BAB 2 TINJAUAN TEORI

BAB 2

TINJAUAN TEORI

2.1 Kecerdasan Buatan Intelligence atau inteligensia adalah seorang yang pandai melakukan pengetahuan yang dimilikinya. Dengan pengertian tersebut di atas maka dapat ditarik suatu kesimpulan, walaupun seseorang banyak memiliki pengetahuan, tetapi bila ia tidak dapat melaksanakan dalam praktik, maka ia tidak dapat digolongkan dalam inteligensia. Dengan kata lain, inteligensia adalah kemampuan manusia untuk memproleh pengetahuan dan pandai melaksanakannya dalam praktik. Hal ini berarti kemampuan berfikir dan menalar. Pada batas-batas tertentu artificial intelligence memungkinkan komputer dapat menerima pengetahuan dari input manusia dan menggunakan pengetahuannya itu melalui simulasi proses penalaran dan berfikir manusia untuk memecahkan berbagai masalah. Bagian utama artificial intelligence adalah pengetahuan atau knowledge, suatu pengertian tentang beberapa wilayah subjek yang diperoleh melalui pendidikan dan pengalaman. Walaupun komputer tidak mungkin mendapat pengalaman atau belajar dan meneliti seperti manusia, tetapi ia dapat memperoleh pengetahuan yang dibutuhkannya itu, melalui upaya yang diberikan oleh seorang pakar manusia. Dengan basis pengetahuan dan kemampuan untuk menarik kesimpulan menggunakan inferensi, komputer dapat disejajarkan sebagai alat bantu yang dapat digunakan secara praktis dalam memecahkan masalah dan pengambilan keputusan. Pada gambar berikut ditunjukkan penerapan konsep AI dalam komputer.

Universitas Sumatera Utara

Komputer INPUT (Question, Problem))

KNOWLEDGE BASE

INFERENCING CAPABILITY

OUTPUT (answer, solution,etc)

Gambar 2.1 Penerapan Konsep AI dalam komputer Dengan teknik pelacakan basis pengetahuan untuk mencari fakta dan hubungannya yang relevan, komputer dapat mencapai satu atau lebih solusi aternatif pada masalah yang diberikan. Basis pengetahuan komputer dan kemampuan inferensi telah meningkatkan daya guna komputer bagi manusia.

2.2 Sistem Pakar

Secara umum sistem pakar (expert system) adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer. Sistem pakar yang baik dirancang agar dapat menyelesaikan suatu permasalahan tertentu dengan meniru kerja dari para ahli. Dengan sistem pakar ini, orang awam pun dapat meyelesaikan masalah yang cukup rumit yang sebenarnya hanya dapat diselesaikan dengan bantuan para ahli. Bagi para ahli, sistem pakar ini juga akan membantu aktivitasnya. Ada beberapa definisi tentang sistem pakar, antara lain:

1. Menurut Durkin: Sistem pakar adalah suatu program komputer yang dirancang untuk memodelkan kemampuan penyelesaian masalah yang dilakukan oleh seorang pakar. 2. Menurut Ignizio: Sistem pakar adalah suatu model dan prosedur yang berkaitan dalam suatu domain tertentu yang mana tingkat keahliannya dapat dibandingkan dengan keahlian seorang pakar.


3. Menurut Girattano dan Riley: Sistem pakar adalah suatu sistem komputer yang bisa menyamai atau meniru kemampuan seorang pakar (Sri Kusumadewi, 2003).

Pada dasarnya sistem pakar diterapkan untuk mendukung aktivitas pemecahan masalah. Beberapa aktivitas pemecahan yang dimaksud antara lain: pembuatan keputusan (decision making), pemanduan pengetahuan (knowledge fusing), pembuatan desain (designing), perencanaan (planning), prakiraan (forecasting), pengaturan (regulating), pengendalian (controlling), diagnosis (diagnosing), perumusan (prescribing), penjelasan (explaining), pemberian nasihat (advising) dan pelatihan (tutoring). Selain itu sistem pakar juga dapat berfungsi sebagai asisten yang pandai dari seorang pakar (Kusrini, 2006).

Sistem pakar merupakan program-program praktis yang menggunakan strategi heuristik yang dikembangkan oleh manusia untuk menyelesaikan permasalahanpermasalahan yang spesifik (khusus), disebabkan oleh keheuristikannya dan sifatnya yang berdasarkan pada pengetahuan sehingga umumnya sistem pakar mempunyai ciri-ciri sebagai berikut (Kusrini, 2006):

1. Terbatas pada domain keahlian tertentu. 2. Berdasarkan pada kaidah/rule tertentu. 3. Dapat digunakan dalam berbagai jenis komputer. 4. Mudah dimodifikasi, yaitu dengan menambah atau menghapus suatu kemampuan dari basis pengetahuannya. 5. Sistem dapat mengaktifkan kaidah secara searah yang sesuai, dituntun oleh dialog dengan pemakai.


