Rabu, 03 Desember 2014


TUGAS MAKALAH
SISTEM INFORMASI
CBIS
SISTEM BERBASIS PENGETAHUAN


Disusun oleh :

ARIE AZHAR ARIEF                     201043501093
JENI BASTARI                              201043501095
IKHSAN AZMI                               201043501096
SETYA DARMA WULAN             201043501111




UNIVERSITAS INDRAPRASTA PGRI
JAKARTA
2011






KATA PENGANTAR


Puji syukur kami ucapkan atas kehadirat Allah SWT, karena dengan rahmat dan karunia – Nya kami masih diberi kesempatan untuk menyelesaikan makalah ini.Tidak lupa kami ucapkan kepada teman – teman yang telah memberikan dukungan dalam menyelesaikan makalah ini.

Penulis menyadari bahwa dalam penulisan makalah ini masih banyak kekurangan, oleh sebab itu penulis sangat mengharapkan kritik dan saran yang membangun. Dan semoga dengan selesainya makalah ini dapat bermanfaat bagi pembaca dan teman – teman. Amin








Penulis

Kelompok 9






DAFTAR ISI

Kata Pengantar ……………………………………………………………………….…2

Daftar isi …………....……………………………………………………………………3

Bab I Pendahuluan
1.1  Latar Belakang ………………………..………………………………………………4
1.2  Rumusan Masalah………………...……………………………………...……………5
1.3  Tujuan Penulisan ……………………………………………………………………...6

Bab II Pembahasan
2.1 Pengertian istilah knowledge base ,AI dan area di dalamnya ………………...……....6
2.2  Komponen sytem pakar..…………………………..……………………………..…11
2.3 peran potensial sytem pakar…...……………………………………….………...…..23
2.4 Model model Jaringan Syaraf……………...………………………………...………27

Bab III Penutup
3.1 Kesimpulan ………………………………………………………………...………..34

Daftar Pustaka ………………………………………………………………………35











BAB I
PENDAHULUAN
1.1 Latar Belakang



Sistem Informasi Berbasis Komputer atau Computer Based Information System (CBIS) merupakan sistem pengelohaan suatu data menjadi sebuah informasi berkualitas dan dapat dipergunakan sebagai alat bantu yang mendukung pengambilan keputusan, koordinasi dan kendali serta visualisasi dan analisis.

Knowledge base menggunakan rule/ aturan untuk menyatakan logika dari masalah dimana sistem pakar dirancang untuk membantu memecahkan masalah. Mesin kesimpulan engine) (Inference menggunakan penalaran penalaran,di dalam banyak cara yang sama seperti seorang manusia, dalam memproses isi dasar pengetahuan Mesin pengembangan (development engine) terdiri dari yang manapun baik bahasa pemrograman atau prewritten inference disebut shell sistem pakar Membuat engine pakar. prototip terutama dapat digunakan untuk pengembangan sistem pakar.
 Sistem Pakar menawarkan keuntungan, yaitu pemakaian dalam perusahaan dan para manajer, tetapi mereka mempunyai keterbatasan yang signifikan.Penelitian yang berlanjut yang menyertakan jaringan neural diharapkan memperluas maupuan dari sistem pakar masa depan
Artificial Intelligence (AI) Aktivitas yang menyediakan seperti mesin sebagai komputer dengan kemampuan untuk menampilkan perilaku yang akan dianggap cerdas jika dalam manusia.
• John McCarthy mengusulkan istilah istilah, AI, , saat konferensi Dartmouth College. pada tahun1956
• Teori Logika (program pertama AI. Herbert Simon peranan) memegang • Pemecah masalah Umum (GPS GPS GPS)
dekade masa lampau
• Penelitian telah mengambil suatu tempat yang belakang untuk pengembangan MIS dan DSS
Area dari Artificial Intelligence
Permohonan Sistem Pakar,Program komputer yang meng-kode kan pengetahuan dari pakar manusia dalam bentuk heuristic, Dua perbedaan dari DSS
1. Memiliki potensi untuk memperluas kemampuan pemecahan masalah manajer menjelaskan bagaimana
2. Kemampuan untuk solusi tercapai
Model Sistem Pakar Interface Pemakai,Mungkinkan pemakai untuk berhubungan dengan
System Knowledge base.Houses accumulated knowledge,
Mesin Kesimpulan
– Menyediakan penalaran
– menterjemahkan dasar pengetahuan (knowledge base)


1.2 Maksud dan tujuan
Penulisan makalah ini bermaksud membuka pemikiran para mahasiswa untuk
lebih tanggap dalam menghadapi sebuah permasalahan dan mampu menyelesaikan permasalah tersebut, dan tentunya tulisan ini sangat bermanfaat bagi para mahasiswa ketika memasuki dunia kerja nantinya.


1.3 Ruang lingkup
Pada makalah ini penulis hanya membahas system berbasis pengetahuan,istilah knowledge berbasis system permasalahan padaem,AI,area didalamnya ,komponen system pakar ,peranan potensial system pakar dalam memecahkan masalah bisnis ,model – model jaringan syaraf Berisikan pendekatan system dalam pengambilan keputusan, struktur masalah, tahap pemecahanmasalah serta faktor manusia yang mempengaruhi pemecahan masalah.









BAB II
PEMBAHASAN
2.1 Istilah Knowledge base system,AI,dan area di dalamnya`
A. Pengertian Istilah Knowledge
 Knowledge Base (KB)
Knowledge base terdiri dari fakta yang menggambarkan area problem atau problem domain dan juga teknik penyajian yang menggunakan fakta sesuai logika.
Rule/aturan merupakan rincian dalam situasi yang tidak berubah:
·       Kondisi benar dan tidak benar
·       Tindakan yang diambil bila kondisi benar

Knowledge Based System adalah suatu system yang menggunakan set pengetahuan (knowledge) yang dikodekan ke bahasa mesin untuk dapat menyimpulkan dan melakukan suatu tugas. Knowledge Based System digunakan untuk dapat membantu manusia dalam menyelesaikan masalah yang dihadapi dengan berdasarkan atas pengetahuan yang telah diprogramkan ke system tersebut. Untuk hal inilah maka digunakan knowledge based system dalam memecahkan masalah yang berhubungan AI (Artificial Intelligent).
Pengetahuan (knowledge): kemampuan untuk kegiatan yang efektif.Knowledge adalah suatu pengetahuan yang dapat digunakan untuk menyimpulkan, dan menyelesaikan suatu masalah berdasarkan data yang ada. Dalam mengorganisasikan knowledge kita harus mengerti apa yang akan kita hadapi, masalah apa yang akan timbul, bagaimana cara kita memperoleh data, bagaimana urutan-urutan yang harus ditempuh dan bagaimana cara menyelesaikan masalah tersebut, dan juga bagaimana kita menyampaikannya pada user.
DSS (decission support systems) merupakan alat bantu untuk memecahkan persoalan-persoalan yang kurang terstruktur dengan baik. KBS ( knowledge-based system atau expert system) merupakan alat bantu untuk memecahkan persoalan yang mengikuti cara kerja pakar (expert). Penggabungan antara KBS dan DSS yang disebut dengan KB-DSS memberi suatu alternative baru untuk memecahkan persoalan.
Knowledge representation adalah knowledge yang telah dikodekan dalam bahasa yang dapat dimengerti oleh mesin yaitu bahasa mesin. Kita perlu knowledge representation karena system kita hanya mengenal biner, oleh karena itu harus diterjemahkan dulu.
Knowledge acquisition yaitu bagaimana knowledge tersebut diperoleh, yaitu dari knowledge engineer yang berasal dari seorang expert (di bidang knowledge tersebut) atau dari buku referensi.
Knowledge Base memuat fakta-fakta yang menjelaskan area masalah dan juga teknik menerangkan bagaimana fakta-fakta tersebut cocok dalam urutan yang logis
         Aturan, menetukan apa yang harus dilkakukan dalam situasi tertentu (Kondisi dan aksi)
         Jaringan Aturan, hubungan logis dapat digambarkan dalam bentuk hirarki
         Masalah pemilihan aturan, merupakan kesulitan utama untuk menggambarkan pengetahuan
B. AI, DAN AREA DI DALAMNYA
Pada tahun 1956, mulai diperkenalkan istilah Kecerdasan Buatan (Artificial Intelligence / AI), yang kemudian ditegaskan lagi pada tahun 1961 oleh suatu tulisan Marvin Minsky dari MIT tentang "Steps towards AI". Semenjak itu istilah AI menjadi semakin populer, dan kemajuan bidang ini mencapai puncaknya dengan munculnya pengetahuan tentang Sistem Pakar.
1.   Definisi AI ( kecerdasan buatan )

· H. A. Simon [1987] :
“ Kecerdasan buatan (artificial intelligence) merupakan kawasan penelitian, aplikasi dan instruksi yang terkait dengan pemrograman komputer untuk melakukan sesuatu hal yang -dalam  pandangan manusia adalah- cerdas”

· Rich and Knight [1991]:
“Kecerdasan Buatan (AI) merupakan sebuah studi tentang bagaimana membuat computer melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik oleh manusia.”

