Teknologi Kecerdasan Artifisial

Kuliah Team Teaching Pekan 5

Expert System

Team Teaching Aplikasi-IOT

Universitas Gunadarma @ 2021 :
1. Dr. Mohammad Iqbal
2. Dr. Nur Sultan Salahuddin
3. Dr. Raden Supriyanto
4. Dr. Sunny Arief
5. Dr. Lily Wulandari
6. Ike Putri Kusumawijaya, ST, MMSI
 Agenda
1 Definisi, komponen
& karakteristik ES

Langkah-langkah
2 pengembangan ES

Contoh aplikasi ES
3 dalam kehidupan
Definisi, komponen & karakteristik
Sistem Pakar
Apa itu Sistem Pakar? (1)

“Sistem pakar adalah sistem komputer yang

meniru, atau bertindak dalam segala hal,
dengan kemampuan pengambilan keputusan
seperti seorang ahli manusia.”

Professor Edward Feigenbaum

Universitas Stanford
Apa itu Sistem Pakar? (2)

• Sistem pakar adalah bagian dari AI, dan sistem pakar pertama
dikembangkan pada tahun 1970, yang merupakan pendekatan
kecerdasan buatan pertama yang berhasil
• Sistem pakar adalah program komputer yang dirancang untuk
memecahkan masalah yang kompleks dan memberikan
kemampuan pengambilan keputusan layaknya seorang ahli
manusia.
• Sistem pakar melakukan ini dengan mengekstraksi pengetahuan
dari basis pengetahuannya menggunakan aturan penalaran dan
inferensi sesuai dengan kueri pengguna.
Apa Itu Sistem Pakar? (3)

Di bawah ini adalah diagram blok yang merepresentasikan kerja

sistem pakar:
Apa Itu Sistem Pakar? (4)

• Kinerja sistem pakar didasarkan pada

pengetahuan pakar yang disimpan
dalam basis pengetahuannya.
• Semakin banyak pengetahuan yang
disimpan dalam Knowledge Base,
semakin baik sistem tersebut
meningkatkan kinerjanya.
• Salah satu contoh umum sistem pakar
adalah saran kesalahan ejaan saat
mengetik di kotak pencarian Google.
Mengapa Expert System? (1)
Mengapa Expert System? (2)

• Tidak terpengaruh oleh emosi: Sistem ini tidak terpengaruh oleh

emosi manusia seperti kelelahan, marah, depresi, cemas, dll.
Oleh karena itu kinerjanya tetap konstan.
• Efisiensi Tinggi: Jika basis pengetahuan diperbarui dengan
pengetahuan yang benar, maka itu memberikan hasil yang sangat
efisien, yang mungkin tidak dapat dilakukan oleh manusia.
• Tidak Ada Batasan Memori: Ini dapat menyimpan data sebanyak
yang diperlukan dan dapat menghafalnya pada saat
penerapannya. Tetapi bagi ahli manusia, ada beberapa batasan
untuk menghafal semua hal setiap saat.
Mengapa Expert System? (3)

• Keahlian dalam suatu domain: Ada banyak pakar manusia di

setiap domain, dan mereka semua memiliki keahlian yang
berbeda, dan pengalaman yang berbeda, sehingga tidak mudah
untuk mendapatkan hasil akhir untuk kueri tersebut. Tetapi jika
pengetahuan yang diperoleh dari para ahli manusia ditempatkan
ke dalam sistem pakar, maka sistem tersebut memberikan
keluaran yang efisien dengan mencampurkan semua fakta dan
pengetahuan.
Mengapa Expert System? (4)

• Keamanan tinggi: Sistem ini memberikan keamanan tinggi untuk

menyelesaikan kueri.
• Mempertimbangkan semua fakta: Untuk menanggapi pertanyaan,
ia memeriksa dan mempertimbangkan semua fakta yang tersedia
dan memberikan hasil yang sesuai. Tetapi ada kemungkinan
bahwa seorang ahli manusia mungkin tidak mempertimbangkan
beberapa fakta karena alasan tertentu.
• Pembaruan rutin meningkatkan kinerja: Jika ada masalah dalam
hasil yang diberikan oleh sistem pakar, maka dapat ditingkatkan
kinerja sistem dengan memperbarui basis pengetahuan.
Contoh Sistem Pakar

