Sistem Pakar

Pemecahan masalah-masalah yang komplek biasanya hanya dapat dilakukan oleh sejumlah orang yang sangat terlatih, yaitu pakar. Dengan penerapan teknik kecerdasan buatan, sistem pakar menirukan apa yang dikerjakan oleh seorang pakar ketika mengatasi permasalah yang rumit, berdasarkan pengetahuan yang dimilikinya.
Sistem pakar dibuat hanya pada domain pengetahuan tertentu untuk suatu kepakaran tertentu yang mendekati kemampuan manusia di salah satu bidang saja. Sistem pakar mencoba mencari penyelesaian yang memuaskan, yaitu sebuah penyelesaian yang cukup bagus agar pekerjaan dapat berjalan walaupun itu bukan penyelesaian yang optimal. Berikut beberapa keuntungan dalam sistem pakar yaitu :
1.Sistem pakar dapat menirukan keahlian manusia.
2.Sistem pakar dapat mengembangkan sistem lebih baik daripada manusia.
3.Sistem pakar dapat meminimalkan keahlian manusia yang diperlukan di sejumlah lokasi pada saat yang sama (terutama dalam lingkungan yang berbahaya bagi kesehatan manusia).
4.Sistem pakar dapat menemukan solusi lebih cepat daripada manusia.
Sistem pakar sebagai sebuah program yang difungsikan untuk menirukan pakar manusia harus bisa melakukan hal-hal yang dapat dikerjakan oleh seorang pakar. Untuk membangun sistem yang seperti itu maka komponen-komponen yang harus dimiliki adalah sebagai berikut :



a.Antar Muka Pengguna (User Interface)
b.Basis Pengetahuan (Knowledge Base)
c.Mekanisme Inferensi (Inference Machine)
d.Memori Kerja (Working Memory)
Sedangkan untuk menjadikan sistem pakar menjadi lebih menyerupai seorang pakar yang berinteraksi dengan pemakai, maka dilengkapi dengan fasilitas berikut :
a. Fasilitas Penjelasan (Explanation Facility)
b. Fasilitas Akuisisi Pengetahuan (Knowledge Acquistion Facility)

Banyak sekali metode-metode yang digunakan dalam system pakar yaitu metode fuzzy logic. Pemodelan sistem pakar fuzzy dapat dilakukan dengan menggunakan langkah berikut :
1.Pilih input dan variabel output yang relevan. Menentukan jumlah istilah linguistik yang terkait dengan setiap input / output variabel. Juga, memilih bagian yang sesuai tentang fungsi keanggotaan, operator fuzzy, penalaran mekanisme, dan sebagainya.
2.Pilih jenis spesifik sistem inferensi fuzzy (Misalnya, Mamdani, Takagi-Sugeno dll). Dalam sebagian besar kasus, kesimpulan dari aturan fuzzy dilakukan keluar dengan menggunakan min 'dan' max 'operator untuk fuzzy penjumlahan. Untuk lebih jelas lagi berikut aturan dari system pakar fuzzy dengan menggunakan metode Mamdani :



3.Desain koleksi fuzzy dengan aturan if-then (pengetahuan basis). Sebuah sistem pakar fuzzy adalah sistem pakar hanya yang menggunakan kumpulan fungsi keanggotaan fuzzy dan aturan, bukan logika Boolean, untuk alasan tentang data. Aturan dalam sistem pakar fuzzy biasanya bentuk yang mirip dengan yang berikut:

If A is low and B is high then X = medium

Keterangan : di mana A dan B adalah variabel input, X adalah variabel output. Di sini rendah, tinggi, dan sedang set fuzzy didefinisikan pada A, B, dan X masing-masing. Berikut arsitektur dari system pakar fuzzy :



Jadi, Peraturan sistem pakar ini telah diterapkan dalam luas jumlah area aplikasi. Keuntungan penting sistem pakar fuzzy ini adalah bahwa pengetahuan yang diungkapkan lebih mudah untuk memahami aturan-aturan linguistik. Jika kita memiliki data, sistem pakar fuzzy dapat diajarkan menggunakan pembelajaran jaringan syaraf tiruan. Hal ini untuk diperkirakan bahwa jumlah aplikasi akan tumbuh jauh di masa depan sekarang yang jelas terbukti sukses dengan menggunakan metode-metode ini.

Sumber : www.softcomputing.net
abcs