7 BAB 2 LANDASAN TEORI
Pada bab ini diuraikan tentang definisi, teori, konsep yang terkait dengan Artificial Intelligence (kecerdasan buatan) dan Expert System (sistem pakar), sebagai landasan dalam merancang sistem pakar serta teori tentang penyakit demam berdarah. 2.1
Kecerdasan Buatan Teori mengenai kecerdasan buatan terdiri Definisi Kecerdasan Buatan, Perbandingan Kecerdasan Buatan dan Kecerdasan Alami, serta Lingkup Kecerdasan Buatan.
2.1.1
Definisi Kecerdasan Buatan Kecerdasan buatan merupakan bagian dari ilmu komputer yang digunakan untuk menciptakan perangkat lunak dan perangkat keras dengan tujuan untuk menghasilkan sesuatu seperti yang dihasilkan oleh manusia (Turban dan Frenzel, 1992, p3). Definisi – definisi tentang kecerdasan buatan, antara lain a. Luger dan Stubblefield Kecerdasan buatan adalah cabang dari ilmu komputer yang berkaitan dengan perilaku dari kecerdasan. b. Rich dan Knight Kecerdasan buatan adalah salah satu bagian dari ilmu komputer yang membuat komputer dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia.
8
9 b. Kecerdasan buatan lebih mudah diduplikasi dan disebarkan. Mentransfer pengetahuan manusia dari satu orang ke orang lain membutuhkan waktu proses yang sangat lama, dan juga keahlian itu tidak akan pernah diduplikasi secara lengkap. Oleh karena itu, jika pengetahuan terletak pada suatu sistem komputer, pengetahuan tersebut dapat disalin dari komputer dan dipindahkan dengan mudah kedalam komputer lainnya. c. Kecerdasan buatan lebih murah dibandingkan dengan kecerdasan alami. Menyediakan layanan komputer akan lebih mudah dan lebih murah dibandingkan dengan harus mendatangkan seseorang untuk mengerjakan sejumlah pekerjaan dalam jangka waktu yang sangat lama. d. Kecerdasan buatan lebih bersifat konsisten. Hal ini disebabkan karena kecerdasan buatan adalah bagian dari teknologi komputer. Sedangkan kecerdasan alami yang merupakan bagian dari manusia akan senantiasa selalu berubah-ubah. e. Kecerdasan buatan dapat didokumentasikan. Keputusan yang dibuat oleh komputer dapat didokumentasikan dengan mudah dengan cara melacak setiap aktivasi dari sistem tersebut. Kecerdasan alami sangat sulit untuk direproduksi. f. Kecerdasan
buatan
dapat
mengerjakan
pekerjaan
lebih
cepat
dibandingkan dengan kecerdasan alami. g. Kecerdasan buatan dapat mengerjakan pekerjaan lebih baik dibandingkan dengan kecerdasan alami.
10 Keuntungan dari kecerdasan alami adalah : 1) Kecerdasan alami sangat kreatif. Kemampuan untuk menambah ataupun memenuhi pengetahuan sangat melekat pada jiwa manusia. Pada kecerdasan buatan, untuk menambah pengetahuan harus dilakukan melalui sistem yang akan dibangun. 2) Kecerdasan alami memungkinkan seseorang untuk menggunakan pengalaman secara langsung. Sedangkan pada kecerdasan buatan harus bekerja dengan input–input yang simbolik. 3) Pemikiran manusia dapat digunakan secara luas, sedangkan kecerdasan buatan sangat terbatas.
2.1.3
Lingkup Kecerdasan Buatan Lingkup utama dalam kecerdasan buatan ( Turban dan Frenzel, 1992, pp21-26) antara lain : a. Sistem Pakar (Expert System). Komputer digunakan sebagai suatu sarana untuk menyimpan pengetahuan dari para pakar untuk dapat digunakan dikemudian hari sebagai suatu sistem yang akan membantu bagi pengguna. Dengan demikian komputer akan memiliki keahlian untuk menyelesaikan permasalahan dengan menggunakan dan meniru keahlian yang dimiliki oleh pakar yang telah disimpan tersebut. b. Pengolahan Bahasa Alami (Natural Languange Processing). Dengan pengolahan bahasa alami ini diharapkan pengguna dapat berkomunikasi dengan komputer menggunakan bahasa yang digunakan oleh pengguna sehari-hari.
11 c. Pengenalan Ucapan (Speech Understanding). Melalui pengenalan ucapan diharapkan manusia dapat berkomunikasi dengan komputer dengan menggunakan suara. d. Robotika dan Sistem Sensori (Robotic and Sensory System). Dengan robotika dan sistem sensori membuat komputer menjadi suatu sistem yang dapat meniru pergerakan dari manusia. e. Computer Vision dan Scene Recognition. Mencoba untuk dapat menginterpretasikan gambar atau obyek-obyek yang terlihat melalui komputer. f. Intelligent Computer-aided Instruction. Komputer dapat digunakan sebagai tutor yang dapat melatih dan mengajar kepada manusia atau pengguna.
2.2
Sistem Pakar Sistem pakar terdiri atas Definisi Sistem Pakar, Konsep Dasar Sistem Pakar, Perbandingan Sistem Pakar dengan Sistem Konvensional, Elemen Manusia dalam Sistem Pakar, Kelebihan dan Keterbatasan Sistem Pakar, Akuisisi Pengetahuan, Representasi Pengetahuan, Teknik Inferensi, Faktor Ketidakpastian Sistem Pakar, Faktor Kepastian, dan Kombinasi Faktor Kepastian.
2.2.1
Definisi Sitem Pakar Sistem Pakar menurut Turban dan Frenzel (1992, p74) adalah suatu sistem yang diusahakan dapat mengadopsi pengetahuan manusia kedalam
12 komputer, agar komputer tersebut dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para pakar. Sistem pakar yang baik dirancang untuk dapat menyelesaikan suatu permasalahan tertentu dengan meniru prinsip kerja dari para pakar. Dengan sistem ini, user akan mampu menyelesaikan masalah yang cukup rumit yang sebenarnya hanya dapat diselesaikan dengan bantuan para pakar. Bagi para pakar sendiri, sistem ini juga akan membantu aktivitasnya sebagai seorang asisten yang sangat berpengalaman. Beberapa definisi tentang sistem pakar, antara lain : a. Giarratano dan Riley (1998, p2) Sistem pakar adalah suatu sistem komputer yang bisa menyamai atau meniru kemampuan dari seorang pakar. b. Jackson (1992, p2) Sistem pakar adalah program komputer yang mewakili dan menelusuri pengetahuan dari beberapa subyek spesial untuk memecahkan masalah atau memberikan nasihat. c. Rich dan Knight (1991, p574) Sistem pakar adalah suatu sistem yang memiliki tujuan untuk menyelesaikan masalah yang biasa dilakukan oleh seorang pakar.
