A. Pengertian Sistem
Pakar
Sebuah program komputer yang dirancang
untuk memodelkan
kemampuan
menyelesaikan masalah seperti layaknya seorang pakar (human expert). 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. B. 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.
C. 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 computer
D. 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.
2.
Sulit dikembangkan. Hal ini tentu saja
erat kaitannya dengan ketersediaan pakar
di bidangnya.
3. Sistem
Pakar tidak 100% bernilai benar.
E. Manfaat dan Keterbatasan Sistem Pakar
1.
Manfaat Sistem Pakar
Manfaat
sistem pakar antara lain yaitu :
a. Dapat meningkatkan output dan
produktivitas, karena Sistem Pakar dapat bekerja lebih cepat dari manusia.
b. Meningkatkan kualitas, dengan memberi
nasehat yang konsisten dan mengurangi kesalahan.
c.
Dapat beroperasi di lingkungan yang berbahaya.
d.
Mampu menangkap kepakaran yang sangat terbatas.
e.
Memudahkan akses ke pengetahuan.
2.
Keterbatasan Sistem Pakar
Metodologi Sistem
Pakar yang ada tidak selalu mudah, sederhana dan efektif. Keterbatasan yang
menghambat perkembangan Sistem Pakar:
a.
Pengetahuan yang hendak diambil tidak selalu tersedia.
b.
Kepakaran sangat sulit diekstrak dari manusia.
c. Pendekatan oleh setiap pakar untuk
suatu situasi atau problem bisa berbeda-beda, meskipun sama-sama benar.
d. Pengguna Sistem Pakar mempunyai batas
kognitif alami, sehingga mungkin tidak bisa memanfaatkan sistem secara
maksimal.
e. Sistem Pakar bekerja baik untuk suatu
bidang yang sempit.
F. Modul Penyusun
Sistem Pakar
Menurut
Staugaard (1987) suatu sistem pakar
disusun oleh tiga modul utama yaitu :
1.
Modul Penerimaan Pengetahuan
(Knowledge Acquisition Mode)
Sistem
berada pada modul ini, pada saat ia menerima pengetahuan dari pakar. Proses mengumpulkan pengetahuan-pengetahuan
yang akan digunakan untuk pengembangan
sistem, dilakukan dengan bantuan knowledge engineer. Peran knowledge engineer
adalah sebagai penghubung antara suatu sistem pakar dengan pakarnya.
2.
Modul Konsultasi (Consultation Mode)
Pada
saat sistem berada pada posisi memberikan jawaban atas permasalahan yang
diajukan oleh user, sistem pakar berada
dalam modul konsultasi. Pada modul ini, user berinteraksi dengan sistem dengan
menjawab pertanyaan-pertanyaan yang diajukan oleh sistem.
3.
Modul Penjelasan (Explanation Mode)
Modul
ini menjelaskan proses pengambilan keputusan oleh system (bagaimana suatu
keputusan dapat diperoleh).
G. Struktur Sistem Pakar
Komponen utama pada struktur sistem pakar menurut Huet al (1987) meliputi:
1. Basis
Pengetahuan (Knowledge Base)
Basis
pengetahuan merupakan inti dari suatu sistem pakar, yaitu berupa representasi
pengetahuan dari pakar. Basis
pengetahuan tersusun atas fakta dan kaidah.
Fakta adalah informasi tentang objek, peristiwa, atau situasi. Kaidah adalah cara untuk membangkitkan suatu fakta baru dari
fakta yang sudah diketahui.
2. Mesin Inferensi
(Inference Engine)
Mesin
inferensi berperan sebagai otak dari sistem pakar. Mesin inferensi berfungsi untuk memandu
proses penalaran terhadap suatu kondisi, berdasarkan pada basis pengetahuan
yang tersedia. Di dalam mesin inferensi terjadi proses untuk memanipulasi dan
mengarahkan kaidah, model, dan fakta yang disimpan dalam basis pengetahuan
dalam rangka mencapai solusi atau
kesimpulan.
3. Basis Data
(Data Base)
Basis
data terdiri atas semua fakta yang
diperlukan, dimana fakta fakta tersebut digunakan untuk memenuhi kondisi dari
kaidah-kaidah dalam sistem. Basis data menyimpan semua fakta, baik fakta awal
pada saat sistem mulai beroperasi, maupun fakta-fakta yang diperoleh pada saat
proses penarikan kesimpulan sedang dilaksanakan. Basis data digunakan untuk menyimpan data hasil observasi dan data lain yang dibutuhkan selama pemrosesan.
4. Antarmuka Pemakai
(User Interface)
Fasilitas
ini digunakan sebagai perantara komunikasi antara pemakai.dengan komputer.
H. 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. Teknik ini membantu knowledge
engineer dalam memahami struktur pengetahuan yang akan dibuat sistem pakarnya. Terdapat beberapa
teknik representasi pengetahuan yang biasa digunakan dalam pengembangan suatu
sistem pakar, yaitu ;
1. Rule-Based
Knowledge
Pengetahuan
direpresentasikan dalam suatu bentuk
fakta (facts) dan aturan (rules). Bentuk representasi ini terdiri atas
premise dan kesimpulan.
2. Frame-Based
Knowledge
Pengetahuan
direpresentasikan dalam suatu bentuk
hirarki atau jaringan frame.
3. Object-Based
Knowledge
Pengetahuan
direpresentasikan sebagai jaringan dari obyek-obyek. Obyek adalah eleme data yang terdiri dari data dan metoda (proses).
4. Case-Base
Reasoning
Pengetahuan
direpresentasikan dalam bentuk
kesimpulan kasus (cases). Inferencing dengan Rule : Forward dan Backward ChainingInferensi dengan rules
merupakan implementasi dari modus ponen, yang direfleksikan dalam mekanisme
search (pencarian).
Dapat
pula mengecek semua rule pada knowledge base dalam arah forward
maupun backward. Proses pencarian berlanjut sampai tidak ada rule yang
dapat digunakan atau sampai sebuah
tujuan (goal) tercapai. w:st=”on”Ada dua
metode inferencing dengan rules, yaitu forward
chaining atau data-driven dan
backward chaining atau goal-driven.
a.
Backward chaining
•
Menggunakan pendekatan goal-driven, dimulai dari ekspektasi apa yang diinginkan terjadi (hipotesis), kemudian
mengecek pada sebab-sebab yang mendukung (ataupun kontradiktif) dari ekspektasi tersebut.
•
Jika suatu aplikasi menghasilkan tree yang sempit dan cukup dalam, maka
gunakan backward chaining.
b. Forward chaining
•
Forward chaining merupakan grup dari
multiple inferensi yang melakukan pencarian dari suatu masalah kepada
solusinya.
•
Forward chaining adalah data-driven
karena inferensi dimulai dengan informasi yang tersedia dan baru konklusi
diperoleh.
•
Jika suatu aplikasi menghasilkan tree yang lebar dan tidak dalam, maka gunakan forward chaining.
Komentar
Posting Komentar