SISTEM PAKAR

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.

  • Sejarah AI

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.

  • Bidang AI

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

  • Daya Tarik Sistem Pakar

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 dan DSS

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 :

ü  Masalah tersebut melibatkan diagnosis situasi yang kompleks atau melibatkan pembuatan kesimpulan atau peingkasan dari volume data yang besar.

ü  Ada tingkat ketidaktentuan dalam aspek masalah tertentu.

ü  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 :

  • Alasan Umum

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.

  • Problem Domain

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.

  • Domain Task.

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.

  • Domain Personnel.

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.

  • Expert.

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

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.

  • Kerugian sistem pakar

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 à 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.

About these ads

2 gagasan untuk “SISTEM PAKAR

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Logout / Ubah )

Twitter picture

You are commenting using your Twitter account. Logout / Ubah )

Facebook photo

You are commenting using your Facebook account. Logout / Ubah )

Google+ photo

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s