SISTEM PAKAR

Apa Itu Sistem Pakar?

Secara umum, sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer yang dirancang untuk memodelkan kemampuan menyelesaikan masalah seperti layaknya seorang pakar. Dengan sistem pakar ini, orang awam pun dapat menyelesaikan masalahnya atau hanya sekedar mencari suatu informasi berkualitas yang sebenarnya hanya dapat diperoleh dengan bantuan para ahli di bidangnya. Sistem pakar ini juga akan dapat membantu aktivitas para pakar sebagai asisten yang berpengalaman dan mempunyai asisten yang berpengalaman dan mempunyai pengetahuan yang dibutuhkan. Dalam penyusunannya, sistem pakar mengkombinasikan kaidah-kaidah penarikan kesimpulan (inference rules) dengan basis pengetahuan tertentu yang diberikan oleh satu atau lebih pakar dalam bidang tertentu. Kombinasi dari kedua hal tersebut disimpan dalam komputer, yang selanjutnya digunakan dalam proses pengambilan keputusan untuk penyelesaian masalah tertentu.
Ciri-Ciri Sistem Pakar
Sistem pakar yang baik harus memenuhi ciri-ciri sebagai berikut :
• Memiliki informasi yang handal.
• Mudah dimodifikasi.
• Dapat digunakan dalam berbagai jenis komputer.
• Memiliki kemampuan untuk belajar beradaptasi.
Keuntungan Sistem Pakar
Secara garis besar, banyak manfaat yang dapat diambil dengan adanya sistem pakar, antara lain :
1. Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli.
2. Bisa melakukan proses secara berulang secara otomatis.
3. Menyimpan pengetahuan dan keahlian para pakar.
4. Meningkatkan output dan produktivitas.
5. Meningkatkan kualitas.
6. Mampu mengambil dan melestarikan keahlian para pakar (terutama yang termasuk keahlian langka).
7. Mampu beroperasi dalam lingkungan yang berbahaya.
8. Memiliki kemampuan untuk mengakses pengetahuan.
9. Memiliki reabilitas.
10. Meningkatkan kapabilitas sistem komputer.
11. Memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan mengandung ketidakpastian.
12. Sebagai media pelengkap dalam pelatihan.
13. Meningkatkan kapabilitas dalam penyelesaian masalah.
14. Menghemat waktu dalam pengambilan keputusan.
Kelemahan Sistem Pakar
Di samping memiliki beberapa keuntungan, sistem pakar juga memiliki beberapa kelemahan, antara lain :
1. Biaya yang diperlukan untuk membuat dan memeliharanya sangat mahal.
2. Sulit dikembangkan. Hal ini tentu saja erat kaitannya dengan ketersediaan pakar di bidangnya.
3. Sistem Pakar tidak 100% bernilai benar.
Alasan Pengembangan Sistem Pakar
Sistem pakar sendiri dikembangkan lebih lanjut dengan alasan :
• Dapat menyediakan kepakaran setiap waktu dan di berbagai lokasi.
• Secara otomatis mengerjakan tugas-tugas rutin yang membutuhkan seorang pakar.
• Seorang pakar akan pensiun atau pergi.
• Seorang pakar adalah mahal.
• Kepakaran dibutuhkan juga pada lingkungan yang tidak bersahabat.
Modul Penyusun Sistem Pakar
Menurut Staugaard (1987) suatu sistem pakar disusun oleh tiga modul utama yaitu :
1. Modul Penerimaan Pengetahuan (Knowledge Acquisition Mode)
Sistem berada pada modul ini, pada saat ia menerima pengetahuan dari pakar. Proses mengumpulkan pengetahuan-pengetahuan yang akan digunakan untuk pengembangan sistem, dilakukan dengan bantuan knowledge engineer. Peran knowledge engineer adalah sebagai penghubung antara suatu sistem pakar dengan pakarnya.
2. Modul Konsultasi (Consultation Mode)
Pada saat sistem berada pada posisi memberikan jawaban atas permasalahan yang diajukan oleh user, sistem pakar berada dalam modul konsultasi. Pada modul ini, user berinteraksi dengan sistem dengan menjawab pertanyaan-pertanyaan yang diajukan oleh sistem.
3. Modul Penjelasan (Explanation Mode)
Modul ini menjelaskan proses pengambilan keputusan oleh system (bagaimana suatu keputusan dapat diperoleh).
