SISTEM PAKAR Secara umum, sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer yang

dirancang untuk memodelkan kemampuan menyelesaikan masalah seperti layaknya seorang pakar. Dengan sistem pakar ini, orang awam pun dapat menyelesaikan masalahnya atau hanya sekedar mencari suatu informasi berkualitas yang sebenarnya hanya dapat diperoleh dengan bantuan para ahli di bidangnya. Sistem pakar ini juga akan dapat membantu aktivitas para pakar sebagai asisten yang berpengalaman dan mempunyai asisten yang berpengalaman dan mempunyai pengetahuan yang dibutuhkan. Dalam penyusunannya, sistem pakar mengkombinasikan kaidahkaidah penarikan kesimpulan (inference rules) dengan basis pengetahuan tertentu yang diberikan oleh satu atau lebih pakar dalam bidang tertentu. Kombinasi dari kedua hal tersebut disimpan dalam komputer, yang selanjutnya digunakan dalam proses pengambilan keputusan untuk penyelesaian masalah tertentu. Ciri-Ciri Sistem Pakar Sistem pakar yang baik harus memenuhi ciri-ciri sebagai berikut : • Memiliki informasi yang handal. • Mudah dimodifikasi. • Dapat digunakan dalam berbagai jenis komputer. • Memiliki kemampuan untuk belajar beradaptasi. Keuntungan Sistem Pakar Secara garis besar, banyak manfaat yang dapat diambil dengan adanya sistem pakar, antara lain : 1. Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli. 2. Bisa melakukan proses secara berulang secara otomatis. 3. Menyimpan pengetahuan dan keahlian para pakar. 4. Meningkatkan output dan produktivitas. 5. Meningkatkan kualitas. 6. Mampu mengambil dan melestarikan keahlian para pakar (terutama yang termasuk keahlian langka). 7. Mampu beroperasi dalam lingkungan yang berbahaya. 8. Memiliki kemampuan untuk mengakses pengetahuan. 9. Memiliki reabilitas. 10. Meningkatkan kapabilitas sistem komputer. 11. Memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan mengandung ketidakpastian. 12. Sebagai media pelengkap dalam pelatihan. 13. Meningkatkan kapabilitas dalam penyelesaian masalah. 14. Menghemat waktu dalam pengambilan keputusan . Kelemahan Sistem Pakar Di samping memiliki beberapa keuntungan, sistem pakar juga memiliki beberapa kelemahan, antara lain : 1. Biaya yang diperlukan untuk membuat dan memeliharanya sangat mahal.

Peran knowledge engineer adalah sebagai penghubung antara suatu sistem pakar dengan pakarnya. Modul Penjelasan (Explanation Mode) Modul ini menjelaskan proses pengambilan keputusan oleh system (bagaimana suatu keputusan dapat diperoleh). Basis pengetahuan tersusun atas fakta dan kaidah.2. Modul Konsultasi (Consultation Mode) Pada saat sistem berada pada posisi memberikan jawaban atas permasalahan yang diajukan oleh user. dilakukan dengan bantuan knowledge engineer.Strategi pengendalian berfungsi sebagai panduan arah dalam melakukan prose penalaran. Di dalam mesin inferensi terjadi proses untuk memanipulasi dan mengarahkan kaidah. • Seorang pakar akan pensiun atau pergi. Sulit dikembangkan. • Secara otomatis mengerjakan tugas-tugas rutin yang membutuhkan seorang pakar. Mesin Inferensi (Inference Engine) Mesin inferensi berperan sebagai otak dari sistem pakar. yaitu forward chaining. Sistem Pakar tidak 100% bernilai benar. dan gabungan dari kedua teknik pengendalian tersebut. 3. sedangkan inexact reasoning dilakukan pada keadaan sebaliknya. Struktur Sistem Pakar Komponen utama pada struktur sistem pakar menurut Hu et al (1987) meliputi: 1. Alasan Pengembangan Sistem Pakar Sistem pakar sendiri dikembangkan lebih lanjut dengan alasan : • Dapat menyediakan kepakaran setiap waktu dan di berbagai lokasi. yaitu berupa representasi pengetahuan dari pakar. Strategi penalaran terdiri dari strategi penalaran pasti (Exact Reasoning) dan strategi penalaran tak pasti (Inexact Reasoning). Terdapat tiga tehnik pengendalian yang sering digunakan. Exact reasoning akan dilakukan jika semua data yang dibutuhkan untuk menarik suatu kesimpulan tersedia. 3. Pada modul ini. 2. model. peristiwa. berdasarkan pada basis pengetahuan yang tersedia. sistem pakar berada dalam modul konsultasi. Hal ini tentu saja erat kaitannya dengan ketersediaan pakar di bidangnya. • Seorang pakar adalah mahal. atau situasi. Kaidah adalah cara untuk membangkitkan suatu fakta baru dari fakta yang sudah diketahui. Fakta adalah informasi tentang objek. dan fakta yang disimpan dalam basis pengetahuan dalam rangka mencapai solusi atau kesimpulan. Modul Penerimaan Pengetahuan (Knowledge Acquisition Mode) Sistem berada pada modul ini. Dalam prosesnya. backward chaining. Proses mengumpulkan pengetahuan-pengetahuan yang akan digunakan untuk pengembangan sistem. pada saat ia menerima pengetahuan dari pakar. Basis Pengetahuan (Knowledge Base) Basis pengetahuan merupakan inti dari suatu sistem pakar. mesin inferensi menggunakan strategi penalaran dan strategi pengendalian. Modul Penyusun Sistem Pakar Menurut Staugaard (1987) suatu sistem pakar disusun oleh tiga modul utama yaitu : 1. 2. Mesin inferensi berfungsi untuk memandu proses penalaran terhadap suatu kondisi. 3. user berinteraksi dengan sistem dengan menjawab pertanyaan-pertanyaan yang diajukan oleh sistem. Basis Data (Data Base) . • Kepakaran dibutuhkan juga pada lingkungan yang tidak bersahabat.

