Belajar Sistem Pakar (Contoh Aplikasi)

Belajar Sistem Pakar - Di dalam artikel ini kita akan membahas secara LENGKAP tentang Contoh, Aplikasi, maupun Skripsi mengenai Sistem Pakar. Sebelumnya mari kita ketahui apa itu sistem pakar, apa pengertian dari sistem pakar, yang mungkin harus kita fahami terlebih dahulu.

Definisi Sistem Pakar

Saya mengambil pengertian/definisi sistem pakar dari Turban yang namanya sering disebut-sebut sebagai ahli sistem pakar dunia. Di dalam bukunya, turban mengatakan bahwa:

 Sistem pakar (Expert System) adalah salah satu cabang dari AI (Artificial Intelligence) khusus untuk penyelesaian masalah tingkat manusia yang pakar. Sitem pakar adalah sistem yang menggunakan pengetahuan manusia yang terekam dalam komputer untuk memecahkan persoalan yang biasanya memerlukan keahlian manusia. Sedangkan AI itu sendiri atau yang disebut juga kecerdasan tiruan adalah tingkah laku mesin yang jika dilakukan oleh manusia, akan disebut cerdas.

Konsep Dasar Sistem Pakar

Konsep dasar sistem pakar menurut Turban mencakup beberapa persoalan mendasar, antara lain apa yang dimaksud dengan keahlian, siapa yang disebut pakar, bagaimana keahlian dapat ditransfer, dan bagaimana sistem bekerja.

Konsep dasar sistem pakar yaitu pengguna menyampaikan fakta atau informasi untuk sistem pakar dan kemudian menerima saran dari pakar atau jawaban ahlinya.

Bagian dalam sistem pakar terdiri dari 2 komponen utama yaitu knowledge base yang berisi knowledge dan mesin inferensi yang menggambarkan kesimpulan. Kesimpulan tersebut merupakan respon dari sistem pakar atas permintaan pengguna.

Pakar adalah orang yang memiliki pengetahuan, penilaian, pengalaman, dan metode khusus, serta kemampuan untuk menerapkan bakat ini dalam memberi nasihat dan memecahkan persoalan.

Keahlian adalah pengetahuan ekstensif yang spesifik terhadap tugas yang dimiliki pakar. Fitur-fitur yang harus dimiliki oleh sistem pakar adalah sebagai berikut :

1. Keahlian : pakar dibedakan dari tingkat keahlian mereka maka sistem pakar harus memiliki keahlian untuk memberi keputusan seperti seorang pakar.
2. Pertimbangan simbolik : pemikiran kecerdasan tiruan harus berdasarkan pada pertimbangan simbolik dari pada perhitungan matematika. Metode yang digunakan pada pertimbangan simbolik yaitu backward chaining atau forward chaining.
3. Deep knowledge (kedalaman pengetahuan) : basis pengetahuan yang digunakan sistem pakar berasal dari seorang pakar, pengetahauan tersebut merupakan pengetahuan yang kompleks.
4. Self-knowledge : sistem pakar harus dapat menganalisis pertimbangannya sendiri dan menjelaskan kenapa bisa dicapai kesimpulan yang seperti itu

Perbedaan Pakar Manusia dan Sistem Pakar :

Fitur	Pakar Manusia	Sistem Pakar
Mortalitas	Ya	Tidak
Transfer pengetahuan	Sulit	Mudah
Dokumen Pengetahuan	Sulit	Mudah
Konsistensi Keputusan	Rendah	Tinggi
Unit Biaya Penggunaan	Tinggi	Rendah
Kreativitas	Tinggi	Rendah
Adaptabilitas	Tinggi	Rendah
Lingkup Pengetahuan	Luas	Sempit
Tipe Pengetahuan	Umum dan Teknis	Teknis
Isi Pengetahuan	Pengalaman	Simbol

Keunggulan dan Keuntungan Menggunakan Sistem Pakar

Terdapat beberapa keunggulan sistem pakar, yang kita dapatkan jika kita menggunakannya, yaitu :

• Menghimpun data dalam jumlah yang sangat besar.
• Manyampaikan data tersebut untuk jangka waktu yang panjang dalam suatu bentuk tertentu.
• Mengerjakan perhitungan secara cepat dan tepat dan tanpa jemu mencari kembali data yang tersimpan dengan kecepatan tinggi.

