BAB 2

LANDASAN TEORI

2.1 Sistem Pakar

2.1.1 Definisi Sistem Pakar

Sistem pakar (expert system) adalah salah satu bagian dari

intelegensia semu(artificial intelligence), dimana definisi dari

Intelegensia semu itu sendiri adalah suatu bagian dari llmu komputer

yang diarahkan untuk menciptakan piranti lunak dan perangkat keras

komputer yang diusahakan agar dapat memproduksi hasil seperti yang

dihasilkan oleh manusia(Turban,1992,p3).

Sistem pakar dibangun oleh sebuah perangkat lunak komputer

yang berbasiskan pengetahuan untuk domain tertentu dengan

menggunakan penalaran inferensi menyerupai seorang pakar dalam

memecakan masalah masalah yang kompleks.

Selain sistem pakar, bidang intelegensia semu lainnya adalah

natural language processing, speech understanding, robotics and sensory

systems, computer vision and scene recognition

6

2.1.2 Karakteristik Sistem Pakar

Ada berbagai karakteristik yang membedakan sistem pakar

dengan sistem yang lainnya. Karakteristik dalam mengembangkan sistem

pakar disebutkan sebagai berikut (Arhami, 2005, pp26-27) :

a. Terbatas pada domain keahlian tertentu

Sistem Pakar dibuat untuk digunakan sebagai alat penyelesaian

untuk suatu masalah tertentu

b. Dapat memberikan penalaran untuk data-data yang tidak pasti

Informasi dalam sistem pakar tidak selalu lengkap, tidak

konsisten, subyek terus berubah dan tergantung pada kondisi

lingkungan, sehingga keputusan yang diambil bersifat tidak pasti.

c. Berdasarkan pada kaidah atau rule tertentu

d. Dirancang untuk dapat dikembangkan secara bertahap

Perubahan atau pengembangan pengetahuan dalam sistem pakar

dapat terjadi setiap saat, bahkan sepanjang waktu sehingga

diperlukan kemampuan dalam modifikasi sistem untuk

menampung jumlah pengetahuan yang semakin besar dan

semakin bervariasi.

e. Keluaran bersifat anjuran

Sistem pakar memberikan solusi yang akurat berdasarkan

masukan pengetahuan yang diterima.

f. Sistem dapat mengaktifkan kaidah secara searah yang sesuai,

dituntun oleh dialog dengan pemakai.

2.1.3 Tujuan Sistem Pakar

Sistem pakar sebagai kecerdasan buatan, menggabungkan

pengetahuan dan fakta-fakta serta teknik penelusuran untuk memecahkan

permasalahan yang secara normal memerlukan keahlian dari seorang

pakar.

Tujuan utama pengembangan sistem pakar adalah

mensubtitusikan pengetahuan dan pengalaman pakar di berbagai bidang

seperti bidang pertanian, kelautan, bisnis, pendidikan, ilmu pengetahuan,

telekomunikasi, geologi dan meteorologi, kesehatan dan pengobatan,

komunikasi dan transportasi (Jogiyanto, 2003, p3).

Tujuan sistem ini adalah mentransfer kepakaran yang dimiliki

seorang pakar (expert) ke dalam komputer, dan kemudian kepada

komputer lain atau kepada masyarakat awam nonpakar (nonexpert).

2.1.4 Bidang-bidang Pengembangan Sistem Pakar

Beberapa kategori area pengembangan sistem pakar (Jogiyanto,

2003, pp7-9), antara lain :

1. Pengendalian.

Kegiatan yang dilakukan oleh sistem pakar di bidang ini adalah

mengatur tingkah laku suatu environment yang kompleks. Contoh

pengembangannya banyak ditemukan dalam kasus pasien di rumah

sakit, di mana dengan kemampuan sistem pakar dapat dilakukan

kontrol terhadap cara pengobatan dan perawatan melalui sensor data

8

atau kode alarm dan memberikan solusi terapi pengobatan yang tepat

bagi pasien.

