Tugas 2 Sistem Pakar

1.      Pakar adalah orang yang mempunyai keahlian dalam bidang tertentu sedangkan kepakaran adalah pengetahuan yang dimiliki oleh seorang pakar melalui rangkaian penelitian. Informasi dan pengalaman.

 

2.      Perbedaan data, informasi dan pengetahuan :

Data adalah deskripsi dari sesuatu dan kejadian yang kita hadapi.

Contohnya :

a.       Kecelakaan di jalan.

b.      Konstruksi jalan.

c.       Naiknya harga bahan bakar.

 

Informasi adalah data yang diolah menjadi bentuk yang lebih berguna dan lebih berarti bagi yang menerimanya.

Contohnya :

a.       Kita mendapat surat pemberitahuan dari kampus.

b.      Mendapat sms yang berisi penawaran paket kuota murah.

 

Pengetahuan adalah informasi yang telah dikombinasikan dengan pemahaman dan potensi untuk menindaki, yang lantas melekat di benak seseorang.

Contohnya :

a.       Kita mencicipi masakan baru, maka kita mendapat pengetahuan berupa bentuk, rasa, dan aroma masakan tersebut.

 

3.      Setiap sistem pastilah memiliki kelebihan dan kekurangan, tidak terkecuali Sistem Pakar. Sistem Pakar Expert Sistem mempunyai beberapa kelebihan dan kekurangan (Suyoto, 2004).

 

Kelebihan :

a.    Memberikan pengambilan keputusan yang lebih baik. Karena sistem pakar memberikan jawaban yang konsisten dan logis dari waktu ke waktu. Jawaban yang diberikan logis karena alasa logiknya dapat diberikan oleh sistem pakar dalam proses konsultasi.

 

b.    Memberikan solusi tepat waktu. Kadang kala seorang manajer membutuhkan jawaban dari pakar, tetapi pakar yang dibutuhkan tidak berada ditempat, sehingga keputusan menjadi terlambat. Dengan sistem pakar, jawaban yang dibutuhkan oleh pengambil keputusan selalu tersedia setiap saat dibutuhkan.

 

c.     Menyimpan pengetahuan di organisasi. Pengetahuan pakar merupakan hal yang penting dan kadang kala pengetahuan iniakan hilang jika pakar keluar atau telah pensiun dari perusahaan. Dengan sistem pakar, pengetahuan dari pakar dapat disimpan di sistem pakar dan tersedia terus selama dibutuhkan.

 

Kekurangan :

a.       Sistem pakar hanya dapat menangani pengetahuan yang konsisten. Sistem pakar dirancang dengan aturan-aturan yang hasilnya sudah pasti dan konsisten sesuai dengan alur di diagram pohonnya. Untuk pengetahuan yang cepat berubah-rubah dari waktu ke waktu, maka knowledge base di sistem pakar harus selalu diubah (perbaruired), yang tentu cukup merepotkan.

 

b.      Sistem pakar tidak dapat menangani hal yang bersifat judgement. Sistem pakar memberikan hasil yang pasti, sehingga keputusan akhir pengambilan keputusan jika melibatkan kebijaksaaan dan institusi masih tetap di tangan manajemen.

 

c.       Format knowledge base sistem pakar terbatas. Knowledge base pada sistem pakar berisi aturan-aturan (rules) yang ditulis dalam bentuk statemen if-then.

 

 

4.      Yang dapat menjadi sumber pengetahuan untuk membuat sistem pakar ialah para ahli, buku, jurnal dan sebagainya.

 

5.      Akuisisi Pengetahuan merupakan proses ekstraksi, strukturisasi, dan mengorganisasikan pengetahuan dari satu sumber atau lebih.

 

6.      Representasi pengetahuan adalah bagaimana mengorganisasi pengetahuan yang didapat dengan mengkodekan dan menyimpan dalam basis pengetahuan. Pada kecerdasan buatan, basis pengetahuan dan kemampuan untuk penalaran merupakan hal yang penting.

 

7.      Mesin inferensi merupakan bagian dan sistem pakar yang mengandung mekanisme fungsi berpikir dan pola-pola penalaran sistem yang digunakan oleh seorang pakar (Aziz, 1994).

