BAB 2 LANDASAN TEORI

7

BAB 2 LANDASAN TEORI

2.1

Kecerdasan Buatan Kecerdasan buatan atau Artificial intelegence merupakan salah satu bagian ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia (Kusumadewi 2003, p1). Pengertian kecerdasan buatan dapat dipandang dari berbagai sudut pandang, antara lain (Kusumadewi 2003, pp1-3) : 1.

Sudut pandang kecerdasan. Kecerdasan buatan akan membuat mesin menjadi “cerdas” (mampu berbuat seperti apa yang dilakukan oleh manusia).

2.

Sudut pandang penelitian. Kecerdasan buatan adalah suatu studi bagaimana membuat agar komputer dapat melakukan sesuatu sebaik yang dikerjakan oleh manusia. Domain yang sering dibahas oleh para peneliti meliputi : a.

Mundane task •

Persepsi (vision & speech).

•

Bahasa alami (understanding, generation, & translation).

•

Pemikiran yang bersifat commonsense.

•

Robot control.

b.

Formal task •

Permainan/games.

8 • c.

Matematika (geometri, logika, kalkulus integral, dan pembuktian). Expert task

•

Analisis finansial.

•

Analisis medikal.

•

Analisis ilmu pengetahuan.

•

Rekayasa

(desain,

pencarian

kegagalan,

dan

perencanaan

manufaktur). 3.

Sudut pandang bisnis. Kecerdasan buatan adalah kumpulan peralatan yang sangat powerful dan metodologis dalam menyelesaikan masalah-masalah bisnis.

4.

Sudut pandang pemrograman. Kecerdasan buatan meliputi studi tentang pemrograman simbolik, penyelesaian masalah (problem solving) dan pencarian (searching). Untuk melakukan aplikasi kecerdasan buatan ada 2 bagian utama yang

sangat dibutuhkan (Gambar 2.1) yaitu : a.

Basis Pengetahuan (Knowledge Base), berisi fakta-fakta, teori, pemikiran dan hubungan antara satu dengan lainnya.

b.

Motor Inferensi (Inference Engine), yaitu kemampuan menarik kesimpulan berdasarkan pengalaman. Komputer Input : masalah, pertanyaan, dll

Basis Pengetahuan

Motor Inferensi

Output : jawaban, solusi, dll

Gambar 2.1 Penerapan Konsep Kecerdasan Buatan di Komputer (Kusumadewi 2003,p 3)

9 2.1.1

Kecerdasan Buatan Dan Kecerdasan Alami Jika dibandingkan dengan kecerdasan alami (kecerdasan yang dimiliki oleh manusia), kecerdasan buatan memiliki beberapa keuntungan secara komersial antara lain (Turban 1992, pp9-10) : a. Kecerdasan buatan lebih bersifat permanen. Kecerdasan alami akan cepat mengalami perubahan. Hal ini dimungkinkan karena sifat manusia yang pelupa. Kecerdasan buatan tidak akan berubah sepanjang sistem komputer dan program tidak mengubahnya. b. Kecerdasan buatan lebih mudah diduplikasi dan disebarkan. Mentransfer pengetahuan manusia dari satu orang ke orang lain membutuhkan proses yang sangat lama, dan juga suatu keahlian itu tidak akan pernah dapat diduplikasi dengan lengkap. Oleh karena itu, jika pengetahuan terletak pada sistem komputer, pengetahuan tersebut dapat disalin dari komputer tersebut dan dapat dipindahkan dengan mudah ke komputer yang lain. c. Kecerdasan buatan lebih murah dibanding 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 bersifat konsisten. Hal ini disebabkan karena kecerdasan buatan adalah bagian dari teknologi komputer. Sedangkan kecerdasan alami akan senantiasa berubah-ubah. e. Kecerdasan buatan dapat didokumentasi. Keputusan yang dibuat oleh komputer dapat didokumentasi dengan mudah dengan cara melacak

10 setiap aktivitas dari sistem tesebut. Kecerdasan alami sangat sulit untuk direproduksi. Sedangkan kelemahan dari kecerdasan buatan adalah : a. Tidak kreatif. Kemampuan untuk menambah pengetahuan itu sangat melekat pada jiwa manusia. Pada kecerdasan buatan, untuk menambah pengetahuan harus dilakukan melalui sistem yang dibangun. b. Bekerja dengan simbol-simbol. Kecerdasan alami memungkinkan orang untuk menggunakan pengalaman secara langsung. Sedangkan pada kecerdasan buatan harus bekerja dengan input-input simbolik. c. Keterbatasan. Pemikiran manusia dapat digunakan secara luas, sedangkan kecerdasan buatan sangat terbatas.

2.1.2

Lingkup Kecerdasan Buatan Dewasa ini, kecerdasan buatan memberikan kontribusi yang cukup besar di bidang manajemen. Adanya sistem pendukung keputusan dan sistem informasi manajemen juga tidak terlepas dari andil kecerdasan buatan. Adanya penggunaan kecerdasan buatan di berbagai disiplin ilmu menyebabkan cukup rumitnya untuk mengklasifikasikan kecerdasan buatan menurut disiplin ilmu yang menggunakannya. Untuk memudahkan hal tersebut, maka pengklasifikasian lingkup kecerdasan buatan didasarkan pada output yang diberikan. Lingkup utama dalam kecerdasan buatan adalah (Turban 1992, pp2127) : 1. Sistem Pakar (Expert System). Disini komputer digunakan sebagai sarana untuk menyimpan pengetahuan para pakar. Dengan demikian komputer

11 akan memiliki keahlian untuk menyelesaikan permasalahan dengan meniru keahlian yang dimiliki oleh pakar. 2. Pengolahan Bahasa Alami (Natural Language Processing). Dengan pengolahan bahasa alami ini diharapkan user dapat berkomunikasi dengan komputer dengan menggunakan bahasa sehari-hari. 3. Pengenalan Ucapan (Speech Recognition). Melalui pengenalan ucapan diharapkan

manusia

dapat

berkomunikasi

dengan

komputer

menggunakan suara. 4. Robotika & Sistem Sensor (Robotics & Sensory Systems). 5. Computer Vision, mencoba untuk dapat menginterpretasikan gambar atau obyek-obyek tampak melalui komputer. 6. Intelligent Computer-aided Instruction. Komputer dapat digunakan sebagai tutor yang dapat melatih dan mengajar.

2.2

Masalah dan Pencarian Seperti telah kita ketahui bahwa, pada sistem yang menggunakan kecerdasan buatan, akan mencoba untuk memberikan output berupa solusi dari suatu masalah berdasarkan kumpulan pengetahuan yang ada (Gambar 2.1). Pada Gambar 2.1, input yang diberikan pada sistem yang menggunakan kecerdasan buatan berupa masalah. Pada sistem harus dilengkapi dengan sekumpulan pengetahuan yang ada pada basis pengetahuan. Sistem harus memiliki inference engine agar mampu mengambil kesimpulan berdasarkan fakta atau pengetahuan. Output yang diberikan berupa solusi masalah sebagai hasil dari inferensi.

12 Secara umum, untuk membangun suatu sistem yang mampu menyelesaikan masalah, perlu dipertimbangkan 4 hal (Kusumadewi 2003, p12) : 1. Mendefinisikan masalah dengan tepat. Pendefinisian ini mencakup spesifikasi yang tepat mengenai keadaan awal dan solusi yang diharapkan. 2. Menganalisis masalah tersebut serta mencari beberapa teknik penyelesaian masalah yang sesuai. 3. Merepresentasikan pengetahuan yang perlu untuk menyelesaikan masalah tersebut. 4. Memilih teknik penyelesaian masalah yang terbaik.

2.2.1

Metode Pencarian dan Pelacakan Hal penting dalam menentukan keberhasilan sistem berdasar kecerdasan adalah kesuksesan dalam pencarian dan pencocokan. Ada 3 teknik pencarian dan pelacakan yang biasa digunakan, yaitu pencarian melebar pertama (breadth first search), pencarian mendalam pertama (depth first search), dan pencarian terbaik pertama (best first search) (Kusumadewi 2003, pp23-42). 1. Pencarian Melebar Pertama (Breadth-First Search) Pada metode Breadth-First Search, semua node pada level n akan dikunjungi terlebih dahulu sebelum mengunjungi node-node pada level n+1. Pencarian dimulai dari node akar terus ke level ke-1 dari kiri ke kanan, kemudian berpindah ke level berikutnya demikian pula dari kiri ke kanan hingga ditemukannya solusi (Gambar 2.2).

13 1

2

5

Root node ( start )

3

6

7

4

8

9

Goal

LEVEL 0

LEVEL 1

10

LEVEL 2

Gambar 2.2 Metode Breadth-First Search (Kusumadewi 2003 p 24)

•

Algoritma 1. Buat suatu variabel Node_List dan tetapkan sebagai keadaan awal. 2. Kerjakan langkah-langkah berikut ini sampai tujuan tercapai atau Node_List dalam keadaan kosong : a. Hapus elemen pertama dari Node_List, sebut dengan nama E. Jika Node_List kosong, keluar. b. Pada setiap langkah yang aturannya cocok dengan E, kerjakan : i. Aplikasikan aturan tersebut untuk membentuk keadaan baru. ii. Jika keadaan awal adalah tujuan yang diharapkan, sukses dan keluar. iii. Jika tidak demikian, tambahkan keadaan awal yang baru tersebut pada akhir Node_List.

14 •

Keuntungan 1. Tidak akan menemui jalan buntu. 2. Jika ada satu solusi, maka breadth-first search akan menemukannya. Dan jika ada lebih dari satu solusi, maka solusi minimum akan ditemukan.

•

Kelemahan 1. Membutuhkan memori yang cukup banyak, karena menyimpan semua node dalam satu pohon. 2. Membutuhkan waktu yang cukup lama, karena akan menguji n level untuk mendapatkan solusi pada level yang ke-(n+1).

2. Pencarian Mendalam Pertama (Depth-First Search) Pada Depth-First Search, proses pencarian akan dilakukan pada semua anaknya terlebih dahulu sebelum dilakukan pencarian ke node-node yang selevel. Pencarian dimulai dari node akar ke level yang lebih tinggi. Proses ini diulangi terus hingga ditemukannya solusi (Gambar 2.3). 1

2

5

Root node ( start )

3

6

7

4

8

9

Goal Gambar 2.3 Metode Depth-First Search (Kusumadewi 2003 p 26)

LEVEL 0

LEVEL 1

10

LEVEL 2

15 •

Algoritma 1. Jika keadaan awal merupakan tujuan, keluar (sukses). 2. Jika tidak demikian, kerjakan langkah-langkah berikut ini sampai tercapai keadaan sukses atau gagal : a. Bangkitkan succesor E dari keadaan awal. Jika tidak ada succesor, maka akan terjadi kegagalan. b. Panggil depth-first search dengan E sebagai keadaan awal. c. Jika sukses berikan tanda sukses, namun jika tidak, ulangi langkah-2.

•

Keuntungan 1. Membutuhkan memori yang relatif kecil, karena hanya nodenode pada lintasan yang aktif saja yang disimpan. 2. Secara kebetulan, metode depth-first search akan menemukan solusi tanpa harus menguji lebih banyak lagi dalam ruang keadaan.

