Sistem Pakar [PDF]

Citation preview

SISTEM BERBASIS PENGETAHUAN Penulis Nama



NPM



1. Armand Maulana



1216051023



Mata Kuliah : Sistem Informasi Bisnis



ILMU ADMINISTRASI BISNIS FAKULTAS ILMU SOSIAL DAN ILMU POITIK UNIVERSITAS LAMPUNG 2013



1



KATA PENGANTAR



Puji Syukur kami panjatkan ke-hadirat Tuhan Yang Maha Esa, karena atas berkat rahmat dan karunia-Nyalah, kami masih diberi kesempatan untuk bisa menyelesaikan makalah ini dengan baik, tepat pada waktunya. Tidak lupa kami ucapkan kepada dosen bidang studi Sistem Informasi Bisnisyang telah membimbing kami dalam memahami materi, sehingga makalah ini dapat kami selesaikan. Penulis menyadari bahwa dalam penulisan makalah ini masih banyak kekurangan, oleh sebab itu penulis sangat mengharapkan kritik dan saran yang membangun untuk bahan pembelajaran kami selanjut nya. Dan semoga dengan selesainya makalah ini dapat bermanfaat bagi kami sebagai pembuat dan khusus nya bagi pembaca makalah ini. Bandar Lampung,



November 2013



Penyusun



2



DAFTAR ISI



HALAMAN JUDUL............................................................................................. ..i KATA PENGANTAR .......................................................................................... .ii DAFTAR ISI ......................................................................................................... .iii BAB I PENDAHULUAN ..................................................................................... .1 A. Latar Belakang Masalah ............................................................................ .1 B. Rumusan Masalah ..................................................................................... .1 C. Tujuan Penulisan ....................................................................................... .1 BAB II PEMBAHASAN ...................................................................................... .3 A. Mengenal sistem berbasis pengetahuan .................................................... .3 B. Kecerdasan Buatan (artificial intelligence) ............................................... .3 B.1 Definisi Kecerdasan Buatan................................................................3 B.2 Sejarah Kecerdasan Buatan.................................................................4 B.3 Area Kecerdasan Buatan.....................................................................5 C. sistem pakar (expert system)......................................................................6 C.1 Definisi Sistem Pakar..........................................................................6 C.2 Konsep Dasar Sistem Pakar............................................................... 10 C.3 Pengembangan Sistem Pakar..............................................................11 C.4 Model Atau Komponen Utama Sistem Pakar.....................................12 C.5 Kelebihan Dan Kelemahan Sistem Pakar...........................................14 C.6 Contoh Sistem Pakar ..........................................................................16 D. Jaringan Saraf............................................................................................20 D.1 Definisi jaringan saraf.........................................................................20 D.2 Sruktur Histologis...............................................................................21 D.3 Perkembangan Jaringan Saraf Tiruan................................................ 25 D.4 Sistem dan Aplikasi Jaringan SarafTiruan........................................ 26



BAB III SIMPULAN ............................................................................................ 28



3



BAB I PENDAHULUAN



A. Latar Belakang Masalah Subsistem CBIS yang menarik paling banyak perhatian dari ilmuwan komputer dan spesialis informasi adalah sistem berbasis pengetahuan (knowledge – based system) yaitu suatu subset dari kecerdasan buatan (Artificial Intelligence), atau AI. Tidak seperti DSS ,sistem berbasis pengetahuan memiliki potensi untuk memperluas kemampuan pemecahan masalah manajer melebihi kemampuan normalnya. Bentuk sistem berbasis pengetahuan yang populer adalah sistem pakar (expert system). Sistem pakar terdiri dari empat bagian utama: User Interface, Knowledge Base, Inference Engine, Dan Development Engine. Sistem pakar menawarkan keunggulan untuk perusahaan dan manajer yang menggunakan nya, tapi sistem pakar ini memiliki keterbatasan yang besar. Penelitian yang terus menerus seperti yang melibatkan jaringan saraf diharapkan akan meningkatkan kemampuan sistem berbasis pengetahuan di masa depan.



B. Rumusan Masalah 1. Apakah sistem berbasis pengetahuan ? 2. Apakah kecerdasan buatan (Artificial Intelligence)? 3. Apakah sistem pakar (expert system)? 4. Apakah sistem jaringan saraf?



C. Tujuan Penulisan 1. Mengetahui apa yang dimaksud dengan istilah kecerdsan buatan dan area yang termasuk di dalam nya 2. Memahami daya tarik sistem pakar dan perbandingan nya antara sistem pakar dengan DSS 3. Mengetahui bagian-bagian komponen dari sistem pakar dan bagaimana mereka bekerja sama dan bagaimana sistem pakar dikembangkan



4



4. Mengetahui model-model yang terinspirasi dari pengetahuan biologis yang disebut sebagai jaringan saraf.



5



BAB II PEMBAHASAN



A. Mengenal Sistem Berbasis Pengetahuan Sistem Berbasis Pengetahuan diturunkan dari istilah knowledge based expert system. Sistem ini merupakan sistem yang menggunakan pengetahuan manusia yang telah disimpan dalam komputer untuk menyelesaikan permasalahan yang memerlukan kepakaran seorang ahli (Buliali, dkk., 2007). Sistem berbasis pengetahuan adalah sistem yang berbasis pada metode dan teknik dari kecerdasan buatan. Komponen utama dari SBP adalah, Berbasis pengetahuan, Mekanisme akuisisi, Mekanisme inferensi. Sistem Berbasis Pengetahuan atau Sistem Pakar merupakan salah satu cabang dari kecerdasan buatan / AI dimana dalam dunia komersial disebut dengan sistem yang dapat secara efektif dan efisien melaksanakan tugas yang tidak terlalu memerlukan pakar. Sistem Berbasis Pengetahuan dikenal juga dengan sistem penasihat, sistem pengetahuan, sistem bantuan kerja cerdas atau sistem operasional (Turban, dkk., 2005). Sistem Berbasis Pengetahuan atau Sistem Pakar adalahprogram pemberi advis/nasehat yang terkomputerisasi yang ditujukan untuk meniru proses reasoning (pertimbangan) dan pengetahuan dari pakar dalam menyelesaikan permasalahan masalah yang lebih spesifik (Irfan Subakti, 2006).



B. Kecerdsan Buatan (artificial intelligence : AI) B.1 Definisi Kecerdsan Buatan (artificial intelligence : AI) Definisi Kecerdasan Buatan  H. A. Simon [1987]: “Kecerdasan buatan (artificial intelligence) merupakan kawasan penelitian, aplikasi dan instruksi yang terkait dengan pemrograman komputer untuk melakukan sesuatu hal yang -dalam pandangan manusia adalah- cerdas”  Rich and Knight [1991]: “Kecerdasan Buatan (AI) merupakan sebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik oleh manusia.”