• DENDRAL: proyek kecerdasan buatan yang dibuat sebagai

sistem pakar analisis kimia. Ia digunakan dalam kimia organik
untuk mendeteksi molekul organik yang tidak diketahui dengan
bantuan spektrum massa dan basis pengetahuan kimianya.
• MYCIN: salah satu sistem pakar backward chaining paling awal
yang dirancang untuk menemukan bakteri penyebab infeksi
seperti bakteremia dan meningitis. Ia juga digunakan untuk
rekomendasi antibiotik dan diagnosis penyakit pembekuan darah.
Contoh Sistem Pakar

• PXDES: sistem pakar yang digunakan untuk menentukan jenis

dan tingkat kanker paru-paru. Untuk mengetahui penyakitnya,
dibutuhkan gambar dari tubuh bagian atas yang tampak seperti
bayangan. Bayangan ini mengidentifikasi jenis dan tingkat
kerusakan.
• CaDeT: Sistem pakar CaDet adalah sistem pendukung diagnostik
yang dapat mendeteksi kanker pada tahap awal.
Karakteristik Sistem Pakar
• Kinerja Tinggi: Sistem pakar memberikan kinerja tinggi untuk
menyelesaikan semua jenis masalah kompleks dari domain tertentu
dengan efisiensi dan akurasi tinggi.
• Dapat dimengerti: Sistem pakar merespons dengan cara yang dapat
dengan mudah dipahami oleh pengguna. Sistem pakar dapat
menerima masukan dalam bahasa manusia dan memberikan keluaran
dengan cara yang sama.
• Andal: Jauh lebih andal untuk menghasilkan keluaran yang efisien dan
akurat.
• Sangat responsif: Sistem pakar memberikan hasil untuk kueri
kompleks apa pun dalam waktu yang sangat singkat.
15

Konsep Umum Sistem Pakar

• Transfer • Penyimpanan & • Mekanisme • Menjelaskan

knowledge dari pemrosesan pengambilan kepada user apa
manusia atau pengetahuan kesimpulan dari dan bagaimana
sumber lainnya dalam komputer pengetahuan solusi yang
ke komputer dalam komputer dihasilkan

Knowledge Knowledge
Inference Explanation
acquisition representation
Komponen Sistem Pakar (1)
Komponen Sistem Pakar (2)

1. Antarmuka Pengguna
Dengan bantuan antarmuka pengguna, sistem pakar
berinteraksi dengan pengguna, mengambil kueri sebagai
masukan dalam format yang dapat dibaca, dan meneruskannya
ke mesin inferensi. Setelah mendapatkan respon dari mesin
inferensi, sistem pakar menampilkan output kepada pengguna.
Dengan kata lain, sistem pakar adalah antarmuka yang
membantu pengguna non-ahli untuk berkomunikasi dengan
sistem pakar untuk menemukan solusi.
Komponen Sistem Pakar (3)

2. Mesin Inferensi (Rules of Engine)

• Mesin inferensi dikenal sebagai otak dari sistem pakar karena
merupakan unit pemrosesan utama dari sistem. Ini
menerapkan aturan inferensi ke basis pengetahuan untuk
mendapatkan kesimpulan atau menyimpulkan informasi baru.
Ini membantu dalam mendapatkan solusi kueri yang bebas
dari kesalahan yang diminta oleh pengguna.
• Dengan bantuan mesin inferensi, sistem mengekstrak
pengetahuan dari basis pengetahuan.
Komponen Sistem Pakar (4)

