1.Expert System

A. Pengertian Expert System (Sistem Pakar)

Sistem Pakar (SP) adalah sebuah perangkat lunak komputer yang memiliki basis pengetahuan untuk domain tertentu dan menggunakan penalaran menyerupai seorang pakar dalam memecahkan masalah. Aturan-aturan di dalamnya memberitahu program bagaimana ia memberlakukan informasi-informasi yang tersimpan. Berdasarkan itu program memberikan solusi-solusi atau bantuan pengambilan keputusan mengenai permasalahan tertentu mirip dengan saran seorang pakar.

B. Karakteristik dan Ciri-ciri Sistem Pakar

Karakteristik umum sistem pakar:

1. Terdapat banyak kemungkinan jawaban
2. Data kabur :Sistem pakar mencapai konklusi (kesimpulan) yang tidak pasti karena informasi yang dipakainya sering berupa data kabur.
3. Heuristik: Bersifat heuristic dalam menggunakan pengetahuan untuk memperoleh suatu solusi.
   Fasilitas informasi
4. Sistem pakar dapat memberikan kemudahan-kemudahan jawaban kepada user, sehingga user akan merasa puas dengan jawaban yang diberikan sistem pakar.

C. Ciri-ciri sistem pakar

1.  Terbuka untuk diperiksa

Dengan alasan :

• Untuk mempermudah penambahan sejumlah informasi atau aturan baru untuk memperbaharui basis pengetahuannya dalam rangka mengembangkan kinerjannya.
• Memuaskan user akan kebenaran jawaban yang diberikan oleh sistem

• Setiap aspek dan keputusan yang diambil selama proses untuk mendapatkan solusi dapat dievaluasi dengan baik.

2.  Mudah dimodifikasi
3.  Fasilitas penalaran/penjelasan
Dengan adanya fasilitas penalaran, sistem pakar dapat memberikan informasi tentang kesimpulan yang diambil dan memperlihatkan kaidah-kaidah yang dipergunakan serta urutan yang dilaksanakan.
D. Klasifikasi Aplikasi SP

1. Control

• Aplikasi computer yang sangat umum
• Ada 2 jenis control : loop terbuka dan loop tertutup

2. Debugging

• Proses mencari kesalahan dan memperbaiki solusi.

3. Design

• Pengumpulan informasi mengenai spesifikasi sistem dan produk tertentu
• Untuk merancang sirkuit elektronik, bangunan, dan rumah.

4. Diagnosa

• Untuk mendiagnosa produk atau sistem yang sudah tidak berfungsi.

5. Instruksional

• Untuk membantu dalam proses belajar mengajar

6. Interpretasi

• Membantu seseorang dalam menafsir dan memahami situasi atau perspektif suatu peristiwa.

Contoh : analisa intelegensia, daya tahan, citra dan sinyal

7. Planning

• Merumuskan metode, penataan yang dapat mendekatkan pada tujuan.

Contoh : proyek manajemen, taktik, dan strategi militer, pemrograman robot.

8. Planning

• Meramalkan apa yang terjadi di masa yang akan dating.

9. Reparasi

• Memperbaiki barang yang rusak ke keadaan semual

10. Konfigurasi.

E. Beberapa contoh Sistem Pakar yang terkenal:

1. MYCIN

SP medical yang dapat mendiagnosa infeksi bakteri dan rekomendasi pengobatan antibiotic.
Dikembangkan oleh Edward Feigenbaum (Universitas Stanford) tahun 70-an.

2. DENDRAL

• SP struktur molecular dan kimia

3. PROSPECTOR

• Membantu ahli geologi yang mencari dan menemukan biji deposit (mineral dan batu-batuan)
• Didesign oleh Sheffield Research Institute akhir 1970-an.

4. XCON(R1)

• SP konfigurasi sistem computer dasar
• Dikembangkan oleh Digital Eguiptment Corporation (DEC) dan Carnegie Mellon University (CMU) pada akhir 1970-an.

5. DELTA

• SP personal maintenance mesin lokomotif listrik diesel.
• Didesign dan dikembangkan oleh General Electric Company.

6. YESMVS

• Membantu operator computer dan mengontrol sistem operasi MVS (multiple virtual storage)
• Didesign oleh IBM pada awal 1980-an.

7. ACE

• SP troubleshooting pada sistem kabel telepon
• Didesign dan dikembangkan oleh AT&T Bell Lab awal tahun 1980-an.

Sistem pakar

Dari Wikipedia bahasa Indonesia, ensiklopedia bebas

Belum Diperiksa

Sistem Pakar(dalam bahasa Inggris :expert system) adalah sistem informasi yang berisi dengan pengetahuan dari pakar sehingga dapat digunakan untuk konsultasi. Pengetahuan dari pakar di dalam sistem ini digunakan sebagi dasar oleh Sistem Pakar untuk menjawab pertanyaan (konsultasi).
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 daripada pakar yunior. Tujuan Sistem Pakar adalah untuk mentransfer kepakaran dari seorang pakar ke komputer, kemudian ke orang lain (yang bukan pakar).
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.

