SlideShare a Scribd company logo
1 of 34
Download to read offline
@itkjakarta
Transforming Lives, Enriching Future -----
sistem
pakar
Siapakah Pakar??
APA ITU PAKAR / AHLI (EXPERT)?
a. Seorang pakar/ahli (human expert) adalah
seorang individu yang memiliki kemampuan
pemahaman yang superior dari suatu masalah.
b. Misalnya : seorang dokter, penasehat keuangan,
pakar mesin mobil, dll.
KEMAMPUAN KEPAKARAN
a. Dapat mengenali (recognizing) dan merumuskan
masalah
b. Menyelesaikan masalah dengan cepat dan tepat
c. Menjelaskan solusi
d. Belajar dari pengalaman
e. Restrukturisasi pengetahuan
f. Menentukan relevansi/hubungan
g. Memahami batas kemampuan
PAKAR / EXPERT (TURBAN : DSS&ES)
1. Pakar sulit didefinisikan : tingkat kepakaran
• Kepakaran berasosiasi dengan tingkat inteligen (tidak
harus orang terpintar) & jumlah pengetahuan
• Pakar belajar dari pengalaman (sukses/gagal) pola
• Pengetahuan pakar : terstruktur dan cepat diakses
• Memecahkan masalah dengan efisien dan efektif
2. Rasio Non-pakar : Pakar = 100 : 1
3. Pakar: punya pengetahuan khusus, penilaian, pengalaman,
dan metode serta kemampuan mengaplikasikannya untuk
memecahkan masalah
APA ITU KEPAKARAN / KEAHLIAN (EXPERTISE) ?
Pemahaman yang luas dari tugas atau pengetahuan spesifik yang
diperoleh dari pelatihan, membaca dan pengalaman.
Jenis-jenis pengetahuan yang dimiliki dalam kepakaran :
• Teori-teori dari permasalahan
• Aturan dan prosedur yang mengacu pada area permasalahan
• Aturan (heuristik) yang harus dikerjakan pada situasi yang
terjadi
• Strategi global untuk menyelesaikan berbagai jenis masalah
• Meta-knowledge
• Fakta-fakta
Apakah Sistem Pakar itu??
EXPERT SYSTEM (SISTEM PAKAR)
 Definisi Sistem Pakar Sistem berbasis pengetahuan yang
menggunakan pengetahuan manusia untuk memecahkan
masalah.
 Sistem yang mempunyai pengetahuan para ahli / pakar dan
menggunakannya dalam mengambil keputusan /
menyelesaikan masalah
 Bidang yang ditangani spesifik
 Berdasarkan pada aturan-aturan yang biasanya berbentuk
IF-THEN
KONSEP DASAR SISTEM PAKAR
 Kepakaran ditransfer dari seorang pakar ke komputer.
 Pengetahuan ini disimpan dan user dapat meminta saran
spesifik yang dibutuhkannya.
 Komputer dapat mencari, mengolah dan menampilkan
kesimpulan yang spesifik
 Mempunyai kemampuan menjelaskan
MODEL SISTEM PAKAR
Inference
Engine
Knowledge
Base
Problem
Domain
Pemakai
User
Interface
Development
Engine
Expert & Knowledge
Engineer
Instruksi & Informasi
Solusi & Penjelasan
Pengetahuan
Bagian UtamaSistem Pakar
1. USER INTERFACE
User interface memungkinkan manajer untuk
memasukkan instruksi dan informasi ke dalam
sistem pakar dan menerima informasi dari
sistem pakar.
Pemakai
User
Interface
A. Input Sistem Pakar
User interface dirancang untuk mempermudah dialog dua
arah antara sistem & pemakai dengan menampilkan teknik
tanya-jawab dan pengisian formulir kemudian muncul bahasa
perintah dan menu elektronik dan sistem manajemen data
base (DBMS)
Pemakai
User
Interface
B. Output Sistem Pakar
Sistem Pakar dirancang untuk menyarankan pemecahan.
Pemecahan ini dilengkapi dengan penjelasan :
1.Penjelasan atas pertanyaan
2.Penjelasan atas penyelesaian masalah
Pemakai
User
Interface
2. KNOWLEDGE BASE
Knowlage base memuat fakta-fakta yang menjelaskan area
masalah dan juga teknik menerangkan masalah yang
menjelaskan bagaimana fakta- fakta tersebut cocok satu
sama lain dalam urutan yang logis.
Knowledge
Base
3. INFERENCE ENGINE
Bagian dari Sistem Pakar yang melakukan penalaran
dengan menggunakan knowledge base berdasarkan
urutan tertentu.
A. Penalaran Maju
 Metode forward chaining adalah pelacakan ke
