SIM. Expert System (Kajian Pemanfaatan Teknologi)

Kajian Pemanfaatan Teknologi Knowledge-based Expert System di dalam Pengelolaan Sumber Daya Alam

Membahas masalah sumberdaya alam (natural resources), mulai dari perkembangan teknologinya sampai kepada bagaimana cara pengelolaannya merupakan hal yang terus mendapat perhatian di negara kita. Potret buram tentang banyaknya bencana alam yang terjadi di negeri kita, seperti banjir, gempa bumi serta tanah longsor yang terjadi di berbagai daerah yang menelan banyak korban jiwa manusia dan harta benda serta bencana alam lainnya telah banyak terjadi. Dari potret tersebut mencerminkan  belum optimalnya kita sebagai bangsa dalam mengelola sumberdaya alam.

Pada era modern saat ini, telah terjadi perkembangan pesat dalam bidang ilmu pengetahuan dan teknologi, khususnya teknologi komputer dan komunikasi atau sering disebut dengan era informasi. Jika pada mulanya komputer digunakan hanya sekedar alat penghitung, maka dewasa ini mesin komputer telah mampu menggantikan peran atau tugas-tugas rumit yang dilakukan oleh manusia, bahkan sanggup menirukan proses biologis manusia dalam pengambilan keputusan.

Can machine think ? demikian pertanyaan yang muncul seiring dengan berkembangnya bidang kecerdasan buatan (Artificial Intelligence/AI). Pertanyaan lain yang akan muncul: mampukah sistem pakar tersebut memberi kontribusi nyata di dalam pengelolaan sumberdaya alam ?. Untuk menjawab pertanyaan tersebut, di dalam artikel ini akan dibahas secara cermat tentang apa itu teknologi berbasis pengetahuan (knowledge-based expert system), mulai dari perkembangan teknologinya sampai pada aplikasinya pada pengelolaan sumberdaya alam.

Definisi Expert System

Pada tahun 1956, mulai diperkenalkan istilah Kecerdasan Buatan (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.

Di dalam perspektif ilmu pengetahuan dan teknologi, sistem cerdas merupakan bagian dari bidang inteligensia semu (Artificial Intelligence/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).  Struktur dari sistem cerdas diperlihatkan pada Gambar 1.

Sistem konvensional yang berlandaskan logika konvensional berdasarkan pada dua keadaan -benar atau salah (true or false)-, ternyata kurang serasi untuk mengadopsi cara berfikir manusia yang banyak mengandung hal ketidak-pastian (uncertainty), proses belajar (learning process), penalaran, sifat adaptif dan sebagainya. Cara penalaran otak manusia tidaklah sama dengan komputer, karena komputer menalar dengan langkah yang jelas/pasti, sedangkan manusia menalar dengan istilah sehari-hari, misalnya: udara sejuk, airnya hangat, kecepatannya rendah, dan lainnya.

Gambar 1. Struktur dari Sistem Cerdas (Expert System)

Banyak hal yang bersifat tidak linear, yang susah diformulasikan secara matematis, namun sangat mudah dilakukan dengan perintah manusia biasa, misalnya : kurangi kecepatan, rem dengan perlahan, dan sebagainya. Sedangkan, sistem cerdas, seperti misalnya Logika Fuzzy atau Fuzzy expert system yang pertama kali ditemukan oleh Professor Lofti A. Zadeh pada tahun 1965 telah mampu mengatasi masalah tersebut, karena menurut logika ini segala sesuatu tidaklah dapat dikatakan 100% yes atau 100% no, namun fungsi keanggotaannya (membership function) dalam suatu himpunan dapat bervariasi antara 0 (completely no) dan 1 (completely yes). Sehingga beberapa variabel linguistik yang telah disebutkan, dapat diubah menjadi variabel numerik dan sebaliknya oleh logika fuzzy. 

Secara umum, Sistem Konvensional fokus pada pemrosesan informasi, sedangkan sistem cerdas (Expert System) fokus pada pemrosesan pengetahuan (knowledge processing).

Kelebihan dan Kekurangan Expert System

Sistem pakar sekarang banyak digunakan baik pada aplikasi bisnis maupun apikasi lainnya. Aplikasi sistem pakar di dalam pengelolaan sumberdaya alam masih relatif baru dan merupakan pendekatan alternatif yang dapat digunakan untuk penyelesaian masalah-masalah di dalam pengembangan teknologi pengelolaan sumberdaya alam. Hal ini karena sistem pakar memberikan banyak kelebihan. Akan tetapi perlu juga diketahui bahwa seperti halnya sistem yang lainnya, selain memberikan banyak kelebihan, sistem pakar juga mempunyai beberapa kelemahan.

