MAKALAH SYSTEM BERBASIS PENGETAHUAN

KATA PENGANTAR

    Segala puji dan syukur kami panjatkan kehadirat Allah SWT . karena atas berkah dan rahmat-Nya, kami telah mampu menyelesaikan Tugas makalah tentang perencanaan sistem berbasis pengetahuan. Makalah ini disusun agar pembaca dapat memperluas ilmu tentang sistem berbasis pengetahuan, yang kami sajikan berdasarkan pengamatan dari berbagai sumber. Makalah ini disusun oleh penyusun dengan berbagai rintangan, baik itu yang berasal dari diri penyusun maupun yang datang dari luar, namun dengan penuh kesabaran dan terutama pertolongan dari Allah SWT akhirnya makalah ini dapat terselesaikan.

   Bersama dengan ini, kami ingin mengucapkan rasa terima kasih yang sedalam-dalamnya kepada semua  yang telah membimbing dan memberikan kritik ataupun saran pada tugas makalah kami  ini. Kami menyadari sepenuhnya bahwa laporan makalah ini masih banyak kekurangannya,sesuai pepatah, tak ada gading yang retak. Oleh karena itu, segala kritik dan saran sangat kami harapkan agar pada penyusunan berikutnya dapat lebih baik dan semoga dengan makalah ini dapat menambah dan memperbaiki nilai kami yang kurang, amin.

Jakarta, 10 Oktober 2015

DAFTAR ISI

KATA PENGANTAR ------------------------------------------------- 1

DAFTAR ISI ------------------------------------------------------------ 2

BAB I. PENDAHULUAN

A.    LATAR BELAKANG ---------------------------------------------3

B.     RUMUSAN MASALAH ------------------------------------------4

C.    TUJUAN PENULISAN -------------------------------------------4

BAB II. PEMBAHASAN

1.      PEMILIHAN PROBLEM YANG SEMESTINYA ----------5

2.      TAHAP PENGEMBANGAN SISTEM BERBASIS

 PENGETAHUAN-------------------------------------------------------6

3.      KESALAHAN DAN TAHAP PENGEMBANGAN ---------8

4.      SOFTWARE ENGGINEERING DAN SISTEM 
      BERBASIS  PENGETAHUAN----------------------------------12

5.      LIFE CYCLE SISTEM BERBASIS PENGETAHUAN----20

6.      MODEL LIFE CYCLE YANG LEBIH DETAIL------------21

BAB III. PENUTUP

A.    KESIMPULAN ----------------------------------------------------- 24

B.     SARAN --------------------------------------------------------------- 24

DAFTAR PUSTAKA -------------------------------------------------- 25

BAB I

PENDAHULUAN

A.      Latar Belakang

Mesin koordinat pengukuran (CMM) adalah salah satu dari fasilitas pemeriksaan geometri yang paling efektif digunakan dalam industri manufaktur. Untuk memanfaatkan sepenuhnya kemampuan dalam manufaktur komputer terpadu (CIM) lingkungan, kita harus mengintegrasikan CMM dengan sistem dan fasilitas lainnya. Makalah ini menyajikan pengembangan perencana inspeksi berbasis pengetahuan didasarkan pada prinsip-prinsip dasar AI berencana untuk mengintegrasikan sistem desain dibantu komputer dan CMMS. Isu yang terlibat dalam perencanaan proses pemeriksaan CAD-diarahkan diperiksa; tugas perencanaan proses pemeriksaan didekomposisi menjadi beberapa sub-tugas. Menurut dekomposisi tugas, sistem perencanaan berbasis pengetahuan dirancang dengan beberapa modul. Setiap modul ini terdiri dari basis pengetahuan, operator control, konteks dan antarmuka komunikasi. Basis pengetahuan adalah sumber pengetahuan lokal untuk pemecahan masalah; operator control menentukan kapan dan di mana pengetahuan diterapkan; konteks berisi negara perencanaan awal yang informasi penting bagian input, negara perencanaan menengah yang hasil dari keputusan tentatif yang dibuat oleh modul, dan negara tujuan. Modul interfacing diwujudkan dengan langsung memanggil prosedur yang ditetapkan dalam modul lain untuk lulus tugas perencanaan dan keputusan. Contoh disertakan untuk menjelaskan pengetahuan dan strategi perencanaan.

Kata kunci

Mengkoordinasikan mengukur mesin perencanaan (CMM) AI berbasis pengetahuan perencanaan sistem inspeksi.

B. Rumusan masalah

1. Apa itu sistem berbasis pengetahuan?

2. Hal-hal apa saja yang berkaitan dengan perencanaan sistem berbasis pengetahuan?

        3. Bagaimanakah pengaruh sistem perencanaan menurut para ahli & penerapannya dikehidupan               sehari-hari ?

               

C. Tujuan Penulisan

Makalah ini dibuat dengan tujuan untuk meningkatkan pemahaman mahasiswa tentang hal-hal yang berkaitan dengan perencanaan sistem terutama yang berbasis pengetahuan, langkah dalam perencanaan sistem expert serta penerapannya dikehidupan sehari-hari untuk penyelesaian masalah (problem solving).

