Sistem Pakar
Menurut Marimin (2002), sistem pakar atau sistem berbasis pengetahuan kecerdasan (Intelligent Knowledge Based System) merupakan salah satu bagian dari kecerdasan buatan yang memungkinkan komputer dapat berpikir dan mengambil kesimpulan dari sekumpulan aturan biasa dan meta. Secara umum, sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli (Kusumadewi, 2003).
Sistem pakar dapat belajar dan mengajar. Sistem pakar juga dirancang untuk menyimpan dan menggunakan pengetahuan dari satu atau beberapa ahli sehingga dapat memecahkan masalah yang tidak dapat dipecahkan oleh satu atau sekelompok kecil pakar.Sistem pakar terutama dibangun untuk membuat suatu pengalaman, pemahaman, dan pemecahan masalah yang sesuai dari pakar untuk yang bukan pakar (Klir & Bo, 1995).
Menurut Marimin (2002), pada prinsipnya sistem pakar tersusun dari beberapa komponen yang mencakup:
1 fasilitas akuisisi pengetahuan,
2 sistem berbasis pengetahuan (Knowledge based system),
3 mesin inferensi (Inference engine), 4 fasilitas untuk penjelasan dan justifikasi,
dan
5 penghubung antara pengguna dan sistem pakar (User interface).
Hubungan antarkomponen tersebut dapat dilihat pada Gambar 1.
Akuisisi pengetahuan Fasilitas penjelasan Mekanisme Inferensi Strategi penalaran Strategi pengendalian Penghubung Sistem berbasis pengetahuan Dangkal Mendalam Statis Dinamis pakar - fakta - aturan - model - fakta - aturan - model - fakta - aturan - model pengguna - nasehat - justifikasi - konsultasi
Gambar 1 Struktur dasar sistem pakar.
Logika Fuzzy
Logika fuzzy merupakan bagian dari logika
boolean yang digunakan untuk menangani konsep derajat kebenaran, yaitu nilai kebenaran antara benar dan salah (Marimin, 2002). Logika fuzzy merupakan suatu teknik yang memungkinkan untuk membangun sistem pakar yang lebih merefleksikan dunia nyata.
Logika fuzzy berbeda dengan logika biasa yang hanya mengenal dua kondisi, yaitu ya dan tidak atau 0 dan 1. Keuntungan logika
fuzzy yaitu dapat membangkitkan derajat keanggotaan pada suatu nilai secara berangsur-angsur dan lebih baik dibandingkan tanpa logika fuzzy. Sebagai contoh, seseorang dikatakan tua ketika umurnya 30 tahun ke atas dan muda ketika umurnya kurang dari 30 tahun. Pada logika biasa, orang yang berumur 30 tahun kurang satu hari dikatakan muda dan orang yang berumur 30 tahun dikatakan tua. Hal ini terlihat sangat tidak adil karena orang yang usianya hanya berselang satu hari statusnya sudah berbeda jauh. Pada logika
fuzzy, masalah ini dapat diatasi dengan melihat fungsi keanggotaannya. Orang yang berusia 30 tahun dan 30 tahun kurang satu hari dimungkinkan mempunyai status yang sama (tua), hanya saja berbeda derajat keanggotaannya.
Menurut Kusumadewi (2002), terdapat beberapa alasan dalam penggunaan logika
fuzzy, yaitu:
1 Konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti.
2 Logika fuzzy memiliki toleransi terhadap data yang tidak tepat.
3 domain 0 1 d e ra ja t k e a n g g o ta a n
3 Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan.
4 Logika fuzzy didasarkan pada bahasa alami.
Fungsi Keanggotaan
Fungsi keanggotaan adalah fungsi yang memberikan derajat terhadap sebuah elemen mengenai keberadaannya dalam sebuah gugus (Marimin, 2002). Dalam gugus fuzzy terdapat fungsi keanggotaan yang menempatkan nilai antara 1 atau 0 ke setiap individu dalam gugus
universal sehingga dapat dibedakan antara anggota gugus dan bukan anggota gugus melalui pertimbangan tertentu. Jika nilai keanggotaan fuzzy dari x adalah µA[x]=0,
maka x bukan anggota himpunan A. Jika x mempunyai nilai keanggotaan fuzzy µA[x]=1,
berarti x adalah anggota penuh himpunan A. Fungsi keanggotaan biasanya digambarkan dalam bentuk kurva yang menunjukkan titik- titik input data ke dalam nilai keanggotaannya yang memiliki interval antara 0 sampai 1 (Kusumadewi, 2003). Terdapat beberapa tipe representasi fungsi keanggotaan, diantaranya: 1 Representasi kurva Trapesium
Fungsi keanggotaan untuk kurva Trapesium adalah: ; ; 1 ; ; 0 c d x d a b a x x d x c c x b b x a d x a x
atau
2 Representasi kurva Gaussian
Fungsi keanggotaan untuk kurva Gaussian adalah: 2 2 2 ) ( ) ; ; ( x e x G Mekanisme Inferensi
Fuzzy Reasoning adalah suatu prosedur inferensi yang menghasilkan keputusan dari himpunan fuzzy if-then rules dan fakta-fakta yang telah diketahui (Jang, J. S. R., et.al., 1997). Secara umum, terdapat dua teknik yang digunakan dalam mekanisme inferensi, yaitu penalaran maju (forward reasoning) dan penalaran mundur (backward reasoning). Pada penalaran maju, aturan-aturan yang terdapat dalam basis pengetahuan diuji satu persatu sampai dihasilkan kesimpulan dari permasalahan yang sedang dihadapi. Sedangkan pada penalaran mundur, ditentukan hipotesis akhir yang nantinya akan dibuktikan kebenarannya sehingga penalaran dimulai dari hipotesis sampai diperoleh pembuktiannya.
