lengkap sistem harus dapat memberikan pemecahan sesuai data yang tersedia dengan memberikan pertimbangan, saran atau
anjuran sesuai dengan kondisi yang ada. 4. Dirancang untuk dapat dikembangkan secara bertahap Program computer
dirancang untuk memberikan jawaban yang tepat setiap waktu. Sedangkan system pakar dirancang untuk berlaku sebagai seorang pakar, kadang
memberikan jawaban yang benar, dan suatu saat mungkin tidak tepat Expert system makes mistake.
2.1.4 Struktur Sistem Pakar
Sistem pakar dapat ditampilkan dengan dua lingkungan, yaitu lingkungan pengembangan dan lingkungan konsultasi, lihat pada gambar 2.1. Lingkungan pengembangan digunakan oleh
sistem pakar ES builder untuk membangun komponen dan memasukkan pengetahuan ke dalam basis pengetahuan. Lingkungan konsultasi digunakan oleh nonpakar untuk
memperoleh pengetahuan dan nasihat pakar. Lingkungan ini dapat dipisahkan setelah sistem lengkap Turban, 1995.
Universitas Sumatera Utara
Gambar 2.1 Struktur Sistem Pakar
2.1.5 Komponen Sistem Pakar
Komponen-komponen yang terdapat dalam sistem pakar adalah : a. Antarmuka pengguna User Interface
User interface merupakan mekanisme yang digunakan untuk pengguna dan sistem pakar untuk berkomunikasi. Antarmuka menerima informasi dari pemakai dan
mengubahnya ke dalam bentuk yang dapat diterima oleh sistem. Selain itu antarmuka menerima informasi dari sistem dan menyajikannnya dalam bentuk yang dapat
dimengerti oleh pemakai. Menurut McLeod 1995, pada bagian ini terjadi dialog antara program dan pemakai, yang memungkinkan sistem pakar menerima instruksi
dan informasi input dan pemakai juga memberikan informasi output kepada pemakai.
b. Basis pengetahuan Basis pengetahuan mengandung pengetahuan untuk pemahaman, formulasi, dan
penyelesaian masalah. Komponen sistem pakar ini disusun atas dua elemen dasar, yaitu fakta dan aturan. Fakta merupakan informasi tentang obyek dalam area
Universitas Sumatera Utara
permasalahan tertentu, sedangkan aturan merupakan informasi tentang cara bagaimana memperoleh fakta baru dari fakta yang telah diketahui Arhami, 2005.
c. Akuisisi pengetahuan Akusisi pengetahuan adalah akumulasi, transfer dan transformasi keahlian dalam
menyelesaikan masalah dari sumber pengetahuan ke dalam program komputer. Dalam tahap ini knowledge engineer berusaha menyerap pengetahun untuk selanjutnya
ditransfer ke dalam basis pengetahuan. Pengetahuan diperoleh dari pakar, dilengkapi dengan buku, basis data, laporan penelitian dan pengalaman pemakai Arhami, 2005.
Akuisisi pengetahuan dilakukan sepanjang proses pembangunan sistem. Menurut Firebaugh 1989, proses akuisisi pengetahuan dibagi ke dalam enam tahap, yaitu :
1. Tahap identifikasi Tahap identifikasi meliputi penentuan komponen-komponen kunci dalam sistem
yang sedang dibangun. Komponen kunci ini adalah knowledge engineer, pakar, karakterisitik masalah, sumber daya, dan tujuan. Knowledge engineer dan pakar
bekerja bersama untuk menentukan berbagai aspek masalah, seperti lingkup dari proyek, data input yang dimasukkan, bagian-bagian penting dan interaksinya,
bentuk dan isi dari penyelesaian, dan kesulitan-kesulitan yang mungkin terjadi dalam pembangunan sistem. Mereka juga harus menentukan sumber pengetahuan
seperti basis data, system informasi manajemen, buku teks, serta prototipe masalah dan contoh. Selain menentukan sumber pengetahuan, pakar juga mengklarifikasi
dan menentukan tujuan-tujuan sistem dalam proses penentuan masalah. 2. Tahap konseptualisasi
Konsep-konsep kunci dan hubungannya yang telah ditentukan pada tahap pertama dibuat lebih jelas dalam tahap konseptualisasi.