BAB II

PEMBAHASAN

      1.      Pemilihan problem yang semestinya

Membahas masalah sumber daya alam (natural resources), mulai dari perkembangan teknologinya sampai kepada bagaimana cara pengelolaannya merupakan hal yang terus mendapat perhatian di negara kita. Potret buram tentang banyaknya bencana alam yang terjadi di negeri kita, seperti banjir, gempa bumi serta tanah longsor yang terjadi di berbagai daerah yang menelan banyak korban jiwa manusia dan harta benda serta bencana alam lainnya telah banyak terjadi. Dari potret tersebut mencerminkan  belum optimalnya kita sebagai bangsa dalam mengelola sumberdaya alam.

Pada era modern 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 alat penghitung, maka dewasa ini mesin komputer telah mampu menggantikan peran atau tugas-tugas rumit yang dilakukan oleh manusia, bahkan sanggup menirukan proses biologis manusia dalam pengambilan keputusan.

Can machine think ? demikian pertanyaan yang muncul seiring dengan berkembangnya bidang kecerdasan buatan (Artificial Intelligence/AI).

Mampukah sistem pakar tersebut memberi kontribusi nyata di dalam pengelolaan sumberdaya alam ?. Untuk menjawab pertanyaan tersebut, di dalam artikel ini akan dibahas secara cermat tentang apa itu teknologi berbasis pengetahuan (knowledge-based expert system), mulai dari perkembangan teknologinya sampai pada aplikasinya pada pengelolaan sumberdaya alam.

Definisi Expert System

Pada tahun 1956, mulai diperkenalkan istilah Kecerdasan Buatan (AI), yang kemudian ditegaskan lagi pada tahun 1961 oleh suatu tulisan Marvin Minsky dari MIT tentang "Steps towards AI". Semenjak itu istilah AI menjadi semakin populer, dan kemajuan bidang ini mencapai puncaknya dengan munculnya pengetahuan tentang Sistem Pakar.

Di dalam perspektif ilmu pengetahuan dan teknologi, sistem cerdas merupakan bagian dari bidang inteligensia semu (Artificial Intelligence/AI). Istilah expert system berasal dari knowledge-based expert system (sistem cerdas berbasis pengetahuan), dimana suatu sistem yang menggunakan pengetahuan manusia (human knowledge) yang dimasukkan ke dalam komputer untuk memecahkan masalah yang umumnya memerlukan keahlian seorang pakar/expert. Atau dapat juga dikatakan, sebuah program komputer yang menggunakan pengetahuan dan teknik inferensi (pengambilan kesimpulan) untuk memecahkan persoalan seperti yang dilakukan oleh seorang pakar. 

Berbeda dengan program komputer biasa, sistem cerdas dapat digunaan 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 World 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.

      2.  Tahap Pengembangan Sistem Berbasis Pengetahuan

Penggunaan Knowledge-based expert system (sistem pakar berbasis pengetahuan) ini tidak menjamin solusi yang lebih akurat, tetapi paling tidak mampu menghasilkan keputusan-keputusan yang didasari informasi relatif lebih banyak/terstruktur. Sesuai dengan namanya, suatu "Sistem Pakar" akan sangat tergantung pada pengetahuan (knowledge) yang didapat dari pakar yang menyumbangkan keahlian dan pengalamannya.

Biasanya suatu "sistem cerdas" dapat dibagi menjadi beberapa bagian:

1. Basis pengetahuan (knowledge-base): berisi pengetahuan yang spesifik mengenai domain tertentuyang mana basis pengetahuan ini dapat diperbaharui sesuai dengan tingkat kemampuan seorang expert terhadap pemecahan suatu masalah,

2.    Mesin inferensi (Inference Engine) : sustu 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 2 (dua) macam mesin inferensi, yaitu yang bersifat pasti (deterministik) dan kemungkinan (probabilistik).  Struktur dari sistem cerdas diperlihatkan pada Gambar 1.

Sistem konvensional yang berlandaskan logika konvensional berdasarkan pada dua keadaan -benar atau salah (true or false)-, ternyata kurang serasi untuk mengadopsi cara berfikir manusia yang banyak mengandung hal ketidak-pastian (uncertainty), proses belajar (learning process), penalaran, sifat adaptif dan sebagainya. Cara penalaran otak manusia tidaklah sama dengan komputer, karena komputer menalar dengan langkah yang jelas/pasti, sedangkan manusia menalar dengan istilah sehari-hari, misalnya: udara sejuk, airnya hangat, kecepatannya rendah, dan lainnya.

Gambar 1. Struktur dari Sistem Cerdas (Expert System)
Banyak hal yang bersifat tidak linear, yang susah diformulasikan secara matematis, namun sangat mudah dilakukan dengan perintah manusia biasa, misalnya : kurangi kecepatan, rem dengan perlahan, dan sebagainya. Sedangkan, sistem cerdas, seperti misalnya Logika Fuzzy atau Fuzzy expert system yang pertama kali ditemukan oleh Professor Lofti A. Zadeh pada tahun 1965 telah mampu mengatasi masalah tersebut, karena menurut logika ini segala sesuatu tidaklah dapat dikatakan 100% yes atau 100% no, namun fungsi keanggotaannya (membership function) dalam suatu himpunan dapat bervariasi antara 0 (completely no) dan 1 (completely yes). Sehingga beberapa variabel linguistik yang telah disebutkan, dapat diubah menjadi variabel numerik dan sebaliknya oleh logika fuzzy.

Secara umum, Sistem Konvensional fokus pada pemrosesan informasi, sedangkan sistem cerdas (Expert System) fokus pada pemrosesan pengetahuan (knowledge processing).

