Contoh Makalah Program Sistem Pakar Lengkap

Contoh Makalah Program Sistem Pakar Lengkap

struktur sistem pakar
contoh sistem pakar
materi sistem pakar
manfaat sistem pakar
komponen sistem pakar
cara kerja sistem pakar
sistem pakar dalam sistem informasi manajemen

pengertian sistem pakar menurut para ahli

1. SISTEM PAKAR

Secara umum, sistem pakar (Expert system) adalah sistem yang berusaha mengadopsi 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. Dengan sistem pakar ini, orang awampun dapat menyelesaikan masalah yang cukup rumit yang sebenarnya hanya dapat diselesaikan dengan bantuan para ahli. Bagi para ahli, sistem pakar ini juga akan membantu aktivitasnya sebagai asisten yang sangat berpengalaman.

Sistem pakar pertama kali dikembangkan oleh komunitas Artificial Intellegence (AI) pada pertengahan tahun 1960. Sistem pakar yang muncul pertama kali adalah General-pupose Problem Solver (GPS) yang dikembangkan oleh Newel dan Simon. GPS (dan program-program yang serupa) ini mengalami kegagalan dikarenakan cakupannya terlalu luas sehingga terkadang justru meninggalkan pengetahuan-pengetahuan penting yang seharusnya disediakan.

Sampai saat ini sudah banyak sistem pakar yang dibuat, beberapa contoh diantaranya terlihat pada tabel berikut : (Kusumadewi, 2001)

Sistem pakar	Kegunaan
MYCIN	Diagnosis penyakit
DENDRAL	Mengidentifikasi struktur molekular campuran yang tak dikenal
XCON & XSEL	Membantu konfigurasi sistem komputer besar
SOPHIE	Analisis sirkit elektronik
Prospector	Digunakan di dalam geologi untuk membantu mencari dan menemukan deposit
FOLIO	Membantu memberikan keputusan bagi seorang manajer dalam hal stok broker dan investasi
DELTA	Pemeliharaan lokomotif listrik diesel

2. KONSEP DASAR SISTEM PAKAR

Menurut Turban(1995) konsep dasar sistem pakar mengandung keahlian (expertise), pakar (expert), pengalihan keahlian (transfering expertise), inferensi (inferencing), aturan (rules) dan kemampuan menjelaskan (explanation capability).

Keahlian (expertise) adalah suatu kelebihan penguasaan pengetahuan di bidang tertentu yang diperoleh dari pelatihan, membaca atau pengalaman. Pengetahuan tersebut memungkinkan para ahli untuk dapat mengambil keputusan lebih cepat dan lebih baik daripada seseorang yang bukan ahli.

Pakar (Expert) adalah seseorang yang mampu menjelaskan suatu tanggapan, mempelajari hal-hal baru seputar topik permasalahan (domain), menyusun kembali pengetahuan jika dipandang perlu, memecah aturan-aturan jika dibutuhkan, dan menentukan relevan tidaknya keahlian mereka.

Pengalihan keahlian (transfering expertise) dari para ahli ke komputer untuk kemudian dialihkan lagi ke orang lain yang bukan ahli, hal inilah yang merupakan tujuan utama dari sistem pakar. Proses ini membutuhkan 4 aktivitas yaitu :

1. Tambahan pengetahuan (dari para ahli atau sumber-sumber lainnya)

2. Representasi pengetahuan (ke komputer)

3. Inferensi pengetahuan

4. dan pengalihan pengetahuan ke user.

Pengetahuan yang disimpan di komputer disebut dengan nama basis pengetahuan. Adadua tipe pengetahuan, yaitu fakta dan prosedur (biasanya berupa aturan).

Salah satu fitur yang harus dimiliki oleh sistem pakar adalah kemampuan untuk menalar, Jika keahlian-keahlian sudah tersimpan sebagai basis pengetahuan dan sudah tersedia program yang mampu mengakses basisdata, maka komputer harus dapat diprogram untuk membuat inferensi. Proses inferensi ini dikemas dalam bentuk motor inferensi (inference engine)

Sebagian besar sistem pakar komersial dibuat dalam bentuk rule based systems, yang mana pengetahuan disimpan dalam bentuk aturan-aturan. Aturan tersebut biasanya berbentuk IF-THEN.

Fitur lainnya dari sistem pakar adalah kemampuan untuk memberikan nasehat atau merekomendasi. Kemampuan inilah yang membedakan sistem pakar dengan sistem konvensional.