· Encyclopedia Britannica:
“Kecerdasan Buatan (AI) merupakan cabang dari ilmu komputer yang dalam merepresentasi pengetahuan lebih banyak menggunakan bentuk simbol-simbol daripada bilangan, dan memproses informasi berdasarkan metode heuristic atau dengan berdasarkan sejumlah aturan”

Tujuan dari kecerdasan buatan menurut Winston dan Prendergast [1984]:
1. Membuat mesin menjadi lebih pintar (tujuan utama)
2. Memahami apa itu kecerdasan (tujuan ilmiah)
3. Membuat mesin lebih bermanfaat (tujuan entrepreneurial)

AI dapat dipandang dalam berbagai perspektif.
*      Dari perspektif Kecerdasan (Intelligence)
AI adalah bagaimana membuat mesin yang “cerdas” dan dapat melakukan hal-hal yang sebelumnya dapat dilakukan oleh manusia
*      Dari perspektif bisnis,
AI adalah sekelompok alat bantu (tools) yang berdaya guna, dan metodologi yang menggunakan tool-tool tersebut guna menyelesaikan masalah-masalah bisnis.
*      Dari perspektif pemrograman (Programming),
AI termasuk didalamnya adalah studi tentang pemrograman simbolik, pemecahan masalah,
proses pencarian (search)


Ø  Umumnya program AI lebih fokus pada simbol-simbol daripada  pemrosesan numerik (huruf, kata, angka untuk merepresentasikan obyek, proses dan hubungannya).
Ø  Pemecahan masalah -> pencapaian tujuan
Ø  Search -> jarang mengarah langsung ke solusi. Proses search menggunakan beberapa teknik.
Ø  Bahasa pemrograman AI : LISP, dikembangkan awal tahun 1950-an, bahasa pemrograman pertama yang diasosiasikan dengan AI. PROLOG, dikembangkan pada tahun 1970-an.  Bahasa pemrograman berorientasi obyek (Object Oriented Programming (Objective C, C++, Smalltalk, Java)
v  Dari perspektif penelitian (research)
§  Riset tentang AI dimulai pada awal tahun 1960-an, percobaan pertama adalah membuat program permainan (game) catur, membuktikan teori, dan general problem solving (untuk tugastugas sederhana)
§  “Artificial intelligence” adalah nama pada akar dari studi area.

2.       DOMAIN PENELITIAN DALAM AI
Formal tasks (matematika, games)
Mundane task (perception, robotics, natural language, common sense,reasoning)
Expert tasks (financial analysis, medical diagnostics, engineering,scientific analysis, dll)

NATURAL LANGUAGE Suatu teknologi yang memberikan kemampuan kepada komputer untuk memahami bahasa manusia sehingga pengguna komputer dapat berkomunikasi dengan komputer dengan menggunakan bahasa sehari -hari.

ROBOTIK DAN SISTEM SENSOR Sistem sensor, seperti sistem vision, sistem tactile, dan sistem pemrosesan sinyal jika dikombinasikan dengan AI, dapat dikategorikan kedalam suatu sistem yang luas yang disebut sistem robotik.

EXPERT SYSTEM Sistem pakar (Expert System) adalah program penasehat berbasis computer yang mencoba meniru proses berpikir dan pengetahuan dari seorang pakar alam menyelesaikan masalah-masalah spesifik.

3.       KONSEP DAN DEFINISI DALAM KECERDASAN BUATAN/ AI  TURING TEST – Metode Pengujian Kecerdasan
Turing Test merupakan sebuah metode pengujian kecerdasan yang dibuat oleh Alan       Turing.
Ø  Proses uji ini melibatkan seorang penanya (manusia) dan dua obyek
yang ditanyai. Yang satu adalah seorang manusia dan satunya adalah sebuah mesin yang akan diuji.
Ø  Penanya tidak bisa melihat langsung kepada obyek yg ditanyai
Ø  Penanya diminta untuk membedakan mana jawaban komputer dan mana jawaban manusia berdasarkan jawaban kedua obyek tersebut.
Ø  Jika penanya tidak dapat membedakan mana jawaban mesin dan mana jawaban manusia maka Turing berpendapat bahwa mesin yang diuji tersebut dapat diasumsikan CERDAS.
4.   PEMROSESAN SIMBOLIK
Komputer semula didisain untuk memproses bilangan/angka-angka (pemrosesan numerik).
Sementara manusia dalam berpikir dan menyelesaikan masalah lebih bersifat  simbolik, tidak didasarkan kepada sejumlah rumus atau melakukan komputasi matematis.
Sifat penting dari AI adalah bahwa AI merupakan bagian dari ilmu komputer yang melukan proses secara simbolik dan non-algoritmik dalam penyelesaian masalah
HEURISTIC
Istilah Heuristic diambil dari bahasa Yunani yang berarti menemukan
Heuristic merupakan suatu strategi untuk melakukan proses pencarian (search) ruang problema secara selektif, yang memandu proses
pencarian yang kita lakukan disepanjang jalur yang memiliki
kemungkinan sukses paling besar.

5.      PENARIKAN KESIMPULAN (INFERENCING)
AI mecoba membuat mesin memiliki kemampuan berpikir atau mempertimbangkan (reasoning)
Kemampuan berpikir (reasoning) termasuk didalamnya proses penarikankesimpulan  (inferencing) berdasarkan fakta-fakta dan aturan dengan menggunakan metode heuristik atau metode pencarian lainnya.

6.      PENCOCOKAN POLA (PATTERN MATCHING)
AI bekerja dengan metode pencocokan pola (pattern matching) yang berusaha untuk menjelaskan obyek, kejadian (events) atau proses, dalam hubungan logik atau komputasional.

1.      Perbandingan Kecerdasan Buatan dengan Kecerdasan Alamiah
Keuntungan Kecerdasan Buatan dibanding kecerdasan alamiah:
lebih permanen
memberikan kemudahan dalam duplikasi dan penyebaran
relatif lebih murah dari kecerdasan alamiah
Konsisten dan teliti
Dapat didokumentasi
Dapat mengerjakan beberapa task dengan lebih cepat dan lebih baik dibanding manusia
  Keuntungan Kecerdasan Alamiah dibanding kecerdasan buatan
Bersifat lebih kreatif
Dapat melakukan proses pembelajaran secara langsung, sementara AI
   harus mendapatkan masukan berupa simbol dan representasirepresentasi
Fokus yang luas sebagai referensi untuk pengambilan keputusan
sebaliknya AI menggunakan fokus yang sempit
Komputer dapat digunakan untuk mengumpulkan informasi tentang obyek,kegiatan (events), proses dan dapat memproses sejumlah besar informasi dengan lebih efisien dari yang dapat dikerjakan manusia, tetapi disisi lain manusia –dengan menggunakan insting- dapat melakukan hal yang sulit untuk diprogram pada komputer, yaitu: manusia dapat mengenali (recognize) hubungan antara hal-hal tersebut, menilai kualitas dan menemukan pola yang menjelaskan hubungan tersebut.

