TIME
06.28
#SIP AI dan Sistem Pakar
Hubungan Artificial Intelligen dengan Sistem Pakar
Menurut
Turban pada tahun 1995, sistem pakar adalah program komputer yang menirukan
seorang pakar dengan keahlian pada suatu wilayah pengetahuan tertentu.
Permasalahan yang ditanganin seorang pakar jelas bukan hanya alogaritma,
namun lebih dari itu seorang pakar biasanya menyelesaikan masalah yang lebih
rumit dan pemahamannya sulit utuk dipahami. Sistem pakar juga demikian, bukan
hanya berisi alogaritma namun juga pengetahuan dan aturan.
Sistem pakar biasanya sering digunakan dalam bidang ekonomi, kepentingan
bisnis, keuangan, tegnologi dan kedokteran. Pada dasarnya sistem pakar di terapkan untuk mendukung aktivitas pemecahan masalah. Ternyata banyak aktivitas pemecahan masalah yang dilakuakn sistem pakar diantaranya decicion makning
(pembuat keputusan), knowledge fusing (pemaduan pengetahuan), designing (mendisain),
planning (perencanaan), forecasting (perakitan), regulating (pengaturan), controlling (pengendalian), diagnosing (mendiagnosa), prescribing (perumusan), explaining (penjelasan), advising (pemberian
nasihat), dan tutoring (pelatihan). Selain itu sistem pakar juga bisa
menjadi asistem seorang pakar (atau saingan).
Definisi sistem pakar
Dalam wikipedia, Sistem
pakar adalah suatu program komputer yang mengandung pengetahuan dari satu atau
lebih pakar manusia mengenai suatu bidang spesifik. Jenis
program ini pertama kali dikembangkan oleh periset kecerdasan buatan pada
dasawarsa 1960-an dan 1970-an dan diterapkan secara komersial selama 1980-an.
Beberapa tokoh yang mendefinisiskan sistem pakar
diantaranya, Martin dan Oxman pada tahun 1988, mendefinisikan “sistem pakar
sebagai sistem berbasis komputer yang menggunakan pengetahuan, fakta dan teknik
penalaran dalam memecahkan masalah yang biasanya hanyadapat di pecahkan oleh
seorang pakar”. William Stubblefield dan George F. Lugger tahun 1993,
menjelaskan bahwa s ”istem pakar adalahsuatu program yang dapat menirukan
seorang pakar”. E Fraim Turban, menjelaskan bahwa “sistem pakar adalah
sebuah program yang mengkomputerisasikan laporan yang mencoba untuk menirukan
proses pemikiran dan pengetahuan dari pakar-pakar
dalam menyelesaikan masalah”. Garratano dan Riley tahun
1989, menjelaskan bahwa ”sistem pakar adalah suatu sistem
komputer yang bisa menyamai atau meniru kemampuan seorang pakar”.
Ciri-ciri Sistem Pakar
1. Terbatas
pada domain keahlian tertentu (bidang yang spesifik),
2. Dapat
memberikan penalaran untuk data yang tidak pasti dan lengkap,
3. Dapat
mengemukakan rangkaian alasan – alasan yang diberikan dengan cara yang
bisa dipahami,
4. Berdasarkan
aturan atau rule tertentu, Dirancang untuk dapat dikembangkan secara
bertahap agar bisa menghasilkan informasi yang lebi baik dan akurat,
5. Pengetahuan
dan mekanisme penalaran jelas terpisah, Keluarnya bersifat anjuran.
6. Outpunya
bersifat mesihat atau anjuran, tergentung dari dialog user.
7. Knowladge
base dan inference engine terpisah.
Keuntungan Sistem Pakar vs Kelemahan Sistem Pakar
Keuntungan
|
kelemahan
|
Membuat orang yang masih awam dapat bekerja
seperti layaknya seorang pakar
|
Membuat nilai seorang pakar akan berkurang,
karena keahliannya di gantikan teknlogi
|
Meningkatkan produktifitas akibat meningkatnya
kualitas hasil kerja
|
Sulit dikembangkan, kerena ketersediaan pakar
dibidangnya kurang
|
Menghemat waktu kerja
|
Sistem pakar tidak 100% bernilai benar
|
Menyederhanakan pekerjaan
|
Sistem pakar sulit untuk dibuat
|
Memperluas jangkauan dari keahlian seorang pakar
|
memerlukan pertimbangan dan kesimpulan
berdasarkan data yang tidak lengkap
|
Bisa melakukan proses secara berulang dan
otomatis.