2.2.2
Konsep Dasar Sistem Pakar Menurut Turban dan Frenzel (1992, pp78-81), konsep dasar sistem pakar terdiri atas : a. Expertise (keahlian).
13 Keahlian adalah suatu kelebihan penguasaan pengetahuan di bidang tertentu yang diperoleh dari pelatihan, membaca dan pengalaman sendiri. Contoh bentuk pengetahuan yang termasuk keahlian adalah : 1) Fakta-fakta pada lingkup permasalahan tertentu 2) Teori-teori pada lingkup tertentu 3) Prosedur-prosedur dan aturan-aturan berkenaan dengan lingkup permasalahan tertentu 4) Strategi-strategi global untuk meyelesaikan masalah 5) Meta-knowledge. Bentuk-bentuk ini memungkinkan para ahli untuk dapat mengambil keputusan lebih cepat dan lebih baik daripada seseorang yang bukan seorang ahli. b. Expert (pakar) Cukup sulit untuk menjelaskan arti “pakar” karena sebenarnya yang dibicarakan adalah mengenai derajat atau tingkatan dari keahlian seseorang. Untuk menjelaskan arti pakar itu sendiri terdapat pemikiran seberapa banyak keahlian yang harus dimiliki dari seseorang sebelum dapat dikatakan sebagai seorang pakar. Sedangkan tingkah laku yang menyangkut aktivitas seorang pakar meliputi kemampuan pengenalan dan perumusan masalah, penyelesaian masalah secara cepat dan tepat, penjelasan dari solusi yang dihasilkan, penyusunan kembali pengetahuan, pemecahan aturan-aturan jika dibutuhkan, menentukan relevan tidaknya keahlian mereka.
14 c. Transferring expertise (pengalihan keahlian) Tujuan utama dari sistem pakar adalah pengalihan keahlian yang dimiliki seorang pakar ke dalam suatu sistem komputer untuk kemudian diahlikan lagi ke orang lain yang bukan pakar. Proses ini membutuhkan 4 aktivitas yaitu : penambahan pengetahuan (dari para ahli atau sumber-sumber lainnya), representasi pengetahuan (ke komputer), inferensi pengetahuan, dan pengalihan pengetahuan ke pengguna. Pengetahuan yang disimpan di komputer disebut sebagai basis pengetahuan. Ada dua tipe pengetahuan, yaitu: fakta dan prosedur (umumnya berupa aturan). d. Inference (kesimpulan) Kesimpulan dari sistem pakar adalah kemampuannya dalam memberikan penalaran, yaitu dengan menyimpan semua keahlian dalam basis pengetahuan dan ketersediaan program yang dapat mengakses basis data sehingga komputer dapat memberikan kesimpulan. Penarikan kesimpulan dilakukan oleh sebuah komponen yang disebut mesin inferensi / mesin pengambil kesimpulan (inference engine) yang berisi aturan-aturan penyelesaian masalah. e. Rules (aturan) Sebagian besar dari sistem pakar adalah sistem yang berbasiskan aturan. Karena basis pengetahuan yang diterapkan ke dalam komputer disimpan dalam bentuk aturan-aturan sebagai prosedur pemecahan masalah. f. Explanation capability (kemampuan menjelaskan) Keunikan lain dari sistem pakar adalah kemampuannya dalam menjelaskan dan memberikan rekomendasi mengapa suatu solusi tertentu digunakan.
15 Kemampuan inilah yang membedakan sistem pakar dengan sistem konvensional.
2.2.3
Perbandingan Sistem Pakar dengan Sistem Konvensional Perbandingan sistem pakar dengan sistem konvensional dapat dilihat pada tabel 2.1 (Turban dan Frenzel, 1992, p82). SISTEM KONVENSIONAL Informasi dan pemrosesannya biasanya digabungkan dalam satu program sekuensial. Program yang telah dibuat tidak dapat melakukan kesalahan kecuali programmernya yang dapat membuat kesalahan (human error). Pada umumnya sistem konvensional tidak dapat menjelaskan mengapa suatu input data itu dibutuhkan, atau bagaimana output itu diperoleh. Dalam melakukan pengubahan program cukup sulit dilakukan. Sistem hanya akan beroperasi jika sistem tersebut telah lengkap. Eksekusi dilakukan setahap demi setahap. Dapat memanipulasi basis data yang banyak secara efektif. Representasi dengan menggunakan data. Tujuan dari sistem konvensional adalah efisiensi. Sistem ini lebih mementingkan kuantitas. Mengambil, memperbesar, dan mendistribusikan akses untuk data numerik atau informasi.
SISTEM PAKAR Basis pengetahuan dipisahkan secara jelas dari proses mekanisme dalam penarikan kesimpulan. Program dapat melakukan kesalahan.
Dalam sistem pakar penjelasan merupakan bagian terpenting.
Pengubahan aturan dapat dilakukan dengan mudah. Sistem dapat beroperasi hanya dengan beberapa aturan. Eksekusi dilakukan pada keseluruhan basis pengetahuan. Dapat memanipulasi basis pengetahuan yang banyak secara efektif. Representasi dengan menggunakan pengetahuan. Tujuan utama dari sistem pakar adalah efektivitas. Lebih mementingkan kualitas. Mengambil, memperbesar, dan mendistribusikan akses untuk pertimbangan dan pengetahuan.