•

Kelemahan 1. Memungkinkan tidak ditemukannya tujuan yang diharapkan. 2. Hanya akan mendapatkan 1 solusi pada setiap pencarian.

3. Pencarian Terbaik Pertama (Best-First Search) Metode best-first search ini merupakan kombinasi dari metode depthfirst search dan metode breadth-first search dengan mengambil kelebihan dari kedua metode tersebut. Pada metode best-first search, pencarian

16 diperbolehkan mengunjungi node yang ada di level yang lebih rendah, jika ternyata node pada level yang lebih tinggi memiliki nilai heuristik yang lebih buruk. Pada metode depth-first search mampu menemukan solusi tanpa harus mengeksplorasi semua cabang dalam level yang sama. Pada metode breadthfirst search juga cukup bagus, karena mampu mengantisipasi adanya lintasan yang mengalami jalan buntu. Kombinasi kedua metode ini sangat dimungkinkan, dimana pencarian dilakukan dengan hanya melihat satu lintasan, namun demikian masih memungkinkan untuk berpindah ke lintasan lain apabila lintasan lain tersebut lebih menjanjikan untuk mendapat solusi (Gambar 2.4). Untuk mengimplementasikan metode ini dengan menggunakan graph keadaan, dibutuhkan 2 antrian yang berisi node-node, yaitu : •

OPEN, yang berisi node-node yang sudah dibangkitkan, sudah memiliki fungsi heuristik namun belum diuji. Umumnya berupa antrian berprioritas yang berisi elemen-elemen dengan nilai heuristik tertinggi.

•

CLOSED, berisi node-node yang sudah diuji.

17 1

2

Root node ( start )

3

5

6

7

4

8

LEVEL 0

LEVEL 1

9

Goal

10

LEVEL 2

Gambar 2.4. Metode Best-First Search (Kusumadewi 2003 p43)

Algoritma : 1. Tunjukkan node awal A pada antrian OPEN. 2. Kerjakan langkah-langkah berikut hingga tujuan ditemukan atau antrian OPEN sudah kosong : a.

Ambil node terbaik dari OPEN.

b.

Bangkitkan semua successornya.

c.

Untuk tiap-tiap successor kerjakan : i.

Jika node tersebut belum pernah dibangkitkan sebelumnya, evaluasi node tersebut dan masukkan ke OPEN.

ii.

Jika node tersebut sudah pernah dibangkitkan sebelumnya, ubah parent jika lintasan baru lebih menjanjikan. Hapus node tersebut dari lintasan OPEN dan masukkan node tersebut ke dalam CLOSED.

18 2.3

Representasi Pengetahuan Sebuah sistem pakar harus memiliki kemampuan untuk menalar. Basis pengetahuan dan kemampuan untuk melakukan penalaran merupakan bagian terpenting dari sistem yang menggunakan kecerdasan buatan. Berikut ini penjelasan tentang berbagai bentuk representasi pengetahuan (Kusumadewi 2003, pp61-89).

2.3.1

Logika Proses logika adalah proses membentuk kesimpulan atau menarik suatu inferensi berdasarkan fakta yang telah ada. Input dari proses logika berupa premis atau fakta-fakta yang diakui kebenarannya sehingga dengan melakukan penalaran pada proses logika dapat dibentuk suatu inferensi atau kesimpulan yang benar pula. Input : Premis atau Fakta

Proses Logika

Output : Inferensi atau Konklusi

Gambar 2.5. Proses Logika (Kusumadewi 2004 p 62)

Ada 2 penalaran yang dapat dilakukan unuk mendapat konklusi : 1.

Penalaran Deduktif. Penalaran dimulai dari prinsip umum untuk mendapatkan konklusi yang lebih khusus. Contoh : Premis Mayor : Jika hujan turun saya tidak akan berangkat kuliah. Premis Minor : Hari ini hujan turun.

19 Konklusi : Hari ini saya tidak akan berangkat kuliah. 2.

Penalaran Induktif. Penalaran ini dimulai dari fakta-fakta khusus untuk mendapatkan kesimpulan umum. Contoh : 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 mengakibatkan gugurnya konklusi yang sudah diperoleh. Sebagai contoh, misalkan muncul premis-4 pada contoh diatas : Premis-4 : Optika adalah pelajaran yang sulit. Premis tersebut menyebabkan konklusi menjadi salah. Hal ini disebabkan “Optika” bukan merupakan bagian dari “Matematika”. Sehingga apabila kita menggunakan penalaran induktif, sangat dimungkinkan adanya ketidakpastian.

2.3.1.1 Logika Proposisi Proposisi adalah suatu pernyataan yang dapat bernilai benar (B) atau salah (S). Simbol-simbol seperti P dan Q menunjukkan proposisi. Dua atau lebih proposisi dapat digabungkan dengan menggunakan operator logika : a.

Operator NOT : digunakan untuk memberikan nilai negasi (lawan) dari pernyataan yang telah ada. Tabel 2.1 menunjukkan tabel kebenaran untuk operator NOT.

20 P

NOT(P)

B

S

S

B

Tabel 2.1. Tabel kebenaran operator NOT (Kusumadewi 2004 p 63)

b.

Operator AND : digunakan untuk mengkombinasikan 2 buah proposisi. Hasil yang diperoleh akan bernilai benar jika kedua proposisi bernilai benar, dan akan bernilai salah jika salah satu dari kedua proposisi bernilai salah. Tabel 2.2 menunjukkan tabel kebenaran untuk operator AND.

P

Q

P AND Q

B

B

B

B

S

S

S

B

S

S

S

S

Tabel 2.2. Tabel kebenaran operator AND (Kusumadewi 2004 p 63)

c.

Operator OR : digunakan untuk mengkombinasikan 2 buah proposisi. Hasil yang diperoleh akan bernilai benar jika salah satu dari kedua proposisi bernilai benar, dan akan bernilai salah jika kedua proposisi bernilai salah. Tabel 2.3 menunjukkan tabel kebenaran untuk operator OR.

21 P

Q

P OR Q

B

B

B

B

S

B

S

B

B

S

S

S

Tabel 2.3. Tabel kebenaran operator OR (Kusumadewi 2004 p 64)

d.

Implikasi : Jika P maka Q akan menghasilkan nilai salah jika P benar dan Q salah, selain itu akan selalu bernilai benar. Tabel 2.4 menunjukkan tabel kebenaran untuk operator Implikasi. P

Q

P -> Q

B

B

B

B

S

S

S

B

B

S

S

B

Tabel 2.4. Tabel kebenaran operator Implikasi (Kusumadewi 2004 p 64)

e.

Ekuivalensi : menghasilkan nilai benar jika P dan Q keduanya benar atau keduanya salah. Tabel 2.5 menunjukkan tabel kebenaran untuk operator ekuivalensi.

22 P

Q

P <-> Q

B

B

B

B

S

S

S

B

S

S

S

B

Tabel 2.5. Tabel kebenaran operator Ekuivalensi (Kusumadewi 2004 p 64)

2.3.1.2 Logika Predikat Representasi Fakta Sederhana Misalkan diketahui fakta-fakta sebagai berikut : •

Andi adalah seorang laki-laki : A

•

Ali adalah seorang laki-laki : B

•

Amir adalah seorang laki-laki : C

•

Anto adalah seorang laki-laki : D

•

Agus adalah seorang laki-laki : E Jika kelima fakta tersebut dinyatakan dengan menggunakan proposisi,

maka akan terjadi pemborosan, dimana beberapa pernyataan dengan predikat yang sama akan dibuat dalam proposisi yang berbeda. Logika predikat digunakan untuk merepresentasikan hal-hal yang tidak dapat direpresentasikan dengan menggunakan logika proposisi. Pada logika predikat kita dapat merepresentasikan fakta-fakta sebagai suatu pernyataan yang disebut dengan wff (well formed formula).

23 Pada contoh diatas, dapat dituliskan : laki2(X), dimana X adalah variabel yang bisa disubstitusikan dengan Andi, Ali, Amir, Anto, Agus, dan laki-laki yang lain. Contoh : Misalkan terdapat pernyataan-pernyataan sebagai berikut : 1. Ita suka semua jenis makanan. 2. Pisang adalah makanan. 3. Pecel adalah makanan. 4. Segala sesuatu yang dimakan oleh manusia, dan manusia tidak

mati

karenanya , dinamakan makanan. 5. Hendra adalah seorang laki-laki. 6. Hendra makan jeruk, dan dia masih hidup. 7. Rini makan apa saja yang dimakan oleh Hendra. Ketujuh pernyataan diatas dapat dibawa ke bentuk logika predikat, dengan menggunakan operator-operator : -> (implikasi), ¬ (not), ^ (and), v (or), Ã(untuk setiap), З (terdapat), sebagai berikut : 1. Ãx : makanan(x) -> suka (ita , x). 2. makanan (pisang). 3. makanan (pecel). 4. Ãx : Ãy manusia (x) ^makan (x,y) ^ ¬mati (x) -> makanan (y). 5. laki2 (Hendra). 6. makan (Hendra , jeruk) ^ hidup (Hendra), bisa dipecah menjadi : a. makan (Hendra , jeruk). b. hidup (Hendra).

24 7. Ãx : makan (Hendra , x) -> makan (Rini , x). Andaikan kita menjawab pertanyaan : “ Apakah Ita suka jeruk ? ” maka dari pernyataan ke-1 klita akan membuktikan bahwa Ita suka jeruk : suka (Ita , jeruk) dengan menggunakan penalaran backward, sebagai berikut : suka (Ita , jeruk) (1, substitusi) makanan (jeruk) manusia (x) ^ makan (x , jeruk) ^ ¬mati (x) (7, substitusi) manusia (Hendra) ^ makan (Hendra , jeruk) ^ ¬mati (Hendra) (6a) manusia (Hendra) ^ ¬mati (Hendra) Pada akhir penalaran , kita tidak dapat membuktikan bahwa Hendra adalah manusia dan Hendra tidak mati. Meskipun kita tahu dari pernyataan (5) bahwa Hendra adalah laki-laki, namun pada pernyataan belum ada yang menyatakan bahwa Hendra adalah manusia. Demikian pula, meskipun pada pernyataan (6b) kita tahu bahwa Hendra masih hidup, namun pada pernyataan belum ada yang

25 menyatakan bahwa tidak mati berarti masih hidup. Sehingga perlu tambahan 2 pernyataan lagi (8) dan (9) yang mengatakan bahwa setiap laki-laki adalah orang, dan hidup berarti tidak mati. 8. Ãx : laki2(x) -> manusia (x). 9. Ãx : m [hidup(x) -> ¬mati (x)] ^ [¬mati (x) -> hidup (x)] Dari contoh diatas, masalah yang timbul disini adalah bagaimana menetapkan bahwa yang dibuktikan adalah T atau ¬T. Sebagai contoh yang harus kita buktikan adalah : Suka (Ita , jeruk) atau ¬suka (Ita , jeruk). Kita bisa putuskan melalui 3 cara : 1.

Kita bisa menggunakan beberapa urutan aturan-aturan yang ada untuk memutuskan bahwa jawaban mana yang lebih mendekati, kemudian kita coba untuk membuktikan jawaban tersebut. Apabila gagal, kita coba untuk membuktikan aturan yang lainnya.

