Sistem Pakar dan Pengembangannya

Assalamualaikum wr. wb. 

Pada isi blog ini merupakan pemenuhan tugas akhir mata kuliah Sistem Pakar yaitu membuat rangkuman sebuah buku Sistem Pakar. Saya merangkum buku  berjudul “Sistem Pakar dan Pengembangannya” Edisi pertama karya Sri Hartati dan Sari Iswanti. Dimana pembahasan pada buku ini Bab 1 tentang Sistem Pakar dan Bab 2 mengenai Representasi Pengetahuan dan Penalaran. Berikut rangkumannya :

SISTEM PAKAR

1. Pengertian Sistem Pakar 

Kecerdasan buatan adalah salah satu bidang ilmu komputer yang mendayagunakan komputer sehingga dapat berperilaku cerdas seperti manusia. Ilmu komputer tersebut mengembangkan perangkat lunak dan perangkat keras untuk menirukan tindakan manusia. Salah satu teknik kecerdasan buatan yang menirukan proses penalaran manusia adalah sistem pakar. Pemecahan masalah-masalah yang komplek biasanya hanya dapat dilakukan oleh sejumlah orang yang sangat terlatih, yaitu pakar. Dengan penerapan teknik kecerdasan buatan, sistem pakar menirukan apa yang dikerjakan oleh seorang pakar ketika mengatasi permasalahan yang rumit, berdasarkan pengetahuan yang dimilikinya.

2. Komponen Sistem Pakar

Komponen-komponen yang harus dimiliki dalam membangun sebuah sistem pakar ialah:

• Antar Muka Pengguna (User Interface) : merupakan pengganti seorang pakar, dimana antar muka pengguna (User Interface) haruslah efektif dan ramah pengguna (user-friendly). 
• Basis Pengetahuan (Knowledge Base) : merupakan kumpulan pengetahuan bidang tertentu pada tingkatan pakar dalam format tertentu. Basis pemgetahuan bersifat dinamis, bisa berkembang dari waktu ke waktu. 
• Mekanisme Inferensi (Inference Machine) : merupakan otak dari sistem pakar, berupa perangkat lunak yang melakukan tugas inferensi penalaran siste, pakar, biasa dikatakan sebagai mesin pemikir.pada prinsipnya mesin inferensilah yang akan mencari solusi dari suatu permasalahan. 
• Memori Kerja (Working Memory) : merupakan bagian dari sistem pakar yang menyimpan fakta-fakta yang diperoleh saat dilakukan proses konsultasi. 
• Fasilitas Penjelasan (Explanation Facility) : Berfungsi untuk memberikan informasi kepada pemakai mengenai jalannya penalaran sehingga dihasilkan suatu keputusan. 
• Fasilitas Akusisi Pengetahuan (Knowledge Acquisition Facility) : Berfungsi untuk mempermudah pakar dalam menambahkan pengetahuan ataupun kaidah baru pada sistem pakar.

3. Elemen manusia pada sistem pakar

Personil yang berkaitan dengan sistem pakar ada 4, yaitu

• Pakar : seorang individu yang memiliki pengetahuan khusus, pemahaman, pengalaman dan metode-metode yang digunakan untuk memecahkan persoalan dalam bidang tertentu. 
• Pembangun / Pembuat Pengetahuan : memiliki tugas utama menterjemahkan dan merepresentasikan pengetahuan yang diperoleh dari pakar. 
• Pembangun / Pembuat Sistem : 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. 
• Pengguna (User) : pengguna sistem pakar memiliki beberapa kelas pengguna.

4. Kategori problem

Kategori	Keterangan
Diagnosis	Menentukan dugaan/hipotesa berdasarkan gejala-gejala yang didapat dari pengamatan.
Desain	Menentukan konfigurasi komponen-komponen sistem berdasarkan kendala-kendala yang ada.
Debugging	Menentukan cara penyelesaian untuk mengatasi suatu kesalahan.
Interpretasi	Membuat deskripsi atau kesimpulan berdasarkan data yang didapat dari hasil pengamatan.
Instruksi	Pengajaran yang cerdas, menjawab pertanyaan mengapa, bagaimana, dan what-if sebagaimana yang dilakukan oleh seorang guru.
Kontrol	Mengatur pengendalian suatu sistem (lingkungan).
Monitoring	Membandingkan hasil pengamatan dengan kondisi yang direncanakan.
Perencanaan	Pembuatan rencana untuk mencapai tujuan/sasaran yang telah direncanakan.
Prediksi	Memperkirakan/memproyeksikan akibat yang terjadi dari suatu situasi tertentu.

REPRESENTASI PENGETAHUAN DAN PENALARAN

1. Pengetahuan

Adalah pemahaman secara praktis maupun teoritis terhadap suatu obyek atau domain tertentu. Pengetahuan yang digunakan pada sistem pakar meruakan serangkaian informasi mengenai gejala-diagnosa, sebab-akibat, aksi-reaksi tentang suatu domain tertentu. 

