BAB 2
LANDASAN TEORI
2.1 Interenet Addiction (Kecanduan Internet)
2.1.1 Pengertian Internet Addiction
Internet addiction merupakan suatu gangguan psikofisiologis yang meliputi tolerance (penggunaan dalam jumlah yang sama akan menimbulkan respon minimal, jumlah harus ditambah agar dapat membangkitkan kesenangan dalam jumlah yang sama), whithdrawal symptoms (khususnya menimbulkan termor, kecemasan, dan perubahan mood), gangguan afeksi (depresi, sulit menyesuaikan diri), dan terganggungnya kehidupan sosial (menurun atau hilang sama sekali, baik dari segi kualitas maupin kuantitas) [5].
Internet addiction diartikan sebagai sebuah sindrom yang ditandai dengan menghabiskan sejumlah waktu yang sangat banyak dalam menggunakan internet dan tidak mampu mengontrol penggunaannya saat online [21]. Orang-orang yang menunjukkan sindrom ini akan merasa cemas, depresi, atau hampa saat tidak online di internet dalam [18].
Berdasarkan pengertian-pengertian diatas, maka dapat disimpulkan bahwa internet addiction adalah penggunaan internet yang bersifat patologis, yang ditandai dengan ketidakmampuan individu untuk mengontrol waktu menggunakan internet, merasa dunia maya lebih menarik dibandingkan kehidupan nyata, dan mengalami gangguan dalam hubungan sosialnya.
2.1.2 Penyebab Internet Addiction
Ferris mengungkapkan penyebab seseorang mengalami internet addiction dilihat dari berbagai pandangan, yaitu [3]:
1. Pandangan Behavioris
Menurut pandangan behavior, internet addiction didasari oleh teori B.F Skinner mengenai operant conditioning, individu mendapatkan reward positif, negatif, atau hukuman atas apa yang dilakukannya.
2. Pandangan Psikodinamika dan Kepribadian
Pandangan ini mengemukakan addiction berkaitan antara individu tersebut dengan pengalamannya. Tergantung pada kejadian pada masa anak-anak yang dirasakan individu tersebut saat masih anak-anak dan kepribadiannya yang terus berkembang, yang juga mempengaruhi perkembangan suatu perilaku addictive, ataupun yang lainnya.
3. Pandangan Sosiokultural
Pandangan sosiokultural menunjukkan ketergantungan ini tergantung pada ras, jenis kelamin, umur, status ekonomi, agama, dan negara.
4. Pandangan Biomedis
Pandangan ini menekankan pada adanya faktor keturunan dan kesesuaian, antara keseimbangan kimiawi antara otak dan neurotrasmiter. Dimana pasien ketergantungan obat-obatan yang membutuhkan penyeimbangan zat kimia pada otaknya, atau individu yang memiliki kecenderungan terlibat dalam perjudian.
2.1.3 Dimensi Internet Addiction
Menurut Griffiths (2005) telah mencantumkan enam dimensi untuk menentukan apakah individu sudah digolongkan sebagai pecandu internet. Dimensi tersebut adalah sebagai berikut [7]:
1. Salience. Hal ini terjadi ketika penggunaan internet menjadi aktivitas yang paling penting dalam kehidupan individu, mendominasi pikiran individu (preokupasi atau gangguan kognitif), perasaan (merasa sangat butuh), dan tingkah laku (kemunduran dalam perilaku sosial).
2. Mood modification. Keterlibatan yang tinggi saat menggunakan internet. Dimana terdapat perasaan senang dan tenang (seperti menghilangkan stress) saat perilaku kecanduan itu muncul.
3. Tolerance. Merupakan proses dimana terjadinya peningkatan jumlah penggunaan internet untuk mendapatkan efek perubahan dari mood. Demi mencapai kepuasan, jumlah penggunaan internet meningkat secara mencolok. Kepuasaan yang diperoleh dalam menggunakan internet secara terus menerus dalam jumlah waktu yang sama akan menurun secara mencolok, dan untuk memperoleh pengaruh yang sama kuatnya seperti sebelumnya, maka individu secara berangsur-angsur harus meningkatkan jumlah pemakaian agar tidak terjadi toleransi, contohnya pemain tidak akan mendapatkan perasaan kegembiraan yang sama seperti jumlah waktu pertama bermain sebelum mencapai waktu yang lama.
