UNIVERSITAS NUSANTARA PGRI KEDIRI

FAKULTAS TEKNIK, PROGRAM STUDI TEKNIK INFORMATIKA

MATA KULIAH : PEMODELAN DAN SIMULASI
PERTEMUAN KE-03 (Pemodelan Sistem Pakar)

A. Sistem 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. Contohnya dokter, mekanik, psikolog, dan lain-lain. 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 menjelaskannya kepada pengguna tersebut, dengan menyertakan alasan-alasannya.
Sistem Pakar dibangun bukan berdasarkan algoritma tertentu tetapi bedasarkan basis pengetahuan
(Knowledge-Base) dan aturan (Rule). Basis pengetahuan berisi pengetahuan penting untuk pengertian,
formulasi dan pemecahan masalah. Dalam penyusunannya, sistem pakar mengkombinasikan kaidah-kaidah
penarikan kesimpulan (inference rules) dengan basis pengetahuan tertentu yang diberikan oleh satu atau
lebih pakar dalam bidang tertentu. Kombinasi dari kedua hal tersebut disimpan dalam komputer, yang
selanjutnya digunakan dalam proses pengambilan keputusan untuk penyelesaian masalah tertentu. Sistem
pakar setidak-tidaknya mempunyai dua unsur manusia atau lebih yang terlibat di dalam pembuatan dan
pengembangan serta penggunaannya. Minimal, ada seseorang yang membangun dan ada penggunanya.
Sering juga ada pakar dan perekayasa pengetahuan (knowledge engineer). Terdapat 4 unsur manusia dalam
sistem pakar yaitu :
1. Pakar (The Expert)
Pakar merupakan orang yang menguasai bidang ilmu pengetahuan tertentu, berpengalaman, pengambil
keputusan dan menguasai metode-metode tertentu, serta mampu memanfaatkan talentanya dalam
memberikan nasehat/saran terhadap penyelesaian suatu permasalahan. Juga merupakan tugas dari
seorang pakar untuk memberikan atau menyediakan pengetahuan bagaimana seseorang membentuk
suatu sistem berbasis pengetahuan yang hendak dibuatnya. Selain itu, pakar juga mengetahui mana fakta
yang penting dan tidak penting di antara fakta-fakta yang ada.
2. Perekayasa Pengetahuan (Knowledge Engineer)
Knowledge Engineer adalah orang yang membantu pakar dalam menyusun area permasalahan dengan
menginterprestasikan dan mengintegrasikan jawaban-jawaban pakar atas pertanyaan yang diajukan,
menggambarkan analogi, mengajukan counter example dan menerangkan kesulitan-kesulitan
konseptual.
3. Pemakai (User)
a. Pemakai bukan pakar. Dalam hal ini, sistem pakar berperan sebagai seorang konsultan atau pemberi
nasihat.
b. Siswa yang ingin belajar, di sini sistem pakar berperan sebagai instruktur.
c. Pembangunan sistem pakar yang ingin meningkatkan dan menambah basis pengetahuan, dalam hal
ini sistem pakar berperan sebagai rekan kerja (partner).
d. Pakar, dalam hal ini sistem pakar berperan sebagai kolega atau asisten dan unsur lainnya
4. Pembangun Sistem (System Engineer)
Pembangun sistem adalah orang yang bertugas untuk merancang antar muka pemakai sistem pakar,
merancang pengetahuan yang sudah diterjemahkan oleh pembangun pengetahuan ke dalam bentuk yang
sesuai dan dapat diterima oleh sistem pakar dan mengimplementasikannya ke dalam mesin inferensi.
 Selain hal tersebut pembangun sistem juga bertanggung jawab apabila sistem pakar akan diintegrasikan
dengan sistem komputerisasi lain. Alat pembangun (tool builder) dapat dipakai untuk menyajikan atau
membangun tool yang spesifik. Penjual (vendor) dapat memberikan tool dan saran, staf pendukung dapat
memberikan saran dan bantuan secara teknis dalam proses pembangunan sistem pakar.