3. Kesalahan & Tahap Pengembangan

a)    Kelebihan dan Kekurangan Expert System

Sistem pakar sekarang banyak digunakan baik pada aplikasi bisnis maupun apikasi lainnya. Aplikasi sistem pakar di dalam pengelolaan sumberdaya alam masih relatif baru dan merupakan pendekatan alternatif yang dapat digunakan untuk penyelesaian masalah-masalah di dalam pengembangan teknologi pengelolaan sumberdaya 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-kelebihan dari sistem pakar secara umum adalah sebagai berikut:

1. Memberikan pengambilan keputusan yang lebih baik. Karena sistem pakar memberikan jawaban yang konsisten dan logis dari waktu ke waktu. Jawaban yang diberikan logis karena alasa logiknya dapat diberikan oleh sistem pakar dalam proses konsultasi.

2. Memberikan solusi tepat waktu. Kadang kala seorang manajer membutuhkan jawaban dari pakar, tetapi pakar yang dibutuhkan tidak berada ditempat, sehingga keputusan menjadi terlambat. Dengan sistem pakar, jawaban yang dibutuhkan oleh pengambil keputusan selalu tersedia setiap saat dibutuhkan.

3. Menyimpan pengetahuan di organisasi. Pengetahuan pakar merupakan hal yang penting dan kadang kala pengetahuan iniakan hilang jika pakar keluar atau telah pensiun dari perusahaan. Dengan sistem pakar, pengetahuan dari pakar dapat disimpan di sistem pakar dan tersedia terus selama dibutuhkan.

Kekurangan-kekurangan dari sistem pakar adalah sebagai berikut:

1. Sistem pakar hanya dapat menangani pengetahuan yang konsisten. Sistem pakar dirancang dengan aturan-aturan yang hasilnya sudah pasti dan konsisten sesuai dengan alur di diagram pohonnya. Untuk pengetahuan yang cepat berubah-rubah dari waktu ke waktu, maka knowledge base di sistem pakar harus selalu diubah (perbarui-red), yang 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 kebijaksaaan dan institusi masih tetap di tangan manajemen.

3. Format knowledge base sistem pakar terbatas. Knowledge base pada sistem pakar berisi aturan-aturan (rules) yang ditulis dalam bentuk statemen if-then.

Expert System : Paradigma Baru dalam Pengelolaan Sumber Daya Alam

Pengembangan signifikan di dalam teknologi ruang angkasa, mampu menyediakan berbagai sensor dan platform, teknik penginderaan jauh (remote sensing) dan teknik pengolahan data (digital image processing) memungkinkan untuk mengoleksi, analisa dan interpretasi data secara cepat dan efisien.

Saat ini, teknik penginderaan jauh yang dilengkapi dengan teknik pengolahan data telah banyak diaplikasikan di dalam pengelolaan sumberdaya alam. Teknik ini berbasis pada pemrosesan informasi (information processing) dengan  pendekatan statistik yang oleh para ahli biasa disebut dengan sistem konvensional. Dalam perjalanannya, ditemukan begitu kompleksnya permasalahan yang dihadapi di dalam pengelolaan sumber daya alam,  sehingga menyebabkan keterbatasan sistem konvensional dalam penerapannya. Untuk itu dengan dilandasi kesadaran tinggi, para ahli berupaya keras untuk mengembangan teknologi baru yang mampu memberi kontribusi di dalam memecahkan permasalahan yang dihadapi oleh sistem konvensional diatas.

Kehadiran teknologi knowledge-based expert system yang fokus pada pemrosesan pengetahuan (knowledge processing), merupakan suatu paradigma baru di dalam memberi solusi pengelolaan sumberdaya alam.

Blok diagram modul pengembangan sistem berbasis pengetahuan sebagai kontribusi yang mampu memberi nilai tambah (added value) di dalam solusi pengelolaan sumberdaya alam.

Gambar 2. Blok Diagram Modul Expert System untuk solusi Pengelolaan SDA

Identifikasi obyek (object identification) merupakan suatu teknik untuk meng-identifikasi obyek di permukaan bumi dengan menggunakan satelit penginderaan jauh. Proses klasifikasi dapat dilakukan menggunakan pendekatan fuzzy-neural network model. Parameter-parameter jaringan saraf tiruan (artificial neural network) diestimasi dengan proses pembelajaran (learning process) secara supervisi untuk daerah yang telah diketahui (known-sites).

Parameter-parameter yang sudah di estimasi selanjutnya digunakan untuk meng-identifikasi jenis-jenis obyek, seperti hutan, sumberdaya air, lahan pertanian, sumberdaya kelautan, 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 (optimization stage) merupakan tahapan untuk pemanfaatan optimal dari sumberdaya alam, untuk itu perlu dikembangkan suatu sistem pendukung keputusan secara cerdas (intelligent decision support system) dengan memformulasikan sebuah fungsi obyektif biaya minimum (cost minimizing objective function), serta bermanfaat secara ekonomi. Integrasi dari ketiga tahapan tersebut (pada Gambar 2) merupakan suatu proses pendekatan dalam memberi solusi penyelesaian permasalahan sumberdaya alam.

b)   Tahap Pengembangan Sistem Pakar

Pengembangan sistem pakar melibatkan 4 (empat)  pihak yaitu analis sistem, knowledge engineer, pakar dan pemakai sistem (users). Keempat pihak ini akan terlibat dalam tahapan pengembangan sistemnya sebagai berikut:

1.    Studi awal. Bertujuan untuk mempelajari domain dari permasalahannya dan kelayakannya 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 menggunakan 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 ole analis sistem bersama-sama dengan knowledge engineer dan pemakai sistem.

