PERTEMUAN VII

SISTEM PAKAR
DESKRIPSI MATA KULIAH
SISTEM PAKAR
Mata kuliah ini mempelajari teknologi sistem pakar
berbasis pengetahuan. metodologi pengembangan
sistem pakar, akuisisi pengetahuan, representasi
pengetahuan, metode inferensi (reasoning method),
metode ketidakpastian (Uncertainty) dan machine
learning (decision tree, Neural Network, GA,  Text
Mining, Web Mining).
suatu program komputer yang mengandung
pengetahuan dari satu atau lebih pakar manusia
mengenai suatu bidang spesifik.
SEJARAH DAN TUJUAN
SISTEM PAKAR
Sistem pakar pertama kali dikembangkan oleh komunitas AI pada pertengahan tahun 1960. GPS
(General Purpose Problem Solver) merupakan sistem pakar pertama yang dikembangkan oleh
Newel & Simon (Turban, 1995)
Tujuan sistem pakar
Untuk mentransfer kepakaran dari seorang pakar ke dalam komputer, kemudian kepada orang lain
yang bukan pakar serta mendukung aktivitas pemecahan masalah seperti (Lestari, 2012) :
1. Interpretasi : membuat kesimpulan/deskripsi dari sekumpulan data mentah
2. Prediksi : memproyeksikan akibat-akibat yang dimungkinkan terjadi pada situasi tertentu
3. Diagnosis : menentukan sebab malfungsi berdasarkan gejala-gejala tertentu
4. Perancangan : menentukan konfigurasi komponen-komponen yang cocok dengan tujuan tertentu
MANFAAT SISTEM PAKAR
1. Memungkinkan orang awam bisa mengerjakan
pekerjaan para ahli
2. Bisa melakukan proses secara berulang secara otomatis
3. Menyimpan pengetahuan dan keahlian para pakar
4. Memiliki reliabilitas
5. Mampu melestarikan keahlian para pakar (terutama
keahlian langka)
MODUL SISTEM PAKAR
Modul Penerimaan Pengetahuan
Sistem pakar akan menggunakan modul ini saat sedang menerima input pengetahuan dari para
pakar atau tenaga ahli. Proses pengumpulan pengetahuan akan dibantu oleh seorang Knowledge
Engineer yang berfungsi menerjemahkan bahasa pakar ke dalam sistem pakar nantinya.
Modul Konsultasi
Sistem pakar akan beralih ke modul konsultasi saat sistem menerima pertanyaan dari user.
Pertanyaan terkadang juga bisa diberikan dalam bentuk permasalahan yang memang yang
memang menjadi keahlian dari sistem pakar tersebut.
Modul Penjelasan
Pada modul ini, sistem pakar menjalankan tugasnya sebagai pemberi jawaban atau jalan keluar
atas masalah yang diajukan.
STRUKTUR SISTEM PAKAR
KOMPONEN SISTEM PAKAR
Basis Pengetahuan (Knowledge Base)
Basis pengetahuan berisi pengetahuan untuk pemahaman, formulasi
dan penyelesaian masalah. Sistem pakar disusun atas dua elemen dasar
yaitu fakta dan aturan. Fakta merupakan informasi tentang objek
dalam area permasalahan tertentu, sedangkan aturan merupakan
informasi cara bagaimana memperoleh fakta baru dari fakta yang telah
diketahui. Pada struktur sistem pakar diatas, knowledge base berfungsi
untuk menyimpan pengetahuan dari pakar berupa rule / aturan (if
<kondisi> then <aksi> atau dapat juga disebut condition-action rules).
KOMPONEN SISTEM PAKAR
Mesin Inferensi (Inference Engine)
Mesin Inferensi merupakan otak dari sebuah sistem pakar dan
dikenal juga dengan sebutan control structure atau rule interpreter
(dalam sistem pakar berbasis kaidah). Komponen ini berisi
mekanisme pola pikir dan penalaran yang digunakan oleh pakar
dalam menyelesaikan suatu masalah. Mesin inferensi adalah
processor pada sistem pakar yang mencocokkan bagian kondisi
dari rule yang tersimpan di dalam knowledge base dengan fakta
yang tersimpan di working memory.
KOMPONEN SISTEM PAKAR
Memori Kerja (Working Memory)
Berguna untuk menyimpan fakta yang dihasilkan oleh mesin
inferensi dengan penambahan parameter berupa derajat
kepercayaan atau dapat juga dikatakan sebagai global database
dari fakta yang digunakan oleh aturan-aturan yang ada.
Fasilitas penjelasan (Explanation facility)
Menyediakan kebenaran dari solusi yang dihasilkan kepada
pemakai.
KOMPONEN SISTEM PAKAR
Akuisisi pengetahuan (Knowledge acquisition facility)
Meliputi proses pengumpulan, pemindahan, dan perubahan dari kemampuan
pemecahan masalah seorang pakar atau sumber pengetahuan terdokumentasi ke
program komputer yang bertujuan untuk memperbaiki atau mengembangkan
basis pengetahuan.
Tampilan pemakai (User Interface)
Mekanisme untuk memberi kesempatan kepada pemakai dan sistem pakar untuk
berkomunikasi antar muka yaitu dengan menerima informasi dari pemakai dan
mengubahnya ke dalam bentuk yang dapat diterima oleh sistem. Selain itu antar
muka menerima informasi dari sistem dan menyajikannya ke dalam bentuk yang
dapat dimengerti oleh pemakai
SISTEM PAKAR
Suatu program AI yang berisi basis pengetahuan dan mesin
inferensi
Seperti layaknya seorang pakar
Berfungsi sebagai konsultan
Tidak untuk menggantikan kemampuan seorang pakar
Berisi pengetahuan dari para pakar
Dapat digunakan untuk menjawab pertanyaan, memecahkan
masalah dan membuat keputusan
DEFINISI-DEFINISI
Durkin: program komputer yang dirancang untuk memodelkan
kemampuan penyelesaian masalah yang dilakukan oleh seorang
pakar
Ignizio: suatu model dan prosedur yang berkaitan dalam suatu
domain tertentu, dimana tingkat keahliannya dapat dibandingkan
dengan keahlian seorang pakar
Giarratano dan Riley: suatu sistem komputer yang bisa menyamai
atau meniru kemampuan seorang pakar
SISTEM PAKAR
Menyimpan pengetahuan dari berbagai sumber
Berisi heuristic knowledge:
 Berasal dari peristiwa di dunia nyata learning by doing

