Struktur Sistem Pakar

Powerpoint Templates
Page 2
 Pengertian

• Sistem Pakar (Expert System) adalah bagian dari AI

yang berisi kombinasi pemahaman teoritis tentang suatu
persoalan dan sekumpulan aturan pemecahan
permasalahan heuristik yang dikembangkan oleh manusia
untuk dapat memecahkan problema pada suatu
domain yang spesifik

• Sistem pakar merupakan suatu perangkat lunak yang

dapat menyelesaikan masalah yang biasanya hanya
dapat dipecahkan oleh seorang pakar

Powerpoint Templates
Page 3
 Karakteristik

• Terdapat banyak kemungkinan jawaban

Akan memakan waktu lama untuk menguji dan mempaelajari
jawaban itu, karena problem space yang terlalu besar

• Data kabur (tidak jelas)

Sistem pakar mencapai konklusi yang tidak pasti karena
informasi yang dipakainya sering berupa data kabur

• Heuristik (terarah)
Bersifat heuristik dalam menggunakan pengetahuan untuk
memperoleh suatu solusi

• Memfasilitiasi penyediaan informasi

Sistem pakar dapat memberikan kemudahan jawaban kepada
user, sehingga user akan merasa puas dengan jawaban yang
diberikan oleh sistem

Powerpoint Templates
Page 4
Ciri-ciri Sistem Pakar yang Ideal

• Terbuka untuk diperiksa

• Mudah dimodifikasi

• Terdapat fasilitas penalaran/penjelasan

Powerpoint Templates
Page 5
 Mekanisme Inferensi

• Merupakan proses berpikir (menalar) suatu

permasalahan untuk mendapatkan solusi atau goal
berdasarkan basis pengetahuan (knowledge base)
yang dimiliki
• Misal, konversi pohon keputusan (decision tree) ke
dalam bentuk aturan IF-THEN

Bernafas?
Ya Tidak

Hidup Mati

IF bernafas THEN hidup

ELSE mati
Powerpoint Templates
Page 6
 Mekanisme Inferensi (Cont.)

Terdapat beberapa jenis mekanisme inferensi :

• Pelacakan
Contoh : BFS dan DFS

• Inferensi Berbasis Aturan

Contoh : Forward and Backward Chaining

• Faktor Ketidakpastian
Contoh : Bayesian Probability

Powerpoint Templates
Page 7
 Inferensi Berbasis Aturan

• Aturan direpresentasikan dalam bentuk IF-THEN

• Terdapat 2 pendekatan dalam menyusun

mekanisme inferensi berbasis aturan, yaitu :
 Forward Chaining (data driven)
 Backward Chaining (goal driven)

• Misal dari Surabaya kita ingin pergi ke bangkok

 Forward Chaining – Mencari semua
penerbangan yang meninggalkan Surabaya
 Backward Chaining – Mencari semua
penerbangan yang menuju Bangkok
Powerpoint Templates
Page 8
 Antecedent dan Consequent

• Jika X bernafas, maka X hidup

• IF Y adalah seorang ibu, THEN Y adalah perempuan

Jika X bernafas
ANTECEDENT
IF Y adalah seorang ibu

Maka X hidup
CONSEQUENT
THEN Y adalah perempuan

Powerpoint Templates
Page 9
 Forward Chaining

• Metode ini melakukan pemrosesan berawal dari

sekumpulan data untuk kemudian dilakukan
inferensi sesuai dengan aturan yang diterapkan
hingga diketemukan kesimpulan yang optimal.
• Mesin inferensi akan terus melakukan looping pada
prosesnya untuk mencapai hasil keputusan yang
sesuai.
• Kelebihan metode forward chaining ini adalah data
baru dapat dimasukkan ke dalam tabel database
inferensi dan kemungkinan untuk melakukan
perubahan inference rules.
Powerpoint Templates
Page 10
 Backward Chaining

• Menggunakan pendekatan goal-driven, dimulai dari

harapan apa yang akan terjadi (hipotesis) dan
kemudian mencari bukti yang mendukung (atau
berlawanan) dengan harapan kita.
• Sering hal ini memerlukan perumusan da pengujian
hipotesis sementara.
• Pada metode inferensi dengan backward chaining
akan mencari aturan atau rule yang memiliki
konsekuen (Then klausa ..) yang mengarah kepada
tujuan yang di skenariokan/di inginkan.

Powerpoint Templates
Page 11
Karakteristic Forward dan Backward

Powerpoint Templates
Page 12
 Contoh Kasus
Beli obligasi apa
<R1> IF suku bunga turun THEN harga obligasi naik
nggak ya?
<R2> IF suku bunga naik THEN harga obligasi turun
<R3> IF suku bunga statis THEN harga obligasi statis
<R4> IF dollar naik THEN suku bunga turun
<R5> IF dollar turun THEN suku bunga naik
<R6> IF harga obligasi turun THEN beli obligasi
Contoh pertanyaan : Bagaimana keadaan dollar hari ini ?
Jawaban : Dollar turun

FORWARD CHAINING
Dari <R5> bisa dilihat jika dollar turun, maka suku bunga naik
Dari <R2> bisa dilihat jika suku bunga naik, maka obligasi turun
Dari <R6> bisa dilihat jika obligasi turun, maka beli obligasi

BACKWARD CHAINING  Kebalikan dari Forward Chaining

Maka Sistem Pakar akan merekomendasikan untuk

Powerpoint
MEMBELI Templates
OBLIGASI pada hari ini Page 13
Kapan forward, kapan backward?

• Bergantung pada tujuan dari penalaran itu sendiri

• Untuk mengetahui segala konsekuensi dari fakta
maka forward lebih dianjurkan
• Untuk pencapaian tujuan, backward lebih
dianjurkan
• Forward biasa digunakan untuk masalah
pengendalian dan peramalan
• Backward biasa digunakan untuk masalah
diagnosis

Powerpoint Templates
Page 14