P. 1
Sistem Pakar

Sistem Pakar

|Views: 40|Likes:
Published by Udin Gibrig

More info:

Published by: Udin Gibrig on Jul 01, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

07/01/2012

pdf

text

original

SISTEM PAKAR(Expert Systems

)
Sistem pakar (expert systems) adalah sistem yang berusaha mengapdosi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli. Sistem pakar yang baik dirancang agar dapat menyelesaikan suatu permasalahan tertentu dengan meniru kerja dari para ahli. Jadi sistem pakar → kepakaran ditransfer dari seorang pakar

(atau sumber kepakaran yang lain) ke komputer, pengetahuan yang ada disimpan dalam komputer, dan pengguna dapat berkonsultasi pada komputer itu untuk suatu nasehat, lalu komputer dapat mengambil inferensi (menyimpulkan, mendeduksi, dll.) seperti layaknya seorang pakar, kemudian menjelaskannya ke pengguna tersebut, bila perlu dengan alasan-alasannya. Dengan sistem pakar, orang awam pun dapat menyelesaikan masalah yang cukup rumit yang sebenarnya hanya dapat diselesaikan dengan bantuan para ahli. Bagi para ahli, sistem pakar juga akan membantu aktivitasnya sebagai asisten yang sangat berpengalaman. Sistem pakar dikembangkan pertama kali tahun 1960. Sistem pakar yang terkenal antara lain: MYCIN • Paling terkenal, dibuat oleh Edward Shortlife of Standford University tahun 70-an • Sistem pakar medical yang bisa mendiagnosa penyakit infeksi dan merekomendasi pengobatan
24

• MYCIN membantu dokter mengidentifikasi pasien yang menderita penyakit. Dokter duduk di depan komputer dan memasukkan data pasien: umur, riwayat kesehatan, hasil laboratorium dan informasi terkait lainnya. Dengan informasi ini ditambah pengetahuan yang sudah ada dalam komputer, MYCIN mendiagnosa selanjutnya merekomendasi obat dan dosis yang harus dimakan. • MYCIN sebagai penasehat medis, tidak dimaksudkan untuk mengantikan kedudukan seorang dokter. Tetapi membantu dokter yang belum berpengalaman dalam penyakit tertentu. Juga untuk membantu dokter dalam mengkonfirmasi diagnosa dan terapi yang diberikan kepada pasien apakah sesuai dengan diagnosa dan terapi yang ada dalam basis pengetahuan yang sudah dimasukkan ke dalam MYCIN, karena MYCIN dirancang oleh dokter-dokter yang ahli di bidang penyakit tersebut. • Kesimpulan : sistem pakar seperti MYCIN bisa digunakan sebagai bahan pembanding dalam pengambilan solusi dan pemecahan masalah. Keputusan terakhir atas pengobatan tersebut tetap menjadi tanggung jawab dokter.

DENDRAL Mengidentifikasi struktur molekular campuran kimia yang tak dikenal XCON & XSEL XCON • Merupakan sistem pakar untuk membantu konfigurasi sistem komputer besar, membantu melayani order langganan sistem komputer DEC VAX 11/780 ke dalam sistem spesifikasi final
25

yang lengkap • Komputer besar seperti VAX dan komponen yang berbeda digabung dan disesuaikan dengan konfigurasi tertentu yang diinginkan oleh para pelanggan. • Ada ribuan cara dimana aseosri Pcboard, kabel, disk drive, periperal, perangkat lunak, dan lainnya bisa dirakit ke dalam konfigurasi yang sangat rapih. Untuk meng-identifikasi hal-hal tersebut diperlukan waktu berhari-hari/berminggu-minggu agar bisa memenuhi spesifikasi yang diinginkan pemesan, tapi dengan XCON bisa dalam beberapa menit.

