Basis Pengetahuan untuk

Sistem Pakar
Abstrak
Paper ini membahas mengenai basis pengetahuan yang ada dalam sistem pakar.
Basis pengetahuan merupakan satu komponen yang sangat penting dalam sistem
pakar karena menyimpan semua pengetahuan yang akan dipakai sebagai dasar
pengambilan keputusan. Dalam basis pengetahuan, ada beberapa pengertian yang
perlu dipahami dalam kaitannya untuk memahami bagaimana seharusnya suatu
basis pengetahuan berbentuk dan bekerja. Selain itu, proses-proses yang terjadi
juga perlu diperhatikan karena akan mempengaruhi keseluruhan struktur basis
pengetahuan.
Dari paper ini diharapkan didapatnya ilmu mengenai basis pengetahuan dan konsepkonsep yang berkaitan dengannya, dan juga akan melahirkan pemikiran-pemikiran
baru untuk memahami dan mengimplementasikan basis pengetahuan dengan lebih
baik.
A.
Pendahuluan
Secara umum, basis pengetahuan (knowledge base) adalah suatu bentuk basis data
tertentu yang digunakan dalam manajemen pengetahuan (knowledge management).
Basis pengetahuan berperan dalam proses mengumpulkan, mengorganisasikan,
maupun mendapatkan kembali suatu pengetahuan (knowledge).
Dalam sistem pakar (expert system), basis pengetahuan merupakan satu komponen
yang sangat penting. Basis pengetahuan menyimpan semua pengetahuan yang
dimiliki oleh pakar yang berkompeten dalam bidang yang berkaitan. Basis
pengetahuan adalah dasar pengambilan keputusan dalam suatu sistem pakar, di
mana pengambilan keputusan ini berkaitan dengan proses untuk mendapatkan
kembali pengetahuan yang sebelumnya telah dikumpulkan dan disimpan.
Tulisan ini membahas mengenai basis pengetahuan dalam kaitannya dengan sistem
pakar, serta hal-hal lain yang berkaitan dengan basis pengetahuan.

B.

Isi

1.
Pengetahuan
Sebelum kita mulai membahas mengenai basis pengetahuan, maka terlebih dulu
akan kita tinjau mengenai pengetahuan dan semua hal yang berkaitan dengannya.
Menurut Davenport dan Prusak (1998), ada perbedaan pengertian mengenai data,
informasi, dan pengetahuan.

1.1. Data
Data adalah suatu kumpulan fakta-fakta diskrit yang obyektif mengenai suatu
kejadian[1]. Dalam contoh yang diberikan oleh Davenport dan Prusak, data
merupakan gambaran dari transaksi yang dilakukan seseorang (misalnya di pompa
bensin). Data berkaitan dengan berapa uang yang dibayarkan dan berapa liter
bensin yang diberikan, namun tidak berlaku lebih jauh lagi. Data tidak dapat

menggambarkan bagaimana kualitas pompa bensin tersebut dan kapan si pelanggan

tersebut akan kembali ke sana.
1.2. Informasi
Sementara itu, informasi adalah hasil dari pengolahan data. Informasi adalah data
yang membuat suatu perbedaan[2], di mana tujuan informasi adalah untuk
mengubah pandangan seseorang atau membuatnya menjadi berbeda (dibandingkan
sebelum mendapatkan informasi). Menurut Peter Drucker, informasi memiliki makna
(meaning) yang ditimbulkan oleh relevansi dan tujuan yang diberikan oleh
penciptanya.
1.3. Pengetahuan
Pengetahuan merupakan bentuk lebih lanjut dari informasi. Pengetahuan merupakan
campuran yang bebas antara informasi konstekstual, nilai-nilai, dan pengalaman
yang telah terekspresikan, serta pemahaman pakar, yang memberikan suatu
kerangka kerja untuk mengevaluasi dan memasukkan informasi dan pengalamanpengalaman baru[3].
Ada beberapa ciri-ciri pengetahuan (menurut buku yang ditulis Von Krogh, Ichiyo,
serta Nonaka 2000). Yang pertama, pengetahuan merupakan kepercayaan yang
dibenarkan (justified true believe). Seseorang membenarkan kepercayaannya
berdasarkan pada observasinya terhadap dunia, di mana ia menciptakan suatu
pemahaman mengenai situasi baru dengan berpegang pada kepercayaan yang telah
dibenarkan tersebut. Dengan demikian, kebenaran lebih merupakan konstruksi akan
kenyataan, dan bukannya sesuatu yang benar secara abstrak.
Ciri yang kedua pada pengetahuan adalah sifatnya yang eksplisit sekaligus juga
terbatinkan (tacit). Sementara beberapa pengetahuan bersifat eksplisit dan mudah
digambarkan, diformulasikan, maupun diekspresikan; ada pula pengetahuanpengetahuan lain yang berkaitan dengan perasaan, keterampilan dan bentuk bahasa
utuh, persepsi pribadi, pengalaman fisik, petunjuk praktis (rule of thumb) dan
institusi. Pengetahuan-pengetahuan ini sulit sekali untuk disampaikan kepada pihak
lain.
Yang ketiga, penciptaan pengetahuan secara efektif bergantung pada konteks yang
memungkinkan terjadinya penciptaan tersebut, yaitu ruang bersama yang dapat
memicu hubungan-hubungan yang muncul. Dan yang terakhir, penciptaan
pengetahuan melibatkan lima langkah utama. Kelima langkah itu adalah:

Berbagi pengetahuan terbatinkan

Menciptakan konsep
Membenarkan konsep
Membangun prototip (prototype)
Melakukan penyebaran pengetahuan di berbagai fungsi dan tingkat di
organisasi.
Hubungan antara data, informasi, dan pengetahuan dapat dilihat pada gambar
berikut.

Gambar 1. Data, Informasi, dan Pengetahuan.

2.
Basis Pengetahuan
Menurut Gondran (1986) dalam Utami (2002), basis pengetahuan merupakan
representasi dari seorang pakar, yang kemudian dapat dimasukkan kedalam bahasa
pemrograman khusus untuk kecerdasan buatan (misalnya PROLOG atau LISP) atau
shell sistem pakar (misalnya EXSYS, PC-PLUS, CRYSTAL, dsb.)
Basis pengetahuan berisi pengetahuan-pengetahuan pakar berupa fakta-fakta,
konsep, aturan, prosedur, dan hubungan di antaranya, yang telah direpresentasikan
dalam bentuk yang dimengerti oleh sistem. Basis pengetahuan dibutuhkan untuk
memahami, memformulasikan, dan memecahkan masalah yang dihadapi oleh
sistem, di sini basis pengetahuan berfungsi sebagai sumber referensi untuk
mengambil suatu tindakan. Semakin banyak pengetahuan yang dimiliki oleh suatu
basis pengetahuan, maka sistem tersebut akan semakin mendekati sifat cerdas,
dengan kata lain kemampuan sistem akan semakin mendekati kemampuan pakar.

Gambar 2. Basis Pengetahuan sebagai salah satu komponen Sistem Pakar.

Feigenbaum (1977) menyatakan bahwa kesuksesan dari suatu sistem pakar tidaklah
bergantung pada kecanggihan strategi penalaran ataupun inferensinya, namun pada
jumlah informasi yang dikandungnya mengenai bagaimana simbol-simbol
diinterrelasikan, yaitu jumlah pengetahuan yang dimilikinya[4]. Prinsip ini adalah
prinsip pengetahuan (knowledge principle), yang merupakan perluasan dari hipotesis
simbol fisik (physical symbol hypothesis) dari Newell dan Simon (1981). Hipotesis
simbol fisik menganggap bahwa pengetahuan terdiri dari simbol-simbol realitas dan
relasi antara simbol-simbol ini, serta bahwa inteligensi adalah manipulasi logis yang
sesuai terhadap simbol-simbol dan relasinya[5].
Basis pengetahuan menyimpan pengetahuan yang terdiri dari dua elemen dasar.
Elemen dasar pertama adalah fakta, yang dalam hal ini merupakan situasi, kondisi,
dan kenyataan dari permasalahan, serta juga teori dalam bidang yang berkaitan
serta informasi dari obyek. Yang kedua adalah spesial heuristik yang merupakan
informasi mengenai cara untuk membangkitkan fakta baru dari fakta yang sudah
diketahui. Dalam sistem berbasis-aturan (rule-based system), elemen kedua ini
berupa kaidah atau aturan (rule).
Meskipun seringnya fakta dan aturan dalam basis pengetahuan memiliki nilai
kebenaran yang tegas (crisp), namun ada kalanya representasi seperti ini tidaklah
dapat mencerminkan pengetahuan secara baik. Dalam hal ini, ada kalanya
pengetahuan yang dipakai dibentuk dengan suatu nilai kepastian (certainty value),
yang nilainya berkisar dari nol (pasti salah) hingga satu (pasti benar). Nilai kepastian
ini menggunakan konsep yang sama dengan yang ada dalam Logika Fuzzy.

Pengembangan suatu basis pengetahuan dimulai dari pembelajaran ontologi, atau

konstruksi ontologi, yang bertujuan menangkap pengetahuan menjadi format yang
dapat digunakan dalam sistem. Langkah selanjutnya adalah mempopulasikan basis
pengetahuan, yaitu mendapatkan instans-instans untuk mengisi basis pengetahuan.
Ini merupakan langkah yang penting, yang mana tujuannya menggunakan ontologi
sebagai indeks untuk memori organisasi.

