Sistem Pakar: Pengertian, Tujuan, Struktur, dan Metode

Sistem informasi mengalami perkembangan setiap saatnya, dimana penerapannya sangat bermanfaat bagi kebutuhan dari sisi bisnis dan mendukung aktivitas manusia. Istilah sistem pakar atau sering disebut dengan expert system menjadi salah satu trend yang cukup sukses sekarang. Dimana, tujuan utama dari pengembangan sistem informasi tentunya untuk memudahkan dan mengotomasi setiap pekerjaan dari manusia.

Pada kesempatan kali ini, kami akan memberikan beberapa informasi penting seputar penggunaan sistem pakar dan implementasinya. Selain itu, kami akan membahas seputar definisi, tujuan, metode, struktur, kelebihan dan kekurangan yang dimiliki dari jenis sistem informasi ini.

Pengertian Sistem Pakar

Sistem pakar adalah suatu program komputer atau sistem informasi yang mengandung beberapa pengetahuan dari satu atau lebih pakar manusia terkait suatu bidang yang cenderung spesifik. Pakar yang dimaksudkan merupakan seseorang yang memiliki keahlian khusus di bidangnya masing-masing, contohnya dokter, psikolog, mekanik, dan lain sebagainya. Perangkat lunak ini pertama kali dikembangkan oleh periset program kecerdasan buatan (AI) sekitar tahun 1960-an dan 1970-an, serta baru diterapkan pada tahun 1980-an.

Tujuan Sistem Pakar

Sistem pakar memiliki kemampuan untuk merekomendasikan rangkaian tindakan atau behaviour pengguna untuk dapat menjalankan sistem koreksi yang tepat dan akurat. Dimana, sistem ini juga memanfaatkan kapabilitas proses penalaran untuk dapat mencapai hasil simpulan berdasarkan data dan fakta yang ada. 

Berikut ini terdapat beberapa tujuan utama dari penggunaan sistem pakar menurut Lestari, 2012.

1. Interpretasi

Expert system bertujuan untuk membuat sebuah kesimpulan atau deskripsi dari sekumpulan data yang masih mentah (raw data). Pengambilan keputusan tersebut berdasarkan hasil observasi, mulai dari analisis citra, pengenalan kata melalui ucapan, interpretasi sinyal, dan lain sebagainya.

2. Prediksi

Mampu untuk memproyeksikan akibat dari situasi dan kondisi tertentu, contohnya prediksi terkait data demografi, ekonomi, finance, dan lain-lain.

3. Diagnosis

Dapat menentukan penyebab terjadinya malfungsi di dalam situasi yang kompleks berdasarkan gejala yang dapat teramati dengan diagnosis yang tepat.

4. Perancangan desain

Mampu menentukan dan membuat rancangan konfigurasi terkait komponen sistem yang cocok dengan tujuan kinerja tertentu dengan memenuhi suatu kendala tertentu. Contohnya adalah perancangan desain bangunan, lapangan, dan lainnya.

5. Perencanaan

Expert system juga bertujuan untuk merencanakan serangkaian tindakan yang mendapat tujuan pada tahap kondisi awal tertentu.

6. Monitoring

Melaksanakan hasil pengamatan berdasarkan suatu kondisi yang diharapkan, contoh dari proses implementasinya adalah computer aided monitoring system (CAMS).

7. Debugging

Mampu untuk menentukan serta menginterpretasikan berbagai cara untuk mencegah terjadinya malfungsi atau kegagalan pada fitur tertentu.

8. Instruksi

Mempunyai kemampuan untuk mendeteksi tingkat defisiensi terhadap pemahaman mengenai domain subjek.

9. Kontrol

Memiliki keahlian untuk mengatur pola tingkah laku suatu lingkungan (environment) yang kompleks. Contohnya adalah kontrol terhadap interpretasi, perbaikan, dan prediksi (forecast).

Metode Expert System

Terdapat beberapa metode yang digunakan dalam menggunakan sistem pakar, diantaranya adalah sebagai berikut.

1. AHP (Analytical Hierarchy Process)

AHP merupakan salah satu metode yang menerapkan sistem pakar untuk dapat mengambil keputusan dengan melakukan perbandingan antara beberapa pasangan, serta kriteria yang berada dalam suatu variabel. 

Teknik analisa program yang digunakan adalah menggunakan variabel untuk dianalisa menjadi bentuk hierarki berdasarkan sebuah urutan. Kemudian, akan dibandingkan untuk ditarik sebuah kesimpulan berdasarkan metrik yang ada guna menentukan nilai pada setiap kriteria maupun variabel yang digunakan.

2. Breadth First Search

Breadth first search merupakan algoritma yang berfungsi untuk melakukan pencarian data secara luas atau melebar dalam expert system. Pada metode ini menerapkan proses antrian data (queue) untuk menyimpan informasi yang telah dianalisa sebelumnya. Selain itu, juga membutuhkan tabel boolean untuk menyimpan informasi ke dalam sebuah simpul sehingga, tidak ada informasi yang dikunjungi lebih dari sekali.

3. BFS (Best First Search)

Metode best first search merupakan hasil kombinasi dari metode DFS dan breadth first search yang membuat sistem pakar mampu menyajikan tampilan output dari hasil analisa variabel yang telah diproses sebelumnya.

4. DFS (Depth First Search)

Metode DFS juga menerapkan sistem pakar, dimana algoritma yang digunakan merupakan proses penelusuran menggunakan struktur pohon atau graf, dan berpatokan pada tingkat kedalaman data.