XSEL • Dirancang untuk membantu karyawan bagian penjualan dalam memilih komponen sistem VAX. Karena banyaknya pilihan karyawan tersebut sering menghadapi kesulitan dalam memilih suatu komponen yang paling tepat. • Basis pengetahuan yang ada pada XSEL membantu

mengarahkan para pemesan serius untuk memilih konfigurasi yang dikehendaki, kemudian XSEL memilih CPU, memori, periperal dan menyarankan paket software tertentu yang paling tepat dengan konfigurasinya. PROSPECTOR • = sistem pakar yang membantu ahli geologi dalam mencari dan menemukan deposit • Basis pengetahuan berisi bermacam-macam mineral dan batubatuan. Banyak pakar geologi diwawancarai dan pengetahuan mereka tentang berbagai bentuk biji deposit dimasukkan ke dalam
26

sistem pakar. • Ahli geologi melacak biji deposit dengan pergi ke lapangan untuk meninjau medan dan mengumpulkan bukti yang ada seperti ciri-ciri geologi dicatat, sampel tanah dan batu-batuan. Sistem pakar mengevaluasi areal dalam bentuk pertanyaan dan datadata tersebut dimasukkan, kemudian Prospector memberikan rekomendasi yang menunjukkan jumlah deposit yang ada dan apakah menguntungkan atau tidak bila dieksplorasi atau di bor lebih lanjut.

DELTA • Dibuat oleh perusahaan General Electric (GE) membantu karyawan bagian pemeliharaan mesin lokomotif diesel dalam memantau mesin-mesin yang tidak berfungsi dengan baik dan membimbing ke arah prosedur perbaikan.

FOLIO • Sistem pakar yang menolong stock broker dan tugas manajer dalam menangani investasi bagi kepentingan para langganannya. Stock broker mewawancarai langganan untuk menentukan tujuan sumber dan investasi mereka. • FOLIO bisa memberikan rekomendasi tentang keamanan investasi, mengevaluasi stock beresiko tinggi,menghitung pengembalian modal, dan membuat keputusan dalam hal pemasaran suatu komoditi. • Membantu para perencana keuangan untuk memperkecil kerugian karena pajak, inflasi atau faktor lain misal turun naiknya
27

nilai mata uang.

ELECTRONIC LAYER. • Digunakan untuk menganalisa dan membantu rekayasa rancangan sirkuit elektronik yang terbuat dari transistor, dioda dan resistor. • Diagram skematik dari sirkuit ini dimasukkan ke dalam komputer dan EL menganalisis menentukan karakteristik sirkuit, nilai voltase, dan strum yang ada pada semua titik sirkuit. • Basis pengetahuan pada EL merupakan prinsip umum elektronik seperti hukum OHM, hukum kirchoff, karakteris-tik komponen, teori operasi transistor.

RAMALAN CUACA Dengan diberi input tentang situasi cuaca yang sedang berlangsung, baik lokal maupun ditempat lain, maka sistem pakar bisa menyajikan ramalan yang akurat tentang cuaca yang akan terjadi dalam suatu periode tertentu.

CONTOH LAIN SISTEM PAKAR Sistem pakar : - Digunakan untuk konsultasi - Sistem pakar selalu tersedia di organisasi, sedang pakar belum tentu selalu berada di tempat. Misal suatu keputus-an harus diambil oleh manajer yang pakar dalam suatu bi-dang, karena manajer ini pergi dan tidak berada di kantor, maka keputusan yang harus diambil tertunda.
28

- Sistem pakar dapat menyimpan dan mengingat pengeta-huan yang sangat tidak terbatas dan tidak kenal lelah. Oleh karena itu pekerjaan dokter akan sangat terbantu sekali dengan SP yang diisi dengan sejumlah pengetahuan (mi-sal semua jenis obat dan efeknya) yang pakarnya sendiri belum tentu dapat mengingatnya. • Pak A nasabah bank X. Pak A akan meminjam uang untuk membeli rumah. Di bank X pak A menanyakan ke bagian informasi dan disarankan untuk menuju ke lantai 3 di kantor manajer installment loan. Di kantor ini, pak A mengutarakan maksudnya untuk meminjam uang dan akan dibayar