16 2.2.4
Elemen Manusia dalam Sistem Pakar Menurut Turban dan Frenzel (1992,pp85-87) ada paling sedikit dua manusia atau lebih, yang terlibat dalam pengembangan dan penggunaan dari sistem pakar. Setidaknya terdapat seorang pakar dan seorang penggguna. a. Expert (pakar) Pakar biasanya ditunjukan sebagai seorang yang ahli dibidangnya. Orang yang memiliki pengetahuan khusus, berpengalaman, dan memiliki kemampuan untuk mengembangkan pengetahuan yang dimiliki untuk memberikan saran dan memecahkan masalah. Pekerjaan utama seorang pakar adalah memberikan saran tentang bagaimana seorang dapat melakukan
pekerjaannya
sehingga
sistem
pengetahuan
dapat
dilaksanakan. Seorang pakar mengetahui fakta yang penting dan mengerti maksud hubungan yang ada diantara fakta tersebut. b. Knowledge Engineer Seorang knowledge engineer membantu para pakar dalam menyusun bidang permasalahan dengan menafsirkan dan menggabungkan jawabanjawaban manusia kedalam pertanyaan-pertanyaan, menggambarkan persamaannya, memberikan contoh-contoh, dan mengembangkannya menjadi suatu konsep yang jelas. Biasanya seorang knowledge engineer juga merupakan seorang system builder. c. User (pengguna) Sistem pakar mempunyai beberapa jenis pengguna, yaitu : 1) Pengguna nonpakar : mencari saran-saran secara langsung, dalam hal ini sistem pakar berfungsi sebagai konsultan atau penasehat.
17 2) Seorang pelajar yang ingin belajar, dalam hal ini sistem pakar berfungsi sebagai instruktur. 3) Seorang pembangun sistem pakar yang ingin membangun atau meningkatkan basis pengetahuan, dalam hal ini sistem pakar berfungsi sebagai mitra (partner). 4) Seorang pakar, dalam hal ini sistem pakar berfungsi sebagai asisten. Seorang pengguna tidak harus seorang yang ahli dalam komputer tetapi bisa juga seseorang yang kurang memiliki pengetahuan dalam bidang masalah yang akan dipecahkan. Seorang pengguna harus memiliki keinginan untuk membuat keputusan menjadi lebih baik, lebih murah, lebih cepat dengan menggunakan sistem pakar. d. Partisipan lain Beberapa contoh partisipan lain yang mungkin terlibat dalam sistem pakar, seorang system builder yang membantu di dalam penggabungan sistem pakar dengan sistem komputerisasi lainnya. Seorang tool builder yang menyediakan atau membangun alat khusus. Vendor, yang menyediakan alat-alat dan sarana, dan support staff yang memberikan bantuan teknikal. 2.2.5
Kelebihan dan Keterbatasan Sistem Pakar Sistem pakar memiliki beberapa kelebihan (Turban dan Frenzel, 1992, pp94-98), yaitu : a. Meningkatkan output dan produktivitas. Sistem pakar dapat bekerja lebih cepat dari manusia, sehingga dapat menghemat waktu dan biaya yang dikeluarkan.
18 b. Meningkatkan kualitas. Sistem pakar dapat meningkatkan kualitas dengan memberikan saran yang konsisten dan dapat mengurangi terjadinya kesalahan (error rate). c. Mengurangi downtime. Banyak sistem pakar operasional digunakan untuk mendiagnosa kesalahan fungsi dan menentukan perbaikan-perbaikan yang harus dilakukan. Sistem pakar dapat mendeteksi kesalahan (malfunction) dalam produksi yang terjadi sehingga dapat mengurangi terjadinya kehilangan waktu yang sangat merugikan perusahaan. d. Menyimpan kepakaran yang langka. Kelangkaan kepakaran menjadi nyata pada situasi dimana hanya terdapat sedikit pakar untuk suatu masalah, seperti pakar tersebut pensiun atau meninggalkan pekerjaannya. Sistem pakar dapat digunakan untuk memperoleh keahlian yang dimiliki oleh pakar tersebut. e. Fleksibilitas. Sistem pakar memberikan fleksibilitas dalam menyediakan pelayanan serta dalam pengembangannya. f. Peralatan pengoperasian yang lebih mudah. Sistem pakar dapat membuat peralatan yang kompleks pengoperasiannya sehingga menjadi lebih mudah untuk dioperasikan. g. Penghilangan kebutuhan akan peralatan yang mahal. Pada umumnya manusia harus bergantung pada peralatan yang mahal dalam melakukan pengawasan dan kontrol. Sistem pakar dapat melakukan tugas yang sama dengan peralatan yang lebih murah, oleh
19 karena memiliki kemampuan untuk melakukan penyelidikan informasi yang disediakan oleh peralatan tersebut secara menyeluruh dan cepat. h. Beroperasi pada lingkungan yang berbahaya. Banyak pekerjaan yang menyebabkan manusia bekerja pada lingkungan yang
berbahaya.
Sistem
pakar
memungkinkan
manusia
untuk
menghindari lingkungan yang berbahaya, misalnya seperti pada konflik militer dan juga pada lingkungan yang panas, lembab, ataupun beracun. i. Memiliki kemampuan untuk mengakses pengetahuan. Sistem pakar membuat pengetahuan dan informasi menjadi lebih mudah untuk dapat diakses. j. Kehandalan (reliabilitas). Sistem pakar dapat dihandalkan karena sistem pakar tidak pernah lelah, bosan, dan sakit. Sistem pakar secara konsisten menaruh perhatian pada setiap detil sehingga tidak melewatkan informasi yang relevan dan memberikan solusi yang potensial. k. Meningkatkan kemampuan dari sistem komputerisasi lain. Penggabungan sistem pakar dengan sistem yang lain menyebabkan sistem tersebut menjadi lebih efektif, bekerja lebih cepat, dan memberikan solusi dengan kualitas yang lebih baik. l. Penggabungan opini dari beberapa pakar. Penggabungan opini dari beberapa pakar ke dalam basis pengetahuan dapat meningkatkan kualitas saran dan kesimpulan yang diberikan. m. Memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan mengandung ketidakpastian.
