Expert System

Sistem Pakar

                Sistem pakar (Expert System) adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli, dan sistem pakar yang baik dirancang agar dapat menyelesaikan suatu permasalahan tertentu dengan meniru kerja dari para ahli (Kusumadewi, 2003:109). Pakar yang dimaksud disini adalah orang yang mempunyai keahlian khusus yang dapat menyelesaikan masalah yang tidak dapat diselesaikan orang awam. Contohnya dokter, mekanik, psikolog, dan lain-lain.

                Sistem pakar pertama kali dikembangkan oleh komunitas AI pada pertengahan tahun 1960. Sistem pakar yang muncul pertama kali adalah General Purpose Problem Solver (GPS) yang dikembangkan oleh Newel & Simon (Turban, 1995).

                Sistem Pakar adalah suatu sistem yang menggabungkan pengetahuan dan penelusuran data untuk memecahkan masalah yang secara normal memerlukan keahlian seorang pakar.Yang diperlukan untuk membangun sitem pakar adalah sejumlah pengetahuan dan suatu mekanisme untuk mengakses pengetahuan itu secara efisien (mekanisme inferensi) untuk memecahkan masalah.

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. Sistem pakar merupakan merupakan subset dari Artificial Intelegence (Arhami, 2005).

                Pada dasarnya sistem pakar diterapkan untuk mendukung aktivitas pemecahan masalah. Beberapa aktivitas pemecahan masalah yang dimaksud seperti (Lestari, 2012):

Ø  Interpretasi. Membuat kesimpulan atau deskripsi dari sekumpulan data mentah. Pengambilan keputusan dari hasil observasi, termasuk pengenalan ucapan, analisis citra, interpretasi sinyal, dll.

Ø  Prediksi. Memproyeksikan akibat-akibat yang dimungkinkan dari situasi-situasi tertentu. Contoh: prediksi demografi, prediksi ekonomi, dll.

Ø  Diagnosis. Menentukan sebab malfungsi dalam situasi kompleks yang didasarkan pada gejala-gejala yang teramati diagnosis medis, elektronis, mekanis, dll.

Ø  Perancangan (desain). Menentukan konfigurasi komponen-komponen sistem yang cocok dengan tujuan-tujuan kinerja tertentu yang memenuhi kendala-kendala tertentu. Contoh: perancangan layout sirkuit, bangunan.

Ø  Perencanaan. Merencanakan serangkaian tindakan yang akan dapat mencapai sejumlah tujuan dengan kondisi awal tertentu. Contoh: perencanaan keuangan, militer, dll.

Ø  Monitoring. Membandingkan hasil pengamatan dengan kondisi yang diharapkan. Contoh: computer aided monitoring system.

Ø  Debugging. Menentukan dan menginterpretasikan cara-cara untuk mengatasi malfungsi. Contoh: memberikan resep obat terhadap kegagalan.

Ø  Instruksi. Mendeteksi dan mengoreksi defisiensi dalam pemahaman domain subjek. Contoh: melakukan instruksi untuk diagnosis dan debugging.

Ø  Kontrol. Mengatur tingkah laku suatu environment yang kompleks. Contoh: melakukan kontrol terhadap interpretasi, prediksi, perbaikan dan monitoring kelakukan sistem.

Manfaat Sistem Pakar

Ada banyak manfaat yang dapat diperoleh dengan mengembangkan sistem pakar, antara lain:

1.       Masyarakat awam non-pakar dapat memanfaatkan keahlian di dalam bidang tertentu tanpa kehadiran langsung seorang pakar

2.       Meningkatkan produktivitas kerja, menambah efisiensi kerja dan hasil solusi kerja

3.       Penghematan waktu dalam menyelesaikan masalah yg kompleks

4.       Memberikan penyederhanaan solusi untuk kasus-kasus yang kompleks dan berulang-ulang

5.       Pengetahuan dari seorang pakar dapat didokumentasikan tanpa ada batas waktu

6.       Memungkinkan penggabungan berbabagai bidang pengetahuan dari berbagai pakar untuk dikombinasikan

Perbandingan Pakar Manusia dan Sistem Pakar

Pakar Manusia	Sistem Pakar
Terbatas waktu karena manusia membutuhkan istirahat	Tidak terbatas waktu karena dapat digunakan kapanpun juga
Tempat akses bersifat lokal pada suatu tempat saja dimana pakar berada	Dapat digunakan diberbagai tempat
Pengetahuan bersifat variabel dan dapat berubah-ubah tergantung situasi	Pengetahuan bersifat konsisten
Kecepatan untuk menemukan solusi sifatnya bervariasi	Kecepatan untuk memberikan solusi konsisten dan lebih cepat daripada manusia

KOMPONEN EXPERT SYSTEM

a)  User Interface

      User interface digunakan manajer untuk memasukkan instruksi dan informasi dari sistem. Metode input yang digunakan oleh manajer yaitu:

Ø  Menu

Ø  Command

Ø  Natural Language

Ø  Output Expert System memakai 2 bentuk penjelasan (explanation):

Ø  Explanation of Question

Ø  Explanation of Problem Solution

b)  Knowledge Base

       Knowledge base terdiri dari fakta yang menggambarkan problem domain dan juga teknik penyajian yang menggunakan fakta sesuai logika. Aturan(rules) merupakan rincian dalam situasi yang tidak berubah: Kondisi benar dan tidak benar, tindakan yang diambil bila kondisi benar.

c)   Interface Engine

     Inference Engine merupakan bagian dari Expert System yang membentuk Reasoning dengan menggunakan isi dari knowledge base dalam urutan tertentu.

