KECERDASAN

BUATAN
Sistem pakar
Disusun Oleh :
 Indah Aditya ( 1555201061 )
 Rian Adi suhendra ( 1555201064 )
 Yuki Agustin ( 15552010xx )
 Ferry Adrian ( 1555201054 )
 Taufik Hidayat ( 1955201025 )
 Candra ( 1855201085 )
 
 
 
TEORI

A. Defenisi
Sistem pakar adalah sistem komputer yang mensimulasi kemampuan
pengambilan keputusan seorang ahli manusia, yang bertujuan untuk
memecahkan masalah yang kompleks dengan menalar pengetahuan.
Ia termasuk salah satu cabang penting dari kecerdasan buatan (AI).
Sistem pakar sendiri merupakan suatu program komputer yang
mengandung pengetahuan dari satu atau lebih pengetahuan manusia
mengenai suatu bidang spesifik.
TEORI

B. Sejarah
• Pengembangan Awal
Setelah kebangkitan komputer
modern pada akhir 1940-an - awal
1950-an, para peneliti mulai
menyadari potensi besar yang
dimiliki mesin ini bagi masyarakat
modern. Salah satu tantangan
pertama adalah membuat mesin
seperti tersebut mampu "berpikir"
seperti manusia. Secara khusus,
membuat mesin seperti ini mampu
membuat keputusan penting
seperti yang dilakukan manusia.
TEORI

B. Sejarah
• Pengembangan Awal
Sebagai contoh, peneliti biomedis mulai
menciptakan sistem dengan bantuan
komputer untuk aplikasi diagnostik dalam
kedokteran dan biologi. Sistem diagnostik
awal ini menggunakan gejala pasien dan
hasil tes laboratorium sebagai input
untuk menghasilkan hasil diagnostik.
TEORI

B. Sejarah
• Pengembangan Lanjutan
Pada pengembangan berikutnya, sistem pakar secara bertahap
mulai mengarah pada pendekatan berbasis pengetahuan. Pada
sekitar tahun 1965 sistem pakar secara resmi diperkenalkan oleh
Stanford Heuristic Programming Project yang dipimpin oleh Edward
Feigenbaum, yang juga disebut "bapak sistem pakar".
Kontributor utama pada pengembangan awal lainnya adalah Bruce
Buchanan dan Randall Davis. Para peneliti Stanford mencoba
mengidentifikasi beberapa hal seperti mendiagnosis penyakit
menular (MYCIN) dan mengidentifikasi molekul organik yang tidak
diketahui (Dendral).
Pada akhirnya sistem pakar menjadi beberapa bentuk perangkat
lunak kecerdasan buatan (AI) yang pertama yang benar-benar
berhasil.
TEORI

B. Sejarah
• Pendekatan Saat Ini
Keterbatasan sistem pakar sebelumnya mendesak
para peneliti untuk mengembangkan jenis pendekatan
baru. Mereka mengembangkan pendekatan yang lebih
efisien, fleksibel, dan kuat untuk meniru proses
pengambilan keputusan manusia. Salah satu
pendekatan yang dikembangkan para peneliti adalah
dengan pendekatan penambangan data yaitu
mengolah pengetahuan yang ada menjadi lebih baik
dan dapat menangani sejumlah besar data yang
kompleks atau dikenal dengan Big Data (subjek data
dalam jumlah besar). Kadang-kadang jenis sistem
pakar seperti ini disebut juga dengan "sistem cerdas".
PEMBAHASAN

Sistem Pakar adalah sistem berbasis pengetahuan yang menggunakan

pengetahuan manusia untuk memecahkan masalah.
PEMBAHASAN

• User Interface ( Antarmuka Pengguna )

User interface memungkinkan pengguna untuk memasukkan
instruksi (input) atau informasi ke dalam sistem pakar dan
menerima informasi dari sistem pakar.

User interface dirancang untuk mempermudah dialog dua arah

antara sistem dan pengguna sistem biasanya menampilkan teknik
tanya-jawab atau berupa aksi-aksi atau pengisian formulir dimana
semua inputan tersebut akan tersimpan kedalam database.
Sistem Pakar dirancang untuk menyarankan pemecahan masalah
dimana pemecahan ini dilengkapi dengan penjelasan :
1. Penjelasan atas pertanyaan
2. Penjelasan atas penyelesaian masalah
PEMBAHASAN

• Knowledge Base ( Dasar Pengetahuan )

Knowlage base memuat fakta-fakta yang menjelaskan
area permasalahan dan juga didalamnya terdapat teknik
menerangkan masalah serta penjelasan bagaimana fakta -
fakta tersebut cocok satu sama lain dalam urutan yang
logis.
PEMBAHASAN

• Inference Engine ( Mesin Inferensi )