Sedangkan Keuntungan bila menggunakan sistem pakar diantaranya adalah :

1. Menjadikan pengetahuan dan nasihat lebih mudah didapat.
2. Meningkatkan output dan produktivitas.
3. Meningkatkan penyelesaian masalah, menerusi paduan pakar, penerangan, sistem pakar khas.
4. Meningkatkan reliabilitas.
5. Memberikan respon (jawaban) yang cepat.
6. Merupakan panduan yang inteligence (cerdas).
7. Dapat bekerja dalam informasi yang kurang lengkap dan mengandung ketidakpastian.
8. Intelligence database (basis data cerdas), bahwa sistem pakar dapat digunakan untuk mengakses basis data dengan cara cerdas.

Konsep Umum Sistem Pakar

Kepakaran (expertise) adalah pengetahuan yang ekstensif 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 dari pada pakar yunior.

Tujuan Sistem Pakar adalah untuk mentransfer kepakaran dari seorang pakar ke komputer, kemudian ke orang lain (yang bukan pakar). Proses ini membutuhkan 4 aktivitas, yaitu tambahan pengetahuan (dari para ahli atau sumber lainnya), representasi pengetahuan (ke komputer), inferensi pengetahuan dan pengalihan pengetahuan ke pengguna.

Menurut Turban terdapat tiga orang yang terlibat dalam lingkungan sistem pakar, yaitu :

1. Pakar
Pakar adalah orang yang memiliki pengetahuan khusus, pendapat, pengalaman dan metode, serta kemampuan untuk mengaplikasikan keahliannya tersebut guna menyelesaikan masalah.

2. Knowledge engineer (Perekayasa Sistem)
Knowledge engineer 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
Sistem pakar memiliki beberapa pemakai, yaitu : pemakai bukan pakar, pelajar, pembangun sistem pakar yang ingin meningkatkan dan menambah basis pengetahuan, dan pakar.

Struktur Sistem Pakar

Sistem Pakar dapat ditampilkan dengan dua lingkungan, yaitu: lingkungan pengembangan dan lingkungan konsultasi (runtime) (Lihat pada Gambar 1 di bawah).

Lingkungan pengembangan digunakan oleh ES builder untuk membangun komponen dan memasukkan pengetahuan ke dalam basis pengetahuan. Lingkungan konsultasi digunakan oleh nonpakar untuk memperoleh pengetahuan dan nasihat pakar. Lingkungan ini dapat dipisahkan setelah sistem lengkap.

Tiga komponen utama yang tampak secara virtual di setiap sistem pakar adalah:

• Basis pengetahuan, 
• Mesin inferensi, dan 
• Antarmuka pengguna. 

Sistem pakar yang berinteraksi dengan pengguna dapat pula berisi komponen tambahan berikut :

1. Subsistem akuisisi pengetahuan
2. Blackboard (tempat kerja)
3. Subsistem penjelas (justifier)
4. Subsistem perbaikan-pengetahuan

Kebanyakan sistem pakar saat ini tidak berisi komponen perbaikan pengetahuan. Deskripsi singkat tiap komponen akan dijelaskan pada Gambar 1 di bawah.

1. Subsistem Akuisisi Pengetahuan

Akuisisi Pengetahuan adalah akumulasi, transfer, dan transformasi keahlian pemecah masalah dari pakar atau sumber pengetahuan terdokumentasi ke program komputer, untuk membangun atau memperluas basis pengetahuan. Sumber pengetahuan potensial antara lain pakar manusia, buku teks, dokumen multimedia, database (public dan privat), laporan riset khusus, dan informasi yang terdapat dalam web. Mendapatkan pengetahuan dari pakar adalah tugas kompleks yang sering menimbulkan kemacetan dalam kontruksi ES. Dalam sistem pakar, seseorang memerlukan knowledge engineer atau pakar elisitas pengetahuan untuk berinteraksi dengan satu atau lebih pakar manusia dalam membangun basis pengetahuan. Biasanya knowledge engineer membantu pakar menyusun area persoalan dengan menginterpretasikan dan mengintergrasikan jawaban manusia, menyususn analogi, mengajukan contoh pembanding, dan menjelaskan kesulitan konseptual.

