Sistem Pakar adalah program komputer atau sistem informasi yang dirancang untuk memodelkan kemampuan menyelesaikan masalah seperti layaknya seorang pakar. Pakar yang dimaksud merupakan seorang yang memiliki keahlian khusus dalam suatu bidang.
Sistem pakar bertujuan untuk melengkapi bukan untuk menggantikan pakar manusia.
Bentuk umum dari sistem pakar ini merupakan program yang dibuat berdasarkan suatu set aturan yang menganalisis berbagai informasi yang diberikan oleh pengguna sistem untuk mengenal suatu kelas masalah yang spesifik serta analisis matematis dari berbagai masalah tersebut.
Komponen Sistem Pakar
konponen dari sisitem pakar terdapat tujuh (7) komponen.
1. Knowledge Base (Basis Pengetahuan)
Knowledge Base atau pengetahuan adalah kumpulan dari pengetahuan tersusun atas fakta yang berupa informasi tentang kaidah dan obyek yang merupakan informasi tentang cara bagaimana membangun fakta baru dari fakta yang sudah diketahui. Basis pengetahuan merupakan representasi pengetahuan dari seorang pakar.
Basis pengetahuan mengandung pengetahuan untuk pemahaman formulasi dan penyelesaian masalah. komponen dari basis pengetahuan terdiri dari dua.
- Fakta, informasi tentang obyek dalam area permasalahan tertentu.
- Aturan, informasi tentang cara bagaimana memperoleh fakta baru dari fakta yang diketahui.
2. Working Memory (Memori Kerja)
Working memory atau memori kerja adalah sekumpulan memori kerja yang digunakan untuk merekam kejadian yang sedang berlangsung termasuk keputusan sementara.
Tiga (3) keputusan yang dapat direkam.
- Rencana, bagaimana untuk menghadapi masalah.
- Agenda, aksi-aksi yang potensial yang sedang menunggu untuk dieksekusi.
- Solusi, calon aksi yang akan dibangkitkan.
3. Interface Engine (Mesin Inferensi)
Interface Engine atau mesin inferensi adalah otak. 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 disampaikan dalam basis pengetahuan dalam rangka mencapai solusi atau kesimpulan.
4. Knowledge Acquisition (Akuisisi Pengetahuan)
knowledge acquisition atau akuisisi pengetahuan adalah akumulasi, transfer dan transformasi keahlian dalam menyelesaikan masalah dari sumber pengetahuan ke dalam program komputer. Tahap ini basis pengetahuan berusaha menyerap pengetahuan untuk selanjutnya ditransfer ke dalam basis pengetahuan.
5. User Interface (Antarmuka)
User Interface atau antarmuka adalah mekanisme yang digunakan oleh pengguna untuk berkomunikasi. Antarmuka menerima informasi dari pemakai dan mengubahnya kedalam bentuk yang dapat diterima oleh sistem.
6. Explanation Facility (Fasilitas Penjelasan)
Explanation Facility atau fasilitas penjelasan adalah element tambahan yang akan meningkatkan kemampuan sistem pakar. Fasilitas penjelasan ini digunakan untuk melacak respon dan memberikan penjelasan tentang kelakuan sistem pakar secara interaktif melalui pertanyaan.
7. Perbaikan Pengetahuan
Pakar memiliki kemampuan untuk menganalisis dan meningkatkan kinerjanya serta kemampuan untuk belajar dari kinerjanya. Kemampuan ini penting dalam pembelajaran terkomputerisasi, sehingga program akan mampu menganalisis penyebab kesuksesan dan kegagalan yang dialami serta dapat juga mengevaluasi apakah pengetahuan yang ada masih cocok digunakan di masa mendatang.
Metode Sistem Pakar
Adapun metode-metode yang digunakan dalam pengembangan adalah.
a. Analytical Hierarchy Process (AHP)
AHP merupakan suatu metode yang digunakan untuk mengambil keputusan dengan melakukan perbandingan antara pasangan dan kriteria yang ada dalam variabel.
