istilah sistem pakar berasal dari knowledge based expert system istilah ini muncul karena untuk memecahkan masalah sistem pakar menggunakan pengetahuan seorang pakar yang dimasukkan kedalam komputer.berikut adalah beberapa pengertian sistem pakar :
turban 2001,p402 sistem pakar adalah sebuah sistem yang menggunakan pengetahuan manusia dimana pengetahuan tersebut dimasukan ke dalam sebuah komputer dan kemudian digunakan untuk menyelesaikan masalah masalah yang biasanya membutuhkan kepakaran atau keahlian manusia
luger dan stubblefield sistem pakar adalah program yang berbasiskan pengetahuan yang menyediakan solusi kualitas pakar kepada masalah masalah dalam bidang domain yang spesifik.
manfaat sistem pakar beberapa diantaranya adalah:
1.meningkatakn produktivitas
2.membuat seseorang yang awam bekerja seperti seorang pakar
3.meningkatkan kualitas
4.mampu menangkap pengetahuan dan kepakaran seseoarang
5.dapat beroperasi di lingkungan yang berbahaya
kukurangan sistem pakar diantaranya adalah:
1.biaya yang sangat mahal
2.sulit dikembangkan
3.sistem pakar tidak 100% bernilai benar
ciri ciri sistem pakar adalah sebagai berikut:
1.terbatas pada domain keahlian tertentu
2.keluaran nya bersifat anjuran
3.mudah dimoodifikasi
4.berkerja berdasarkan kaidah
5.basis pengetahuan dan mekanisme inferensi terpisah
area permasalahan aplikasi sistem pakar beberapa area permasalahan sistem pakar berikut adalah:
interpretasi,prediksi,diagnosis,desain,planning,monitoring,debugging,reparasi,instruction,kontrol.
konsep sistem pakar meliputin enam hal berikut ini:
1.kepakaran merupakan suatu pengetahuan yang diperoleh dari pelatihan membaca dan pengalaman.kepakaran itu sendiri yang meliputin pengetahuan tentang fakta fakta,teori teori,aturan aturan,aturan heuristic,strategi global,meta knowledge.
2.pakar adalah seseorang yang mempunyai pengetahuan pengalaman dan metode khusus serta mampu menerapkan untuk memecahkan masalah masalah tertentu atau memberi nasihat.jadi seorang pakar mampu melakukan kegiatan kegiatan berikut mengenali dan memformulasikan permasalahan,memecahakan masalah secara tepat dan cepat,menerangkan pemecahanya,belajar dari pengalaman,merestrukturisasi pengetahuan,memecahkan aturan aturan,menentukan relavansi.
3.pemindahan kepakaran tujuan dari sistem pakar adalah memindahkan kepakaran dari seseorang ke dalama komputer kemudian di transfer ke orang lain yang bukan pakar.
4.inferensi adalah sebuah prosedur (program) yang mempunyai kemampuan dalam melakukan penalaran tugas mesin inferensi adalah mengambil kesimpulan berdasarkan basis pengetahuan yang dimilikinya.
5.aturan aturan(rule) kebanyakan software sistem pakar komersial adalah sistem yang berbasis rule yaitu pengetahuan disimpan terutama dalam bentuk rule sebagai prosedure prosedure pemecahan masalah.
6.kemampuan menjelaskan kemampuan menjelaskan saran atau rekomendasi yang diberikan bagian dari sistem ini memungkinkan sistem untuk memerikasa penalaran yang dibuatnya sendiri dan menjelaskan operasi operasinya.
struktur sistem pakar ada dua bagian penting dari sistem pakar yaitu lingkungan pengembangan dan lingkungan konsultasi.
lingkungan pengembangan untuk membangun komponen komponennya dan memperkenalkan pengetahuan kedalam knowledge base(basis pengetahuan)
lingkungan konsultasi digunakan oleh pengguna untuk berkonsultasi sehingga pengguna mendapatkan pengetahuan dan nasihat dari sistem pakar layak nya berkonsultasi dengan seorang pakar.