6



 Encyclopedia Britannica: “Kecerdasan Buatan (AI) merupakan cabang dari ilmu komputer yang dalam merepresentasi pengetahuan lebih banyak menggunakan bentuk simbol-simbol daripada bilangan, dan memproses informasi berdasarkan metode heuristic atau dengan berdasarkan sejumlah aturan” Tujuan dari kecerdasan buatan menurut Winston dan Prendergast [1984]:  1. Membuat mesin menjadi lebih pintar (tujuan utama)  2. Memahami apa itu kecerdasan (tujuan ilmiah)  3. Membuat mesin lebih bermanfaat (tujuan entrepreneurial) AI dapat dipandang dalam berbagai perspektif:  Dari perspektif Kecerdasan (Intelligence): AI adalah bagaimana membuat mesin yang “cerdas” dan dapat melakukan hal-hal yang sebelumnya dapat dilakukan oleh manusia  Dari perspektif bisnis, AI adalah sekelompok alat bantu (tools) yang berdaya guna, dan metodologi yang menggunakan tool-tool tersebut guna menyelesaikan masalah-masalah bisnis.  Dari perspektif pemrograman (Programming), AI termasuk didalamnya adalah studi tentang pemrograman simbolik, pemecahan masalah, proses pencarian (search)



B.2 Sejarah Kecerdasan Buatan (artificial intelligence: AI) Kecerdasan buatan termasuk bidang ilmu yang relatif muda. Pada tahun 1950-an, para ilmuan dan peneliti mulai memikirkan bagaimana caranya agar mesin dapat melakukan pekerjaannya seperti yang bisa dikerjakan oleh manusia. Alan Turing, seorang matematikawan dari Inggris pertama kali mengusulkan adanya tes untuk melihat bisa tidaknya sebuah mesin dikatakan cerdas. Hasil tes tersebut kemudian dikenal dengan Turing Test, dimana si mesin tersebut menyamar seolah-olah sebagai seseorang di dalam suatu permainan yang mampu memberikan respon terhadap serangkaian pertanyaan yang diajukan. Turing beranggapan bahwa, jika mesin dapat membuat seseorang percaya bahwa dirinya mampu berkomunikasi dengan orang lain, maka dapat dikatakan bahwa mesin tersebut cerdas (seperti layaknya manusia).



7



Kecerdasan buatan itu sendiri dimunculkan oleh seorang profesor dari Massachusetts Institute of Technology yang bernama John McCarthy pada tahun 1965 pada Dartmouth Conference yang dihadiri oleh para peneliti AI. Pada kesempatan inilah para peneliti dari berbagai disiplin ilmu dan dari berbagai universitas, industri dan berbagai kalangan lainnya bertemu untuk membahas karya mereka dan saling bertukar pikiran. Pada konferensi tersebut juga didefinisikan tujuan utama dari kecerdasan buatan yaitu mengetahui dan memodelkan proses-proses berfikir manusia dan mendesain mesin agar dapat meniruka kelakuan manusia tersebut. Sejak saat itulah sistem pemrograman berorientasi pada sistem kecerdasan buatan mulai dicetuskan. Beberapa program kecerdasan buatan yang mulai dibuat pada tahun 1956 – 1966 antara lain : - Logic Theorist, diperkenalkan pada Dartmouth Coference, program ini dapat membuktikan teorema-teorema matematika. - Sad Sam, diprogram oleh Robert K. Linsay 91960). Program ini dapat mengetahui kalimat-kalimat sederhana yang ditulis dalam bahasa Inggris dan mampu memberikan jawaban dari fakta-fakta yang didengar dalam sebuah percakapan. - ELIZA, diprogram oleh Joseph Weizenbaum(1967). Program ini mampu melakukan terapi terhadap pasien dengan memberikan beberapa pertanyaan. Pada permulaannya, kecerdasan buatan hanya ada di universitasuniversitas dan di laboratorium-laboratorium penelitian dan hanya sedikit produk yang dihasilkan dan dikembangkan. Menjelang akhir tahun 1970-an dan 1980-an mulai dikembangkan secara penuh dan hasilnya berangsur-angsur mulai dipublikasikan di khalayak umum.



B.3 Area Kecerdasan Buatan (artificial intelligence : AI) Lingkup utama kecerdasan buatan: 



Sistem pakar (expert system) : Komputer digunakan sebagai sarana untuk menyimpan pengetahuan para pakar. Dengan demikian komputer akan memiliki keahlian untuk menyelesaikan masalah dengan meniru keahlian yang dimiliki para pakar



8







Pengolahan bahasa alami (Natural Language): Dengan pengolahan bahasa alami ini diharapkan user mampu berkomunikasi dengan komputer dengan menggunakan bahasa sehari-hari.







Pengenalan ucapan : Melalui pengenalan ucapan diharapkan manusia mampu berkomunikasi dengan komputer dengan menggunakan suara.







Robotika dan Sistem sensor : Sistem sensor, seperti sistem vision, sistem tactile, dan sistem pemrosesan sinyal jika dikombinasikan dengan AI, dapat dikategorikan kedalam suatu sistem yang luas yang disebut sistem robotik.







Computer vision :mencoba untuk dapat mengintrepetasikan gambar atau objek-objek tampak melalui komputer







Intelligent Computer aid Instruction : Komputer dapat digunakan sebagai tutor yang dapat melatih dan mengajar







Jaringan saraf : model sistem saraf manusia yang sangat disederhanakan yang menunjukan kemampuan seperti belajar, generalisasi, dan abstraksi, kemampuan ini memungkinkan model untuk mempelajari prilaku manusia.



C. Sistem Pakar ( Expert System) C.1 Definisi Sistem Pakar ( Expert System) Pakar adalah orang yang memiliki pengetahuan, penilaian, pengalaman, metode khusus, serta kemampuan untuk menerapkan bakat ini dalam memberi nasihat dan memecahkan masalah. Misalnya seorang dokter, penasehat keuangan, pakar mesin mobil, dll. (Kusumadewi, 2003) Kepakaran (expertise) adalah pengetahuan yang ekstensif (meluas) dan spesifik yang diperoleh melalui rangkaian pelatihan, membaca, dan pengalaman. Pengetahuan membuat pakar dapat mengambil keputusan secara lebih baik dan lebih cepat daripada non-pakar dalam memecahkan problem yang kompleks. Kepakaran mempunyai sifat berjenjang, pakar top memiliki pengetahuan lebih banyak daripada pakar junior. (Kusumadewi, 2003)



9



Sistem Pakar adalah : Sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan para ahli. (Syammsudin aries, 2004) Sistem pakar diciptakan tidak untuk menggantikan kedudukan seorang pakar tetapi untuk memasyarakatkan pengetahuan & pengalaman pakar tersebut. Tujuan dari sebuah sistem pakar adalah untuk mentransfer kepakaran yang dimiliki seorang pakar kedalam komputer, dan kemudian kepada orang lain (nonexpert). Ada beberapa definisi tentang sistem pakar, antara lain: 



Menurut Durkin: sistem pakar adalah suatu program komputer yang dirancang untuk memodelkan kemampuan penyelesaian masalah yang dilakukan oleh seorang pakar







Menurut Ignizio: sistem pakar adalah suatu model dan prosedur yang berkaitan dalam suatu domain tertentu, yang mana tingkat keahliannya dapat dibandingkan dengan keahlian seorang pakar







Menurut Giarratano dan Riley: sistem pakar adalah suatu sistem komputer yang bisa menyamai atau meniru kemampuan seorang pakar.