Struktur Sistem Pakar
Komponen utama pada struktur sistem pakar menurut Hu et al (1987) meliputi:
1. Basis Pengetahuan (Knowledge Base)
Basis pengetahuan merupakan inti dari suatu sistem pakar, yaitu berupa representasi pengetahuan dari pakar. Basis pengetahuan tersusun atas fakta dan kaidah. Fakta adalah informasi tentang objek, peristiwa, atau situasi. Kaidah adalah cara untuk membangkitkan suatu fakta baru dari fakta yang sudah diketahui.
2. Mesin Inferensi (Inference Engine)
Mesin inferensi berperan sebagai otak dari sistem pakar. Mesin inferensi berfungsi untuk memandu proses penalaran terhadap suatu kondisi, berdasarkan pada basis pengetahuan yang tersedia. Di dalam mesin inferensi terjadi proses untuk memanipulasi dan mengarahkan kaidah, model, dan fakta yang disimpan dalam basis pengetahuan dalam rangka mencapai solusi atau kesimpulan. Dalam prosesnya, mesin inferensi menggunakan strategi penalaran dan strategi pengendalian. Strategi penalaran terdiri dari strategi penalaran pasti (Exact Reasoning) dan strategi penalaran tak pasti (Inexact Reasoning). Exact reasoning akan dilakukan jika semua data yang dibutuhkan untuk menarik suatu kesimpulan tersedia, sedangkan inexact reasoning dilakukan pada keadaan sebaliknya.Strategi pengendalian berfungsi sebagai panduan arah dalam melakukan prose penalaran. Terdapat tiga tehnik pengendalian yang sering digunakan, yaitu forward chaining, backward chaining, dan gabungan dari kedua teknik pengendalian tersebut.
3. Basis Data (Data Base)
Basis data terdiri atas semua fakta yang diperlukan, dimana fakta fakta tersebut digunakan untuk memenuhi kondisi dari kaidah-kaidah dalam sistem. Basis data menyimpan semua fakta, baik fakta awal pada saat sistem mulai beroperasi, maupun fakta-fakta yang diperoleh pada saat proses penarikan kesimpulan sedang dilaksanakan. Basis data digunakan untuk menyimpan data hasil observasi dan data lain yang dibutuhkan selama pemrosesan.
4. Antarmuka Pemakai (User Interface)
Fasilitas ini digunakan sebagai perantara komunikasi antara pemakai.dengan komputer.
Teknik Representasi Pengetahuan
Representasi pengetahuan adalah suatu teknik untuk merepresentasikan basis pengetahuan yang diperoleh ke dalam suatu skema/diagram tertentu sehingga dapat diketahui relasi/keterhubungan antara suatu data dengan data yang lain. Teknik ini membantu knowledge engineer dalam memahami struktur pengetahuan yang akan dibuat sistem pakarnya. Terdapat beberapa teknik representasi pengetahuan yang biasa digunakan dalam pengembangan suatu sistem pakar, yaitu
a. Rule-Based Knowledge
Pengetahuan direpresentasikan dalam suatu bentuk fakta (facts) dan aturan (rules). Bentuk representasi ini terdiri atas premise dan kesimpulan.
b. Frame-Based Knowledge
Pengetahuan direpresentasikan dalam suatu bentuk hirarki atau jaringan frame.
c. Object-Based Knowledge
Pengetahuan direpresentasikan sebagai jaringan dari obyek-obyek. Obyek adalah elemen data yang terdiri dari data dan metoda (proses).
d. Case-Base Reasoning
Pengetahuan direpresentasikan dalam bentuk kesimpulan kasus (cases).
Inferencing dengan Rule : Forward dan Backward Chaining
Inferensi dengan rules merupakan implementasi dari modus ponen, yang direfleksikan dalam mekanisme search (pencarian). Dapat pula mengecek semua rule pada knowledge base dalam arah forward maupun backward. Proses pencarian berlanjut sampai tidak ada rule yang dapat digunakan atau sampai sebuah tujuan (goal) tercapai. Ada dua metode inferencing dengan rules, yaitu forward chaining atau data-driven dan backward chaining atau goal-driven.
a. Backward chaining
• Menggunakan pendekatan goal-driven, dimulai dari ekspektasi apa yang diinginkan terjadi (hipotesis), kemudian mengecek pada sebab-sebab yang mendukung (ataupun kontradiktif) dari ekspektasi tersebut.
• Jika suatu aplikasi menghasilkan tree yang sempit dan cukup dalam, maka gunakan backward chaining.
b. Forward chaining
• Forward chaining merupakan grup dari multiple inferensi yang melakukan pencarian dari suatu masalah kepada solusinya.
