Kecerdasan Buatan Sistem Pakar

BAB 2 TINJAUAN PUSTAKA

2.1 Kecerdasan Buatan

Menurut Hartati dan Iswanti 2008 Kecerdasan buatan adalah salah satu bidang ilmu komputer yang mendayagunakan komputer sehingga dapat berprilaku cerdas seperti manusia. Ilmu komputer tersebut mengembangkan perangkat lunak dan perangkat keras untuk menirukan tindakan manusia. Aktifitas manusia yang di tirukan seperti penalaran, penglihatan, pembelajaran, pemecahan masalah, pemahaman bahasa alami dan sebagainya. Sesuai dengan definisi tersebut, maka teknologi kecerdasan buatan dipelajari dalam bidang-bidang seperti : Robotika Robotics, Penglihatan Komputer Computer Vision, Pengolahan Bahasa Alami Natural Language Processing, Pengenalan Pola Pattern Recognition, Sistem Syaraf Buatan Artificial Neural System, Pengenalan Suara Speech Recognition, dan Sistem Pakar Expert System. Kecerdasan buatan menyelesaikan permasalahan dengan mendayagunakan komputer untuk memecahkan masalah yang kompleks dengan cara mengikuti proses penalaran manusia. Salah satu teknik kecerdasan buatan yang menirukan proses penalaran manusia adalah sistem pakar.

2.2 Sistem Pakar

Sistem pakar adalah sistem berbasis komputer yang menggunakan pengetahuan, fakta, dan teknik penalaran dalam memecahkan masalah yang biasanya hanya dapat dipecahkan oleh seorang pakar dalam bidang tersebut. Kusrini, 2006. Universitas Sumatera Utara Sistem pakar sebagai kecerdasan buatan, menggabungkan pengetahuan dan fakta-fakta serta teknik penelusuran untuk memecahkan permasalahan yang secara normal memerlukan keahlian dari seorang pakar. Proses berpikir pada manusia dimodelkan dalam sistem pakar pada modul yang disebut Inference Machine. Tujuan utama pengembangan sistem pakar adalah mensubstitusikan pengetahuan dan pengalaman pakar di berbagai bidang seperti bidang pertanian, kelautan, bisnis, pendidikan, ilmu pengetahuan, telekomunikasi, geologi dan meteorology, kesehatan dan pengobatan, komunikasi dan transportasi. Desiani et al, 2006. Untuk membangun sistem seperti itu, maka komponen-komponen yang harus dimiliki adalah sebagai berikut : 1. Antar Muka Pengguna User Interface. 2. Basis Pengetahuan Knowledge Base. 3. Mekanisme Inferensi Inference Machine. 4. Memori Kerja Working Memory. Sedangkan untuk menjadikan sistem pakar menjadi lebih menyerupai seorang pakar yang berinteraksi dengan pemakai, maka dilengkapi dengan fasilitas berikut: 1. Fasilitas Penjelasan Explanation Facility. 2. Fasilitas Akuisi Pengetahuan Knowledge Acquisition Facility. Berikut ini merupakan tabel yang menjelaskan perbedaan antara sistem pakar dengan seorang pakar dokter. Tabel 2.1 Perbedaan Sistem Pakar dengan Seorang Pakar dokter Sistem Pakar Dokter Pakar Bisa digunakan setiap saat Pada saat hari kerja Bisa digunakan di mana saja Hanya pada daerah tertentu Kecepatan dan ketepatan pengambilan keputusan konstan Kecepatan dan ketepatan pengambilan keputusan sesuai dengan keadaan yang di alami pakar Tidak memerlukan biaya saat tidak Membutuhkan biaya sehari-hari Universitas Sumatera Utara digunakan Dapat menyimpan dan mengingat pengetahuan yang tidak terbatas Mempunyai keterbatasan dalam mengingat pengetahuan Tidak kenal lelah Dapat merasakan lelah Pengguna hanya dapat berkonsultasi sebatas kemampuan sistem Pasien dapat berkonsultasi dengan pakar sejauh mana yang ia inginkan Tidak dapat melayani pengguna dengan ramah seperti seorang pakar Dapat memberikan pelayanan kepada pasien dengan ramah, sehingga pasien akan senang bila ingin berkonsultasi kembali Tidak dapat mengenal dan memahami keadaan ekonomi pengguna Dapat mengenal dan memahami keadaan ekonomi pasien