Computer software packages:

 A generic programs
 Can be used to build special programs for many applications

Expert system:
 Highly dedicated piece of software
 Contains knowledge in a specific domain
PERBEDAAN PENGGUNA
Manager: apa yang dapat saya gunakan?
Teknolog: bagaimana saya dapat mengimplentasikan teknologi dengan baik?
Peneliti: bagaimana saya dapat mengembangkannya
User: bagaimana dapat membantu saya? Dapat menghemat biaya? Bagaimana
kehandalannya?
PERBEDAAN ES DAN PAKAR
Time:
 P:hari kerja; ES: tiap saat

Geografis:
 P:lokal/tertentu; ES: dimana saja

Keamanan:
 P: tdk tergantikan; ES: dapat diganti

Dapat habis:
 P: ya; ES: tidak

Performa dan kecepatan:

 P: variabel; ES: konstan

Biaya:
 P: tinggi; ES: terjangkau
 EXAMPLE OF EXPERT SYSTEM

The famous:
 MYCIN: diagnosa penyakit,
 DENDRAL: mengidentifikasi struktur molekul campuran kimia yang tidak
dikenal,
 XCON & XSEL: konfigurasi sistem komputer besar,
 Prospector: bidang geologi
The other:
 SOPHIE: analisis sirkuit elektronik,
 DELTA: pemeliharaan lokomotif listrik,
 FOLIO: stok dan investasi
BENEFITS OF EXPERT SYSTEMS
Memungkinkan orang awam dapat mengerjakan pekerjaan para ahli
Bisa melakukan proses berulang secara otomatis
Menyimpan pengetahuan dan keahlian pakar
Meningkatkan output dan produktifitas
Melestarikan keahlian pakar
Dapat beroperasi pada lingkungan berbahaya
Dapat meningkatkan kemampuan sistem komputer
Dapat bekerja dengan informasi yang tidak lengkap
Sebagai media pelengkap dalam pelatihan
Menghemat waktu pengambilan keputusan
 THE DOWN SIDE OF EXPERT SYSTEM

Development of an ES is difficult
ES is expensive
Most ES still must be implemented & delivered on a big mainframe or minicomputer
Not 100% reliable
Kepakaran tidak selalu tersedia pada bidang-bidang tertentu
 4 BASIC TYPE

Stand-alone: software yang berdiri sendiri, tidak tergabung

dengan program lain
Sistem Tergabung: sistem ini merupakan bagian dari program
lain yang masih bersifat konvensional, misal berada di dalam
algoritma yang konvensional
Sistem terhubung dengan software lain: misalnya sistem pakar
yang berhubungan dengan paket program DBMS
Sistem Mengabdi: merupakan bagian dari komputer khusus
yang dihubungkan dengan suatu fungsi tertentu
SISTEM KONVENSIONAL VS
ES
SK: informasi dan pemrosesan menjadi satu dengan program, ES:
pengetahuan dan inferensi terpisah
SK: tidak bisa menjelaskan keputusan, ES: ada fasilitas penjelasan
SK: eksekusi perlangkah, ES: eksekusi dilakukan pada seluruh
basis pengetahuan
SK: menggunakan data, ES: menggunakan pengetahuan
KONSEP DASAR ES
Komponen Sistem Pakar:
 Pengetahuan Pakar: pengetahuan pada suatu bidang tertentu
 Fakta-fakta, teori, prosedur, aturan, strategi, meta knowledge
 Pakar
 Pengalihan Pengetahuan:
 Tambahan pengetahuan, representasi pengetahuan, inferensi pengetahuan, pengalihan
pengetahuan ke user.
 Inferensi: kemampuan menalar
 Aturan: dalam bentuk aturan IF-THEN
 Fasilitas Penjelasan: penejelasan bagaimana keputusan dibuat
 Kemampuan rekomendasi
User
PENJELASAN
Knowledge Acusition: penambahan pengetahuan, mengkonstruksi atau memperluas pengetahuan
Knowledge Base: berisi pengetahuan
Inference Engine: program yang berisi metodologi yang digunakan untuk melakukan penalaran
terhadap informasi dalam basis pengetahuan dan blackboard:
 Interpreter: mengeksekusi item-item agenda yang terpilih menggunakan aturan
 Scheduler: mengkontrol agenda
 Consistency Enforcer: memelihara kekonsistenan dalam merepresentasikan solusi yang bersifat darurat