2.

Kita coba buktikan kedua jawaban secara simultan dan berhenti apabila salah satu jawaban telah sukses dibuktikan.

3.

Kita coba buktikan salah satu jawaban (terbukti atau tidak terbukti). Informasi yang diberikan (baik terbukti maupun tidak terbukti) bisa kita gunakan untuk menguatkan jawaban yang lainnya.

26 2.3.2 Pohon Pohon merupakan struktur penggambaran pohon secara hirarkis. Struktur pohon terdiri dari node-node yang menunjukkan obyek, dan arc (busur) yang menunjukkan hubungan antar obyek (Gambar 2.6).

Gambar 2.6 Struktur Pohon (Kusumadewi 2004 p 82)

2.3.3

Jaringan Semantik Jaringan semantik merupakan gambaran pengetahuan grafis yang menunjukkan hubungan antar berbagai obyek. Jaringan semantik terdiri dari lingkaran-lingkaran yang menunjukkan obyek dan informasi tentang obyekobyek tersebut. Obyek disini bisa berupa benda atau peristiwa. Antara 2 obyek dihubungkan oleh arc yang menunjukkan hubungan antar obyek. Gambar 2.7. merupakan contoh representasi pengetahuan dengan menggunakan jaringan semantik.

27

roda

pagi punya

masuk

sekolah

sepeda berwarna

pergi

jumlahnya

dua

naik

membaca buku adalah

si kancil

laki2

Ani

adalah

punya

baju

adalah

adalah makhluk hidup

berwarna

kakak

adalah

binatang

merah

Budi

berjudul

adalah

wanita

Gambar 2.7 Contoh Jaringan Semantik (Kusumadewi 2004 p 82)

Salah satu kelebihan dari jaringan semantik adalah bisa mewariskan. Sebagai contoh, pada gambar 2.7 ada garis yang menghubungkan antara Budi dengan laki-laki, dan laki-laki ke mahluk hidup. Sehingga apabila ada pertanyaan : Apakah Budi mahluk hidup ? maka kita bisa merunut garis dari mahluk hidup, kemudian ke laki-laki, dan akhirnya ke Budi. Sehingga terbukti bahwa Budi adalah mahluk hidup. Sistem jaringan semantik ini selalu tergantung pada jenis masalah yang akan dipecahkan . Jika masalah itu bersifat umum, maka hanya memerlukan sedikit rincian. Jika ternyata masalah itu banyak melibatkan hal-hal lain, maka di dalam jaringan awalnya diperlukan penjelasan yang lebih rinci lagi. Gambar 2.8

28 menunjukkan rincian dari node awal Budi, apabila Budi hendak pergi ke berbagai tempat. Node Budi dihubungkan dengan node baru, yaitu pergi.

sekolah masjid

Budi

pergi

toko

sawah

kebun binatang

Gambar 2.8. Perluasan Jaringan Semantik (Kusumadewi 2004 p 62)

2.3.4

Frame Frame merupakan kumpulan pengetahuan tentang suatu obyek tertentu, peristiwa, lokasi, situasi, dll. Frame memiliki slot yang menggambarkan rincian (atribut)

dan

karakteristik

obyek.

Frame

biasanya

digunakan

untuk

merepresentasikan pengetahuan yang didasarkan pada karakteristik yang sudah dikenal, yang merupakan pengalaman-pengalaman. Dengan menggunakan frame, sangatlah mudah untuk membuat inferensi tentang obyek, peristiwa atau situasi baru, karena frame menyediakan basis pengetahuan yang ditarik dari pengalaman.

29 Frame alat-alat Transportasi

Frame macam-macam angkutan darat Frame macam-macam mobil

Trans. Darat transpotasi

Slot Mobil Slot Sedan

Frame jenis bahan bakar

Slot Bensin Slot Solar

Gambar 2.9. Frame (Kusumadewi 2004 p 84)

Pada Gambar 2.9. menunjukkan frame alat-alat transportasi. Frame tersebut memiliki 3 slot, yaitu alat-alat transportasi di udara, di darat, dan di laut. Ada beberapa slot yang bernilai tetap, ada pula yang tidak tetap (prosedural). Slot yang bernilai tetap misalkan jumlah roda pada sedan (4). Jenis slot lainnya bersifat prosedural artinya slot yang memungkinkan penambahan informasi baru yang bisa ditambahkan pada aturan IF. Misalnya informasi tentang kecepatan perjalanan, pengisian tangki bahan bakar, atau pemakaian bahan bakar tiap km.

2.3.5

Naskah (Script) Script adalah skema representasi pengetahuan yang sama dengan frame, yaitu sudah dikenal sebagai pengalaman-pengalaman. Perbedaannya, frame menggambarkan obyek sedangkan script menggambarkan urutan peristiwa. Dalam menggambarkan urutan peristiwa, script menggunakan slot yang berisi informasi tentang orang, obyek, dan tindakan-tindakan yang terjadi dalam suatu peristiwa. Elemen-elemen script meliputi :

30 1. Kondisi input, yaitu kondisi yang harus dipenuhi sebelum terjadi atau berlaku suatu peristiwa dalam script. 2. Track, yaitu variasi yang mungkin terjadi dalam suatu script. 3. Prop, berisi obyek-obyek pendukung yang digunakan selama peristiwa terjadi. 4. Role, yaitu peran yang dimainkan oleh seseorang dalam peristiwa. 5. Scene, Yaitu adegan yang dimainkan yang menjadi bagian dari suatu peristiwa. 6. Hasil, yaitu kondisi yang ada setelah urutan peristiwa dalam script terjadi. Berikut ini adalah contoh script kejadian yang ada di “Ujian Akhir” : Jalur (track) : Ujian tertulis matakuliah Kecerdasan Buatan. Rule (peran) : Mahasiswa, Pengawas. Prop (pendukung) : lembar soal, lembar jawab, presensi, pena, dll. Kondisi Input : Mahasiswa terdaftar untuk mengikuti ujian. Adegan (Scene)-1 : Persiapan pengawas. • Pengawas menyiapkan lembar soal. • Pengawas menyiapkan lembar jawab. • Pengawas menyiapkan lembar presensi. Adegan – 2 : Mahasiswa masuk ruangan. • Pengawas mempersilahkan mahasiswa masuk. • Pengawas membagikan lembar soal. • Pengawas membagikan lembar jawab.

31 • Pengawas memimpin doa. Adegan – 3 : Mahasiswa mengerjakan soal ujian. • Mahasiswa menulis identitas di lembar jawab. • Mahasiswa menandatangani lembar jawab. • Mahasiswa mengerjakan soal. • Mahasiswa mengecek jawaban. Adegan – 4 : Mahasiswa telah selesai ujian. • Pengawas mempersilahkan mahasiswa keluar ruangan. • Mahasiswa mengumpulkan kembali lembar jawab. • Mahasiswa keluar ruangan. Adegan – 5 : Pengawas mengemasi lembar jawab. • Pengawas mengurutkan lembar jawab. • Pengawas mengecek lembar jawab dan presensi. • Pengawas meninggalkan ruangan. Hasil : • Mahasiswa merasa senang dan lega. • Mahasiswa merasa kecewa. • Mahasiswa pusing. • Mahasiswa memaki-maki. • Mahasiswa sangat bersyukur.

32 2.3.6

Sistem Produksi Sistem Produksi secara umum terdiri dari komponen-komponen sebagai berikut (Gambar 2.10) : 1.

Ruang keadaan, yang berisi keadaan awal, tujuan dan kumpulan aturan yang digunakan untuk mencapai tujuan.

2. Strategi Kontrol, yang berguna untuk mengarahkan bagaimana proses pencarian akan berlangsung dan mengendalikan arah eksplorasi. Keadaan awal

Aturan

Tujuan

Strategi Kontrol Gambar 2.10. Sistem Produksi (Kusumadewi 2004 p 87)

Sistem Produksi ini merupakan salah satu bentuk representasi pengetahuan yang sangat populer dan banyak digunakan adalah sistem, produksi. Representasi pengetahuan dengan sistem produksi, pada dasarnya berupa aplikasi aturan (rule) yang berupa : 1. Antecendent, yaitu bagian yang mengekspresikan situasi atau premis (Pernyataan berawalan IF). 2. Konsekuen, yaitu bagian yangh menyatakan suatu tindakan tertentu atau konklusi yang diterapkan jika suatu situasi atau premis bernilai benar (Pernyataan berawalan THEN). Konsekuensi atau konklusi yang dinyatakan pada bagian THEN baru dinyatakan benar, jika bagian IF pada sistem tersebut juga benar atau sesuai dengan aturan tertentu.

33 Contoh : If lalulintas padat THEN saya naik sepeda motor. Apabila pengetahuan direpresentasikan dengan aturan, maka ada 2 metode penalaran yang dapat digunakan yaitu : 1. Forward

Reasoning (Penalaran Maju).

Pelacakan dimulai dari

keadaan awal (informasi atau fakta yang ada) dan kemudian dicoba untuk mencocokkan dengan tujuan yang diharapkan (Gambar 2.11). 2. Backward Reasoning (Penalaran Mundur). Pada penalaran ini dimulai dari tujuan atau hipotesa, baru dicocokkan dengan keadaan awal atau fakta-fakta yang ada (Gambar 2.12).

Keadaan Awal A

B E

C

F

G

H

I

Tujuan N

M

D J

K

L

Tujuan O

P

Tujuan

Tujuan

Gambar 2.11 Penalaran Forward (Kusumadewi 2004 p 88) Tujuan

A B E

C

F

G

H

D I

J

Keadaan Awal

M

K

L

Keadaan Awal

N

O

Keadaan Awal

Keadaan Awal

P

Gambar 2.12 Penalaran Backward (Kusumadewi 2004 p 88)

34 Ada beberapa faktor yang mempengaruhi pilihan backward atau forward dalam memilih metode penalaran, antara lain : a) Banyaknya keadaan awal dan tujuan. Jika jumlah keadaan awal lebih banyak

daripada

tujuan,

maka

digunakan

penalaran

forward.

Sebaliknya, jika jumlah tujuan lebih banyak daripada keadaan awal, maka dipilih penalaran backward. b) Rata-rata jumlah node yang dapat diraih secara langsung dari suatu node. Lebih baik dipilih yang jumlah node setiap cabangnya lebih sedikit. c) Apakah program butuh menanyai user untuk melakukan justifikasi terhadap proses penalaran ? Jika iya, maka alangkah baiknya jika dipilih arah yang lebih memudahkan user. d) Bentuk kejadian yang akan memicu penyelesaian masalah. Jika kejadian itu berupa fakta baru, maka lebih baik dipilih penalaran forward. Namun, jika kejadian itu berupa query, maka lebih baik digunakan penalaran backward.

2.3.7

Decision Table Decision Table adalah pengetahuan yang diatur dalam bentuk format lembar kerja (spreadsheet), menggunakan kolom dan baris (Turban 1992, pp186).

