Sistem Pakar: Definisi, Tujuan, Metode, Struktur, Kelebihan, dan Kekurangan

Sumber: unsplash.com

Sistem pakar adalah sebuah sistem kecerdasan buatan yang dapat meniru keahlian dan pengetahuan seorang ahli di bidang tertentu. Konsep dasar sistem pakar melibatkan penggunaan aturan logika untuk membantu komputer dalam memecahkan masalah yang kompleks. Dalam artikel ini, kita akan membahas definisi, tujuan, metode, struktur, kelebihan dan kekurangan dari sistem pakar, yang dapat membantu pembaca yang belum familiar dengan konsep ini.

Pengertian Sistem Pakar

Sistem pakar merupakan sebuah program komputer atau sistem informasi yang memuat pengetahuan dari satu atau beberapa pakar manusia di suatu bidang yang spesifik. Pakar yang dimaksudkan adalah seseorang dengan keahlian khusus dalam bidangnya, seperti dokter, psikolog, atau mekanik. Awalnya, program ini dikembangkan oleh peneliti kecerdasan buatan pada tahun 1960-an dan 1970-an, dan baru mulai diterapkan pada tahun 1980-an.

Tujuan Sistem Pakar

Sistem pakar dapat memberikan rekomendasi tindakan atau perilaku yang sesuai untuk menjalankan koreksi sistem secara akurat. Sistem ini menggunakan kemampuan proses penalaran untuk mencapai kesimpulan berdasarkan data dan fakta yang tersedia.

Berikut ini terdapat beberapa tujuan utama dari penggunaan sistem pakar menurut Lestari, 2012.

1. Interpretasi

Expert system bertujuan untuk membuat sebuah kesimpulan atau deskripsi dari sekumpulan data yang masih mentah (raw data). Pengambilan keputusan tersebut berdasarkan hasil observasi, mulai dari analisis citra, pengenalan kata melalui ucapan, interpretasi sinyal, dan lain sebagainya.

2. Prediksi

Mampu untuk memproyeksikan akibat dari situasi dan kondisi tertentu, contohnya prediksi terkait data demografi, ekonomi, finance, dan lain-lain.

3. Diagnosis

Dapat menentukan penyebab terjadinya malfungsi di dalam situasi yang kompleks berdasarkan gejala yang dapat teramati dengan diagnosis yang tepat.

4. Perancangan desain

Mampu menentukan dan membuat rancangan konfigurasi terkait komponen sistem yang cocok dengan tujuan kinerja tertentu dengan memenuhi suatu kendala tertentu. Contohnya adalah perancangan desain bangunan, lapangan, dan lainnya.

5. Perencanaan

Expert system juga bertujuan untuk merencanakan serangkaian tindakan yang mendapat tujuan pada tahap kondisi awal tertentu.

6. Monitoring

Melaksanakan hasil pengamatan berdasarkan suatu kondisi yang diharapkan, contoh dari proses implementasinya adalah computer aided monitoring system (CAMS).

7. Debugging

Mampu untuk menentukan serta menginterpretasikan berbagai cara untuk mencegah terjadinya malfungsi atau kegagalan pada fitur tertentu.

8. Instruksi

Mempunyai kemampuan untuk mendeteksi tingkat defisiensi terhadap pemahaman mengenai domain subjek.

9. Kontrol

Memiliki keahlian untuk mengatur pola tingkah laku suatu lingkungan (environment) yang kompleks. Contohnya adalah kontrol terhadap interpretasi, perbaikan, dan prediksi (forecast).

Metode Expert System

Expert System atau sistem pakar menggunakan beberapa metode untuk mencapai tujuannya. Berikut ini adalah beberapa metode yang sering digunakan dalam pembuatan expert system:

1. AHP (Analytical Hierarchy Process)

AHP merupakan salah satu metode yang menerapkan sistem pakar untuk dapat mengambil keputusan dengan melakukan perbandingan antara beberapa pasangan, serta kriteria yang berada dalam suatu variabel.