2. Desain.

Kegiatan yang dilakukan oleh sistem pakar di bidang ini adalah

menentukan konfigurasi komponen-komponen sistem yang cocok

dengan tujuan kinerja tertentu yang memenuhi kendala tertentu, di

antaranya adalah layout sirkuit dan perancangan pembangunan.

Contoh sistem pakar di bidang ini adalah PEACE yang dibuat oleh

Dincbas pada tahun 1980 untuk membantu desain pengembangan

sirkuit elektronik.

3. Diagnosis.

Kegiatan yang dilakukan oleh sistem pakar di bidang ini adalah

menentukan sebab malfungsi dalam situasi kompleks yang didasarkan

pada beberapa gejala yang teramati, di antaranya adalah medis,

elektronis, mekanis, dan sebagainya. Pengembangan sistem pakar

terbesar adalah di bidang diagnosis, seperti diagnosis penyakit,

diagnosis kerusakan mesin kendaraan bermotor, diagnosis kerusakan

komponen komputer dan lain-lain. Contoh program aplikasi sistem

pakar di bidang kesehatan adalah MYCIN.

4. Instruksi.

Kegiatan yang dilakukan oleh sistem pakar di bidang ini adalah

mendeteksi dan mengoreksi defisiensi dalam pemahaman domain

subjek, di antaranya adalah melakukan instruksi untuk diagnosis,

debugging, perbaikan kinerja, ilmu pengetahuan dan pendidikan.

Contohnya adalah sistem pakar untuk pengajaran bahasa Inggris,

sistem pakar untuk pengajaran astronomi dan lain-lain.

5. Interpretasi.

Kegiatan yang dilakukan oleh sistem pakar di bidang ini adalah

pengambilan keputusan atau deskripsi tingkat tinggi dari sekumpulan

data mentah, di antaranya adalah pengawasan pengenalan ucapan,

analisis citra, interpretasi sinyal, dan beberapa analisis kecerdasan.

Sistem pakar di bidang ini melakukan proses pemahaman akan suatu

situasi dari beberapa informasi yang direkam. Contohnya adalah

sistem untuk melakukan sensor gambar dan suara kemudian

menganalisisnya dan membuat suatu rekomendasi.

6. Monitoring.

Kegiatan yang dilakukan oleh sistem pakar di bidang ini adalah

membandingkan antara tingkah laku suatu sistem yang teramati

dengan tingkah laku yang diharapkan darinya. Sistem pakar di bidang

ini banyak digunakan oleh militer. Contohnya penggunaan sensor

radar kemudian menganalisis dan menentukan posisi obyek.

7. Perencanaan.

Kegiatan yang dilakukan oleh sistem pakar di bidang ini adalah

merencanakan serangkaian tindakan yang dapat mencapai sejumlah

tujuan dengan kondisi awal tertentu, di antaranya adalah perencanaan

keuangan, komunikasi, militer, pengembangan produk, routing, dan

manajemen proyek. Banyak digunakan dalam bidang bisnis dan

10

keuangan suatu proyek, di mana sistem pakar dapat membuat

perencanaan suatu pekerjaan berdasarkan jumlah tenaga kerja, biaya

dan waktu sehingga pekerjaan menjadi lebih efisien dan optimal.

8. Prediksi.

Kegiatan yang dilakukan oleh sistem pakar di bidang ini adalah

memprediksi kejadian masa mendatang berdasarkan informasi dan

model permasalahan yang dihadapi. Contohnya program yang dibuat

oleh Boulanger pada tahun 1983 dengan nama PLANT, memprediksi

tingkat kerusakan tanaman apabila terserang hama dalam jangka

waktu tertentu.

9. Seleksi.

Kegiatan yang dilakukan oleh sistem pakar di bidang ini adalah

mengidentifikasikan pilihan terbaik dari beberapa daftar pilihan

kemungkinan solusi.

10. Simulasi.

Kegiatan yang dilakukan oleh sistem pakar di bidang ini adalah

membuat pemodelan interaksi antara komponen-komponen sistem.

11. Debugging dan repair.

Kegiatan yang dilakukan oleh sistem pakar di bidang ini adalah

menentukan dan mengimplementasikan cara-cara untuk mengatasi

malfungsi, di antaranya adalah memberikan resep obat terhadap suatu

kegagalan.

