10. Contoh Aplikasi Sistem Pakar

1.  Aplikasi Sederhana: Sistem Pakar Bengkel Mobil

Ini adalah contoh Sistem Pakar sederhana, yang bertujuan untuk mencari apa yang salah sehingga mesin mobil pelanggan yang tidak mau hidup, dengan memberikan gejala- gejala yang teramati. Anggap Sistem Pakar kita memiliki aturan-aturan berikut:

1. JIKA mesin_mendapatkan_bensin

DAN starter_dapat_dihidupkan

MAKA ada_masalah_dengan_pengapian

2. JIKA TIDAK BENAR starter_dapat_dihidupkan

DAN TIDAK BENAR lampu_menyala

MAKA ada_masalah_dengan_aki

3. JIKA TIDAK BENAR starter_dapat_dihidupkan

DAN lampu_menyala

MAKA ada_masalah_dengan_starter

4. JIKA ada_bensin_dalam_tangki_bahan_bakar

MAKA mesin_mendapatkan_bensin

Terdapat 3 masalah yang mungkin, yaitu: ada_masalah_dengan_pengapian, ada_masalah_dengan_aki dan   ada_masalah_dengan_starter.  Dengan   sistem terarah-tujuan (goal-driven), kita hendak membuktikan keberadaan setiap masalah tadi.

Pertama, Sistem Pakar berusaha untuk membuktikan kebenaran ada_masalah_dengan_pengapian. Di sini, aturan 1 dapat digunakan, sehingga Sistem Pakar akan menset goal baru untuk membuktikan apakah mesin_mendapatkan_bensin serta starter_dapat_dihidupkan. Untuk membuktikannya, aturan 4 dapat digunakan, dengan goal baru untuk membuktikan mesin_mendapatkan_bensin. Karena tidak ada aturan lain yang dapat digunakan menyimpulkannya, sedangkan sistem belum memperoleh solusinya, maka Sistem Pakar kemudian bertanya kepada pelanggan: “Apakah ada bensin dalam tangki bahan bakar?”. Sekarang, katakanlah jawaban klien adalah “Ya”, jawaban ini kemudian dicatat, sehingga klien tidak akan ditanyai lagi dengan pertanyaan yang sama. Nah, karena sistem sekarang sudah dapat membuktikan bahwa mesin mendapatkan bensin, maka sistem sekarang berusaha mengetahui apakah starter_dapat_dihidupkan. Karena sistem belum tahu mengenai hal ini, sementara tidak ada aturan lagi yang dapat menyimpulkannya, maka Sistem Pakar bertanya lagi ke klien: “Apakah starter dapat dihidupkan?”. Misalkan jawabannya adalah “Tidak”, maka tidak ada lagi aturan yang dapat membuktikan ada_masalah_dengan_pengapian, sehingga Sistem Pakar berkesimpulan bahwa hal ini bukanlah solusi dari problem yang ada, dan kemudian melihat hipotesis berikutnya: ada_masalah_dengan_aki. Sudah diketahui (dibuktikan) bahwa mesin tidak dapat distarter, sehingga yang harus dibuktikan adalah bahwa lampu tidak menyala. Sistem Pakar kemudian bertanya: “Apakah lampu menyala?”. Misalkan jawabannya adalah “Tidak”, maka sudah terbukti bahwa ada masalah dengan aki. Sistem ini mungkin berhenti sampai di sini, tetapi biasanya ada kemungkinan terdapat lebih dari satu solusi (misalnya terdapat lebih dari satu kerusakan), atau ada kemungkinan terdapat solusi lain yng lebih tepat, sehingga biasanya semua hipotesis diperiksa kebenarannya. Sistem Pakar ini kemudian mencoba membuktikan bahwa ada_masalah_dengan_starter, namun dari fakta yang sudah diperoleh, yaitu lampu tidak  menyala,  maka  pembuktiannya  menjadi  gagal.  Dengan  demikian  solusi  yang diberikan oleh Sistem Pakar adalah ada masalah dengan aki.

Secara lengkap, interaksi antara Sistem Pakar dengan klien mungkin seperti ini:

System Pakar:   Apakah ada bensin dalam tangki bahan bakar?

Klien:                Ya

System Pakar:   Apakah starter dapat dihidupkan?

Klien:                Tidak

System Pakar:   Apakah lampu menyala?