Kelebihan Sistem Pakar

Secara garis besar, banyak manfaat yang dapat diambil dengan adanya sistem pakar, antara lain :

1. Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli.
2. Bisa melakukan proses secara berulang secara otomatis.
3. Menyimpan pengetahuan dan keahlian para pakar.
4. Meningkatkan output dan produktivitas.
5. Meningkatkan kualitas.
6. Mampu mengambil dan melestarikan keahlian para pakar (terutama yang termasuk keahlian langka).
7. Mampu beroperasi dalam lingkungan yang berbahaya.
8. Memiliki kemampuan untuk mengakses pengetahuan.
9. Memiliki reliabilitas.
10. Meningkatkan kapabilitas sistem komputer.
11. Memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan mengandung ketidakpastian.
12. Sebagai media pelengkap dalam pelatihan.
13. Meningkatkan kapabilitas dalam penyelesaian masalah.
14. Menghemat waktu dalam pengambilan keputusan

Kelemahan Sistem Pakar

Di samping memiliki beberapa keuntungan, sistem pakar juga memiliki beberapa kelemahan, antara lain :

1. Biaya yang diperlukan untuk membuat dan memeliharanya relatif mahal karena diperlukan banyak data.
2. Perlu admin khusus yang selalu update informasi dalam bidang yang sesuai dengan sistem pakar.
3. Pengembangan perangkat lunak sistem pakar lebih sulit dibandingkan perangkat lunak konvensional.
4. Susah di kembangkan.
5. Membutuhkan waktu yang lama.

2.Basis Pengetahuan untuk Sistem Pakar

  

Abstrak

Paper ini membahas mengenai basis pengetahuan yang ada dalam sistem pakar. Basis pengetahuan merupakan satu komponen yang sangat penting dalam sistem pakar karena menyimpan semua pengetahuan yang akan dipakai sebagai dasar pengambilan keputusan. Dalam basis pengetahuan, ada beberapa pengertian yang perlu dipahami dalam kaitannya untuk memahami bagaimana seharusnya suatu basis pengetahuan berbentuk dan bekerja. Selain itu, proses-proses yang terjadi juga perlu diperhatikan karena akan mempengaruhi keseluruhan struktur basis pengetahuan.

Dari paper ini diharapkan didapatnya ilmu mengenai basis pengetahuan dan konsep-konsep yang berkaitan dengannya, dan juga akan melahirkan pemikiran-pemikiran baru untuk memahami dan mengimplementasikan basis pengetahuan dengan lebih baik.

  

A.      Pendahuluan

Secara umum, basis pengetahuan (knowledge base) adalah suatu bentuk basis data tertentu yang digunakan dalam manajemen pengetahuan (knowledge management). Basis pengetahuan berperan dalam proses mengumpulkan, mengorganisasikan, maupun mendapatkan kembali suatu pengetahuan (knowledge).

Dalam sistem pakar (expert system), basis pengetahuan merupakan satu komponen yang sangat penting. Basis pengetahuan menyimpan semua pengetahuan yang dimiliki oleh pakar yang berkompeten dalam bidang yang berkaitan. Basis pengetahuan adalah dasar pengambilan keputusan dalam suatu sistem pakar, di mana pengambilan keputusan ini berkaitan dengan proses untuk mendapatkan kembali pengetahuan yang sebelumnya telah dikumpulkan dan disimpan.

Tulisan ini membahas mengenai basis pengetahuan dalam kaitannya dengan sistem pakar, serta hal-hal lain yang berkaitan dengan basis pengetahuan.

B.      Isi

1.       Pengetahuan

 Sebelum kita mulai membahas mengenai basis pengetahuan, maka terlebih dulu akan kita tinjau mengenai pengetahuan dan semua hal yang berkaitan dengannya. Menurut Davenport dan Prusak (1998), ada perbedaan pengertian mengenai data, informasi, dan pengetahuan.

1.1.  Data

Data adalah suatu kumpulan fakta-fakta diskrit yang obyektif mengenai suatu kejadian[1]. Dalam contoh yang diberikan oleh Davenport dan Prusak, data merupakan gambaran dari transaksi yang dilakukan seseorang (misalnya di pompa bensin). Data berkaitan dengan berapa uang yang dibayarkan dan berapa liter bensin yang diberikan, namun tidak berlaku lebih jauh lagi. Data tidak dapat menggambarkan bagaimana kualitas pompa bensin tersebut dan kapan si pelanggan tersebut akan kembali ke sana.

1.2.  Informasi

Sementara itu, informasi adalah hasil dari pengolahan data. Informasi adalah data yang membuat suatu perbedaan[2], di mana tujuan informasi adalah untuk mengubah pandangan seseorang atau membuatnya menjadi berbeda (dibandingkan sebelum mendapatkan informasi). Menurut Peter Drucker, informasi memiliki makna (meaning) yang ditimbulkan oleh relevansi dan tujuan yang diberikan oleh penciptanya.

1.3.  Pengetahuan

Pengetahuan merupakan bentuk lebih lanjut dari informasi. Pengetahuan merupakan campuran yang bebas antara informasi konstekstual, nilai-nilai, dan pengalaman yang telah terekspresikan, serta pemahaman pakar, yang memberikan suatu kerangka kerja untuk mengevaluasi dan memasukkan informasi dan pengalaman-pengalaman baru[3].

Ada beberapa ciri-ciri pengetahuan (menurut buku yang ditulis Von Krogh, Ichiyo, serta Nonaka 2000). Yang pertama, pengetahuan merupakan kepercayaan yang dibenarkan (justified true believe). Seseorang membenarkan kepercayaannya berdasarkan pada observasinya terhadap dunia, di mana ia menciptakan suatu pemahaman mengenai situasi baru dengan berpegang pada kepercayaan yang telah dibenarkan tersebut. Dengan demikian, kebenaran lebih merupakan konstruksi akan kenyataan, dan bukannya sesuatu yang benar secara abstrak.

Ciri yang kedua pada pengetahuan adalah sifatnya yang eksplisit sekaligus juga terbatinkan (tacit). Sementara beberapa pengetahuan bersifat eksplisit dan mudah digambarkan, diformulasikan, maupun diekspresikan; ada pula pengetahuan-pengetahuan lain yang berkaitan dengan perasaan, keterampilan dan bentuk bahasa utuh, persepsi pribadi, pengalaman fisik, petunjuk praktis (rule of thumb) dan institusi. Pengetahuan-pengetahuan ini sulit sekali untuk disampaikan kepada pihak lain.

