Jawaban :
Secara pemahaman jenis-jenis keputusan dibedakan menjadi tiga macam yaitu
keputusan terstruktur, keputusan tidak terstruktur, dan keputusan semi terstruktur .
1. Keputusan Terstruktur
Keputusan-keputusan yang berkaitan dengan persoalan yang telah diketahui
sebelumnya. Proses pengambilan keputusan seperti ini biasanya didasarkan atas
teknik-teknik tertentu dan sudah dibuat standarnya. Kategori keputusan ini juga
dapat dikatakan suatu proses jawaban secara otomatis pada kebijakan yang
sudah ditentukan sebelumnya. Secara alamiah hampir semua masalah rutin dan
berulang memiliki parameter-parameter persoalan yang telah diketahui dan
terdefinisi dengan baik, sehingga jawaban atau proses pengambilan keputusan
pun bersifat rutin dan terjadwal. Keputusan Terstruktur mengacu pada
permasalahan rutin dan berulang untuk solusi standar yang ada.
2. Keputusan Tak Terstruktur
Keputusan-keputusan yang berkaitan dengan berbagai persoalan baru.
Keputusan tidak terstruktur biasanya juga berkaitan dengan persoalan yang
cukup pelik, karena banyak parameter yang tidak diketahui atau belum
diketahui. Oleh karena itu, untuk mengambil keputusan ini biasanya intuisi serta
pengalaman seorang pelaku organisasi akan sangat membantu.
3. Keputusan Semi terstruktur
Terdapat beberapa keputusan terstruktur, tetapi tak semua dari fase-fase yang
ada. Keputusan semi terstruktur (semistructured decision) ditandai dengan
peraturan-peraturan yang tidak lengkap untuk mengambil keputusan, dan
adanya kebutuhan untuk membuat penilaian serta pertimbangan subjektif
sebagai pelengkap analisis data yang formal. Menetapkan anggaran pemasaran
untuk suatu produk baru adalah contoh dari keputusan semi terstruktur.
Walaupun keputusan seperti ini biasanyatidak dapat secara penuh
diotomatisasikan, namun sering didukung oleh bantuan dari keputusan
yangdiambil berdasar hasil dari komputer (computer-based decision). Contoh
keputusan jenis ini adalahinvestasi keuangan, pengevaluasian kredit,
penjadwalan produksi, pemberian dana rehabilitasisekolah, dan pengendalian
persediaan
Dari penjelasan diatas, dapat dirarik kesimpulan perihal apa yang menjadi
perbedaan mendasar antara SPK untuk pengamnbilan keputusan Sangat
Terstruktur, Tidak Terstruktur dan Semi Terstruktur ialah parameter data/fakta-
fakta yang mendukung terciptanya suatu keputusan. Pada SPK Terstruktur,
rulenya sudah jelas dan memang rutin terjadi bahkan sudah ada standarnya,
berbeda dengan Tidak Terstruktur dimana parameternya tidak bahkan belum
diketahui, sedangkan Semi Terstruktur parameter pendukung pengambilan
keputusannya ada namun tidak lengkap.
2. Jelaskan, apa yang membedakan system pakar dengan system yang lain!
Jawaban :
Perbedaan yang mendasar terdapat pada fungsi dari system itu sendiri. System Pakar
dibuat mewakili kepakaran suatu bidang kehalian kerja secara spesifik makanya
disebut sistem pakar, semisal sistem pakar untuk diagnosis penyakit X, sistem ini
mewakili bidang kepakaran pada penyakit spesifikasi penyakit X. Dan untuk
menghasilkan keputusan dari data-data yang diolah nanti apakah terdiagnosis pada
penyakit X atau tidak, tergantung pada pengetahuan dan fakta-fakta valid yang
dimiliki. Sedangkan system lain tidak mewakilik bidang keahlian kerja dan terfokus
pada pengolahan data untuk menyajikan informasi yang sifatnya administrastif.
3. Jelaskan metode penalaran pada komponen mesin inferensi dan berikan
contoh bagaimana cara kerja penalaran yang ada!
Jawaban :
Dalam keputusan kompleks, pengetahuan pakar sering tidak dapat direprentasikan
dalam aturan tunggal. Sebaliknya, aturan dapat digabungkan secara dinamis untuk
mencakup barbagai kondisi. Proses penggabungan banyak aturan berdasarkan data
yang tersedia, disebut inferensi. Komponen yang melakukan inferensi dalam sistem
pakar disebut mesin inferensi. Ada dua pendekatan populer untuk menarik
kesimpulan adalah sebagai berikut:
a. Forward Chaining
Forward chaining adalah mencari bagian JIKA terlebih dahulu. Setelah semua
kondisi JIKA dipenuhi, aturan dipilih untuk mendapatkan kesimpulan. Jika
kesimpulan diambil dari keadaan pertama, bukan dari yang terakhir, maka ia
akan digunakan sebagai fakta untuk disesuaikan dengan kondisi JIKA aturan
yang lain untuk mendapatkan kesimpulan yang lebih baik. Proses ini berlanjut
hingga dicapai kesimpulan terbaik.
