Makalah
Sistem Informasi Manajemen
Dosen Pengampu :
Barkah Susanto, S.E., M.Sc.
Disusun Oleh :
Kirana Christanty 16.0102.0008
Gathfany Burhanudin Rabbany 16.0102.0013
Puput Widyaningsih 16.0102.0030
Fifit Nur Walyati 16.0102.0040
Siti Rochmatilah 16.0102.0052
Fadhil Safiq Huda 16.0102.0057
Intan Ayu Pangestika 16.0102.0083
1. SISTEM PAKAR
a. Pengertian Sistem Pakar
Sistem pakar (SP) atau expert system (ES) adalah sistem informasi
yang berisi dengan pengetahuan dari pakar sehingga dapat digunakan
untuk konsultasi. Sistem pakar ini dapat berisi dengan pengetahuan
(knowledge) dari satu atau lebih pakar. Pengetahuan dari pakar di
dalam sistem ini digunakan sebagai dasar oleh sistem pakar untuk
menjawab pertanyaan (konsultasi). Sistem pakar sangat berguna
karena beberapa hal, yaitu:
Sistem pakar selalu tersedia di organisasi, sedang pakar belum
tentu selalu berada di tempat. Sistem pakar dapat menyimpan dan
mengingat pengetahuan yang sangat tidak terbatas dan tidak kenal
lelah.
b. Cara Kerja Sistem Pakar
Pengetahuan (knowledge) di dalam sistem pakar diwakili oleh
aturan-aturan (rules). Aturan satu dengan aturan lain dihubungkan
membentuk diagram pohon. Sistem pakar akan memproses aturan-
aturan ini. Komponen sistem pakar yang memproses ini adalah
inference engine. Ada dua cara inference engine memproses aturan-
aturan ini, yaitu dengan cara forward reasoning dan backward
reasoning.
Dengan cara forward reasoning atau disebut juga dengan cara
forward chaining, aturan-aturan diperiksa satu persatu urut mulai dari
muka (forward). Setiap aturan (rule) yang diperiksa, inference engine
akan mengevaluasi apakah aturan ini berkondisi benar atau salah.
Berdasarkan hasil dari evaluasi ini, aturan berikut akan diperiksa
sesuaai urutannya di diagram pohon. Setiap aturan yang diperiksa
dikatakan ini di-fired (rule in fired).
Dengan cara backforward reasoning atau disebut juga dengan
backward chaining atau reverse reasoning, inference engine akan
menganggap aturan sebagai suatu masalah atau hipotesis yang akan
diselesaikan permasalahannya. Inference memeriksa aturan mulai dari
aturan-aturan terakhir yang memberikan hasil.
Manfaat dengan adanya sistem pakar, antara lain :
Memungkinkan orang awam bisa mengerjakan pekerjaan para
ahli.
Bisa melakukan proses secara berulang secara otomatis.
Menyimpan pengetahuan dan keahlian para pakar.
Meningkatkan output dan produktivitas.
Meningkatkan kualitas.
Mampu mengambil dan melestarikan keahlian para pakar
(terutama yang termasuk keahlian langka).
Mampu beroperasi dalam lingkungan yang berbahaya.
Memiliki kemampuan untuk mengakses pengetahuan.
Meningkatkan kapabilitas sistem komputer.
Memiliki kemampuan untuk bekerja dengan informasi yang
tidak lengkap dan mengandung ketidakpastian.
Sebagai media pelengkap dalam pelatihan.
Meningkatkan kapabilitas dalam penyelesaian masalah.
Menghemat waktu dalam pengambilan keputusan.
Kelemahan yang dimiliki sistem pakar antara lain :
Biaya yang diperlukan untuk membuat dan memeliharanya sangat
mahal.
Sulit dikembangkan. Hal ini tentu saja erat kaitannya dengan
ketersediaan pakar di bidangnya.
Sistem Pakar tidak 100% bernilai benar.
c. Komponen-Komponen Sistem Pakar
Sistem pakar mempunyai lima komponen utama yaitu
1. User interface
Merupakan media yang digunakan oleh pakar untuk
berhubungan input (menerima data dan pertanyaan konsultasi) dan
output (menghasilkan jawaban) dengan pemakainya. Umumnya
interface yang dipakai oleh sistem pakar adalah keyboard dengsn
monitor. Dimasa depan, penghubung ini harus dalam bentuk
multimedia, sehingga pemakai sistem pakar dapat berhubungan
dengan sistem pakar lewwt komunikasi suara.
