Sharing Materi Perkuliahan Sarjana dan Pascasarjana: Mengenai materi Akuntansi, Ekonomi, Sistem Informasi, Teknik Informatika, Informasi Teknologi dan Pengetahuan Umum

Breaking

Senin, 17 April 2017

Kecerdasan Buatan; Sistem Pakar dan Perkembangan Sistem Pakar; dan Struktur dan Bentuk Sistem Pakar

Oleh: Yovi Citra Nengsih
BAB I
PENDAHULUAN

Sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer yang dirancang untuk memodelkan kemampuan menyelesaikan masalah seperti layaknya seorang pakar. Dengan sistem pakar ini, orang awam pun dapat menyelesaikan masalahnya atau hanya sekedar mencari suatu informasi berkualitas yang sebenarnya hanya dapat diperoleh dengan bantuan para ahli di bidangnya.
Sistem pakar ini juga akan dapat membantu aktivitas para pakar sebagai asisten yang berpengalaman dan mempunyai pengetahuan yang dibutuhkan.
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.


BAB 2 
LITERATUR
A.    Perkembangan sistem pakar
                        Dengan sistem pakar, orang awam pun dapat menyelesaikan masalah yang cukup rumit yang sebenarnya hanya dapat di selesaikan dengan bantuan para ahli. Bagi para ahli, sistem pakar juga akan membantu aktifitas nya sebagai sistem yang sangat berpengalaman . Sistem pakar di kembangkan pertama kali tahun 1960. Berikut sistem pakar yang terkenal:
  1. Dendral : Mengidentifikasi struktur organik tak dikenal melalui analisa spektrum massa dan ilmu kimia
  2. Mycin: Identifikasi bakteri penyebab infeksi dan merekomendasikan antiobiotik dengan dosis yang disesuaikan dengan berat tubuh pasien. Dirancang oleh Edward Feigenbaum (Universitas Stanford) th ’70 an.
  3. Dipmeter Advisor: Digunakan oleh Schlumberger untuk analisis data dalam pengeboran minyak.
  4. XCON & XSEL : Membantu konfigurasi sistem komputer besar. Dikembangkan oleh Digital Equipment Corporation (DEC) dan Carnegie Mellon Universitas (CMU), akhir ’70 an. Untuk sistem komputer DEC VAC 11 1780
  5. Sophie : Analisis sirkit elektronik
  6. Prospector : Digunakan di dalam geologi untuk membantu mencari dan menemukan deposit. Didesign oleh Sheffield Research Institute, akhir ‘70an
  7. Folio : Menbantu memberikan keutusan bagi seorang manajer dalam hal stok broker dan investasi.
  8. Delta : Pemeliharaan lokomotif listrik disel. Didesign & dikembangkan oleh General Electric Company.
  9. YESMVS : Membantu operator komputer & mengontrol sistem operasi MVS (multiple virtual storage). Didesign oleh IBM awal th ‘80an
  10. ACE : SP troubleshooting pada sistem kabel telpon. Didesign & dikembangkan oleh AT&T Bell Lab awal th ‘80an.

BAB 3
PEMBAHASAN

A.    Definisi Sistem Pakar
Pakar adalah orang yang memiliki pengetahuan, penilaian, pengalaman, metode khusus, serta kemampuan untuk menerapkan bakat ini dalam memberi nasihat dan memecahkan masalah. Misalnya seorang dokter, penasehat keuangan, pakar mesin mobil, dll. (Kusumadewi,2003)
Kepakaran (expertise) adalah pengetahuan yang ekstensif (meluas) dan spesifik yang diperoleh melalui rangkaian pelatihan, membaca, dan pengalaman. Pengetahuan membuat pakar dapat mengambil keputusan secara lebih baik dan lebih cepat daripada non-pakar dalam memecahkan problem yang kompleks.
 Kepakaran mempunyai sifat berjenjang, pakar top memiliki pengetahuan lebih banyak daripada pakar yunior.(Kusummadewi,2003)
Sistem Pakar adalah  Sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan para ahli. (Syammsudin aries,2004)
Sistem pakar diciptakan tidak untuk menggantikan kedudukan seorang pakar tetapi untuk memasyarakatkan pengetahuan & pengalaman pakar tersebut. Tujuan dari sebuah sistem pakar adalah untuk mentransfer kepakaran yang dimiliki seorang pakar kedalam komputer, dan kemudian kepada orang lain (nonexpert).
Bentuk umum sistem pakar adalah suatu program yang dibuat berdasarkan suatu set aturan yang menganalisis informasi (biasanya diberikan oleh pengguna suatu sistem) mengenai suatu kelas masalah spesifik serta analisis matematis dari masalah tersebut.
Sistem Pakar memberikan banyak keuntungan bagi operasi perusahaan dan manajer, tetapi memiliki keterbatasan significan. Artificial Intelligence merupakan suatu aktivitas untuk menyediakan berbagai mesin seperti komputer dengan menampilkan perilaku dengan penalaran yang cerdas apabila diamati sebagai manusia. Artificial Intelligence menyajikan berbagai aplikasi komputer yang canggih untuk menyamai berbagai jenis penalaran manusia.
Sistem Pakar dikembangkan pertama kali oleh komunitas AI tahun 1960an. Sistem Pakar yang pertama adalah General Purpose Problem Solver (GPS) yang dikembangkan oleh Newel Simon.