20 Berbeda dengan sistem komputer konvensional, sistem pakar dapat bekerja dengan informasi yang tidak lengkap, seperti jawaban “tidak tahu”, dengan menggunakan tingkat kemungkinan (probabilitas) terhadap hasil yang diberikan. n. Penyediaan pelatihan. Sistem pakar dapat menyediakan pelatihan, bagi pemula yang bekerja dengan sistem pakar maka pengalamannya akan terus meningkat. o. Meningkatkan solusi pemecahan masalah. Sistem pakar meningkatkan solusi pemecahan masalah karena merupakan penggabungan dari analisis pakar yang terbaik. Sistem pakar juga dapat meningkatkan pemahaman pengguna dengan menggunakan penjelasan dan sistem pakar juga dapat mendukung pemecahan dari masalah yang rumit. p. Memiliki kemampuan untuk memecahkan masalah yang sulit. Saat ini beberapa sistem pakar telah mampu memecahkan permasalahan yang kebutuhan lingkup pengetahuannya melebihi manusia. q. Memungkinkan untuk mentransfer pengetahuan ke tempat yang jauh. Salah satu keuntungan utama dari sistem pakar adalah sistem pakar tersebut dapat melewati perbatasan internasional, misalnya dapat digunakan pada daerah atau negara yang tidak dapat membayar keahlian dari pakar ataupun ke tempat yang tidak cukup memiliki pakar. Selain memiliki kelebihan, sistem pakar juga memiliki permasalahan dan keterbatasan (Turban dan Frenzel, 1992, pp98-99), antara lain :
21 1) Pengetahuan tidak selalu tersedia 2) Kepakaran sulit didapat dari seorang pakar 3) Pendekatan dari setiap pakar untuk situasi yang dinilai dapat berbeda 4) Sulit bagi seseorang pakar untuk menilai situasi yang baik ketika berada di bawah tekanan waktu 5) Penggunaan sistem pakar memiliki keterbatasan kemampuan alami 6) Sistem pakar bekerja dengan baik hanya pada ruang lingkup yang sempit 7) Kosakata yang digunakan para pakar untuk mengekspresikan fakta dan hubungan biasanya terbatas dan tidak dimengerti oleh pakar lain 8) Konstruksi sistem pakar menjadi mahal karena dibutuhkan bantuan dari knowledge engineer yang jarang dan mahal 9) Kurang kepercayaan dari pengguna dapat menjadi halangan untuk penggunaan sistem pakar.
2.2.6
Akuisisi Pengetahuan Berdasarkan Turban dan Frenzel (1992, pp126-128) proses akuisisi pengetahuan dibagi ke dalam lima tahap, yaitu : a. Identifikasi. Pada tahapan ini diidentifikasi masalah yang akan dikaji. Masalah bisa dibagi menjadi beberapa sub-masalah jika perlu, partisipan (pakar dan pengguna) diidentifikasi, dan sumber daya diuraikan. Knowledge engineer mempelajari situasi dan menyetujui maksud dari pembuatan aplikasi kecerdasan buatan.
22 b. Konseptualisasi. Konseptualisasi merupakan tahapan dalam menentukan konsep untuk menggambarkan pengetahuan yang relevan dengan mengambil keputusan untuk situasi yang sangat beragam sehingga perlu ditentukan konsep dan hubungannya. c. Perumusan. Pengetahuan pengetahuan.
diperoleh
untuk
Bagaimana
direpresentasikan pengetahuan
ke
dalam
basis
diorganisasikan
dan
direpresentasikan dapat menentukan metodologi akuisisi. d. Implementasi. Pada tahap ini, dilakukan pemrograman dari pengetahuan ke dalam komputer. Perbaikan pengetahuan dibuat dengan penambahan akuisisi atau perubahan. Sebuah prototipe sistem pakar dikembangkan pada tahapan ini. e. Pengujian. Pada tahap ini, seorang knowledge engineer akan menguji sistem dengan memakai contoh-contoh kasus yang ada. Kemudian hasilnya akan ditunjukan kepada pakar-pakar dan aturan-aturannya akan direvisi bila diperlukan. Dengan kata lain validitas dari pengetahuan diperiksa.
2.2.7
Representasi Pengetahuan Ada beberapa cara untuk merepresentasikan pengetahuan (Turban dan Frenzel, 1992, pp170-187) yaitu melalui :
23
24
25 Track : rumah makan siap saji. Role
: pelanggan, penyaji.
Prop : counter, baki, makanan, uang, serbet, garam, merica, sedotan. Entry condition : pelanggan yang lapar, pelanggan yang memiliki uang.
Scene 1 : Pelanggan memasuki rumah makan. 1)
Pelanggan memarkir mobil.
2)
Pelanggan memasuki rumah makan.
3)
Pelanggan antri di depan counter.
4)
Pelanggan membaca menu dan membuat keputusan apa yang akan dipesan.
Scene 2 : Pemesanan. a)
Pelanggan melakukan pemesanan.
b)
Penyaji meletakkan pesanannya di atas baki.
c)
Pelanggan membayar.
Scene 3 : Pelanggan makan. 1)
Pelanggan mengambil serbet, sedotan, garam, dan lainlain.
2)
Pelanggan membawa baki ke meja yang kosong.
3)
Pelanggan mulai makan.
26 Scene 3A : Makanan dibawa pulang. Pelanggan mengambil makanan, kemudian meninggalkan rumah makan.
Scene 4 : Pelanggan meninggalkan rumah makan. a)
Pelanggan membersihkan meja.
b)
Pelanggan membuang sampah.
c)
Pelanggan meninggalkan rumah makan.
d)
Pelanggan pulang dengan mengendarai mobilnya.
Hasil: 1)
Pelanggan tidak lagi lapar.
2)
Uang pelanggan berkurang.
3)
Pelangan merasa bahagia.
4)
Pelanggan merasa tidak bahagia.
5)
Pelanggan terlalu kenyang.