Gambar 1. Struktur Sistem Pakar Turban

2. Basis Pengetahuan

Basis pengetahuan berisi pengetahuan relevan yang diperlukan untuk memahami, merumuskan, dan memecahkan persoalan. Basis tersebut mencakup dua elemen dasar :

a. Fakta, misalnya situasi persoalan dan teori area persoalan.
b. Heuristik atau aturan khusus yang mengarahkan penggunaan pengetahuan untuk memecahkan persoalan khusus dalam domain tertentu. (Selain itu, mesin inferensi dapat menyertakan pemecahan persoalan untuk tujuan umum dan aturan pengambilan keputusan). Heuristik menyatakan pengetahuan penilaian informal dalam area aplikasi. Pengetahuan, tidak hanya fakta, adalah bahan mentah primer dalam sistem pakar.

3. Mesin Inferensi

Otak ES adalah mesin inferensi, yang dikenal juga sebagai struktur kontrol atau penerjemah aturan (dalam ES berbasis-aturan). Komponen ini sebenarnya adalah program komputer yang menyediakan metodologi untuk mempertimbangkan informasi dalam basis pengetahuan dan blackboard, dan merumuskan kesimpulan. Komponen ini menyediakan arahan bagaimana menggunakan pengetahuan sistem, yakni dengan mengembangkan agenda yang mengatur dan mengontrol langkah yang diambil untuk memecahkan persoalan kapan pun konsultasi berlangsung.

4. Antarmuka Pengguna

Sistem pakar berisi prosesor bahasa untuk komunikasi berorientasi-persoalan yang mudah antara pengguna dan komputer. Komunikasi ini paling baik dilakukan dalam bahasa alami. Dikarenakan batasan teknologi, maka kebanyakan sistem yang ada menggunakan pendekatan pertanyaan dan jawaban untuk berinteraksi dengan pengguna.

5. Blackboard (Tempat Kerja)

Blackboard adalah area kerja memori yang disimpan sebagai database untuk deskripsi persoalan terbaru yang ditetapkan oleh data input; digunakan juga untuk perekam hipotesis dan keputusan sementara. Tiga tipe keputusan dapat direkam dalam blackboard : rencana (bagaimana mengatasi persoalan), agenda (tindakan potensial sebelum eksekusi), dan solusi (hipotesis kandidat dan arah tindakan alternative yang telah dihasilkan sistem sampai dengan saat ini).

6. Subsistem Penjelas (Justifier)

Kemampuan untuk melacak tanggung jawab suatu kesimpulan terhadap sumbernya adalah penting untuk transfer keahlian dan dalam pemecahan masalah. Subsistem penjelas (disebut juga justifier) dapat melacak tanggung jawab tersebut dan menjelaskan perilaku ES dengan menjawab pertanyaan berikut sebagai interaktif :
a. Mengapa suatu pertanyaan ditanyakan oleh sistem pakar?
b. Bagaimana suatu kesimpulan dicapai?
c. Mengapa suatu alternative ditolak?
d. Apa rencana untuk mencapai solusi? Misalnya, apa yang tetap tersisa sebelum diagnosis akhir ditetapkan?
Dalam ES sederhana, penjelasan menunjukkan aturan yang digunakan untuk memperoleh rekomendasi tertentu.