Fuzzifikasi
Fuzzifikasi merupakan proses penentuan sebuah nilai input setiap gugus fuzzy.
Fuzzifikasi memperoleh suatu nilai dan mengombinasikan dengan fungsi keanggotaan untuk menghasilkan nilai fuzzy (Sibigtroth, 1992). Secara sederhana dapat dikatakan bahwa proses fuzzifikasi dapat menentukan nilai numerik dari ekspresi bahasa yang bersifat ambigu dan tidak dapat ditentukan secara pasti nilainya, misalnya pandai atau agak pandai, miskin atau agak miskin, dan sebagainya.
Defuzzifikasi
Defuzzifikasi merupakan suatu proses pengubahan output fuzzy ke output yang bernilai tunggal (crisp) (Marimin, 2002).
Defuzifikasi dapat dilakukan dengan mengambil satu fuzzy output yang terkuat atau derajat keanggotaan terbesar sebagai hasil. Salah satu metode yang sering digunakan dalam proses ini adalah Centroid (center of gravity). Pada metode ini nilai crisp diperoleh dengan cara mengambil titik pusat daerah
fuzzy. Metode tersebut dapat diformulasikan sebagai berikut : atau z z dz z dz z z z ) ( ) ( ) ( ) ( 1 1 n j j n j j j z z z z a b c d 0 1 domain d e ra ja t k e a n g g o ta a n
4
Mulai
Identifikasi Masalah
Selesai
Pengembangan Sistem Pakar
Fuzzy Inference System (FIS)
FIS merupakan sistem yang menjelaskan proses penalaran untuk menghasilkan kesimpulan dengan menggunakan logika
fuzzy. Teknik penarikan kesimpulan didasarkan pada aturan-aturan tertentu. Penyeleksian aturan if-then fuzzy merupakan komponen utama dari fuzzy inference system
yang mampu digunakan untuk memodelkan keahlian manusia secara lebih spesifik (Jang, J. S. R., et.al., 1997).
Kebakaran Hutan
Definisi kebakaran secara umum adalah kejadian alam yang bermula dari proses reaksi secara cepat dari oksigen dengan unsur-unsur lain dan ditandai dengan panas, cahaya serta biasanya menyala (Adrianita, 2002). Kebakaran hutan bersumber pada tiga sebab utama, yaitu: faktor manusia yang disengaja, faktor manusia karena kecerobohan, dan faktor alam (Suratmo dalam Adrianita, 2002).
Perilaku Api
Perilaku api merupakan suatu respon atau kebiasaan api yang terjadi sebagai hasil reaksi dengan lingkungan seperti bahan bakar, iklim, kondisi lokal, cuaca, dan topografi (De Bano
et al (1998) dalam Adrianita, 2002). Faktor- faktor yang mempengaruhi perilaku api antara lain: bahan bakar, temperatur dan kelembaban udara, komposisi bahan bakar, angin dan topografi.
Intensitas Kebakaran Hutan
Menurut Saharjo (2004), intensitas kebakaran menentukan cara api beraksi dan kecepatan laju penjalaran api. Intensitas
kebakaran akan secara langsung
mempengaruhi tingginya tingkat kerusakan dan selanjutnya menentukan berapa luas tajuk tanaman yang akan dikonsumsi, mati, atau tidak tersentuh oleh api. Intensitas kebakaran menunjukkan kehebatan api dari suatu peristiwa kebakaran hutan.
Pencegahan Kebakaran Hutan
Tiga komponen diperlukan untuk setiap api agar dapat menyala dan mengalami proses pembakaran (Countryman dalam Saharjo 2003). Ketiga komponen yang dimaksud adalah bahan bakar, sumber panas, dan oksigen yang biasa disebut sebagai segitiga api (fire triangle). Oleh karena itu, prinsip dasar dalam usaha pencegahan kebakaran hutan adalah dengan memutuskan salah satu dari ketiga komponen tersebut. Cara yang umum dilakukan adalah memisahkan komponen panas atau sumber api dari komponen bahan bakar.