Sistem Pakar Identifikasi Jenis Kulit Wajah Wanita

Definisi, Konsep, Karakteristik, Bentuk dan Struktur Sistem

Sistem Pakar adalah atau expert sistem pertama kali dikembangkan oleh komunitas Artificial Intelligence pada pertengahan tahun 1960. Sistem Pakar adalah sistem yang meniru kepakaran (keahlian) seseorang dalam bidang tertentu dalam menyelesaikan suatu permasalahan. Sistem pakar juga disebut sistem berbasis pengetahuan (knowledge-base system). 

Banyak wanita yang bermasalah dengan kulitnya dan tidak menggunakan produk kecantikan yang sesuai dengan jenis kulitnya. Dan masih banyak yang belum mengetahui jenis kulit wajahnya. Maka dengan permasalahan ini, saya memberikan suatu solusi dengan membuat Sistem Pakar Identfikasi Jenis Kulit Wajah Wanita.

Sistem Pakar ini membantu khususnya untuk wanita yang masih bingung dalam menentukan jenis atau tipe kulit pada wajahnya. Konsep dari sistem ini adalah menirukan metodologi dan kinerja manusia seperti pengalaman keadaan kondisi atau keadaan kulit tertentu yang sesuai dengan jenis kulit yang bersangkutan seperti kering, normal atau berminyak. Konsep sistem ini berdasarkan pengetahuan dan pengalaman yang dimasuki oleh satu atau banyak pakar kedalam satu domain pengetahuan. Struktur dari sistem pakar ini adalah sebagai berikut:

Dalam struktur sistem diatas dijelaskan bahwa dibagi menjadi dua lingkungan yaitu Lingkungan Konsultasi dan Lingkungan Pengembangan. Lingkungan pengembangan digunakan sebagai pembangun sistem pakar baik dari segi pembangunan komponen maupun basis pengetahuan. Lingkungan konsultasi digunakan oleh seseorang yang bukan ahli untuk berkonsultasi.

Tahapan dan Langkah-Langkah Pengembangan Sistem

Ada 6 tahapan dalam pengembangan sistem pakar, yaitu identifikasi, konseptualisasi, formalisasi, implementasi, evaluasi dan pengembangan sistem. Berikut adalah penjelasan dari tahapan dan langkah-langkah pengembangan pada Sistem Pakar Jenis Kulit Wajah Wanita.

Identifikasi

Pada proses identifikasi ini, dilakukan pengidentifikasian masalah dan kebutuhan. Suatu masalah harus dikaji dan dianalisa apakah harus dipisahkan atau dicocokkan. Mengkaji situasi dan memutuskan dengan pasti tentang masalah yang akan dikomputerisasi. Pada masalah yang akan diangkat pada sistem ini adalah kesulitan wanita dalam menentukan tipe kulit pada kulit wajah mereka. Dan menurut saya, dengan menggunakan sistem pakar dapat membantu dalam menentukan tipe kulit wajah wanita dengan persoalan tertentu.

Konspetualisasi

Setelah melakukan identifikasi masalah dan menemukan masalah yang cocok, langkah selanjutnya adalah konseptualisasi. Konseptualisasi adalah mengubah hasil identifikasi masalah menjadi beberapa data yang direlasikan dengan pengetahuan dan konsep-konsep penting yang berkaitan dengan bidang tertentu. Pada sistem ini, beberapa data yang dibutuhkan adalah seperti kerutan kulit wajah, kondisi kekesatan wajah, jerawat, dan minyak pada wajah. Untuk penjelasan yang lebih lanjut akan dibahas pada sub-judul berikutnya.

Formalisasi

Pada tahap formalisasi ini, konsep yang telah di dapatkan dari proses konseptualisasi diimplementasikan secara normal. Pada sistem ini, kategori sistem pakar yang akan dibangun adalah diagnosis. Karena pada sistem ini bertujuan untuk menentukan jenis tipe kulit wajah wanita dalam situasi kompleks yang didasarkan pada gejala-gejala yang teramati. Dalam formalisasi ini juga mempertimbangkan alternatif solusi lain untuk suatu sistem pakar. Contoh pertimbangan alternatif solusi lain adalah misalnya dengan menggunakan sistem manajemen Basis Data untuk suatu masalah yang akan dikerjakan.

Implementasi

Apa bila proses formalisasi telah dilakukan, langkah selanjutnya adalah proses implementasi. Pada proses implementasi ini, dapat dimulai dengan menbuat garis besar masalah kemudian memecahkan masalah ke dalam modul‑modul. Pada sistem ini, yang akan menjadi inputan adalah kondisi-kondisi kulit wajah seperti kulit kesat, ukuran pori-pori wajah, garis halus pada wajah dan kondisi wajah yang mengkilap atau tidak. Untuk proses akan dijelaskan di sub-bab berikutnya. Dan untuk output akan terdapat 3 output yaitu kulit normal, kulit kering dan kulit berminyak.