2. Model Representasi Pengetahuan

Dimaksudkan untuk mengorganisasikan pengetahuan dalam bentuk dan format tertentu untuk bisa dimengerti oleh komputer. Model representasi pengetahuan yang penting :

• Jaringan Semantik (Semantic Nets) : Merupakan teknik representasi pengetahuan yang digunakan untuk informasi proposional, sedangkan yang dimaksud dengan informasi proposional adalah pernyataan yang mempunyai nilai benar atau salah. Representative jaringan semantic merupakan penggambara grafis dari pengetahuan yang memperlihatkan hubungan hirarkis dari obyek-obyek. Komponen dasar untuk mepresentasikan pengetahuan dalam bentuk jaringan semantic adalah simpul (node) dan penghubung (link). 
  

• Bingkai (Frame) : Berupa kumpulan slot-slot yang berisi atribut untuk mendeskripsikan pengetahuan. Pengetahuan yang termuat dalam slot dapat berupa kejadian, lokasi, situasi ataupun elemen-elemen lainnya.

• Kaidah  Produksi (Production Rule) : Kaidah menyediakan cara formal untuk merepresentasikan rekomendasi, arahan, atau strategi. Kaidah produksi ditulis dalam bentuk jika-maka (if-then). Kaidah if-then menghubungkan antesenden (antecendet) dengan konsekuensi yang diakibatkannya. Sebelum membentuk kaidah produksi kita harus mengikuti langkah-langkah dalam menyajikan pengetahuan dapat berupa tabel keputusan (decision table) kemudian dibuat pohon keputusan (decision tree).  

Tabel keputusan : merupakan suatu cara untuk mendokumentasikan pengetahuan. Tabel keputusan merupakan matrik kondisi yang dipertimbangkan dalam pendeskripsian kaidah.

Sebagai contoh pembuatan Kaidah 1. Pertama, kita lihat Goal 1 merupakan konklusi dari kaidah 1. Konklusi ini akan dapat dicapai bila kondisi-kondisi yang mendukungnya terpenuhi.

Meskipun kaidah secara langsung dapat dihasilkan dari tabel keputusan tetapi untuk menghasilkan kaidah yang efisien terdapat suatu langkah yang harus ditempuh yaitu membuat pohon keputusan terlebih dahulu.

Pohon Keputusan : dibuat dengan mengacu dari tabel keputusan yang ada. Pohon keputusan yang dihasilkan digunakan sebagai acuan dalam menyusun kaidah. 

• Logika Predikat (Predicate Logic)

Logika predikat berdasarkan pada kebenaran dan kaidah inferensi untuk mempresentasikan symbol-simbol dan hubungannya satu dengan yang lainnya. Logika predikat selain digunakan untuk menentukan kebenaran atau kesalah seuat pernyataan, juga dapat digunakan untuk mepresentasikan pernyataan tentang obyek tertentu.

3. Kaidah / Aturan  

Cara mempresentasikan pengetahuan berbasis kaidah memanfaatkan apa yang disebut dengan kaidah, yang tak lain adalah pernyataan IF-THEN di mana bagian THEN akan bernilai benar jika satu atau lebih sekumpulan fakta atau hubungan antar fakta diketahui benar, memenuhi bagian IF. Secara umum, dalan bentuk kaidah produksi IF premis THEN konklusi; maka untuk premis yang lebih dari satu dapat dihubungkan dengan operator and atau or. Sedangkan bagian konklusi dapat berupa kalimat tunggal, beberapa kalimat yang dihubungkan dengan and, dan dimungkinkan dikembangkan dengan else.

Terdapat beberapa tipe kaidah berdasarkan jenisnya, antara lain :

• Hubungan/relationship
• Rekomendasi
• Strategi 

Selain berdasarkan tipenya, kaidah dapat juga dikategorikan berdasarkan kategori problem dalam sistem pakar, antara lain :

• Diagnose 
• Desain 
• Reparasi
• Interpretasi 

5. Penalaran

Penalaran adalah proses untuk menghasilkan inferensi dari fakta yang diketahui atau diasumsikan. Inferensi adalah konklusi logis atau implikasi berdasarkan informasi yang tersedia. Metode inferensi yang paling sering digunakan adalah deduksi dan induksi. Terdapat 10 metode inferensi, yaitu :

• Deduksi 
• Induksi
• Intuisi 
• Abduction 
• Default 
• Analogi 
• Heuristic 
• Autoepistemic 
• Nonmonotomic 
• Generate dan tes

6. Perunutan 

• Runut Maju (Forward Chaining) :Merupakan proses perunutan yang dimulai dengan menampilkan kumpulan data atau fakta yang meyakinkan menuju konklusi akhir. Dimulai dari premis-premis atau informasi masukan (if) dahulu kemudian menuju konklusi atau derived information (then). 

• Runut Mundur (Backward Chaining) :Proses penalaran runut balik dimulai dengan tujuan / goal kemudian merunut balik ke jalur yang akan mengarahkan ke goal tersebut, mencari bukti-bukti bahwa bagian kondisi terpenuhi.