B. Tujuan Sistem Pakar

Sistem pakar (Expert System) sendiri merupakan paket perangkat lunak atau paket program
komputer yang ditujukan sebagai penyedia nasihat dan sarana bantu dalam memecahkan masalah di bidang-
bidang spesialisasi tertentu seperti sains, perekayasaan, matematika, kedokteran, pendidikan dan
sebagainya. Pada dasarnya sistem pakar diterapkan untuk mendukung aktivitas pemecahan masalah.
Beberapa aktivitas pemecahan masalah yang dimaksud seperti :
1. Interpretasi. Membuat kesimpulan atau deskripsi dari sekumpulan data mentah. Pengambilan
keputusan dari hasil observasi, termasuk pengenalan ucapan, analisis citra, interpretasi sinyal, dll.
2. Prediksi. Memproyeksikan akibat-akibat yang dimungkinkan dari situasi-situasi tertentu. Contoh:
prediksi demografi, prediksi ekonomi, prediksi lalulintas, estimasi hasil, militer, pemasaran atau
peramalan keuangan.dll.
3. Diagnosis. Menentukan sebab malfungsi dalam situasi kompleks yang didasarkan pada gejala-gejala
yang teramati diagnosis medis, elektronis, mekanis, dll.
4. Perancangan (desain). Menentukan konfigurasi komponen-komponen sistem yang cocok dengan
tujuan-tujuan kinerja tertentu yang memenuhi kendala-kendala tertentu. Contoh: perancangan layout
sirkuit, bangunan.
5. Perencanaan. Merencanakan serangkaian tindakan yang akan dapat mencapai sejumlah tujuan dengan
kondisi awal tertentu. Contoh: perencanaan keuangan, militer, dll.
6. Monitoring. Membandingkan hasil pengamatan dengan kondisi yang diharapkan. Contoh: Computer
Aided Monitoring System.
7. Debugging. Menentukan dan menginterpretasikan cara-cara untuk mengatasi malfungsi. Contoh:
memberikan resep obat terhadap kegagalan.
8. Instruksi. Mendeteksi dan mengoreksi defisiensi dalam pemahaman domain subjek. Contoh: melakukan
instruksi untuk diagnosis dan debugging.
9. Kontrol. Mengatur tingkah laku suatu environment yang kompleks. Contoh: melakukan kontrol terhadap
interpretasi, prediksi, perbaikan dan monitoring kelakukan sistem.
10. Seleksi. Mengidentifikasi pilihan terbaik dari sekumpulan (list) kemungkinan.
11. Simulasi, Pemodelan interaksi antara komponen-komponen sistem.

C. Struktur Sistem Pakar

Terdapat 2 bagian utama sistem pakar:
1. Lingkungan Pengembangan (Development Environment), digunakan untuk memasukkan pengetahuan
pakar ke dalam lingkungan sistem pakar.
2. Lingkungan Konsultasi (Consultation Development), digunakan oleh pengguna yang bukan pakar untuk
memperoleh pengetahuan pakar.

Struktur dari Sistem Pakar dapat digambarkan seperti gambar 1. Komponen-komponen yang
terdapat dalam arsitektur/struktur sistem pakar pada gambar 1 dijelaskan sebagai berikut :
1. Antarmuka Pengguna (User Interface)
Antarmuka merupakan mekanisme yang digunakan oleh pengguna dan sistem pakar untuk
berkomunikasi. Antarmuka menerima informasi dari pemakai dan mengubahnya ke dalam bentuk yang
dapat diterima oleh sistem. Selain itu antarmuka menerima dari sistem dan menyajikannya ke dalam
bentuk yang dapat dimengerti oleh pemakai.
2. Basis Pengetahuan
 Basis pengetahuan mengandung pengetahuan untuk pemahaman, formulasi, dan penyelesaian masalah.
Basis 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.

