BAB
I
PENDAHULUAN
1.1 Latar
Belakang
Perkembangan
komputer dewasa ini telah mengalami banyak perubahan yang sangat
pesat, seiring dengan kebutuhan manusia yang semakin banyak dan kompleks.
Komputer yang pada awalnya hanya digunakan oleh para akademisi dan
militer, kini telah digunakan secara luas di berbagai bidang, misalnya: Bisnis,
Kesehatan, Pendidikan, Psikologi, Permainan dan sebagainya. Hal ini mendorong
para ahli untuk semakin mengembangkan komputer agar dapat membantu
kerja manusia atau bahkan melebihi kemampuan kerja manusia.
Kecerdasan
buatan atau artificial intelligence merupakan bagian dari ilmu
komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti
dan sebaik yang dilakukan oleh manusia. Sistem cerdas (intelligent system)
adalah sistem yang dibangun dengan menggunakan teknik-teknik artificial
intelligence. Salah satu yang dipelajari pada kecerdasan buatan adalah teori
kepastian dengan menggunakan teori Certainty Factor (CF) (Kusumadewi, 2003).
Sistem Pakar (Expert System) adalah program berbasis pengetahuan
yang menyediakan solusi-solusi dengan kualitas pakar untuk
problema-problemadalam suatu domain yang spesifik.
Sistem
pakar merupakan program computer yang meniru proses pemikiran dan pengetahuan
pakar dalam menyelesaikan suatu masalah tertentu. Implementasi sistem
pakar banyak digunakan dalam bidang psikologi karena sistem pakar dipandang
sebagai cara penyimpanan pengetahuan pakar pada bidang tertentu dalam program
komputer sehingga keputusan dapat diberikan dalam melakukan penalaran secara
cerdas.Irisan antara psikologi dan sistem pakar melahirkan sebuah area yang
dikenal dengan nama cognition & psycolinguistics. Umumnya pengetahuannya
diambil dari seorang manusia yang pakar dalam domain tersebut dan sistem pakar
itu berusaha meniru metodelogi dan kinerjanya (performance) (Kusumadewi,
2003).
Salah
satu implementasi yang diterapkan sistem pakar dalam bidang psikologi, yaitu
untuk sistem pakar menentukan jenis gangguan perkembangan pada anak. Anak-anak
merupakan fase yang paling rentan dan sangat perlu diperhatikan satu
demi satu tahapan perkembangannya. Contoh satu bentuk gangguan
perkembangan adalah conduct disorder. Conduct disorder adalah
satu kelainan perilaku dimana anak sulit membedakan benar salah atau baik dan
buruk, sehingga anak merasa tidak bersalah walaupun sudah berbuat
kesalahan.Dampaknya akan sangat buruk bagi perkembangan sosial anak
tersebut. Oleh karena itu dibangun suatu sistem pakar yang dapat
membantu para pakar/ psikolog anak untuk menentukan jenis gangguan perkembangan
pada anak dengan menggunakan metode Certainty Factor (CF).
1.2
Tujuan
Tujuan
dari penelitian ini adalah menghasilkan suatu sistem yang dapat digunakan untuk
melakukan diagnosis gangguan pada perkembangan anak yang mampu membuat suatu
keputusan yang sama, sebaik dan seperti pakar.
1.3
Batasan Masalah
1.
Sistem pakar ini berbasis web.
2.
Diasumsikan bahwa data dimasukkan oleh
orang yang mengetahui perubahan tingkah laku si pasien.
3.
Diasumsikan bahwa data dimasukkan oleh
orang yang mengetahui perubahan tingkah laku si pasien.
4.
Sistem pakar ini mendiagnosis pasien
di bawah umur 10 tahun.
5.
Sumber pengetahuan diperoleh dari
pakar, buku-buku, dan e-book yang mendukung.
6.
Metode yang digunakan dalam
penyelesaian masalah ini adalah metode Certainty Factor.
BAB
II
LANDASAN
TEORI
2.1 Kecerdasan
Buatan Secara Umum
Kecerdasan
buatan dapat didefinisikan sebagai mekanisme pengetahuan yang ditekankan pada
kecerdasan pembentukan dan penilaian pada alat yang menjadikan mekanisme itu,
serta membuat komputer berpikir secara cerdas. Kecerdasan buatan juga dapat
didefinisikan sebagai salah satu bagian ilmu komputer yang membuat agar mesin
(komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan manusia.
Teknologi kecerdasan buatan dipelajari dalam bidang-bidang, seperti: robotika,
penglihatan komputer (computer vision), jaringan saraf tiruan (artifical neural
system), pengolahan bahasa alami (natural language processing), pengenalan
suara (speech recognition), dan sistem pakar (expert system).
2.2 Sistem
Pakar
Sistem
pakar (expert system) secara umum adalah sistem yang berusaha mengadopsi
pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah
seperti yang biasa dilakukan oleh para ahli. Atau dengan kata lain sistem pakar
adalah sistem yang didesain dan diimplementasikan dengan bantuan bahasa pemrograman
tertentu untuk dapat menyelesaikan masalah seperti yang dilakukan oleh para
ahli. Diharapkan dengan sistem ini, orang awam dapat menyelesaikan masalah
tertentu baik ‘sedikit’ rumit ataupun rumit sekalipun ‘tanpa’ bantuan para ahli
dalam bidang tersebut. Sedangkan bagi para ahli, sistem ini dapat digunakan
sebagai asisten yang berpengalaman. Sistem pakar merupakan cabang dari Artificial
Intelligence (AI) yang cukup tua karena sistem ini telah mulai dikembangkan pada
pertengahan tahun 1960.Sistem pakar yang muncul pertama kali adalah General-purpose
problem solver (GPS) yang dikembangkan oleh Newl dan Simon. Sampai
saat ini sudah banyak sistem pakar yang dibuat, seperti MYCIN, DENDRAL, XCON
& XSEL, SOPHIE, Prospector, FOLIO, DELTA, dan sebagainya (Kusumadewi,
2003). Perbandingan sistem konvensional dengan sistem pakar sebagai berikut
(Kusumadewi, 2003):
A.
Sistem Konvensional
- Informasi dan pemrosesan umumnya digabung dalam satu program sequential
- Program tidak pernah salah (kecuali pemrogramnya yang salah)
- Tidak menjelaskan mengapa input dibutuhkan atau bagaimana hasil diperoleh
- Data harus lengkap
- Perubahan pada program merepotkan
- Sistem bekerja jika sudah lengkap.
B. Sistem
Pakar
- Knowledge base terpisah dari mekanisme pemrosesan (inference)
- Program bisa melakukan kesalahan
- Penjelasan (explanation) merupakan bagian dari ES
- Data tidak harus lengkap
- Perubahan pada rules dapat dilakukan dengan mudah
- Sistem bekerja secara heuristik dan logic
Suatu
sistem dikatakan sistem pakar apabila memiliki ciri-ciri sebagai berikut
(Kusumadewi, 2003):
- Terbatas pada domain keahlian tertentu
- Dapat memberikan penalaran untuk data-data yang tidak pasti
- Dapat mengemukakan rangkaian alasan-alasan yang diberikannya dengan cara yang dapat dipahami
- Berdasarkan pada kaidah atau rule tertentu
- Dirancang untuk dikembangkan sacara bertahap
- Keluarannya atau output bersifat anjuran.
Adapun banyak manfaat yang dapat
diperoleh dengan mengembangkan sistem pakar, antara lain (Kusumadewi, 2003):
- Masyarakat awam non-pakar dapat memanfaatkan keahlian di dalam bidang tertentu tanpa kesadaran langsung seorang pakar
- Meningkatkan produktivitas kerja, yaitu bertambahnya efisiensi pekerjaan tertentu serta hasil solusi kerja
- Penghematan waktu dalam menyelesaikan masalah yang kompleks
- Memberikan penyederhanaan solusi untuk kasus-kasus yang kompleks dan berulang-ulang.
- Pengetahuan dari seorang pakar dapat dikombinasikan tanpa ada batas waktu
- Memungkinkan penggabungan berbagai bidang pengetahuan dari berbagai pakar untuk dikombinasikan.
Selain
banyak manfaat yang diperoleh, ada juga kelemahan pengembangan sistem pakar,
yaitu (Kusumadewi, 2003):
- Daya kerja dan produktivitas manusia menjadi berkurang karena semuanyadilakukan secara otomatis oleh sistem
- Pengembangan perangkat lunak sistem pakar lebih sulit dibandingkan denganperangkat lunak konvensional.
Tujuan pengembangan sistem pakar
sebenarnya bukan untukmenggantikan peran manusia, tetapi untuk
mensubstitusikan pengetahuanmanusia ke dalam bentuk sistem, sehingga dapat
digunakan oleh orang banyak.