angsuran tiap bulannya bervariasi besarnya tergantung dari penghasilannya. Manajer installment loan menolak karena pinjaman di bagian ini harus dibayar angsuran yang nilainya sudah tetap ditentukan di muka. Manajer ini mengatakan bahwa pak A salah tempat menemui dia dan menyarankan ke lantai 5 di kantor manajer mortgage loan. Sesampainya disana, pak A mengutarakan kembali maksudnya untuk meminjam uang dengan membayar secara angsuran. Manajer ini setuju tetapi pak A harus meninggalkan sertifikat tanahnya sebagai agunan. Sebaliknya pak A tidak setuju karena dia akan menggunakan sertifikat tanah ini untuk keperluan yang lain. Manajer mortgage loan menyarankan pak A untuk menemui kepala cabang di lantai 1. Pak A turun ke lantai 1 bukannya menemui kepala cabang tetapi bank lain yaitu Y di seberang jalan. Di bank Y pak A ditemui oleh seorang pegawai bank yang mempersilahkan dia duduk. Setelah pak A mengutarakan maksudnya, tak lama kemudian setelah pegawai menggunakan
29

komputer dihadapannya, pegawai tersebut menyetujui pinjaman pak A. Beda bank X dan bank Y. Untuk bank X kepandaian atau pengetahuan (knowledge) dimiliki di masing-masing manajer. Dan jika pak A menemui manajer yang pengetahuannya lain yang tidak sesuai de-ngan permasalahannya, pak A salah alamat dan harus me-nemui manajer lain yang sesuai. Untuk bank Y, pengetahuan dari manajer-manajer bersang-kutan dimasukkan dan berada di dalam sistem komputer dalam bentuk basis data pengetahuan (knowledge base). • Sistem pakar yang digunakan di dinas sosial negara bagian California, Amerika Serikat. Sebelum SP diguna-kan, pemberian tunjangan sosial kurang efektif karena beragamnya macam tunjangan yang diberikan dan banyaknya aturan yang ada untuk mendapatkan tunjangan sosial. Lebih dari 3000 aturan dibukukan untuk tunjangan sosial ini. Pada waktu seseorang melamar untuk meminta tunjangan sosial, orang ini akan dilayani dengan pekerja sosial dan pekerja sosial harus mengetahui aturan-aturan yang ada. Jika ada kasus khusus dan pekerja sosial tidak memahami aturannya tetapi memutuskan hasilnya, maka hasil keputusan dapat tidak efektif. Menyadari kelemahankelemahan ini maka dinas sosial kemudian menerapkan sistem pakar yang berisi dengan knowledge base berupa ribuan aturanaturan ini.Bedanya : sebelum ada SP, yang pakar adalah pekerja sosialnya dan jika pekerja sosial kurang pakar maka dapat mengakibatkan kesalahan keputusan. Setelah ada SP, pekerja sosial tidak harus pakar karena yang pakar adalah sistemnya
30

karena sistem-nya berisi dengan semua aturan, sehingga mengurangi kesalahan pengambilan keputusan. Konsep dasar sistem pakar mengandung keahlian, ahli/ pakar, pengalihan keahlian, mengambil keputusan, aturan, kemampuan menjelaskan.

Keahlian Keahlian bersifat luas dan merupakan penguasaan penge-tahuan dalam bidang khusus yang diperoleh dari pelatihan, membaca atau pengalaman. Contoh bentuk pengetahuan yang termasuk keahlian : - Teori, fakta, aturan-aturan pada lingkup permasalahan tertentu - Strategi global untuk menyelesaikan masalah

Ahli / Pakar Seorang ahli adalah seseorang yang mampu menjelaskan suatu tanggapan, mempelajari hal-hal baru seputar topik

permasalahan, menyusun kembali pengetahuan jika dipandang perlu, memecahkan masalah dengan cepat dan tepat.

Pengalihan keahlian Tujuan dari sistem pakar adalah untuk mentransfer keahlian dari seorang pakar ke dalam komputer kemudian ke masyarakat. Proses ini meliputi 4 kegiatan, yaitu perolehan pengetahuan (dari para ahli atau sumber-sumber lainnya), representasi pengetahuan ke komputer, kesimpulan dari pengetahuan dan pengalihan pengetahuan ke pengguna.
31

Mengambil keputusan Hal yang unik dari sistem pakar adalah kemampuan untuk menjelaskan dimana keahlian tersimpan dalam basis pengetahuan. Kemampuan komputer untuk mengambil kesimpulan dilakukan oleh komponen yang dikenal dengan mesin inferensi yaitu meliputi prosedur tentang pemecahan masalah.