5.    Membangun sistem pakar. Membangun sistem pakar melibatkan ke empat pihak dengan  langkah-langkah sebagai berikut:

 - mengidentifikasi sasaran (goal).

 - mengidentifikasi atribut item-item dan nilai-nilainya.

 - menderivasi aturan-aturan.

 - membuat prototip.

6.    Menguji sistem

7.    Mengimplementasikan sistem

8.    Mengoperasikan sistem

9.    Merawat sistem (maintenance)

4. Software Engineering dan Sistem Berbasis Pengetahuan

Pengertian Software engineer

Seorang software engineer adalah orang yang menerapkan prinsip-prinsip rekayasa perangkat lunak dalam mendesain, pengembangan, pengujian, dan evaluasi perangkat lunak dan sistem yang membuat komputer atau apapun yang berisi perangkat lunak. Sebelum pertengahan tahun 1990-an, sebagian besar praktisi perangkat lunak menyebut dirinya programmer atau software developer, tanpa memandang pekerjaan yang sebenarnya. Banyak orang lebih suka menyebut dirinya pemrogrammer dan software developer, karena dapat diterima secara luas, sementara istilah software engineer masih dalam perdebatan.
Istilah programmer sering digunakan sebagai istilah yg merujuk kepada mereka yang tidak memiliki tools, keterampilan, pendidikan, atau etika untuk membangun perangkat lunak yang berkualitas baik. Akibatnya, banyak praktisi menyebut diri sendiri sebagai software engineer untuk melepaskan diri dari stigma yang melekat pada kata programmer. Di banyak perusahaan, untuk berbagai kategori programmer, nama jabatan programmer atau software developer telah diubah menjadi software engineer. Istilah tersebut menimbulkan kebingungan, karena ada beberapa penolakan, dengan argumentasi bahwa semua orang pada dasarnya melakukan hal yang sama dengan perangkat lunak, sedangkan yang lain menggunakan istilah untuk membuat sebuah perbedaan, dengan argumentasi bahwa pekerjaan tersebut benar-benar berbeda.
Sebuah Seni Pada tahun 2004, Biro Statistik Tenaga Kerja Amerika Serikat sebanyak 760.840 software engineer memegang pekerjaan di Amerika Serikat, pada waktu yang sama terdapat 1,4 juta praktisi yang bekerja diberbagai bidang. Tabel software engineer digunakan secara luas dalam dunia usaha. Sangat sedikit dari para software engineer terlatih yang mneyandang gelar Engineer dari perguruan tinggi terkemuka. Bahkan, menurut Asosiasi untuk Mesin Komputasi, “sebagian besar software engineer di Amerika bukanlah lulusan Software Engineering tetapi Computer Science“. Aturan Klasifikasi Biro Statistik Tenaga Kerja Amerika Serikat menggolongkan Insinyur perangkat lunak komputer sebagai subkategori dari “ahli komputer”, bersama dengan pekerjaan seperti ilmuwan komputer, pemrogram, dan administrator jaringan. Inggris telah melihat adanya penyesuaian antara Profesi Teknologi Informasi dan Profesi-profesi perkeyasaan. Sebagian wilayah Amerika Serikat mengatur penggunaan istilah-istilah seperti “Computer Engineer”, bahkan “Software Engineer”. Diantaranta adalah Texas dan Florida. Texas bahkan telah melakukannya lebih jauh, yaitu dengan melarang siapapun menulis program tanpa lisensi engineer. Pendidikan Sekitar sebagian dari semua praktisi saat ini memeiliki kualifikasi di bidang Ilmu Komputer. Sementara sebagian kecil, dan terus berkembang, diantara mereka meraih kualifikasi software engineering.
Pada tahun 1996, Rochester Institute of Technology mendirikan program Sarjana dengan gelar Software Enginering yang pertama di Amerika Serikat, namun tidak mendapatkan ABET, yaitu sebuah badan penjaminan kepemimpinan dan kualitas dibidang ilmu terapan, komputasi,engineering, dan teknologi pendidikan, sampai dengan tahun 2003, dimana pada tahun tersebut Clarkson University, Milwaukee School of Engineering dan Mississippi State University melakukan hal yang sama. Sejak itu, progam sarjana untuk software engineering dibentuk di berbagai universitas. Standar kurikulum internasional untuk software engineering pun ditetapkan oleh CCSE. Pada tahun 2004, di Amerika Serikat, sekitar 50 perguruan tinggi menawarkan progam software engineering, baik yang mengajarakan prinsip-prinsip dan praktis Computer Science dan Engineering. Program Master software engineering pertama didirikan di Seattle University di tahun 1979. Sejak itu progam software engineering semakin banyak tersedia diberbagai berbagai perguruan tinggi. Pada tahun 1998, the US Naval Postgraduate School (NPS) mendirikan program doktoral pertama di dunia untuk Software Engineering. Selain itu, program pendidikan lanjutan untuk Software Engineering secara online banyak bermunculan, seperti Master of Science in Engineering (MSE), yaitu gelar yang ditawarkan melalui Jurusan Ilmu Komputer dan Teknik di California State University, Fullerton. Steve McConnell berpendapat bahwa sebagian besar universitas mengajarkan Computer Science, bukan Software Engineering, sehingga terdapat kekurangan akan Software Engineer yang sebenarnya. Lembaga European Training Foundation (ETS) dan Universite du Quebec a Montreal (UQAM) diamanati oleh IEEE untuk mengembangkan Software Engineering Body of Knowledge (SWEBOK), yang telah menjadi salah satu ISO standar yang menggambarkan pengetahuan yang tercakup oleh software engineer. Program-program Lain Dalam bisnis, beberapa praktisi software engineering memiliki kemampuan MIS. Dalam embedded system, diantara mereka memiliki kemampuan Electrical dan Computer Engineering, dikarenakan perangkat lunak embedded system selalu memerlukan pemahaman akan hardware secara rinci. Dalam perangkat lunak medis, praktisi memiliki kemampuan dalam informatika medis, medical secara umum, atau biologi. Beberapa praktisi memiliki kemampuan didalam matematika, sains, rekayasa, atau teknologi. Ada juga yang memiliki kemampuan filsafat (terutama logika) atau kemampuan non-teknis.
