Sistem Pakar (Expert System)

Sistem pakar adalah sistem berbasis komputer yang menggunakan pengetahuan, fakta, dan tehnik penalaran dalam memecahkan masalah yang biasanya hanya dapat dipecahkan oleh seorang pakar dalam bidang tertentu. Sistem pakar memberikan nilai tambah pada teknologi untuk membantu dalam menangani era informasi yang semakin canggih.
Aplikasi Sistem Pakar ini menghasilkan keluaran berupa kemungkinan penyakit ginjal yang diderita
berdasarkan gejala yang dirasakan oleh user. Sistem ini juga manampilkan besarnya kepercayaan gejala tersebut terhadap kemungkinan penyakit ginjal yang diderita oleh user. Besarnya nilai kepercayaan tersebut merupakan hasil perhitungan dengan menggunakan metode Dempster-Shafer.

Pengembangan Sistem Pakar :

• Dendral : Mengidentifikasi struktur organik tak dikenal melalui analisa spektrum massa dan ilmu kimia
• Mycin: Identifikasi bakteri penyebab infeksi dan merekomendasikan antiobiotik dengan dosis yang disesuaikan dengan berat tubuh pasien. Dirancang oleh Edward Feigenbaum (Universitas Stanford) th ’70 an.
• Dipmeter Advisor: Digunakan oleh Schlumberger untuk analisis data dalam pengeboran minyak.
• XCON & XSEL : Membantu konfigurasi sistem komputer besar. Dikembangkan oleh Digital Equipment Corporation (DEC) dan Carnegie Mellon Universitas (CMU), akhir ’70 an. Untuk sistem komputer DEC VAC 11 1780
• Sophie : Analisis sirkit elektronik
• Prospector : Digunakan di dalam geologi untuk membantu mencari dan menemukan deposit. Didesign oleh Sheffield Research Institute, akhir ‘70an
• Folio : Menbantu memberikan keutusan bagi seorang manajer dalam hal stok broker dan investasi.
• Delta : Pemeliharaan lokomotif listrik disel. Didesign & dikembangkan oleh General Electric Company.
• YESMVS : Membantu operator komputer & mengontrol sistem operasi MVS (multiple virtual storage). Didesign oleh IBM awal th ‘80an
• ACE : SP troubleshooting pd sistem kabel telpon. Didesign & dikembangkan oleh AT&T Bell Lab awal th ‘80an

Contoh Aplikasi Sistem Pakar

Aplikasi Menentukan Jenis Gangguan Perkembangan Pada Anak.

Ini adalah contoh Sistem Pakar  yang bertujuan untuk mencari masalah pada gangguan perkembangan pada anak, dengan memberikan gejala-gejala yang teramati. Anggap Sistem Pakar kita memiliki aturan-aturan berikut:

Dalam perancangan basis pengetahuan ini digunakan kaidah produksi

sebagai sarana untuk representasi pengetahuan. Kaidah produksi dituliskan

dalam bentuk pernyataan JIKA [premis] MAKA [konklusi]. Pada perancangan

basis pengetahuan sistem pakar ini premis adalah gejala-gejala yang terlihat pada

anak dan konklusi adalah jenis gangguan perkembangan yang diderita anak,

sehingga bentuk pernyataannya adalah JIKA [gejala] MAKA [gangguan].

Bagian premis dalam aturan produksi dapat memiliki lebih dari satu

proposisi yaitu berarti pada sistem pakar ini dalam satu kaidah dapat memiliki

lebih dari satu gejala. Gejala-gejala tersebut dihubungkan dengan menggunakan

operator logika DAN. Bentuk pernyatannya adalah:

JIKA [gejala 1]

DAN [gejala 2]

DAN [gejala 3]

MAKA [gangguan]

Adapun contoh kaidah Sistem Pakar Menentukan Gangguan Perkembangan

pada Anak adalah sebagai berikut:

JIKA Anak Sulit Berbicara

DAN Tes IQ Dibawah !9

DAN Koordinasi Otot Tidak Sempurna

MAKA Gangguan Retardasi Mental Berat

Berdasarkan contoh kaidah pengetahuan diatas maka kaidah tersebut dapat

disimpan dalam bentuk sebuah tabel sehingga dapat lebih mudah untuk di

mengerti. Dimana pada tabel tersebut terdapat kolom jenis gangguan yang

menjelaskan tentang definisi, penyebab, dan pengobatan.