4. Withdrawal symptoms. Merupakan perasaan tidak menyenangkan yang terjadi karena penggunaan internet dikurangi atau tidak dilanjutkan dan hal ini berpengaruh pada fisik seseorang, perasaan dan efek antara perasaan dan fisik (seperti, pusing, insomnia) atau psikologisnya (misalnya, mudah marah atau moodiness).
5. Conflict. Hal ini mengarah pada konflik yang terjadi antara pengguna internet dengan lingkungan sekitarnya (konflik interpersonal), konflik dalam tugas lainnya (pekerjaan, tugas, kehidupan sosial, hobi) atau konflik yang terjadi dalam dirinya sendiri (konflik intrafisik atau merasa kurangnya kontrol) yang diakibatkan karena terlalu banyak menghabiskan waktu bermain internet.
6. Relapse. Hal ini terjadi ketika individu kembali bermain internet, saat individu tersebut belum sembuh dari perilaku kecanduannya.
2.1.4 Faktor-faktor yang mempengaruhi Internet Addiction
Faktor-faktor yang mempengaruhi internet addiction diantaranya [23]:
1. Gender
Gender mempengaruhi jenis aplikasi yang digunakan dan penyebab individu tersebut mengalami internet addiction. Laki-laki tertarik pada hal-hal yang dapat menunjukkan dominasinya dan fantasi seksual online, contohnya game online, situs porno, dan perjudian online. Sedangkan perempuan tertarik pada membina hubungan lebih akrab, hubungan romantis, dan lebih suka berkomunikasi dengan menyembunyikan identitasnya, contohnya chatting, eBay dan berbelanja online. Hal ini menunjukkan bahwa atribut gender juga sama-sama berperan dalam dunia internet sebagaimana stereotipe antara lakilaki dan perempuan di dunia nyata [23].
2. Kondisi psikologis
Survey di Amerika Serikat menunjukkan bahwa lebih dari 50% individu yang mengalami internet addiction
juga mengalami kecanduan pada hal lain,
seperti obat-obatan terlarang, alkohol, rokok dan seks. Internet addiction menimbulkan masalah-masalah emosional seperti depresi, dan gangguan kecemasan dan seringkali menggunakan dunia fantasi di internet sebagai
pengalihan
secara psikologis
terhadap
perasaan-perasaan
yang
tidak
menyenangkan atau situasi yang menimbulkan stres. Berdasarkan hasil survey ini juga, diperoleh bahwa 75% individu tersebut mulai menggunakan aplikasiaplikasi online yang bersifat interaktif seperti chat rooms, instant messaging, dan games online [23].
3. Kondisi sosial ekonomi
Individu yang sudah bekerja memiliki kemungkinan lebih besar mengalami internet addiction dibandingkan dengan individu yang belum bekerja memiliki fasilitas internet di kantornya dan juga memiliki sejumlah gaji yang memungkinkan individu tersebut memiliki fasilitas komputer dan internet juga dirumahnya, dibandingkan dengan individu yang belum bekerja [21].
4. Tujuan dan waktu menggunakan internet
Tujuan menggunakan internet akan menentukan sejauhmana individu tersebut akan mengalami internet addiction, terutama dikaitkan terhadap banyaknya waktu yang dihabiskan sendirian didepan komputer. Individu yang menggunakan ineternet untuk tujuan pendidikan, misalnya pada pelajar dan mahasiswa akan lebih banyak menghabiskan waktunya menggunakan internet. Bagitu juga individu yang menggunakan internet untuk tujuan pekerjaan, terutama pekerja yang ahli komputer, sistem analis, dan sebagainya. Umumnya, individu yang menggunakan internet cukup jelas, dan bukan digunakan sebagai upaya untuk mengatasi atau melarikan diri dari masalahmasalah yang dihadapinya di kehidupan nyata atau sekedar hiburan, misalnya kesulitan membangun hubungan sosial, ketidakharmonisan dalam kehidupan rumah tangga, dan sebagainya.