2.3 Struktur
Sistem Pakar
Sistem
pakar disusun oleh dua bagian utama, yaitu lingkungan pengembangan (development
environment) dan lingkungan konsultasi (consultation environment) (Turban,
1995). Lingkungan pengembangan sistem pakar digunakan untuk memasukkan
pengetahuan pakar ke dalam lingkungan sistem pakar, sedangkan lingkungan
konsultasi digunakan oleh pengguna yang bukan pakar guna memperoleh
pengetahuan pakar.
Seorang
pakar mempunyai pengetahuan tentang masalah yang khusus. Dalam hal ini
disebut domain knowledge. Penggunaan kata “domain” untuk memberikan
penekanan pengetahuan pada problem yang spesifik. Pakar
menyimpan domain knowledge pada Long Term Memory (LTM)
atau ingatan jangka panjangnya.
Ketika
pakar akan memberikan nasihat atau solusi kepada seseorang, pakar terlebih
dahulu menentukan fakta-fakta dan menyimpannya ke dalam Short Term Memory (STM)
atau ingatan jangka pendek. Kemudian pakar memberikan solusi tentang masalah
tersebut dengan mengkombinasikan fakta-fakta pada STM dengan pengetahuan LTM.
Dengan menggunakan proses ini pakar mendapatkan informasi baru dan sampai pada
kesimpulan masalah.
2.4 Komponen
Sistem pakar
Sebuah
program yang difungsikan untuk menirukan seorang pakar manusia harus bisa
melakukan hal-hal yang dapat dikerjakan seorang pakar. Untuk membangun sistem
seperti itu maka komponen-komponen dasar yang harus dimilikinya
paling sedikit adalah sebagai berikut:
1.
Antar muka pemakai (User Interface)
2.
Basis pengetahuan (Knowledge Base)
3.
Mesin inferensi
Sedangkan
untuk menjadikan sistem pakar menjadi lebih menyerupai seorang pakar yang
berinteraksi dengan pemakai, maka dapat dilengkapi dengan fasilitas berikut:
1.
Fasilitas penjelasan (Explanation)
2.
Fasilitas Akuisisi pengetahuan
(Knowledge acquisition facility)
3.
Fasilitas swa-pelatihan
(self-training)
2.5 Metode
Inferensi
Komponen
ini mengandung mekanisme pola pikir dan penalaran yang digunakan oleh pakar
dalam menyelesaikan suatu masalah. Metode inferensi adalah program komputer yang
memberikan metedologi untuk penalaran tentang informasi yang ada dalam basis
pengetahuan dan dalam workplace , dan untuk memformulasikan kesimpulan (Turban,
1995). Kebanyakan sistem pakar berbasis aturan menggunakan strategi inferensi
yang dinamakan modus ponen. Berdasarkan strategi ini, jika terdapat aturan “IF
A THEN B”, dan jika diketahui bahwa A benar, maka dapat disimpulkan bahwa B
juga benar. Strategi inferensi modus ponen dinyatakan dalam bentuk:
[A And (A→B)] →B (1)
dengan A dan A→B adalah proposisi-proposisi dalam basis
pengetahuan.
Terdapat dua
pendekatan untuk mengontrol inferensi dalam sistem pakar berbasis aturan, yaitu
pelacakan ke belakang (Backward chaining) dan pelacakan ke depan (forward
chaining).
A. Pelacakan ke belakang (Backward Chaining)
Pelacakan
ke belakang adalah pendekatan yang dimotori oleh tujuan (goal-driven). Dalam
pendekatan ini pelacakan dimulai dari tujuan, selanjutnya dicari aturan yang
memiliki tujuan tersebut untuk kesimpulannya. Selanjutnya proses pelacakan
menggunakan premis untuk aturan tersebut sebagai tujuan baru dan mencari aturan
lain dengan tujuan baru sebagai kesimpulannya. Proses berlanjut
sampai semua kemungkinan ditemukan (Kusumadewi, 2003).
2.6 Representasi
Pengetahuan
Setelah
menerima bidang kepakaran yang telah diaplikasikan pada sistem
pakar, kemudian mengumpulkan pengetahuan yang sesuai dengan domain
keahlian tersebut. Pengetahuan yang dikumpulkan tersebut tidak bisa
diaplikasikan begitu saja dalam sistem. Pengetahuan harus direpresentasikan
dalam format tertentu dan dihimpun dalam suatu basis pengetahuan.
