| Filename |
Sistem Pakar, Metode-metode Sistem pakar |
| Permission |
rw-r--r-- |
| Author |
Artikel |
| Date and Time |
02.25 |
| Label |
Intelejensi Buatan|
Sistem pakar
|
| Action |
|
Sistem pakar merupakan
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.
Sistem pakar (expert system) adalah sistem yang berusaha mengapdosi
pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan
masalah seperti yang biasa dilakukan oleh para ahli. Sistem pakar yang
baik dirancang agar dapat menyelesaikan suatu permasalahan tertentu
dengan meniru kerja dari para ahli. Jadi sistem pakar = kepakaran
ditransfer dari seorang pakar (atau sumber kepakaran yang lain) ke
komputer, pengetahuan yang ada disimpan dalam komputer, dan pengguna
dapat berkonsultasi pada komputer itu untuk suatu nasehat, lalu komputer
dapat mengambil inferensi (menyimpulkan, mendeduksi, dll.) seperti
layaknya seorang pakar, kemudian menjelaskannya ke pengguna tersebut,
bila perlu dengan alasan-alasannya. Sistem Pakar terkadang lebih baik
unjuk kerjanya daripada seorang pakar manusia. Dengan sistem pakar,
orang awam pun dapat menyelesaikan masalah yang cukup rumit yang
sebenarnya hanya dapat diselesaikan dengan bantuan para ahli. Bagi para
ahli, sistem pakar juga akan membantu aktivitasnya sebagai asisten yang
sangat berpengalaman.
Intelegensi Buatan
Era computer masih berada pada masa awalnya ketika
management scientists mulai tertarik menggunakan alat elektronik untuk kecerdasan buatan atau intelegensi buatan.
Intelegensi buatan (
artificial intelligence), atau
AI,
adalah aktivitas penyertaan mesin seperti komputer yang mempunyai
kemampuan untuk menampilkan tingkah laku yang dianggap intelligent
(cerdas) jika dibandingkan dengan manusia. AI memberikan aplikasi
komputer tercanggih, yang bisa digunakan untuk menduplikasi beberapa
jenis penalaran manusia. Dari segala perhatian yang ditujukan kepadanya,
AI diangap sebagai konsep yang baru. Namun, sebenarnya munculnya
gagasan AI ini sudah sejak dulu yaitu dua tahun setelah komputer pertama
diinstal untuk kebutuhan bisnis.
Bibit AI mulai ditabur dua tahun setelah Gneral Electric memasang
komputer pertama untuk penggunaan bisnis. Pada tahun 1956,
diselenggarakan meeting di Dartmouth College, yang dihadiri oleh Marvin
Minsky dan John McCarthy dari Dartmouth, Nathaniel Rochester dari IBM,
dan Claude Shannon dari Bell Laboratories. Pada meeting ini, mereka
berhasil menemukan istilah kecerdasan buatan (artificial intelligence),
dan pada tahun yang sama mereka mengumumkan program komputer AI yang
pertama dengan nama Logic Theorist.
Logic Theorist adalah produk hasil kerja yang beberapa tahun
sebelumnya telah diterapkan di Carnegie Institute of Technology
(sekarang bernama CarnegieMellon University) oleh Herbert Simon dan Alan
Newell. Simon dan Newell telah meneliti kemampuan penalaran sistem
tersebut, dan pada tahun 1956 J.C Shaw dari Rand Corporation bergabung.
Dan akhirnya menghasilkan Logic Theorist. Kemampuan terbatas logic
Theorist untuk melakukan penalaran (membuktikan teorema kalkulus)
mendorong para peneliti untuk mengembangkan program lain yang disebut
General Problem Solver (GPS) yang digunakan untuk memecahkan segala
jenis masalah. Kemampuannya tersebut ternyata mempunyai peluang yang
begitu besar.
Penelitian AI berlanjut, namun pelaksanaannya tertinggal dari
aplikasi komputer yang bahkan kurang ambisius, seperti SIM dan DSS.