a.      Perbedaan Komputasi AI dengan Proses Komputasi Konvensional
Bagaimana komputer konvensional memproses data Proses yang dikerjakan Kalkulasi mengerjakan operasi-operasi matematis: tambah, kurang, bagi, kali, atau mencari akar. Menyelesaikan rumus/persamaan. Logika mengerjakan operasi logika: “and”, “or”, atau “invert”
penyimpanan menyimpan data dan gambar pada fileretrieve mengakses data yang disimpan   pada file translate mengkonversi data dari satu bentuk ke bentuk yang lain Sort memeriksa data dan menampilkan dalam urutan yang diinginkan Edit melakukan perubahan, penambahan, penghapusan pada data monitor mengamati event external dan internal dan melakukan
tindakan jika kondisi tertentu tercapai kontrol Memberikan perintah atau mengendalikan peralatan diluar
b.      Perbandingan AI dengan Pemrograman Konvensional Dimensi Artificial Intelligence Pemrograman konvensional
Processing simbolik Algoritmik input Tidak harus lengkap Harus lengkap Search heuristic Algoritmik explanation tersedia Tidak tersedia Major interest knowledge Data dan informasi struktur Terpisah antara kontrol dan knowledge
Kontrol terintegrasi dengan data output Tidak harus lengkap Harus tepat Maintenance dan
Update Mudah karena menggunakan
modul-modul Umumnya susah dilakukan hardware Workstation dan PC Semua tipe Kemampuan pemikiran terbatas tetapi dapat ditingkatkan Tidak ada
Kecerdasan Buatan adalah kegiatan memberikan pada mesin seperti computer kemampuan untuk menampilkan perilaku yang dianggap cerdas jika itu diamati pada manusia.
Kecerdasan buatan (artificial inteligent) adalah kegiatan memberikan kemampuan pada komputer untuk menampilkan perilaku yang dianggap cerdas
Pertama kali di cetuskan istilah tersebut oleh John Mc Charthy tahun 1956
Cakupannya :
         Jaringan saraf
         Sistem persepsi
         Belajar
         Robotik
         Perangkat AI
         Pemrosesan bahasa alamiah
§  Area yang memanfaat AI :
  1. Jaringan saraf adalah model sistem saraf manusia yang sangat disederhanakan yang menunjukkan kemampuan seperti belajar, generalisasi dan abstraksi.
  2. Sistem persepsi, menggunakan citra visual dan sinyal suara untuk menginstruksikan komputer atau alat lain seperti robot.
  3. Belajar, meliputi semua kegiatan yang memungkinkan komputer atau alat lain untuk memperoleh pengetahuan sebagai tambahan dari apa yang telah dimasukkan ke dalam memori oleh pembuatnya atau pemrogramnya.
  4. Robotik, terdiri dari alat yang dikendalikan komputer yang meniru aktivitas gerak manusia.
  5. Perangkat keras AI, mencakup alat fisik yang membantu aplikasi AI.
  6. Pemrosesan bahasa alamiah, memungkinkan pemakai untuk berkomunikasi dengan komputer dalam berbagai bahasa dan memungkinkan komputer memeriksa ejaan dan tata bahasa.
Di dalam perspektif ilmu pengetahuan dan teknologi, sistem cerdas merupakan bagian dari bidang inteligensia semu (AI). Istilah expert system berasal dari knowledge-based expert system (sistim cerdas berbasis pengetahuan), dimana suatu sistem yang menggunakan pengetahuan manusia (human knowledge) yang dimasukkan ke dalam komputer untuk memecahkan masalah yang umumnya memerlukan keahlian seorang pakar / expert. Atau dapat juga dikatakan, sebuah program komputer yang menggunakan pengetahuan dan teknik inferensi (pengambilan kesimpulan) untuk memecahkan persoalan seperti yang dilakukan oleh seorang pakar.
Berbeda dengan program komputer biasa, sistem cerdas dapat digunaan untuk memecahkan masalah yang tidak terstruktur dan dimana tidak ada suatu prosedur tertentu untuk memecahkan masalah tersebut. Sedangkan definisi pengetahuan (knowledge) menurut Webster's New World Dictionary of the American Language: persepsi tentang sesuatu yang jelas dan tentu, semua yang telah dirasakan dan diterima oleh otak, serta merupakan informasi terorganisasi yang dapat diterapkan untuk penyelesaian masalah.

Penggunaan Knowledge-based expert system (sistem pakar berbasis pengetahuan) ini tidak menjamin solusi yang lebih akurat, tetapi paling tidak mampu menghasilkan keputusan-keputusan yang didasari informasi relatif lebih banyak / terstruktur. Sesuai dengan namanya, suatu "Sistem Pakar" akan sangat tergantung pada pengetahuan (knowledge) yang didapat dari pakar yang menyumbangkan keahlian dan pengalamannya.

Biasanya suatu "sistem cerdas" dapat dibagi menjadi beberapa bagian:
(1). Basis pengetahuan (knowledge-base) : berisi pengetahuan yang spesifik mengenai domain tertentuyang mana basis pengetahuan ini dapat diperbaharui sesuai dengan tingkat kemampuan seorang expert terhadap pemecahan suatu masalah,
(2). Mesin inferensi (Inference Engine) : sustu program yang bertugas mengolah data masukan sesuai pengetahuan dalam basis pengetahuan, menurut kaidah-kaidah tertentu.
(3). Bagian kendali ( user interface) : bagian yang berkomunikasi langsung dengan pengguna (user) sistem. Ada 2 (dua) macam mesin inferensi, yaitu yang bersifat pasti (deterministik) dan kemungkinan (probabilistik).

2.2.Komponen system pakar (expert systems)
Sistem pakar (expert systems) adalah sistem yang berusaha mengapdosi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli. Sistem pakar yang baik dirancang agar dapat menyelesaikan suatu permasalahan tertentu dengan meniru kerja dari para ahli.

Jadi sistem pakar →ô€ƒ† kepakaran ditransfer dari seorang pakar (atau sumber kepakaran yang lain) ke komputer, pengetahuan yang ada disimpan dalam komputer, dan pengguna dapat berkonsultasi pada komputer itu untuk suatu nasehat, lalu komputer dapat mengambil inferensi (menyimpulkan, mendeduksi, dll.) seperti layaknya seorang pakar, kemudian menjelaskannya ke pengguna tersebut, bila perlu dengan alasan-alasannya.
Dengan sistem pakar, orang awam pun dapat menyelesaikan masalah yang cukup rumit yang sebenarnya hanya dapat diselesaikan dengan bantuan para ahli. Bagi para ahli, sistem pakar juga akan membantu aktivitasnya sebagai asisten yang sangat berpengalaman.
Sistem pakar dikembangkan pertama kali tahun 1960.
Sistem pakar yang terkenal antara lain:
MYCIN
Paling terkenal, dibuat oleh Edward Shortlife of Standford University tahun 70-an
Sistem pakar medical yang bisa mendiagnosa penyakit infeksi dan merekomendasi pengobatan
MYCIN membantu dokter mengidentifikasi pasien yang menderita penyakit. Dokter duduk di depan komputer dan memasukkan data pasien: umur, riwayat kesehatan, hasil laboratorium dan informasi terkait lainnya. Dengan informasi ini ditambah pengetahuan yang sudah ada dalam komputer, MYCIN mendiagnosa selanjutnya merekomendasi obat dan dosis yang harus dimakan.
MYCIN sebagai penasehat medis, tidak dimaksudkan untuk mengantikan kedudukan seorang dokter. Tetapi membantu dokter yang belum berpengalaman dalam penyakit tertentu. Juga untuk membantu dokter dalam mengkonfirmasi diagnosa dan terapi yang diberikan kepada pasien apakah sesuai dengan diagnosa dan terapi yang ada dalam basis pengetahuan yang sudah dimasukkan ke dalam MYCIN, karena MYCIN dirancang oleh dokter-dokter yang ahli di bidang penyakit tersebut.
Kesimpulan : sistem pakar seperti MYCIN bisa digunakan sebagai bahan pembanding dalam pengambilan solusi dan pemecahan masalah. Keputusan terakhir atas pengobatan tersebut tetap menjadi tanggung jawab dokter.

DENDRAL
Mengidentifikasi struktur molekular campuran kimia yang tak dikenal XCON & XSEL
XCON
Merupakan sistem pakar untuk membantu konfigurasi sistem komputer besar, membantu melayani order langganan sistem komputer DEC VAX 11/780 ke dalam sistem spesifikasi final yang lengkap
Komputer besar seperti VAX dan komponen yang berbeda digabung dan disesuaikan dengan konfigurasi tertentu yang diinginkan oleh para pelanggan.
Ada ribuan cara dimana aseosri Pcboard, kabel, disk drive, periperal, perangkat lunak, dan lainnya bisa dirakit ke dalam konfigurasi yang sangat rapih. Untuk meng-identifikasi hal-hal tersebut diperlukan waktu berhari-hari/berminggu-minggu agar bisa memenuhi spesifikasi yang diinginkan pemesan, tapi dengan XCON bisa dalam beberapa menit.