2.1.5 Konsep Dasar Sistem Pakar

Sistem Pakar terdiri dari dua bagian besar, yaitu pembangunan

sistem dan konsultasi sistem. Pembangunan sistem merupakan tahap

dimana seseorang programmer atau teknikal sistem menginput

pengetahuan ahli ke dalam basis pengetahuan dari pada sistem.

Konsultasi sistem merupakan tahap di mana sistem mulai dapat

diimplementasikan dan digunakan oleh seseorang pemakai untuk

berkonsultasi(Turban,1992,p81). Struktur sistem pakar dapat dilihat pada

gambar 2.1

12

FASE KONSULTASI FASE PENGEMBANGAN

Pemakai Basis Pengetahuan :

Fakta tentang fakta dan aturan

Peristiwa khusus

Antarmuka Fasilitas Knowledge

Penjelasan Engineer

Akuisisi

Mesin Pengetahuan

Aksi yang Inferensi Pakar

Direkomendasikan

Workplace Perbaikan

Pengetahuan

Gambar 2.1 Struktur Sistem Pakar

Komponen komponen yang diperlukan untuk membangun sistem

pakar yang baik(Turban,1992,p81-85), adalah:

a) Akuisisi pengetahuan(Knowledge Acquisition).

Proses akumulasi, transfer dan transformasi keahlian dalam

menyelesaikan masalah dari sumber pengetahuan ke dalam program

komputer. Dalam tahap ini, knowledge engineer (perekayasa

pengetahuan) berusaha untuk menyerap pengetahuan yang selanjutnya

ditransfer ke dalam basis pengetahuan. Pengetahuan dapat diperoleh dari

para pakar di bidangnya, buku, jurnal, laporan penelitian, literatur dan

sebagainya. Menurut Turban (1992), terdapat tiga metode utama dalam

akuisisi pengetahuan, yaitu :

1. Wawancara.

Wawancara adalah metode akuisisi yang paling banyak digunakan.

Metode ini melibatkan pembicaraan secara langsung dengan pakar.

2. Analisis protokol.

Dalam metode akuisisi ini, pakar diminta untuk melakukan suatu

pekerjaan dan mengungkapkan proses pemikirannya dengan

menggunakan kata-kata. Pekerjaan tersebut direkam, ditulis, dan

dianalisis.

3. Observasi pada pekerjaan pakar.

Dalam metode ini, pekerjaan dalam bidang tertentu yang dilakukan

pakar direkam dan diobservasi.

Akuisisi pengetahuan dilakukan sepanjang proses pembangunan

sistem. Menurut Firebaugh (1989), proses akuisisi pengetahuan dibagi ke

dalam enam tahap, yaitu :

1. Tahap identifikasi.

Tahap identifikasi meliputi penentuan komponen kunci dalam sistem

yang sedang dibangun. Komponen kunci ini adalah knowledge

14

engineer, pakar, karakteristik masalah, sumber daya, dan tujuan.

Knowledge engineer dan pakar bekerja bersama untuk menentukan

berbagai aspek masalah seperti lingkup dari proyek, data input yang

dimasukkan, bagian-bagian penting, dan kesulitan yang mungkin

terjadi dalam pembangunan sistem.

2. Tahap konseptualisasi.

Konsep kunci dan hubungannya yang telah ditentukan pada tahap

pertama dibuat lebih jelas dalam tahap ini.

3. Tahap formalisasi.

Tahap ini meliputi pemetaan konsep kunci, submasalah, dan bentuk

aliran informasi yang telah ditentukan dalam tahap-tahap sebelumnya

ke dalam representasi formal yang paling sesuai dengan masalah yang

ada.

4. Tahap implementasi.

Tahap ini meliputi pemetaan pengetahuan dari tahap sebelumnya

yang telah diformalisasi ke dalam skema representasi pengetahuan

yang dipilih.