• Jika klausa premis sesuai dengan situasi (bernilai TRUE), maka proses akan meng-assert konklusi.
• Forward chaining adalah data-driven karena inferensi dimulai dengan informasi yang tersedia dan baru konklusi diperoleh.
• Jika suatu aplikasi menghasilkan tree yang lebar dan tidak dalam, maka gunakan forward chaining.
Artikel II
Bidang Pengembangan Sistem Pakar
Written by Mr. Endi on March 15, 2009 – 12:49 am -
Ada banyak area atau wilayah yang menjadi daerah kerja AI yaitu jaringan saraf sistem persepsi, robotik, bahasa ilmiah, sistem pendukung keputusan, sistem informasi berbasis manajemen dan sistem pakar. Tiap daerah kerja AI memiliki potensi dalam memecahkan masalah, tetapi keunggulan utama ada dalam bentuk pengetahuan dari pakar manusia secara heuristik dalam sistem pakar. Heuristik sendiri berasal dari bahasa Yunani yaitu Eureka yang berarti menemukan. Heuristik dalam sistem pakar tidak menjamin hasil semutlak sistem kecerdasan buatan lainnya, tetapi menawarkan hasil yang spesifik untuk dimanfaatkan karena sistem pakar berfungsi secara konsisten seperti seorang pakar manusia, menawarkan nasihat kepada para pemakai dan menemukan solusi terhadap berbagai permasalahan yang spefisik.
Ada berbagai kategori pengembangan sistem pakar, antara lain:
1. Kontrol. Contoh pengembangan banyak ditemukan dalam kasus pasien di rumah sakit, di mana dengan kemampuan sistem pakar dapat dilakukan kontoro terhadap cara pengobatan dan perawatan melalui sensor data atau kode alarm dan memberikan solusi terapi pengobatan yang tepat bagi si pasien yang sakit.
2. Desain. Contoh sistem pakar di bidang ini adalah PEACE yang dibuat oleh
Dincbas pada tahun 1980 untuk membantu disain pengembangan sirkuit elektronik. Contoh lain adalah sistem pakar untuk membantu desain komputer dengan komponen-komponennya.
3. Diagnosis. Pengembangan sistem pakar terbesar adalah di bidang diagnosis penyakit, diagnosis kerusakan mesin kendaraan bermotor, diagnosis kerusakan komponen komputer, dan lain-lain.
4. Intruksi. Intruksi merupakan pengembangan sistem pakar yang sangat berguna dalam bidang ilmu pengetahuan dan pendidikan, di mana sistem pakar dapat memberika instruksi dan pengajaran tertentu terhadap suatu topik permasalahan. Contoh pengembangan sistem pakar di bidang ini adalah sistem pakar untuk pengajaran bahasa Inggris, sistem pakar untuk pengajaran astronomi dan lain-lain.
5. Interpretasi. Sistem pakar yang dikembangkan dalam bidang interpretasi melakukan proses pemahaman akan suatu situasi dari beberapa informasi yang direkam. Contoh sistem yang dikembangkan dewasa ini adalah sistem untuk melakukan sensor gambar dan suara kemudian menganalisanya dan kemudian membuat suatu rekomendasi berdasarkan rekaman tersebut.
6. Monitor. Sistem pakar dibidang ini banyak digunakan militer, yaitu menggunakan sensor radar kemudian menganalisanya dan menentukan posisi obyek berdasarkan posisi radar tersebut.
7. Perencanaan. Perencanaan banyak digunakan dalam bidang bisnis dan keuangan suatu proyek, di mana sistem pakar dalam membuat perencanaan suatu pekerjaan berdasarkan jumlah tenaga kerja, biaya dan waktu sehingga pekerjaan lebih efisien dan lebih optimal.
8. Prediksi. Sistem pakar ini mampu memprediksi kejadian masa mendatang berdasarkan informasi dan model permasalahan yang dihadapi. Biasanya sistem memberikan simulasi kejadian masa mendatang tersebut, misalnya memprediksi tingkat kerusakan tanaman apabila terserang hama dalam jangka waktu tertentu. Program ini dibuat pada tahun 1983 oleh Boulanger dengan nama PLANT.
9. Seleksi. Sistem pakar dengan seleksi mengidentifikasikan pilihan kemungkinan solusi. Biasanya sistem mengidentifikasikan permasalahan secara spesifik, kemudian mencoba untuk menemukan solusi yang paling mendekati kebenaran.
