Sistem pakar adalah program komputer yang dirancang untuk memecahkan masalah kompleks dan memberikan kemampuan pengambilan keputusan seperti seorang pakar manusia dengan mengekstrak pengetahuan dari basis pengetahuannya menggunakan aturan penalaran dan inferensi. Sistem pakar terdiri dari antarmuka pengguna, mesin inferensi, dan basis pengetahuan yang berisi pengetahuan yang diperoleh dari para ahli. Sistem pakar membant

1. Sistem Pakar
santoso@global.ac.id
1

2. Apa itu Sistem Pakar?
Sistem pakar (ES) adalah program komputer yang dirancang untuk memecahkan
masalah yang kompleks dan memberikan kemampuan pengambilan keputusan seperti
seorang pakar manusia. ES melakukan ini dengan mengekstraksi pengetahuan
(knowledge) dari basis pengetahuannya (KB/knowledge base) menggunakan aturan
penalaran (reasoning) dan inferensi sesuai dengan permintaan pengguna (user queries).
Sistem pakar adalah bagian dari AI, dan ES pertama dikembangkan pada tahun 1970.
Sistem membantu dalam pengambilan keputusan untuk masalah kompleks menggunakan
fakta dan heuristik seperti ahli manusia. Disebut demikian karena berisi pengetahuan ahli
dari domain tertentu dan dapat memecahkan masalah kompleks dari domain tertentu.
Sistem ini dirancang untuk domain tertentu, seperti kedokteran, sains, dll.
https://www.javatpoint.com/expert-systems-in-artificial-intelligence

3. Kinerja sistem pakar didasarkan pada pengetahuan pakar yang tersimpan dalam
basis pengetahuannya. Semakin banyak pengetahuan yang disimpan dalam KB,
semakin sistem itu meningkatkan kinerjanya. Salah satu contoh umum ES adalah
saran kesalahan ejaan saat mengetik di kotak pencarian Google.
Di bawah ini adalah diagram blok yang mewakili cara kerja sistem pakar:

4. Catatan: Penting untuk diingat bahwa sistem pakar tidak digunakan untuk
menggantikan pakar manusia; sebaliknya, ini digunakan untuk membantu manusia
dalam membuat keputusan yang kompleks. Sistem ini tidak memiliki kemampuan
manusia untuk berpikir dan bekerja berdasarkan basis pengetahuan dari domain
tertentu.

5. Berikut adalah beberapa contoh populer dari Sistem Pakar:
DENDRAL: proyek kecerdasan buatan yang dibuat sebagai sistem pakar analisis
kimia. Digunakan dalam kimia organik untuk mendeteksi molekul organik
yang tidak diketahui dengan bantuan spektrum massa dan basis
pengetahuan kimia.
MYCIN: Salah satu sistem pakar paling awal yang dirancang untuk menemukan
bakteri penyebab infeksi seperti bakteremia dan meningitis. Itu juga
digunakan untuk rekomendasi antibiotik dan diagnosis penyakit
pembekuan darah.
PXDES: Merupakan sistem pakar yang digunakan untuk menentukan jenis dan
tingkat kanker paru-paru. Untuk menentukan penyakitnya, dibutuhkan
gambar dari tubuh bagian atas, yang terlihat seperti bayangan. Bayangan
ini mengidentifikasi jenis dan tingkat kerusakan.
CaDeT: Sistem pakar CaDet adalah sistem pendukung diagnostik yang dapat
mendeteksi kanker pada tahap awal.

6. Karakteristik Sistem Pakar
Kinerja Tinggi: Sistem pakar memberikan kinerja tinggi untuk memecahkan
semua jenis masalah kompleks dari domain tertentu dengan
efisiensi dan akurasi tinggi.
Dapat dimengerti: merespons dengan cara yang mudah dimengerti oleh
pengguna. Dapat mengambil input dalam bahasa manusia
dan memberikan output dengan cara yang sama.
Andal (Reliable): Jauh lebih andal untuk menghasilkan output yang efisien dan
akurat.
Sangat responsif: ES memberikan hasil untuk kueri kompleks apa pun dalam
waktu yang sangat singkat.