3. Struktur Sistem Pakar

Gambar 2.1. Arsitektur Sistem Pakar (Turban,1995).

Menurut Turban(1995), sistem pakar terdiri dari dua bagian pokok, yaitu : lingkungan pengembangan (development environment) dan lingkungan konsultasi (consultation environment). Lingkungan pengembangan digunakan sebagai pembangun sistem pakar baik dari segi pembangun komponen maupun basis pengetahuan. Lingkungan konsultasi digunakan oleh seseorang yang bukan ahli untuk berkonsultasi.

Komponen-komponen yang ada pada sistem pakar seperti pada Gambar 2.1 sebagai berikut :

1. Subsistem penambahan pengetahuan.

Bagian ini digunakan untuk memasukkan pengetahuan, mengkonstruksi atau memperluas pengetahuan dalam basis pengetahuan. Pengetahuan itu bisa berasal dari: ahli, buku, basisdata, penelitian, dan gambar.

2. Basis pengetahuan.

Berisi pengetahuan-pengetahuan yang dibutuhkan untuk memahami, memformulasikan dan menyelesaikan masalah

3. Motor Inferensi (inference engine).

Program yang berisi metodologi yang digunakan untuk melakukan penalaran terhadap informasi-informasi dalam basis pengetahuan dan blackboard, serta digunakan untuk memformulasikan konklusi. Ada 3 elemen utama dalam motor inferensi, yaitu :

a. Interpreter : mengeksekusi item-item agenda yang terpilih dengan menggunakan aturan-aturan dalam basis pengetahuan yang sesuai.

b. Scheduler : akan mengontrol agenda

c. Consistency enforcer : akan berusaha memelihara kekonsistenan dalam merepresentasikan solusi yang bersifat darurat

4. Workspace

Merupakan area dalam memori yang digunakan untuk merekam kejadian yang sedang berlangsung termasuk keputusan sementara. Ada3 tipe keputusan yang dapat direkam yaitu :

a. Rencana : bagaimana menghadapi masalah

b. Agenda : aksi-aksi yang potensial yang sedang menunggu untuk dieksekusi

c. Solusi : calon aksi yang akan dibangkitkan

5. Antarmuka

Digunakan untuk media komunikasi antara user dan program

6. Subsistem penjelasan

Digunakan untuk melacak respon dan memberikan penjelasan tentang kelakukan sistem pakar secara interaktif melalui pertanyaan :

- Mengapa suatu pertanyaan ditanyakan oleh sistem pakar?

- Bagaimana konklusi dicapai?

- Mengapa ada alternatif yang dibatalkan?

- Rencana apa yang digunakan untuk mendapatkan solusi?

7. Perbaikan.

Sistem ini digunakan untuk mengevaluasi kinerja sistem pakar itu sendiri untuk melihat apakah pengetahuan-pengetahuan yang ada masih cocok untuk digunakan di masa mendatang.

4. BASIS PENGETAHUAN (KNOWLEDGE BASE)

Basis pengetahuan berisi pengetahuan-pengetahuan dalam penyelesaian masalah, tentu saja di dalam domain tertentu. Ada 2 bentuk pendekatan basis pengetahuan yang sangat umum digunakan, yaitu :

a. Penalaran berbasis aturan (Rule-Based Reasoning)

Pada penalaran berbasis aturan, pengetahuan direpresentasikan dengan menggunakan aturan berbentuk: IF-THEN. Bentuk ini digunakan apabila kita memiliki sejumlah pengetahuan pakar pada suatu permasalahan tertentu, dan si pakar dapat menyelesaikan masalah tersebut secara berurutan. Disamping itu bentuk ini juga digunakan apabila dibutuhkan penjelasan tentang jejak (langkah-langkah) pencapaian solusi.

b. Penalaran berbasis kasus (Case-Based Reasoning)

Pada penalaran berbasis kasus, basis pengetahuan akan berisi solusi-solusi yang telah dicapai sebelumnya, kemudian akan diturunkan suatu solusi untuk keadaan yang terjadi sekarang (fakta yang ada). Bentuk ini digunakan apabila user menginginkan untuk tahu lebih banyak lagi pada kasus-kasus yang hampir sama (mirip). Selain itu, bentuk ini juga digunakan apabila kita telah memiliki sejumlah situasi atau kasus tertentu dalam basis pengetahuan.