Gambar 1. Struktur Sistem Pakar

3. Akuisisi Pengetahuan (Knowledge Acquisition)

Akuisisi pengetahuan adalah akumulasi, transfer, dan transformasi keahlian dalam menyelesaikan
masalah dari sumber pengetahuan ke dalam program komputer. Dalam tahap ini knowledge engineer
berusaha menyerap pengetahuan untuk selanjutnya ditransfer ke dalam basis pengetahuan.
Pengetahuan diperoleh dari pakar, dilengkapi dengan buku, basis data, laporan penelitian, dan
pengalaman pemakai. Metode akuisisi pengetahuan:
a. Wawancara, metode yang paling banyak digunakan, yang melibatkan pembicaraan dengan pakar
secara langsung dalam suatu wawancara.
b. Analisis protokol, dalam metode ini pakar diminta untuk melakukan suatu pekerjaan dan
mengungkapkan proses pemikirannya dengan menggunakan kata-kata. Pekerjaan tersebut direkam,
dituliskan, dan dianalisis.
c. Observasi pada pekerjaan pakar, pekerjaan dalam bidang tertentu yang dilakukan pakar direkam
dan diobservasi.
d. Induksi aturan dari contoh. Induksi adalah suatu proses penalaran dari khusus ke umum. Suatu
sistem induksi aturan diberi contohcontoh dari suatu masalah yang hasilnya telah diketahui. Setelah
diberikan beberapa contoh, sistem induksi aturan tersebut dapat membuat aturan yang benar untuk
kasus-kasus contoh. Selanjutnya aturan dapat digunakan untuk menilai kasus lain yang hasilnya tidak
diketahui.
4. Mesin/Motor Inferensi (Inference Engine)
Komponen ini mengandung mekanisme pola pikir dan penalaran yang digunakan oleh pakar dalam
menyelesaikan suatu masalah. Mesin inferensi berfungsi untuk memandu proses penalaran terhadap
suatu kondisi, berdasarkan pada basis pengetahuan yang tersedia. Mesin inferensi adalah program
komputer yang memberikan metodologi untuk penalaran tentang informasi yang ada dalam basis
pengetahuan dan dalam workplace, dan untuk memformulasikan kesimpulan. Dalam prosesnya, mesin
inferensi menggunakan strategi penalaran dan strategi pengendalian. Strategi penalaran terdiri atas:
 a. strategi penalaran pasti (Exact Reasoning), dilakukan jika semua data yang dibutuhkan untuk
menarik suatu kesimpulan tersedia
b. strategi penalaran tak pasti (Inexact Reasoning). Dilakukan jika semua data yang dibutuhkan untuk
menarik suatu kesimpulan tidak tersedia.
Strategi pengendalian berfungsi sebagai panduan arah dalam melakukan proses penalaran. Terdapat tiga
teknik pengendalian yang sering digunakan, yaitu forward chaining, backward chaining, dan gabungan
dari kedua teknik pengendalian tersebut.
5. Workplace/Blackboard/Memory Processing
Memory Processing atau Working Memory merupakan bagian dari sistem pakar yang berisi fakta-fakta
masalah yang ditemukan dalam suatu sesi berisi fakta-fakta tentang suatu masalah yang ditemukan
dalam proses konsultasi. Workplace merupakan area dari sekumpulan memori kerja (working memory),
digunakan untuk merekam kejadian yang sedang berlangsung termasuk keputusan sementara. Ada 3
keputusan yang dapat direkam :
a. Rencana, bagaimana menghadapi masalah
b. Agenda, aksi-aksi yang potensial yang sedang menunggu untuk dieksekusi
c. Solusi, calon aksi yang akan dibangkitkan
6. Fasilitas Penjelasan
Fasilitas penjelasan adalah komponen tambahan yang akan meningkatkan kemampuan sistem pakar,
digunakan untuk melacak respon dan memberikan penjelasan tentang kelakuan sistem pakar secara
interaktif melalui pertanyaan.
7. Perbaikan Pengetahuan
Pakar memiliki kemampuan untuk menganalisis dan meningkatkan kinerjanya serta kemampuan untuk
belajar dari kinerjanya. Kemampuan tersebut adalah penting dalam pembelajaran terkomputerisasi,
sehingga program akan mampu menganalisis penyebab kesuksesan dan kegagalan yang dialaminya dan
juga mengevaluasi apakah pengetahuan-pengetahuan yang ada masih cocok untuk digunakan di masa
mendatang.