5. Tahap pengujian.

Setelah prototip sistem yang dibangun dalam tahap sebelumnya

berhasil menangani dua atau tiga contoh, prototip sistem tersebut

harus menjalani serangkaian pengujian dengan teliti menggunakan

beragam sampel masalah. Masalah-masalah yang ditemukan dalam

pengujian ini biasanya dapat dibagi ke dalam tiga kategori, yaitu

kegagalan input/output, kesalahan logika, dan strategi kontrol.

6. Revisi prototip.

Suatu unsur penting pada semua tahap dalam proses akuisisi

pengetahuan adalah kemampuan untuk kembali ke tahap-tahap

sebelumnya untuk memperbaiki sistem.

b) Antar Muka pengguna(User Interface)

Sistem Pakar menyediakan antar muka pemakai yang komunikatif

antara komputer dan pemakai untuk tanya

jawab(dialog),dilengkapi dengan menu dan grafik. Sistem pakar

mengambil kesimpulan berdasarkan jawaban-jawaban dari hasil

dialog.

c) Fasilitas Penjelasan(Explanation Facility)

Biasanya pada saat pertama kali menggunakan sistem pakar, para

pemakai akan terkejut akan kecepatan sistem pakar dalam

pengambilan keputusan. Rasa terkejut ini akan berkembang

menjadi rasa tidak percaya pada kebenaran kesimpulan yang

diambil. Untuk itulah diperlukan fasilitas untuk menjelaskan

bagaimana prosesnya sampai kesimpulan tersebut diperoleh.

Biasanya fasilitas ini diberikan dengan cara memperlihatkan

’aturan-aturan’ yang digunakan dalam sistem.

d) Basis Pengetahuan (Knowlege Base)

mengandung pengetahuan untuk pemahaman, formulasi, dan

penyelesaian masalah. Komponen sistem pakar ini disusun atas

dua elemen dasar, yaitu fakta dan aturan. Fakta merupakan

16

informasi mengenai obyek dalam area permasalahan tertentu,

sedangkan aturan merupakan informasi mengenai cara

memperoleh fakta baru dari fakta yang telah diketahui.

e) Mesin Inferensi(Inference Engine)

Bagian dari sistem pakar yang melakukan penalaran mengenai

informasi yang ada dalam basis pengetahuan dan workplace

dengan menggunakan isi daftar aturan berdasarkan urutan dan

pola tertentu. Selama proses konsultasi antara pemakai dan

sistem, mesin inferensi menguji aturan satu demi satu sampai

kondisi aturan itu benar. Saat tiap aturan diuji, sistem pakar akan

mengevaluasi apakah kondisinya benar atau salah. Jika

kondisinya benar, maka aturan itu disimpan kemudian aturan

berikutnya diuji. Sebaliknya jika kondisinya salah, aturan itu tidak

disimpan dan aturan berikutnya diuji

f) Sistem Perbaikan Pengetahuan(Knowledge Refining System).

tempat dimana program menganalisis penyebab kesuksesan dan

kegagalan sistem berdasarkan kemampuan pakar dalam

menganalisis dan meningkatkan kinerjanya

g) Area Memori Kerja(WorkPlace)

Area memori kerja digunakan untuk menyimpan deskripsi

masalah yang diperoleh dari input,hipotesa,dan keputusan dari

sistem. Tiga jenis keputusan yang disimpan adalah:

1. rencana,bagaimana mengatasi masalah

2. agenda,aksi potensial yang akan dieksekusi

3. solusi,hipotesa terakhir untuk pemecahan

2.1.6 Faktor Manusia dalam Sistem Pakar

Menurut Turban(1992,p85-86),paling sedikit ada dua manusia

atau lebih yang terlibat dalam dua pengembangan sistem pakar.

Minimal terdapat seorang pakar dan seorang pengguna. Seringkali

juga terdapat seorang knowledge engineer dan seorang sistem builder.

• Pakar

Pakar adalah seorang ahli dalam bidangnya, adalah seorang

yang mempunyai pengetahuan khusus, berpengalaman, dan

mempunyai kemampuan untuk mengembangkan pengetahuan

yang dimilikinya. Untuk memecahkan masalah dengan cara

memberi saran. Pakar juga mengetahui fakta mana yang

penting dan tidak penting serta mengerti hubungan yang ada

di antara fakta tersebut.