|
Mengidentifikasi aturan inferensi yang
diperlukan tergantung pada kerjasama dari seorang ahli
|
Menyimpan pengetahuan dan keahlian para pakar
|
Sistem pakar tidak dapat melakukan observasi,
hanya berdasarkan teknik wawancara.
|
Mampu mengambil dan melestarikan keahlian
para pakar
|
Biaya yang diperlukan untuk membuat dan
memeliharanya sangat mahal
|
Memiliki kemampuan untuk mengakses
pengetahuan
|
|
Memiliki reliabilitas
|
Jenis-jenis Sistem Pakar
1. Interpretasi : Menghasilkan deskripsi situasi berdasarkan data
sensor.
2. Prediksi : Memperkirakan
akibat yang mungkin dari situasi yang
diberikan.
3. Diagnosis : Menyimpulkan kesalahan sistem berdasarkan gejala
(symptoms).
4. Disain : Menyusun
objek-objek berdasarkan kendala.
5. Planning : Merencanakan
tindakan
6. Monitoring : Membandingkan hasil pengamatan dengan proses
perencanaan.
7. Debugging : Menentukan
penyelesaian dari kesalahan sistem.
8. Reparasi : Melaksanakan
rencana perbaikan.
9. Instruction : Diagnosis, debugging, dan reparasi kelakuan pelajar.
10. Control : Diagnosis, debugging, dan reparasi kelakuan sistem.
Contoh Sistem Pakar
1. MYCIN : Diagnosa penyakit
2. DENDRAL
: Mengidentifikasi struktur molekular campuran yang tak
dikenal
3. XCON
& XSEL : Membantu konfigurasi sistem komputer besar
4. SOPHIE
: Analisis sirkit elektronik
5. Prospector
: Digunakan di dalam geologi untuk membantu mencari dan menemukan deposit.
6. FOLIO
: Membantu memberikan keutusan bagi seorang manajer
dalam hal stok broker dan investasi.
7. DELTA
: Pemeliharaan lokomotif listrik disel
Komponen Sistem Pakar
1. Sub-sistem
Penambah Pengetahuan.
2. Basis
Pengetahuan, merupakan suatu jenis basis data yang dipergunakan
untuk manajemen
pengetahuan. Basis data ini menyediakan fasilitas untuk
koleksi,organisasi
dan pengambilan pengetahuan terkomputerisasi.
3. Mesin
Inferensi, merupakan elemen inti dari sistem intelejensia buatan.
BlackBoard, merupakan memori atau lokasi untuk
bekerja dan menyimpan
hasil sementara. Biasanya berupa sebuah basis data
Interface.
4. Subsistem
Penjelasan, merupakan kemampuan untuk menjejak (tracing) bagaimana suatu
kesimpulan dapat diambil merupakan hal yang sangat penting untuk transfer
pengetahuan dan pemecahan masalah. Komponen subsistem penjelasan harus dapat
menyediakannya yang secara interaktif menjawab pertanyaan pengguna .
5. Subsistem
Penyaring Pengetahuan. Seorang pakar mempunyai sistem penghalusan pengetahuan,
artinya, mereka bisa menganalisa sendiri performa mereka, belajar dari
pengalaman, serta meningkatkan pengetahuannya untuk konsultasi berikutnya. Pada
Sistem Pakar, swa- evaluasi ini penting sehingga dapat menganalisa alasan
keberhasilan atau kegagalan pengambilan kesimpulan serta memperbaiki basis pengetahuannya.
ELIZA
ELIZA salah diperkenalkan oleh Joseph Weizenbaum tahun 1966. ELIZA
merupakan program komputer dan sebuah contoh awal dari primitif
pengolahan bahasa alami . ELIZA dioperasikan oleh tanggapan
pengolahan pengguna untuk script, yang paling terkenal
yang DOKTER,simulasi dari psikoterapis
Rogerian . Menggunakan informasi hampir tidak ada tentang pemikiran
manusia atau emosi, DOKTER terkadang memberikan mengejutkan mirip manusia
interaksi.
