BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI

2.1 Sistem Pakar Sistem pakar pertama kali dikembangkan oleh komunitas AI pada pertengahan tahun 1960. Sistem pakar yang muncul pertama kali adalah General Purpose Problem Solver (GPS) yang dikembangkan oleh Newel & Simon (Turban,1995). Sistem pakar yang baik dirancang agar dapat menyelesaikan suatu permasalah tertentu dengan meniru kerja dari para ahli. Sistem pakar memiliki banyak definisi, tetapi pada dasarnya sistem pakar diterapkan untuk mendukung aktivitas pemecahan masalah. Beberapa definisi yang ada untuk sistem pakar (Kusumadewi,

2003) :

a. Menurut Martin dan Oxman : Sistem pakar adalah sistem berbasis computer yang menggunakan pengetahuan, fakta, dan teknik penalaran dalam memecahkan masalah, yang biasanya hanya dapat diselesaikan oleh seorang pakar dalam bidang tertentu. b. Menurut Ignizio : Sistem pakar merupakan bidang yang dicirikan oleh system berbasis pengetahuan (Knowledge Base System),

memungkinkan adanya

komponen untuk berpikir dan mengambil kesimpulan dari sekumpulan kaidah. c. Menurut Giarratano dan Riley : Sistem pakar adalah salah satu cabang kecerdasan buatan yang menggunakan pengetahuan-pengetahuan khusus yang dimiliki oleh seorang ahli untuk menyelesaikan suatu masalah tertentu. Secara umum, sistem pakar merupakan sistem yang mengadopsi pengetahuan manusia ke dalam komputer sehingga komputer dapat digunakan untuk menyelesaikan suatu masalah sebagaimana yang dilakukan oleh seorang pakar. Sistem pakar dibuat pada wilayah pengetahuan tertentu dan untuk suatu keahlian tertentu yang mendekati kemampuan manusia

Universitas Sumatera Utara

di salah satu bidang khusus. Sistem pakar mencoba mencari solusi yang memuaskan sebagaimana yang dilakukan seorang pakar dan dapat memberikan penjelasan terhadap langkah yang diambil serta memberikan alasan atas kesimpulan yang diambil. Sampai saat ini telah banyak sistem pakar yang telah dibuat. Misalkan MYCIN digunakan untuk mendiagnosa penyakit, DENDRAL untuk mengidentifikasi perbaikan yang dilakukan pada mesin diesel elektronik kereta api, FOLIO digunakan untuk membantu memberikan keputusan bagi seorang manajer dalam hal persediaan broker dan investasi, serta beberapa aplikasi sistem pakar lainnya.

2.1.1 Keuntungan Sistem Pakar Secara garis besar, ada banyak keuntungan bila menggunakan sistem pakar, diantaranya adalah (Arhami, 2005): 1. Menjadikan pengetahuan dan nasihat lebih mudah didapat. 2. Meningkatkan output dan produktivitas. 3. Menyimpan kemampuan dan keahlian pakar. 4. Meningkatkan penyelesaian masalah yaitu menerusi paduan pakar, penerangan, sistem pakar khas. 5. Meningkatkan reliabilitas. 6. Memberikan respons (jawaban) yang cepat. 7. Merupakan panduan yang intelligence (cerdas). 8. Dapat bekerja dengan informasi yang kurang lengkap dan

mengandung

ketidakpastian. 9. Intelligence database (basis data cerdas), bahwa sistem pakar dapat digunakan untuk mengakses basis data dengan cara cerdas. 2.1.2 Kelemahan Sistem Pakar Disamping memiliki beberapa keuntungan, sistem pakar juga memiliki beberapa kelemahan, antara lain: 1. Biaya yang diperlukan untuk membuat dan memeliharanya sangat

mahal.


2. Sulit dikembangkan system pakar yang benar-benar berkualitas tinggi. Hal ini tentu saja erat kaitannya dengan ketersediaan pakar di bidangnya. 3. Sistem pakar tidak dapat 100% bernilai benar. 4. Terkadang sistem tidak dapat membuat keputusan. 5. Pengetahuan tidak selalu didapat dengan mudah karena pendekatan tiap pakar berbeda.

