Tugas ke 2 Bahasa Indonesia 1

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

1.     Informasi dan pemrosesan umumnya digabung dalam satu program sequential
2.     Program tidak pernah salah (kecuali pemrogramnya yang salah)
3.   Tidak menjelaskan mengapa  input dibutuhkan atau bagaimana hasil diperoleh
4.   Data harus lengkap
5.   Perubahan pada program merepotkan
6.    Sistem bekerja jika sudah lengkap.

B. Sistem Pakar

1.      Knowledge base terpisah dari mekanisme pemrosesan (inference)
2.      Program bisa melakukan kesalahan
3.      Penjelasan (explanation) merupakan bagian dari ES
4.      Data tidak harus lengkap
5.      Perubahan pada rules dapat dilakukan dengan mudah
6.      Sistem bekerja secara heuristik dan logic

            Suatu sistem dikatakan sistem pakar apabila memiliki ciri-ciri sebagai berikut (Kusumadewi, 2003):

1.         Terbatas pada domain keahlian tertentu
2.         Dapat memberikan penalaran untuk data-data yang tidak pasti
3.         Dapat mengemukakan rangkaian alasan-alasan yang diberikannya dengan cara yang dapat        dipahami
4.        Berdasarkan pada kaidah atau rule tertentu
5.         Dirancang untuk dikembangkan sacara bertahap
6.         Keluarannya atau output bersifat anjuran. 

           Adapun banyak manfaat yang dapat diperoleh dengan mengembangkan sistem pakar, antara lain (Kusumadewi, 2003):

1. Masyarakat awam non-pakar dapat memanfaatkan keahlian di dalam bidang tertentu tanpa kesadaran langsung seorang pakar
2. Meningkatkan produktivitas kerja, yaitu bertambahnya  efisiensi pekerjaan tertentu serta hasil solusi kerja
3. Penghematan waktu dalam menyelesaikan masalah yang kompleks
4.  Memberikan penyederhanaan solusi untuk kasus-kasus yang kompleks dan berulang-ulang.     
5.  Pengetahuan dari seorang pakar dapat dikombinasikan tanpa ada batas waktu
6. Memungkinkan penggabungan berbagai bidang pengetahuan dari berbagai pakar untuk dikombinasikan.

            Selain banyak manfaat yang diperoleh, ada juga kelemahan pengembangan sistem pakar, yaitu (Kusumadewi, 2003):

1. Daya kerja dan produktivitas manusia menjadi berkurang karena semuanyadilakukan secara otomatis oleh sistem
2. 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.