Download Teknologi Artificial Intelligence Dalam Pengelolaan Sumber Daya

Teknologi Artificial Intelligence Dalam Pengelolaan
Sumber Daya Alam
S. P. Hariningsih
Abstract : Artificial intelligence technique is a wonder in a computer’s world, A shadows that
computers will totally replace human is a never ending argumentation, with all controversial,
however, many appliances of artificial intelligence already practically used and the most popular
one is an expert system.
In Indonesia, now is a perfect time to use an expert system in many things, such as expert system
as a problem solving to manage natural resources.
Knowledge representation onto expert system could hold important behaviors of a problem then
produce information in order to access by problem solving procedure. Physical symbol system
hypothesis is a prior basic for an expert system’s research and application. Defining structure
and symbol operation were needed in solution of Intelligence problem and the development
strategy of search process that work efficiently and precisely to get the potential solution were
produce by operation structure. Both of it are important for modern research of artificial
intelligence as a representation of knowledge and the search process.
Keywords : Artificial intelligence, Expert System, Neural Network, Database
Latar Belakang
Pembahasan mengenai sumber daya alam (natural resources), mulai dari perkembangan teknologinya sampai
kepada bagaimana cara pengelolaannya merupakan hal yang harus mendapat perhatian dari Negara. Potret buram
tentang banyaknya bencana alam yang terjadi di berbagai daerah yang menelan banyak korban jiwa manusia,
hewan maupun harta benda. Dari potret tersebut mencerminkan belum optimalnya kita sebagai bangsa dalam
mengelola sumber daya alam.
Pada era globalisasi seperti saat ini, telah terjadi perkembangan pesat dalam bidang ilmu pengetahuan dan
teknologi, khususnya teknologi komputer dan komunikasi atau sering disebut dengan era informasi. Jika pada
mulanya komputer digunakan hanya sekedar sebagai alat penghitung, maka desawa ini mesin komputer telah
mampu menggantikan peran atau tugas-tugas rumit yang dilakukan oleh manusia, bahkan sanggup menirukan
proses biologis manusia dalam pengambilan keputusan.
S. P. Hariningsih adalah Dosen Fakultas Ilmu Komputer UDINUS Semarang
107
108
Techno.COM, Vol. 7 No. 2, Agustus 2008
Teknik untuk membuat komputer mampu mengolah pengetahuan ini disebut teknik kecerdasan buatan (artificial
intelligence technique). Dengan pendekatan ini manusia mencoba membuat komputer dapat berfikir seperti cara
yang dipakai manusia dalam memacahkan masalah.
Persoalan yang dapat diselesaikan oleh mesin cerdas salah satunya adalah analisa problematika, yaitu pemecahan
permasalahan secara umum. Pada komputer standar hanya dapat menyelesaikan persoalan yang telah diprogram
secara spesifik. Sebaliknya, kecerdasan buatan dapat memungkinkan komputer untuk berpikir. Dengan cara
menyederhanakan program, kecerdasan buatan dapat menirukan proses belajar manusia sehingga informasi baru
dapat diserap dan digunakan sebagai acuan dimasa-masa yang akan datang. Manusia dapat menyerap informasi
baru tanpa perlu mengubah atau mempengaruhi informasi lain yang telah tersimpan.
Can machine think? Demikian pertanyaan yang muncul seiring dengan berkembangnya bidang kecerdasan buatan
(artificial intelligence). Pertanyaan lain yang akan muncul, mampukah sistem pakar tersebut memberi kontribusi
nyata didalam pengelolaan sumber daya alam? Untuk menjawab pertanyaan tersebut, didalam artikel ini akan
dibahas secara cermat tentang teknologi berbasis pengetahuan (knowledge based expert system), mulai dari
perkembangan teknologinya sampai pada aplikasinya pada pengelolaan sumber daya alam.