5. MOTOR INFERENSI (INFERENCE ENGINE)

Mesin inferensi adalah bagian yang mengandung mekanisme fungsi berpikir dan pola-pola penalaran sistem yang digunakan oleh seorang pakar. Mekanisme ini akan menganalisa suatu masalah tertentu dan selanjutnya akan mencari jawaban atau kesimpulan terbaik.

Secara deduktif mesin inferensi memilih pengetahuan yang relevan dalam rangka mencapai kesimpulan. Dengan demikian sistem ini dapat menjawab pertanyaan pemakai meskipun jawaban tersebut tidak tersimpulkan secara eksplisit di dalam basis pengetahuan. Mesin inferensi memulai pelacakannya dengan mencocokan kaidah-kaidah dalam basis pengetahuan dengan fakta-fakta yang ada dalam basis data.

Ada dua teknik yang dapat dikerjakan dalam melakukan inferensi, yaitu :

1. Forward Chaining

Pencocokan fakta atau pernyataan dimulai dari bagian sebelah kiri (IF dulu). Dengan kata lain, penalaran dimulai dari fakta terlebih dahulu untuk menguji kebenaran hipotesis. Gambar 2.2 menunjukkan diagram Forward chaining.

Gambar 2.2. Diagram Forward Chaining

2. Backward Chaining

Pencocokan fakta atau pernyataan dimulai dari bagian sebelah kanan (THEN dulu). Dengan kata lain, penalaran dimulai dari hipotesis terlebih dahulu, dan untuk menguji kebenaran hipotesis tersebut harus dicari fakta-fakta yang ada dalam basis pengetahuan.(Gambar 2.3)

Gambar 2.3. Diagram Backward Chaining

Kedua metode inferensi tersebut dipengaruhi oleh tiga macam penelusuran, yaitu Depth-first search, Breadth-first search dan Best-first search.

Breadth-first search, Pencarian dimulai dari simpul akar terus ke level 1 dari kiri ke kanan dalam 1 level sebelum berpindah ke level berikutnya. Gambar 2.4 menunjukkan breadth first search pada suatu pohon 2 level.

Gambar 2.4. Pohon Breadth First Search

Keuntungan BFS:

Breadth first search tidak akan menemui jalan buntu.
Jika ada 1 solusi maka breadth first search akan menemukannya. Jika terdapat lebih dari 1 solusi, maka solusi minimum akan ditemukan.

Kelemahan BFS:

1. Membutuhkan memori yang cukup besar, karena menyimpan semua simpul dalam suatu pohon.

2. Membutuhkan waktu yang cukup lama, karena akan menguji n level untuk mendapatkan solusi pada level yang ke-(n+1).

Depth-first search, Pencarian dimulai dari simpul akar ke level yang lebih tinggi. Proses ini dilakukan terus hingga solusinya ditemukan atau jika menemui jalan buntu. Gambar 2.5 menunjukkan suatu pohon depth first search.

Goal (End)

Gambar 2.5. Pohon Depth First Search

Keuntungan DFS :

Membutuhkan memori yang cukup kecil, karena hanya simpul-simpul pada lintasan yang aktif saja yang disimpan.
Secara kebetulan, pencarian mendalam pertama mungkin dapat menemukan suatu solusi tanpa harus menguji lebih banyak lagi dalam ruang keadaan.

Kelemahan DFS:

1. Metode depth first search memungkinkan tidak ditemukannya tujuan yang diharapkan.

2. Hanya akan mendapatkan 1 solusi pada setiap pencarian.

Best-first search, bekerja berdasarkan kombinasi kedua metode sebelumnya.

Dalam memilih apakah akan menggunakan pelacakan ke depan atau pelacakan ke belakang, semuanya bergantung masalah yang akan dibuat sistem pakarnya, dan belum dapat dibuktikan mana yang lebih baik di antara kedua metode inferensi ini.

Untuk sebuah sistem pakar yang besar, dengan jumlah rule yang relatif banyak, metode pelacakan ke depan akan dirasakan sangat lamban dalam pengambilan kesimpulan, sehingga untuk sistem-sistem yang besar digunakan metode pelacakan ke belakang.