10. Simulasi. Sistem ini memproses operasi dari beberapa variasi kondisi yang ada dan menampilkan dalam bentuk simulasi. Contoh adalah program PLANT yang sudah menggabungkan antara prediksi dan simulasi, di mana program tersebut mampu menganalisa hama dengan berbagai kondisi suhu dan cuaca.
Bahas pemrograman juga menentukan pengembangan sistem pakar di bidang-bidang yang disebutkan di atas. Pada tahun 1970-an di mana sistem operasi masih berbasis teks, pengembangan sistem pakar hanya memanfaatkan bahasa pemrograman seperti Prolog, LISP atau Shell sehingga pengembangan sistem pakar pada waktu itu menjadi sangat sulit. Faktor kesulitan tersebut juga dipengaruhi oleh kecepatan prosesor dan memori yang masih sangat terbatas sehingga sistem pakarhanya dapat dikembangkan pada komputer-komputer workstation.
Berbeda dengan pengembangan komputer pada tahun-tahun awal AI berkembang, dewasa ini komputer telah memiliki kecepatan GigaHertz dan didukung oleh perkembangan perangkat keras yang maupun perangkat lunak yang sangat canggih. Perkembangan yang sangat menarik adalah perkembangan pemrograman Visual berorientasi objek yang mampu mengolah database dalam jumlah data yang sangat besar. Perkembangan perangkat lunak ini tentunya sangat membantu pengembangan secara luas terhadap sistem-sistem berbasis kecerdasan buatan, termasuk sistem pakar.
Artikel III
Kajian Pemanfaatan Teknologi Knowledge-based Expert System di dalam Pengelolaan Sumber Daya Alam
Membahas masalah sumberdaya alam (natural resources), mulai dari perkembangan teknologinya sampai kepada bagaimana cara pengelolaannya merupakan hal yang terus mendapat perhatian di negara kita. Potret buram tentang banyaknya bencana alam yang terjadi di negeri kita, seperti banjir, gempa bumi serta tanah longsor yang terjadi di berbagai daerah yang menelan banyak korban jiwa manusia dan harta benda serta bencana alam lainnya telah banyak terjadi. Dari potret tersebut mencerminkan belum optimalnya kita sebagai bangsa dalam mengelola sumberdaya alam.Pada era modern saat ini, telah terjadi perkembangan pesat dalam bidang ilmu pengetahuan dan teknologi, khususnya teknologi komputer dan komunikasi atau sering disebut dengan era informasi. Jika pada mulanya komputer digunakan hanya sekedar alat penghitung, maka dewasa ini mesin komputer telah mampu menggantikan peran atau tugas-tugas rumit yang dilakukan oleh manusia, bahkan sanggup menirukan proses biologis manusia dalam pengambilan keputusan.
Can machine think ? demikian pertanyaan yang muncul seiring dengan berkembangnya bidang kecerdasan buatan (Artificial Intelligence/AI). Pertanyaan lain yang akan muncul: mampukah sistem pakar tersebut memberi kontribusi nyata di dalam pengelolaan sumberdaya alam ?. Untuk menjawab pertanyaan tersebut, di dalam artikel ini akan dibahas secara cermat tentang apa itu teknologi berbasis pengetahuan (knowledge-based expert system), mulai dari perkembangan teknologinya sampai pada aplikasinya pada pengelolaan sumberdaya alam.

Definisi Expert System
Pada tahun 1956, mulai diperkenalkan istilah Kecerdasan Buatan (AI), yang kemudian ditegaskan lagi pada tahun 1961 oleh suatu tulisan Marvin Minsky dari MIT tentang “Steps towards AI“. Semenjak itu istilah AI menjadi semakin populer, dan kemajuan bidang ini mencapai puncaknya dengan munculnya pengetahuan tentang Sistem Pakar.
Di dalam perspektif ilmu pengetahuan dan teknologi, sistem cerdas merupakan bagian dari bidang inteligensia semu (Artificial Intelligence/AI). Istilah expert system berasal dari knowledge-based expert system (sistim cerdas berbasis pengetahuan), dimana suatu sistem yang menggunakan pengetahuan manusia (human knowledge) yang dimasukkan ke dalam komputer untuk memecahkan masalah yang umumnya memerlukan keahlian seorang pakar/expert. Atau dapat juga dikatakan, sebuah program komputer yang menggunakan pengetahuan dan teknik inferensi (pengambilan kesimpulan) untuk memecahkan persoalan seperti yang dilakukan oleh seorang pakar.
