BAB 2
TINJAUAN TEORETIS
2.1 Kecerdasan Buatan
Kecerdasan buatan atau artificial intelligent merupakan salah satu bagian ilmu komputer yang membuat mesin komputer dapat melakukan pekerjaan seperti dan
sebaik yang dilakukan oleh manusia. Rich dan Knight 1991 mendefinisikan kecerdasan buatan sebagai sebuah studi tentang bagaimana membuat komputer
melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik oleh manusia.
Kecerdasan buatan berbeda dengan kecerdasan konvensional. Pemrograman konvensional berbasis pada algoritma yang mendefinisikan setiap langkah dalam
penyelesaian masalah. Pemrograman konvensional dapat menggunakan rumus matematika atau prosedur sekuensial untuk menghasilkan solusi. Lain halnya dengan
pemrograman dalam kecerdasan buatan yang berbasis pada representasi simbol dan manipulasi. Dalam kecerdasan buatan, sebuah simbol dapat berupa kalimat, kata, atau
angka yang digunakan untuk merepresentasikan objek, proses, dan hubungannya. Objek dapat berupa manusia, benda, ide, konsep, kegiatan, atau pernyataan dari suatu
fakta Kusrini, 2006, hal: 4.
2.2 Sistem Pakar
Sistem Pakar adalah aplikasi berbasis komputer yang digunakan untuk menyelesaikan masalah sebagaimana yang dipikirkan oleh pakar. Seorang pakar
adalah orang yang mempunyai keahlian khusus yang dapat menyelesaikan masalah yang tidak dapat diselesaikan oleh orang awam.
Sistem Pakar, yang mencoba memecahkan masalah yang biasanya hanya bisa dipecahkan oleh seorang pakar, dipandang berhasil ketika mampu mengambil
Universitas Sumatera Utara
keputusan seperti yang dilakukan oleh pakar aslinya baik dari sisi proses pengambilan keputusannya maupun hasil keputusan yang diperoleh.
Sebuah sistem pakar memiliki 2 kompenen utama yaitu basis pengetahuan dan mesin inferensi. Basis pengetahuan merupakan tempat penyimpanan pengetahuan
dalam memori komputer, dimana pengetahuan ini diambil dari pengetahuan pakar. Mesin inferensi merupakan otak dari aplikasi sistem pakar. Bagian inilah yang
menuntun user untuk memasukkan fakta sehingga diperoleh suatu kesimpulan. Apa yang dilakukan oleh mesin inferensi ini didasarkan pada pengetahuan yang ada dalam
basis pengetahuan.
2.2.1 Sejarah Sistem Pakar
Sistem pakar pertama kali dikembangkan oleh komunitas AI pada pertengahan tahun 1960. Sistem pakar yang pertama kali muncul adalah General-purpose Problem
Solver GPS yang dikembangkan oleh Newel dan Simon. GPS dan program-program yang serupa ini mengalami kegagalan karena cakupannya terlalu luas sehingga
terkadang justru meninggalkan pengetahuan-pengetahuan penting yang seharusnya disediakan.
Pada pertengahan tahun 1960-an, terjadi pergantian dari program serba bisa general-purpose ke program yang spesial special-purpose dengan
dikembangkannya DENDRAL oleh E. Feigenbaum dari Universitas Stanford dan kemudian diikuti oleh MYCIN.
Sistem pakar untuk melakukan diagnosis kesehatan telah dikembangkan sejak pertengahan tahun 1970. Sistem pakar untuk melakukan diagnosis pertama dibuat oleh
Bruce Buchanan dan Edward Shortliffe di Stanford University. Sistem ini diberi nama MYCIN.
MYCIN merupakan program interaktif yang melakukan diagnosis penyakit meningitis dan infeksi bacremia serta memberikan rekomendasi terapi antimikroba.
MYCIN mampu memberikan penjelasan atas penalarannya secara detail. Dalam uji
Universitas Sumatera Utara
coba, MYCIN mampu menunjukkan kemampuan seperti seorang spesialis. Meskipun MYCIN tidak pernah digunakan secara rutin oleh dokter, MYCIN merupakan
inferensi yang bagus dalam kecerdasan buatan yang lain Kusrini, 2006, hal: 12-13.
