Pengetahuan adalah fakta, kebenaran atau informasi yang diperoleh melalui pengalaman atau pembelajaran disebut posteriori, atau melalui introspeksi diebut priori. Pengetahuan adalah informasi yang diketahui atau disadari oleh seseorang. Pengetahuan termasuk, tetapi tidak dibatasi pada deskripsi, hipotesis, konsep, teori, prinsip dan prosedur yang secara Probabilitas Bayesian adalah benar atau berguna. Pengetahuan  juga diartikan berbagai  gejala  yang  ditemui  dan  diperoleh  manusia melalui  pengamatan  akal.  Pengetahuan terlihat pada saat seseorang menggunakan akal budinya untuk mengenali benda atau kejadian tertentu yang belum pernah dilihat atau dirasakan sebelumnya. Contoh pengetahuan adalah ketika seseorang mencicipi masakan yang baru, ia mendapatkan pengetahuan berupa bentuk, rasa, dan aroma masakan tersebut (Maier, 2007).

Pengetahuan juga dapat didefinisikan penggabungan data dan informasi. Data adalah fakta mentah, sedangkan informasi adalah data yang dilihat berdasarkan sudut pandang tertentu. Menurut Turban terdapat hubungan antara data, informasi dan pengetahuan (Efraim Turban, Aronson, & Liang, 2004). Data adalah koleksi dari fakta-fakta, pengukuran, dan statistik. Informasi adalah data yang terorganisir dan terproses dengan akurat. Pengetahuan adalah infomasi yang bernilai relevan secara kontekstual dan dapat dikerjakan. Hubungan antara data, informasi dan pengetahuan digambarkan sebagai berikut:

Gambar 1.1. Hubungan Data, Informasi, dan Pengetahuan. (Sumber: Turban, E., & E.A., J.,2005)

Pengetahuan berkembang seiring waktu disesuaikan dengan pengalaman yang membuat hubungan antara situasi dan peristiwa yang baru secara kontekstual. Pengetahuan terdiri dari beberapa komponen antara lain:

  1. Ground truth, Kebenaran yang didapat dari pengalaman bukan teori.
  1. Complexity, Situasi yang kompleks mengindikasikan pendekatan yang kompleks dalam penyelesaiannya. Masalah akan menjadi kompleks jika pengetahuan yang dibutuhkan tidak mencukupi.
  1. Judgement, Pengetahuan berkembang dan tidak mungkin lagi diterapkan dalam situasi aslinya.
  1. Heuristic (Rules of Thumb) and Intuition, Panduan dalam memudahkan pemecahan masalah.
  1. Values and beliefs, Setiap manusia memiliki cara dalam memecahkan setiap masalah.

Adapun jenis-jenis pengetahuan sebagai berikut:

  1. Pengetahuan prosedural, Pengetahuan prosedural terdiri dari peraturan, strategi, agenda, prosedur.
  1. Pengetahuan deklarasi, Pengetahuan deklarasi terdiri dari konsep, onjyek, dan fakta.
  1. Pengetahuan-meta, Pengetahuan meta terdiri dari pengetahuan tentang berbagai jenis pengetahuan dan cara menggunakannya.
  1. Pengetahuan heuristic, Pengetahuan heuristic terdiri dari petunjuk praktiks.
  1. Pengetahuan struktural, Pengetahuan struktural terdiri dari sekumpulan aturan, hubungan konsep, konsep untuk hubungan obyek.

Pengetahuan adalah pengalaman nilai, informasi kontekstual, pandangan pakar dan intuisi mendasar yang memberikan suatu lingkungan dan kerangka untuk mengevaluasi dan menyatukan pengalaman baru dengan informasi. Informasi menjadi dasar dalam melakukan sesuatu hal karena pengetahuan akan memampukan seseorang atau organisasi dalam pengambilan tindakan yang berbeda atau lebih efektif dibandingkan dengan tidak memiliki pengetahuan (Davenport, 1988).

Informasi maupun fakta pada suatu objek yang diamati, dianalisa dan dipelajari menjadi memori yang dapat dijadikan sumber pemecahan suatu masalah. Sumber pengetahuan berasal dari literature, pakar dan contoh. Dasar pengetahuan adalah hokum ilmiah, pengalaman dan model. Pengetahuan terdiri dari fakta, prosedur dan aturan penilaian (Akerkar, 2005).

Pengetahuan dapat diakusisi dengan cara akumulasi, transfer, dan transformasi ke dalam sistem computer. Akuisisi pengetahuan adalah mengumpulkan informasi dari berbagai sumber/pakar untuk kemudian disimpan dalam sistem komputer. Sumber pengetahuan: pakar/experts, buku, technical reports, databases, forms, dan lain sebagainya. Akuisisi Pengetahuan merupakan proses ekstraksi, strukturisasi, dan mengorganisasikan pengetahuan dari satu sumber atau lebih. Proses ini merupakan suatu proses yang penting, namun seringkali menjadi “bottleneck” yang membatasi pengembangan sistem pakar dan sistem AI yang lain.