Pekerjaan Kebanyakan software engineer bekerja sebagai karyawan atau kontraktor. Software engineer bekerja untuk perusahaan, instansi pemerintah (sipil atau militer), dan organisasi nirlaba. Beberapa software engineer bekerja untuk sendiri sebagai freelancer. Beberapa organisasi telah memiliki spesialis untuk melakukan tugas tertentu dalam proses pengembangan software, dan organisasi membutuhkan software engineer untuk melakukan sebagian atau seluruhnya. Dalam proyek-proyek besar, orang dapat mengkhususkan diri dalam satu bidang. Dalam proyek-proyek kecil, beberapa tugas dapat dilakukan seorang diri. Specializations meliputi: industri (analis, arsitek, pengembang, testers, dukungan teknis, manajer) dan akademisi (pendidik, peneliti). Terdapat perdebatan atas masa depan prospek untuk pekerjaan Software Engineers dan Professional IT. Sebagai contoh, pasar online masa depan yang disebut pekerjaan IT masa depan di Amerika mencoba menjawab untuk apakah padaa pada tahun 2012 akan ada lebih banyak proyek TI, termasuk software engineer, dibandingkan pada tahun 2002.
Sertifikasi Sertifikasi profesional software engineer adalah isu yg menimbulkan perdebatan. Sebagian menganggapnya sebagai alat untuk meningkatkan praktek profesional. Program sertifikasi didalam industri perangkat lunak yang paling sukses diorientasikan kepada teknologi tertentu, dan dikelola oleh penyedia teknologi tersebut. Program sertifikasi tersbut disesuaikan dengan lembaga yang akan mempekerjakan orang yang menggunakan teknologi ini. ACM memiliki program sertifikasi profesional pada awal tahun 1980-an, yang telah dihentikan karena kurangnya peminat. Pada 2006, IEEE telah mensertifikasi lebih dari 575 profesional perangkat lunak. Dampak globalisasi Banyak siswa di negara maju menghindari jurusan yang berkaitan dengan software engineering karena khawatir akan offshore outsurcing, yaitu impor produk perangkat lunak atau layanannya dari negara lain, dan teragntikan oleh para pendatang yang memiliki visa pekerja. Meskipun statistik pemerintah saat ini tidak menunjukkan ancaman terhadap software engineering itu sendiri; karir terkait, pemrograman komputer tidak terpengaruh. Seseorang diharapkan memulainya sebagai programmer sebelum sebelum dipromosikan sebagai software engineer. Dengan demikian, janjang karir untuk software engineering mungkin berat, terutama selama masa resesi. Beberapa penasehat menyarankan agar siswa juga fokus pada “people skill” dan kemampuan bisnis, tidak hanya keterampilan teknis, karena “soft skill” diperkirakan akan lebih sulit untuk para pendatang. Ini adalah aspek manajemen-rekayasa dari rekayasa perangkat lunak yang muncul untuk menjadi pelindung dari dampak globalisasi.
Hadiah/Penghargaan
Ada beberapa penghargaan di bidang rekayasa perangkat lunak: CODiE penghargaan yang merupakan penghargaan tahunan yang dikeluarkan oleh Asosiasi Industri Software dan Informasi untuk keunggulan dalam pengembangan perangkat lunak untuk industri. Jolt Award adalah penghargaan dalam industri perangkat lunak. Stevens Award adalah penghargaan untuk rekayasa perangkat untuk mengenang Wayne Stevens. Kontroversi istilah Engineer Beberapa orang percaya bahwa software engineering mengimplikasikan tingkat tertentu dari pendidikan akademis, disiplin profesional, dan ketaatan terhadap proses formal yang sering diabaikan dalam pengembangan perangkat lunak. Analogi yang umum digunakan adalah bahwa pekerjaan dibidang konstruksi tidak membuat sesorang menjadi seorang insinyur sipil, begitu juga dengan pekerjaan menulis kode program tidak akan menjadikan orang tersebut seorang software engineer.
Status Rekayasa Perangkat Lunak
Kata rekayasa dalam istilah software engineering menyebabkan kebingungan. Perdebatan atas status software engineering (antara insinyur tradisional dan ilmuwan komputer) dapat diinterpretasikan sebagai perebutan kekuasaan terhadap istilah engineering. Insinyur tradisional mempertanyakan apakah software engineers dapat menggunakan istilah tersebut secara sah. Insinyur tradisional (terutama insinyur sipil dan NSPE) menyatakan bahwa mereka memiliki hak istimewa terhadapistilah engineering, dan untuk pihak lain yang akan menggunakannya memerlukan persetujuan mereka. Pada pertengahan tahun 1990-an, yang NSPE melakukan gugatan untuk mencegah dari siapapun menggunakan istilah software engineering untuk nama pekerjaan. NSPE memenangkan perkara di 48 negara. Namun, praktisi SE, pendidik, dan peneliti mengabaikan kasus-kasus tersebut dan tetap menyebut diri mereka software engineer. Biro Statistik Tenaga Kerja Amerika Serikat menggunakan istilah software engineer juga. Istilah engineering berusia jauh lebih tua dari setiap organisasi pengatur, sehingga banyak ahli yang mempercayai bahwa insinyur tradisional hanya memiliki sedikit hak terhadapnya. Mulai tahun 2007, sikap NSPE mulai melunak dan menyelidiki kemungkinan lisensi untuk software engineer dengan melakukan konsultasi dengan IEEE, NCEES dan kelompok lain “demi perlindungan kesehatan, keselamatan, dan kesejahteraan masyarakat”.