Klien:                Tidak

System Pakar:   Saya berkesimpulan bahwa ada masalah dengan aki

Fasilitas Penjelasan

Kebanyakan Sistem Pakar mempunyai fasilitas penjelasan yang mengijinkan klien untuk bertanya mengapa dia diberi suatu pertanyaan atau bagaimana dapat mencapai suatu kesimpulan. Pertanyaan dari klien tersebut dijawab dengan mengacu pada goal, aturan yang dipakai, dan data-data yang ada. Contoh pemakaian fasilitas penjelas dalam Sistem Pakar di atas dapat dilihat pada percakapan berikut:

System Pakar:   Apakah ada bensin dalam tangki bahan bakar?

Klien:                Ya

System Pakar:   Apakah starter dapat dihidupkan?

Klien:                Tidak

System Pakar:   Apakah lampu menyala?

Klien:                Mengapa?

System Pakar:   Saya mencoba membuktikan bahwa ada masalah dengan aki.

Sudah ditunjukkan adalah tidak benar starter dapat dihidupkan. Sehingga jika tidak benar bahwa lampu menyala, maka ada masalah dengan aki.

Apakah lampu menyala?

Klien:                Tidak

System Pakar:   Saya berkesimpulan bahwa ada masalah dengan aki

Klien:                Bagaimana bisa?

System Pakar:  Hal ini sesuai dengan aturan no 2:

JIKA TIDAK BENAR starter_dapat_dihidupkan

DAN TIDAK BENAR lampu_menyala

MAKA ada_masalah_dengan_aki

bahwa tidak benar starter_dapat_dihidupkan sudah dijawab, bahwa tidak benar lampu_menyala sudah dijawab,

sehingga dapat disimpulkan bahwa ada_masalah_dengan_aki.

Fasilitas penjelasan berhubungan dengan pencatatan aturan apa saja yang digunakan untuk mengambil kesimpulan, dan menggunakan catatan tersebut untuk menyusun penjelasan. Pembangkitan penjelasan sederhana seperti contoh di atas bukanlah persoalan yang sulit, namun pemahaman klien terhadap penjelasan tersebut tidaklah sama, sehingga seringkali klien tetap tidak mengerti maksudnya. Hal ini karena biasanya penjelasan hanya meliputi pengetahuan yang dangkal atau hanya permukaan saja sebagaimana tercantum dalam autran yang dipunyai, bukannya pengetahuan yang mendalam yang mendasari aturan tersebut. Dalam contoh di atas, Sistem Pakar hanya mengatakan bahwa hal ini sesuai dengan aturan no 2, tetapi tidak menjelaskan secara lebih detil mengenai aturan 2 tersebut. Mungkin klien perlu diberi pengertian bahwa lampu dan starter dua-duanya menggunakan aki untuk menyalakannya. Hal penting lain adalah ketika klien gagal mengerti atau menerima  penjelasan  yang  diberikan,  biasanya  Sistem  Pakar  tidak  dapat  memberi penjelasan dengan cara lain (tidak begitu halnya dengan seorang pakar yang mampu menggunakan kalimat yang lain untuk mencoba menjelaskannya).

2.  Eliza

Eliza adalah salah satu Sistem Pakar yang paling awal dikembangkan. Ini adalah program  komputer  terapis  yang  dibuat  oleh  Joseph  Weizenbaum  di  MIT. Pengguna berkomunikasi  dengannya  sebagaimana  sedang  berkonsultasi dengan  seorang  terapis. Berikut ini adalah contoh percakapan antara Eliza dengan seorang klien:

Eliza:    Hello. I am ELIZA. How can I help you?

Klien:    My name is Balza.

Eliza:    I have told you before, I do not care about names. Klien:            I don’t have any money. That’s my problem. Eliza:    Why do you say your problem?

Klien:    Because you asked me.

Eliza:    Do any other reasons not come to mind?

Klien:    No.

Eliza:    You are being a bit negative.

Klien:    Why?

Eliza:    Please go on.

Klien:    OK. I am bankrupt.

Eliza:    How long have you been bankrupt?

Klien:    A year.

Eliza:    Please go on.

Klien:    So, what should I do?

Eliza:    Does that question interest you? Klien:    Yes, how can I make big money? Eliza:    You are sure?

Klien:    Of course I’m sure.

3.  Parry

Parry adalah Sistem Pakar yang juga paling awal dikembangkan di Stanford University oleh seorang psikiater, Kenneth Colby, yang mensimulasikan seorang paranoid. Berikut ini contoh respon Parry terhadap pertanyaan seorang psikiater yang menginterviunya.

Psikiater:   Why are you in the hospital?

Parry:         I shouldn’t be here.

Psikiater:    Who brought you here?

Parry:            The police.

Psikiater:    What trouble did you have with the police?