Dua metode yang digunakan dalam Expert System untuk mengamati Rules, yaitu:

Ø  Penalaran ke depan (Forward) atau Forward Chaining.

Ø  Penalaran ke Belakang (Revierse) atau Backward Chaining.

d)  Development Engine

        Development Engine membangun Rule Set dengan pendekatan:

Ø  Bahasa Pemrograman (Programming Language).

Ø  Bagian Expert System (Expert System Shell)

Komponen utama pada struktur sistem pakar (Hu et al, 1987) meliputi:

a.     Basis Pengetahuan (Knowledge Base)

                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. Menurut Gondran (1986) dalam Utami (2002), basis pengetahuan merupakan representasi dari seorang pakar, yang kemudian dapat dimasukkan kedalam bahasa pemrograman khusus untuk kecerdasan buatan (misalnya PROLOG atau LISP) atau shell sistem pakar (misalnya EXSYS, PC-PLUS, CRYSTAL, dsb.)

b.     Mesin Inferensi (Inference Engine)

                Mesin inferensi berperan sebagai otak dari sistem pakar. Mesin inferensi berfungsi untuk memandu proses penalaran terhadap suatu kondisi, berdasarkan pada basis pengetahuan yang tersedia. Di dalam mesin inferensi terjadi proses untuk memanipulasi dan mengarahkan kaidah, model, dan fakta yang disimpan dalam basis pengetahuan dalam rangka mencapai solusi atau kesimpulan. Dalam prosesnya, mesin inferensi menggunakan strategi penalaran dan strategi pengendalian.

                Strategi penalaran terdiri dari strategi penalaran pasti (Exact Reasoning) dan strategi penalaran tak pasti (Inexact Reasoning). Exact reasoning akan dilakukan jika semua data yang dibutuhkan untuk menarik suatu kesimpulan tersedia, sedangkan inexact reasoning dilakukan pada keadaan sebaliknya.

                Strategi pengendalian berfungsi sebagai panduan arah dalam melakukan prose penalaran. Terdapat tiga tehnik pengendalian yang sering digunakan, yaitu forward chaining, backward chaining, dan gabungan dari kedua tehnik pengendalian tersebut.

c.      Basis Data (Database)

                Basis data terdiri atas semua fakta yang diperlukan, dimana fakta-fakta tersebut digunakan untuk memenuhi kondisi dari kaidah-kaidah dalam sistem. Basis data menyimpan semua fakta, baik fakta awal pada saat sistem mulai beroperasi, maupun fakta-fakta yang diperoleh pada saat proses penarikan kesimpulan sedang dilaksanakan. Basis data digunakan untuk menyimpan data hasil observasi dan data lain yang dibutuhkan selama pemrosesan.

d.     Antarmuka Pemakai (User Interface)

                Fasilitas ini digunakan sebagai perantara komunikasi antara pemakai dengan sistem.

Struktur Sistem Pakar

                Sistem pakar terdiri dari 2 bagian pokok, yaitu: lingkungan pengembangan (development environment) dan lingkungan konsultasi (consultation environment). Lingkungan pengembangan digunakan sebagai pembangun sistem pakar baik dari segi pembangun komponen maupun basis pengetahuan. Lingkungan konsultasi digunakan oleh seseorang yang bukan ahli untuk berkonsultasi. Secara umum komponen sistem pakar dapat ditunjukkan pada gambar dibawah (Giarratano, 1993).

Giarratano- 1993

1.       Basis Pengetahuan (Knowledge Base)

                Basis pengetahuan berisi pengetahuan-pengetahuan dalam penyelesaian masalah. Basis pengetahuan ini juga berisi tentang aturan-aturan yang berkaitan dengan pengetahuan tersebut. Dalam proses ini pengetahuan direpresentasikan menjadi basis pengetahuan dan basis aturan selanjutnya dikodekan, dikumpulkan, dan dibentuk secara sistematis.

                Pada penalaran berbasis aturan, pengetahuan direpresentasikan dengan menggunakan aturan berbentuk : IF-THEN. Bentuk ini digunakan apabila memiliki sejumlah pengetahuan pakar pada suatu permasalahan tertentu dan si pakar dapat menyelesaikan masalah tersebut secara berurutan. Apabila ditemukan pengetahuan baru yang harus di inputkan atau diedit, maka keseluruhan program harus diubah dan memerlukan banyak waktu untuk penelusuran kembali listing program. Maka pembuatan sistem pakar dengan beberapa knowledge base perlu memperhatikan bagaimana penyimpanan yang tepat sehingga tabel data untuk menyimpan knowledge tersebut dapat terorganisasi dengan baik bagi beberapa knowledge.