Berbeda dengan program komputer biasa, sistem cerdas dapat digunaan untuk memecahkan masalah yang tidak terstruktur dan dimana tidak ada suatu prosedur tertentu untuk memecahkan masalah tersebut. Sedangkan definisi pengetahuan (knowledge) menurut Webster’s New World Dictionary of the American Language: persepsi tentang sesuatu yang jelas dan tentu, semua yang telah dirasakan dan diterima oleh otak, serta merupakan informasi terorganisasi yang dapat diterapkan untuk penyelesaian masalah.
Penggunaan Knowledge-based expert system (sistem pakar berbasis pengetahuan) ini tidak menjamin solusi yang lebih akurat, tetapi paling tidak mampu menghasilkan keputusan-keputusan yang didasari informasi relatif lebih banyak/terstruktur. Sesuai dengan namanya, suatu “Sistem Pakar” akan sangat tergantung pada pengetahuan (knowledge) yang didapat dari pakar yang menyumbangkan keahlian dan pengalamannya.
Biasanya suatu “sistem cerdas” dapat dibagi menjadi beberapa bagian:
(1). Basis pengetahuan (knowledge-base): berisi pengetahuan yang spesifik mengenai domain tertentuyang mana basis pengetahuan ini dapat diperbaharui sesuai dengan tingkat kemampuan seorang expert terhadap pemecahan suatu masalah,
(2). Mesin inferensi (Inference Engine) : sustu program yang bertugas mengolah data masukan sesuai pengetahuan dalam basis pengetahuan, menurut kaidah-kaidah tertentu.
(3). Bagian kendali/user interface : bagian yang berkomunikasi langsung dengan pengguna (user) sistem. Ada 2 (dua) macam mesin inferensi, yaitu yang bersifat pasti (deterministik) dan kemungkinan (probabilistik).
Sistem konvensional yang berlandaskan logika konvensional berdasarkan pada dua keadaan -benar atau salah (true or false)-, ternyata kurang serasi untuk mengadopsi cara berfikir manusia yang banyak mengandung hal ketidak-pastian (uncertainty), proses belajar (learning process), penalaran, sifat adaptif dan sebagainya. Cara penalaran otak manusia tidaklah sama dengan komputer, karena komputer menalar dengan langkah yang jelas/pasti, sedangkan manusia menalar dengan istilah sehari-hari, misalnya: udara sejuk, airnya hangat, kecepatannya rendah, dan lainnya.
Banyak hal yang bersifat tidak linear, yang susah diformulasikan secara matematis, namun sangat mudah dilakukan dengan perintah manusia biasa, misalnya : kurangi kecepatan, rem dengan perlahan, dan sebagainya. Sedangkan, sistem cerdas, seperti misalnya Logika Fuzzy atau Fuzzy expert system yang pertama kali ditemukan oleh Professor Lofti A. Zadeh pada tahun 1965 telah mampu mengatasi masalah tersebut, karena menurut logika ini segala sesuatu tidaklah dapat dikatakan 100% yes atau 100% no, namun fungsi keanggotaannya (membership function) dalam suatu himpunan dapat bervariasi antara 0 (completely no) dan 1 (completely yes). Sehingga beberapa variabel linguistik yang telah disebutkan, dapat diubah menjadi variabel numerik dan sebaliknya oleh logika fuzzy.
Secara umum, Sistem Konvensional fokus pada pemrosesan informasi, sedangkan sistem cerdas (Expert System) fokus pada pemrosesan pengetahuan (knowledge processing).
Kelebihan dan Kekurangan Expert System
Sistem pakar sekarang banyak digunakan baik pada aplikasi bisnis maupun apikasi lainnya. Aplikasi sistem pakar di dalam pengelolaan sumberdaya alam masih relatif baru dan merupakan pendekatan alternatif yang dapat digunakan untuk penyelesaian masalah-masalah di dalam pengembangan teknologi pengelolaan sumberdaya alam. Hal ini karena sistem pakar memberikan banyak kelebihan. Akan tetapi perlu juga diketahui bahwa seperti halnya sistem yang lainnya, selain memberikan banyak kelebihan, sistem pakar juga mempunyai beberapa kelemahan.
Kelebihan-kelebihan dari sistem pakar secara umum adalah sebagai berikut:
1. Memberikan pengambilan keputusan yang lebih baik. Karena sistem pakar memberikan jawaban yang konsisten dan logis dari waktu ke waktu. Jawaban yang diberikan logis karena alasa logiknya dapat diberikan oleh sistem pakar dalam proses konsultasi.
