TUGAS-2 MATA KULIAH SISTEM PAKAR

Pakar adalah sebuah sistem yang menghasilkan keputusan atas dasar basis pengetahuan yang dimiliki oleh seorang ahli, penerapan sistem pakar meliputi bidang-bidang diantaranya dalam mengambil keputusan strategis organisasi, keputusan untuk mendiagnosis penyakit, memberikan bantuan untuk pengobatan penyakit yang didiagnosis, dan lain sebagainya (Kartikeyn, Desai, 2015).

Kepakaran adalah suatu pengetahuan yang diperoleh dari pelatihan, membaca, dan pengalaman. Kepakaran memungkinkan para ahli dapat mengambil keputusan lebih cepat dan lebih baik daripada seseorang yang bukan pakar (Sutojo, 2017).

Data merupakan sekumpulan teks, angka, dan simbol yang bersumber dari fakta, namun belum memiliki arti. Data diperoleh berdasarkan fakta-fakta baik secara pengukuran ataupun pernyataan yang tidak bisa diukur, untuk dapat memberikan sebuah arti maka data harus diolah agar menghasilkan suatu informasi. Contoh : 1, 2, 3, Sani, Bobby, Nary, dll (Advernesia, 2017).

Informasi merupakan hasil output dari sebuah pengolahan data baik secara bahasa ataupun matematis, dalam perkembangan saat ini data diolah menggunakan bantuan komputer yakni secara komputasi. Setelah data tersebut diolah menjadi sebuah informasi, maka data itu mempunyai arti atau pengetahuan. Contoh : 1, 2, 3 adalah list angka yang merupakan absen mahasiswa (Advernesia, 2017).

Pengetahuan merupakan kesimpulan dari sebuah informasi yang telah memperoleh pengetahuan, secara fundamental pengetahuan dapat berupa memperoleh serangkaian fakta dan menggunakan informasi untuk memecahkan suatu masalah. Contoh : Nomor absen 3 bernama Nary (Advernesia, 2017).

Kelebihan Sistem Pakar, diantaranya :

i.    Mendukung orang awam untuk menyelesaikan perkara tanpa dukungan pakar.

ii.  Menyandang kemampuan untuk mengakses kepakaran dan keahlian para ahli, baik yang biasa ataupun yang langka.

iii.   Meningkatkan kualitas dan produktifitas.

iv.   Selaku asisten para ahli sehingga memudahkan pekerjaan para ahli.

v.    Dapat menyesuaikan waktu dalam pengutipan hasil.

Kekurangan Sistem Pakar, diantaranya :

i.    Tidak ada jaminan bahwa sistem pakar memuat 100% kepakaran yang diperlukan.

ii.  Biaya untuk arsitektur, mengimplementasikan dan merawat bisa sangat mahal terkait seberapa lengkap kemampuan tersebut.

iii. Pembangunan sistem pakar terkait ada tidaknya pakar dibidangnya sehingga pembangunannya mendapatkan hambatan (Syahromi, 2016).

Sumber pengetahuan potensial untuk pengembangan sistem pakar berasal dari pakar manusia, buku teks, dokumen multimedia, database (publik dan privat), laporan riset khusus, dan informasi yang terdapat dalam website (Munarto, 2018).

Akuisisi Pengetahuan yakni akumulasi, transfer, dan transformasi keahlian pemecah masalah dari pakar yang terdokumentasi ke dalam program komputer untuk membangun dan mengembangkan basis pengetahuan. Sumber pengetahuan potensial untuk pengembangan sistem pakar berasal dari pakar manusia, buku teks, dokumen multimedia, database (publik dan privat), laporan riset khusus, dan informasi yang terdapat dalam web. Mendapatkan pengetahuan dari seorang pakar adalah tugas kompleks yang sering menimbulkan kemacetan dalam kontruksi Expert System (ES), maka diperlukanlah knowledge engineer / pakar elisitas pengetahuan untuk berinteraksi dengan satu atau lebih pakar manusia dalam membangun basis pengetahuan dengan menyusun area persoalan dengan menginterpretasikan dan mengintegrasikan jawaban manusia, menyusun analogi, mengajukan contoh pembanding, dan menjelaskan kesulitan konseptual (Munarto, 2018).

Representasi pengetahuan adalah sebuah cara dalam menyaapabilan berbagai pengetahuan yang diperoleh ke dalam suatu diagram sehingga diketahui relasi antara pengetahuan yang satu dengan pengetahuan yang lain dan bisa digunakan dalam pengujian logika kebenarannya. Representasi pengetahuan digunakan untuk menangkap sifat penting masalah dan mempermudah prosedur pemecahan masalah dalam mengakses informasi, selain itu format representasi pengetahuan pun harus mudah dipahami sehingga programmer mampu mengekspresikan pengetahuan (Susatyono, 2021).

