1 Apa yang dimaksud dengan Sistem Pakar

(Expert System)?

       Sistem Pakar adalah sebuah program komputer yang mencoba meniru atau mensimulasikan pengetahuan (knowledge) dan ketrampilan (skill) dari seorang pakar pada area tertentu. Selanjutnya sistem ini akan mencoba memecahkan suatu permasalahan sesuai dengan kepakarannya.

1.1  Pengantar Sistem Pakar

• Sistem pakar merupakan salah satu aplikasi dari kecerdasan buatan

(artificial intelligence).

• AI sendiri berakar dari keinginan manusia untuk membuat sebuah

mesin cerdas.

• Dewasa ini sistem pakar telah diaplikasikan dalam banyak bidang,

misalnya: industri manufaktur, pertanian, medis, militer de-es-be.

1.2 Sejarah Sistem Pakar

1943 Post E.L. membuktikan bahwa permasalahan-permasalahan komputasi dapat diselesaikan dengan aturan IF-THEN.

1961 General Problem Solver (GPS) oleh A. Newell and H. Simon. Adalah sebuah program yang dibangun untuk menyelesaikan permasalahan mulai dari games sampai matematika integral.

1969 DENDRAL. Dibangun di Stamford University atas permintaan NASA (Buchanan and Feigenbaum) untuk melakukan analisis kimiawi terhadap kondisi tanah di planet Mars.

1970s MCYN. Dibuat untuk diagnosa medis oleh Buchanan dan Shortliffe.

1982 R1/XCON adalah sistem pakar pertama yang dibuat oleh para peneliti di Carnegie Melon University (CMU).

1.3 Contoh Permasalahan

Contoh klasik permasalahan dalam sistem pakar adalah masalah 2 ember air. "Diberikan 2 ember air yang berkapasitas 8 litter dan 6 liter.Kita dapat mengisi satu ember dari ember lainnya dan proses penakaran 2

 Pengantar Sistem Pakar

hanya dengan memakai 2 ember tersebut. Bagaimana kita bisa mendapatkan tepat 4 liter dalam ember 8 liter. Asumsikan tidak ada air yang hilang dalam proses penakaran". Langkah penyelesaian:

1. Menentukan aksi-aksi (problem space) yang bisa mengubah kondisi pada kedua ember dalam  bentuk rule atau tree-diagram seperti dalam Gambar 1.1 Contoh kemungkinan aksi-aksi:

(a) Isi ember 8 liter.

(b) Isi ember 6 liter.

(c) Kosongkan ember 8 liter.

(d) Kosongkan ember 6 liter.

(e) Isikan seluruh air dalam ember 8 liter ke 6 liter.

(f) Isikan seluruh air dalam ember 6 liter ke 8 liter.

(g) Penuhi ember 8 liter dari 6 liter.

(h) Penuhi ember 6 liter dari 8 liter.

2. Menentukan urutan aksi untuk menghasilkan solusi, seperti:

(0,0) b→(0,6) f→ (6,0) b→(6,6) g→ (8,4) c→(0,4) f→ (4,0)

Figure 1.1: Diagram tree untuk "jug problem".

1.4 Sistem Berbasis Aturan

Sistem berbasis aturan (rule-based system) adalah sebuah program yang menggunakan aturan IF-THEN. Model ini berbeda dengan pemrograman konvensional, misalnya rule tidak harus berada pada urutan tertentu.

Contoh dari sistem berbasis aturan adalah sbb:

IF Sabtu OR Minggu THEN Nonton bioskop

IF NOT (Sabtu OR Minggu) THEN Bekerja

IF Nonton bioskop THEN Pergi keluar

IF Bekerja THEN Pergi keluar

IF NOT ( Bisa pergi keluar) THEN Tiggal di rumah

IF Cuaca baik THEN Bisa pergi keluar

IF Hujan THEN Bawa Payung

IF Hujan AND Bawa Payung THEN Bisa pergi keluar

1.5 Perbedaan Sistem Konvensional dan Sistem

Pakar:

Table 1.1: Perbandingan Sistem Konvensional dan Sistem Pakar

1.6 Data, Informasi dan Pengetahuan (knowledge)

Note:

• Data merupakan hasil pengukuran atau catatan (record) tentang sebuah kejadian (mis. suhu, waktu, harga dsb). data dapat berupa angka, huruf, gambar, suara dsb.

• Informasi merupakan hasil olahan dari data sedemikian rupa sehingga karakteristik dari data tersebut dapat diuji, misalnya ratarata, varian, distribusi dsb.

• Pengetahuan merupakan informasi yang diletakkan pada konteks/lingkungan tertentu, misalnya peta jawa, distribusi minyak di Indonesia, dsb.

• Data, informasi dan pengetahuaan dapat dikelompokkan ke dalam level abstraksi seperti ditunjukkan dalam Gambar 1.2 di bawah ini:

Figure 1.2: Diagram Data, Information dan Knowledge.

1.7 Struktur Sistem Pakar

• Secara umum struktur sebuah sistem pakar terdiri atas 3 komponenutama, yaitu: knowledge base, working memory, dan inferenceengine. Lihat Gambar 1.3.

. Pengantar Sistem Pakar

• Knowledge base (basis pengetahuan) adalah bagian dari sebuah sistempakar yang mengandung/menyimpan pengetahuan (domainknowledge). Knowledge base yang dikandung oleh sebuah sistem pakar berbeda antara satu dengan yang lain tergantung pada bidangkepakaran dari sistem yang dibangun. Misalnya, medical expertsystem akan memiliki basis pengetahuan tentang hal-hal yang berkaitandengan medis. Knowledge base direpresentasikan dalam berbagaimacam bentuk, salah satunya adalah dalam bentuk sistemberbasis aturan (ruled-based system).

