Abstrak
Paper
ini membahas mengenai basis pengetahuan yang ada dalam sistem pakar. Basis
pengetahuan merupakan satu komponen yang sangat penting dalam sistem pakar
karena menyimpan semua pengetahuan yang akan dipakai sebagai dasar pengambilan
keputusan. Dalam basis pengetahuan, ada beberapa pengertian yang perlu dipahami
dalam kaitannya untuk memahami bagaimana seharusnya suatu basis pengetahuan
berbentuk dan bekerja. Selain itu, proses-proses yang terjadi juga perlu
diperhatikan karena akan mempengaruhi keseluruhan struktur basis pengetahuan.
Dari
paper ini diharapkan didapatnya ilmu mengenai basis pengetahuan dan
konsep-konsep yang berkaitan dengannya, dan juga akan melahirkan
pemikiran-pemikiran baru untuk memahami dan mengimplementasikan basis
pengetahuan dengan lebih baik.
A.
Pendahuluan
Secara
umum, basis pengetahuan (knowledge base) adalah suatu bentuk basis data
tertentu yang digunakan dalam manajemen pengetahuan (knowledge management).
Basis pengetahuan berperan dalam proses mengumpulkan, mengorganisasikan, maupun
mendapatkan kembali suatu pengetahuan (knowledge).
Dalam
sistem pakar (expert system), basis pengetahuan merupakan satu komponen yang
sangat penting. Basis pengetahuan menyimpan semua pengetahuan yang dimiliki
oleh pakar yang berkompeten dalam bidang yang berkaitan. Basis pengetahuan
adalah dasar pengambilan keputusan dalam suatu sistem pakar, di mana
pengambilan keputusan ini berkaitan dengan proses untuk mendapatkan kembali
pengetahuan yang sebelumnya telah dikumpulkan dan disimpan.
Tulisan
ini membahas mengenai basis pengetahuan dalam kaitannya dengan sistem pakar,
serta hal-hal lain yang berkaitan dengan basis pengetahuan.
B.
Isi
1.
Pengetahuan
Sebelum
kita mulai membahas mengenai basis pengetahuan, maka terlebih dulu akan kita
tinjau mengenai pengetahuan dan semua hal yang berkaitan dengannya. Menurut
Davenport dan Prusak (1998), ada perbedaan pengertian mengenai data, informasi,
dan pengetahuan.
1.1.
Data
Data
adalah suatu kumpulan fakta-fakta diskrit yang obyektif mengenai suatu
kejadian[1]. Dalam contoh yang diberikan oleh Davenport dan Prusak, data
merupakan gambaran dari transaksi yang dilakukan seseorang (misalnya di pompa
bensin). Data berkaitan dengan berapa uang yang dibayarkan dan berapa liter
bensin yang diberikan, namun tidak berlaku lebih jauh lagi. Data tidak dapat
menggambarkan bagaimana kualitas pompa bensin tersebut dan kapan si pelanggan
tersebut akan kembali ke sana.
1.2.
Informasi
Sementara
itu, informasi adalah hasil dari pengolahan data. Informasi adalah data yang
membuat suatu perbedaan[2], di mana tujuan informasi adalah untuk mengubah
pandangan seseorang atau membuatnya menjadi berbeda (dibandingkan sebelum
mendapatkan informasi). Menurut Peter Drucker, informasi memiliki makna
(meaning) yang ditimbulkan oleh relevansi dan tujuan yang diberikan oleh
penciptanya.
1.3.
Pengetahuan
Pengetahuan
merupakan bentuk lebih lanjut dari informasi. Pengetahuan merupakan campuran
yang bebas antara informasi konstekstual, nilai-nilai, dan pengalaman yang
telah terekspresikan, serta pemahaman pakar, yang memberikan suatu kerangka
kerja untuk mengevaluasi dan memasukkan informasi dan pengalaman-pengalaman
baru[3].