Bagian dari Sistem Pakar yang melakukan penalaran dengan
menggunakan knowledge base berdasarkan urutan tertentu.
 Penalaran Maju, penalaran maju disebut juga forward chaining
dimana sistem pakar akan menguji apakah setiap kondisi benar
atau salah.
 Penalaran Mundur, penalaran mundur disebut juga backward
chaining yaitu pemilihan suatu aturan dan menganggapnya sebagai
masalah yang harus diselesaikan.
 Membandingkan Penalaran Maju dan Penalaran Mundur,
penalaran mundur bergerak lebih cepat dari penalaran maju karena
penalaran mundur tidak harus mempertimbangkan semua aturan
dan tidak membuat beberapa putaran melalui perangkat atauran.
 Penalaran Mundur Sangat Sesuai Jika:
 Terdapat variabel sasaran berganda (multiple goal variable).
 Terdapat banyak aturan.
 Semua atau hampir semua aturan tidak harus diuji dalam proses mencapai
pemecahan.
PEMBAHASAN

• Development Engine ( Mesin Pengembangan )

Komponen utama sistem pakar adalah development
engine, yang digunakan untuk menciptakan sistem pakar.
Ada dua pendekatan dasar dalam penciptaan sistem pakar.
 Bahasa Pemograman, sistem pakar bisa dibuat dengan
menggunakan bahasa pemograman apapun.
 Shell Sistem Pakar, yaitu sistem pakar yang sudah jadi,
sebagai contoh sistem pakar pertama yang sudah pernah
jadi dinamakan Mycin, yang digunakan untuk
mendiagnosa penyakit menular tertentu.
 Orang yang bekerja membantu pakar dalam merancang
sistem pakar disebut Knowledge Engineer. Keahlian yang
harus dimiliki oleh Knowledge Engineer:
 Mengerti bagaimana menerapkan pengetahuan dalam
memecahkan masalah .
 Mampu memahami penjelasan mengenai pengetahuan yang
diberikan oleh pakar.
PEMBAHASAN
Elemen – Elemen Sistem Pakar
• Pengalaman
• Orang ahli (pakar)
• Transfer pengalaman
• Pembuatan alasan
• Pembuatan simbol
• Aturan
• Kemampuan untuk menjelaskan
 
Daya Tarik Sistem Pakar
• Menawarkan kesempatan untuk
membuat keputusan yang melebihi
kemampuan manajer.
• Kemampuannya dalam menjelaskan
alur penalaran dalam mencapai suatu
pemecahan masalah.
Keuntungan Sistem Pakar Bagi Manajer
• Mempertimbangkan lebih banyak alternatif.
• Menerapkan logika yang lebih tinggi.
• Menyediakan lebih banyak waktu untuk
mengevaluasi hasil keputusan.
• Membuat keputusan yang lebih konsisten.
 
Keuntungan Sistem Pakar Bagi Perusahaan
• Kinerja perusahaan yang lebih baik.
• Mempertahankan pengendalian atas
pengetahuan perusahaan.
 
Kerugian Sistem Pakar
• Tidak dapat menangani pengetahuan yang
tidak konsisten
• Sistem Pakar tidak dapat menerapkan
penilaian dan intuisi
METODE

1. Breadth First Search

Semua node pada level n akan dikunjungi terlebih dahulu sebelum mengunjungi node –
node pada level n+1. Pencarian dimulai dari node akar terus ke level 1 dari kiri ke kanan,
kemudian berpindah ke level berikutnya dari kiri ke kanan hingga solusi ditemukan.
Keuntungan dari metode ini adalah :
• Tidak akan menemui jalan buntu, menjamin ditemukannya solusi ( jika solusinya memang
ada ) dan solusi yang ditemukan pasti yang paling baik.
• Jika ada 1 solusi, maka breadth – first search akan menemukannya, jika ada lebih dari 1
solusi, maka solusi minimum akan ditemukan.
• Kesimpulan : complete dan optimal.

Kelemahan dari metode ini adalah :

• Membutuhkan memori yang banyak, karena harus menyimpan semua simpul yang
pernah dibangkitkan. Hal ini harus dilakukan agar BFS dapat melakukan penelusuran
simpulsimpul sampai di level bawa.
• Membutuhkan waktu yang cukup lama.
METODE

2. Depth First Search

• Pencarian dilakukan pada suatu simpul dalam setiap level dari yang paling kiri.
Jika pada level yang paling dalam tidak ditemukan solusi, maka pencarian dilanjutkan pada simpul
sebelah kanan dan simpul yang kiri dapat dihapus dari memori. Jika pada level yang paling dalam tidak
ditemukan solusi, maka pencarian dilanjutkan pada level sebelumnya. Demikian seterusnya sampai
ditemukan solusi.
Keuntungan metode DFS adalah :
• Membutuhkan memori relatif kecil, karena hanya node-node pada lintasan yang aktif saja yang
disimpan.
• Secara kebetulan, akan menemukan solusi tanpa harus menguji lebih banyak lagi dalam ruang
keadaan, jadi jika solusi yang dicari berada pada level yang dalam dan paling kiri, maka DFS akan
menemukannya dengan cepat waktu cepat.
Kelemahan metode DFS adalah :
• Memungkinkan tidak ditemukannya tujuan yang diharapkan, karena jika pohon yang dibangkitkan
mempunyai level yang sangat dalam (tak terhingga) tidak complete karena tidak ada jaminan
menemukan solusi.
• Hanya mendapat 1 solusi pada setiap pencarian, karena jika terdapat lebih dari satu solusi yang sama
tetapi berada pada level yang berbeda, maka DFS tidak menjamin untuk menemukan solusi yang
paling baik tidak optimal.
METODE