6)
Pelanggan merasa tidak nyaman pada bagian perutnya.
d. List List adalah daftar tertulis dari item-item yang saling berhubungan. Bisa berupa daftar orang yang anda kenal, barang-barang yang harus dibeli di pasar swalayan, hal-hal yang harus dilakukan minggu ini, atau produkproduk dalam suatu katalog. Representasi pengetahuan dengan list dapat dilihat pada gambar 2.4
27 LIST A Element 1 Element 2 Element 3 Element 4
Element 2
Element 5 Element 6
Subelement a Subelement b Subelement c
Element 4
Subelement d
Subelement a Subelement c Subelement c
Subelement d
Sub-subele (1) Sub-subele (2)
Gambar 2.4 Representasi Pengetahuan dengan List (Turban dan Frenzel, 1992, p181) e. Tabel keputusan Tabel keputusan adalah pengetahuan yang diatur dalam bentuk format lembar kerja (spreedsheet), menggunakan kolom dan garis. Representasi pengetahuan dengan tabel dapat dilihat pada tabel 2.2. Atrributes Shape Smell Color Taste Skin Sees
Conclusions Grapefruit Orange Apple Banana Pear Kumquat
Round Acid Yellow Sweet Rough Yes
Round Acid Orange Sweet Rough Yes
Round Sweet Yellow Sweet Smooth Yes
Round Sweet Red Sweet Smooth Yes
Oblong Sweet Yellow Sweet Smooth Yes
Oblong Sweet Yellow Sweet Smooth Yes
Oblong Acid Orange Sour Smooth Yes
Oblong Sweet Green Sweet Smooth Yes
X X X
X X X
X
Tabel 2.2 Representasi Pengetahuan dengan Tabel (Turban dan Frenzel, 1992, p182)
X
28 f. Pohon keputusan Pohon keputusan adalah tree yang berhubungan dengan tabel keputusan dan sering digunakan dalam analisis sistem (bukan sistem kecerdasan buatan). Representasi pengetahuan dengan tree dapat dilihat pada gambar 2.5.
Orange The fruits is orange
Color ? Shape ? The fruits is citrus
Round
Oval
Acid
Green
Yellow
Smell ? Not Acid
The fruits is not citrus
The fruit may be lime lemon, kumquat etc. More information is needed
The fruits is grapefruits The fruits is grapefruits
Gambar 2.5 Representasi Pengetahuan dengan Tree (Turban dan Frenzel, 1992, p183). g. Objects, Atrribute, dan Values. Salah satu cara yang paling umum untuk merepresentasikan pengetahuan adalah dengan menggunakan objects, attribute, dan value (O-A-V triplet). Objects dapat berupa fisik atau konseptual. Atrribute adalah karakteristik dari object. Value adalah ukuran spesifik dari attribute dalam situasi tertentu.
29 Representasi pengetahuan menggunakan O-A-V triplet dapat dilihat pada tabel 2.3. Object
Atrributes
Values
Rumah
Kamar tidur
2, 3, 4
Rumah
Warna
Hijau, putih, cokelat
Penerimaan di
Rata-rata nilai ujian masuk
3.0, 3.5, 3.7
Kontrol inventori
Level dari inventori
15, 20, 30
Kamar tidur
Ukuran
9 x 10, 10 x 12
universitas
Tabel 2.3 Representatif O-A-V (Turban dan Frenzel, 1992, p180) h. Production System Production System dikembangkan oleh Newell dan Simon sebagai model dari pemikiran manusia. Ide dasar dari sistem ini adalah pengetahuan yang digambarkan sebagai production rules dalam bentuk pasangan kondisi-aksi. Production system terbentuk dari production rules yang berupa : 1. Antecedent, yaitu bagian yang mengekspresikan situasi atau premis (pernyataan berawalan IF). 2. Konsekuen, yaitu bagian yang menyatakan suatu tindakan tertentu atau konklusi yang diterapkan jika suatu situasi atau premis bernilai benar (pernyataan berawalan THEN). contoh : Aturan 1 : IF konflik internasional mulai THEN harga emas naik. Aturan 2 : IF laju inflasi berkurang THEN harga emas turun. Aturan 3 : IF konflik internasional berlangsung lebih dari tujuh hari AND IF IF konflik terjadi di Timur Tengah THEN beli emas.
30 i. Frame Frame adalah struktur data yang berisi semua pengetahuan tentang obyek tertentu. Pengetahuan ini diatur dalam suatu struktur hirarki khusus yang memperbolehkan diagnosa terhadap independansi pengetahuan. Frame pada dasarnya adalah aplikasi dari pemograman berorientasi obyek untuk
kecerdasan
buatan
dan
sistem
pakar.
Representasi
menggunakan frame dapat dilihat pada gambar 2.6. Vehicle Frame
Train Frame
Boat Frame
Car Frame
Passenger Frame
Compact Frame
Jan’s Car
Airplane Frame
Truck Frame
Submarine Frame
Bus Frame
Midsize Car Frame
Bob’s Car
Gambar 2.6 Representasi Pengetahuan dengan Frame (Turban dan Frenzel, 1992, p192)
pengetahuan
31
33 urutan pencarian. Biasanya cara pencarian seperti ini akan menemukan jalan terpendek antara status awal dan status akhir, dengan jumlah langkah terkecil. Proses pada breadth-first search ini diawali dari node awal dan bekerja secara menurun dari kiri dan kanan setelah itu pindah ke tingkat lainnya. Node terkahir. Sebagai contoh, pada gambar 2.9, pencarian akan berkahir pada node 7 sebagai tujuan akhir. Start Level 0
1
2
5
3
6
7
Level 1
4
8
9
10
Level 2
Goal
Gambar 2.9 Diagram Pencarian Breadth-First Search
2) Depth-first search Dimulai dari node dan bekerja secara menurun sampai ke tingkat terendah. Sebuah node menggunakan sebuah operator untuk menghasilkan node selanjutnya yang lebih dalam urutannya. Proses ini berlangsung sampai sebuah solusi ditemukan atau dengan cara jalan mundur (back tracking) sampai menemukan jalan akhir. Saat pencarian (searching) di level dalam jalur (path), jika sudah sampai level paling dalam belum ditemukan solusi, maka proses yang berlangsung disebut back-tracking, yaitu pencarian akan naik satu
34 level diatasnya, angka-angka yang ada dalam node menunjukkan urutan dari pecarian. Proses ini mencari kemungkinan node yang paling dalam. Jika status akhir belum tercapai, proses pencarian kembali ke node berikutnya yang lebih tinggi. Hal ini berlangsung terus ke bawah dan dari kiri ke kanan, sampai status akhir ditemukan. Sebagai contoh, pada gambar 2.10, pencarian akan berakhir pada node 13 sebagai tujuan akhir. Start 1
2
3
4
8
5
6
Level 0
9
7
10
Level 1
11
12
13
Level 2
14
15
16
Level 3
Goal
Gambar 2.10 Diagram Pencarian Depth-First Search
2.2.9
Faktor Ketidakpastian Sistem Pakar Pada kenyataan sehari-hari seorang pakar sering kali berhadapan dengan hal-hal yang tidak pasti dan tidak menentu, maka suatu sistem pakar akan menghadapi kondisi serupa sehingga suatu sistem pakar juga harus dapat menangani masalah kekurangpastian dan ketidakpastian.