Parry:    Cops don’t do their job.

Psikiater:   What do they do instead?

Parry:Cops arrest the wrong people.

Psikiater:   They arrest the right ones sometimes

Parry:         The law should get those Italian crooks.

Psikiater:   Are you Italian?

Parry:         My background is British but I was born in this country.

Psikiater:    Do you know any Italian crooks?

Parry:         I try to avoid the underworld.

9. Pembangunan Sebuah Sistem Pakar

Mengembangkan Sistem Pakar dapat dilakukan dengan 2 cara:

1.   Membangun sendiri semua komponen di atas, atau

2.   Memakai semua komponen yang sudah ada kecuali isi basis pengetahuan.

Yang kedua disebut sebagai membangun Sistem Pakar dengan shell, yakni semua komponen  Sistem  Pakar,  kecuali  basis  pengetahuan,  bersifat  generik; sehingga dapat dipakai untuk bidang yang berlainan. Membangun Sistem Pakar dengan shell dapat dilakukan  dengan  lebih  cepat  dan  lebih  sedikit  keterampilan memprogram,  namun berkurang fleksibilitasnya karena harus mengikuti kemampuan dari shell tersebut. Salah satu shell Sistem Pakar yang populer dipakai adalah CLIPS (C Language Integrated Production System) yang dapat didownload dari internet.

 1.  Pemilihan Masalah

Pembuatan  Sistem  Pakar  membutuhkan  waktu  dan  biaya  yang  banyak.  Untuk menghindari kegagalan yang memalukan dan kerugian yang besar, maka dibuat beberapa pedoman untuk menentukan apakah Sistem Pakar cocok untuk memecahkan suatu problem: a.   Biaya  yang  diperlukan  untuk  pembangunan  Sistem  Pakar  ditentukan  oleh kebutuhan  untuk  memperoleh  solusi.  Sehingga harus  ada  perhitungan  yang realistis untuk cost and benefit.

b.   Pakar  manusia  tidak  mudah  ditemui  untuk  semua  situasi  di  mana  dia dibutuhkan. Jika pakar pengetahuan tersebut terdapat di mana saja dan kapan saja, maka pembangunan Sistem Pakar menjadi kurang berharga.

c.   Problem yang ada dapat diselesaikan dengan teknik penalaran simbolik, dan tidak membutuhkan kemampuan fisik.

d.   Problem tersebut harus terstruktur dengan baik dan tidak membutuhkan terlalu banyak pengetahuan awam (common sense), yang terkenal sulit untuk diakuisisi dan dideskripsikan, dan lebih banyak berhubungan dengan bidang yang teknis.

e.   Problem  tersebut  tidak  mudah  diselesaikan  dengan  metode  komputasi  yang lebih tradisionil. Jika ada penyelesaian algoritmis yang bagus untuk problem tersebut, maka kita tidak perlu memakai Sistem Pakar.

f.    Ada pakar yang mampu memberikan penjelasan tentang kepakarannya serta mau bekerjasama. Adalah sangat penting bahwa pakar yang dihubungi benar- benar mempunyai kemauan kuat untuk ikut berpartisipasi serta tidak merasa pekerjaannya akan menjadi terancam.

g.   Problem tersebut mempunyai sekup yang tepat. Biasanya merupakan problem yang membutuhkan kepakaran yang sangat khusus namun hanya membutuhkan seorang pakar untuk dapat menyelesaikannya dalam waktu yang relatif singkat (misalnya paling lama 1 jam).

 

2.  Rekayasa Pengetahuan (Knowledge Engineering)

Proses dalam rekayasa pengetahuan meliputi:

a.   Akuisisi  pengetahuan,  yaitu  bagaimana  memperoleh  pengetahuan  dari  pakar atau sumber lain (sumber terdokumentasi, buku, sensor, file komputer, dll.).

b.   Validasi pengetahuan, untuk menjaga kualitasnya misalnya dengan uji kasus.

c.   Representasi pengetahuan, yaitu bagaimana mengorganisasi pengetahuan yang diperoleh, mengkodekan dan menyimpannya dalam suatu basis pengetahuan.

d.   Penyimpulan pengetahuan, menggunakan mesin inferensi yang mengakses basis pengetahuan dan kemudian melakukan penyimpulan.

e.   Transfer pengetahuan (penjelasan). Hasil inferensi berupa nasehat, rekomendasi, atau jawaban, kemudian dijelaskan ke pengguna oleh subsistem penjelas.