Yang ketiga, penciptaan pengetahuan secara efektif bergantung pada konteks yang memungkinkan terjadinya penciptaan tersebut, yaitu ruang bersama yang dapat memicu hubungan-hubungan yang muncul. Dan yang terakhir, penciptaan pengetahuan melibatkan lima langkah utama. Kelima langkah itu adalah:

• Berbagi pengetahuan terbatinkan
• Menciptakan konsep
• Membenarkan konsep
• Membangun prototip (prototype)
• Melakukan penyebaran pengetahuan di berbagai fungsi dan tingkat di organisasi.

Hubungan antara data, informasi, dan pengetahuan dapat dilihat pada gambar berikut.

Gambar 1. Data, Informasi, dan Pengetahuan.

2.       Basis Pengetahuan

Menurut Gondran (1986) dalam Utami (2002), basis pengetahuan merupakan representasi dari seorang pakar, yang kemudian dapat dimasukkan kedalam bahasa pemrograman khusus untuk kecerdasan buatan (misalnya PROLOG atau LISP) atau shell sistem pakar (misalnya EXSYS, PC-PLUS, CRYSTAL, dsb.)

Basis pengetahuan berisi pengetahuan-pengetahuan pakar berupa fakta-fakta, konsep, aturan, prosedur, dan hubungan di antaranya, yang telah direpresentasikan dalam bentuk yang dimengerti oleh sistem. Basis pengetahuan dibutuhkan untuk memahami, memformulasikan, dan memecahkan masalah yang dihadapi oleh sistem, di sini basis pengetahuan berfungsi sebagai sumber referensi untuk mengambil suatu tindakan. Semakin banyak pengetahuan yang dimiliki oleh suatu basis pengetahuan, maka sistem tersebut akan semakin mendekati sifat “cerdas”, dengan kata lain kemampuan sistem akan semakin mendekati kemampuan pakar.

Gambar 2. Basis Pengetahuan sebagai salah satu komponen Sistem Pakar.

Feigenbaum (1977) menyatakan bahwa kesuksesan dari suatu sistem pakar tidaklah bergantung pada kecanggihan strategi penalaran ataupun inferensinya, namun pada jumlah informasi yang dikandungnya mengenai bagaimana simbol-simbol diinterrelasikan, yaitu jumlah pengetahuan yang dimilikinya[4]. Prinsip ini adalah prinsip pengetahuan (knowledge principle), yang merupakan perluasan dari hipotesis simbol fisik (physical symbol hypothesis) dari Newell dan Simon (1981). Hipotesis simbol fisik menganggap bahwa pengetahuan terdiri dari simbol-simbol realitas dan relasi antara simbol-simbol ini, serta bahwa inteligensi adalah manipulasi logis yang sesuai terhadap simbol-simbol dan relasinya[5].

Basis pengetahuan menyimpan pengetahuan yang terdiri dari dua elemen dasar. Elemen dasar pertama adalah fakta, yang dalam hal ini merupakan situasi, kondisi, dan kenyataan dari permasalahan, serta juga teori dalam bidang yang berkaitan serta informasi dari obyek. Yang kedua adalah spesial heuristik yang merupakan informasi mengenai cara untuk membangkitkan fakta baru dari fakta yang sudah diketahui. Dalam sistem berbasis-aturan (rule-based system), elemen kedua ini berupa kaidah atau aturan (rule).

Meskipun seringnya fakta dan aturan dalam basis pengetahuan memiliki nilai kebenaran yang tegas (crisp), namun ada kalanya representasi seperti ini tidaklah dapat mencerminkan pengetahuan secara baik. Dalam hal ini, ada kalanya pengetahuan yang dipakai dibentuk dengan suatu nilai kepastian (certainty value), yang nilainya berkisar dari nol (pasti salah) hingga satu (pasti benar). Nilai kepastian ini menggunakan konsep yang sama dengan yang ada dalam Logika Fuzzy.

Pengembangan suatu basis pengetahuan dimulai dari pembelajaran ontologi, atau konstruksi ontologi, yang bertujuan menangkap pengetahuan menjadi format yang dapat digunakan dalam sistem. Langkah selanjutnya adalah mempopulasikan basis pengetahuan, yaitu mendapatkan instans-instans untuk mengisi basis pengetahuan. Ini merupakan langkah yang penting, yang mana tujuannya menggunakan ontologi sebagai indeks untuk memori organisasi.

Gambar 3.Suatu Siklus Dasar untuk  Pengembangan Basis Pengetahuan.

Rekayasa pengetahuan (knowledge engineering) melibatkan beberapa  proses, yaitu akuisisi pengetahuan (knowledge acquisition), validasi pengetahuan (knowledge validation), representasi pengetahuan (knowledge representation), inferensi pengetahuan (knowledge inferencing), dan transfer pengetahuan (knowledge transferring). Dari semua proses ini, yang merupakan pembentukan basis pengetahuan adalah akuisisi pengetahuan dan representasi pengetahuan, beserta validasi pengetahuan yang berfungsi untuk menjaga kualitas pengetahuan yang disimpan.

Gambar 4.Proses Rekayasa Pengetahuan.

Akuisisi pengetahuan merupakan proses pengumpulan informasi dari sumber-sumber yang tersedia, yang dapat berupa kepakaran seseorang maupun kepakaran laten (yang tersimpan dalam bentuk materi cetakan). Sementara representasi pengetahuan merupakan proses untuk mengilustrasikan pengetahuan yang telah didapat dari proses akuisisi pengetahuan.

3.       Akuisisi Pengetahuan

Dalam akuisisi pengetahuan, perekayasa (engineer) bertindak sebagai jembatan antara pakar (expert) dengan basis pengetahuan. Perekayasa mendapatkan pengetahuan dari pakar, dan bersamanya menaruhnya pengetahuan tersebut dalam basis pengetahuan.

