Kecerdasan Buatan 

Pengertian, konsep dan implementasi sistem pakar

Pengertian

Sistem pakar adalah suatu program komputer yang mengandung pengetahuan dari satu atau lebih pakar manusia mengenai suatu bidang spesifik. Jenis program ini pertama kali dikembangkan oleh periset kecerdasan buatan pada dasawarsa 1960-an dan 1970-an dan diterapkan secara komersial selama 1980-an. 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. Tergantung dari desainnya, sistem pakar juga mampu merekomendasikan suatu rangkaian tindakan pengguna untuk dapat menerapkan koreksi. Sistem ini memanfaatkan kapabilitas penalaran untuk mencapai suatu simpulan. ( sumber : https://id.wikipedia.org/wiki/Sistem_pakar

Konsep umum sistem pakar

  1. sistem yang berusaha mengadopsi pengetahuan manusia ke komputer agar komputer tersebut dapat menyelesaikan masalah seperti yang biasa dilakukan para ahli (pakar).
  2. Sistem pakar adalah suatu sistem yang bisa menyamai atau meniru kemampuan seorang pakar (Giarratano dan Riley, 2004).
  3. Sistem pakar merupakan suatu model dan prosedur yang berkaitan, dalam  suatu daerah tertentu, yang mana tingkat  keahliannya dapat dibandingkan dengan keahlian seorang pakar (Ignizio,1991).
  4. Sistem pakar adalah program komputer yang didesain untuk meniru kemampuan memecahkan masalah dari seorang pakar

Arsitektur Sitem Pakar

Menurut Turban dan Aronson,1998. berikut ini struktur dari sistem pakar :

arsitektur sistem pakar

Akuisisi Pengetahuan

Akuisisi Pengetahuan merupakan akumulasi, transfer, dan transformasi kepakaran. Pemecahan persoalan dari sumber pengetahuan ke perangkat lunak untuk membuat atau mengembangkan basis pengetahuan pengetahuan dasar tentang domain meliputi istilah dan konsep dasar.

Basis Pengetahuan

Basis pengetahuan mengandung pengetahuan yang diperlukan untuk memahami, memformulasi dan menyelesaikan masalah. Basis pengetahuan pemecahan masalah dalam domain tertentu dan fakta-fakta tentang masalah. Ada 2 bentuk pendekatan basis pengetahuan yang sangat umum digunakan, yaitu :

1. Penalaran berbasis aturan (Rule-Based-Reasoning)

Pengetahuan direpresentasikan dengan menggunakan   aturan berbentuk IF – THEN. Bentuk ini digunakan   apabila ada sejumlah pengetahuan pakar pada suatu   permasalahan tertentu dan pakar dapat menyelesaikan   masalah tersebut secara berurutan.

2. Penalaran berbasis kasus (Case-Based-Reasoning)

Basis pengetahuan akan 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 men  ginginkan untuk tahu   lebih banyak lagi pada   kasus-kasus yang   hampir sama.

A. Mesin Intruksi

Mesin inferensi berfungsi à untuk melakukan penelusuran pengetahuan yang terdapat dalam basis pengetahuan untuk mencapai kesimpulan tertentu. Ada 3 elemen utama dalam mesin inferensi, yaitu :

1. Interpreter = Mengeksekusi item-item agenda yang   terpilih dengan menggunakan aturan-aturan dalam   basis pengetahuan yang sesuai

2. Scheduler = Akan mengontrol agenda

3. Consistency enforce = Bertujuan memelihara konsistensi   dalam mempresentasikan solusi yang bersifat darurat

B. Blackboard

area memori kerja yang digunakan untuk menggambarkan masalah dan mencatat hasil sementara sebelum mendapat solusi akhir. Tiga tipe keputusan yang dapat disimpan pada blackboard adalah rencana, agenda, dan solusi

C. Antar muka pemakai

Antarmuka pemakai digunakan untuk mempermudah komunikasi antar pemakai dengan sistem. Pada antarmuka ini perlu dianalisa teknik dialog apa saja yang digunakan untuk aplikasi SP yang disesuaikan dengan konsep-konsep dalam Interaksi Manusia dan Komputer.

D. Fasilitas Penjelasan

membantu perekayasaan pengetahuan untuk memperbaiki dan meningkatkan pengetahuam memberi kejelasan dan keyakinan kepada pemakai tentang proses atau hasil yang diberikan sistem pakar. Fungsi dari fasilitas penjelasnya yaitu  untuk melacak respondan memberikan penjelasan trentang kelakuan sistem pakar secara interaktif melalui pertanyaan :

– Mengapa suatu pertanyaan ditanyakan oleh sistem pakar

– Bagaimana konklusi dicapai

– Mengapa ada alternatif yang dibatalkan

– Rencana apa yang akan digunakan untuk mencapai suatu solusi

E. FasiIitas Perbaikan Pengetahuan

Pakar manusia dapat menganalisa perfomansinya sendiri, belajar darinya, dan meningkatkannya untuk konsultasi berikut. Adanya evaluasi dengan sistem pakar ini akan mengakibatkan basis pengetahuan yang lebih baik serta penalaran yang lebih efektif.

METODE INFERESI DALAM SISTEM PAKAR

Ada dua metode umum penalaran dalam Sistem Pakar, yaitu :

  1. Backward Chaining

suatu penalaran, dimana   konklusi yang didapat berkebalikan dengan   hypothesis, potensial konklusinya mungkin   akan terjadi atau terbukti, karena adanya facta   yang mendukung akan hypothrsis tersebut   (Giarratano and Riley, 2004).

Berikut ini grapt pelacakan dari Backward Chaining :

Grap pelacakan Backward Chaining

  2. Forward Chaining

suatu penalaran yang   dimulai dari facta untuk mendapatkan   kesimpulan (conclusion) dari facta tersebut   (Giarratano and Riley, 2004).

Berikut ini grapt pelacakan dari Forward Chaining:Grap pelacakan Forward Chaining

Tahapan – Tahapan Pengembangan sistem pakar

tahapan sistem pakar

Kelebihan Sistem pakar

Sistem pakar memiliki beberapa keuntungan, antara lain:

  1. Mampu melestarikan keahlian para pakar terutama yang termasuk keahlian yang langka.
  2. Mampu menjelaskan permasalahan secara detail.
  3. Mampu merespon lebih cepat, sehingga menghemat waktu dalam pengambilan keputusan.
  4. Mampu beroperasi di lingkungan yang bahaya bagi manusia.
  5. Menghemat biaya (Giarratano dan Riley, 2004).

Kekurangan Sistem Pakar

Beberapa kelemahan sistem pakar, antara lain :

  1. Masalah dalam mendapatkan pengetahuan dimana pengetahuan tidak selalu didapatkan dengan mudah karena pakar untuk masalah yang dibuat belum tentu ada, dan kalaupun ada kadang-kadang pendekatan yang dimiliki oleh pakar berbeda-beda.
  2. Untuk membuat suatu sistem pakar yang benar-benar berkualitas tinggi sangatlah sulit dan memerlukan biaya yang sangat besar dalam pengembangan dan pemeliharaannya.
  3. Boleh jadi sistem tak dapat membuat keputusan.( Giarratano dan Riley, 2004).

Demikian artikel terkait materi kuliah yang berjudul “Pengertian, konsep dan implementasi sistem pakar”. Untuk dapat mendapatkan materi terkait kecerdasan Buatan secara lengkap, dapat didownload melalui link berikut Matkul AI Semoga bermanfaat

Related posts

Leave a Comment