35 Contoh : Attributes Shape

Round

Round

Round

Round

Oblong

Oblong

Oblong

Oblong

Smell

Acid

Acid

Sweet

Sweet

Sweet

Sweet

Acid

Sweet

Color

Yellow

Orange

Yellow

Red

Yellow

Yellow

Orange

Green

Taste

Sour

Sweet

Sweet

Sweet

Sweet

Sweet

Sour

Sweet

Skin

Rough

Rough

Smooth

Smooth

Smooth

Smooth

Smooth

Smooth

Sees

Yes

Yes

Yes

Yes

Yes

Yes

Yes

Yes

Conclusions Grapefruit

X

Orange

X

Apple

X

X

Banana

X

Pear

X

Kumquat

X X

Gambar 2.13 Representasi Pengetahuan dengan Tabel (Turban 1992, pp186).

2.3.8

Decision Tree Decision Tree adalah tree yang ada hubungannya dengan decision table namun sering digunakan dalam analisis sistem komputer (bukan sistem AI) (Turban 1992, pp187). Contoh : Orange Color? The fruit is citrus

Shape?

Round Oval

Smell? The fruit is not citrus

Green

Yellow

The fruit is orange The fruit is grapefruit The fruit is grapefruit

The fruit may be lime, kumquat, etc/ More information is needed

Gambar 2.14 Representasi Pengetahuan dengan Tree (Turban 1992, pp187).

36 2.4

Knowledge Acquisition Menurut Turban (1992, p82) Knowledge Acquisition adalah akumulasi, pengiriman, dan transformasi dari kepakaran dalam memecahkan masalah yang berasal dari beberapa sumber pengetahuan ke dalam program komputer untuk dibangun dan dikembangkan menjadi basis pengetahuan (knowledge base). Knowledge Acquisition menjadi suatu aspek yang penting dan problematik dalam membangun sistem pakar, hal ini lebih mengacu pada "memindahkan dan mentransformasikan suatu kepakaran dalam memecahkan masalah" dari sumber pengetahuan ke dalam sebuah program. Terminologi ini mampu menggambarkan dua macam proses yaitu mengutip dan menterjemahkan tingkat pengetahuan pakar ke dalam rules (Mcgraw 1989, p8). Menurut Mcgraw (1989, p5), knowledge engineering adalah suatu keadaan yang menggambarkan semua proses dari pengembangan sistem pakar. Tugas dari pengembangan sistem pakar melibatkan pengumpulan informasi, mengetahui permasalahan, analisa, dan rancangan. Tujuan dari proses knowledge engineering adalah untuk menangkap dan bekerja dalam ruang lingkup permasalahan kepakaran sesuai dengan prediksi dan proses pengaturan dari para pakar. Seorang knowledge engineer bertanggung jawab untuk menyusun dan membangun sebuah sistem pakar yang mempunyai tugas menganalisa alur informasi, menentukan struktur program, bekerja dengan para pakar untuk mendapatkan informasi, dan melakukan fungsi perancangan (Mcgraw 1989, pp5-6). Menurut (Buchanan, et al., 1983) mengatakan bahwa "knowledge engineering" harus mengikuti metode dimana seorang pakar berinteraksi dengan

37 seorang knowledge engineer untuk membangun sebuah sistem pakar. Proses dari knowledge engineering ini meliputi 2 macam yaitu (Mcgraw 1989, p8) : 1.

Bertugas untuk mengurangi sulitnya pengertian dari sebuah domain pengetahuan menjadi sebuah kumpulan fakta dan aturan-aturan yang tepat serta mudah untuk diubah/dimodifikasi.

2.

Peralatan dan metode untuk mendukung pengembangan sistem pakar. Ada beberapa cara yang digunakan sebagai pendekatan knowledge akusisi

untuk mengembangkan sistem pakar. Parsaye(1985) menggambarkan 3 pendekatan yang terpenting (Mcgraw 1989, p9) : •

Mewawancarai pakar (Interviewing experts)

•

Belajar dengan diberitahu (Learning by being told)

•

Belajar dengan melakukan observasi (Learning by observation) Menurut Buchanan, Barstow, Bechtal, and other(1983) kegiatan knowledge

akusisi dibagi menjadi beberapa tahap yaitu identification, conceptualization, formalization, implementation, dan testing (Mcgraw 1989, p12) (Gambar 2.15). Identify Problem Characteristic

Identification Refine Requirements

Identify Concepts Conceptualization Organize Knowledge

Formalization

Refine Concepts Refine Design

Formulate Rules Implementation Refine Representation Validate Rules Testing Gambar 2.15 Tahapan Knowledge Acquisition (Mcgraw 1989, p 12).

38 •

Identification, adalah suatu proses dari pengkarakterisasian aspek masalah, termasuk peserta, karakteristik, sumber, dan hasil akhir.

•

Conceptualization, melibatkan menspesifikasi bagaimana konsep utama dan kunci hubungan antara konsep-konsep dalam domain yang digambarkan dan dihubungkan dengan kepakaran.

•

Formalisasi, membutuhkan knowledge engineer untuk memetakan konsepkonsep yang dikenali, tugas, hubungan, dan informasi lainnya ke dalam mekanisme representasi formal. identifikasi dari sebuah model dasar dari proses kepakaran yang digunakan untuk menghasilkan solusi dalam domain mereka merupakan pekerjaan yang terpenting pada tahap ini.

•

Implementasi, melibatkan penyaluran perumusan pengetahuan kedalam representasi framework untuk peralayan pengembangan sistem pakar yang dipilih. Tujuan utama dari tahap ini adalah untuk mengembangkan sebuah sistem prototype, yang membolehkan pengembang untuk menguji rancangan da implementasi keputusan menggunakan sub bagian kecil dari basis pengetahuan untuk sistem pakar.

•

Testing, membutuhkan pengevaluasian sistem pakar sebagai keberhasilan dari formalisasi, asumsi dasar, ketepatan, dan efisiensi knowlegde akusisi sistem.

2.5

Ketidakpastian Dalam Intelegensia Semu Menurut Turban (1992, p254) teori kepastian mempunyai konsep kepercayaan dan ketidakpercayaan. Konsep ini saling bebas satu sama lainnya

39 dan tidak dapat dikombinasikan seperti probabilitas, tetapi dapat dikombinasikan dengan rumus di bawah ini : CF[P,E] = MB[P,E] – MD[P,E] dimana CF = Certainty factor (faktor kepercayaan) MB = Measure of belief (tingkat kepercayaan) MD = Measure of disbelief (tingkat ketidakpercayaan) P = Probability (peluang) E = Evidence or event (bukti atau kejadian)

Menurut (Turban 1992, pp254-256) faktor kepastian dapat digunakan untuk menggabungkan perbedaan perkiraan dari pakar dengan beberapa cara sebagai berikut : •

Kombinasi beberapa faktor kepastian dalam satu rule (aturan). a. Dengan menggunakan aturan yang memakai operator ‘dan ’ : Jika inflasi di atas 5 persen, CF = 50 % (A), dan Jika tingkat pengangguran diatas 7 %, CF = 70 % (B), dan Jika penurunan harga obligasi, CF = 100 % (C ) Maka harga persediaan menurun Untuk tipe aturan ini, kesimpulan yang benar, jika semua kondisi ‘Jika’ harus benar (terpenuhi). Walaupun melibatkan beberapa CF, tetapi CF yang diperoleh adalah CF yang minimum : CF(A, B, dan C) = minimum [CF(A), CF(B), CF(C)] Pada kasus ini CF untuk harga persedian menurun menjadi 50%.

40 b. Dengan menggunakan aturan yang memakai operator ‘atau’: Jika inflasi rendah, CF = 70 %; atau Jika harga obligasi tinggi, CF = 85 % Maka harga persediaan menjadi tinggi. Untuk aturan ini jika salah satu kondisi benar maka CF yang dihasilkan adalah maksimum. CF(A atau B) = maksimum [CF(A), CF(B)] Pada kasus ini, CF = 0,85 untuk harga persedian tinggi. •

Kombinasi dua atau lebih rule (aturan) 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 yang mendukung kesimpulan gabungan. Contoh : R1 : Jika inflasi kurang dari 5 % , Maka harga persediaan naik (CF = 0,7) R2 : Jika pengangguran kurang dar 7 % , Maka harga persediaan naik (CF = 0,6) Faktor kepastian dari suatu kesimpulan dapat dihitung dengan cara mengkombinasikan bukti-bukti dengan rumus : CF(R1,R2) = CF(R1) + CF(R2) [1-CF(R1)]; Atau CF(R1,R2) = CF(R1) + CF(R2) - CF(R1) * CF(R2) Sehingga pada kasus ini didapat CF kombinasi :

41 CF(R1,R2) = 0,7 + 0,6(1 - 0,7) = 0,7 + 0,6(0,3) = 0,88 Misalkan ada rule baru : R3 : Jika kenaikan harga obligasi, Maka harga persedian naik (CF = 0,85) Maka digunakan rumus untuk 3 rule : CF(R1,R2,R3) = CF(R1,R2) + CF(R3) [1 - CF(R1,R2)] Sehingga CF untuk persediaan harga naik : CF(R1,R2,R3) = 0,88 + 0,85(1-0,88) = 0,88 + 0,85(0,12) = 0,982 Untuk jumlah rule yang lebih banyak, kita dapat mempergunakan formula kenaikan yang sama.

2.6

Sistem Pakar Secara umum, sistem pakar (expert system) adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah yang seperti biasa dilakukan oleh para ahli. Sistem pakar yang baik dirancang agar dapat menyelesaikan suatu permasalahan tertentu dengan meniru kerja dari para ahli. Dengan sistem pakar ini, orang awampun dapat menyelesaikan masalah yang cukup rumit yang sebenarnya hanya dapat diselesaikan dengan bantuan para ahli. Bagi para ahli, sistem pakar ini juga akan

42 membantu

aktivitasnya

sebagai

asisten

yang

sangat

berpengalaman

(Kusumadewi 2003, p109). Ada beberapa definisi tentang sistem pakar antara lain : •

Menurut Durkin : Sistem pakar adalah suatu program komputer yang dirancang untuk memodelkan kemampuan penyelesaian masalah yang dilakukan oleh seorang pakar (Kusumadewi 2003, p109).

•

Menurut Harmon and King (1985) : Sistem pakar adalah program AI yang dirancang untuk merepresentasikan keahlian manusia dalam ruang lingkup yang spesifik. Semakin khusus dan teridentifikasi ruang lingkup masalah, maka makin berhasil pembuatan dalam hal memperoleh, struturisasi, dan merepresentasikan pengetahuan dalam basis pengetahuan (Mcgraw 1989, p3).

•

Menurut Mishkoff (1985) : Expert system atau "knowledge based system" didefinisikan sebagai program komputer yang mengandung dua hal yaitu declarative knowledge (fakta tentang objek, events, situasi) dan procedural knowledge (informasi berupa pelajaran atau tindakan) untuk menyamai peoses pemikiran dari seorang pakar dalam ruang lingkup tertentu sesuai dengan keahliannya (Mcgraw 1989, p3).

•

Menurut Turban (1992, p74) : Sistem pakar adalah sistem yang dirancang dengan cara meniru proses-proses pemikiran yang digunakan oleh seorang pakar untuk menyelesaikan masalah tertentu ke dalam komputer yang biasanya memerlukan keahlian seorang pakar.