B.     Konsep Dasar Sistem Pakar
Konsep dasar sistem pakar mengandung keahlian, ahli/pakar, pengalihan keahlian, mengambil keputusan, aturan, kemampuan menjelaskan. Keahlian bersifat luas dan merupakan penguasaan pengetahuan dalam bidang khusus yang diperoleh dari pelatihan, membaca atau pengalaman. Contoh bentuk pengetahuan yang termasuk keahlian :
-  Teori, fakta, aturan-aturan pada lingkup permasalahan tertentu
-  Strategi global untuk menyelesaikan masalah
  1. Ahli / Pakar
Seorang ahli adalah seseorang yang mampu menjelaskan suatu tanggapan, mempelajari hal-hal baru seputar topik permasalahan, menyusun kembali pengetahuan jika dipandang perlu, memecahkan masalah dengan cepat dan tepat. Pengalihan keahlian Tujuan dari sistem pakar adalah untuk mentransfer keahlian dari seorang pakar ke dalam komputer kemudian ke masyarakat. Proses ini meliputi 4 kegiatan, yaitu perolehan pengetahuan (dari paraahli atau sumber-sumber lainnya), representasi pengetahuan ke komputer, kesimpulan dari pengetahuan dan pengalihan pengetahuan ke pengguna.
  1. Mengambil keputusan
Hal yang unik dari sistem pakar adalah kemampuan untuk menjelaskan dimana keahlian tersimpan dalam basis pengetahuan. Kemampuan komputer untuk mengambil kesimpulan dilakukan oleh komponen yang dikenal dengan mesin inferensi yaitu meliputi prosedur tentang pemecahan masalah.
  1. Aturan
Sistem pakar yang dibuat merupakan sistem yang berdasarkan pada aturan – aturan dimana program disimpan dalambentuk aturan-aturan sebagai prosedur pemecahan masalah. Aturan tersebut biasanya berbentuk IF – THEN.
  1. Kemampuan menjelaskan
Keunikan lain dari sistem pakar adalah  kemampuan dalam menjelaskan atau memberi saran/rekomendasi serta juga menjelaskan mengapa beberapa tindakan/saran tidak direkomendasikan.

A.    Perbedaan Sistem konvensional Dengan Sistem Pakar 


 A.    Elemen Manusia yang Terkait Dalam Penggunaan Dan Pengembangan Sistem Pakar
1.  Pakar
Pakar adalah orang yang memiliki pengetahuan khusus, pendapat, pengalaman dan metode, serta kemampuan untuk mengaplikasikan keahliannya tersebut guna menyelesaikan masalah.
2.  Perekayasa pengetahuan
Perekayasa pengetahuan adalah orang  yang membantu pakar dalam menyusun area permasalahan dengan menginterpretasikan dan mengintegrasikan jawaban-jawaban pakar atas pertanyaan yang diajukan, menggambarkan  analogi, mengajukan counter example dan menerangkan kesulitan-kesulitan konseptual.
3.  Pemakai
-  Pemakai awam: dalam hal ini sistem pakar bertindak sebagai konsultan untuk memberikan saran dan solusi kepada pemakai
-  Pelajar yang ingin belajar : sistem pakar bertindak sebagai instruktur
-  Pembuat sistem pakar : sistem pakar sebagai partner dalam pengembangan basis pengetahuan.
-  Pakar : sistem pakar bertindak sebagai mitra kerja/asisten.