Definisi Expert System
Sistem pakar adalah sebuah tejnik inovatif baru dalam menangkap dan memadukan pengetahuan. Kekuatannya
terletak pada kemampuannya memecahkan masalah-masalah praktis pada saat sang pakar berhalangan.
Kemampuan sistem pakar ini karena didalamnya terdapat basis pengetahuan yang berupa pengetahuan non formal
yang sebagian besar berasal dari pengalaman, bukan dari text book.
Pada tahun 1956, mulai diperkenalkan istilah kecerdasan buatan (AI) yang kemudian ditegaskan lagi pada tahun
1961 oleh suatu tulisan marvin Minsky dari MIT tentang Step To Wards AI. Semenjak itu istilah AI menjadi
semakin populer dan kemajuan bidang AI ini mencapai puncaknya dengan munculnya pengetahuan tentang
sistem pakar.
Didalam perspektif pengetahuan dan teknologi, sistem cerdas merupakan bagian dari bidang intelligence semu.
Istilah expert system berasal dari knowledge base expert system (sistem cerdas berbasis pengetahuan), dimana
suatu sistem yang menggunakan pengetahuan manusia (human knowledge) yang dimaksukkan kedalam komputer
untuk memecahkan masalah yang umumnya memerlukan keahlian seorang pakar atau ahli. Atau dapat juga
dikatakan, sebuah program komputer yang menggunakan pengetahuan dan teknik inferensi (pengambilan
kesimpulan) untuk memecahkan masalah seolah-olah dilakukan oleh seorang pakar.
Berbeda dengan program komputer biasa, sistem cerdas dapat digunakan untuk memecahkan masalah yang tidak
terstruktur dan dimana tidak ada suatu prosedur tertentu untuk memecahkan masalah tersebut. Sedangkan definisi
pengetahuan (knowledge) menurut Webster’s New Dictionary of the American Language: persepsi tentang
sesuatu yang jelas dan tentu, semua yang telah dirasakan dan diterima oleh otak, serta merupakan informasi
terorganisasi yang dapat diterapkan untuk penyelesaian masalah.
Teknologi Artificial Intellegence (S.P.Hariningsih)
109
Penggunaan knowledge based expert system ini tidak menjamin solusi yang lebih akurat, tetapi paling tidak
mampu menghasilkan keputusan-keputusan yang didasari informasi relatif lebih banyak atau terstruktur. Sesuai
dengan namanya, suatu sistem pakar akan sangat tergantung pada pengetahuan (knowledge) yang didapat dari
pakar yang menyumbangkan keahlian dan pengalamannya.
Biasanya sistem cerdas dapat dibagi menjadi beberapa bagian, antara lain :
1. Basis Pengetahuan (knowledge base) berisi pengetahuan yang spesifik mengenai domain tertentu yang mana
basis pengetahuan ini dapat diperbaharui sesuai dengan tingkat kemampuan seorang expert terhadap
pemecahan suatu masalah.
2. Mesin inferensi (inference engine), suatu program yang bertugas mengolah data masukan sesuai pengetahuan
dalam basis pengetahuan, menurut kaidah-kaidah tertentu.
3. Bagian kendali (user interface), bagian yang berkomunikasi langsung dengan pengguna (user) sistem. Ada
dua macam mesin inferensi, yaitu yang bersifat pasti (deterministik) dan kemungkinan (probabilistik).
Struktur dari sistem cerdas diperlihatkan pada gambar 1.
Mesin Inferensi (Inference Engine)
Solusi
Pengguna
(user)
Fakta
Antar Muka Pengguna
(user)
Fakta
Basis Pengetahuan
(knowledge based)
Fakta
Pakar
(expert)
Transformasi Pengetahuan
Gambar 1. Struktur sistem cerdas (Expert System)
Sistem konvensional yang berlandaskan logika konvensional berdasarkan pada dua keadaan benar atau salah (true
or false), ternyata kurang serasi untuk mengadopsi cara berpikir manusia yang banyak mengandung hal ketidak
pastian (uncertainly), proses belajar (learning process), penalaran, sifat adaptif dan sebagainya. Cara penalaran
otak manusia tidaklah sama dengan komputer, karena komputer menalar dengan langkah yang pasti. Sedangkan
manusia menalar dengan istilah sehari-hari, misalnya udara sejuk, airnya hangat, kecepatannya rendah dan
lainnya.
