76-Article Text-241-1-10-20110707 PDF
76-Article Text-241-1-10-20110707 PDF
Hersatoto Listiyono
Fakultas Teknologi Informasi, Universitas Stikubank Semarang
email : herlis@unisbank.ac.id
Abstrak : Suatu sistem pakar adalah suatu sistem komputer yang menyamai kemampuan pengambilan
keputusan dari seorang pakar. Suatu emulsi jauh lebih kuat daripada suatu simulasi yang hanya
membutuhkan sesuatu yang bersifat nyata dalam beberapa bidang atau hal. Knowledge dalam sistem pakar
mungkin saja seorang ahli, atau knowledge yang umumnya terdapat dalam buku, majalah dan orang yang
mempunyai knowledge tentang suatu bidang. Istilah sistem pakar, sistem basis-pengetahuan (knowledge-
base), atau sistem pakar basis-pengetahuan (knowledge-base) , sering digunkan dalam arti yang sama.
Kata Kunci : knowledge, User Interface Knowledge Acquisition, pelacakan
Teknologi sistem pakar ini meliputi bahasa komponen utama, yaitu basis-pengetahuan
sistem pakar, program dan perangkat keras yang (knowledge-base) yang berisi pengetahuan dan
dirancang untuk membantu pengembangan dan mesin inferensi yang menggunakan kesimpulan.
pembuatan sistem pakar. Kesimpulan tersebut merupakan respon dari
sistem pakar atas permintaan pengguna.
basis pengetahuan (knowledge-base), akusisi b. Pengetahuan sering tidak pasti dan tidak
pengetahuan, mesin inferensi, workplace, lengkap.
fasilitas penjelasan, perbaikan pengetahuan.
c. Pengetahuan sering miskin spesifikasi.
ANTARMUKA PENGGUNA (USER d. Amatir menjadi ahli secara bertahap.
INTERFACE) e. Sistem pakar harus fleksibel.
User interface merupakan mekanisme f. Sistem pakar harus transparan.
yang digunakan oleh pengguna dan sistem pakar Sejarah peneliti dibidang AI telah
untuk berkomunikasi. Sistem pakar menunjukan berulang kali bahwa pengetahuan
menampilkan pertanyaan-pertanyaan yang hanya adalah kunci untuk setiap sistem cerdas
perlu dijawab oleh pengguna. Pertanyaan- (intelligence system).
pertanyaan itu harus dijawab dengan benar dan
sesuai dengan masalah yang dihadapi pengguna. AKUSISI PENGETAHUAN (KNOWLEDGE
Antarmuka menerima jawaban dari pengguna ACQUISITION)
dan selanjutnya sistem pakar mencari dan
mencocokan ke dalam aturan sehingga diperoleh Akusisi knowledge adalah komulasi,
suatu kesimpulan. Jadi antarmuka menerima transfer dan transformasi keahlian dalam
input berupa jawaban dari pemakai dan menyelesaikan masalah dari sumber
mengubahnya kedalam bentuk yang dapat di pengetahuan kedalam program komputer. Dalam
terima oleh sistem. Selain itu antarmuka tahap ini knowledge enginer berusaha menyerap
menyajikan informasi dalam bentuk yang dapat knowledge untuk selanjutnya ditransfer ke dalam
dimengerti oleh pemakai. Menurut Mcloed basis pengetahuan (knowledge-base).
(1995 :1) , Knowledge diperoleh dari pakar dilengkapi
Pada bagian ini terjadi dialog antar dengan buku, basis data, laporan penelitian dan
program dan pemakai, yang memungkinkan pengalaman pemakai. Menurut Turban (1998 :
sistem pakar menerima instruksi dan input dari 1), terdapat tiga metode utama dalam akusisi
pemakai, juga memberikan informasi (output) pengetahuan yaitu :
kepada pemakai. a. Wawancara
BASIS PENGETAHUAN (KNOWLEDGE- Wawancara adalah metode akusisi
BASE) yang paling banyak digunakan. Dalam
metode ini melibatkan pembicaraan dengan
Basis pengetahuan tidak dapat dipisahkan pakar secara langsung dalam suatu
dari mesin inferensi. Basis pengetahuan wawancara. terdapat bentuk wawancara
(knowledge-base) mengandung pengetahuan yang dapat digunakan, masing-masing
untuk pemahaman, formulasi, dan penyelesaian bentuk wawancara tersebut mempunyai
masalah. Komponen sistem pakar ini disusun tujuan yang berbeda.
atas dua elemen dasar, yaitu fakta dan aturan. 1) Contoh Masalah (Kasus), bentuk
Fakta merupakan informasi tentang obyek dalam wawancara ini, pakar dihadapkan
area permasalahan tertentu, sedangkan aturan dengan suatu masalah nyata.
merupakan informasi tentang cara bagaimana
memperoleh fakta baru dari fakta yang telah 2) Wawancara Klasifikasi, maksud dari
diketahui. wawancara ini adalah untuk
memperoleh wawasan pakar untuk
Dalam studi kasus pada sistem berbasis domain permasalahan tertentu.