Mesin • Kesimpulan yang diambil dari jenis

inferensi mesin inferensi ini dianggap benar. Ini
deterministik didasarkan pada fakta dan aturan.
Mesin • Mesin inferensi jenis ini mengandung
inferensi ketidakpastian dalam kesimpulan dan
probabilistik berdasarkan probabilitas
Komponen Sistem Pakar (5)
Mesin inferensi menggunakan model di bawah ini untuk mendapatkan
solusi:
• dimulai dari fakta dan aturan yang
diketahui, dan menerapkan aturan inferensi
untuk menambahkan kesimpulan mereka
Forward ke fakta yang diketahui
Chaining

• metode penalaran mundur yang dimulai dari

tujuan dan bekerja mundur untuk
Backward membuktikan fakta yang diketahui
Chaining
Komponen Sistem Pakar (6)

3. Basis Pengetahuan
• Basis pengetahuan adalah jenis penyimpanan yang menyimpan
pengetahuan yang diperoleh dari berbagai pakar di domain tertentu. Itu
dianggap sebagai penyimpanan pengetahuan yang besar. Semakin
banyak basis pengetahuan, semakin tepat Sistem Pakar.
• Ini mirip dengan database yang berisi informasi dan aturan dari domain
atau subjek tertentu.
• Seseorang juga dapat melihat basis pengetahuan sebagai kumpulan
objek dan atributnya. Seperti Singa adalah objek dan atributnya adalah
mamalia, bukan hewan peliharaan, dll.
Komponen Knowledge Base

• Pengetahuan Faktual: Pengetahuan yang didasarkan

pada fakta dan diterima oleh knowledge engineer berada
di bawah pengetahuan faktual.
• Pengetahuan Heuristik: Pengetahuan ini didasarkan pada
praktik, kemampuan menebak, evaluasi, dan
pengalaman.
Komponen Knowledge Base

• Representasi Pengetahuan: Ini digunakan untuk memformalkan

pengetahuan yang disimpan dalam basis pengetahuan
menggunakan aturan If-else.
• Akuisisi Pengetahuan: Ini adalah proses penggalian,
pengorganisasian, dan penataan pengetahuan domain,
menentukan aturan untuk memperoleh pengetahuan dari
berbagai ahli, dan menyimpan pengetahuan itu ke dalam basis
pengetahuan.
Elemen Manusia Dalam Sistem Pakar (1)

Pakar

Knowledge
Engineer
Elemen
Manusia
User

Pihak lain. Misal: system builder, tool

builder, vendor, staf pendukung
Elemen Manusia Dalam Sistem Pakar (2)

Umumnya user yang dimaksud ini adalah:

(1) Klien (yaitu bukan pakar) yang menginginkan advis/nasehat.
Disini, Sistem Pakar bertindak seperti seorang konsultan atau
penasehat.
(2) Learner (pelajar) untuk mempelajari bagaimana Sistem Pakar
menyelesaikan permasalahan. Di sini, Sistem Pakar bertindak
sebagai seorang instruktur.
(3) Expert system builder (pembangun sistem pakar) yang ingin
meningkatkan knowledge base-nya. Di sini, Sistem Pakar
bertindak sebagai seorang rekan.
(4) Pakar. Di sini, Sistem Pakar bertindak sebagai seorang kolega
atau asisten.
Langkah-langkah Pengembangan
Sistem Pakar
 Pengembangan Sistem Pakar (1)

Proses mengembangkan sistem pakar:

1. Knowledge Engineer menjalin
dialog dengan pakar manusia
untuk memperoleh pengetahuan.
2. Knowledge Engineer
mengkodekan pengetahuan secara
eksplisit dalam basis pengetahuan.
3. Pakar mengevaluasi sistem pakar
dan memberikan kritik kepada
Knowledge Engineer.
Pengembangan Sistem Pakar (2)

1. Identifikasi domain masalah

• Masalah tersebut harus cocok untuk
sistem pakar untuk menyelesaikannya.
• Temukan ahli dalam domain tugas
untuk proyek Sistem Pakar.
• Tetapkan efektivitas biaya sistem.
Pengembangan Sistem Pakar (3)