2. Memberikan solusi tepat waktu. Kadang kala seorang manajer membutuhkan jawaban dari pakar, tetapi pakar yang dibutuhkan tidak berada ditempat, sehingga keputusan menjadi terlambat. Dengan sistem pakar, jawaban yang dibutuhkan oleh pengambil keputusan selalu tersedia setiap saat dibutuhkan.
3. Menyimpan pengetahuan di organisasi. Pengetahuan pakar merupakan hal yang penting dan kadang kala pengetahuan iniakan hilang jika pakar keluar atau telah pensiun dari perusahaan. Dengan sistem pakar, pengetahuan dari pakar dapat disimpan di sistem pakar dan tersedia terus selama dibutuhkan.
Kekurangan-kekurangan dari sistem pakar adalah sebagai berikut:
1. Sistem pakar hanya dapat menangani pengetahuan yang konsisten. Sistem pakar dirancang dengan aturan-aturan yang hasilnya sudah pasti dan konsisten sesuai dengan alur di diagram pohonnya. Untuk pengetahuan yang cepat berubah-rubah dari waktu ke waktu, maka knowledge base di sistem pakar harus selalu diubah (perbarui-red), yang tentu cukup merepotkan.
2. Sistem pakar tidak dapat menangani hal yang bersifat judgement. Sistem pakar memberikan hasil yang pasti, sehingga keputusan akhir pengambilan keputusan jika melibatkan kebijaksaaan dan institusi masih tetap di tangan manajemen.
3. Format knowledge base sistem pakar terbatas. Knowledge base pada sistem pakar berisi aturan-aturan (rules) yang ditulis dalam bentuk statemen if-then.
Expert System : Paradigma Baru dalam Pengelolaan Sumber Daya Alam
Pengembangan signifikan di dalam teknologi ruang angkasa, mampu menyediakan berbagai sensor dan platform, teknik penginderaan jauh (remote sensing) dan teknik pengolahan data (digital image processing) memungkinkan untuk mengoleksi, analisa dan interpretasi data secara cepat dan efisien.
Saat ini, teknik penginderaan jauh yang dilengkapi dengan teknik pengolahan data telah banyak diaplikasikan di dalam pengelolaan sumberdaya alam. Teknik ini berbasis pada pemrosesan informasi (information processing) dengan pendekatan statistik yang oleh para ahli biasa disebut dengan sistem konvensional. Dalam perjalanannya, ditemukan begitu kompleksnya permasalahan yang dihadapi di dalam pengelolaan sumber daya alam, sehingga menyebabkan keterbatasan sistem konvensional dalam penerapannya. Untuk itu dengan dilandasi kesadaran tinggi, para ahli berupaya keras untuk mengembangan teknologi baru yang mampu memberi kontribusi di dalam memecahkan permasalahan yang dihadapi oleh sistem konvensional diatas.
Kehadiran teknologi knowledge-based expert system yang fokus pada pemrosesan pengetahuan (knowledge processing), merupakan suatu paradigma baru di dalam memberi solusi pengelolaan sumberdaya alam.
Blok diagram modul pengembangan sistem berbasis pengetahuan sebagai kontribusi yang mampu memberi nilai tambah (added value) di dalam solusi pengelolaan sumberdaya alam diperlihatkan pada Gambar 2.

Gambar 2. Blok Diagram Modul Expert System untuk solusi Pengelolaan SDA

Identifikasi obyek (object identification) merupakan suatu teknik untuk meng-identifikasi obyek di permukaan bumi dengan menggunakan satelit penginderaan jauh. Proses klasifikasi dapat dilakukan menggunakan pendekatan fuzzy-neural network model. Parameter-parameter jaringan saraf tiruan (artificial neural network) diestimasi dengan proses pembelajaran (learning process) secara supervisi untuk daerah yang telah diketahui (known-sites).
Parameter-parameter yang sudah di estimasi selanjutnya digunakan untuk meng-identifikasi jenis-jenis obyek, seperti hutan, sumberdaya air, lahan pertanian, sumberdaya kelautan, mineral, dan lainnya. Pada tahapan pemodelan (modeling stage), obyek yang telah diidentifikasi digunakan untuk kalibrasi model matematika, model berbasis pengetahuan dan keluarannya merupakan model estimasi untuk pengelolaan dan perencanaan sumber daya alam.