B.     Struktur Sistem Pakar
Dua bagian utama sistem pakar :
- lingkungan pengembangan (development environment) :
digunakan untuk memasukkan pengetahuan pakar ke dalam lingkungan sistempakar
- lingkungan konsultasi (consultation environment)
digunakan oleh pengguna yang bukan pakar untuk memperoleh pengetahuan pakar pakar Pengubahan program cukup sulit dan merepotkan  Pengubahan pada aturan/kaidah dapat dilakukan dengan mudah.  Sistem hanya akan bekerja jika sistem tersebut sudah lengkap Sistem dapat bekerja hanya dengan beberapa aturan Eksekusi dilakukan langkah demi langkah secara algoritmik.
 Eksekusi dilakukan pada keseluruhan basis pengetahuan secara heuristik dan logis Menggunakan data  Menggunakan pengetahuan Tujuan utamanya adalah efisiensi  Tujuan utamanya adalah efektivitas

C.    Bentuk Sistem Pakar (Syamsudin aries.2004):
  1. Mandiri. Sistem jenis ini merupakan s/w yang berdiri sendiri tidak tergabung dengan s/w lain.
  2. Tergabung. Sistem ini merupakan bagian program yang terkandung di dalam suatu algoritma (konvensional) .
  3. Terhubung,  Bentuk ini biasanya merupakan SP yang menghubungkan ke suatu paket program tertentu, misalnya DBMS.
  4. Sistem mengabdi. Sistem ini merupakan bagian dari computer khusus yang dihubungkan dengan suatu fungsi tertentu.
D.    Pengembangan Sistem Pakar
Menurut Joseph Giarratano (Expert system principles and programing, course technologies:2000) . Pengembangan sistem pakar dibagi menjadi dua generasi :
1.Sistem pakar generasi pertama menggunakan aturan jika-maka untuk merepresentasikan dan menyimpan pengetahuannya.
2. Sistem pakar generasi kedua jauh lebih fleksibel dalam mengadopsi banyak representasi pengetahuan dan metode pertimbangan.
Pengalihan keahlian dari para ahli ke media elektronik seperti komputer untuk kemudian dialihkan lagi pada orang yang bukan ahli, merupakan tujuan utama dari sistem pakar. Proses ini membutuhkan 4 aktivitas yaitu:
1.    Tambahan pengetahuan (dari para ahli atau sumber-sumber lainnya),
2.    Representasi pengetahuan (ke komputer),
3.    Inferensi pengetahuan, dan
4.    Pengalihan pengetahuan ke user.
Pengetahuan yang disimpan di komputer disebut sebagai basis pengetahuan, yaitu: fakta dan prosedur (biasanya berupa aturan). Salah satu fitur yang harus dimiliki oleh sistem pakar adalah kemampuan untuk menalar. Jika keahlian-keahlian sudah tersimpan sebagai basis pengetahuan dan tersedia program yang mampu mengakses basis data, maka komputer harus dapat diprogram untuk membuat inferensi.
Proses inferensi ini dikemas dalam bentuk motor inferensi (inference engine). Dan setiap sub sistem mempunyai sifat dari sistem untuk menjalankan suatu fungsi sistem tertentu dan mempengaruhi proses sistem secara keseluruhan.