Namun, seiring berlalunya waktu, peneliti yang masih konsisten terus
menekankan pada penggunaan komputer untuk memperoleh intellegensi
manusia.
Subset dari pokok AI adalah expert system (sistem pakar).
Expert system
adalah program komputer yang berfungsi dengan cara yang sama seperti
ahli manusia, yaitu member saran kepada pemakai mengenai cara pemacahan
masalah. Istilah
knowledge-based system juga sering digunakan
untuk menyebutkan istilah tersebut. Karena expet system berfungsi
sebagai konsultan, maka proses penggunaannya disebut consultation, yaitu
pemakai meminta konsultasi untuk mendapatkan saran dari expert system.
Selain untuk expert system, AI juga terdiri dari bidang kerja sebagai
berikut :
1.
Jaringan Syaraf (Neural Network)
Adalah model system saraf manusia yang disederhanakan dan dapat
menunjukkan kemampuan seperti belajar, generalisasi dan abstraksi.
Kemampuan ini memungkinkan model untuk mempelajari perilaku manusia.
2.
Sistem Persepsi (Perceptive System)
Penggunaan citra/tampilan visual dan sinyal suara (
signal auditory) untuk member instruksi kepada komputer dan peralatan lain, seperti robot.
3.
Belajar (Learning)
Kemampuan komputer dan peralatan lain untuk mendapatkan pengetahuan
sebagai tambahan dari apa yang telah dimasukkan ke dalam memori oleh
pembuatnya atau pemrogramnya.
4.
Robot (Robotics)
Terdiri dari alat yang dikendalikan komputer yang meniru aktivitas gerak manusia.
5.
Perangkat Keras AI (Artificial Intelligence)
Mencakup alat fisik yang membantu aplikasi AI. Contohnya dalah perangkat keras yang didedikasikan untuk sistem
knowledge based,
neural computers yang digunakan untuk mempercepat perhitungan.
6.
Pemrosesan Bahasa Alamiah (Natural Language Processing)
Memungkinkan pemakai untuk berkomunikasi dengan komputer dalam
berbagai bahasa dengan cara komputer mengkode program dari instruksi
yang diberikan oleh pemakai dalam bahasa biasa yang menyerupai
percakapan sehari-hari. Dan juga memungkinkan komputer memeriksa ejaan
dan tata bahasa.
Tiap-tiap bidang ini mempunyai manfaat potensial terhadap bisnis,
namun expert system memberikan peluang pencapaian pemecahan masalah
dengan menggunakan komputer, yang sampai sekarang belum dapat
dilakukannya.
Sistem pakar dan jaringan saraf memiliki potensi terbesar untuk
digunakan dalam memecahkan masalah bisnis. Keduanya merupakan contoh
system berbasis pengetahuan.
Sistem Pakar untuk Penunjang Keputusan
Beberapa tugas tertentu memerlukan pengetahuan khusus yang diperoleh
dari pakar (expert). Sayangya, tidak setiap manajer dapat mempekerjakan
spesialis secara fulltime atau dapat menyewa konsultan lur setiap kali
ada masalah khusus muncul. Konsep expert system (sistem pakar)
didasarkan pada asumsi bahwa pengetahuan pakar dapat disalin ke dalam
penyimpanan komputer dan kemudian diterapkan oleh orang lain saat
dibutuhkan.
Pengetahuan pakar memungkinkan sistem pakar untuk dapat
melakukantugas pemecahan masalah dalam porsi yang lebih besar daripada
yangdapat dilakukanoleh aplikasi komputer lain. Ketika pemrosesan data
berada pada masa kejayaannya pada tahun 1950, ia hanaya member dukungan
yang sedikit terhadap pemecahan masalah. Keadaan berubah lebih baik
ketika digunakannya SIM pada tahun 1960-an dan awal tahun 1970-an, dan
dengan munculnya DSS pada akhir tahun 1970-an dan awal 1980-an, ia dapat
member dukungan yang lebih besar lagi. Pada akhir 1980-an,perhatian dan
minat cenderung kepada penggunaan sistem pakar untuk melakukan sebagian
besar pemecahan masalah.