2. Rancang Sistem
• Identifikasi Teknologi Sistem Pakar
• Mengetahui dan menetapkan tingkat
integrasi dengan sistem dan database lain.
• Sadarilah bagaimana konsep dapat
mewakili pengetahuan domain dengan
baik.
Pengembangan Sistem Pakar (4)

3. Kembangkan Prototipe
• Dari Basis Pengetahuan: knowledge
engineer bekerja untuk –
• Dapatkan pengetahuan domain dari
ahlinya.
• Diwakili dalam bentuk aturan If-THEN-
ELSE.
Tool Sistem Pakar

• Languages
- higher-level languages didesain khusus
untuk merepresentasikan knowledge dan alasan
- PROLOG, LISP, CLIPs, SAIL, KRL, KQML
• Shells
- Sebuah tools dengan tujuan khusus didesain
untuk tipe aplikasi tertentu dimana user hanya
mensuplai basis pengetahuan.
Pengembangan Sistem Pakar (5)

4. Uji & Perbaiki Prototipe

• Knowledge engineer menggunakan
contoh kasus untuk menguji prototipe
untuk setiap kekurangan dalam kinerja.
• Pengguna akhir menguji prototipe
Sistem Pakar.
Pengembangan Sistem Pakar (6)
5. Kembangkan & Lengkapi Sistem Pakar
• Menguji dan memastikan interaksi Sistem Pakar
dengan semua elemen lingkungannya, termasuk
pengguna akhir, basis data, dan sistem informasi
lainnya.
• Dokumentasikan proyek Sistem Pakar dengan
baik.
• Latih pengguna untuk menggunakan Sistem
Pakar.
Pengembangan Sistem Pakar (7)

6. Pelihara Sistem Pakar

• Jaga agar basis pengetahuan tetap
mutakhir dengan tinjauan dan pembaruan
rutin.
• Melayani antarmuka baru dengan sistem
informasi lain, seiring dengan
berkembangnya sistem tersebut
Pengembangan Sistem Pakar (8)

Ada tiga peran utama dalam pengembangan Sistem Pakar:

• Expert: Keberhasilan sistem pakar sangat bergantung pada pengetahuan
yang diberikan oleh para ahli manusia. Para ahli ini adalah orang-orang
yang berspesialisasi dalam domain spesifik tersebut.
• Knowledge Engineer: orang yang mengumpulkan pengetahuan dari para
ahli domain dan kemudian mengkodifikasi pengetahuan itu ke sistem
sesuai dengan formalisme.
• Pengguna Akhir: orang atau sekelompok orang tertentu yang mungkin
bukan ahli, dan mengerjakan sistem pakar membutuhkan solusi atau saran
untuk pertanyaannya, yang kompleks.
Elemen Sistem Pakar
Knowledge Inference
base engine

Agenda

Working
memory Agenda

Explanation

Knowledge
User acquisition
Interface
facility
Struktur Sistem Pakar (1)
Struktur Sistem Pakar (2)

• Knowledge acquisition facility

Pengetahuan dapat diperoleh dari seorang pakar, buku teks
(textbooks) atau laporan penelitian, dengan dukungan dari
seorang knowledge engineer (seorang pakar yang memiliki
spesialisasi dalam akuisisi pengetahuan).
• Knowledge base
2 jenis knowledge base adalah fakta (yaitu situasi dan teori) dan
heuristics atau rule-rule.
Struktur Sistem Pakar (3)

• Inference engine
Ia adalah otak dari suatu Sistem Pakar, bisa juga disebut
dengan struktur kontrol (control structure) atau
penerjemah rule ( rule interpreter dalam Rule-Based
Systems). Ia adalah program komputer yang memiliki
metodologi untuk melakukan reasoning (pertimbangan)
mengenai informasi yang tersimpan dalam knowledge
base dan dalam “working memory”, dan ia digunakan
untuk memformulasikan konklusi.
Struktur Sistem Pakar (4)

3 elemen utama inference engine adalah:

• Interpreter (rule interpreter dalam kebanyakan sistem), yang mengeksekusi
item agenda yang dipilih dengan mengaplikasikannya pada knowledge base
rule yang berhubungan.
• Scheduler, yang menjaga kontrol di sepanjang agenda. Memperkirakan
akibat dari pengaplikasian rule inferensia yang menampakkan prioritas item
atau kriteria lain pada agenda.
• Consistency enforce, yang mencoba menjaga konsistensi representasi
solusi yang muncul.
Struktur Sistem Pakar (5)
• Working Memory
Ia adalah tempat menyimpan sementara untuk memproses rencana
(plan), agenda, solusi, dan deskripsi masalah yang didapat dari
knowledge base selama sesi konsultasi.
• User interface
Sistem Pakar haruslah user friendly dan berorientasi pada masalah
dalam hal antarmukanya.
• Knowledge refining system (IA & KB)
Dengan komponen ini, pakar mampu untuk menganalisis kinerja dari
Sistem Pakar, belajar daripadanya, dan meningkatkannya pada
konsultasi selanjutnya.
Struktur Sistem Pakar (6)

• Explanation facility.
Ini adalah kemampuan penelusuran kebenaran dari
konklusi yang didapat dari sumber-sumbernya. Hal ini
krusial untuk transformasi kepakaran dan penyelesaian
masalah. Komponen ini mampu menelusuri kebenaran
dan untuk menerangkan perilaku Sistem Pakar secara
interaktif
Struktur Sistem Pakar (7)

• Explanation facility (lanjut)

merupakan subsistem Sistem Pakar yang menjawab pertanyaan
seperti:
- Mengapa pertanyaan tertentu ditanyakan oleh Sistem Pakar?
- Bagaimana konklusi tertentu dicapai?
- Mengapa alternatif tertentu ditolak?
- Rencana apakah yang ada untuk mencapai solusi?
- Dan apa-apa saja selanjutnya yang harus dilakukan sebelum diagnosis
final dapat ditentukan?
Sistem Pakar Berbasis Aturan (Rule)

• Pengetahuan dikodekan menjadi aturan IF ... THEN

IF you are hungry THEN eat

• Motor inferensi menentukan mana aturan yang terpenuhi lebih

dahulu
- sisi kiri harus cocok dengan fakta di dalam memori kerja

• Aturan yang terpenuhi ditempatkan pada agenda

Sistem Pakar Berbasis Aturan (Rule)

• Aturan pada agenda dapat diaktifasi

• aturan yang teraktifasi mungkin menghasilkan fakta-fakta baru melalui sisi
kanan
• pengaktifan satu aturan bisa menyebabkan pengaktifan aturan yang lain

Contoh : Sistem Pakar untuk mengetahui seorang anak memiliki bakat

tertentu

RULE: if C1 and C2 and C3 then I1

Ket :
C1 = Dapat menirukan kalimat sederhana
C2 = Dapat meniru kembali 4-5 urutan kata
C3 = Mengulangi kalimat yang sudah didengarnya
I1 = Tingkat perbendaharaan kata yang tinggi
Forward Chaining

• Forward chaining adalah metode penalaran dalam kecerdasan buatan di

mana aturan inferensi diterapkan pada data yang ada untuk
mengekstrak data tambahan hingga titik akhir (tujuan) tercapai.
• Dalam jenis rangkaian ini, mesin inferensi dimulai dengan mengevaluasi
fakta, penurunan, dan kondisi yang ada sebelum menyimpulkan
informasi baru. Titik akhir (tujuan) dicapai melalui manipulasi
pengetahuan yang ada di basis pengetahuan.
Forward Chaining

• Forward Chaining dapat digunakan dalam perencanaan, pemantauan,

pengendalian, dan interpretasi aplikasi.
Forward Chaining
Contoh sederhana forward chaining dapat dijelaskan dalam
urutan berikut.