b. Rule-Based Knowledge Pengetahuan direpresentasikan dalam suatu bentuk fakta (facts) dan aturan (rules). yaitu a. maka gunakan forward chaining. Basis data digunakan untuk menyimpan data hasil observasi dan data lain yang dibutuhkan selama pemrosesan. Basis data menyimpan semua fakta. maka gunakan backward chaining. d. kemudian mengecek pada sebab-sebab yang mendukung (ataupun kontradiktif) dari ekspektasi tersebut.dengan komputer. 4. Forward chaining • Forward chaining merupakan grup dari multiple inferensi yang melakukan pencarian dari suatu masalah kepada solusinya. Bentuk representasi ini terdiri atas premise dan kesimpulan. Dapat pula mengecek semua rule pada knowledge base dalam arah forward maupun backward. Terdapat beberapa teknik representasi pengetahuan yang biasa digunakan dalam pengembangan suatu sistem pakar. c. b. dimana fakta fakta tersebut digunakan untuk memenuhi kondisi dari kaidah-kaidah dalam sistem. • Jika klausa premis sesuai dengan situasi (bernilai TRUE). yaitu forward chaining atau data-driven dan backward chaining atau goal-driven. Frame-Based Knowledge Pengetahuan direpresentasikan dalam suatu bentuk hirarki atau jaringan frame. • Jika suatu aplikasi menghasilkan tree yang lebar dan tidak dalam. maupun fakta-fakta yang diperoleh pada saat proses penarikan kesimpulan sedang dilaksanakan. Antarmuka Pemakai (User Interface) Fasilitas ini digunakan sebagai perantara komunikasi antara pemakai. baik fakta awal pada saat sistem mulai beroperasi. Teknik Representasi Pengetahuan Representasi pengetahuan adalah suatu teknik untuk merepresentasikan basis pengetahuan yang diperoleh ke dalam suatu skema/diagram tertentu sehingga dapat diketahui relasi/keterhubungan antara suatu data dengan data yang lain. • Forward chaining adalah data-driven karena inferensi dimulai dengan informasi yang tersedia dan baru konklusi diperoleh. Ada dua metode inferencing dengan rules. Object-Based Knowledge Pengetahuan direpresentasikan sebagai jaringan dari obyek-obyek. Proses pencarian berlanjut sampai tidak ada rule yang dapat digunakan atau sampai sebuah tujuan (goal) tercapai. • Jika suatu aplikasi menghasilkan tree yang sempit dan cukup dalam. Case-Base Reasoning Pengetahuan direpresentasikan dalam bentuk kesimpulan kasus (cases). Backward chaining • Menggunakan pendekatan goal-driven. Inferencing dengan Rule : Forward dan Backward Chaining Inferensi dengan rules merupakan implementasi dari modus ponen.Basis data terdiri atas semua fakta yang diperlukan. maka proses akan meng-assert konklusi. Obyek adalah elemen data yang terdiri dari data dan metoda (proses). dimulai dari ekspektasi apa yang diinginkan terjadi (hipotesis). a. Teknik ini membantu knowledge engineer dalam memahami struktur pengetahuan yang akan dibuat sistem pakarnya. yang direfleksikan dalam mekanisme search (pencarian). .