Mesin inferensi merupakan sebuah program yang berguna untuk memandu mekanisme penalaran terhadap suatu kondisi berdasarkan pada basis fakta yang disimpan dalam basis pengetahuan untuk mencapai penyelesaian atau kesimpulan. Dalam mekanisme tersebut, mesin inferensi menggunakan strategi pengendalian yakni sebagai panduan arah dalam melakukan mekanisme penalaran yang terdiri dari 3 teknik pengendalian, diantaranya forward chaining, backward chaining, dan gabungan dari kedua teknik tersebut (Susatyono, 2021).

Metode yang dapat digunakan pada mesin inferensi, diantaranya :

a.  Forward Chaining atau Perambatan Maju merupakan aturan-aturan diuji satu per satu dalam urutan tertentu, urutan tersebut berupa aturan ke dalam perangkat aturan atau dapat juga urutan lain yang ditentukan oleh pemakai. Dalam pengujian tersebut sistem pakar akan mengevaluasi apakah kondisinya benar atau salah. Apabila kondisinya benar, maka aturan tersebut ditembakkan dan aturan berikutnya diuji. Apabila kondisinya salah, maka aturan tersebut tidak ditembakkan dan aturan berikutnya diuji. Mekanisme pengujian aturan satu demi satu berlanjut sampai putaran lengkap melalui seluruh perangkat aturan, ketika tidak ada lagi aturan yang dapat ditembakkan maka mekanisme penalaran berhenti.

b. Backward Chaining atau Perambatan Mundur merupakan inference engine memilih suatu aturan dan menganggapnya sabagai masalah yang harus diselesaikan, dengan menggunakan perangkat aturan inference engine mulai mengevaluasi dari variabel sasaran. Kemudian diikuti dengan pemilihan salah satu subproblem untuk dievaluasi, dan subproblem yang terpilih akan dievaluasi sebagai masalah baru. Inference engine terus mencari subproblem untuk menjadi masalah baru yang akan dievaluasi sampai dengan tidak ada lagi subproblem yang ditemui, tanpa harus mempertimbangkan seluruh aturan dan tidak membuat beberapa aturan melalui perangkat aturan (Susatyono, 2021).

Penjelasan jurnal "SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT PADA TANAMAN JAGUNG DENGAN METODE BAYES", diantaranya :

a. Masalah pada penelitian tersebut yakni meneliti dalam hal membantu setiap petani dalam menentukan pilihan pengobatan, karena banyaknya penyakit pada tanaman jagung saat ini yang membuat petani susah mendapatkan hasil karena mereka tidak dapat melakukan pendiagnosaan yang tepat sehingga tingkat produktivitas menurun.

b. Proses pembuatan sistem pakar ini metode kepastiannya teorema bayes dimana metode ini didasarkan dari kondisi awal dimana kondisi awal tersebut merupakan kondisi gejala-gejala yang ada kemudian dikenakan aturan yang sudah ditentukan lalu diambil nilai kebenaran yang paling besar untuk menentukan kesimpulan dan solusi dari gejala yang disebutkan sebelumnya. Dengan menggunakan teorema bayes ini adalah untuk mendiagnosa penyakit pada tanaman jagung dan gejala-gejala yang menyebabkan penyakit tersebut.

c. Pada penelitian tersebut, metode forward chaining digunakan untuk melakukan diagnosa hama yang menyerang tanaman padi dengan melihat ciri-ciri yang muncul pada tanaman tersebut, sistem pakar untuk mendiagnosa hama dan penyakit tanaman bawang merah menggunakan certainty factor. Penelusuran fakta tersebut menggunakan forward chaining yakni penelusuran yang dimulai dari fakta-fakta untuk menguji kebenaran hipotesis, sebuah penalaran dimana adanya penambahan fakta baru yang mengakibatkan adanya ketidakpastian. Maka dapat digunakan penalaran statistik, teori Bayes digunakan sebagai alat pengambil keputusan untuk memperbaharui tingkat kepercayaan diri dari sebuah informasi atau pengetahuan, dimulai dari perancangan sistem hingga implementasi sistem untuk melakukan pembangunan Aplikasi Sistem Pakar.

d. Kesimpulan dari penelitian tersebut dengan membangun Aplikasi Sistem Pakar untuk mendiagnosa penyakit pada tanaman jagung yang dapat menyelesaikan masalah yakni dapat menampilkan hasil diagnosa dengan cepat dan tepat berdasarkan gejala-gejala yang dimasukkan oleh pengguna, hasil diagnosa yang ditampilkan dihitung secara otomatis oleh sistem aplikasi yakni banyaknya gejala yang dipilih oleh pengguna dibagi dengan banyaknya gejala yang dimiliki suatu penyakit.

Referensi

Advernesia. (2017). Data | Pengertian Data Informasi dan Pengetahuan. Advernesia.Com.

Kartikeyn, Desai,  dan D. (2015). Sistem Pakar. 2(October), 765–770.

Munarto, R. (2018). Sistem Pakar Diagnosis. 14(1), 75–86.

Susatyono, J. D. (2021). Sistem Pakar : Kajian Konsep & Penerapannya.

Sutojo,  dkk. (2017). Kepakaran. 9–29.

Syahromi. (2016). Bab 2 landasan teori. Aplikasi Dan Analisis Literatur Fasilkom UI, 4–25.