A A->B B

A adalah titik awal. A-> B mewakili fakta. Fakta ini digunakan

untuk mencapai keputusan B.
Forward Chaining
Contoh praktisnya adalah sebagai berikut:
Forward Chaining
Sistem pakar DENDRAL adalah contoh
yang baik tentang bagaimana Forward
Chaining digunakan dalam kecerdasan
buatan. DENDRAL digunakan dalam
prediksi struktur molekul zat.
Penyederhanaan struktur kimianya
dimulai dengan mencari jumlah atom di
setiap molekul. Spektrum massa sampel
kemudian digunakan untuk menetapkan
susunan atom.
Forward Chaining
Ringkasan langkah-langkahnya sebagai berikut.

• Rumus kimianya ditentukan (jumlah atom di setiap molekul).

• Mesin spektrum digunakan untuk membentuk spektrum massa sampel.

• Isomer dan struktur kimianya diidentifikasi.

• Dalam contoh ini, identifikasi struktur kimianya adalah titik akhirnya. Dalam sistem
pakar DENDRAL.

• Ada dua elemen dalam generator: penyintesis dan pencacah struktural. Synthesizer
berperan dalam menghasilkan spektrum massa. Pencacah struktural
mengidentifikasi struktur zat dan mencegah redundansi di generator.
Forward Chaining

Keuntungan
• Forward Chaining dapat digunakan untuk menarik banyak
kesimpulan.
• Forward Chaining memberikan dasar yang baik untuk sampai
pada kesimpulan.
• Forward Chaining lebih fleksibel daripada backward chaining
karena tidak memiliki batasan pada data yang diturunkan
darinya.
Backward Chaining
• Backward chaining adalah konsep dalam kecerdasan buatan yang melibatkan
penelusuran mundur dari titik akhir atau tujuan ke langkah-langkah yang mengarah
ke titik akhir. Jenis rangkaian ini dimulai dari tujuan dan bergerak mundur untuk
memahami langkah-langkah yang diambil untuk mencapai tujuan ini.

• Proses mundur juga dapat memungkinkan seseorang menetapkan langkah-langkah

logis yang dapat digunakan untuk menemukan solusi penting lainnya.
 Backward Chaining
Backward Chaining dapat digunakan dalam debugging, diagnostik, dan aplikasi resep.

Ciri-ciri Backward Chaining :

• Prosesnya menggunakan pendekatan naik-turun (dari atas ke bawah).

• Ini adalah metode penalaran yang digerakkan oleh tujuan.

• Titik akhir (goal) dibagi lagi menjadi sub-sub tujuan untuk membuktikan kebenaran fakta.

• Algoritma Backward Chaining digunakan di mesin inferensi, teori permainan, dan sistem
database yang kompleks.

• Aturan inferensi modus ponens digunakan sebagai dasar untuk proses backward chaining.
Aturan ini menyatakan bahwa jika pernyataan kondisional (p-> q) dan anteseden (p) benar,
maka kita dapat menyimpulkan pernyataan berikutnya (q).
Backward Chaining

Backward chaining dapat dijelaskan dalam urutan berikut.

B AB A

B adalah tujuan atau titik akhir, yang digunakan sebagai titik awal untuk
pelacakan mundur. A adalah status awal. A-> B adalah fakta yang harus
dipastikan sampai pada titik akhir B.
Backward Chaining
Contoh praktis dari Backward chaining adalah sebagai berikut:

Jika seseorang
sedang berlari,
Andi berkeringat Andi sedang
dia akan
(B). berlari (A).
berkeringat (A->
B).
 Backward Chaining
• Sistem pakar MYCIN adalah contoh kehidupan nyata
tentang cara kerja backward chaining. Ini adalah sistem
yang digunakan untuk mendiagnosis infeksi bakteri. Ini
juga merekomendasikan perawatan yang sesuai untuk
jenis infeksi ini.