Banyak hal yang bersifat tidak linear, yang susah diformulasikan secara matematis, namun sangat mudah
dilakukan dengan perintah manusia biasa. Sedangkan sistem cerdas, seperti logika fuzzy yang pertama kali
110
Techno.COM, Vol. 7 No. 2, Agustus 2008
ditemukan oleh Lothfi A Zadeh pada tahun 1965 telah mampu mengatasi masalah tersebut, karena menurut logika
tersebut segala sesuatu tidaklah dapat dikatakan 100% benar atau 100% salah, namun fungsi keanggotaannya
dalam suatu himpunan dapat bervariasi antara 0(no) dan 1 (yes). Sehingga beberapa variabel yang telah
disebutkan dapat diubah menjadi variabel numerik dan sebaliknya oleh logika fuzzy. Secara umum, sistem
konvensional fokus pada pemrosesan informasi. Sedangkan sistem cerdas berfokus kepada pemrosesan
pengetahuan (knowledge processing).
Representasi pengetahuan dimaksudkan untuk menangkap sifat-sifat penting problema dan membuat informasi
tersebut dapat diakses oleh prosedur pemecahan problema. Bahasa representasi harus dapat membuat seorang
pemrogram mampu mengekspresikan pengetahuan yang diperlukan untuk mendapatkan solusi problema.
Ekspresitivitas dan efisiensi merupakan dimensi utama dalam melakukan evaluasi bahasa-bahasa representasi
pengetahuan.
Kelebihan dan Kekurangan Expert System
Pemanfaatan sistem pakar digunakan baik pada aplikasi bisnis maupun aplikasi lainnya. Aplikasi sistem pakar
didalam pengelolaan sumber daya alam masih relatif baru dan merupakan pendekatan yang ditujukan untuk
menangani masalah problema kualitatif, lebih dititik beratkan pada sebab akibat daripada proses penghitungan.
Serta lebih diarahkan pada pengaturan sejumlah besar pengetahuan yang bervariatisi daripada diimplementasikan
pada algoritma tunggal dan mapan. Salah satu tujuan jangka panjang kecerdasan buatan adalah pembuatan
program yang memiliki kemampuanuntuk memahami bahasa manusia.
Sistem pakar digunakan untuk menyelesaikan masalah-masalah didalam pengembangan teknologi pengelolaan
sumber daya alam. Hal ini karena sistem pakar memberikan banyak kelebihan. Akan tetapi perlu juga diketahui
bahwa seperti halnya sistem yang lainnya, selain memberikan banyak kelebihan, sistem pakar juga mempunyai
beberapa kelemahan.
Kelebihan dalam sistem pakar adalah sebagai berikut :
1. membuat seorang yang awam bekerja seperti layaknya seorang pakar.
2. meningkatkan produktivitas akibat meningkatnya kualitas hasil pekerjaan, meningkatnya kualitas kualitas
pekerjaan ini disebabkan meningkatnya efisiensi kerja.
3. menghemat waktu kerja.
4. menyederhanakan pekerjaan.
5. merupakan arsip yang terpercaya dari sebuah keahlian, sehingga bagi pemakai sistem pakar akan seolah-olah
berkonsultasi langsung dengan sang pakar.
6. memperluas jangkauan, dari keahlian seorang pakar. Dimana sebuah sistem pakar yang telah dilaksanakan,
akan sama saja artinya dengan seorang pakar yang tersedia dalam jumlah besar, dapat diperoleh dan dipakai
dimana saja.
