Apa itu Expert System / Sistem Pakar ?

Expert System (Sistem Pakar)adalah Program komputer cerdas yg menggunakan knowledge (pengetahuan) dan prosedur inferensi utk menyelesaikan masalah yg cukup sulit shg membutuhkan seorang ahli (pakar) utk menyelesaikannya. (Feigenbaum, 1982)

Contoh Expert System (Sistem Pakar) 

Faktor	Seorang Pakar	Sistem Pakar
Waktu Ketersediaan	Hari Kerja	Setiap saat
Geografis	Lokal/tertentu	Dimana saja
Keamanan	Tdk tergantikan	Dpt diganti
Dapat habis	Ya	Tidak
Performansi	Variabel	Konsisten
Kecepatan	Lebih Cepat	Standar
Biaya	Tinggi	Terjangkau

Mendefinisikan masalah sbg proses pencarian Ruang keadaan (State Space Search)

a)      Masalah2 dpt dipecahkn dgn melakukan pencarian (search) di antara pilihan2 yg ada

b)      Mempertimbangkan sjmlh alternatif strategi dlm menyelesaikan masalah

Teknik-Teknik Pencarian (Search)

a)      Depth-First Search ; Melakukan penelusuran kaidah secara mendalam dari simpul akar bergerak menurun ke tingkat dalam yg berurutan.

b)      Breadth-First Search ; Melakukan penelusuran kaidah bergerak dari simpul akar, simpul yg ada pd setiap tingkat uji sblm pindah ke tingkat selanjutnya.

c)       Heuristic Search ; bekerja berdasarkan kombinasi kedua metode di atas.

Pengetahuan yg diperoleh dari pakar atau sekumpulan data harus direpresentasikan dlm format yg dpt dipahami oleh manusia dan dpt dieksekusi pd komputer.

Beberapa metode utk representasi pengetahun :

1. Aturan Produksi
2. Teknik logika
3. Frame
4. Semantik

Skema	Manfaat	Kerugian
Aturan Produksi	Sintaks sederhana, mudah dimengerti, interpreter sederhana, sangat modular,dan fleksibel	Hierarki sulit diikuti,tdk efisien utk sistem besar,tdk semua pengetahuan dpt dinyatakan sbg aturan, buruk dlm merepresentasikan pengetahuan deskriptif terstruktur
Teknik Logika	Penggunaan fakta ditekankan secara bebas, jaminan bahwa hanya konsekuensi valid yg ditekankan	Terpisahnya representasi dan pengolahan,tdk efisien dgn set data yg besar, sangat lambat dgn basis pengetahuan besar
Frame	Kekuatan ekspresif, mudah menyusun slot utk properti dan hubungan baru, mudah membuat prosedur khusus, mudah menyertakan informasi default dan mendeteksi nilai yg hilang	Sulit diprogram, sulit untuk inferensi, kurangnya perangkat lunak yg murah
Semantik	Hierarki mudah diikuti, asosiasi yg mudah dilacak, fleksibel	Arti yg diletakkan ke node mungkin ambigu, penanganan eksepsi sulit, sulit utk memprogram

Aturan Produksi

1. Adalah bentuk representasi pengetahuan dlm bentuk pasangan kondisi-aksi : JIKA kondisi ini (Premis atau antiseden) terjadi, MAKA beberapa tindakan (Hasil atau kesimpulan atau konsekuensi) akan atau sebaiknya terjadi.
2. Tiap aturan produksi dlm basis pengetahuan mengimplementasikan sebagian keahlian otonomi yg dpt dikembangkan dan dimodifikasi secara terpisah dari aturan lain
3. Contoh :
1. Jika pendapatan anda tinggi, maka kesempatan anda diaudit oleh IRS tinggi
2. Kemungkinan anda diaudit tinggi, jika pendapatan anda tinggi
3. Jika pendapatan anda tinggi atau deduksi anda tidak biasa, maka kesempatan anda diaudit oleh IRS tinggi atau jika tidak kemungkinan anda diaudit rendah
4. Jika rating kredit tinggi dan gaji lebih dari Rp.30.0000.000 atau aset lebih dari Rp. 75.000.000 dan sejarah pembayaran tidak “buruk”, maka setujui pinjaman sampai dgn Rp.100.000.000 dan daftarkan pinjaman pada kategori B dan referensikan pelamar ke agen

Sistem Pakar = Knowledge Base + Inferensi

ž  Mesin Inferensi adalah program komputer yg memberikan metodologi utk penalaran ttg informasi yg ada dlm basis pengetahuan dan dalam workplace, dan untuk memformulasikan kesimpulan (Turban, 1995)

ž  Ketika Representasi Pengetahuan pd knowledge base sudah lengkap atau paling tdk sdh berada pd level yg cukup akurat, maka representasi pengetahuan telah siap digunakan

ž  Ada 2 metode inferensi dlm sistem pakar, yaitu Forward Chaining (Runut Maju) dan Backward Chaining (Runut Mundur)

Forward Chaining (Runut Maju)

ž  Adalah pendekatan yg dimotori data (Data-Driven)

ž  Cara kerjanya : pelacakan dimulai dari informasi masukan, dan selanjutnya mencoba menggambarkan kesimpulan

ž  Pelacakan maju mencari fakta yg sesuai dgn bagian IF dari aturan IF-ELSE

Prosesnya :

•       Metode inferensi Maju cocok digunakan untuk menangani masalah pengendalian dan peramalan (Giarattano dan Rilley,1994)

•       Contoh :

–      Aturan 1 : jika Premis 1 dan premis 2 dan premis 3 maka konklusinya 1

–      Aturan 2 : jika Premis 1 dan premis 3 dan premis 4 maka konklusinya 2

–      Aturan 3 : jika Premis 2 dan premis 3 dan premis 5 maka konklusinya 3

–      Aturan 4 : jika Premis 1 dan premis 4 dan premis 6 maka konklusinya 4

Backward Chaining (Runut Mundur)

ž  Metode inferensi Maju cocok digunakan untuk menangani masalah diagnosis (Schnupp, 1989)

ž  Contoh:

Konklusi 1 : jika Premis 1 dan premis 2 dan premis 3 maka aturan 1

konklusi 2 : jika Premis 1 dan premis 3 dan premis 4 maka aturan 2

konklusi 3 : jika Premis 2 dan premis 3 dan premis 5 maka aturan 3

konklusi 4 : jika Premis 1 dan premis 4 dan premis 6 maka aturan 4