Pengertian ARTIFICIAL INTELLIGENCE & Pengenalan Expert System (Sistem Pakar) 🤔

Apa itu KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE) ?  

Kecerdasan buatan (Artifical Intelligence) merupakan bidang dari  ilmu komputer yang berperan penting dalam mewujudkan sistem komputer yang handal dan cerdas untuk memenuhi kebutuhan manusia pada bidang  industry , rumah tangga dan lain-lain.

definisi dari Kecerdasan buatan (Artificial Intelligence) :

• Menurut 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. 
• Menurut Schalkoff (1990) , Kecerdasan buatan (Artificial Intelligence)  adalah bidang studi yang berusaha menerangkan dan meniru perilaku cerdas dalam bentuk proses komputasi. 
• Menurut Rich dan Knight (1991), Kecerdasan buatan (Artificial Intelligence) merupakan sebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang pada saat ini dilakukan lebih baik oleh manusia. 
• Menurut Luger dan Stubblefield (1993), Kecerdasan buatan  (Artificial Intelligence) adalah cabang ilmu komputer yang berhubungan dengan otomasi perilaku yang cerdas. 
• Menurut Haag dan Keen (1996), Kecerdasan buatan (Artificial Intelligence) adalah Bidang studi yang berhubungan dengan penangkapan, pemodelan dan penyimpanan kecerdasan manusia dalam sebuah sistem teknologi informasi sehingga sistem tersebut dapat memfasilitasi proses pengambilan keputusan yang biasanya dilakukan oleh manusia. 
• Menurut Encyclopedia Britannica, Kecerdasan Buatan (Artificial Intelligence) 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. 
• Menurut Andi (2003), kecerdasan buatan adalah suatu studi khusus di mana tujuannya adalah membuat komputer berfikir dan bertindak seperti manusia. 
• Menurut Kusumadewi (2003), kecerdasan buatan merupakan salah satu bagian ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia.

Winston dan Prendergast (Turban, Mclean, dan Wetherbe, 1999) , mengungkapkan bahwa adapun tujuan dari kecerdasan buatan meliputi : 

1. Membuat mesin menjadi lebih pintar (tujuan utama)
2. Memahami apa itu kecerdasan (tujuan ilmiah)
3. Membuat mesin lebih bermanfaat (tujuan entrepreneurial)

O’Brien (2001) mengatakan bahwa beberapa atribut perilaku cerdas adalah: 

1. Berpikir dan Bernalar, memakai penalaran dalam memecahkan masalah, 
2. Menyerap dan menerapkan pengetahuan. 
3. Memperlihatkan kreativitas dan imajinasi,  
4. Memakai penalaran untuk memecahkan persoalan,  
5. Bekerja dengan situasi yang kompleks dan membingungkan,   
6. Melakukan tanggapan dengan cepat dan berhasil terhadap situasi baru,   
7. Mengenali elemen-elemen yang relative penting dalam suatu situasi, 
8. Menangani informasi yang rancu, tak lengkap, atau salah.

 

PENERAPAN KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE) PADA KOMPUTER

   

    Dalam membuat aplikasi kecerdasan buatan yang mampu bertindak seperti manusia diperlukan pengetahuan untuk menalar, adapun 2 bagian utama yang penting dalam pembuatan aplikasi kecerdasan buatan ini meliputi;

1. Basis Pengetahuan (Knowledge Base), bersifat fakta-fakta, teori, pemikiran dan hubungan antar satu dengan yang lainnya. 
2. Motor Inferensi (Inference Engine), kemampuan menarik kesimpulan berdasarkan pengetahuan dan pengalaman.

Dibawah ini merupakan Penerapan Konsep Kecerdasan Buatan di Komputer :

 Pengenalan Expert System (Sistem Pakar): 

Definisi Sistem Pakar

 

Sistem Pakar (Expert System) adalah usaha untuk menirukan seorang pakar. Biasanya Sistem Pakar berupa perangkat lunak pengambil keputusan yang mampu mencapai tingkat performa yang sebanding seorang pakar dalam bidang problem yang khusus dan sempit. Ide dasarnya adalah: kepakaran ditransfer dari seorang pakar (atau sumber kepakaran yang lain) ke komputer, pengetahuan yang ada disimpan dalam komputer, dan pengguna dapat berkonsultasi pada komputer itu untuk suatu nasehat, lalu komputer dapat mengambil inferensi (menyimpulkan, mendeduksi, dll.) seperti layaknya seorang pakar, kemudian menjelaskannya ke pengguna tersebut, bila perlu dengan alasan-alasannya. Sistem Pakar malahan terkadang lebih baik unjuk kerjanya daripada seorang pakar manusia!
           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 yunior. 