Aturan Sistem pakar yang dibuat merupakan sistem yang berdasar-kan pada aturan – aturan dimana program disimpan dalam bentuk aturan-aturan sebagai prosedur pemecahan masalah. Aturan tersebut biasanya berbentuk IF – THEN.

Kemampuan menjelaskan Keunikan lain dari sistem pakar adalah kemampuan dalam menjelaskan atau memberi saran/rekomendasi serta juga menjelaskan mengapa beberapa tindakan/saran tidak direkomendasikan. SIAPA SAJA YANG DAPAT TERKAIT DALAM PENGGUNAAN DAN PENGEMBANGAN SISTEM PAKAR 1. Pakar Pakar adalah orang yang memiliki pengetahuan khusus, pendapat, pengalaman dan metode, serta kemampuan untuk mengaplikasikan keahliannya tersebut guna menyelesaikan masalah. 2. Perekayasa pengetahuan
32

Perekayasa pakar

pengetahuan menyusun

adalah area

orang

yang

membantu dengan

dalam

permasalahan

menginterpretasikan dan mengintegrasikan jawaban-jawaban pakar atas pertanyaan yang diajukan, menggambarkan analogi, mengajukan counter example dan menerangkan kesulitankesulitan konseptual. 3. Pemakai - Pemakai awam : dalam hal ini sistem pakar bertindak se-bagai konsultan untuk memberikan saran dan solusi kepada pemakai - Pelajar yang ingin belajar : sistem pakar bertindak sebagai instruktur - Pembuat sistem pakar : sistem pakar sebagai partner dalam pengembangan basis pengetahuan. - Pakar : sistem pakar bertindak sebagai mitra kerja/asisten

AREA PERMASALAHAN APLIKASI SISTEM PAKAR 1. Interpretasi Yaitu pengambilan keputusan dari hasil observasi, diantaranya : pengawasan, pengenalan ucapan, analisis citra, interpretasi sinyal, dan beberapa analisis kecerdasan. 2. Prediksi Memprediksi akibat-akibat yang dimungkinkan dari situasisituasi tertentu, diantaranya : peramalan, prediksi demografis, peralaman ekonomi, prediksi lalulintas, estimasi hasil, militer, pemasaran, atau peramalan keuangan. 3. Diagnosis Menentukan sebab malfungsi dalam situasi kompleks yang
33

didasarkan pada gejala-gejala yang teramati, diantaranya : medis, elektronis, mekanis, dan diagnosis perangkat lunak 4. Desain Menentukan konfigurasi komponen-komponen sistem yang cocok dengan tujuan-tujuan kinerja tertentu dan kendalakendala tertentu, diantaranya : layout sirkuit, perancangan bangunan 5. Perencanaan Merencanakan serangkaian tindakan yang akan dapat mencapai sejumlah tujuan dengan kondisi awal tertentu, diantaranya : perencanaan keuangan, komunikasi, militer, pengembangan politik, routing dan manajemen proyek. 6. Monitoring Membandingkan tingkah laku suatu sistem yang teramati dengan tingkah laku yang diharapkan darinya, diantara-nya : Computer Aided Monitoring System 7. Debugging dan repair Menentukan dan mengimplementasikan cara-cara untuk mengatasi malfungsi, diantaranya memberikan resep obat terhadap suatu kegagalan. 8. Instruksi Melakukan instruksi untuk diagnosis, debugging dan per-baikan kinerja. 9. Kontrol Mengatur tingkah laku suatu environment yang kompleks seperti kontrol terhadap interpretasiinterpretasi, prediksi,

perbaikan, dan monitoring kelakuan sistem
34

10. Seleksi Mengidentifikasi pilihan terbaik dari sekumpulan (list) kemungkinan. 11. Simulasi Pemodelan interaksi antara komponen-komponen sistem.