2.2 Remaja
2.2.1
Definisi Remaja
Masa remaja merupakan suatu masa yang sangat menetukan karena pada masa ini seseorang banyak mengalami perubahan, baik secara fisik maupun psikologis [14]. Batasan usia remaja adalah antara 12 tahun sampai 21 tahun. Batasan usia remaja terbagi atas tiga fase, yaitu: fase remaja awal (12-15 tahun), fase remaja pertengahan (15-18 tahun), fase remaja akhir (18-21 tahun). Individu yang memasuki masa remaja awal banyak mengalami perubahan-perubahan, baik itu secara fisik maupun psikologis. Remaja awal secara psikologis banyak mengalami perubahan dalam hal nilai-nilai, sikap, dan perilaku serta cenderung dianggap belum matang dibanding dengan remaja akhir [9].
Berdasarkan penjelasan mengenai definisi remaja awal diatas, dapat disimpulkan bahwa remaja awal adalah seorang individu yang berusia 12-15 tahun yang mengalami perubahan fisik maupun psikologis dan cenderung dianggap belum matang.
2.2.2 Tugas Perkembangan Masa Remaja
Tugas-tugas perkembangan adalah tugas-tugas yang harus dilakukan, dipecahkan dan diselesaikan oleh setiap individu dalam tahap-tahap perkembangannya, agar individu dapat berbahagia. Apabila seseorang tidak dapat menyelesaikan tugas-tugas perkembangan dalam batas-batas periode perkembangan dengan baik, orang tersebut akan merasa kurang bahagia dan mendapat kesulitan dalam menghadapi tugas-tugas perkembangan periode berikutnya [14].
Menurut Havighurst, tugas perkembangan masa remaja adalah sebagai berikut [14]:
a. Menjalin hubungan-hubungan baru dengan teman-teman sebaya, baik sesama jenis maupun lain jenis kelamin. b. Menerima keadaan fisiknya, dan menerima peranannya sebagai pria atau wanita. c. Menginginkan dapat berperilaku yang diterima oleh sosial. d. Mengakui tata nilai dan sistem etika yang membimbing segala tindakan dan pandangan.
Tugas perkembangan remaja yang paling mendasari untuk penelitian ini adalah tugas perkembangan dimana remaja menginginkan dapat berperilaku yang diterima oleh sosial dan mengakui tata nilai dan sistem etika yang membimbing segala tindakan dan pandangan.
2.3 Sistem Pakar
Sistem pakar termasuk ke dalam aplikasi inteligensi buatan. Bidang-bidang yang termasuk dalam kecerdasan buatan (Giarratano dan Rilley, 2005) dalam [8]:
Kecerdasan Buatan Robotika
Penglihatan Komputer
Pengenalan Suara
Pengolahan Bahasa Alami
Sistem Syaraf Buatan
Pengenalan Pola Sistem Pakar
Gambar 2.1 Beberapa Bidang Kecerdasan Buatan Sistem pakar adalah aplikasi berbasis komputer yang digunakan untuk menyelesaikan masalah sebagaimana yang dipikirkan oleh pakar [12]. Pakar yang
dimaksud adalah orang yang mempunyai keahlian khusus yang dapat menyelesaikan masalah yang tidak dapat diselesaikan oleh orang awam.
Perbandingan sistem konvensional dengan sistem pakar sebagai berikut [13]:
a. Sistem Konvensional
1. Informasi dan pemrosesan umumnya digabung dalam satu program sequential. 2. Program tidak pernah salah (kecuali pemrogramnya yang salah). 3. Tidak menjelaskan mengapa input dibutuhkan atau bagaimana hasil diperoleh. 4. Data harus lengkap. 5. Perubahan pada program merepotkan. 6. Sistem bekerja jika sudah lengkap.
b. Sistem Pakar
1. Knowledge base terpisah dari mekanisme pemrosesan (inference). 2. Program bisa melakukan kesalahan. 3. Penjelasan (explanation) merupakan bagian dari ES. 4. Data tidak harus lengkap. 5. Perubahan pada rules dapat dilakukan dengan mudah. 6. Sistem bekerja secara heuristik dan logik.