Menurut (Arhami, Muhammad. 2005) definisi sistem pakar, yaitu: Sistem pakar merupakan salah satu bagian kecerdasan buatan yang akhir-akhir ini mengalami perkembangan yang sangat pesat. Sistem ini dirancang untuk dapat menirukan keahlian seorang pakar dalam menjawab pertanyaan dan menyelesaikan suatu permasalahan baik di bidang kesehatan, bisnis, ekonomi, keuangan dan sebagainya.







Sistem pakar merupakan program komputer yang mampu menyimpan pengetahuan dan kaidah dari domain pakar yang khusus. Dengan bantuan sistem pakar seorang yang awam atau tidak ahli dalam suatu bidang tertentu akan dapat menjawab pertanyaan, menyelesaikan masalah dan mengambil keputusan yang biasanya dilakukan oleh seorang pakar. Bentuk umum sistem pakar adalah suatu program yang dibuat



berdasarkan suatu set aturan yang menganalisis informasi (biasanya diberikan oleh pengguna suatu sistem) mengenai suatu kelas masalah spesifik serta analisis matematis dari masalah tersebut.



10



Sistem Pakar memberikan banyak keuntungan bagi operasi perusahaan dan manajer, tetapi memiliki keterbatasan signifikan. Artificial Intelligence merupakan suatu aktivitas untuk menyediakan berbagai mesin seperti komputer dengan menampilkan perilaku dengan penalaran yang cerdas apabila diamati sebagai manusia. Artificial Intelligence menyajikan berbagai aplikasi komputer yang canggih untuk menyamai berbagai jenis penalaran manusia. SP dikembangkan pertama kali oleh komunitas AI tahun 1960an. SP yang pertama adalah General Purpose Problem Solver (GPS) yang dikembangkan oleh Newel Simon. Ciri-Ciri Sistem Pakar  Memiliki fasilitas informasi yang handal.  Mudah dimodifikasi.  Dapat digunakan dalam berbagai jenis komputer.  Memiliki kemampuan untuk belajar beradaptasi. Area Permasalahan Aplikasi Sistem Pakar (Domain Sistem Pakar)  Interpretasi



Yaitu



pengambilan



keputusan



dari



hasil



observasi,



diantaranya: pengawasan, pengenalan ucapan, analisis citra, interpretasi sinyal, dan beberapa analisis kecerdasan.  Prediksi, Memprediksi akibat-akibat yang dimungkinkan dari situasi-situasi tertentu, diantaranya: peramalan, prediksi demografis, peramalan ekonomi, prediksi lalu lintas, estimasi hasil, militer, pemasaran, atau peramalan keuangan.  Diagnosis, Menentukan sebab malfungsi dalam situasi kompleks yang didasarkan pada gejala-gejala yang teramati, diantaranya: medis, elektronis, mekanis, dan diagnosis perangkat lunak.  Desain, Menentukan konfigurasi komponen-komponen sistem yang cocok dengan tujuan-tujuan kinerja tertentu dan kendala-kendala tertentu, diantaranya: layout sirkuit, perancangan bangunan.  Perencanaan, Merencanakan serangkaian tindakan yang akan dapat mencapai sejumlah tujuan dengan kondisi awal tertentu, diantaranya: perencanaan keuangan, komunikasi, militer, pengembangan politik, routing dan manajemen proyek.



11



 Monitoring, Membandingkan tingkah laku suatu sistem yang teramati dengan tingkah laku yang diharapkan darinya, diantaranya: Computer Aided Monitoring System.  Debugging dan Repair, Menentukan dan mengimplementasikan cara-cara untuk mengatasi malfungsi, diantaranya : memberikan resep obat terhadap suatu kegagalan.  Instruksi, Melakukan instruksi untuk diagnosis, debugging dan perbaikan kinerja.  Kontrol, Mengatur tingkah laku suatu environment yang kompleks seperti kontrol



terhadap



interpretasi-interpretasi,



prediksi,



perbaikan



dan



monitoring kelakuan sistem.  Seleksi,



Mengidentifikasi



pilihan



terbaik



dari



sekumpulan



(list)



kemungkinan.  Simulasi, Pemodelan interaksi antara komponen-komponen sistem.



Ada enam elemen Expert System (ES) yakni:  User interface (antarmuka), Mekanisme komunikasi antara user dan Expert System.  Explanation facility (subsistem Penjelasan), Digunakan untuk melacak respon dan memberikan penjelasan tentang kelakuan sistem pakar secara interaktif.  Working memory, Database global dari fakta yang digunakan dalam prosedur.  Agenda, Daftar prioritas prosedur yang dibuat oleh motor inferensi dan direkam dalam working memori.  Inference engine (motor inferensi), Program yang berisi metodologi yang digunakan untuk melakukan penalaran terhadap informasi-informasi dalam basis pengetahuan untuk memformulasikan konklusi (keismpulan)  Knowledge acquisiton facility, Berisi pengetahuan-pengetahuan yang dibutuhkan untuk memahami, memformulasikan dan menyelesaikan masalah.



12



C.2 Konsep Dasar Sistem Pakar ( Expert System) Menurut Efraim Turban, konsep dasar sistem pakar mengandung beberapa hal yang di antaranya: a) Keahlian, Merupakan suatu kelebihan penguasaan pengetahuan di bidang tertentu yang diperoleh dari pelatihan, membaca atau pengalaman. Contoh bentuk pengetahuan; Strategi-strategi global untuk menyelesaikan masalah. b) Ahli (Pakar), Merupakan seseorang yang memiliki pengetahuan, penilaian, pengalaman, metode tertentu, serta mampu menerapkan keahlian dalam memberikan advise untuk pemecahan persoalan, serta mampu menjelaskan suatu tanggapan, mempelajari hal-hal baru seputar topik permasalahan, mengenali & merumuskan permasalahan, menyusun kembali pengetahuan jika dipandang perlu, memecah aturan-aturan jika dibutuhkan, dan mampu menentukan relevan tidaknya keahlian mereka. c) Pengalihan Keahlian, Merupakan pengalihan keahlian dari para ahli ke komputer untuk kemudian dialihkan lagi ke orang lain yang bukan ahli, dimana pengetahuan yang disimpan di komputer ini disebut dengan nama basis pengetahuan. Ada 2 tipe pengetahuan, yaitu: fakta dan prosedur (biasanya berupa aturan). d) Inferensi, Kemampuan untuk melakukan penalaran dengan menggunakan pengetahuan yang ada untuk menghasilkan suatu kesimpulan atau hasil akhir. Dengan menggunakan motor interafe yang merupakan permodelan proses berfikir dan bernalar layaknya manusia. e) Aturan, Sebagian besar sistem pakar dibuat dalam bentuk rule-based system, dimana pengetahuan disimpan dalam bentuk aturan-aturan yang biasanya berbentuk IF-THEN f) Kemampuan Menjelaskan, Kemampuan untuk menjelaskan dan merekomendasi, yang membedakan sistem pakar dengan sistem konvensional.



