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.
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.
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
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.
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 :
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.
b. Formal Knowledge tersedia pasti dalam bentuk buku.
c. Domain lebih stabil dan Expert System akan menyediakan kebutuhan jangka panjang.
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.
b. Potential User memiliki harapan realistik
c. Hasil bukan merupakan Politically Sensitive.
d. Sistem menggunakan prosedur standar secara minimal.
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.
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:
Sistem pakar dirancang untuk menyarankan pemecahan. Pemecahan ini dilengkapi dengan penjelasan. Ada dua jenis penjelasan :
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 :
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 :
Sama seperti semua aplikasi komputer, sistem pakar menawarkan beberapa keuntungan, tapi ada juga kerugiannya. Keuntungannya dapat dinikmati manajer maupun perusahaan.
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.
1. Kinerja perusahaan yang lebih baik
2. Mempertahankan pengendalian atas pengetahuan perusahaan.
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/
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
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
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
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
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 :
- Alasan Umum
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
b. Formal Knowledge tersedia pasti dalam bentuk buku.
c. Domain lebih stabil dan Expert System akan menyediakan kebutuhan jangka panjang.
- Domain Task.
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.
b. Potential User memiliki harapan realistik
c. Hasil bukan merupakan Politically Sensitive.
d. Sistem menggunakan prosedur standar secara minimal.
- Expert.
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
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
Sistem pakar dirancang untuk menyarankan pemecahan. Pemecahan ini dilengkapi dengan penjelasan. Ada dua jenis penjelasan :
- Penjelasan atas pertanyaan
- Penjelasan atas penyelesaian masalah
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
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.
- Permulaan proses pengembangan
- Prototype pengembangan Expert System
- Partisipasi User
- Pemeliharaan Expert System
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
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
1. Kinerja perusahaan yang lebih baik
2. Mempertahankan pengendalian atas pengetahuan perusahaan.
- Kerugian sistem pakar
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/
No comments:
Post a Comment