7. Komponen Sistem Pakar
Sebuah sistem pakar terutama terdiri dari tiga komponen:
Antarmuka pengguna
Mesin Inferensi
Dasar pengetahuan

8. 1. Antarmuka Pengguna
Dengan bantuan antarmuka pengguna, sistem pakar berinteraksi dengan pengguna,
mengambil kueri sebagai input dalam format yang dapat dibaca, dan meneruskannya
ke mesin inferensi. Setelah mendapatkan respon dari mesin inferensi, maka akan
ditampilkan outputnya kepada pengguna. Dengan kata lain, ini adalah antarmuka
yang membantu pengguna non-ahli untuk berkomunikasi dengan sistem pakar
untuk menemukan solusi.

9. antarmuka pengguna
Sistem pakar berisi prosesor bahasa untuk komunikasi berorientasi masalah yang
ramah antara manajer-pengguna & komputer. Komunikasi ini paling baik dilakukan
dalam bahasa alami dan dalam beberapa kasus; itu dilengkapi dengan grafik.
Antarmuka komputer manusia atau teknologi antarmuka pengguna memungkinkan
pengguna untuk berinteraksi dengan sistem. Pengguna menyajikan masalah dan
memiliki kesimpulan yang disajikan kepadanya. Fitur penting dari beberapa sistem
pakar adalah bahwa mereka dapat membenarkan kesimpulan yang dicapai serta
menjelaskan mengapa opsi tertentu digunakan atau dibuang.
https://www.yourarticlelibrary.com/management/mis-management/top-4-components-of-expert-system-mis/70412

10. antarmuka pengguna
Ada berbagai cara di mana inisiatif dapat dibagi antara sistem dan pengguna. Metode
yang straight forward adalah di mana sistem menentukan aliran sesi interaktif dengan
meminta pengguna dengan pertanyaan dan meminta data untuk dimasukkan. Dalam
hal ini, pengguna tidak dapat memberikan informasi sukarela.
Dalam sistem, di mana inisiatif dibagikan, seluruh proses pengambilan keputusan dibagi
antara pengguna dan sistem. Dalam sistem diagnostik, pengguna dapat memilih
hipotesis dan pada setiap tahap berkomentar apakah akan melanjutkan rute yang
sama atau mengubahnya. Jelas, jenis sistem ini jauh lebih kompleks untuk dirancang.
Antarmuka utama akan memungkinkan pengguna untuk mengambil semua inisiatif;
untuk dapat memasukkan sejumlah saran dalam bentuk bahasa alami. Ini sangat
kompleks dan terus dikembangkan.

11. 2. Mesin Inferensi (Aturan Mesin)
Mesin inferensi dikenal sebagai otak dari sistem pakar karena merupakan unit
pemrosesan utama dari sistem. Ini menerapkan aturan inferensi ke basis
pengetahuan untuk mendapatkan kesimpulan atau menyimpulkan informasi baru. Ini
membantu dalam mendapatkan solusi bebas kesalahan dari pertanyaan (queries)
yang diajukan oleh pengguna.
Dengan bantuan mesin inferensi, sistem mengekstrak pengetahuan dari basis
pengetahuan.
Ada dua jenis mesin inferensi:
Mesin Inferensi Deterministik: Kesimpulan yang diambil dari jenis mesin inferensi
ini dianggap benar. Itu berdasarkan fakta dan aturan (rules).
Mesin Inferensi Probabilistik: Jenis mesin inferensi ini mengandung
ketidakpastian dalam kesimpulan, dan berdasarkan probabilitas.

12. Mesin inferensi menggunakan mode di bawah ini untuk mendapatkan solusi:
Forward Chaining: Dimulai dari fakta dan aturan yang diketahui, dan
menerapkan aturan inferensi untuk menambahkan
kesimpulannya ke fakta yang diketahui.
Backward Chaining: metode penalaran mundur yang dimulai dari tujuan (goal)
dan bekerja mundur untuk membuktikan fakta yang
diketahui.