7. Sistem Perbaikan Pengetahuan

Pakar manusia memiliki sistem-perbaikan-pengetahuan, yakni mereka dapat menganalisis pengetahuannya sendiri dan kegunaannya, belajar darinya, dan meningkatkannya untuk konsultasi mendatang. Serupa pula, evaluasi tersebut diperlukan dalam pembelajaran komputer sehingga program dapat menganalisis alasan keberhasilan atau kegagalannya. Hal ini dapat mengarah kepada peningkatan sehingga menghasilkan basis pengetahuan yang lebih akurat dan pertimbangan yang lebih efektif. Komponen tersebut tidak tersedia dalam sistem pakar komersial pada saat ini, tetapi sedang dikembangkan dalam ES eksperimental pada beberapa universitas dan lembaga riset.

Cara Kerja Sistem Pakar

Diantara komponen-komponen dalam Gambar 1 di atas, basis pengetahuan dan mesin interfensi adalah modul paling kritis agar sistem pakar dapat berfungsi dengan baik. Pengetahuan harus direpresentasikan dan diatur secara tepat dalam basis pengetahuan. Mesin inferensi kemudian dapat menggunakan pengetahuan tersebut untuk menarik kesimpulan baru dari fakta dan aturan yang ada. Dalam bagian ini, struktur berbasis pengetahuan dan mesin inferensi pada sistem berbasis-aturan.

1. Representasi dan Organisasi Pengetahuan

Pengetahuan pakar harus direpresentasikan dalam format yang dapat dipahami komputer dan diatur dengan tepat dalam basis pengetahuan sistem pakar. Terdapat beberapa cara yang berbeda untuk merepresentasikan pengetahuan manusia, antara lain aturan produksi, jaringan semantik, dan pernyataan logika.

Dalam sistem berbasis aturan, pengetahuan dalam basis pengetahuan direpresentasikan dalam aturan JIKA MAKA yang menggabungkan kondisi dan kesimpulan untuk menangani situasi tertentu.

Bagian JIKA mengindikasikan kondisi aturan tersebut diaktifkan, dan bagian MAKA menunjukkan tindakan atau kesimpulan jika semua kondisi JIKA dipenuhi.

Keuntungan menggunakan aturan produksi adalah aturan tersebut mudah dipahami dan aturan baru dapat ditambahkan dengan mudah ke dalam basis pengetahuan tanpa memengaruhi aturan yang telah ada. Ketidakapastian yang dihubungkan dengan tiap aturan dapat ditambahkan untuk meningkatkan keakuratannya.

Tugas utama pengembangan sistem pakar adalah memperoleh pengetahuan dari manusia dan mengubahnya menjadi aturan produksi yang dapat ditangani mesin inferensi. Mesin inferensi memilih aturan yang dapat diterapkan dari basis pengetahuan, mengintegrasikannya, dan mempertimbangkannya untuk mendapatkan kesimpulan.

2. Mesin Inferensi

Dalam keputusan kompleks, pengetahuan pakar sering tidak dapat direprentasikan dalam aturan tunggal. Sebaliknya, aturan dapat digabungkan secara dinamis untuk mencakup barbagai kondisi. Proses penggabungan banyak aturan berdasarkan data yang tersedia, disebut inferensi. Komponen yang melakukan inferensi dalam sistem pakar disebut mesin inferensi. Ada dua pendekatan populer untuk menarik kesimpulan adalah sebagai berikut:

a. Forward Chaining
Forward chaining adalah mencari bagian JIKA terlebih dahulu. Setelah semua kondisi JIKA dipenuhi, aturan dipilih untuk mendapatkan kesimpulan. Jika kesimpulan diambil dari keadaan pertama, bukan dari yang terakhir, maka ia akan digunakan sebagai fakta untuk disesuaikan dengan kondisi JIKA aturan yang lain untuk mendapatkan kesimpulan yang lebih baik. Proses ini berlanjut hingga dicapai kesimpulan terbaik. Yang digambarkan pada Gambar 2.