Sebagai suatu sistem pendukung keputusan, sistem pakar menawarkan
kemampuan yang unik. Pertama, sistem pakar menawarkan kesempatan untuk
membuat keputusan yang melebihi manajer. Contohnya, seorang pejabat
investasi baru suatu bank dapat menggunakan sistem pakar yang dirancang
oleh seorang pakar investasi terkemuka dan dalam penggunaannya,
pengetahuan pakar tersebut disatukan dengan keputusan investasinya.
Kedua, sistem pakar dapat menjelaskan alur penalarannya dalam mencapai
suatu pemecahan tertentu. Sangat sering penjelasan mengenai cara
pemecahan yang diperoleh lebih berharga dari pemecahan itu sendiri.
Sistem pakar berbeda dengan DSS dalam dua hal pokok. Yang pertama,
DSS terdiri dari routine yang merefleksikan keinginan manajer dalam
caranya memecahkan masalah. Oleh karena itu, keputusan yang dihasilkan
oleh DSS merefleksikan gaya dan kemampuan manajer. Sebaliknya, sistem
pakar memberikan peluang untuk mendapatkan kemampuan dalam membuat
keputusan melebihi kemampuan yang dimiliki manajer. Sebagai contoh,
pegawai baru perusahaan asuransi jiwa dapat menggunakan sistem pakar
untuk bisa memperoleh pengetahuan yang setara dengna ahli keuangan yang
memiliki pengalaman bertahun-tahun.
Memutuskan Kapan Menggunakan Sistem Pakar
DSS memberikan dukungan pengambilan keputusan dalam bentuk laporan
berkala dan laporan khusus serta output dari simulasi matematis. Data
yang digunakan oleh program DSS ini terutama bersifat numerik, dan
program tersebut menekankan penggunaan mathematical routines. Namun,
data yang digunakan oleh sistem pakar lebih bersifat simbolis,
seringkali berbentuk teks naratif. Program sistem pakar menekankan
penggunaan logic routines.
Jika menghadapi masalah, anda dapat memilih menggunakan sistem pakar daripada DSS, bila :
� Masalah tersebut melibatkan diagnosis situasi yang kompleks atau
melibatkan pembuatan kesimpulan atau peingkasan dari volume data yang
besar.
� Ada tingkat ketidaktentuan dalam aspek masalah tertentu.
� Ada kemungkinan bagi ahli manusia untuk memecahkan masalah tersebut dalam jangka waktu yang wajar.
Ringkasnya, sistem pakar harus digunakan bila pemecahan masalah
terdiri atas jenis penalaran yang biasanya diberikan oleh manusia atau
pemakai, namun ia juga dapat ditentukan dan diprogram dalam komputer.
Faktor dan kondisi yang mempengaruhi pengambilan keputusan menggunakan expert system terdiri atas :
a. Programming Konvensional (Algoritma) tidak memuaskan.
b. Adanya Expert yang dapat memecahkan masalah.
c. Para pakar tidak selalu tersedia.
d. Tidak ada alternatif solusi yang tersedia pada suatu saat.
e. Kelengkapan sistem lebih disesuaikan pengeluaran.
f. Pemilihan problem domain menyajikan kombinasi terbaik.
a. Problem Domain ditandai oleh penggunaan Expert Knowledge, Judgement dan pengalaman.
b. Formal Knowledge tersedia pasti dalam bentuk buku.
c. Domain lebih stabil dan Expert System akan menyediakan kebutuhan jangka panjang.
a. Task tidak terlalu mudah dan juga tidak terlalu sulit.
b. Task mensyaratkan Primarily Symbolic Reasoning.
c. Task mensyaratkan penggunaan Heuristic.
d. Task tidak mensyaratkan knowledge dari bidang yang luas.