Suatu sistem dikatakan sistem pakar apabila memiliki ciri-ciri sebagai berikut [13]:
1. Terbatas pada domain keahlian tertentu. 2. Dapat memberikan penalaran untuk data-data yang tidak pasti.
Secara garis besar, banyak manfaat yang dapat diambil dengan adanya sistem pakar, antara lain [13]:
1. Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli. 2. Bisa melakukan proses secara berulang secara otomatis. 3. Menyimpan pengetahuan dan keahlian para pakar. 4. Meningkatkan output dan produktivitas. 5. Meningkatkan kualitas. 6. Mampu mengambil dan melestarikan keahlian para pakar (terutama yang termasuk keahlian langka).
7. Mampu beroperasi dalam lingkungan yang berbahaya. 8. Memiliki kemampuan untuk mengakses pengetahuan. 9. Memiliki reabilitas. 10. Meningkatkan kapabilitas sistem komputer. 11. Memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan mengandung ketidakpastian.
12. Sebagai media pelengkap dalam pelatihan. 13. Meningkatkan kapabilitas dalam penyelesaian masalah. 14. Menghemat waktu dalam pengambil keputusan.
Disamping memiliki beberapa keuntungan, sistem pakar juga memiliki beberapa kelemahan, antara lain:
1. Biaya yang diperlukan untuk membuat dan memeliharanya sangat mahal. 2. Sedikitnya ketersediaan pakar dibidangnya sehingga sistem pakar sulit dibuat atau dikembangkan. 3. Sistem pakar tidak 100% bernilai benar.
2.3.1
Konsep Dasar Sistem Pakar
Konsep dasar sistem pakar mengandung keahlian, ahli/pakar, pengalihan keahlian, mengambil keputusan, aturan, kemampuan menjelaskan.
a. Keahlian
Keahlian bersifat luas dan merupakan penguasaan pengetahuan dalam bidang khusus yang diperoleh dari pelatihan, membaca atau pengalaman. Contoh bentuk pengetahuan yang termasuk keahlian:
1. Teori, fakta, aturan-aturan pada lingkup permasalahan tertentu 2. Strategi global untuk menyelesaikan masalah
b. Ahli / Pakar
Seorang ahli adalah seseorang yang mampu menjelaskan suatu tanggapan, mempelajari hal-hal baru seputar topik permasalahan, menyusun kembali pengetahuan jika dipandang perlu, memecahkan masalah dengan cepat dan tepat.
c. Pengalihan keahlian
Tujuan dari sistem pakar adalah untuk mentransfer keahlian dari seorang pakar ke dalam komputer kemudian ke masyarakat. Proses ini meliputi 4 kegiatan, yaitu perolehan pengetahuan (dari para ahli atau sumber-sumber lainnya),
representasi
pengetahuan
ke
komputer,
kesimpulan
dari
pengetahuan dan pengalihan pengetahuan ke pengguna.
d. Mengambil keputusan
Hal yang unik dari sistem pakar adalah kemampuan untuk menjelaskan dimana keahlian tersimpan dalam basis pengetahuan. Kemampuan komputer untuk mengambil kesimpulan dilakukan oleh komponen yang dikenal dengan mesin inferensi yaitu meliputi prosedur tentang pemecahan masalah.
e. Aturan
Sistem pakar yang dibuat merupakan sistem yang berdasarkan pada aturan – aturan dimana program disimpan dalam bentuk aturan-aturan sebagai
prosedur pemecahan masalah. Aturan tersebut biasanya berbentuk IF – THEN.
f. Kemampuan menjelaskan
Keunikan lain dari sistem pakar adalah kemampuan dalam menjelaskan atau memberi saran/rekomendasi serta juga menjelaskan mengapa beberapa tindakan/saran tidak direkomendasikan.
