SISTEM PAKAR

Kecerdasan buatan ialah suatu ilmu yang mempelajari cara membuat komputer melakukan sesuatu seperti yang dilakukan oleh manusia. Definisi lain yang mengatakan bahwa kecerdasan buatan (Artificial Intelligence) merupakan kawasan penelitian, aplikasi untuk melakukan suatu hal yang dalam pandangan manusia adalah cerdas.

Ada tiga tujuan kecerdasan buatan yaitu, membuat komputer lebih cerdas, mengerti tentang kecerdasan dan membuat mesin lebih berguna. Yang dimaksud dengan kecerdasan ialah kemampuan untuk belajar atau mengerti dari pengalaman, memahami pesan yang kontradiktif dan ambigu, menanggapi dengan cepat dan baik atas situasi yang baru, menggunakan penalaran dalam memecahkan permasalahan serta menyelesaikannya dengan efektif.

Kecerdasan buatan berbeda dengan program konvensional. Pemrograman konvensional berbasis pada algoritma yang mendefinisikan setiap langkah dalam penyelesaian masalah. Pemrograman konvensional dapat menggunakan rumus-rumus matematika atau prosedur sekuensial untuk menghasilkan solusi. Hal ini lain dengan pemrograman dalam kecerdasan buatan yang berbasis pada representasi simbol dan manipulasi. Dalam kecerdasan buatan, simbol dapat berupa kalimat, kata, atau angka yang digunakan untuk mempresentasikan objek, proses, dan hubungannya. Objek dapat berupa manusia, ide, kegiatan, konsep, atau pertanyaan dari suatu fakta. Proses digunakan untuk memanipulasi simbol, untuk menghasilkan saran atau pemecahan masalah. Selain itu kecerdasan buatan dapat melakukan penalaran terhadap data yang tidak komplit, dimana hal ini sangat sulit dilakukan oleh pemrograman konvensional.

Kelebihan dari kecerdasan buatan ialah kemampuan untuk melakukan penalaran dan penjelasan terhadap setiap langkah dalam pengambilan keputusan.

Sistem Pakar

Sistem pakar adalah sistem berbasis komputer yang menggunakan pengetahuan, fakta, dan teknik penalaran dalam memecahkan masalah yang biasanya hanya dapat dipecahkan oleh seorang pakar dalam bidang tersebut (Martin Oxman, 1988).

Pada dasarnya sistem pakar diterapkan untuk mendukung aktivitas pemecahan masalah. Beberapa aktivitas pemecahan masalah yang dimaksud antara lain, keputusan (decision making), pemanduan pengetahuan (knowledge fusing), pembuatan desain (designing), perencanaan (planning), diagnosis (diagnosing), pengaturan (regulating), pengendalian (controlling), penjelasan (explaining), pemberian nasehat (advising) dan pelatihan (tutoring).

Sistem pakar dibuat pada wilayah pengetahuan tertentu, sistem pakar mencoba mencari solusi yang memuaskan sebagaimana yang dilakukan oleh seorang pakar. Selain itu sistem pakar juga dapat memberikan penjelasan terhadap langkah yang diambil dan memberikan alasan atau saran maupun kesimpulan yang ditemukan.

Sejarah Sistem Pakar

ES (Expert System) mulai dikembangkan pada pertengahan tahun 1960-an oleh  Artificial Intelligence Corporation. Periode penilitian artificial intelligence ini didominasi oleh suatu keyakinan bahwa nalar yang digabung dengan komputer yang canggih akan menghasilkan prestasi pakar. Suatu usaha dari arah ini adalah General Purpose Problem-Solver (GPS). GPS merupakan sebuah prosedur yang dikembangkan oleh Allen Newel, John Cliff Shaw dan Herbert Alexander Simon dari Logic Theorist yang merupakan sebuah percobaan untuk menciptakan mesin yang cerdas.

Pada pertengahan tahun 1960-an, terjadi pergantian dari program seba-bisa (general purpose) ke program yang spesialis (special-purpose) dengan dekembangkannya DENDRAL oleh E. Feigenbaum dari Universitas Stanford dan kemudian diikuti oleh MYCIN. Pembuatan DENDRAL mengarah pada konklusi-konklusi berikut, GPS terlalu lemah untuk digunakan sebagai dasar membangun ES (expert system) yang berunjuk kerja tinggi. Pemecahan masalah manusia adalah baik hanya jika beroperasi dalam domain yang sangat sempit. ES (expert system) harus di-update secara berkala untuk informasi yang lebih baru. Update semacam ini dapat efisien apabila menggunakan representasi pengetahuan berbasis rule.

