EXPERT SYSTEMS

Sistem Pakar merupakan cabang dari ilmu kecerdasan buatan yang mampu mensimulasikan perilaku dan kecerdasan manusia. Artikel ini memberikan overview konsep Sistem Pakar dan Penerapannya untuk aplikasi Pemberian Kredit menggunakan bahasa Visual C# .Net. Pendahuluan Sistem pakar adalah program komputer yang mensimulasikan penilaian dan perilaku manusia atau organisasi yang memiliki pengetahuan dan pengalaman ahli dalam bidang tertentu. Biasanya, sistem seperti ini berisi basis pengetahuan yang berisi akumulasi pengalaman dan satu set aturan untuk menerapkan pengetahuan dasar untuk setiap situasi tertentu. Sistem pakar canggih dapat ditingkatkan dengan penambahan basis pengetahuan atau set aturan. Di antara yang paling terkenal sistem pakar yaitu aplikasi bermain catur dan system diagnosis medis. Sedangkan definisi yang paling dikenal yaitu : Sebuah model dan prosedur terkait yang memaparkan, dalam satu domain tertentu, derajat keahlian dalam pemecahan masalah yang sebanding dengan seorang pakar manusia (Ignizio) Sistem pakar adalah sistem komputer yang mengemulasi kemampuan pengambilan keputusan seorang ahli manusia. (Giarrantano) Pemrosesan yang dilakukan oleh system pakar merupakan pemrosesan pengetahuan, bukan pemrosesan data pada system komputer konvensional. Pengetahuan (knowledge) adalah pemahaman secara praktis maupun teoritis terhadap suatu obyek atau domain tertentu. Pengetahuan yang digunakan pada sistem pakar merupakan serangkaian informasi mengenai gejala-diagnosa, sebab-akibat, aksi reaksi tentang suatu domain tertentu (misalnya domain diagnosa medis). Beberapa model representasi pengetahuan yang penting adalah : Jaringan semantic (Semantic Nets) Bingkai (frame) Kaidah Produksi (Production Rule) Logika Predikat (Predicate Logic) Secara umum, definisi tradisional sebuah program komputer biasanya: Dalam sistem pakar, definisi berubah menjadi: Mesin inferensi + Pengetahuan = SISTEM PAKAR Dengan system pakar, permasalahan yang seharusnya hanya bisa diselesaikan oleh para pakar/ahli, dapat diselesaikan oleh orang biasa/awam. Sedangkan, untuk para ahli, sistem pakar juga akan membantu aktivitas mereka sebagai asisten yang seolah-olah sudah mempunyai banyak pengalaman.

Gambar 2.1 Model Sistem Pakar Menurut Turban [3], Sistem Pakar dapat ditampilkan dengan dua lingkungan, yaitu lingkungan pengembangan dan lingkungan konsultasi (runtime). Lingkungan pengembangan digunakan oleh ES builder untuk membangun komponen dan memasukkan pengetahuan ke dalam basis pengetahuan. Lingkungan konsultasi digunakan oleh user nonpakar untuk memperoleh pengetahuan dan nasihat pakar. Lingkungan ini dapat dipisahkan setelah sistem lengkap. Tiga komponen utama yang tampak secara virtual di setiap sistem pakar adalah : Basis pengetahuan Merupakan representasi pengetahuan dari seorang pakar yang diperlukan untuk memahami, memformulasikan dan memecahkan masalah. Terdiri dari 2 elemen dasar yaitu : Fakta yang berupa informasi tentang situasi permasalahan, teori dari area permasalahan atau informasi tentang objek. Spesial heuristik yang merupakan informasi tentang cara bagaimana membangkitkan fakta. Mesin inferensi Membuat inferensi yang memutuskan rule-rule mana yang akan digunakan. antarmuka pengguna. Merupakan bagian dari sistem pakar yang berfungsi sebagai pengendali masukan dan keluaran. User interface melayani user selama proses konsultasi mulai dari tanya-jawab untuk mendapatkan fakta-fakta yang dibutuhkan oleh inference engine sampai menampilkan output yang merupakan kesimpulan dan solusi. Informasi dari pakar harus dijadikan pengetahuan bagi system pakar yang akan kita kembangkan. Pengetahuan dari system pakar selanjutnya dapat direpresentasikan dengan beberapa cara. Salah satu yang paling umum untuk merepresentasikan pengetahuan dalam bentuk aturan IF-THEN, misalnya : IF the car doesn’t run and The fuel gauge reads empty THEN fill the gas tank Tabel di bawah menggambarkan persentase sistem pakar yang dikembangkan pada area tertentu:

Kelebihan dan karakteristik Sistem Pakar Sistem pakar banyak digunakan pada aplikasi terkini dan komplek karena : Sistem pakar dapat bertindak sebagai konsultan, instruktur, atau pasangan / rekan. Meningkatkan availability, kepakarran tersedia pada semua perangkat computer. Mengurangi biasa permanen Pengetahuan dapat tidak lengkap – namun keahlian dapat diperluas sesuai kebutuhan. Program konvensional harus “lengkap” sebelum mereka dapat digunakan. Database yang cerdas, system pakar dapat digunakan untuk mengakses databsaesecara cerdas, misalnya data mining. Sistem pakar biasanya didesai untukmemiliki karakteristik berikut : High performance Adequate response time Good reliability understandable Membangun Sistem Pakar Pada dasarnya ada 4 langkah untuk membangun sebuah sistem pakar: 1. Analisis 2. Spesifikasi 3. Pengembangan 4. Penyebaran Model spiral biasanya digunakan untuk pengembangan software dan sangat umum untuk menerapkan pendekatan ini. Penjelasannya dari 4 langkah pengembangan sebagai berikut : Analisis Tujuan analisis adalah untuk mengidentifikasi aplikasi yang potensial . Aplikasi yang mungkin termasuk diagnostik, controller, dll. Selama analisis pengembang juga harus menilai kesesuaian pengetahuan rekayasa teknologi untuk aplikasi ini. Anda harus yakin dan bertanya apakah system ini dapat bekerja lebih baik? Hal ini berlaku untuk menerapkan semua jenis kecerdasan buatan untuk memecahkan masalah. Spesifikasi Langkah spesifikasi adalah tempat pengembang mendefinisikan apa yang sistem pakar dapat dilakukan. Para pengembang juga harus bekerja dengan para pakar untuk belajar dan merencanakan pengembangan sistem. Ahli adalah manusia yang diidentifikasi sebagai ahli di domain bidang tertentu, seperti psikolog, dokter dan ilmuwan. Pengembang harus membiasakan diri dengan masalah sehingga pengembangan sistem dapat dilakukan. Pengembang akan menghabiskan sejumlah besar waktu dalam fase memperoleh pengetahuan. Mendefinisikan apakah yang mampu dilakukan oleh sebuah system pakar adalah sesuatu yang sangat menantang. Para ahli bisa jadi mengatasi masalah dengan cara yang berbeda. Beberapa ahli mungkin membayangkan fungsionalitas yang berbeda pada sebuah system daripada seorang pengembang yang lebih memahami keterbatasan dari software. Hal ini juga penting untuk meyakinkan pada para pakar bahwa tujuan dari sistem pakar adalah bukan untuk menggantikan para ahli, tetapi untuk menumbuhkembangkan pengetahuan dan keahlian di seluruh organisasi. Pengembangan Di sini, pengembang harus belajar bagaimana ahli melakukan tugas (akuisisi pengetahuan) dalam berbagai kasus. Pada dasarnya ada tiga jenis kasus pengembang harus mendiskusikan dengan ahli: saat ini, historis, dan hipotetis. Kasus saat ini dapat diperoleh dengan mengamatai ahli melakukan tugas. Kasus sebelumnya (historis) dapat dibahas dengan berdiskusi dengan ahli tugas yang dilakukan di masa lalu. Dan, kasus hipotetis dapat diperoleh dengan memintai ahli menjelaskan bagaimana tugas harus dilakukan dalam situasi hipotetis (hypothetical situation).