2.2.2 Struktur Sistem Pakar
Sistem Pakar disusun oleh dua bagian utama, yaitu lingkungan pengembangan development environment dan lingkungan konsultasi consultation environment.
Lingkungan pengembangan sistem pakar digunakan untuk memasukkan pengetahuan pakar ke dalam lingkungan sistem pakar, sedangkan lingkungan konsultasi digunakan
oleh pengguna yang bukan pakar guna memperoleh pengetahuan pakar. Komponen – komponen sistem pakar dalam kedua bagian tersebut dapat dilihat dalam gambar
berikut :
Pemakai
Antar Muka
Aksi yang direkomendasikan
Mesin Inferensi Fakta tentang
Kejadian tertentu
Blackboard Solusi, Rencana
LINGKUNGAN KONSULTASI
Basis Pengetahuan: Fakta dan aturan
Perbaikan Pengetahuan
Knowledge Enginner
Pakar LINGKUNGAN PENGEMBANGAN
Akuisisi Pengetahuan
Fasilitas Pen jelasan
Gambar 2.1 Struktur Sistem Pakar
Hasil pemrosesan yang dilakukan oleh mesin inferensi dari sudut pandang pengguna bukan pakar berupa aksi yang direkomendasikan oleh sistem pakar disertai
dengan fasilitas-fasilitas penjelasan yang dibutuhkan pengguna. Blackboard adalah memori kerja yang digunakan untuk menyimpan kondisikeadaan yang dialami oleh
Universitas Sumatera Utara
pengguna dan juga hipotesa serta keputusan sementara. Komponen yang terdapat dalam sistem pakar, yaitu desain interface, basis pengetahuan, akuisisi pengetahuan,
mesin inferensi, workplace, fasilitas penjelasan, dan perbaikan pengaturan.
Keterangan gambar:
:pemisah antara lingkungan konsultasi dengan lingkungan pengembangan.
: komunikasi dua arah : langsung
: tidak langsung
2.2.3 Mesin InferensiBackward Chaining
Mesin inferensi adalah program komputer yang memberikan metodologi untuk penalaran tentang informasi yang ada dalam basis pengetahuan dan dalam workplace,
dan untuk memformulasikan kesimpulan. Tujuan inferensi adalah mengambil pilihan terbaik dari banyak kemungkinan. Dalam aplikasi ini akan digunakan pelacakan ke
belakang Backward Chaining.
Pada backward chaining, penalaran dimulai dengan tujuan kemudian merunut balik ke jalur yang akan mengarahkan ke tujuan tersebut. Sistem dengan urutan
tertentu akan mengambil sebuah konklusi sebagai calon konklusinya. Misal urutannya adalah sesuai dengan urutan konklusi. Awalnya sistem akan mengambil hipotesis
bahwa konklusinya adalah konklusi 1. Untuk membuktikan hipotesisnya, sistem akan mencari premis – premis aturan yang mengandung konklusi 1. Setelah itu sistem akan
meminta umpan balik kepada user mengenai premis – premis yang ditemukan tersebut. Untuk konklusi 1 premisnya adalah premis 1, premis 2, dan premis 3, maka
sistem akan mencari tahu apakah user memilih premis – premis tersebut.
Cara untuk mengambil umpan balik dari user bisa dilakukan dengan mencari daftar premis yang dipilih user atau dengan menanyakan satu per satu premis –premis
yang seharusnya dipilih. Jika ternyata ada premis yang tidak terpilih oleh user maka hipotesis tersebut dianggap gugur, yang artinya fakta yang dimasukkan user
konklusinya bukan konklusi 1. Oleh karena itu, sistem akan melanjutkan hipotesis ke
Universitas Sumatera Utara
konklusi berikutnya. Demikian seterusnya sampai ditemukan konklusi yang semua premis dalam aturannya terpilih. Kusrini, 2006
2.3. Anti Inflamasi Nonsteroid AINS