13



C.3 Pengembangan Sistem Pakar Menurut Joseph Giarratano (Expert system principles and programing, technologies: 2000). Pengembangan sistem pakar dibagi menjadi dua generasi: 1. Sistem pakar generasi pertama menggunakan aturan jika-maka untuk merepresentasikan dan menyimpan pengetahuannya. 2. Sistem pakar generasi kedua jauh lebih fleksibel dalam mengadopsi banyak representasi pengetahuan dan metode pertimbangan. Pengalihan keahlian dari para ahli ke media elektronik seperti komputer untuk kemudian dialihkan lagi pada orang yang bukan ahli, merupakan tujuan utama dari sistem pakar. Proses ini membutuhkan 4 aktivitas yaitu: 1.



Tambahan pengetahuan (dari para ahli atau sumber-sumber lainnya),



2.



Representasi pengetahuan (ke komputer),



3.



Inferensi pengetahuan, dan



4.



Pengalihan pengetahuan ke user.



Tujuan pengembangan Sistem Pakar adalah : Menurut Syamsudinn aries (pengantar sistem pakar, 2004), tujuan pengembangan sistem pakar antara lain: a) Mempermudah kerja tenaga ahli b) Mengganti tenaga ahli c) Menggabungkan kemampuan tenaga ahli d) Training tenaga ahli e) Mengurangi resiko pada pekerjaan yang berbahaya f)



Menyediakan ahli pada bidang pekerjaan “kering”



Kunci Menuju Pengembangan Sistem Pakar yang Berhasil. Professor Gill mengidentifikasi 5 area dimana proyek pengembangan dapat diperbaiki, yaitu :  Koordinasikan pengembangan sistem pakar dengan rencana bisnis startegis dan rencana strategis untuk sumber daya informasi.  Definisikan secara jelas masalah yang akan dipecahkan dan dipahami sepenuhnya oleh problem demain.  Berikan perhatian khusus pada kelayakan legal dan etis dari sistem yang diusulkan.



14



 Pahami sepenuhnya perhatian pemakai tentang proyek pengembangan maupun harapan mereka pada sistem operasional.  Gunakan teknik manajemen yang dirancang untuk menjaga tingkat kelelahan pengembang berada pada batas yang dapat diterima.



C.4 Komponen atau Bagain Utama Sistem Pakar 1. Knowledge



base (basis



pengetahuan),



Knowledge



Base



berisi



pengetahuan-pengetahuan (pengetahuan gabungan) dalam memahami, merumuskan, dan penyelesaian masalah. Knowledge Base adalah bagian dari sistem pakar yang berisi domain pengetahuan. Knowledge base terdiri dari fakta yang menggambarkan area problem atau problem domain dan juga teknik penyajian yang menggunakan fakta sesuai logika. Domain pengetahuan seorang pakar pada dasarnya adalah spesifik terhadap domain masalah. 2. User



Interface



(antarmuka



pemakai),



Antarmuka



pemakai,



memungkinkan pemakai untuk berinteraksi dengan expert system. User interface digunakan manajer untuk meng-enter instruksi dan informasi ke dalam sistem pakar dan menerima informasi dari sistem pakar. a) Input Sistem Pakar, User interface dirancang untuk mempermudah dialog dua arah antara sistem dan pemakai dengan menmpilkanteknik tanya jawab dan pengisian formulir kemudian muncul bahasa perintah dan menu elektronik dan sistem manajemen data base. b) Output Sistem pakar, Sistem pakar dirancang untuk menyarankan pemecahan. Jenis-jenis User Interface ada dua jenis, yaitu:  Graphical User Interface (GUI) : Menggunakan unsur-unsur multimedia (seperti gambar, suara, video) untuk berinteraksi dengan pengguna  Text-Based, Menggunakan syntax/rumus yang sudah ditentukan untuk memberikan perintah. 3. Inference Engine, Menyediakan kemampuan penalaran yang menafsirkan isi Knowledge Base berdasarkan urutan tertentu. Selama konsultasi, inference engine menguji aturan-aturan dari knowledge base satu demi



15



satu, dan saat kondisi aturan itu benar tindakan tertentu diambil. Dalam terminologi sistem pakar, aturan itu “ditembakkan” saat tindakan diambil. Dua metode utama telah dibuat bagi inference engine untuk menguji aturan yakni: a) Penalaran maju (forward chaining), Aturan-aturan diuji satu per satu dalam urutan tertentu. Urutan itu mungkin berupa urutan pemasukan aturan ke dalam perangkat aturan, atau dapat juga urutan lain yang ditentukan oleh pemakai. Saat tiap aturan diuji, sistem pakar berusaha mengevaluasi apakah kondisinya benar atau salah. Jika kondisinya betul, aturan itu ditembakkan dan aturan berikutnya diuji. Saat kondisinya salah, aturan itu tidak ditembakkan dan aturan berikutnya diuji. Jika kondisi aturan tidak diketahui, aturan tidak ditembakkan dan aturan berikutnya diuji. Contoh proses penalaran maju yakni b) Penalaran mundur (backward chaining), Inference engine memilih suatu aturan dan menganggapnya sebagai masalah yang harus diselesaikan. c) Membandingkan panalaran maju dan penalaran mundur: Penalaran mundur bergerak lebih cepat dari penalaran maju karena penalaran mundur tidak harus mempertimbangkan semua aturan dan tidak membuat beberapa putaran melalui perangkat aturan. Penalaran mundur sangat sesuai jika:  Terdapat variabel sasaran berganda (multiple goal variables)  Terdapat banyak aturan  Semua atau hampir semua tidak harus diuji dalam proses mencapai pemecahan. 4. Development Engine, Digunakan untuk menciptakan Sistem Pakar. Pada dasarnya proses ini melibatkan pembuatan perangkat aturan. Ada dua pendekatan dasar yakni bahasa pemrograman dan shell sistem pakar. a. Bahasa Pemrograman, Kita dapat menciptakan sistem pakar dengan menggunakan bahasa pemrograman apapun, akan tetapi ada dua yang sangat cocok dengan representasi simbolis dari knowledge base yaitu Lisp dan Prolog. Lisp dikembangkan tahun 1959 oleh John McCarthy