depan yang memulai dari sekumpulan fakta-fakta
dengan mencari kaidah yang cocok dengan
dugaan/hipotesa yang ada menuju kesimpulan.
A. Penalaran Maju
Contoh:
Knowledge Base
1. Akar Serabut (A1)
2. Biji Terbuka (A2)
3. Akar Tunggang (A3)
4. Biji Tertutup (A4)
5. Daun Sejajar (A5)
6. Melengkung (A6)
7. Monokotil (A7)
8. Daun Menyirip (A8)
9. Dikotil (A9)
10. Tumbuhan Berbiji (A10)
11. Mangga (P1)
12. Padi (P2)
Rules:
1. If A1 then A2
2. If A3 then A4
3. If A2 and A5 or A6 then A7
4. If A4 and A8 then A9
5. If A2 and A4 then A10
6. If A9 and A10 and A8 then P1
7. If A10 and A7 and A5 then P2
A. Penalaran Maju
Contoh:
Pertanyaan (Fakta):
1. Akar Tunggang
2. Tumbuhan Berbiji
3. Daun Menyirip
?
B. Penalaran Mundur
 Metode backward chaining adalah pelacakan
kebelakang yang memulai penalarannya dari
kesimpulan (goal), dengan mencari sekumpulan
hipotesa-hipotesa menuju fakta-fakta yang
mendukung sekumpulan hipotesa-hipotesa
tersebut.
B. Penalaran Mundur
Contoh:
Knowledge Base
1. Batuk (A1)
2. Nafas Pendek (A2)
3. Kelelahan (A3)
4. Berkeringat (A4)
5. Tak nafsu makan (A5)
6. Sesak Nafas (A6)
7. Nafas Berbunyi (A7)
8. Sulit Bicara (A8)
9. Wajah Pucat (A9)
10. Demam (A10)
11. Tuberkulosis (P1)
12. Asma (P2)
Rules:
1. If A1 or A2 then A3
2. If A3 and A4 then A9
3. If A5 and A9 then A10
4. If A10 and A8 then P1
5. If A6 and A7 and A8 then P2
B. Penalaran Mundur
Contoh:
Fakta:
1. Nafas Pendek
2. Berkeringat
3. Tak nafsu makan
4. Sulit Bicara
Goal:
1. Tuberkulosis
Membandingkan Penalaran Maju
dan Penalaran Mundur
• Penalaran mundur bergerak lebih cepat dari
penalaran maju karena penalaran mundur tidak
harus mempertimbangkan semua aturan dan tidak
membuat beberapa putaran melalui perangkat
atauran.
Penalaran mundur sangat sesuai jika:
1. Terdapat variabel sasaran berganda (multiple goal variable)
2. Terdapat banyak aturan
3. Semua atau hampir semua aturan tidak harus diuji dalam
proses mencapai pemecahan.
4. DEVELOPMENT ENGINE
 Komponen utama sistem pakar adalah
development engine, yang digunakan untuk
menciptakan sistem pakar.
Ada 2 pendekatan dasar dalam pencipataan
sistem pakar
1. Bahasa Pemrograman
Sistem Pakar bisa dibuat dengan menggunakan
bahasa pemrograman apapun.
2. Shell sistem pakar
adalah sistem pakar jadi, sistem pakar pertama
dinamakan dengan Mycin, yang di gunakan untuk
mendiagnosa penyakit menular tertentu
Knowledge Engineer
 Orang yang bekerja membantu pakar dalam
merancang sistem pakar disebut Knowledge
Engineer.
Keahlian yang harus dimiliki oleh Knowledge
Engineer
1. Mengerti bagaimana menerapkan pengetahuan dalam
memecahkan masalah
2. Mampu memahami penjelasan mengenai pengetahuan
yang diberikan oleh pakar
Elemen-elemen sistem pakar
1. Pengalaman
2. Orang ahli (pakar)
3. Transfer pengalaman
4. Pembuatan alasan
5. Pembuatan simbol
6. Aturan
7. Kemampuan untuk menjelaskan
Daya tarik sistem pakar
1. Menawarkan kesempatan untuk membuat keputusan
yang melebihi kemampuan manajer
2. Kemampuannya dalam menjelaskan alur penalaran
dalam mencapai suatu pemecahan masalah
Keuntungan & Kerugian
Sistem Pakar
Keuntungan Sistem Pakar bagi Manajer
1. Mempertimbangkan lebih banyak alternatif
2. Menerapkan logika yang lebih tinggi
3. Menyediakan lebih banyak waktu untuk
mengevaluasi hasil keputusan
4. Membuat keputusan yang lebih konsisten
Keuntungan Sistem Pakar bagi Perusahaan
1. Kinerja perusahaan yang lebih baik
2. Mempertahankan pengendalian atas pengetahuan
perusahaan
Kerugian Sistem Pakar
1. Tidak dapat menangani pengetahuan yang tidak
konsisten
2. Sistem Pakar tidak dapat menerapkan penilaian dan
intuisi