Teknologi Artificial Intellegence (S.P.Hariningsih)
111
Kekurangan dari sistem pakar, adalah sebagai berikut :
1. sistem pakar hanya dapat menangani pengetahuan yang konsisten. Sistem pakar dirancang dengan aturanaturan yang hasilnya sudah pasti dan konsisten sesuai dengan alur diagram pohonnya. Untuk pengetahuan
yang cepat berubah-ubah dari waktu ke waktu, ,aka knowledge base di sistem pakar harus selalu diubah
(diperbaharui), tentu cukup merepotkan.
2. sistem pakar tidak dapat menangani hal yang bersifat judgement. Sistem pakar memberikan hasil yang pasti,
sehingga keputusan akhir pengambilan keputusan jika melibatkan kebijaksanaan dan institusi masih tetap di
tangan manajemen.
3. format knowledge base sistem pakar terbatas. Knowledge base pada sistem pakar berisis aturan-aturan (rules)
yang ditulis dalam bentuk statemen if-then.
Expert System dalam Pengelolaan Sumber Daya Alam
Pengembanganga teknologi telekomunikasi khususnya penginderaan jarak jauh melalui ruang angkasa, mampu
menyediakan berbagai sensor dan platform. TeknIk penginderaan jarak jauh dan teknik pengolahan data (digital
image processing) memungkinkan untuk mengoleksi, analisa dan interpretasi data secara cepat dan efisien.
Saat ini, teknik penginderaan jarak jauh yang dilengkapi dengan teknik pengolahan data telah banyak
diaplikasikan didalam pengelolaan sumber daya alam. Teknik ini berbasis pada pemrosesan informasi
(information processing) dengan pendekatan statistik yang oleh para ahli biasa disebut sistem konvensional.
Dalam perjalannya, ditemukan begitu kompleksnya permasalahan yang dihadapi didalam pengelolaan sumber
daya alam, sehingga menyebabkan keterbatasan sistem konvensional dalam penerapannya. Untuk itu dengan
dilandasi kesadaran tinggi, para ahli berupaya keras untuk mengembangkan teknologi baru yang mampu memberi
kontribusi didalam memecahkan permasalahan yang dihadapi oleh sistem konvensional diatas.
Kehadiran teknologi knowledge based expert system yang pengembangannya berfokus pada pemrosesan
pengetahuan (knowledge processing), merupakan suatu paradigma baru didalam memberi solusi pengelolaan
sumberdaya alam.
Blok diagram modul pengembangan sistem berbasis pengetahuan sebagai kontribusi yang mampu memberi nilai
tambah didalam solusi pengelolaan sumber daya alam, terlihat pada gambar 2.
Object
Identification
* Pattern Recognition
a. Remote Sensing
b. Rapid Mapping
Object
Identification
Object
Identification
* Dynamic Model
* Intelligent DSS
a. Mathematic Numeric a. Cost minimizing objective
Function
b. Knowledge Based
model.
Gambar 2. Blok Diagram Modul Expert System dalam pengelolaan SDA
Techno.COM, Vol. 7 No. 2, Agustus 2008
112
Identifikasi obyek (object identification) merupakan suatu teknik utuk mengidentifikasi obyek di permukaan bumi
dengan menggunakan satelit pengindera jauh. Proses klasifikasi dapat dilakukan mengunakan pendekatan fuzzy
neural network model. Parameter-parameter jaringan saraf (artificial neural network) diestimasi dengan proses
pembelajaran (learning process) secara supervisi untuk daerah yang telah diketahui (known sites).
Parameter-parameter yang sudah diestimasi selanjutnya digunakan untuk mengidentifikasi jenis-jenis obyek,
seperti hutan, sumber daya air lahan pertanian, sumber daya laut, mineral dan lainnya. Pada tahapan pemodelan
(modeling stage), obyek yang telah diidentifikasi digunakan untuk kalibrasi model matematika, model berbasis
pengetahuan dan keluarannya merupakan model estimasi untuk pengelolaan dan perencanaan sumber daya alam.