sehingga bagi pemakai sistem pakar akan seolah-olah berkonsultasi langsung dengan sang pakar. 6) Memperluas jangkauan. Ciri-ciri Sistem Pakar Ciri-ciri Sistem Pakar adalah sebagai berikut : 1) Terbatas pada domain keahlian tertentu. bekerja se layaknya seorang pakar. 4) Menyederhanakan pekerjaan. 6) Keluarannya bersifat anjuran. baik fakta awal pada saat sistem mulai beroperasi maupun fakta-fakta yang didapatkan pada saat pengambilan kesimpulan sedang dilaksanakan. akan sama saja artinya dengan seorang pakar yang tersedia dalam jumlah besar (dapat diperbanyak dengan kemampuan yang persis sama).n Sistem pakar yang telah disahkan. 5) Dirancang untuk dapat dikembangkan secara bertahap. meskipun mungkin sang pakar telah meninggal. 5) Merupakan arsip yang terpercaya dari sebuah keahlian. dapat diperoleh dan dipakai dimana saja Bagian-bagian Sistem Pakar Sebuah program sistem pakar terdiri atas komponen-komponen sebagai berikut : 1) Basis Pengetahuan (Knowledge Base) Basis pengetahuan merupakan inti program system pakar dimana basis pengetahuan ini merupakan representasi pengetahuan (Knowledge Representation) dari seorang pakar. 2) Basis Data (Data Base) Basis data adalah bagian yang mengandung semua fakta-fakta. 2) Dapat memberikan penalaran untuk data-data yang tidak pasti. tetapi untuk mensubstitusikan pengetahuan manusia ke dalam bentuk sistem sehingga dapat digunakan oleh orang banyak. Secaraumum . dari keahlian seorang pakar. Pada kenyataannya. 2) Meningkatkan produktivitas akibat meningkatnya kualitas hasil pekerjaan.Sistem pakar adalah sebuah perangkat lunak komputer yang memilikibasis pengetahuan untuk domain tertentu dan menggunakan penalaran inferensi menyerupai seorang pakar dalam memecahkan masalah. Tujuan pengembangan sistem pakar sebenarnya bukan untuk menggantikan peran manusia. peningkatan kualitas disebabkan oleh meningkatnya efisiensi kerja. Sistem Pakar merupakan cabang dari Artificial Intelligent (AI). Keuntungan Sistem Pakar Keuntungan-keuntungan dalam menggunakan Sistem Pakar adalah sebagai berikut : 1) Membuat orang awam. 3) Menghemat waktu kerja. Basis Data berada didalam memori komputer. 4) Berdasarkan pada kaidah/rule tertentu. Basis pengetahuan ini tersusun atas fakta yang berupa informasi tentang cara bagaimana membangkitkan fakta baru dari fakta yang sudah diketahui. 3) Dapat mengemukan rangkaian alasan-alasan yang diberikannya dengan cara yang dapat dipahami.

kemudian dari kaidah-kaidah yang diperoleh. Mesin inferensi memulai pelacakannya dengan mencocokkan kaidah kaidah dalam basis pengetahuan dengan fakta-fakta yang ada. Runut Maju (Forward Chaining) Runut maju merupakan strategi pencarian yang memulai proses pencarian dari sekumpulan data atau fakta. dari data-data tersebut dicari suatu kesimpulan yang menjadi solusi dari permasalahan yang dihadapi. jika tidak sesuai maka kesimpulan tersebut bukan merupakan solusi yang dicari. Jika informasi-informasi atau nilai dari atribut-atribut yang mengarah ke kesimpulan tersebut sesuai dengan data yang diberikan maka kesimpulan tersebut merupakan solusi yang dicari. Program akan mengajukan pertanyaan-pertanyaan berbentuk “ya/tidak” (yes or no question) atau berbentuk menu pilihan. masingmasing kesimpulan dirunut balik jalur yang mengarah ke kesimpulan tersebut. Runut Balik (Backward Chaining) Runut balik merupakan strategi pencarian yang arahnya kebalikan dari runut maju. yaitu kesimpulan yang menjadi solusi permasalahan yang dihadapi. Ada dua tipe teknik inferensi : a. Program system pakar akan mengambil kesimpulan berdasarkan jawaban-jawaban dari pemakai tadi. Mesin inferensi mencari kaidah-kaidah dalam basis pengetahuan yang premisnya sesuai dengan data-data tersebut. Proses pencarian dimulai dari tujuan. 4) Antar muka Pemakai (User Interface) Antarmuka pemakai adalah bagian penghubung antara program system pakar dengan pemakai. Dengan demikian sistem ini dapat menjawab pertanyaan pemakai meskipun jawaban tersebut tidak tersimpan secara eksplisit didalam basis pengetahuan. 3) Mesin Inferensi (Inference Engine) Mesin Inferensi adalah bagian yang mengandung mekanisme fungsi berpikir dan pola-pola penalaran system yang digunakan oleh seorang pakar. Runut balik memulai proses pencarian dengan suatu tujuan sehingga strategi ini disebut juga goaldriven. Pada bagian ini akan terjadi dialog antara program dan pemakai. Runut maju memulai proses pencarian dengan data sehingga strategi ini disebut juga data-driven. . b. Mekanisme ini akan menganalisa suatu masalah tertentu dan selanjutnya akan mencari jawaban atau kesimpulan yang terbaik.sistem pakar terdapat Basis Data untuk menyimpan data hasil observasi dan data lainnya yang dibutuhkan selama pengolahan. Secara deduktif mesin inferensi memilih pengetahuan yang relevan dalam rangka mencapai kesimpulan. Mesin inferensi mencari kaidah-kaidah dalam basis pengetahuan yang kesimpulannya merupakan solusi yang ingin dicapai. kemudian dari kaidah-kaidah tersebut diperoleh suatu kesimpulan.

Selain komponen tersebut. agar sistem pakar lebih baik dalam mengambil keputusan diperlukan komponen-komponen tambahan lain yaitu : • Kemampuan Belajar • Kompatibilitas • Fasilitas Penjelasan • Kemudahan Memodifikasi .

Sign up to vote on this title
UsefulNot useful