e. Task harus jelas terdefinisi
f. Sejumlah knowledge mensyaratkan dengan task yang cukup luas menggunakan knowledge base.
g. Sejumlah konsep Important Task tidak lebih dari seratus.
h. Ketrampilan Task dapat diajarkan kepada pemula.
a. Merupakan dukungan manajemen yang kuat.
b. Potential User memiliki harapan realistik
c. Hasil bukan merupakan Politically Sensitive.
d. Sistem menggunakan prosedur standar secara minimal.
a. Memiliki Expert yang kualified dan menepati waktu.
b. Expert harus terpercaya.
c. Expert harus kooperatif dan komunikatif.
d. Expert dapat menyediakan lebih banyak Expertise.
e. Apabila banyak Expertise harus The Right Answer.
f. Salah satu harus sebagai Chief Expertise.
Sistem Analist harus telah memahami problem domain atau dapat mempelajarinya.
Komponen Sistem Pakar
Sistem pakar terdiri atas 4 komponen (model) utama :
1.
User Interface, memungkinkan pemakai untuk berinteraksi dengan sistem pakar.
2.
Knowledge Base, menyimpan akumulasi pengetahuan dari masalah tertentu yang akan diselesaikan.
3.
Inference Engine, menyediakan kemampuan penalaran yang menafsirkan isi
knowledge base.
4.
Development Engine, untuk menciptakan system pakar.
Sistem Pakar memberikan banyak keuntungan bagi operasi perusahaan dan manajer, tetapi memiliki keterbatasan significan.
User Interface
User interface memungkinkan manajer untuk memasukkan
instruksi dan informasi ke dalam sistem pakar dan menerima informasi
dari sistem pakar. Instruksi tersebut menentukan parameter yang
mengarahkan sistem pakar melalui proses penalaran. Informasi itu
berbentuk nilai yang diberikan pada variabel tertentu. Atau penjelasan
singkatnya
user interface digunakan manajer untuk meng-enter instruksi dan informasi dari sistem.
1. Input Sistem Pakar
Format
interface paling populer saat ini adalah
graphical user interface, yang menyajikan tampilan Windows. Sebagian sistem menggunakan
custom interface yang disesuaikan dengan masalah yang sedang dipecahkan. Misalnya, layar mungkin menampilkan gambar suatu perakitan mekanis.
Metode input yang digunakan oleh manajer yaitu:
- Menu
- Command
- Natural Language
- Output ES memakai 2 bentuk penjelasan (explanation) :
- Explanation of Question
- Explanation of Problem Solution
2. Output Sistem Pakar
Sistem pakar dirancang untuk menyarankan pemecahan. Pemecahan ini dilengkapi dengan penjelasan. Ada dua jenis penjelasan :
- Penjelasan atas pertanyaan
- Penjelasan atas penyelesaian masalah
Walau cara kerja di dalam sistem pakar mungkin rumit,
user interface-nya
sangat memudahkan pemakai. Manajer yang terbiasa berinteraksi dengan
komputer tidak akan menemui kesulitan menggunakan sistem pakar.
Knowledge Base (KB)
Knowledge base memuat fakta-fakta yang menjelaskan area
masalah, dan juga teknik menerangkan masalah yang menjelaskan bagaimana
fakta-fakta tersebut cocok satu dengan yang lain dalam urutan yang
logis. Atau dapat dikatakan knowledge base terdiri dari fakta yang
menggambarkan area problem atau problem domain dan juga teknik penyajian
yang menggunakan fakta sesuai logika. Istilah
problem domain digunakan untuk menjelaskan area masalah.
Teknik menerangkan masalah (
knowledge representation technique)
yang populer adalah penggunaan aturan. Rule/aturan merupakan rincian
dalam situasi yang tidak berubah. Aturan menentukan apa yang harus
dilakukan dalam situasi tertentu dan terdiri dari dua bagian :
- Kondisi benar dan tidak benar
- Tindakan yang diambil bila kondisi benar
Semua aturan yang ada dalam sistem pakar disebut perangkat aturan
(rule set). Perangkat aturan dapat bervariasi dari sekitar selusian
aturan untuk sistem pakar yang sederhana sampai 500, 1000, atau 10.000
aturan untuk sistem pakar yang rumit.