Secara garis besar, banyak manfaat yang dapat diambil dengan adanya sistem pakar, antara lain (Sri Kusumadewi, 2003):

1. Membuat seorang yang awam bekerja seperti layaknya seorang pakar. 2. Meningkatkan

produktivitas

akibat

meningkatnya

kualitas

hasil

pekerjaan,

meningkatnya kualitas pekerjaan ini disebabkan meningkatnya efisiensi kerja. 3. Menghemat waktu kerja. 4. Menyederhanakan pekerjaan. 5. Merupakan arsip terpercaya dari sebuah keahlian, sehingga bagi pemakai sistem pakar seolah-olah berkonsultasi langsung dengan sang pakar, meskipun mungkin sang pakar telah tiada. 6. Memperluas jangkauan, dari keahlian seorang pakar. Di mana sebuah sistem pakar yang telah disahkan, akan sama saja artinya dengan seorang pakar yang tersedia dalam jumlah besar (dapat diperbanyak dengan kemampuan yang persis sama), dapat diperoleh dan dipakai di mana saja.

Di samping memiliki beberapa manfaat, sistem pakar juga memiliki beberapa kelemahan, antara lain (Sri Kusumadewi, 2003):

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. Sistem pakar tidak 100% bernilai benar. Sistem pakar dibuat pada wilayah pengetahuan tertentu untuk suatu kepakaran tertentu yang mendekati kemampuan manusia di salah satu bidang. Sistem pakar mencoba mencari solusi yang tepat sebagaimana yang dilakukan oleh seorang pakar. Selain itu, sistem pakar juga dapat memberikan penjelasan terhadap langkah yang diambil dan memberikan alasan atas saran atau kesimpulan yang ditemukannya. Suatu sistem pakar disusun dalam tiga modul utama (Kusrini, 2006), yaitu:


1. Modul Akusisi Pengetahuan Pada saat sistem berada pada modul ini, sistem menerima pengetahuan dari pakar. Proses mengumpulkan pengetahuan-pengetahuan yang akan digunakan untuk pengembangan sistem, dilakukan dengan bantuan knowledge engineer. Peran knowledge engineer adalah sebagai penghubung antara suatu sistem pakar dengan pakarnya.

2. Modul Konsultasi Pada saat sistem berada pada posisi ini, sistem memberikan jawaban atas permasalahan yang diajukan oleh user. Pada modul ini, user berinteraksi dengan sistem dengan menjawab pertanyaan-pertanyaan yang diajukan oleh sistem.

3. Modul Penjelasan Modul ini menjelaskan proses pengambilan keputusan oleh sistem (bagaimana suatu keputusan dapat diperoleh). Secara umum ada beberapa kategori dan area permasalahan sistem pakar, yaitu: 1. Interpretasi: Membuat kesimpulan atau deskripsi dari sekumpulan data mentah. 2. Prediksi: Memproyeksikan akibat-akibat yang dimungkinkan dari situasi-situasi tertentu. 3. Diagnosis: Menentukan sebab malfungsi dalam situasi kompleks yang didasarkan pada gejala-gejala yang teramati. 4. Desain: Menentukan konfigurasi komponen-komponen sistem yang cocok dengan tujuan-tujuan kinerja tertentu yang memenuhi kendala-kendala tertentu. 5. Perencanaan: Merencanakan serangkaian tindakan yang akan dapat mencapai sejumlah tujuan dengan kondisi awal tertentu. 6. Debugging dan Repair: Menentukan dan menginterprestasikan cara-cara untuk mengatasi malfungsi. 7. Instruksi: Mendeteksi dan mengoreksi defisiensi dalam pemahaman domain subjek. 8. Pengendalian: Mengatur tingkah laku suatu environment yang kompleks. 9. Selection: Mengidentifikasikan pilihan terbaik dari sekumpulan kemungkinan.


10. Simulation: Pemodelan interaksi antara komponen-komponen sistem. 11. Monitoring: Membandingkan hasil pengamatan dengan kondisi yang diharapkan.