E.     Langkah-Langkah Pembuatan/Pengembangan Sistem Pakar
1.  Mengidentifikasi masalah dan kebutuhan
Mengkaji situasi dan memutuskan dengan pasti tentang masalah yang akan dikomputerisasi dan apakah dengan sistempakar bisa lebih membantu atau tidak
2.  Menentukan problema yang cocok
Ada beberapa syarat yang harus dipenuhi agar sistem pakar dapat bekerja dengan baik, yaitu :
-  domain masalah tidak terlalu luas
-  kompleksitasnya menengah
jika masalah terlalu mudah atau masalah yang terlalu kompleks tidak perlu
menggunakan sistem pakar
-  tersedianya ahli
-  menghasilkan solusi mental bukan fisik
Sistem pakar hanya memberikan anjuran tidak bisa melakukan aktifitas fisik, seperti membau atau merasakan
3.  Mempertimbangkan alternatif
Kaji alternatif lain yang lebih mudah, cepat dan sesuai dengan masalah yang ingin diselesaikan, menggunakan sistempakar atau komputer tradisional
4.  Menghitung pengembalian investasi
Termasuk diantaranya biaya pembuatan sistem pakar, biaya pemeliharaan,biaya training
5.  Memilih alatpengembangan
Bisa menggunakan software pembuat sistempakar (seperti SHELL0 atau dirancang dengan bahasa pemrograman sendiri (misal dengan PROLOG)
  1. Merekayasa pengetahuan
Memperoleh pengetahuan dan menyempurnakan banyak kaidah yang paling sesuai
7.  Merancang sistem
Pembuatan prototype dan menterjemahkan pengetahuan menjadi aturan-aturan
8.  Melengkapi pengembangan
Perluasan prototype ke dalam sistem yang final yaitu dengan meluaskan bagian demibagian dan setiap bagian diuji apakah sudah berjalan sesuai.
9.  Menguji dan mencari kesalahan sistem
Lakukan percobaan dengan user yang menginginkannya, user akan menunjukkan bagian mana yang harus dirobah/dikoreksi/dikurangi sesuai dengan keinginannya.
10. Memelihara sistem
Memperbaharui pengetahuan, mengganti pengetahuan yang sudah ketinggalan, meluweskan sistem agar bisa lebih baik lagi dalam menyelesaikan masalah.

F.     Tujuan pengembangan Sistem Pakar adalah :
Menurut Syamsudinn aries ( pengantar system pakar.2004) tujuan pengembangan system pakar antara lain :
1.      Mempermudah kerja tenaga ahli
2.      Mengganti tenaga ahli
3.      Menggabungkan kemampuan tenaga ahli
4.      Training tenaga ahli
5.      Mengurangi resiko pada pekerjaan yang berbahaya
6.      Menyediakan ahli pada bidang pekerjaan “kering”

G.    Komponen atau Bagain Utama Sistem Pakar
Jeffrey D Ullman (1999) membagi komponen atau bagian sistem pakar dalam beberapa bagiann yaitu:
  1. User Interface (Antarmuka Pemakai)
Antarmuka pemakai, memungkinkan pemakai untuk berinteraksi dengan expert system. User interface digunakan manajer untuk meng-enter instruksi dan informasi ke dalam sistem pakar dan menerima informasi dari sistem pakar.
a)    Input Sistem Pakar
User interface dirancang untuk mempermudah dialog dua arah antara sistem dan pemakai dengan menmpilkan teknik tanya jawab dan pengisian formulir kemudian muncul bahasa perintah dan menu elektronik dan sistem manajemen data base.
b)    Output Sistem pakar
Sistem pakar dirancang untuk menyarankan pemecahan.
  1. Knowledge Base (basis pengetahuan)
Knowledge Base berisi pengetahuan-pengetahuan (pengetahuan gabungan)  dalam memahami, merumuskan, dan penyelesaian masalah. Knowledge Base adalah bagian dari sistem pakar yang berisi domain pengetahuan.Knowledge base terdiri dari fakta yang menggambarkan area problem atau problem domain dan juga teknik penyajian yang menggunakan fakta sesuai logika. Domain pengetahuan seorang pakar pada dasarnya adalah spesifik terhadap domain masalah.
  1. Inference Engine (mesin inferensi)
Inference engine bertugas untuk menganalisis pengetahuan, memberikan kemampuan penalaran dan menarik kesimpulan berdasarkan knowledge base.
  1. Development Engine
Komponen yang digunakan untuk mengolah sistem pakar, terdiri dari bahasa pemrograman.