43 Area permasalahan yang termasuk dalam sistem pakar adalah diagnosa, perencanaan, instruksi, dan manajemen, pengawasan, dan perancangan. Diagnosa sebagai contohnya, merupakan area aplikasi sistem pakar yang telah lama populer. Beberapa dari sistem pakar pertama kali menggunakan sebuah domain pakar "heuristics" untuk digunakan sebagai nasihat dalam mendiagnosa bidang yang terbatas pada ilmu kedokteran. Program ini biasanya meminta input respon pertanyaan dari user tentang gejala-gejala yang ada. Sistem pakar ini menggunakan input ini dan dikombinasi dengan aturan-aturan dalam basis pengetahuan untuk menyarankan kemungkinan diagnosa dengan menyertai ketentuan atau kemungkinan. Kata kuncinya adalah, ketika diminta oleh user, sistem menawarkan kebenaran atau penjelasan untuk menyarankan sebuah diagnosa yang spesifik. User dapat mengerti alasan dari proses yang digunakan untuk merancang diagnosis berdasarkan informasi yang mungkin tidak dimiliki oleh sistem. Jadi meskipun seorang pakar tetap memegang kendali, menggunakan sistem pakar adalah sebagai alat bantu kerja (Mcgraw 1989, pp3-4). 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 dan simon. GPS (dan program-program yang serupa) ini mengalami kegagalan dikarenakan cakupannya terlalu luas sehingga terkadang justru meninggalkan pengetahuan-pengetahuan penting yang seharusnya disediakan. Sampai saat ini sudah banyak sistem pakar yang dibuat, beberapa contoh diantaranya dapat dilihat pada Tabel 2.6 (Kusumadewi 2003, p109-110).

44 Sistem Pakar MYCIN

Kegunaan Diagnosa penyakit Mengidentifikasi struktur molekular campuran yang

DENDRAL tidak dikenal XCON & XSEL

Membantu konfigurasi system komputer besar Digunakan di dalam geologi untuk membantu

Prospector1 mencari dan menemukan deposit Membantu memberikan keputusan bagi seorang FOLIO manajer dalam hal stok broker dan investasi SOPHIE

Analisis sirkuit elektronik

DELTA

Pemeliharaan lokomotif listrik disel Tabel 2.6. Sistem Pakar yang terkenal (Kusumadewi 2003, p109-110)

2.6.1

Keuntungan Sistem Pakar Secara garis besar, banyak manfaat yang dapat diambil dengan adanya sistem pakar (Kusumadewi 2003, p110), antara lain : 1.

Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli.

2.

Bisa melakukan proses secara berulang dan otomatis.

3.

Menyimpan pengetahan dan keahlian para pakar.

4.

Meningkatkan output dan produktivitas.

5.

Meningkatkan kualitas.

6.

Mampu mengambil dan melestarikan keahlian parta pakar (terutama yang termasuk keahlian angka).

7.

Mampu beroperasi dalam lingkungan yang berbahaya.

45 8.

Memiliki kemampuan untuk mengakses pengetahuan.

9.

Memiliki reliabilitas.

10.

Meningkatkan kapabilitas sistem komputer.

11.

Memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan mengandung ketidakpastian.

2.6.2

12.

Sebagai media pelengkap dalam pelatihan.

13.

Meningkatkan kapanbilitas dalam penyelesaian masalah.

14.

Menghemat waktu dalam pengambilan keputusan.

Kelemahan Sistem Pakar Disamping memiliki beberapa keuntungan, sistem pakar juga memiliki beberapa kelemahan (Kusumadewi 2003, p111), antara lain : 1.

Biaya yang diperlukan untuk membuat dan memeliharanya sangat mahal.

2.

Sulit dikembangkan. Hal ini tentu saja erat kaitannya dengan ketersediaan pakar di bidangnya.

3.

2.6.3

Sistem pakar tidak 100% bernilai benar.

Konsep Dasar Sistem Pakar Menurut Efraim Turban (1992, p79), konsep dasar sistem pakar mengandung keahlian, inferensi, aturan, dan kemampuan menjelaskan. Keahlian adalah suatu kelebihan penguasaan pengetahuan di bidang tertentu yang diperoleh dari pelatihan, membaca atau pengalaman. Contoh bentuk pengetahuan yang termasuk keahlian adalah :

46 •

Fakta-fakta pada lingkup permasalahan tertentu.

•

Teori-teori pada lingkup permasalahan tertentu.

•

Prosedur-prosedur

dan

aturan-aturan

berkenaan

dengan

lingkup

permasalahan tertentu. •

Strategi-strategi global untuk menyelesaikan masalah.

•

Meta knowledge (pengetahuan tentang pengetahuan). Bentuk-bentuk ini memungkinkan para ahli untuk dapat mengambil

keputusan lebih cepat dan lebih baik daripada seseorang yang bukan ahli. Seorang ahli adalah seseorang yang mampu menjelaskan suatu tanggapan, mempelajari hal-hal baru seputar topik permasalahan (domain), menyusun kembali pengetahuan jika dipandang perlu, memecah aturan-aturan jika dibutuhkan, dan menentukan relevan tidaknya keahlian mereka. Pengalihan keahlian dari para ahli ke komputer untuk kemudian dialihkan lagi ke orang lain yang bukan ahli, merupakan tujuan utama dari sistem pakar. Proses ini membutuhkan 4 aktivitas yaitu : tambahan pengetahuan (dari para ahli atau sumber-sumber lainnya), representasi pengetahuan ke komputer, inferensi pengetahuan, dan pengalihan komputer ke user. Pengetahuan yang disimpan di komputer disebut dengan nama basis pengetahuan. Ada 2 tipe pengetahuan, yaitu: fakta dan prosedur (biasanya berupa aturan). Salah satu fitur yang harus dimilki sistem pakar adalah kemampuan untuk menalar. Jika keahlian-keahlian sudah tersimpan sebagai basis pengetahuan dan sudah tersedia program yang mampu mengakses basisdata, maka komputer harus

47 dapat diprogram untuk membuat inferensi. Proses inferensi dikemas dalam bentuk motor inferensi (inference engine). Fitur lainnya dari sistem pakar adalah kemampuan untuk merekomendasi. Kemampuan inilah yang membedakan sistem pakar dengan sistem konvensional (Tabel 2.7). Sistem Konvensional

Sistem Pakar

Informasi dan pemrosesannya biasanya Basis pengetahuan merupakan bagian jadi satu dengan program Biasanya

tidak

terpisah dari mekanisme inferensi

bisa

menjelaskan Penjelasan adalah bagian terpenting dari

mengapa suatu input data itu dibutuhkan, system pakar atau bagaimana output itu diperoleh Perubahan

program

cukup

sulit

membosankan

& Pengubahan

aturan

dapat

dilakukan

dengan mudah

Sistem hanya akan beroperasi jika sistem Sistem dapat beroperasi hanya dengan sudah lengkap Eksekusi

beberapa aturan

dilakukan

langkah

demi Eksekusi dilakukan pada keseluruhan

langkah

basis pengetahuan

Menggunakan data

Menggunakan pengetahuan

Tujuan utamanya adalah efisiensi

Tujuan utamanya adalah efektivitas

Tabel 2.7 Sistem konvensional Vs sistem Pakar (Turban 1992, p79)

2.6.4

Bentuk Sistem Pakar Menurut Turban (1992, p454) software-software kecerdasan buatan (AI) dapat diklasifikasikan menjadi lima tingkatan teknologi.

48

Expert System Application Package

Shell General or Domain Specific

Hybrid Systems

Support tools, Facilities, and Construction Aids

Programming Languages Gambar 2.16 Tingkatan Teknologi Perangkat Lunak Sistem Pakar (Turban 1992, p 454)

Gambar 2.16 mengilustrasikan tingkatan ini. Tingkatan itu yaitu : 1. Bahasa pemrograman (Programming Language) Sistem pakar dapat dibuat dengan salah satu dari bahasa-bahasa pemrograman yang ada, dari bahasa AI (AI languages) sampai bahasa-bahasa prosedur standar (standar procedural languages). 2. Support tools (Peralatan pendukung) Support tools berguna untuk membantu programer untuk membangun bagianbagian sistem, seperti akuisisi pengetahuan (knowledge acquisition), validasi dan verifikasi pengetahuan (knowledge validation and verification), dan antarmuka pemakai (user interface). 3. Shell Shell adalah paket terintegrasi dimana sebagian besar komponen-komponen sistem pakar (kecuali basis pengetahuan) sudah diprogram sebelumnya. Komponen-komponen ini yaitu sub sistem akuisisi pengetahuan (knowledge

49 acquisition subsystem), mesin inferensi (inference engine), fasilitas penjelasan (explanation facility), sub sistem antarmuka (interface subsystem) dan fasilitas pengaturan basis pengetahuan (knowledge base management facility). Programer hanya perlu memasukkan basis pengetahuan untuk membuat suatu sistem pakar.. Dengan menggunakan shell, sistem pakar dapat dibuat lebih cepat dan kemampuan pemrograman yang diperlukan juga lebih rendah. Konsep shell diilustrasikan pada gambar 2.17 dibawah.

Knowledge Base Consultation Manager Explanation Program

Knowledge Base Editor and Debugger

Knowledge Base Management Facilities

Shell Inference Engine

Gambar 2.17 Konsep Shell (Turban 1992, p455)

4. Hybrid system Hybrid system tersusun atas beberapa support tools dan programming languages. Hal ini memungkinkan sistem untuk dibangun lebih cepat daripada jika dibangun dengan hanya menggunakan programming languages. 5. Aplikasi sistem pakar khusus (specific ES applications) Specific ES adalah produk-produk aplikasi yang digunakan untuk membantu pemakai (user) yang spesifik pada topik yang spesifik.

50 2.6.5

Struktur Sistem Pakar Sistem Pakar terdiri dari 2 bagian pokok, yaitu : lingkungan pengembangan (development

environment)

dan

lingkungan

konsultasi

(consultation

environment). Lingkungan pengembangan digunakan sebagai pembangun sistem pakar baik dari segi pembangun komponen maupun basis pengetahuan, Lingkungan konsultasi digunakan oleh seseorang yang bukan ahli untuk berkonsultasi (Gambar 2.18) (Kusumadewi 2003, pp113-115). Basis Pengetahuan

User

Apa yang diketahui tentang area domain Logical Reference

Fakta: Antarmuka

Aturan:

Fasilitas perusahaan

Motor inferensi

Aksi yang direkomendasi

Rekayasa pengetahuan

O Interpreter O scheduler Oconsistency Enforcer

Pengetahuan ahli Rencana Solusi

BLACKBOARD Agenda Deskripsi

Penyaring pengetahuan

Gambar 2.18 Struktur sistem pakar (Kusumadewi 2003, pp114)

Komponen-komponen sistem pakar yang terdapat pada Gambar 2.18 adalah sebagai berikut : 1. Subsistem penambahan pengetahuan. Bagian ini digunakan untuk memasukkan pengetahuan, mengkonstruksi atau memperluas pengetahuan dalam basis pengetahuan. Pengetahuan itu bisa berasal dari ahli, buku, basisdata, penelitian, dan gambar. 2. Basis

pengetahuan.

dibutuhkan

untuk

menyelesaikan masalah.