2.2.1 Komponen Sistem Pakar Komponen yang terdapat dalam sistem pakar adalah: 1. Antarmuka Pengguna (User Interface) Antarmuka pengguna merupakan perangkat lunak yang menyediakan media komunikasi antara pengguna dengan sistem. Antarmuka menerima informasi dari pemakai dan mengubahnya kedalam bentuk yang dapat diterima oleh sistem. Pada bagian ini terjadi dialog antara program dan pemakai, yang memungkinkan sistem pakar menerima instruksi dan informasi (input) dari pemakai, juga memberikan informasi (output) kepada pemakai.

2. Basis Pengetahuan Basis pengetahuan mengandung pengetahuan untuk pemahaman, formulasi, dan penyelesaian masalah yang dapat berasal dari pakar, jurnal, majalah, dan sumber pengetahuan lain.

3. Akusisi Pengetahuan (Knowledge Acquisition) Akuisisi pengetahuan merupakan tranformasi keahlian dalam menyelesaikan masalah dari sumber pengetahuan kedalam program komputer. Terdapat empat metode utama dalam akuisisi pengetahuan, yaitu: wawancara, analisis protocol, observasi pada pekerjaan pakar dan induksi aturan dari contoh.

4. Mesin Inferensi Mesin inferensi merupakan perangkat lunak yang melakukan penalaran dengan menggunakan pengetahuan yang ada untuk menghasilkan suatu kesimpulan atau hasil akhir. Dalam komponen ini dilakukan permodelan proses berfikir manusia.


5. Fasilitas Penjelasan Fasilitas penjelasan adalah komponen tambahan yang akan meningkatkan kemampuan sistem pakar. Komponen ini menggambarkan penalaran sistem kepada pemakai dengan cara menjawab pertanyaan-pertanyaan.

6. Workplace Workplace merupakan area dari sekumpulan memori kerja yang digunakan untuk merekam hasil-hasil dan kesimpulan yang dicapai.

7. Perbaikan Pengetahuan Pakar memiliki kemampuan untuk menganalisis dan meningkatkan kinerjanya serta kemampuan untuk belajar.

Komponen-komponen sistem pakar dalam kedua bagian tersebut dapat dilihat pada Gambar 2.2. LINGKUNGAN KONSULTASI Pemakai

Antar Muka

LINGKUNGAN PENGEMBANGAN

Fakta tentang Kejadian tertentu

Basis Pengetahuan: Fakta dan aturan

Fasilitas Pen jelasan Knowledge Enginner Akuisisi Pengetahuan

Mesin Inferensi

Pakar

Aksi yang direkomendasikan

Blackboard Solusi, Rencana

Perbaikan Pengetahuan

Gambar 2.2 Komponen sistem pakar


2.3 Teknik Pelacakan

Basis pengetahuan hanyalah sekumpulan fakta yang terkait tentang suatu subjek, juga merupakan kumpulan informasi yang telah terorganisasi. Pemanfaatan basis pengetahuan yang telah tersimpan dalam memori komputer diperlukan beberapa jenis mekanisme inferensi yang mengacu pada basis pengetahuan agar dapat melakukan penalaran dan mengambil kesimpulan. Jika basis pengetahuan telah dibangun, maka akan dengan mudah menjawab pertanyaan penting, memecahkan masalah, menyadap keahlian, dan mengambil suatu keputusan penting.

Metode penggunaan basis pengetahuan yang utama adalah pelacakan, yaitu teknik mencari jawaban atau pertanyaan dengan cara menguji berbagai alternatif yang ada dengan cara ”trial and error”. Pelacakan mengarah pada fakta-fakta baru dan akhirnya sampai pada suatu jawaban atau solusi. Dalam pencarian ada dua kemungkinan hasil yang didapat yaitu menemukan dan tidak menemukan. Sehingga pencarian merupakan teknik yang penting dalam Artifisial Inteligence (AI). Hal penting dalam menentukan keberhasilan sistem berdasar kecerdasan adalah kesuksesan dalam pencarian dan pencocokan.

Keberhasilan dan kualitas pencarian diukur dari empat cara, yaitu:

1. Kelengkapan (Completeness) Apakah algoritma pencarian menjamin untuk mendapatkan sebuah penyelesaian jika ada penyelesaian. 2. Optimal (Optimality) Apakah algoritma pencarian akan mendapatkan penyelesaian optimal (misal: penyelesaian dengan biaya lintasan minimun) 3. Kekompleksan waktu (Time Complexity) Berapa lama waktu yang digunakan untuk menyelesaikan permasalahan. 4. Kekompleksan ruang (Space Complexity) Berapa banyak memori yang dibutuhkan untuk melakukan pencarian.


Terdapat beberapa algoritma pendukung pencarian yang dapat digunakan untuk membantu memecahkan permasalahan yang kompleks, misalnya: algoritma Depth First Search, algoritma Bread First search, algoritma Trial and error searching, algoritma Tree Search, Optimun Searching, dan Best First Searching.