BAB III

METODOLOGI PENELITIAN

A. Bahan Penelitian

Bahan yang digunakan dalam penelitian ini berupa data-data penyakit ayam yang disebabkan oleh virus yang didapatkan dari buku dan pakar (dokter hewan)

B. Alat

Dalam penelitian ini menggunakan alat-alat sebagai berikut :

Perangkat keras (Hardware)

PC Processor P III 533 MHz, RAM 128 MB, dan HD 10 GB

Perangkat lunak (Software)

Windows 98, Turbo Prolog 2.0

C. Jalan Penelitian

Tahap-tahap yang dilakukan dalam penelitian ini disesuaikan dengan tahapan pengembangan sistem pakar yang umum(Harmon & King, 1985), antara lain :

Menentukan tool atau bahasa pemrograman yang akan digunakan untuk mengimplementasi sistem
Identifikasi domain dan melakukan analisis terhadap pengetahuan, meliputi akusisi pengetahuan, representasi pengetahuan dan mekanisme inferensi
Perancangan, meliputi perancangan input dan perancangan output
Implementasi, yaitu melakukan penulisan program (pengkodean dari tahap perancangan.

1. Tahap menentukan tool atau bahasa pemrograman

Dalam penelitian ini tool atau bahasa pemrograman yang dipilih adalah Turbo Prolog 2.0. Ada beberapa hal yang menjadi pertimbangan digunakannya Turbo Prolog, pertama pemrograman turbo prolog adalah salah satu bahasa pemrograman yang bersifat deklaratif bukan prosedural. Hal ini sangat mendukung sistem dalam proses penarikan kesimpulan dengan beberapa alternatif jawaban berdasarkan data yang ada. Menurut Townsend, Carl(1986), turbo prolog sangat cocok untuk perancangan aplikasi yang membutuhkan penarikan kesimpulan formal, dan salah satu di antaranya adalah untuk aplikasi sistem pakar.

Kedua, pemrograman turbo prolog sangat tepat untuk memecahkan masalah yang tidak terstruktur dan yang prosedur pemecahannya tidak diketahui, terutama pemecahan masalah non-numerik. Di sinilah kemampuan prolog yang tidak dimiliki oleh bahasa pemrograman lain. Kelebihan lain yang tidak dimiliki oleh pemrograman lainnya adalah bahwa turbo prolog memiliki fasilitas sistem basis data internal yang bersifat dinamis. Sifat tersebut dapat dimanfaatkan untuk mengimplementasikan proses pengingatan (Herianto, 1993). Sebagai contoh, dalam proses pelacakan terhadap salah satu jenis penyakit pada ayam dan sekian penyakit ayam yang ada, ternyata ada beberapa gejala yang sama dari dua atau lebih jenis penyakit yang berbeda. Hal ini sistem tidak perlu menanyakan gejala yang sama dalam bentuk pertanyaan yang sama. Jadi cukup sekali saja pertanyaan yang sama tersebut ditanyakan, karena prolog menggunakan proses pengingatan.

Keunggulan lain yang dimiliki bahasa turbo prolog adalah dalam hal kecepatan eksekusi program. Menurut Andoko (1989) eksekusi program hasil kompilasi turbo prolog lebih cepat daripada hasil kompiler lainnya.

Penyusunan sistem pakar dalam penelitian dibuat berdasarkan konsep atau aturan-aturan pada umumnya yang digunakan pada perencanaan penyusunan sistem pakar. Hanya saja jika dilihat dari karakteristiknya ada beberapa hal yang bersifat khusus. Sistem pakar yang dibuat merupakan bentuk program berdiri sendiri, artinya paket perangkat lunak yang dirancang dalam pembuatan sistem pakar dapat dijalankan pada komputer pribadi, mini atau mainframe. Pada saat komputer dijalankan, program tersebut sepenuhnya berdiri sendiri tidak digabung dengan perangkat lunak lain.

2.1. Akuisisi Pengetahuan (Knowledge Acquisition)

Proses pengumpulan pengetahuan mengenai diagnosis penyakit ayam ini diperoleh dari seorang pakar (dokter hewan) yang dilengkapi dengan buku-buku mengenai penyakit dan kesehatan ayam. Pengetahuan yang diperoleh meliputi :

1. Gejala-gejala yang diderita ayam

2. Jenis penyakit

3. Cara pengobatannya

Pengetahuan yang diperoleh dikhususkan pada penyakit ayam yang disebabkan oleh virus.

