Prakiraan dan Pengelolaan Permintaan

Tujuan perancangan sistem pakar adalah untuk mempermudah kerja atau bahkan mengganti tenaga ahli, penggabungan ilmu dan pengalaman dari beberapa tenaga ahli. Pada prinsipnya sistem pakar tersusun dari beberapa komponen yang mencakup Marimin, 2005 : 1. Fasilitas akuisisi pengetahuan 2. Sistem berbasis pengetahuan knowledge based system 3. Mesin inferensi inference engine 4. Fasilitas untuk penjelasan dan justifikasi 5. Penghubung antara pengguna dan sistem pakar user interface Fasilitas akuisisi pengetahuan digunakan sebagai alat untuk mengisi atau mendapatkan pengetahuan, fakta, aturan dan model yang diperlukan oleh sistem pakar dari berbagai sumber. Tahap akuisisi pengetahuan merupakan tahap penting, kritis dan sangat menentukan keberhasilan sistem pakar yang akan dikembangkan untuk pemecahan persoalan yang biasanya dapat diselesaikan oleh seorang pakar. Sistem basis pengetahuan merupakan bagian yang memuat obyek-obyek pengetahuan serta hubungan yang dimiliki antar obyek-obyek tersebut. Basis pengetahuan merupakan sumber kecerdasan sistem dan hal ini dimanfaatkan oleh mekanisme inferensi untuk mengambil kesimpulan. Basis pengetahuan dapat dilakukan dengan cara jaringan semantik, ekspresi logika, obyek-atribut-nilai, frame, script, kaidah produksi, jaringan neural, representasi fuzzy dan pattern invocked program. Mesin inferensi merupakan komponen sistem pakar yang memanipulasi dan mengarahkan pengetahuan dari basis pengetahuan sehingga tercapai kesimpulan. Penarikan kesimpulan dilakukan melalui pemilihan aturan –aturan yang ada pada basis pengetahuan yang dianggap sesuai dengan fakta yang dimasukkan oleh pengguna. Mekanisme inferensi juga dapat memberikan prioritas kepada setiap aturan yang dipilih dari basis pengethauan.Terdapat dua strategi dalam mesin inferensi yaitu strategi penalaran dan strategi pengendalian Marimin, 2005. Fasilitas penjelasan merupakan bagian yang menerangkan penalaran, aksi ataupun rekomendasi yang dilakukan oleh sistem pakar. Interaksi manusia-mesin merupakan bagian fisik dari hardware terutama yang berkaitan dengan kemudahan pengguna berkomunikasi dengan sistem masukan atau keluaran Leary, 1985 dalam Marimin, 2005. Penghubung antara pengguna dengan sistem pakar user inerface merupakan tampilan sistem pakar, merupakan bagian dimana pengguna dan dan sistem pakar dapat saling berkomunikasi. Pembentukan sistem pakar secara garis besar adalah pembentukan basis pengetahuan yang diperoleh melalui akuisisi atau penyerapan pengetahuan pakar. Hasil akuisis pengetahuan disusun dalam representasi pengetahuan pada basis pengetahuan. Basis pengetahuan merupakan sumber kecerdasan yang dimanfaatkan untuk pengambilan kesimpulan oleh mesin inferensi. Tahapan pembentukan sistem pakar secara lebih rinci disajikan pada Gambar 8. Iderntifikasi Masalah Representasi Pengetahuan Implementasi Pengujian Pengembangan Mesin Inferensi Akuisisi Pengetahuan Mencari Sumber Pengetahuan Mulai Mewakili Human Expert ? Selesai Ya Tidak Gambar 8 Tahap pembentukan sistem pakar Marimin, 2005 Sistem pakar akan menyimpan dan mengolah pengetahuan atau keahlian dari seorang pakar. Pakar adalah seseorang yang mempunyai keahliah khusus dalam suatu bidang tertentu. Selain itu pengetahuan juga dapat diperoleh dari buku atau sumber tertulis lainnya, sehingga sistem pakar sering juga disebut sebagai sistem berbasis pengetahuan.