Inference Engine
Inference engine adalah bagian dari sistem pakar yang melakukan penalaran dengan menggunakan isi
knowledge base berdasarkan urutan tertentu.
Selama konsultasi, inference engine menguji aturan-aturan dari
knowledge base
satu demi satu, dan saat kondisi aturan itu benar, tindakan tertentu
diambil. Dalam terminologi sistem pakar, aturan itu �ditembakkan� (
fired) saat tindakan diambil.
Dua metode yang digunakan dalam sistem pakar untuk mengamati aturan/rule, yaitu:
a. Penalaran ke depan (Forward) atau Forward Chaining
- Evaluasi Rule
- Proses Penalaran Berulang (Iterative Reasoning)
b. Penalaran ke Belakang (Revierse) atau Backward Chaining.
- Alur Logika Pertama diikuti (First Logical Path)
- Alur Logika Selanjutnya diikuti (Next Logical Path)
Development Engine
Komponen utama keempat dari system pakar adalah development engine,
yang digunakan untuk menciptakan sistem pakar. Pada dasarnya proses ini
melibatkan pembuatan perangkat aturan. Ada dua pendekatan dasar :
1. Bahasa Pemrograman (Programming Language)
2. Bagian Expert System (Expert System Shell)
Peran Sistem Analist sebagai Knowledge Engineer dalam organisasi
bisnis dengan menggunakan keterampilan untuk membangun aplikasi
komputer yang konvesional, yaitu :
- Memahami bagaimana Expert menerapkan keahliannya dalam pemecahan masalah.
- Dapat menarik suatu Description Of Knowledge dari Expert.
Proses Pengembangan Sistem
- Permulaan proses pengembangan
- Prototype pengembangan Expert System
- Partisipasi User
- Pemeliharaan Expert System
Keuntungan dan Kerugian Sistem Pakar
Sama seperti semua aplikasi komputer, sistem pakar menawarkan
beberapa keuntungan, tapi ada juga kerugiannya. Keuntungannya dapat
dinikmati manajer maupun perusahaan.
- Keuntungan sistem pakar bagi manajer
Manajer menggunakan sistem pakar dengan tujuan memperbaiki pengambila
keputusan mereka. Perbaikan itu muncul dari kemampuan untuk :
1. Mempertimbangkan lebih banyak alternatif.
2. Menerapkan logika yang lebih tinggi.
3. Menyediakan lebih banyak waktu untuk mengevaluasi hasil keputusan.
4. Membuat keputusan yang lebih konsisten.
- Keuntungan system pakar bagi perusahaan
Perusahaan yang menerapkan sistem pakar apat mengharapkan :
1. Kinerja perusahaan yang lebih baik
2. Mempertahankan pengendalian atas pengetahuan perusahaan.
Dua karakteristik sistem pakar membatasi kemampuannya sebagai alat pemecah masalah bisnis :
1. Tidk dapat menangani pengetahuan yang tidak konsisten. Ini
merupakan kerugian karena dalam bisnis hanya sedikit yang tetap
sepanjang waktu karena berubah-ubahnya kinerja manusia.
2. Tidak dapat menerapkan penilaian dan intuisi yang merupakan
unsur penting saat memecahkan masalah semi-terstruktur atau tidak
terstruktur.
Kunci Menuju Pengembangan Sistem Pakar yang Berhasil
Dengan menggunakan umpan balik dari responden survei, Prof. Gill mengidentifikasi 5 area dimana pengembangan dapat diperbaiki
1. Koordinasikan pengembangan sistem pakar dengan rencana bisnis strategi dan rencana strategis untuk SD informasi
2. Definisikan secara jelas masalah yang akan dipecahkan dan dipahami sepenuhnya
problem domain.