2.       Mesin Inferensi (Inference Engine)

Inferensi merupakan proses yang digunakan sistem pakar untuk menghasilkan informasi baru dari informasi yang telah diketahui. Dalam sistem pakar proses inferensi dilakukan dalam suatu modul yang disebut dengan mesin inferensi (Inference Engine). Fungsi Inferensi Engine adalah :

a.       Memberikan pertanyaan kepada user.

b.       Menambah jawaban pada working memory (balckboard).

c.       Menambahkan fakta baru dari suatu rule (hasil inferensi).

d.       Menambahkan fakta baru tersebut pada working memory.

e.       Mencocokkan fakta pada working memory dengan rule.

Secara umum dalam inferensi penalaran maju (Forward Chaining) aturan (rule) akan diuji satu persatu dalam urutan tertentu. Saat tiap aturan diuji, sistem akan mengevaluasi apakah kondisi benar atau salah. Dengan kata lain, penalaran dimulai dari fakta terlebih dahulu untuk menguji hipotesis. Forward chaining adalah data driven karena inferensi dimulai dengan informasi yang tersedia dan kemudian konklusi akan diperoleh. Pada sistem pakar umumnya metode penalaran atau mesin inferensi tersebut diimplementasikan dalam bentuk baris-baris coding dalam bahasa pemrograman tertentu. Maka sudah dapat diperkirakan bahwa sistem pakar dengan beberapa knowledge hanya dapat diisi beberapa kepakaran yang memiliki teknik inferensi yang

sama dan memiliki struktur knowledge base yang sama.

3.       Working Memory

Working memory merupakan bagian dari sistem pakar yang digunakan untuk merekam kejadian yang sedang berlangsung termasuk keputusan sementara. Bagian ini berisi fakta-fakta masalah yang ditemukan dalam suatu proses. Fakta-fakta ini berasal dari konsultasi. Struktur working memory akan mengikuti alur inferensi sistem pakar tersebut.

4.       User Interface

Bagian ini merupakan suatu mekanisme atau media komunikasi antar pemakai (user) dengan program. Bagian ini juga menyediakan dan memberikan fasilitas informasi dan beberapa keterangan yang mengarah pada penelusuran masalah sampai ditemukan solusi.

               

APLIKASI EXPERT SYSTEM

ÿ Adver: sebuah prototipe Expert system digunakan untuk menggunakan strategi media periklanan yang sesuai dengan kondisi internal dan eksternal perusahaan dengan parameter biaya iklan per seribu pemirsa.

ÿ Brickwork expert(Bert): sebuah Expert system untuk disain bangunan. BERT digunakan untuk memeriksa sebuah disain bangunan, kemudian memberikan beberapa rekomendasi untuk perbaikan. Inputnya bisa dalam bentuk gambar.

ÿ Delta: Expert system untuk mendiagnosa kerusakan pada mesin-mesin Diesel Electric Locomotive.

ÿ Dendral: Sistem pakar untuk analisis struktur molekul suatu senyawa yang belum diketahui. Senyawa yang belum diketahui tersebut dianalisis dengan menggunakan “mass spectrometer” dan “nuclear magnetic reconancy equipment”. Data hasil analisis tersebut dimasukkan ke DENDRAL yang akan membuat struktur molekulnya.

ÿ Mycin: Expert system untuk mendiagnosa infeksi akibat bakteri dan menyarankan jenis obat dan dosisnya untuk penyembuhan.

ÿ Opera: Operator Advisor yang digunakan untuk mendiagnosa dan menangani kerusakan pada suatu jaringan komputer. OPERA dijalankan pada malam hari untuk menggantikan Supervisor System Manager.

ÿ Prospector: Untuk membantu menemukan lokasi yang mengandung bahan tambang. Basis pengetahuannya berisi kaidah berdasar data empiris dan taksonomi beberapa jenis mineral dan batu-batuan. Untuk mengetahui apakah suatu daerah mengandung bahan tambang, lebih dahulu dilakukan survey keadaan geologi dan pengambilan contoh tanah dan batu-batuan. Berdasarkan data hasil survey tersebut akan diberikan rekomendasi apakah daerah tsb layak untuk dieksplorasi dan akan diputuskan apakah akan dilakukan penggalian atau tidak.

ÿ Heatings: Untuk pengontrolan proses pembakaran batubara secara terus menerus dengan menggunakan sensor yang dihubungkan ke komputer. Bila terjadi kerusakan yang menimbulkan bahaya (peralatan & manusia) dapat dengan mudah mengetahui dan memberikan pemecahannya. Misal, bila bila HEATINGS mendeteksi kadar CO melewati ambang batas akan terdengar bunyi alarm dan menyuruh membuka ventilasi.

Daftar Pustaka (Source ):

Ø  https://www.coursehero.com/file/31763256/sistem-cerdas-4-Appt/

Ø  https://sis.binus.ac.id/2018/04/26/expert-system/

Ø  https://sis.binus.ac.id/2019/02/21/komponen-expert-system/

Ø  https://cahyadsn.phpindonesia.id/extra/expert_system.php

Ø  http://jurnal.upnyk.ac.id/index.php/semnasif/article/view/968