Pada awal 1980-an teknologi ES (expert system) yang mula-mula dibatasi oleh suasana akademis mulai muncul sebagai aplikasi komesil, khususnya XCON, XSEL (dikembangkan dari R-1 pada Digital Equipment Corp.) dan CATS-1 (dikembangkan oleh General Electric). Sistem pakar untuk diagnosis kesehatan telah dikembangkan sejak pertengahan tahun 1970. Sistem pakar untuk diagnosis pertama dibuat oleh Bruce Buchanan dan Edward Shortliffe di Stanford University, yang diberi nama MYCIN.

MYCIN merupakan program interaktif yang melakukan diagnosis penyakit miningitis dan infeksi bacremia serta memberikan rekomendasi terapi antimikrobia. MYCIN mampu memberikan penjelasan atas penalarannya secara detail. Dalam uji coba dia mampu menunjukkan kemampuan seperti seorang spesialis. Meskipun MYCIN tidak pernah digunakan secara rutin oleh dokter, MYCIN merupakan referensi yang bagus dalam penelitian kecerdasan buatan yang lain.

Konsep Dasar Sistem Pakar

Konsep dasar sistem pakar mengandung keahlian, ahli/pakar, pengalihan keahlian, mengambil keputusan, aturan, kemampuan menjelaskan.

* Keahlian

Keahlian bersifat luas dan merupakan penguasaan pengetahuan dalam bidang khusus yang diperoleh dari pelatihan, membaca atau pengalaman. Contoh bentuk pengetahuan yang termasuk keahlian :

1. Teori, fakta, aturan-aturan pada lingkup permasalahan tertentu
2. Strategi global untuk menyelesaikan masalah
3. 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 computer 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.

* 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 berdasarkan 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.

Tujuan Sistem Pakar

Tujuan dari sebuah sistem pakar adalah untuk mentransfer kepakaran yang dimiliki seorang pakar kedalam komputer, dan kemudian kepada orang lain (nonexpert).

Cara Kerja Sistem Pakar

Pada umumnya cara kerja pada sistem pakar untuk mendeteksi penyakit ayam adalah sebagai berikut  :

Pada gambar di atas merupakan serangkaian proses untuk menghasilkan sebuah rule .

1. Sistem interface

Sistem interface merupakan antar muka sistem yang digunakan untuk menghubungkan pengguna atau pakar dalam aplikasi sistem pakar.

2. User

User merupakan seorang yang berkonsultasi dengan sistem untuk mendapatkan saran yang disediakan oleh pakar.

3. User interface

User interface adalah bagian penghubung antara program dengan pemakai. Pada bagian ini terjadi dialog antara pemakai dengan program yang dibuat. Program akan mengajukan pertanyaan berbentuk ”ya atau tidak” (yes or no question) atau berbentuk menu pilihan.

4. Blok diagram

Blok Diagram merupakan susunan rule-rule yang terdapat didalam sebuah bidang ilmu. Dengan Membuat blok diagram didalam sistem pakar maka dapat diketahui urutan kerja sistem dalam mencari  keputusan

5. Depedency diagram

Dependency diagram didalam sistem pakar bersifat untuk menunjukkan  hubungan atau ketergantungan antara inputan pertanyaan, rule-rule dan rekomendasi yang dibuat oleh prototype sistem berbasis pengetahuan. Dari blok Diagram diatas apabila diteruskan menjadi dependency diagram

6. Decision table

Decision table dibuat untuk menunjukkan hubungan antar nilai-nilai pada hasil fase atau rekomendasi akhir penentuan penyakit ayam.

7. Reduce decision table

Reduce Decision Table adalah penyederhanaan dari decision table dengan menggunakan rule-rule yang hasilnya sama dan memiliki inputan yang tidak berpengaruh.

8. Mesin inferensi

Mesin inferensi adalah bagian dari sistem pakar yang mendeduksi fakta-fakta baru dari fakta-fakta yang telah ada dengan menggunakan kaidah-kaidah yang ada. Proses deduksi ini menyangkut perjodohan dan unifikasi, disamping itu mesin inferensi juga mengontrol aliran dan tahapan inferensi. Dalam pengontrolan ini mesin inferensi juga menentukan kaidah mana yang akan diuji terlebih dahulu dan apa yang dilakukan seandainya suatu kaidah itu sukses atau gagal.

9. Basis pengetahuan

Basis pengetahuan merupakan inti program dimana program ini merupakan representasi pengetahuan dari seorang pakar. Basis pengetahuan tersusun atas fakta yang berupa informasi tentang obyek dan kaidah (rule) yang merupakan informasi tentang cara bagaimana membangkitkan fakta baru dari fakta yang sudah diketahui.