Berisi

pengetahuan-pengetahuan

memahami,

memformulasikan,

yang dan

51 3. Mesin inferensi (inference engine). Program yang berisi metodologi yang digunakan untuk melakukan penalaran terhadap informasiinformasi dalam basis pengetahuan dan blackboard serta digunakan untuk memformulasikan konklusi. Ada 3 elemen utama dalam motor inferensi, yaitu : •

Interpreter : mengeksekusi item-item agenda yang terpilih dengan menggunakan aturan-aturan dalam basis pengetahuan yang sesuai.

•

Scheduler : akan mengontrol agenda.

•

Consistency

enforcer

:

akan

berusaha

memelihara

kekonsistenan dalam merepresentasikan solusi yang bersifat darurat. 4. Blackboard : Merupakan area dalam memori yang digunakan untuk merekam kejadian yang sedang berlangsung termasuk keputusan sementara. Ada 3 tipe keputusan yang dapat direkam, yaitu : •

Rencana : bagaimana menghadapi masalah.

•

Agenda : aksi-aksi yang potensial yang sedang menunggu untuk dieksekusi.

•

Solusi : calon aksi yang akan dibangkitkan.

5. Antarmuka. Digunakan untuk media komunikasi antara user dan program.

52 6. Subsistem penjelasan. Digunakan untuk melacak respon dan memberikan penjelasan tentang kelakuan sistem pakar secara interaktif melalui pertanyaan : •

Mengapa suatu pertanyaan ditanyakan oleh sistem pakar ?

•

Bagaimana konklusi dicapai ?

•

Mengapa ada alternatif yang dibatalkan ?

•

Rencana apa yang digunakan untuk mendapatkan solusi ?

7. Sistem penyaring pengetahuan. Sistem ini digunakan untuk mengevaluasi kinerja sistem pakar itu sendiri untuk melihat apakah pengetahuan-pengetahuan yang ada masih cocok untuk digunakan di masa mendatang.

2.6.6

Basis Pengetahuan (Knowledge Base) Basis pengetahuan berisi pengetahuan-pengetahuan dalam penyelesaian masalah, tentu saja di dalam domain tertentu. Ada 2 bentuk pendekatan basis pengetahuan yang sangat umum digunakan (Kusumadewi 2003, p115-116), yaitu: a.

Penalaran berbasis aturan (Rule-Based Reasoning). Pada penalaran berbasis aturan, pengetahuan direpresentasikan dengan menggunakan aturan berbentuk IF-THEN. Bentuk ini digunakan apabila kita memiliki sejumlah pengetahuan pakar pada suatu permasalahan tertentu, dan si pakar dapat menyelesaikan masalah tersebut secara berurutan. Disamping itu, bentuk ini juga

53 digunakan apabila dibutuhkan penjelasan tentang jejak (langkahlangkah ) pencapaian solusi. b.

Penalaran berbasis kasus (Case-Based Reasoning). Pada penalaran berbasis kasus, basis pengetahuan akan berisi solusisolusi yang telah dicapai sebelumnya, kemudian akan diturunkan suatu solusi untuk keadaan yang terjadi sekarang (fakta yang ada). Bentuk ini digunakan apabila user menginginkan untuk tahu lebih banyak lagi pada kasus-kasus yang hampir sama (mirip). Selain itu, bentuk ini juga digunakan apabila kita telah memiliki sejumlah situasi akan kasus tertentu dalam basis pengetahuan.

2.6.7

Motor Inferensi (Inference Engine) Ada 2 cara yang dapat dikerjakan dalam melakukan inferensi (Kusumadewi 2003, p116-121), yaitu : 1.

Forward Chaining. Pencocokan fakta atau pernyataan dimulai dari bagian sebelah kiri (IF dulu). Dengan kata lain, penalaran dimulai dari fakta terlebih dahulu untuk menguji kebenaran hipotesis.

2.

Backward Chaining. Pencocokan fakta atau pernyataan dimulai dari bagian sebelah kanan (THEN dulu). Dengan kata lain, penalaran dimulai dari hipotesis terlebih dahulu, dan untuk menguji kebenaran hipotesis terrsebut dicari fakta-fakta yang ada dalam basis pengetahuan.

54 2.6.8

Ciri-ciri Sistem Pakar Sistem pakar yang baik harus memenuhi ciri-ciri sebagai berikut (Kusumadewi 2003, p122) :

2.6.9

1.

Memiliki fasilitas informasi yang handal.

2.

Mudah dimodifikasi.

3.

Dapat digunakan dalam berbagai jenis komputer.

4.

Memiliki kemampuan untuk belajar beradaptasi.

Permasalahan Yang Disentuh Oleh Sistem Pakar Ada beberapa masalah yang menjadi area luas aplikasi sistem pakar antara lain (Kusumadewi 2003, p122) : •

Interpretasi. Pengambilan keputusan dari hasil observasi, termasuk diantaranya : Pengawasan, pengenalan ucapan, analisa citra, interpretasi sinyal, dan beberapa analisis kecerdasan.

•

Prediksi. peramalan

Termasuk ekonomi,

diantaranya prediksi

peramalan, lalulintas,

prediksi

estimasi

demografis,

hasil,

militer,

pemasaran, atau peramalan keuangan. •

Diagnosis. Termasuk diantaranya : medis, elektronis, mekanis, dan diagnosa perangkat lunak.

•

Perancangan. Termasuk diantaranya : layout sirkuit dan perancangan bangunan.

55 •

Perencanaan.

Termasuk

diantaranya

:

perencanaan

keuangan,

komunikasi, militer, pengembangan produk, routing, dan manajemen proyek. •

Monitoring. Misalnya : Computer-Aided Monitoring Systems.

•

Debugging. Misalnya memberikan resep obat terhadap suatu kegagalan.

•

Perbaikan.

•

Instruksi. Melakukan instruksi untuk diagnosis, debugging dan perbaikan kerja.

•

Kontrol. Melakukan kontrol terhadap interpretasi, prediksi, perbaikan, dan monitoring kelakuan sistem.

2.6.10 Mengembangkan Sistem Pakar Seperti layaknya pengembangan perangkat lunak, pada pengembangan sistem pakar inipun diperlukan beberapa tahapan seperti terlihat pada Gambar 2.19 (Kusumadewi 2003, pp122-125).

56

Tahap 1: Penilaian keadaan

Reformulasi

Kebutuhan Eksplorasi

Tahap 2: Koleksi pengetahuan Pengetahuan Tahap 3: Perancangan

Perbaikan

Sruktur Tahap 4: Tes Evaluasi Tahap 5: Dokumentasi Produk Tahap 6: Pemeliharaan

Gambar 2.19 Tahap-tahap pengembangan sistem pakar (Kusumadewi 2003, pp123)

Secara garis besar pengembangan sistem pakar pada Gambar 2.19 adalah sebagai berikut : 1.

Mengidentifikasi masalah dan kebutuhan. Mengkaji situasi dan memutuskan dengan pasti tentang masalah yang akan dikomputerisasi dan apakah dengan sistem pakar bisa lebih membantu atau tidak.

2.

Menentukan masalah yang cocok. Ada beberapa syarat yang harus dipenuhi agar sistem pakar dapat bekerja dengan baik, yaitu : •

Domain masalah tidak terlalu luas.

•

Kompleksitasnya menengah, artinya jika masalah terlalu mudah (dapat diselesaikan dalam beberapa detik saja) atau masalah yang sangat kompleks seperti peramalan inflasi yang tidak perlu menggunakan sistem pakar.

57 •

Tersedianya ahli.

•

Menghasilkan solusi mental bukan fisik, artinya sistem pakar hanya memberikan anjuran dan tidak bisa melakukan aktivitas fisik seperti membau dan merasakan.

•

Tidak melibatkan hal-hal yang bersifat common sense, yaitu penalaran yang diperoleh dari pengalaman, seperti : adanya gravitasi membuat benda jatuh, atau jika lampu lalulintas merah maka kendaraan harus berhenti.

3.

Mempertimbangkan alternatif. Dalam hal ini ada 2 alternatif yaitu menggunakan sistem pakar atau komputer tradisional.

4.

Menghitung pengembalian investasi, termasuk diantarnya biaya pembuatan sistem pakar, biaya pemeliharaan, dan biaya training.

5.

Memilih alat pengembangan. Bisa digunakan software pembuat sistem pakar seperti SHELL atau dirancang dengan bahasa pemrograman sendiri, misalnya dengan menggunakan PROLOG.

6.

Rekayasa pengetahuan. Perlu dilakukan penyempurnaan terhadap aturan-aturan yang sesuai.

7.

Merancang sistem. Bagian ini termasuk pembuatan prototype, serta menterjemahkan pengetahuan menjadi aturan-aturan.

8.

Melengkapi pengembangan, termasuk pengembangan prototype apabila sistem yang telah ada sudah sesuai dengan keinginan.

9.

Menguji dan mencari kesalahan sistem.

58 10.

Memelihara sistem. Dalam hal ini harus dilakukan : Memperbaharui pengetahuan, mengganti pengetahuan yang sudah ketinggalan, dan meluweskan sistem agar bisa lebih baik lagi dalam menyelesaikan masalah.

2.7

Kulit

2.7.1

Biologi Dasar Kulit Menurut Ashton and Leppard (1993, p12) struktur dasar kulit dibagi menjadi dua bagian yaitu epidermis dan dermis.

Gambar 2.20. Struktur dasar kulit (Ashton and Leppard 1993, p12)

Epidermis Epidermis adalah bagian terluar dari kulit. Fungsinya adalah untuk menghasilkan keratin dan melanin. Patologi pada kulit luar menghasilkan suatu ruam atau suatu luka dengan skala abnormal atau perubahan pigmen. Keratin Keratin adalah hasil akhir dari maturation epidermal sel, fungsinya adalah untuk membuat kulit menjadi tahan air.

59 Melanin Melanin diproduksi oleh melanocytes di dalam lapisan fundamental. Paket melanin (melanosomes) ditransfer dari melanocytes melalui proses dendritic ke sekeliling sel epidermal sehingga bagian inti terlindungi dari efek radiasi ultraviolet yang berbahaya. Tanpa perlindungan ini akan terjadi dividion sel yang abnormal mengarah kepada kanker kulit.

Gambar 2.21 Melanosome (Ashton and Leppard 1993, p12)

Dermis Curah dermis terdiri dari jaringan yang saling terhubung yaitu collagen yang memberi kekuatan kepada kulit, dan serat elastis yang memungkinkan kulit untuk meregang. Di sini juga terdapat pembuluh darah, lymphatics, cutaneous nerves dan penambahan kulit (lubang rambut, kelenjar sebaceous dan kelenjar manis). Penyakit dermis pada umumnya mengakibatkan perubahan pada tingginya kulit (yaitu : papules, bongkol yang kecil-kecil, borok atau berhentinya pertumbuhan), dan jika ilmu penyakit terbatas kepada dermis, tidak akan ada perubahan permukaan seperti sisik, kulit keras atau exudate.