D. Fase Pengembangan Sistem Pakar

1. Identifikasi
Tahap ini merupakan tahap penentuan hal-hal penting sebagai dasar permasalahan yang akan dianalisis.
Tahap ini merupakan tahap untuk mengkaji dan membatasi masalah yang akan diimplementasikan
dalam sistem. Setiap masalah yang diidentifikasikan harus dicari solusi, fasilitas yang akan
dikembangkan, penentuan jenis bahasa pemrograman dan tujuan yang ingin dicapai dari peroses
pengembangan tersebut. Pada tahap ini seorang pengembang (developer) mengumpulkan data-data dari
pakar mengenai suatu permasalahan yang akan dibuat menjadi sistem pakar.
2. Konseptualisasi
Hasil identifikasi masalah dikonseptualisasi dalam bentuk hubungan antar data, hubungan antar
pengetahuan dan konsep-konsep penting dan ideal yang akan diterapkan dalam sistem. Konseptualisasi
juga menganalisis data-data penting yang perlu dibahas secara detail dengan pakar. Pengembang
merancang knowledge base dan working memory, pengembang juga melakukan representasi
pengetahuan berdasarkan data-data yang diperoleh.
3. Formalisasi
Pada tahap formalisasi konsep-konsep tersebut diimplemetasikan secara formal. Misalnya
pertimbangkan beberapa faktor pengambilan keputusan. Pengembang melakukan perancangan
pengambilan keputusan yang akan dilakukan oleh mesin inferensi, misalnya menggunakan backward
chaining, forward chaining, dan sebagainya.
4. Implementasi
 Pengembang mengimplementasikan hasil rancangan yang telah dilakukan pada tahap konseptualisasi
dan formalisasi ke dalam suatu bahasa pemrograman tertentu. Tetapi pengembang terlebih dahulu
merancang interface yang akan digunakan.
5. Evaluasi
Setelah proses implementasi selesai, sebagaimana lazimnya dalam proses pembuatan perangkat lunak,
perlu dilakukan evaluasi/testing pada perangkat lunak tersebut dengan kaidah-kaidah yang telah
ditentukan dalam software engineering.
6. Pengembangan sistem lebih lanjut
Pengembangan sistem diperlukan karena terkadang suatu permasalahan tidaklah statis tetapi terkadang
juga dinamis, misalnya ditemukan aturan-aturan baru dalam permasalahan itu.

E. Tipe Sistem Pakar

1. Mandiri, Sistem pakar yang murni berdiri sendiri, tidak digabung dengan software lain, bisa dijalankan
pada komputer pribadi, mainframe.
2. Terkait/Tergabung, dalam bentuk ini sistem pakar hanya merupakan bagian dari program yang lebih
besar. Program tersebut biasanya menggunakan teknik algoritma konvensional tapi bisa mengakses
sistem pakar yang ditempatkan sebagai subrutin, yang bisa dimanfaatkan setiap kali dibutuhkan.
3. Terhubung, merupakan sistem pakar yang berhubungan dengan software lain misal: spreadsheet, DBMS,
program grafik. Pada saat proses inferensi, sistem pakar bisa mengakses data dalam spreadsheet atau
DBMS atau program grafik bisa dipanggil untuk menayangkan output visual.
4. Sistem Mengabdi, merupakan bagian dari komputer khusus yang diabdikan kepada fungsi tunggal.
Sistem tersebut bisa membantu analisis data radar dalam pesawat tempur atau membuat keputusan
intelijen tentang bagaimana memodifikasi pembangunan kimiawi.

F. Pengetahuan (Knowledge)
Pengetahuan adalah fakta atau kondisi sesuatu atau keadaan yang timbul karena suatu pengalaman.
Cabang ilmu yang mempelajari tentang pengetahuan disebut epistomologi. Epistomologi dibagi menjadi lima,
yaitu:
1. Priori Knowledge, kebenaran yang universal dan tidak dapat disangkal tanpa kontradiksi. Misalnya
pernyataan logika, hukum matematika.
2. Posteriori Knowledge, knowledge yang diturunkan dari akal pikiran yang sehat, kebenarannya dapat
dibuktikan dengan menggunakan pengalaman akal sehat.
3. Procedural Knowledge, berkenaan untuk mengetahui bagaimana melakukan sesuatu. Misalnya
pengetahuan tentang bagaimana mendidihkan air dalam mangkok.
4. Declarative Knowledge, berkenaan untuk mengetahui sesuatu itu benar atau salah. Misalnya “Jangan
celupkan tangan Anda ke dalam mangkok air yang sedang mendidih.”
5. Tacit Knowledge atau unconcious knowledge, knowledge yang yang tidak dapat diekspresikan dengan
bahasa. Misalnya melangkah dengan kaki kiri atau kanan terlebih dahulu.