35 Menurut Turban dan Frenzel (1992, p247) ketidakpastian dalam kecerdasan buatan adalah jangkauan luas dari situasi dimana informasi sebenarnya tidak mencukupi karena disebabkan oleh adanya : a. Informasi kurang lengkap b. Informasi tidak dapat dipercaya sepenuhnya c. Bahasa penyajian kurang tepat d. Informasi berasal dari berbagai sumber dan saling bertolak belakang e. Informasi berupa perkiraan. Sebagai contoh, pada penalaran induktif yang diberikan : Premis-1 : Aljabar adalah pelajaran yang sulit. Premis-2 : Geometri adalah pelajaran yang sulit. Premis-3 : Kalkulus adalah pelajaran yang sulit. Konklusi : Matematika adalah pelajaran yang sulit.
Pada penalaran induktif ini, munculnya premis baru bisa mengakibatktan gugurnya konklusi yang diperoleh. Sebagai contoh, misalkan premis-4 contoh diatas : Premis-4 : Optika ada pelajaran yang sulit
Premis tersebut menyebabkan konklusi : ”Matematika adalah pelajaran yang sulit”, menjadi salah. Hal itu disebabkan ’Optika’ bukan merupakan bagian dari ’Matematika’. Hal ini yang disebut sebagai ketidakpastian apabila kita menggunakan penalaran induktif. 2.2.10 Faktor Kepastian (Certainty Factor (CF)) Menurut Turban dan Frenzel (1992,p254) teori kepastian mempunyai konsep kepercayaan dan ketidakpercayaan. Konsep ini saling bebas satu sama lainnya dan tidak dapat dikombinasikan seperti probabilitas, tetapi dapat dikombinasikan dengan rumus sebagai berikut :
36 CF[P,E] = MB[P,E] – MD[P,E] dimana : CF [P,E] = Certainty factor (faktor kepastian) MB [P,E] = Measure of belief (tingkat kepercayaan) terhadap hipotesis P jika diberikan evidence E (antara 0 dan 1). MD [P,E] = Measure of disbelief (tingkat ketidakpercayaan) terhadap evidence P, jika diberikan evidence E (antara 0 dan 1) P = Probability (peluang) E = Evidence or event (bukti atau kejadian)
Contoh : Andaikan suatu observasi memberikan kepercayaan terhadap P dengan MB[P,E1] = 0,3 dan MD[P,E1] = 0. Sehingga CF[P,E1] = 0,3 – 0 = 0,3. Jika ada observasi baru dengan MB [P,E2] = 0,2 dan MD [p,E2] = 0, maka : MB[P,E1 ^ E2] = 0,3 + 0,2 * (1 - 0,3) = 0,44 MD[P,E1 ^ E2] = 0 CF[P,E1 ^ E2] = 0,44 – 0 = 0,44
2.2.11 Kombinasi Faktor Kepastian Menurut Turban dan Frenzel (1992, pp254-256) faktor kepastian dapat digunakan untuk menggabungkan perbedaan perkiraan dari pakar dengan beberapa cara sebagai berikut : a. Kombinasi beberapa faktor kepastian dalam satu aturan. 1) Dengan menggunakan aturan yang memakai operator ‘AND’ : IF inflasi diatas 5 % CF = 50 % (A), AND IF tingkat pengangguran diatas 7 % CF = 70 % (B), AND IF harga obligasi turun, CF = 100 % THEN harga persediaan menurun
Untuk tipe aturan ini, kesimpulan yang benar, jika semua kondisi IF harus benar (terpenuhi), Walaupun melibatkan beberapa CF, tetapi CF yang diperoleh adalah CF minimum : CF (A,B, and C) = minimum [CF (A), CF (B), CF (C)]
37 Pada kasus ini CF untuk harga persediaan menurun menjadi 50 %. 2) Dengan menggunakan aturan yang memakai operator ‘OR’ : IF inflasi rendah, CF = 70 %, OR IF harga obligasi tinggi, CF = 85 % THEN harga persediaan menjadi tinggi
Untuk aturan ini jika salah satu kondisi benar maka CF yang dihasilkan adalah maksimum.
CF (A or B) = maksimum [CF (A), CF (B)] Pada kasus ini, CF = 85 % untuk harga persediaan tinggi. b. Kombinasi dua buah aturan atau lebih. Pada saat kita memiliki basis pengetahuan dengan beberapa aturan, yang tiap-tiap aturan memiliki kesimpulan yang sama tetapi faktor kepastian yang berbeda, maka tiap-tiap aturan dapat dilihat sebagai bagian bukti / kejadian yang mendukung kesimpulan gabungan. Faktor kepastian dari suatu kesimpulan dapat dihitung dengan cara mengkombinasikan buktibukti dengan rumus : CF(R1,R2) = CF(R1) + CF(R2) [1 – CF(R1)] atau CF(R1,R2) = CF(R1) + CF(R2) – CF(R1) * CF(R2) Contoh : R1 : IF rata-rata inflasi kurang dari 5 % THEN harga persediaan naik (CF = 0.7) R2 : IF pengangguran kurang dari 7 % THEN harga persediaan naik (CF = 0.6)
Nilai faktor kepastian gabungan : CF (R1,R2) = 0.7 + 0.6 (1 – 0.7)
38 = 0.7 + 0.6 (0.3) = 0.88 Hasil penggabungan dari 2 kemungkinan yang saling berkaitan akan dihasilkan dengan rumus sebagai berikut : CF(R1,R2) = CF(R1) * CF(R2) Misalkan ada tambahan aturan baru : R3 : IF harga obligasi naik THEN harga persediaan naik (CF = 0.85)
Maka digunakan rumus : CF(R1,R2,R3) = CF(R1,R2) + CF(R3)[1 – CF (R1,R2)] atau CF(R1,R2,R3) = CF(R1,R2) + CF(R3) – [CF(R1,R2) * CF(R3)] Dan nilai faktor kepastian gabungan adalah : CF(R1,R2,R3) = 0.88 + 0.85 – (0.88 * 0.85) = 1.73 - 0.748 = 0.982
2.2.12 Klasifikasi Perangkat Lunak Kecerdasan Buatan Menurut Turban dan Frenzel (1992, p454) perangkat lunak kecerdasan buatan dapat diklasifikasikan menjadi lima tingkatan teknologi, seperti terlihat pada gambar 2.11
39
Expert System Application Package (Specific ES)
Shells General or Domain Specific
Hybrid Systems
Support tools, Facilities, and
Programming Languanges
Gambar 2.11 Tingkatan Teknologi Perangkat Lunak Sistem Pakar (Turban dan Frenzel, 1992, p454) a. Bahasa pemrograman (programming languange). Sistem pakar dapat dibuat dengan salah satu dari bahasa-bahasa pemrograman yang ada, dari bahasa kecerdasan buatan (artificial intelligence languange) sampai bahasa-bahasa prosedur standar (standard procedural languange). b. Peralatan pendukung (support tools). Support tools berguna untuk membantu progammer untuk membangun bagian-bagian sistem, seperti akuisisi pengetahuan, validasi dan verifikasi pengetahuan, dan antarmuka pemakai. c. Shell. Shell adalah paket terintegrasi dimana sebagian besar komponenkomponen sistem pakar (kecuali basis pengetahuan) sudah diprogram sebelumnya.