Ada beberapa cara untuk melakukan akuisisi pengetahuan. Yang pertama adalah dengan cara manual, di mana dalam cara ini perekayasa mendapatkan pengetahuan dari sumber, dan lalu mengkodekannya ke dalam basis pengetahuan. Cara ini merupakan cara yang mahal dan tidak efisien, serta juga kadangkala tidak akurat.

Cara yang kedua adalah cara semi-otomatik. Di sini terdapat peran komputer untuk mendukung pakar, di mana pakar diizinkan untuk membangun basis pengetahuan tanpa (atau dengan sedikit) bantuan dari perekayasa. Komputer di sini juga berperan untuk membantu perekayasa dalam kerjanya membangun basis pengetahuan.

Sementara yang ketiga adalah cara otomatik. Di sini peran pakar, perekayasa, maupun pembangun basis pengetahuan atau sistem (system builder) digabung. Contohnya adalah metode induksi.

Gambar 5.Metode Akusisi Pengetahuan dengan (a) manual, (b) akuisisi terkendali-pakar, dan (c) induksi.

Kesulitan dalam proses akuisisi pengetahuan adalah kesulitan pakar untuk mengkomunikasikan pengetahuan-pengetahuan dasarnya. Ini berkaitan dengan sifat pengetahuan itu sendiri (yang seperti telah dijelaskan di atas, adalah eksplisit sekaligus terbatinkan). Seperti yang dikatakan oleh Waterman (1981): “… suatu pengetahuan dasar diasumsikan dan dikombinasikan begitu cepatnya sehingga sulitlah baginya (pakar) untuk mengambarkan prosesnya”[6]. Beberapa teknik canggih telah dikembangkan untuk memfasilitasikan proses untuk mendapatkan dasar pengetahuan, seperti AQUINAS, Boose dan Bradsaw 1987; dan NEXTRA dari Neuron Data, Rappaport dan Gaines 1988.

4.       Representasi Pengetahuan

Representasi pengetahuan merupakan kelanjutan dari proses akuisisi pengetahuan. Setelah pengetahuan berhasil disarikan dari pakar, maka selanjutnya yang dilakukan adalah merepresentasikan bentuk-bentuk pengetahuan tersebut menjadi bentuk yang dikenali oleh sistem (komputer).

 Beberapa cara yang dapat digunakan untuk merepresentasikan bentuk ini antara lain jaringan semantik (semantic net), bingkai (frame), aturan produksi (production rule), logika (logic), bahasa natural (natural language), dan sistem basis data (database system).

Representasi pengetahuan dimaksudkan untuk menangkap sifat-sifat penting suatu pengetahuan agar dapat diakses dan digunakan dalam metode pemecahan masalah. Bahasa representasi haruslah mampu membuat seorang pemrogram mengekspresikan pengetahuan yang diperlukan untuk mendapatkan solusi permasalahan.

Representasi pengetahuan yang baik haruslah memiliki sifat-sifat berikut:

• Mengemukakan hal secara eksplisit
• Membuat masalah menjadi transparan
• Komplit dan efisien
• Menampilkan batasan-batasan alami yang ada
• Menekan dan menghilangkan detil-detil yang diperlukan
• Dapat dilakukan komputasi terhadapnya (memiliki batasan).

Representasi pengetahuan dikelompokkan ke dalam empat jenis, yaitu:

• Representasi Logika

Representasi jenis ini menggunakan ekspresi-ekspresi logika formal dalam melakukan representasi.

• Representasi Prosedural

Sementara jenis kedua ini menggambarkan pengetahuan sebagai kumpulan instruksi untuk memecahkan suatu problema.

• Representasi Jaringan (Network)

Representasi ini menangkap pengetahuan sebagai suatu graf di mana simpul-simpulnya merupakan obyek atau konsep dari problema yang dihadapi, sementara garisnya (edge)  menggambarkan hubungan di antara mereka.

• Representasi Terstruktur

Dalam representasi ini, jaringan diperluas dengan cara membuat tiap simpulnya menjadi sebuah struktur data kompleks.

Prinsip representasi pengetahuan adalah jika suatu permasalahan dideskripsikan dengan menggunakan representasi yang tepat, maka dapat dipastikan bahwa masalah tersebut dapat diselesaikan.

5.       Ontologi

Kunci dari suatu basis pengetahuan adalah ontologi, yaitu sistem konsep-konsep yang terorganisir yang menjadikan sesuatu yang ada dalam domain menjadi eksplisit[7]. Ontologi merupakan spesifikasi dari suatu konseptualisasi, atau suatu teori logis yang memberikan suatu akun eksplisit yang parsial dari suatu konseptualisasi[8]; atau bahkan sinonim dari konseptualisasi itu sendiri.

Ontologi digunakan untuk menjelaskan mengenai properti dari suatu domain, dan juga untuk mendefinisikan domain tersebut.

Komponen-komponen dari ontologi antara lain:

• Konsep (concept) digunakan dalam pemahaman yang luas. Sebuah konsep dapat sesuatu yang dikatakan, sehingga dapat pula merupakan penjelasan dari tugas, fungsi, aksi, strategi, dan sebagainya.
• Relasi (relation) merupakan representasi sebuah tipe dari interaksi antara konsep dari sebuah domain. Secara formal dapat didefinisikan sebagai subset dari sebuah pruduk dari n set,

Sebagai contoh dari relasi biner termasuk subclass-of dan connected-to.

• Fungsi (function) adalah sebuah relasi khusus di mana elemen ke-n dari relasi adalah unik untuk elemen ke-(n-1).

Contohnya adalah Mother-of.