Wisdom

Knowledge

Informasi

Data

Noise

Gambar 2. Hierarki Noise-Data-Information-Knowledge-Wisdom

 Knowledge adalah bagian dari suatu hierarki, seperti pada gambar 2. Definisi dari tiap lapis adalah
sebagai berikut :
1. Noise : merupakan data yang masih kabur.
2. Data : Seperangkat fakta objektif yang berbeda, yang disusun untuk menggambarkan situasi atau kondisi
tentang peristiwa tertentu
3. Informasi : Sekelompok elemen data terstruktur yang telah diorganisir, diproses dan dianalisa untuk
membantu dalam membuat keputusan, memecahkan masalah dan/atau mewujudkan peluang.
4. Pengetahuan : Formalisasi hubungan dan keterkaitan antara data dan informasi dalam (1) kualitas
pengenalan (know-what), (2) kapasitas untuk bertindak (know-how), dan (3) pemahaman sebab (know-
why) yang bertujuan untuk penciptaan nilai.
5. Kebijaksanaan : Kemampuan dan kepandaian menggunakan akal budi untuk memberikan penilaian yang
lebih baik dari waktu-ke-waktu dengan visi, pandangan ke depan, dan kemampuan untuk melihat di luar
cakrawala

Dalam pembangunan sistem berbasis pengetahuan, pengetahuan yang telah diekstrak

direpresentasikan ke dalam bentuk yang dapat diproses oleh komputer. Terdapat empat teknik yang telah
dibuktikan efektif untuk representasi pengetahuan, yaitu :
1. Jaringan Semantik (Semantic Network), pengetahuan diorganisasikan dengan menggunakan jaringan
yang disusun oleh dua komponen dasar, yaitu node dan arc. Node menyatakan objek, konsep atau situasi
yang ditunjukkan oleh kotak atau lingkaran, sedangkan arc menyatakan hubungan antar-node yang
ditunjukkan oleh tanda panah yang menghubungkan node-node dalam jaringan.
2. Frame, merepresentasikan pengetahuan dalam konteks dimana urutan kejadian dan objek muncul.
Sebuah frame digambarkan dengan menggunakan jaringan dari node-node dan hubungan-hubungan.
Level teratas dari frame menyatakan atribut-atribut sedangkan level terendah memiliki terminal dan slot
yang harus diisi oleh data.
3. Script, skema representasi pengetahuan yang sama dengan frame. Hanya saja frame menggambarkan
objek sedangkan script menggambarkan urutan peristiwa. Penggambaran urutan peristiwa pada script
menggunakan serangkaian slot yang berisi informasi tentang orang, objek dan tindakan-tindakan yang
terjadi dalam suatu peristiwa.
4. Sistem Produksi, secara umum terdiri atas komponen-komponen:
a. Ruang keadaan, yang berisi keadaan awal (initial state) tujuan (goal state) dan kumpulan aturan
(production rule) yang digunakan untuk mencapai tujuan.
b. Strategi Kontrol, yang berguna untuk mengarahkan bagaimana proses pencarian akan berlangsung
dan mengendalikan arah eksplorasi.

Representasi Pengetahuan dimaksudkan untuk menangkap sifat-sifat penting masalah dan membuat
infomasi dapat diakses oleh prosedur pemecahan masalah. Bahasa representasi harus dapat membuat
seorang programmer mampu mengekspresikan pengetahuan untuk mendapatkan solusi suatu masalah.
Representasi Pengetahuan yang baik, haruslah mengemukakan hal secara eksplisit, membuat
masalah menjadi transparan, komplit dan efisien, menampilkan batasan-batasan alami yang ada,
menekan/menghilangkan detail-detail yang diperlukan, dapat dilakukan komputasi (ada
batasan/constraint). Dengan representasi, banyak hal yang akan kita dapatkan dalam menyelesaikan suatu
permasalahan. Berikut ini adalah beberapa keuntungan yang akan kita dapatkan ketika kita membuat
representasi pengetahuan, yaitu:
1. Dengan representasi yang baik, membuat objek dan relasi yang penting menjadi jelas.
2. Representasi menyingkap constraint (batasan) dalam suatu permasalahan. Kita dapat mengungkapkan
pengaruh sebuah objek atau relasi terhadap objek atau relasi yang lain.
 3. Dengan representasi kita akan dapatkan objek dan relasi secara bersama-sama. Kita akan dapat melihat
semua yang kita inginkan dalam satu waktu.
4. Kita dapat menghilangkan semua komponen yang tidak berhubungan dengan permasalahan yang sedang
kita selesaikan. Atau kita dapat menyembunyikan beberapa informasi yang tidak kita butuhkan untuk
sementara dan pada saat kita membutuhkannya kita dapat menampilkan kembali.
5. Dengan representasi akan membuat permasalahan yang sedang kita selesaikan menjadi transparan. Kita
akan memahami permasalahan yang kita selesaikan.
6. Dengan representasi kita akan dapat menyingkap suatu permasalahan secara lengkap, sehingga
permasalahan dapat diselesaikan.
7. Dengan representasi akan membua permasalahan menjadi ringkas. Kita akan berpikir ringkas
(merepresentasikan apa yang ingin kita representasikan secara effisien).
8. Dengan representasi, maka akan menjadikan pekerjaan kita menjadi cepat.
9. Dengan representasi, menjadikan permasalahan yang kita selesaikan dapat terkomputerisasi.
10. Dengan representasi ini kita akan dapat melakukan prosedur-prosedur dalam menyelesaikan suatu
permasalahan.