 

3.  Partisipan Dalam Proses Pengembangan

Pakar, yaitu seseorang yang mempunyai pengetahuan, pengalaman, dan metode khusus, serta mampu menerapkannya untuk memecahkan masalah atau memberi nasehat. Pakar menyediakan pengetahuan tentang bagaimana nantinya Sistem Pakar bekerja.

Perekayasa   pengetahuan (knowledge engineer), yang membantu pakar untuk menyusun area permasalahan dengan menerjemahkan dan mengintegrasikan jawaban pakar terhadap pertanyaan-pertanyaan dari klien, menarik analogi, serta memberikan contoh- contoh yang berlawanan, kemudian menyusun basis pengetahuan.

Pengguna, yang mungkin meliputi: seorang klien non-pakar yang sedang membutuhkan nasehat (Sistem Pakar sebagai konsultan atau advisor), seorang siswa yang sedang  belajar  (Sistem Pakar  sebagai  instruktur),  seorang  pembuat  Sistem Pakar  yang hendak meningkatkan basis pengetahuan (Sistem Pakar sebagai partner), seorang pakar (Sistem Pakar sebagai kolega atau asisten, yang dapat memberikan opini kedua). Partisipan lain, dapat meliputi: pembangun sistem (system builder), tool builder, staf administrasi dsb.

 

 4.  Akuisisi Pengetahuan

Dalam proses akuisisi pengetahuan, seorang perekayasa pengetahuan menjembatani antara pakar dengan basis pengetahuan. Perekayasa pengetahuan mendapatkan pengetahuan dari   pakar,   mengolahnya   bersama   pakar   tersebut,   dan   menaruhnya   dalam   basis pengetahuan, dengan format tertentu. Pengambilan pengetahuan dari pakar dapat dilakukan secara:

Manual, di mana perekayasa pengetahuan mendapatkan pengetahuan dari pakar (melalui wawancara) dan/atau sumber lain, kemudian mengkodekannya dalam basis pengetahuan. Proses ini biasanya berlangsung lambat, mahal, serta kadangkala tidak akurat.

Semi-otomatik, di mana terdapat peran komputer untuk: (1) mendukung pakar dengan mengijinkannya membangun basis pengetahuan tanpa (atau dengan sedikit) bantuan dari  perekayasa  pengetahuan,  atau  (2)  membantu  perekayasa  pengetahuan  sehingga kerjanya menjadi lebih efisien dan efektif.

Otomatik, di mana peran pakar, perekayasa pengetahuan, dan pembangun basis pengetahuan (system builder) digabung. Misalnya dapat dilakukan oleh seorang system analyst seperti pada metode induksi.

8. Komponen Sistem Pakar

Secara umum, Sistem Pakar biasanya terdiri atas beberapa komponen yang masing- masing berhubungan.

Basis Pengetahuan, berisi pengetahuan yang dibutuhkan untuk memahami, memformulasi, dan memecahkan masalah. Basis pengetahuan tersusun atas 2 elemen dasar:

1.   Fakta, misalnya: situasi, kondisi, dan kenyataan dari permasalahan yang ada, serta teori dalam bidang itu

2.   Aturan,   yang   mengarahkan   penggunaan   pengetahuan   untuk   memecahkan masalah yang spesifik dalam bidang yang khusus

Mesin  Inferensi  (Inference  Engine),  merupakan  otak  dari  Sistem  Pakar.  Juga dikenal sebagai penerjemah aturan (rule interpreter). Komponen ini berupa program komputer yang menyediakan suatu metodologi untuk memikirkan (reasoning) dan memformulasi kesimpulan. Kerja mesin inferensi meliputi:

1.   Menentukan aturan mana akan dipakai

2.   Menyajikan pertanyaan kepada pemakai, ketika diperlukan.

3.   Menambahkan jawaban ke dalam memori Sistem Pakar.

4.   Menyimpulkan fakta baru dari sebuah aturan

5.   Menambahkan fakta tadi ke dalam memori.

Papan Tulis (Blackboard/Workplace), adalah memori/lokasi untuk bekerja dan menyimpan hasil sementara. Biasanya berupa sebuah basis data.

Antarmuka Pemakai (User Interface). Sistem Pakar mengatur komunikasi antara pengguna dan komputer. Komunikasi ini paling baik berupa bahasa alami, biasanya disajikan dalam bentuk tanya-jawab dan kadang ditampilkan dalam bentuk gambar/grafik. Antarmuka yang lebih canggih dilengkapi dengan percakapan (voice communication).