2.2.1 Sejarah Sistem Pakar

Sistem pakar mulai dikembangkan pada tahun 1960 oleh Artificial Intelligence Corporation. Penelitian artificial intelligence ini didominasi oleh suatu keyakinan bahwa nalar yang digabung dengan komputer canggih akan menghasilkan prestasi pakar atau bahkan manusia super. General Purpose Problem-Solver GPS merupakan sistem pakar yang pertama kali muncul dan dikembangkan oleh Allen Newell, John Cliff Shaw, dan Herbert Alexander Simon dari Logic Theorist. Pada pertengahan tahun 1960-an, terjadi pergantian dari program serba bisa general purpose ke program yang spesialis special-purpose dengan dikembangkannya DENDRAL oleh E. Feigenbaum dari Universitas Stanford dan kemudian diikuti oleh MYCYN. 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. Heckerman, 1986. Universitas Sumatera Utara MYCIN merupakan program interaktif yang melakukan diagnosis penyakit miningitis dan infeksi bacremia serta memberikan rekomendasi terapi antimikrobia. MYCIN mampu memberikan penjelasan atas penalarannya secara detail. Meskipun MYCIN tidak pernah digunakan secara rutin oleh dokter, MYCIN merupakan referensi yang bagus dalam penelitian kecerdasan buatan yang lain. Kusrini, 2006.

2.2.2 Struktur Sistem Pakar

Menurut Kusumadewi 2003 bila dilihat dari sudut pandang lingkungan environment dalam sistem, sistem pakar terdiri dari dua bagian, yaitu: 1. Lingkungan pengembang development environment Lingkungan pengembang ditujukan bagi pembangun sistem pakar untuk membangun komponen dan memasukkan pengetahuan hasil akuisisi pengetahuan ke dalam basis pengetahuan. 2. Lingkungan konsultasi consultation environment Lingkungan konsultasi diperuntukkan bagi pengguna non pakar untuk melakukan konsultasi dengan sistem yang tujuannya adalah mendapatkan nasihat pakar. Gambar 2.1 Struktur Sistem Pakar Universitas Sumatera Utara Komponen-komponen yang terdapat dalam struktur sistem pakar: 1. Antarmuka Pengguna Sistem pakar menggantikan seorang pakar dalam suatu situasi tertentu, maka sistem harus menyediakan pendukung yang diperlukan oleh pemakai yang tidak memahami masalah teknis. Antar muka yang efektif dan ramah pengguna user-friendly penting sekali terutama bagi pemakai yang tidak ahli dalam bidang yang diterapkan pada sistem pakar. 2. Basis Pengetahuan Basis pengetahuan merupakan kumpulan pengetahuan bidang tertentu pada tingkatan pakar dalam format tertentu. Pengetahuan ini diperoleh dari akumulasi pengetahuan pakar dan sumber-sumber pengetahuan lainnya. Basis pengetahuan bersifat dinamis, bisa berkembang dari waktu ke waktu. 3. Mesin Inferensi Mesin inferensi adalah program komputer yang menyediakan metodologi untuk melakukan penalaran tentang informasi pada basis pengetahuan dan pada memori kerja, serta untuk merumuskan kesimpulan-kesimpulan. Komponen ini menyajikan arahan-arahan tentang bagaimana menggunakan pengetahuan dari sistem dengan membangun agenda yang mengelola dan mengontrol langkah-langkah yang diambil untuk menyelesaikan masalah ketika dilakukan konsultasi. 4. Memori Kerja Merupakan bagian dari sistem pakar yang menyimpan fakta-fakta yang diperoleh saat dilakukan proses konsultasi. Fakta-fakta inilah yang nantinya akan diolah oleh mesin inferensi berdasarkan pengetahuan yang disimpan dalam basis pengetahuan untuk menentukan suatu keputusan pemecahan masalah. 5. Fasilitas Penjelasan Fasilitas penjelasan dapat memberikan informasi kepada pemakai mengenai jalannya penalaran sehingga dihasilkan suatu keputusan. Bentuk penjelasannya Universitas Sumatera Utara dapat berupa keterangan yang diberikan setelah suatu pertanyaan diajukan, yaitu penjelasan atas pertanyaan mengapa, atau penjelasan atas pertanyaan bagaimana sistem mencapai konklusi. 6. WorkplaceBlackboard Workplace merupakan memori kerja yang digunakan untuk menyimpan kondisikeadaan yang dialami oleh pengguna termasuk keputusan sementara. 7. Fasilitas Akuisisi Pengetahuan Pengetahuan pada sistem pakar dapat ditambahkan kapan saja pengetahuan baru diperoleh atau saat pengetahuan sudah ada sudah tidak berlaku lagi. Fasilitas ini bertujuan agar pemakai menggunakan sistem pakar yang komplit dan sesuai perkembangan.