Ciri-ciri Sistem Pakar
              Ciri-ciri sistem pakar adalah :

•       Memiliki fasilitas informasi yang handal

•      Mudah dimodifikasi

•       Dapat digunakan dalam berbagai jenis komputer

•      Memiliki kemampuan untuk belajar beradaptasi

•       Bekerja secara sistematis berdasarkan pengetahuan dan mekanisme tertentu.

•        Pengambilan keputusan berdasarkan kaidah-kaidah tertentu dan dapat merespons masukan user (melalui kotak dialog)    
•        Dapat menalar data-data yang tidak pasti dan dapat memberikan beberapa   alasan pemilihan.
•        Dikembangkan secara bertahap dan terbatas pada bidang keahlian tertentu saja.

Bentuk SP : 

-          Berdiri sendiri. Sistem bentuk ini merupakan s/w yang berdiri sendiri tidak tergabung                            dengan s/w lain.

-          Tergabung. Sitem ini merupakan bagian program yang terkandung di dalam suatu                                    algoritma (konvesional)

-          Menghubungkan ke s/w lain. Bentuk ini biasanya merupakan SP yang menghubungkan                            ke suatu paket program tertentu .

            -          Sistem mengabdi. Sistem ini merupakan bagian dari komputer khusus yang digabungkan                        dengan suatu fungsi tertentu. 

Komponen atau Bagian Utama Sistem Pakar : 

 

        Jeffrey D Ullman (1999) membagi komponen atau bagian sistem pakar dalam beberapa bagiann yaitu :

a.    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.

b.    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.

c.     Inference Engine (mesin inferensi)

Inference engine bertugas untuk menganalisis pengetahuan, memberikan kemampuan penalaran dan menarik kesimpulan berdasarkan knowledge base.

d.    Development Engine

Komponen yang digunakan untuk mengolah sistem pakar, terdiri dari bahasa pemrograman.

Apa Aja Sih Keuntungan dan Kelemahan Sistem Pakar ? 

Secara garis besar, keuntungan yang dapat diambil dengan adanya sistem pakar antara lain :

1.        Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli.

2.        Bisa melakukan proses secara berulang secara otomatis.

3.        Menyimpan pengetahuan dan keahlian para pakar.

4.        Meningkatkan output dan produktivitas.

5.        Meningkatkan kualitas.

Di samping memiliki beberapa keuntungan, sistem pakar juga memiliki beberapa kelemahan, antara lain :

1.    Biaya yang diperlukan untuk membuat dan memeliharanya relatif mahal karena diperlukan banyak data.

2.    Perlu admin khusus yang selalu update informasi dalam bidang yang sesuai dengan sistem pakar.

3.    Pengembangan perangkat lunak sistem pakar lebih sulit dibandingkan perangkat lunak                  

       konvensional.

4.    Susah di kembangkan.

5.    Membutuhkan waktu yang lama.

 Contoh Aplikasi Sistem Pakar :

1.    Dendral : Mengidentifikasi struktur organik tak dikenal melalui analisa spektrum massa dan kimia

2.    Mycin: Identifikasi bakteri penyebab infeksi dan merekomendasikan antiobiotik dengan dosis yang disesuaikan dengan berat tubuh pasien. Dirancang oleh Edward Feigenbaum (Universitas Stanford) th ’70 an.

3.    Dipmeter Advisor: Digunakan oleh Schlumberger untuk analisis data dalam pengeboran minyak.

4.    XCON & XSEL : Membantu konfigurasi sistem komputer besar. Dikembangkan oleh Digital Equipment Corporation (DEC) dan Carnegie Mellon Universitas (CMU), akhir ’70 an. Untuk sistem komputer DEC VAC 11 1780

5.    Sophie : Analisis sirkit elektronik

6.    Prospector : Digunakan di dalam geologi untuk membantu mencari dan menemukan deposit. Didesign oleh Sheffield Research Institute, akhir ‘70an

7.     Folio : Menbantu memberikan keutusan bagi seorang manajer dalam hal stok broker dan investasi.

8.    Delta : Pemeliharaan lokomotif listrik disel. Didesign & dikembangkan oleh General Electric Company.

9.    YESMVS : Membantu operator komputer & mengontrol sistem operasi MVS (multiple virtual storage). Didesign oleh IBM awal th ‘80an

10.    ACE : SP troubleshooting pd sistem kabel telpon. Didesign & dikembangkan oleh AT&T Bell Lab awal th ‘80an

 Sumber :

-    McLeod, Raymond, Management Information System, 7th ed., Prentice Hall, NewJersey, 1998

-    B.G. Buchaman and E.H. Shortliffe. Rule-Based Expert Systems: The MYCINExperiments of the Stanford Heuristic Programming Project. Addison-Wesley,1984.

-    gordon B. Davis (1998) Kerangka dasar Sistem Informasi Manajemen: Pengantar Seri Manajemen No: 90. A, PT. Pustaka Binaman Pressindo, 1988. 

 

Share this post