KOMPONEN SISTEM PAKAR
Komponen sistem pakar ada empat bagian : 1. KNOWLEDGE BASE (BASIS PENGETAHUAN). Knowledge Base (Basis pengetahuan) merupakan inti dari program sistem pakar karena basis pengetahuan itu merupakan presentasi pengetahuan atau knowledge representation basis pengetahuan adalah sebuah basis data yang menyimpan aturanaturan tentang suatu domain knowledge/pengetahuan tertentu. Basis pengetahuan ini terdiri dari kumpulan objek beserta aturan dan atributnya (sifat atau cirinya), tentu saja di dalam domain tertentu. Contoh :If hewan merupakan sayap dan bertelur then hewan jenis burung. Ada 2 bentuk pendekatan basis pengetahuan yang sangat umum digunakan yaitu : a. Rule-Based Reasoning (Penalaran berBasis Aturan) Pada penalaran berbasis aturan, pengetahuan direpresentasikan dengan menggunakan aturan berbentuk IF-THEN. Bentuk ini digunakan jika kita memiliki sejumlah

pengetahuan pakar pada suatu permasalahan tertentu, dan pakar dapat menyelesaikan masalah tersebut secara berurutan. Bentuk ini juga digunakan jika dibutuhkan
35

penjelasan tentang jejak (langkah-langkah) pencapaian solusi. b. Case-Based Reasoning (Penalaran berBasis Kasus). Basis pengetahuan akan berisi solusi-solusi yang telah dicapai sebelumnya, kemudian akan diturunkan suatu solusi untuk keadaan yang terjadi sekarang (fakta yang ada). Bentuk ini digunakan jika pemakai (user) menginginkan untuk tahu lebih banyak lagi pada kasus-kasus yang hampir sama (mirip). Bentuk ini juga digunakan jika kita telah memiliki sejumlah situasi atau kasus tertentu dalam basis pengetahuan. 2. Working Memory (Basis Data atau Memori Kerja). Working memory adalah bagian yang mengandung semua fakta-fakta baik fakta awal pada saatsistem beroperasi maupun fakta-fakta pada saat pengambilan kesimpulan sedang dilaksanakan selama sistem pakar beroperasi, basis data berada di dalam memori kerja. 3. Inference Engine (Mesin/Motor Inferensi). Inference Engine adalah bagian yang menyediakan mekanisme fungsi berfikir dan pola-pola penalaran sistem yang digunakan oleh seorang pakar. • Mekanisme ini akan menganalisa masalah tertentu dan selanjutnya akan mencari jawaban atau kesimpulan yang terbaik. • Mesin ini akan dimulai pelacakannya dengan mencocokan kaidah-kaidah dalam basis pengetahuan dengan fakta-fakta yang ada dalam basis data. Dua teknik untuk melakukan Inferensia, yaitu:
36

a) Forward Chaining (Pelacakan ke depan). Pencocokan fakta atau pernyataan dimulai dari bagian sebelah kiri (IF) dulu. Dengan perkataan lain, penalaran dimulai dari fakta terlebih dahulu untuk menguji kebenaran hipotesa.

Contoh-contoh aturan No. R-1 R-2 R-3 R-4 R-5 R-6 R-7 R-8 R-9 R-10 IF A & B THEN C IF C THEN D IF A & E THEN F IF A THEN G IF F & G THEN D IF G & E THEN H IF C & H THEN I IF I & A THEN J IF G THEN J IF J THEN K Aturan

Pada tabel di atas ada 10 aturan (rule) yang tersimpan dalam basis pengetahuan. Fakta awal yang diberikan hanya : A & E (yaitu berarti A dan F bernilai benar). Hipotesanya adalah apakah K bernilai benar ? Untuk itu dilakukan langkah-langkah inferensia sebagai berikut : • Start dari R-1. A merupakan fakta sehingga bernilai benar, sedangkan B belum diketahui kebenarannya, sehingga C pun belum diketahui kebenarannya. Oleh karena itu pada R-1 kita tidak mendapatkan informasi apapun. Sehingga kita menuju ke
38