60 2.7.2

Diganosa Penyakit Kulit Hasil diagnosa penyakit kulit dibuat mengikuti prinsip umum yang sama seperti di cabang kedokteran lainnya. Dimulai dengan suatu sejarah, yang kemudian diikuti oleh pengujian fisik secara hati-hati. Jika pada langkah ini hasil diagnosa belum dibuat, penyelidikan lebih lanjut dapat dilaksanakan. Sangat sering yang tidak ahli dermatologi cenderung untuk memperhatikan suatu ruam atau luka kulit dan 'mengira-ngira' hasil diagnosanya. Ini adalah sesuatu yang sungguh tidak diperlukan. Di bawah ini kita sudah menguraikan suatu rencana untuk memungkinkan untuk membuat hasil diagnosa yang benar (Ashton and Leppard 1993, pp2-9).

2.7.2.1 Sejarah Waktu semenjak serangan ruam atau luka Ini adalah pertanyaan yang paling utama dalam sejarah. Dengan jelas luka yang telah terjadi dalam waktu yang lama perlu untuk dibedakan dari yang telah terjadi hanya dalam beberapa jam atau hari.

Jangka waktu dari luka individu Apakah luka datang atau pergi, dan apakah luka terjadi di lokasi sama atau lokasi berbeda? Pertanyaan ini sangat penting jika hasil diagnosa urtikaria atau herpes simplex (letusan obat secara tetap) yang berlangsung sekitar 7-10 hari dan pada umumnya di lokasi yang sama. Urtikaria dapat di diagnosa dari sejarah kelainan kulit yang muncul dan hilang dalam periode kurang dari 24 jam.

61 Hubungan secara fisik Tanyalah tentang hubungan ekspose matahari pada ruam diwajah dan bagian belakang tangan. Di sini pertanyaan yang penting adalah waktunya setelah ekspose matahari sebelum ruam terjadi dan apakah pasien mendapat ruam tersebut pada suatu hari cerah melalui kaca jendela. Pada solar urticaria ruam terjadi dalam lima beberapa menit ekspose matahari tetapi hilang dalam satu jam. Pada polymorphic letusan ringan ruam terjadi beberapa jam setelah ekspose matahari dan bertahan beberapa hari. Pada porphyria (yang sangat jarang) ruam terjadi dalam beberapa menit dan bertahan beberapa hari. Ruam yang terjadi melalui kaca jendela berkaitan dengan UVA dan tidak akan dilindungi dari oleh sunscreens non-opaque biasa. Tanyakan tentang iritasi pada eksim kulit di tangan, misalnya deterjen dan minyak, dan tentang sekitar praktek kerja dan hobi. Apakah tangannya dilindungi oleh sarung-tangan atau kontak langsung dengan irritant?

Menimbulkan rasa gatal atau sakit Menimbulkan rasa gatal adalah suatu gejala sangat menolong tetapi bervariasi. Menimbulkan rasa gatal menjengkelkan, terutama pada malam hari dan mencegah tidur, membuat Anda berpikir tentang kudis (atau infeksi kulit herpetiformis yang jarang).

Ukuran atau perubahan warna pada luka pigmented Minta pasien untuk membedakan antara peningkatan garis tengah dan pertumbuhannya.

Superficial

Malignant

Melanomas

cenderung

untuk

62 meningkatkan garis tengah secara inisial, sementara benign junctional naevi menjadi naik ketika berubah menjadi campuran naevi.

Masa lalu Adakah pasien mempunyai suatu ruam sebelumnya dan jika demikian apakah sama halnya sekarang? Jika eczemais ada, suatu sejarah dari eksim infantile, sakit asma atau demam hay dapat menghasilkan diagnosa eksim atopic. Suatu sejarah masa lampau mengenai tinggal ditempat bercuaca panas mungkin adalah petunjuk yang diperlukan untuk diagnosa kanker kulit. Yang berikut jenis reaksi kulit pada ekspose matahari yang dikenali: Tipe 1: selalu membakar, tidak pernah berwarna coklat. Tipe 2: selalu membakar, kadang-kadang berwarna coklat. Tipe 3: kadang-kadang membakar, selalu berwarna coklat. Tipe 4: tidak pernah membakar, selalu berwarna coklat. Mereka yang mempunyai fair-skin (tipe 1 dan 2) lebih mudah untuk kena kanker kulit dengan ekspose matahari kronis.

Sejarah Keluarga Apakah ada seseorang dalam keluarga mempunyai masalah kulit dan apakah masalahnya sama dengan pasien? Hal ini akan mengindikasikan apakah penyakit kulit tersebut diturunkan secara ` genetik, contoh : eksim atopic, ichthyosis atau psoriasis; atau terkena kudis.

63 Sejarah Sosial Hal ini meliputi hubungan keluarga dan praktek pekerjaan yang mungkin memberikan petunjuk kepada penyebab permasalahan.

Perawatan Sebelumnya Topical agent apa telah digunakan misalnya steroids, zat pembunuh kuman, antifungals atau moisturisers, dan apakah obat-obat tersebut membantu? Adalah sangat penting untuk menetapkan apakah obat tersebut adalah OBAT SALEP atau KRIM. Ingat bahwa obat bius lokal, zat pembunuh kuman dan obat anti alergi dapat menyebabkan suatu kontak eksim alergi. Suatu sejarah obat adalah penting jika suatu ruam drug-induced dipertimbangkan.

2.7.2.2 Gambaran Luka Kulit Berikut ini adalah gambaran luka kulit yang harus diidentifikasi secara berurutan dalam mendiagnosa penyakit kulit : 1. Lokasi Dan Distribusi o Simetris Melibatkan kedua sisi badan, biasanya berkaitan dengan penyebab endogeneous (contoh : eksim, psoriasis, jerawat).

64

Gambar 2.22 Simetris

Gambar 2.23 Tidak Simetris

(Ashton and Leppard 1993, p4)

o Tidak Simetris Melibatkan satu sisi badan saja, biasanya berkaitan dengan penyebab eksternal (contoh : hasil bakteri atau fungal infeksi/peradangan, contant eksim alergi). o Terekspos pada Matahari Melibatkan wajah dan belakang leher, dorsum tangan (lengan bawah). Perhatikan belakang telinga dan di bawah dagu/alismata tidak terkena.

Gambar 2.24 Sun Expose (Ashton and Leppard 1993, p4)

65 2. Erythema Kehadiran

erythema

digunakan

untuk

membedakan

kondisi

inflammatory dengan yang lain, dengan demikian menghindari terminologi seperti ruam atau luka, yang sukar untuk didefinisikan. Erythema digambarkan sebagai kemerahan yang memucat pada tekanan, dan menandai adanya perluasan kapiler. Haruslah dibedakan dari Purpure yang terdiri dari warna merah, warna ungu, oranye, atau warna coklat, dan tidak memudar pada tekanan yang tetap, dan Telangiectasia yang menggambarkan perluasan kecil pembuluh darah yang terlihat oleh mata biasa. 3. Corak Permukaan Lihat dan rasakan permukaannya. Jika bersisik garuk permukaannya dengan kuat menggunakan kuku, jika mengeras hilangkan bagian tersebut.. Permukaan Palpation dibagi menjadi: -

Halus, tidak ada ketidakteraturan yang dirasakan.

-

Ketidak seimbangan, ditemukan dengan sisik yang bagus atau beberapa kutil luka.

-

Kasar, seharusnya terasa seperti ampelas, dan karakteristiknya keratin/tanduk atau kulit keras.

4. Jenis Luka Menilai apakah luka menaik atau rata. Hal ini dapat dilakukan dengan palpation dengan kedua ujung jari, dan palpation yang lebih dalam menggunakan ibu jari dan jari telunjuk:

66 o lembut, terasa seperti bibir. o normal, terasa seperti pipi. o mantap, terasa seperti ujung hidung. o keras, terasa seperti dahi. Adalah penting untuk menilai kedalaman dari luka, apakah terdapat di permukaan, terdapat di dalam dermis atau di dalam jaringan subcutaneous. Beberapa luka mungkin memiliki suatu dasar indurated, di mana ada pengentalan di dalam luka, bukan pada permukaan kulit contohnya squamous sel carcinoma. 5. Warna luka o Pink/merah/ungu, berkaitan dengan darah. o Di dalam pembuluh darah yang meluas: blanches pada tekanan = erythema. o Di luar pembuluh darah: tidak blanche pada tekanan = purpura. o Warna berubah dari merah ke ungu, ke oranye kecoklatan ke coklat seperti haemoglobin diubah ke haemosiderin. o Putih, karena hilangnya pigmen, hilangnya pigmen secara parsial. Hilangnya pigmen secara keseluruhan. o Warna coklat, berkaitan dengan melanin, haemosiderin diikuti purpura. o Kuning, pada umumnya berkaitan dengan lipids pada kulit. 6. Perbatasan Luka Atau Ruam •

Dibatasi atau tergambar dengan baik : dapat ditarik satu garis di sekitar luka dengan pasti.

67 •

Luka yang digambarkan kurang baik : memiliki perbatasan yang bergabung dalam kulit normal dimana papulesnya tidak jelas (karakteristik eksim).

•

Tepi aktif : batasan luka menaik atau pertunjukan penyisikan meningkat dengan clearing incentre yang relatif ( karakteristik kurap).

•

Batasan menaik di atas pusat : pusat luka tertekan dibandingkan pada tepi (karakteristik dari sel fundamental carcinome).

7. Pengaturan luka 1. Discrete : dipisahkan oleh kulit normal dari luka serupa lainnya . 2. Unilateral : dibatasi pada satu sisi saja (herpes zoster, beberapa birthmarks). 3. Generalized : mencakup hampir keseluruhan permukaan badan. 4. Disseminated : luka terpisah tersebar luas. 5. Grouped : berbagai luka mengelompok pada satu area. 6. Annular : diatur di dalam sebuah cincin. 7. Linier (diatur berderet berkaitan dengan) : a. Fenomena Koebner di mana luka terjadi pada lokasi trauma, contoh : scratch linier - psoriasis, lichen planus, kutil. b. Birthmark, contoh : epidermal naevus. c. Dibatasi pada sebuah dermatome - herpes zoster.

68 2.7.3 Penyakit Bercak Kulit Piebaldism Ini adalah suatu kondisi warisan (autosomal dominan) di mana tambalan depigmentation terdapat saat kelahiran, dan tidak berubah seumur hidup. Ada kemungkinan berhubungan dengan rambut putih di dahi, jika kulit pada area tersebut terinfeksi. Secara klinis serupa dengan vitiligo yang berkembang kemudian dalam kehidupan. Lichen Sclerosus Et Atrophicus Kondisi ini pada umumnya muncul dengan menimbulkan rasa gatal pada alat kelamin dan terlihat tanda plak atropic putih pada perineum. Jarang sekali batang leher dan anggota tubuh terlibat: atropic macules putih yang rata dan papules dengan permukaan yang berkerut dan mengkilap, paling umum pada bagian atas batang leher. Halo Naevus Suatu reaksi immulogical terhadap melanocytes pada suatu tahi lalat menghasilkan suatu lingkaran cahaya depigmentation di sekitar tahi lalat. Secepatnya tahi lalat menghilang. Reaksi ini cukup ringan dan tidak menunjukkan bahwa tahi lalat telah mengalami perubahan malognant. Guttate Idiopathic Hypomelanosis Macules putih yang muncul pada saat terekpos oleh matahari berukuran kecil (2-6 mm). Terutama pada bagian-bagian dari anggota tubuh pada orang separuh baya dan orang tua. Mereka mempunyai perbatasan yang dapat dibedakan dengan kulit normal secara jelas, yang ditandai terjadinya kerusakan pada bagian melanocytes.