PARRY
PARRY adalah sebuah contoh awal dari sebuah chatterbot, oleh
psikiater Kenneth Colby. Parry Colby, Hilf, Webber dan Kraemer tahun
1972, mensimulasikan seorang pasien, dan menyebut program ini PARRY, karena ia
mesimulasikan seorang pasian paranoid. Mereka memilih seorang paranoid sebagai
subyek karena beberapa teori menyebutkan bahwa proses dan sistem paranoia
memanga ada, perbedaan respon psikotis dan respon normalnya cukup hebat, dan
mereka bisa menggunakan penilaian dari seorang ahli untuk mengecek keakuratan
dari kemampuan pemisahan antara respon simulasi komputer dan respon
manusia.
Program menerapkan model mentah dari perilaku skizofrenia paranoid berdasarkan
konsep, konseptualisasi, dan keyakinan. Hal ini juga diwujudkan strategi
percakapan, dan dengan demikian, PARRY adalah sebuah program yang jauh lebih
serius dan maju daripada ELIZA. Itu digambarkan sebagai "ELIZA dengan
sikap"
Pada awal tahun 1970, PARRY diuji dengan menggunakan variasi dari Turing
Test. Sekelompok psikiater yang berpengalaman menganalisis kombinasi
pasien nyata dan komputer yang menjalankan PARRY
melalui teleprinter . Kelompok lain dari 33 psikiater
ditunjukkan transkrip percakapan. Kedua kelompok kemudian diminta untuk
mengidentifikasi mana dari "pasien" yang manusia dan yang program
komputer. Psikiater mampu membuat identifikasi yang benar hanya 48 persen
dari waktu .
NETtalk
NETtalk adalah jaringan saraf tiruan. Yang merupakan adalah
hasil penelitian yang dilakukan pada pertengahan 1980 oleh Terrence
Sejnowski dan Charles Rosenberg. Maksud di balik NETtalk adalah untuk
membangun model sederhana yang mungkin menjelaskan kompleksitas tugas-tugas
belajar tingkat kognitif manusia, dan pelaksanaannya sebagai model koneksionis
yang juga bisa belajar untuk melakukan tugas yang sebanding.
NETtalk adalah sebuah program yang belajar mengucapkan teks bahasa Inggris yang
ditulis dengan menjadi teks yang ditampilkan sebagai masukan dan pencocokan
transkripsi fonetik untuk perbandingan.NETtalk progam ini jenisnya cukup
berbeda, berdasarkan pada jaring jaring neuron, sehinnga dinamakan NETtalk.
Dalam program ini, NETtalk membaca tulisan dan mengucapkannya keras-
keras. Para penulis mencatat bahwa belajar membaca melibatkan mekanisme
kompleks yang melibatkan banyak bagian dari otak manusia.
NETtalk tidak secara khusus model tahapan pengolahan citra dan pengenalan huruf
dari korteks visual. Sebaliknya, ia menganggap bahwa surat telah
pra-diklasifikasikan dan diakui, dan urutan surat ini terdiri dari kata-kata
tersebut kemudian ditampilkan ke jaringan saraf selama pelatihan dan selama
pengujian kinerja. Adalah tugas NETtalk untuk belajar asosiasi yang tepat
antara pengucapan yang benar dengan urutan tertentu huruf berdasarkan konteks
di mana huruf tersebut akan muncul. Dengan kata lain NETtalk belajar untuk
menggunakan huruf sekitar fonem saat diucapkan yang memberikan isyarat untuk
pemetaan dimaksudkan fonemik nya.
Langkah mendesain sistem pakar
Mengidentifikasi masalah, Tahapan
identifikasi merupakan tahapan untuk menganalisa permasalahan yangada.
Tujuannya adalah untuk mengidentifikasi, mengkarakterisasi, dan mendefinisikan
masalah sistem akan diharapkan untuk memecahkan masalah dan kemudian partisi ke
yang sesuai sub-tugas. Dan Ditentukan batasan masalah yang akan dianalisa,
sistem pakar yang terlibat, sumber daya yangdiperlukan dan tujuan yang
akan dicapai.
Konseptualisasi fase, Setelah masalah didefinisikan, sumber daya yang
diperlukan untuk memperoleh pengetahuan, penerapan sistem, dan pengujian sistem
diidentifikasi, dari konsep tersebut unsur-unsur yang terlibat akan
dirinci dan dikaji hubungan antara unsur serta mekanisme pengendalian
yang diperlukan untuk mencapai sebuah solusi yang terbaik. Sumber
daya yang khas mencakup pengetahuan, waktu, fasilitas komputasi, dan
uang. Karena sistem pakar yang mahal dan satu menciptakan membutuhkan
waktu yang cukup, studi kelayakan sering dilakukan sebelum pekerjaan
berlangsung melampaui titik ini. Selain mengidentifikasi sumber daya, analis sistem
pakar atau desainer juga mengidentifikasi tujuan sistem dan tujuan. Hal
ini membantu untuk mengidentifikasi dan mendokumentasikan tujuan eksplisit
karena pendekatan desain tertentu, seperti pencarian heuristik, luas pencarian,
pencarian mendalam, dan penalaran adalah tujuan-driven. dimana pengetahuan dan
pakar menentukan konsep yang kemudian dikembangkan menjadi suatu sistem
pakar.