Evaluasi

Proses evaluasi bertujuan untuk menguji dan mengetahui kesalahan yang terdapat pada sistem pakar yang telah dirancang. Sebaiknya sistem pakar diuji dengan melibatkan Usernya. User dapat menunjukkan bagian mana yang masih kurang sempurna dan harus dikorelasi sesuai kebutuhan yang dikehendaki. Hal ini diperlukan untuk melihat keabsahan sistem pakar tersebut, agar jalannya sistem benar-benar sesuai dengan tujuan yang dimaksud.  

Pengembangan Sistem

Setelah semua tahapan telah dilakukan, langkah terakhir adalah pengembangan sistem. Proses pengembangan sistem merupakan tahapan yang paling penting dalam pembuatan sistem pakar. Hal pertama dalam pengembangan sistem adalah menentukan alat pengembang sistem. Alat pengembang sistem pakar atau software yang memungkinkan untuk memasukkan pengetahuan pakar kedalam komputer tanpa harus membuat suatu program terlebih dahulu. Adapun dua jenis alat pengembangan sistem pakar dapat dipertimbangkan, yaitu bahasa pemrograman dan shell. Sistem pakar shell adalah merupakan perangkat lunak yang khusus dibuat untuk membantu pembuat sistem pakar. Shell mirip dengan Database Management System atau Spreadsheet.  

Proses Akuisisi Pengetahuan

Ada dua cara dalam proses akuisisi pengetahuan, yaitu Expert Domain dan Rule Induction. Expert Domain adalah cara proses akuisisi pengetahuan yang diperoleh dari pakarnya langsung. Sedangkan Rule Induction adalah upaya memperoleh akuisisi pengetahuan yang bersumber dari sumber lain seperti sumber terdokumentasi, buku, sensor, file komputer, data statistik, dll. Pada kali ini saya akan menggunakan proses Rule Induction.
Dalam proses Rule Induction, ada 5 tahapan yang harus dilakukan, yaitu sebagai berikut:

1. Identifikasi Objek

Pada sistem yang akan dibuat, objek utamanya adalah kulit wajah wanita. Yang dimana terdiri dari 3 jenis kulit, yaitu kulit normal, kulit kering dan kulit berminyak.

2. Identifikasi Atribut

Setelah objek didefinisikan dan diidentifikasi, selanjutnya adalah mengidentifikasi atribut-atribut yang berkaitan dengan objek yang bersangkutan. Berikut adalah atribut yang akan digunakan dalam sistem pakar ini:

• Kekesatan Kulit
• Ukuran Pori-pori
• Garis Halus
• Kilap atau tidaknya kulit

3. Menyaring/Filter

Menyaring disini adalah memilah atau menyaring atribut-atribut yang akan digunakan pada sistem pakar. Dan membuang atribut yang dirasa jika tidak perlu dan tidak penting. Resiko menghilangkan atribut dapat mengurangi Production Rule yang ada sehingga membatasi manfaat dari sistem pakar itu sendiri dan sulit dimodifikasi dimasa yang akan datang. Tetapi, apabila atribut yang digunakan terlalu banyak juga tidak efisien. Terlalu banyak atribut yang digunakan akan mengakibatkan Knowledge Based susah dipakai dan memerlukan banyak sekali data serta respon dari user.

Atribut yang sebelumnya telah didefinisikan sudah disaring dan dipilah sebelumnya, jadi tidak ada atribut yang perlu di hapus.

4. Menentukan Decision Tree

Ada banyak cara untuk mengilustrasikan rule base dan proses inferensi. Cara yang umum adalah dengan menggunakan Decision Tree. Sebelum membuat decision tree untuk sistem pakar identifikasi jenis kulit wajah wanita, dapat di representasikan dalam bentuk tabel seperti dibawah berikut ini.

Tabel Atribut untuk Setiap Tipe Kulit Wajah

Setelah jenis kulit telah diberi nilai pada masing-masing atribut pada tabel diatas, selanjutnya adalah membuat decision tree. Dalam sebuah decision tree, terdapat yang namanya Root Node. Root Node adalah node yang mempunyai level tertinggi dari decision tree. Dibawahnya terdiri dari semua kemungkinan jawaban yang ada. Misalnya untuk atribut Garis Halus akan ditetapkan sebagai Root Node. Berikut adalah gambar dari decision tree untuk sistem pakar yang akan dirancang.

Gambar Decision Tree untuk Rancangan Sistem Pakar

Pada gambar decision tree diatas, dijelaskan bahwa atribut Garis Halus merupakan root node. Dan pada level selanjutnya adalah atribut pori-pori, kemudian kulit mengkilap. Ada sebuah node yang tidak mempunyai jawaban. Kita masih dapat mengembangkan decision tree dengan menyederhanakan node-node yang tidak mempunyai jawaban. Sehingga didapat decision tree dengan atribut yang lebih sedikit dan mempunyai jawaban yang pasti.