Trend Profesi Software Engineering
Selama bertahun-tahun, rekayasa perangkat lunak telah berusaha untuk menjadi sebuah profesi. Hal ini terhambat oleh persepsi umum bahwa itu hanya aplikasi dari ilmu komputer. Tujuan membuat Software Engineering sebagai sebuah profesi dipicu banyaknya perdebatan mengenai apakah tujuannya menjadi sebuah profesi. Saat ini, Software Engineering telah menjadi sebuah disiplin tersendiri didalam profesi engineering.
Sejarah
Di AS pada pertengahan tahun 1990-an, National Society of Professional Engineers digugat di semua negara bagian di AS untuk melarang siapapun menggunakan istilah software engineering sebagai kata benda atau bidang ketenagakerjaan. Mereka memenangkan di sebagian besar negara bagian.
Sebagai tanggapan, IEEE dan ACM membentuk JCESEP pada tahun 1993, yang berkembang menjadi SWECC pada tahun 1998 untuk merumuskan Software Engineering sebagai sebuah profesi. Kedua komite teknik menggunakan model rekayasa tradisional. ACM mengundurkan diri dari SWECC (pada bulan Mei 1999), karena berkeberatan untuk memberikan dukungan kepada upaya profesionalisasi Texas, untuk mendapatkan pengakuan negara sebagai Software Engineer. IEEE melanjutkan dukungannya untuk menjadikan Software Engineering sebagai cabang dari engineering tradisional.
Trend Profesi SE
Fenomena yang muncul saat ini, 10 orang terkaya di Amerika didominasi oleh mereka bermain di knowledge capital alias berbasis pengetahuan. Bahkan data menunjukkan bahwa mereka memang orang besar yang memulai bisnis dari kecil, pekerja keras, berkubang lumpur, dan di waktu mudanya mereka sangat memahami masalah teknis berhubungan dengan bisnisnya. Sangat berbeda dengan daftar 10 orang terkaya di Indonesia yang berlatar belakang bisnis yang tidak terlepas dari kekayaan sumber daya alam yang pada suatu saat akan habis.
Software engineer adalah profesi dan peluang baru yang baru berkembang di Indonesia. Bukan hal yang mustahil suatu saat daftar 10 orang terkaya di Indonesia adalah mereka yang bermain di knowledge capital. Trend ke arah itu sudah mulai terlihat dimana diperkirakan jumlah pengembang profesional di Indonesia adalah 56.500 orang (menyumbang 0.5% dunia – IDC Professional Developer Model 2004) dan akan meningkat sampai 71.600 orang di tahun 2008. Jumlah software house di Indonesia juga tercatat meningkat ke arah diatas 250 perusahaan, dan diperkirakan akan menjadi dua kali lipat pada 5 tahun mendatang.
Meningkatnya kesadaran masyarakat korporasi terhadap pentingnya otomasi dilingkungan bisnis dan pemenuhan kebutuhan akan informasi yang cepat dan akurat, secara linier telah meningkatkan permintaan akan peran Software engineer untuk menganalisa, mendesain, dan mengaplikasikan sebuah sistem baru berbasis komputer.
Selain itu, laporan APKOMINDO mengenai penjualan komputer pada tahun 2008 yang mencapai angka 2,2 juta unit, sedikit dibawah target yang 2,5 juta unit, menunjukan pasar yang luas untuk Software Engineering. Software Engineering tidak selalu harus tergantung pada pasar korporasi. Luasnya pasar pada pemakai individual merupakan lahan yang patut digarap dan cukup menjanjikan. Untuk menggarap ceruk pasar yang cukup luas tentunya dibutuhkan SDM yang tidak hanya mampu dari sisi teknis komputasi namun mampu juga dari sisi ekonominya, jiwa wirausaha.

