•
Sistem Pakar (Expert System) merupakan subset dari kecerdasan buatan (Artificial Intelligence / AI), yang memiliki potensi untuk memperluas kemampuan pemecahan masalah manajer melebihi kemampuan normalnya.
• Sistem pakar menawarkan keunggulan untuk perusahaan dan manajer yang menggunakannya.
• Elemen kritis dalam sistem pakar, seperti halnya dalam semua subsistem CBIS, adalah user interface.
• Saat ini, penggunaan I/O multimedia mendapat perhatian khusus dari pengembang sistem sebagai cara untuk meningkatkan komunikasi antara komputer dengan user.
• Multimedia tidak saja memerlukan hardware dan software khusus, tetapi juga membutuhkan partisipasi dari profesional komunikasi dalam proses pengembangannya.
A. Definisi Sistem Pakar
Sistem berbasis pengetahuan yang menggunakan pengetahuan manusia untuk memecahkan masalah.
B. Bagian Utama Sistem Pakar
1. User interface
2. Knowledge base
3. Inference engine
4. Development engine
B. Bagian Utama Sistem Pakar (lanjutan)
- 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 tersebut berbentuk nilai yang diberikan pada variabel tertentu.
a. Input Sistem Pakar
User interface dirancang untuk mempermudah dialog dua arah antara sistem & pemakai dengan menampilkan teknik tanya-jawab dan pengisian formulir kemudian muncul bahasa perintah dan menu elektronik dan sistem manajemen data base (DBMS).
- Output Sistem Pakar
• Sistem Pakar dirancang untuk menyarankan pemecahan.
• Pemecahan ini dilengkapi dengan penjelasan :
a. Penjelasan atas pertanyaan, manajer menanyakan mengapa informasi tersebut diperlukan dan sistem pakar menyediakan penjelasannya.
b. Penjelasan atas penyelesaian masalah, sistem pakar akan menampilkan tiap-tiap langkah penalaran yang menuju pada penyelesaian masalah.
2. Knowledge Base
• Knowlage base memuat fakta-fakta yang menjelaskan area masalah dan juga teknik menerangkan masalah yang menjelaskan bagaimana fakta-fakta tersebut cocok satu sama lain dalam urutan yang logis.
• Istilah problem domain digunakan untuk menjelaskan area masalah.
a. Aturan
• Teknik menerangkan masalah yang paling populer adalah penggunaan aturan.
• Aturan menentukan apa yang harus dilakukan dalam situasi tertentu.
• Aturan terdiri dari 2 bagian, yaitu suatu kondisi yang mungkin benar mungkin tidak; dan tindakan yang harus diambil jika kondisinya adalah benar.
b. Jaringan Aturan
• Aturan dari suatu perangkat aturan tidak terkait secara fisik, tetapi hubungan logisnya dapat digambarkan dengan diagram hierarki.
• Aturan pada bagian bawah hierarki menyediakan bukti bagi aturan pada bagian atas.
• Bukti tersebut memungkinkan aturan pada bagian atas untuk menghasilkan kesimpulan.
c. Masalah Pemilihan Aturan
• Kesulitan utama dalam menggunakan aturan untuk menggambarkan pengetahuan adalah memilih aturan-aturan tersebut secara efisien dari knowledge base.
• Sangat sering, hanya satu subset dari seluruh perangkat aturan yang diperlukan untuk menyelesaikan masalah.
3. Inference Engine
Inference engine adalah bagian dari Sistem Pakar yang melakukan penalaran dengan menggunakan knowledge base berdasarkan urutan tertentu.
Dua metode utama untuk menguji aturan :
. Penalaran Maju (Forward Reasoning)
Penalaran maju disebut juga forward chaining dimana sistem pakar akan menguji apakah setiap kondisi benar atau salah.
b. Penalaran Mundur (Reverse Reasoning)
Penalaran mundur disebut juga backward chaining yaitu pemilihan suatu aturan dan menganggapnya sebagai masalah yang harus diselesaikan.
Membandingkan Penalaran Maju & Penalaran Mundur
Penalaran mundur bergerak lebih cepat dari penalaran maju karena penalaran mundur tidak harus mempertimbangkan semua aturan dan tidak membuat beberapa putaran melalui perangkat aturan.
Penalaran mundur sangat sesuai jika :
1. Terdapat variabel sasaran berganda ( multiple goal variable ).
2. Terdapat banyak aturan.
3. Semua atau hampir semua aturan tidak harus diuji dalam proses mencapai pemecahan.
Bagaimana Inference Engine Menangani Ketidakpastian
• Kita jarang 100 % yakin mengenai informasi yang disediakan untuk sistem pakar.
• Ketidakpastian tersebut dapat diterapkan pada seluruh aturan atau kondisi aturan.
• Sistem Pakar menggunakan Faktor Kepastian (Certainty Factor / CF) untuk menangani berbagai derajat ketidakpastian.
• CF menyerupai probabilitas dan berkisar antara 0 (menggambarkan ketidakpastian penuh) sampai 100 (menggambarkan kepastian penuh).
• Contohnya, asumsikan bahwa 4 aturan mengarah pada 1 kesimpulan, dan 3 aturan pertama dapat dievaluasi dengan kepastian 100 %.
• Namun, aturan ke-4 memiliki CF 80 (yang berarti bahwa kepatian tindakan tersebut adalah 80 %).
• Mengikuti ungkapan bahwa kekuatan suatu rantai tidak melebihi kaitan terlemahnya, maka sistem pakar memperingatkan pemakainya bahwa kesimpulannya kurang dari 100 % pasti.