Sedangkan, tahap optimasi (optimization stage) merupakan tahapan untuk pemanfaatan optimal dari sumberdaya alam, untuk itu perlu dikembangkan suatu sistem pendukung keputusan secara cerdas (intelligent decision support system) dengan memformulasikan sebuah fungsi obyektif biaya minimum (cost minimizing objective function), serta bermanfaat secara ekonomi. Integrasi dari ketiga tahapan tersebut (pada Gambar 2) merupakan suatu proses pendekatan dalam memberi solusi penyelesaian permasalahan sumberdaya alam.
Pengembangan Sistem Pakar

Pengembangan sistem pakar melibatkan 4 (empat) pihak yaitu analis sistem, knowledge engineer, pakar dan pemakai sistem (users). Keempat pihak ini akan terlibat dalam tahapan pengembangan sistemnya sebagai berikut:
(a). Studi awal. Bertujuan untuk mempelajari domain dari permasalahannya dan kelayakannya apakah dapat dibuatkan sistem pakarnya atau tidak. Studi ini dilakukan oleh analis sistem.
(b). Pemilihan perangkat lunak yang akan digunakan, apakah akan membangun sendiri inference-engine atau menggunakan ES shell. Tahap ini dilakukan oleh analis sistem bersama-sama dengan pemakai sistem.
(c). Pemilihan pakar.
(d). Pengambilan pengetahuan. Tahap pengambilan pengetahuan (knowledge acquisition)
dilakukan ole analis sistem bersama-sama dengan knowledge engineer dan pemakai sistem.
(d). Membangun sistem pakar. Membangun sistem pakar melibatkan ke empat pihak dengan langkah-langkah sebagai berikut:
- mengidentifikasi sasaran (goal).
- mengidentifikasi atribut item-item dan nilai-nilainya.
- menderivasi aturan-aturan.
- membuat prototip.
(e). Menguji sistem
(f). Mengimplementasikan sistem
(g). Mengoperasikan sistem
(h). Merawat sistem (maintenance)
Artikel IV
Perancangan Sistem Pakar Untuk Diagnosa Penyakit Anak
BAB 1
PENDAHULUAN
1.1.Latar Belakang
Perkembangan ilmu kedokteran mengalami kemajuan pesat yang ditandai dengan ditemukannya penyakit-penyakit tropis baru yang belum teridentifikasi sebelumnya. Para dokter ahli terus mencoba menemukan solusi untuk mengatasi penemuan baru dan selalu mencoba memberikan pelayanan terbaik terhadap para pasien.
Kesehatan merupakan hal yang berharga bagi manusia, karena siapa saja dapat mengalami gangguan kesehatan. Anak sangat rentan terhadap kuman penyakit dan kurangnya kepekaan terhadap gejala suatu penyakit merupakan ketakutan tersendiri bagi orang tua. Orang tua merupakan orang awam yang kurang memahami kesehatan. Apabila terjadi gangguan kesehatan terhadap anak maka mereka lebih mempercayakannya kepada pakar atau dokter ahli yang sudah mengetahui lebih banyak tentang kesehatan, tanpa memperdulikan apakah gangguan tersebut masih dalam tingkat rendah atau kronis. Namun dengan kemudahan dengan adanya para pakar atau dokter ahli, terkadang terdapat pula kelemahannya seperti jam kerja (praktek) terbatas dan banyaknya pasien sehingga harus menunggu antrian. Dalam hal ini, orang tua selaku pemakai jasa lebih membutuhkan seorang pakar yang bisa memudahkan dalam mengdiagnosa penyakit lebih dini agar dapat melakukan pencegahan lebih awal yang sekiranya membutuhkan waktu jika berkonsultasi dengan dokter ahli. Karena hal tersebutlah maka dibutuhkan suatu alat bantu yang dapat mendiagnosa penyakit anak berupa suatu sistem pakar.
Sistem pakar merupakan salah satu cabang kecerdasan buatan yang mempelajari bagaimana “mengadopsi” cara seorang pakar berfikir dan bernalar dalam menyelesaikan suatu permasalahan, dan membuat suatu keputusan maupun mengambil kesimpulan dari sejumlah fakta yang ada. Dasar dari sistem pakar adalah bagaimana memindahkan pengetahuan yang dimiliki oleh seorang pakar ke dalam komputer, dan bagaimana membuat keputusan atau mengambil kesimpulan berdasarkan pengetahuan itu.