69 Scarring Adalah suatu luka-luka pada kulit akibat operasi yang mempunyai bentuk aneh dan merupakan kerusakan self-inflicted yaitu terjadinya bentuk sobekan kulit setelah trauma kecil yang mengenai lapisan steroids. Atau penggarukan karena rasa gatal yang mendorong kearah scarring.

Gambar 2.25 Scarring (Ashton and Leppard 1993, p138)

Vitiligo Vitiligo adalah disebabkan oleh kehilangan idiopathic melanocytes dari kulit yang merupakan tambalan putih dalam kulit normal. Pada umumnya terdiri atas beberapa bercak, banyak bercak, dan bentruknya tidak beraturan, bukannya sebagai macules kecil. Rambut yang berada dalam area yang terdepigmentasi juga terkena depigmentasi. Kondisinya berkembang secara pelan-pelan dan progresif, walaupun mungkin tidak berkembang. Vitiligo dapat dihubungkan dengan auto-immune penyakit organ-specific seperti suntikan dan hyperthyroidism, kekurangan darah merah jahat, kencing manis dan penyakit Addison's mellitis.

70

Gambar 2.26 Vitiligo Gambar

2.27 Post-Inflammatory Hypopigmentation

(Ashton and Leppard 1993, p138)

(Ashton and Leppard 1993, p139)

Post-Inflammatory Hypopigmentation Merupakan kehilangan pigmen sebagian yang diikuti inflammatory kulit, dan

hanya

beberapa

individu

saja

yang

akan

menghasilkan

hyperpigmentation sebagai jawaban atas stimulus yang sama. Hal ini dapat dibedakan dari pityriasis versicolor yang lebih tidak beraturan dan tidak jelas secara garis besarnya, serta menghasilkan skala yang kecil pada permukaan yang digaruk. Pityriasis Alba Berbagai bercak, hypopigmented, dan sedikit bersisik yang terjadi pada kulit muka anak-anak. Pada Caucasians dapat terlihat pada musim panas ketika kulit yang normal berwarna coklat.

Gambar 2.28 Pityriasis Alba (Ashton and Leppard 1993, p139)

71 Congenital Melanocytic Naevus Penyakit ini biasanya ukurannya lebih besar daripada tahi lalat biasa. Pada waktu lahir mungkin lebih berwarna merah, daripada berwarna coklat, tetapi tidak lebih dari beberapa bulan akan jelas terpigmentasi dan mungkin berbentuk rata atau menonjol, berbulu atau menyerupai kutil. Yang berukuran diameter lebih besar dari 2 cm akan mempunyai resiko yang lebih besar dan akan membahayakan; yang terkadang akan menjadi sangat besar dan merusak 50 persen dari permukaan tubuh. Mongolian Spot Potongan-potongan bercak biru/abu yang besar dan biasanya berorientasi pada punggung bayi. Dan akan menghilang secara tiba-tiba pada satu tahun pertama dalam hidupnya. Lentiginous Naevus Ini adalah penyakit pigmentasi tanda lahir dengan permukaan yang rata, berwarna coklat muda, berbentuk oval atau pada daerah yang dipengaruhi oleh letak geografinya : Tidak ada permukaan kulit yang tidak normal. ini akan berkembang pada anak-anak dan akan tidak berubah lagi untuk seumur hidupnya Naevus Spilus Ini merupakan tanda sejak lahir dimana bercak yang rata atau menonjol akan muncul pada potongan-potongan pigmentasi yang besar Cafe Au Lait Patch Penyakit ini berupa bercak bercak yang berwarna coklat muda, berbentuk bulat oval, dan berukuran besar (berdiameter 2-10 cm). Penyakit ini

72 sudah ada sejak lahir atau baru muncul pada masa kanak-kanak. Jika ditemukan bercak yang berjumlah lebih dari 6, maka dapat di diagnosa sebagai fibromatosis (penyakit Von Recklinghausen's). Albright's Syndrome Sindrom yang terdiri dari bercak bercak coklat muda yang besar dan tidak beraturan, dysplasia serabut dari tulang yang menimbulkan rasa sakit, patah dan cacat, dan masa pubertas yang terlalu dini Freckle Bercak berukuran kecil (1-5mm diameter) berwarna coklat oranye yang muncul dan bertambah jumlah maupun ukurannya ketika terkena sengatan sinar matahari. Secara histologi mereka memiliki jumlah melanocytes yang normal tetapi memiliki jumlah melanin pigment yang meningkat

Gambar 2.29 Freckle

Gambar 2.30 Lentigo

(Ashton and Leppard 1993, p130)

(Ashton and Leppard 1993, p130)

Lentigo Lentigo ini berukuran lebih besar dan berwarna lebih gelap daripada freckles dan juga memiliki alur yang tidak beraturan. Mereka muncul terutama pada kulit yang terkena sengatan matahari. Jumlah makin bertambah seiring dengan bertambahnya umur (harus dapat dibedakan

73 dari lentigo maligna). Secara histologi jumlah melanocytes bertambah pada lapisan basal Seborrhoeic Wart Ini adalah kelainan kulit yang sangat umum yang berbentuk rata, terkadang kista keratin kecil dapat terlihat di permukaan. pada awalnya mereka adalah kulit yang berwarna dan jarang diperhatikan, tetapi berangsur-angsur menjadi semakin mencolok dan berwarna semakin tua, jadi warnanya dapat bervariasi mulai dari coklat muda hingga hitam pekat. Mereka dapat berjumlah banyak tetapi cenderung dapat diisolasi daripada menyerupai kumpulan yang terbatas. Dengan meningkatnya umur mereka muncul lebih sering dan jumlahnya bertambah. Lentigo Maligna Penyakit ini terlihat hampir menyerupai seperti lentigo biasa, tetapi berukuran lebih besar (>20mm), mempunyai alur yang tidak beraturan dan pigmen yang bervariasi. Hal ini muncul hanya pada kulit yang rusak akibat sengatan matahari, biasanya lebih sering pada pipi orang tua. Mungkin sangat sulit untuk dibedakan dari bentuk lentigo, tetapi akan mulai kelihatan perbedaannnya dalam waktu yang bertahun tahun. Secara histologi merupakan sebuah malignant melanoma pada lapisan epidermis. Superficial Spreading Malignant Melanoma Fase pertumbuhan awal dari malignant melanoma adalah horisontal dengan perpindahan sel-sel neoplastic melebar keluar sepanjang pertemuan dermo-epidermal. Perubahan ini secara klinis dapat dilihat

74 sebagai junctional naevus yang diameternya membesar, dengan tingkatan pigmentasi yang bervariasi dan batas yang tidak beraturan. Junctional Naevus Sebuah tahi lalat berwarna coklat tua yang datar dengan batas yang jelas dan beraturan. berukuran kecil dari diameter 7 mm. mereka dapat muncul dimana saja pada kulit. Secara histologi merupakan kumpulan melanocytes pada lapisan basal tetapi cekung ke dalam lapisan dermis

Gambar 2.31 Junctional Naevus (Ashton and Leppard 1993, p131)

Gambar 2.32 Pityriasis Versi Color (Ashton and Leppard 1993, p110)

Pityriasis Versicolor Kata pityriasis maksudnya menyerupai kulit padi dan digunakan untuk kulit yang bersisik dan melepuh; versicolor maksudnya adalah warna yang berbeda-beda. Pityriasis versicolor adalah sebuah kulit bersisik dan melepuh serta dengan warna yang berbeda-beda. Pada individu yang berbeda warnanya bisa putih, coklat oranye atau coklat tua. Ukurannya kecil, kurang dari diameter 1 cm, biasanya bulat dan bersisik ketika digaruk. Beberapa dapat bergabung membentuk pertemuan plak yang besar. Ini adalah penyakit dari anak remaja yang masih muda dan biasanya muncul pada punggung atas

75 Melasma/Chloasma Bercak pigmentasi yang simetris yang muncul pada wanita di area jidat, pipi dan kumis yang akan lebih jelas terlihat setelah terkena sengatan matahari. Mereka muncul biasanya ketika hamil tetapi dapat disebabkan oleh pill kontrasepsi, atau idiophatic. Pigmentasi akan memudar setelah kejadian, tetapi akan permanen. Jarang sekali pigmentasi yang serupa terlihat pada laki-laki . Post-inflammatory Hyperpigmentation Bercak pigmentasi yang mungkin disertai dengan proses peradangan. ini lebih kelihatan pada individu dengan warna kulit yang gelap. Dapat diakibatkan karena keterlibatan dari dermo-epidemal junction oleh penyakit (eczema, psoriasis, lichen planus, acne) atau trauma (terbakar) menjadi menyerupai hiperpigmentasi. beberapa obat mungkin dapat menyebabkan pigmentasi yang besar.

Gambar 2.33 Post-inflammatory Hyperpigmentation (Ashton and Leppard 1993, p135)

Morphoea Penyakit ini berlokasi ditengah-tengah dermis dengan kolagen yang berlebihan dan kehilangan anggota badan (kelenjar keringat dan folikel rambut). Hal ini muncul di setiap usia (umumnya 20-40), dan biasanya pada wanita. Kelainan kulit ini berbentuk bulat oval dengan permukaan yang halus dan berkilat. Pinggirannya berwarna ungu atau coklat dan sementara di bagian tengah berwarna putih atau kuning. Terasa tebal

76 dibanding dengan kulit disekitarnya. Biasanya jarang kemungkinan untuk tumbuh secara linear kebawah tangan atau kaki atau pada jidat. Lokasinya cenderung berubah secara spontan.. Fixed Drug Eruption Fixed drug eruption adalah peradangan yang berbentuk bercak bulat oval dengan atau tanpa melepuh yang muncul pada tempat yang sama setiap kali obat-obatan tertentu dikonsumsi. Ketika bercak kemerahan mulai menghilang, timbullah bercak coklat gelap yang akan bertahan hingga beberapa bulan. Diagnosa dapat dibuktikan dengan memberikan obatobatan diatas dan melihat bercak kemerahan yang muncul sekitar 1 - 2 jam diatas bercak coklat. Becker's Naevus Ini merupakan bercak yang berbentuk tidak teratur berkaitan dengan tumbuhnya rambut. Biasanya terbentuk pada pertengahan remaja tetapi akan berlangsung seumumur hidupnya. Pertama-tama hal ini diawali setelah tertkena sengatan matahari. Hal ini biasanya muncul pada daerah pundak tetapi juga dapat timbul dimana saja. Morbus Hansen/Lepra Penyakit kusta adalah salah satu penyakit menular yang menahun dan yang disebabkan oleh kuman kusta. (mycobacterium leprae) yang menyerang saraf tepi, kulit dan jaringan tubuh lainnya. Kuman-kuman kusta berbentuk batang, biasanya berkelompok dan ada yang tersebar satu-satu dengan ukuran panjang 1-8 mic, lebar 0,2-0,5 mic yang bersifat tahan asam.