Blackboard: area kerja dalam memori yang digunakan dalam kejadian yang sedang berlangsung
termasuk keputusan sementara
 Plan: bagaimana menghadapi masalah
 Agenda: aksi aksi potensial yang sedang menunggu untuk dieksekusi
 Solution: calon aksi yang akan dibangkitkan
PENJELASAN
Interface: sebagai media komunikasi antara user dan program
Explanation Facility: melacak respon dan memberi penjelasan ttg
kelakuan sistem pakar
 Mengapa suatu pertanyaan ditanyakan?
 Bagaimana konklusi dicapai?
 Mengapa ada alternatif yang dibatalkan?
 Rencana apa yang dilakukan mendapatkan solusi?
Knowledge refinement: mengevaluasi kinerja sistem pakar, apakah
pengetahuan tersebut masi cocok untuk digunakan pada masa yang
akan datang?
KNOWLEDGE BASE
Pendekatan knowledge base:
 Rule Based Reasoning
 Pengetahuan dibuat dalam IF-THEN
 Digunakan jika kita sudah memiliki pengetahuan dari pakar mengenai permasalahan
tertentu secara berurutan
 Dibutuhkan jika harus ada penjelasan tentang langkah-langkah pencapaian solusi
 Case Based Reasoning
 Basis pengetahuan akan berisi kasus-kasus yang sudah diketahui sebelumnya.
 Jika kasus-kasusnya hampir mirip
 Jika sudah memiliki penyelesaian kasus-kasus
INFERENCE ENGINE
Forward Chaining: pencocokan dari fakta untuk menguji kebenaran hipotesis
Backward Chaining: pencocokan dari bagian hipotesis terlebih dahulu baru
mencocokkan dengan fakta-faktanya
KASUS
Contoh:
 R1: IF A & B THEN C
 R2: IF C THEN D
 R3: IF A & E THEN F
 R4: IF A THEN G
 R5: IF F & G THEN D
 R6: IF A & G THEN H
 R7: IF C & H THEN I
 R8: IF I & A THEN J
 R9: IF G THEN J
 R10: IF J THEN K
Fakta: A & F, apakah K benar?
 R4 R9 R10

A G J K

R5
R3
F D
R6
E H

R10
K J I C A
R8 R7 R1

A B
H

R10 R9 R4
K J G A
KASUS
R1: if suku bunga turun then harga obligasi naik
R2: if suku bunga naik then harga obligasi turun
R3: if suku bunga tidak berubah then harga obligasi tidak berubah
R4: if dolar naik then suku bunga turun
R5: if dolar turun then suku bunga naik
R6: if harga obligasi turun then beli obligasi

Diket: dolar turun, beli atau tidak obligasi?

KNOWLEDGE ACUISITION
Knowledge engineer berusaha menyerap pengetahuan untuk ditransfer ke basis
pengetahuan
Metode:
 Wawancara
 Analisis protokol: pakar diminta untuk melakukan pekerjaan dan direkam
 Observasi kerja pakar
 Induksi aturan
 CIRI-CIRI EXPERT SYSTEM

Adanya Explanation facility

Mudah dimodifikasi
Dapat digunakan pada berbagai jenis komputer
Memiliki kemampuan beradaptasi
 EXPERT SYSTEM APPLICATIONS

ES is not suitable for all situations

Generic ES categories:
 Control : intelligent automation
 Debugging : recommends corrections to faults
 Design : developing products to specification
 Instruction : optimized computer instruction
 Interpretation : clarification of situations
 Planning : developing goal-oriented schemes
 Prediction : intelligent guessing of outcomes
 Repair : automatic diagnosis, debugging, planning and fixing
DEVELOPING AN EXPERT SYSTEM
APAKAH PROBLEM MEMERLUKAN
ES?
Memerlukan kepakaran
Biaya tinggi
Tidak memerlukan common sense
Subyeknya sempit
Tidak memerlukan solusi fisik
Tingkat kesulitan sedang
Bisa dipecahkan oleh pengetahuan
Memiliki solusi minimum
Pakarnya tersedia
TERIMA KASIH
SELAMAT BELAJAR
CONTOH APLIKASI SISTEM
PAKAR
http://www.bunafitkomputer.com/demo/sistempakar-unggas/index.php