Sistem Pakar

Pengertian Sistem Pakar

Sistem pakar merupakan salah satu bagian dari kecerdasan buatan ( Artificial Intelligence ) Definisi pakar itu sendiri adalah sebuah program komputer yang dirancang untuk mengambil keputusan layaknya seperti keputusan yang diambil oleh seorang pakar, dimana sistem pakar menggunakan pengetahuan ( knowledge ), fakta dan teknik berfikir dalam menyelesaikan masalah masalah yang biasanya hanya dapat diselesaikan oleh seorang pakar dari bidang yang bersangkutan

Dalam pengembangannya sistem pakar, pengetahuan ( knowledge ) mungkin saja berasal dari seorang ahli atau pengetahuan dari media seperti majalah, buku, jurnal dan sebagainya Semakin banyaknya pengetahuan yang dimasukkan dalam sistem pakar, maka sistem pakar tersebut akan semakin baik dalam bertindak, sehingga hampir menyerupai pakar yang sebenarnya. Sistem pakar malahan terkadang lebih baik kerjanya daripada seorang pakar.

Tujuan Sistem Pakar

Tujuan dari sebuah sistem pakar adalah untuk mentransfer kepakaran yang dimiliki oleh seorang pakar ke dalam komputer dan kemudian kepada orang lain ( nonexpert ) Aktifitas yang dilakukan untuk memindahkan kepakaran adalah : - Knowledge Acquisition ( dari pakar atau sumber lainnya ) - Knowledge Representation ( ke dalam komputer ) - Knowledge Inferencing - Knowledge Transfering

Arsitektur Sistem Pakar

Sistem pakar disusun oleh dua bagian utama, yaitu lingkungan pengembangan ( Development environment ) dan lingkungan konsultasi ( Consultation environment ). 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 kedua bagian tersebut dapat dilihat dalam gambar di bawah ini :

Antarmuka Pengguna ( User Interface )

User Interface merupakan fasilitas yang digunakan oleh pengguna dan sistem pakar untuk berkomunikasi. Antarmuka menerima informasi dari pemakai dan mengubahnya ke dalam bentuk yang dapat diterima oleh sistem. Dengan memberikan berbagai fasilitas informasi dan berbagai keterangan yang bertujuan untuk membantu mengarahkan alur penelusuran masalah sampai ditemukannya solusi.

Basis Pengetahuan

Basis pengetahuan mengandung pengetahuan untuk pemahaman, formulasi dan penyelesaian masalah berdasarkan elemen dasar yaitu fakta dan aturan. Fakta merupakan informasi tentang objek dalam area permasalahan tertentu, sedangkan aturan merupakan informasi tentang cara memperoleh fakta baru dari fakta yang telah diketahui.

Akuisisi Pengetahuan ( Knowledge Acquisition )

Akuisisi pengetahuan merupakan akumulasi, transfer dan transformasi keahlian dalam menyelesaikan masalah dari sumber pengetahuan ( berasal dari pakar atau media seperti majalah, buku dan lainya ) kedalam program komputer. Sumber pengetahuan tersebut dijadikan dokumentasi untuk diolah, dipelajari dan diorganisasikan menjadi basis data.

Mesin Inferensi

Komponen ini mengandung mekanisme pola pikir dan penalaran yang digunakan oleh pakar dalam menyelesaikan suatu masalah. Mesin inferensi adalah program komputer yang memberikan metodologi untuk penalaran tentang informasi yang ada dalam basis pengetahuan dan dalam workplace dan juga untuk memformulasikan kesimpulan.

Terdapat dua pendekatan untuk mengontrol inferensi dalam sistem pakar, yaitu pelacakan ke belakang ( backward chaining ) dan pelacakan ke depan ( forward chaining ). Pelacakan ke belakang adalah pendekatan yang dimotori tujuan ( goal-driven), pendekatan ini pelacakan yang dimulai dari tujuan ( hipotesa ) dan selanjutnya dicari aturan aturan yang memiliki tujuan tersebut dan dicari kesimpulannya ( pembuktiannya ).
Sedangkan pelacakan ke depan adalah pendekatan yang dimotori data ( data-driven ). Dalam pendekatan ini pelacakan dimulai dari informasi masukan dan selanjutnya mencoba menggambarkan kesimpulannya.

