Hersatoto Listiyono
Fakultas Teknologi Informasi, Universitas Stikubank Semarang
email : herlis@unisbank.ac.id
Abstrak : Suatu sistem pakar adalah suatu sistem komputer yang menyamai kemampuan pengambilan
keputusan dari seorang pakar. Suatu emulsi jauh lebih kuat daripada suatu simulasi yang hanya
membutuhkan sesuatu yang bersifat nyata dalam beberapa bidang atau hal. Knowledge dalam sistem pakar
mungkin saja seorang ahli, atau knowledge yang umumnya terdapat dalam buku, majalah dan orang yang
mempunyai knowledge tentang suatu bidang. Istilah sistem pakar, sistem basis-pengetahuan (knowledge-
base), atau sistem pakar basis-pengetahuan (knowledge-base) , sering digunkan dalam arti yang sama.
Kata Kunci : knowledge, User Interface Knowledge Acquisition, pelacakan
Teknologi sistem pakar ini meliputi bahasa komponen utama, yaitu basis-pengetahuan
sistem pakar, program dan perangkat keras yang (knowledge-base) yang berisi pengetahuan dan
dirancang untuk membantu pengembangan dan mesin inferensi yang menggunakan kesimpulan.
pembuatan sistem pakar. Kesimpulan tersebut merupakan respon dari
sistem pakar atas permintaan pengguna.
basis pengetahuan (knowledge-base), akusisi b. Pengetahuan sering tidak pasti dan tidak
pengetahuan, mesin inferensi, workplace, lengkap.
fasilitas penjelasan, perbaikan pengetahuan.
c. Pengetahuan sering miskin spesifikasi.
ANTARMUKA PENGGUNA (USER d. Amatir menjadi ahli secara bertahap.
INTERFACE)
e. Sistem pakar harus fleksibel.
User interface merupakan mekanisme f. Sistem pakar harus transparan.
yang digunakan oleh pengguna dan sistem pakar
untuk berkomunikasi. Sistem pakar Sejarah peneliti dibidang AI telah
menampilkan pertanyaan-pertanyaan yang hanya menunjukan berulang kali bahwa pengetahuan
perlu dijawab oleh pengguna. Pertanyaan- adalah kunci untuk setiap sistem cerdas
pertanyaan itu harus dijawab dengan benar dan (intelligence system).
sesuai dengan masalah yang dihadapi pengguna.
Antarmuka menerima jawaban dari pengguna AKUSISI PENGETAHUAN (KNOWLEDGE
dan selanjutnya sistem pakar mencari dan ACQUISITION)
mencocokan ke dalam aturan sehingga diperoleh
suatu kesimpulan. Jadi antarmuka menerima Akusisi knowledge adalah komulasi,
input berupa jawaban dari pemakai dan transfer dan transformasi keahlian dalam
mengubahnya kedalam bentuk yang dapat di menyelesaikan masalah dari sumber
terima oleh sistem. Selain itu antarmuka pengetahuan kedalam program komputer. Dalam
menyajikan informasi dalam bentuk yang dapat tahap ini knowledge enginer berusaha menyerap
dimengerti oleh pemakai. Menurut Mcloed knowledge untuk selanjutnya ditransfer ke dalam
(1995 :1) , basis pengetahuan (knowledge-base).
Knowledge diperoleh dari pakar dilengkapi
Pada bagian ini terjadi dialog antar dengan buku, basis data, laporan penelitian dan
program dan pemakai, yang memungkinkan pengalaman pemakai. Menurut Turban (1998 :
sistem pakar menerima instruksi dan input dari 1), terdapat tiga metode utama dalam akusisi
pemakai, juga memberikan informasi (output) pengetahuan yaitu :
kepada pemakai.
a. Wawancara
BASIS PENGETAHUAN (KNOWLEDGE- Wawancara adalah metode akusisi
BASE) yang paling banyak digunakan. Dalam
metode ini melibatkan pembicaraan dengan
Basis pengetahuan tidak dapat dipisahkan pakar secara langsung dalam suatu
dari mesin inferensi. Basis pengetahuan wawancara. terdapat bentuk wawancara
(knowledge-base) mengandung pengetahuan yang dapat digunakan, masing-masing
untuk pemahaman, formulasi, dan penyelesaian bentuk wawancara tersebut mempunyai
masalah. Komponen sistem pakar ini disusun tujuan yang berbeda.
atas dua elemen dasar, yaitu fakta dan aturan.