16



(salah seorang anggota rapat pertama AI) dan pengerjaan prolog dimulai oleh Alain Colmerauer pada University of Marseilles tahun 1972. b. Shell Sistem Pakar, Salah satu sistem pakar pertama adalah Mycin, yang dikembangkan oleh Edward Shortliffe dan Stanley Cohen dari Stanford University, dengan bantuan Stanton Axline, seorang dokter. Mycin diciptakan untuk mendiagnosa penyakit menular tertentu. Ketika keberhasilan Mycin mulai mapan, para pengemang mencari berbagai cara lain untuk menerapkan pencapaian mereka. Mereka menemukan bahwa inference engine Mycin dapat disesuaikan ke jenis problem lain dengan mengganti knowledge base Mycin dengan knowledge base lain yang merefleksikan problem domain lain. Temuan



ini



menandakan



dimulainya



pendekatan



baru



untuk



membangun sistem pakar: shell sistem pakar. Shell sistem pakar adalah prosesor siap pakai yang dapat disesuaikan untuk problem domain tertentu melalui penambahan knowledge base yang sesuai. Sekarang, sebagian besar minat dalam menerapkan



sistem



pakar



untuk



masalah



bisnis



melibatkan



penggunaan shell.



C.5.Kelebihan dan Kelemahan sistem pakar (expert system) a. Keuntungan Sistem Pakar :  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



17



pertanyaan selama konsultasi dan sistem pakar tetap akan memberikan jawaban.  Tidak memerlukan biaya saat tidak digunakan, sedangkan pada pakar manusia memerlukan biaya sehari-hari.  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.



Integrasi sistem pakar dengan komputer lain membuat lebih efektif, dan bisa mencakup lebih banyak aplikasi.  Mampu menyediakan pelatihan. Pengguna pemula yang bekerja dengan sistem pakar akan menjadi lebih berpengalaman. Fasilitas penjelas dapat berfungsi sebagai guru.



b. Kelemahan Sistem Pakar:  Biaya



yang



diperlukan



untuk



membuat,



memelihara



dan



memeliharanya sangat mahal.  Sulit dikembangkan, hal ini erat kaitannya dengan ketersediaan pakar di bidangnya dan kepakaran sangat sulit diekstrak dari manusia karena sangat sulit bagi seorang pakar untuk menjelaskan langkah mereka dalam menangani masalah.  Sistem pakar tidak 100% benar karena seseorang yang terlibat dalam pembuatan sistem pakar tidak selalu benar. Oleh karena itu perlu diuji ulang secara teliti sebelum digunakan.  Pendekatan oleh setiap pakar untuk suatu situasi atau problem bisa berbeda-beda, meskipun sama-sama benar.  Transfer pengetahuan dapat bersifat subjektif dan bias.



18



 Kurangnya rasa percaya pengguna dapat menghalangi pemakaian sistem pakar.



c. Perbedaan sistem pakar dengan sistem konvensional



Perbedaan Sistem Pakar (Expert system) dan Sistem Pendukung Keputusan (DSS): 1. DSS terdiri dari routine merefleksikan keyakinan manajer dalam caranya memecahkan



masalah.



Keputusan



yang



dihasilkan



oleh



DSS



merefleksikan gaya kemampuan manajer, sebaliknya expert system memberikan peluang untuk mendapatkan kemampuan dalam membuat keputusan melebihi kemampuan yang dimiliki manajer. 2. Expert System mempunyai kemampuan untuk menjelaskan jalur penalaran yang diikuti pencapaian pemecahan tertentu, penjelasan mengenai bagaimana pemecahan dicapai akan lebih berguna dari pada pemecahan itu sendiri. 3. DSS menggunakan database, ES menggunakan knowledge base 4. DSS berbasis pada permodelan, ES berbasis pada konsultasi.



C.6 Contoh Sistem Pakar Yang Terkenal - MYCIN



19



 Paling terkenal, dibuat oleh Edward Shortlife of Standford University tahun 70-an.  Sistem pakar medical yang bisa mendiagnosa penyakit infeksi dan merekomendasi pengobatan.  MYCIN membantu dokter mengidentifikasi pasien yang menderita penyakit. Dokter duduk di depan komputer dan memasukkan data pasien: umur, riwayat kesehatan, hasil laboratorium dan informasi terkait lainnya. Dengan informasi ini ditambah pengetahuan yang sudah ada dalam komputer, MYCIN mendiagnosa selanjutnya merekomendasi obat dan dosis yang harus dimakan.  MYCIN sebagai penasehat medis, tidak dimaksudkan untuk mengantikan kedudukan seorang dokter. Tetapi membantu dokter yang belum berpengalaman dalam penyakit tertentu. Juga untuk membantu dokter dalam mengkonfirmasi diagnosa dan terapi yang diberikan kepada pasien apakah sesuai dengan diagnosa dan terapi yang ada dalam basis pengetahuan yang sudah dimasukkan ke dalam MYCIN, karena MYCIN dirancang oleh dokter-dokter yang ahli di bidang penyakit tersebut.  Kesimpulan: sistem pakar seperti MYCIN bisa digunakan sebagai bahan pembanding dalam pengambilan solusi dan pemecahan masalah. Keputusan terakhir atas pengobatan tersebut tetap menjadi tanggung jawab dokter. - DENDRAL Mengidentifikasi struktur molekular campuran kimia yang tak dikenal. - XCON & XSEL  XCON, Merupakan sistem pakar untuk membantu konfigurasi sistem komputer besar, membantu melayani order langganan sistem komputer DEC VAX 11/780 ke dalam sistem spesifikasi final yang lengkap.  Komputer besar seperti VAX terbuat dari ratudan komponen yang berbeda digabung dan disesuaikan dengan konfigurasi tertentu yang diinginkan oleh para pelanggan.