2.3.2
Arsitektur Sistem Pakar
Bagian utama sistem pakar, yaitu lingkungan pengembangan (development environment) yang digunakan untuk memasukkan pengetahuan pakar ke dalam lingkungan sistem pakar. Lingkungan konsultasi (consultation environment) digunakan oleh pengguna yang bukan pakar untuk memperoleh pengetahuan pakar. Sistem pakar memilki beberapa komponen utama, yaitu antarmuka pengguna (user interface), basis data sistem pakar (expert system database), fasilitas akuisisi pengetahuan (knowledge acquisition facility), dan mekanisme inferensi (inference mechanism) dan fasilitas penjelasan [11].
Arsitektur dasar sistem pakar dapat dilihat pada gambar 2.2 [12].
Gambar 2.2 Arsitektur Sistem Pakar Antarmuka pengguna adalah perangkat lunak yang menyediakan media komunikasi antara pengguna dengan sistem. Antarmuka menerima informasi dari pemakai dan mengubahnya ke dalam bentuk yang dapat diterima oleh sistem. Selain itu antarmuka menerima dari sistem dan menyajikannya ke dalam bentuk yang dapat dimengerti oleh pemakai.
Basis data sistem pakar berisi pengetahuan setingkat pakar pada subyek tertentu. Berisi pengetahuan yang dibutuhkan untuk memahami, merumuskan, dan menyelesaikan masalah. Basis data ini terdiri dari 2 elemen dasar:
1. Fakta, situasi masalah dan teori yang terkait. 2. Heuristik khusus atau rules, yang langsung menggunakan pengetahuan untuk menyelesaikan masalah khusus.
Fasilitas akuisisi pengetahuan merupakan perangkat lunak yang menyediakan fasilitas dialog antara pakar dengan sistem. Fasilitas akuisisi ini digunakan untuk memasukkan fakta-fakta dan kaidah-kaidah sesuai dengan perkembangan ilmu. Meliputi proses pengumpulan, pemindahan, dan perubahan dari kemampuan pemecahan masalah seorang pakar atau sumber pengetahuan terdokumentasi (buku,
dll) ke program komputer, yang bertujuan untuk memperbaiki dan atau mengembangkan basis pengetahuan (knowledge-base). Metode akuisisi pengetahuan:
a. Wawancara
Metode yang paling banyak digunakan, yang melibatkan pembicaraan dengan pakar secara langsung dalam suatu wawancara.
b. Analisis protokol
Dalam metode ini pakar diminta untuk melakukan suatu pekerjaan dan mengungkapkan proses pemikirannya dengan menggunakan kata-kata. Pekerjaan tersebut direkam, dituliskan, dan dianalisis.
c. Observasi pada pekerjaan pakar
Pekerjaan dalam bidang tertentu yang dilakukan pakar direkam dan diobservasi.
d. Induksi aturan dari contoh
Induksi adalah suatu proses penalaran dari khusus ke umum. Suatu sistem induksi aturan diberi contoh-contoh dari suatu masalah yang hasilnya telah diketahui. Setelah diberikan beberapa contoh, sistem induksi aturan tersebut dapat membuat aturan yang benar untuk kasus-kasus contoh. Selanjutnya aturan dapat digunakan untuk menilai kasus lain yang hasilnya tidak diketahui.
Mekanisme inferensi merupakan perangkat lunak yang melakukan penalaran dengan menggunakan pengetahuan yang ada untuk menghasilakan suatu kesimpulan atau hasil akhir.
Workplace/blackboard merupakan area dari sekumpulan memori kerja (working memory), digunakan untuk merekam kejadian yang sedang berlangsung termasuk keputusan sementara. Ada 3 keputusan yang dapat direkam:
a. Rencana: bagaimana menghadapi masalah. b. Agenda: aksi-aksi yang potensial yang sedang menunggu untuk dieksekusi. c. Solusi: calon aksi yang akan dibangkitkan.
