ARTIFICIAL INTELLIGENT

TUGAS RINGKASAN-2

SISTEM PAKAR

OLEH

HARI ASGAR
1.51.0970

DOSEN
Dr. Kusrini, M. Kom, Dr. Sukoco, M. Kom

PROGRAM S2 PASCASARJANA
PROGRAM STUDI MAGISTER TEKNIK INFORMATIKA
UNIVERSITAS AMIKOM
YOGYAKARTA
2019

1
1. Definisi system pakar[1]
 Menurut Durkin: suatu program komputer yang dirancang untuk memodelkan
kemampuan penyelesaian masalah yang dilakukan oleh seorang pakar.
 Menurut Ignizio: suatu model dan prosedur yang berkaitan, dalam suatu
domain tertentu, yang mana tingkat keahliannya dapat dibandingkan dengan
keahlian seorang pakar.
 Menurut Giarratano dan Riley: suatu sistem komputer yang bisa menyamai
atau meniru kemampuan seorang pakar.
Sistem pakar adalah sebuah program komputer yang dirancang untuk memodelkan
kemampuan menyelesaikan masalah seperti layaknya seorang pakar (human expert).
Sistem pakar yang baik dirancang agar dapat menyelesaikan suatu permasalahan
tertentu dengan meniru kerja dari para ahli di bidangnya masing-masing. Sistem pakar
terkadang lebih baik unjuk kerjanya daripada seorang pakar manusia, sehingga sistem
pakar dapat disimpulkan yaitu sebagai sebuah kepakaran yang ditransfer dari sebuah
pakar (atau sumber kepakaran yang lain) ke komputer, pengetahuan yang ada
kemudian disimpan dalam memori komputer dan pengguna dapat berkonsultasi
dengan komputer untuk suatu keperluan tertentu, lalu komputer dapat menyimpulkan
seperti layaknya seorang pakar, kemudian mnjelaskannya kepada pengguna tersebut,
dengan menyertakan alasan-alasannya.
2. Contoh aplikasi sistem pakar
1. Dendral
 Merupakan produk peneliti di Universitas Stanford.
 Dengan menggunakan pengetahuan struktur molekular dan kimia
 Berusaha mengidentifikasi struktur molekul campuran yang tak dikenal.
2. Prospector
 Membantu ahli geologi dalam mencari & menemukan hasil tambang di
bumi.
 Berisi bentuk-bentuk kandungan mineral/batu-batuan yang diperoleh dari
para ahli geologi.
3. XCON & XSEL XCON
 Membantu konfigurasi sistem komputer besar.

1
  Membantu melayani order langganan sistem komputer DEC VAX II/780 le
dalam sistem spesifikasi final yang lengkap. XSEL
 Membantu karyawan bagian penjualan dalam memilih komponen sistem
VAX (dengan pengetahuannya sistem komputer VAX II/780).
 Pengetahuan dalam XSEL membantu untuk memilih konfigurasi yang
dikehendaki, kemudian XSEL memilih CPU, memori, periferal, dalam
menyarankan paket software tertentu yang paling tepat dengan
konfigurasinya. 4. ACE (AT & T), digunakan untuk memberikan laporan
trouble-shooting dan analisis untuk perawatan kabel telepon.
3. Arsitektur system pakar
Sistem pakar terdiri dari 2 bagian pokok, yaitu: lingkungan pengembangan
(development environment) dan lingkungan konsultasi (consultation environment).
Lingkungan pengembangan digunakan sebagai pembangun sistem pakar baik dari segi
pembangun komponen maupun basis pengetahuan. Lingkungan konsultasi digunakan
oleh seseorang yang bukan ahli untuk berkonsultasi. Secara umum komponen sistem
pakar dapat ditunjukkan pada gambar 1 (Giarratano, 1993).

Gambar 1. Struktur Dasar Sistem Pakar[2]

4. Working memori
Working memory merupakan bagian dari sistem pakar yang digunakan untuk
merekam kejadian yang sedang berlangsung termasuk keputusan sementara. Bagian
ini berisi fakta-fakta masalah yang ditemukan dalam suatu proses. Fakta-fakta ini
berasal dari konsultasi. Struktur working memory akan mengikuti alur inferensi sistem
pakar tersebut.[2]

2
5. Agenda
Agenda adalah daftar prioritas prosedur yang dibuat oleh motor inferensi dan
direkam dalam working memory.[3]
6. Pengetahuan
Pengetahuan merupakan inti dari suatu sistem pakar, yaitu berupa representasi
pengetahuan dari pakar. Basis pengetahuan tersusun atas fakta dan kaidah. Fakta
adalah informasi tentang objek, peristiwa atau situasi. Kaidah adalah cara untuk
membangkitkan suatu fakta baru dari fakta yang sudah diketahui.[4]
7. Metode representasi pengetahuan
Dalam Sistem Pakar, pengetahuan yang telah di uraikan, direpresentasikan
kedalam bentuk yang dapat diproses oleh komputer. Menurut Firebaugh (1989),
terdapat empat teknik untuk representasi pengetahuan yaitu Jaringan Semantik,
frame, script dan aturan produksi atau sistem produksi.[5]
8. Kaidah produksi
Metode representasi dengan menggunakan kaidah produksi sangat umum
digunakan sebagai basis pengetahuan dalam sistem pakar jika keuntungan melebihi
kerugiannya .[6]
Dalam langkah kaidah produksi akan dituliskan beberapa perintah dalam bentuk
jika-maka (IF-THEN). Kaidah ini terdiri dari dua bagian yaitu bagian premis (IF) yang
berisi hal atau informasi yang dianggap benar dan bagian dari konklusi (THEN) yang
berisi tentang kesimpulan atau hasil dari premis yang saling berhubungan. Jika bagian
premis benar maka demikian juga konklusinya juga benar .
Kaidah produksi mempunyai bagian kondisi (IF) yang disebut bagian kanan dan aksi
(THEN) yang disebut bagian kiri.
9. Frame
Frame merupakan kumpulan pengetahuan tentang suatu objek tertentu, peristiwa,
lokasi, situasi dan lain-lain. Frame memiliki slot yang menggambarkan rincian (atribut)
dan karakteristik objek. Frame biasanya digunakan untuk merepresentasikan
pengetahuan yang berdasarkan karakteristik yang sudah dikenal yang merupakan
pengalaman-pengalaman. Dengan menggunakan frame, sangat mudah untuk
membuat inferensi tentang objek karena menyediakan basis pengetahuan yang
berasal dari pengalaman.[1]