XSEL
Dirancang untuk  membantu  karyawan  bagian penjualan dalam memilih komponen sistem VAX. Karena banyaknya pilihan karyawan tersebut sering menghadapi kesulitan dalam memilih suatu komponen yang paling tepat.
Basis  pengetahuan  yang  ada pada XSEL membantu mengarahkan para pemesan serius untuk memilih konfigurasi yang dikehendaki, kemudian XSEL memilih CPU, memori, periperal dan menyarankan paket software tertentu yang paling tepat dengan konfigurasinya.
PROSPECTOR
= sistem pakar yang membantu ahli geologi dalam mencari dan menemukan deposit
Basis pengetahuan berisi bermacam-macam mineral dan batu-batuan. Banyak pakar geologi diwawancarai dan pengetahuan mereka tentang berbagai bentuk biji deposit dimasukkan ke dalam sistem pakar.
Ahli geologi melacak biji deposit dengan pergi ke lapangan untuk meninjau medan dan mengumpulkan bukti yang ada seperti ciri-ciri geologi dicatat, sampel tanah dan batu-batuan. Sistem pakar mengevaluasi areal dalam bentuk pertanyaan dan data-data tersebut dimasukkan, kemudian Prospector memberikan rekomendasi yang menunjukkan jumlah deposit yang ada dan apakah menguntungkan atau tidak bila dieksplorasi atau di bor lebih lanjut.

DELTA
Dibuat oleh perusahaan General Electric (GE) membantu karyawan bagian pemeliharaan mesin lokomotif diesel dalam memantau mesin-mesin yang tidak berfungsi  dengan baik dan membimbing ke arah prosedur perbaikan.

FOLIO
Sistem pakar yang menolong stock broker dan tugas manajer dalam menangani investasi bagi kepentingan para langganannya. Stock broker mewawancarai langganan untuk menentukan tujuan sumber dan investasi mereka.
FOLIO bisa memberikan rekomendasi tentang keamanan investasi, mengevaluasi stock beresiko tinggi,menghitung pengembalian modal, dan membuat keputusan dalam hal pemasaran suatu komoditi.
Membantu para perencana keuangan untuk memperkecil kerugian karena pajak, inflasi atau faktor lain misal turun naiknya nilai mata uang.

ELECTRONIC LAYER.
Digunakan untuk menganalisa dan membantu rekayasa rancangan sirkuit elektronik yang terbuat dari transistor, dioda dan resistor.
Diagram skematik dari sirkuit ini dimasukkan ke dalam komputer dan EL menganalisis menentukan karakteristik sirkuit, nilai voltase, dan strum yang ada pada semua titik sirkuit.
Basis pengetahuan pada EL merupakan prinsip umum elektronik seperti hukum OHM, hukum kirchoff, karakteris-tik komponen, teori operasi transistor.

RAMALAN CUACA
Dengan diberi input tentang situasi cuaca yang sedang berlangsung, baik lokal maupun ditempat lain, maka sistem pakar bisa menyajikan ramalan yang akurat tentang cuaca yang akan terjadi dalam suatu periode tertentu.

CONTOH LAIN SISTEM PAKAR
Sistem pakar :
- Digunakan untuk konsultasi
- Sistem pakar selalu tersedia di organisasi, sedang pakar belum tentu selalu berada di tempat. Misal suatu keputus-an harus diambil oleh manajer yang pakar dalam suatu bi-dang, karena manajer ini pergi dan tidak berada di kantor, maka keputusan yang harus diambil tertunda.
- Sistem pakar dapat menyimpan dan mengingat pengeta-huan yang sangat tidak terbatas dan tidak kenal lelah. Oleh karena itu pekerjaan dokter akan sangat terbantu sekali dengan SP yang diisi dengan sejumlah pengetahuan (mi-sal semua jenis obat dan efeknya) yang pakarnya sendiri belum tentu dapat mengingatnya.

Keahlian
Keahlian bersifat luas dan merupakan penguasaan penge-tahuan dalam bidang khusus yang diperoleh dari pelatihan, membaca atau pengalaman. Contoh bentuk pengetahuan yang termasuk keahlian :
- Teori, fakta, aturan-aturan pada lingkup permasalahan tertentu
- Strategi global untuk menyelesaikan masalah


Ahli / Pakar
Seorang ahli adalah seseorang yang mampu menjelaskan suatu tanggapan, mempelajari hal-hal baru seputar topik permasalahan, menyusun kembali pengetahuan jika dipandang perlu, memecahkan masalah dengan cepat dan tepat.

Pengalihan keahlian
Tujuan dari sistem pakar adalah untuk mentransfer keahlian dari seorang pakar ke dalam komputer kemudian ke masyarakat. Proses ini meliputi 4 kegiatan, yaitu perolehan pengetahuan (dari para ahli atau sumber-sumber lainnya), representasi pengetahuan ke komputer, kesimpulan dari pengetahuan dan pengalihan pengetahuan ke pengguna.

Mengambil keputusan
Hal yang unik dari sistem pakar adalah kemampuan untuk menjelaskan dimana keahlian tersimpan dalam basis pengetahuan. Kemampuan komputer untuk mengambil kesimpulan dilakukan oleh komponen yang dikenal dengan mesin inferensi yaitu meliputi prosedur tentang pemecahan masalah.

Aturan
Sistem pakar yang dibuat merupakan sistem yang berdasar-kan pada aturan – aturan dimana program disimpan dalam bentuk aturan-aturan sebagai prosedur pemecahan masalah. Aturan tersebut biasanya berbentuk IF – THEN.

Kemampuan menjelaskan
Keunikan lain dari sistem pakar adalah kemampuan dalam menjelaskan atau memberi saran/rekomendasi serta juga menjelaskan mengapa beberapa tindakan/saran tidak  di-rekomendasikan.
SIAPA SAJA YANG DAPAT TERKAIT DALAM PENGGUNAAN DAN PENGEMBANGAN SISTEM PAKAR

1. Pakar
Pakar adalah orang yang memiliki pengetahuan khusus, pendapat, pengalaman dan metode, serta kemampuan untuk mengaplikasikan keahliannya tersebut guna menyelesaikan masalah.
2. Perekayasa pengetahuan
Perekayasa pengetahuan adalah orang yang membantu pakar dalam menyusun area permasalahan dengan menginterpretasikan dan mengintegrasikan jawaban-jawaban pakar atas pertanyaan yang diajukan, menggambarkan analogi, mengajukan counter example dan menerangkan kesulitan-kesulitan konseptual.
3. Pemakai
- Pemakai awam : dalam hal ini sistem pakar bertindak se-bagai konsultan untuk memberikan saran dan solusi kepada pemakai
- Pelajar yang ingin belajar : sistem pakar bertindak sebagai instruktur
- Pembuat sistem pakar : sistem pakar sebagai partner dalam pengembangan basis pengetahuan.
- Pakar : sistem pakar bertindak sebagai mitra kerja/asisten

AREA PERMASALAHAN APLIKASI SISTEM PAKAR
1. Interpretasi
Yaitu pengambilan keputusan dari hasil observasi, diantaranya : pengawasan, pengenalan ucapan, analisis citra, interpretasi sinyal, dan beberapa analisis kecerdasan.
2. Prediksi
Memprediksi akibat-akibat yang dimungkinkan dari situasi-situasi tertentu, diantaranya : peramalan, prediksi demografis, peralaman ekonomi, prediksi lalulintas, estimasi hasil, militer, pemasaran, atau peramalan keuangan.
3. Diagnosis
Menentukan sebab malfungsi dalam situasi kompleks yang didasarkan pada gejala-gejala yang teramati, diantaranya : medis, elektronis, mekanis, dan diagnosis perangkat lunak
4. Desain
Menentukan konfigurasi komponen-komponen sistem yang cocok dengan tujuan-tujuan kinerja tertentu dan kendala-kendala tertentu, diantaranya : layout sirkuit, perancangan bangunan
5. Perencanaan
Merencanakan serangkaian tindakan yang akan dapat mencapai sejumlah tujuan dengan kondisi awal tertentu, diantaranya : perencanaan keuangan, komunikasi, militer, pengembangan politik, routing dan manajemen proyek.
6. Monitoring
Membandingkan tingkah laku suatu sistem yang teramati dengan tingkah laku yang diharapkan darinya, diantara-nya : Computer Aided Monitoring System
7. Debugging dan repair
Menentukan dan mengimplementasikan cara-cara untuk mengatasi malfungsi, diantaranya memberikan resep obat terhadap suatu kegagalan.
8. Instruksi
Melakukan instruksi untuk diagnosis, debugging dan per-baikan kinerja.
9. Kontrol
Mengatur tingkah laku suatu environment yang kompleks seperti kontrol terhadap interpretasiinterpretasi, prediksi, perbaikan, dan monitoring kelakuan sistem
10. Seleksi
Mengidentifikasi pilihan terbaik dari sekumpulan (list) kemungkinan.
11. Simulasi
Pemodelan interaksi antara komponen-komponen sistem.