Gambar contoh cara kerja Forward Chaining
b. Backward Chaining
Backward Chaining adalah kebalikan dari Forward Chaining. Pendekatan ini
mulai dari kesimpulan dan hipotesis bahwa kesimpulan adalah benar. Mesin
inferensi kemudian mengidentifikasi kondisi JIKA yang diperlukan untuk
membuat kesimpulan benar dan mencari fakta untuk menguji apakah kondisi
JIKA adalah benar. Jika semua kondisi JIKA adalah benar, maka aturan dipilih
dari kesimpulan yang dicapai. Jika beberapa kondisi salah, maka aturan dibuang
dan aturan berikutnya digunakan sebagai hipotesis kedua. Jika tidak ada fakta
yang membuktikan bahwa semua kondisi JIKA adalah benar atau salah, maka
mesin inferensi terus mencari aturan yang kesimpulannya sesuai dengan kondisi
JIKA yang tidak diputuskan untuk bergerak satu langkah ke depan memeriksa
kondisi tersebut. Serupa pula, proses chaining ini berlanjut hingga suatu set
aturan didapat untuk mencapai kesimpulan atau untuk membuktikan tidak dapat
mencapai kesimpulan.
Gambar contoh cara kerja Backward Chaining
4. Sebutkan dan jelaskan beberapa penyebab sistem pakar tidak dapat
memberikan solusi terbaik (menemukan kondisi ketidakpasitian)!
Jawaban :
Jika sistem kecerdasan buatan yang dikembangkan memiliki pengetahuan yang
lengkap tentang permasalahan yang akan ditanganinya, maka sistem tersebut dapat
dengan mudah memberikan solusi dengan menggunakan pendekatan logika. Akan
tetapi, system hampir tidak pernah dapat mengakses seluruh fakta yang ada dalam
lingkungan permasalahan yang akan ditanganinya, sehingga sistem harus bekerja
dalam ketidakpastian dan kesamaran.
Jadi penyebab sistem pakar tidak dapat memberikan solusi terbaik dari penejelasan
diatas ialah :
1. Kurangnya atau tidak memiliki pengetahuan yang lengkap tentang masalah
yang ditangani.
2. Tidak memiliki data atau fakta-fakta yang lengkap serta valid terkait
pengembangan system pakar yang akan dibuat sehingga sangat mempengaruhi
penanganan keputusan pada system.
Berikut ini merupakan tahapan yang dilakukan dalam pengembangan sistem pakar
:
1. Tahap penilaian dilakukan untuk menentukan hal-hal penting sebagai dasar
dari masalah diagnosis penyakit lemak darah. langkah-langkah yang dilakukan
adalah kelayakan kepakaran, ketersediaan pakar, kelayakan perangkat lunak.
2. Pada tahap akuisisi pengetahuan dilakukan pengumpulan data mengenai
macam – macam penyakit pada lemak darah, gejala – gejala dan cara
pengobatannya. Pengetahuan diperoleh dengan wawancara langsung kepada
dokter specialis jantung atau pembuluh darah dan dari beberapa buku yang
mendukung penelitian penyakit lemak darah. Selanjutnya akan dilakukan
penggabungan sehingga menjadi tabel basis pengetahuan, dan diagram pohon
penyakit lemak darah.
3. Pada tahapan desain hasil dari tahapan akuisisi pengetahuan akan dijadikan
sebagai dasar dalam menentukan desain. Tahapan ini hal yang dilalukan
adalah table dasar, diagram relasi gejala, penyakit, dan solusi, table keputusa,
representasi pengetahuan, mesin inferensi, perancangan struktur menu,
perancangan anatarmuka, dan selanjutnya kontruksi.
4. Pengujian merupakan tahap uji coba sistem pakar yang telah dikembangkan,
tujuan utama pengujian adalah untuk memvalidasi struktur keseluruhan sistem
dan pengetahuan sistem, apakah pengetahuan yang terdapat pada sistem
sesuai dengan pengetahuan pakar yang telah diberikan. Tahap pengujian ini
menggunakan pengujian black box, dilanjutkan dengan pengujian yang
dilakukan oleh pakar bersangkutan untuk memastikan ketepatan pengetahuan
dalam sistem.