More Related Content

Similar to 8. SISTEM PAKAR.pdf

Sistem pakar teknologi informasi eris
Sistem pakar teknologi informasi erisSistem pakar teknologi informasi eris
Sistem pakar teknologi informasi erisEris Hariyanto
 
Pertemuan 1 konsep dasar sistem pakar
Pertemuan 1   konsep dasar sistem pakarPertemuan 1   konsep dasar sistem pakar
Pertemuan 1 konsep dasar sistem pakaredi_suhardi
 
Ervansyah putra, hapzi ali, sistem pakar, ut, 2018
Ervansyah putra, hapzi ali, sistem pakar, ut, 2018Ervansyah putra, hapzi ali, sistem pakar, ut, 2018
Ervansyah putra, hapzi ali, sistem pakar, ut, 2018Universitas Terbuka
 
Tugas executive support system for bussiness expert system
Tugas executive support system for bussiness expert systemTugas executive support system for bussiness expert system
Tugas executive support system for bussiness expert systemKristine M H
 
Ary p,hapzi ali, desain sistem pakar, ut, 2017
Ary p,hapzi ali, desain sistem pakar, ut, 2017Ary p,hapzi ali, desain sistem pakar, ut, 2017
Ary p,hapzi ali, desain sistem pakar, ut, 2017Ary Prasetyo
 
II Pengantar Sistem Pakar
II   Pengantar Sistem PakarII   Pengantar Sistem Pakar
II Pengantar Sistem PakarHerman Tolle
 
Pertemuan 11 Sistem Pakar (Expert System)
Pertemuan 11 Sistem Pakar (Expert System)Pertemuan 11 Sistem Pakar (Expert System)
Pertemuan 11 Sistem Pakar (Expert System)Endang Retnoningsih
 
Tugas artificial intelligence
Tugas artificial intelligenceTugas artificial intelligence
Tugas artificial intelligenceAli Nardi
 
Jurnal 1 sistem pakar atau dss
Jurnal 1 sistem pakar atau dssJurnal 1 sistem pakar atau dss
Jurnal 1 sistem pakar atau dssperi subagja
 
Sistem berbasis pengetahuan 2
Sistem berbasis pengetahuan 2Sistem berbasis pengetahuan 2
Sistem berbasis pengetahuan 2mantap bana yaung
 
Pengantar Teknologi Informasi " Sistem Pakar "
Pengantar Teknologi Informasi " Sistem Pakar "Pengantar Teknologi Informasi " Sistem Pakar "
Pengantar Teknologi Informasi " Sistem Pakar "cecep usdaseroja
 
SBP PENDAHULUAN.pdf
SBP PENDAHULUAN.pdfSBP PENDAHULUAN.pdf
SBP PENDAHULUAN.pdfssuserbcb591
 
