Expert System: Knowledge Base II

Basis Pengetahuan

Menurut Gondran (1986) dalam Utami (2002), basis pengetahuan merupakan representasi dari seorang pakar, yang kemudian dapat dimasukkan kedalam bahasa pemrograman khusus untuk kecerdasan buatan (misalnya PROLOG atau LISP) atau shell sistem pakar (misalnya EXSYS, PC-PLUS, CRYSTAL, dsb.)

Basis pengetahuan berisi pengetahuan-pengetahuan pakar berupa fakta-fakta, konsep, aturan, prosedur, dan hubungan di antaranya, yang telah direpresentasikan dalam bentuk yang dimengerti oleh sistem. Basis pengetahuan dibutuhkan untuk memahami, memformulasikan, dan memecahkan masalah yang dihadapi oleh sistem, di sini basis pengetahuan berfungsi sebagai sumber referensi untuk mengambil suatu tindakan. Semakin banyak pengetahuan yang dimiliki oleh suatu basis pengetahuan, maka sistem tersebut akan semakin mendekati sifat “cerdas”, dengan kata lain kemampuan sistem akan semakin mendekati kemampuan pakar.

Gambar 1. Basis Pengetahuan sebagai salah satu komponen Sistem Pakar.

Feigenbaum (1977) menyatakan bahwa kesuksesan dari suatu sistem pakar tidaklah bergantung pada kecanggihan strategi penalaran ataupun inferensinya, namun pada jumlah informasi yang dikandungnya mengenai bagaimana simbol-simbol diinterrelasikan, yaitu jumlah pengetahuan yang dimilikinya[4]. Prinsip ini adalah prinsip pengetahuan (knowledge principle), yang merupakan perluasan dari hipotesis simbol fisik (physical symbol hypothesis) dari Newell dan Simon (1981). Hipotesis simbol fisik menganggap bahwa pengetahuan terdiri dari simbol-simbol realitas dan relasi antara simbol-simbol ini, serta bahwa inteligensi adalah manipulasi logis yang sesuai terhadap simbol-simbol dan relasinya[5].

Basis pengetahuan menyimpan pengetahuan yang terdiri dari dua elemen dasar. Elemen dasar pertama adalah fakta, yang dalam hal ini merupakan situasi, kondisi, dan kenyataan dari permasalahan, serta juga teori dalam bidang yang berkaitan serta informasi dari obyek. Yang kedua adalah spesial heuristik yang merupakan informasi mengenai cara untuk membangkitkan fakta baru dari fakta yang sudah diketahui. Dalam sistem berbasis-aturan (rule-based system), elemen kedua ini berupa kaidah atau aturan (rule).

Meskipun seringnya fakta dan aturan dalam basis pengetahuan memiliki nilai kebenaran yang tegas (crisp), namun ada kalanya representasi seperti ini tidaklah dapat mencerminkan pengetahuan secara baik. Dalam hal ini, ada kalanya pengetahuan yang dipakai dibentuk dengan suatu nilai kepastian (certainty value), yang nilainya berkisar dari nol (pasti salah) hingga satu (pasti benar). Nilai kepastian ini menggunakan konsep yang sama dengan yang ada dalam Logika Fuzzy.

Pengembangan suatu basis pengetahuan dimulai dari pembelajaran ontologi, atau konstruksi ontologi, yang bertujuan menangkap pengetahuan menjadi format yang dapat digunakan dalam sistem. Langkah selanjutnya adalah mempopulasikan basis pengetahuan, yaitu mendapatkan instans-instans untuk mengisi basis pengetahuan. Ini merupakan langkah yang penting, yang mana tujuannya menggunakan ontologi sebagai indeks untuk memori organisasi.

Gambar 2.Suatu Siklus Dasar untuk  Pengembangan Basis Pengetahuan.