3
10. OAV
Objek dapat berupa bentuk fisik atau konsep. Attribute adalah karakteristik atau
sifat dari objek tersebut. Nilai besaran / nilai / takaran spesifik dari attribute tersebut
pada situasi tertentu, dapat berupa numerik, string, atau bolean.[4]
11. Logika
Pada dasarnya proses logika adalah proses membentuk kesimpulan atau menarik
inferensi berdasarkan fakta yang ada. Input dari proses logika berupa premis atau fakta
yang diakui kebenarannya sehingga dengan melakukan penalaran pada proses logika
dapat dibentuk suatu inferensi atau kesimpulan yang benar pula.[1]

Gambar 2. Proses Logika

12. Metode inferensi
Mesin inferensi berperan sebagai otak dari sistem pakar.
Mesin inferensi berfungsi untuk memandu proses penalaran terhadap suatu
kondisi, berdasarkan pada basis pengetahuan yang tersedia. Di dalam mesin inferensi
terjadi proses untuk memanipulasi dan mengarahkan kaidah, model, dan fakta yang
disimpan dalam basis pengetahuan dalam rangka mencapai solusi atau kesimpulan.[1]
13. Forward Chaining
Pencocokan fakta atau pernyataan dimulai dari bagian sebelah kiri dulu (IF dulu).
Dengan kata lain penalaran dimulai dari fakta terlebih dahulu untuk menguji
kebenaran hipotesis.[1]

Gambar 3 Forward Chaining

4
14. Backward Chaining
Pencocokan fakta atau pernyataan dimulai dari bagian sebelah kanan (THEN dulu).
Dengan kata lain penalaran dimulai dari hipotesis terlebih dahulu dan untuk menguji
kebenaran hipotesis tersebut harus dicari fakta-fakta yang ada dalam basis
pengetahuan.[1]

Gambar 4 Backward Chaining

15. Ketidakpastian
Ketidakpastian merupakan suatu permasalahan karena mungkin menghalangi kita
dalam membuat suatu keputusan yang terbaik bahkan mungkin dapat menghasilkan
suatu keputusan yang buruk.[4]
16. Penyelesaian ketidakpastian
Sejumah teori yang berhubungan dengan ketidakpastian telah ditemukan
diantaranya probabilitas Klasik, probabilitas Bayes, teori Hartley yang berdasarkan
pada himpunan klasik, teori Shanon yang didasarkan pada peluang, teori Dempster-
Shafer dan teori Fazzy Zadeh.[4]
17. Probalititas
Suatu yang sudah lama sekali tetapi masih tetap sangat penting sebagai alat dalam
menyelesaikan masalah AI adalah probabilitas (Farley : 1993 :1). Probabilitas
merupakan suatu cara kuantitatif yang berhubungan dengan ketidakpastian yang telah
ada sejak abad ke-17, ketika penjudipenjudi Francis meminta bantuan dari para ahli
matematika yang terkemuka seperti Pascal, Fermat dan lainnya.[4]

5
18. Certainty Factor
Definisi menurut David McAllister, certainty factor adalah suatu metode untuk
membuktikan apakah suatu fakta itu pasti ataukah tidak pasti yang berbentuk metric
yang biasanya digunakan dalam sistem pakar. Metode ini sangat cocok untuk sistem
pakar yang mendiagnosis sesuatu yang belum pasti.
Faktor kepastian (certainty factor) diperkenalkan oleh Shortliffe Buchanan dalam
pembuatan MYCIN. Certainty Factor (CF) merupakan nilai parameter klinis yang
diberikan MYCIN untuk menunjukkan besarnya kepercayaan.[7]

PUSTAKA :
1. Victor Amrizal dan Qurrotul Aini, 2013, Kecerdasan Buatan; Halaman Moeka
Publishing
2. Agus Sasmito Aribowo dan Siti Khomsah, 2011, Sistem Pakar Dengan Beberapa
Knowledge Base Menggunakan Probabilitas Bayes Dan Mesin Inferensi Forward
Chaining: Seminar Nasional Informatika UPN
3. http://saifulrahman.lecture.ub.ac.id/files/2013/10/Sistem-Pakar-SP.pdf
diakses pada tanggal 25 september 2019
4. Hersatoto Listiyono, 2008, Merancang dan Membuat Sistem Pakar; Jurnal
Teknologi Informasi DINAMIK
5. http://contohsistempakar.blogspot.com/2014/10/sistem-pakar-representasi-
pengetahuan.html diakses pada tanggal 25 september 2019
6. http://slametgo-blog.blogspot.com/2016/01/kaidah-produksi.html diakses pada
tanggal 25 september 2019
7. http://ariecandra02.blogspot.com/2017/05/sistem-pakar-penyelesaian-
metode_64.html diakses pada tanggal 25 september 2019