Rule-based Expert System

Rule-based Expert System adalah suatu program komputer yang dapat menganalisis informasi tertentu pada memori dengan menggunakan kumpulan rule pada basis pengetahuan dan menggunakan inference engine sebagai pencarian informasi dengan tujuan memperoleh informasi baru. Sebuah Rulebased Expert System terdiri dari empat modul utama, yaitu: Knowledge Base, Working Memory, Inference Engine, User Interface.

Gambar 1. Diagram Rule-based Expert System

1. Knowledge based
Merupakan hasil akuisisi dan representasi pengetahuan dari seorang pakar. Basis pengetahuan tersusun atas fakta yang berupa informasi tentang objek, kaidah (rule) yang merupakan informasi mengenai cara bagaimana membangkitkan fakta baru dari fakta yang sudah diketahui, ide, teori, prosedur praktis, hubungan dan interaksi dalam suatu domain yang ditentukan [4]. Basis pengetahuan membentuk sumber sistem kecerdasan dan digunakan oleh mekanisme inferensi untuk melakukan penalaran dan menarik kesimpulan. Pada sistem pakar, basis pengetahuan dapat dihasilkan dari berbagai sumber, seperti buku, laporan, basis data, studi kasus, data empiris, dan pengalaman pribadi. Sumber pengetahuan yang dominan pada sistem pakar saat ini kebanyakan dari para pakar. Perancang pengetahuan biasanya memperoleh pengetahuan melalui interaksi langsung dengan para ahli.
2. Working Memory
dimodelkan sebagai memori manusia yang disimpan dalam masa yang singkat dan berisi permasalahan fakta yang ada dan memprediksi rule yang dipergunakan.
3. Inference Engine
merupakan model penalaran manusia dengan mengkombinasikan fakta-fakta yang terdapat pada memori kerja dengan cara mencocokan kaidah-kaidah yang terdapat dalam pengetahuan dasar untuk memprediksi informasi baru. Forward Chaining Forward chaining adalah strategi penarikan kesimpulan yang dimulai dari sejumlah fakta-fakta yang telah diketahui, untuk mendapatkan suatu fakta baru dengan memakai rule-rule yang memiliki ide dasar yang cocok dengan fakta dan terus dilanjutkan sampai mendapatkan tujuan atau sampai tidak ada rule yang punya ide dasar yang cocok atau sampai mendapatkan fakta. Flowchart dari Metode Forward Chaining dapat dilihat pada gambar 2.
Gambar 2. Metode forward chaining
Forward chaining menggunakan pendekatan data-driven (berorientasi data). Dalam pendekatan ini dimulai dari informasi yang tersedia, atau dari ide dasar, kemudian mencoba menggambarkan kesimpulan. Komputer akan menganalisa permasalahan dengan mencari fakta yang cocok dengan bagian IF dari aturan IF-THEN. Dalam penelitian ini dapat dikumpulkan informasi yang digunakan sebagai ide dasar, berikut rule dasar forward chaining.
Gambar 3. Rule dasar forward chaining
4. User Interface
Fasilitas ini digunakan sebagai perantara komunikasi antara pemakai dengan sistem. Komunikasi ini dapat secara baik dibawa oleh natural language, dan dalam beberapa kasus user interface ditambahkan dengan menu-menu dan grafik.