Fasilitas penjelasan berguna dalam memberikan penjelasan kepada pengguna mengapa komputer meminta suatu informasi tertentu dari pengguna dan dasar apa yang digunakan komputer sehingga dapat menyimpulkan suatu kondisi.
Perbaikan pengetahuan, pakar memiliki kemampuan untuk menganalisis dan meningkatkan
kinerjanya
serta
kemampuan
untuk
belajar
dari
kinerjanya.
Kemampuan tersebut adalah penting dalam pembelajaran terkomputerisasi, sehingga program akan mampu menganalisis penyebab kesuksesan dan kegagalan yang dialaminya dan juga mengevaluasi apakah pengetahuan-pengetahuan yang ada masih cocok untuk digunakan di masa mendatang.
2.3.3
Metode Inferensi
Inferensi merupakan proses untuk menghasilkan informasi dari fakta yang diketahui atau diasumsikan. Inferensi adalah konklusi logis atau implikasi berdasarkan informasi yang tersedia [11].
Dalam sistem pakar, proses inferensi dilakukan dalam suatu modul yang disebut Inference Engine (Mesin Inferensi).
Ada dua metode inferensi yang penting dalam sistem pakar, yaitu runut maju (forward chaining), dan runut mundur (backward chaining).
2.3.3.1 Runut Maju (Forward Chaining)
Runut maju adalah pendekatan yang dimotori data (data-driven). Dalam pendekatan ini pelacakan dimulai dari informasi masukan, dan selanjutnya mencoba menggambarkan kesimpulan. Runut maju, mencari fakta yang sesuai dengan bagian IF dari aturan IF-THEN, atau dapat dimodelkan sebagai berikut [8]:
IF (informasi masukan) THEN (konklusi)
Gambar 2.3 menunjukkan bagaimana cara kerja metode inferensi runut maju [12]. DATA A=1 B=2
ATURAN JIKA A = 1 DAN B = 2 MAKA C = 3 JIKA C = 3 MAKA D = 4
KESIMPULAN
D=4
Gambar 2.3 Runut Maju
2.3.3.2 Runut Balik (Backward Chaining)
Pelacakan ke belakang adalah pendekatan yang dimotori oleh tujuan (goal-driven). 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. Runut balik dimodelkan sebagai berikut [8]: Tujuan, IF (kondisi).
Gambar 2.4 berikut ini menunjukkan proses penalaran menggunakan metode runut balik [12].
DATA A=1 B=2
ATURAN
KESIMPULAN
JIKA A = 1 DAN B = 2 MAKA C = 3 JIKA C = 3 MAKA D = 4
D=4
Gambar 2.4 Runut Balik Secara khusus penjelasan (explanation) dimudahkan dalam backward chaining karena sistem ini dapat dengan mudah menjelaskan secara tepat tujuan apa yang dicoba untuk dipenuhi. Dalam forward chaining penjelasan tidak dimudahkan karena subtujuannya tidak secara eksplisit diketahui sehingga ditemukan. Ringkasan beberapa karakteristik umum dari forward chaining dan backward chaining disajikan dalam bentuk tabel berikut ini.
Tabel 2.1 Karakteristik Forward dan Backward Chaining Forward Cahining Perencanaan, monitoring, control,
Backward Chaining Diagnosis
diagnosis Disajikan untuk masa depan
Disajikan untuk masa lalu
Antecedent ke konsekuen
Konsekuen ke antecedent
Data memandu, penalaran dari bawah ke Atas
Tujuan memandu, penalaran dari atas ke Bawah
Bekerja ke depan untuk mendapatkan solusi apa yang mengikuti fakta
Bekerja ke belakang untuk mendapatkan fakta yang mendukung hipotesis
Breadth first search dimudahkan
Depth first search dimudahkan
Antecedent menentukan pencarian
Konsequent menentukan pencarian
Penjelasan tidak difasilitasi
Penjelasan difasilitasi
2.3.4
Representasi Pengetahuan
Setelah menerima bidang kepakaran yang telah diaplikasikan pada sistem pakar, kemudian mengumpulkan pengetahuan yang sesuai dengan domain keahlian tersebut. Pengetahuan yang dikumpulkan tersebut tidak bisa diaplikasikan begitu saja dalam sistem. Pengetahuan harus direpresentasikan dalam format tertentu dan dihimpun
dalam suatu basis pengetahuan. Pengetahuan yang dilakukan pada sistem pakar merupakan serangkaian Informasi pada domain tertentu. Kedua hal tersebut menurut ekspresi klasik oleh Wirth ditulis sebagai berikut [8]:
Algoritma + Struktur Data = Program Pengetahuan + Inferensi = sistem pakar
Pengetahuan merupakan kemampuan untuk membentuk model mental yang menggambarkan obyek dengan tepat dan merepresentasikannya dalam aksi yang dilakukan terhadap suatu obyek (Martin dan Oxman, 1998) dalam [11].