Fakta merupakan informasi tentang obyek dalam 1) Contoh Masalah (Kasus), bentuk
area permasalahan tertentu, sedangkan aturan wawancara ini, pakar dihadapkan
merupakan informasi tentang cara bagaimana dengan suatu masalah nyata.
memperoleh fakta baru dari fakta yang telah 2) Wawancara Klasifikasi, maksud dari
diketahui. wawancara ini adalah untuk
Dalam studi kasus pada sistem berbasis memperoleh wawasan pakar untuk
pengetahuan terdapat beberapa karakteristik domain permasalahan tertentu.
yang dibangun untuk membantu kita dalam 3) Wawancara Terarah, metode ini
membentuk serangkaian prinsip-prinsip biasanya merupakan pelengkap bagi
arsitekturnya. Prinsip tersebut meliputi : metode wawancara dengan
a. Pengetahuan merupakan kunci kekuatan menggunakan contoh masalah dan
sistem pakar. wawancara klasifikasi. Dalam bentuk
wawancara ini pakar dan knowledge
enginer mendiskusikan domain dan cara dimotori tujuan (goal driven). dalam pendekatan
menyelesaikan masalah dalam tingkat ini pelacakan mulai dari tujuan, selanjutnya
yang lebih umum dari dua metode dicari aturan yang memiliki tujuan tersebut
sebelumnya. untuk kesimpulannya. Selanjutnya proses
b. Analisis Protokol pelacakan menggunakan premis aturan tersebut
sebagai tujuan baru dan mencari aturan lain
Dalam metode akusisi ini, pakar dengan tujuan baru sebagai kesimpulannya.
diminta untuk melakukan suatu pekerjaan
dan mengungkapkan proses pemikiran
dengan menggunakan kata-kata. Pekerjaan
tersebut direkam, dituliskan dan dianalisis.
c. Observasi Pada Pekerjaan Pakar Gambar 4. Proses Backward Chaining
Dalam metode ini, pekerjaan dalam
bidang tertentu yang dilakukan pakar Sebagai contoh dari pendekatan dari
direkam dan diobservasi. metode pelacakan kebelakang (backward
chaining) yaitu terdapat penderita yang
d. Induksi Aturan Dari Contoh mempunyai penyakit flu mempunyai gejala-
Metode ini dibatasi untuk sistem gejala penyakit seperti pusing, bersin, dan
berbasis aturan. Induksi adalah suatu proses demam yang di sebabkan oleh virus flu maka
penalaran dari kasus ke umum. Suatu sistem dari itu obat yang di gunakan untuk
induksi aturan diberi contoh-contoh dari menyembuhkannya yaitu mixagrif, ultraflu.
suatu masalah yang hasilnya telah diketahui. Pelacakan ke depan (forward chaining)
Setelah diberikan beberapa contoh, sistem adalah pendekatan yang dimotori data (data-
induksi aturan tersebut dapat membuat driven). dalam pendekatan ini pelacakan dimulai
aturan yang benar untuk kasus-kasus contoh. dari informasi masukan, dan selanjutnya
selanjutnya aturan dapat digunakan untuk mencoba menggambarkan kesimpulan.
menilai kasus lain yang hasilnya tidak Pelacakan kedepan mencari fakta yang sesuai
diketahui. dengan bagian IF dari aturan IF-THEN.
MESIN INFERENSI
lampu berwarna biru “. Namun demikian karena dari beberapa domain yang berbeda dan meta
berhubungan dengan pengalaman maka boleh knowledge akan menentukan dasar knowledge
jadi tidak selalu bias di percaya dan posteriori yang dapat digunakan.
knowledge dapat di sangkal berdasarkan
knowledge baru tanpa memerlukan kontradiksi. Selanjutnya istilah knowledge disebut
Knowledge dapat diklasifikasikan ke dalam tiga sebagai knowledge. Dalam pengembangan
katagori yaitu prosedural declarative knowledge, sistem berbasis pengetahuan (knowledge-base),
dan tacit Knowledge. knowledge yang telah diekstrak dipresentasikan
ke dalam bentuk yang dapat di proses oleh
Procedural knowledge berkenaan untuk komputer. Beberapa model representasi
mengetahui bagaimana melakukan sesuatu. pengetahuan yang penting (kusrini : 2006 : 1)
Sebagai contoh, knowledge tentang bagimana adalah :
mendidihkan air dalam mangkok. Deklarative
knowledge berkenaan untuk mengetahui sesuatu a. Jaringan Semantik (Semantic Net)
itu benar atau salah. Hal ini berkenaan dengan Konsep jaringan semantik
knowledge yang menunjukan bentuk pernyataan diperkenalkan pada tahun 1968 oleh Ross
deklarasi seperti “ jangan celupkan tangan anda Quillian. Jaringan semantik merupakan
ke dalam mangkok air yang mendidih”. Tacit teknik representasi kecerdasan buatan klasik
knowledge kadang disebut juga dengan yang digunakan untuk informasi proposional
unconscious knowledge, karena tidak dapat di (Giarranto dan Riley : 1994 :1). Yang
ungkapkan dengan bahasa. Sebagai contoh dimaksud dengan informasi proposional
adalah mengetahui bagaimana memindahkan adalah pernyataan yang mempunyai nilai
tangan anda dari dalam air yang panas. Pada benar atau salah. Informasi proposional
suhu tinggi anda harus mengatakan bahwa merupakan bahasa deklaratif karena
menarik tangan anda cepat-cepat atau santai. menyatakan fakta. Komponen utama yang
Dalam sistem komputer ANS (Artificial mempresentasikan knowledge dalam bentuk
Neural System) dikaitkan dengan tacit jaringan semantik adalah simpul (node) dan
knowledge karena secara normal jaringan saraf penghubung (link). Simpul
tidak secara langsung menjelaskan mempresentasikan obyek, konsep atau
knowledgenya akan tetapi mungkin mampu jika situasi. Simpul digambarkan dengan kotak
disediakan program yang sesuai. Knowledge atau lingkaran. Penghubung
merupakan kunci utama dari sistem pakar. menghubungkan antar simpul. Penghubung
Analoginya dengan ekspresi klasik dari wirth dinyatakan dengan panah berarah dan diberi
adalah : label untuk bmenyatakan hubungan yang
dipresentasikan.