13. Mesin interferensi
adalah bagian dari program yang mendapatkan kembali & menentukan bagaimana
menerapkan pengetahuan dalam basis pengetahuan ke fakta & premis yang
disajikan di antarmuka pengguna. Ia melakukan tugas ini untuk menyimpulkan
fakta-fakta baru yang kemudian digunakan untuk menarik kesimpulan lebih lanjut.
Mesin interferensi adalah komponen aktif dari sistem pakar. Ini adalah Otak dari
sistem pakar.
Mesin interferensi juga dikenal sebagai struktur kontrol atau interpreter aturan.
Komponen ini pada dasarnya adalah program komputer yang memproses basis
pengetahuan untuk mencapai tujuan yang ditetapkan oleh pengguna, yang
berkomunikasi dengan sistem melalui antarmuka pengguna. Ini menyediakan
metodologi untuk penalaran tentang informasi dalam basis pengetahuan & untuk
merumuskan kesimpulan.

14. 3. Basis Pengetahuan
Basis pengetahuan adalah jenis penyimpanan yang menyimpan pengetahuan yang
diperoleh dari para ahli yang berbeda dari domain tertentu. Hal ini dianggap sebagai
penyimpanan besar pengetahuan (big storage of knowledge). Semakin banyak basis
pengetahuan, semakin tepat Sistem Pakar.
Mirip dengan database yang berisi informasi dan aturan domain atau subjek
tertentu.
Seseorang juga dapat melihat basis pengetahuan sebagai kumpulan objek dan
atributnya. Seperti Singa adalah objek dan atributnya adalah mamalia, bukan
hewan piaraan, dll.

15. Basis Pengetahuan
adalah elemen terpenting dari sistem pakar karena memiliki pengetahuan
pemecahan masalah pakar. Di sinilah pengetahuan yang diperoleh dari ahli disimpan.
Ini berisi aturan, fakta dan deskripsi objek dll.
Dengan produk sistem pakar yang lebih baru, basis pengetahuan selalu disimpan
dalam data. Informasi dalam basis pengetahuan adalah segala sesuatu yang
diperlukan untuk memahami & merumuskan masalah & kemudian memecahkannya.
Kunci basis pengetahuan adalah bagaimana pengetahuan itu direpresentasikan.
Pengetahuan yang diperoleh dari pakar harus direpresentasikan secara formal.
Representasi pengetahuan tersebut berkaitan dengan penataan informasi, manipulasi
informasi, dan akuisisi pengetahuan. Kekuatan suatu sistem cenderung terkait dari
semua sisi pengetahuan dalam basis pengetahuan.

16. Komponen Basis Pengetahuan
Pengetahuan Faktual: Pengetahuan yang didasarkan pada fakta dan diterima oleh
insinyur pengetahuan berada di bawah pengetahuan faktual.
Pengetahuan Heuristik: Pengetahuan ini didasarkan pada praktik, kemampuan
menebak, evaluasi, dan pengalaman.
Representasi Pengetahuan: Digunakan untuk memformalkan pengetahuan yang
disimpan dalam basis pengetahuan menggunakan aturan If-else.
Akuisisi Pengetahuan: proses penggalian, pengorganisasian, dan penataan
pengetahuan domain, menentukan aturan untuk memperoleh pengetahuan dari
berbagai ahli, dan menyimpan pengetahuan itu ke dalam basis pengetahuan.

17. knowledge engineer
Pengetahuan yang direpresentasikan dalam basis pengetahuan harus diperoleh dari
pakar. Ini adalah pekerjaan insinyur pengetahuan (knowledge engineer).
Karena ini adalah operasi yang terampil & memakan waktu, seringkali inilah yang
membatasi perancangan dan fungsi sistem pakar dalam lingkungan komersial.
Program Akuisisi Pengetahuan digunakan oleh seorang individu, yang memiliki
keahlian dalam masalah untuk, menciptakan, menambah atau mengubah basis
pengetahuan. Sumber pengetahuan potensial termasuk pakar manusia, laporan
penelitian, buku teks, database, dan pengalaman pengguna sendiri.