Gambar 3.Suatu Siklus Dasar untuk Pengembangan Basis Pengetahuan.

Rekayasa pengetahuan (knowledge engineering) melibatkan beberapa proses, yaitu
akuisisi pengetahuan (knowledge acquisition), validasi pengetahuan (knowledge
validation), representasi pengetahuan (knowledge representation), inferensi
pengetahuan (knowledge inferencing), dan transfer pengetahuan (knowledge
transferring). Dari semua proses ini, yang merupakan pembentukan basis
pengetahuan adalah akuisisi pengetahuan dan representasi pengetahuan, beserta
validasi pengetahuan yang berfungsi untuk menjaga kualitas pengetahuan yang
disimpan.

Gambar 4.Proses Rekayasa Pengetahuan.

Akuisisi pengetahuan merupakan proses pengumpulan informasi dari sumbersumber yang tersedia, yang dapat berupa kepakaran seseorang maupun kepakaran
laten (yang tersimpan dalam bentuk materi cetakan). Sementara representasi
pengetahuan merupakan proses untuk mengilustrasikan pengetahuan yang telah
didapat dari proses akuisisi pengetahuan.

3.
Akuisisi Pengetahuan
Dalam akuisisi pengetahuan, perekayasa (engineer) bertindak sebagai jembatan
antara pakar (expert) dengan basis pengetahuan. Perekayasa mendapatkan
pengetahuan dari pakar, dan bersamanya menaruhnya pengetahuan tersebut dalam
basis pengetahuan.
Ada beberapa cara untuk melakukan akuisisi pengetahuan. Yang pertama adalah
dengan cara manual, di mana dalam cara ini perekayasa mendapatkan pengetahuan

dari sumber, dan lalu mengkodekannya ke dalam basis pengetahuan. Cara ini
merupakan cara yang mahal dan tidak efisien, serta juga kadangkala tidak akurat.
Cara yang kedua adalah cara semi-otomatik. Di sini terdapat peran komputer untuk
mendukung pakar, di mana pakar diizinkan untuk membangun basis pengetahuan
tanpa (atau dengan sedikit) bantuan dari perekayasa. Komputer di sini juga berperan
untuk membantu perekayasa dalam kerjanya membangun basis pengetahuan.
Sementara yang ketiga adalah cara otomatik. Di sini peran pakar, perekayasa,
maupun pembangun basis pengetahuan atau sistem (system builder) digabung.
Contohnya adalah metode induksi.

Gambar 5.Metode Akusisi Pengetahuan dengan (a) manual, (b) akuisisi

terkendali-pakar, dan (c) induksi.
Kesulitan dalam proses akuisisi pengetahuan adalah kesulitan pakar untuk
mengkomunikasikan pengetahuan-pengetahuan dasarnya. Ini berkaitan dengan sifat
pengetahuan itu sendiri (yang seperti telah dijelaskan di atas, adalah eksplisit
sekaligus terbatinkan). Seperti yang dikatakan oleh Waterman (1981): suatu
pengetahuan dasar diasumsikan dan dikombinasikan begitu cepatnya sehingga
sulitlah baginya (pakar) untuk mengambarkan prosesnya[6]. Beberapa teknik
canggih telah dikembangkan untuk memfasilitasikan proses untuk mendapatkan
dasar pengetahuan, seperti AQUINAS, Boose dan Bradsaw 1987; dan NEXTRA dari
Neuron Data, Rappaport dan Gaines 1988.

4.
Representasi Pengetahuan
Representasi pengetahuan merupakan kelanjutan dari proses akuisisi pengetahuan.
Setelah pengetahuan berhasil disarikan dari pakar, maka selanjutnya yang dilakukan
adalah merepresentasikan bentuk-bentuk pengetahuan tersebut menjadi bentuk
yang dikenali oleh sistem (komputer).
Beberapa cara yang dapat digunakan untuk merepresentasikan bentuk ini antara
lain jaringan semantik (semantic net), bingkai (frame), aturan produksi (production
rule), logika (logic), bahasa natural (natural language), dan sistem basis data
(database system).
Representasi pengetahuan dimaksudkan untuk menangkap sifat-sifat penting suatu
pengetahuan agar dapat diakses dan digunakan dalam metode pemecahan masalah.
Bahasa
representasi
haruslah
mampu
membuat
seorang
pemrogram
mengekspresikan pengetahuan yang diperlukan untuk mendapatkan solusi
permasalahan.