Algoritma + Struktur Data = Program.
Dan untuk sistem pakar.
Knowledge + Inferensi = Sistem Pakar.
probabilitas Klasik, probabilitas Bayes, teori banyak diterapkan dalam logika kedokteran
Hartley yang berdasarkan pada himpunan klasik, moderen (Cutler : 1991 :1). Teorema ini
teori Shanon yang didasarkan pada peluang, lebih banyak diterapkan pada hal-hal yang
teori Dempster-Shafer dan teori Fazzy Zadeh. berkenaan dengan diagnosis secara statistik
yang berhubungan dengan probabilistik serta
PROBABILITAS DAN TEOREMA BAYES kemungkinan dari penyakit dan gejala-gejala
yang berkaitan.
a. Probabilitas
Teorema Bayes dapat dikembangkan
Suatu yang sudah lama sekali tetapi jika setelah dilakukan pengujian terhadap
masih tetap sangat penting sebagai alat hipotesis kemudian muncul lebih dari
dalam menyelesaikan masalah AI adalah sebuah evidence. Dalam hal ini maka
probabilitas (Farley : 1993 :1). Probabilitas persamaannya akan menjadi :
merupakan suatu cara kuantitatif yang
berhubungan dengan ketidakpastian yang P(H|E,e) = P(H|E) P(e|E,H)
telah ada sejak abad ke-17, ketika penjudi- P(e|E)
penjudi Francis meminta bantuan dari para Dimana :
ahli matematika yang terkemuka seperti
Pascal, Fermat dan lainnya. e : Evidence lama.
Perjudian telah jadi sangat popular E : Evidence baru.
karena melibatkan uang yang sangat besar P(H|H,e) : Probabilitas hipotesis H benar
didalamnya. Pejudi menginginkan metode jika muncul evidence baru E
untuk membantu mereka dalan menghitung dari evidence lama e.
semua rintangan untuk menuju kemenangan.
P(H|E) : Probabilitas hipitesis H benar
Teori probabilitas klasik pertama kali jika diberikan evidence E.
diperkenalkan oleh Pascal dan Fermat pada
tahun 1654 (parrat : 1961 :). Kemudian P(e|E,H) : Kaitan antar E jika hipotesis H
banyak cara yag telah dilakukan untuk benar.
mengerjakan probabilitas dan ada beberapa P(e|E) : Kaitan antara e dan E tanpa
cabang baru dari probabilitas yang memandang hipotesis apapun.
dikembangkan. Banyak aplikasi probabilitas
yang telah ditunjukan dalam ilmu Teori Dempster-Shafer
pengetahuan, teknik, bisnis, ekonomi, dan Teori Dempster-Shafer pertama kali
bidang-bidang lainnya. diperkenalkan oleh Dempster, yang melakukan
percobaan ketidakpastian dengan range
b. Teorema Bayes probabilities daripada sebagai probabilitas
Probabilitas Bayes merupakan salah tunggal. Kemudian pada tahun 1976 Shafer
satu cara untuk mengatasi ketidakpastian mempublikasikan teori Dempster pada buku
data dengan menggunakan formula Bayes yang berjudul Mathematichal Theory of
yang dinyatakan : Evident(Giarratano dan Riley, 2004)
P(H|E) = P(E\H). P(H)
P (E) Suatu interval (Belief,Plausibility) dalam
Dimana : teori Dempster-Shafer adalah total ukuran
P(H|E) : probabilitas hiotesis H jika kekuatan evidence dalam mendukung suatu
diberikan evidence E. himpunan bagian. Jika bernilai 0 maka
P(E|H) : probabilitas munculnya evidence mengidentifikasikan bahwa tidak ada evidence,
E jika diketahui hipotesis H. dan bernilai 1 menunjukan adanya evidence.
P(H) : probabilitas hipotesis H tanpa Menurut Giarratano dan Riley, Belief dapat
memandang evidence apapun. diformulasikan sebagai berikut :
P(E) : probabilitas evidence E. Bel() X m ( Y)
DAFTAR PUSTAKA