Pembahasan Aplikasi 

Pengujian kebenaran sistem dilakukan untuk mengetahui kesamaan hasil

akhir atau output yang berupa kemungkinan jenis gangguan yang dihasilkan oleh

sistem, dengan yang dihasilkan oleh perhitungan secara manual. Untuk

mengetahui hasil output dari sistem harus melakukan konsultasi terlebih dahulu

yang kemudian memasukkan gejala-gejala yang dirasakan oleh pasien kemudian

setelah selesai melakukan konsultasi maka akan muncul halaman hasil konsultasi

yang akan menampilkan kemungkinan jenis gangguan perkembangan yang

dialami oleh pasien. Pengujian kebenaran sistem dilakukan dengan melakukan

beberapa ujicoba diantaranya sebagai berikut:

1. Dengan satu gejala satu jenis gangguan

2. Dengan satu gejala beberapa jenis gangguan

3. Dengan beberapa gejala satu jenis gangguan

4. Dengan beberapa gejala beberapa gangguan

Pada pengujian satu gejala untuk satu jenis gangguan ini, percobaan akan

menggunakan gejala kontak mata, ekspresi muka, dan gerak-gerik tubuh kurang

hidup dengan kemungkinan mengalami jenis gangguan perkembangan Autisme

Aktif dengan nilai MB = 0.9 dan MD = 0.1.

Berdasarkan data diatas, apabila menggunakan perhitungan manual maka

hasil perhitungannya adalah sebagai berikut:

CF [Autisme Aktif, Kontak mata dan ekspresi muka kurang hidup]=0.9 - 0.1 = 0.8

Berdasarkan perhitungan manual tersebut nilai CF (Faktor Kepastian) yang

dihasilkan dapat ditarik kesimpulan bahwa kemungkinan pasien tersebut

mengalami gangguan perkembangan Autisme Aktif dengan nilai CF = 0.8

Berdasarkan perhitungan dengan menggunakan sistem menghasilkan

kemungkinan pasien mengalami jenis gangguan perkembangan yaitu Autisme

Aktif dan dapat melihat secara detail definisi, penyebab, dan pengobatannya.

Berdasarkan hasil percobaan tersebut dengan melakukan perhitungan baik

manual maupun sistem dapat dibandingkan bahwa hasil akhir atau output dari

sistem yang berupa kemungkinan gangguan sama dengan hasil yang dilakukan

oleh perhitungan manual dengan nilai CF sebesar 0.8 dengan kemungkinan jenis

gangguan Autisme Aktif.

Pada pengujian satu gejala beberapa gangguan ini, percobaan akan

menggunakan gejala Kesadaran anak untuk bersosialisasi kurang dengan

kemungkinan akan mengalami beberapa gangguan diantaranya adalah:

Mengalami Gangguan: Retardasi Mental Ringan dengan nilai MB = 0.5 dan MD =

0.05, Retardasi Mental Moderat dengan nilai MB = 0.7 dan MD = 0.1, Autisme

Aktif dengan nilai MB = 0.89 dan MD = 0.1, dan Disfraxsia dengan nilai MB = 0.4

dan MD = 0.1.

Berdasarkan data diatas, apabila menggunakan perhitungan manual maka

hasil perhitungannya adalah sebagai berikut:

CF [Retardasi Mental Ringan, Kesadaran anak untuk bersosialisasi kurang]= 0.5 - 0.05 = 0.45

CF [Retardasi Mental Moderat, Kesadaran anak untuk bersosialisasi kurang]= 0.7 – 0.1 = 0.6

CF [Autisme Aktif, Kesadaran anak untuk bersosialisasi kurang] = 0.89 – 0.1 = 0.79

CF [Disfraxsia, Kesadaran anak untuk bersosialisasi kurang] = 0.4 – 0.1 = 0.3

Berdasarkan perhitungan manual tersebut berdasarkan nilai CF (Faktor

Kepastian) yang tertinggi dapat ditarik kesimpulan bahwa kemungkinan pasien

tersebut mengalami gangguan perkembangan Autisme Aktif dengan nilai CF =

0.79

Berdasarkan perhitungan dengan menggunakan sistem menghasilkan

kemungkinan pasien mengalami jenis gangguan perkembangan yaitu Autisme

Aktif dan dapat melihat secara detail definisi, penyebab, dan pengobatannya.

Contoh Tampilan :

Daftar Pustaka :

- www.sttmandalabdg.ac.id, Teknik Informatika - Universitas Islam Indonesia Yogyakarta.

- http://en.wikipedia.org/wiki/Expert_system

- http://expertsys-es.blogspot.com/

Read More

Bisakah Mesin Berfikir?

