Sistem Pakar: Pengertian, Prinsip Kerja, dan Manfaatnya

Bidang kecerdasan buatan (AI) berkaitan dengan metode pengembangan sistem yang menampilkan aspek perilaku cerdas. Sistem ini dirancang untuk meniru kemampuan manusia dalam berpikir dan merasakan. Salah satu contohnya adalah sistem pakar atau expert system.

Apa itu sistem pakar?

Sistem Pakar: Pengertian, Prinsip Kerja, dan Manfaatnya

Di artikel ini kita akan belajar lebih dalam mengenai sistem pakar, karakteristik, prinsip kerja hingga manfaatnya. Simak, ya!

Daftar Isi

Pengertian Sistem Pakar

Sistem pakar adalah program komputer berteknologi kecerdasan buatan (AI) yang mensimulasikan penilaian, perilaku, dan kemampuan pengambilan keputusan manusia yang memiliki keahlian dan pengalaman di bidang tertentu.

Sistem Pakar (Expert System): Pengertian, Prinsip Kerja, dan Manfaatnya

Sumber: freepik.com

Sistem pakar diimplementasikan dengan mengapdosi pengetahuan seorang pakar. Pakar atau manusia ahli (human expert) adalah seorang individu yang memiliki kemampuan pemahaman yang superior atas suatu masalah spesifik.

Seorang pakar mampu menjelaskan suatu tanggapan, mempelajari hal-hal baru seputar topik permasalahan, menyusun kembali pengetahuan jika dipandang perlu, serta memecahkan masalah dengan cepat dan tepat

Sistem pakar dirancang dengan tujuan untuk memberikan solusi pada masalah yang kompleks, atau untuk memperjelas ketidakpastian melalui penggunaan program non-algoritmik di mana biasanya keahlian manusia akan dibutuhkan.

Sistem pakar umumnya dipakai pada domain masalah yang kompleks dan dianggap sebagai alternatif yang banyak digunakan dalam mencari solusi yang membutuhkan adanya keahlian manusia yang spesifik. Sistem pakar juga mampu membenarkan solusi yang diberikan berdasarkan pengetahuan dan data dari pengguna sebelumnya.

Sistem pakar banyak digunakan dalam membuat keputusan strategis terkait pemasaran bisnis, menganalisis kinerja sistem realtime, mengkonfigurasi komputer, dan melakukan banyak fungsi lain yang biasanya memerlukan keberadaan seorang pakar atau ahli.

Sistem pakar biasanya bertujuan untuk melengkapi, bukan menggantikan pakar manusia.

Konsep sistem pakar dikembangkan pada tahun 1970-an oleh ilmuwan komputer Edward Feigenbaum, seorang profesor ilmu komputer di Universitas Stanford dan pendiri Laboratorium Sistem Pengetahuan Stanford.

Menurut Feigenbaum, dunia komputer sedang bergerak maju dari yang awalnya melakukan pemrosesan data menuju "pemrosesan pengetahuan". Hal ini berarti komputer memiliki potensi untuk melakukan lebih dari perhitungan dasar dan mampu memecahkan masalah yang kompleks berkat teknologi prosesor dan arsitektur komputer baru.

Komponen-komponen pada Sistem Pakar

Sistem pakar biasanya memiliki tiga komponen inti, yakni:

Knowledge Base: komponen yang berisi informasi data, aturan (rule), relasi antara data dan aturan dalam pengambilan kesimpulan.
Inference Engine: komponen yang berfungsi menganalisa data yang ada dan menarik kesimpulan berdasarkan aturan yang ada.
User Interface: komponen yang berfungsi sebagai alat atau media komunikasi antara pemakai (user) dengan program

1. Knowledge Base

Knowledge Base atau basis pengetahuan tersusun atas fakta yang berupa informasi tentang obyek, dan kaidah yang merupakan informasi tentang cara bagaimana membangkitkan fakta baru dari fakta yang sudah diketahui.

Knowledge base merupakan representasi pengetahuan dari seorang pakar. Pengetahuan yang disimpan dalam knowledge base disimpan dalam suatu struktur data khusus yang disesuaikan dengan metode inferensi yang dipakai.

2. Inference Engine

Inference atau inferensi adalah proses yang digunakan dalam sistem pakar untuk menghasilkan informasi baru dari informasi yang telah diketahui.

Dalam sistem pakar proses inferensi dilakukan dalam suatu modul yang disebut Inference Engine (Mesin inferensi). Inference engine dibuat ketika representasi pengetahuan (RP) pada bagian knowledge base telah lengkap, atau paling tidak telah berada pada level yang cukup akurat, maka RP tersebut telah siap digunakan.

Inference engine merupakan modul yang berisi program tentang bagaimana mengendalikan proses reasoning atau penalaran untuk mengambil kesimpulan.

Inference engine pada dasarnya memilih pengetahuan yang relevan dalam rangka mencapai kesimpulan. Inference engine memulai pelacakannya dengan mencocokkan aturan-aturan dalam basis pengetahuan dengan fakta-fakta yang ada.

3. User Interface

User interface atau antarmuka pengguna adalah komponen yang berfungsi sebagai jembatan penghubung antara sistem pakar dan pengguna, memungkinkan terjadinya interaksi antara program dan orang awam atau pemakai program untuk menyelesaikan suatu masalah.

Antarmuka pengguna pada sistem pakar terbagi atas empat bagian, yaitu:

Antarmuka pengisian Tabel Variabel: digunakan untuk memasukkan variable list.
Antarmuka pengisian Tabel Konklusi: sama dengan Tabel Variabel hanya pada form Tabel Konklusi diberi keterangan apakah variable konklusi yang diinputkan akan ditampilkan pada saat konsultasi atau tidak.
Antarmuka pengisian Tabel Rules: digunakan untuk memasukkan basis pengetahuan dengan penggunaan data variable dan konklusi yang diisikan melalui antarmuka pengisian Tabel Variabel dan Tabel Konklusi.
Antarmuka Tanya Jawab: dilakukan proses tanya jawab antara program dan pemakai. Pengisian berbentuk menu pilihan, sehingga pemakai dapat memilih jawaban dari sekian jawaban yang tersedia. Hal ini untuk menghindari kesalahan dalam memasukkan jawaban yang dapat menyebabkan kesalahan program pada saat melakukan proses pengecekan aturan-aturan yang ada dalam knowledge base.

Karakteristik Sistem Pakar

Berikut adalah beberapa karakteristik dari 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: Sistem pakar merespons dengan cara yang mudah dimengerti oleh pengguna. Sistem dapat mengambil input dalam bahasa manusia dan memberikan output dengan cara yang sama.
Andal: Sistem pakar jauh lebih andal untuk menghasilkan output yang efisien dan akurat.
Sangat responsif: Sistem pakar memberikan hasil untuk kueri kompleks apa pun dalam waktu yang sangat singkat.

Prinsip Kerja Sistem Pakar

Sistem pakar mengumpulkan pengalaman dan fakta dalam knowledge base dan mengintegrasikannya dengan inference engine.

Sumber: javatpoint.com

Inference engine menggunakan salah satu dari dua metode berikut untuk memperoleh informasi dari knowledge base:

Forward chaining, yaitu membaca dan memproses sekumpulan fakta untuk membuat prediksi logis tentang apa yang akan terjadi selanjutnya. Contoh dari forward chaining adalah membuat prediksi tentang pergerakan pasar saham.
Backward chaining, yaitu membaca dan memproses serangkaian fakta untuk mencapai kesimpulan logis tentang mengapa sesuatu terjadi. Contoh dari backward chaining yaitu memeriksa serangkaian gejala untuk mencapai diagnosis medis.

Sistem pakar bergantung pada ketersediaan knowledge base yang baik. Proses penambahan informasi ke knowledge base dilakukan oleh pakar ahli, dan pengguna umum menggunakan sistem untuk memecahkan masalah kompleks.

Proses membangun dan memelihara sistem pakar disebut rekayasa pengetahuan atau knowledge engineering. Pengembang sistem perlu memastikan bahwa sistem pakar memiliki semua informasi yang diperlukan untuk memecahkan masalah. Kemampuan sistem juga dapat ditingkatkan dengan memperluas knowledge base atau membuat seperangkat aturan baru.

Perbedaan Sistem Konvensional dan Sistem Pakar

Berikut adalah perbedaan mendasar dari sistem konvensional dan sistem pakar:

Sistem Konvensional

Informasi dan pemrosesannya biasanya jadi satu dengan program
Program tidak pernah salah (kecuali pemrogramnya yang salah)
Biasanya tidak bisa menjelaskan mengapa suatu input data itu dibutuhkan atau bagaimana output itu diperoleh
Pengubahan program cukup sulit dan merepotkan
Sistem hanya akan bekerja jika sistem tersebut sudah lengkap
Eksekusi dilakukan langkah demi langkah secara algoritmik
Menggunakan data
Tujuan utamanya adalah efisiensi

Sistem Pakar

Basis pengetahuan merupakan bagian terpisah dari mekanisme inferensi
Program bisa saja melakukan kesalahan
Penjelasan adalah bagian terpenting dari sistem pakar
Pengubahan pada aturan/kaidah dapat dilakukan dengan mudah
Sistem dapat bekerja hanya dengan beberapa rules
Eksekusi dilakukan pada keseluruhan basis pengetahuan secara heuristik dan logis
Menggunakan pengetahuan
Tujuan utamanya adalah efektivitas

Manfaat dan Kegunaan Sistem Pakar

Adapun manfaat dan kegunaan dari sistem pakar dapat dijabarkan sebagai berikut:

Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli
Bisa melakukan proses secara berulang secara otomatis
Menyimpan pengetahuan dan keahlian para pakar
Mampu mengambil dan melestarikan keahlian para pakar (terutama yang termasuk keahlian langka)
Mampu beroperasi dalam lingkungan yang berbahaya
Memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan mengandung ketidakpastian.
Pengguna bisa merespon dengan jawaban ’tidak tahu’ atau ’tidak yakin’ pada satu atau lebih pertanyaan selama konsultasi dan sistem pakar tetap akan memberikan jawaban.
Tidak memerlukan biaya saat tidak digunakan
Dapat digandakan (diperbanyak) sesuai kebutuhan dengan waktu yang minimal dan sedikit biaya
Dapat memecahkan masalah lebih cepat daripada kemampuan manusia dengan catatan menggunakan data yang sama.
Menghemat waktu dalam pengambilan keputusan
Meningkatkan kualitas dan produktivitas karena dapat memberi nasehat yang konsisten dan mengurangi kesalahan
Meningkatkan kapabilitas sistem terkomputerisasi yang lain.
Mampu menyediakan pelatihan. Pengguna pemula yang bekerja dengan sistem pakar akan menjadi lebih berpengalaman. Fasilitas penjelas dapat berfungsi sebagai guru

Contoh Penerapan Sistem Pakar

Sistem pakar efektif digunakan dalam domain atau bidang subjek tertentu yang memerlukan para ahli untuk membuat diagnosa, penilaian, atau prediksi.

Sistem ini telah memainkan peran besar di banyak industri, termasuk bidang-bidang berikut:

Layanan keuangan: sistem pakar membuat keputusan tentang manajemen aset, bertindak sebagai penasihat dan membuat prediksi tentang perilaku berbagai pasar dan indikator keuangan lainnya.
Teknik mesin: membantu memecahkan masalah mesin elektromekanis yang kompleks.
Telekomunikasi: sistem pakar digunakan untuk membuat keputusan mengenai teknologi jaringan yang digunakan dan pemeliharaan jaringan yang ada.
Kesehatan: sistem pakar membantu diagnosis medis.
Pertanian: sistem pakar dipakai untuk memperkirakan kerusakan tanaman.
Layanan pelanggan: digunakan untuk membantu menjadwalkan pesanan, mengarahkan permintaan pelanggan, dan memecahkan masalah.
Transportasi: sistem pakar berkontribusi dalam bidang perhubungan dan transportasi seperti kontrol lampu lalu lintas, desain jalan raya, penjadwalan dan pemeliharaan bus dan kereta api, pola penerbangan dan kontrol lalu lintas udara.

Adapun contoh dari sistem pakar adalah sebagai berikut:

CaDet (Cancer Decision Support Tool) digunakan untuk mengidentifikasi kanker pada tahap awal.
DENDRAL membantu ahli kimia mengidentifikasi molekul organik yang tidak diketahui.
DXplain adalah sistem pendukung klinis yang mendiagnosis berbagai penyakit.
MYCIN mengidentifikasi bakteri seperti bakteremia dan meningitis, dan merekomendasikan antibiotik dan dosis.
PXDES menentukan jenis dan tingkat keparahan kanker paru-paru yang dimiliki seseorang.
R1/XCON adalah sistem pakar manufaktur awal yang secara otomatis memilih dan memesan komponen komputer berdasarkan spesifikasi pelanggan.

Kelebihan Sistem Pakar

Adapun kelebihan dari sistem pakar adalah sebagai berikut:

Sistem pakar tidak rentan terhadap kesalahan manusia atau pengaruh emosional. Sistem pakar membuat keputusan berdasarkan aturan dan fakta yang ditentukan.
Pakar manusia tidak akan bertahan selamanya, dan mungkin banyak pengetahuan khusus dari para pakar yang seharusnya dijaga atau diabadikan. Sistem berbasis pengetahuan seperti sistem pakar menyediakan tempat penyimpanan permanen untuk pengetahuan dan informasi tersebut.
Sistem pakar menarik kesimpulan dari fakta yang ada dengan menggunakan berbagai jenis aturan, seperti aturan jika-maka (if-else).
Sistem pakar relatif murah dibandingkan dengan biaya mempekerjakan ahli manusia. Sistem pakar dapat membantu mencapai keputusan dengan lebih efisien, yang menghemat waktu dan memangkas anggaran biaya.
Beberapa pakar berkontribusi pada basis pengetahuan sistem pakar. Hal ini memberikan lebih banyak pengetahuan untuk diambil dan mencegah ahli dari pengambilan keputusan yang menyimpang.

Kelemahan Sistem Pakar

Kelemahan dari sistem pakar dapat dijabarkan sebagai berikut:

Pendekatan oleh setiap pakar untuk suatu situasi atau problem bisa berbeda-beda, meskipun sama-sama benar.
Transfer pengetahuan pada sistem pakar dapat bersifat subjektif dan bias.
Kurangnya rasa percaya pengguna dapat menghalangi pemakaian sistem pakar.
Sistem pakar tidak memiliki kemampuan pemecahan masalah yang 100% tepat. Salah satu kelebihan kecerdasan manusia adalah dapat bernalar secara nonlinier dan menggunakan informasi tambahan untuk menarik kesimpulan.
Sistem pakar kurang dalam hal intuisi. Intuisi manusia memungkinkan orang untuk menggunakan akal sehat dan firasat untuk memecahkan masalah. Mesin tidak memiliki intuisi. Dan meniru pengambilan keputusan berdasarkan perasaan menggunakan logika mekanis bisa memakan waktu lebih lama daripada seorang ahli yang menggunakan pengetahuan heuristik intrinsik untuk sampai pada kesimpulan yang cepat.
Dalam beberapa kasus -- diagnosa medis, misalnya -- emosi manusia berguna dan perlu. Misalnya, pengungkapan informasi medis yang sensitif kepada pasien memerlukan kecerdasan emosional yang mungkin tidak dimiliki oleh sistem pakar.
Sistem pakar sangat bergantung pada kualitas basis pengetahuan yang dimiliki. Jika diberikan informasi yang tidak akurat, maka dapat memberikan keputusan yang menyimpang.

Penutup

Demikianlah penjelasan mengenai sistem pakar. Semoga informasi yang disajikan dapat bermanfaat dan membantu Anda memahami lebih jauh mengenai sistem pakar.

Apabila Anda suka dengan artikel seperti ini, Anda bisa mengunjungi rubrik Kecerdasan Buatan, atau membaca artikel lainnya mengenai "Speech Recognition".

Salam!

Referensi:

Trivusi