Sistem Pakar Fuzzy merupakan penggabungan sistem pakar dan sistem Fuzzy. Penerapan sistem Fuzzy dalam sistem pakar bertujuan untuk merepresentasikan pengetahuan pakar pada lingkungan yang tidak pasti, tidak lengkap, dan sangat kompleks (Kandel 2001, Marimin 2005). Sistem fuzzy merupakan penduga numerik yang terstruktur dan dinamik serta memiliki kemampuan untuk mengembangkan sistem intelijen dalam lingkungan yang tidak pasti dan tidak tepat. Sistem fuzzy menduga suatu fungsi dengan logika fuzzy yang digunakan untuk menangani konsep derajat kebenaran, yaitu nilai kebenaran antara benar dan salah. Oleh karena itu, logika fuzzy sering menggunakan informasi linguistik dan verbal.
Sistem Pakar Fuzzy mengembangkan sistem pakar yang menggunakan logika fuzzy secara keseluruhan (Negnevitsky 2005; Bukley dan Siler 2005), yang meliputi gugus fuzzy, aturan fuzzy if- then, serta proses inferensi. Gugus fuzzy merupakan perangkat yang tepat untuk mengekspresikan ke-ambiguity-an yang diperlukan oleh komputer untuk mengerti bahasa manusia yang tidak dapat diselesaikan dengan logika biasa.
Pada umumnya, sistem Pakar Fuzzy terdiri dari dua modul utama yaitu basis pengetahuan (knowledge base) dan mesin penyimpul (inference engine) serta modul tambahan yang disebut memori kerja (working memory). Basis pengetahuan digunakan untuk menangkap keahlian pakar sedangkan mesin penyimpul mencontoh cara dan proses penalaran pakar. Memori kerja akan menampung fakta yang diberikan oleh pengguna dan menjadi perantara kesimpulan yang diambil dari prosedur inferensi.
Sistem pakar atau sistem berbasis pengetahuan kecerdasan (Intelligent Knowledge Based System) merupakan salah satu bagian dari kecerdasan buatan (Artificial Intelligent) yang memungkinkan komputer dapat berpikir dan mengambil kesimpulan dari sekumpulan aturan. Tujuan dari pengembangan sistem pakar adalah untuk menghasilkan suatu sistem yang dapat membantu pekerjaan manusia, terutama yang berhubungan dengan pemanfaatan keahlian dan pengalaman di suatu bidang tertentu secara lebih efektif dan efisien.
Sistem pakar akan menyimpan dan mengelola keahlian atau pengetahuan dari seorang pakar. Pengetahuan yang ada pada sistem pakar juga dapat berasal dari buku, majalah, atau sumber-sumber tertulis lainnya. Pengetahuan yang dimiliki sistem pakar akan digunakan untuk mengolah fakta-fakta dari pengguna sehingga dapat dihasilkan suatu kesimpulan yang akan diberikan kembali kepada penggunanya. Kesimpulan itu dapat dianggap sebagai hasil dari konsultasi yang diberikan oleh seorang pakar.
Marimin (2005) menyebutkan bahwa pada prinsipnya, sistem pakar tersusun dari beberapa komponen yang mencakup 1) fasilitas akuisisi pengetahuan, 2) sistem berbasis pengetahuan (Knowledge Based System) , 3) mesin inferensi (inference engine), 4) fasilitas untuk penjelasan dan justifikasi, dan 5) penghubung antara pengguna dan sistem pakar (user interface). Tahapan pembentukan sistem pakar pada dasarnya disusun oleh tiga unsur utama sistem yaitu 1) basis pengetahuan, 2) mesin inferensi, dan 3) implementasi.
Akuisisi pengetahuan merupakan salah satu tahap penting dalam pengembangan sistem pakar. Pada tahap ini, dilakukan proses pengumpulan pengetahuan dari pakar oleh perekayasa pengetahuan (knowledge engineer). Sebagai salah satu elemen dalam sistem pakar, fasilitas akuisisi pengetahuan digunakan sebagai alat untuk mengisi atau mendapatkan pengetahuan, fakta, aturan, dan model yang diperlukan oleh sistem pakar dari berbagai sumber (Marimin 2007) seperti : akuisisi pengetahuan dari para pakar, pengorganisasian dari beberapa buku, jurnal, data, dasar dan media lain yang relevan dengan ruang lingkup sistem pakar yang akan dikembangkan, penyeleksian hasil deduksi dan induksi dari pengetahuan yang sudah tersimpan dalam sistem pakar atau yang berupa pengalaman langsung.