• Aksioma (axiom) digunakan untuk memodelkan sebuah kalimat yang selalu benar.
• Instans (instance) digunakan untuk merepresentasikan elemen.

Menurut Tom Gruber dari Stanford University, makna ontologi dalam konteksnya di ilmu komputer adalah “suatu deskripsi konsep dan relasi yang ada dalam suatu agen maupun komunitas agen”[9].

Sebuah ontologi memberikan pengertian untuk penjelasan secara eksplisit dari konsep terhadap representasi pengetahuan pada sebuah basis pengetahuan (Bernaras, proyek KACTUS). Sementara menurut proyek SENSUS, Sebuah ontologi adalah sebuah struktur hirarki dari istilah untuk menjelaskan sebuah domain yang dapat digunakan sebagai landasan untuk sebuah basis pengetahuan.

6.       Sistem Perbaikan Pengetahuan

Sistem Perbaikan Pengetahuan (Knowledge Refining System) merupakan suatu sistem untuk memperbaiki kinerja sistem pakar. Dengan sistem ini, pakar dapat melakukan analisis kinerja, lalu melakukan pembelajaran, dan kemudian meningkatkannya pada konsultasi berikutnya.

Pada pembelajaran mesin, tujuan dari perbaikan basis pengetahuan (knowledge base refinement) adalah meningkatkan performa sistem dengan pembelajaran empiris, di mana performa sistem diukur dari jumlah kesalahan yang terdeteksi ketika sistem dieksekusi untuk kasus-kasus yang ada dalam pustaka sistem.

C.      Penutup

Basis pengetahuan merupakan jantung dari suatu sistem pakar. Tanpa adanya basis pengetahuan, sistem tidak dapat memberikan rekomendasi yang benar, karena ia tidak memiliki dasar untuk mengambil tindakan.

Basis pengetahuan tergantung dari beberapa konsep dan proses, antara lain pengertian dari pengetahuan serta ontologi dalam basis pengetahuan itu sendiri. Proses akuisisi serta representasi pengetahuan juga berperan memberikan suatu bentuk terhadap basis pengetahuan itu sendiri, yang pada akhirnya semua ini akan menentukan bagaiman kesimpulan yang akan diambil oleh sistem.

Basis pengetahuan yang baik juga dapat melakukan perbaikan dalam dirinya untuk meningkatkan kinerjanya.

Referensi:
[1] (http://ukyku.files.wordpress.com/2008/02/sistem-pakar-2.doc, diakses tanggal 7 April 2008 )
[2] “Bab II. Representasi Pengetahuan”.
(http://lecturer.eepis-its.edu/~entin/Kecerdasan%20Buatan/Bab%202%20Representasi%20Pengetahuan.pdf, diakses tanggal 7 April 2008 )
[3] “Knowledge Representation I”.
(ftp://ftp.cs.bham.ac.uk/pub/authors/M.Kerber/Teaching/AI/l6.pdf, diakses tanggal 7 April 2008 )
[4] “Pengantar Sistem Pakar (Expert System)”.
(http://ukyku.files.wordpress.com/2008/02/sistem-pakar-5.pdf, diakses tanggal 7 April 2008 )
[5] Acmad, Ir. Balza, M.Sc.E. 2006. “Diktat Mata Kuliah Kecerdasan Buatan”. Jurusan Teknik Fisika Fakultas Teknik Universitas Gadjah Mada Yogyakarta.
(http://balzach.staff.ugm.ac.id/AI/Diktat%20Kecerdasan%20Buatan.pdf, diakses tanggal 7 April 2008 )
[6] Brewster, Christopher, Ciravegna, Fabio, dan Wilks, Yorick. “Knowledge Acquisition for Knowledge Management”. Position Paper.
(http://www.dcs.shef.ac.uk/~fabio/paperi/ontolearning.pdf, diakses tanggal 7 April 2008 )
[7] Compton, P. dan Jansen, R. 1989. “A philosophical basis for knowledge acquisition”. 3rd European Knowledge Acquisition For Knowledge Based Systems Workshop 1989.
(http://www.cse.unsw.edu.au/~compton/publications/1989_EKAW.pdf, diakses tanggal 7 April 2008 )
[8] Guarino, Nicola dan Giaretta, Pierdaniele. “Ontologies and Knowledge Bases: Towards a Terminological Clarification”.
(http://www.loa-cnr.it/Papers/KBKS95.pdf, diakses tanggal 7 April 2008 )
[9] Gunawan. “Pengantar ke Expert System”.
(http://hansmichael.com/download/KBS1.pdf, diakses tanggal 7 April 2008 )
[10] Khodra, Masayu Leylia. “Rekayasa Pengetahuan II”. IF-ITB.
(http://kur2003.if.itb.ac.id/file/CN%20IF5031%20Rekayasa%20Pengetahuan%20II.pdf, diakses tanggal 7 April 2008 )
[11] Lewis, William, Farrar, Scott, dan Langendoen, D. Terrence. “Building a Knowledge Base of Morphosyntactic Terminology”.
(http://www.ldc.upenn.edu/annotation/database/papers/Langendoen_etal/24.2.langendoen.pdf, diakses tanggal 7 April 2008 )
[12] Meseguer, Pedro. “Expert System Validation through Knowledge Base Refinement”.
(http://dli.iiit.ac.in/ijcai/IJCAI-93-VOL1/PDF/067.pdf, diakses tanggal 7 April 2008 )
[13] Setiarso, Bambang. “Manajemen Pengetahuan (Knowledge Management) dan Proses Penciptaan Pengetahuan”. IlmuKomputer.Com.
(http://www.ilmukomputer.org/wp-content/uploads/2006/09/bse-kmiptek.pdf, diakses tanggal 7 April 2008 )
[14] Subakti, Irfan. 2002. “Sistem Berbasis Pengetahuan (Knowledge-Based System)”. Jurusan Teknik Informatika Fakultas Teknologi Informasi Institut Teknologi Sepuluh Nopember Surabaya.
(http://is.its-sby.edu/subjects/kbs/Buku_Panduan_SBP.pdf, diakses tanggal 7 April 2008 )
[15] Turban, Efraim, Aronson, Jay E., dan Liang, Ting-Peng. “Decision Support Systems and Intelligent Systems-7^th Ed.”. 2005. Yogyakarta: ANDI.
[16] Wicaksana, I Wayan Simri. “Survei dan Evaluasi Metode Pengembangan Ontology”.
(http://paperwgdbis.abmutiara.info/2004-01_Kommit2004_Survei_IWS.pdf, diakses tanggal 7 April 2008 )
[17] Wikipedia, The Free Encyclopedia. 2008. “Expert System”.
(http://en.wikipedia.org/wiki/Expert_system, diakses tanggal 7 April 2008 )
[18] Wikipedia, The Free Encyclopedia. 2008. “Knowledge Base”.
(http://en.wikipedia.org/wiki/Knowledge_base, diakses tanggal 7 April 2008 )
[19] Wikipedia, The Free Encyclopedia. 2008. “Knowledge Representation”.
(http://en.wikipedia.org/wiki/Knowledge_representation, diakses tanggal 7 April 2008 )
[20] Wikipedia, The Free Encyclopedia. 2008. “Ontology (information science)”.
(http://en.wikipedia.org/wiki/Ontology_(computer_science), diakses tanggal 7 April 2008 )

