Sistem pakar (expert system) secara umum adalah sistem yang berusaha
mengadopsi pengetahuan manusia ke komputer, agar komputer dapat
menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli. Atau dengan
kata lain sistem pakar adalah sistem yang didesain dan diimplementasikan
dengan bantuan bahasa pemrograman tertentu untuk dapat menyelesaikan
masalah seperti yang dilakukan oleh para ahli. Diharapkan dengan sistem ini,
orang awam dapat menyelesaikan masalah tertentu baik ‘sedikit’ rumit ataupun
rumit sekalipun ‘tanpa’ bantuan para ahli dalam bidang tersebut. Sedangkan bagi
para ahli, sistem ini dapat digunakan sebagai asisten yang berpengalaman.
Sistem pakar merupakan cabang dari Artificial Intelligence (AI) yang cukup
tua karena sistem ini telah mulai dikembangkan pada pertengahan tahun 1960.
Sistem pakar yang muncul pertama kali adalah General-purpose problem solver
(GPS) yang dikembangkan oleh Newl dan Simon. Sampai saat ini sudah banyak
sistem pakar yang dibuat, seperti MYCIN, DENDRAL, XCON & XSEL, SOPHIE,
Prospector, FOLIO, DELTA, dan sebagainya (Kusumadewi, 2003).
Perbandingan sistem konvensional dengan sistem pakar sebagai berikut
(Kusumadewi, 2003):
a. Sistem Konvensional
1. Informasi dan pemrosesan umumnya digabung dalam satu program
sequential
2. Program tidak pernah salah (kecuali pemrogramnya yang salah)
3. Tidak menjelaskan mengapa input dibutuhkan atau bagaimana hasil
diperoleh
4. Data harus lengkap
5. Perubahan pada program merepotkan
6. Sistem bekerja jika sudah lengkap.
b. Sistem Pakar
1. Knowledge base terpisah dari mekanisme pemrosesan (inference)
2. Program bisa melakukan kesalahan
3. Penjelasan (explanation) merupakan bagian dari ES
4. Data tidak harus lengkap
5. Perubahan pada rules dapat dilakukan dengan mudah
6. Sistem bekerja secara heuristik dan logik
Suatu sistem dikatakan sistem pakar apabila memiliki ciri-ciri sebagai
berikut (Kusumadewi, 2003):
1. Terbatas pada domain keahlian tertentu
2. Dapat memberikan penalaran untuk data-data yang tidak pasti
4 Rohman & Fauzijah – Aplikasi Sistem Pakar untuk Menentukan Jenis Gangguan pada Anak
3. Dapat mengemukakan rangkaian alasan-alasan yang diberikannya dengan cara
yang dapat dipahami
4. Berdasarkan pada kaidah atau rule tertentu
5. Dirancang untuk dikembangkan sacara bertahap
6. Keluarannya atau output bersifat anjuran.
Adapun banyak manfaat yang dapat diperoleh dengan mengembangkan
sistem pakar, antara lain (Kusumadewi, 2003):
1. Masyarakat awam non-pakar dapat memanfaatkan keahlian di dalam bidang
tertentu tanpa kesadaran langsung seorang pakar
2. Meningkatkan produktivitas kerja, yaitu bertambahnya efisiensi pekerjaan
tertentu serta hasil solusi kerja
3. Penghematan waktu dalam menyelesaikan masalah yang kompleks
4. Memberikan penyederhanaan solusi untuk kasus-kasus yang kompleks dan
berulang-ulang
5. Pengetahuan dari seorang pakar dapat dikombinasikan tanpa ada batas waktu
6. Memungkinkan penggabungan berbagai bidang pengetahuan dari berbagai
pakar untuk dikombinasikan.
Selain banyak manfaat yang diperoleh, ada juga kelemahan pengembangan
sistem pakar, yaitu (Kusumadewi, 2003):
1. Daya kerja dan produktivitas manusia menjadi berkurang karena semuanya
dilakukan secara otomatis oleh sistem
2. Pengembangan perangkat lunak sistem pakar lebih sulit dibandingkan dengan
perangkat lunak konvensional.