Teknik analisa program yang digunakan adalah menggunakan variabel untuk dianalisa menjadi bentuk hierarki berdasarkan sebuah urutan. Kemudian, akan dibandingkan untuk ditarik sebuah kesimpulan berdasarkan metrik yang ada guna menentukan nilai pada setiap kriteria maupun variabel yang digunakan.

2. Breadth First Search

Breadth first search merupakan algoritma yang berfungsi untuk melakukan pencarian data secara luas atau melebar dalam expert system. Pada metode ini menerapkan proses antrian data (queue) untuk menyimpan informasi yang telah dianalisa sebelumnya. Selain itu, juga membutuhkan tabel boolean untuk menyimpan informasi ke dalam sebuah simpul sehingga, tidak ada informasi yang dikunjungi lebih dari sekali.

3. BFS (Best First Search)

Metode best first search merupakan hasil kombinasi dari metode DFS dan breadth first search yang membuat sistem pakar mampu menyajikan tampilan output dari hasil analisa variabel yang telah diproses sebelumnya.

4. DFS (Depth First Search)

Metode DFS juga menerapkan sistem pakar, dimana algoritma yang digunakan merupakan proses penelusuran menggunakan struktur pohon atau graf, dan berpatokan pada tingkat kedalaman data.

5. Penelusuran ke Depan (Forward Chaining)

Merupakan teknik penalaran yang termasuk dalam sistem pakar, yang mana diawali dari proses pencarian fakta. Dimana, fakta tersebut digunakan untuk menguji nilai suatu kebenaran terhadap hipotesis yang dikembangkan.

6. Penelusuran ke Belakang (Backward Chaining)

Backward chaining merupakan kebalikan dari forward chaining, dimana metode ini melakukan pelacakan sistem keputusan dimulai dari tahap menarik kesimpulan pada sebuah titik penalaran. Kemudian, dilanjutkan dengan penyusunan hipotesis hingga fakta yang ditemukan untuk memberikan value dan penguatan dari hasil kesimpulan.

Struktur Sistem Pakar

Dalam pengembangan sistem pakar, terdapat beberapa komponen atau struktur yang membentuk sebuah sistem informasi yang lengkap. Beberapa bagian yang membentuk arsitektur sistem pakar antara lain:

1. User Interface (Antarmuka Pengguna)

Antarmuka atau interface merupakan mekanisme yang digunakan sebagai sarana untuk berkomunikasi dan berinteraksi dengan pengguna (user). Antarmuka akan menerima informasi dari pengguna, dan akan mengubahnya ke dalam instruksi yang dapat diterima oleh sistem.

2. Basis Pengetahuan

Basis pengetahuan mengandung pemahaman mengenai formulasi dan skema penyelesaian masalah.

3. Knowledge Acquisition (Akuisisi Pengetahuan)

Knowledge acquisition adalah proses akumulasi, transformasi, dan transfer tiap keahlian untuk dapat menyelesaikan permasalahan dari sumber pengetahuan, ke dalam suatu sistem komputer. Pada tahap ini, seorang engineer bertugas untuk menyerap segala pengetahuan untuk dikirim ke dalam basis pengetahuan (insight).

4. Inference Engine (Mesin atau Motor Inferensi)

Pada komponen ini mengandung mekanisme penalaran dan pola pikir yang dimanfaatkan oleh para pakar untuk dapat memecahkan suatu masalah dengan baik. Mesin inferensi sendiri merupakan program komputer untuk memberikan metodologi yang ada dalam workplace, dan nantinya akan diolah menjadi sebuah kesimpulan.

5. Workplace/Blackboard

Workplace merupakan area dari kumpulan memori kerja yang digunakan untuk merekam setiap kejadian yang ada, termasuk pembuatan keputusan sementara.