2.1.3 Karakteristik Sistem Pakar Sistem pakar mempunyai beberapa karakteristik dasar yang membedakan dengan program komputer biasa umumnya, yaitu (Turban, 1995): 1. Mempunyai kepakaran Dalam menyelesaikan masalah bukan hanya mendapatkan solusi yang benar saja, namun juga bagaimana mendapatkan pemecahan dengan cepat dan mahir. 2. Domain tertentu Sistem pakar mengutamakan kedalaman mengenai bidang tertentu. 3. Memiliki

kemampuan

mengolah

data yang

mengandung

ketidakpastian

kadang-kadang data yang tersedia tidak lengkap sistem harus dapat memberikan pemecahan sesuai data yang tersedia dengan memberikan pertimbangan, saran atau anjuran sesuai dengan kondisi yang ada. 4. Dirancang dirancang system

untuk dapat dikembangkan

secara bertahap

untuk memberikan jawaban yang pakar

dirancang untuk

Program computer

tepat setiap waktu. Sedangkan

berlaku sebagai seorang pakar, kadang

memberikan jawaban yang benar, dan

suatu saat mungkin tidak

tepat

(Expert system makes mistake). 2.1.4 Struktur Sistem Pakar Sistem pakar dapat ditampilkan dengan dua lingkungan, yaitu lingkungan pengembangan dan lingkungan konsultasi, lihat pada gambar 2.1. Lingkungan pengembangan digunakan oleh sistem pakar (ES) builder untuk membangun komponen dan memasukkan pengetahuan ke dalam basis pengetahuan. Lingkungan konsultasi digunakan oleh nonpakar untuk memperoleh pengetahuan dan nasihat pakar. Lingkungan ini dapat dipisahkan setelah sistem lengkap (Turban, 1995).


Gambar 2.1 Struktur Sistem Pakar

2.1.5 Komponen Sistem Pakar Komponen-komponen yang terdapat dalam sistem pakar adalah : a. Antarmuka pengguna (User Interface) User interface merupakan mekanisme yang digunakan untuk pengguna dan sistem pakar untuk berkomunikasi. Antarmuka menerima informasi dari pemakai dan mengubahnya ke dalam bentuk yang dapat diterima oleh sistem. Selain itu antarmuka menerima informasi dari sistem dan menyajikannnya dalam bentuk yang dapat dimengerti oleh pemakai. Menurut McLeod (1995), pada bagian ini terjadi dialog antara program dan pemakai, yang memungkinkan sistem pakar menerima instruksi dan informasi (input) dan pemakai juga memberikan informasi (output) kepada pemakai. b. Basis pengetahuan Basis pengetahuan mengandung pengetahuan untuk pemahaman, formulasi, dan penyelesaian masalah. Komponen sistem pakar ini disusun atas dua elemen dasar, yaitu fakta dan aturan. Fakta merupakan informasi tentang obyek dalam area


permasalahan tertentu, sedangkan aturan merupakan informasi tentang cara bagaimana memperoleh fakta baru dari fakta yang telah diketahui (Arhami, 2005). c. Akuisisi pengetahuan Akusisi pengetahuan adalah akumulasi, transfer dan transformasi keahlian dalam menyelesaikan masalah dari sumber pengetahuan ke dalam program komputer. Dalam tahap ini knowledge engineer berusaha menyerap pengetahun untuk selanjutnya ditransfer ke dalam basis pengetahuan. Pengetahuan diperoleh dari pakar, dilengkapi dengan buku, basis data, laporan penelitian dan pengalaman pemakai (Arhami, 2005). Akuisisi pengetahuan dilakukan sepanjang proses pembangunan sistem. Menurut Firebaugh (1989), proses akuisisi pengetahuan dibagi ke dalam enam tahap, yaitu : 1. Tahap identifikasi Tahap identifikasi meliputi penentuan komponen-komponen kunci dalam sistem yang sedang dibangun. Komponen kunci ini adalah knowledge engineer, pakar, karakterisitik masalah, sumber daya, dan tujuan. Knowledge engineer dan pakar bekerja bersama untuk menentukan berbagai aspek masalah, seperti lingkup dari proyek, data input yang dimasukkan, bagian-bagian penting dan interaksinya, bentuk dan isi dari penyelesaian, dan kesulitan-kesulitan yang mungkin terjadi dalam pembangunan sistem. Mereka juga harus menentukan sumber pengetahuan seperti basis data, system informasi manajemen, buku teks, serta prototipe masalah dan contoh. Selain menentukan sumber pengetahuan, pakar juga mengklarifikasi dan menentukan tujuan-tujuan sistem dalam proses penentuan masalah. 2. Tahap konseptualisasi Konsep-konsep kunci dan hubungannya yang telah ditentukan pada tahap pertama dibuat lebih jelas dalam tahap konseptualisasi. 3. Tahap formalisasi Tahap ini meliputi pemetaan konsep-konsep kunci, sub-masalah dan bentuk aliran informasi yang telah ditentukan dalam tahap-tahap sebelumnya ke dalam representasi formal yang paling sesuai dengan masalah yang ada. 4. Tahap implementasi