Expert System Development-sant
Expert System Development-santExpert System Development-sant
Expert System Development-santMaikelPaijovka
 
Materi8 sistem pakar_ai
Materi8 sistem pakar_aiMateri8 sistem pakar_ai
Materi8 sistem pakar_aiEddy Tungadi
 
Pengantar Sistem Pakar
Pengantar Sistem PakarPengantar Sistem Pakar
Pengantar Sistem PakarHerman Tolle
 
Sistem Pakar Intro-sant
Sistem Pakar Intro-santSistem Pakar Intro-sant
Sistem Pakar Intro-santMaikelPaijovka
 
M1 pengenalan sp[1]
M1 pengenalan sp[1]M1 pengenalan sp[1]
M1 pengenalan sp[1]himaone2001
 

Similar to 8. SISTEM PAKAR.pdf (20)

Pengantar Sistem Pakar
Pengantar Sistem PakarPengantar Sistem Pakar
Pengantar Sistem Pakar
 
Sistem pakar teknologi informasi eris
Sistem pakar teknologi informasi erisSistem pakar teknologi informasi eris
Sistem pakar teknologi informasi eris
 
Pertemuan 1 konsep dasar sistem pakar
Pertemuan 1   konsep dasar sistem pakarPertemuan 1   konsep dasar sistem pakar
Pertemuan 1 konsep dasar sistem pakar
 
Pertemuan 1
Pertemuan 1Pertemuan 1
Pertemuan 1
 
Ervansyah putra, hapzi ali, sistem pakar, ut, 2018
Ervansyah putra, hapzi ali, sistem pakar, ut, 2018Ervansyah putra, hapzi ali, sistem pakar, ut, 2018
Ervansyah putra, hapzi ali, sistem pakar, ut, 2018
 
Tugas executive support system for bussiness expert system
Tugas executive support system for bussiness expert systemTugas executive support system for bussiness expert system
Tugas executive support system for bussiness expert system
 
Ary p,hapzi ali, desain sistem pakar, ut, 2017
Ary p,hapzi ali, desain sistem pakar, ut, 2017Ary p,hapzi ali, desain sistem pakar, ut, 2017
Ary p,hapzi ali, desain sistem pakar, ut, 2017
 
II Pengantar Sistem Pakar
II   Pengantar Sistem PakarII   Pengantar Sistem Pakar
II Pengantar Sistem Pakar
 
Sistem pakar-5
Sistem pakar-5Sistem pakar-5
Sistem pakar-5
 
Pertemuan 11 Sistem Pakar (Expert System)
Pertemuan 11 Sistem Pakar (Expert System)Pertemuan 11 Sistem Pakar (Expert System)
Pertemuan 11 Sistem Pakar (Expert System)
 
Tugas artificial intelligence
Tugas artificial intelligenceTugas artificial intelligence
Tugas artificial intelligence
 
Jurnal 1 sistem pakar atau dss
Jurnal 1 sistem pakar atau dssJurnal 1 sistem pakar atau dss
Jurnal 1 sistem pakar atau dss
 
Sistem berbasis pengetahuan 2
Sistem berbasis pengetahuan 2Sistem berbasis pengetahuan 2
Sistem berbasis pengetahuan 2
 
Pengantar Teknologi Informasi " Sistem Pakar "
Pengantar Teknologi Informasi " Sistem Pakar "Pengantar Teknologi Informasi " Sistem Pakar "
Pengantar Teknologi Informasi " Sistem Pakar "
 
SBP PENDAHULUAN.pdf
SBP PENDAHULUAN.pdfSBP PENDAHULUAN.pdf
SBP PENDAHULUAN.pdf
 
Expert System Development-sant
Expert System Development-santExpert System Development-sant
Expert System Development-sant
 
Materi8 sistem pakar_ai
Materi8 sistem pakar_aiMateri8 sistem pakar_ai
Materi8 sistem pakar_ai
 
Pengantar Sistem Pakar
Pengantar Sistem PakarPengantar Sistem Pakar
Pengantar Sistem Pakar
 
Sistem Pakar Intro-sant
Sistem Pakar Intro-santSistem Pakar Intro-sant
Sistem Pakar Intro-sant
 
