SISTEM PAKARA. Latar Belakang Masalah Peran komputer penting dalam meringankan tugas manusia.B. Rumusan Masalah 1. Definisi dari Sistem Pakar 2.Pengembangan Sistem Pakar 3. Keuntungan dan Kelemahan Sistem Pakar 4. Kategori Permasalahan Sistem Pakar 5. Contoh Aplikasi dan Pengembangan Sistem Pakar

PEMBAHASANA. Pengertian Sistem Pakar> Pakar = Ahli> Sistem = Kumpulan Prosedur atau kumpulan dari berbagai hal untuk suatu tujuan> Sistem Pakar : Sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan para ahli.Penting untuk diketahui : Sistem Pakar (SP) diciptakan tidak untuk menggantikan kedudukan seorang pakar SP mulai dikembangkan pertama kali tahun 1960 an Sebuah sistem pakar adalah sebuah sistem untuk mentransfer kepakaran yang dimiliki seorang pakar ke dalam komputer

Mengapa Menggunakan Sistem Pakar?Pakar di suatu Perusahaan/Instansi bisa pensiun, keluar, atau telah meninggal dunia2. Pengetahuan perlu didokumentasikan atau dianalisis 3. Sistem Pakar dapat menyediakan kepakaran setiap waktu dan di berbagai lokasi 4. Seorang Pakar mahal dan langka efisiensi kerja 5. Efisiensi kerja dan waktuPengembangan Sistem Pakar Sistem pakar generasi pertama. Menggunakan aturan jika-maka untuk merepresentasikan dan menyimpan pengetahuannya

Sistem pakar generasi kedua. Jauh lebih fleksibel dalam mengadopsi banyak representasi pengetahuan dan metode pertimbangan

Ciri-ciri Sistem Pakar adalah :Ciri-ciri Sistem Pakar adalah :1. Memiliki fasilitas informasi yang handal2. Mudah dimodifikasi3. Dapat digunakan dalam berbagai jenis komputer4. Memiliki kemampuan untuk belajar beradaptasi.5. Bekerja secara sistematis berdasarkan pengetahuan dan mekanisme tertentu.6. Pengambilan keputusan berdasarkan kaidah- kaidah tertentu dan dapat merespons masukkan user (melalui kotak dialog).

Seorang Ahli (Human Expert) VS Sistem Pakar (ES)

FaktorHuman ExpertExpert SystemTime AvailabilityHari KerjaSetiap saatGeografisLokal/tertentuDimana sajaKeamananTidak tergantikanDapat digantiPerishable / DapathabisYaTidakPerformansi (kemampuan)VariabelKonsistenKecepatanVariabelKonsisten &lebih cepatBiayaTinggiTerjangkau

Keuntungan dan Kelemahan Sistem Pakar Keuntungan Sistem Pakar1. Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli2. Menyederhanakan pekerjaan dan meningkatnya efisiensi kerja3. Bisa melakukan proses secara berulang secara otomatis4. Menyimpan pengetahuan dan keahlian para pakar5. Meningkatkan kualitas6. Mampu mengambil dan melestarikan keahlian para pakar7. Mampu beroperasi dalam lingkungan berbahayaManfaat Yang Dapat Diberikan Oleh Sistem Pakar Kepada Manajer Perusahaan Solusi Waktu Logika Konsisten

Kelemahan Sistem Pakar a. Interpretasi b. Prediksi c. Diagnosis d. Perancangan (Desain)e. Perencanaan f. Monitoring g. Debugging h. Instruksi i. KontrolKategori Problema Sistem Pakar secara umum Biaya yang diperlukan untuk membuat dan memeliharanya sangat mahalSulit dikembangkanSistem pakar tidak 100% bernilai benar

Komponen atau Bagian Utama Sistem Pakar b. Knowledge Base (Basis Pengetahuan)Berisi pengetahuan-pengetahuan (pengetahuan gabungan) dalam memahami, merumuskan, dan penyelesaian masalah User Interface (Antarmuka Pemakai)Bertugas untuk menganalisis pengetahuan, memberikan kemampuan penalaran dan menarik kesimpulan berdasarkan knowledge base c. Inference Engine (Mesin Inferensi) Memungkinkan pemakai untuk berinteraksi dengan expert system d. Development Engine Komponen yang digunakan untuk mengolah sistem pakar, terdiri dari bahasa pemrograman.

Contoh Aplikasi dan Pengembangannya Dendral Mycin Dipmeter Advisor XCON & XSEL Sophie 6. Prospector Folio Delta YESMVS 10.ACE

Contoh Gambar Sistem Pakar

KesimpulanSistem Pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan para ahli/pakarAda beberapa hal penting yang perlu diperhatikan bahwa, secanggih apapun suatu sistematau sebesar apapun basispengetahuan yang dimiliki, tentu saja ada kelemahannya sebagai konsekuensi logis kelemahan manusia sebagai penyusun elemen-elemennya

DAFTAR PUSTAKABuku Panduan:Gordon B. Davis (1998) Kerangka dasar Sistem Informasi Manajemen: Pengantar Seri Manajemen No: 90. A, PT. Pustaka Binaman Pressindo, 1988.Prof. Dr. Onong Uchjana Effendy.M.A, SISTEM INFORMASI MANAJEMEN. Penerbit CV- Mandar Maju, Bandung, 1989. McLeod, Raymond, Management Information System, 7th ed., Prentice Hall, New Jersey, 1998. Kusumadewi, Sri. Artificial Intelligence Teknik dan Aplikasinya. Yogyakarta : Graha Ilmu. 2003

Sumber lain:Internet Explorerwww.ittelkom.ac.idwww.dosen.amikom.ac.idhttp://en.wikipedia.org/wiki/Expert_systemhttp://ai.indra-ehm.net/?p=10www.ilmukomputer.comhttp://iisrasjeed.blogsome.com/2007/09/26/knowledge-based-system/

Sistem PakarSuatu program AI yang berisi basis pengetahuan dan mesin inferensiSeperti layaknya seorang pakarBerfungsi sebagai konsultanTidak untuk menggantikan kemampuan seorang pakarBerisi pengetahuan dari para pakarDapat digunakan untuk menjawab pertanyaan, memecahkan masalah dan membuat keputusan

Definisi-DefinisiDurkin: program komputer yang dirancang untuk memodelkan kemampuan penyelesaian masalah yang dilakukan oleh seorang pakarIgnizio: suatu model dan prosedur yang berkaitan dalam suatu domain tertentu, dimana tingkat keahliannya dapat dibandingkan dengan keahlian seorang pakarGiarratano dan Riley: suatu sistem komputer yang bisa menyamai atau meniru kemampuan seorang pakar

Sistem PakarMenyimpan pengetahuan dari berbagai sumberBerisi heuristic knowledge:Berasal dari peristiwa di dunia nyata learning by doing

Computer software packages:A generic programsCan be used to build special programs for many applicationsExpert system:Highly dedicated piece of softwareContains knowledge in a specific domain

Perbedaan PenggunaManager: apa yang dapat saya gunakan?Teknolog: bagaimana saya dapat mengimplentasikan teknologi dengan baik?Peneliti: bagaimana saya dapat mengembangkannyaUser: bagaimana dapat membantu saya? Dapat menghemat biaya? Bagaimana kehandalannya?

Perbedaan ES dan PakarTime:P:hari kerja; ES: tiap saatGeografis:P:lokal/tertentu; ES: dimana sajaKeamanan:P: tdk tergantikan; ES: dapat digantiDapat habis:P: ya; ES: tidakPerforma dan kecepatan:P: variabel; ES: konstanBiaya:P: tinggi; ES: terjangkau

Example of Expert SystemThe famous:MYCIN: diagnosa penyakit, DENDRAL: mengidentifikasi struktur molekul campuran kimia yang tidak dikenal, XCON & XSEL: konfigurasi sistem komputer besar, Prospector: bidang geologiThe other:SOPHIE: analisis sirkuit elektronik, DELTA: pemeliharaan lokomotif listrik, FOLIO: stok dan investasi

Benefits of Expert SystemsMemungkinkan orang awam dapat mengerjakan pekerjaan para ahliBisa melakukan proses berulang secara otomatisMenyimpan pengetahuan dan keahlian pakarMeningkatkan output dan produktifitasMelestarikan keahlian pakarDapat beroperasi pada lingkungan berbahayaDapat meningkatkan kemampuan sistem komputerDapat bekerja dengan informasi yang tidak lengkapSebagai media pelengkap dalam pelatihanMenghemat waktu pengambilan keputusan

The Down Side of Expert SystemDevelopment of an ES is difficultES is expensiveMost ES still must be implemented & delivered on a big mainframe or minicomputerNot 100% reliableKepakaran tidak selalu tersedia pada bidang-bidang tertentu

4 Basic TypeStand-alone: software yang berdiri sendiri, tidak tergabung dengan program lainSistem Tergabung: sistem ini merupakan bagian dari program lain yang masih bersifat konvensional, misal berada di dalam algoritma yang konvensionalSistem terhubung dengan software lain: misalnya sistem pakar yang berhubungan dengan paket program DBMSSistem Mengabdi: merupakan bagian dari komputer khusus yang dihubungkan dengan suatu fungsi tertentu

Sistem Konvensional vs ESSK: informasi dan pemrosesan menjadi satu dengan program, ES: pengetahuan dan inferensi terpisahSK: tidak bisa menjelaskan keputusan, ES: ada fasilitas penjelasanSK: eksekusi perlangkah, ES: eksekusi dilakukan pada seluruh basis pengetahuanSK: menggunakan data, ES: menggunakan pengetahuan

Konsep Dasar ESKomponen Sistem Pakar:Pengetahuan Pakar: pengetahuan pada suatu bidang tertentuFakta-fakta, teori, prosedur, aturan, strategi, meta knowledgePakarPengalihan Pengetahuan:Tambahan pengetahuan, representasi pengetahuan, inferensi pengetahuan, pengalihan pengetahuan ke user.Inferensi: kemampuan menalarAturan: dalam bentuk aturan IF-THENFasilitas Penjelasan: penejelasan bagaimana keputusan dibuatKemampuan rekomendasi

User

PenjelasanKnowledge Acusition: penambahan pengetahuan, mengkonstruksi atau memperluas pengetahuanKnowledge Base: berisi pengetahuanInference Engine: program yang berisi metodologi yang digunakan untuk melakukan penalaran terhadap informasi dalam basis pengetahuan dan blackboard:Interpreter: mengeksekusi item-item agenda yang terpilih menggunakan aturanScheduler: mengkontrol agendaConsistency Enforcer: memelihara kekonsistenan dalam merepresentasikan solusi yang bersifat daruratBlackboard: area kerja dalam memori yang digunakan dalam kejadian yang sedang berlangsung termasuk keputusan sementaraPlan: bagaimana menghadapi masalahAgenda: aksi aksi potensial yang sedang menunggu untuk dieksekusiSolution: calon aksi yang akan dibangkitkan

PenjelasanInterface: sebagai media komunikasi antara user dan programExplanation Facility: melacak respon dan memberi penjelasan ttg kelakuan sistem pakarMengapa suatu pertanyaan ditanyakan?Bagaimana konklusi dicapai?Mengapa ada alternatif yang dibatalkan?Rencana apa yang dilakukan mendapatkan solusi?Knowledge refinement: mengevaluasi kinerja sistem pakar, apakah pengetahuan tersebut masi cocok untuk digunakan pada masa yang akan datang?

Knowledge BasePendekatan knowledge base:Rule Based ReasoningPengetahuan dibuat dalam IF-THENDigunakan jika kita sudah memiliki pengetahuan dari pakar mengenai permasalahan tertentu secara berurutanDibutuhkan jika harus ada penjelasan tentang langkah-langkah pencapaian solusiCase Based ReasoningBasis pengetahuan akan berisi kasus-kasus yang sudah diketahui sebelumnya.Jika kasus-kasusnya hampir miripJika sudah memiliki penyelesaian kasus-kasus

Inference EngineForward Chaining: pencocokan dari fakta untuk menguji kebenaran hipotesisBackward Chaining: pencocokan dari bagian hipotesis terlebih dahulu baru mencocokkan dengan fakta-faktanya

KasusContoh:R1: IF A & B THEN CR2: IF C THEN DR3: IF A & E THEN FR4: IF A THEN GR5: IF F & G THEN DR6: IF A & G THEN HR7: IF C & H THEN IR8: IF I & A THEN JR9: IF G THEN JR10: IF J THEN KFakta: A & F, apakah K benar?

KasusR1: if suku bunga turun then harga obligasi naikR2: if suku bunga naik then harga obligasi turunR3: if suku bunga tidak berubah then harga obligasi tidak berubahR4: if dolar naik then suku bunga turunR5: if dolar turun then suku bunga naikR6: if harga obligasi turun then beli obligasi

Diket: dolar turun, beli atau tidak obligasi?

Knowledge AcuisitionKnowledge engineer berusaha menyerap pengetahuan untuk ditransfer ke basis pengetahuanMetode:WawancaraAnalisis protokol: pakar diminta untuk melakukan pekerjaan dan direkamObservasi kerja pakarInduksi aturan

Ciri-ciri Expert SystemAdanya Explanation facilityMudah dimodifikasiDapat digunakan pada berbagai jenis komputerMemiliki kemampuan beradaptasi

Expert System ApplicationsES is not suitable for all situationsGeneric ES categories:Control : intelligent automationDebugging : recommends corrections to faultsDesign : developing products to specificationInstruction : optimized computer instructionInterpretation : clarification of situationsPlanning : developing goal-oriented schemesPrediction : intelligent guessing of outcomesRepair : automatic diagnosis, debugging, planning and fixing

Developing an Expert System

apakah problem memerlukan ES?Memerlukan kepakaranBiaya tinggiTidak memerlukan common senseSubyeknya sempitTidak memerlukan solusi fisikTingkat kesulitan sedangBisa dipecahkan oleh pengetahuanMemiliki solusi minimumPakarnya tersedia

Latar Belakang E/SSistem Pakar memberikan banyak keuntungan bagi operasi perusahaan dan manajer, tetapi memiliki keterbatasan significan.

Artificial Intelligence merupakan suatu aktivitas untuk menyediakan berbagai mesin seperti komputer dengan menampilkan perilaku dengan penalaran yang cerdas apabila diamati sebagai manusia. Artificial Intelligence menyajikan berbagai aplikasi komputer yang canggih untuk menyamai berbagai jenis penalaran manusia.

Sejarah Artificial Intelligence> John McCarty> Logic Theorist> General Problem Solver (GPS)

Bidang Artificial Intelligence1. Jaringan Syaraf (Neural Network)2. Sistem Persepsi (Perceptive System)3. Belajar (Learning)4. Robot (Robotics)5. Perangkat Keras Ai (Artificial Intelligence)6. Pemrosesan Bahasa Alamiah (Natural Language Processing)

Definisi E/SSistem Pakar (Expert System) merupakan suatu sistem yang menggunakan pengetahuan manusia dalam komputer untuk memecahkan masalah yang biasanya dikerjakan oleh seorang pakar.

Misalnya : Dokter, Lawyer, Analist Keuangan, Tax Advisor. Sistem pakar dapat mendorong perhatian besar diantara ahli komputer dan spesialist informasi untuk mengembangkan sistem membantu manajer dan non manajer memecahkan masalah.

Komponen E/SSistem pakar terdiri atas 4 bagian:1. User Interface2. Knowledge Base3. Inference Engine4. Development Engine

Manfaat E/SKeuntungan Expert System untuk manajer.1. Menyajikan lebih banyak alternatif.2. Menerapkan logika tingkat tinggi3. Menyediakan waktu banyak untuk evaluasi hasil keputusan.4. Memberikan solusi yang lebih konsisten5. Membuat seorang awam bekerja seperti layaknya seorang pakar;6. Menyederhanakan pekerjaan dan meningkatnya efisiensi kerja;7. Meningkatnya kualitas pekerjaan;8. Meningkatnya produktifitas sehingga meningkat pula performance perusahaan;Merupakan arsip yang terpercaya sehingga seolah-olah langsung konsultasi dengan pakar (meskipun sang pakar telah tiada)10. Memperluas jangkauan.

Keuntungan Expert System untuk perusahaan.1. Meningkatkan performance perusahaan.2. Memelihara pengendalian terhadap knowledge perusahaan.

Penerapan E/SFaktor dan kondisi yang mempengaruhi terdiri atas :

1. Alasan Umum > Programming Konvensional (Algoritma) tidak memuaskan. > Adanya Expert yang dapat memecahkan masalah. > Pemilihan problem domain menyajikan kombinasi terbaik.2. Problem Domain > Problem Domain ditandai oleh penggunaan Expert Knowledge, Judgement dan pengalaman.3. Domain Task. > Task tidak terlalu mudah dan juga tidak terlalu sulit. > Task mensyaratkan Primarily Symbolic Reasoning.4. Domain Personnel. > Merupakan dukungan manajemen yang kuat.5. Expert. > Memiliki Expert yang kualified dan menepati waktu. > Expert harus terpercaya.6. Sistem Analist > Sistem Analist harus telah memahami problem domain atau dapat mempelajarinya. > Sistem Analist dapat menarik Expert Knowledge.

User InterfaceUser InterfaceUser interface digunakan manajer untuk meng-enter instruksi dan informasi dari sistem.

Metode input yang digunakan oleh manajer yaitu:> Menu> Command> Natural Language

Output ES memakai 2 bentuk penjelasan (explanation) :> Explanation of Question> Explanation of Problem Solution

Knowledge BaseKnowledge base terdiri dari fakta yang menggambarkan area problem atau problem domain dan juga teknik penyajian yang menggunakan fakta sesuai logika.

Rule/aturan merupakan rincian dalam situasi yang tidak berubah:> Kondisi benar dan tidak benar> Tindakan yang diambil bila kondisi benar

Inference EngineInference Engine merupakan bagian dari Expert System yang membentuk Reasoning dengan menggunakan isi dari knowledge base dalam urutan tertentu.

Dua metode yang digunakan dalam Expert System untuk mengamati Rule, yaitu:

a. Penalaran ke depan (Forward) atau Forward Chaining > Evaluasi Rule > Proses Penalaran Berulang (Iterative Reasoning)

b. Penalaran ke Belakang (Revierse) atau Backward Chaining. > Alur Logika Pertama diikuti (First Logical Path) > Alur Logika Selanjutnya diikuti (Next Logical Path)

Development EngineDevelopment Engine membangun Rule Set dengan pendekatan :1. Bahasa Pemrograman (Programming Language).2. Bagian Expert System (Expert System Shell) Peran Sistem Analist sebagai Knowledge Engineer dalam organisasi bisnis dengan menggunakan keterampilan untuk membangun aplikasi komputer yang konvesional, yaitu :> Memahami bagaimana Expert menerapkan keahliannya dalam pemecahan masalah.> Dapat menarik suatu Description Of Knowledge dari Expert.

Proses Pengembangan Sistem> Permulaan proses pengembangan > Prototype pengembangan Expert System> Partisipasi User> Pemeliharaan Expert System

Aplikasi dan Penerapan E/S1. ADVERatau Advertising adalah sebuah prototipe ES digunakan untuk menggunakan strategi media periklanan yang sesuai dengan kondisi internal dan eksternal perusahaan dengan parameter biaya iklan per seribu pemirsa.

2. BERTatau Brickwork expERT adalah sebuah ES untuk disain bangunan. BERT digunakan untuk memeriksa sebuah disain bangunan, kemudian memberikan beberapa rekomendasi untuk perbaikan. Inputnya bisa dalam bentuk gambar.

3. DELTAadalah ES untuk mendiagnosa kerusakan pada mesin-mesin Diesel Electric Locomotive.

4. DENDRALSistem pakar untuk analisis struktur molekul suatu senyawa yang belum diketahui. Senyawa yang belum diketahui tersebut dianalisis dengan menggunakan mass spectrometer dan nuclear magnetic reconancy equipment. Data hasil analisis tersebut dimasukkan ke DENDRAL yang akan membuat struktur molekulnya.

5. MYCINAdalah ES untuk mendiagnosa infeksi akibat bakteri dan menyarankan jenis obat dan dosisnya untuk penyembuhan.

6. OPERAatau OPERator Advisor yang digunakan untuk mendiagnosa dan menangani kerusakan pada suatu jaringan komputer.OPERA dijalankan pada malam hari untuk menggantikan Supervisor System Manager.

7. PROSPECTORuntuk membantu menemukan lokasi yang mengandung bahan tambang. Basis pengetahuannya berisi kaidah berdasar data empiris dan taksonomi beberapa jenis mineral dan batu-batuan. Untuk mengetahui apakah suatu daerah mengandung bahan tambang , lebih dahulu dilakukan survey keadaan geologi dan pengambilan contoh tanah dan batu-batuan. Berdasarkan data hasil survey tsb akan diberikan rekomendasi apakah daerah tsb layak untuk dieksplorasi dan akan diputuskan apakah akan dilakukan penggalian atau tidak.

8.HEATINGSUntuk pengontrolan proses pembakaran batubara secara terus menerus dengan menggunakan sensor yang dihubungkan ke komputer. Bila terjadi kerusakan yang menimbulkan bahaya (peralatan & manusia) dapat dengan mudah mengetahui dan memberikan pemecahannya. Misal, bila bila HEATINGS mendeteksi kadar CO melewati ambang batas akan terdengar bunyi alarm dan menyuruh membuka ventilasi.

9. SHEARER Untuk mendiagnosa kerusakan mesin pemotong batubara tipe AM500. Pada pertambangan batubara, batubara dipotong dgn menggunakan alat pemotong Shearer (sangat mahal, terdiri dari : sistem mekanik, hidrolik, dan elektrik), kemampuannya sekitar 300 ton batubara per jam. SHEARER dapat siaga 24 jam penuh dan cepat melakukan diagnosa kerusakan (hidrolik, mekanik, dan elektrik).

10. MSUV-VISUntuk melakukan analisis multi komponen bahan aktif obat flu dalam berbagai macam pelarut, pada industri farmasi. Selain itu sistem tersebut dapat digunakan untuk penetapan kadar (pk) campuran senyawa-senyawa lain dengan syarat spektranya tumpang tindih yang aditif.

ARSITEKTUR SISTEM PAKAR

KOMPONEN SISTEM PAKARantar muka pengguna (user interface)basis data sistem pakar (expert system database)fasilitas akuisisi pengetahuan (knowledge acquisition facility) dan mekanisme inferensi (inference mechanism)fasilitas penjelasan (explanation facility)

Antar Muka Penggunaperangkat lunak yang menyediakan media komunikasi antara pengguna dengan sistemBasis data sistem pakar berisi pengetahuan setingkat pakar pada subyek tertentu berisi pengetahuan yang dibutuhkan untuk memahami, merumuskan dan menyelesaikan masalah terdiri dari 2 elemen:Fakta, situasi masalah dan teori yang terkaitHeuristik khusus atau rules, yang langsung menggunakan pengetahuan untuk menyelesaikan masalah khusus

Fasilitas Akuisisi Pengetahuanperangkat lunak yang menyediakan fasilitas dialog antara pakar dengan sistemdigunakan untuk memasukkan fakta-fakta dan kaidah-kaidah sesuai dengan perkembangan ilmuMeliputi proses pengumpulan, pemindahan, dan perubahan dari kemampuan pemecahan masalah seorang pakar atau sumber pengetahuan terdokumentasi (buku, dll) ke program komputerbertujuan untuk memperbaiki dan atau mengembangkan basis pengetahuan (knowledge-base)

Mekanisme Inferensiperangkat lunak yang melakukan penalaran dengan menggunakan pengetahuan yang ada untuk menghasilkan suatu kesimpulan atau hasil akhir. Dalam komponen ini dilakukan pemodelan proses berpikir manusia

Fasilitas Penjelasanberguna dalam memberikan penjelasan kepada pengguna mengapa komputer meminta suatu informasi tertentu dari pengguna dan dasar apa yang digunakan komputer sehingga dapat menyimpulkan suatu kondisi

Tipe PenjelasanPenjelasan mengenai jejak aturan yang menunjukkan status konsultasipenjelasan mengenai bagaimana sebuah keputusan diperoleh penjelasan mengapa sistem menanyakan suatu pertanyaan penjelasan mengapa sistem tidak memberikan keputusan seperti yang dikehendaki pengguna

Memori Kerjabagian dari sistem pakar yang berisi fakta-fakta masalah yang ditemukan dalam suatu sesi

AgendaUrutan aturan yang dibangkitkan oleh mesin inferensi

Expert SystemsAn expert system is a computer program that is designed to hold the accumulated knowledge of one or more domain experts

Applications of Expert SystemsPROSPECTOR:Used by geologists to identify sites for drilling or miningPUFF:Medical system for diagnosis of respiratory conditions

Applications of Expert SystemsDESIGN ADVISOR:Gives advice to designers of processor chipsMYCIN:Medical system for diagnosing blood disorders. First used in 1979

Applications of Expert SystemsDENDRAL: Used to identify the structure of chemical compounds. First used in 1965LITHIAN: Gives advice to archaeologists examining stone tools

Components of an Expert SystemThe knowledge base is the collection of facts and rules which describe all the knowledge about the problem domainThe inference engine is the part of the system that chooses which facts and rules to apply when trying to solve the users queryThe user interface is the part of the system which takes in the users query in a readable form and passes it to the inference engine. It then displays the results to the user.

Why use Expert Systems?Experts are not always available. An expert system can be used anywhere, any time.Human experts are not 100% reliable or consistentExperts may not be good at explaining decisionsCost effective

Problems with Expert SystemsLimited domainSystems are not always up to date, and dont learnNo common senseExperts needed to setup and maintain system

Legal and Ethical IssuesWho is responsible if the advice is wrong?The user?The domain expert?The knowledge engineer?The programmer of the expert system shell?The company selling the software?

Expert Systems on the Webhttp://www.aiinc.ca/demos/whale.htmlhttp://www.vanguardsw.com/ decisionscript/examples.htmhttp://www.exsys.com/demomain.htmlhttp://www.expertise2go.com/webesie/carhttp://www.expertise2go.com/webesie/wine

Sistem pakar (expert system) adalah sistem yang berusaha mengapdosi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli.Sistem pakar yang baik dirancang agar dapat menyelesaikan suatu permasalahan tertentu dengan meniru kerja dari para ahli.

Sistem pakar yang terkenalMYCINPaling terkenal, dibuat oleh Edward Shortlife of Standford University tahun 70-anSistem pakar medical yang bisa mendiagnosa penyakit infeksi dan merekomendasi pengobatanMYCIN membantu dokter mengidentifikasi pasien yang menderita penyakit. Dokter duduk di depan komputer dan memasukkan data pasien: umur, riwayat kesehatan, hasil laboratorium dan informasi terkait lainnya. Dengan informasi ini ditambah pengetahuan yang sudah ada dalam komputer, MYCIN mendiagnosa selanjutnya merekomendasi obat dan dosis yang harus dimakan.

Sistem pakar yang terkenalMYCIN sebagai penasehat medis, tidak dimaksudkan untuk mengantikan kedudukan seorang dokter. Juga untuk membantu dokter dalam mengkonfirmasi diagnosa dan terapi yang diberikan kepada pasien

Kesimpulan :sistem pakar seperti MYCIN bisa digunakan sebagai bahan pembanding dalam pengambilan solusi dan pemecahan masalah. Keputusan terakhir atas pengobatan tersebut tetapmenjadi tanggung jawab dokter.

Sistem pakar yang terkenalDENDRALMengidentifikasi struktur molekular campuran kimia yang tak dikenalXCON & XSELXCONMerupakan sistem pakar untuk membantu konfigurasi sistem komputer besar, membantu melayani order langganan sistem komputer DEC VAX 11/780 ke dalam sistem spesifikasi final yang lengkapKomputer besar seperti VAX terbuat dari ratudan komponen yang berbeda digabung dan disesuaikan dengan konfigurasi tertentu yang diinginkan oleh para pelanggan.Ada ribuan cara dimana aseosri Pcboard, kabel, disk drive, periperal, perangkat lunak, dan lainnya bisa dirakit ke dalam konfigurasi yang sangat rapih. Untuk mengidentifikasi hal-hal tersebut diperlukan waktu berhari-hari/berminggu-minggu agar bisa memenuhi spesifikasi yang diinginkan pemesan, tapi dengan XCON bisa dalam beberapa menit.

MANFAAT SISTEM PAKAR :Memungkinkan orang awam bisa mengerjakan pekerjaan para ahliBisa melakukan proses secara berulang secara otomatisMenyimpan pengetahuan dan keahlian para pakarMampu mengambil dan melestarikan keahlian para pakar (terutama yang termasuk keahlian langka)Mampu beroperasi dalam lingkungan yang berbahayaMemiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan mengandung ketidakpastian. Pengguna bisa merespon dengan jawaban tidak tahu atau tidak yakin pada satu atau lebih pertanyaan selama konsultasi dan sistem pakar tetap akan memberikan jawaban.

MANFAAT SISTEM PAKAR :Tidak memerlukan biaya saat tidak digunakanDapat digandakan (diperbanyak) sesuai kebutuhan dengan waktu yang minimal dan sedikit biayaDapat memecahkan masalah lebih cepat daripada kemampuan manusia dengan catatan menggunakan data yang sama.Menghemat waktu dalam pengambilan keputusan

MANFAAT SISTEM PAKAR :Meningkatkan kualitas dan produktivitas karena dapat memberi nasehat yang konsisten dan mengurangi kesalahanMeningkatkan kapabilitas sistem terkomputerisasi yang lain. Mampu menyediakan pelatihan. Pengguna pemula yang bekerja dengan sistem pakar akan menjadi lebih berpengalaman. Fasilitas penjelas dapat berfungsi sebagai guru.

KELEMAHAN SISTEM PAKARBiaya yang diperlukan untuk membuat, memelihara, dan mengembangkannya sangat mahalSulit dikembangkanSistem pakar tidak 100% benar Pendekatan oleh setiap pakar untuk suatu situasi atau problem bisa berbeda-beda, meskipun sama-sama benar.Transfer pengetahuan dapat bersifat subjektif dan biasKurangnya rasa percaya pengguna dapat menghalangi pemakaian sistem pakar.

KONSEP DASAR SISTEM PAKARKonsep dasar sistem pakar mengandung keahlian, ahli/pakar, pengalihan keahlian, Mengambil keputusan,aturan, kemampuan menjelaskan.

KeahlianKeahlian bersifat luas dan merupakan penguasaan pengetahuan dalam bidang khusus yang diperoleh dari pelatihan, membaca atau pengalaman. Contoh bentuk pengetahuan yang termasuk keahlian :- Teori, fakta, aturan-aturan pada lingkup permasalahan tertentu- Strategi global untuk menyelesaikan masalah

Ahli / PakarSeorang ahli adalah seseorang yang mampu menjelaskan suatu tanggapan, mempelajari hal-hal baru seputar topik permasalahan, menyusun kembali pengetahuan jika dipandang perlu, memecahkan masalah dengan cepat dan tepat

Pengalihan keahlianTujuan dari sistem pakar adalah untuk mentransfer keahlian dari seorang pakar ke dalam komputer kemudian ke masyarakat. Proses ini meliputi 4 kegiatan, yaitu perolehan pengetahuan (dari para ahli atau sumber-sumber lainnya), representasi pengetahuan ke komputer, kesimpulan dari pengetahuan danpengalihan pengetahuan ke pengguna.

Mengambil keputusanHal yang unik dari sistem pakar adalah kemampuan untuk menjelaskan dimana keahlian tersimpan dalam basis pengetahuan. Kemampuan komputer untuk mengambil kesimpulan dilakukan oleh komponen yang dikenal dengan mesin inferensi yaitu meliputi prosedur tentang pemecahan masalah.

AturanSistem pakar yang dibuat merupakan sistem yang berdasarkan pada aturan aturan dimana program disimpan dalam bentuk aturan-aturan sebagai prosedur pemecahan masalah. Aturan tersebut biasanya berbentuk IF THEN..

Kemampuan menjelaskanKeunikan lain dari sistem pakar adalah kemampuan dalam menjelaskan atau memberi saran/rekomendasi serta juga menjelaskan mengapa beberapa tindakan/saran tidak direkomendasikan

PERBEDAAN SISTEM KONVENSIONAL DENGAN SISTEM PAKAR

Sistem Konvensional Informasi dan pemrosesannya biasanya jadi satu dengan programProgram tidak pernah salah (keculai pemrogramnya yang salah)Biasanya tidak bisa menjelaskan mengapa suatu input data itu dibutuhkan atau bagaimana output itu diperolehPengubahan program cukup sulit dan merepotkanSistem hanya akan bekerja jika sistem tersebut sudah lengkapEksekusi dilakukan langkah demi langkah secara algoritmikMenggunakan data Tujuan utamanya adalah efisiensi

Sistem PakarBasis pengetahuan merupakan bagian terpisah dari mekanisme inferensiProgram bisa saja melakukan kesalahanPenjelasan adalah bagian terpenting dari sistem pakarPengubahan pada aturan/kaidah dapat dilakukan dengan mudahSistem dapat bekerja hanya dengan beberapa AturanEksekusi dilakukan pada keseluruhan basis pengetahuan secara heuristik dan logisMenggunakan pengetahuanTujuan utamanya adalah efektivitas

ELEMEN MANUSIA YANG TERKAIT DALAM PENGGUNAAN DAN PENGEMBANGANSISTEM PAKAR

1. Pakar2.Perekayasa pengetahuanPerekayasa pengetahuan adalah orang yang membantu pakar dalam menyusun area permasalahan dengan menginterpretasikan dan mengintegrasikan jawaban-jawaban pakar atas pertanyaan yang diajukan, menggambarkan analogi, mengajukan counter example dan menerangkan kesulitan-kesulitan konseptual.3. Pemakai

PemakaiPemakai awam : dalam hal ini sistem pakar bertindak sebagai konsultan untuk memberikan saran dan solusi kepada pemakaiPelajar yang ingin belajar : sistem pakar bertindak sebagai instrukturPembuat sistem pakar : sistem pakar sebagai partner dalam pengembangan basis pengetahuan.Pakar : sistem pakar bertindak sebagai mitra kerja/asisten

AREA PERMASALAHAN APLIKASI SISTEM PAKAR

InterpretasiYaitu pengambilan keputusan dari hasil observasi, diantaranya : pengawasan, pengenalan ucapan, analisis citra, interpretasi sinyal, dan beberapa analisis kecerdasanPrediksiMemprediksi akibat-akibat yang dimungkinkan dari situasi-situasi tertentu, diantaranya : peramalan, prediksi demografis, peralaman ekonomi, prediksi lalulintas, estimasi hasil, militer, pemasaran, atau peramalan keuangan.DiagnosisMenentukan sebab malfungsi dalam situasi kompleks yang didasarkan pada gejala-gejala yang teramati, diantaranya : medis, elektronis, mekanis, dan diagnosis perangkat lunak

AREA PERMASALAHAN APLIKASI SISTEM PAKARDesainMenentukan konfigurasi komponen-komponen sistem yang cocok dengan tujuan-tujuan kinerja tertentu dan kendala-kendala tertentu, diantaranya : layout sirkuit, perancangan bangunanPerencanaanMerencanakan serangkaian tindakan yang akan dapat mencapai sejumlah tujuan dengan kondisi awal tertentu, diantaranya : perencanaan keuangan, komunikasi, militer, pengembangan politik, routing dan manajemen proyek.MonitoringMembandingkan tingkah laku suatu sistem yang teramati dengan tingkah laku yang diharapkan darinya, diantaranya : Computer Aided Monitoring System

STRUKTUR SISTEM PAKAR2 bagian utama sistem pakar :lingkungan pengembangan (development environment) : digunakan untuk memasukkan pengetahuan pakar ke dalam lingkungan sistem pakarlingkungan konsultasi (consultation environment) : digunakan oleh pengguna yang bukan pakar untuk memperoleh pengetahuan pakar

Komponen-komponen yang terdapat dalam arsitektur/struktur sistem pakar :1. Antarmuka Pengguna (User Interface)Merupakan mekanisme yang digunakan oleh pengguna dan sistem pakar untuk berkomunikasi.2. Basis PengetahuanBasis pengetahuan mengandung pengetahuan untuk pemahaman, formulasi, dan penyelesaian masalah. Komponen sistem pakar ini disusun atas 2 elemen dasar, yaitu :- fakta : informasi tentang obyek dalam area permasalahan tertentu- aturan : informasi tentang cara bagaimana memperoleh fakta baru dari fakta yang telah diketahui.

Komponen-komponen yang terdapat dalam arsitektur/struktur sistem pakar :2. Akuisisi Pengetahuan (Knowledge Acquisition)Akuisisi pengetahuan adalah akumulasi, transfer, dan transformasi keahlian dalam menyelesaikan masalah dari sumber pengetahuan ke dalam program komputer..

Komponen-komponen yang terdapat dalam arsitektur/struktur sistem pakar :3. Mesin/Motor Inferensi (inference engine)Komponen ini mengandung mekanisme pola pikir dan penalaran yang digunakan oleh pakar dalam menyelesaikan suatu masalah. 4. Workplace / BlackboardWorkplace merupakan area dari sekumpulan memori kerja (working memory), digunakan untuk merekam kejadian yang sedang berlangsung termasuk keputusan sementara.

Komponen-komponen yang terdapat dalam arsitektur/struktur sistem pakar :5. Fasilitas PenjelasanAdalah komponen tambahan yang akan meningkatkan kemampuan sistem pakar. 6. Perbaikan PengetahuanPakar memiliki kemampuan untuk menganalisis dan meningkatkan kinerjanya serta kemampuan untuk belajar dari kinerjanya.

BASIS PENGETAHUAN (KNOWLEDGE BASE)Basis pengetahuan berisi pengetahuan-pengetahuan dalam penyelesaian masalah. Ada 2 bentuk pendekatan basis pengetahuan :a. Penalaran berbasis aturan (rule-based reasoning) Pengetahuan direpresentasikan dengan menggunakan aturan berbentuk IF-THEN. Contoh : aturan identifikasi hewanRule 1 : IF hewan berambut dan menyusui THEN hewan mamaliaRule 2 : IF hewan mempunyai sayap dan bertelur THEN hewan jenis burungRule 3 : IF hewan mamalia dan memakan daging THEN hewan karnivoraDst...

BASIS PENGETAHUAN (KNOWLEDGE BASE)b. Penalaran berbasis kasus (case-based reasoning)Pada penalaran berbasis kasus, basis pengetahuan akan berisi solusi-solusi yang telah dicapai sebelumnya, kemudian akan diturunkan suatu solusi untuk keadaan yang terjadi sekarang (fakta yang ada).

MESIN INFERENSI (INFERENCE ENGINE)Ada 2 cara penalaran yang dapat dikerjakan dalammelakukan inferensi :a. Forward ChainingPencocokan fakta atau pernyataan dimulai dari bagian sebelah kiri dulu (IF dulu). Dengan kata lain penalaran dimulai dari fakta terlebih dahulu untuk menguji kebenaran hipotesis.b. Backward ChainingPencocokan fakta atau pernyataan dimulai dari bagian sebelah kanan (THEN dulu). Dengan kata lain penalaran dimulai dari hipotesis terlebih dahulu, dan untuk menguji kebenaran hipotesis tersebut harus dicari fakta-fakta yang ada dalam basis pengetahuan.

JENIS KERUSAKANA1 = MONITOR RUSAKA2 = MEMORI RUSAKA3 = HDD RUSAKA4 = VGA RUSAKA5 = SOUND CARD RUSAKA6 = OS BERMASALAHA7 = APLIKASI RUSAKA8 = PSU RUSAKA9 = PROSESOR RUSAKA10 = MEMORY KURANG (PERLU UPGRADE MEMORY)A11 = MEMORY VGA KURANG (PERLU UPGRADE VGA)A12 = CLOCK PROSOR KURANG TINGGI (PERLU UPGRADE PROSESOR)A13 = KABEL IDE RUSAKA14 = KURANG DAYA PADA PSU (PERLU UPGRADE PSU)A15 = PERANGKAT USB RUSAKA16 = KEYBOARD RUSAKA17 = MOUSE RUSAK

Sistem Berbasis PengetahuanSistem Berbasis PegetahuanSistem PakarGamesRobotikSistem Komputer

Sistem Pakar berasal dari istilah knowledge-based expert systemMenggunakan human knowledge yang dimasukkan ke dalam komputer untuk memecahkan masalah yang umumnya memerlukan keahlian seorang PakarDomain yang sempit

Inference EngineUSERKnowledge BaseFactExpertise

Hubungan Problem Domain dan Knowledge DomainKnowledge DomainProblem DomainKnowledge Domain

Structure of an Expert SystemConsultation Environment(Use)Development Environment(Knowledge Acquisition)UserExpertUser InterfaceInference EngineExplanationFacilityWorking MemoryFacts ofthe CaseRecommendation,ExplanationFacts ofthe CaseKnowledgeEngineerKnowledgeAcquisitionFacilityKnowledgeBaseDomain Knowledge(Elements ofKnowledge Base)

Definisi Sistem PakarSistem komputer yang dapat melakukan penalaran terhadap persoalan tertentu seperti penalaran yang dilakukan manusia (Michael P. Geografi)

Sistem Komputer yang bisa menyamai atau meniru kemampuan seorang pakar (Giarratano dan Riley)

Program komputer yang dimanfaatkan untuk meniru proses pengambilan keputusan seorang pakar dalam bidang tertentu (Michael W. Parks)

Etc.

Tujuan Dan Fungsi Sistem PakarMemasyarakatkan Pengetahuan dan Pengalaman seorang Pakar

Dapat digunakan non-expert untuk meningkatkan kemampuan pemecah- an masalah dan oleh expert sebagai knowledgeable assistant

Menyederhanakan pekerjaan dan memperbaiki kualitas

Memecahkan masalah (sederhana) tanpa kehadiran seorang pakar

Expertise atau KepakaranMeliputi pengetahuan tentang :

Fakta-fakta dan teori-teori tentang bidang permasalahan Aturan-aturan (heuristic) tentang apa yang harus dikerjakan dalam situasi tertentu

Strategi global untuk memecahkan perma-salahan semacam ini

Pengetahuan tentang pengetahuan (meta knowledge)

PAKARMelibatkan kegiatan :Mengenali dan memformulasikan permasa- lahanMemecahkan permasalahan secara cepat dan tepatMenerangkan pemecahannyaBelajar dari pengalamanMerestrukturisasi pengetahuanMemecahkan aturan-aturanMenentukan relevansi

PENGETAHUANYANG TERDO-KUMENTASIKANALAT BANTU,BAHASASISTEM PAKARPEMBANGUNALAT BANTUPENJUALPAKARINSINYURPENGETAHUANPEMBANGUNSISTEMSTAFPENDUKUNGPENGGUNAAKHIRMembangunMemberikanPenggunaPenggunaBekerja samaMemperolehpengetahuanMemba-ngunMembangunMenghubungkanMenggunakanMengujiMendukungtugasPARTISIPAN DALAM MEMBANGUN SISTEM PAKAR DANATURAN-ATURANNYA

Bahasa-bahasa Pemrograman Sistem Pakar

LisPInsight 2 +

ProLogAmzy Logic

ExSysJESS

PC +CLIPS

Expert EaseEtc.

Beberapa contoh aplikasi Sistem Pakar Mysin, identifikasi penyakit infeksi bakterial dan rekomendasi obat anti biotiknyaDendral, analisa struktur molekular suatu senyawa yang belum diketahuiEtc.

KATEGORI GENERIK DARI SISTEM PAKAR

KategoriMasalah yang DiselesaikanInterpretasiPrediksi

DiagnosisPerancanganPerencanaan

Monitoring

DebuggingReparasi

Instruksi

KontrolMenduga gambaran situasi dari observasiMenduga akibat yang mungkin dari situasi tertentuMenduga kegagalan sistem dari observasiMengatur konfigurasi obyek dari konstrainMengembangkan rencana-rencana untuk mencapai tujuan-tujuanMembandingkan observasi terhadap rencana-rencana, tanda gagal/berhasil (flagging), danperkecualian-perkecualian (exceptions)Memberi obat bagi kegagalan fungsiMengeksekusi rencana untuk menjalankan obatpenyembuhanMendiagnosa, mendebug, dan membetulkanunjuk kerja siswaMenginterpretasikan, memprediksi, mereparasi,dan memonitor perilaku sistem

Ciri-ciri Sistem Pakar Terbatas pada domain keahlian tertentuMemiliki fasilitas informasi yang handalBerdasar rule-ruletertentuMudah dimodifikasiDapat digunakan dalam berbagai jenis komputerDirancang untuk dapat dikembangkan secara bertahapOutput bersifat anjuran

PERBANDINGAN SISTEM KONVENSIONAL DENGAN SISTEM PAKAR

Sistem KonvensionalSistem PakarInformasi dan pemrosesannya biasanya digabungkan dalam satu program sekuen- sial

Program tidak membuat kesalahan (yang membuat kesalahan : pemrogram)

Biasanya tidak menerangkan mengapa data masukan diperlukan atau bagaimana kesimpulan ditarik

Perubahan program sangat menyulitkan (tedious)

Sistem hanya beroperasi setelah lengkap/ selesai

Eksekusi dilakukan langkah demi langkah (algoritmik)

Perlu informasi lengkap agar bisa BeroperasiBasis Pengetahuan dipisahkan secara jelasdengan mekanisme pemrosesan / inferensi (yaitu, aturan-aturan pengetahuan dipisah-kan dari kontrol)

Program dapat berbuat kesalahan

Keterangan biasanya merupakan bagian dari hampir semua Sistem Pakar

Perubahan dalam aturan-aturan mudah untuk dilaksanakan

Sistem dapat beroperasi hanya dengan aturan-aturan yang sedikit (prototipe awal)Eksekusi dilakukan dengan

Menggunakan heuristik dan logika

Dapat beroperasi dengan informasi yang tidak lengkap atau tidak tentu

PERBEDAAN (Lanjutan..)

Sistem KonvensionalSistem PakarManipulasi efektif dari basis data yang besarManipulasi efektif dari basis pengetahuan yang besarRepresentasi dan penggunaan dataRepresentasi dan penggunaan pengetahuanTujuan utama : efisiensiTujuan utama : efektivitasMudah berurusan dengan data kuantitatifMudah berurusan dengan data kualitatifMenangkap, membesarkan, dan mendistribusikan akses ke data numerik atau informasiMenangkap, membesarkan, dan mendistribusikan akses ke pertimbangan dan pengetahuan

Faktor-faktor yang mempengaruhi keberhasilan sistem pakar

Isi Sistem Pakar

Faktor ManajemenDukungan manajamen merupakan keharusanKebijakanDanaSumber dayaPelatihan untuk pengguna

Faktor PengetahuanPengetahuan didapat dari setidaknya satu orang pakar Tingkat kepakaran yang cukup tinggiPengetahuan dapat diinterpretasikan secara simbolis

Faktor AntarmukaAntarmuka dapat mengakomodir target pengguna (awam, teknis, pakar)Antarmuka disesuaikan dengan spesifikasi sistem pakar itu sendiri

Faktor Lingkup Permasalahan Kebutuhan akan solusi sepadan dengan biaya dan tenaga untuk membangun sebuah sistem pakar (cukup sulit)Permasalahan yg akan diselesaikan merupakan masalah kualitatif (fuzzy) dan tidak bisa diselesaikan dengan metode tradisionalPermasalahan terfokus dalam satu bidang yang tidak terlalu luasPakar tidak selalu tersedia

PENDAHULUANSub Sistem CBIS Yg Menarik

Sistem berbasis pengetahuan (knowledge based system)Kecedasan buatan ( artificial Intelligent)

Bentuk sistem berbasis pengetahuan yg populer adalah sistem pakar (expert system) yg mempunyai 4 bagian utama User interfaceInference engineDevolopment engineKnowlagde base

KECERDASAN BUATANKecerdasan buatan (artificial Intelligence A/I) adalah : Kegiatan memberikan pada mesin ( komputer) kemampuan untuk menampilkan prilaku yg dianggap cerdas.AI pertama kali diperkenalkan pada tahun 1956 dgn program komputer pertama disebut : logic theorist ( pembuktian teorima kalkulus).AI sedang diterapkan dibidang bisnis dlm bentuk sistem berbasisi pengetahuan ( knowledge base system), jenis yg paling popular adalah : program komputer yang memcoba untuk mewakili pengetahuan aturan yakni aturan praktis ( rule of thumb) dan aturan dugaan ( rule of good guessing).

PROBLEM DOMAIN MODEL SISTEM PAKAR

USER INTERFACEUser interface memungkinkan manajer untuk memasukkan instruksi & informasi ke dlm sistem pakar

Input Sistem PakarUser interface dirancang untuk mempermudah dialog dua arah antara sistem & pemakai dgn menampilkan teknik tanya-jawab dan pengisian formulir kemudian muncul bahasa perintah & menu speadsheet elektronik & sistem manajemen data base (DBMS)

KNOWLEDGE BASEKnowlage base memuat fakta-fakta yg menjelaskan area masalah & juga teknik menerangkan masalah yg memjelaskan bagaimana fakta fakta tsb cocok sata dgn yang lain

INTERFACE ENGINEPenaran MajuPenalaran maju disebut juga forward chaining dimana sistem pakar akan menguji apakah setiap kondisi benar atau salah.Penalaran MundurPenalaran mundur disebut juga backward chaining

Membandingkan Penalaran Maju & PenalaranMundur Penalaran mundur bergerak lebih cepat dari penalaran maju krn penalaran mundur tdk harus mempertimbangkan semua aturan & tdk membuat beberapa putaran melalui perangkat atauran.

Penalaran mundur sangat sesuai jika:Terdapat variabel sasaran berganda ( multiple goal variable)Terdapat banyak aturanSemua atau hampir semua aturan tdk hrs diuji dalm proses mencapi pemecahan.

DEVELOPMENT ENGINEKomponen utama sisem pakar adalah development engine, yg digunakan utk menciptakan sistem pakar. Ada 2 pendekatan dasar yakni :Bahasa PemrogramanShell sistem pakar

Penyusunan Sistem Pakar

Struktur sistem pakar

Komponen-komponen SP

Basis pengetahuan representasi pengetahuanmesin inferenceUser Interface (antarmuka pengguna),

Basis pengetahuanYaitu berupa representasi penegtahuan dari pakar.Tersusun dari fakta dan kaidah. Fakta adalah informasi tentang objek, peristiwa atau situasi. Kaidah adalah cara untuk membangkitkan suatu fakta yang sudah diketahuiModel : Jaringan Semantik, Frame, Aturan Produksi, Logika Predikat, Hybrids

Mesin inferensiBerperan sebagai pemamdu proses penalaran terhadapa suatu kondisi.Dalam prosesnya menggunakan strategi penalaran dan strategi pengendalian.Strategi penalaran : exact reasoning dan inexactTeknik pengendalian : forward chaining, backward chaining dan gabungan keduanya

Forward ChainingPelacakan kedepan adalah pendekatan yang dimotori data (data-driven). Dalam pendekatan ini pelacakan dimulai dari informasi masukan, dan selanjutnya mencoba menggambarkan kesimpulan. Pelacakan ke depan, mencari fakta yang sesuai dengan bagian IF dari aturan IF-THEN.

Backward chainingPelacakan ke belakang adalah pendekatan yang dimotori oleh tujuan (goal-driven). Dalam pendekatan ini pelacakan dimulai dari tujuan, selanjutnya dicari aturan yang memiliki tujuan tersebut untuk kesimpulannya. Selanjutnya proses pelacakan menggunakan premis untuk aturan tersebut sebagai tujuan baru dan mencari aturan lain dengan tujuan baru sebagai kesimpulannya. Proses berlanjut sampai semua kemungkinan ditemukan.

Konsep Dasar Sistem PakarSistem yang mempunyai pengetahuan para ahli/pakar dan menggunakannya dalam mengambil keputusan/menyelesaikan masalahBidang yang ditangani spesifik Berdasarkan pada aturan-aturan yang biasanya berbentuk IF-THEN

Konsep Dasar Sistem PakarKepakaran ditransfer dari seorang pakar ke komputer.Pengetahuan ini disimpan dan user dapat meminta saran spesifik yang dibutuhkannya.Komputer dapat mencari, mengolah dan menampilkan kesimpulan yang spesifik Mempunyai kemampuan menjelaskan

Bagian Utama Sistem PakarLingkungan pengembangan Digunakan untuk memasukkan pengetahuan pakar ke dalam lingkungan sistem pakar Lingkungan konsultasi Digunakan oleh pengguna yang bukan pakar untuk memperoleh pengetahuan pakar

Komponen Sistem PakarAntarmuka pengguna mekanisme yang digunakan oleh pengguna dan sistem pakar untuk berkomunikasiBasis pengetahuan terdiri dari fakta dan aturanAkuisisi pengetahuan pemindahan pengetahuan dari sumber ke program komputer Motor inferensi penalaran untuk menyelesaikan masalahWorkplace/blackboard memori untuk merekam kejadian yang sedang berlangsung termasuk keputusan sementara, ada 3 keputusan yang dapat direkam : rencana, agenda, solusiFasilitas penjelasan memberikan penjelasan tentang perilaku sistem pakarPerbaikan pengetahuan peningkatan kinerja dan update pengetahuan

Tahap Pembuatan Sistem Pakar

Contoh Sistem PakarMYCIN Mendiagnosa penyakit infeksi dan merekomendasi pengobatanMembantu dokter yang belum berpengalaman dalam menangani penyakitELDigunakan untuk menganalisa dan membantu rekayasa rancangan sirkuit elektronik yang terbuat dari transistor, dioda dan resistor. Diagram skematik dari sirkuit ini dimasukkan ke dalam komputer dan EL menganalisis menentukan karakteristik sirkuit, nilai voltase, dan strum yang ada pada semua titik sirkuit. Basis pengetahuan pada EL merupakan prinsip umum elektronik seperti hukum OHM, hukum kirchoff, karakteristik komponen, teori operasi transistor. DELTAmembantu karyawan bagian pemeliharaan mesin lokomotif diesel dalam memantau mesin-mesin yang tidak berfungsi dengan baik dan membimbing ke arah prosedur perbaikan

Membangun Basis PengetahuanDefine the Potential SolutionsDefine the Inputs FactDevelop an outlineDraw a Decision TreeMap a MatrixDevelop the Software

Persyaratan Untuk Membuat Sistem Pakar Yang Baik :

Sistem pakar harus dikembangkan untuk memenuhi kebutuhan yang diketahui dan penting. Kecepatan pemrosesan dari sistem harus sangat tinggi.Sistem pakar harus dapat menaikkan kepakaran dari pengguna.Pembetulan kesalahan harus mudah dilakukan. Program harus dapat menjawab pertanyaan yang mudah.

Sistem harus dapat mengajukan pertanyaan untuk men - mendapatkan informasi tambahan.Pengetahuan program harus mudah untuk dimodifikasi (yaitu : add, delete, dan modify).Pengguna harus merasa bahwa ia yang menguasai sistem (he is in control).Derajat usaha (baik fisik maupun mental) untuk menggu - nakan sistem pakar bagi pemula haruslah masuk akal (tidak terlalu berat).Kebutuhan input (dalam pengertian data) harus jelas dan mudah untuk diperoleh. Persyaratan Untuk Membuat Sistem Pakar Yang Baik : (lanjutan)

MEMBANGUN SUATU KNOWLEDGE BASE(RULE-BASED) SYSTEM

Kasus : Penggunaan Sistem Pakar untuk mencocokkan Anggur dan MakananBuatlah kasus lainnya.

Komputer sangat cepat dalam perhitungan matematis, sedangkan manusia sangat lambatApakah komputer lebih cerdas dari manusia ?Manusia adalah ciptaan Tuhan yang paling sempurna dan mempunyai inteligensia yang tinggi (spektrum inteligensia)Manusia mempunyai panca indera dan proses kognisi, yang sangat sulit dilakukan oleh komputer. (contoh : ?)Pengenalan Jaringan Syaraf Tiruan

Pendahuluan (contd)Bagaimana membuat Komputer mampu seperti manusia ?

Kemampuan penyerupaan panca indera. Inteligensia Semu mengembangkan metode logika dengan menggunakan manipulasi simbolik. Akan tetapi manipulasi simbolik ternyata tidak mampu untuk menyelesaikan persoalan yang berkaitan dengan panca indera.

Representasi Pengetahuan

Review: DefinisiAI = bidang ilmu komputer yang meneliti dan mempelajari bagaimana agar komputer dapat bertindak dan mengerjakan pekerjaan seperti yang dilakukan oleh manusia.Awalnya komputer hanya mesin hitung

Review: Definisi

Membuat SistemBerfikirBertindakSeperti ManusiaModel KognitifUji TuringRasionalKaidah bernalarAgen Rasional: membuat inferensi logis sehingga dapat melakukan aksi logis

Diperlukan suatu cara untuk mengetahui bagaimana manusia berfikirDiperlukan pemahaman tentang bagaimana pikiran manusia bekerja

Bagaimana caranya?Melalui introspeksi atau mawas diri; mencoba menangkap bagaimana pikiran kita berjalanHow do you know that you understand?Melalui percobaan psikologis

Bidang Ilmu:Cognitive ScienceVision & natural languageBerfikir Seperti Manusia (Thinking Humanly)

Uji Turing: AI Bertindak Seperti Manusia (acting humanly)AI lulus test apabila interogator tidak bisa membedakan dialog mana yang dilakukan dengan komputer dan mana yang dilakukan dengan manusiaPertanyaandanJawabanInterogatorKomputerManusiaSystem capabilities: Natural language processingKnowledge representationAutomated reasoningMachine learningComputer vision (+)Robotics (+)

Cara berfikirnya memenuhi aturan logika yang dibangun oleh AristotlesPola struktur argumentasi yang selalu memberi konklusi yang benar bila premis benarMenjadi dasar bidang logikaTradisi logicist dalam AI adalah membangun program yang menghasilkan solusi berdasarkan logikaProblem:Pengetahuan informal sukar diuraikan dan dinyatakan dalam bentuk notasi logika formalTerdapat perbedaan besar antara memecahkan masalah secara prinsip dan di dunia nyataBerfikir Rasional (thinking rationally)

Bertindak secara rasional artinya bertindak didalam upaya mencapai goalDidalam lingkungan yang rumit tidaklah mungkin mendapatkan rasionalisasi sempurna yang selalu melakukan sesuatu dengan benarRasionalisasi terbatas

Sehingga:Thinking dan acting humanly terlalu luas, thinking rationally masih terlalu sempitPendekatan yang diikuti adalah Acting RationallyBertindak Rasional (acting rationally)

Review: IntelegensiaBagaimana seseorang/sesuatu belajar dan melaksanakan pengetahuan yang dimiliknya.Walaupun punya pengetahuan tapi jika tidak dapat melaksanakan pengetahuan tersebut = tidak inteligenDaya reaksi atau penyesuaian yang cepat dan tepat, baik secara fisik maupun mental, terhadap pengalaman-pengalaman baru, membuat pengalaman dan pengetahuan yang dimiliki siap untuk dipakai apabila dihadapkan pada fakta-fakta atau kondisi-kondisi baru (Kamus Besar Bahasa Indonesia Balai Pustaka)Pengetahuan diperoleh dari belajar dan menalar untuk menggunakannya dalam menyelesaikan masalah

Review: Bagian Utama AIBasis Pengetahuan (Knowledge Based)Berisi fakta, teori, pemikiran, dan hubungannyaMotor Inferensi (Inference Engine)Kemampuan menalar dan menarik kesimpulan

ComputerInputsOutputs

Review: AI PrehistoryPhilosophy : Logic, methods of reasoningMathematics : Formal representation and proof algorithms, computation, probabilityEconomics : utility, decision theoryNeuroscience : physical substrate for mental activityPsychology : phenomena of perception and motor control, experimental techniques Control theory : design systems that maximize an objective function over time Linguistics : knowledge representation, grammar

Review: AI History1941: era komputer elektronik yang dapat menyimpan program1943 1956: Warren McCulloch dan Walter Pits menemukan boolean model untuk otak, bernaa PERCEPTRON (JST pertama), McCarthy disebut father of AI1952 1969: Newell dan Simon menemukan General Problem Solver, McCarthy membuat LISP1966 1974: jaman AI melambat1969 1979 : knowledge based system1986 now: Industrial AI dan perkembangan JST, GPS, software catur HITECH adalah software pertama yang mengalahkan grandmaster dunia, Arnold Danker.

Prinsipnya AI mengandung unsur: SEARCHING, REASONING, PLANNING, dan HEARING

Review: AI vs Non AIAI lebih permanen, non AI mudah berubah seturut waktuAI mudah diduplikasikan dan disebarkanAI lebih murah dari non AIAI lebih konsisten dan mudah didokumentasiAI tidak kreatifAI tidak dapat menggunakan pengalaman secara langsungAI terbatas

Contoh ilmu-ilmu dalam lingkup AIANN (Artificial Neural Network)NLP (Natural Language Processing)Game PlayingES (Expert System)RoboticsPattern RecognitionComputer ReasoningComputer VisionIR (Information Retrieval)Data MiningFuzzy SystemNeuro Fuzzy SystemGA (Genetic Algorithm)CBR (Case Based Reasoning)DSS (Decision Support System)

AI vs Pemrograman Konvensional?AI: pemrosesan simbolik, PK: AlgoritmikAI: input tdk lengkap, PK: input hrs lgkpAI: heuristic searchng, PK: algoritmikAI: ada penjelasan, PK: tidakAI: basis pengetahuan, PK: data & inforAI: control & knowledge terpisah, PK tidakAI: mampu menalar, PK: tidakAI: pemeliharaan mudah, PK: relatif sulit

AI Lemah & KuatKlaim AI lemahMesin bisa dibuat untuk bertindak seolah-olah ia cerdasPrinsip nilai dari komputer adalah bahwa ia memberi perlengkapan yang sangat ampuh.Contoh, ia memampukan kita untuk merumuskan dan menguji hipotesa dalam cara yang lebih tepatKlaim AI kuatMesin yang bertindak cerdas memiliki kesadaran pikiran dan nyata

Knowledge BaseThe first step in constructing an AI program is to build a knowledge baseWill be used by the inference mechanism to reason and draw conclusions

Knowledge BaseKnowledge engineering: process of collecting and organizing the knowledge

Knowledge representation: process of how knowledge is represented to form a knowledge base

Representasi PengetahuanBagaimana merepresentasikan pengetahuan ke dalam basis pengetahuan dan menguji kebenaran penalaranCara-cara lama:List, digunakan pada LISPPredicate Calculus, digunakan pada PrologTree, untuk heuristic searchKarakteristik RP:Dapat diprogramkanDapat dimanfaatkan untuk penalaran, menggambarkan kesimpulan sebagai fungsi kecerdasan

Alasan PemilihanWhy knowledge representation rather than information representation?Karena pada konvensional database merepresentasikan data secara sederhana: string, number, booleanNamun AI menganggap pengetahuan lebih kompleks, seperti proses, prosedur, aksi, waktu, tujuan dan penalaranKnowledge should be collected, codified, and organized in systematic order

Representasi Pengetahuan (2)Harus terdiri dari struktur data dan prosedur untuk penafsiranHal yang berhubungan dengan RP:Object pengetahuan itu sendiriEvent: kejadian-kejadian dalam dunia nyata dan hubungannyaPerforma: bagaimana melakukan suatu tugas tertentuMeta knowledge: pengetahuan tentang pengetahuan yang direpresentasikan

Penggunaan PengetahuanAcuisition: mengintegrasikan informasi baru kedalam pengetahuan sistem.Dua level:Menyusun fakta ke dalam databasePembuatan fungsi untuk mengintegrasikannya dengan cara belajar dan mengadaptasikannya terlebih dahuluRetrieval: mengingat kembali, menyusun ulang pengetahuan berdasarkan hubungan pengetahuan terhadap masalahLinking: mengekstrak informasi baru tersebutLumping: mengelompokkan hasil ekstraksi pengetahuan baru tersebut kedalam struktur yang lebih besar seperti yang dibutuhkan dalam menyelesaikan masalah

Penggunaan Pengetahuan (2)Reasoning: pengetahuan digunakan untuk menalar suatu permasalahanFormal reasoning: menggunakan logika proporsionalProcedural reasoning: menggunakan aturan produksi ( IF-THEN)Analogical reasoning: sangat sulit

Klasifikasi Kategori RPMenurut Mylopoulus dan Levesque: (declarative)Representasi Logika: menggunakan logika formal. Digunakan pada PROLOGRepresentasi Prosedural: menggambarkan prosedur sebagai kumpulan instruksi untuk memecahkan masalah. Digunakan dalam pemrograman: IF-THENRepresentasi Network: menggambarkan pengetahuan sebagai Graph dan TreeRepresentasi Terstruktur: memperluas konsep Representsi Network dengan membuat node-nodenya menjadi struktur data yang kompleks. Contoh: script, frame, dan objectProcedural: dibuat dalam prosedur-prosedur

LogikaAdalah representasi pengetahuan yang paling tua.Proses menarik kesimpulan dari fakta yang sudah adaInput: premis-premis dan Ouput: kesimpulanTerdiri dari: sintaks (simbol), semantik (fakta), dan proses pengambilan keputusan (inferensi)Proses penalaran:Deduktif (umum-khusus)Induktif (khusus-umum)Logika:Logika Preposisi: and, or, not, implikasi, dan ekuivalensiLogika Predikat: representasi fakta dalam bentuk well formed formulaLihat dibuku Artificial Intelligence (Sri Kusuma Dewi)

Logic: Proposition Logic

PQP AND QTTTTFFFTFFFF

PQP QTTTTFFFTTFFT

PQP OR QTTTTFTFTTFFF

PQP QTTTTFFFTFFFT

Logic: Predicate Logic (1)Using all the same concepts and rules of propositional logicRepresent knowledge in finer detailBreaking a statement (proposition) down into component parts:Arguments: the individuals or objects an assertion is made aboutPredicate: the assertion made about themProlog: PROgramming in LOGic

Logic: Predicate Logic (2)Examples:Proposition: The car is in the garageIN (car, garage)Predicate (assertion)Argument(object)PROLOG

Logic: Predicate Logic (3)Examples:John likes MaryLIKES(John, Mary)The door is openOPEN(door)The tire is flatFLAT(tire)Chris is a manman(Chris)FunctionPredicate express conditionsFunction shows a relationship

Logic: Predicate Logic (4)QuantifiersAll Javanese are Indonesian

Some cars are red

List dan TreeList:serangkaian struktur data yang dibuat secara berhubungan, list bisa juga menggambarkan relasi dan hirarkiTree: suatu struktur data yang berupa node-node yang dibuat secara hirarkis dan hubungannyaLihat di Struktur Data!

Lists & Trees (2)List:Tree:

Sematic NetworkDiperkenalkan oleh Ros QuillianVery flexible: almost any kind of object, attribute, concept, etc. can be defined and relationship created with linksTo seek answer: the computer simply searches forward or backward through the arcs from a starting nodeGambaran pengetahuan grafis yang menunjukkan hubungan antar objek.Terdiri dari: lingkaran-lingkaran yang menunjukkan obyek dan informasi mengenai obyek tersebutpanah (arc) yang menunjukkan hubungan antar obyekKelebihan:Memiliki sifat inheritanceMenggunakan representasi OAV (Object Atributte Value)

Semantic Network (2)

FrameDiperkenalkan oleh Minsky tahun 1975Suatu struktur data yang digunakan untuk merepresentasikan pengetahuan dan situasi-situasi yang telah dipahamiFrame memiliki slot untuk menggambarkan rincian dan karakteristik obyek

Frames (2)

Frames (3)

ScriptMirip dengan frame, merepresentasikan pengetahuan berdasarkan pengalaman-pengalamanFrame menggambarkan obyek, sedangkan script menggambarkan urutan peristiwaElemen script:Kondisi input: start, awalTrack: variasi yang mungkin terjadiProp: obyek pendukungRole: peran yang dimainkan oleh suatu obyekScence: adegan yang terjadiHasil (result): kondisi akhir yang terjadi

Schemas: Scripts (2)

Aturan ProduksiPaling populer (sejak tahun 1943-Post, 1957-Chomsky, 1972-Alan Newell)Terdiri dari antecedent/premis/situasi dan konsekuen/kesimpulan/tindakanDigambarkan dalam IF-THEN rulesDigunakan pada Sistem PakarContoh: IF temp > 30 C THEN hidupkan ACIF permintaan meningkat AND persediaan menipis THEN pemesanan barangIF pelamar

Kelebihan dan KekuranganMudah dimengerti dan luwes, mudah dikembangkan dan disesuaikan dengan pengetahuan yang adaInferensi mudah diturunkanModifikasi mudahMendukung ketidak pastianSimpel dan intuitiveJika pengetahuannya banyak dan kompleks, akan sulitSulit mendeteksi konflik

Sistem ProduksiMemiliki 3 elemen:Global Database: mulai dari matriks sederhana, list, atau basis data untuk menyimpan aturan produksi dan memory kerjaAturan Produksi: berisi aturan IF-THENSistem Kontrol: program pengkontrol urutan mana aturan kaidah-kaidah produksi yang harus dipilih dan menyelesaikan konflik pada saat pemilihan

Resolusi KonflikUrutkan aturan berdasarkan prioritas, kemudian pilih aturan pertama yang memiliki prioritas tertinggiPilih aturan yang paling strict (ketat)Pilih aturan yang paling sering digunakanPilih aturan yang paling akhir dimasukkan di dalam sistemPilih semua aturan yang memungkinkan

Metode PenalaranForward reasoning (data driven): dimulai dari keadaan awal (dari fakta), kemudian menuju ke arah kesimpulan / tujuanBackward reasoning (goal driven): dimulai dari tujuan / hipotesa baru dicocokkan dengan keadaan awal / fakta-fakta

Alasan pemilihan metodeTergantung dari banyaknya keadaan awal dan tujuan. Jika jml awal lebih kecil dari tujuan gunakan penalaran maju.Jika jml tujuan lebih banyak dari awal, gunakan penalaran mundur

Buku & Bahan AcuanKomputer Masa Depan, Pengenalan Artificial Intelligence, Suparman & Marlan, Andi Offset, 2007Konsep Kecerdasan Buatan: Anita Desiani & Muhammad Arhami, Andi Offset, 2006Artificial Intelligence Teknik dan Aplikasinya, Sri Kusumadewi, Graha Ilmu, 2003Artificial Intelligence, Searching, Reasoning, Planning, and Learning, Suyanto, Penerbit Informatika, 2007Bahan-bahan dari Internet

NEXTSistem PakarJSTNLPCase Based ReasoningProblem Solving : LearningInformation Retrieval & Document Mining

PENGEMBANGAN SISTEM PAKARMembangun Aplikasi ISWhat is the application to be build ? (problem selection)Who is going to build the application ? (development strategy)How is the application going to be build ? (development process)

What is the Application ?Who is the Application to be Build ?Who is going to Build it ?

Phase Pengembangan Sistem PakarPhase I : Insialisasi Proyek Phase II: Analisis dan Perancangan Sistem Phase III: Prototiping CepatPhase IV: Pengembangan SistemPhase V: ImplementasiPhase VI: Post Implementasi

Daur Hidup Pengembangan Sistem PakarPhase I : Insialisasi Proyek Masalah?Kebutuhan?Evaluasi?Phase II: Analisis dan Perancangan Sistem Rancangan?Strategi dan Metodologi?Sumber Pengetahuan?Sumberdaya Komputasi?

Daur Hidup Pengembangan Sistem Pakar (lanjutan)Phase III: Prototiping CepatMembangun Prototipe?Testing dan Improving?Demonstrasi?Phase IV: Pengembangan SistemMembangun Basis Peng.?Instalasi, Pengembangan?Phase V: ImplementasiPhase VI: Post Implementasi

PHASE I : INISIALISASI PROYEKA.DEFINISI PERMASALAHAN DAN PENGKAJIAN KEBUTUHANMendefinisikan permasalahan hanyalah berusaha menjawab beberapa pertanyaan :Apa masalahnya ?Apa kebutuhan yang riil ?

Masalah bisnis pada umumnya adalah produktifitas yang rendah, kekurangan pakar, information overload, masalah waktu, atau masalah orang.

PHASE I : INISIALISASI PROYEK(lanjutan)B. EVALUASI ALTERNATIF SOLUSI Sebelum memulai pengembangan Sistem Pakar, perhatian solusi alternatif terhadap permasalahan. Kurang pengetahuan adalah masalah yang dapat dipecahkan tanpa Sistem Pakar.Contoh lainnya :Pemanfaatan dan ketersediaan PakarPendidikan dan PelatihanPengetahuan yang terdokumentasikanSoftware KonvensionalMembeli Knowledge melalui internet.

PHASE I : INISIALISASI PROYEK (lanjutan ..)C. VERIFIKASI PENDEKATAN SISTEM PAKARPerlu adanya studi 3 (tiga) bagian untuk menentukan apakah pendekatan Sistem Pakar cocok, yaitu

Requirements (12)Justification, (8)Appropriatness (3)(Waterman, 1985)

Tugas tidak memerlukan common senseTugas hanya perlu kognitif, dan bukan skill fisikSekurangnya ada seorang pakar yang mau kerjasamaPakar yang terlibat dapat menyatakan metodenya untuk penyelesaian masalahPakar yang terlibat setuju dengan penge -tahuan dan pendekatan solusi terhadap permasalahanTugas tidak terlalu sulit

12 Requirements untuk Pengembangan Sistem Pakar

12 Requirements untuk Pengembangan Sistem Pakar (lanjutan)Tugas mudah dipahami dan didefinisikan dengan baikDefinisi tugas cukup stabilSolusi komputer konvensional (algoritmik) kurang memuaskanHasil yang salah dan tak optimal dapat ditolerirData dan test cases tersediaKosakata tugas tidak lebih dari ratusan konsep

8 Justifikasi untuk Pengembangan Sistem PakarSolusi terhadap masalah mempunyai payoff tinggiSistem Pakar dapat melestarikan kepakar -an manusia sehingga tidak hilangKepakaran diperlukan di banyak lokasiKepakaran diperlukan dalam lingkungan yang tidak ramah dan berbahayaKepakaran memperbaiki unjuk rasa dan kualitasSistem dapat digunakan untuk pelatihanSolusi Sistem Pakar dapat diturunkan lebih cepat dari -pada yang dilakukan oleh pakar manusiaSistem pakar lebih konsisten dan lebih akurat daripada manusia

Kecocokan (appropriateness) dari Sistem PakarAda 3 faktor yang harus diperhatikan untuk menen tukan cocok atau tidak membangun sistem pakar, yaitu :

Nature of the problem. Masalah harus mempunyai struktur simbolik dan ada heuristik untuk solusi.Complexity of the task. Tugas harus tidak terlalu sulit maupun terlalu mudah bagi pakar manusia.Scope of the problem. Masalah harus berukuran yang dapat ditangani dan harus mempunyai nilai praktis.

PHASE I : INISIALISASI PROYEK (lanjutan)D. PERHATIAN TERHADAP ISU MANAJEMEN Proyek Sistem Pakar

Siapa yang akan memulai ProyekKetersediaan finansialKetersediaan sumber daya lainnyaKonstrain hukum dan konstrain lain-lainNilai jual proyek : setiap pihak yang terlibat atau top management harus yakin terhadap nilai proyekSeseorang dalam top management harus mensponsori proyek ini dengan sungguh sungguh

Bentuk pengetahuan dalam Sistem Pakar:fakta-fakta pada lingkup permasalahan tertentuteori-teori pada lingkup masalah tertentuprosedur-prosedur berkenaan dengan lingkup masalah tertentustrategi-strategi global untuk menyelesaikan masalahmeta-knowledge (pengetahuan tentang pengetahuan)EXPERT SYSTEM (Sistem Pakar)

Blok diagram Sistem Pakar EXPERT SYSTEM (Sistem Pakar)Knowledge base (basis pengetahuan) berisi pengetahuan-pengetahuan dalam penyelesaian masalahInference engine (motor inferensi) bertugas untuk menganalisis pengetahuan dan menarik kesimpulan berdasarkan knowledge base

User

Knowledge Base

Inference Engine

Facts

Expertise

Expert System

Elemen Sistem Pakar :User interface (antarmuka) mekanisme komunikasi antara user dan ESExplanation facility (subsistem Penjelasan) digunakan untuk melacak respon dan memberikan penjelasan tentang kelakuan sistem pakar secara interaktifWorking memory database global dari fakta yang digunakan dalam prosedurAgenda daftar prioritas prosedur yang dibuat oleh motor inferensi dan direkam dalam working memoryEXPERT SYSTEM (Sistem Pakar)

Elemen Sistem Pakar (Lanjutan) :Inference engine (motor inferensi) berisi metodologi yang digunakan untuk melakukan penalaran terhadap informasi-informasi dalam basis pengetahuan untuk memformulasikan konklusi.Knowledge acquisiton facility berisi pengetahuan-pengetahuan yang dibutuhkan untuk memahami, memformulasikan dan menyelesaikan masalah.EXPERT SYSTEM (Sistem Pakar)

Basis Aturan (Rule Based) Sistem PakarPengetahuan dalam ES direpresentasikan dalam bentuk IF-THEN atau dalam bentuk Production RulesMotor inferensi menentukan aturan awal (rule antecedents) yang sesuaiAturan yang terdapat di agenda dapat diaktivasiAktivasi aturan akan membangkitkan fakta baru di sisi kanan (consequent)Aktivasi dari satu aturan adalah bagian dari aktivasi aturan yang lainEXPERT SYSTEM (Sistem Pakar)

Contoh Basis Aturan :EXPERT SYSTEM (Sistem Pakar)

Siklus Motor Inferensi (Inference Engine Cycle )Menggambarkan eksekusi dari aturan pada motor inferensi :Conflict resolution : pemilihan aturan dengan prioritas tertinggi dari agendaExecution : aksi consequent dari aturan yang terpilihMatch : pengkinian (update) agendaSiklus berakhir ketika tidak ada lagi aturan di agenda atau ketika ditemui perintah stopEXPERT SYSTEM (Sistem Pakar)

Ada 2 cara dalam melakukan inferensi :Forward Chaining. Pencocokkan fakta atau pernyataan dimulai dari bagian sebelah kiri (IF dulu). Dengan kata lain, penalaran dimulai dari fakta terlebih dahulu untuk menguji kebenaran hipotesis.EXPERT SYSTEM (Sistem Pakar)

Backward Chaining. Pencocokkan fakta atau pernyataan dimulai dari bagian sebelah kanan (THEN dulu). Dengan kata lain, penalarana dimulai dari hipotesis terlebih dahulu, dan untuk menguji kebenaran hipotesis tersebut dicari fakta-fakta yang ada dalam basis pengetahuan.EXPERT SYSTEM (Sistem Pakar)

CONTOH :Diketahui sistem pakar dgn aturan-aturan sebagai berikut:R1 : IF suku bunga turun THEN harga obligasi naikR2 : IF suku bunga naik THEN harga obligasi turunR3 : IF suku bunga tidak berubah THEN harga obligasi tidak berubahR4 : IF dollar naik THEN suku bunga turunR5 : IF dollar turun THEN suku bunga naikR6 : IF harga obligasi turun THEN beli obligasi

Apabila diketahui bahwa dollar turun, maka buatlah keputusan apakah akan membeli obligasi atau tidak ?EXPERT SYSTEM (Sistem Pakar)

SOLUSI :EXPERT SYSTEM (Sistem Pakar)

CONTOH :Pada tabel di bawah ini ada 10 aturan yang tersimpan. Fakta awal yang diberikan A & E (artinya A dan E bernilai benar). Ingin dibuktikan apakah K bernilai benar (hipotesis : K) ?EXPERT SYSTEM (Sistem Pakar)

NoAturanR-1IF A & B THEN CR-2IF C THEN DR-3IF A & E THEN FR-4IF A THEN GR-5IF F & G THEN DR-6IF G & E THEN HR-7IF C & H THEN IR-8IF I & A THEN JR-9IF G THEN JR-10IF J THEN K

SOLUSI :Forward ChainingLangkah-langkah inferensi adalah sebagai berikut : 1.Dimulai dari R-1, A merupakan fakta sehingga bernilai benar, sedangkan B belum bisa diketahui kebenarannya, sehingga C pun juga belum bisa diketahui kebenarannya. Oleh karena itu kita tidak mendapatkan informasi apapun pada R-1 ini. Sehingga kita menuju ke R-2.

2.Pada R-2 kita tidak mengetahui informasi apapun tentang C, sehingga kita juga tidak bisa memastikan kebenaran D. Oleh karena itu kita tidak mendapatkan informasi apapun pada R-2 ini. Sehingga kita menuju ke R-3EXPERT SYSTEM (Sistem Pakar)

3.Pada R-3, baik A maupun E adalah fakta sehingga jelas benar. Dengan demikian F sebagai konsekuen juga ikut benar. Sehingga sekarang kita mempunyai fakta baru yaitu F. Karena F bukan hipotesis yang hendak kita buktikan maka penelusuran kita lanjutkan ke R-4.

4. Pada R-4, A adalah fakta sehingga jelas benar. Dengan demikian G sebagai konsekuen juga ikut benar. Sehingga sekarang kita mempunyai fakta baru yaitu G. Karena G bukan hipotesis yang hendak kita buktikan, maka penelusuran kita lanjutkan ke R-5

5.Pada R-5, baik F maupun G bernilai benar berdasarkan aturan R-3 danR-4. Dengan demikian D sebagai konsekuen juga ikut benar. Sehingga sekarang kita mempunyai fakta baru yaitu D. Karena D bukan hipotesis yang hendak kita buktikan, maka penelusuran kita lanjutkan ke R-6EXPERT SYSTEM (Sistem Pakar)

6.Pada R-6, baik A maupun G adalah benar berdasarkan fakta dari R-4. Dengan demikian H sebagai konsekuen juga ikut benar. Sehingga sekarang kita mempunyai fakta baru yaitu H. Karena H bukan hipotesis yang hendak kita buktikan, maka penelusuran kita lanjutkan ke R-7.

7.Pada R-7, meskipun H benar berdasarkan R-6, namun kita tidak tahu kebenaran C sehingga, I pun juga belum bisa diketahui kebenarannya. Oleh karena itu kita tidak mendapatkan informasi apapun pada R-7 ini. Sehingga kita menuju ke R-8

8.Pada R-8, meskipun A benar karena fakta, namun kita tidak tahu kebenaran I, sehingga J pun juga belum bisa diketahui kebenarannya. Oleh karena itu kita tidak mendapatkan informasi apapun pada R-8 ini. Sehingga kita menuju ke R-9EXPERT SYSTEM (Sistem Pakar)

9.Pada R-9, J bernilai benar karena G benar berdasarkan R-4. Karena J bukan hipotesis yang hendak kita buktikan, maka penelusuran kita lanjutkan ke R-10.

10. Pada R-10, K bernilai benar karena J benar berdasarkan R-9. Karena K sudah merupakan hipotesis yang hendak kita buktikan, maka terbukti bahwa K adalah benar

EXPERT SYSTEM (Sistem Pakar)

Fakta Baru pada saat InferensiEXPERT SYSTEM (Sistem Pakar)

Alur Inferensi Forward ChainingEXPERT SYSTEM (Sistem Pakar)

SOLUSI :Backward ChainingLangkah-langkah inferensi adalah sebagai berikut : 1. Pertama-tama kita cari terlebih dahulu mulai dari R-1, aturan yang mana memiliki konsekuen K. ternyata setelah ditelusur, aturan dengan konsekuen K baru ditemukan pada R-10. Untuk membuktikan bahwa K benar maka perlu dibuktikan bahwa J benar.

2. Kita cari aturan yang memiliki konsekuen J. kita mulai dari R-1, ternyata kita baru akan menemukan aturan dengan konsekuen J pada R-8. Untuk membuktikan bahwa J benar maka perlu dibuktikan bahwa I dan A benar. Untuk membuktikan kebenaran I, kita perlu cari aturan dengan konsekuen I, ternayata ada di R-7EXPERT SYSTEM (Sistem Pakar)

3. Untuk membuktikan bahwa I benar di R-7, kita perlu buktikan bahwa C dan H benar. Untuk itu kita pun perlu mencari aturan dengan konsekuen C dan ada di R-1.

4. Untuk membuktikan C benar di R-1, kita perlu buktikan bahwa A dan B benar. A jelas benar karena A merupakan fakta. Sedangkan B kita tidak bisa membuktikan kebenarannya, karena selain bukan fakta, di dalam basis pengetahuan juga tidak ada aturan dengan konsekuen B. Dengan demikian maka dari penalaran ini kita tidak bisa buktikan kebenaran dari hipotesis K. Namun demikian, kita masih punya alternative lain untuk melakukan penalaran

5. Kita lakukan backtracking. Kita ulangi lagi dengan mencari aturan dengan konsekuen I, ternyata juga tidak adaEXPERT SYSTEM (Sistem Pakar)

6. Kita lakukan backtraining lagi dengan mencari aturan dengan konsekuen I, ternyata juga tidak ada.

7. Kita lakukan backtraining lagi dengan mencari aturan dengan konsekuen J, ternyata kita temukan pada R-9. sehingga kita perlu buktikan kebenaran G

8. Kita mendapatkan di R-4 dengan konsekuen G. Kita perlu untuk membuktikan kebenaran A. karena A adalah fakta, maka terbukti bahwa K bernilai benar

EXPERT SYSTEM (Sistem Pakar)

SOLUSI :Backward ChainingEXPERT SYSTEM (Sistem Pakar)

Contoh KASUS: Sistem Pakar Penasehat KeuanganUser ingin berkonsultasi apakah tepat jika dia berinvestasi pada IBM Stock?Variabel-variabel yang digunakan:A = memiliki uang $10.000 untuk investasiB = berusia < 30 tahunC = tingkat pendidikan pada level collegeD = pendapatan minimum per tahun $40.000E = investasi pada bidang Sekuritas (Asuransi)F = investasi pada saham pertumbuhan (growth stock)G = investasi pada saham IBMEXPERT SYSTEM (Sistem Pakar)

FAKTA YANG ADA:Diasumsikan si user (investor) memiliki data:Memiliki uang $10.000 (A TRUE)Berusia 25 tahun (B TRUE)Dia ingin meminta nasihat apakah tepat jika berinvestasi pada IBM stock?EXPERT SYSTEM (Sistem Pakar)

RULESR1 : IF seseorang memiliki uang $10.000 untuk berinvestasi AND dia berpendidikan pada level college THEN dia harus berinvestasi pada bidang sekuritasR2 : IF seseorang memiliki pendapatan per tahun min $40.000 AND dia berpendidikan pada level college THEN dia harus berinvestasi pada saham pertumbuhan (growth stocks)R3 : IF seseorang berusia < 30 tahun AND dia berinvestasi pada bidang sekuritas THEN dia sebaiknya berinvestasi pada saham pertumbuhanR4 : IF seseorang berusia == 22 tahun THEN dia berpendidikan collegeR5 : IF seseorang ingin berinvestasi pada saham pertumbuhan THEN saham yang dipilih adalah saham IBM.EXPERT SYSTEM (Sistem Pakar)

RULES SIMPLICATIONR1 : IF A AND C THEN ER2 : IF D AND C THEN FR3 : IF B AND E THEN FR4 : IF B THEN CR5 : IF F THEN GEXPERT SYSTEM (Sistem Pakar)

Solusi dengan Forward Chaining :Step I : if A and C Then E = R1Step II : if B then C A,B,C True = R4Step III : if A and C then E A,B,C,E True = R2Step IV : if B and E then F A,B,C,E,F True = R3step V : if F then G A,B,C,E,F,G True= R5

kesimpulan : Cocok untuk investasi saham IBMEXPERT SYSTEM (Sistem Pakar)

Solusi dengan Forward Chaining :Step I : if F Then G = R5Step II : if B and E then F = R3Step III : if A and C then E = R2Step IV : if B then C = R4step V : if F then G A,B,C,E,F,G True

kesimpulan : Cocok untuk investasi saham IBMEXPERT SYSTEM (Sistem Pakar)

Artificial IntelligenceDefinition:

The activity of providing such machines as computers with the ability to display behavior that would be regarded as intelligent if it were observed in humans.

History1956, Dartmouth College. John McCarthy coined term. Same year, Logic Theorist (first AI program. Herbert Simon played a part)Past 20 or so years, DOD and NSF have funded AI research at top schools (Stanford, Carnegie Mellon, etc.)Desert Storm opened up new funding (smart bombs, night vision)

Areas of Artificial IntelligenceExpertsystemsAIhardware RoboticsPerceptive systems (vision, hearing) Neuralnetworks Natural languageLearning Artificial Intelligence

The Appeal of Expert SystemsA computer program that attempts to code the knowledge of human experts in the form of heuristics (i.e. a rule of thumb)Two distinctions from DSS1. has the potential to extend the managers problem-solving ability beyond his or her normal capabilities2. the ability to explain how the solution was reached

Know-ledgebase User

UserinterfaceInstructions &informationSolutions &explanationsKnowledgeInference engine Problem Domain

Expert and knowledge engineer Developmentengine ExpertsystemAn Expert System Model

Expert system model - main parts:User interfaceKnowledge baseInference engineDevelopment engine

User InterfaceUser enters:InstructionsInformationExpert system provides:SolutionsExplanations ofQuestionsProblem solutions}Menus, commands, natural language, GUIMenus, commands, natural language, GUI

Knowledge BaseDescription of problem domainRules: A knowledge representation techniquesuch as IF:THEN logicnetworks of rulesLowest levels provide evidenceTop levels produce 1 or more conclusionsA conclusion is called a Goal variable.

EvidenceConclusionConclusionEvidenceEvidenceEvidenceEvidenceEvidenceEvidenceEvidenceConclusionA Rule Set That Produces One FinalConclusion

Cheetah TigerGiraffe ZebraOstrichPenguinAlbatrossAnd AndAndAnd AndAndAndAndTawnycolor Darkspots legs LongBlackstrips Long neckCant flyBlack&WhiteSwims FliesWellUngulateBirdMammalCarnivore Or Or And And FeathersAnd OrOr Hair milk milk Hoofs FliesLays eggsChews Gives And teeth PointedForward EyesLEGEND:RulesConditionsAction(conclusions)ClawsEats milk cudR1R2R5R6 R9 R10R11R12R14R13R15R7R8R3R4A Rule Set That Can Produce More Than One Final Conclusion

Rule Selection Selecting rules to efficiently solve a problem is difficultSome goals can be reached with only a few rules; rules 3 and 4 identify bird Inference EngineTwo basic approaches to using rules

1. Forward reasoning (data driven)2. Reverse reasoning (goal driven)

Forward Reasoning (forward chaining)Rule is evaluated as: (1) true, (2) false, (3) unknownRule evaluation is an iterative processWhen no more rules can fire, the reasoning process stops even if a goal has not been reached

Rule 1 Rule 3 Rule 2 Rule 4 Rule 5 Rule 6 Rule 7 Rule 8 Rule 9 Rule 10 Rule 11Rule 12 IF ATHEN B IF CTHEN D IF MTHEN EIF KTHEN F IF GTHEN HIF ITHEN J IF B OR DTHEN K IF ETHEN L IF K AND L THEN N IF M THEN OIF N OR OTHEN PFIF (F AND H)OR JTHEN MThe ForwardReasoningProcessTTTTTTTTTFT Legend: First passSecond pass Third pass

Reverse Reasoning (backward chaining) Divide problem into subproblems

Try to solve one subproblem

Then try another

Rule 10IF K AND LTHEN NRule 11IF MTHEN ORule 12IF N OR OTHEN PLegend: ProblemSubproblemA Problem and Its Subproblems

Rule 7

Rule 8Rule 10SubproblemLegend:ProblemIF B OR DTHEN KIF ETHEN LIF K AND LTHEN NA Subproblem Becomes the New ProblemRule 12IF N OR O THEN P

TRule 1Rule 2Rule 3Rule 9Rule 11Legend:Problems to be solvedStep 4Step 3Step 2Step 1Step 5IF A THEN BIF B OR DTHEN KIF K AND LTHEN NIF N OR O THEN PIF CTHEN DIF MTHEN EIF ETHEN LIF (F AND H)OR JTHEN MIF MTHEN OIF MTHEN OThe First Five Problems Are IdentifiedRule 7Rule 10Rule 12

If KThen FLegend:Problems to be solvedIf GThen HIf IThen JIf MThen OStep 8Step 9Step 7Step 6Rule 4Rule 5Rule 11Rule 6TIF (F And H)Or J Then MTRule 9TTThe Next Four Problems AreIdentified

Forward Versus Reverse ReasoningReverse reasoning is faster than forward reasoningReverse reasoning works best whenthere are multiple goal variablesthere are many rulesall or most rules do not have to be examined in the process of reaching a solution

Handling UncertaintyTwo types of uncertaintyRulesConditionsCertainty factors (CFs) range from 0.00 to 1.00Development EngineProgramming languages Lisp, Prolog, and recently C++Expert system shells

Role of the Systems AnalystKnowledge engineers work with the expert in designing expert systemsBeyond traditional analyst skills, the following skills are neededunderstand how the expert applies his or her knowledgebe able to extract the description of the knowledge (rules as well as facts)

System Development ProcessInitiate the development processDevelop the expert system prototypeUser participationExpert system maintenancePrototyping ApproachA new player: the expertDelayed user involvementNeed for maintenance

Systems analystStudy the Problem domainStudy the problemdomainDefine the problemSpecify the rule setstep 1step 2step 3step 4step 5Test the prototype systemConstruct the interfaceMaintain the systemExpertUserConductuser testsUse thesystemstep 6step 7 Prototyping Is Incorporated in the Development of an Expert Systemstep 8Need to redesignNeed to redesign

Example: Financial Expert SystemCredit approvalKnowledge base for the example consists of rules and a mathematical modelUser interfaceFive decision categories; credit amount influences weightings

Expert System AdvantagesTo managersConsider more alternativesApply high level of logicHave more time to evaluate decision rulesConsistent logicTo the firmBetter performance from management teamRetain firms knowledge resource

Expert System DisadvantagesCant handle inconsistent knowledge

Cant apply judgment or intuition

Neural NetworksExpert systems should be able to learn, and improve their performanceNeural net design -- a bottom-up approach to modeling human intuitionThe Human BrainNeuron -- the information processorInput -- dendritesProcessing -- somaOutput -- axonNeurons are connected by the synapse

Soma(processor)AxonSynapseDendrites (input)Axonal Paths (output)Simple Biological Neurons

Artificial Neural Systems (ANS)McCulloch-Pitts mathematical neuron function (late 1930s)Hebbs learning law (early 1940s)NeurocomputersMarvin Minskys Snark (early 1950s)Rosenblatts Perceptron (mid 1950s)

Current MethodologyMathematical modelsComplex networksRepetitious training -- the ANS learns by example. An ANS can learn; an expert system cannot.

Single Artificial Neuron

The Multi-Layer PerceptronYn2INnOUTnOUT1IN1Y1Input LayerOutputLayer

Prerequisite Activities for the EISInformation needsInformationtechnology standardsInformationsystems planCorporatedata modelProduction andperformance systemsEISAnalysis oforganization

Sampai Jumpa di Ujian Akhir dan Selamat Belajar

**64This slide corresponds to Figure 11.4 on p. 394 and relates to the material on pp. 393-394.Use Figure 11.4 to discuss the interaction of the principal components of ES. Highlight the two environments of expert systems - consultation environment (use) and development environment (knowledge acquisition).Points to stress during this discussion include:1. The strength of an ES derives from its knowledge base - an organized collection of facts and heuristics about the systems domain. 2. An ES is built in a process known as knowledge engineering, during which knowledge about the domain is acquired from human experts and other sources by knowledge engineers.3. The use of ES is often referred to as a consultation, which stresses the role of the user in making the final decision.

*