20



 Ada ribuan cara dimana aseosri Pcboard, kabel, disk drive, periperal, perangkat lunak, dan lainnya bisa dirakit ke dalam konfigurasi yang sangat rapih. Untuk mengidentifikasi hal-hal tersebut diperlukan waktu berhari-hari/berminggu-minggu agar bisa memenuhi spesifikasi yang diinginkan pemesan, tapi dengan XCON bisa dalam beberapa menit. XSEL,Dirancang untuk membantu karyawan bagian penjualan dalam memilih komponen istem VAX. Karena banyaknya pilihan karyawan tersebut sering menghadapi kesulitan dalam memilih suatu komponen yang paling tepat.  Basis pengetahuan yang ada pada XSEL membantu mengarahkan para pemesan serius untuk memilih konfigurasi yang dikehendaki, kemudian XSEL memilih CPU, memori, periperal dan menyarankan paket software tertentu yang paling tepat dengan konfigurasinya. - SOPHIE Analisis sirkuit elektronik. - PROSPECTOR  Di desain oleh Sheffield Research Institute, akhir 70-an.  Sistem pakar yang membantu ahli geologi dalam mencari dan menemukan deposit.  Basis pengetahuan berisi bermacam-macam mineral dan batu-batuan. Banyak pakar geologi diwawancarai dan pengetahuan mereka tentang berbagai bentuk biji deposit dimasukkan ke dalam sistem pakar.  Ahli geologi melacak biji deposit dengan pergi ke lapangan untuk meninjau medan dan mengumpulkan bukti yang ada seperti ciri-ciri geologi dicatat, sampel tanah dan batu-batuan. Sistem pakar mengevaluasi areal dalam bentuk pertanyaan dan data-data tersebut dimasukkan, kemudian Prospector memberikan rekomendasi yang menunjukkan jumlah deposit yang ada dan apakah menguntungkan atau tidak bila dieksplorasi atau di bor lebih lanjut. - DELTA  Dibuat oleh perusahaan General Electric (GE) membantu karyawan bagian pemeliharaan mesin lokomotif diesel dalam memantau mesin-



21



mesin yang tidak berfungsi dengan baik dan membimbing ke arah prosedur perbaikan. - FOLIO  Sistem pakar yang menolong stock broker dan tugas manajer dalam menangani investasi bagi kepentingan para langganannya. Stock broker mewawancarai langganan untuk menentukan tujuan sumber dan investasi mereka.  FOLIO bisa memberikan rekomendasi tentang keamanan investasi, mengevaluasi stock beresiko tinggi,menghitung pengembalian modal, dan membuat keputusan dalam hal pemasaran suatu komoditi.  Membantu para perencana keuangan untuk memperkecil kerugian karena pajak, inflasi atau faktor lain misal turun naiknya nilai mata uang. - EL  Digunakan untuk menganalisa dan membantu rekayasa rancangan sirkuit elektronik yang terbuat dari transistor, dioda dan resistor.  Diagram skematik dari sirkuit ini dimasukkan ke dalam komputer dan EL menganalisis menentukan karakteristik sirkuit, nilai voltase, dan strum yang ada pada semua titik sirkuit.  Basis pengetahuan pada EL merupakan prinsip umum elektronik seperti hukum OHM, hukum kirchoff, karakteristik komponen, teori operasi transistor. - YESMVS  Di desain oleh IBM awal tahun 80-an.  Membantu operator komputer dan mengontrol sistem operasi MVS (Multiple Virtual Storage). - ACE  Di desain dan dikembangkan oleh AT&T Bell Lab awal tahun 80-an.  Sistem Pakar troubleshooting pada sistem kabel telepon. - RAMALAN CUACA  Dengan diberi input tentang situasi cuaca yang sedang berlangsung, baik lokal maupun ditempat lain, maka sistem pakar bisa menyajikan



22



ramalan yang akurat tentang cuaca yang akan terjadi dalam suatu periode tertentu.



D. Jaringan Saraf D.1 Definisi jaringan saraf Jaringan saraf merupakan jaringan dari sekelompok unit pemroses kecil yang memproses sejumlah besar informasi secara paralel dan terdistribusi yang dimodelkan berdasarkan jaringan saraf biologis manusia. Beberapa definisi tentang jaringan saraf adalah sebagai berikut di bawah ini.  Hecht-Nielsend (1988) mendefinisikan sistem saraf buatan sebagai berikut: "Suatu neural network (NN), adalah suatu struktur pemroses informasi yang terdistribusi dan bekerja secara paralel, yang terdiri atas elemen pemroses (yang memiliki memori lokal dan beroperasi dengan informasi lokal) yang diinterkoneksi bersama dengan alur sinyal searah yang disebut koneksi. Setiap elemen pemroses memiliki koneksi keluaran tunggal yang bercabang (fan out) ke sejumlah koneksi kolateral yang diinginkan (setiap koneksi membawa sinyal yang sama dari keluaran elemen pemroses tersebut). Keluaran dari elemen pemroses tersebut dapat merupakan sebarang jenis persamaan matematis yang diinginkan. Seluruh proses yang berlangsung pada setiap elemen pemroses harus benar-benar dilakukan secara lokal, yaitu keluaran hanya bergantung pada nilai masukan pada saat itu yang diperoleh melalui koneksi dan nilai yang tersimpan dalam memori lokal".  Menurut Haykin,



S. (1994),



Neural



Networks:



A



Comprehensive



Foundation, NY, Macmillan, mendefinisikan jaringan saraf sebagai berikut: “Sebuah jaringan saraf adalah sebuah prosesor yang terdistribusi paralel dan mempuyai kecenderungan untuk menyimpan pengetahuan yang didapatkannya dari pengalaman dan membuatnya tetap tersedia untuk digunakan. Hal ini menyerupai kerja otak dalam dua hal yaitu: 1. Pengetahuan diperoleh oleh jaringan melalui suatu proses belajar. 2. Kekuatan hubungan antar sel saraf yang dikenal dengan bobot sinapsis digunakan untuk menyimpan pengetahuan.



23



 Dan menurut Zurada, J.M. (1992), Introduction To Artificial Neural Systems, Boston: PWS Publishing Company, mendefinisikan sebagai berikut: “Sistem saraf tiruan atau jaringan saraf tiruan adalah sistem selular fisik yang dapat memperoleh, menyimpan dan menggunakan pengetahuan yang didapatkan dari pengalaman”.  DARPA Neural Network Study (1988, AFCEA International Press, p. 60) mendefinisikan jaringan syaraf buatan sebagai berikut : Sebuah jaringan syaraf adalah sebuah sistem yang dibentuk dari sejumlah elemen pemroses sederhana yang bekerja secara paralel dimana fungsinya ditentukan oleh stuktur jaringan, kekuatan hubungan, dan pegolahan dilakukan pada komputasi elemen atau nodes. Jaringan



saraf



tiruan (JST) (Bahasa



Inggris: artificial



neural



network (ANN), atau juga disebut simulated neural network (SNN), atau umumnya



hanya



disebut neural



network



(NN)),



adalah jaringan dari



sekelompok unit pemroses kecil yang dimodelkan berdasarkan jaringan saraf manusia. JST merupakan sistem adaptif yang dapat merubah strukturnya untuk memecahkan masalah berdasarkan informasi eksternal maupun internal yang mengalir melalui jaringan tersebut. Sederhana, JST dalah sebuah alat pemodelan data statistik non-linier. JST dapat digunakan untuk memodelkan hubungan yang kompleks antara input dan output untuk menemukan pola-pola pada data.