2. Interface engine
Perangkat lunak di sistem pakar yang akan mengevaluasi
aturan-aturan (rules) yang disediakan oleh knowledge base dengan
urutan-urutan tertentu untuk memberikan jawaban dari pertanyaan-
pertanyaan pemakai sistem dan alasan konsultasi dengan pemakai
sistem. Interface engine dspat dibangun dengan menggunakan
bahasa pemrograman umum.
3. Knowledge base (basis pengetahuan)
Bentuk dari aturan-aturan (rules) yang berkaitan satu
dengan yang lainnya. Pengetshuam disimpan di knowledge base ini
diambil dsri kepandaian pakar. Jika kepandaian seorang pakar
belum didokumentasikan, maka diperlukan keahlian khusus untuk
dapat mengambilnya. Orqng yang ahli dibidang mengambil
pengetahuan pakar disebut knowledge enginer. Proses dari
pengambilan ini disebut dengan knowledge enginering atau
knowledge acquusition/extraction.
d. Sistem Pakar dan Multimedia
Proses interaksi antara pemakai dengan sistem menggunakan
interface keyboard untuk kasus-kasus tertentu dianggap kurang efektif.
Oleh karena itu pemakaian multimedia akan menjadi interface yanf
efektif seperti kemasukan data ke sistem pakar lewat media suara dan
sistem pakar memberikan hasil juga dengan media suara.
e. Kelebihan Dan Kekurangan Sistem Pakar
1. Kelebihan sistem pakar
Memberikan pengambilan keputusan yang lebih baik untuk
manajer
Memberikan solusi tepat waktu
Pelayanan konsumen yang lebih baik
Menyimpan pengetahuan di organisasi
2. Kekurangan-kekurangan sistem pakar
Sistem pakar hanya dapat menangani pengetahuan yang
konsisten
Sistem pakar tidak dapat menangani hal yang bersifat
judgement
Forward knowledge base sistem pakar terbatas
Aplikasi sistem pakar dibisnis sangat terbatas.
f. Aplikasi-Aplikasi Sistem Pakar Bisnis
Berikut ini adalah contoh aplikasi-aplikasi sistem pakar di bisnis.
1. Untuk keputusan manajemen
Analisis pinjaman
Evaluasi kinerja perusahaan
2. Diagnosis
Analisis varian
Diagnostik program perangkat lunak
3. Penjadwalan
Penjadwalan produksi
Perjadwalan proyek
4. Konfigurasi
Konfigurasi komputer yang diinginkan
Konfigurasi susunan pabrik
5. Pemilihan
Pemilihan materi bahan mentah
Pemilihan mesin
6. Pengendalian
Pengendalian mesin produksi
Pengendalian sediaan
7. Internal audit
Pemeriksaan kas
Pemeriksaan piutang dagang
8. Pajak
Pengisian SPT
g. Pengembangan Sistem Pakar
Pengembangan sistem pakar melibatkan empat pihak, yaitu analis
sistem, knowledge engineer, pakar dan pemakai sistem. Keempat
pihak ini akan terlibat dalam tahapan pengembangan sistemnya
sebagai berikut :
1. Studi awal
Studi awal bertujuan untuk mempelajari domain dari
permasalahan dan kelayakan apakah dapat dibuatkan sistem pakar
atau tidak. Studi ini dilakukan oleh analis sistem.
2. Penilaian perangkat lunak
Penilaian perangkat lunak yaitu menentukan perangkat
lunak yang digunakan, apakah akan membangun sendiri inference
engineatau menggunakan ES shell. Tahap ini dilakukan oleh analis
sistem bersama dengan pemakai sistem.
3. Pemilihan pakar
Pemilihan pakar merupakan tahap yang akan diambil
pengetahuannya. Tahap ini dilakukan oleh analis sistem bersama
dengan pemakai sistem.
4. Pengambilan pengetahuan
Pada tahap ini dilakukan oleh analis sistem bersama dengan
knowledge engineer dan pemakai sistem. Tahap ini dilakukan
dengan mengumpulkan dokumen-dokumen yag ada dan
mewawancarai pakar yang akan diambil pengetahuannya.
5. Membangun sistem pakar
Tahap ini melibatkan empat pihak dengan langkah sebagai berikut :
- Mengidentifikasi sasaran (goal).