Sedangkan tahap optimasi (optimation stage) merupakan tahapan untuk pemanfaatan optimal dari sumberdaya
alam, untuk itu perlu dikembangkan suatu sistem pendukung keputusan secara cerdas (intelligent decision support
system) denganmemformulasikan sebuah fungsi obyektif biaya minimum (cost minimizing objective function),
serta bermanfaat secara ekonomis. Integrasi dari ketiga tahapan tersebut terlihat pada gambar 2, merupakansuatu
proses pendekatan dalam memberi solusi penyelesaian permasalahan sumber daya alam.
Pengembangan Sistem Pakar
Sebuah sistem pakar terdiri atas komponen-komponen sebagai berikut :
a. Basis pengetahuan (knowledge base)
b. Basis data (data base)
c. Mesin Inferensi (Inference Engine)
d. Antar muka pemakai (User Interface).
Basis Pengetahuan
Kaidah - fakta
Memori Kerja
Basis
data
Mesin Inferensi
Inferensi - Kontrol
Sub Sistem Penerimaan
Pengetahuan
Subsistem
Penjelasan
Media Komunikasi
Pemakai
Pakar
Gambar 3. Hubungan komponen-komponen utama dalam sistem pakar
Teknologi Artificial Intellegence (S.P.Hariningsih)
113
Basis Pengetahuan
Basis pengetahuan merupakan inti program sistem pakar dimana basis pengetahuan ini merupakan representasi
pengetahuan (knowledge Representation) dari seorang pakar. Ada beberapa alasan dalam memilih teknik
representasi pengetahuan, antara lain :
a. Kemampuan representasi, artine teknik yang dipilih harus mampu merepresentasikan semua jenis pengetahuan
yang akan dimasukkan ke dalam sistem pakar.
b. Kemudahan dalam penalaran, artinya teknik yang dipilih harus mudah diproses untuk memperoleh
kesimpulan.
c. Efisiensi proses akuisisi, artinya teknik yang dipilih harus membantu pemindahan pengetahuan dari pakar
kedalam komputer.
d. Efisiensi proses penalaran, artinya teknik yang dipilih harus dapat diproses dengan efisien untuk mencapai
kesimpulan.
Basis Data
Basis data adalah bagian yang mengandung semua fakta-fakta, baik fakta awal pada saat sistem mulai beroperasi
maupun fakta-fakta yang didapatkan pada saat pengambilan kesimpulan sedang dilaksanakan. Dalam prakteknya,
basis data berada didalam memori komputer. Kebanyakan sistem pakar mengandung basis data untuk menyimpan
data hasil observasi dan data lainnya yang dibutuhkan selama pengolahan.
Mesin Inferensi
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 yang baik.
Secara deduktif mesin inferensi memilih pengetahuan yang relevan dalam rangka mencapai kesimpulan. Dengan
demikian sistem ini dapat menjawab pertanyaan pemakai pemakai meskipun jawaban tersebut tidak tersimpan
secara ekplisit didalam basis pengetahuan. Mesin inferensi memulai pelacakannya dengan mencocokkan kaidahkaidah dalam basis pengetahuan dengan fakta-fakta yang ada dalam basis data . Terlihat dalam gambar 3, diagram
pelacakan.
Antarmuka Pemakai
Antarmuka pemakai adalah bagian penghubung antara program sistem pakar dengan pemakai. Pada bagian ini
akan terjadi dialog antara program dan pemakai. Pada bagian ini akan terjadi dialog antara program dan pemakai.
Program akan mengajukan pertanyaan-pertanyaan berbentuk ”ya atau tidak” (yes or no question) atau berbentuk
menu pilihan. Program sistem pakar akan mengambil kesimpulan berdasarkan jawaban-jawaban dari pemakai
tersebut.