Ciri Sistem Pakar

Ciri-ciri yang dimiliki oleh sistem pakar adalah sebagai berikut:

1. Terbatas pada bidang yang spesifik.
2. Dapat memberikan penalaran untuk data-data yang tidak lengkap atau tidak pasti.
3. Dapat mengemukakan rangkaian alasan yang diberikannya dengan cara yang dapat dipahami.
4. Berdasarkan pada rule atau kaidah tertentu.
5. Dirancang untuk dapat dikembangkan secara bertahap.
6. Outputnya bersifat nasihat atau anjuran.
7. Outputnya tergantung dari dialog dengan user.
8. Knowledge base dan inference engine terpisah.

Keuntungan Penggunaan Sistem Pakar.

Secara garis besar banyak sekali keuntungan yang dapat diambil dari penggunaan sistem pakar, antara lain :

1. Membuat seorang yang awam dapat bekerja layaknya seorang pakar.
2. Dengan sistem pakar kita dapat bekerja dengan informasi yang tidak lengkap atau tidak pasti.
3. Menyimpan pengetahuan dan keahlian seorang pakar.
4. Sistem pakar memiliki kehandalan (reliability).
5. Memiliki kemampuan untuk memcahkan masalah yang kompleks.
6. Membuat peralatan yang kompleks lebih mudah dioperasikan karena ES (expert system) dapat melatih pekerja yang tidak berpengalaman.
7. ES (expert system) dapat bekerja dengan lebih cepat dari pada manusia. Keuntungan ini berarti mengurangi jumlah pekerja yang dibutuhkan, dan akhirnya akan mengurangi atau mereduksi biaya.
8. Menghemat waktu dalam pengambilan keputusan.
9. ES (expert system) menyediakan nasehat yang konsisten dan dapat mengurangi tingkat kesalahan.

10. Meningkatkan kapabilitas dalam penyelesaian masalah.

11. Menghemat waktu dalam pengambilan keputusan.

12. Merupakan arsip yang terpercaya dari sebuah keahlian sehingga user seolah-olah berkonsultasi langsung dengan seorang pakar.

13. Sistem pakar dapat menggantikan seorang pakar.

Kelemahan Sistem Pakar.

Selain sistem pakar memiliki beberapa keuntungan, sistem pakar juga memiliki kelemahan, antara lain :

1. Biaya yang dikeluarkan untuk membuat dan memelihara sistem sangat mahal.
2. Sulit untuk dikembangkan. Hal ini berkaitan dengan ketersediannya seorang pakar dibidangnya masing-masing.
3. Sistem bisa saja tidak membuat keputusan

Orang yang Terlibat dalam Sistem Pakar.

Untuk memahami perancangan sistem pakar, perlu dipahami mengenai siapa saja yang berinteraksi dengan sistem, mereka adalah :

1. Pakar (domain expert), adalah seorang ahli yang dapat menyelesaikan masalah yang sedang diusahakan untuk dipecahkan oleh sistem.
2. Pembangun pengetahuan (knowledge engineer), adalah seorang yang menerjemahkan pengetahuan seorang pakar dalam bentuk deklaratif sehingga dapat digunakan oleh sistem.
3. Pengguna (user), adalah seorang yang berkonsultasi dengan sistem untuk mendapatkan saran yang disediakan oleh pakar.
4. Pembangun sistem (system engineer), adalah seorang yang membuat antar muka pengguna, merancang bentuk basis pengetahuan secara deklaratif atau mengimplementasikan mesin inferensi

Kategori Masalah Sistem Pakar

Masalah-masalah yang dapat diselesaikan dengan sistem pakar, antara lain sebagai berikut:

1. Interpretasi, yaitu membuat kesimpulan atau deskripsi dari sekumpulan data mentah.
2. Prediksi, yaitu memproyeksikan akibat-akibat yang dimungkinkan dari situasi-situasi tertentu.
3. Diagnosis, yaitu menentukan sebab mal fungsi dalam situasi kompleks yang didasarkan pada gejala-gejala yang teramati.
4. Desain, yaitu menentukan konfigurasi komponen-komponen sistem yang cocok dengan tujuan-tujuan kinerja tertentu yang memenuhi kendala-kendala tertentu.
5. Perencanaan, merencanakan serangkaian tindakan yang akan dapat mencapai sejumlah tujuan dengan kondisi awal tertentu.
6. Debugging dan Repair, menentukan dan mengiterpretasikan cara-cara untuk mengatasi malfungsi.
7. Instruksi, mendeteksi dan mengoreksi defisiensidalam pemahaman domain subjek.
8. Pengendalian, untuk mengatur tingkah laku suatu environmet yang kompleks.
9. Selection, yaitu mengidentifikasi pilihan terbaik dari sekumpulan (list) kemungkinan.
10. Simulation, pemodelan interaksi antara komponen-komponen sistem.
11. Monitoring, membandingkan hasil pengamatan dengan kondisi yang diharapkan.