Rekayasa pengetahuan (knowledge engineering) melibatkan beberapa  proses, yaitu akuisisi pengetahuan (knowledge acquisition), validasi pengetahuan (knowledge validation), representasi pengetahuan (knowledge representation), inferensi pengetahuan (knowledge inferencing), dan transfer pengetahuan (knowledge transferring). Dari semua proses ini, yang merupakan pembentukan basis pengetahuan adalah akuisisi pengetahuan dan representasi pengetahuan, beserta validasi pengetahuan yang berfungsi untuk menjaga kualitas pengetahuan yang disimpan.

Gambar 3.Proses Rekayasa Pengetahuan.

Akuisisi pengetahuan merupakan proses pengumpulan informasi dari sumber-sumber yang tersedia, yang dapat berupa kepakaran seseorang maupun kepakaran laten (yang tersimpan dalam bentuk materi cetakan). Sementara representasi pengetahuan merupakan proses untuk mengilustrasikan pengetahuan yang telah didapat dari proses akuisisi pengetahuan.

Akuisisi Pengetahuan

Dalam akuisisi pengetahuan, perekayasa (engineer) bertindak sebagai jembatan antara pakar (expert) dengan basis pengetahuan. Perekayasa mendapatkan pengetahuan dari pakar, dan bersamanya menaruhnya pengetahuan tersebut dalam basis pengetahuan.

Ada beberapa cara untuk melakukan akuisisi pengetahuan. Yang pertama adalah dengan cara manual, di mana dalam cara ini perekayasa mendapatkan pengetahuan dari sumber, dan lalu mengkodekannya ke dalam basis pengetahuan. Cara ini merupakan cara yang mahal dan tidak efisien, serta juga kadangkala tidak akurat.

Cara yang kedua adalah cara semi-otomatik. Di sini terdapat peran komputer untuk mendukung pakar, di mana pakar diizinkan untuk membangun basis pengetahuan tanpa (atau dengan sedikit) bantuan dari perekayasa. Komputer di sini juga berperan untuk membantu perekayasa dalam kerjanya membangun basis pengetahuan.

Sementara yang ketiga adalah cara otomatik. Di sini peran pakar, perekayasa, maupun pembangun basis pengetahuan atau sistem (system builder) digabung. Contohnya adalah metode induksi.

Gambar 4.Metode Akusisi Pengetahuan dengan (a) manual, (b) akuisisi terkendali-pakar, dan (c) induksi.

Kesulitan dalam proses akuisisi pengetahuan adalah kesulitan pakar untuk mengkomunikasikan pengetahuan-pengetahuan dasarnya. Ini berkaitan dengan sifat pengetahuan itu sendiri (yang seperti telah dijelaskan di atas, adalah eksplisit sekaligus terbatinkan). Seperti yang dikatakan oleh Waterman (1981): “… suatu pengetahuan dasar diasumsikan dan dikombinasikan begitu cepatnya sehingga sulitlah baginya (pakar) untuk mengambarkan prosesnya”[6]. Beberapa teknik canggih telah dikembangkan untuk memfasilitasikan proses untuk mendapatkan dasar pengetahuan, seperti AQUINAS, Boose dan Bradsaw 1987; dan NEXTRA dari Neuron Data, Rappaport dan Gaines 1988.

Sebelumnya ←
Selanjutnya →

referensi:
https://birtandp.wordpress.com/tag/apa-itu-expert-system/
http://marcostanuwijaya.blogspot.co.id/2011/04/apa-yang-dimaksud-sistem-pakar-expert.html
https://naynaimah.wordpress.com/2013/12/29/contoh-sistem-pakar-dan-penerapannya/
Arhami, Muhammad. 2005. “Konsep Dasar Sistem Pakar”. Yogyakarta: ANDI.
Mcleod & Schell. 2004. “Sistem Informasi Manajemen”. Edisi kedelapan. Jakarta: PT INDEKS.
Kusamadewi, Sri. 2003. “Artifical Intelligence (Teknik dan Aplikasinya)”. Yogyakarta: GRAHA ILMU.