Gambar 2. Forward Chaining

b.Backward Chaining

Backward Chaining adalah kebalikan dari Forward Chaining. Pendekatan ini mulai dari kesimpulan dan hipotesis bahwa kesimpulan adalah benar. Mesin inferensi kemudian mengidentifikasi kondisi JIKA yang diperlukan untuk membuat kesimpulan benar dan mencari fakta untuk menguji apakah kondisi JIKA adalah benar. Jika semua kondisi JIKA adalah benar, maka aturan dipilih dari kesimpulan yang dicapai. Jika beberapa kondisi salah, maka aturan dibuang dan aturan berikutnya digunakan sebagai hipotesis kedua. Jika tidak ada fakta yang membuktikan bahwa semua kondisi JIKA adalah benar atau salah, maka mesin inferensi terus mencari aturan yang kesimpulannya sesuai dengan kondisi JIKA yang tidak diputuskan untuk bergerak satu langkah ke depan memeriksa kondisi tersebut. Serupa pula, proses chaining ini berlanjut hingga suatu set aturan didapat untuk mencapai kesimpulan atau untuk membuktikan tidak dapat mencapai kesimpulan. Yang digambarkan pada Gambar 3.

Gambar 3. Backward Chaining

Kedua metode inferensi tersebut dipengaruhi oleh tiga macam penelusuran, yaitu :
a. Depth-first search, melakukan penelusuran kaidah secara mendalam dari simpul akar bergerak menurun ke tingkat dalam yang berurutan.

b. Breadth-first search, bergerak dari simpul akar, simpul yang ada pada setiap tingkat diuji sebelum pindah ke tingkat selanjutnya.

c. Best-first search, bekerja berdasarkan kombinasi kedua metode sebelumnya.

Implementasi sistem pakar dalam bidang kesehatan

Bidang kedokteran sangat erat hubungannya dengan kesehatan. Penerapan sistem pakar pada bidang ini akan sangat membantu dalam kelangsungan hidup sesorang. Beberapa alat kedokteran saat ini sudah memanfaatkan sistem pakar. Salah satunya dapat dijadikan sebagai penentu keputusan dan ada juga yang bekerja untuk menyembuhkan suatu penyakit mulai yang sederhana hingga yang kronis.

Contoh alat kedokteran yang menerapkan sistem pakar di dalamnya antara lain USG (ultrasonografi). Alat ini bekerja berdasarkan pantulan gelombang suara ultrasonik. Banyak digunakan untuk mendeteksi janin dalam kandungan. Alat ini bekerja dengan menerima input berupa suara yang kemudian diolah menjadi sebuah informasi berupa visual. Alat terapi kanker yang menghasilkan keputusan berupa bentuk terapi yang otomatis dilakukan oleh alat ini. Sangat membantu memang bila tidak terjadi kesalahan. Tetapi karena kesalahan dalam pengambilan keputusan maka menimbulkan korban jiwa. Hal ini yang tidak diinginkan dari penerapan sistem pakar pada dunia kesehatan.

Maka alat-alat yang dilengkapi sistem pakar pada bidang ini hanya bersifat membantu menghasilkan keputusan bukan secara otomatis melakukan tindakan. Bagaimana pun keputusan final tetap berada pada tangan ahlinya. Dan sistem pakar tercanggih adalah manusia. Sistem pakar yang diterapkan semata-mata hanya sebagai pendukung keputusan. Bila mana dimungkinkan untuk kerja otomatis, itu juga hanya mengerjakan input yang merupakan keputusan dari ahli di bidangnya (dokter/spesialis).

Adapun pengembangan sebuah sistem pakar dapat dilakukan dengan dua cara yaitu :
1. Membangun sendiri semua komponen, sedangkan
2. Memakai semua komponen yang sudah ada (dalam rangka pengembangan), kecuali isi basis pengetahuan. Penggunaan cara kedua disebut sebagai membangun sistem pakar dengan shell.

Dalam contoh sebuah jurnal, telah menyimpulkan setelah mempelajari, membahas dan menganalisis pengetahuan sistem pakar untuk diagnosa penyakit gigi dan mulut pada manusia, maka diambil beberapa kesimpulan sebagai berikut :

1. Sistem pakar diagnosa penyakit gigi dan mulut sangat diperlukan dan dapat dijadikan sebagai asisten yang cukup cerdas untuk membantu pekerjaan staf/pegawai di Puskesmas serta dapat meningkatkan pemahaman pasien dalam mengetahui dengan benar gejala penyakit gigi dan mulut.