Teknik analisa metode AHP yaitu variabel-variabel yang ada akan di analisa lalu dibentuk menjadi suatu hirarki, yang kemudian disusun berdasarkan urutan yang selanjutnya akan dibandingkan lalu ditarik sebuah kesimpulan dengan membuatnya menjadi matrik guna menentukan nilai setiap kriteria atau variabel.
b. Breadth First Search (BFS)
BFS merupakan metode yang melakukan pencarian data secara melebar dalam suatu sistem pakar. pencarian data diawali dengan menganalisa suatu simpul secara preorder atau mengunjungi suatu simpul lalu beralih ke seluruh simpul yang ada dan bertetangga dengan simpul awal.
c. Depth First Search (DFS)
DFS merupakan metode yang menggunakan algoritma penelusuran struktur pohon atau graf yang berpatokan kedalaman data. DFS akan membentuk simpul dari akar (root) menuju ke salah satu simpul, misalnya simpul yang menjadi prioritas yang biasanya merupakan simpul anak pertama atau simpul yang berada di sebelah kiri hingga menunjukan level terdalam.
d. Best First Search
Best First Search merupakan metode gabungan dari metode BFS dan DFS. Keputusan yang didapat adalah keputusan terbaik yang diperoleh dari hasil keputusan BFS dan DFS.
e. Forward Chaining
Forward Chaining merupakan teknik penalaran yang diawali dulu dari proses pencarian fakta dan kemudian fakta yang ditemukan akan digunakan untuk menguji nilai kebenaran dari suatu hipotesis yang ada.
f. Backward Chaining
Backward Chaining merupakan teknik yang melakukan pelacakan sistem keputusan yang diawali dengan menarik kesimpulan pada sebuah titik penalaran dan kemudian dilanjutkan dengan penyusunan hipotesis yang sudah didapatkan sehingga fakta yang ada dapat memberikan nilai atau penguatan pada kesimpulan yang sudah berhasil ditemukan.
Contoh Sistem Pakar
Adapun contoh dari penerapannya.
- R1/XCON adalah manufaktur awal yang secara otomatis memilih dan memesan komponen komputer berdasarkan spesifikasi pelanggan.
- MYCIN, merupakan software yang dibangun untuk mendiagnosis berbagai jenis penyakit.
- CaDet (Cancer Decision Support Tool) digunakan untuk mengidentifikasi kanker pada tahap awal.
- CaDet (Cancer Decision Support Tool) digunakan untuk mengidentifikasi kanker pada tahap awal.
Kelebihan
Adapun kelebihan yang dimiliki.
- Dapat memecahkan masalah lebih cepat daripada kemampuan manusia dengan catatan menggunakan data yang sama.
- Menghemat data dalam pengambilan keputusan.
- Memiliki kemampuan untuk bekerja dengan informasi yang kurang lengkap dan mengandung ketidakpastian.
- Mampu menyediakan pelatihan. Pengguna pemula yang bekerja dengan sistem pakar akan menjadi lebih berpengalaman. Fasilitas penjelas dapat berguna menjadi guru.
Kelemahan
Adapun kekurangan yang terdapat pada sistem pakar ialah.
- Bergantung pada kualitas basis pengetahuan yang dimiliki. Sistem pakar akan memberikan keputusan yang salah ketika diberikan informasi yang tidak akurat.
- Biaya mahal, sistem pakar membutuhkan biaya yang relatif mahal untuk pembuatan dan perawatan.
- Transfer pengetahuan dapat bersifat subjektif dan bias.
- Hasil ouput tidak 100% benar, memerlukan tahap pengujian berkala untuk mendapatkan hasil dengan kesimpulan yang baik.
- Kurangnya rasa percaya pengguna dapat menghalangi pemakaian sistem pakar.
Kesimpulan
Dari penjelasan di atas kita bisa lebih jelas belajar mengenai sistem pakar. Sistem pakar merupakan program komputer atau sistem informasi yang dirancang untuk memodelkan kemampuan menyelesaikan masalah seperti layaknya seorang pakar. Memiliki tujuh komponen dan terdapat beberapa metode.
Artikel ini merupakan bagian dari seri artikel belajar Kecerdasan Buatan dan jika ada ide topik yang mau kami bahas silahkan komen di bawah ya..