Tahap ini meliputi pemetaan pengetahuan dari tahap sebelumnya yang telah diformalisasi ke dalam skema representasi pengetahuan yang dipilih. 5. Tahap pengujian Setelah prototipe sistem yang dibangun dalam tahap sebelumnya berhasil menangani dua atau tiga contoh, prototipe sistem tersebut harus menjalani serangkaian pengujian dengan teliti menggunakan beragam sampel masalah. Masalah-masalah yang ditemukan dalam pengujian ini biasanya dapat dibagi dalam tiga kategori, yaitu kegagalan input/output, kesalahan logika dan strategi kontrol. 6. Revisi prototipe Suatu unsur penting pada semua tahap dalam proses akuisisi pengetahuan adalah kemampuan untuk kembali ke tahap-tahap sebelumnya untuk memperbaiki sistem. d. Mesin inferensi Komponen ini mengandung mekanisme pola pikir dan penalaran yang digunakan oleh pakar dalam menyelesaikan suatu masalah. Mesin inferensi adalah program komputer yang memberikan metodologi untuk penalaran tentang informasi yang ada dalam basis pengetahuan dan dalam workplace, dan untuk memformulasikan kesimpulan (Turban, 1995). Inferensi merupakan proses menghasilkan kesimpulan berdasarkan fakta atau pengetahuan yang diketahui atau diasumsikan. Terdapat dua pendekatan untuk mengontrol inferensi dalam sistem pakar berbasis aturan yaitu pelacakan ke depan (forward chaining) dan pelacakan ke depan (backward chaining). 1. Pelacakan ke Depan (Forward Chaining) Pada Metode forward chaining di artikan sebagai pendekatan yang dimotori data. Dalam pendekatan ini pelacakan dimulai dari informasi masukan, dan selanjutnya mencoba menggambarkan kesimpulan. Sehingga metode ini juga sering disebut “Data driven”. Proses pelacakan pada forward chaining dapat ditunjukkan oleh gambar 2.2 .


Gambar 2.2 Proses Forward Chaining

2. Pelacakan ke belakang (Backward Chaining) Metode backward chaining adalah pendekatan yang dimotori tujuan. Dalam pendekatan ini pelacakan dimulai dari tujuan, selanjutnya dicari aturan yang memiliki tujuan tersebut untuk kesimpulannya. Selanjutnya proses pelacakan menggunakan premis untuk aturan tersebut sebagai tujuan baru dan mencari aturan lain dengan tujuan baru sebagai kesimpulannya. Proses berlanjut sampai semua kemungkinan ditemukan. Metode ini sering disebut “goal driven”. Proses pelacakan pada backward chaining dapat ditunjukkan oleh gambar 2.3 .

Gambar 2.3 Proses Backward Chaining

e. Blackboard Blackboard adalah area kerja memori yang disimpan sebagai database untuk deskripsi persoalan terbaru yang ditetapkan oleh data input, digunakan juga untuk perekaman hipotesis dan keputusan sementara. Tiga tipe keputusan dapat direkam dalam blackboard, yaitu : • Rencana : bagaimana mengatasi persoalan • Agenda : tindakan potensial sebelum eksekusi • Solusi : hipotesis kandidat dan arahan alternatif yang telah dihasilkan sistem sampai saat ini.


f. Fasilitas penjelasan Fasilitas penjelasan untuk komponen tambahan yang akan meningkatkan kemampuan sistem pakar. Komponen ini menggambarkan penalaran system kepada pemakai. Fasilitas penjelasan dapat menjelaskan perilaku sistem pakar dengan menjawab pertanyaan-pertanyaan sebagai berikut (Turban, 1995): • Mengapa pertanyaan tertentu ditanyakan oleh sistem pakar? • Bagaimana kesimpulan tertentu diperoleh? • Mengapa alternatif tertentu ditolak? • Apa rencana untuk memperoleh penyelesaian? g. Perbaikan pengetahuan Pakar memiliki kemampuan untuk menganalisis dan meningkatkan kinerjanya serta kemampuan untuk belajar dan kinerjanya. Kemampuan tersebut adalah penting dalam pembelajaran terkomputerisasi, sehingga program akan mampu menganalisis penyebab kesuksesan dan kegagalan yang dialaminya.