3. Tahap formalisasi Tahap ini meliputi pemetaan konsep-konsep kunci, sub-masalah dan bentuk aliran
informasi yang telah ditentukan dalam tahap-tahap sebelumnya ke dalam representasi formal yang paling sesuai dengan masalah yang ada.
4. Tahap implementasi
Universitas Sumatera Utara
Tahap ini meliputi pemetaan pengetahuan dari tahap sebelumnya yang telah diformalisasi ke dalam skema representasi pengetahuan yang dipilih.
5. Tahap pengujian Setelah prototipe sistem yang dibangun dalam tahap sebelumnya berhasil
menangani dua atau tiga contoh, prototipe sistem tersebut harus menjalani serangkaian pengujian dengan teliti menggunakan beragam sampel masalah.
Masalah-masalah yang ditemukan dalam pengujian ini biasanya dapat dibagi dalam tiga kategori, yaitu kegagalan inputoutput, kesalahan logika dan strategi kontrol.
6. Revisi prototipe Suatu unsur penting pada semua tahap dalam proses akuisisi pengetahuan adalah
kemampuan untuk kembali ke tahap-tahap sebelumnya untuk memperbaiki sistem. d. Mesin inferensi
Komponen ini mengandung 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 Turban, 1995. Inferensi merupakan proses menghasilkan kesimpulan berdasarkan fakta atau
pengetahuan yang diketahui atau diasumsikan. Terdapat dua pendekatan untuk mengontrol inferensi dalam sistem pakar berbasis aturan yaitu pelacakan ke depan forward chaining dan
pelacakan ke depan backward chaining. 1. Pelacakan ke Depan Forward Chaining
Pada Metode forward chaining di artikan sebagai pendekatan yang dimotori data. Dalam pendekatan ini pelacakan dimulai dari informasi masukan, dan selanjutnya
mencoba menggambarkan kesimpulan. Sehingga metode ini juga sering disebut “Data driven”
. Proses pelacakan pada forward chaining dapat ditunjukkan oleh gambar 2.2 .
Universitas Sumatera Utara
Gambar 2.2 Proses Forward Chaining
2. Pelacakan ke belakang Backward Chaining Metode backward chaining adalah pendekatan yang dimotori tujuan. Dalam
pendekatan ini pelacakan dimulai dari tujuan, selanjutnya dicari aturan yang memiliki tujuan tersebut untuk kesimpulannya. Selanjutnya proses pelacakan
menggunakan premis untuk aturan tersebut sebagai tujuan baru dan mencari aturan lain dengan tujuan baru sebagai kesimpulannya. Proses berlanjut sampai semua
kemungkinan ditemukan. Metode ini sering disebut “goal driven”. Proses pelacakan pada backward chaining dapat ditunjukkan oleh gambar 2.3 .
Gambar 2.3 Proses Backward Chaining
e. Blackboard Blackboard adalah area kerja memori yang disimpan sebagai database untuk
deskripsi persoalan terbaru yang ditetapkan oleh data input, digunakan juga untuk perekaman hipotesis dan keputusan sementara. Tiga tipe keputusan dapat direkam
dalam blackboard, yaitu : • Rencana : bagaimana mengatasi persoalan
• Agenda : tindakan potensial sebelum eksekusi • Solusi : hipotesis kandidat dan arahan alternatif yang telah dihasilkan sistem
sampai saat ini.
Universitas Sumatera Utara
f. Fasilitas penjelasan Fasilitas penjelasan untuk komponen tambahan yang akan meningkatkan
kemampuan sistem pakar. Komponen ini menggambarkan penalaran system kepada pemakai. Fasilitas penjelasan dapat menjelaskan perilaku sistem pakar dengan
menjawab pertanyaan-pertanyaan sebagai berikut Turban, 1995:
• Mengapa pertanyaan tertentu ditanyakan oleh sistem pakar?
• Bagaimana kesimpulan tertentu diperoleh? • Mengapa alternatif tertentu ditolak?
• Apa rencana untuk memperoleh penyelesaian? g. Perbaikan pengetahuan
Pakar memiliki kemampuan untuk menganalisis dan meningkatkan kinerjanya serta kemampuan untuk belajar dan kinerjanya. Kemampuan tersebut adalah penting
dalam pembelajaran terkomputerisasi, sehingga program akan mampu menganalisis penyebab kesuksesan dan kegagalan yang dialaminya.
2.2 Metode Pencarian
Kategori