KOMPONEN SISTEM PAKAR
Komponen sistem pakar ada empat bagian :
1.      KNOWLEDGE BASE (BASIS PENGETAHUAN).
Knowledge Base (Basis pengetahuan) merupakan inti dari program sistem pakar karena basis pengetahuan itu merupakan presentasi pengetahuan atau knowledge representation basis pengetahuan adalah sebuah basis data yang menyimpan aturan-aturan tentang suatu domain knowledge/pengetahuan tertentu. Basis pengetahuan ini terdiri dari kumpulan objek beserta aturan dan atributnya (sifat atau cirinya), tentu saja di dalam domain tertentu. Contoh :If hewan merupakan sayap dan bertelur then hewan jenis burung.
Ada 2 bentuk pendekatan basis pengetahuan yang sangat umum digunakan yaitu :
a.       Rule-Based Reasoning (Penalaran berBasis Aturan)
Pada penalaran berbasis aturan, pengetahuan direpresentasi-kan dengan menggunakan aturan berbentuk IF-THEN. Bentuk ini digunakan jika kita memiliki sejumlah pengetahuan pakar pada suatu permasalahan tertentu, dan pakar dapat menyelesaikan masalah tersebut secara berurutan. Bentuk ini juga digunakan jika dibutuhkan penjelasan tentang jejak (langkah-langkah) pencapaian solusi.
b.       Case-Based Reasoning (Penalaran berBasis Kasus).
Basis pengetahuan akan berisi solusi-solusi yang telah di-capai sebelumnya, kemudian akan diturunkan suatu solusi untuk keadaan yang terjadi sekarang (fakta yang ada). Bentuk ini digunakan jika pemakai (user) menginginkan untuk tahu lebih banyak lagi pada kasus-kasus yang hampir sama (mirip). Bentuk ini juga digunakan jika kita telah memiliki sejumlah situasi atau kasus tertentu dalam basis pengetahuan.
2.      Working Memory (Basis Data atau Memori Kerja).
Working memory adalah bagian yang mengandung semua fakta-fakta baik fakta awal pada saatsistem beroperasi maupun fakta-fakta pada saat pengambilan kesimpulan sedang dilaksanakan selama sistem pakar beroperasi, basis data berada di dalam memori kerja.
3.      Inference Engine (Mesin/Motor Inferensi).
Inference Engine adalah bagian yang menyediakan mekanisme fungsi berfikir dan pola-pola penalaran sistem yang digunakan oleh seorang pakar.
·         Mekanisme ini akan menganalisa masalah tertentu dan selanjutnya akan mencari jawaban atau kesimpulan yang terbaik.
·         Mesin ini akan dimulai pelacakannya dengan mencocokan kaidah-kaidah dalam basis pengetahuan dengan fakta-fakta yang ada dalam basis data.
Dua teknik untuk melakukan Inferensia, yaitu:
a)      Forward Chaining (Pelacakan ke depan). Pencocokan fakta atau pernyataan dimulai dari bagian sebelah kiri (IF) dulu. Dengan perkataan lain, penalaran dimulai dari fakta terlebih dahulu untuk menguji kebenaran hipotesa.

Contoh-contoh aturan
No.
Aturan
R-1
R-2
R-3
R-4
R-5
R-6
R-7
R-8
R-9
R-10
IF A & B THEN C
IF C THEN D
IF A & E THEN F
IF A THEN G
IF F & G THEN D
IF G & E THEN H
IF C & H THEN I
IF I & A THEN J
IF G THEN J
IF J THEN K

Pada tabel di atas ada 10 aturan (rule) yang tersimpan dalam basis pengetahuan. Fakta awal yang diberikan hanya : A & E (yaitu berarti A dan F bernilai benar). Hipotesanya adalah apakah K bernilai benar ? Untuk itu dilakukan langkah-langkah inferensia sebagai berikut :
·         Start dari R-1. A merupakan fakta sehingga bernilai benar, sedangkan B belum diketahui kebenarannya, sehingga C pun belum diketahui kebenarannya. Oleh karena itu pada R-1 kita tidak mendapatkan informasi apapun. Sehingga kita menuju ke R-2.
·         Pada R-2 juga sama kita tidak dapat memastikan kebenaran D karena C belum diketahui apakah benar atau salah sehingga kita tidak mendapatkan informasi apapun , sehingga kita menuju ke R-3.
·         Pada R-3 A dan E adalah fakta sehingga jelas benar. Dengan demikian F sebagai konsekuensi juga benar. Dari sini kita mendapat fakta baru yaitu F, tetapi karena F bukan hipotesa maka langkah diteruskan ke R-4
·         Pada R-4 A adalah fakta berarti jelas benar, sehingga G sebagai konsekuen juga benar. Jadi terdapat fakta baru yaitu G, tetapi G bukan hipotesa sehingga langkah diteruskan ke R-5.
·         Pada R-5 F dan G benar berdasarkan aturan R-3 dan R-4, sehingga D sebagai konsekuen juga benar. Terdapat fakta baru yaitu D, tetapi D bukan hipotesa sehingga diteruskan ke R-6.
·         Pada R-6, E dan G benar berdasarkan fakta dan R-4, maka H benar. Sehingga terdapat fakta baru yaitu H, tetapi H bukan hipotesa, sehingga diteruskan ke R-7.
·         Pada R-7, karena C belum diketahui, maka I juga belum dapat diketahui kebenarannya, sehingga kita tidak mendapatkan informasi apapun. Diteruskan ke R-8
·         Pada R-8, meskipun A benar karena fakta tetapi I belum diketahui, sehingga J juga belum dapat diketahui kebenarannya. Diteruskan ke R-9.
·         Pada R-9, G benar menurut R-4, sehingga konsekuennya J juga benar, tetapi J bukan hipotesa, maka diteruskan ke R-10.
·         Pada R-10, K benar karena J benar menurut R-9. Karena K merupakan hipotesa yang dibuktikan maka selesai.
Secara diagram dapat digambarkan sebagai berikut :
Oval: K


Oval: GOval: JOval: A               R-4                 R-9               R-10
Oval: F                        R-5
Oval: DOval: HOval: E     R-3                               R-6