D.2 Sruktur Histologis Komponen jaringan saraf terdiri atas:  Sel saraf Sel saraf yang dinamakan pula sel neron berbeda dengan sel-sel dari jaringan dasar lainnya karena adanya tonjolan-tonjolan yang panjang dari badan selnya. Oleh karena itu sel saraf dibedakan menjadi: 1. Badan sel yaitu bagian sel saraf yang mengandung inti, maka kadang-kadang bagian ini disebut pula sebagai perikaryon. Bentuk dan ukuran dapat



24



beraneka ragam, tergantung fungsi dan letaknya. Inti sel biasanya terletak sentral, walaupun kadang-kadang dapat eksentrik. Biasanya berbentuk bulat; dan berukuran besar. Di dalamnya terdapat butir-butir khromatin halus yang tersebar. Nukleolus biasanya besar sehingga kadang-kadang dapat disangka sebagai intinya sendiri. Penampilan inti yang demikian merupakan ciri khas dari sel saraf, oleh karena berkaitan erat sekali dengan kegiatan sel saraf. Dalam nukleolus banyak mengandung molekul RNA yang penting untuk kegiatan sel terutama dalam sintesis protein, sehingga mengikat warna basofil. Sitoplasma sel saraf mengandung berbagai macam organela seperti halnya jenis sel lain. Ciri khas dari sitoplasma sel neron yaitu adanya bangunan basofil yang berbentuk sebagai bercak-bercak yang dinamakan:



Substansi



Nissl



yang tidak



lain adalah



granular



endoplasmic reticulum yang banyak mengandung butir-butir ribosom sebesar 100–300Œ. Kehadiran bangunan tersebut mendukung adanya kegiatan sintesis protein. Bentuk dan susunan substansi Nissl sangat tergantung dari jenis sel saraf nya. Mitokhondria yang dikenal sebagai sumber energi bagi sebuah sel juga terdapat dalam sitoplasma sel saraf bahkan meluas ke dalam tonjolan-tonjolannya. Energi yang dibutuhkan oleh jaringan saraf jelas apabila diukur konsumsi oksigen dan kandungan glukosa dalam sel saraf. Kompleks Golgi merupakan organela yang untuk pertama kalinya diketemukan dalam sel saraf oleh Camillo Golgi dalam tahun 1898, yang di kemudian hari juga diketemukan dalam sel-sel bukan saraf. Kedudukan



kompleks



Golgi



tergantung



jenis



sel



sarafnya.



Organela lain dalam sel saraf yang meluas sampai tonjolan-tonjolannya yaitu yang dinamakan nerofibril. Dengan berbagai teknik histologi dapat ditunjukkan adanya serabut-serabut halus khususnya dalam axon. Apa yang dilihat sebagai nerofibril dengan mikroskop cahaya, ternyata dengan M.E. terdiri atas berbagai bentuk misalnya sebagai mikrotubuli,



25



nerofilamen dan aktin. Fungsinya selain bertindak sebagai kerangka sel juga diduga sangat berguna dalam pengangkutan bahan-bahan dalam tonjolan sel. Di samping organela, di dalam sel saraf diketemukan pigmen yang fungsinya kurang jelas. Ada dua jenis pigmen dalam sel saraf, yaitu: pigmen lipokhrom yang berwarna kuning dan pigmen melanin yang berwarna coklat atau hitam. 2. Dendrit Merupakan tonjolan-tonjolan dari badan sel saraf yang bercabangcabang sebagai pohon sehingga memperluas permukaan sel saraf. Pada pangkalnya di badan sel terdapat perluasan substansi Nissl dan mitokhondria, namun nerofibril dan mikrotubuli meluas sampai ujung dendritnya. Dengan pewarnaan khusus menggunakan inpregnasi perak dapat terlihat adanya tonjolan-tonjolan pada permukaan percabangan dendrit yang disebut gemula dan spina. Bangunan tersebut digunakan untuk tempat



kontak



dengan



sel



saraf



lainnya



melalui



sinapsis.



Bentuk percabangan dendrit tergantung dari jenis sel sarafnya. Fungsinya merambatkan impuls ke arah badan sel. 3. Axon Berbeda dengan tonjolan yang dinamakan dendrit, maka axon merupakan tonjolan yang hanya terdapat sebuah dan berfungsi merambatkan impuls yang meninggalkan badan sel. Bahkan salah satu jenis sel saraf dalam retina yang disebut sel amakrin tidak memiliki axon sama sekali. Axon berpangkal pada badan sel sebagai suatu bukit kecil yang dinamakan oxon hillock. Di dalam daerah ini tidak terdapat substansi Nissl, karena di daerah ini banyak nerofibril yang akan meninggalkan badan sel. Panjang axon dari beberapa cm sampai beberapa puluh cm demikian



pula



diameternya



juga



berbeda-beda.



Makin



besar



diameternya makin cepat perambatan impulsnya. Di beberapa tempat axon memberikan percabangan yang dinamakan kolateral, sedang ujung



26



axon akan bercabang-cabang sebagai



pohon



yang dinamakan



telodendron. Oleh karena axon perlu menghantarkan impuls yang tidak lain adalah perubahan potensial listrik, maka agar efisien perlu dibungkus dengan bahan isolator yang dinamakan Selubung mielin. Sebelah luarnya masih ada selubung lain yang dinamakan selubung nerolema. Mengenai hal ini akan dibahas lebih jauh pada bagian serabut saraf dari Sistem Saraf Perifir.  Jaringan pengisi Yang dimaksudkan dengan jaringan pengisi meliputi semua komponen jaringan saraf yang tidak ikut berfungsi dalam merambatkan impuls saraf, tetapi bukan jaringan pengikat oleh karena berasal dari jaringan ektoderm. Jaringan pengisi ini dibedakan untuk Sistem Saraf Pusat dan Sistem Saraf Perifir. Pada Sistem Saraf Pusat, sel-sel jaringan pengisi dinamakan neroglia, Pada Sistem Saraf Perifer terdapat sel satelit atau sel kapsel dalam ganglion, dan sel Schwan. Fungsi jaringan neroglia bertindak sebagai:  penyokong, untuk nutrisi dan sebagai  isolator terhadap gel saraf. Dalam Sistem Saraf Pusat dibedakan adanya beberapa jenis sel seperti:  Astrosit menunjukkan inti yang paling besar dan berbentuk ovoid atau bulat dengan warna yang pucat oleh karena butir-butir khromatin yang halus dan tersebar. Sebagian besar khromatin menempel pada selubung inti sehingga batas inti menjadi lebih jelas. Di dalam intinya kadangkadang dapat terlihat nukleolus.  Oligodendroglia atau oligodendrosit merupakan populasi yang paling banyak diketemukan sebagai kumpulan inti yang berukuran lebih kecil daripada inti astrosit. Inti yang berbentuk bulat dan ovoid ini berwarna lebih gelap karena khromatinnya lebih padat. Kadang-kadang dalam intinya dapat diketemukan nukleolus pula.