R-2. • Pada R-2 juga sama kita tidak dapat memastikan kebenaran D karena C belum diketahui apakah benar atau salah sehingga kita tidak mendapatkan informasi apapun , sehingga kita menuju ke R-3. • Pada R-3 A dan E adalah fakta sehingga jelas benar. Dengan demikian F sebagai konsekuensi juga benar. Dari sini kita mendapat fakta baru yaitu F, tetapi karena F bukan hipotesa maka langkah diteruskan ke R-4 • Pada R-4 A adalah fakta berarti jelas benar, sehingga G sebagai konsekuen juga benar. Jadi terdapat fakta baru yaitu G, tetapi G bukan hipotesa sehingga langkah diteruskan ke R-5. • Pada R-5 F dan G benar berdasarkan aturan R-3 dan R-4, sehingga D sebagai konsekuen juga benar. Terdapat fakta baru yaitu D, tetapi D bukan hipotesa sehingga diteruskan ke R-6. • Pada R-6, E dan G benar berdasarkan fakta dan R-4, maka H benar. Sehingga terdapat fakta baru yaitu H, tetapi H bukan hipotesa, sehingga diteruskan ke R-7. • Pada R-7, karena C belum diketahui, maka I juga belum dapat diketahui kebenarannya, sehingga kita tidak mendapatkan informasi apapun. Diteruskan ke R-8 • Pada R-8, meskipun A benar karena fakta tetapi I belum diketahui, sehingga J juga belum dapat diketahui kebenarannya. Diteruskan ke R-9. • Pada R-9, G benar menurut R-4, sehingga konsekuennya J juga benar, tetapi J bukan hipotesa, maka diteruskan ke R-10. • Pada R-10, K benar karena J benar menurut R-9. Karena K
38

merupakan hipotesa yang dibuktikan maka selesai.

Secara diagram dapat digambarkan sebagai berikut :

R-4
G A

R-9
J

R-10

K

R-5 R-3
F D

R-6
H

E

Gambar. Forward Chaining

Backward b)

Chaining

(Pelacakan

kebelakang).

Melalui

penalaranya dari sekumpulan hipotesis menuju fakta-fakta yang mendukung tersebut, jadi proses pelacakan berjalan mundur dimulai dengan menentukan kesimpulan yang akan dicari baru kemudian fakta-fakta pembangun kesimpulan atau a Goal Driven. Atau dengan kata lain pencocokan fakta atau pernyataan dimulai dari sebelah kanan (THEN) dulu. Kita lihat lagi tabel aturan sebelumnya. Terlihat ada 10 aturan yang tersimpan dalam basis pengetahuan. Fakta awal A dan E. Hipotesa adalah K. Langkah-langkahnya adalah : • Pertama-tama dicari terlebih dahulu mulai dari R-1 aturan yang memiliki konsekuen K, dan ternyata ada di R-10. Dari R-10, untuk membuktikan K benar harus dibuktikan dahulu bahwa J benar. • Dicari aturan yang mempunyai J sebagai konsekuen mulai dari R-1 dan ternyata di R-8. Pada R-8 A benar tetapi I belum diketahui kebenarannya, maka mulai R-1 perlu dicari aturan
39

dengan konsekuen I yaitu di R-7. • Untuk membuktikan I benar di R-7, perlu dibuktikan C dan H benar. Untuk itu dicari aturan dengan konsekuen C yaitu di R-1. • Untuk membuktikan C benar di R-1 haruslah A dan B benar. A jelas benar karena fakta, tetapi B belum diketahui kebenarannya, dan dalam basis pengetahuan tidak ada aturan yang konsekuennya B. Dengan demikian penalaran ini tidak bisa membuktikan kebenaran K. Namun demikian, masih punya alternatif lain untuk melakukan penalaran, yaitu dengan backtracking. • Backtracking. Diulangi lagi dengan langkah dengan pembuktian kebenaran C dengan mencari aturan lain yang konsekuennya C. Ternyata tidak ditemukan. • Lakukan backtracking lagi dengan mencari aturan dengan konsekuen I, ternyata tidak ada. • Lakukan backtracking lagi mencari aturan dengan konsekuen J, ditemukan di R-9, tetapi harus membuktikan bahwa G benar, maka dicari aturan dengan konsekuen G yaitu di R-4 • R-4, A adalah fakta jadi jelas benar maka G juga benar. Jadi berdasarkan penalaran ini dapat dibuktikan bahwa hipotesa K benar. R-10
K J I C A

R-8
A

R-7
H

R-1
B

Gagal R-10
K 40 J

R-9
G

R-4

fakta
A

Sukses.