- Mengidentifikasi atribut item-item dan nilai-nilainya.
- Menderivasi aturan-aturan.
- Membuat propotip.
6. Menguji sistem
Tahap ini dilakukan oleh analis sistem, pakar (untuk
memberikan komentar apakah sudah sesuai dengan pengetahuan
yang diambil darinya) dan pemakai sistem (karena yang akan
menggunakan sistem itu).
7. Mengimplementasikan sistem
Sistem pakar yang sudah diuji dan diterima kemudian
diimplementasikan. Mereka yang terlibat adalah analis sistem dan
pemakai sistem.
8. Mengoperasikan sistem
Pemakai sistem kemudian mengoperasikan sistem pakar
ini.
9. Merawat sistem
Sistem pakar perlu dirawat dan dimodifikasi untuk
menyesuaikan dengan perkembangannya. Yang terlibat dalam
tahap ini adalah analis sistem, pemakai sistem dan pakar.
Berikut ini contoh dari membangun sistem pakar yang ada pada tahap
nomor 5 dan mengujinya. Sistem pakar yang akan dibuat adalah
sistem pakar untuk menilai kesehatan perusahaan. Perangkat lunak
yang dipilih adalah OS Shell CLIPS dan GURU. Langkah-langkah
yang dilakukan adalah sebagai berikut:
a) Mengidentifikasi sasaran (goal).
Sasaran (goal) adalah solusi yang akan dicari. Contoh
dibawah ini, sasaran yang akan dicapai adalah kesehatan
perusahaan. Kemungkinan hasil dari sasaran ini adalah perusahaan
dalam keadaaan “sangat sehat”, “sehat”, “cukup sehat”, dam
“kurang sehat”.
Ya
Tidak
GOAL :
Apakah perusahaan telah meminjam Kesehatan Perusahaan
terlalu banyak?
Ya Sangat Sehat
Sehat
Tidak
Cukup sehat
Bagaimana kemampuan laba
Kurang Sehat
perusahaan?
Baik
Cukup
Jelek
c) Menderivasi aturan-aturan.
Jumlah dari aturan-aturan adalah produk (perkalian) dari
kemungkinan nilai-nilai dari item-item. Item pertama (Apakah
perusahaan mampu membayar utang-utangnya?) mempunyai dua
kemungkinan nilai, yaitu (Ya, Tidak). Item kedua (Apakah
perusahaan telah meminjam terlalu banyak?) juga mempunyai dua
kemungkinan nilai, yaiti (Ya, Tidak). Item ketiga kemungkinan
nilai, yaitu (Baik, Cukup, Jelek). Jumlah dari aturan-aturan yang
ada adalah sebanyak 2x2x3 = 12 aturan.
Tabel keputusan (decision table) merupakan tabel yang sangat
berguna untuk menderivasi aturan-aturan ini. Suatu aturan (rule)
terdiri dari kondisi dan tindakan (action) yang akan di fired jika
kondisinya benar dan dapat ditunjukkan di tabel keputusan sebagai
berikut ini.
Aturan-aturan (rules)
1 2 3 4 5 6 7 8 9 10 11 1
2
Kondisi-kondisi:
Apakah perusahaan mampu Y Y Y Y Y Y T T T T T T
membayar utang-utangnya?
Apakah perusahaan telah
meminjam terlalu banyak? Y Y Y T T T Y Y Y T T T
Bagaimana kemampuan laba
perusahaan? B C J B C J B C J B C J
Tindakan-tindakan:
Sangat sehat X
Sehat X X
Cukup sehat X X X X
Kurang sehat X X X X X
4 1 5 2 6 7,10 3 8,9,11,12
Kondisi-kondisi:
Apakah perusahaan mampu membayar Y Y Y Y Y T Y T
utang-utangnya?
Apakah perusahaan telah meminjam terlalu T Y T Y T - Y -
banyak?
Bagaimana kemampuan laba perusahaan? B B C C J B J C atau J
Tindakan-tindakan:
Sangat sehat X
Sehat X X
Cukup sehat X X X
Kurang sehat X X
d) Membuat prototip
Jika pseudo-rule sudah selesai diderivasi, prototip siap
untuk dibuat. Prototip terdiri dari dua bagian yaitu knowledge base
dan daftar fakta. Suatu knowledge base berisi dengan kumpulan
aturan-aturan.