2.2. Representasi Basis Pengetahuan

Setelah akuisisi pengetahuan berikutnya yang dilakukan adalah merepresentasikan pengetahuan yang dikumpulkan. Tujuan representasi pengetahuan adalah untuk mengembangkan suatu struktur yang akan membantu pengkodean pengetahuan ke dalam program. Dalam penelitian ini basis pengetahuan direpresentasikan dengan menggunakan kaidah produksi, yaitu berupa IF – THEN.

IFKondisi1 (AND Kondisi2 …) THEN Kesimpulan

Kaidah produksi merupakan statemen dua bagian yang disatukan menjadi sepenggal kecil pengetahuan. Kaidah bagian pertama IF yang menyatakan premis, kondisi atau antecedent, dan kaidah bagian kedua THEN yang menyatakan suatu kesimpulan atau konklusi. Pada contoh berikut diberikan beberapa inputan antecedent dan memberikan satu kesimpulan berdasarkan premis yang ada untuk menentukan jenis atau nama penyakit yang diderita pada ayam.

1) IF produksi telur turun

AND batuk

AND ayam lesu serta lemah

AND nafsu makan berkurang

AND kelumpuhan pada sayap dan kaki

AND bersih

AND berat telur turun dan ukuran tidak seragam

AND sulit bernafas

AND diare berwarna kehijau-hijauan

THEN penyakit Tetelo

2) IF produksi telur turun

AND malas bergerak dan sempoyongan

AND mengalami gejala katarak bahkan kebutaan

AND bulu rontok

AND kepala dan leher kaki

THEN penyakit Syaraf leher

Untuk menuliskan IF ….. THEN dalam bahasa prolog cukup ditulis dengan simbol “……:-……“. Berdasarkan aturan tersebut sistem akan menanyakan pada user dengan beberapa pertanyaan tentang gejala yang dialami ayam melalui suatu dialog. Adapun pemakai (user) cukup menjawab pertanyaan dengan ‘ya’ atau ‘tidak’ melalui keyboard

Untuk mempermudah dalam membuat pohon keputusan dilakukan dengan menggunakan bantuan matrik (tabel keputusan). Tabel 3.1 menunjukkan hubungan antara gejala-gejala yang diderita ayam dan jenis penyakitnya.. Matrik ini diperoleh berdasarkan pengalaman seorang pakar (dokter hewan) dan juga mengacu pada beberapa literatur.

Setelah terbentuk tabel keputusan kemudian dibuat suatu pohon keputusan untuk membantu memudahkan cara penelusuran dalam mencapai kesimpulan, seperti yang terlihat pada gambar 3.1

2.3. Mekanisme inferensi (Inference Engine)

Dalam penelitian ini sistem pelacakan yang dilakukan adalah menggunakan Backward chaining dengan metode penelusuran Depth First Search. Proses pelacakan ini bermula dari simpul akar dan bergerak ke bawah ke tingkat dalam yang berurutan. Proses ini berlangsung terus sampai kesimpulan ditemukan, atau jika menemui jalan buntu akan melacak ke belakang (backtracking). Berikut dijelaskan proses pelacakan yang dilakukan dalam penelitian ini.

