TOPIK KHUSUS TEKNOLOGI INFORMASI

Sistem Pakar
dan Certainty Factor pada Sistem Pakar

Oleh:
Putu Marta Trisna Basudewa

1104505102

JURUSAN TEKNOLOGI INFORMASI

FAKULTAS TEKNIK
UNIVERSITAS UDAYANA
2014
1. 1 Pengertian Sistem Pakar

Sistem pakar adalah program komputer yang menggunakan pengetahuan pakar untuk
mencapai tingkat kinerja yang tinggi pada area yang sempit (Waterman, 1986). Secara umum, sistem
pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer
dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli (Sri Kusumadewi, 2003, hal
109).
Pakar yang dimaksud disini adalah orang yang mempunyai keahlian khusus yang dapat
menyelesaikan masalah yang tidak dapat diselesaikan orang awam. Sebagai contoh, dokter adalah
seorang pakar yang mampu mendiagnosis penyakit yang diderita pasien serta dapat memberikan
penatalaksanaan suatu penyakit. Contoh yang lain, montir adalah seorang yang mempunyai keahlian
dan pengalaman dalam menyelesaikan kerusakan mesin motor/mobil; psikolog adalah orang yang ahli
dalam memahami kepribadian seseorang, dan lain-lain.

1.2 Konsep Dasar Sistem Pakar

Menurut Turban (1995), konsep dasar sistem pakar mengandung keahlian, ahli, pengalihan
keahlian, inferensi, aturan, dan kemampuan menjelaskan. Keahlian adalah suatu kelebihan
penguasaan pengetahuan di bidang tertentu yang diperoleh dari pelatihan, membaca, atau
pengalaman.
Pengalihan keahlian dari para ahli ke komputer untuk kemudian dialihkan lagi ke orang lain
yang bukan ahli merupakan tujuan utama dari system pakar. Proses ini membutuhkan empat aktivitas,
yaitu: tambahan pengetahuan (dari para ahli atau sumber-sumber lainnya), representasi pengetahuan
(ke komputer), inferensi pengetahuan, dan pengalihan pengetahuan ke user. Pengetahuan yang
disimpan di komputer disebut dengan nama basis pengetahuan. Ada dua tipe basis pengetahuan, yaitu:
fakta dan prosedur (biasanya berupa aturan).
Salah satu fitur yang harus dimiliki oleh sistem pakar adalah kemampuan untuk menalar. Jika
keahlian-keahlian sudah tersimpan sebagai basis pengetahuan dan sudah tersedia program yang
mampu mengakses basis data, maka komputer harus dapat diprogram untuk membuat inferensi.
Proses inferensi ini dikemas dalam bentuk motor inferensi (inference engine).
Sebagian besar sistem pakar komersial dibuat dalam bentuk rule-based sistems, yang mana
pengetahuan disimpan dalam bentuk aturan-aturan. Aturan tersebutbiasanya berbentuk IF-THEN
(Kusumadewi, 2003, hal: 111-112).

1.3 Komponen Sistem Pakar

Sistem pakar memiliki beberapa komponen. Komponen-komponen sistem

pakar

berfungsi untuk membangun sebuah basis data pengetahuan (knowledge database) yang akan
digunakan oleh para pembuat keputusan.
Komponen utama sistem pakar adalah :
a. User interface, yaitu tampilan media yang digunakan untuk memungkinkan komunikasi
antara sistem dengan pemakainya, misalnya adalah tampilan layar dan menu pilihan.
Komponen ini memungkinkan para pembuat keputusan untuk memasukkan perintah dan
informasi ke dalam sistem dan mengambilnya.
b. Inference engine, yaitu bagian sistem pakar yang berfungsi untuk melakukan penalaran.
Penalaran adalah penggunaan berbagai rumus dengan urutan logis. Komponen ini dapat
mengambil kesimpulan atau dapat belajar dari berbagai keputusan yang sudah diambil.
c. Knowledge base, yaitu basis data yang berisi kumpulan pengetahuan para pakar yang
dapat diakses oleh beragam pembuat keputusan. Knowledge base terdiri atas fakta dan
pengetahuan. Fakta berisi berbagai informasi mengenai problem domain atau kelompok
masalah. Pengetahun adalah kumpulan berbagai cara untuk memasukkan fakta ke dalam
suatu urutan logika untuk memecahkan masalah.

2.1 Certainty factor

Faktor kepastian diperkenalkan oleh Shortliffe Buchanan dalam pembuatan MYCIN
( Wesley, 1984 ). Certainty factor merupakan nilai parameter klinis yang diberikan oleh
MYCIN untuk menunjukkan besarnya kepercayaan. Certainty factor didefinisikan sebagai
berikut :
CF(H,E) = MB(H,E) MD(H,E)

CF(H,E) : certainty factor dari hipotesis H yang dipengaruhi oleh gejala (evidence) E.
Besarnya CF berkisar antara 1 sampai dengan 1. Nilai 1 menunjukkan ketidakpercayaan
mutlak sedangkan nilai 1 menunjukkan kerpercayaan mutlak.
MB(H,E) : ukuran kenaikan kepercayaan (measure of increased belief) terhadap hipotesis H
yang dipengaruhi oleh gejala E.
MD(H,E) : ukuran kenaikan ketidakpercayaan (measure of increased disbelief) terhadap
hipotesis H yang dipengaruhi oleh gejala E.
Metode ini sangat cocok untuk sistem pakar yang mendiagnosis sesuatu yang belum pasti.
Penggunaan faktor kepastian dilakukan untuk:

1.

Menentukan pengukuran fakta kepercayaan awal yang akan diberikan oleh setiap
pengguna,

2.

Menentukan pengukuran kepercayaan pada kesimpulan atau keputusan yang diperoleh

dari aturan; ahli menentukan aturan nilai ini,

3.

Menentukan pengukuran fakta kepercayaan dan hasil yang diperoleh sepanjang proses
penalaran dari hasil eksekusi aturan,

4.

Mengatur pengukuran fakta kepercayaan atau hasil yang diperoleh dari aturan yang

berbeda tetapi menghasilkan kesimpulan yang sama.

Daftar Pustaka
Giarattano, J. & Riley, G., Expert System Principles and Programming, PWS Publishing
Company, Boston. 1994.
Heckerman, D., Probabilistic Interpretations for Mycins Certainty Factors, Elsevier science
Publishers B.V., North-Holland. 1986.