• Working memory mengandung/menyimpan fakta-fakta yang ditemukanselama proses konsultasi dengan sistem pakar. Selama proses konsultasi, user memasukkan fakta-fakta yang dibutuhkan. Kemudian sistem akan mencari padanan tentang fakta tersebut dengan informasi yang ada dalam knowledge base untuk menghasilkan fakta baru. Sistem akan memasukkan fakta baru ini ke dalam working memory. Jadi working memory menyimpan informasi tentang fakta-fakta yang dimasukkan oleh user ataupun fakta baru hasil kesimpulan dari sistem.

• Inference engine bertugas mencari padanan antara fakta yang ada di dalam working memory dengan fakta-fakta tentang domain knowledge tertentu yang ada di dalam knowledge base, selanjutnya inference engine akan menarik/mengambil kesimpulan dari problem yang diajukan kepada sistem.

1.8 Heuristic Searching Sebagai Dasar dari Artificial Intelligence (AI)

• Para peneliti awal kecerdasan buatan menitik beratkan pada penyelesaian masalah yang tidak menggunakan metoda komputasi konvensional. Hal ini disebabkan metoda pemecahan masalah konvensional  tidak dapat lagi digunakan. Permasalahan pada sistem AI tidak memiliki algoritma tertentu. Kalaupun ada tentulah sangat kompleks.

• Karena itu haruslah ditemukan sebuah teknik baru yang mirip dengan cara yang digunakan oleh manusia untuk menyelesaikan masalah dan dapat diimplementasikan pada komputer.

• Salah satu metoda yang cukup terkenal adalah metoda searching.

• Searching dalam sebuah struktur data telah menjadi dasar bagi algoritma komputer, tetapi proses searching pada AI memiliki perbedaan. Metoda searching pada AI merupakan searching terhadap problem space bukan searching data (e.g., angka, karakter, string) tertentu. Proses searching ini berupa jalur yang menggambarkan keadaan awal sebuah masalah menuju kepada penyelesaian masalah yang diinginkan (i.e., the solved problem). Jalur-jalur ini mengambarkanlangkah-langkah penyelesaian masalah. Melalui proses searching menuju sebuah penyelesaian akan terbentuk sebuah solution space.

• Perhatikan contoh penyelesaian masalah komputer pada Gambar

1.4. Langkah pertama untuk mengetahui apakah komputer dapat

digunakan atau tidak adalah men-switch ON. Selanjutnya dengan melakukan inspeksi terhadap kondisi lampu indikator kita dapat menentukan langkah berikutnya. Misalnya kondisi lampu OFF. Dengan melakukan searching terhadap problem space kita akan tiba pada sebuah penyelesaian masalah agar komputer dapat diaktifkan kembali.

1.8.1 Depth-first Search

Depth-first search (DFS) adalah proses searching sistematis buta yang melakukan ekpansi sebuah path (jalur) menuju penyelesaian masalah sebelum melakukan ekplorasi terhadap path yang lain. Proses searching mengikuti sebuah path tunggal sampai menemukan goal atau dead end.

Apabila proses searching menemukan dead-end, DFS akan melakukan penelusuran balik ke node terakhir untuk melihat apakah node tersebut memiliki path cabang yang belum dieksplorasi. Apabila cabang ditemukan, DFS akan melakukan cabang tersebut. Apabila sudah tidak ada lagi cabang yang dapat dieksplorasi, DFS akan kembali ke node parent dan melakukan proses searching terhadap cabang yang belum dieksplorasi dari node parent sampai menemukan penyelesaian masalah. Urutan proses searching DFS ditunjukkan dalam Gambar 1.5 adalah: A, B, E, F, G, C, ...

1.8.2 Breadth-first Search

Breadth-first search (BFS) melakukan proses searching pada semua node yang berada pada level atau hirarki yang sama terlebih dahulu sebelum melanjutkan proses searching pada node di level berikutnya. Urutan proses searching BFS ditunjukkan dalam Gambar 1.6 adalah: A,B,C,D,E,F,

1.8.3 Hill-Climbing Search

Metoda Hill-climbing merupakan variasi dari depth-first search. Denganmetoda ini, eksplorasi terhadap keputusan dilakukan dengan cara depth-first search dengan mencari path yang bertujuan menurunkan cost untuk menuju kepada goal/keputusan. Sebagai contoh kita mencari arah menuju Tugu Pahlawan, setiap kali sampai dipersimpangan jalan kita berhenti dan mencari arah mana yang kira-kira akan mengurangi jarak menuju Tugu Pahlawan. Dengan cara demikian sebetulnya kita berasumsi bahwa secara umum arah tertentu semakin dekat ke Tugu Pahlawan.

1.8.4 Branch and Bound Search

Perhatikan Gambar 1.7 di bawah ini. Bagaimana menggunakan metodabranch and bound untuk mencari terpendek dari kota Semarang menuju kota Probolinggo?

1.8.5 Best-First Search

Best-First Search melakukan proses searching dengan cara memberikan estimasi berapa jauh node asal dari solusi yang diinginkan. Dengan metoda ini, proses dilakukan dengan melakukan ekspansi terhadap setiap node yang memiliki estimasi terpendek.

1.8.6 A∗ Search

A∗ Search merupakan gabungan antara best-first dan branch and boundsearch. Misalkan kita memberikan estimasi setiap node terhadap solusi yang diinginkan. Maka proses searching untuk mencari jarak terpendek dilakukan dengan melakukan komputasi terhadap total estimasi:

Perhatikan diagram jaringan kota pada Gambar 1.7 yang sudah dilengkapi dengan estimasi setiap kota menuju node tujuan (probilinggo) seperti ditunjukkan dalam tabel di bawah ini: