ABSTRAKSI: Proses ekstraksi dan transfer pengetahuan pakar ke dalam bentuk program komputer sehingga memiliki kemampuan untuk membuat keputusan disebut proses akuisisi pengetahuan dan dilakukan oleh perekayasa pengetahuan (knowledge engineer) melalui serangkaian proses wawancara.
Namun, proses ini tidak efektif karena seringkali dapat menyebabkan terjadinya kesalahan interpretasi pengetahuan, maka dikembangkanlah metode Ripple Down Rules (RDR) dimana pakar dapat melakukan proses akuisisi pengetahuan sendiri tanpa bantuan perekayasa pengetahuan. Tetapi, RDR masih memiliki kelemahan, yaitu hanya cocok digunakan untuk masalah yang memerlukan klasifikasi tunggal. Oleh karena itu, dikembangkanlah metode Multiple Classification Ripple Down Rules (MCRDR) untuk mengatasi masalah dengan klasifikasi majemuk dan mampu mengurangi pengulangan pengetahuan yang terjadi pada RDR.
Tugas Akhir ini bertujuan untuk mengimplementasikan metode MCRDR meliputi pembentukan basis pengetahuan, proses inferensi, dan proses akuisisi pengetahuan. Pengujian sistem ini dilakukan untuk data yang memiliki klasifikasi tunggal dan klasifikasi majemuk.
Dari hasil pengujian dapat disimpulkan bahwa metode MCRDR bisa digunakan untuk data yang memiliki klasifikasi tunggal maupun klasifikasi majemuk. Urutan data dan pemilihan lokasi untuk penempatan rules sangat mempengaruhi bentuk tree dan akurasi yang dihasilkan.
Kata Kunci : sistem pakar, akuisisi pengetahuan, MCRDR.ABSTRACT: The process of extraction and transfer of expert knowledge into a computer program that has the ability to make decisions is called knowledge acquisition process and is performed by knowledge engineer through a series of interview process.
However, this process is ineffective because it often can lead to misinterpretation of knowledge; therefore Ripple-Down Rules (RDR) method is developed. Using RDR, experts can perform the knowledge acquisition process by himself without any help from a knowledge engineer. However, the RDR still has a weakness, which is only suitable for problems that require a single classification. Therefore, Multiple Classification Ripple-Down Rules (MCRDR) is developed. It can solve the problem that has multiple classifications and is able to reduce the repetition of knowledge that occurred in the RDR.
Final Project aims to implement MCRDR method includes forming a knowledge base, inference process, and the process of knowledge acquisition. System testing is done to data that has a single classification and multiple classifications.
From the test results can be concluded that MCRDR could be used for single classification and multiple classification data. The sequence of data and location selection for new rules greatly affect the shape and accuracy of the resulting tree.
Keyword: expert system, knowledge acquisition, MCRDR