Pengetahuan
yang dilakukan pada sistem pakar merupakan serangkaian informasi pada domain
tertentu. Kedua hal tersebut menurut ekspresi klasik oleh
Wirth ditulis sebagai berikut:
Algoritma + Struktur Data = Program
Pengetahuan + Inferensi = Sistem Pakar
Noise
merupakan suatu item yang tidak mempunyai maksud (interest). Noise merupakan
data yang masih kabur atau tidak jelas. Data adalah item yang
mempunyai makna potensial. Data diolah menjadi pengetahuan. Meta
knowledge adalah pengetahuan tentang pengetahuan dan keahlian. Karakteristik
pengetahuan yang diperoleh tergantung pada sifat masalah yang akan diselesaikan,
tipe dan tingkat pengetahuan seorang pakar. Pengetahuan harus diekstraksikan
dan dikodekan dalam suatu bentuk tertentu untuk memecahkan masalah. Ketika
pengetahuan dalam suatu bidang kepakaran tersedia, maka dipilih representasi
pengetahuan yang tepat. Pengetahuan dapat digolongkan menjadi dua kategori,
yaitu: pengetahuan deklaratif dan pengetahuan prosedural.
Pengetahuan deklaratif
mengacu pada fakta, sedangkan pengetahuan prosedural mengacu pada serangkaian
tindakan dan konsekuensinya. Pengetahuan deklaratif juga terlibat dalam
pemecahan masalah, sedangkan pengetahuan prosedural diasosiasikan dengan
bagaimana menerapkan strategi atau prosedur penggunaan pengetahuan
yang tepat untuk memecahkan masalah.
Pengetahuan deklaratif
menggunakan basis logika dan pendekatan relasi. Representasi logika
menggunakan logika proporsional dan logika predikat.
Model relasi menggunakan jaringan semantik, graph dan pohon
keputusan (decision tree). Pengetahuan prosedural
menggunakan algoritma sebagai prosedural pemecahan masalah
BAB III
PERANCANGAN
DAN IMPLEMENTASI
3.1 Perancangan
Basis Pengetahuan
Dalam
perancangan basis pengetahuan ini digunakan kaidah produksi sebagai sarana
untuk representasi pengetahuan. Kaidah produksi dituliskan dalam bentuk
pernyataan JIKA [premis] MAKA [konklusi]. Pada
perancangan basis pengetahuan sistem pakar ini premis adalah gejala-gejala yang
terlihat pada anak dan konklusi adalah jenis gangguan perkembangan yang
diderita anak, sehingga bentuk pernyataannya adalah JIKA [gejala] MAKA
[gangguan]. Bagian premis dalam aturan produksi dapat memiliki lebih dari satu
proposisi yaitu berarti pada sistem pakar ini dalam satu kaidah dapat memiliki
lebih dari satu gejala. Gejala-gejala tersebut dihubungkan dengan menggunakan
operator logika DAN. Bentuk pernyatannya adalah:
JIKA [gejala 1]
DAN [gejala 2]
DAN [gejala 3]
MAKA [gangguan]
Adapun
contoh kaidah Sistem Pakar Menentukan Gangguan Perkembangan
pada Anak adalah sebagai berikut:
JIKA Anak Sulit Berbicara
DAN Tes IQ Dibawah !9
DAN Koordinasi Otot Tidak Sempurna
MAKA Gangguan Retardasi Mental Berat
Berdasarkan
contoh kaidah pengetahuan diatas maka kaidah tersebut dapat disimpan dalam
bentuk sebuah tabel sehingga dapat lebih mudah untuk di mengerti.
Dimana pada tabel tersebut terdapat kolom jenis gangguan yang
menjelaskan tentang definisi,penyebab, dan pengobatan.
3.2 Perancangan
Mesin Inferensi
Metode
penalaran yang digunakan dalam sistem adalah penalaran pelacakan
maju (Forward Chaining) yaitu dimulai dari sekumpulan fakta-fakta tentang suatu
gejala yang diberikan oleh pengguna sebagai masukan sistem, untuk kemudian
dilakukan pelacakan sampai tujuan akhir berupa diagnosis kemungkinan jenis
gangguan perkembangan yang diderita dan penjelasan tentang jenis gangguan yang
diderita serta cara pengobatannya. Dalam proses penarikan kesimpulan dapat
dilihat pada Gambar 8.
3.3 Implementasi
Perangkat Lunak
Sistem
Pakar Menentukan Gangguan Perkembangan pada Anak ini, dalam
implementasinya dibatasi pada tambah, update dan delete data
pasien, pakar, gejala, gangguan, pengetahuan, dan
berita. Implementasinya terdiri dari beberapa halaman yang memiliki fungsi
sendiri-sendiri. Halaman-halaman tersebut akan tampil secara berurutan sesuai
dengan urutan yang telah terprogram, setelah pengguna melakukan
proses tertentu.
Tidak ada komentar:
Posting Komentar