Pengetahuan
dapat
diklasifikasikan
menjadi
tiga,
yaitu
pengetahuan
prosedural, pengetahuan deklaratif, dan pengetahuan tacit. Pengetahuan prosedural lebih menekankan pada bagaimana melakukan sesuatu. Pengetahuan deklaratif menjawab pertanyaan apakah sesuatu bernilai salah atau benar. Sedangkan pengetahuan tacit merupakan pengetahuan yang tidak dapat diungkapkan dengan bahasa. Misalnya: Bagaimana cara kita memindahkan tangan [11].
Representasi pengetahuan merupakan metode yang digunakan untuk mengodekan pengetahuan dalam sebuah sistem pakar yang berbasis pengetahuan [11].
Beberapa metode representasi pengetahuan [8]:
1. Pohon Keputusan (Decission Tree) 2. Jaringan Semantik (Semantic Nets) 3. Bingkai (Frame) 4. Kaidah Produksi (Production Rule) 5. Logika Predikat (Predicate Logic) 6. Object-Atributte-value (OAV)
2.3.4.1 Pohon Keputusan (Decission Tree)
Pohon keputusan adalah salah satu bentuk representasi pengetahuan yang digunakan untuk memodelkan persoalan yang terdiri dari serangkaian keputusan yang mengarah ke solusi.
Sebuah pohon keputusan terdiri dari cabang (branch) dan simpul (node). Simpul merepresentasikan lokasi pada pohon. Lokasi tersebut dapat berupa simpul pilihan atau simpul jawaban. Sedangkan cabang merepresentasikan hubungan antar simpul [6].
Untuk dapat mengerti proses operasi dari decission tree, diberikan kasus heuristik untuk memilih warna anggur (wine) untuk disajikan bersama makanan seperti terlihat pada gambar 2.5 [6]. IF the main course is red meat THEN serve red wine IF the main course is poultry and it is turkey THEN serve red wine IF the main course is poultry and it is not turkey THEN serve white wine IF the main course is fish THEN serve white wine
Gambar 2.5 Kasus Heuristik Pemilihan Warna Anggur Contoh representasi pengetahuan menggunakan binary decission tree dari contoh kasus heuristik dapat dilihat pada gambar 2.6. Is the main course red meat?
N
Yes
The best color is red
Is the main course poultry?
N
Yes
Is the main course turkey?
Yes
The best color is red
Is the main course fish?
N
The best color is white
Yes
The best color is white
Gambar 2.6 Binary Decission tree
N The best color is
2.3.4.2 Jaringan Semantik (Semantic Nets)
Jaringan semantik merupakan teknik representasi kecerdasan buatan klasik yang digunakan untuk informasi. Yang dimaksud dengan informasi proporsional adalah pernyataan yang mempunyai nilai benar atau salah. Representasi jaringan semantik merupakan penggambaran grafis dari pengetahuan yang memperlihatkan hubungan hirarkis dari obyek-obyek. Komponen dasar untuk merepresentasikan pengetahuan dalam bentuk jaringan semantik adalah simpul (node) dan penghubung (link) proporsional (Giarrantano dan Rilley, 1994) dalam [11].