Komponen-komponen
ini
yaitu
subsistem
akuisisi
pengetahuan, mesin inferensi, fasilitas penjelasan, subsistem antarmuka
40
41 handal, mudah untuk dimodifikasi, dapat digunakan dalam berbagai jenis komputer, memiliki kemampuan dalam beradaptasi, dan dapat menyelesaikan permasalahan dengan meniru keahlian yang dimiliki oleh seorang pakar.
2.3
Demam Berdarah Dengue Pada bagian ini akan dijelaskan definisi dari demam berdarah, penularan dari demam berdarah, klasifikasi dari virus yang menyebabkan demam berdarah, derajat atau tingkatan dari demam berdarah serta usaha dalam pemberantasan nyamuk Aedes aegypti sebagai salah satu upaya dalam memutuskan jalur penyebaran virus dengue yang merupakan penyebab dari demam berdarah.
2.3.1
Definisi Penyakit demam berdarah dengue (DBD) adalah penyakit menular yang disebabkan oleh virus dengue dan ditularkan melalui gigitan nyamuk Aedes aegypti (Sri Rezeki dan Irawan, 2005, p15). Demam berdarah ditularkan oleh orang yang didalam darahnya terdapat virus dengue. Virus dengue mempunyai 4 serotipe, yaitu Den 1, 2, 3 dan 4. Virus dengue dapat menyebabkan manifestasi klinis yang bermacam-macam dari asimtomatik sampai yang fatal. Terdapat 2 teori mengenai terjadinya manifestasi yang dikemukakan oleh pakar demam berdarah dunia (Sri Rezeki dan Irawan, 2005, p16) yaitu : a. Teori infeksi primer / teori virulensi : yaitu munculnya manifestasi itu disebabkan karena adanya mutasi dari virus dengue menjadi virulen.
42 b. Teori infeksi sekunder : yaitu munculnya manifestasi berat bila terjadi infeksi ulangan oleh virus dengue yang serotipenya berbeda dengan infeksi dari virus dengue sebelumnya.
2.3.2
Cara Penularan Menurut Sri Rezeki dan Irawan (2005, 80) terdapat tiga faktor yang memegang peran pada penularan infeksi dengue, yaitu manusia, virus, dan vektor perantara. Virus dengue ditularkan kepada manusia melalui gigitan nyamuk Aedes aegypti. Nyamuk Aedes albopictus, Aedes polynesiensis dan beberapa spesies yang lain dapat juga menularkan virus ini tetapi merupakan vektor yang kurang berperan. Nyamuk aedes tersebut dapat menularkan virus dengue kepada manusia baik secara langsung yaitu setelah menggigit orang yang sedang mengalami viremia, maupun secara tidak langsung setelah melalui masa inkubasi dalam tubuhnya selama 8-10 hari (extrinsic incubation period). Pada manusia diperlukan waktu 4-6 hari (intrinsic incubation period) sebelum menjadi sakit setelah virus masuk ke dalam tubuh. Pada nyamuk, sekali virus dapat masuk dan berkembang
biak di dalam tubuhnya, maka nyamuk tersebut akan dapat
menularkan virus selama hidupnya (infektif). Didalam tubuh nyamuk, virus dengue akan berkembang biak denga ncara membelah diri dan menyebar di seluru bagian nyamuk. Sebagian besar virus berada dalam kelenjar liur nyamuk. Dalam tempo 1 minggu jumlahnya dapat mencapai puluhan atau bahkan ratusan ribu sehingga siap untuk ditularkan atau dipindahkan kepada orang lain. Sedangkan pada manusia, penularan hanya dapat terjadi pada saat tubuh dalam keadaan viremia yaitu antara 3-5 hari.