H.      Ciri-ciri Sistem Pakar
  1. Ciri-ciri Sistem Pakar menurut Syasudin aries (2004) adalah :
  2. Memiliki fasilitas informasi yang handal
  3. Mudah dimodifikasi
  4. Dapat digunakan dalam berbagai jenis komputer
  5. Memilki kemampuan untuk belajar beradaptasi.
  6. Bekerja secara sistematis berdasarkan pengetahuan dan mekanisme tertentu.
  7. Pengambilan keputusan berdasarkan kaidah-kaidah tertentu dan dapat merespons masukkan user (melalui kotak dialog).
  8. Dapat menalar data-data yang tidak pasti dan memberikan beberapa alasan pemilihan.
  9. Dikembangkan secara bertahap dan terbatas pada bidang keahlian tertentu saja.
  10. Outputnya berupa saran atau anjuran.
I.         Keuntungan dan Kelemahan Sistem Pakar
Keuntungan dan kelemahan system pakar menurut Syamsudiin aries (2004);
  1. Keuntungan Sistem Pakar :
a.       Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli
b.      Menyederhanakan pekerjaan dan meningkatnya efisiensi kerja
c.       Bisa melakukan proses secara berulang secara otomatis
d.      Menyimpan pengetahuan dan keahlian para pakar
e.       Meningkatkan output dan produktivitas
f.       Meningkatkan kualitas
g.      Mampu mengambil dan melestarikan keahlian para pakar
h.      Mampu beroperasi dalam lingkungan berbahaya
i.        Memiliki kemampuan untuk mengakses pengetahuan
j.        Memiliki realibilitas
k.      Meningkatkan kapabilitas system computer
l.        Memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan mengandung ketidakpastian
m.    Sebagai media pelengkap dalam pelatihan
n.      Meningkatkan kapabilitas dalam penyelesaian masalah
o.      Menghemat waktu dalam pengambilan keputusan
Ø  Keuntungan Sistem Pakar Bagi Manajer
•   Mempertimbangkan lebih banyak alternatif
•   Menerapkan logika tingkat tinggi
• Mempunyai lebih banyak waktu untuk mengevaluasi aturan pengambilan   keputusan
•    Logika Konsisten
Ø  Keuntungan Sistem Pakar Bagi Perusahaan
• Kinerja Lebih baik dari tim manajemen
• Mempertahankan sumber daya pengetahuan perusahaan
Dalam kaitannya dengan proses pengambilan keputusan, beberapa manfaat yang dapat diberikan oleh sistem pakar kepada manajer perusahaan antara lain :
• Solusi
Aternatif solusi yang dihasilkan melalui sistem pakar umumnya lebih banyak, lebih beralasan dengan beberapa pertimbangan teknis, penyajiannya lebih sistematis dan terkadang dilengkapi fitur-fitur tambahan seperti grafik, diagram dan alat-alat penunjang lainnya sehingga lebih merepresentasikan keadaan sebenarnya. Hal ini sangat diperlukan oleh seorang manajer mengingat keputusan yang diambil berbasis multi-kriteria.
• Logika
Penerapan logika pada kode-kode program dimungkinkan dalam tingkatan yang cukup rumit sekalipun. Hal serupa apabila dibebankan kepada manusia, maka akan membutuhkan waktu yang lama dengan kemungkinan kesalahan analisa dan faktor-faktor kelemahan manusiawi lainnya yang cenderung tinggi. Sistem pakar memberikan hasil dalam waktu yang cepat melalui penalaran yang terstruktur.
• Waktu
Cepatnya hasil analisa dikeluarkan oleh suatu aplikasi sistem cerdas membuat para pengambil keputusan memiliki waktu yang banyak untuk mengevaluasi hasil keluaran sistem tersebut. Hal ini tentunya cukup membantu mempercepat kerja manajer khusunya dan perusahaan umumnya.
• Konsisten.
Keputusan yang dihasilkan akan lebih konsisten dan terarah, mengingat bahwa algoritma yang digunakan dalam pengeksekusian data adalah tetap dan konsisten.

  1. Kelemahan Sistem Pakar
a.       Biaya yang diperlukan untuk membuat dan memeliharanya sangat mahal
b.  Sulit dikembangkan. Hal ini erat kaitannya dengan ketersediaan pakar dalam bidangnya.
c.       Sistem pakar hanya dapat menangani pengetahuan yang konsisten.
Sistem pakar dirancang dengan aturan-aturan yang hasilnya sudah pasti dan konsisten sesuai dengan alur di diagram pohonnya. Untuk pengetahuan yang cepat berubah-rubah dari waktu ke waktu, maka knowledge base di sistem pakar harus selalu diubah, yang tentu cukup merepotkan.
d.      System pakar tidak 100% bernilai benar.
Sistem pakar tidak dapat menangani hal yang bersifat judgement (Pertimbangan atau intuisi). Sistem pakar memberikan hasil yang pasti, sehingga keputusan akhir pengambilan keputusan jika melibatkan kebijaksaaan dan institusi masih tetap di tangan manajemen.