Kelebihan-kelebihan dari sistem pakar secara umum adalah sebagai berikut:
1. Memberikan pengambilan keputusan yang lebih baik. Karena sistem pakar memberikan jawaban yang konsisten dan logis dari waktu ke waktu. Jawaban yang diberikan logis karena alasa logiknya dapat diberikan oleh sistem pakar dalam proses konsultasi.
2. Memberikan solusi tepat waktu. Kadang kala seorang manajer membutuhkan jawaban dari pakar, tetapi pakar yang dibutuhkan tidak berada ditempat, sehingga keputusan menjadi terlambat. Dengan sistem pakar, jawaban yang dibutuhkan oleh pengambil keputusan selalu tersedia setiap saat dibutuhkan.
3. Menyimpan pengetahuan di organisasi. Pengetahuan pakar merupakan hal yang penting dan kadang kala pengetahuan iniakan hilang jika pakar keluar atau telah pensiun dari perusahaan. Dengan sistem pakar, pengetahuan dari pakar dapat disimpan di sistem pakar dan tersedia terus selama dibutuhkan.

Kekurangan-kekurangan dari sistem pakar adalah sebagai berikut:
1. 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 (perbarui-red), yang tentu cukup merepotkan.
2. 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.
3. Format knowledge base sistem pakar terbatas. Knowledge base pada sistem pakar berisi aturan-aturan (rules) yang ditulis dalam bentuk statemen if-then.

Expert System : Paradigma Baru dalam Pengelolaan Sumber Daya Alam

Pengembangan signifikan di dalam teknologi ruang angkasa, mampu menyediakan berbagai sensor dan platform, teknik penginderaan jauh (remote sensing) dan teknik pengolahan data (digital image processing) memungkinkan untuk mengoleksi, analisa dan interpretasi data secara cepat dan efisien.

Saat ini, teknik penginderaan jauh yang dilengkapi dengan teknik pengolahan data telah banyak diaplikasikan di dalam pengelolaan sumberdaya alam. Teknik ini berbasis pada pemrosesan informasi (information processing) dengan  pendekatan statistik yang oleh para ahli biasa disebut dengan sistem konvensional. Dalam perjalanannya, ditemukan begitu kompleksnya permasalahan yang dihadapi di dalam pengelolaan sumber daya alam,  sehingga menyebabkan keterbatasan sistem konvensional dalam penerapannya. Untuk itu dengan dilandasi kesadaran tinggi, para ahli berupaya keras untuk mengembangan teknologi baru yang mampu memberi kontribusi di dalam memecahkan permasalahan yang dihadapi oleh sistem konvensional diatas.

Kehadiran teknologi knowledge-based expert system yang fokus pada pemrosesan pengetahuan (knowledge processing), merupakan suatu paradigma baru di dalam memberi solusi pengelolaan sumberdaya alam.

Blok diagram modul pengembangan sistem berbasis pengetahuan sebagai kontribusi yang mampu memberi nilai tambah (added value) di dalam solusi pengelolaan sumberdaya alam diperlihatkan pada Gambar 2.

Gambar 2. Blok Diagram Modul Expert System untuk solusi Pengelolaan SDA

Identifikasi obyek (object identification) merupakan suatu teknik untuk meng-identifikasi obyek di permukaan bumi dengan menggunakan satelit penginderaan jauh. Proses klasifikasi dapat dilakukan menggunakan pendekatan fuzzy-neural network model. Parameter-parameter jaringan saraf tiruan (artificial neural network) diestimasi dengan proses pembelajaran (learning process) secara supervisi untuk daerah yang telah diketahui (known-sites).

Parameter-parameter yang sudah di estimasi selanjutnya digunakan untuk meng-identifikasi jenis-jenis obyek, seperti hutan, sumberdaya air, lahan pertanian, sumberdaya kelautan, mineral, dan lainnya. Pada tahapan  pemodelan (modeling stage), obyek yang telah

diidentifikasi digunakan untuk kalibrasi model matematika, model berbasis pengetahuan dan keluarannya merupakan model estimasi untuk pengelolaan dan perencanaan sumber daya alam.

Sedangkan,  tahap optimasi (optimization stage) merupakan tahapan untuk pemanfaatan optimal dari sumberdaya alam, untuk itu perlu dikembangkan suatu sistem pendukung keputusan secara cerdas (intelligent decision support system) dengan memformulasikan sebuah fungsi obyektif biaya minimum (cost minimizing objective function), serta bermanfaat secara ekonomi. Integrasi dari ketiga tahapan tersebut (pada Gambar 2) merupakan suatu proses pendekatan dalam memberi solusi penyelesaian permasalahan sumberdaya alam.