Susunan atau pola klasifikasi representasi pengetahuan dibagi menjadi empat kategori, yaitu:
1. Representasi Logika/Rule-Based Knowledge. Representasi ini menggunakan ekspresi-ekspresi dalam
logika formal untuk merepresentasikan basis pengetahuan.
2. Representasi Prosedural/Case-Base Reasoning. Menggambarkan pengetahuan sebagai sekumpulan
instruksi untuk memecahkan suatu masalah. Dalam sistem yang berbasis aturan, aturan if-then dapat
ditafsirkan sebagai sebuah prosedur untuk mencapai tujuan pemecahan masalah.
3. Representasi Network/Object-Based Knowledge. Menyatakan pengetahuan sebagai sebuah graf di mana
simpul-simpulnya menggambarkan objek atau konsep dalam masalah yang dihadapi, sedangkan
lengkungannya menggambarkan hubungan antar mereka. Contohnya adalah jaringan semantik.
4. Representasi Terstruktur/Frame-Based Knowledge. Memperluas network dengan cara membuat setiap
simpulnya menjadi sebuah struktur data kompleks yang berisi tempat-tempat bernama slot dengan nilai-
nilai tertentu. Nilai-nilai ini dapat merupakan data numerik atau simbolik sederhana, pointer ke bingkai
(frame) lain, atau bahkan merupakan prosedur untuk mengerjakan tugas tertentu. Contoh: skrip (script),
bingkai (frame) dan objek (object).

G. Ketidakpastian
Jika sistem pakar yang dikembangkan memiliki pengetahuan yang lengkap tentang permasalahan
yang akan ditanganinya, maka sistem tersebut dapat dengan mudah memberikan solusi dengan
menggunakan pendekatan logika. Misalnya menggunakan metode inferensi Forward Chaining atau Backward
Chaining.
Akan tetapi, sistem hampir tidak pernah dapat mengakses seluruh fakta yang ada dalam lingkungan
permasalahan yang akan ditanganinya, sehingga sistem harus bekerja dalam ketidakpastian dan kesamaran.
Untuk itu, sistem pakar harus menggunakan teknik-teknik khusus yang dapat menangani ketidakpastian dan
kesamaran dalam menyelesaikan permasalahan yang ditanganinya.
Banyak kemungkinan dan ketidakpastian menyertai dalam masalah dan solusinya. Ada beberapa
sumber dari ketidakpastian, beberapa diantaranya adalah :
a. Masalah
Beberapa masalah meliputi faktor-faktor yang oleh sifat mereka, tidak pasti atau acak. Sebagai contoh,
dalam pengobatan, penyakit yang sama dapat memberi gejala yang berbeda untuk pasien yang lain.
Mungkin saja untuk mendeteksi pola-pola dalam masalah-masalah ini tetapi tidak semuanya dapat
diperkirakan seorang pakar. Dengan melihat pola-pola ini dapat dipakai aturan-aturan yang masing-
masing biasanya sesuai.
 b. Data
Beberapa masalah mungkin memiliki batasan yang kurang jelas bagi seseorang. Orang yang
menghadirkan masalah mungkin mengetahui beberapa fakta untuk kepastian, menuduh lainnya dan
tidak mengetahui lainnya. Angka-angka dan nilai-nilai dapat tidak tepat, ditebak atau tidak diketahui.
Mungkin akan menjadi sangat mahal dan berbahaya atau hampir tidak mungkin untuk menyediakan
semua informasi secara lengkap. Pakar harus mampu membuat keputusan yang memadai di atas basis
pengetahuan seperti itu.
c. Pakar
Manusia sering dapat memakai pengetahuan mereka tanpa mengetahui secara eksplisit apa pengetahuan
itu sendiri. Mereka mungkin harus meningkatkan secara detail apa yang mereka lakukan dan bagaimana
dan tampak tak jelas atau bahkan bertentangan dengan dirinya sendiri. Teknik-teknik perolehan
pengetahuan dirancang untuk mengatasi ketidakpastian yang disebabkan oleh hal ini.
d. Solusi
Ada beberapa area tertentu dimana tidak terdapat pakar yang diakui. Pakar sendiri mungkin tidak setuju
satu sama lain dan tak seorangpun dapat memutuskan solusi yang baik. Domain seperti itu dapat berupa
strategi militer.