Sebagai sebuah profesi baru, tentunya masih banyak hak yang harus dibenahi untuk membentuk SDM yang profesional sebagai seorang software engineer, diantaranya :
• Memperbaiki kurikulum pendidikan jurusan komputasi, khususnya bidang Software Engineering termasuk didalamnya teknik pengembangan, metodologi baku, sertifikasi, pengelolaan, dan kewirausahaan, termasuk etika.
• Keterlibatan pemerintah diperlukan dalam membuat pipa antara software developer dan pasar, juga masalah kebijakan proteksi untuk perusahaan software lokal.
• Mengarahkan SDM software engineer untuk memiliki keunggulan defacto (kreatifitas) dan keunggulan dejure (degree) sekaligus, dalam level sesuai dengan kemampuan yang bisa diraih.
• Membina para spesialis software engineer kita untuk menjadi seorang versatilist (seseorang yang sangat ahli dalam sebuah bidang; fokus, akan tetapi dengan mudah untuk belajar dan mengembangkan fokus ke hal lain pada saat yang sama jika diperluakan.), karena Gartner Group memperkirakan dalam laporan khususnya bahwa dalam tahun 2010, pasar IT dunia akan dikuasai oleh para versatilist, yang menggerus 40% lapangan kerja spesialis
• Yang terakhir, manfaatkan Internet sebagai alat softmarketing, personal branding dan knowledge sharing. Dengan populasi lebih dari 1 miliar pada tahun 2008 ini, mau tidak mau, suka tidak suka, kita akan masuk, bersentuhan dengan Internet dan secara tidak sadar Internet membentuk kultur dan behavior baru dalam kehidupan sehari hari. Sekali lagi tidak ada satu media massa pun yang akan bisa menandingi penetrasi media bernama Internet ini

Definisi Sistem Berbasis Pengetahuan

Sistem Berbasis Pengetahuan diturunkan dari istilah knowledge based expert system. Sistem ini merupakan sistem yang menggunakan pengetahuan manusia yang telah disimpan dalam komputer untuk menyelesaikan permasalahan yang memerlukan kepakaran seorang ahli (Buliali, dkk., 2007)

Sistem Berbasis Pengetahuan atau Sistem Pakar merupakan salah satu cabang dari AI dimana dalam dunia komersial disebut dengan sistem yang dapat secara efektif dan efisien melaksanakan tugas yang tidak terlalu memerlukan pakar. Sistem Berbasis Pengetahuan dikenal juga dengan sistem penasihat, sistem pengetahuan, sistem bantuan kerja cerdas atau sistem operasional (Turban, dkk., 2005).

Sistem Berbasis Pengetahuan atau Sistem Pakar adalah program pemberi advis/nasehat yang terkomputerisasi yang ditujukan untuk meniru proses reasoning (pertimbangan) dan pengetahuan dari pakar dalam menyelesaikan permasalahan masalah yang lebih spesifik (Irfan Subakti, 2006).

Sistem Pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan seperti yang biasa dilakukan oleh para ahli (Sri Kusumadewi, 2003).

Sistem Pakar dibuat pada wilayah pengetahuan tertentu untuk sesuatu kepakaran tertentu yang mendekati kemampuan manusia disalah satu bidang. Sistem Pakar mencoba mencari solusi yang memuaskan sebagaimana yang dilakukan seorang pakar. Selain itu Sistem Pakar juga dapat memberikan penjelasan terhadap langkah yang diambil dan memberikan alasan atas saran atau kesimpulan yang ditemukannya. Bidang ini digunakan lebih banyak daripada penggunaan bidang-bidang Kecerdasan Buatan lainnya. Sistem Pakar menarik minat yang besar dalam suatu organisasi disebabkan kemampuannya dalam meningkatkan produktifitas dan dalam meningkatkan gugus kerja di berbagai bidang tertentu dimana pakar manusia akan mengalami kesulitan dalam mendapatkan dan mempertahankan kemampuan itu.

Sejarah Sistem Berbasis Pengetahuan

Sistem Pakar petama kali dikembangkan oleh komunitas AI (Artificial Intellegence) pada pertengahan tahun 1956. Sistem Pakar yang muncul pertama kali adalah General-purpose Problem Solver (GPS) yang dikembangkan oleh Newel dan Simon (Sri Kusumadewi, 2003). GPS dan program-program serupa ini mengalami kegagalan dikarenakan cakupannya yang terlalu luas sehingga terkadang justru meninggalkan pengetahuan-pengetahuan penting yang seharusnya disediakan.

Pertengahan tahun 1960-an, terjadi pergantian dari program serba bisa (general-purpose) ke program yang spesialis (special-purpose) dengan dikembangkannya DENDRAL oleh E.Feigenbauh dari Universitas Stanford dan kemudian diikuti oleh MYCIN.

Awal tahun 1980-an, teknologi Sistem Pakar yang mula-mula dibatasi oleh suasana akademis mulai muncul sebagai aplikasi komersial, khususnya XCON, XSEL (dikembangkan dari R-1 pada Digital Equipment Corp.) dan CATS-1 (dikembangkan oleh General Electric). Sistem Pakar dari tahun ketahun selalu mengalami perkembangan.

Ada beberapa contoh Sistem Pakar yang pernah dibuat:

MYCIN
Memberikan diagnosa dan solusi pengobatan penyakit.

MACSYMA
Menangani masalah matematika.

DENDRAL
Mengidentifikasi struktur molekular campuran yang tidak dikenal.

XCON&XSEL
Membantu konfigurasi sistem komputer besar.

SOPHIE
Melakukan analisis sirkuit elektronik.

Prospector
Membantu mencari dan menemukan deposit dalam geologi.

FOLIO
Membantu memberikan keputusan bagi seorang manajer dalam hal stok broker dan investasi.

DELTA
Pemeliharaan lokomotif disel.

Life cycle System Berbasis Pengetahuan

Life Cycle

Dalam life cycle pada gambar diatas terdapat beberapa step atau komponen, yaitu :

·         Identify

·         Analyse

·         Design

·         Implement

·         Test

·         Evaluate

Complex life cycle

Tahapan-tahapan yang ada pada SDLC secara global adalah sebagai berikut :

Inisiasi (Initiation)

Tahap ini biasanya ditandai dengan pembuatan proposal proyek perangkat lunak.

