RANGKUMAN EXPERT SYSTEM

    Expert System (Sistem Pakar) Menurut Wikipedia adalah suatu program komputer yang mengandung pengetahuan dari satu atau lebih pakar manusia mengenai suatu bidang spesifik. Jenis program ini pertama kali dikembangkan oleh periset kecerdasan buatan pada dasawarsa 1960-an dan 1970-an dan diterapkan secara komersial selama 1980-an. 

    Expert System merupakan subsest pokok dari A.I Artificial Intelegent, dimana program komputer berfungsi dengan cara yang sama seperti ahli manusia, yaitu memberi advise pemakai mengenai cara pemecahan masalah dengan bantuan knowledge base, yang berperan sebagai konsultan, atau konsultasi dari pakar mengenai kepakarannya, Sistem ini memanfaatkan kapabilitas penalaran untuk mencapai suatu simpulan. 

  Tujuan Sistem Pakar adalah mentransfer kepakaran seorang pakar ke komputer, kemudian melanjutkannya dari komputer ke orang lain (yang bukan pakar).

Contoh Penerapan AI

1. SIRI

2. ALEX

3. TESLA

4. NODEFLUX

Jika menemukan masalah tentunya dapat memilih ES dari pada DSS /SPK, apabila: 

1. Masalah tersebut melibatkan diagnosis situasi yang kompleks
2. Ada tingkat ketidak tentuan dalam aspek masalah tertentu.
3. Ada kemungkinan bagi ahli manusia untuk memecahkan masalah tersebut dalam jangka waktu yang wajar

Mekanisme Sistem Pakar

Merupakan implementasi dari modus ponen, yang direfleksikan dalam mekanisme search (pencarian). Firing a rule: Bilamana semua hipotesis pada rule (bagian “IF”) memberikan pernyataan benar. Dapat mengecek semua rule pada knowledge base dalam arah forward maupun backward.,

A. Forward Chaining

    Forward Chaining adalah data driven, karena inferensi dimulai dengan informasi yang tersedia dan baru konklusi diperoleh. Jika suatu aplikasi menghasilkan Tree yang lebar dan tidak dalam, maka gunakan forward chaining

Sifat Forward Chaining: …

1. Good for monitoring, planning, and control.

2. Look from present to future.

3. Works from antecendent to consequent

4. Is data driven bottom-up reasoning Forward Chaining

5. Work forward to find what solutions follow from the fact.

6. It facilitates a breadth –first search.

7. The antecedents determine the search.

8. It does not facilitate explanation.

 

B. Backward Chaining 

    Pendekatan goal-driven, dimulai dari ekspektasi apa yang diinginkan terjadi (hipotesis), kemudian mengecek pada sebab-sebab yang mendukung (ataupun kontradiktif) dari ekspektasi tersebut

Sifat Goal-Driven:

1. Good for diagnosis

2. Look from present to past

3. Work from consequent to antecedent.

4. Is goal driven top-down reasoning.

5. Works backward to find fact that support to hypothesis.

6. It facilitates a depth-first search.

7. The consequents determine the search.

8. It does facilate explanation

 Manfaat dan Kelemahan Sistem Pakar 

Manfaat sistem pakar:
1. Mempertimbangkan alternatif yang lebih banyak.
2. Menerapkan tingkat logika yang lebih tinggi.
3. Mempunyai waktu yang lebih banyak untuk mengevaluasi hasil keputusan.
4. Pemecahan konsisten yang lebih banyak. 

Kelemahan Sistem pakar:
1. Membatasi potensinya sebagai alat pemecah masalah bisnis, tidak dapat mengatasi pengetahuan yang tidak konsisten.
2. Expert sistem tidak dapat untuk melakukan keterampilan intuitif, sebagaimana seperti yang dimiliki oleh user.