• Basis pengetahuan MYCIN terdiri dari banyak aturan

konsekuensi-anteseden, yang memungkinkan sistem untuk
mengenali berbagai penyebab infeksi (bakteri). Sistem ini
cocok untuk pasien yang mengalami infeksi bakteri, tetapi
tidak mengetahui infeksi spesifiknya. Sistem akan
mengumpulkan informasi yang berkaitan dengan gejala
dan riwayat pasien. Ini kemudian akan menganalisis
informasi ini untuk menetapkan infeksi bakteri.
Contoh Membangun Sistem Pakar (1)

Di sini, dijelaskan cara kerja sistem pakar dengan mengambil contoh Sistem
Pakar MYCIN. Berikut adalah beberapa langkah untuk membangun MYCIN:
• Pertama, Sistem Pakar harus diberi makan dengan pengetahuan ahli. Dalam
kasus MYCIN, ahli manusia yang mengkhususkan diri dalam bidang medis
infeksi bakteri, memberikan informasi tentang penyebab, gejala, dan
pengetahuan lain dalam domain tersebut.
• Knowledge Base MYCIN berhasil diperbarui. Untuk mengujinya, dokter
memberikan masalah baru padanya. Masalahnya adalah mengidentifikasi
keberadaan bakteri dengan memasukkan detail pasien, termasuk gejala,
kondisi saat ini, dan riwayat kesehatan.
Contoh Membangun Sistem Pakar (2)

• Sistem pakar akan membutuhkan kuisioner yang harus diisi oleh

pasien untuk mengetahui informasi umum tentang pasien, seperti
jenis kelamin, usia, dll.
• Sekarang sistem telah mengumpulkan semua informasi, sehingga
akan menemukan solusi untuk masalah tersebut dengan
menerapkan aturan IF-THEN menggunakan mesin inferensi dan
menggunakan fakta yang disimpan di dalam Knowledge Base.
• Pada akhirnya akan memberikan respon kepada pasien dengan
menggunakan user interface.
Contoh Aplikasi Sistem Pakar dalam
Kehidupan
Kemampuan Sistem Pakar (1)
Advising: mampu menasihati manusia untuk kueri domain
1 apa pun dari Sistem Pakar tertentu

Memberikan kemampuan pengambilan keputusan: Ini

memberikan kemampuan pengambilan keputusan dalam
2 domain apa pun, seperti untuk membuat keputusan
keuangan, keputusan dalam ilmu kedokteran, dll.

Memperagakan perangkat: Mampu mendemonstrasikan

3 produk baru apa pun seperti fitur, spesifikasi, cara
menggunakan produk tsb, dll.

Pemecahan masalah: Memiliki kemampuan pemecahan

4 masalah
Kemampuan Sistem Pakar (1)
Menjelaskan masalah: Ia juga mampu memberikan deskripsi
5 rinci dari masalah masukan

Menafsirkan masukan: Ia mampu menafsirkan masukan yang

6 diberikan oleh pengguna

7 Memprediksi hasil: Dapat digunakan untuk memprediksi hasil

Diagnosis: ES yang dirancang untuk bidang medis mampu

8 mendiagnosis penyakit tanpa menggunakan banyak
komponen karena sudah berisi berbagai alat medis bawaan
63

Kategori Problem Sistem Pakar (1)

• Interpretasi – membuat kesimpulan atau deskripsi dari

sekumpulan data mentah
• Prediksi – memproyeksikan akibat-akibat yang dimungkinkan dari
situasi-situasi tertentu
• Diagnosis – menentukan sebab malfungsi dalam situasi kompleks
yang didasarkan pada gejala-gejala yang teramati
• Desain – menentukan konfigurasi komponen-komponen sistem
yang cocok dengan tujuan-tujuan kinerja tertentu yang memenuhi
kendala-kendala tertentu
64

Kategori Problem Sistem Pakar (2)

• Perencanaan – merencanakan serangkaian tindakan

yang akan dapat mencapai sejumlah tujuan dengan
kondisi awal tertentu.
• Debugging dan Repair – menentukan dan
menginterpretasikan cara-cara untuk mengatasi malfungsi
• Instruksi – mendeteksi dan mengoreksi defisiensi
dalam pemahaman domain subyek
• Pengendalian – mengatur tingkah laku suatu
environment yang kompleks
65