Mesin tentu bisa saja berfikir bahkan cara kerja suatu mesin bisa lebih baik dari manusia itu sendiri, namun mesin bisa bekerja tergantung bagaimana program yang akan dibuat oleh manusia sesuai dengan kebutuhan dan fungsinya. Program - program yang ada pada mesin dinamakan bahasa biner atau low level language  yang hanya terdiri dari 0 dan 1, dimana 0 adalah untuk kondisi OFF/LOW sedangkan 1 adalah untuk kondisi ON/HIGHT. Sampai saat ini tidak dapat dipungkiri mesin berpengaruh penting dalam kehidupan manusia, seperti television, radio, handphone, dan lain - lain merupakan konsep dari kerja mesin itu sendiri yang mempermudah manusia dalam mengelola sebuah informasi.


Seiring dengan perkembangan zaman, mesin bisa mempelajari dirinya sendiri dan memprediksi dengan baik dikemudian hari, bisa kita lihat saat ini banyak ilmuan yang menciptakan sebuah robot yang bisa menyerupai manusia mau itu secara fisik atau kepintarannya yang bisa kita sebut dengan Actificial Intelegence. Penggunaan dari Ai ini sebenarnya tidak hanya digunakan untuk membuat robot berpikir. Ai yang paling sederhana bisa kita temukan dalam video game. Bagi yang suka bermain video game konsol apa saja, pasti disediakan fitur versus computer. Ini berarti bagaimana anda bisa bermain mengalahkan si computer tersebut. Pembuatan si computer ini, menggunakan konsep Ai. Contoh paling sederhana yaitu computer yang dipertandingkan dengan pecatur kelas dunia kasparov. Terbukti si super computer ini dapat mengalahkan Kasparov. Walaupun pada pertandingan sebelumnya kasparov berhasil mempertahankan kehormatan umat manusia dengan memenangkan pertandingan pertamanya. Namun setelah si super computer ini disempurnakan terbukti kasparov bisa kalah.

Saat ini kemampuan berpikir robot sudah jauh lebih maju karena sedang dikembangkannya neuron-neuron mesin. Seperti halnya neuron-neuron yang ada di otak manusia yang saling merangkai untuk membentuk sebuah jaringan kompleks yang luar biasa. Dan jaringan ini bergerak kesana kemari dengan kekuatan elektrik. Neuron-neuron robot ini adalah seperangkat alat elektrik kecil yang bekerja seperti halnya neuron-neuron asli. Aktivitas elektrik terjadi juga di neuron-neuron ini. Bisa dikatakan proses yang terjadi di dalam otak kita terjadi juga di dalam otak mesin ini.

Lantas jika mesin bisa befikir, apa yang maksud dengan pikiran itu sendiri pada sebuah mesin? Pada Actificial Intelegence ada 3 jenis bagaimana mesin AI itu berkerja,
1. Symbol-manipulating AI

AI yang satu ini bekerja dengan simbol abstrak. Symbol-manipulating AI termasuk jenis yang paling banyak eksperimennya. Inti eksperimennya adalah manusia direkonstruksi pada tingkat yang hierarkis dan logis. Informasinya diproses dari atas, lalu bekerjanya dengan simbol yang dapat dibaca manusia/si pengembang, koneksinya abstrak dan hasil simpulannya logis.

2. Neural AI

Jenis AI satu ini sangat populer di kalangan ilmuwan komputer pada akhir 80-an. Dengan Neural AI, pengetahuan tidak direpresentasikan lewat simbol, tetapi lebih ke neuron buatan dan koneksinya ⎼ semacam otak yang direkonstruksi. Pengetahuan yang terkumpul nantinya dipecah menjadi bagian-bagian kecil (disebut neuron) dan kemudian dihubungkan serta dibangun menjadi kelompok-kelompok. Nah, pendekatan ini dikenal sebagai metode bottom-up yang bekerja dari bawah. Tidak seperti Symbol-manipulating AI yang pertama penulis jelaskan. Jadi, sistem sarafnya harus dilatih dan distimulasi supaya jaringan saraf bisa mengumpulkan pengalaman dan tumbuh supaya bisa mengumpulkan pengetahuan yang lebih besar.

3. Neural Networks

Neural Networks diatur ke dalam lapisan yang terhubung satu sama lain lewat simulasi. Lapisan paling atas adalah lapisan input, yang fungsinya seperti sensor. Sensor yang dimaksud adalah penerima informasi yang akan memproses dan meneruskannya ke sistem. Ada setidaknya dua sistem — atau lebih dari dua puluh lapisan dalam sistem besar — lapisan yang tersusun secara hierarkis. Lapisan-lapisan itu yang mengirim dan mengklasifikasikan informasi lewat koneksi. Di bagian paling bawah adalah lapisan output, yang umumnya sih punya jumlah neuron buatan paling sedikit.



Sumber : - https://firdoloto.wordpress.com/2008/10/02/bisakah-sebuah-mesin-berpikir/
                - https://www.dewaweb.com/blog/kecerdasan-buatan/

Read More