5. Membuat Rule 

Dalam membuat rule, kita dapat mengkonversi decision tree yang ada menjadi himpunan production rule. Berikut adalah rule pada decision tree sistem:

• Rule 1: IF Garis Halus adalah Tampak Jelas THEN Jenis Kulit adalah Kulit Kering
• Rule 2: IF Garis Halus adalah Tidak Tampak AND Pori-pori adalah Kecil THEN Jenis Kulit adalah Kulit Normal
• Rule 3: IF Garis Halus adalah Tidak Tampak AND Pori-pori adalah Besar AND Kulit Mengkilap adalah Ya THEN Jenis Kulit adalah Kulit Berminyak

Pada rules diatas, ada beberapa rules dan atribut yang tidak efisien sehingga membuat alur menjadi terlalu panjang. Maka dari itu, kita bisa membuat decision tree menjadi lebih sederhana dan efisien. Berdasarkan Tabel pengetahuan yang ada Decision Tree yang telah terbentuk masih dapat di ringkas lagi menjadi bentuk berikut:

Decision Tree yang Telah Disederhanakan

Sehingga Production Rules-nya menjadi:

• Rule 1: IF Garis Halus adalah Tampak Jelas THEN Jenis Kulit adalah Kulit Kering
• Rule 2: IF Garis Halus adalah Tidak Tampak AND Pori-pori adalah Kecil THEN Jenis Kulit adalah Kulit Normal
• Rule 3: IF Garis Halus adalah Tidak Tampak AND Pori-pori adalah Besar THEN Jenis Kulit adalah Kulit Berminyak

Rancangan Model Representasi Pengetahuan

Rancangan model representasi pengetahuan dibagi menjadi 2, yaitu skema deklaratif dan skema prosedural. Skema deklaratif terdiri dari Logical Representation, Network Representation dan Structual Representation. Sedangkan untuk skema prosedural hanya menggunakan Production Rule Representation yang dimana mempunyai 2 model, yaitu Forward Reasoning dan Backward Reasoning. Untuk sistem pakar yang saya rancang ini, saya akan menggunakan skema prosedural yang menggunakan metode Forward Reasoning.

Forward Reasoning atau penalaran maju sering disebut juga Data Driven, berangkat dari fakta/data yang diketahui. Cara mendapatkan kesimpulan dengan forward chaining yaitu menggunakan rules yang premis atau pernyataan nya sesuai dengan fakta yang didapat untuk mendapatkan fakta baru dan melanjutkan proses pencarian kesimpulan sampai didapat kesimpulan yang sebenarnya atau sampai tidak ada lagi premis yang sesuai dengan fakta. Berbeda dengan Backward Reasoning dimana penalaran dimulai dari tujuan atau hipotesa, baru dicocokkan dengan keadaan awal atau fakta-fakta yang ada. 

Berdasarkan rules yang telah dirangkum sebelumnya, kita akan membuat suatu contoh keputusan dengan menggunakan metode Forward Reasoning. Berikut adalah rules yang diketahui.

• Rule 1: IF Kulit Kesat adalah Kesat THEN Garis Halus adalah Tampak Jelas
• Rule 2: IF Kulit Kesat adalah Tidak Kesat THEN Garis Halus adalah Tidak Tampak
• Rule 3: IF Garis Halus adalah Tampak Jelas THEN Jenis Kulit adalah Kulit Kering
• Rule 4: IF Garis Halus adalah Tidak Tampak THEN Pori-pori adalah Kecil
• Rule 5: IF Pori-pori adalah Kecil THEN Jenis Kulit adalah Kulit Normal
• Rule 6: IF Pori-pori adalah Besar THEN Jenis Julit adalah Kulit Berminyak

Berdasarkan rules diatas, jika yang diketahui adalah Kulit Kesat, maka untuk mengambil keputusan berdasarkan Forward Reasoning dengan mengikuti rule sebagai berikut:

• Daru fakta Kulit Kesat
• Berdasarkan rule 1, jika kulit adalah kesat, maka garis halus tampak jelas
• kemudian bersambung ke rule 3, jika garis halus tampak jelas, maka jenis kulit adalah kulit kering.

Telah didapatkan keputusan dengan atribut yang diketahui adalah kulit kesat maka keputusan akhir yang dapat diambil adalah jenis kulit kering. Penalaran forward reasoning digunakan jika jumlah keadaan awal lebih kecil daripada tujuan. Jika kejadian Itu berupa fakta baru, maka lebih baik dipilih penalaran forward.  Namun Jika kejadian itu berupa query, maka lebih baik digunakan penalaran Backward. 

Terima kasih telah membaca artikel saya mengenai Sistem Pakar Identifikasi Jenis Kulit Wajah Wanita. Jika ada kesalahan mohon dimaafkan dan semoga saya bisa lebih baik lagi untuk kedepannya. Danke! 💗