2.2 Metode Pencarian Metode pencarian akan menjelaskan secara umum bagaimana teknik pencarian. Ada dua pendekatan dasar untuk mencari suatu space, yaitu blind search dan heuristic search. Pada dasarnya heiristic search adalah blind search. Blind search adalah kumpulan prosedur yang digunakan untuk mencari suatu space state. Mulai dari akar, operator digunakan untuk menghasilkan status simpul anak, pencarian dilakukan terus sampai diperoleh solusi. Gagasan penelusuran blind search adalah memeriksa semua pohon secara teratur dengan menggunakan semua operator dan membangkitkan sebanyak mungkin simpul anak untuk memperoleh solusi yang diinginkan. Mulai dengan simpul akar, terdapat beberapa prosedur menelusuri pohon, tetapi pendekatan ini tidak efisien (Turban, 1995). Yang termasuk dalam blind search adalah Depth First Search (DFS) dan Breadth First Search (BFS).


1) Depth-first search, bekerja denga menelusuri simpul mulai dari akar terus kebawah sampai secara berturut-turut ke level yang lebih dalam. Suatu operator digunakan untuk menghasilkan simpul node berikutnya lebih dalam dengan kata lain simpul anak diperoleh dari simpul ayah. Dapat dilihat pada gambar 2.4.

Gambar 2.4 Teknik Penelusuran Depth First Search

2) Breadth-first search, bekerja dengan cara memeriksa semua simpul dalam pohon pencarian yang dimulai dari akar. Simpul tiap level diperiksa secara lengkap sebelum berpindah ke level berikutnya. Dapat dilihat pada gambar 2.5.

Gambar 2.5 Teknik Penelusuran Breadth First Search

2.3 Representasi Pengetahuan Dalam pembangunan sistem berbasis pengetahuan, pengetahuan yang telah diekstrak dimasukkan kedalam program komputer oleh proses yang disebut representasi pengetahuan (knowledge representation). Sistem representasi pengetahuan merupakan gabungan dari dua


elemen yakni struktur data dan prosedur menafsirkan (interpretive procedure) untuk pemakaian pengetahuan yang dimasukkan dalam struktur data (Firebaugh, 1989). 2.3.1 Representasi dalam logika dan skema lainnya Bentuk representasi pengetahuan yang paling tua adalah logika, yaitu suatu pengkajian ilmiah tentang serangkaian penalaran, sistem kaidah dan prosedur yang membantu proses penalaran. Bentuk umum dari suatu proses logika diilustrasikan pada gambar 2.6.

Gambar 2.6 Penggunaan Logika untuk penalaran (Turban, 1998) Input untuk proses logika disebut premises atau fact (fakta). Fakta digunakan dalam proses logika untuk membuat output yang merupakan kesimpulan (conclusions) diesbut Inferences. Dengan proses, fakta yang dikenal bernilai benar akan digunakan untuk mendapatkan fakta baru yang juga harus benar.

2.3.2 Kaidah Produksi Kaidah produksi adalah bentuk representasi pengetahuan yang paling popular untuk sistem pakar. Pengetahuan direpresentasikan dalam bentuk pasangan kondisiaksi : IF kondisi ini (atau premis atau anteceden) terjadi, THEN beberapa tindakan (atau hasil atau kesimpulan atau konsekuensi) akan (atau sebaiknya) terjadi. Pada dasarnya penyajian pengetahuan secara kaidah produksi terdiri dari dua hal, yaitu : 1. Anteseden, bagian yang mengekspresikan situasi atau premis (pernyataan berawalan If). 2. Konsekuen, bagian yang menyatakan suatu tindakan, hasil atau kesimpulan yang diperoleh jika premis bernilai benar (pernyataan berawalan THEN).