Terdapat tiga cara akuisisi pengetahuan (Buchanan dan Shorliffe 1984 dalam Fu 1994 di dalam Yuliasih dan Marimin 2003) yaitu : 1) handcrafting, dimana pengembang sistem mengkodekan pengetahuan (knowledge) langsung ke dalam program, 2) knowledge engineering, dimana akuisisi pengetahuan pakar dilakukan dengan cara kerjasama dengan pakar domain baik secara langsung maupun tidak, agar diperoleh pola dan bentuk pengetahuan yang nantinya disusun ke dalam basis pengetahuan, dan 3) machine learning, dimana pengetahuan diekstrak dari contoh-contoh pelatiham yang diujikan pada komputer.
Representasi pengetahuan merupakan bagian yang memuat obyek-obyek pengetahuan serta hubungan yang dimiliki antar obyek tersebut. Menurut Reichgelt (1991) dalam Fu (1994) di dalam Yuliasih dan Marimin (2003) ada empat tingkat representasi pengetahuan, yaitu : 1) level implementasi, berkaitan dengan kemungkinan pembuatan program pengetahuan bagi bahasa representasi pemrograman, 2) level logic, berhubungan dengan sifat-sifat fisik bahasa pengetahuan (seperti : makna suatu ekspresi, prosedur inferensi yang berkaitan), 3) level epistemologikal, berkaitan dengan struktur pengetahuan (misalnya jaringan semantik) dan strategi inferensi bahasa representasi pengetahuan, dan 4) level konseptual, berkaitan dengan hal-hal dasar yang aktual (misalnya konsep, obyek dan lainnya) dari bahasa representasi pengetahuan.
Mesin inferensi merupakan komponen dalam sistem pakar yang akan memanipulasi dan mengarahkan pengetahuan pada basis pengetahuan untuk memperoleh kesimpulan. Mesin inferensi dikategorikan dalam dua tipe (Fu, 1994 dalam Yuliasih dan Marimin 2003) yaitu : 1) mesin inferensi yang tidak menghitung tingkat kepercayaan untuk setiap kesimpulan yang dihasilkan, dan 2) mesin inferensi yang menghitung tingkat kepercayaan untuk setiap kesimpulan yang dihasilkan. Kesimpulan yang dihasilkan oleh sistem pakar diperoleh melalui pengujian fakta dan kaidah yang ada pada basis pengetahuan. Jika diperlukan, mesin inferensi juga dapat menambahkan fakta baru ke dalam basis pengetahuan.
Sistem pakar dapat diterapkan untuk berbagai permasalahan yang bersifat cukup kompleks dan permasalahan yang memiliki algoritma kurang jelas dalam pemecahannya sehingga dibutuhkan kemampuan seorang atau beberapa pakar untuk mencari sistematika penyelesaiannya secara evolutif. Oleh karena itu, sistem pakar dapat digunakan untuk permasalahan bersifat analitik, sintesis, dan integratif yang dihadapi oleh berbagai industri.
Bukley JJ, Siler W. 2005. Fuzzy Expert Systems and Fuzzy Reasoning. New Jersey : John Wiley & Sons.
Kandel A. 2001. Fuzzy Expert System. Florida : CRC Press.
Marimin. 2005. Teori dan aplikasi Sistem Pakar dalam teknologi manajerial. Bogor : IPB Press.
Negnevitsky M. 2005. Artificial Intelligence : A Guide to Intelligent Systems. London : Addison-Wesley.
Yuliasih I, Marimin. 2003. Desain Perlakuan Pasca Panen Terhadap Kesegaran Bunga Potong Lili Dengan Pendekatan Sistem Pakar Fuzzy. Jurnal Teknik Industri Pertanian 12 (1) : 14 – 22.
http://blog.trisakti.ac.id/triwulandarisd/2012/01/04/sistem-pakar-fuzzy-fuzzy-expert-system/
Tidak ada komentar:
Posting Komentar