Konsep dasar dari suatu sistem pakar mengandung beberapa unsur/elemen, yaitu : keahlian, ahli (expert), pengalihan keahlian (knowledge transfer), inferensi/penalaran (inference), aturan-aturan (rules), kemampuan menjelaskan ( explanation knowledge). Salah satu aktivitas dalam memindahkan kepakaran yaitu knowledge engineer. Knowledge engineer adalah seorang yang membantu pakar dalam menyusun area permasalahan dengan menginterprestasikan dan mengintegrasikan jawaban-jawaban pakar atas pertanyaan yang diajukan (Turban & E.A., 2005). Knowledge engineer memliki tugas meliputi merancang, membangun dan menguji tool software dan hardware, akuisisi pengetahuan, identifikasi metode pemecahan masalah, pengkodean an pengujian sistem . Dalam hal ini penulis sebagai knowledge engineer.  Proses yang dilakukan oleh knowledge engineer (perekayasa sistem) terdiri dari:

  1. Knowledge Acquisition (akuisisi pengetahuan), Akuisisi pengetahuan melibatkan akuisisi pengetahuan dari pakar manusia, buku, dokumen atau file komputer. Pengetahuan tersebut dapat spesifik terhadap domain persoalan atau terhadap proses pemecahan masalah, dan dapat pula berupa pengetahuan umum.
  1. Knowledge Validation (validasi pengetahuan), Pengetahuan harus valid dan teruji (misalnya dengan menggunakan tes kasus) hingga kualitasnya dapat diterima. Hasil tes kasus biasanya ditunjukkan oleh pakar untuk menguji ketepatan (accuracy) dari sistem pakar.
  1. Knowledge Representation (representasi pengetahuan), Representasi pengetahuan adalah suatu teknik untuk merepresentasikan basis pengetahuan yang diperoleh dalam suatu skema / diagram tertentu sehingga dapat diketahui relasi/keterhubungan antara suatu data dengan data yang lain.
  1. Inference Explanation and Justification (justifikasi dan penjelasan penalaran), Justifikasi dan penjelasan penalaran meliputi desain dan pemrograman kemampuan penjelasan, misalnya kemampuan untuk menjawab pertanyaan bagaimana komputer mendapatkan kesimpulan.

Untuk mengontrol inferensi dalam sistem pakar berbasis aturan digunakan metode penalaran maju (forward chaining). Pelacakan maju adalah pendekatan yang dimotori data (data-driven). Metode ini dimulai dari keadaan awal dengan mencari kaidah yang sesuai dengan informasi atau fakta yang diketahui.

Gambar 1.2. Proses forward Chaining. (Sumber: (Medsker & Lieboewits, 1994)).

Dalam melakukan proses pencarian (searching), metode pelacakan maju menggunakan teknik pencarian melebar pertama (breadth first search). Pencarian dilakukan pada semua node dalam setiap level secara berurutan dari kiri ke kanan. Jika pada satu level belum ditemukan solusi, maka pencarian dilanjutkan pada level berikutnya. Demikian seterusnya sampai ditemukan solusi.

Gambar 1.2. Pohon Breadth First Search (Sumber:  (Kusumadewi, 2002)).

Keuntungan menggunakan breadth first search adalah tidak akan menemui jalan buntu, jika ada satu solusi maka breadth first search akan menemukannya. Dan jika terdapat lebih dari satu solusi, maka solusi minimum akan ditemukan. Dengan strategi ini, maka dapat dijamin bahwa solusi yang ditemukan adalah yang paling baik (optimal). Kelemahan mengunakan breadth first search adalah membutuhkan memori yang cukup besar, karena menyimpan semua simpul dalam suatu pohon, membutuhkan waktu yang cukup lama, karena akan menguji n level untuk mendapatkan solusi pada level yang ke-(n+1).

Dalam proses akuisisi pengetahuan, seorang knowledge engineer menjembatani antara pakar dengan basis pengetahuan. Knowledge engineer mendapatkan pengetahuan dari pakar, mengolahnya bersama pakar tersebut, dan menaruhnya dalam basis pengetahuan, dengan format tertentu. Dalam pengambilan pengetahuan dari pakar, proses akuisisi pengetahuan dilakukan dengan menggunakan metoda Semi-otomatik.

Semi-otomatik merupakan metode di mana terdapat peran komputer untuk: mendukung pakar dengan mengijinkannya membangun basis pengetahuan tanpa atau dengan sedikit bantuan dari knowledge engineer atau membantu knowledge engineer sehingga kerjanya menjadi lebih efisien dan efektif. Berikut gambaran dari metode akuisisi pengetahuan:

Gambar 1.4. Metode Akuisisi Pengetetahuan (Sumber: (Achmad, 2006)).

Teknik representasi pengetahuan yang digunakan dalam rekayasa pengetahuan pakar ini adalah dengan menggunakan aturan produksi (rule based knowledge). Pengetahuan direpresentasikan dalam suatu bentuk fakta (facts) dan aturan (rules). Pengetahuan dalam sistem produksi direpresentasikan oleh himpunan kaidah dalam bentuk :

IF {kondisi} THEN {aksi}

Di sini pengetahuan disajikan dalam aturan-aturan yang berbentuk pasangan keadaan-aksi (condition-action): “JIKA (IF) keadaan terpenuhi atau terjadi MAKA (THEN) suatu aksi akan terjadi.

Referensi

  • Akerkar, R. (2005). Introduction to Artificial Intelligence. Prentice Hall India.
  • Davenport, T. H. (1988). Working Knowledge: How Organizations Manage What They Know. Harvard Business Press.
  • Efraim Turban, Aronson, J. E., & Liang, T.-P. (2004). Decision Support Systems and Intelligent Systems (7th Edition) (7th ed.). Prentice Hall.
  • Maier, R. (2007). Knowledge Management Systems Information and Communication Technologies for Knowledge Management. In Springer (3rd ed.).
  • Medsker, L., & Lieboewits, J. (1994). Design and Development of Expert System and Neural Network. New York: Macmilan College Publishing Company.
  • Turban, E., & E.A., J. (2005). Decision Support System and Expert System (7th ed.). Yogyakarta – Indonesia: Andi Offset.

Penulis: Emny Harna Yossy, S.Kom., M.T.I.