2.3.1 Algoritma Depth First Search (DFS)

Pada algoritma DFS, pencarian dilakukan pada satu node dalam setiap level dari yang paling kiri. Jika pada level yang paling dalam solusi belum ditemukan, maka pencarian dilanjutkan pada node sebelah kanan. Node yang di kiri dapat dihapus dari memori. Jika pada level yang paling dalam belum ditemukan solusi, maka pencarian dilanjutkan ke level sebelumnya. Demikian seterusnya sampai ditemukannya solusi. Jika solusi ditemukan, maka tidak diperlukan proses backtracking (penelusuran untuk mendapatkan jalur yang diinginkan). Beberapa kelebihan dari algoritma DFS adalah pemakaian memori hanya sedikit karena hanya menyimpan lintasan yang aktif saja. Selain itu kelebihannya adalah jika solusi berada pada level yang paling dalam dan paling kiri, maka DFS akan menemukannya secara cepat. Misal suatu ruang keadaan masalah ditunjukkan dengan suatu seperti gambar berikut ini.


S

A

B

C

E

D

F

G

Gambar 2.3 Tree untuk Algoritma Depth First Search

Dalam pencarian menggunakan algoritma DFS, simpul-simpul yang paling dalam pada tree yang akan dicari paling awal. Sebagai contoh pada Gambar 2.3. Urutan pencarian keadaan awal (S) sampai keadaan tujuan (G) adalah dimulai dari node S, kemudian ke node A, kemudian ke node B, kemudian ke node C, setelah itu akan melewati node B kembali dan menuju ke node E, selanjutnya akan menuju node D, setelah itu akan menuju node F setelah melewati node E, dan yang terakhir akan menuju node G.

Adapun algoritma DFS berisi antara lain: 1. Bentuk satu elemen Queue yang terdiri dari root node. 2. Until Queue empty, atau goal sudah dicapai, maka tentukan apakah elemen pertama dalam Queue adalah goal node. a. Jika elemen pertama adalah goal node, maka keluar.


b. Jika elemen pertama tidak goal, maka remove elemen pertama dari Queue dan add anak elemen pertama. 3. Jika goal node sudah ditemukan maka sukses maka yang lain gagal.

Keuntungan penggunaan algoritma ini adalah sebagai berikut.

1. DFS membutuhkan memori yang kecil karena hanya simpul dalam path yang disimpan. 2. DFS mungkin menemukan sebuah solusi tanpa menguji banyak jangkauan pencarian. Hal ini berlawanan dengan algoritma Bread First Search dimana semua bagian dari pohon harus diuji sampai ke level n sebelum simpul n+1 dapat diuji. Hal ini perlu jika banyak solusi yang tersedia. DFS berhenti ketika salah satu solusi ditemukan.

Proses pencarian ini akan dengan cepat mencapai kedalaman ruang pencarian. Jika diketahui bahwa lintasan solusi problema akan panjang, maka pencarian DFS tidak memboroskan waktu untuk melakukan pencarian sejumlah besar keadaan ’dangkal’ dalam graf problema. Pencarian DFS jauh lebih efisien untuk pencarian dengan banyak percabangan, karena tidak perlu harus mengevaluasi semua simpul pada suatu tingkat tertentu pada daftar open. Ruang yang dipakai dalam proses pencarian ini merupakan fungsi linier dari panjang lintasan.

Dibawah ini akan dijelaskan beberapa algoritma lain yaitu algoritma Bread First Search dan Best First search. Kedua algoritma ini juga dapat digunakan sebagai inferensi dalam mendapatkan solusi dalam permasalahan dalam sistem pakar. Dimana masingmasing algoritma mempunyai kekurangan dan kelebihan.

2.3.2 Algoritma Bread First Search (DFS)

Prosedur pencarian pelebaran pertama (bread-first search) akan dilakukan dengan mencari semua lintasan yang panjangnya 1 (yang panjangnya berhingga), dan kemudian


akan mengamati semua lintasan dengan panjang 2 (yang panjangnya juga berhingga). Proses ini terus dilanjutkan sampai semua lintasan dengan panjang N telah diamati, sehingga solusipun dapat diproleh. Akibatnya, prosedur ini akan menjamin ditemukannya solusi. Namun, terdapat tiga yang menjadi persoalan utama sehubungan dengan prosedur tersebut yaitu: 1. Memerlukan memori yang besar. Jumlah simpul (node) di setiap tingkat dari pohon (tree) bertambah secara ekspononsial terhadap jumlah tingkat, dan kesemuanya itu harus disimpan sekaligus. 2. Membutuhkan sejumlah besar pekerjaan, khususnya jika lintasan solusi terpendek cukup panjang. Karena jumlah simpul yang diperlukan untuk diperiksa bertambah secara eksponensial. 3. Ketidakrelevanan operator akan menambah jumlah simpul yang harus diperiksa dengan sangat besar.