M1 pengenalan sp[1]
M1 pengenalan sp[1]M1 pengenalan sp[1]
M1 pengenalan sp[1]
 

More from NovaRuwanti

RPS MAKRO aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa
RPS MAKRO aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaRPS MAKRO aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa
RPS MAKRO aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaNovaRuwanti
 
saw method aaaaaaaaaaaaaaaaaaaaaaaaaaaaaa
saw method aaaaaaaaaaaaaaaaaaaaaaaaaaaaaasaw method aaaaaaaaaaaaaaaaaaaaaaaaaaaaaa
saw method aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaNovaRuwanti
 
RPS INTRO TO IT & Saaaaaaaaaaaaaaaaaaaaaa
RPS INTRO TO IT & SaaaaaaaaaaaaaaaaaaaaaaRPS INTRO TO IT & Saaaaaaaaaaaaaaaaaaaaaa
RPS INTRO TO IT & SaaaaaaaaaaaaaaaaaaaaaaNovaRuwanti
 
Konsep_teknologi_informasi aaaaaaaaaaaaa
Konsep_teknologi_informasi  aaaaaaaaaaaaaKonsep_teknologi_informasi  aaaaaaaaaaaaa
Konsep_teknologi_informasi aaaaaaaaaaaaaNovaRuwanti
 
aaaaaaaassssaaaaaaaaaaaaaaaaaaaaaaaaaaaa
aaaaaaaassssaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaassssaaaaaaaaaaaaaaaaaaaaaaaaaaaa
aaaaaaaassssaaaaaaaaaaaaaaaaaaaaaaaaaaaaNovaRuwanti
 
Design & pemrograman web basedddd dfffgggggggggg
Design & pemrograman web basedddd dfffggggggggggDesign & pemrograman web basedddd dfffgggggggggg
Design & pemrograman web basedddd dfffggggggggggNovaRuwanti
 
1 okt 2023 keduaaa.ppt
1 okt 2023 keduaaa.ppt1 okt 2023 keduaaa.ppt
1 okt 2023 keduaaa.pptNovaRuwanti
 
Himpunan Oke.docx
Himpunan Oke.docxHimpunan Oke.docx
Himpunan Oke.docxNovaRuwanti
 
RPS nora fix.pdf
RPS nora fix.pdfRPS nora fix.pdf
RPS nora fix.pdfNovaRuwanti
 
Rps Manajemen bisnis fix.docx
Rps Manajemen bisnis fix.docxRps Manajemen bisnis fix.docx
Rps Manajemen bisnis fix.docxNovaRuwanti
 
RPS-PENGAMBILAN-KEPUTUSAN.pdf
RPS-PENGAMBILAN-KEPUTUSAN.pdfRPS-PENGAMBILAN-KEPUTUSAN.pdf
RPS-PENGAMBILAN-KEPUTUSAN.pdfNovaRuwanti
 
Knowledge Management 3.pdf
Knowledge  Management 3.pdfKnowledge  Management 3.pdf
Knowledge Management 3.pdfNovaRuwanti
 
Pendapatan_Nasional.ppt
Pendapatan_Nasional.pptPendapatan_Nasional.ppt
Pendapatan_Nasional.pptNovaRuwanti
 
Macroeconomics.pdf
Macroeconomics.pdfMacroeconomics.pdf
Macroeconomics.pdfNovaRuwanti
 
6. MINIMAX - ALPA BETA PRUNNING.pdf
6. MINIMAX - ALPA BETA PRUNNING.pdf6. MINIMAX - ALPA BETA PRUNNING.pdf
6. MINIMAX - ALPA BETA PRUNNING.pdfNovaRuwanti
 

More from NovaRuwanti (17)

RPS MAKRO aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa
RPS MAKRO aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaRPS MAKRO aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa
RPS MAKRO aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa
 
saw method aaaaaaaaaaaaaaaaaaaaaaaaaaaaaa
saw method aaaaaaaaaaaaaaaaaaaaaaaaaaaaaasaw method aaaaaaaaaaaaaaaaaaaaaaaaaaaaaa
saw method aaaaaaaaaaaaaaaaaaaaaaaaaaaaaa
 
