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.