43
Kompleks Virus – Anti Bodi
Agresi Trombosit
Merangsang Komplement
Merangsang Trombosit
Trombosit
F.Hageman Aktif
Anaphylatoxin
Permeabilitas Kapiler
Pembekuan
Faktor Cloting
Cairan Plasma Keluar
Pendarahan Hebat
Shock dan Dingin
Gambar 2.13 Siklus Demam Berdarah
2.3.3
Klasifikasi Infeksi Virus Dengue (DD atau DBD) Untuk
menentukan
tindakan
yang
tepat,
maka
pasien
perlu
diklasifikasikan menurut derajat ringan penyakit. Dengan demikian, dapat direncanakan apakah seorang pasien dapat berobat jalan, perlu observasi di Puskesmas atau di rawat di rumah sakit. Derajat penyakit DD atau DBD (Sri Rezeki dan Irawan, 2005, pp86-87) diklasifikasikan sebagai berikut : a. Demam Dengue (DD) Demam dengue adalah penyakit demam akut selama 2-7 hari dengan dua atau lebih manifestasi sebagai berikut : nyeri kepala, nyeri retro-orbital, mialgia, ruam kulit, manifestasi perdarahan dan leukopenia. Tanda khas dari DD adalah peningkatan suhu mendadak, kadang-kadang
44 disertai menggigil, sakit kepala, dan flushed face (muka kemerahan). Gejala lain yang dapat dijumpai adalah mual-mual, konstipasi, nyeri perut, nyeri tenggorokan, dan depresi. Pasien DD dapat berobat jalan, tidak perlu dirawat. Pada fase demam, pasien dianjurkan : 1) Berbaring, selama masih demam. 2) Obat
antipiretik
atau
kompres
hangat
diberikan
apabila
diperlukan. Untuk menurunkan suhu menjadi <39 °C , dianjurkan pemberian parasetamol. Acetosal atau salisilat tidak dianjurkan (indikasi kontra) oleh karena dapat menyebabkan gastritis, perdarahan atau asidosis. 3) Pada pasien dewasa, analgetik atau sedatif ringan kadang-kadang diperlukan untuk mengurangi rasa sakit kepala, nyeri otot atau nyeri sendi. 4) Dianjurkan pemberian cairan dan elektrolit per oral, jus buah, sirup, susu, selain air putih, dianjurkan paling sedikit diberikan selama 2 hari. 5) Monitor suhu, jumlah trombosit serta kadar hematokrit sampai normal kembali. b. Demam Berdarah Dengue (DBD) Perubahan patofisiologi infeksi dengue menentukan perbedaan perjalanan penyakit antara DBD dan DD. Perubahan patofisiologi tersebut adalah kelainan hemostatis dan perembesan plasma. Kedua kelainan tersebut dapat diketahui dengan adanya trombositopenia dan peningkatan hematokrit. Perbedaan antara DD dengan DBD akan tampak
45 jelas pada saat suhu tubuh turun. Pada DD akan terjadi penyembuhan sedangkan pada DBD terdapat tanda awal kegagalan sirkulasi (syok). Terdapat 4 gejala utama DBD, yaitu demam tinggi, fenomena perdarahan, hepatomegali, dan kegagalan sirkulasi. Gejala klinis DBD diawali dengan demam mendadak, disertai dengan muka kemerahan (facial flush) dan gejala klinis lain yang tidak khas, menyerupai gejala demam dengue, seperti anoreksia, muntah, sakit kepala, dan nyeri pada otot dan sendi. Gejala lain yaitu perasaan tidak enak di daerah epigastrium, nyeri di bawah lengkung iga kanan, kadang-kadang nyeri perut dapat dirasakan di seluruh perut. c. Sindrom Syok Dengue(SSD) Syok ditandai dengan denyut nadi cepat dan lemah, tekanan nadi menurun (menjadi 20 mmHg atau kurang), jadi untuk menilai tekanan nadi perhatikan tekanan sistolik dan diastolik, misalnya 100/90b mmHg berarti tekanan nadi 10 mmHg atau hipotensi (tekanan sistolik menurun sampai 80 mmHg atau kurang), kulit dingin dan lembab. Syok merupakan tanda kegawatan yang harus mendapat perhatian serius karena bila tidak diatasi sebaik-baiknya dan secepatnya dapat menyebabkan kematian. Pasien dapat dengan cepat masuk kedalam fase kritis yaitu syok berat (profound shock), pada saat itu tekanan darah dan nadi tidak dapat terukur lagi. Syok dapat terjadi dalam waktu yang sangat singkat. Tanda-tanda awal syok : 1) Demam mulai turun 2) Muka tampak merah
46 3) Tangan dan kaki dingin 4) Kulit kasar, membiru 5) Napas cepat memburu 6) Tampak gelisah 7) Nadi teraba lemah, dan cepat (130/menit) 8) Tekanan darah turun 9) Tekanan nadi kurang dari 20 mmHg 10) Mengeluh nyeri perut atas Derajat penyakit DBD diklasifikasikan dalam 4 derajat (Sri Rezeki dan Irawan, 2005, p89) yaitu : DD atau DBD DD
Derajat
Gejala
Keterangan
-
Demam disertai satu atau lebih gejala : nyeri kepala, nyeri retro orbita, mialgia, artralgia.
Rawat jalan
DBD
I
Rawat observasi di Puskesmas atau rumah sakit
DBD
II
DBD
IV
Gejala tersebut di atas, ditambah uji tourniquet positif. Gejala tersebut di atas, ditambah perdarahan spontan. Syok berat disertai tekanan darah dan nadi tak terukur.
Rawat inap di Puskesmas atau rumah sakit Rawat di rumah sakit
Tabel 2.4 Klasifikasi infeksi virus dengue (DD atau DBD) Keterangan : a) Derajat I : demam disertai gejala tidak khas dan satu satunya manifestasi perdarahan adalah dengan uji tourniquet.
47 b) Derajat II : seperti derajat I, disertai pendarahan spontan di kulit dan atau pendarahan lain. c) Derajat III : terdapat kegagalan sirkulasi, yaitu nadi cepat dan lembut, tekanan nadi menurun ( 20 mmHg atau kurang) atau hipertensi, sianosi di sekitar mulut, kulit dingin dan lembab, dan penderita tampak gelisah. d) Derajat IV : terjadi syok berat (profound shock), yaitu nadi tidak dapat diraba dan tekanan darah tidak terukur. 2.3.4
Upaya Pemberantasan nyamuk demam berdarah (3M) : Upaya pemberantasan nyamuk demam berdarah (Sri Rezeki dan Irawan, 2005, p27) dilakukan : a
Menguras tempat-tempat penampungan air untuk keperluan sehari-hari, seperti bak mandi, tempayan, drum, dan lain-lain atau melakukan abatisasi. Abatisasi yaitu menaburkan bubuk abate di genangan air jernih yang berpotensi sebagai tempat hidup jentik nyamuk Aedes aegypti dengan dosis 10 gram abate untuk 100 liter air. Bubuk abate yang berpotensi membunuh jentik nyamuk demam berdarah ini mampu bertahan hingga 3 bulan.
b
Menutup rapat-rapat tempat penampungan air agar nyamuk tidak dapat masuk dan berkembang biak.
c
Mengubur atau menyingkirkan barang bekas yang dapat menampung air hujan, agar tidak menjadi tempat nyamuk bersarang/berkembang biak.
Dengan menggunakan teori diatas maka penulis dapat merancang suatu sistem pakar untuk mendiagnosa penyakit demam berdarah.