S

A

C

B

D

F

E

G

H

Gambar 2.4 Tree untuk Algoritma Bread First Search


2.3.3 Algoritma Best First Search

Algoritma best first search merupakan metode yang membangkitkan suksesor dengan mempertimbangkan harga dari setiap node, gambar dibawah ini akan mengilustrasikan langkah-langkah yang dilakukan oleh algoritma best first search. Pertama kali, dibangkitkan dari node A. Kemudian semua sukseor A dibangkitkan, dan dicari harga yang minimal. Pada langkah 2, node D dibangkitkan, kemudian harganya akan dibandingkan dengan harga node B dan C. Ternyata harga node B paling kecil dibandingkan harga node C, E, dan F. Sehingga B terpilih dan selanjutnya akan dibangkitkan semua suksesor B. Demikian seterusnya sampai ditemukannya node tujuan.

A

A

B

C

A

D

B

C

D

E

F

A

B

G

C

H

D

E

F

Gambar 2.5 Langkah Algoritma Best First Search


2.4 Penyakit Paru

Penyakit paru adalah penyakit yang sangat berbahaya bahkan dapat menghilangkan nyawa manusia. Di bawah ini beberapa penyakit paru adalah sebagai berikut.

1. Pneumonia Pneumonia merupakan salah satu penyakit paru yang menyebabkan suatu daerah perselubungan yang berbatas tegas yang didalamnya terdapat daerah yang masih terisi udara dan atau bronkhi yang berisi udara (air bronchogram). Biasanya pneumonia meyebabkan adanya opasitas yang tidak jelas dan tersebar pada beberapa bagian paru. Pasien yang dicurigai menderita pneumonia akan ditemukannya gejala berikut. a. Demam b. Batuk c. Sesak nafas d. Nyeri pleuritik.

Pengobatan Pemberian oksigen kepada pasien, dan melakukan analisis gas darah sebelum memulai terapi oksigen

2. Alveolitis Alveolitis merupakan penyakit paru akibat hipersensifitas terhadap inhalasi debu organik dan mungkin terjadi akut, subakut atau kronis. Pasien yang dicurigai menderita alveolitis ditandai dengan gejala berikut. a. Sesak nafas b. Demam c. Terjadi penurunan berat badan d. Terjadi derak yaitu inspirasi lambat bilateral yang terdengar biasanya didaerah basis paru, tetapi kadang-kadang diseluruh lapangan paru.


Pengobatan Pemberian kortikosteroid

3. Trombo-emboli Akuta Trombo-emboli Akuta merupakan jenis penyakit paru yang diakibatkan obstruksi yang banyak pada sirkulasi paru. Pasien yang dicurigai menderita penyakit tomboemboli Akuta adalah sebagai berikut. a. Sesak nafas b. Nyeri dada c. Terjadi Hemoptitis d. Berkeringat.

Pengobatan Pemberian Antikoagulan dengan heparin dalam dosis awal 5.000 unit dilanjutkan dengan infus intravena terus menerus 1.000-1.500 unit setiap jam. Berikan oksigen kepada pasien

4. Pneumotoraks Pneumotoraks merupakan penyakit paru yang diakibatkan masuknya udara dalam rongga pleura. Pasien dicurigai menderita penyakit ini ditandai dengan gejala sebagai berikut. a. Sesak nafas b. Suara nafas menderu c. Pucat.

Pengobatan: Pengeluaran udara dari rongga pleura yaitu dengan melakukan aspirasi sederhana.

5. Hipoventilasi.


Hipoventilasi merupakan penyakit paru yang disebabkan oleh kegagalan ventilasi pada paru. Pasien dicurigai menderita penyakit ini ditandai dengan gejala sebagai berikut. a. Terjadi diuresis yaitu mimpi buruk yang sering terjadi atau terbangun pada malam hari akibat sesak nafas. b. Sakit kepala di pagi hari c. Terjadi penurunan libido d. Mengantuk sepanjang hari.

Pengobatan Jangan memberikan oksigen tanpa melakukan pengukuran gas darah sebelum dan selama pengobatan. Jangan memberikan sedatif. Jika pasien gemuk, diet harus dilaksanakan.


BAB 2 TINJAUAN TEORI

Recommend Documents