Subsistem   Penjelasan   (Explanation   Facility).   Kemampuan   untuk   menjejak (tracing) bagaimana suatu kesimpulan dapat diambil merupakan hal yang sangat penting untuk  transfer  pengetahuan  dan  pemecahan  masalah.  Komponen subsistem  penjelasan harus dapat menyediakannya yang secara interaktif menjawab pertanyaan pengguna, misalnya:

1.   “Mengapa pertanyaan tersebut anda tanyakan?”

2.   “Seberapa yakin kesimpulan tersebut diambil?”

3.   “Mengapa alternatif tersebut ditolak?”

4.   “Apa yang akan dilakukan untuk mengambil suatu kesimpulan?”

5.   “Fakta apalagi yang diperlukan untuk mengambil kesimpulan akhir?”

Sistem Penghalusan Pengetahuan (Knowledge Refining System). Seorang pakar mempunyai sistem penghalusan pengetahuan, artinya, mereka bisa menganalisa sendiri performa mereka, belajar dari pengalaman, serta meningkatkan pengetahuannya untuk konsultasi  berikutnya.  Pada  Sistem  Pakar,  swa-evaluasi  ini  penting  sehingga  dapat menganalisa   alasan   keberhasilan   atau   kegagalan   pengambilan   kesimpulan,   serta memperbaiki basis pengetahuannya.

7. Sistem Pakar dan Manfaat dan Keterbataan Sistem Pakar

A. Pendahuluan

Ketika hendak membuat suatu keputusan yang komplek atau memecahkan masalah, seringkali kita meminta nasehat atau berkonsultasi dengan seorang pakar atau ahli. Seorang pakar adalah seseorang yang mempunyai pengetahuan dan pengalaman spesifik dalam suatu bidang; misalnya pakar komputer, pakar uji tak merusak, pakar politik dan lain-lain. Semakin tidak terstruktur situasinya, semakin mengkhusus (dan mahal) konsultasi yang dibutuhkan.

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.

Tujuan Sistem Pakar adalah untuk mentransfer kepakaran dari seorang pakar ke komputer, kemudian ke orang lain (yang bukan pakar). Proses ini tercakup dalam rekayasa pengetahuan (knowledge engineering) yang akan dibahas kemudian.

B. Manfaat dan Keterbatasan Sistem Pakar

1.  Manfaat Sistem Pakar

Mengapa Sistem Pakar menjadi sangat populer? Hal ini disebabkan oleh sangat banyaknya kemampuan dan manfaat yang diberikan oleh Sistem Pakar, di antaranya:

a.   Meningkatkan output dan produktivitas, karena Sistem Pakar dapat bekerja lebih cepat dari manusia.

b.   Meningkatkan   kualitas,   dengan   memberi   nasehat   yang   konsisten   dan mengurangi kesalahan.

c.   Mampu menangkap kepakaran yang sangat terbatas. d.   Dapat beroperasi di lingkungan yang berbahaya.

e.   Memudahkan akses ke pengetahuan.

f.   Handal. Sistem Pakar tidak pernah menjadi bosan dan kelelahan atau sakit. Sistem  Pakar  juga  secara  konsisten  melihat  semua  detil  dan  tidak  akan melewatkan informasi yang relevan dan solusi yang potensial.

g.   Meningkatkan kapabilitas sistem terkomputerisasi yang lain. Integrasi Sistem Pakar dengan sistem komputer lain membuat lebih efektif, dan mencakup lebih banyak aplikasi .

h.   Mampu bekerja dengan informasi yang tidak lengkap atau tidak pasti. Berbeda dengan sistem komputer konvensional, Sistem Pakar dapat bekerja dengan inofrmasi yang tidak lengkap. Pengguna dapat merespon dengan: “tidak tahu” atau “tidak yakin” pada satu atau lebih pertanyaan selama konsultasi, dan Sistem Pakar tetap akan memberikan jawabannya.

i.    Mampu menyediakan pelatihan. Pengguna pemula yang bekerja dengan Sistem Pakar akan menjadi lebih berpengalaman. Fasilitas penjelas dapat berfungsi sebagai guru.

j.    Meningkatkan   kemampuan   problem   solving,   karena   mengambil   sumber pengetahuan dari banyak pakar.

k.   Meniadakan kebutuhan perangkat yang mahal. l.   Fleksibel.