 

8.      Metode yang dapat digunakan pada mesin inferensi adalah :

a.       Breadth First Search

Breadth first search merupakan algoritma yang berfungsi untuk melakukan pencarian data secara luas atau melebar dalam expert system.

 

b.      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.

 

c.       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.

 

d.      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.

 

e.       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.

 

9.      Judul Jurnal : SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT PADA TANAMAN JAGUNG DENGAN METODE BAYES.

 

a.       Masalah yang diteliti adalah penyakit pada tanaman jagung busuk tongkol.

b.      Pengetahuan :

a.)    G1 :Tanaman  jagung yang berusia 2-3 minggu mempunyai daun menguning, kaku dan meruncing.

b.)    G2 : Tanaman jagung yang berumur 3-5 minggu menunjukkan tanda-tanda daun yang baru muncul menguning, pertumbuhan lambat, tongkol hanya berbiji sedikit, produksi turun 50%.

c.)    G3 : Tanaman jangung 5 minggu daunnya terdapat garis-garis kuning.

d.)    G4 : Penyakit karat daun akan muncul ketika tanaman akan berbunga.

e.)    G5 : Bercak-bercak kemerahan pada daun dan kelobot jagung.

f.)     G6 : Tongkol jagung berwarna merah atau merah kecoklatan dan busuk.

c.       Ani melakukan diagnosa dengan menjawab pertanyaan sesuai dengan gejala berikut:

G2 = 0.5 = P(E|H1)

G3 = 0.75 = P(E|H2)

G5 = 0.9 = P(E|H3)

 

Untuk mancari semesta dapat dijumlahkan

dari Hipotesa yang di atas :

5 k=1 =G2 + G3 + G5 

 = 0.5 + 0.75 + 0.9 

 = 2.15

 

Setelah didapat penjumlahan di atas, maka didapatlah rumus untuk menghitung semesta adalah sebagai berikut :

         P(H2)  

      P(H3)   

P(H5)   

 

Setelah mendapatkan nilai P(Hi) probabilitas hipotesis H tanpa memandang evidence apa pun, maka langkah selanjutnya adalah sebagai berikut :

                                    

= P(H2) * P(E|H2) + P(H3) * P(E|H3) + P(H5) * P(E|H5) 

= (0,23255 * 0.5) + (0.34883 * 0.75) + (0.41860 * 0.9) 

= 0.116279 + 0.261628 + 0.376744

= 0.754651

 

Setelah mendapatkan nilainya, maka langkah selanjutnya mencari nilai P(Hi|E) atau probabilitas hipotesis Hi benar jika diberikan nilai evidence E.

P(Hi|E)     =  

P(H1|E)  

P(H2|E)  

P(H3|E)  

 

Setelah mendapatkan seluruh nilai P(Hi|E), maka jumlahkan seluruh nilai bayesnya dengan rumus sebagai berikut :

 

=(0.5*0.154083)+(0.75 * 0.346687) + (0.9 *0.49923) 

= 0.077042+ 0.260015+ 0.449307

= 0.786364* 100 %

=  78.636%

 

d.      Kesimpulan :

Aplikasi sistem pakar dapat membantu mempercepat mendiagnosa penyakit berdasarkan gejala-gejala yang dimasukkan user.

 

 

Daftar pustaka :

yossy, emny harna. (2020). Pengetahuan (knowledge). BINUS Online Learning. Diakses 30 March, 2022, from https://onlinelearning.binus.ac.id/computer-science/post/pengetahuan-knowledge

Listiyono, H. (2008). Merancang dan Membuat Sistem Pakar. Jurnal Teknologi Informasi DINAMIK, XIII, 115–124.

Adani, M. R. (2022). Sistem Pakar: Pengertian, Tujuan, Struktur, Dan Metode. Sekawan Media | Software House & System Integrator Indonesia. Diakses 30  March, 2022, from https://www.sekawanmedia.co.id/blog/sistem-pakar/

Sihotang, H. T. (2018). SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT PADA TANAMAN JAGUNG DENGAN METODE BAYES. Journal Of Informatic Pelita Nusantara, 3.

 

 

 


Komentar

Postingan populer dari blog ini

Besaran, Satuan, Dimensi dan Persamaan di Dalam Listrik

Komponen Elektonika

Tugas Kalkulus