4. Development Engine
• Development engine digunakan untuk menciptakan sistem pakar.
• Pada dasarnya, proses ini melibatkan pembuatan perangkat aturan.
• Ada 2 pendekatan dasar dalam penciptaan sistem pakar, yakni :
A. Bahasa Pemrograman
B. Shell Sistem Pakar
A. Bahasa Pemrograman
• Semua orang dapat menciptakan sistem pakar dengan menggunakan bahasa pemrograman apa pun.
• Namun ada 2 bahasa pemrograman yang sangat cocok dengan representasi simbolik dari knowledge base, yaitu Lisp dan Prolog.
B. Shell Sistem Pakar
• Shell sistem pakar adalah prosesor siap pakai yang dapat disesuaikan untuk problem domain tertentu melalui penambahan knowledge base yang sesuai.
• Dalam banayk kasus, shell dapat memproduksi sistem pakar menjadi lebih cepat dan lebih mudah daripada pemrograman.
C. Knowledge Engineer
• Kowledge engineer adalah orang yang bekerja membantu pakar dalam merancang sistem pakar.
• Keahlian yang harus dimiliki oleh Knowledge Engineer antara lain :
- Mengerti bagaimana menerapkan pengetahuan dalam memecahkan masalah.
- Mampu memahami penjelasan mengenai pengetahuan yang diberikan oleh pakar.
D. Elemen-Elemen Sistem Pakar
- Pengalaman
- Orang yang ahli (pakar)
- Transfer pengalaman
- Pembuatan alasan
- Pembuatan simbol
- Aturan
- Kemampuan untuk menjelaskan
E. Daya Tarik Sistem Pakar
- Menawarkan kesempatan untuk membuat keputusan yang melebihi kemampuan manajer.
- Kemampuannya dalam menjelaskan alur penalaran dalam mencapai suatu pemecahan masalah.
F. Keuntungan Sistem Pakar
A. Keuntungan Sistem Pakar bagi Manajer :
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.
B. Keuntungan Sistem Pakar bagi Perusahaan :
1. Kinerja perusahaan yang lebih baik.
2. Mempertahankan pengendalian atas pengetahuan perusahaan.
G. Kerugian Sistem Pakar
- Tidak dapat menangani pengetahuan yang tidak konsisten.
- Sistem Pakar tidak dapat menerapkan penilaian dan intuisi.
II. KECERDASAN BUATAN
A. Definisi Kecerdasan Buatan
• Kecerdasan Buatan (Artificial Intelligence / AI) merupakan kegiatan memberikan pada mesin (komputer) kemampuan untuk menampilkan perilaku yang dianggap cerdas.
• AI menggambarkan aplikasi komputer tercanggih saat ini, dengan mencoba menyerupai beberapa jenis penalaran manusia.
B. Sejarah Kecerdasan Buatan
• AI pertama kali diperkenalkan pada tahun 1956 dengan program komputer pertama disebut logic theorist (pembuktian teorima kalkulus).
• Kemudian berkembang lagi program lain yang disebut General Problem Solver (untuk memecahkan berbagai jenis masalah).
• AI sedang diterapkan di bidang bisnis dalam bentuk sistem berbasis pengetahuan (knowledge base system), yaitu program komputer yang mencoba untuk mewakili pengetahuan dari pakar manusia dalam bentuk heuristic (bahasa Yunani : eureka = menemukan).
• Jenis yang paling popular adalah program komputer yang mencoba untuk mewakili pengetahuan aturan yakni aturan praktis (rule of thumb) dan aturan dugaan (rule of good guessing).
C. Area Kecerdasan Buatan
- Sistem Pakar
- Jaringan saraf
- Sistem persepsi
- Belajar
- Robotik
- Perangkat keras A/I
- Pemrosesan bahasa alamiah
1. Sistem Pakar
• Fungsi Sistem Pakar sama dengan DSS karena keduanya dimaksudkan untuk menyediakan dukungan pemecahan masalah tingkat tinggi bagi pemakainya.
• Namun, tidak seperti DSS, sistem pakar memiliki potensi untuk memperluas kemampuan pemecahan masalah manajer melebihi kemampuan normalnya.
2. Jaringan Saraf
• Jaringan saraf adalah model sistem saraf manusia yang disederhanakan guna menunjukkan kemampuan, seperti belajar, generalisasi, dan abstraksi.
• Kemampuan ini memungkinkan model untuk memperlajari perilaku manusia.
3. Sistem Persepsi
• Sistem Persepsi menggunakan citra visual dan sinyal suara untuk menginstruksikan komputer atau alat lain, seperti robot.
4. Belajar
• Belajar meliputi semua kegiatan yang memungkinkan komputer atau alat lain untuk memperoleh pengetahuan sebagai tambahan dari apa yang telah dimasukkan ke dalam memori oleh programmer atau pembuatannya.
5. Robotik
• Robotik terdiri dari alat yang dikendalikan oleh komputer yang meniru aktivitas gerak manusia.
6. Perangkat Keras AI
• Perangkat keras AI mencakup alat fisik yang membantu aplikasi AI.
• Contoh : retina dan telinga elektronik; neural computer (untuk mempercepat penghitungan).
7. Pemrosesan Bahasa Alamiah
• Pemrosesan bahasa alamiah memungkinkan pemakai untuk berkomunikasi dengan komputer dalam berbagai bahasa alamih (bahasa manusia), seperti bahasa Inggris, Jerman, Jepang, Cina, Belanda, dsb.