Menguji Prototip
Untuk menguji prototip dapat dilakukan dengan
memberikan fakta-fakta dan kemudian mengeksekusi prototipnya.
Pengujian dapat dilakukan dengan membandingkan hasil yang
diberikan oleh prototip dengan hasil seharusnya sesuai dengan
yang ada di tabel keputusan.
Di CLIPS, untuk mengeksekusinya prototip harus diangkut
terlebih dahulu ke memori komputr dengan perintah load, karena
sebelumnya sudah disimpan di simpanan luar. Yakinkan terlebih
dahulu bahwa memori komputer sudah bersih dari rule
sebelumnya dengan perintah clear. Di CLIPS hasil rules yang
diangkut ke memori ditunjukkan oleh jumlah bintang yang
ditampilkan. Dengan Guru, prototip harus dikompilasi terlebih
dahulu.
CLIPS>_
Proses Iteratip
Konsultasi
CLIPS tidak menyediakan metode konsultasi khusus.
Bagaimanapun juga konsultasi dapat dilakukan dengan
menampilkan isi dari daftar fakta. Isi dari daftar fakta akan
menunjukkan aturan-aturan mana dan mengapa mereka di-fired.
Dengan Guru, beberapa metode konsultasi dapat dipilih,
yaitu consult to seek, consult to test, consult to fire dan consult to
execute. Consult to seek menggunakan pendekatan backward
chaining. Consult to test meminta Guru untuk melakukan
pemrosesan forward chaining.. Consult to fire meminta Guru untuk
untuk mem-fire aturan tertentu. Jika aturan ini mempunyai logika
dan yang benar, maka akan di-fired, sebaliknya tidak. Jika aturan
ini mengandung variabel yang belum diketahui nilainya, Guru akan
menggunakan cara backward chaining ke aturan sebelumnya.
Consult to execute meminta Guru untuk mengeksekusi satu
kelompok aturan-aturan dengan urutan tertentu.
` Dengan consult to seek, Guru akan mencari (seek) dan
mengevaluasi aturan-aturan yang memberikan hasil nilai
sasarannya yang ditunjukkan oleh perintah THEN. Kemudian,
Guru akan memeriksa perintah IF nya. Jika kondisinya benar, maka
aturan ini akan di-fired. Jika kondisi tidak benar, maka Guru akan
mengevaluasi dan mencari aturan lainnya. Jika aturan berisi
variabel yang belum diketahui nilainya, maka ini menjadi sasaran
sementara yang nilainya perlu dientukan. Guru kemudian akan
menentukan mundur ke aturan, sebelumnya yang menyebabkan
aturan di-fired. Proses ini yang disebut dengan backward chaining.
2. JARINGAN NEURAL ARTIFISIAL
Jaringan neural artifisial (artificial neural network) merupakan
jaringan neural buatan yang mencoba meniru jaringan neural manusia.
Perancangan dari jaringan neural atifisial diilhami dengan struktur dari
otak manusia. Otak manusia terdiri dari jaringan-jaringan neuron yang
berfungsi sebagai sistem pengolah data. Neuron terdiri dari tiga elemen
yaitu dendrites, soma, dan axon. Dendrites berfungsi sebagai alat input
yang menerima sinyal elektrokimia. Dendrites berbentuk seperti serat-
serat panjang. Soma berfungsi sebagai pemrosesannya. Axon adalah alat
outputnya. Axon berbentuk seperti serat panjang yang berbentuk seperti
akar pohon. Akhir dari serat axon dan dendrite disebut dengan synapse.
Akhir dari serat axon akan berhubungan akhir dengan serat dendrite
membentuk suatu jaringan neuron.
Jaringan neural artifisial masih dalam tahap pengembangan dan
riset. Jaringan neural artifisial berbeda dengan sistem pakar dalam
beberapa hal. Jaringan neural artifisial mempunyai intelegensi yang dapat
belajar dan berfikir seperti layaknya otak manusia. Jaringan neural arifisial
dapat belajar, maka jaringan neural arifisial dapat dilatih dan
mengembangkan dirinya sendiri, sehingga hasil yang diberikan oleh
jaringan neural arifisial tidak harus sama dari waktu ke waktu. Berbeda
dengan sstem pakar yang tidak dapat belajar dan tidak dapat berlatih,
sehingga semua aturan-aturan dan pengetahuan harus dimasukkan
kedalam sistem pakar. Perbedaan utama antara jaringan neural artifisial
dan sistem pakar :