Resume Sistem Pakar 1 (Konsep Sistem Pakar)

A. Konsep Dasar Sistem Pakar

Sistem Pakar merupakan sistem sistem yang mengadposi pengetahuan manusia ke komputer, untuk menyelesaikan masalah yang biasanya di selesaikan oleh para ahli dengan cara meniru kerja para ahli.

Beberapa definisi tentang sistem pakar, antara lain :
a. Menurut Marimin (1992), Sistem Pakar adalah sistem perangkat lunak komputer yang menggunakan ilmu, fakta, dan teknik berpikir dalam pengambilan keputusan untuk menyelesaikan masalah-masalah yang biasanya hanya dapat diselesaikan oleh tenaga ahli dalam bidang yang bersangkutan.

b. Menurut Durkin : Sistem Pakar adalah suatu program komputer yang dirancang untuk memodelkan kemampuan penyelesaian masalah yang dilakukan seorang pakar.

c. Menurut Giarratano dan Riley : Sistem Pakar adalah suatu sistem komputer yang bisa menyamai atau meniru kemampuan seorang pakar.

Konsep Dasar Sistem Pakar :
1. Keahlian
Keahlian adalah suatu kelebihan penguasaan pengetahuan di bidang tertentu yang diperoleh dari pelatihan, membaca atau pengalaman. Contoh bentuk pengetahuan yang termasuk keahlian adalah :

a. Fakta-fakta pada lingkup permasalahan tertentu.
b. Teori-teori pada lingkup permasalahan tertentu.
c. Prosedur-prosedur dan aturan-aturan berkenaan dengan lingkup permasalahan tertentu.
d. Strategi-strategi global untuk menyelesaikan masalah.
e. Meta-knowledge (pengetahuan tentang pengetahuan).

2. Ahli / Pakar
Pakar merupakan seseorang yg mempunyai keahlian dl bidang ilmu tertentu.

3. Pengalihan Keahlian
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 :

a. Tambahan pengetahuan (dari para ahli atau sumber-sumber lainnya).
b. Representasi pengetahuan (ke komputer).
c. Inferensi pengetahuan.
d. Pengalihan pengetahuan ke user.

4. Mengambil Keputusan
Salah satu fitur yang harus dimiliki oleh 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 dapat diprogram untuk membuat inferensi. Proses inferensi ini dikemas dalam bentuk motor inferensi (inference engine).

5. Aturan
Sebagian besar sistem pakar komersial dibuat dalam bentuk rule-based systems, yang mana pengetahuannya disimpan dalam bentuk aturan-aturan. Aturan tersebut biasanya berbentuk IF-THEN.

6. Kemampuan Menjelaskan
Fitur lainnya dari sistem pakar adalah kemampuan untuk merekomendasi. Kemampuan inilah yang membedakan sistem pakar dengan sistem konvensional.


B. Contoh Penggunaan Sistem Pakar

1. MYCIN : Digunakan untuk mendiagnosa penyakit.
2. DENDRAL : Mengidentifikasi struktur molekular campuran yang tak dikenal.
3. XCON & XSEL : Membantu konfigurasi sistem komputer besar.
4. SOPHIE : Menganalisis sirkit elektronik.
5. Prospector : Digunakan di dalam geologi untuk membantu mencari dan menemukan deposit.
6. FOLI : Membantu memberikan keutusan bagi seorang manajer dalam hal stok broker dan investasi.
7. DELT : Digunakan untuk pemeliharaan lokomotif listrik disel.



C. Heuristic Search

. Teknik pencarian heuristik (heuristic searching)merupakan suatu strategi untuk melakukan proses pencarian ruang keadaan (state space)suatu problema secara selektif, yang memandu proses pencarian yang kita lakukan di sepanjang jalur yang memiliki kemungkinan sukses paling besar, dan mengesampingkan usaha yang bodoh dan memboroskan waktu.

• Heuristik adalah sebuah teknik yang mengem bangkan efisiensi dalam proses pencarian, namum dengan kemungkinan mengorbankan kelengkapan (completeness).

. Untuk dapat menerapkan heuristik tersebut dengan baik dalam suatu domain tertentu,
diperlukan suatu Fungsi Heuristik.

• Fungsi heuristik ini digunakan untuk mengevaluasi keadaan-keadaan problema individual dan menentukan seberapa jauh hal tersebut dapat digunakan untuk mendapatkan solusi yang diinginkan.

. Jenis-jenis Heuristic Searching:
a. Generate and Test.
b. Hill Climbing.
c. Best First Search.
d. Alpha Beta Prunning.
e. Means-End-Anlysis.
f. Constraint Satisfaction.