3.Sistem pakar

Sistem Pakar merupakan salah satu bidang kecerdasan buatan (Artificial Intelligence), definisi Sistem Pakar itu sendiri adalah sebuah program komputer yang dirancang untuk mengambil keputusan seperti keputusan yang diambil oleh seorang pakar, dimana Sistem Pakar menggunakan pengetahuan (knowledge), fakta, dan teknik berfikir dalam menyelesaikan masalah-masalah yang biasanya hanya dapat diselesaikan oleh seorang pakar dari bidang yang bersangkutan. Dalam pengembangan suatu Sistem Pakar, pengetahuan (knowledge) mungkin saja berasal dari seorang ahli, atau merupakan pengetahuan dari media seperti majalah, buku, jurnal, dan sebagainya.Selain itu pengetahuan yang dimiliki Sistem Pakar bersifat khusus untuk satu domain masalah saja. Semakin banyak pengetahuan yang dimasukan kedalam Sistem Pakar, maka sistem tersebut akan semakin baik dalam bertindak, sehingga hampir menyerupai pakar yang sebenarnya.

Ciri-ciri Sistem Pakar

Sistem pakar yang baik harus memenuhi ciri-ciri sebagai berikut : 1. Memiliki fasilitas informasi yang handal.

2. Mudah dimodifikasi.

3. Dapat digunakan dalam berbagai jenis komputer.

4. Memiliki kemampuan untuk belajar beradaptasi.

Tujuan Sistem Pakar

Tujuan dari sebuah Sistem Pakar adalah mentransfer kepakaran yang dimiliki seorang pakar kedalam komputer dan kemTudian kepada orang lain (non expert). Aktivitas pemindahan kepakaran adalah :

• ·  Knowledge Acquisition (dari pakar atau sumber lain)

•   Knowledge Representation (ke dalam komputer)

•   Knowledge Inferencing

•   Knowledge Transfering

Struktur Sistem Pakar

Komponen utama pada struktur sistem pakar (Hu et al, 1987) meliputi:

1.    Basis Pengetahuan (Knowledge Base)

Basis pengetahuan merupakan inti dari suatu sistem pakar, yaitu berupa representasi pengetahuan dari pakar. Basis pengetahuan tersusun atas fakta dan kaidah. Fakta adalah informasi tentang objek, peristiwa, atau situasi. Kaidah adalah cara untuk membangkitkan suatu fakta baru dari fakta yang sudah diketahui. Menurut Gondran (1986) dalam Utami (2002), basis pengetahuan merupakan representasi dari seorang pakar, yang kemudian dapat dimasukkan kedalam bahasa pemrograman khusus untuk kecerdasan buatan (misalnya PROLOG atau LISP) atau shell sistem pakar (misalnya EXSYS, PC-PLUS, CRYSTAL, dsb.)

2.    Mesin Inferensi (Inference Engine)

Mesin inferensi berperan sebagai otak dari sistem pakar. Mesin inferensi berfungsi untuk memandu proses penalaran terhadap suatu kondisi, berdasarkan pada basis pengetahuan yang tersedia.

Ada 2 cara yang dapat dikerjakan dalam melakukan inferensi, yaitu :

1. Forward Chaining. Pencocokan fakta atau pernyataan dimulai dari bagian sebelah kiri (IF dulu). Dengan kata lain, penalaran dimulai dari fakta terlebih dahulu untuk menguji kebenaran hipotesis.

2. Backward Chaining. Pencocokan fakta atau pernyataan di mulai dari bagian sebelah kanan (THEN dulu). Dengan kata lain, penalaran dimulai dari hipotesis terlebih dahulu, dan untuk menguji kebenara hipotesis tersebut dicari harus dicari fakta-fakta yang ada dalam basis pengetahuan

3.    Basis Data (Database)

Basis data terdiri atas semua fakta yang diperlukan, dimana fakta-fakta tersebut digunakan untuk memenuhi kondisi dari kaidah-kaidah dalam sistem. Basis data menyimpan semua fakta, baik fakta awal pada saat sistem mulai beroperasi, maupun fakta-fakta yang diperoleh pada saat proses penarikan kesimpulan sedang dilaksanakan. Basis data digunakan untuk menyimpan data hasil observasi dan data lain yang dibutuhkan selama pemrosesan.