Ada
beberapa ciri-ciri pengetahuan (menurut buku yang ditulis Von Krogh, Ichiyo,
serta Nonaka 2000). Yang pertama, pengetahuan merupakan kepercayaan yang
dibenarkan (justified true believe). Seseorang membenarkan kepercayaannya
berdasarkan pada observasinya terhadap dunia, di mana ia menciptakan suatu
pemahaman mengenai situasi baru dengan berpegang pada kepercayaan yang telah
dibenarkan tersebut. Dengan demikian, kebenaran lebih merupakan konstruksi akan
kenyataan, dan bukannya sesuatu yang benar secara abstrak.
Ciri
yang kedua pada pengetahuan adalah sifatnya yang eksplisit sekaligus juga
terbatinkan (tacit). Sementara beberapa pengetahuan bersifat eksplisit dan
mudah digambarkan, diformulasikan, maupun diekspresikan; ada pula
pengetahuan-pengetahuan lain yang berkaitan dengan perasaan, keterampilan dan
bentuk bahasa utuh, persepsi pribadi, pengalaman fisik, petunjuk praktis (rule
of thumb) dan institusi. Pengetahuan-pengetahuan ini sulit sekali untuk
disampaikan kepada pihak lain.
Yang
ketiga, penciptaan pengetahuan secara efektif bergantung pada konteks yang
memungkinkan terjadinya penciptaan tersebut, yaitu ruang bersama yang dapat
memicu hubungan-hubungan yang muncul. Dan yang terakhir, penciptaan pengetahuan
melibatkan lima langkah utama. Kelima langkah itu adalah:
·
Berbagi
pengetahuan terbatinkan
·
Menciptakan
konsep
·
Membenarkan
konsep
·
Membangun
prototip (prototype)
·
Melakukan
penyebaran pengetahuan di berbagai fungsi dan tingkat di organisasi.
Hubungan
antara data, informasi, dan pengetahuan dapat dilihat pada gambar berikut.
2.
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.
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.
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.
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.
3.
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.
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.
4.
Representasi Pengetahuan
Representasi
pengetahuan merupakan kelanjutan dari proses akuisisi pengetahuan. Setelah
pengetahuan berhasil disarikan dari pakar, maka selanjutnya yang dilakukan
adalah merepresentasikan bentuk-bentuk pengetahuan tersebut menjadi bentuk yang
dikenali oleh sistem (komputer).
Beberapa
cara yang dapat digunakan untuk merepresentasikan bentuk ini antara lain
jaringan semantik (semantic net), bingkai (frame), aturan produksi (production
rule), logika (logic), bahasa natural (natural language), dan sistem basis data
(database system).
Representasi
pengetahuan dimaksudkan untuk menangkap sifat-sifat penting suatu pengetahuan
agar dapat diakses dan digunakan dalam metode pemecahan masalah. Bahasa representasi
haruslah mampu membuat seorang pemrogram mengekspresikan pengetahuan yang
diperlukan untuk mendapatkan solusi permasalahan.
Representasi
pengetahuan yang baik haruslah memiliki sifat-sifat berikut:
·
Mengemukakan
hal secara eksplisit
·
Membuat
masalah menjadi transparan
·
Komplit
dan efisien
·
Menampilkan
batasan-batasan alami yang ada
·
Menekan
dan menghilangkan detil-detil yang diperlukan
·
Dapat
dilakukan komputasi terhadapnya (memiliki batasan).
Representasi
pengetahuan dikelompokkan ke dalam empat jenis, yaitu:
Representasi
Logika
Representasi
jenis ini menggunakan ekspresi-ekspresi logika formal dalam melakukan
representasi.
Representasi
Prosedural
Sementara
jenis kedua ini menggambarkan pengetahuan sebagai kumpulan instruksi untuk
memecahkan suatu problema.
Representasi
Jaringan (Network)
Representasi
ini menangkap pengetahuan sebagai suatu graf di mana simpul-simpulnya merupakan
obyek atau konsep dari problema yang dihadapi, sementara garisnya (edge)
menggambarkan hubungan di antara mereka.
Representasi
Terstruktur
Dalam
representasi ini, jaringan diperluas dengan cara membuat tiap simpulnya menjadi
sebuah struktur data kompleks.