2. Dengan menggunakan forward chaining sebagai metode inferensinya, aplikasi sistem pakar ini memudahkan user dalam melakukan proses konsultasi, dimana hasil diagnosis berupa nama penyakit serta solusi pengobatannya yang sesuai dengan data gejala yang di inputkan oleh user.

3. Hasil pengujian dengan menggunakan metode Black box bahwa pada aplikasi sistem pakar bisa berjalan dengan baik dan bisa menghasilkan output yang diharapkan serta bisa dipakai pada tahap konsultasi.

Contoh Skripsi Aplikasi Sistem Pakar

Berikut merupakan beberapa contoh skripsi untuk aplikasi maupun analisis dari penerapan sistem pakar, yang mungkin bisa membantu teman-teman yang sedang akan mengambil tugas akhir, penelitian perusahaan/pribadi, atau sekedar untuk menambah pengetahuan:

• Sistem Pakar Berbasis Web Identifikasi Penyakit Ayam (Metode Forward Chaining)
• Aplikasi Sistem Pakar Untuk Membantu Deteksi Dini Penyakit Imunologi (Studi Kasus Lupus Erithematosus) (Metode Inferensi Forward Chaining)
• Sistem Pakar Diagnosa Awal Penyakit Kulit Sapi Berbasis Web Dengan Menggunakan Metode Certainty Factor
• Pembangunan Sistem Pakar Pada Perangkat Mobile Dengan WML Dan PHP Untuk Menemukan Penyebab Kerusakan Mesin Isuzu Panther (Metode Inferensi Forward Dan Backward Chaining)
• Sistem Pakar Identifikasi Bentuk Keris Jawa Dengan Metode CF (Certainty Factor)
• Sistem Pakar Diagnosa Penyakit Paru Pada Anak Berbasis WEB (Metode Inferensi Forward Chaining Dan Backward Chaining)
• Sistem Pakar Identifikasi Hama Dan Penyakit Tanaman Apel Berbasis WEB (Metode Forward Chaining)
• Sistem Pakar Untuk Mengidentifikasi Gizi Buruk Pada Anak Berbasis Web (Metode Inferensi Forward Chaining)
• Sistem Pakar Konsultasi Siswa Bermasalah (Metode Depth First Search)
• Sistem Pakar Untuk Mendiagnosa Penyakit Kulit Wajah Berbasis Mobile
• Rancang Bangun Sistem Pakar Menentukan Penyakit Tanaman Kakao Menggunakan Metode Forward Chaining Berbasis WAP
• Sistem Pakar Diagnosa Penyakit Infeksi Virus Pada Anak Menggunakan Metode Forward Chaining Dan Certainty Factor
• Sistem Pakar Diagnosis Kerusakan Pada Televisi Berwarna (Metode Inferensi Forward Chaining Dan Backward Chaining)
• Aplikasi Sistem Pakar Diagnosis Pada Sistem Computer (Metode Inferensi Forward Chaining Dan Backward Chaining)
• Sistem pakar untuk mendiagnosis penyakit alopesia pada manusia (Metode Inferensi Forward Chaining)
• Aplikasi Sistem Pakar Untuk Simulasi Diagnosa Hama Dan Penyakit Tanaman Bawang Merah Dan Cabai Menggunakan Forward Chaining Dan Pendekatan Berbasis Aturan
• Sistem pakar pendiagnosa penyakit berbasis WEB
• Aplikasi sistam pakar berbasis web untuk diagnose penyakit gigi danmulut WEB (Metode Forward Chaining)
• Perancangan Sistem Pakar Untuk Diagnosa Penyakit Anak (Metode Inferensi Forward Chaining)
• Alat Bantu Ajar Penerapan Metodeforward Chaining Dan Backward Chaining Pada Sistem Pakar

Referensi : http://arminmartajasa.blogspot.com/2016/02/belajar-sistem-pakar-contoh-aplikasi-skripsi.html

Share on Google Plus

About Jetli

This is a short description in the author block about the author. You edit it by entering text in the "Biographical Info" field in the user admin panel.