• Perekayasa Pengetahuan (Knowledge Engineer).

Seorang knowledge engineer adalah membantu pakar dalam

menyusun bidang permasalahan dengan menafsirkan dan

menggabungkan jawaban pakar ke dalam pertanyaan

pertanyaan,menggambarkan persamaannya,memberikan

contoh bantu dan mengmebangkannya menjadi konsep yang

jelas.

18

• Sistem Builder

Seorang yang membuat sistem pakar dari konsep

gambaran,pertanyaan, dan contoh bantu yang diberikan sistem

engineer.

• Pengguna(User)

Umumnya sistem dasar komputer dikembangkan pada model

seorang pengguna. Pada dasarnya sebuah sistem pakar

mempunyai beberapa jenis pengguna, yaitu:

Pengguna yang tidak ahli meminta saran secara

langsung, dalam hal ini sistem pakar berfungsi sebagai

konsultan atau penasehat

Seorang pelajar yang ingin belajar, sistem pakar

berfungsi sebagai seorang guru.

Seorang pengembang sistem pakar yang ingin

memperbaiki atau meningkatkan basic

pengetahuan,dalam hal ini sistem pakar berfungsi

sebagai partner.

Pengguna tidak harus ahli dalam komputer dan bisa kurang

pengetahuannya dalam bidang masalah yang dipecahkan. Bagaimanapun

juga, seorang pengguna harus mempunyai keinginan untuk membuat

keputusan menjadi lebih baik, lebih mudah, dan lebih cepat menggunakan

sistem pakar.

2.1.7 Keuntungan dan Kekurangan Sistem Pakar

Ada banyak keuntungan dalam penggunaan sistem pakar (Desiani

dan Arhami, 2006, pp11-12), di antaranya adalah :

1. Mempermudah pencarian pengetahuan dan solusi yang diperlukan.

Menyediakan sistem pakar untuk menjawab permasalahan lebih

mudah daripada menyediakan pakar.

2. Meningkatkan output dan produktivitas.

Bertambahnya efisiensi pekerjaan dalam hal penghematan waktu dan

tenaga.

3. Menyimpan kemampuan dan keahlian pakar.

Pengetahuan yang disimpan pada sistem pakar tidak akan hilang

selama didukung oleh maintenance dengan baik. Sedangkan

pengetahuan pakar seorang manusia lambat laun akan hilang

dikarenakan pakar tersebut lupa, meninggal, atau tidak bekerja lagi.

4. Meningkatkan penyelesaian masalah.

Solusi yang didapat dari sistem pakar merupakan pilihan yang terbaik

yang berasal dari analisis pakar.

5. Meningkatkan reliabilitas.

6. Dapat bekerja dengan informasi yang kurang lengkap dan

mengandung ketidakpastian.

7. Masyarakat awam nonpakar dapat memanfaatkan keahlian pakar di

dalam bidang tertentu tanpa kehadiran langsung seorang pakar.

8. Dapat memecahkan masalah yang kompleks.

20

9. Memberikan penyederhanaan solusi untuk kasus-kasus yang

kompleks dan berulang-ulang.

10. Memungkinkan untuk melakukan kombinasi penggabungan

pengetahuan pakar dari berbagai bidang.

11. Dapat digunakan setiap saat.

Sistem pakar siap digunakan kapanpun, sedangkan manusia tidak

mungkin dapat bekerja tanpa istirahat.

12. Dapat digunakan di berbagai tempat.

Sistem pakar merupakan suatu perangkat lunak yang dapat

diperbanyak, kemudian dibagikan ke berbagai lokasi, tidak seperti

manusia yang hanya bisa berada di suatu tempat dalam suatu waktu

tertentu.

13. Biaya yang dikeluarkan untuk menggunakan program aplikasi sistem

pakar lebih murah daripada biaya konsultasi dengan seorang pakar.