tim pengembangan sistem pakar sebagai berikut:
domain expert adalah kemampuan seseorang pakar untuk menyelesaikan maslaah terbatas dan keahliannya saja.
knowledge engineer(perekayasa pengetahuan) adalah orang yang mampu mendesainn membangun dan menguji sebuah sistem pakar
programer adalah orang yang membuat program sistem pakar mengode domain pengetahuan agar dapat dimengerti oleh komputer .
project manager adalah pemimpin dalam tim pengembangan sistem pakar
end user adalah orang yang menggunakan sistem pakar
rule sebagai teknik representasi pengetahuan setiap rule terdiri dari dua bagain yaitu bagian if desebut evidence(fakta fakta) dan bagian then disebut hipotesis
teknik inferensi forward chaining dan backward chaining mesin inferensi membandingkan masing masing rule yang tersimpan dalam basis pengetahuan dengan fakta fakta yang terdapat dalam database jika bagian if dari rule cocok dengan fakta maka rule di eksekusi dan bagian then diletakan dalam database sebagai fakta baru yang ditambahkan.
forward chaining adalah teknik pencarian yang dimulai dengan fakta yang diketahui kemudian mencocokan fakta fakta tersebut dengan bagian if dari rules if-then.bila ada fakat yang cocok dengan bagaian if maka rule tersebut dieksekusi dan masuk kedalam data base dan dimulai dari rule teratas setiap rule hanya boleh dieksekusi satu kali saja.
backward chaining adalah metode inferensi yang bekerja mundur ke arah kondisi awal proses diawali dari goal yang berada di bagian then dari rule if-then kemudian pencarian mulai dijalankan untuk mencocokan apakah fakta fakta yang ada cocok dengan premis premis di bagian if jika cocok rule dieksekusi kemudian hipotesis di bagian then ditempatkan dibasis data sebagai fakta baru.jika tidak cocok simpan premis di bagian if kedalam stack sebagai subgoal.proses berakhir jika goal ditemukan atau tidak ada rule yang bisa membuktikan kebenaran dari subgoal atau goal.
strategi penyelesaian konflik apabila ada suatu fakta yang dapat memicu lebih dari satu rule maka ada kemungkinan akan terjadi konflik dalam memori kerja artinya ada rule yang harus harus dipilih sistem pakar.
sistem pakar tidak bisa memilih semuah rule sekaligus ia harus memutusakan untuk memilih satu rule dalam melakukan pemilihan sistem pakar menggunakan cara cara untuk memilih rule rule yang akan diterapkan apabila terdapat lebih dari satu rule yang cocok dengan fakta yang terdapat dalam memory kerja dianataranya adalah no duplication,recency,specifcity,operation priority.
ketidak pastian sistem pakar berbasis rule ada dua macam ketidak pastian pada sistem pakar berbasis rule yang pertama adalah ketidak pastian data biasanya hal ini disebabkan karena informasi atau data yang diperoleh tidak lengkap yang kedua adalah ketidak pastian dalam proses inferensi(rule) hal ini terjadi karena rule hanya mewakili pengamatan pakar saja
certainty factor(faktor kepastian) untuk mengakomadasi ketidak pastian pemikiran seorang pakar.seorang pakar misalnya dokter sering kali menganalisis informasi yang ada ungkapan seperti mungkin atau kemungkinan besar.untuk mengakomodasi hal ini kita menggunakan certainty faktor guna menggambarkakn tingkat keyakinan pakar terhadap masalah masalah yang dihadapi ada dua cara dalam mendapatkan tingkat kenyakinan pertama dengan metode net belief kedua dengan cara mewawancarai seorang pakar.
kelebihan dan kekurangan metode cetainty factors
kelebihan:metode ini cocok dipakai dalam sistem pakar yang mengandung ketidak pastian dan dalam sekali proses perhintungan hanya dapat mengelola 2 data saja sehingga keakuratan data terjaga.kekurangan:pemodelan ketidak pastian yang menggunakan perhitungan metode certainty factors baisanya masih diperdebatkan dan untuk data lebih dari dua buah harus dilakukan beberapa kali pengelolahan data.