pengetahuan terdapat beberapa karakteristik
yang dibangun untuk membantu kita dalam 3) Wawancara Terarah, metode ini
membentuk serangkaian prinsip-prinsip biasanya merupakan pelengkap bagi
arsitekturnya. Prinsip tersebut meliputi : metode wawancara dengan
menggunakan contoh masalah dan
a. Pengetahuan merupakan kunci kekuatan wawancara klasifikasi. Dalam bentuk
sistem pakar. wawancara ini pakar dan knowledge
enginer mendiskusikan domain dan cara dimotori tujuan (goal driven). dalam pendekatan
menyelesaikan masalah dalam tingkat ini pelacakan mulai dari tujuan, selanjutnya
yang lebih umum dari dua metode dicari aturan yang memiliki tujuan tersebut
sebelumnya. untuk kesimpulannya. Selanjutnya proses
pelacakan menggunakan premis aturan tersebut
b. Analisis Protokol
sebagai tujuan baru dan mencari aturan lain
Dalam metode akusisi ini, pakar dengan tujuan baru sebagai kesimpulannya.
diminta untuk melakukan suatu pekerjaan
dan mengungkapkan proses pemikiran
dengan menggunakan kata-kata. Pekerjaan
tersebut direkam, dituliskan dan dianalisis.
c. Observasi Pada Pekerjaan Pakar Gambar 4. Proses Backward Chaining
Dalam metode ini, pekerjaan dalam
Sebagai contoh dari pendekatan dari
bidang tertentu yang dilakukan pakar
metode pelacakan kebelakang (backward
direkam dan diobservasi.
chaining) yaitu terdapat penderita yang
d. Induksi Aturan Dari Contoh mempunyai penyakit flu mempunyai gejala-
Metode ini dibatasi untuk sistem gejala penyakit seperti pusing, bersin, dan
berbasis aturan. Induksi adalah suatu proses demam yang di sebabkan oleh virus flu maka
penalaran dari kasus ke umum. Suatu sistem dari itu obat yang di gunakan untuk
induksi aturan diberi contoh-contoh dari menyembuhkannya yaitu mixagrif, ultraflu.
suatu masalah yang hasilnya telah diketahui. Pelacakan ke depan (forward chaining)
Setelah diberikan beberapa contoh, sistem adalah pendekatan yang dimotori data (data-
induksi aturan tersebut dapat membuat driven). dalam pendekatan ini pelacakan dimulai
aturan yang benar untuk kasus-kasus contoh. dari informasi masukan, dan selanjutnya
selanjutnya aturan dapat digunakan untuk mencoba menggambarkan kesimpulan.
menilai kasus lain yang hasilnya tidak Pelacakan kedepan mencari fakta yang sesuai
diketahui. dengan bagian IF dari aturan IF-THEN.
MESIN INFERENSI
lampu berwarna biru “. Namun demikian karena dari beberapa domain yang berbeda dan meta
berhubungan dengan pengalaman maka boleh knowledge akan menentukan dasar knowledge
jadi tidak selalu bias di percaya dan posteriori yang dapat digunakan.
knowledge dapat di sangkal berdasarkan
Selanjutnya istilah knowledge disebut
knowledge baru tanpa memerlukan kontradiksi.
sebagai knowledge. Dalam pengembangan
Knowledge dapat diklasifikasikan ke dalam tiga
sistem berbasis pengetahuan (knowledge-base),
katagori yaitu prosedural declarative knowledge,
knowledge yang telah diekstrak dipresentasikan
dan tacit Knowledge.
ke dalam bentuk yang dapat di proses oleh
Procedural knowledge berkenaan untuk komputer. Beberapa model representasi
mengetahui bagaimana melakukan sesuatu. pengetahuan yang penting (kusrini : 2006 : 1)
Sebagai contoh, knowledge tentang bagimana adalah :
mendidihkan air dalam mangkok. Deklarative
a. Jaringan Semantik (Semantic Net)
knowledge berkenaan untuk mengetahui sesuatu
itu benar atau salah. Hal ini berkenaan dengan Konsep jaringan semantik
knowledge yang menunjukan bentuk pernyataan diperkenalkan pada tahun 1968 oleh Ross
deklarasi seperti “ jangan celupkan tangan anda Quillian. Jaringan semantik merupakan
ke dalam mangkok air yang mendidih”. Tacit teknik representasi kecerdasan buatan klasik
knowledge kadang disebut juga dengan yang digunakan untuk informasi proposional
unconscious knowledge, karena tidak dapat di (Giarranto dan Riley : 1994 :1). Yang
ungkapkan dengan bahasa. Sebagai contoh dimaksud dengan informasi proposional
adalah mengetahui bagaimana memindahkan adalah pernyataan yang mempunyai nilai
tangan anda dari dalam air yang panas. Pada benar atau salah. Informasi proposional
suhu tinggi anda harus mengatakan bahwa merupakan bahasa deklaratif karena
menarik tangan anda cepat-cepat atau santai. menyatakan fakta. Komponen utama yang
mempresentasikan knowledge dalam bentuk
Dalam sistem komputer ANS (Artificial
jaringan semantik adalah simpul (node) dan
Neural System) dikaitkan dengan tacit
penghubung (link). Simpul
knowledge karena secara normal jaringan saraf
mempresentasikan obyek, konsep atau
tidak secara langsung menjelaskan
situasi. Simpul digambarkan dengan kotak
knowledgenya akan tetapi mungkin mampu jika
atau lingkaran. Penghubung
disediakan program yang sesuai. Knowledge
menghubungkan antar simpul. Penghubung
merupakan kunci utama dari sistem pakar.
dinyatakan dengan panah berarah dan diberi
Analoginya dengan ekspresi klasik dari wirth
label untuk bmenyatakan hubungan yang
adalah :
dipresentasikan.
Algoritma + Struktur Data = Program.
Dan untuk sistem pakar.
Knowledge + Inferensi = Sistem Pakar.
probabilitas Klasik, probabilitas Bayes, teori banyak diterapkan dalam logika kedokteran
Hartley yang berdasarkan pada himpunan klasik, moderen (Cutler : 1991 :1). Teorema ini
teori Shanon yang didasarkan pada peluang, lebih banyak diterapkan pada hal-hal yang
teori Dempster-Shafer dan teori Fazzy Zadeh. berkenaan dengan diagnosis secara statistik
yang berhubungan dengan probabilistik serta
PROBABILITAS DAN TEOREMA BAYES kemungkinan dari penyakit dan gejala-gejala
yang berkaitan.
a. Probabilitas
Teorema Bayes dapat dikembangkan
Suatu yang sudah lama sekali tetapi jika setelah dilakukan pengujian terhadap
masih tetap sangat penting sebagai alat hipotesis kemudian muncul lebih dari
dalam menyelesaikan masalah AI adalah sebuah evidence. Dalam hal ini maka
probabilitas (Farley : 1993 :1). Probabilitas persamaannya akan menjadi :
merupakan suatu cara kuantitatif yang
P(H|E,e) = P(H|E) P(e|E,H)
berhubungan dengan ketidakpastian yang
P(e|E)
telah ada sejak abad ke-17, ketika penjudi-
penjudi Francis meminta bantuan dari para Dimana :
ahli matematika yang terkemuka seperti e : Evidence lama.
Pascal, Fermat dan lainnya.
E : Evidence baru.
Perjudian telah jadi sangat popular
karena melibatkan uang yang sangat besar P(H|H,e) : Probabilitas hipotesis H benar
didalamnya. Pejudi menginginkan metode jika muncul evidence baru E
untuk membantu mereka dalan menghitung dari evidence lama e.
semua rintangan untuk menuju kemenangan. P(H|E) : Probabilitas hipitesis H benar
Teori probabilitas klasik pertama kali jika diberikan evidence E.
diperkenalkan oleh Pascal dan Fermat pada P(e|E,H) : Kaitan antar E jika hipotesis H
tahun 1654 (parrat : 1961 :). Kemudian benar.
banyak cara yag telah dilakukan untuk
mengerjakan probabilitas dan ada beberapa P(e|E) : Kaitan antara e dan E tanpa
cabang baru dari probabilitas yang memandang hipotesis apapun.
dikembangkan. Banyak aplikasi probabilitas Teori Dempster-Shafer
yang telah ditunjukan dalam ilmu
pengetahuan, teknik, bisnis, ekonomi, dan Teori Dempster-Shafer pertama kali
bidang-bidang lainnya. diperkenalkan oleh Dempster, yang melakukan
percobaan ketidakpastian dengan range
b. Teorema Bayes probabilities daripada sebagai probabilitas
Probabilitas Bayes merupakan salah tunggal. Kemudian pada tahun 1976 Shafer
satu cara untuk mengatasi ketidakpastian mempublikasikan teori Dempster pada buku
data dengan menggunakan formula Bayes yang berjudul Mathematichal Theory of
yang dinyatakan : Evident(Giarratano dan Riley, 2004)
P(H|E) = P(E\H). P(H) Suatu interval (Belief,Plausibility) dalam
P (E) teori Dempster-Shafer adalah total ukuran
Dimana : kekuatan evidence dalam mendukung suatu
P(H|E) : probabilitas hiotesis H jika himpunan bagian. Jika bernilai 0 maka
diberikan evidence E. mengidentifikasikan bahwa tidak ada evidence,
P(E|H) : probabilitas munculnya evidence dan bernilai 1 menunjukan adanya evidence.
E jika diketahui hipotesis H. Menurut Giarratano dan Riley, Belief dapat
P(H) : probabilitas hipotesis H tanpa diformulasikan sebagai berikut :
memandang evidence apapun. Bel() X m ( Y)
P(E) : probabilitas evidence E.
Dalam bidang kedokteran teorema
Bayes sudah dikenal tetapi teori ini lebih
121 Merancang dan Membuat Sistem Pakar
Jurnal Teknologi Informasi DINAMIK Volume XIII, No.2, Juli 2008 : 115-124 ISSN : 0854-9524
DAFTAR PUSTAKA