 

2.  Keterbatasan Sistem Pakar

Metodologi  Sistem  Pakar  yang  ada  tidak  selalu  mudah,  sederhana  dan efektif. Berikut adalah keterbatasan yang menghambat perkembangan Sistem Pakar:

a.   Pengetahuan yang hendak diambil tidak selalu tersedia. b.   Kepakaran sangat sulit diekstrak dari manusia.

c.   Pendekatan oleh setiap pakar untuk suatu situasi atau problem bisa berbeda- beda, meskipun sama-sama benar.

d.   Adalah sangat sulit bagi seorang pakar untuk mengabstraksi atau menjelaskan langkah mereka dalam menangani masalah

e.   Pengguna Sistem Pakar mempunyai batas kognitif alami, sehingga mungkin tidak bisa memanfaatkan sistem secara maksimal.

f.   Sistem Pakar bekerja baik untuk suatu bidang yang sempit.

g.   Banyak pakar yang tidak mempunyai jalan untuk mencek apakah kesimpulan mereka benar dan masuk akal.

h.   Istilah  dan  jargon  yang  dipakai  oleh  pakar  dalam  mengekspresikan  fakta seringkali terbatas dan tidak mudah dimengerti oleh orang lain.

i.   Pengembangan Sistem Pakar seringkali membutuhkan perekayasa pengetahuan (knowledge engineer) yang langka dan mahal.

j.          Kurangnya rasa percaya pengguna menghalangi pemakaian Sistem Pakar.

k.   Transfer pengetahuan dapat bersifat subyektif dan bias.

6. Bidang Aplikasi Kecerdasan Buatan

Penerapan Kecerdasan Buatan meliputi berbagai bidang seperti ditunjukkan pada bagian akar pohon AI, antara lain: Bahasa/linguistik, Psikologi, Filsafat, Teknik Elektro, Ilmu Komputer, dan Ilmu Manajemen. Sedangkan sistem cerdas yang banyak dikembangkan saat ini adalah:Sistem Pakar (Expert Systemi), yaitu program konsultasi (advisory) yang mencoba menirukan proses penalaran seorang pakar/ahli dalam memecahkan masalah yang rumit. Sistem Pakar merupakan aplikasi AI yang paling banyak. Lebih detil tentang Sistem Pakar akan diberikan dalam bab berikutnya.

Pemrosesan Bahasa Alami (Natural Language Processing), yang memberi kemampuan pengguna komputer untuk berkomunikasi dengan komputer dalam bahasa mereka sendiri (bahasa manusia). Sehingga komunikasi dapat dilakukan dengan cara percakapan alih-alih menggunakan perintah yang biasa digunakan dalam bahasa komputer biasa. Bidang ini dibagi 2 lagi:

a. Pemahaman bahasa alami, yang mempelajari metode yang memungkinkan komputer  mengerti  perintah  yang  diberikan  dalam  bahasa  manusia  biasa. Dengan  kata lain, komputer dapat memahami manusia.

b.   Pembangkitan bahasa alami, sering disebut juga sintesa suara, yang membuat komputer dapat membangkitkan bahasa manusia biasa sehingga manusia dapat memahami komputer secara mudah.

Pemahaman Ucapan/Suara (Speech/Voice Understanding), adalah teknik agar komputer  dapat  mengenali  dan  memahami  bahasa  ucapan.  Proses  ini  mengijinkan seseorang berkomunikasi dengan komputer dengan cara berbicara kepadanya. Istilah “pengenalan suara” mengandung arti bahwa tujuan utamanya adalah mengenai kata yang diucapkan tanpa harus tahu artinya, di mana bagian itu merupakan tugas “pemahaman suara”. Secara umum prosesnya adalah usaha untuk menerjemahkan apa yang diucapkan seorang manusia menjadi kata-kata atau kalimat yang dapat dimengerti oleh komputer.

Sistem Sensor dan Robotika. Sistem sensor, seperti sistem visi dan pencitraan, serta sistem pengolahan sinyal, merupakan bagian dari robotika. Sebuah robot, yaitu perangkat elektromekanik yang diprogram untuk melakukan tugas manual, tidak semuanya merupakan bagian dari AI. Robot yang hanya melakukan aksi yang telah diprogramkan dikatakan sebagai robot bodoh yang tidak lebih pintar dari lift. Robot yang cerdas biasanya mempunyai perangkat sensor, seperti kamera, yang mengumpulkan informasi mengenai operasi dan lingkungannya. Kemudian bagian AI robot tersebut menerjemahkan informasi tadi dan merespon serta beradaptasi jika terjadi perubahan lingkungan.

Komputer   Visi,   merupakan   kombinasi   dari   pencitraan,   pengolahan   citra, pengenalan pola serta proses pengambilan keputusan. Tujuan utama dari komputer visi adalah untuk menerjemahkan suatu pemandangan. Komputer visi banyak dipakai dalam kendali kualitas produk industri.

