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
Posting Komentar