RPS INTRO TO IT & Saaaaaaaaaaaaaaaaaaaaaa
RPS INTRO TO IT & SaaaaaaaaaaaaaaaaaaaaaaRPS INTRO TO IT & Saaaaaaaaaaaaaaaaaaaaaa
RPS INTRO TO IT & Saaaaaaaaaaaaaaaaaaaaaa
 
Konsep_teknologi_informasi aaaaaaaaaaaaa
Konsep_teknologi_informasi  aaaaaaaaaaaaaKonsep_teknologi_informasi  aaaaaaaaaaaaa
Konsep_teknologi_informasi aaaaaaaaaaaaa
 
aaaaaaaassssaaaaaaaaaaaaaaaaaaaaaaaaaaaa
aaaaaaaassssaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaassssaaaaaaaaaaaaaaaaaaaaaaaaaaaa
aaaaaaaassssaaaaaaaaaaaaaaaaaaaaaaaaaaaa
 
Design & pemrograman web basedddd dfffgggggggggg
Design & pemrograman web basedddd dfffggggggggggDesign & pemrograman web basedddd dfffgggggggggg
Design & pemrograman web basedddd dfffgggggggggg
 
1 okt 2023 keduaaa.ppt
1 okt 2023 keduaaa.ppt1 okt 2023 keduaaa.ppt
1 okt 2023 keduaaa.ppt
 
Himpunan Oke.docx
Himpunan Oke.docxHimpunan Oke.docx
Himpunan Oke.docx
 
RPS nora fix.pdf
RPS nora fix.pdfRPS nora fix.pdf
RPS nora fix.pdf
 
pert 3.pdf
pert 3.pdfpert 3.pdf
pert 3.pdf
 
pert I.pdf
pert I.pdfpert I.pdf
pert I.pdf
 
Rps Manajemen bisnis fix.docx
Rps Manajemen bisnis fix.docxRps Manajemen bisnis fix.docx
Rps Manajemen bisnis fix.docx
 
RPS-PENGAMBILAN-KEPUTUSAN.pdf
RPS-PENGAMBILAN-KEPUTUSAN.pdfRPS-PENGAMBILAN-KEPUTUSAN.pdf
RPS-PENGAMBILAN-KEPUTUSAN.pdf
 
Knowledge Management 3.pdf
Knowledge  Management 3.pdfKnowledge  Management 3.pdf
Knowledge Management 3.pdf
 
Pendapatan_Nasional.ppt
Pendapatan_Nasional.pptPendapatan_Nasional.ppt
Pendapatan_Nasional.ppt
 
Macroeconomics.pdf
Macroeconomics.pdfMacroeconomics.pdf
Macroeconomics.pdf
 
6. MINIMAX - ALPA BETA PRUNNING.pdf
6. MINIMAX - ALPA BETA PRUNNING.pdf6. MINIMAX - ALPA BETA PRUNNING.pdf
6. MINIMAX - ALPA BETA PRUNNING.pdf
 