Kedua metode inferensi tersebut dipengaruhi oleh tiga macam penelusuran, yaitu :
1. Depth-first, yaitu melakukan penelusuran kaidah secara mendalam dari simpul akar bergerak menurun ke tingkat dalam secara berurutan 2. Breadth-first search, yaitu bergerak dari simpul akar, simpul yang ada pada setiap tingkat diuji sebelum pindah ke tingkat selanjutnya. 3. Best-first search, yaitu merupakan teknik penelusuran data berdasarkan kombinasi kedua metode sebelumnya

Workplace

Workplace merupakan area dari sekumpulan memori kerja ( working memory). Workplace digunakan untuk merekam hasil hasil antara dan kesimpulan yang dicapai. Ada 3 tipe keputusan yang dapat direkam yaitu : 1. Rencana : Bagaimana menghadapi masalah 2. Agenda : Aksi aksi yang potensial yang sedang menunggu untuk dieksekusi. 3. Solusi : Calon aksi yang akan dibangkitkan

Fasilitas Penjelasan
Fasilitas penjelasan adalah komponen tambahan yang akan meningkatkan kemampuan sistem pakar. fasilitas penjelasan ini merupakan bagian dari sistem pakar yang memberikan penjelasan atas kesimpulan yang dicapai dalam suatu masalah, serta memberikan rekomendasi kepada pemakai.

Perbaikan Pengetahuan

Pakar memiliki kemampuan untuk menganalisis dan meningkatkan kinerjanya serta kemampuan untuk belajar dari kinerjanya. Kemampuan tersebut sangat penting dalam pembelajaran terkomputerisasi, sehingga program akan mampu menganalisis penyebab kesuksesan dan kegagalan yang dialaminya.

Representasi Pengetahuan

Dalam sistem pakar, pengetahuan yang telah diuraikan, dipresentasikan kedalam bentuk yang dapat diproses oleh komputer. - Jaringan Semantik Jaringan semantik merupakan jaringan data dan informasi yang menunjukan hubungan antar berbagai objek dimana informasi yang terhubung tersebut adalah informasi yang proporsional (suatu pertanyaan yang dapat bernilai benar atau salah)

Struktur jaringan semantik terdiri dari node atau simpul dan busur (arc) yang menghubungkannya. Simpul menyatakan objek dan busur sebagai links atau egde. Links dari jaringan semantik digunakan untuk menunjukan hubungan (relationship) antar simpul simpul tersebut.contohnya seperti berikut :

Forward Chaining

Suatu perkalian inferensi yang menghubungkan suatu permasalahan dengan solusinya disebut dengan rantai ( chain ). Forward chaining atau pelacakan maju berarti menggunakan himpunan aturan kondisi aksi. Dalam metode ini, data digunakan untuk menentukan aturan mana yang akan dijalankan, kemudian aturan tersebut dijalankan. Dengan kata lain, penalaran dimulai dari fakta terlebih dahulu

untuk menguji kebenaran hipotesis. Pelacakan maju mencari fakta yang sesuai dengan bagian IF dari aturan IF Then. Proses diulang sampai ditemukan suatu hasil.

Backward Chaining

Backward chaining atau pelacakan balik merupakan proses kebalikan dari forward chaining. Dalam backward chaining, penalaran dimulai dengan tujuan merunut balik ke jalur yang akan mengarahkan ke tujuan tersebut. Pelacakan balik juga disebut sebagai goal-driven reasoning, merupakan cara yang efisien untuk memecahkan masalah yang dimodelkan sebagai masalah pemilihan terstruktur. Tujuan dari inferensi ini adalah mengambil pilihan terbaik dari banyak pilihan lain. Dengan kata lain, penalaran dimulai dari hipotesis terlebih dahulu dan untuk menguji kebenaran hipotesis tersebut, harus dicari fakta fakta yang ada dalam basis pengetahuan. Metode inferensi pelacakan balik ini cocok digunakan untuk memecahkan masalah diagnosis.

Contoh Aplikasi Sistem pakar