2.2.3 Model Representasi Pengetahuan

Sistem pakar merupakan sistem yang berbasis pengetahuan, mengerjakan tugas yang biasanya dilakukan oleh seorang pakar. Representasi pengetahuan dimaksudkan untuk mengorganisasikan pengetahuan dalam bentuk dan format tertentu untuk bisa dimengerti oleh komputer Hartati et al, 2008. Untuk membuat sistem pakar yang efektif harus dipilih representasi pengetahuan yang tepat. Pemilihan representasi pengetahuan yang tepat akan membuat sistem pakar dapat mengakses basis pengetahuan tersebut untuk keperluan pembuatan keputusan. Beberapa model representasi pengetahuan yang penting: 1. Jaringan Semantik Semantic Nets 2. Bingkai Frame 3. Kaidah Produksi Production Rule 4. Logika Predikat Predicate Logic Universitas Sumatera Utara

2.2.3.1 Jaringan Semantik

Jaringan semantik adalah teknik representasi pengetahuan yang digunakan untuk informasi proporsional, sedangkan yang dimaksud dengan informasi proporsional ialah pernyataan yang mempunyai nilai benar atau salah. Sebagai contoh: sebuah bujur sangkar mempunyai empat sisi. Informasi proporsional merupakan bahasa deklaratif karena menyatakan fakta. Representasi jaringan semantik merupakan penggambaran grafis dari pengetahuan yang memperlihatkan hubungan hirarkis dari obyek-obyek. Komponen dasar merepresestasikan pengetahuan dalam bentuk jaringan semantik adalah simpul node dari penghubung link. Obyek direpresentasikan oleh simpul. Hubungan antar obyek-obyek dinyatakan oleh penghubung yang diberi label untuk menyatakan hubungan yang direpresentasikan. Mikroprosessor Unit Prefecth Unit Bus Unit Kode Unit Kontrol MMU ALU Gambar 2.2 Contoh Jaringan Semantik Universitas Sumatera Utara

2.2.3.2 Bingkai

Bingkai merupakan kumpulan slot-slot yang berisi atribut untuk mendeskripsikan pengetahuan. Pengetahuan yang termuat dalam slot dapat berupa kejadian, lokasi, situasi ataupun elemen-elemen lainnya. Bingkai digunakan untuk representasi pengetahuan deklaratif. Bingkai memuat deskripsi sebuah obyek dengan menggunakan tabulasi informasi yang berhubungan dengan obyek. Jadi bingkai mengelompokkan atribut sebuah obyek. Dengan demikian, bingkai membantu menirukan cara seseorang mengorganisasikan informasi tentang sebuah obyek menjadi kumpulan data. Representasi pengetahuan menggunakan bingkai sesuai untuk jenis pengetahuan yang memiliki subjek sempit, lebih bersifat pasti, dan jarang berubah-ubah isinya. Tabel 2.2 Bingkai Sepeda Motor Slots Fillers Nama Sepeda motor Spesialisasi Jenis kendaraan beroda dua Produk Honda, Yamaha, Kawasaki, Daiheiyo Bahan bakar Bensin

2.2.3.3 Kaidah Produksi

Kaidah menyediakan cara formal untuk merepresentasikan rekomendasi, arahan, atau strategi. Kaidah produksi dituliskan dalam bentuk jika-maka if-then. Kaidah if-then menghubungkan antesenden antecendent dengan konsekuensi yang diakibatkannya. Berbagai struktur kaidah if-then yang menghubungkan obyek atau atribut sebagai berikut Adedeji, 1992. IF premis THEN konklusi IF masukan THEN keluaran IF kondisi THEN tindakan IF antesenden THEN konsekuen IF data THEN hasil Universitas Sumatera Utara IF tindakan THEN tujuan IF aksi THEN reaksi IF sebab THEN akibat IF gejala THEN diagnosa Premis mengacu pada fakta yang harus benar sebelum konklusi tertentu dapat diperoleh. Masukan mengacu pada data yang harus tersedia sebelum keluaran dapat diperoleh. Kondisi mengacu pada keadaan yang harus berlaku sebelum tindakan dapat diambil. Antesenden mengacu pada situasi yang terjadi sebelum konsekuensi dapat diamati. Data mengacu pada informasi yang harus tersedia sehingga sebuah hasil dapat diperoleh. Tindakan mengacu pada kegiatan yang harus dilakukan sebelum hasil dapat diharapkan. Aksi mengacu pada kegiatan yang menyebabkan munculnya efek dari kegiatan tersebut. Sebab mengacu pada keadaan tertentu yang menimbulkan akibat tertentu. Gejala mengacu pada keadaan yang menyebabkan adanya kerusakan atau keadaan tertentu yang mendorong adanya pemeriksaan. Sebelum sampai pada bentuk kaidah produksi, terdapat langkah-langkah yang harus ditempuh dari pengetahuan yang didapatkan dalam domain tertentu. Langkah- langkah tersebut adalah menyajikan pengetahuan yang berhasil di dapatkan dalam bentuk tabel keputusan decision table kemudian dari tebel keputusan dibuat pohon keputusan decision tree. Tabel 2.3 Tabel Keputusan Hipotesa 1 Hipotesa 2 Hipotesa 3 Hipotesa 4 Evidence A ya ya ya tidak Evidence B ya tidak ya ya Evidence C ya tidak tidak ya Evidence D tidak tidak tidak ya Evidence E tidak ya ya tidak Hipotesa Evidence Universitas Sumatera Utara A H1 H2 E D C E C B B H1 H1 H4 H1 H3 y t y y y y y y y t t t t t t t Gambar 2.3 Pohon Keputusan Keterangan : A = evidence A, H1 = hipotesa 1, y = ya B = evidence B, H2 = hipotesa 2, t = tidak C = evidence C, H3 = hipotesa 3, = tidak menghasilkan hipotesa tertentu D = evidence D, H4 = hipotesa 4,

2.2.3.4 Logika Predikat

Logika yang pertama kali dikembangkan oleh Aristoteles merupakan logika formal. Logika formal adalah logika yang berhubungan dengan bentuk syntax pernyataan bukan pada arti semantic dari pernyataannya. Logika formal berkembang sampai tahun 1847 saat George Boole mengemukakan konsep logika simbolis symbolic Logic. Pernytaan semua putri duyung dapat berenang dengan baik tidak lagi diterima sebagai premis ataupun konklusi pada logika simbolis, karena pada kenyataannya putri duyung itu tidak ada, hanya dongeng. Universitas Sumatera Utara Logika proporsional atau bisa juga disebut kalkulus proporsional adalah logika simbolis yang memanipulasi proposisi. Logika proporsional akan menangani kalimat deklaratif yang bernilai benar atau salah. Kalimat yang nilai benarnya dapat ditentukan disebut pernyataan statement atau proposisi. Logika proporsional hanya mampu menangani pernyataan yang komplit dan tidak bisa menganalisa struktur internal sebuah pernyataan. Sehingga untuk menganalisa kasus yang lebih umum dikembangkan logika predikat yang dapat menganalisis struktur internal kalimat. Logika predikat berdasarkan pada kebenaran dan kaidah inferensi untuk merepresentasikan simbol-simbol dan hubungannya satu dengan yang lain. Contoh logika proporsional: Bujur sangkar mempunyai empat sisi. Kalimat tersebut merupakan logika proporsional karena mengandung pernyataan yang mempunyai nilai kebenaran. Sedangkan kalimat berikut ini adalah contoh logika predikat. Semua segitiga adalah poligon. Logika predikat menganalisa struktur internal kalimat tersebut, ditunjukkan dengan penggunaan quantifier. Quantifier berupa kata ”semua”, ”beberapa”, atau ”tidak”. Quantifier ini menjadi begitu penting karena dengan quantifier inilah kata yang lain dapat diukur, sehingga kalimat yang dihasilkan lebih eksak Hartati et al, 2008.

2.3 Mesin Inferensi