8. SISTEM PAKAR.pdf

  • 1. @itkjakarta Transforming Lives, Enriching Future ----- sistem pakar
  • 3. APA ITU PAKAR / AHLI (EXPERT)? a. Seorang pakar/ahli (human expert) adalah seorang individu yang memiliki kemampuan pemahaman yang superior dari suatu masalah. b. Misalnya : seorang dokter, penasehat keuangan, pakar mesin mobil, dll.
  • 4. KEMAMPUAN KEPAKARAN a. Dapat mengenali (recognizing) dan merumuskan masalah b. Menyelesaikan masalah dengan cepat dan tepat c. Menjelaskan solusi d. Belajar dari pengalaman e. Restrukturisasi pengetahuan f. Menentukan relevansi/hubungan g. Memahami batas kemampuan
  • 5. PAKAR / EXPERT (TURBAN : DSS&ES) 1. Pakar sulit didefinisikan : tingkat kepakaran • Kepakaran berasosiasi dengan tingkat inteligen (tidak harus orang terpintar) & jumlah pengetahuan • Pakar belajar dari pengalaman (sukses/gagal) pola • Pengetahuan pakar : terstruktur dan cepat diakses • Memecahkan masalah dengan efisien dan efektif 2. Rasio Non-pakar : Pakar = 100 : 1 3. Pakar: punya pengetahuan khusus, penilaian, pengalaman, dan metode serta kemampuan mengaplikasikannya untuk memecahkan masalah
  • 6. APA ITU KEPAKARAN / KEAHLIAN (EXPERTISE) ? Pemahaman yang luas dari tugas atau pengetahuan spesifik yang diperoleh dari pelatihan, membaca dan pengalaman. Jenis-jenis pengetahuan yang dimiliki dalam kepakaran : • Teori-teori dari permasalahan • Aturan dan prosedur yang mengacu pada area permasalahan • Aturan (heuristik) yang harus dikerjakan pada situasi yang terjadi • Strategi global untuk menyelesaikan berbagai jenis masalah • Meta-knowledge • Fakta-fakta
  • 8. EXPERT SYSTEM (SISTEM PAKAR)  Definisi Sistem Pakar Sistem berbasis pengetahuan yang menggunakan pengetahuan manusia untuk memecahkan masalah.  Sistem yang mempunyai pengetahuan para ahli / pakar dan menggunakannya dalam mengambil keputusan / menyelesaikan masalah  Bidang yang ditangani spesifik  Berdasarkan pada aturan-aturan yang biasanya berbentuk IF-THEN
  • 9. KONSEP DASAR SISTEM PAKAR  Kepakaran ditransfer dari seorang pakar ke komputer.  Pengetahuan ini disimpan dan user dapat meminta saran spesifik yang dibutuhkannya.  Komputer dapat mencari, mengolah dan menampilkan kesimpulan yang spesifik  Mempunyai kemampuan menjelaskan
  • 10. MODEL SISTEM PAKAR Inference Engine Knowledge Base Problem Domain Pemakai User Interface Development Engine Expert & Knowledge Engineer Instruksi & Informasi Solusi & Penjelasan Pengetahuan
  • 12. 1. USER INTERFACE User interface memungkinkan manajer untuk memasukkan instruksi dan informasi ke dalam sistem pakar dan menerima informasi dari sistem pakar. Pemakai User Interface
  • 13. A. Input Sistem Pakar User interface dirancang untuk mempermudah dialog dua arah antara sistem & pemakai dengan menampilkan teknik tanya-jawab dan pengisian formulir kemudian muncul bahasa perintah dan menu elektronik dan sistem manajemen data base (DBMS) Pemakai User Interface
  • 14. B. Output Sistem Pakar Sistem Pakar dirancang untuk menyarankan pemecahan. Pemecahan ini dilengkapi dengan penjelasan : 1.Penjelasan atas pertanyaan 2.Penjelasan atas penyelesaian masalah Pemakai User Interface
  • 15. 2. KNOWLEDGE BASE Knowlage base memuat fakta-fakta yang menjelaskan area masalah dan juga teknik menerangkan masalah yang menjelaskan bagaimana fakta- fakta tersebut cocok satu sama lain dalam urutan yang logis. Knowledge Base
  • 16. 3. INFERENCE ENGINE Bagian dari Sistem Pakar yang melakukan penalaran dengan menggunakan knowledge base berdasarkan urutan tertentu.
  • 17. A. Penalaran Maju  Metode forward chaining adalah pelacakan ke depan yang memulai dari sekumpulan fakta-fakta dengan mencari kaidah yang cocok dengan dugaan/hipotesa yang ada menuju kesimpulan.