Kategori Problem Sistem Pakar (3)

• Selection – mengidentifikasi pilihan terbaik dari

sekumpulan (list) kemungkinan
• Simulation – pemodelan interaksi antara
komponen-komponen sistem
• Monitoring – membandingkan hasil pengamatan
dengan kondisi yang diharapkan
Aplikasi Sistem Pakar (1)

• Dalam merancang dan membuat domain

• Ini dapat digunakan secara luas untuk merancang dan membuat
perangkat fisik seperti lensa kamera dan mobil.

• Pada domain pengetahuan

• Sistem ini terutama digunakan untuk mempublikasikan pengetahuan yang
relevan kepada pengguna. Sistem pakar populer yang digunakan untuk
domain ini adalah penasihat pajak.
Aplikasi Sistem Pakar (2)

• Di domain keuangan
• Dalam industri keuangan, ini digunakan untuk mendeteksi segala jenis
kemungkinan penipuan, aktivitas mencurigakan, dan menasihati bankir
apakah mereka harus memberikan pinjaman untuk bisnis atau tidak.
• Dalam diagnosis dan pemecahan masalah perangkat.
• Dalam diagnosis medis, sistem pakar digunakan, dan itu adalah area
pertama di mana sistem ini digunakan.
• Perencanaan dan Penjadwalan
• Sistem pakar juga dapat digunakan untuk merencanakan dan
menjadwalkan beberapa tugas tertentu untuk mencapai tujuan tugas itu.
Keunggulan Sistem Pakar

• Sistem ini sangat dapat direproduksi.

• Mereka dapat digunakan untuk tempat-tempat berisiko dimana
keberadaan manusia tidak aman.
• Kemungkinan kesalahan lebih kecil jika Knowledge Based berisi
pengetahuan yang benar.
• Kinerja sistem ini tetap stabil karena tidak terpengaruh oleh
emosi, ketegangan, atau kelelahan.
• Mereka memberikan kecepatan yang sangat tinggi untuk
menanggapi permintaan tertentu.
Keterbatasan Sistem Pakar (1)
• Respons sistem pakar mungkin salah jika basis pengetahuan
berisi informasi yang salah.
• Seperti manusia, ia tidak dapat menghasilkan keluaran kreatif
untuk skenario yang berbeda.
• Biaya pemeliharaan dan pengembangannya sangat tinggi.
• Akuisisi pengetahuan untuk mendesain jauh lebih sulit.
• Untuk setiap domain, diperlukan sistem pakar tertentu, yang
merupakan salah satu batasan terbesar.
• Ia tidak dapat belajar dari dirinya sendiri dan karenanya
membutuhkan pembaruan manual.
Keterbatasan Sistem Pakar (2)

• Pengetahuan tidak selalu tersedia

• Kepakaran sulit diekstraksi dari manusia
• Pendekatan untuk setiap pakar pada situasi tertentu selalu
berbeda, dan tidak selalu benar.
• Walaupun pakar tersebut memiliki ketrampilan yang tinggi, sukar
untuk mengabstraksikan kepakarannya pada situasi tertentu,
apalagi pakar tersebut bekerja di bawah tekanan.
• User dari Sistem Pakar memiliki batasan kognitif alamiah.
• Sistem Pakar bekerja baik hanya pada domain yang
terbatas/sempit.
71

Kesimpulan

• Program sebagai penasehat/konsultan pakar

• Dapat mengumpulkan dan menyimpan pengetahuan
seorang/beberapa orang pakar ke dalam komputer.
• Tidak untuk menggantikan kedudukan seorang pakar tetapi
untuk memasyarakatkan pengetahuan dan pengalaman pakar
tersebut
• Memungkinkan orang lain meningkatkan produktivitas,
memperbaiki kualitas keputusan
 The End

• TERIMA KASIH