4.    Antarmuka Pemakai (User Interface)

Fasilitas ini digunakan sebagai perantara komunikasi antara pemakai dengan sistem.

Bentuk Sistem Pakar

Ada 4 bentuk sistem pakar, yaitu :

1. Berdiri sendiri. Sistem pakar jenis ini merupakan software yang berdiri-sendiri tidak tergantung dengan software yang lainnya.

2. Tergabung. Sistem pakar jenis ini merupakan bagian program yang terkandung didalam suatu algoritma (konvensional), atau merupakan program dimana didalamnya memanggil algoritma subrutin lain (konvensional).

3. Menghubungkan ke software lain .Bentuk ini biasanya merupakan sistem pakar yang menghubungkan ke suatu paket program tertentu, misalnya DBMS.

4. Sistem Mengabdi. Sistem pakar merupakan bagian dari komputer khusus yang dihubungkan dengan suatu fungsi tertentu.Misalnya sistem pakar yang digunakan untuk membantu menganalisis data radar.

Penerapan Sitem Pakar

Sistem pakar dapat diterapkan dalam berbagai bidang seperti, sains,pendidikan,kesehatan dan sebagainya.

  A. Dalam bidang Manufacture

Manufaktur di definisikan sebagai kegiatan yang saling berhubungan meliputi perancangan, perencanaan, pemilihan material, produksi, pengontrolan kualitas, memanajemen serta pemasaran produk. Proses manufaktur yang penyelesaiannya dapat dibantu oleh system pakar antara lain :

1.Merancang system pengaturan kertas untuk mesin fotocopy. Sistem ini membuat rancangan dengan representasi pengetahuan tentang rancangan berdasarkan kumpulan goal, metoda perancangan, generator dan aturan-aturan yang terstruktur.

2.Penggunaan shell sitem pakar SPS (Semi Intelligent Process Selector) dalam proses perencanaan dengan menggunakan aplikasi Wood Trus fabrication Application.

3.Melakukan  monitoring on line dalam penjadwalan Continuous Caster Steel Mill serta mengatur dan mengkoordinasi fase-fase berurutan proses penjadwalan aktivitas Master Production Scheduling (MPS).

4.Dalam proses pengontrolan, System ini Mengontrol kekaratan aluminium foil secara otomatis dengan menyesuaikan bentuk pola target menurut karakteristik material dan kondisi pengoperasiannya.  Baik dalam pengendalian produksi system tersebut dapat melakukan pengendalian produksi meliputi penyelesaian pesanan, pengawasan pesanan dan pengamanan kualitas.

·  B. Dalam Bidang Pendidikan / Ilmu Pengetahuan

1. Penelitian tentang penggunaan system pakar dalam bidang pendidikan dilakukan oleh prof. Gordon S. Novack Jr. pada Universitas of Texas, Austin, tahun 1990. Aplikasi system pakar ini diberi nama ISAAC yang memiliki parser yang mampu membaca kalimat (dalam bahasa Inggris) dalam kecepatan 5000 kata/menit dan mampu menyelesaikan soal-soal Fisika Mekanik (Statika) dalam waktu kurang dari 5 menit. Aplikasi ini  dikerjakan oleh 1 tim terdiri dari 60 0rang dan membutuhkan waktu 1 tahun. (E.S. Handbook, 1992).

2. Studi system pakar untuk proses belajar Fisika dilakukan oleh seorang dosen Fisika yang menempuh pendidikan S2 pada salah satu perguruan tinggi di Jakarta. Latar belakang dari dilakukannya studi ini adalah karena Fisika merupakan disiplin ilmu yang sangat fundamental yang menjadi dasar dari sains dan teknilogi.

Melihat kepentingan tersebut, maka para siswa/mahasiswa perlu menguasai ilmu ini, tapi kenyataannya sering dianggap momok oleh sebagian besa siswa/mahasiswa selain itu juga kurangnya tenaga guru / dosen Fisika serta kurangnya sarana prasarana yang diperlukan dalam proses belajar mengajar Fisika, seperti alat banto audio maupun visual.

Dalam studi ini dibuat aplikasi sitem pakar yang mampu menyelesaikan persoalan rangkaian arus bolak-balik yang terdiri dari komponen resistor dan inductor baik seri maupun pararel.

·  c. Dalam Bidang Bisnis

1. Sistem Pakar dalam Pembelian

System ini berfungsi untuk menilai dan memilih pemasok (supplier) dengan pertolongan dan pengiriman barang secara optimal, dimana dalam hal ini menunjang pemasok yang potensial.Dalam hal operasi, maka system ini mempunyai fungsi penasihat kepada pembeli.

2. Sistem Pakar mengenai suku cadang mesin percetakan

Sistem ini menunjang pengujian secara teknis dari pesanan langganan dalam mesin cetak dan suku cadang yang diinginkan.

3. System pakar mengenai konsultasi program bantuan kredit bank

System ini membantu pada konsultasi tentang program kredit bantuan pada institusi public,

·         

  D. Dalam Bidang Kecerdasan Buatan

Artificial Intelligence atau Kecerdasan Buatan adalah suatu sistem informasi yang berhubungan dengan penangkapan, pemodelan dan penyimpanan kecerdasan manusia dalam sebuah sistem teknologi informasi. Dalam hal ini Sistem Pakar juga merupakan bagian dari Artificial Intelligence(AI) atau kecerdasan buatan, dimana letak persamaannya adalah sama-sama untuk mencapai hasil yang maksimal dalam memecahkan masalah, dan perbedaannya adalah sistem pakar mengacu pada si pembuatnya atau seseorang yang ahli dalam suatu bidangnya atau mengacu pada si perancang itu sendiri sebagai objek dalam menyiapkan suatu sistem guna mendapatkan hasil yang maksimal, sedangkan AI mengacu pada jalur atau langkah yang berorientasi pada hardware guna mencapai yang maksimal.