Ada tiga teknik yang dapat digunakan untuk menangani ketidakpastian dan kesamaran pengetahuan,
yaitu:
1. Teknik Probabilitas, yang dikembangkan dengan memanfaatkan teorema Bayes yang menyajikan
hubungan sebab akibat yang terjadi diantara evidenceevidence yang ada. Pendekatan alternatif lainnya
yang dapat digunakan adalah teori Dempster-Shafer.
2. Faktor Kepastian (Certainty Factor), merupakan teknik penalaran tertua, yang digunakan pada system
MYCIN. Teknik ini bersifat semi probabilitas, karena tidak sepenuhnya menggunakan notasi probabilitas.
3. Logika Fuzzy, merupakan teknik baru yang diperkenalkan oleh Zadeh. Setiap variable dalam teknik ini
memiliki rentang nilai tertentu, yang akan digunakan untuk menghitung nilai fungsi keanggotaannya.

H. Tugas
Jawab pertanyaan berikut sesuai pemahaman Anda dari hasil Studi Literatur dari buku manual,
buku elektronik atau situs di internet. Pelajari salah satu Artikel berikut :
1. Sistem Pakar Untuk Mendiagnosa Penyakit Mata Menerapkan Metode Certainty Factor dan Forward
Chaining (sumber)
2. Diagnosis Gastroenteritis Berbasis Sistem Pakar Menggunakan Metode Fuzzy Dan Certainty Factor
(sumber)
3. Implementasi Sistem Pakar Dengan Metode Certainty Factor Dan Forward Chaining Pada Helpdesk UPT
TIK Unsika (sumber)
4. Sistem Pakar Diagnosa Penyakit Pada Kucing Anggora Menggunakan Metode Fuzzy Mamdani Berbasis
Website (sumber)
5. Sistem Pakar Identifikasi Hama Dan Penyakit Pada Umbi Porang Dengan Metode Certainty Factor
(sumber)
6. Sistem Pakar Diagnosa Penyakit ISPA Dengan Menggunakan Metode Certainty Factor Berbasis Web
(sumber)
7. Penerapan Metode Certainty Factor Pada Sistem Pakar Diagnosa Gangguan Mental Pada Anak Berbasis
Web (sumber)
8. Pengembangan Sistem Pakar Gaya Belajar Anak Dengan Metode Fuzzy Logic Berbasis Android (sumber)
9. Penerapan Metode Certainty Factor dan Dempster Shafer dalam Sistem Pakar Penerima Bantuan Daerah
pada Jorong Koto Tuo (sumber)
10. Mengidentifikasi Jenis Kulit Wajah Dalam Pemilihan Produk Skin Care Menggunakan Metode Certainty
Factor (sumber)
 11. Sistem Pakar Diagnosis Hama Penyakit Tanaman Jeruk Keprok Borneo Prima (Citrus Reticulata) Dengan
Fuzzy Tsukamoto (sumber)
12. Sistem Pakar Untuk Mendiagnosa Penyakit Pada Hewan Kambing Menggunakan Metode Certainty Factor
(sumber)
13. Metode Dempster Shafer pada Sistem Pakar Penentuan Penyakit Bayi (sumber)
14. Penerapan Metode Dempster Shafer Untuk Mendiagnosis Penyakit Pada Tanaman Kol (sumber)
15. Klasifikasi Sistem Pakar Diagnosis Penyakit Anak Menggunakkan Metode Forward dan Backward
Chaining Studi Kasus: Posyandu Kamal (sumber)
16. Sistem Pakar Kerusakan Laptop Menggunakan Metode Backward Chaining Berbasis Web (sumber)
17. Sistem Pakar Mendiagnosa Penyakit Hiperemesis Gravidarum Menggunakan Teorema Bayes (sumber)