J.      Kategori Problema Sistem Pakar
Kategori Problema Sistem Pakar secara umum (B.G Buchaman et al,1984) antara lain:
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, dll.
3. Diagnosis 
   menentukan sebab malfungsi dalam situasi kompleks yang didsarkan 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 subyek. Contoh : melakukan instruksi untuk diagnosis, debugging dan perbaikan kinerja
9. Kontrol 
  mengatur tingkah laku suatu environment yang kompleks. Contoh : melakukan kontrol terhadap interpreasi, prediksi, perbaikan dan monitoring kelakukan sistem.

K.    Contoh Aplikasi Sistem Pakar
  1. Aplikasi Sederhana: Sistem Pakar Bengkel Mobil
Ini adalah contoh Sistem Pakar sederhana, yang bertujuan untuk mencari apa yang salah sehingga mesin mobil pelanggan yang tidak mau hidup, dengan memberikan gejala-gejala yang teramati. Anggap Sistem Pakar kita memiliki aturan-aturan berikut:
1.JIKA mesin_mendapatkan_bensin DAN starter_dapat_dihidupkan MAKA ada_masalah_dengan_pengapian
2.JIKA TIDAK BENAR starter_dapat_dihidupkan DAN TIDAK BENAR lampu_menyala MAKA ada_masalah_dengan_aki
3.JIKA TIDAK BENAR starter_dapat_dihidupkan DAN lampu_menyala MAKA ada_masalah_dengan_starter
4. JIKA ada_bensin_dalam_tangki_bahan_bakar MAKA mesin_mendapatkan_bensin
    Terdapat 3 masalah yang mungkin, yaitu: ada_ masalah_ dengan _pengapian, ada_ masalah_ dengan_ aki dan ada_ masalah_ dengan_ starter. Dengan sistem terarah-tujuan (goal-driven), kita hendak membuktikan keberadaan setiap masalah tadi.
Pertama, Sistem Pakar berusaha untuk membuktikan kebenaran ada_masalah_dengan_pengapian. Di sini, aturan 1 dapat digunakan, sehingga Sistem Pakar akan menset goal baru untuk membuktikan apakah mesin_mendapatkan_bensin serta starter_dapat_dihidupkan. Untuk membuktikannya, aturan 4 dapat digunakan, dengan goal baru untuk membuktikan mesin_mendapatkan_bensin.
Karena tidak ada aturan lain yang dapat digunakan menyimpulkannya, sedangkan sistem belum memperoleh solusinya, maka Sistem Pakar kemudian bertanya kepada pelanggan: “Apakah ada bensin dalam tangki bahan bakar?”. Sekarang, katakanlah jawaban klien adalah “Ya”, jawaban ini kemudian dicatat, sehingga klien tidak akan ditanyai lagi dengan pertanyaan yang sama.
Karena sistem sekarang sudah dapat membuktikan bahwa mesin mendapatkan bensin, maka sistem sekarang berusaha mengetahui apakah starter_dapat_dihidupkan. Karena sistem belum tahu mengenai hal ini, sementara tidak ada aturan lagi yang dapat menyimpulkannya, maka Sistem Pakar bertanya lagi ke klien: “Apakah starter dapat dihidupkan?”. Misalkan jawabannya adalah “Tidak”, maka tidak ada lagi aturan yang dapat membuktikan ada_masalah_dengan_pengapian, sehingga Sistem Pakar berkesimpulan bahwa hal ini bukanlah solusi dari problem yang ada, dan kemudian melihat hipotesis berikutnya: ada_masalah_dengan_aki.
Sudah diketahui (dibuktikan) bahwa mesin tidak dapat distarter, sehingga yang harus dibuktikan adalah bahwa lampu tidak menyala. Sistem Pakar kemudian bertanya: “Apakah lampu menyala?”. Misalkan jawabannya adalah “Tidak”, maka sudah terbukti bahwa ada masalah dengan aki.
Sistem ini mungkin berhenti sampai di sini, tetapi biasanya ada kemungkinan terdapat lebih dari satu solusi (misalnya terdapat lebih dari satu kerusakan), atau ada kemungkinan terdapat solusi lain yng lebih tepat, sehingga biasanya semua hipotesis diperiksa kebenarannya.
Sistem Pakar ini kemudian mencoba membuktikan bahwa ada_masalah_dengan_starter, namun dari fakta yang sudah diperoleh, yaitu lampu tidak menyala, maka pembuktiannya menjadi gagal. Dengan demikian solusi yang diberikan oleh Sistem Pakar adalah ada masalah dengan aki.