  • 18. A. Penalaran Maju Contoh: Knowledge Base 1. Akar Serabut (A1) 2. Biji Terbuka (A2) 3. Akar Tunggang (A3) 4. Biji Tertutup (A4) 5. Daun Sejajar (A5) 6. Melengkung (A6) 7. Monokotil (A7) 8. Daun Menyirip (A8) 9. Dikotil (A9) 10. Tumbuhan Berbiji (A10) 11. Mangga (P1) 12. Padi (P2) Rules: 1. If A1 then A2 2. If A3 then A4 3. If A2 and A5 or A6 then A7 4. If A4 and A8 then A9 5. If A2 and A4 then A10 6. If A9 and A10 and A8 then P1 7. If A10 and A7 and A5 then P2
  • 19. A. Penalaran Maju Contoh: Pertanyaan (Fakta): 1. Akar Tunggang 2. Tumbuhan Berbiji 3. Daun Menyirip ?
  • 20. B. Penalaran Mundur  Metode backward chaining adalah pelacakan kebelakang yang memulai penalarannya dari kesimpulan (goal), dengan mencari sekumpulan hipotesa-hipotesa menuju fakta-fakta yang mendukung sekumpulan hipotesa-hipotesa tersebut.
  • 21. B. Penalaran Mundur Contoh: Knowledge Base 1. Batuk (A1) 2. Nafas Pendek (A2) 3. Kelelahan (A3) 4. Berkeringat (A4) 5. Tak nafsu makan (A5) 6. Sesak Nafas (A6) 7. Nafas Berbunyi (A7) 8. Sulit Bicara (A8) 9. Wajah Pucat (A9) 10. Demam (A10) 11. Tuberkulosis (P1) 12. Asma (P2) Rules: 1. If A1 or A2 then A3 2. If A3 and A4 then A9 3. If A5 and A9 then A10 4. If A10 and A8 then P1 5. If A6 and A7 and A8 then P2
  • 22. B. Penalaran Mundur Contoh: Fakta: 1. Nafas Pendek 2. Berkeringat 3. Tak nafsu makan 4. Sulit Bicara Goal: 1. Tuberkulosis
  • 23. Membandingkan Penalaran Maju dan Penalaran Mundur • Penalaran mundur bergerak lebih cepat dari penalaran maju karena penalaran mundur tidak harus mempertimbangkan semua aturan dan tidak membuat beberapa putaran melalui perangkat atauran.
  • 24. Penalaran mundur sangat sesuai jika: 1. Terdapat variabel sasaran berganda (multiple goal variable) 2. Terdapat banyak aturan 3. Semua atau hampir semua aturan tidak harus diuji dalam proses mencapai pemecahan.
  • 25. 4. DEVELOPMENT ENGINE  Komponen utama sistem pakar adalah development engine, yang digunakan untuk menciptakan sistem pakar.
  • 26. Ada 2 pendekatan dasar dalam pencipataan sistem pakar 1. Bahasa Pemrograman Sistem Pakar bisa dibuat dengan menggunakan bahasa pemrograman apapun. 2. Shell sistem pakar adalah sistem pakar jadi, sistem pakar pertama dinamakan dengan Mycin, yang di gunakan untuk mendiagnosa penyakit menular tertentu
  • 27. Knowledge Engineer  Orang yang bekerja membantu pakar dalam merancang sistem pakar disebut Knowledge Engineer.
  • 28. Keahlian yang harus dimiliki oleh Knowledge Engineer 1. Mengerti bagaimana menerapkan pengetahuan dalam memecahkan masalah 2. Mampu memahami penjelasan mengenai pengetahuan yang diberikan oleh pakar
  • 29. Elemen-elemen sistem pakar 1. Pengalaman 2. Orang ahli (pakar) 3. Transfer pengalaman 4. Pembuatan alasan 5. Pembuatan simbol 6. Aturan 7. Kemampuan untuk menjelaskan
  • 30. Daya tarik sistem pakar 1. Menawarkan kesempatan untuk membuat keputusan yang melebihi kemampuan manajer 2. Kemampuannya dalam menjelaskan alur penalaran dalam mencapai suatu pemecahan masalah
  • 32. Keuntungan Sistem Pakar bagi Manajer 1. Mempertimbangkan lebih banyak alternatif 2. Menerapkan logika yang lebih tinggi 3. Menyediakan lebih banyak waktu untuk mengevaluasi hasil keputusan 4. Membuat keputusan yang lebih konsisten
  • 33. Keuntungan Sistem Pakar bagi Perusahaan 1. Kinerja perusahaan yang lebih baik 2. Mempertahankan pengendalian atas pengetahuan perusahaan
  • 34. Kerugian Sistem Pakar 1. Tidak dapat menangani pengetahuan yang tidak konsisten 2. Sistem Pakar tidak dapat menerapkan penilaian dan intuisi