Intelligent Tutoring/Intelligent Computer-Aided Instruction, adalah komputer yang mengajari manusia. Belajar melalui komputer sudah lama digunakab, namun dengan menambahkan aspek kecerdasan di dalamnya, dapat tercipta komputer “guru” yang dapat mengatur teknik pengajarannya untuk menyesuaikan dengan kebutuhan “murid” secara individiual. Sistem ini juga mendukung pembelajaran bagi orang yang mempunyai kekurangan fisik atau kelemahan belajar.

Mesin Belajar (Machine Learning), yang berhubungan dengan sekumpulan metode untuk mencoba mengajari/melatih komputer untuk memecahkan masalah atau mendukung usaha pemecahan masalah dengan menganalisa kasus-kasus yang telah terjadi. Dua metode mesin belajar yang paling populer adalah Komputasi Neural dan Logika Samar yang akan dipelajari lebih dalam di bab-bab berikutnya.

Aplikasi lain dari AI misalnya untuk merangkum berita, pemrograman komputer secara otomatis, atau menerjemahkan dari suatu bahasa ke bahasa yang lain, serta aplikasi dalam permainan (Ingat pertandingan catur antara Grand Master Anatoly Karpov dengan komputer Deep Thought dari IBM).

5. Perbandingan AI dengan program komputer konvensional

Program komputer konvensional prosesnya berbasis algoritma, yakni formula matematis atau prosedur sekuensial yang mengarah kepada suatu solusi. Algoritma tersebut dikonversi ke program komputer yang memberitahu komputer secara pasti instruksi apa yang harus dikerjakan. Algoritma yang dipakai kemudian menggunakan data seperti angka, huruf, atau kata untuk menyelesaikan masalah.

Perangkat lunak AI berbasis representasi serta manipulasi simbolik. Di sini simbol tersebut  berupa  huruf,  kata,  atau  angka  yang  merepresentasikan  obyek,  proses  dan hubungan keduanya. Sebuah obyek bisa jadi seorang manusia, benda, pikiran, konsep, kejadian, atau pernyataan suatu fakta. Menggunakan simbol, kita dapat menciptakan basis pengetahuan yang berisi fakta, konsep, dan hubungan di antara keduanya. Kemudian beberapa proses dapat digunakan untuk memanipulasi simbol tersebut untuk menghasilkan nasehat atau rekomendasi untuk penyelesaian suatu masalah. Perbedaan dasar antara AI dengan program komputer konvensional diberikan dalam Tabel.

Tabel.  Perbandingan antara AI dan Program Konvensional

Aspek

AI

Program konvensional
Pemrosesan

Input

Pendekatan pencarian Penjelasan/eksplanasi Fokus

Pemeliharaan & peningkatan

Kemampuan berpikir secara logis

Sebagian besar simbolik Tidak harus lengkap Sebagian besar heuristik Tersedia

Pengetahuan

Relatif mudah

Ada

Algoritmik Harus lengkap Algoritma

Biasanya tidak tersedia

Data

Biasanya sulit

Tidak ada

4. Perbandingan Kecerdasan Buatan dengan Kecerdasan Alamiah

Keuntungan Kecerdasan Buatan dibanding kecerdasan alamiah:

  1. lebih permanen
  2. memberikan kemudahan dalam duplikasi dan penyebaran relatif lebih murah dari kecerdasan alamiah
  3. Konsisten dan teliti
  4. Dapat didokumentasi
  5. Dapat mengerjakan beberapa task dengan lebih cepat dan lebih baik dibanding manusia

Keuntungan Kecerdasan Alamiah dibanding kecerdasan buatan

  1. Bersifat lebih kreatif
  2. Dapat melakukan proses pembelajaran secara langsung, sementara AI harus mendapatkan masukan berupa simbol dan representasi- representasi
  3. Fokus yang luas sebagai referensi untuk pengambilan keputusan sebaliknya AI menggunakan fokus yang sempit

Komputer  dapat digunakan untuk mengumpulkan informasi tentang obyek,

kegiatan  (events), proses dan dapat memproses  sejumlah besar informasi dengan lebih efisien dari yang dapat dikerjakan manusia, tetapi disisi lain manusia –dengan menggunakan insting- dapat melakukan hal yang sulit untuk diprogram pada komputer, yaitu: manusia dapat mengenali (recognize) hubungan  antara hal-hal tersebut, menilai kualitas dan menemukan  pola yang menjelaskan hubungan tersebut.