Secara lengkap, interaksi antara Sistem Pakar dengan klien mungkin seperti ini:
System Pakar: Apakah ada bensin dalam tangki bahan bakar?
Klien: Ya
System Pakar: Apakah starter dapat dihidupkan?
Klien: Tidak
System Pakar: Apakah lampu menyala?
Klien: Tidak
System Pakar: Saya berkesimpulan bahwa ada masalah dengan aki
Fasilitas Penjelasan
Kebanyakan Sistem Pakar mempunyai fasilitas penjelasan yang mengijinkan klien untuk bertanya mengapa dia diberi suatu pertanyaan atau bagaimana dapat mencapai suatu kesimpulan.
Pertanyaan dari klien tersebut dijawab dengan mengacu pada goal, aturan yang dipakai, dan data-data yang ada. Contoh pemakaian fasilitas penjelas dalam Sistem Pakar di atas dapat dilihat pada percakapan berikut
System Pakar: Apakah ada bensin dalam tangki bahan bakar?
Klien: Ya
System Pakar: Apakah starter dapat dihidupkan?
Klien: Tidak
System Pakar: Apakah lampu menyala?
Klien: Mengapa?
System Pakar: Saya mencoba membuktikan bahwa ada masalah dengan aki. Sudah ditunjukkan adalah tidak benar starter dapat dihidupkan. Sehingga jika tidak benar bahwa lampu menyala, maka ada masalah dengan aki. Apakah lampu menyala?
Klien: Tidak
System Pakar: Saya berkesimpulan bahwa ada masalah dengan aki
Klien: Bagaimana bisa?
System Pakar: Hal ini sesuai dengan aturan no 2: JIKA TIDAK BENAR starter_dapat_dihidupkan DAN TIDAK BENAR lampu_menyala MAKA ada_masalah_dengan_aki bahwa tidak benar starter_dapat_dihidupkan sudah dijawab, bahwa tidak benar lampu_menyala sudah dijawab, sehingga dapat disimpulkan bahwa ada_masalah_dengan_aki.
Fasilitas penjelasan berhubungan dengan pencatatan aturan apa saja yang digunakan untuk mengambil kesimpulan, dan menggunakan catatan tersebut untuk menyusun penjelasan. Pembangkitan penjelasan sederhana seperti contoh di atas bukanlah persoalan yang sulit, namun pemahaman klien terhadap penjelasan tersebut tidaklah sama, sehingga seringkali klien tetap tidak mengerti maksudnya.
 Hal ini karena biasanya penjelasan hanya meliputi pengetahuan yang dangkal atau hanya permukaan saja sebagaimana tercantum dalam autran yang dipunyai, bukannya pengetahuan yang mendalam yang mendasari aturan tersebut. Dalam contoh di atas, Sistem Pakar hanya mengatakan bahwa hal ini sesuai dengan aturan no 2, tetapi tidak menjelaskan secara lebih detil mengenai aturan 2 tersebut.
Mungkin klien perlu diberi pengertian bahwa lampu dan starter dua-duanya menggunakan aki untuk menyalakannya. Hal penting lain adalah ketika klien gagal mengerti atau menerima penjelasan yang diberikan, biasanya Sistem Pakar tidak dapat memberi penjelasan dengan cara lain (tidak begitu halnya dengan seorang pakar yang mampu menggunakan kalimat yang lain untuk mencoba menjelaskannya).