Pengembangan Sistem Pakar
  Pengembangan sistem pakar melibatkan 4 (empat)  pihak yaitu analis sistem, knowledge engineer, pakar dan pemakai sistem (users). Keempat pihak ini akan terlibat dalam tahapan pengembangan sistemnya sebagai berikut:

(a). Studi awal. Bertujuan untuk mempelajari domain dari permasalahannya dan kelayakannya apakah dapat dibuatkan sistem pakarnya atau tidak. Studi ini dilakukan oleh analis sistem.
(b).  Pemilihan perangkat lunak yang akan digunakan, apakah akan membangun sendiri inference-engine atau menggunakan ES shell. Tahap ini dilakukan oleh analis sistem bersama-sama dengan pemakai sistem.
(c).  Pemilihan pakar.
(d). Pengambilan pengetahuan. Tahap pengambilan pengetahuan (knowledge acquisition)
       dilakukan oleh analis sistem bersama-sama dengan knowledge engineer dan pemakai sistem.
(d). Membangun sistem pakar. Membangun sistem pakar melibatkan ke empat pihak dengan  langkah-langkah sebagai berikut:
           - mengidentifikasi sasaran (goal).
           - mengidentifikasi atribut item-item dan nilai-nilainya.
           - menderivasi aturan-aturan.
           - membuat prototip.
(e). Menguji sistem
(f). Mengimplementasikan sistem
(g). Mengoperasikan sistem
(h). Merawat sistem (maintenance)

Kesimpulan

Mengingat begitu kompleksnya permasalahan yang dihadapi di dalam pengelolaan sumber daya alam, khususnya di negara kita. Maka tidak ada pilihan lain kita harus segera menguasai dan mengembangkan teknologi yang mampu memberikan solusi nyata. Teknologi berbasis pengetahuan (knowledge-based expert system) dengan berbagai kehandalannya merupakan suatu terobosan baru yang mampu memberi nilai tambah di dalam pengelolaan sumber daya alam secara lebih baik.

Dampak dari kemajuan teknologi komputer yang mampu menggantikan tugas manusia di era intelijensi ini tidak akan mengurangi lapangan pekerjaan, bahkan sebaliknya akan membuka lapangan kerja baru yang lebih efisien. Bermimpi tentang kehebatan teknologi expert system sudah waktunya dihentikan, sekarang mimpi itu harus segera diwujudkan dengan melakukan kajian-kajian di dalam pengembangan teknologi ini sebagai suatu paradigma baru di dalam pengelolaan sumberdaya alam di Indonesia. Semoga!

Pengantar Fuzzy Logic

Fuzzy logic pertama kali dikenalkan kepada publik oleh Lotfi Zadeh, seorang profesor diUniversity of California di Berkeley. Fuzzy logic digunakan untuk menyatakan hukum operasional dari suatu sistem dengan ungkapan bahasa, bukan dengan persamaan matematis.

Banyak sistem yang terlalu kompleks untuk dimodelkan secara akurat, meskipun dengan persamaan matematis yang kompleks. Dalam kasus seperti itu, ungkapan bahasa yang digunakan dalam Fuzzy logic dapat membantu mendefinisikan karakteristik operasional sistem dengan lebih baik.

Ungkapan bahasa untuk karakteristik sistem biasanya dinyatakan dalam bentuk implikasi logika, misalnya aturan Jika – Maka. Pada teori himpunan klasik yang disebut juga dengan himpunancrisp (himpunan tegas) hanya dikenal dua kemungkinan dalam fungsi keanggotaannya, yaitu kemungkinan termasuk keanggotaan himpunan (logika 1) atau kemungkinan berada di luar keanggotaannya (logika 0). Namun dalam teori himpunan fuzzy tidak hanya memiliki dua kemungkinan dalam menentukan sifat keanggotaannya tetapi memiliki derajat kenaggotaan yang nilainya antara 0 dan 1. fungsi yang menetapkan nilai ini dinamakan fungsi keanggotaan yang disertakan dalam himpunan fuzzy.

Daftar Pustaka

1. Jogiyanto HM, Ph.D. "Sistem , Teknologi Informasi", Penerbit ANDI Yogyakarta, 2003.
2. Marvin Minsky,"Steps towards AI", MIT Press, 1961.
3. B.G. Buchaman and E.H. Shortliffe. Rule-Based Expert Systems: The MYCIN Experiments of the Stanford Heuristic Programming Project. Addison-Wesley, 1984.
4. Leung Y.,"Intelligent Spatial Decision Support Systems", Berlin-Springer-Verlag, 1997.

Muhamad Sadly, Pusat Teknologi Inventarisasi Sumberdaya Alam (P-TISDA), Badan Pengkajian dan Penerapan Teknologi (BPPT)