SISTEM PAKAR

Sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan para ahli. Sistem Pakar tidak untuk menggantikan kedudukan seorang pakar tetapi untuk memasyarakatkan pengetahuan dan pengalaman pakar tersebut. Sistem Pakar dikembangkan pertama kali oleh komunitas AI tahun 1960an.
 

Keuntungan VS Kelemahan SP

Keuntungan SP :
1. Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli
2. bisa melakukan proses secara berulang secara otomatis
3. menyimpan pengetahuan dan keahlian para pakar
4. meningkatkan output dan produktivitas
5. meningkatkan kualitas
6. mampu mengambil dan melestarikankeahlian para pakar
7. mampu beroperasi dalam lingkungan berbahaya
8. memiliki kemampuan untuk mengakses pengetahuan
9. memiliki realibilitas
10. meningkatkan kapabilitas system computer
11. memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap
12. sebagai media pelengkap dalam pelatihan
13. meningkatkan kapabilitas dalam penyelesaian masalah
14. menghemat waktu dalam pengambilan keputusan

Kelemahan :
1. biaya yang diperlukan untuk membuat dan memeliharanya sangat mahal
2. sulit dikembangkan. Hal ini erat kaitannya dengan ketersediaan pakar dalam bidangnya
3. system pakar tidak 100% bernilai benar

Bentuk pengetahuan :
– fakta-fakta pada lingkup permasalahan tertentu
– teori-teori pada lingkup masalah tertentu
– prosedur-prosedur berkenaan dengan lingkup masalah tertentu
– strategi-strategi global untuk menyelesaikan masalah
– meta-knowledge (pengetahuan tentang pengetahuan)

Bentuk dan Struktur SP 

    1. Knowledge base (basis pengetahuan) 

        Berisi pengetahuan-pengetahuan dalam penyelesaian masalah.
        – Domain pengetahuan seorang pakar pada dasarnya adalah spesifik terhadap domain  masalah.

    2. Inference engine (motor inferensi)
        Bertugas untuk menganalisis pengetahuan dan menarik kesimpulan berdasarkan knowledge base.

Ciri-ciri dan Domain SP

• Ciri-ciri SP :
– Memiliki fasilitas informasi yang handal
– Mudah dimodifikasi
– Dapat digunakan dalam berbagai jenis komputer
– Memilki kemampuan untuk belajar beradaptasi.

Permasalahan yang Disentuh oleh SP (Domain SP) :
– Interpretasi. Pengambilan keputusan dari hasil observasi, termasuk pengenalan ucapan, analisis citra, interpretasi sinyal, dll
– Prediksi : prediksi demografi, prediksi ekonomi, dll.
– Diagnosis : diagnosis medis, elektronis, mekanis, dll.
– Perancangan : perancangan layout sirkuit , bangunan.
– Perencanaan : perencanaan keuangan, militer, dll
– Monitoring : computer aided monitoring system
– Debugging : memberikan resep obat terhadap kegagalan
– Instruksi : melakukan instruksi untuk diagnosis, debugging dan perbaikan kinerja
– Kontrol : melakukan kontrol terhadap interpreasi, prediksi, perbaikan dan monitoring kelakukan sistem.

Basis Aturan (Rule Based)

• Pengetahuan dalam SP direpresentasikan dalam bentuk IF-THEN atau dalam bentuk Production Rules.
• Motor inferensi menentukan aturan awal (rule antecedents) yang sesuai.
   –Sisi kiri harus cocok dengan fakta yang ada dimemori kerja

• Aturan yang sesuai ditempatkan diagenda dan dapat diaktivasi
• Aturan yang terdapat di agenda dapatdiaktivasi
  – Aktivasi aturan akan membangkitkan fakta baru di sisi kanan
  – Aktivasi dari satu aturan adalah bagian dari aktivasi aturan yang lain.

Contoh If..Then Rules

Forward dan Backward Chaining 

Ada 2 cara yang dapat dilakukan dalam melakukan inferensi :

 1. Forward Chaining. 

    Pencocokkan fakta atau pernyataan dimulai dari bagian sebelah kiri (IF dulu). Dengan kata lain, penalaran dimulai dari fakta terlebih dahulu untuk menguji kebenaran hipotesis.

 2. Backward Chaining.
     Pencocokkan fakta atau pernyataan dimulai dari bagian sebelah kanan (THEN dulu). Dengan kata lain, penalarana dimulai dari hipotesis terlebih dahulu, dan untuk menguji kebenaran hipotesis tersebut dicari fakta-fakta yang ada dalam basis pengetahuan.