14. Keamanan.

Suatu sistem pakar dapat diberi pengamanan untuk menentukan siapa

saja yang mempunyai hak akses untuk menggunakannya dan jawaban

yang diberikan oleh sistem terbebas dari proses intimidasi atau

ancaman, sedangkan seorang pakar bisa saja mendapat ancaman atau

tekanan pada saat menyelesaikan masalah.

Selain keuntungan yang disebutkan di atas, sistem pakar juga

memiliki kekurangan seperti halnya sistem lain, di antaranya adalah :

1. Pengetahuan tidak selalu tersedia, dikarenakan kadang kala pakar dari

masalah yang kita miliki tidak ada.

2. Pendekatan yang dimiliki oleh setiap pakar dapat berbeda-beda.

3. Solusi yang didapat dari sistem pakar tidaklah selalu benar. Maka itu

perlu diuji ulang secara teliti sebelum digunakan.

4. Sistem pakar bekerja dengan lebih baik hanya jika berada pada ruang

lingkup yang sempit.

2.1.8 Keuntungan Sistem Pakar bagi Perusahaan

Perusahaan yang menerapkan sistem pakar dapat

mengharapkan(McLeod,1995,p127):

1. Kinerja Perusahaan yang lebih baik. Karena manajer perusahaan

memiliki kemampuan yang lebih luas dalam memecahkan

masalah melalui penggunaan sistem pakar, mekanisme

pengendalian perusahaan meningkat. Perusahaan lebih mampu

memenuhi tujuannya.

2. Mempertahankan pengendalian atas pengetahuan perusahaan.

Sistem pakar memberikan kesempatan untuk membuat

pengetahuan pegawai yang berpengalaman tersedia untuk

pegawai yang baru dan kurang berpengalaman serta menyimpan

pengetahuan itu dalam perusahaan lebih lama,bahkan setelah

pegawai tersebut berhenti.

2.1.9 Teknik Inferensi

Inferensi atau pelacakan merupakan salah satu teknik untuk

menyelesaikan permasalahan di dalam kecerdasan buatan. Inferensi

22

adalah proses mencari solusi dari suatu permasalahan melalui

sekumpulan kemungkinan yang ada. Ada dua macam arah dalam teknik

pencarian (Turban, 1992, p65), yaitu :

1. Pelacakan ke depan(forward chaining)

Merupakan proses data yang mulai berjalan ketika

informasi tertentu diletakkan oleh pengguna. Tanda-tanda atau

kunci-kunci keberhasilan akan terkumpul dengan sendirinya

ketika mengarah ke kesimpulan

Dalam pelacakan ini, aturan diuji satu demi satu dalam

urutan tertentu. Sistem pakar bertujuan untuk mengecek bagian

dari aturan tersebut apakah kondisinya salah atau benar. Jika

kondisinya benar, aturan itu dijalankan dan aturan berikutnya

diuji. Saat kondisinya salah atau aturannya tidak diketahui, aturan

tersebut tidak akan dijalankan, kemudian aturan berikutnya yang

akan diuji

Aturan C Kesimpulan 1

Fakta 1

Aturan A Aturan D Kesimpulan 2

Observasi 1 Fakta 2

Aturan B Aturan E Kesimpulan 3

Observasi 2 Fakta 3 Kesimpulan 4

Gambar 2.2 Diagram Forward Chaining

2. Pelacakan ke belakang(Backward-chaining)

Backward chaining merupakan strategi pencarian arah

tujuan. Dimulai dari tujuan dan bekerja dari arah belakang atau

hasil. Prosesnya dimulai dari hipotesis kemudian pencarian

dimulai untuk menentukan dan membuktikan fakta-fakta

pendukung yang diperlukan. Proses akan berakhir dengan

penerimaan atau penolakan hipotesis.

Dalam pelacakan ini, akan dipilih satu aturan dari

kesimpulan dan menganggapnya sebagai masalah yang harus

diselesaikan. Setelah masalah tersebut diselesaikan, akan dipilih

salah satu dari sub masalah untuk dievaluasi dan sub masalah

yang terpilih itu kemudian menjadi sub masalah baru.