2.9 Sistem Kecerdasan Buatan

Artificial Intelegence System atau sistem kecerdasan buatan merupakan bagian ilmu komputer yang membuat mesin komputer dapat melakukan pekerjaan seperti dan sebaik manusia, dengan meniru cara berpikir manusia. Sistem ini dikembangkan oleh John Mc Charty pada tahun 1956 dari Massachussets Institute of Technology. Karakteristik sistem ini adalah pemrograman yang cenderung bersifat simbolik ketimbang algoritmik, bisa mengakomodasi input yang tidak lengkap, dapat melakukan inferensi dan adanya pemisahan antara kontrol dan pengetahuan. Seiring dengan kemajuan teknologi maka sisem kecerdasan buatan dibangun dengan menggunakan soft computing. Definisi soft computing merupakan gabungan atau koleksi yang bertujuan untuk mengeksploitasi adanya toleransi terhadap ketidaktepatan, ketidak pastian dan kebenaran parsial untuk dapat diselenggarakan dengan mudah, robustness, dengan biaya penyelesaian yang murah Kusumadewi, 2004. Soft computing merupakan inovasi sistem cerdas yang memiliki keahlian seperti manusia pada domain tertentu, mampu beradaptasi dan belajar agar dapat bekerja lebih baik jika terjadi perubahan pada lingkungan. Unsur-unsur pokok dalam soft computing adalah : 1. Sistem Fuzzy mengakomodasi ketidaktepatan 2. Jaringan syaraf menggunakan pembelajaran 3. Probabilistic Reasoning mengakomodasi ketidakpasian 4. Evolutionary computing optimasi Keempat unsur dalam sistem kecerdasan buatan ini dapat melengkapi antara satu sama lain, dan digunakan secara sinergis yang menghasilkan solusi yang lebih baik, dibanding digunakan secara sendiri-sendiri.

2.9.1 Sistem Fuzzy Logic

Sistem fuzzy merupakan sistem yang dikembangkan dengan menggunakan suatu fungsi dengan logika fuzzy. Logika fuzzy merupakan bagian dari logika Bolean yang digunakan untuk mengekspresikan derajat kebenaran dari suatu informasi yang mengandung unsur ambiguity , yang dinyatakan alam suatu ukuran verbal dan lnguistik. Menurut Kusumadewi 2003, gugus fuzzy dikembangkan oleh Prof. L.A. Zadeh pada tahun 1965 dari Barkeley, gugus fuzzy merupakan pengembangan dari gugus biasa. Beberapa hal yang perlu dipahami berkaitan dengan sistem fuzzy yaitu : 1. Variabel fuzzy Variabel fuzzy merupakan variabel yang dibahas dalam sistem fuzzy. 2. Himpunan fuzzy Merupakan kelompok yang mewakili suatu kondisi tertentu dari variabel fuzzy. 3. Semesta Pembicaraan Merupakan keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam variabel fuzzy. 4. Domain Merupakan keseluruhan nilai yang diperbolehkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy. Dalam logika fuzzy terdapat beberapa proses , yaitu penentuan gugus fuzzy , penerapan aturan if-then dan proses inferensi fuzzy. Gugus atau himpunan fuzzy merupakan gagasan untuk memperluas jangkauan fungsi karakteristik sedemikian hingga fungsi tersebut akan mencakup bilangan real pada interval [ 0, 1]. Teori gugus fuzzy mendefinisikan derajat dimana elemen x dari gugus universal X berada dalam suatu gugus fuzzy A. Fungsi yang memberikan derajat terhadap sebuah elemen mengenai keberadaannya dalam sebuah gugus disebut fungsi keanggotaan µ = derajat keanggotaan. Nilai atau derajat keanggotaan pada interval [0, 1] sering dinyatakan dalam bentuk sebagai berikut : μA x 1 = 1, dibaca : nilai keanggotaan untuk elemen x 1 pada gugus fuzzy A bernilai 1.