Hal ini dapat dituliskan sebagai IF anteseden THEN konsekuen- Konsekuen atau kesimpulan yang dinyatakan pada bagian THEN baru dinyatakan benar. Jika bagian IF pada kaidah tersebut juga bernilai benar atau sesuai ketentuan tertentu. Kaidah bisa dalam bentuk berbeda seperti contoh dibawah ini : a. IF premise, THEN conclusion. IF pendapatan tinggi THEN kesempatan pemeriksaan keuangan tinggi. b. Conclusion, IF premise. Kesempatan pemeriksaan keuangan tinggi pendapatan tinggi. Ada kemungkinan beberapa premise dan beberapa conclusion didalam satu kaidah, sehingga beberapa premise diberi istilah dengan premise clauses dan beberapa conclusion diberi istilah conclusion clauses. Sebagai contoh berikut ini diberikan suatu kaidah A yang terdiri dari dua premise clauses dan dua conclusion clauses. Kaidah A: IF umur mesin mobil baru AND kondisi mobil bagus THEN mobil dapat enak dijalankan dan perjalanan aman Representasi kaidah memiliki karakteristik-karakteristik seperti yang di tunjukkan pada table 2.1. Tabel 2.1 Karakteristik dari representasi pengetahuan

2.4 Basis Data


Menurut Connoly dan Begg (2002), basis data dapat diartikan sebagai sekumpulan data atau entitas tentang suatu benda beserta deskripsinya yang berhubungan satu sama lain secara logika. Basis data dirancang dan diorganisasikan untuk memnuhi logika dan informasi pada suatu organisasi. Semua data di dalam basis data saling terintegrasi sehingga jumlah duplikasi dapat diminimalkan.

2.4.1 Model Data Model data adalah kumpulan perangkat konseptual untuk menggambarkan data, hubungan data, semantik data dan batasan data (Silberschatz, 2005). Terdapat dua kelompok untuk mempresentasikan model data dalam perancangan sistem basis data : a. Model lojik data berdasarkan objek (Object-Based Logical Models), yaitu model keterhubungan entitas (Entity-Relationship Model). Entity Relationship Diagram (ERD) digunakan untuk memodelkan struktur data dan hubungan antardata dengan mengabaikan proses yang harus dilakukan. Model ERD dibangun oleh entitas, relasi, dan atribut. Entitas dapat diidentitasikan secara unik dan dibedakan dari yang lainnya. Setiap entitas memiliki sejumlah atribut yang mendeskripsikan karakteristik setiap entitas. Setiap entitas akan dihubungkan dengan suatu relasi (Hoffer, 1996). b. Model lojik data berdasarkan record (Record-Based Logical Model), yaitu model Relational (Relational Model). Model basis data relasional sering pula disebut sebagai model relasional atau basis data relasional. Hingga saat ini, model basis data relasional merupakan model basis data yang paling banyak digunakan. Kemudahan dalam penerapan dan kemampuannya dalam mengakomodasi berbagai kebutuhan pengelolaan basis data yang ada di dunai nyata menjadi alasan mengapa model ini lebih populer untuk diterapkan (Silberschatz, 2005). Gambar 2.8 menunjukkan model basis data relasional.


Gambar 2.7 Model Basis Data Relasional

Model relasional menggunakan model berupa tabel berdimensi dua (yang disebut relasi atau tabel) dengan memakai kunci tamu (foreign key) sebagai penghubung dengan tabel lain. Tabel 2.2 Struktur Relasi


Beberapa sifat yang melekat dalam relasi adalah tidak ada baris yang kembar, urutan tupel tidak penting, setiap atribut memiliki nama yang unik, letak atribut bebas, setiap atribut memiliki nilai tunggal dan jenisnya sama untuk semua baris.

2.4.2 Sistem Manajemen Basis Data (SMBD) Pengelolaan basis data secara fisik tidak dilakukan oleh pemakai secara langsung, tetapi ditangani oleh sebuah perangkat lunak (sistem) yang khusus atau spesifik. Perangkat lunak ini disebut Sistem Manajemen Basis Data (SMBD) atau sering juga disebut sebagai DBMS (Database Manajemen System). SMBD adalah perangkat lunak yang memungkinkan para pemakai untuk mendeskripsikan, membuat, memelihara, serta mengendalikan akses ke basis data (Connolly & Begg, 2002)


BAB 2 LANDASAN TEORI

Recommend Documents