Sistem Pakar (Expert System) merupakan sebuah algoritma yang mengadopsi kemampuan dan pengetahuan manusia yang diubah menjadi suatu sistem komputer. Sistem pakar juga dapat diartikan sebagai suatu program komputer yang berisikan satu set atau sekumpulan perintah yang memuat pengetahuan dan kemampuan satu atau lebih pakar manusia, dalam suatu bidang khusus atau spesifik yang kemudian direkayasakan sedemikian rupa menjadi sebuah sistem komputer.

Sistem pakar termasuk kedalam kategori kecerdasan buatan (artificial intellegence) dalam program komputer. Tujuan dikembangkannya sistem pakar adalah agar komputer dapat membantu sesorang dalam mengetahui, berkonsultasi atau menyelesaikan suatu hal. Dalam perjalanannya, metode yang digunakan dalam pembuatan sistem pakar telah banyak mengalami perkembangan. Salah satu contoh metode dalam pengembangan sistem pakar adalah metode Certainly Factor (CF). Certainly Factor merupakan metode perhitungan dalam sistem pakar yang digunakan dalam teknik pencarian data dalam algoritma Depth First Search (DFS), dan juga Breadth First Search (BFS).

Adapun metode yang digunakan dalam sistem pakar merupakan metode yang mampu menampung dan menganalisa suatu variabel beserta elemennya. Variabel yang dimaksud adalah segala kriteria tentang suatu gejala yang berhubungan dengan penyelesaian dalam sebuah sistem pakar. Misalnya dalam pengembangan sistem pakar untuk mendiagnosa suatu penyakit, maka dalam hal ini yang dimaksud dengan variabel adalah gejala-gejala yang berkaitan dengan penyebab atau gejala yang ada pada suatu penyakit, yang kemudian akan diselesaikan atau didiagnosa sesuai dengan pengetahuan seorang pakar.

Adapun metode-metode lain yang digunakan dalam pengembangan sistem pakar adalah:

1. Metode AHP (Analytical Hierarchy Process

AHP merupakan suatu metode dalam sistem pakar yang digunakan untuk pengambilan keputusan dengan melakukan perbandingan antara pasangan dan kriteria yang ada dalam variabel. Teknik analisa dalam metode ini adalah variabel-variabel yang ada akan di analisa lalu dibentuk menjadi suatu hirarki, yang kemudian disusun berdasarkan urutan, yang selanjutnya akan dibandingkan lalu ditarik sebuah kesimpulan dengan membuatnya menjadi matrik guna menentukan nilai pada tiap kriteria atau variabel.

2. Metode BFS (Breadth First Search)

BFS merupakan algoritma yang melakukan pencarian data secara melebar dalam suatu sistem pakar. Pencarian data diawali dengan menganalisa suatu simpul secara preorder, atau mengunjungi suatu simpul lalu beralih ke seluruh simpul yang ada dan bertetangga dengan simpul awal. Pada metode ini dibutuhkan algoritma dengan sebuah antrian (queue) guna menyimpan informasi simpul yang telah dikunjungi ataupun dianalisa. Kemudian dalam metode ini di butuhkan juga table Boolean guna menyimpan informasi simpul, sehingga tidak ada simpul yang disimpan dan dikunjungi lebih dari sekali.

3. Metode DFS (Depth First Search)

Metode DFS merupakan algoritma penelusuran struktur pohon / graf yang berpatokan pada kedalaman data. DFS akan membentuk simpul dari akar (root) menuju ke salah satu simpul, misalnya simpul yang menjadi prioritas yang biasanya merupakan simpul anak pertama atau simpul yang berada disebelah kiri hingga menuju level terdalam. Selanjutnya penelusuran dilanjutkan ke simpul paling atas atau level 1 guna menemukan simpul atau anak ke dua dari pohon / graf yang telah terbentuk, dan begitu seterusnya, hingga tiada simpul yang terlewati.

4. Metode Best Fisrt Search

Merupakan kombinasi antara metode BFS dan DFS. Keputusan yang dihasilkan dari metode ini, diambil dengan cara menarik kesimpulan dari hasil keputusan BFS dan DFS sehingga metode ini dapat menghasilkan keputusan yang terbaik.

5. Metode Penelusuran Ke Belakang ( Backward Chainning )

Metode Backward Chainning termasuk metode yang paling sering dan banyak digunakan dalam pengembangan sistem pakar. Pada metode ini pelacakan dan pencarian keputusan dimulai dari menari kesimpulan (goal) dalam sebuah titik penalaran, lalu dilanjutkan dengan menelusuri seluruh hipotesis yang ada, sampai kepada fakta yang dapat memberikan value dan penguatan (dukungan) pada kesimpulan yang telah ditemukan. Dalam implementasinya pada sistem, keputusan yang dihasilkan oleh metode ini dipengaruhi oleh metode yang telah disebutkan sebelumnya, BFS, DFS dan Best First Search.

6. Metode Penelusuran Ke Depan (Forward Chainning)

Dari namanya, Greader dapat menebak bahwa Forward Channing merupakan kebalikan dari metode Backward Channing. Metode forward chainning adalah teknik penalaran dalam sistem pakar yang proses penalarannya diawali dengan mencari fakta. Fakta yang telah ditemukan, selanjutnya digunakan untuk menguji nilai kebenaran dari suatu hipotesa. Keputusan atau penalaran yang dihasilkan dalam metode ini adalah penalaran yang bersifat logis, yang disebabkan oleh faktor pengecekan modus ponen dengan argumen serta infersi yang ada pada data.

Masing-masing metode yang telah dijelaskan memiliki kekurangan dan kelebihan masing-masing. Untuk penggunaan metodenya sendiri didasarkan atas kesesuaian permasalahan dengan metode, efektifitas, dan dukungan dari metode itu sendiri dalam pengembangan sistem pakar yang akan dirancang.

Penulis : Catur