Contoh : Misal diketahui sistem pakar dengan aturan-aturan sbb : R-1 : IF suku bunga turun THEN harga obligasi naik. R-2 : IF suku bunga naik THEN harga obligasi turun. R-3 : IF suku bunga tidak berubah THEN harga obligasi tidak berubah. R-4 : IF nilai dolar naik THEN suku bunga turun. R-5 : IF nilai dolar turun THEN suku bunga naik. R-6 : IF harga obligasi turun THEN beli obligasi. Sekarang apabila diketahui bahwa nilai dolar turun, maka untuk memutuskan apakah akan membeli obligasi atau tidak, dapat ditunjukkan sebagai berikut : Forward Chaining (Pelacakan ke depan/Maju). Dari fakta nilai dolar turun, berdasarkan R-5 diperoleh bahwa suku bunga naik, dari R-2 diperoleh suku bunga naik menyebabkan harga obligasi turun, kemudian dengan R-6 jika harga obligasi turun, maka beli obligasi. Jadi kesimpulan beli obligasi.
Nilai dolar turun

R-5
Suku bunga naik

R-2
Harga obligasi turun

R-6
Beli obligasi 41

Backward Chaining (Pelacakan kebelakang/Mundur). Berangkat dari membeli obligasi, dengan R-6 diperoleh anteseden harga obligasi turun. Dari R-2 dapat dibuktikan bahwa harga obligasi turun bernilai benar jika suku bunga naik bernilai benar. Dari R5, suku bunga naik memang bernilai benar karena diketahui fakta bahwa nilai dolar turun.
Nilai dolar turun

R-5
Suku bunga naik

R-2
Harga obligasi turun

R-6
Beli obligasi

4. User Interface (Antarmuka Pemakai). Antarmuka pemakai adalah bagian penghubung antara program sistem pakar dengan pemakai.Pada bagian memungkinkan pengguna untuk memasukkan instruksi dan informasi ke dalam sistempakar serta menerima penjelasan dan kesimpulan. (Gambar di bawah ini).
Knowlegde Base Inference Engine Working Memory User Interface

Komponen Utama Sistem Pakar. 42

CIRI-CIRI SISTEM PAKAR.
Ciri-ciri sistem pakar adalah sebagai berikut: 1. Terbatas pada domain keahlian tertentu. 2. Memiliki fasilitas informasi yang handal. 3. Dapat memberikan penalaran untuk data data yang tidak pasti. 4. Dapat mengemukan rangkaian alasan-alasan yang diberikannya dengan cara yang dapat dipahami. 5. Berdasarkan pada kaidah/rRule tertentu. 6. Memiliki kemampuan untuk belajar beradaptasi. 7. Dirancang untuk dapat dikembangkan secara bertahap (mudah dimodifikasi). 8. Dapat digunakan dalam berbagai jenis komputer 9. Keluaranya bersifat anjuran.

SISTEM KERJA PAKAR.
Menurut Staugard (1987) sistem kerja pakar terbagi dalam tiga modul yaitu: 1. Modul Penerimaan Pengetahuan. Modul ini digunakan untuk mendapatkan pengetahuan sistem pakar yang melalui proses penerimaan pengetahuan. Proses ini dilakukakan melalui interaksi dengan pakar, sedangkan peneri-maan pengetahuan dilakukan dengan bantuan Knowledge Engineer (KE), yaitu seorang spesialis sistem yang menterjemahkan pengetahuan yang dimiliki seorang pakar menjadi pengetahuan yang akan tersimpan dalam basis pengetahuan pada sebuah sistem pakar (Gambar di bawah).
43

SISTEM PAKAR

KNOWLEDGE ENGINEER

PAKAR

2. Modul Konsultasi. Sistem pakar pada modul konsultasi apabila sistem memberikan konsultasi berupa jawaban atas permasalahan yang diajukan (Staugaard, 1987) oleh pemakai pada modul ini pemakai yang awam berinteraksi dengan sistem dengan memasukkan data dan jawaban-jawaban pertanyaan sistem. Data yang dimasukkan oleh pemakai ditempatkan dalam database sistem dan kemudian diakses oleh pembangkit inference untuk mendapatkan kesimpulan.