Representasi pengetahuan yang baik haruslah memiliki sifat-sifat berikut:

Mengemukakan hal secara eksplisit
Membuat masalah menjadi transparan
Komplit dan efisien
Menampilkan batasan-batasan alami yang ada
Menekan dan menghilangkan detil-detil yang diperlukan
Dapat dilakukan komputasi terhadapnya (memiliki batasan).
Representasi pengetahuan dikelompokkan ke dalam empat jenis, yaitu:
Representasi Logika
Representasi jenis ini menggunakan
melakukan representasi.

ekspresi-ekspresi

logika

formal

dalam

Representasi Prosedural
Sementara jenis kedua ini menggambarkan pengetahuan sebagai kumpulan instruksi
untuk memecahkan suatu problema.
Representasi Jaringan (Network)
Representasi ini menangkap pengetahuan sebagai suatu graf di mana simpulsimpulnya merupakan obyek atau konsep dari problema yang dihadapi, sementara
garisnya (edge) menggambarkan hubungan di antara mereka.
Representasi Terstruktur
Dalam representasi ini, jaringan diperluas dengan cara membuat tiap simpulnya
menjadi sebuah struktur data kompleks.
Prinsip representasi pengetahuan adalah jika suatu permasalahan dideskripsikan
dengan menggunakan representasi yang tepat, maka dapat dipastikan bahwa
masalah tersebut dapat diselesaikan.

5.
Ontologi
Kunci dari suatu basis pengetahuan adalah ontologi, yaitu sistem konsep-konsep
yang terorganisir yang menjadikan sesuatu yang ada dalam domain menjadi
eksplisit[7]. Ontologi merupakan spesifikasi dari suatu konseptualisasi, atau suatu
teori logis yang memberikan suatu akun eksplisit yang parsial dari suatu
konseptualisasi[8]; atau bahkan sinonim dari konseptualisasi itu sendiri.
Ontologi digunakan untuk menjelaskan mengenai properti dari suatu domain, dan
juga untuk mendefinisikan domain tersebut.
Komponen-komponen dari ontologi antara lain:

Konsep (concept) digunakan dalam pemahaman yang luas. Sebuah konsep

dapat sesuatu yang dikatakan, sehingga dapat pula merupakan penjelasan
dari tugas, fungsi, aksi, strategi, dan sebagainya.
Relasi (relation) merupakan representasi sebuah tipe dari interaksi antara
konsep dari sebuah domain. Secara formal dapat didefinisikan sebagai subset
dari sebuah pruduk dari n set,

Sebagai contoh dari relasi biner termasuk subclass-of dan connected-to.

Fungsi (function) adalah sebuah relasi khusus di mana elemen ke-n dari relasi
adalah unik untuk elemen ke-(n-1).

Contohnya adalah Mother-of.

Aksioma (axiom) digunakan untuk memodelkan sebuah kalimat yang selalu
benar.
Instans (instance) digunakan untuk merepresentasikan elemen.
Menurut Tom Gruber dari Stanford University, makna ontologi dalam konteksnya di
ilmu komputer adalah suatu deskripsi konsep dan relasi yang ada dalam suatu agen
maupun komunitas agen[9].
Sebuah ontologi memberikan pengertian untuk penjelasan secara eksplisit dari
konsep terhadap representasi pengetahuan pada sebuah basis pengetahuan
(Bernaras, proyek KACTUS). Sementara menurut proyek SENSUS, Sebuah ontologi
adalah sebuah struktur hirarki dari istilah untuk menjelaskan sebuah domain yang
dapat digunakan sebagai landasan untuk sebuah basis pengetahuan.

6.
Sistem Perbaikan Pengetahuan
Sistem Perbaikan Pengetahuan (Knowledge Refining System) merupakan suatu
sistem untuk memperbaiki kinerja sistem pakar. Dengan sistem ini, pakar dapat
melakukan analisis kinerja, lalu melakukan pembelajaran, dan kemudian
meningkatkannya pada konsultasi berikutnya.
Pada pembelajaran mesin, tujuan dari perbaikan basis pengetahuan (knowledge
base refinement) adalah meningkatkan performa sistem dengan pembelajaran
empiris, di mana performa sistem diukur dari jumlah kesalahan yang terdeteksi
ketika sistem dieksekusi untuk kasus-kasus yang ada dalam pustaka sistem.

C.
Penutup
Basis pengetahuan merupakan jantung dari suatu sistem pakar. Tanpa adanya basis
pengetahuan, sistem tidak dapat memberikan rekomendasi yang benar, karena ia
tidak memiliki dasar untuk mengambil tindakan.
Basis pengetahuan tergantung dari beberapa konsep dan proses, antara lain
pengertian dari pengetahuan serta ontologi dalam basis pengetahuan itu sendiri.
Proses akuisisi serta representasi pengetahuan juga berperan memberikan suatu
bentuk terhadap basis pengetahuan itu sendiri, yang pada akhirnya semua ini akan
menentukan bagaiman kesimpulan yang akan diambil oleh sistem.
Basis pengetahuan yang baik juga dapat melakukan perbaikan dalam dirinya untuk
meningkatkan kinerjanya.