Pengembangan Konsep Sistem (System Concept Development)

Mendefinisikan lingkup konsep termasuk dokumen lingkup sistem, analisis manfaat biaya, manajemen rencana, dan pembelajaran kemudahan sistem.

Perencanaan (Planning)

Mengembangkan rencana manajemen proyek dan dokumen perencanaan lainnya. Menyediakan dasar untuk mendapatkan sumber perencanaan lainnya. Menyediakan dasar untuk mendapatkan sumber daya (resources) yang dibutuhkan untuk memperoleh solusi.

Analisis Kebutuhan (Requirements Analysis)

Menganalisis kebutuhan pemakai sistem perangkat lunak (user) dan mengembangkan kebutuhan user. Membuat dokumen kebutuhan fungsional.

Desain (Design)

Mentransformasikan kebutuhan detail menjadi kebutuhan yang sudah lengkap, dokumen desain sistem fokus pada bagaimana dapat memenuhi fungsi-fungsi yang dibutuhkan.

Pengembangan (Development)

Mengonversi desain ke sistem informasi yang lengkap termasuk bagaimana memperoleh dan melakukan instalasi lingkungan sistem yang dibutuhkan, membuat basis data atau file pengujian, pengodean, pengompilasian, memperbaiki dan membersihkan program, peninjauan pengujian.

Integrasi dan Pengujian (Integration and Test)

Mendemontrasikan sistem perangkat lunak bahwa telah memenuhi kebutuhan yang dispesifikasikan pada dokumen kebutuhan fungsional. Dengan diarahkan oleh staf penjamin kualitas (quality assurance) dan user. Menghasilkan laporan analisis pengujian.

Implementasi (Implementation)

termasuk pada persiapan implementasi, implementasi perangkat lunak pada lingkungan produksi (lingkungan pada user) dan menjalankan resolusi dari permasalahan yang teridentifikasi dari fase integrasi dan pengujian

Operasi dan Pemeliharaan (Operations and Maintenance)

Mendeskripsikan pekerjaan untuk mengoperasikan dan memelihara sistem informasi pada lingkungan produksi (lingkungan pada user), termasuk implementasi akhir dan masuk pada proses peninjauan.

Disposisi (Disposition)

Mendekripsikan aktifitas akhir dari pengembangan sistem dan membangun data yang sebenarnya sesuai dengan aktifitas user.

Ada beberapa model SDLC  yang dapat digunakan. Semuanya memiliki kelemahan dan kelebihan pada setiap model SDLC. Hal terpenting adalah mengenali tipe pelanggan (customer) dan memilih menggunakan model SDLC yang sesuai dengan karakter pelanggan customer) dan sesuai dengan karakter pengembang.

BAB III

PENUTUP

Kesimpulan :

Mengingat begitu kompleksnya permasalahan yang dihadapi di dalam pengelolaan sumber daya alam, khususnya di negara kita. Maka tidak ada pilihan lain 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 memberi nilai tambah di dalam pengelolaan sumber daya alam secara lebih baik.

Dampak dari kemajuan teknologi komputer yang mampu menggantikan tugas manusia di era intelijensi ini tidak akan mengurangi lapangan pekerjaan, bahkan sebaliknya akan membuka lapangan kerja baru yang lebih efisien. Bermimpi tentang kehebatan teknologi expert system sudah waktunya dihentikan, sekarang mimpi itu harus segera diwujudkan dengan melakukan kajian-kajian di dalam pengembangan teknologi ini sebagai suatu paradigma baru di dalam pengelolaan sumberdaya alam di Indonesia. Semoga!

Saran :

Untuk membuat sistem berbasis pengetahuan atau yang lebih kita sering menyebutnya “expert sytem” bukanlah hal yang mudah untuk membuatnya, mengingat sangat kompleks nya masalah yang kita hadapi dalam penanganan masalah sebelum membuat sistem tersebut memerlukan seorang ahli pada bidang tersebut, dimana sebelum merancang kita memerlukan rincian dari permasalahan yang dihadapi dalam pembuatanya. Oleh karena itu kita perlu membuat perencanaan sistem yang akan kita buat, sehingga setelah kita membuat sistem tersebut ketika menghadapi kendala, kendala tersebut sudah mendapatkan solusi, atau kita dapatkan problem solving yang lebih simpel.

Daftar Pustaka

1. Jogiyanto HM, Ph.D. "Sistem , Teknologi Informasi", Penerbit ANDI Yogyakarta, 2003.

2. Marvin Minsky,"Steps towards AI", MIT Press, 1961.

3. B.G. Buchaman and E.H. Shortliffe. Rule-Based Expert Systems: The MYCIN Experiments of the Stanford Heuristic Programming Project. Addison-Wesley, 1984.

4. Leung Y.,"Intelligent Spatial Decision Support Systems", Berlin-Springer-Verlag, 1997.

5.Muhamad Sadly, Pusat Teknologi Inventarisasi Sumberdaya Alam (P-TISDA), Badan Pengkajian dan Penerapan Teknologi (BPPT)

6. http://cintainformatika.blogspot.sg/2012/01/software-engineer.html

7. http://estiprast.blogspot.sg/2011/11/perencanaan-sistem-berbasis-pengetahuan.html

8. http://informatika.web.id/sistem-berbasis-pengetahuan.html

9. https://risaqimabiee.wordpress.com/author/risaqimabiee/

Read More