Tujuan pengembangan sistem pakar sebenarnya bukan untuk
menggantikan peran manusia, tetapi untuk mensubstitusikan pengetahuan
manusia ke dalam bentuk sistem, sehingga dapat digunakan oleh orang banyak.
2.2.1 Struktur Sistem Pakar
Sistem pakar disusun oleh dua bagian utama, yaitu lingkungan
pengembangan (development environment) dan lingkungan konsultasi (consultation
environment) (Turban, 1995). 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
dua bagian tersebut dapat dilihat pada Gambar 1.
Komponen-komponen yang terdapat dalam sistem pakar adalah seperti
yang terdapat pada Gambar 1, yaitu User Interface (antarmuka pengguna), basis
pengetahuan, akuisisi pengetahuan, mesin inference, workplace, fasilitas penjelasan,
perbaikan pengetahuan.
Dalam hal ini disebut domain knowledge. Penggunaan kata “domain” untuk
memberikan penekanan pengetahuan pada problem yang spesifik. Pakar
menyimpan domain knowledge pada Long Term Memory (LTM) atau ingatan jangka
panjangnya.
Ketika pakar akan memberikan nasihat atau solusi kepada seseorang, pakar
terlebih dahulu menentukan fakta-fakta dan menyimpannya ke dalam Short Term
Memory (STM) atau ingatan jangka pendek. Kemudian pakar memberikan solusi
tentang masalah tersebut dengan mengkombinasikan fakta-fakta pada STM
dengan pengetahuan LTM. Dengan menggunakan proses ini pakar mendapatkan
informasi baru dan sampai pada kesimpulan masalah. Gambar 2 menunjukan
berkas diagram pemecahan masalah dengan pendekatan yang digunakan pakar.
Sistem pakar dapat memecahkan masalah menggunakan proses yang sama
dengan metode yang digunakan oleh pakar, struktur yang digunakan ditunjukan
pada Gambar 3.
2.2.2 Komponen Sistem pakar
Sebuah program yang difungsikan untuk menirukan seorang pakar
manusia harus bisa melakukan hal-hal yang dapat dikerjakan seorang pakar.
Untuk membangun sistem seperti itu maka komponen-komponen dasar yang
harus dimilikinya paling sedikit adalah sebagai berikut:
1. Antar muka pemakai (User Interface)
2. Basis pengetahuan (Knowledge Base)
3. Mesin inferensi
Sedangkan untuk menjadikan sistem pakar menjadi lebih menyerupai
seorang pakar yang berinteraksi dengan pemakai, maka dapat dilengkapi dengan
fasilitas berikut:
1. Fasilitas penjelasan (Explanation)
2. Fasilitas Akuisisi pengetahuan (Knowledge acquisition facility)
3. Fasilitas swa-pelatihan (self-training)
2.2.3 Metode Inferensi
Komponen ini mengandung mekanisme pola pikir dan penalaran yang
digunakan oleh pakar dalam menyelesaikan suatu masalah. Metode inferensi
adalah program komputer yang memberikan metedologi untuk penalaran tentang
informasi yang ada dalam basis pengetahuan dan dalam workplace, dan untuk
memformulasikan kesimpulan (Turban, 1995).
Kebanyakan sistem pakar berbasis aturan menggunakan strategi inferensi
yang dinamakan modus ponen. Berdasarkan strategi ini, jika terdapat aturan “IF A
THEN B”, dan jika diketahui bahwa A benar, maka dapat disimpulkan bahwa B
juga benar. Strategi inferensi modus ponen dinyatakan dalam bentuk:
[A And (A→B)] →B (1)
dengan A dan A→B adalah proposisi-proposisi dalam basis pengetahuan.
Terdapat dua pendekatan untuk mengontrol inferensi dalam sistem pakar
berbasis aturan, yaitu pelacakan ke belakang (Backward chaining) dan pelacakan ke
depan (forward chaining).
Tidak ada komentar:
Posting Komentar