                         Gambar.  Forward Chaining

b)      Backward Chaining (Pelacakan kebelakang). Melalui penalaranya dari sekumpulan hipotesis menuju fakta-fakta yang mendukung tersebut, jadi proses pelacakan berjalan mundur dimulai dengan menentukan kesimpulan yang akan dicari baru kemudian fakta-fakta pembangun kesimpulan atau a Goal Driven. Atau dengan kata lain pencocokan fakta atau pernyataan dimulai dari sebelah kanan (THEN) dulu.
Kita lihat lagi tabel aturan sebelumnya. Terlihat ada 10 aturan yang tersimpan dalam basis pengetahuan. Fakta awal A dan E. Hipotesa adalah K. Langkah-langkahnya adalah :
·         Pertama-tama dicari terlebih dahulu mulai dari R-1 aturan yang memiliki konsekuen K, dan ternyata ada di R-10. Dari R-10, untuk membuktikan K benar harus dibuktikan dahulu bahwa J benar.
·         Dicari aturan yang mempunyai J sebagai konsekuen mulai dari R-1 dan ternyata di R-8. Pada R-8 A benar tetapi I belum diketahui kebenarannya, maka mulai R-1 perlu dicari aturan dengan konsekuen I yaitu di R-7.
·         Untuk membuktikan I benar di R-7, perlu dibuktikan C dan H benar. Untuk itu dicari aturan dengan konsekuen C yaitu di R-1.
·         Untuk membuktikan C benar di R-1 haruslah A dan B benar. A jelas benar karena fakta, tetapi B belum diketahui kebenarannya, dan dalam basis pengetahuan tidak ada aturan yang konsekuennya B. Dengan demikian penalaran ini tidak bisa membuktikan kebenaran K. Namun demikian, masih punya alternatif lain untuk melakukan penalaran, yaitu dengan backtracking.
·         Backtracking. Diulangi lagi dengan langkah dengan pembuktian kebenaran C dengan mencari aturan lain yang konsekuennya C. Ternyata tidak ditemukan.
·         Lakukan backtracking lagi dengan mencari aturan dengan konsekuen I, ternyata tidak ada.
·         Lakukan backtracking lagi mencari aturan dengan konsekuen J, ditemukan di R-9, tetapi harus membuktikan bahwa G benar, maka dicari aturan dengan konsekuen G yaitu di R-4
·         R-4, A adalah fakta jadi jelas benar maka G juga benar. Jadi berdasarkan penalaran ini dapat dibuktikan bahwa hipotesa K benar.
Oval: COval: IOval: JOval: AOval: KR-10                   


Oval: BOval: HOval: A                                           R-8                    R-7                R-1

                   Gagal
                      R-10                  R-9                      R-4             fakta
Oval: AOval: GOval: JOval: K          
                  Sukses.


Contoh : Misal diketahui sistem pakar dengan aturan-aturan sbb :
R-1      : IF suku bunga turun THEN harga obligasi naik.
R-2      : IF suku bunga naik THEN harga obligasi turun.
R-3      : IF suku bunga tidak berubah THEN harga obligasi tidak
              berubah.
R-4      : IF nilai dolar naik THEN suku bunga turun.
R-5      : IF nilai dolar turun THEN suku bunga naik.
R-6      : IF harga obligasi turun THEN beli obligasi.
Sekarang apabila diketahui bahwa nilai dolar turun, maka untuk memutuskan apakah akan membeli obligasi atau tidak, dapat ditunjukkan sebagai berikut :
 Forward Chaining (Pelacakan ke depan/Maju). Dari fakta nilai dolar turun, berdasarkan R-5 diperoleh bahwa suku bunga naik, dari R-2 diperoleh suku bunga naik menyebabkan harga obligasi turun, kemudian dengan R-6 jika harga obligasi turun, maka beli obligasi. Jadi kesimpulan beli obligasi.


Nilai dolar turun
 


                                                    

Suku bunga naik
 
                                                    R-5



Harga obligasi turun
 
                                                    R-2


                                                    R-6

Beli obligasi
 



Backward Chaining (Pelacakan kebelakang/Mundur). Berangkat dari membeli obligasi, dengan R-6 diperoleh anteseden harga obligasi turun. Dari R-2 dapat dibuktikan bahwa harga obligasi turun bernilai benar jika suku bunga naik bernilai benar. Dari R-5, suku bunga naik memang bernilai benar karena diketahui fakta bahwa nilai dolar turun.




Suku bunga naik
 
                                                           R-5 



Harga obligasi turun
 
                                                       R-2



Beli obligasi
 
                                                   R-6


4.      User Interface (Antarmuka Pemakai).
Antarmuka pemakai adalah bagian penghubung antara program  sistem pakar dengan pemakai.Pada bagian memungkinkan pengguna untuk memasukkan instruksi dan informasi ke dalam sistempakar serta menerima penjelasan dan kesimpulan. (Gambar di bawah ini).


     Knowlegde Base
                                            Inference Engine        User Interface


     Working Memory


          
                                             Komponen Utama Sistem Pakar.

CIRI-CIRI SISTEM PAKAR.
Ciri-ciri sistem pakar adalah sebagai berikut:
1.      Terbatas pada domain keahlian tertentu.
2.      Memiliki fasilitas informasi yang handal.
3.      Dapat memberikan penalaran untuk data data yang tidak  pasti.
4.      Dapat mengemukan rangkaian alasan-alasan  yang diberikannya dengan cara yang dapat dipahami.
5.      Berdasarkan pada kaidah/rRule tertentu.
6.      Memiliki kemampuan untuk belajar beradaptasi.
7.      Dirancang untuk dapat dikembangkan secara bertahap (mudah dimodifikasi).
8.      Dapat digunakan dalam berbagai jenis komputer
9.      Keluaranya bersifat anjuran.

SISTEM KERJA PAKAR.
Menurut Staugard (1987) sistem kerja pakar terbagi dalam tiga modul yaitu:
1.      Modul Penerimaan Pengetahuan.
Modul ini digunakan untuk mendapatkan pengetahuan sistem pakar yang melalui proses penerimaan pengetahuan. Proses ini dilakukakan melalui interaksi dengan pakar, sedangkan peneri-maan pengetahuan dilakukan dengan bantuan Knowledge Engineer (KE), yaitu seorang spesialis sistem yang menterjemahkan pengetahuan yang dimiliki seorang pakar menjadi pengetahuan yang akan tersimpan dalam basis pengetahuan pada sebuah sistem pakar


(Gambar di bawah).
 









2.      Modul Konsultasi.
Sistem pakar pada modul konsultasi apabila sistem memberikan konsultasi berupa jawaban atas permasalahan yang diajukan oleh pemakai pada modul ini pemakai yang awam berinteraksi dengan sistem dengan memasukkan data dan jawaban-jawaban pertanyaan sistem. Data yang dimasukkan oleh pemakai ditempatkan dalam database sistem dan kemudian diakses oleh pembangkit inference untuk mendapatkan kesimpulan.

3.      Modul Penjelasan.
Modul Penjelasan adalah menjelaskan proses pengambilan keputusan yang dilakukan oleh sistem.

CARA REPRESENTASI.
Cara representasi dalam sistem pakar (Turban,1992) terbagi dalam tiga teknik, yaitu:
1.      Production Rule
Production Rule adalah model ide dasar dari sistem yang memopresentasikan pengetahuan dengan bentuk pasangan kondisi aksi (Jika-Maka, IF - THEN).
2.      Semantic Network.
Semantic Network adalah gambaran grafis dari pengetahuan yang terdiri node atau symbol dan hubungan atau link yang memperlihatkan hubungan hirarkis antar objek.
3.      Frame.
Frame adalah struktur data yang berisi semua pengetahuan tentang objek tertentu.