18. knowledge engineer
Para ahli membuat keputusan berdasarkan informasi kualitatif & kuantitatif.
Perekayasa sistem harus menerjemahkan prosedur standar ke dalam bentuk
yang sesuai untuk sistem pakar. Memperoleh pengetahuan dari para ahli adalah
tugas kompleks yang sering menjadi hambatan dalam konstruksi sistem pakar.
The state of the art saat ini membutuhkan seorang insinyur pengetahuan
untuk berinteraksi dengan satu atau lebih ahli manusia dalam membangun basis
pengetahuan. Biasanya, insinyur pengetahuan membantu struktur ahli dari area
masalah dengan menginterupsi & mengintegrasikan jawaban manusia atas
pertanyaan, dengan menggambar analogi, mengajukan contoh kontra, dan
menyoroti kesulitan konseptual.

19. Pengembangan Sistem Pakar
Cara kerja sistem pakar dengan mengambil contoh MYCIN ES. Berikut adalah beberapa
langkah untuk membangun MYCIN:
* Pertama, ES harus diisi dengan pengetahuan ahli. Dalam kasus MYCIN, pakar
manusia yang berspesialisasi dalam bidang medis infeksi bakteri, memberikan
informasi tentang penyebab, gejala, dan pengetahuan lain dalam domain tersebut.
* KB MYCIN berhasil diperbarui (updated). Untuk mengujinya, dokter memberikan
masalah baru padanya. Masalahnya adalah untuk mengidentifikasi keberadaan bakteri
dengan memasukkan rincian pasien, termasuk gejala, kondisi saat ini, dan riwayat
medis.
* ES akan membutuhkan kuesioner yang harus diisi oleh pasien untuk mengetahui
informasi umum tentang pasien, seperti jenis kelamin, usia, dll.
* Sekarang sistem telah mengumpulkan semua informasi, sehingga akan menemukan
solusi untuk masalah tersebut dengan menerapkan aturan if-then menggunakan mesin
inferensi dan menggunakan fakta yang tersimpan di dalam KB.
* Pada akhirnya akan memberikan respon kepada pasien dengan menggunakan user
interface.

20. Peserta (participants) dalam pengembangan Sistem Pakar
Ada tiga peserta utama dalam pembangunan Sistem Pakar:
Pakar: Keberhasilan ES sangat bergantung pada pengetahuan yang diberikan oleh
pakar manusia. Para ahli ini adalah orang-orang yang mengkhususkan diri dalam
domain tertentu.
Insinyur Pengetahuan: adalah orang yang mengumpulkan pengetahuan dari pakar
domain dan kemudian mengkodifikasi pengetahuan itu ke sistem sesuai dengan
formalisme.
Pengguna Akhir: adalah orang atau sekelompok orang tertentu yang mungkin bukan
ahli, dan bekerja pada sistem pakar membutuhkan solusi atau saran untuk
pertanyaannya, yang kompleks.

22. Sebelum menggunakan teknologi apa pun, kita harus memiliki gagasan tentang mengapa
menggunakan teknologi itu dan hal yang sama untuk ES. Meskipun kita memiliki
manusia yang ahli di segala bidang, lalu apa perlunya mengembangkan sistem berbasis
komputer. Jadi di bawah ini adalah poin-poin yang menggambarkan kebutuhan ES:
1 Tidak ada Keterbatasan memori: Dapat menyimpan data sebanyak yang diperlukan
dan dapat mengingatnya pada saat aplikasinya. Tetapi bagi ahli manusia, ada
beberapa batasan untuk menghafal semua hal setiap saat.
2 Efisiensi Tinggi: Jika basis pengetahuan diperbarui dengan pengetahuan yang benar,
maka akan memberikan output yang sangat efisien, yang mungkin tidak mungkin
dilakukan oleh manusia.
3 Keahlian dalam suatu domain: Ada banyak pakar manusia di setiap domain, dan
mereka semua memiliki keterampilan yang berbeda, pengalaman yang berbeda,
sehingga tidak mudah untuk mendapatkan hasil akhir dari kueri. Tetapi jika kita
menempatkan pengetahuan yang diperoleh dari pakar manusia ke dalam sistem pakar,
maka itu memberikan output yang efisien dengan mencampur semua fakta dan
pengetahuan.

23. 4 Tidak terpengaruh oleh emosi: Sistem ini tidak terpengaruh oleh emosi manusia
seperti kelelahan, kemarahan, depresi, kecemasan, dll. Oleh karena itu kinerjanya
tetap konstan.
5 Keamanan tinggi: Sistem ini memberikan keamanan tinggi untuk menyelesaikan
pertanyaan apa pun.
6 Mempertimbangkan semua fakta: Untuk menanggapi pertanyaan apa pun, ia
memeriksa dan mempertimbangkan semua fakta yang tersedia dan memberikan hasil
yang sesuai. Tetapi ada kemungkinan bahwa seorang ahli manusia mungkin tidak
mempertimbangkan beberapa fakta karena alasan apa pun.
7 Pembaruan rutin meningkatkan kinerja: Jika ada masalah dalam hasil yang
diberikan oleh sistem pakar, kita dapat meningkatkan kinerja sistem dengan
memperbarui (updating) basis pengetahuan.

24. Kemampuan Sistem Pakar
Di bawah ini adalah beberapa kemampuan dari Sistem Pakar:
Advising: Ia mampu menasihati manusia untuk permintaan domain apa pun dari ES
tertentu.
Memberikan kemampuan pengambilan keputusan: Ini memberikan kemampuan
pengambilan keputusan dalam domain apa pun, seperti untuk membuat keputusan
keuangan, keputusan dalam ilmu kedokteran, dll.
Peragakan perangkat (demonstrate a device): mampu mendemonstrasikan produk
baru apa pun seperti fitur, spesifikasi, cara menggunakan produk itu, dll.
Pemecahan masalah: Memiliki kemampuan memecahkan masalah.

25. Menjelaskan masalah: Hal ini juga mampu memberikan deskripsi rinci tentang
masalah masukan.
Menafsirkan input: Mampu menafsirkan input yang diberikan oleh pengguna.
Memprediksi hasil: Dapat digunakan untuk memprediksi hasil.
Diagnosis: ES yang dirancang untuk bidang medis mampu mendiagnosis penyakit
tanpa menggunakan banyak komponen karena sudah berisi berbagai alat medis
bawaan.

26. Keunggulan Sistem Pakar
Sistem ini sangat dapat direproduksi.
Dapat digunakan untuk tempat-tempat berisiko di mana keberadaan manusia
tidak aman.
Kemungkinan kesalahan lebih kecil jika KB berisi pengetahuan yang benar.
Kinerja sistem ini tetap stabil karena tidak terpengaruh oleh emosi, ketegangan,
atau kelelahan.
Memberikan kecepatan yang sangat tinggi untuk menanggapi permintaan tertentu.

27. Keterbatasan Sistem Pakar
Respon sistem pakar mungkin salah jika basis pengetahuan berisi informasi yang
salah.
Seperti halnya manusia, ia tidak dapat menghasilkan output kreatif untuk skenario
yang berbeda.
Biaya pemeliharaan dan pengembangannya sangat tinggi.
Akuisisi pengetahuan untuk mendesain jauh lebih sulit.
Untuk setiap domain, kami memerlukan ES tertentu, yang merupakan salah satu
batasan besar.
Tidak dapat belajar dari dirinya sendiri dan karenanya membutuhkan pembaruan
manual.

28. Aplikasi Sistem Pakar
Dalam merancang dan membuat domain: dapat digunakan secara luas untuk
merancang dan membuat perangkat fisik seperti lensa kamera dan mobil.
Dalam domain pengetahuan: Sistem ini terutama digunakan untuk
mempublikasikan pengetahuan yang relevan kepada pengguna. Dua ES populer
yang digunakan untuk domain ini adalah penasihat (advisor) dan penasihat pajak.

29. Di bidang keuangan: digunakan untuk mendeteksi segala jenis kemungkinan penipuan,
aktivitas mencurigakan, dan memberi tahu para bankir apakah mereka harus
memberikan pinjaman untuk bisnis atau tidak.
Dalam diagnosis dan pemecahan masalah perangkat: Dalam diagnosis medis, sistem
ES digunakan, dan ini adalah area pertama di mana sistem ini digunakan.
Perencanaan dan Penjadwalan: Sistem pakar juga dapat digunakan untuk
merencanakan dan menjadwalkan beberapa tugas tertentu untuk mencapai tujuan tugas
itu.