Setelah membaca dan menganalisa Artikel tersebut, Jawablah pertanyaan berikut :

1. Apa masalah yang terjadi sehingga peneliti membuat penelitian tersebut ?
2. Apa yang hendak dicapai peneliti dari penelitian yang dilakukan tersebut ?
3. Sebutkan bentuk Representasi Pengetahuan dan Metode Akuisisi Pengetahuan yang digunakan oleh
peneliti ?
4. Mengapa peneliti menggunakan Metode atau Algoritma tersebut ? Jika lebih dari 1 Metode atau
Algoritma, jelaskan untuk tiap Metode atau Algoritma!
5. Apa kelebihan dan kekurangan dari Metode atau Algoritma tersebut ? Jika lebih dari 1 Metode atau
Algoritma, jelaskan untuk tiap Metode atau Algoritma!
6. Jelaskan tahapan yang dilakukan peneliti untuk menyelesaikan masalah mulai dari data mentah hingga
menjadi solusi dalam penelitian tersebut! (tahapan yang dimaksud bukan Metodologi Penelitian)
7. Jelaskan bagaimana cara peneliti mengevaluasi hasil penelitiannya ?
8. Dari penelitian tersebut apa kelebihan atau keunggulan dari sistem pakar yang dibuat tersebut jika
diterapkan di kehidupan nyata ? (berikan 1 contoh kasusnya)
9. Dari penelitian tersebut apa kekurangan atau kelemahan dari sistem pakar yang dibuat tersebut jika
diterapkan di kehidupan nyata ? (berikan 1 contoh kasusnya)
10. Apa yang bisa Anda kerjakan untuk memperbaiki atau menyempurnakan Sistem Pakar yang telah dibuat
oleh peneliti, supaya lebih bermanfaat ?

I. Petunjuk Menjawab Quiz dan Tugas

1. Pemilihan soal dilakukan dengan undian, pada waktu yang telah ditentukan.
2. 1 Kelompok belajar membahas 1 Artikel yang sama, tetapi jawaban pasti tidak sama karena hasil
pemikiran dan analisa pemahaman masing-masing Anggota pasti berbeda.
3. Tugas pertemuan ke-3 ini adalah tugas individu.
4. Jawaban Tugas diketikan pada aplikasi Ms.Word. Pada bagian Header berikan identitas kalian dan
bagian Footer berikan page number :
TUGAS PERTEMUAN KE-03
PEMODELAN DAN SIMULASI, GENAP 2022/2023
NPM : ….
Nama : ….
Kelas : ….
5. Setelah selesai mengetik jawaban, konversi atau simpan file Ms. Word tersebut ke format file PDF dengan
nama file TP2.PDF.
(Ekstensi PDF otomatis ada jika menggunakan aplikasi pengubah atau converter online atau offline).
6. Unggah file TP2.PDF tersebut ke Folder TUGAS di Folder Google Drive Pribadi yang sudah saya bagikan
di grup, sebelum tanggal 23 April 2023.
 7. Untuk tugas Pertemuan ke-03 ada Bonus Poin urutan pengumpulan tugas, jadi silakan kerjakan dan
unggah jawaban sesegera mungkin. Jika terlambat tidak ada bonus urutan, tetapi akan ada pengurangan
poin -5 * lama keterlambatan (hari). Note : berlaku untuk tiap file.
8. Data tugas yang telah saya terima akan saya sampaikan di File REKAP NILAI PNS pada sheet TUGAS, dan
saya update secara berkala. Tautan File REKAP NILAI PNS linktr.ee/daniel.swanjaya. Update data file
REKAP NILAI PNS dilakukan secara berkala, jika kalian melakukan perubahan pada Tugas, tidak akan
langsung ter-update, silakan tunggu setidaknya 8 Jam.
9. Jika ada yang perlu ditanyakan silakan sampaikan di grup Telegram PnS.

Note :
Recommended aplikasi untuk konversi ke format PDF secara
• offline : Microsoft Print to PDF (petunjuk via googling)
• online : www.freepdfconvert.com/id