PENGEMBANGAN SISTEM PAKAR.
Diperlukan beberapa tahapan, misal kita dapat menggunakan metode choice/pilihan. Metode ini terdiri dari :
1.      Rekayasa sistem dan analisis.
Dalam tahap ini dilakukan komunikasi antar pencari dan pengguna sistem untuk membahas masalah yang dihadapi. Mengidentifikasi masalah dan kebutuhan. Mengkaji situasi dan memutuskan dengan pasti tentang masalah yang akan dikomputerisasi dan apakah dengan sistem pakar bisa lebih membantu atau tidak. Misalnya :
·         Pemakai sistem sangat tergantung dengan beberapa spesialis yang diperlukan dalam sistem pakar. Ini jangan sampai terjadi.
·         Tidak terlalu membebani operator dengan tugas-tugas yang seharusnya dikerjakan oleh seorang pakar.
2.      Menentukan masalah yang cocok. Ada beberapa syarat yang harus dipenuhi agar sistem pakar dapat bekerja dengan baik, yaitu :
·         Domain tidak terlalu luas;
·         Kompleksitasnya menengah, artinya jika masalah terlalu mudah (dapat diselesaikan dalam beberapa detik saja) atau masalah yang sangat komplek seperti peramalan berhentinya semburan lumpur lapindo tidak perlu menggunakan sistem pakar;
·         Tersedianya ahli (pakar) dalam bidang yang akan dibuat sistem pakarnya;
·         Menghasilkan solusi mental bukan fisik, artinya sistem pakar hanya memberikan anjuran tidak bisa melakukan aktivitas fisik seperti membau atau merasakan;
·         Tidak melibatkan hal-hal yang common sense, yaitu penalaran yang diperoleh dari pengalaman, seperti : adanya gravitasi membuat benda jatuh, atau jika lampu traffic light merah maka kendaraan harus berhenti.
3.      Mempertimbangkan Alternatif. Yaitu menggunakan sistem pakar atau komputer tradisional.
4.      Menghitung pengembalian investasi, termasuk diantaranya biaya pembuatan sistem pakar, biaya pemeliharaan, dan biaya pelatihan.
5.      Memilih alat pengembangan. Dapat menggunakan software pembuat sistem pakar (seperti SHELL, dengan WinExsys yang beroperasi pada sistem operasi windows 97), atau dirancang dengan bahasa pemrograman sendiri (misal dengan bahasa PROLOG).
6.      Rekayasa Pengetahuan. Perlu dilakukan penyempurnaan terhadap aturan-aturan yang sesuai.
7.      Desain (Design) sistem. Tahap ini termasuk pembuatan prototype serta menterjemahkan pengetahuan menjadi aturan-aturan. Juga pada tahap ini ditentukan konfigurasi yang dibutuhkan oleh sistem dan metode yang digunakan dalam mengambil keputusan.
8.      Pengkodean (Coding). Pada tahap ini dilakukan perubahan hasil desain menjadi program yang dapat dibaca oleh komputer.
9.      Pengujian (Testing). Pada tahap ini dilakukan pengujian dari kinerja sistem,mencari dan memperbaiki kesalahan/error yang ada.
10.  Pemeliharaan (Maintanance). Pemeliharaan sistem dilakukan dengan kaidah pengambil keputusan. Serta memperbaharui pengetahuan, mengganti pengetahuan yang sudah ketinggalan, dan meluweskan sistem agar bisa lebih baik lagi dalam menyelesaikan masalah.

KEUNTUNGAN DAN KERUGIAN EXPERT SYSTEM
Keuntungan Expert System untuk manajer.
1.  Menyajikan lebih banyak  alternatif.
2.  Menerapkan logika  tingkat tinggi
3.  Menyediakan  waktu banyak untuk  evaluasi hasil keputusan.
4.    Memberikan solusi  yang lebih konsisten
5.    Membuat seorang awam bekerja seperti layaknya seorang pakar;
6.    Menyederhanakan pekerjaan dan meningkatnya efisiensi kerja;
7.    Meningkatnya kualitas pekerjaan;
8.    Meningkatnya produktifitas sehingga meningkat pula performance perusahaan;
    Merupakan arsip yang terpercaya sehingga seolah-olah langsung konsultasi dengan pakar (meskipun sang pakar telah tiada)Memperluas jangkauan.
Keuntungan  Expert  System  untuk perusahaan.
1.  Meningkatkan  performance perusahaan.
2.  Memelihara pengendalian terhadap knowledge perusahaan.

Kerugian Expert System
Dua karakteristik Expert System membatasi  kemampuan peralatan  untuk  memecahkan  masalah bisnis, yaitu :
1.   E.S. tidak dapat  menangani inkonsistesi knowledge.
2.  E.S. tidak dapat  menerapkan judgement dan instuisi sebagai suatu bahan penting untuk pemecahan masalah.
4. 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, yang tentu cukup merepotkan.
5. 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.
6. Format knowledge base sistem pakar terbatas. Knowledge base pada sistem pakar berisi aturan-aturan (rules) yang ditulis dalam bentuk statemen if-then.
Pengembangan sistem pakar melibatkan 4 (empat) pihak yaitu analis sistem, knowledge engineer, pakar dan pemakai sistem (users).

Bottom Line
Hambatan terbesar untuk menerapkan  Expert System kedalam bisnis adalah struktur masalah.


2.3. PERAN POTENSIAL SYTEM PAKAR DALAM MEMECAHKAN MASALAH BISNIS
Development Engine
Development Engine membangun Rule  Set dengan pendekatan :
1. Bahasa Pemrograman (Programming Language).
2. Bagian Expert System (Expert System Shell)

Peran Sistem Analist sebagai Knowledge Engineer dalam organisasi bisnis dengan menggunakan  keterampilan  untuk membangun aplikasi komputer yang konvesional, yaitu :
·       Memahami bagaimana Expert menerapkan keahliannya dalam pemecahan masalah.
·       Dapat menarik suatu Description Of  Knowledge dari Expert.

Proses Pengembangan Sistem
·       Permulaan proses pengembangan
·       Prototype pengembangan Expert System
·       Partisipasi User
·       Pemeliharaan Expert System

PENGAMBILAN KEPUTUSAN  MENGGUNAKAN
EXPERT SYSTEM.
Faktor dan kondisi yang mempengaruhi terdiri atas :
1. Alasan Umum
Programming  Konvensional (Algoritma) tidak memuaskan.Adanya Expert yang dapat memecahkan masalah. Para  pakar  tidak selalu tersedia. Tidak ada alternatif solusi yang tersedia pada suatu saat. Kelengkapan sistem lebih disesuaikan pengeluaran. Pemilihan  problem domain  menyajikan kombinasi terbaik.
 2.Problem Domain
Problem Domain ditandai oleh penggunaan Expert Knowledge, Judgement dan pengalaman. Formal Knowledge tersedia  pasti dalam bentuk buku. Domain lebih stabil dan  Expert  System akan menyediakan kebutuhan jangka panjang.
 3.Domain Task.
Task tidak terlalu mudah  dan  juga tidak  terlalu  sulit.
Task mensyaratkan Primarily Symbolic Reasoning.
Task mensyaratkan penggunaan Heuristic.
Task tidak mensyaratkan knowledge dari bidang yang luas.
Task harus  jelas terdefinisi
Sejumlah knowledge mensyaratkan dengan task yang  cukup luas  menggunakan  knowledge base. Sejumlah  konsep Important Task tidak lebih  dari seratus. Ketrampilan  Task dapat  diajarkan kepada  pemula.
 4.Domain Personnel.
Merupakan  dukungan  manajemen  yang  kuat. Potential User memiliki harapan  realistik
Hasil bukan merupakan  Politically Sensitive. Sistem menggunakan prosedur standar secara minimal.

5.Expert.
Memiliki Expert yang kualified dan menepati waktu.
Expert harus terpercaya.
Expert harus kooperatif dan komunikatif.
Expert dapat menyediakan lebih banyak Expertise.
Apabila banyak Expertise harus The Right Answer.
Salah satu harus sebagai Chief Expertise.
 6.Sistem Analist
Sistem Analist harus telah memahami problem domain atau dapat mempelajarinya.
Sistem Analist dapat menarik Expert Knowledge.
  
2.4. MODEL MODEL JARINGAN SYARAF
Secara awam, aspek yang cukup penting yang mendasari berbagai teori dalam AI adalah system pengenalan pola (Pattern Recognizing) yang merupakan bagian dari pengimplementasian Neural Network (NN) atau Jaringan Syaraf Buatan secara praktis. Sistem pengenalan pola merupakan komponen penting dalam proses peniruan kemampuan inderawi manusia terutama penglihatan dan pendengaran. Sebagai contoh, untuk meniru indera penglihatan manusia, komputer harus mempunyai suatu mekanisme standar dan logis dalam mengenali pola yang ada pada suatu citra yang sedang diproses. Dari sinilah diperoleh motivasi untuk mencoba suatu konsep sederhana untuk mengenali pola dari suatu citra sehingga dapat diidentifikasi dengan baik oleh komputer. Permasalahan utama yang terjadi apabila hendak mengenali suatu pola tertentu dan mengumpankannya ke dalam suatu proses jaringan syaraf buatan adalah bagaimana proses akuisisi data dilakukan sehingga menghasilkan sejumlah data numerik yang representatif dan konsisten terhadap sampel yang diberikan. Dalam penulisan ini, kita mencoba mengaplikasikan suatu metode sederhana untuk mengenali suatu citra sehingga dapat diidentifikasi dengan baik oleh komputer dengan memanfaatkan berbagai teori seperti Image Proccessing, Artificial Neural Networks.
.