5. Penelusuran ke Depan (Forward Chaining)

Merupakan teknik penalaran yang termasuk dalam sistem pakar, yang mana diawali dari proses pencarian fakta. Dimana, fakta tersebut digunakan untuk menguji nilai suatu kebenaran terhadap hipotesis yang dikembangkan.

6. Penelusuran ke Belakang (Backward Chaining)

Backward chaining merupakan kebalikan dari forward chaining, dimana metode ini melakukan pelacakan sistem keputusan dimulai dari tahap menarik kesimpulan pada sebuah titik penalaran. Kemudian, dilanjutkan dengan penyusunan hipotesis hingga fakta yang ditemukan untuk memberikan value dan penguatan dari hasil kesimpulan.

Baca juga: Artificial Intelligence (AI): Definisi, Contoh, Manfaat, & Sejarah

Struktur Sistem Pakar

Di dalam pengembangan expert system, tersusun atas beberapa komponen atau struktur pembentuk sebuah sistem informasi yang komprehensif. Berikut ini merupakan beberapa bagian penyusun arsitektur dari sistem ini.

1. User Interface (Antarmuka Pengguna)

Antarmuka atau interface merupakan mekanisme yang digunakan sebagai sarana untuk berkomunikasi dan berinteraksi dengan pengguna (user). Antarmuka akan menerima informasi dari pengguna, dan akan mengubahnya ke dalam instruksi yang dapat diterima oleh sistem.

2. Basis Pengetahuan

Basis pengetahuan mengandung pemahaman mengenai formulasi dan skema penyelesaian masalah.

3. Knowledge Acquisition (Akuisisi Pengetahuan)

Knowledge acquisition adalah proses akumulasi, transformasi, dan transfer tiap keahlian untuk dapat menyelesaikan permasalahan dari sumber pengetahuan, ke dalam suatu sistem komputer. Pada tahap ini, seorang engineer bertugas untuk menyerap segala pengetahuan untuk dikirim ke dalam basis pengetahuan (insight).

4. Inference Engine (Mesin atau Motor Inferensi)

Pada komponen ini mengandung mekanisme penalaran dan pola pikir yang dimanfaatkan oleh para pakar untuk dapat memecahkan suatu masalah dengan baik. Mesin inferensi sendiri merupakan program komputer untuk memberikan metodologi yang ada dalam workplace, dan nantinya akan diolah menjadi sebuah kesimpulan.

5. Workplace/Blackboard

Workplace merupakan area dari kumpulan memori kerja yang digunakan untuk merekam setiap kejadian yang ada, termasuk pembuatan keputusan sementara.

6. Fasilitas Penjelasan

Fasilitas penjelasan termasuk ke dalam komponen tambahan untuk meningkatkan penggunaan sistem pakar, serta melacak respon dan hasil penjelasan mengenai tingkah laku pada expert system secara interaktif.

7. Perbaikan Pengetahuan

Pakar juga mempunyai kemampuan analisis yang baik untuk dapat meningkatkan kinerjanya sedemikian rupa. Kemampuan tersebut terdiri atas, keahlian dalam pembelajaran yang terkomputerisasi. Sehingga, program dapat membedakan antara kesuksesan dengan kegagalan yang dialami, berdasarkan pengetahuan yang masih relevan untuk diaplikasikan di masa mendatang.

Contoh dari Expert System

Berikut ini terdapat beberapa contoh program yang menerapkan sistem pakar, yaitu:

• Dendral, aplikasi untuk mengidentifikasi struktur molekul pada campuran kimia yang tidak dikenal.
• MYCIN, merupakan software yang dibangun untuk mendiagnosis berbagai jenis penyakit.
• Prospector, aplikasi yang diterapkan untuk kebutuhan pada bidang geologi.
• XCON dan XSEL, merupakan software digunakan untuk mengkonfigurasi sistem komputer besar.

Kelebihan Sistem Pakar

Pembahasan selanjutnya, masuk pada penyajian informasi seputar keunggulan dari sistem pakar.

• Meningkatkan produktivitas kerja, yang mana dapat membantu dalam menyelesaikan setiap pekerjaan dalam waktu yang lebih cepat.
• Mampu meningkatkan kualitas dari sisi pemberian nasihat yang lebih konsisten.
• Memiliki tingkat keandalan yang relatif tinggi, serta dapat bekerja secara real time.

Kekurangan Sistem Pakar

Kekurangan yang dimiliki oleh sistem pakar adalah sebagai berikut.

• Terdapat kendala dalam mendapatkan pengalaman atau insight baru dengan menggunakan berbagai pendekatan yang dimiliki oleh beberapa pakar.
• Di dalam proses pembuatan pakar sendiri, memerlukan biaya yang besar dengan tetap memperhatikan faktor kualitas dari pengetahuan yang dihasilkan.
• Hasil tingkat evaluasi dari expert system tidaklah bernilai kebenaran mutlak 100%, namun masih memerlukan tahap pengujian secara berkala untuk dapat menghasilkan kesimpulan terbaik.

Kesimpulan

Anda dapat menggunakan sistem pakar untuk membantu pekerjaan anda terselesaikan dengan lebih cepat dengan proses pengambilan keputusan berdasarkan informasi dan fakta yang ada. Anda dapat memilih jenis metode yang akan digunakan dengan mempertimbangkan faktor keuangan, dan sumber daya manusia yang ada pada bisnis anda. Pastikan juga untuk memperhatikan algoritma dari sistem tersebut dengan menyesuaikan terhadap kebutuhan bisnis yang dijalankan.