3. Berikan perhatian khusus pada kelayakan legal (dan etis) dari sistem yang diusulkan.
4. Pahami sepenuhnya perhatian pemakai tentang proyek pengembangan maupun harapan mereka pada sistem operasional.
5. Gunakan teknik manajemen yang dirancang untuk menjaga tingkat
kelelahan pengembang berada pada batas yang dapat diterima.
Aplikasi dan Evaluasi Sistem Pakar pada Bisnis
a. ADVER
atau Advertising adalah sebuah prototipe ES digunakan untuk
menggunakan strategi media periklanan yang sesuai dengan kondisi
internal dan eksternal perusahaan dengan parameter biaya iklan per
seribu pemirsa.
b. BERT
atau Brickwork expERT adalah sebuah ES untuk disain bangunan. BERT
digunakan untuk memeriksa sebuah disain bangunan, kemudian memberikan
beberapa rekomendasi untuk perbaikan. Inputnya bisa dalam bentuk gambar.
c. DELTA
adalah ES untuk mendiagnosa kerusakan pada mesin-mesin Diesel Electric Locomotive.
d. DENDRAL
Sistem pakar untuk analisis struktur molekul suatu senyawa yang belum
diketahui. Senyawa yang belum diketahui tersebut dianalisis dengan
menggunakan �
mass spectrometer� dan �
nuclear magnetic reconancy equipment�. Data hasil analisis tersebut dimasukkan ke DENDRAL yang akan membuat struktur molekulnya.
e. MYCIN
Adalah ES untuk mendiagnosa infeksi akibat bakteri dan menyarankan jenis obat dan dosisnya untuk penyembuhan.
f. OPERA
atau OPERator Advisor yang digunakan untuk mendiagnosa dan menangani kerusakan pada suatu jaringan komputer.
OPERA dijalankan pada malam hari untuk menggantikan Supervisor System Manager.
g. PROSPECTOR
untuk membantu menemukan lokasi yang mengandung bahan tambang. Basis
pengetahuannya berisi kaidah berdasar data empiris dan taksonomi
beberapa jenis mineral dan batu-batuan.
h. Untuk mengetahui apakah suatu daerah mengandung bahan tambang
, lebih dahulu dilakukan survey keadaan geologi dan pengambilan contoh
tanah dan batu-batuan.
i. Berdasarkan data hasil survey tsb akan diberikan
rekomendasi apakah daerah tsb layak untuk dieksplorasi dan akan
diputuskan apakah akan dilakukan penggalian atau tidak
h. HEATINGS
Untuk pengontrolan proses pembakaran batubara secara terus menerus
dengan menggunakan sensor yang dihubungkan ke komputer. Bila terjadi
kerusakan yang menimbulkan bahaya (peralatan & manusia) dapat dengan
mudah mengetahui dan memberikan pemecahannya. Misal, bila bila HEATINGS
mendeteksi kadar CO melewati ambang batas akan terdengar bunyi alarm
dan menyuruh membuka ventilasi.
j. SHEARER
Untuk mendiagnosa kerusakan mesin pemotong batubara tipe AM500
Pada pertambangan batubara, batubara dipotong dgn menggunakan alat
pemotong � Shearer (sangat mahal, terdiri dari : sistem mekanik,
hidrolik, dan elektrik), kemampuannya sekitar 300 ton batubara per jam.
k. SHEARER dapat siaga 24 jam penuh dan cepat melakukan diagnosa kerusakan (hidrolik, mekanik, dan elektrik).
l. MSUV-VIS
Untuk melakukan analisis multi komponen bahan aktif obat flu dalam berbagai macam pelarut, pada industri farmasi.
m. Selain itu sistem tersebut dapat digunakan untuk penetapan
kadar (pk) campuran senyawa-senyawa lain dengan syarat spektranya
tumpang tindih yang aditif.
sumber : http://3anapoe3.wordpress.com/2011/03/19/sistem-pakar/