 Landasan Teori
1.       Jaringan Syaraf Biologi
Otak manusia memiliki struktur yang sangat kompleks dan memiliki kemampuan yang luar biasa. Otak terdiri dari neuron-neuron dan penghubung yang disebut sinapsis. Neuron bekerja berdasarkan impuls atau sinyal yang diberikan pada neuron. Neuron meneruskannya pada neuron lain. Diperkirakan manusia memiliki 1012 neuron dan 6.1018 sinapsis. Dengan jumlah yang begitu banyak, otak mampu mengenali pola, melakukan perhitungan, dan mengontrol organ-organ tubuh.
Neuron memiliki tiga komponen penting yaitu dendrit, soma dan axon. Dendrit menerima sinyal dari neuron lain. Sinyal tersebut berupa impuls elektrik yang dikirim melalui celah sinaptik melalui proses kimiawi. Sinyal tersebut dimodifikasi di celah sinaptik. Berikutnya soma menjumlahkan semua sinyal-sinyal yang masuk. Kalau jumlah tersebut cukup kuat dan melebihi batas ambang (treshold), maka sinyal tersebut akan diteruskan ke sel lain melalui axon. Frekuensi penerusan sinyal berbeda beda antara satu sel dengan yang lain.
2.Jaringan Syaraf Tiruan
Jaringan syaraf tiruan (JST) adalah sistem pemroses informasi yang memiliki karakteristik mirip dengan jaringan syaraf biologi.
JST dibentuk sebagai generalisasi model matematika dari jaringan syaraf biologi, dengan asumsi bahwa :
·         Pemrosesan informasi terjadi pada banyak elemen sederhana (neuron)
·         Sinyal dikirimkan diantara neuron-neuron melalui penghubung- penghubung
·         Penghubung antar neuron memiliki bobot yang akan memperkuat atau memperlemah sinyal
·         Untuk menentukan output, setiap neuron menggunakan fungsi aktivasi yang dikenakan pada jumlah output yang diterima. Besarnya output ini selanjutnya dibandingkan dengan suatu batas ambang.
JST ditentukan oleh tiga hal :
1.      Pola hubungan antar neuron (disebut arsitektur jaringan)
2.      Metode untuk menentukan bobot penghubung (disebut metodtraining/learning/algoritma)
3.      Fungsi aktivasi
 Aplikasi Jaringan Syaraf Tiruan

Beberapa aplikasi jaringan syaraf tiruan adalah sebagai berikut : 
1.      Pengenalan Pola (pattern Recognition)
Jaringan syaraf tiruan dapat dipakai untuk mengenali pola (misal huruf, angka, suara atau tanda tangan) yang sudah sedikit berubah. Hal ini mirip dengan otak manusia yang masih mampu mengenali orang yang sudah beberapa waktu tidak di jumpainya (mungkin wajah/bentuk tubuhnya sudah sedikit berubah).

2.      Signal Processing
Jaringan syaraf tiruan (model ADALINE) dapat dipakai unuk menekan noise dalam saluran telepon.

3.      Peramalan
Jaringan syaraf tiruan juga dapat dipakai untuk meramalkan apa yang sudah terjadi di masa yang akan datang berdasarkan pola kejadian yang ada di masa lampau. Ini dapat dilakukan mengingat kemampuan jaringan syaraf tiruan untuk mengingat dan membuat generalisasi dari apa yang sudah ada sebelumnya.

Disamping area-area terebut, jaringan syaraf tiruan juga di laporkan dapat menyelesaikan masalah dalam bidang kontrol, kedokteran, dan lain-lain.

Meskipun banyak aplikasi menjanjikan yang dapat di lakukan oleh jaringan syaraf tiruan juga memiliki beberapa keterbatasan umum, namun jaringan syaraf tiruan juga memiliki beberapa keterbatasan umum. Pertama adalah ketidak akuratan hasil yang di peroleh. Jaringan syaraf tiruan bekerja berdasarkan pola yang terbentuk pada inputnya.




Arsitektur Neural Network 
Secara umum, terdapat tiga jenis neural network yang sering digunakan
berdasarkan jenisnetwork-nya, yaitu :
·         Single-Layer Neural Network
·         Multilayer Perceptron Neural Network
·         Recurrent Neural Networks
·         Neural network jenis ini memiliki koneksi pada inputnya secara langsung ke jaringan output.
·         Jenis neural network ini sangatlah terbatas, hanya digunakan pada kasus-kasus yang sederhana. 
·         Neural network jenis ini memiliki ciri, yaitu adanya koneksi umpan balik dari output ke input.
·         Kelemahan dari jenis ini adalah Time Delay akibat proses umpan balik dari output ke titik input.

 proses Pembelajaran pada Neural Network
Proses pembelajaran merupakan suatu metoda untuk proses pengenalan suatu objek yang sifatnya kontinuitas yang selalu direspon secara berbeda dari setiap proses pembelajaran tersebut. Tujuan dari pembelajaran ini sebenarnya untuk memperkecil tingkat suatu error dalam pengenalan suatu objek. Secara mendasar, neural network memiliki sistem pembelajaran yang terdiri atas beberapa jenis berikut :

·         Supervised Learning
Sistem pembelajaran pada metoda Supervised learning adalah system pembelajaran yang mana setiap pengetahuan yang akan diberikan kepada sistem, pada awalnya diberikan suatu acuan untuk memetakan suatu masukan menjadi suatu keluaran yang diinginkan. Proses pembelajaran ini akan terus dilakukan selama kondisi error atau kondisi yang diinginkan belum tercapai. Adapun setiap perolehan error akan  dikalkulasikan untuk setiap pemrosesan hingga data atau nilai yang diinginkan telah tercapai.

·         Unsupervised Learning
Sistem pembelajaran pada neural network, yang mana sistem ini memberikan sepenuhnya pada hasil komputasi dari setiap pemrosesan, sehingga pada sistem ini tidak  membutuhkan adanya acuan awal agar perolehan nilai dapat dicapai. Meskipun secara mendasar, proses ini tetap mengkalkulasikan setiap langkah pada setiap kesalahannya dengan mengkalkulasikan setiap nilai weight yang didapat
 Arsitektur Jaringan Syaraf Tiruan 
Berdasarkan strategi pelatihan, model jaringan dibagi menjadi :
1.      Pelatihan dengan supervisi.
Contoh model ini adalah : Hebbian, Perceptron, ADALINE, Boltzman, Hopfield, Backpropagation,dll.
2.      Pelatihan tanpa supervise
Contoh model yang masuk dalam kategori ini antara lain model competitive, Hebbian, Kohonen, LVQ (Learning Vektor Quantization),Neocognitron,dll.











BAB III
3.1            KESIMPULAN DAN SARAN

kesimpulan
CBIS sangat membantuk untuk mengambil keputusan yang tepat dan akurat. CBIS mempunyai beberapa istilah diantaranya adalah data, informasi, sistem, sistem informasi dan basis computer. Model CBIS itu sendiri adalah Sistem informasi menejemen yang menghasilkan suatu informasi yang dapat memberikan keputusan mengenai perencanaan kerja, pemecahan masalah dan kebijakan perusahaan.
Masing-masing golongan mempunyai hubungan kerja. Pada analis sistem bekerja sama dengan pemakai untuk mengembangkan dan memperbaiki sistem yang telah ada. Pengolahan database bekerja sama dengan pemalkai dan analis sistem untuk menciptakan database yang berisi data agar dapat menghasilkan informasi yang diperlukan. Spesialis jaringan bekerja sama dengan pemakai dan analis sistem untuk menyatukan sumber daya komputer yang tersebar. Programmer bekerjasama dengan analis sistem untuk mengumpulkan data untuk membuat kode instruksi dari data menjadi informasi yang di butuhkan oleh pemakai. Dan operator bekerja mengoperasikan peralatan dan software komputer.



Saran
Sebaiknya perusahaan dan organisasi memanfaatkan CBIS dengan sebaiknya untuk mendapatkan informasi yang akurat untuk memajukan organisasi dan perusahaan.











BAB IV
DAFTAR PUSTAKA
Sumber :
- http://wikipedia.com/isdn
- http://v318.wordpress.com/2008/05/30/cbis-computer-based-information-system/
- juwita.staff.gunadarma.ac.id/Downloads/files/.../CBIS.doc
- ilmukomputer.org/.../computer-based-information-system-cbis/
- shafiq0211.multiply.com/journal/item/23/CBIS
- asep-saepudin.blogspot.com/.../cbis-sistem-informasi-berbasis-komputer.html
-http://www.voila.web.id/komputer/sistem-informasi-manajemen/computer-based-information-system