3. Modul Penjelasan. Modul Penjelasan adalah menjelaskan proses pengambilan keputusan yang dilakukan oleh sistem.

CARA REPRESENTASI.
Cara representasi dalam sistem pakar (Turban,1992) terbagi dalam tiga teknik, yaitu:

1. Production Rule
Production Rule adalah model ide dasar dari sistem yang
44

memopresentasikan pengetahuan dengan bentuk pasangan kondisi aksi (Jika-Maka, IF - THEN).

2. Semantic Network.
Semantic Network adalah gambaran grafis dari pengetahuan yang terdiri node atau symbol dan hubungan atau link yang memperlihatkan hubungan hirarkis antar objek.

3. Frame.
Frame adalah struktur data yang berisi semua pengetahuan tentang objek tertentu.

PENGEMBANGAN SISTEM PAKAR. Diperlukan beberapa tahapan, misal kita dapat menggunakan metode choice/pilihan. Metode ini terdiri dari : 1. Rekayasa sistem dan analisis. Dalam tahap ini dilakukan komunikasi antar pencari dan pengguna sistem untuk membahas masalah yang dihadapi. Mengidentifikasi masalah dan kebutuhan. Mengkaji situasi dan memutuskan dengan pasti tentang masalah yang akan dikomputerisasi dan apakah dengan sistem pakar bisa lebih membantu atau tidak. Misalnya : • Pemakai sistem sangat tergantung dengan beberapa spesialis yang diperlukan dalam sistem pakar. Ini jangan sampai terjadi. • Tidak terlalu membebani operator dengan tugas-tugas yang seharusnya dikerjakan oleh seorang pakar. 2. Menentukan masalah yang cocok. Ada beberapa syarat yang harus dipenuhi agar sistem pakar dapat bekerja dengan baik,
47

yaitu :

47

• Domain tidak terlalu luas; • Kompleksitasnya menengah, artinya jika masalah terlalu mudah (dapat diselesaikan dalam beberapa detik saja) atau masalah yang sangat komplek seperti peramalan berhentinya semburan lumpur lapindo tidak perlu menggunakan sistem pakar; • Tersedianya ahli (pakar) dalam bidang yang akan dibuat sistem pakarnya; • Menghasilkan solusi mental bukan fisik, artinya sistem pakar hanya memberikan anjuran tidak bisa melakukan aktivitas fisik seperti membau atau merasakan; • Tidak melibatkan hal-hal yang common sense, yaitu penalaran yang diperoleh dari pengalaman, seperti : adanya gravitasi membuat benda jatuh, atau jika lampu traffic light merah maka kendaraan harus berhenti. M 3. empertimbangkan Alternatif. Yaitu menggunakan sistem pakar atau komputer tradisional. M 4. enghitung pengembalian investasi, termasuk diantaranya biaya pembuatan sistem pakar, biaya pemeliharaan, dan biaya pelatihan. 5.Memilih alat pengembangan. Dapat menggunakan software pembuat sistem pakar (seperti SHELL, dengan WinExsys yang beroperasi pada sistem operasi windows 97), atau dirancang dengan bahasa pemrograman sendiri (misal dengan bahasa PROLOG). Rekayasa 6. Pengetahuan. Perlu dilakukan penyempurnaan

terhadap aturan-aturan yang sesuai.
47

D 7. esain (Design) sistem. Tahap ini termasuk pembuatan prototype serta menterjemahkan pengetahuan menjadi aturanaturan. Juga pada tahap ini ditentukan konfigurasi yang dibutuhkan oleh sistem dan metode yang digunakan dalam mengambil keputusan. 8. Pengkodean (Coding). Pada tahap ini dilakukan perubahan hasil desain menjadi program yang dapat dibaca oleh komputer. 9. Pengujian (Testing). Pada tahap ini dilakukan pengujian dari kinerja sistem,mencari dan memperbaiki kesalahan/error yang ada. 10. Pemeliharaan (Maintanance). Pemeliharaan sistem dilakukan dengan kaidah pengambil keputusan. Serta memperbaharui pengetahuan, mengganti pengetahuan yang sudah ketinggalan, dan meluweskan sistem agar bisa lebih baik lagi dalam menyelesaikan masalah.

47

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->