  1. Eliza
Eliza adalah salah satu Sistem Pakar yang paling awal dikembangkan. Ini adalah program komputer terapis yang dibuat oleh Joseph Weizenbaum di MIT. Pengguna berkomunikasi dengannya sebagaimana sedang berkonsultasi dengan seorang terapis. Berikut ini adalah contoh percakapan antara Eliza dengan seorang klien:
Eliza: Hello. I am ELIZA. How can I help you?
Klien: My name is Balza.
Eliza: I have told you before, I do not care about names.
Klien: I don’t have any money. That’s my problem.
Eliza: Why do you say your problem?
Klien: Because you asked me.
Eliza: Do any other reasons not come to mind?
Klien: No.
Eliza: You are being a bit negative.
Klien: Why?
Eliza: Please go on.
Klien: OK. I am bankrupt.
Eliza: How long have you been bankrupt?
Klien: A year.
Eliza: Please go on.
Klien: So, what should I do?
Eliza: Does that question interest you?
Klien: Yes, how can I make big money?
Eliza: You are sure?
Klien: Of course I’m sure.
  1. Parry
Parry adalah Sistem Pakar yang juga paling awal dikembangkan di Stanford University oleh seorang psikiater, Kenneth Colby, yang mensimulasikan seorang paranoid. Berikut ini contoh respon Parry terhadap pertanyaan seorang psikiater yang menginterviunya.
Psikiater: Why are you in the hospital?
Parry: I shouldn't be here.
Psikiater: Who brought you here?
Parry: The police.
Psikiater: What trouble did you have with the police?
Parry: Cops don't do their job.
Psikiater: What do they do instead?
Parry: Cops arrest the wrong people.
Psikiater: They arrest the right ones sometimes
Parry: The law should get those Italian crooks.
Psikiater: Are you Italian?
Parry: My background is British but I was born in this country.
Psikiater: Do you know any Italian crooks?
Parry: I try to avoid the underworld.

L.     Basis Pengetahuan (Knowledge Base)
Basis pengetahuan berisi pengetahuan-pengetahuan dalam penyelesaian masalah. Ada 2 bentuk pendekatan basis pengetahuan :
1.      Penalaran berbasis aturan(rule-based reasoning)
Pada penalaran berbasis aturan, pengetahuan direpresentasikan dengan menggunakan aturan berbentu kIF-THEN. Bentuk ini digunakan apabila kita memiliki sejumlah pengetahuan pakar pada suatu permasalahan tertentu, dan si pakar dapat menyelesaikan masalahtersebut secara berurutan. Disamping itu, bentuk ini juga digunakan apabila dibutuhkan penjelasan tentang jejak (langkah-langkah) pencapaian solusi.
Contoh : aturan identifikasi hewan
Rule 1 :  IF hewan berambut dan menyusui THEN hewan mamalia
Rule 2 :  IF hewan mempunyai sayap dan bertelur THEN hewan jenis burung
Rule 3 :  IF hewan mamalia dan memakan daging THEN hewan karnivora
Dst...

2.      Penalaran berbasis kasus (case-based reasoning)
Pada penalaran berbasis kasus, basis pengetahuanakan berisi solusi-solusi yang telah dicapai sebelumnya, kemudian akan diturunkan suatu solusi untuk keadaan yang terjadi sekarang (fakta yang ada). Bentuk ini digunakan apabila user menginginkan untuk tahu lebih banyak lagi pada kasus-kasus yang hampir sama(mirip). Selain itu bentuk ini juga digunakan bila kita telah memiliki sejumlah situasi atau kasus tertentu dalam basis pengetahuan.

M.   Mesin Inferensi
Ada 2 cara yang dapat dikerjakan dalammelakukan inferensi :
a.  Forward Chaining
Pencocokan fakta atau pernyataandimulai dari bagian sebelah kiri dulu (IF dulu). Dengan kata lain penalaran dimulai dari fakta terlebihdahulu untuk menguji kebenaran hipotesis.
b.  Backward Chaining
Pencocokan fakta atau pernyataan dimulai dari bagian sebelah kanan (THEN dulu). Dengan kata lain penalaran dimulai dari hipotesisterlebih dahulu, dan untuk menguji kebenaran hipotesis tersebut harus dicari fakta-fakta yang ada dalambasis pengetahuan.

Contoh :
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

Apabila diketahui bahwa dolar turun, maka untuk memutuskan apakah akan membeli obligasi atau tidak dapat ditunjukkan sebagai berikut :

Forward Chaining
Dari fakta dolar turun, berdasarkan Rule 5, diperoleh konklusi suku bunga naik. Dari Rule 2 suku bunga naik menyebabkan harga obligasi turun. Dengan Rule 6, jika harga obligasi turun, maka kesimpulan yang diambil adalah membeli obligasi.
Backward Chaining
Dari solusi yaitu membeli obligasi, dengan menggunakan Rule 6 diperoleh anteseden harga obligasi turun. Dari Rule 2 dibuktikan harga obligasi turun bernilai benar jika suku bunga naik bernilai benar . Dari Rule 5 suku bunga naik bernilai memang bernilai benar karena diketahui fakta dolar turun.






Referensi :
http://exsys123.blogspot.com/
Diktat Kecerdasan Buatan







Tidak ada komentar:

Posting Komentar