3. KONSEP DAN DEFINISI DALAM KECERDASAN BUATAN TURING TEST – Metode Pengujian Kecerdasan

Turing Test merupakan sebuah metode pengujian kecerdasan yang dibuat oleh Alan Turing. Proses uji ini melibatkan seorang penanya (manusia) dan dua obyek yang ditanyai. Yang satu adalah seorang manusia dan satunya adalah sebuah mesin yang akan diuji. Penanya tidak bisa melihat langsung kepada obyek yg ditanyai Penanya diminta untuk membedakan mana jawaban komputer dan mana jawaban manusia berdasarkan jawaban kedua obyek tersebut. Jika penanya tidak dapat membedakan mana jawaban mesin dan mana jawaban manusia maka Turing berpendapat bahwa mesin yang diuji tersebut dapat diasumsikan CERDAS.

PEMROSESAN  SIMBOLIK

Komputer semula didisain untuk memproses bilangan/angka-angka (pemrosesan  numerik). Sementara manusia dalam berpikir dan menyelesaikan masalah lebih bersifat simbolik, tidak didasarkan kepada sejumlah rumus atau melakukan komputasi matematis. Sifat penting dari AI adalah bahwa AI merupakan bagian dari ilmu komputer yang melukan proses secara simbolik dan non-algoritmik dalam penyelesaian masalah.

HEURISTIC

Istilah Heuristic diambil dari bahasa Yunani yang berarti menemukan Heuristic merupakan suatu strategi untuk melakukan proses pencarian (search) ruang problema secara selektif, yang memandu proses pencarian yang kita lakukan disepanjang jalur yang memiliki kemung kinan sukses paling besar.

PENARIKAN KESIMPULAN  (INFERENCING)

AI mecoba membuat mesin memiliki kemampuan berpikir atau mempertimbangkan (reasoning). Kemampuan berpikir (reasoning) termasuk didalamnya proses penarikan kesimpulan (inferencing) berdasarkan fakta-fakta dan aturan dengan menggunakan metode heuristik atau metode pencarian lainnya.

PENCOCOKAN POLA (PATTERN MATCHING)

AI bekerja dengan metode pencocokan pola (pattern matching) yang berusaha untuk menjelaskan obyek, kejadian ( events) atau proses, dalam hubungan logik atau komputasional.

2.DOMAIN PENELITIAN DALAM KECERDASAN BUATAN

Formal tasks (matematika, games)

Mundane  task (perception, robotics, natural language, common sense, reasoning)

Expert tasks (financial analysis, medical diagnostics, engineering, scientific analysis, dll)

PERMAINAN (Game)

Kebanyakan permainan dilakukan dengan menggunakan sekumpulan aturan.

Dalam permainan digunakan apa yang disebut dengan pencarian ruang. Teknik untuk menentukan alternatif dalam menyimak problema ruang merupakan sesuatu yang rumit. Teknik tersebut disebut dengan HEURISTIC. Permainan merupakan bidang yang menarik dalam studi heuristic.

NATURAL LANGUAGE

Suatu teknologi yang memberikan kemampuan kepada komputer untuk

memahami bahasa manusia sehingga pengguna komputer dapat berkomunikasi dengan komputer dengan menggunakan bahasa sehari -hari.

ROBOTIK 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.

EXPERT SYSTEM

Sistem pakar (Expert System) adalah program penasehat berbasis komputer yang mencoba meniru proses berpikir dan pengetahuan dari seorang pakar dalam menyelesaikan masalah -masalah spesifik.

1. PENGANTAR KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)

1.1 DEFINISI KECERDASAN  BUATAN 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.

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)

o Umumnya program AI lebih fokus pada simbol-simbol daripada pemrosesan numerik (huruf, kata, angka untuk merepresentasikan obyek, proses dan hubungannya).

o Pemecahan  masalah -> pencapaian tujuan

o Search -> jarang mengarah langsung ke solusi. Proses search menggunakan beberapa teknik.

o Bahasa pemrograman AI :

§   LISP, dikembangkan awal tahun 1950-an, bahasa

pemrograman pertama yang diasosiasikan dengan AI.

§   PROLOG, dikembangkan pada tahun 1970-an.

§    Bahasa pemrograman berorientasi obyek (Object Oriented  Programming  (Objective C, C++, Smalltalk, Java)

Dari perspektif penelitian  (research)

o Riset tentang AI dimulai pada awal tahun 1960-an, percobaan pertama adalah membuat program permainan (game) catur, membuktikan teori, dan general problem solving (untuk tugas- tugas sederhana)

o “Artificial intelligence ” adalah nama pada akar dari studi area.