Sebagai contoh diberikan dua acuan,misalnya: suatu saat

anda ingin menuju ke Jakarta dari Semarang, dimana tidak ada

penerbangan langsung antara kedua kota tersebut. Maka untuk itu

anda berusaha menemukan rantai penerbangan sehingga anda

dapat memulai suatu penerbangan dari Semarang dan kemudian

dapat mengakhirinya dengan penerbangan ke Jakarta. Hal ini

dapat dilakukan dengan dua cara:

1) Anda memulainya dengan mencari penerbangan yang

menuju jakarta dan menandai kota dimana asal

penerbangan. Kemudian temukan penerbangan yang

menuju kota tersebut dan temukan kota asal

penerbangannya Semarang. Kontrol kerja pelacakan ini

24

berdasarkan tujuan, artinya kita bekerja mundur, yang

disebut backward-chaining

2) Anda memulainya dengan daftar semua penerbangan yang

meninggalkan Semarang dan menandai semua kota

tujuan. Kemudian mencari semua penerbangan dari kota

tersebut dan menandai juga kota tujuan. Ulangi proses

sampai ditemukan kota jakarta. Kontrol kerja proses ini

maju mulai dari asal menuju tujuan artinya bekerja ke

depan, yang disebut forward-chaining

Observasi 1

Aturan A Fakta 1

Observasi 2 Aturan D

Aturan B Fakta 2 Kesimpulan

Observasi 3 Aturan E

Aturan C Fakta 3

Observasi 4

Gambar 2.3 Diagram Backward Chaining

2.2 Teori Pohon Keputusan(Decision Tree)

2.1.1 Definisi Pohon Keputusan(Decision Tree)

Decision tree adalah salah satu metode klasifikasi yang paling populer

karena mudah untuk diinterpretasi oleh manusia. Decision tree adalah model

prediksi menggunakan struktur pohon atau struktur berhirarki. Konsep dari

decision tree adalah mengubah data menjadi pohon keputusan dan aturan-aturan

keputusan. Manfaat utama dari penggunaan decision tree adalah kemampuannya

untuk mem-break down proses pengambilan keputusan yang kompleks menjadi

lebih simpel sehingga pengambil keputusan akan lebih menginterpretasikan

solusi dari permasalahan.

2.1.2 Kelebihan dan Kekurangan Decision tree

Kelebihan dari metode decision tree adalah:

• Daerah pengambilan keputusan yang sbelumnya kompleks dan sangat

global, dapat diubah menjadi lebih simpel dan spesifik.

• Eliminasi perhitungan-perhitungan yang tidak diperlukan, karena ketika

menggunakan metode decision tree maka sample diuji hanya berdasarkan

criteria atau kelas tertentu.

• Fleksibel untuk memilih features dari internal nodes yang berbeda, feature

yang terpilih akan membedakan suatu criteria dibandingkan criteria yang

lain dalam node yang sama. Kefleksibelan metode decision tree ini

meningkatkan kualitas keputusan yang dihasilkan jika dibandingkan ketika

menggunakan metode penghitungan satu tahap yang lebih konvensional.

• Dalam analisis multivariat, dengan kriteria dan kelas yang jumlahnya sangat

banyak, seorang penguji biasanya perlu untuk mengestimasikan baik itu

distribusi dimensi tinggi ataupun parameter tertentu dari distribusi kelas

tersebut. Metode decision tree dapat menghindari munculnya permasalahan

ini dengan menggunakan criteria yang jumlahnya lebih sedikit pada setiap

node internal tanpa banyak mengurangi kualitas keputusan yang dihasilkan.

26

Kekurangan metode decision tree, yaitu:

• Terjadi overlap terutama ketika kelas-kelas dan criteria yang digunakan

jumlahnya sangat banyak. Hal tersebut juga dapat menyebabkan

meningkatnya waktu pengambilan keputusan dan jumlah memory yang

diperlukan.

• Pengakumulasian jumlah error dari setiap level dalam sebuah pohon

keputusan yang besar.

• Kesulitan dalam mendesain decision tree yang optimal. Hasil kualitas

keputusan yang didapatkan dari metode decision tree sangat tergantung pada

bagaimana pohon tersebut didesain.