Prinsip
representasi pengetahuan adalah jika suatu permasalahan dideskripsikan dengan
menggunakan representasi yang tepat, maka dapat dipastikan bahwa masalah
tersebut dapat diselesaikan.
5.
Ontologi
Kunci
dari suatu basis pengetahuan adalah ontologi, yaitu sistem konsep-konsep yang
terorganisir yang menjadikan sesuatu yang ada dalam domain menjadi
eksplisit[7]. Ontologi merupakan spesifikasi dari suatu konseptualisasi, atau
suatu teori logis yang memberikan suatu akun eksplisit yang parsial dari suatu
konseptualisasi[8]; atau bahkan sinonim dari konseptualisasi itu sendiri.
Ontologi
digunakan untuk menjelaskan mengenai properti dari suatu domain, dan juga untuk
mendefinisikan domain tersebut.
Komponen-komponen
dari ontologi antara lain:
Konsep
(concept) digunakan dalam pemahaman yang luas. Sebuah konsep dapat sesuatu yang
dikatakan, sehingga dapat pula merupakan penjelasan dari tugas, fungsi, aksi,
strategi, dan sebagainya.
Relasi
(relation) merupakan representasi sebuah tipe dari interaksi antara konsep dari
sebuah domain. Secara formal dapat didefinisikan sebagai subset dari sebuah
pruduk dari n set,
Sebagai
contoh dari relasi biner termasuk subclass-of dan connected-to.
Fungsi
(function) adalah sebuah relasi khusus di mana elemen ke-n dari relasi adalah
unik untuk elemen ke-(n-1).
Contohnya
adalah Mother-of.
Aksioma
(axiom) digunakan untuk memodelkan sebuah kalimat yang selalu benar.
Instans
(instance) digunakan untuk merepresentasikan elemen.
Menurut
Tom Gruber dari Stanford University, makna ontologi dalam konteksnya di ilmu
komputer adalah “suatu deskripsi konsep dan relasi yang ada dalam suatu agen
maupun komunitas agen”[9].
Sebuah
ontologi memberikan pengertian untuk penjelasan secara eksplisit dari konsep
terhadap representasi pengetahuan pada sebuah basis pengetahuan (Bernaras,
proyek KACTUS). Sementara menurut proyek SENSUS, Sebuah ontologi adalah sebuah
struktur hirarki dari istilah untuk menjelaskan sebuah domain yang dapat
digunakan sebagai landasan untuk sebuah basis pengetahuan.
6.
Sistem Perbaikan Pengetahuan
Sistem
Perbaikan Pengetahuan (Knowledge Refining System) merupakan suatu sistem untuk
memperbaiki kinerja sistem pakar. Dengan sistem ini, pakar dapat melakukan
analisis kinerja, lalu melakukan pembelajaran, dan kemudian meningkatkannya
pada konsultasi berikutnya.
Pada
pembelajaran mesin, tujuan dari perbaikan basis pengetahuan (knowledge base
refinement) adalah meningkatkan performa sistem dengan pembelajaran empiris, di
mana performa sistem diukur dari jumlah kesalahan yang terdeteksi ketika sistem
dieksekusi untuk kasus-kasus yang ada dalam pustaka sistem.
C.
Penutup
Basis
pengetahuan merupakan jantung dari suatu sistem pakar. Tanpa adanya basis
pengetahuan, sistem tidak dapat memberikan rekomendasi yang benar, karena ia
tidak memiliki dasar untuk mengambil tindakan.
Basis
pengetahuan tergantung dari beberapa konsep dan proses, antara lain pengertian
dari pengetahuan serta ontologi dalam basis pengetahuan itu sendiri. Proses
akuisisi serta representasi pengetahuan juga berperan memberikan suatu bentuk
terhadap basis pengetahuan itu sendiri, yang pada akhirnya semua ini akan
menentukan bagaiman kesimpulan yang akan diambil oleh sistem.
Basis
pengetahuan yang baik juga dapat melakukan perbaikan dalam dirinya untuk
meningkatkan kinerjanya.
Tidak ada komentar:
Posting Komentar