Dapat disimpulkan Sistem Pakar merupakan bagian dari AI, dimana selain sistem pakar yang menggunakan AI, ada beberapa yang lain diantarnya games, logika Fuzzy, jaringan saraf tiruan, dan robotika.

Kecerdasan buatan merupakan salah satu topik yang disukai penggemar science-ction, pada lm Terminator digambarkan perang manusia melawan mesin, bahkan dalam novel berjudul With Folded Hands karangan Jack Williamson, digambarkan bangsa Humanoids (robot mesin ciptaan manusia) menjajah bangsa manusia dan menggantikan semua peranan manusia.

· E. Dalam Bidang Pertanian

Dalam dunia pertanian banyak sekali hal yang harus dipelajari agar dapat menghasilkan sesuatu yang bermanfaat. Begitu banyaknya hal yang harus diingat seperti media tanam yang berbeda bagi tiap jenis tanaman, takaran pupuk, hama dan penyakit tanaman, dan banyak sekali cara agar tanaman yang ditanam dapat menghasilkan hasil yang lebih baik.

Oleh karena itu dalam hal ini system pakar  dapat memberikan tambahan pengetahuan kepada petani mengenai macam-macam penyakit yang berhasil di identifikasi oleh sistem dan dapat mengetahui tanaman apa saja yang biasa diserang oleh penyakit tersebut, dengan adanya pengetahuan ini maka ketika para petani sadar tanamannya terkena hama atau penyakit, maka petani dapat dengan mudah untuk mengatasi hama dan menanggulangi penyakit tersebut.

· F. Dalam Bidang Psikologi

Salah satu implementasi yang diterapkan sistem pakar dalam bidang psikologi, yaitu untuk sistem pakar menentukan jenis gangguan perkembangan pada anak. Contoh salah satu bentuk gangguan perkembangan adalah conduct disorder. Conduct disorder adalah satu kelainan perilaku dimana anak sulit membedakan benar salah atau baik dan buruk, sehingga anak merasa tidak bersalah walaupun sudah berbuat kesalahan.

Oleh karena itu dibangun suatu sistem pakar yang dapat membantu para pakar/psikolog anak untuk menentukan jenis gangguan perkembangan pada anak dengan menggunakan metode Certainty Factor (CF).

Contoh implementasi lainnya adalah aplikasi tes kepribadian berbasiskan sistem pakar ini, lebih mudah dan lebih cepat dalam proses pengukuran kepribadian dibandingkan metode terdahulu, sehingga memberikan banyak keuntungan dari segi penghematan waktu, tenaga, dan memudahkan kinerja user (pemakai) dalam mengukur kepribadiannya masing-masing.

· G. Dalam Bidang Eksplorasi Alam

Dalam bidang ini sistem pakar sangat penting manfaatnya. Keputusan yang dihasilkan akan sangat bermanfaat. Contoh penerapannya yaitu sistem pakar yang diterapkan pada alat pendeteksi kandungan minyak bumi.Alat ini menghasilkan keputusan dari data-data yang ada, dan mengambil keputusan ada atau tidaknya hingga berapa jumlah kandungan yang terkandung. Rule base yang deprogram dibuat oleh para ahli dibidangnya.

· H. Dalam Bidang Kedokteran

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 lalu diolah menjadi sebuah informasi berupa visual. Alat ini cukup aman karena tidak menimbulkan radiasi seperti sinar-x yang biasanya digunakan untuk rontgen.

Beberapa contoh sistem pakar

1. MYCIN : Diagnosa penyakit
2. DENDRAL : Mengidentifikasi struktur molekular campuran yang tak dikenal
3. XCON &XSEL : Membantu konfigurasi sistem komputer besar
4. SOPHIE : Analisis sirkit elektronik
5. Prospector : Digunakan di dalam geologi untuk membantu mencari dan menemukan deposit
6. FOLIO : Menbantu memberikan keutusan bagi seorang manajer dalam hal stok broker dan investasi
7. DELTA : Pemeliharaan lokomotif listrik disel

Keuntungan Sistem Pakar

Secara garis besar, banyak manfaat yang dapat diambil dengan adanya sistem pakar, antara lain:

1. Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli.
2. Bisa melakukan proses secara berulang secara otomatis.
3. Menyimpan pengetahuan dan keahlian para pakar.
4. Meningkatkan output dan produktivitas.
5. Meningkatkan kualitas.
6. Mampu mengambil dan melestarikan keahlian para pakar (terutama yang termasuk keahlian langka).
7. Mampu beroperasi dalam lingkungan yang berbahaya.
8. Memiliki kemampuan untuk mengakses pengetahuan.
9. Memiliki reliabilitas.
10. Meningkatkan kepabilitas sistem komputer.
11. Memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan mengandung ketidakpastian.
12. Sebagai media pelengkap dalam penelitian.
13. Meningkatkan kapabilitas dalam penyelesaian masalah.
14. Menghemat waktu dalam pengambilan keputusan.

Sumber :

http://journal.uii.ac.id/index.php/media-informatika/article/viewFile/106/66

http://mugi.or.id/blogs/ir_one/archive/2010/12/22/sekilas-tentang-sistem-pakar.aspx

http://unique88blogger.blogspot.com/2011/03/aplikasi-penerapan-sistem-pakar-dalam.html

http://www.unisbank.ac.id/ojs/index.php/fti1/article/viewFile/492/345

http://nyoman.staf.narotama.ac.id/files/2012/01/Ari_Fadli_Sistem_Pakar_Dasar.pdf