3. Forward Chaining
• Forward chaining adalah salah satu metode dari sistem pakar yang
mencari atau menelusuri solusi melalui masalah. Dengan kata lain
metode ini melakukan pertimbangan dari fakta - fakta yang kemudian
berujung pada sebuah kesimpulan yang berdasarkan pada fakta - fakta.
Metode ini merupakan kebalikan dari metode backward chaining yang
melakukan pencarian yang berawal dari hipotesis menuju ke Fakta -
fakta untuk mendukung hipotesis tersebut. Pada metode forward
chaining, penjelasan tidak terlalu terlalu terfasilitasi karena subgoals
tidak diketahui secara eksplisit sebelum kesimpulannya
ditemukan.Forward chaining disebut juga bottom - up reasoning atau
• pertimbangan dari bawah ke atas, karena metode ini
mempertimbangkan dari bukti - bukti pada level bawah, fakta - fakta,
menuju ke kesimpulan pada level atas yang berdasarkan pada fakta -
fakta.
METODE

4. Backward Chaining
Backward chaining adalah kebalikan dari forward chaining.
Permasalahan utama dari backward chaining adalah mencari
kaitan antara fakta - fakta yang ada terhadap hipotesa -
hipotesa. Fakta yang ada disebut sebagai bukti atau kesimpulan
dalam metode backward chainining yang mengindikasikan jika
fakta tersebut digunakan untuk mendukung hipotesa, dengan
cara yang sama bukti atau kesimpulan yang dikehendaki
digunakan untuk membuktikan sebuah rule. Secara khusus,
penjelasan menjadi sederhana dalam backward chaining karena
sistem dapat dengan mudah menjelaskan dengan tepat tujuan
yang ingin dicapai
CONTOH KASUS

• Berdasarkan pengamatan yang dilakukan terhadap kebutuhan para orangtua

yang memiliki anak kecil, biasanya pada orangtua baru, permasalahan yang
muncul adalah ketika anak mereka sakit.

• Kepanikan merupakan hal yang lumrah, mengingat orangtua baru masih belum
berpengalaman dalam mengurus anak, terutama ketika anak sedang sakit.
Biasanya tindakan yang dilakukan oleh orangtua tersebut adalah langsung
membawa anak untuk ditangani secara medis. Padahal tidak semua gejala sakit
yang diderita anak merupakan gejala penyakit yang butuh penanganan medis
professional. Selain itu waktu ketersediaan layanan medis juga dapat dilihat
sebagai masalah. Jika anak menunjukkan gejala gejala sakit di malam hari, ketika
lewat waktu layanan normal, maka orangtua cenderung panik dan membawa
anak ke Unit Gawat Darurat di rumah sakit terdekat.
CONTOH KASUS

• Rule 1:
IF
Bercak merah = Ya
Malaise = Ya
Demam = Ya
Fotofobia = Ya
Gatal = Ya
Batuk = Ya
Koplik’s Spot = Ya
 
THEN
Campak;
CONTOH KASUS

• Rule 2:
IF
Bercak merah = Ya
Malaise = Ya
Demam = Ya
Nafsu makan turun = Ya
Anoreksia = Ya
Mual dan muntah = Ya
 
THEN
Demam berdarah dengue;
CONTOH KASUS

• Rule 3:
IF
Polidipsi = Ya
Poliuri = Ya
Fissura anus = Ya
Susah buang air besar = Ya
Kurang makanan berserat = Ya
 
THEN
Konstipasi/sembelit;
CONTOH KASUS
CONTOH KASUS
CONTOH KASUS
CONTOH KASUS

Keterangan Keterangan
A Mengi berulang R Koplik’s spot
B Batuk di malam/dini hari S Bercak merah
C Dada terasa tertekan T Gatal
D Sesak napas U Anoreksia
E Bersin-bersin V Mual dan muntah
F Tenggorokan gatal W Hematuria
G Hidung meler X Nyeri kolik
H Sakit kepala Y Berat badan turun
I Demam Z Gangguan emosi (mudah marah)
J Malaise AA Fissure anus
K Batuk AB Susah buang air besar
L Nafsu makan turun AC Lidah kotor
M Icterus AD Poliuri
N Sering kencing AE Polidipsi
O Malas minum AF Kurang makanan berserat
P Mencret AG Epistaksis
Inferred fact AH Petekie
AI Ekomosis di beberapa tempat
AJ Dagu dan dinding perut berlipat
AK Tubuh lebih besar dari anak seumuran
AL Sangat gemuk
Rn Applicable rule