Tabel 3.1 Hubungan Gejala dan jenis penyakit ayam

Gejala

P1. Mareks

P2. Busung ayam

P3. Syaraf komplek

P4. Produksi awal

P5. Anemia ayam

P6. Kerdil ayam

P7. Depresi ayam

P8. Tetelo

P9. Batuk ayam menahun

P10. Syaraf Leher

P11. Produksi telur 76

P12. Sendi lutut

P13. Flu burung/ayam

P14. Batuk darah

P15. Gumboro

P16. Cacar ayam

Jengger pucat, keriput serta kebiru-biruan

Pertumbuhan terhambat

Produksi telur menurun

Keluar air mata

Batuk

Ayam lesu serta lemah

Nafsu makan berkurang

Kelumpuhan pada sayap dan kaki

Malas bergerak dan sempoyongan

Mengalami gejala katarak bahkan kebutaan

Bersin

Berat telur turun dan ukuran tidak seragam

Hati membesar

Ngorok

Kulit telur lunak

Kulit telur terlalu kasar dan tidak rata

Diare berwarna putih

Sulit bernafas

Tumor dibawah kulit dan otot-otot

Bulu rontok

Kepala dan leher kaku

Terjadi radang pada rongga-rongga hidung

Diare

Kepala dan muka membengkak akibat bunting air atau gangguan syaraf

Bintil-bintil cacar yang menonjol pada permukaan kulit dan kepala

Pembengkakan dari sinus hingga mata

Telur tidak berwarna

Gejala pernafasan yang ringan

Kotoran semakin basah serta berwarna kehijau-hijaun

Daerah sekitar kloaka kotor

Bursa fabricius membengkak 2-3 kali ukuran normal

Ginjal membengkak dengan warna putih keabu-abuan

Pendarahan pada urat daging

Kepucatan pada selaput lendir, jengger serta kaki

Bila ayam mati akan lekas membusuk

Mengeluarkan lendir dari hidung dan mata

Berkumpul di bawah pemanas

Adanya getah radang (exudat) di rongga mulut

Adanya getah radang (exudat) di batang tenggorokan

Tenggorokan seperti tersumbat

Paruh dan bulu kelihatan berdarah

Bulu sayap tumbuh tidak beraturan dan tidak normal

Bulu seperti baling-baling

Tungkai lemah

Distensi bagian perut

Perut membesar

Pembesaran pada tulang sayap dan kaki

Penurunan berat badan

Diare berwana kehijau-hijauan

Tiba-tiba ayam berhenti bertelur

Anak ayam depresi

Pembengkakan tendon diatas sendi lutut

Gambar 3.1 Diagram Pohon Penelusuran penyakit

Misalnya terdapat suatu kesimpulan seperti pada tabel keputusan (Tabel 3.1) dan gambar pohon 3.1. Untuk kondisi (3,5,6,7,8,11,12,18,49) benar, maka mesin inferensi mengambil kesimpulan penyakit Tetelo. Untuk kondisi (3,9,10,20,21) benar, maka mesin inferensi mengambil kesimpulan penyakit Syaraf leher.

Berikut urutan dialog yang terjadi antara sistem dan user untuk penyakit Tetelo

Sistem 1. Apakah jengger pucat, keriput serta kebiru-biruan (y/t)?

User : t

Sistem 2. Apakah pertumbuhan terhambat (y/t)?

User : t

Sistem 3. Apakah produksi telur menurun (y/t)?

User : y

Sistem 5. Apakah Batuk (y/t)?

User : y

Sistem 6. Apakah ayam lesu serta lemah (y/t)?

User : y

Sistem 7. Apakah Nafsu makan berkurang (y/t)?

User : y

Sistem 8. Apakah Kelumpuhan pada sayap dan kaki (y/t)?

User : y

Sistem 11. Apakah Bersin (y/t)?

User : y

Sistem 12.Apakah berat telur turun dan ukuran tidak seragam (y/t)?

User : y

Sistem 18. Apakah sulit bernafas (y/t)?

User : y

Sistem 49. Apakah Diare berwarna kehijau-hijauan (y/t)?

User : y

Gambar 3.2 dialog konsultasi 1

Melihat urutan dialog di atas (gambar 3.2) maka penelusuran dapat digambarkan seperti pada gambar 3.3 dengan menggunakan metode penelusuran Depth First Search. Langkah penelusuran dimulai dari pertanyaan 1 dijawab t=salah, karena dijawab salah maka penelusuran diarahkan node 2 dijawab t=salah, karena node 2 dijawab salah maka prolog mencari solusi ke node 3 dijawab y=benar, diteruskan runut maju ke node dibawahnya yaitu 5 dijawab y=benar, dilanjutkan ke node 6 dijawab y=benar, diteruskan ke node 7 dijawab y=benar, dilanjutkan ke node 6 dijawab y=benar, diteruskan ke node 11 dijawab y=benar, dilanjutkan ke node 12 dijawab y=benar, diteruskan ke node 18 dijawab y=benar, dilanjutkan ke node 49 dijawab y=benar sampai mencapai kesimpulan penyakit Tetelo. Gambar 3.3 menunjukkan pohon penelusuran untuk penyakit Tetelo.

Berikut pohon penelusurannya :

Gambar 3.3. Pohon Penelusuran penyakit Tetelo

Sistem 1 Apakah jengger pucat, keriput serta kebiru-biruan (y/t)?

User : t

Sistem 2 Apakah pertumbuhan terhambat (y/t)?

User : t

Sistem 3. Apakah produksi telur menurun (y/t)?

User : y

Sistem 5. Apakah Batuk (y/t)?