6. Fasilitas Penjelasan

Fasilitas penjelasan termasuk ke dalam komponen tambahan untuk meningkatkan penggunaan sistem pakar, serta melacak respon dan hasil penjelasan mengenai tingkah laku pada expert system secara interaktif.

7. Perbaikan Pengetahuan

Pakar juga mempunyai kemampuan analisis yang baik untuk dapat meningkatkan kinerjanya sedemikian rupa. Kemampuan tersebut terdiri atas, keahlian dalam pembelajaran yang terkomputerisasi. Sehingga, program dapat membedakan antara kesuksesan dengan kegagalan yang dialami, berdasarkan pengetahuan yang masih relevan untuk diaplikasikan di masa mendatang.

Contoh dari Expert System

Expert system atau sistem pakar telah diterapkan dalam berbagai bidang dan industri, seperti kesehatan, teknik, bisnis, pertanian, dan sebagainya. Berikut ini beberapa contoh penerapan sistem pakar:

• MYCIN

  MYCIN merupakan sistem pakar pertama yang dikembangkan pada tahun 1970-an. Sistem ini digunakan untuk membantu dokter dalam melakukan diagnosis dan pengobatan pasien dengan infeksi bakteri.

• DSSAT

  Sistem pakar DSSAT digunakan di bidang pertanian untuk membantu para petani dalam menentukan jenis tanaman, pemupukan, dan pengairan yang tepat untuk kondisi tanah dan cuaca tertentu.

• PROTÉGÉ

  PROTÉGÉ adalah sebuah platform untuk membangun aplikasi sistem pakar. Platform ini telah digunakan dalam berbagai aplikasi seperti diagnosis penyakit kulit, manajemen risiko proyek, dan pengenalan pola.

Kelebihan Sistem Pakar

1. Mampu memberikan solusi cepat dan akurat terhadap permasalahan yang dihadapi.
2. Dapat bekerja secara konsisten dan tidak mudah terpengaruh emosi atau faktor-faktor lain yang mempengaruhi manusia dalam pengambilan keputusan.
3. Dapat menyimpan dan mengorganisir pengetahuan secara sistematis, sehingga mudah dikelola dan dipertahankan.
4. Dapat memberikan dukungan pengambilan keputusan pada level yang tinggi, terutama dalam situasi yang kompleks dan bergantung pada pengetahuan khusus.
5. Dapat mengurangi biaya dan waktu dalam menyelesaikan suatu masalah atau tugas, karena tidak perlu melibatkan ahli secara langsung.

Kekurangan Sistem Pakar

1. Tidak selalu dapat menggantikan peran ahli manusia secara keseluruhan, terutama dalam situasi yang melibatkan faktor-faktor non-teknis seperti emosi, etika, dan moral.
2. Memerlukan investasi awal yang besar dalam hal waktu, biaya, dan sumber daya manusia untuk mengembangkan dan memelihara sistem pakar.
3. Tidak dapat mengatasi situasi yang belum pernah dialami sebelumnya, karena sistem pakar hanya berdasarkan pada pengetahuan yang sudah ada dan telah diprogramkan.
4. Tidak selalu mudah dipahami oleh pengguna yang awam dalam bidang tertentu, karena sistem pakar dapat menggunakan istilah dan bahasa teknis yang sulit dipahami.
5. Dapat menjadi tidak akurat jika pengetahuan yang dimasukkan ke dalam sistem pakar tidak diperbarui secara teratur.

Kesimpulan

Anda dapat menggunakan sistem pakar untuk membantu pekerjaan anda terselesaikan dengan lebih cepat dengan proses pengambilan keputusan berdasarkan informasi dan fakta yang ada. Anda dapat memilih jenis metode yang akan digunakan dengan mempertimbangkan faktor keuangan, dan sumber daya manusia yang ada pada bisnis anda. Pastikan juga untuk memperhatikan algoritma dari sistem tersebut dengan menyesuaikan terhadap kebutuhan bisnis yang dijalankan.