Contoh bagaimana pengetahuan dapat direpresentasikan menggunakan jaringan semantik [11]: Merupakan PC
Merupakan Komputer
Alat Elektronik
Memiliki
Monitor
Gambar 2.7 Representasi Jaringan Semantik Jaringan semantik pada gambar 2.7 merepresentasikan pernyataan bahwa semua komputer merupakan alat elektronik, semua PC merupakan komputer, dan semua komputer memiliki monitor. Dari pernyataan tersebut dapat diketahui bahwa semua PC memiliki monitor dan hanya sebagian alat elektronik yang memiliki monitor.
2.3.4.3 Bingkai (Frame)
Bingkai berupa ruang-ruang (slots) yang berisi atribut untuk mendeskripsikan pengetahuan. Pengetahuan yang termuat dalam slot dapat berupa kejadian, lokasi, situasi, ataupun elemen-elemen lainnya. Bingkai digunakan untuk merepresentasikan pengetahuan deklaratif. Contoh bingkai penyakit [11].
Tabel 2.2 Bingkai Penyakit Ruang (Slots)
Isi (Fillers)
Nama
Flu
Gejala
g. Bersin h. Pusing i. Demam
Obat
a. Ultraflu b. Mixagrib
2.3.4.4 Kaidah Produksi (Production Rule)
Kaidah produksi adalah bentuk dari pengetahuan prosedural yang diasosiasikan untuk memberikan informasi bagi beberapa aksi. Kaidah produksi dituliskan dalam bentuk jika-maka (if-then). Kaidah if-then menghubungkan anteseden (antecedent) dengan konsekuensi yang diakibatkan. Berbagai struktur kaidah if-then yang menghubungkan obyek atau atribut adalah sebagai berikut:
JIKA premis MAKA konklusi JIKA masukan MAKA keluaran JIKA kondisi MAKA tindakan JIKA anteseden MAKA konsekuensi JIKA data MAKA hasil JIKA tindakan MAKA tujuan
Premis mengacu pada fakta yang harus benar sebelum konklusi tertentu dapat diperoleh. Masukan mengacu pada data yang harus tersedia sebelum keluaran dapat diperoleh. Kondisi mengacu pada keadaan yang harus berlaku sebelum tindakan dapat diambil. Anteseden mengacu pada situasi yang terjadi sebelum konsekuensi dapat diamati. Data mengacu pada kegiatan yang harus dilakukan sebelum hasil dapat diharapkan. Tindakan mengacu pada kegiatan yang harus dilakukan sebelum hasil dapat diharapkan [11].
2.3.4.5 Logika Predikat (Predicate Logic)
Bentuk pengetahuan yang paling tua dalam merepresentasikan pengetahuan dalam komputer adalh logic. Dalam logic sendiri ada dua teknik yang sering digunakan dalam representasi pengetahuan, yaitu proportional logic dan predicate calculus [6].
1. Proprtional Logic
Merepresentasikan dan memberi penalaran dengan dalil (proporsition), dimana salah satu pernyataannya adalah true atau false.
2. Predicate Calculus
Membagi pernyataan menjadi beberapa bagian, pemberian nama, karakteristik obyek, dan keterangan lain tentang obyek.
2.3.4.6 Object-Atributte-value (OAV)
Object dapat berupa bentuk fisik atau konsep. Attribute adalah karakteristik atau sifat dari object tersebut. Values (Nilai) – besaran/nilai/takaran spesifik dari attribute tersebut pada situasi tertentu, dapat berupa numerik, string, atau boolean. Sebuah object bisa memiliki beberapa attribute, biasa disebut OAV Multi-attribute. Contoh representasi pengetahuan dengan OAV ditunjukkan pada tabel 2.2 [11]. Tabel 2.3 Representasi pengetahuan dengan OAV Object
Attribute
Values
Mangga
Warna
Hijau, Orange
Mangga
Berbiji
Tunggal
Mangga
Rasa
Asam, Manis
Mangga
Bentuk
Oval
Pisang
Warna
Hijau, Kuning
Pisang
Bentuk
Lonjong