27



 Mikroglia merupakan pengecualian dalam asal-usulnya oleh karena berasal dari jaringan mesenkhim. Sel ini dapat dibedakan dengan yang lain karena bentuk intinya yang memanjang dengan butir-butir khromatin yang tersebar rata. Kadang-kadang masih dapat terlihat sitoplasma di sekitar intinya.  Sel ependim telah umum disepakati dimasukkan ke dalam kelompok neroglia, walaupun badan selnya tidak terdapat di antara sel-sel saraf. Oleh karena pada saat pembentukan Sistem Saraf Pusat sel-sel ependim membatasi Tuba neuralis maka setelah lahir sel-sel ini masih diketemukan membatasi rongga otak yang dinamakan ventriculus dan rongga pada Medulla spinalis yang dinamakan Canalis centralis.



D.3 Perkembangan Jaringan Saraf Tiruan: a) 1940-an, para ilmuwan menemukan bahwa psikologi dariotak sama dengan mode pemrosesan yang dilakukan oleh peralatan komputer. b) 1943, McCulloch dan Pitts merancang model formal yang pertama kali sebagai perhitungan dasar neuron. c) 1954, Farley dan Clark mensetup model-model untuk relasiadaptif stimulus-respon dalamjaringanrandom. d) 1975, Little dan shaw menggambarkan jaringan syaraf dengan menggunakan model probabilistic. e) 1982, Kohonen mengembangkan metode pembelajaran jaringan syaraf yang tidak terawasi untuk pemetaan. f) 1982, Grossberg mengembangkan teori jaringan yang diinspirasi oleh perkembangan psikologi. Bersama Carpenter, mereka mengenalkan sejumlah arsitektur jaringan. Antara lain, Adaptif Resonance Theory (ART), ART2, dan ART3. g) 1982, Hopfield mengembangkan jaringan syaraf recurrent yang dapat digunakan untuk menyimpan informasi dan optimasi. h) 1985, Algoritma pembelajaran dengan menggunakan model jaringan syaraf probabilistic mulai dikembangkan.



28



i) 1987, Kosko mengembangkan jaringan adaptif Bidirectional Assosiative Memory (BAM). j) 1988, Mulai pengembangan fungsi radiasi basis.



D.4 Sistem dan Aplikasi Jaringan Saraf Tiruan Sistem jaringan saraf tiruan merupakan analogi yang berkaitan erat dengan proses berpiir dalam otak manusia. Sesungguhnya jaringan saraf tiruan merupakan pembentukan generalisasi model matematika dengan menggunakan beberapa asumsi, diantaranya: 



Sistem proses informasi terjadi pada banyak elemen sederhana (neuron).







Sinyal yang dikirimkan di antara neuron-neuron melalui penghubungpenghubung (sinapsis).







Penghubung antarneuron memiliki bobot yang akan memperkuat atau memperlemah sinyal.







Untuk menentukan output (target), setiap neuron menggunakan fungsi aktivasi (biasanya bukan merupakan fungsi linear) yang dikenakan pada jumlahan input yang diterima. Besarnya output akan dibandingkan (learning process) dengan suatu batas ambang (threshold). Hingga saat ini jaringan saraf tiruan telah memiliki beberapa aplikasi



yang banyak digunakan dalam kehidupan manusia. Aplikasi yang sering digunakan antara lain: 



Pengenalan pola (pattern recognition) Jaringan saraf tiruan dapat dipakai untuk mengenali beberapa pola seperti



huruf, angka, suara, bahkan tanda tangan. Hal ini sangat mirip dengan otak manusia yang mampu mengenali seseorang, tentu saja yang pernah berkenalan dengan kita. 



Pengolahan sinyal (signal processing) Jaringan saraf tiruan (terutama model ADALINE (adaptive linear



newton) dapat digunakan untuk menekan derau (noise) dalam saluran telepon. 



Peramalan (forecasting)



29



Jaringan saraf tiruan juga dapat dipakai untuk meramalkan apa yang terjadi di masa depan berdasarkan pola yang terbentuk di masa lampau. Hal ini dapat dilakukan karena kemampuan jaringan saraf tiruan untuk mengingat dan membuat generalisasi dari apa yang sudah ada sebelumnya.



30



BAB III KESIMPULAN



Simpulan - Sistem Berbasis Pengetahuan atau Sistem Pakar merupakan salah satu cabang dari kecerdasan buatan / AI dimana dalam dunia komersial disebut dengan sistem yang dapat secara efektif dan efisien melaksanakan tugas yang tidak terlalu memerlukan pakar. Sistem Berbasis Pengetahuan dikenal juga dengan sistem penasihat, sistem pengetahuan, sistem bantuan kerja cerdas atau sistem operasional (Turban, dkk., 2005). - Kecerdasan Buatan adalah kegiatan memberikan pada mesin seperti komputer kemampuan untuk menampilkan perilaku yang dianggap cerdas jika itu di amati



manusia,kecerdasan



buatan



menggambarkan



aplikasi



komputer



tercanggih,yang mencoba menyerupai beberapa jenis penalaran manusia. - Tujuan dari kecerdasan buatan menurut Winston dan Prendergast [1984]: 1. Membuat mesin menjadi lebih pintar (tujuan 2.



utama)



2. Memahami apa itu kecerdasan (tujuan ilmiah) 3. Membuat mesin lebih bermanfaat (tujuan entrepreneurial) - Secara umum, Expert System (ES) adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan para ahli. Expert System tidak untuk menggantikan kedudukan seorang pakar tetapi untuk memasyaratkan pengetahuan dan pengalaman pakar tersebut. - Komponen atau Bagain Utama Sistem Pakar  User Interface (Antarmuka Pemakai)  Knowledge Base (basis pengetahuan)  Inference Engine (mesin inferensi)  Development Engine - Sebuah jaringan saraf adalah sebuah prosesor yang terdistribusi paralel dan mempuyai kecenderungan untuk menyimpan pengetahuan yang didapatkannya



31



dari pengalaman dan membuatnya tetap tersedia untuk digunakan. Hal ini menyerupai kerja otak dalam dua hal yaitu: [1]. Pengetahuan diperoleh oleh jaringan melalui suatu proses belajar. [2]. Kekuatan hubungan antar sel saraf yang dikenal dengan bobot sinapsis digunakan untuk menyimpan pengetahuan. - Komponen-komponen utama dari sebuah neuron dapat dikelompokan menjadi 3 bagian yaitu :  Dendrit. Dendrit bertugas untuk menerima informasi  Badan sel (soma). Badan sel (soma) berfungsi sebagai tempat pengolahan informasi  Axon (neurit). Axon mengirimkan impuls-impuls ke sel saraf lainnya.



32