Techno.COM, Vol. 7 No. 2, Agustus 2008
114
Beban Lebih
Jalan Rusak
Susunan Tanah
Komposisi /
Kesalahan Konstruksi
Banjir
Hutan Gundul
Sampah
Uji Beban
Erosi
Labil
Korupsi
Ulah Manusia
Penebangan
Liar
Pembuangan
Sembarangan
Pengolahan Limbah
Tidak ada
PP Lemah
Gambar 3. Diagram Pelacakan
Berdasarkan data yang bersumber dari televisi RCTI tertanggal 20 Februari 2008 pukul 20.20 WIB, tercatat
bahwa beban lebih mencapai 65 %, Konstruksi jelek (salah) 15 % dan tanal labil atau alam hanya 20%.
Tetapi dalam pengembangan sistem pakar akan melibatkan pihak-pihak yang berkompeten yang saling berkait,
antara lain :
1. Studi awal. Bertujuan untuk mempelajari domain dari permasalahan dan kelayakan, apakah dapat dibuatkan
sistem pakarnya atau tidak. Studi ini dilakukan oleh analis sistem.
2. pemilihan perangkat lunak yang akan digunakan, apakah akan membangun sendiri inference engine atau
mengunakan ES shell. Tahap ini dilakukan oleh analis sistem bersama-sama dengan pemakai sistem.
3. Pemilihan pakar.
4. Pengambilan pengetahuan. Tahap pengambilan pengetahuan (knowledge acquisition) dilakukan oleh analis
sistem bersama-sama dengan knowledge engiiner dan pemakai sistem.
Membangun Sistem pakar
Membangun sistem pakar melibatkan pihak yang berkompeten dengan langkah-langkah kerja sebagai berikut :
a. Mengidentifikasi Tujuan (goal)
b. Mengidentifikasi atribut-atribut
c. Menderiasi aturan-aturan
d. Hasilkan Prototipe
e. Menguji sistem
f. Mengimplementasikan sistem
g. Operasi sistem
h. Merawat sistem
Teknologi Artificial Intellegence (S.P.Hariningsih)
115
KESIMPULAN
Mengingat begitu kompleksnya permasalahan yang dihadapi dalam pengelolaan sumber daya alam dan
pelestariannya, khususnya di negara kita. Maka tidak ada pilihan lain kecuali kita harus segera menguasai dan
mengembangkan teknologi yang mampu memberikan solusi nyata. Teknologi berbasis pengetahuan (knowledge
based expert system) dengan berbagai kehandalannya merupakan suatu terobosan baru yang mampu memberikan
nilai tambah didalam pengelolaan sumber daya alam secara lebih baik.
Dampak dari kemajuan teknologi komputer yang mampu menggantikan tugas manusia di era intellijensi ini tidak
akan mengurangi lapangan pekerjaan, bahkan sebaliknya akan membuka lapangan kerja baru yang lebih efisien.
Pengembangan sistem pakar harus kita buktikan dengan pemanfaatannya sebagai problem solving di berbagai
bidang. Dan sistem pakar merupakan teknologi sebagai suatu paradigma baru didalam pengelolaan sumberdaya
alam di Indonesia.
DAFTAR PUSTAKA
A. G. Buchaman and E. H. Shortliffe. Rule-Based Expert System: The MYCIN Experiments of the Stanford
Heuristic Programming Project. Addison Wesley, 1984.
Farid Azis, Belajar Sendiri Pemrograman Sistem Pakar, Elex Media Komputindo, 1994.
Jogiyanto HM, Ph.D. ”Sistem, Teknologi Informasi:, Penerbit Andi Offset Yogyakarta, 2003.
Leung Y., “Intelligent Spatial Decision Support Systems”, Berlin Springer Verlag, 1997.
Marvin Minsky, ”Steps Toward AI”, MIT Press, 1961.
Muhamad Sadly, Pusat Teknologi Inventarisasi Sumberdaya Alam (P-TISDA), Badan Pengkajian dan Penerapan
Teknologi (BPPT).
Sandi Setiawan, Artifical Intelligence, Andi Offset Yogyakarta, 1993.