Tahap
Formalisasi, Tahap formalisasi melibatkan konsep kunci pemetaan, sub-masalah,
dan karakteristik arus informasi diisolasi selama konseptualisasi menjadi
representasi yang lebih formal berdasarkan pengetahuan teknik pemecahan masalah
dan berbagai alat dan kerangka representasi pengetahuan. Tujuan utama adalah
untuk mengidentifikasi ruang solusi (domain dengan koleksi semua kemungkinan
solusi), ruang hipotesis (ruang solusi hipotetis), yang mendasari model, dan
karakteristik dari data.
Untuk menentukan struktur ruang hipotesis, para analis sistem atau desainer
harus merumuskan konsep (pengetahuan dalam format abstrak yang dapat digunakan
untuk memandu proses pencarian atau penalaran) dan menentukan bagaimana mereka
bergabung untuk membentuk hipotesis. Konsep memberikan petunjuk tentang
sifat dari ruang seperti seolah-olah itu terbatas, jika sebuah hirarki harus
dipertimbangkan, jika tingkat tertentu abstraksi dapat diterapkan, dan jika
kelas tertentu dari konsep tersebut harus dihasilkan. Teknik pencarian
seperti pencarian buta, pencarian heuristik, dan abstrak ruang solusi yang
sering digunakan. Penalaran teknik seperti bangunan asumsi, bangunan
pembenaran, dan kendala dan teknik tujuanmembantu untuk mengidentifikasi model
yang mendasari proses yang digunakan untuk menghasilkan solusi dalam domain.
Sistem
fase desain, Selama fase desain sistem (kadang-kadang disebut fase desain
logis) analis atau desainer menentukan bagaimana sistem akan memenuhi
persyaratan diidentifikasi selama tiga fase sebelumnya. Biasanya, laporan
dan output lainnya sistem harus menghasilkan didefinisikan terlebih
dahulu. Fase ini mirip dengan tahap desain dalam siklus pengembangan
sistem kehidupan tradisional. Catatan, bagaimanapun, bahwa skema
representasi yang digunakan untuk menggambarkan pengetahuan berbeda dari
metodologi tradisional.
Sistem
tahap pengembangan, Sebuah prototipe sistem pakar dibuat selama pengembangan
sistem (atau desain fisik) tahap. Tahap ini mirip dengan tahap
pengembangan dalam siklus hidup pengembangan sistem tradisional.
Pengujian
dan tahap evaluasi, Selama fase ini, sistem prototipe
dievaluasi. Fase ini sejajar tahap pengujian dalam siklus hidup
pengembangan sistem tradisional. Namun, di samping alat-alat pengujian dan
teknik yang dijelaskan dalam Bagian VII, sistem pakar menggunakan teknik pengujian
dinamis untuk memverifikasi penalaran atau proses inferensi.
Prototipe
revisi fase, Sistem pakar berkembang dari waktu ke waktu, menyerukan revisi
hampir konstan, seorang ahli sifat sistem berbagi dengan prototipe
kebanyakan. Berdasarkan hasil dari tahap pengujian atau evaluasi, konsep
dan hubungan yang halus, ruang solusi, model, dan karakteristik data reformalized,
dan sistem ini didesain ulang.
Referensi
Fattah, H,A.(2009).Rekayasa sistem pengenalan wajah. Yogyakarta: AndiOffset.
Kusrini, R. (2006).Sistem pakar dan
teori aplikasi. Yogyakarta: AndiOffset.
Ma’arif, M. S., Tanjung,
H.(2003). Manajemen Operasi. Jakarta :Gramedia
Solso, R. L., Maclin, O. H., Maclin,
M. K. (2009). Psikologi Kognitif. Jakarta: Erlangga
Matthews, Robert. (2008). 25
gagasan Besar sains yang mengubah dunia kita. Jakarta : Serambi Ilmu Semesta