ABSTRAK
Sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia kekomputer yang
dirancang untuk memodelkan pengetahuan, kemampuan menyelesaikan masalah seperti layaknya seorang
pakar. Dengan sistem pakar ini orang awam pun ampu menyelesaikan masalahnya atau hanya sekedar mencari
informasi yang berkualitas yang sebenarnya hanya dapat diperoleh dengan bantuan para ahli dibidangnya.
Sistem pakar banyak digunakan untuk nmendiagnosa penyakit, buykan hanya pada manusia dan hewan tapi
juga pada tanaman. Sistem pakar dapat membantu mendiagnosa penyakit dengan perhitungan dan juga metode
tertentu sehingga dengan mudah didapat penyakit, penyebab dan juga solusi dari penyakit yang ingin diketahui
gejalanya. Salah satu penyebab yang dijuadikan objek aplikasi sistem pakar adalah penyakit Leptospirosis
(kencing tikus). Untuk mendiagnopsa penyakit Leptospirosis (kencing tikus ) maka dibuat sistem pakar yang
mampu membuat keputusan berdasarkan data penyakit dan gejalanya yang terjadi pada penderita Leptospirosis
(kencing tikus).
penggunaannya. Martin dan Oxman dalam Kusrini membangkitkan suatu fakta baru dari fakta yang
(2006:11) menyatakan bahwa ”Sistem pakar adalah sudah diketahui.
sistem berbasis komputer yang menggunakan 2. Mesin Inferensi (Inference Engine)
pengetahuan, fakta dan teknik penalaran dalam Mesin inferensi berperan sebagai otak dari
memecahkan masalah yang biasanya hanya dapat sistem pakar. Mesin inferensi berfungsi
dipecahkan oleh seorang pakar dalam bidang untuk memandu proses penalaran terhadap suatu
tersebut”. kondisi, berdasarkan pada basis pengetahuan
Suyoto (2004:183) menjelaskan beberapan kelebihan yang tersedia. Di dalam mesin inferensi
dan kekurangan sistem pakar. Kelebihan sistem pakar terjadi proses untuk memanipulasi dan
diantaranya adalah: mengarahkan kaidah, model, danfakta yang
a. Membantu orang awam untuk menyelesaikan disimpan dalam basis pengetahuan dalam
masalah 'tanpa' bantuan para pakar. rangka mencapai solusi atau kesimpulan.
b. Meningkatkan kualitas dan produktivitas. Dalam prosesnya, mesin inferensi
c. Mampu beroperasi dalam lingkungan yang menggunakan strategi penalaran dan strategi
berbahaya. pengendalian. Strategi penalaran terdiri dari
d. Memiliki kemampuan untuk mengakses strategi penalaran pasti (Exact Reasoning)
pengetahuan dan keahlian para ahli baik dan strategi penalaran tak pasti (Inexact
yang biasa maupun yang langka. Reasoning
e. Sebagai asisten para ahli sehingga a. Forward Chaining
meringankan pekerjaan para ahli. Forward Chaining adalah metode
f. Memiliki reabilitas. pelacakan yang diawali dengan informasi atau fakta
g. Dapat menghemat waktu dalam pengambilan dan proses mencocokkan dengan kaidah berlanjut
keputusan. terus hingga menemukan kesimpulan. Gambar 1
Adapun kelemahan sistem pakar diantaranya merupakan contoh Forward Chaining. “Dalam
adalah: forward chaining, kaidah interpreter mencocokkan
a. Tidak ada jaminan bahwa sistem pakar fakta atau statemen dalam pangkalan data dalam
memuat 100% kepakaran yang diperlukan. situasi yang dinyatakan dalam bagian sebelah kiri atau
b. Pengembangan sistem pakar tergantung ada kaidah IF. Bila fakta yang ada dalapangkalan data itu
tidaknya pakar di bidangnya sehingga sudah sesuai dengan kaidah IF, maka
pengembangannya dapat terkendala. kaidahdistimulasi” (Suparman, 1991:119).
c. Biaya untuk mendesain,
mengimplementasikan dan memeliharanya
dapat sangat mahal tergantung seberapa
lengkap dan kemampuannya.
2.1.1. Ciri-Ciri Sistem Pakar
Beberapa ciri-ciri sistem pakar yaitu:
1. Terbatas pada domain keahlian tertentu
2. Dapat memberikan penalaran untuk data-data yang Gambar 1. Forward Chaining
tidak lengkap atau tidak pasti
3. Dapat menjelaskankan alasan-alasan dengan cara- Keterangan:
cara yang dapat dipahami A, B … F = Kondisi atau gejala
4. Berdasarkan pada rule atau kaidah tertentu G = Hasil diagnosis
5. Mudah dimodifilkasi Rule = Aturan
6. Basis pengetahuan dan mekanisme inferensi 2.3. Basis Data (Data Base)
terpisah Basis data terdiri atas semua fakta
7. Keluarannya bersifat anjuran yang diperlukan, dimana fakta-fakta tersebut
8. Sistem dapat mengaktifkan kaiodah secara searah digunakan untuk memenuhi kondisi dari kaidah-
yang sesuai, dituntun oleh dialog dengan kaidah dalam sistem. Basis data menyimpan semua
pengguna. fakta, baik fakta awal pada saat sistem mulai
(Jogiyanto, 2005;1) beroperasi, maupun fakta-fakta yang diperoleh pada
2.1.2. Struktur Sistem Pakar saat proses penarikan kesimpulan sedang
Komponen utama pada struktur sistem pakar dilaksanakan. Basis data digunakan untuk
menurut Huet all (1987) meliputi: menyimpan data hasil observasi dan data lain
1. Basis Pengetahuan (Knowledge Base) yang dibutuhkan selama pemrosesan.
Basis pengetahuan merupakan inti dari suatu 2.4. Antarmuka Pemakai (User Interface)
sistem pakar, yaitu berupa representasi Fasilitas ini digunakan sebagai perantara
pengetahuan dari pakar. Basis pengetahuan komunikasi antara pemakai.dengan komputer.
tersusun atas fakta dan kaidah. Fakta Antarmuka yang digunakan biasanya berupa GUI
adalah informasi tentang objek, peristiwa, yang memudahkan pengguna dalam menggunakan
atau situasi. Kaidah adalah cara untuk sistem pakar.Berdasarkan yang dijelaskan tentang
Sistem pakar mendiagnosa penyakit leptospirosis Menggunakan metode certainty factor 109
Dengan penelusuran forward chaining. Oleh : Polin Syahromi
Jurnal Riset Komputer (JURIKOM), Volume : 3, Nomor: 1, Februari 2016 ISSN : 2407-389X
struktur sistem pakar tersebut diatas, maka sistem penalaran berantai kedepan (forward chaining).
pakar dapat di ilustrasikan seperti pada gambar 2. Selanjutnya basis pengetahuan dimasukkan kedalam
komputer sehingga komputer akan berperan sebagai
ahli yang mampu mengidentifikasi gejala dan
penyakit Leptospirosis. Berikut ini pengetahuan dasar
atau informasi penyakit Leptospirosis yaitu:
Sistem pakar mendiagnosa penyakit leptospirosis Menggunakan metode certainty factor 111
Dengan penelusuran forward chaining. Oleh : Polin Syahromi
Jurnal Riset Komputer (JURIKOM), Volume : 3, Nomor: 1, Februari 2016 ISSN : 2407-389X
Sistem pakar mendiagnosa penyakit leptospirosis Menggunakan metode certainty factor 112
Dengan penelusuran forward chaining. Oleh : Polin Syahromi