1.2. Rumusan Masalah
Permasalahan yang akan dibahas dalam penulisan tugas akhir ini adalah bagaimana merancang suatu sistem pakar yang dapat digunakan untuk mendiagnosa suatu jenis penyakit berdasarkan gejala yang dirasakan user, sehingga user menemukan solusi atas permasalahan yang dihadapi. Adapun diagram konsep sistem pakar untuk diagnosa penyakit anak adalah sebagai berikut:
** BAGIAN INI SENGAJA TIDAK DITAMPILKAN **
Gambar 1.1 Diagram Konsep Sistem Pakar Untuk Diagnosa Penyakit Anak
1.3. Batasan Masalah
Batasan-batasan masalah yang digunakan dalam tugas akhir ini adalah:
1. Sistem pakar yang akan dirancang untuk komputer PC (stand alone).
2. Data-data penunjang penyakit yang digunakan hanya pada usia balita (kurang dari 5 tahun) saja.
3. Menggunakan metode inferensi forward chaining untuk penarikan kesimpulan.
4. Interaksi antara sistem dan user menggunakan pertanyaan berupa daftar gejala yang sudah tampak berdasarkan kondisi fisik, kulit dan perilaku anak, dimana user akan diminta untuk memilih gejala pada setiap daftar gejala berdasarkan kondisi anak tersebut.
5. Jenis penyakit yang didiagnosa hanya penyakit yang umum terjadi pada anak di daerah tropis, seperti Indonesia.
6. Tidak terdapat komplikasi diantara gejala-gejala yang diderita.
7. Output yang dihasilkan dari software ini adalah jenis penyakit anak.
1.4. Tujuan Penelitian
Tujuan dari penelitian ini adalah membuat program sistem pakar dalam mendiagnosa penyakit anak yang dapat dikembangkan lebih lanjut dan memberikan kemudahan bagi pemakainya.
1.5. Manfaat Penelitian
Manfaat dari penulisan tugas akhir ini adalah:
1. Untuk memberikan kemudahan bagi orang awam maupun pakar sehingga dapat lebih memudahkan dalam mendapatkan penanganan lebih dini pada gangguan kesehatan anak.
2. Bagi ibu rumah tangga atau orang tua selaku user dapat menggunakan sistem ini untuk mengetahui jenis penyakit anak berdasarkan gejala-gejala yang ada.
1.6. Metodologi Penelitian
Penelitian ini dilakukan dengan beberapa tahapan, yaitu:
1. Pembelajaran Literatur
Metode ini dilaksanakan dengan melakukan studi kepustakaan melalui membaca buku-buku maupun artikel-artikel yang dapat mendukung penulisan Tugas Akhir.
2. Analisis
Pada tahap ini dilakukan pengumpulan fakta-fakta yang mendukung perancangan sistem dengan mengadakan konsultasi dengan seorang pakar (dokter spesialis anak) dan membandingkan hasil penelitian dengan yang ada pada buku penuntun.
3. Perancangan
Pada tahap ini akan dilakukan perancangan sistem pakar untuk diagnosa penyakit anak.
4. Pengkodean
Pada tahap ini rancangan yang akan dibuat dan dimplementasikan ke dalam bentuk kode program Visual Basic.
5. Pengujian
Setelah proses pengkodean selesai maka akan dilakukan proses pengujian terhadap program yang dihasilkan untuk mengetahui apakah program sudah berjalan dengan benar dan sesuai dengan perancangan yang dilakukan.
6. Penyusunan laporan dan kesimpulan akhir
Membuat laporan hasil analisa dan perancangan ke dalam format penulisan tugas akhir dengan disertai kesimpulan akhir.
1.7. Sistematika Penulisan
Penulisan tugas akhir ini disajikan dengan sistematika sebagai berikut:
Bab 1 : Pendahuluan
Berisi latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian dan sistematika penulisan.
Bab 2 : Tinjauan Teori
Pada bab ini dijelaskan teori yang mendukung dalam perancangan sistem pakar untuk diagnosa penyakit anak.
Bab 3 : Analisis dan Perancangan Sistem
Menjabarkan tentang penyakit anak berupa nama penyakit, gejala klinis dan penyebabnya serta tahapan-tahapan dalam merancang program sistem pakar.
Bab 4 : Implementasi Sistem
Pada bab ini dijelaskan tentang implementasi dari perancangan sistem pakar yang telah dirancang pada bab sebelumnya.
Bab 5 : Kesimpulan dan Saran
Pada bab ini dijelaskan tentang kesimpulan dan saran dari penulis untuk hasil pembahasan tugas akhir.