User : t

Sistem 9. Apakah Malas bergerak dan sempoyongan (y/t)?

User : y

Sistem 10. Apakah mengalami gejala katarak bahkan kebutaan (y/t)?

User : y

Sistem 20. Apakah Bulu rontok (y/t)?

User : y

Sistem 21. Apakah kepala dan leher kaku (y/t)?

User : y

Gambar 3.4 Dialog konsultasi 2

Pada dialog konsultasi 2 (gambar 3.4), Langkah penelusuran dimulai dari pertanyaan 1 dijawab t=salah, penelusuran ke node 2 dijawab salah maka prolog mencari solusi ke node 3 dijawab y=benar, diteruskan runut maju ke node dibawahnya yaitu 5 dijawab t=salah, prolog mencari solusi lacak runut balik kembali ke satu level di atasnya, yaitu ke node 3, tetapi karena node 3 sudah pernah ditanyakan, pertanyaan sudah disimpan ke memori maka pertanyaan tersebut tidak dimunculkan kembali. Selanjutnya penelusuran dilanjutkan ke bagian anak cabang node lainnya yaitu node 9 dijawab = y benar, diteruskan runut maju ke node dibawahnya ke node 10 dijawab y=benar, dilanjutkan ke node 20 dijawab y=benar, diteruskan ke node 21 dijawab y=benar sampai kesimpulan penyakitnya adalah Syaraf leher. Gambar 3.5 menunjukkan pohon untuk penyakit syaraf leher.

Gambar 3.5. Pohon Penelusuran penyakit Syaraf Leher

Sistem 1 Apakah jengger pucat, keriput serta kebiru-biruan (y/t)?

User : y

Sistem 6 Apakah ayam lesu serta lemah (y/t)?

User : t

Sistem 8. Apakah kelumpuhan pada sayap dan kaki (y/t)?

User : t

Sistem 17. Apakah Diare berwarna putih (y/t)?

User : y

Sistem 50. Apakah tiba-tiba ayam berhenti bertelur (y/t)?

User : y

Gambar 3.6 Dialog konsultasi 3

Pada dialog konsultasi (gambar 3.6), node 1 = y, node 6 = t = salah, prolog mencari solusi lacak runut balik kembali ke satu level di atasnya, yaitu ke node 1, tetapi karena node 1 sudah pernah ditanyakan, pertanyaan sudah disimpan ke memori maka pertanyaan tersebut tidak dimunculkan kembali. Selanjutnya penelusuran dilanjutkan ke bagian anak cabang node lainnya yaitu node 8 dijawab = t = salah, maka prolog kembali ke node sebelumnya yaitu node 1 tetapi node 1 tidak ditanyakan lagi, prolog melanjutkan penelusuran ke bagian anak cabang node lainnya yaitu node 17 dijawab y = benar maka penelusuran diteruskan runut maju ke node dibawahnya yaitu node 50 dijawab y =benar sampai kesimpulan penyakitnya adalah Produksi Awal. Gambar 3.7 menunjukkan pohon penelusuran penyakit produksi awal.

Gambar 3.7. Pohon Penelusuran penyakit Produksi awal

3. Perancangan input dan output

Input data didisain berdasarkan masukan data berupa jawaban atas pertanyaan sistem. Disain input dirancang pada saat membangun program dan dengan fasilitas pembuatan jendela yang dimiliki oleh Turbo Prolog 2.0. Sedangkan tampilan hasil sistem berupa informasi jenis penyakit ayam dan disertai cara pengobatannya.

4. Implementasi

Sistem pakar ini diimplementasikan dengan bahasa pemrograman turbo prolog. Ciri yang menonjol dalam prolog adalah disamping mencari jawaban secara logika terhadap pertanyaan yang diberikan, juga dapat memberi jawaban lain atas semua kemungkinan jawaban.

D. Kesulitan Penelitian

Kesulitan dalam membangun sistem pakar ini adalah pada waktu merepresentasikan pengetahuan dari seorang pakar ke basis pengetahuan

Semoga dengan postingan diatas yang berjudul Contoh Makalah Program Sistem Pakar Lengkap dapat bermanfaat untuk sobatku semuanya, dan apabila berkenan cobalah untuk share contoh makalah tentang program sistem pakar ini buat temannya yang membutuhkannya, dan cobalah share di facebook ataupun media social lainnya terima kasih.