sbp lily dong

1

SISTEM BERBASIS PENGETAHUAN

S1 Sistem Informasi

PENGENALAN SISTEM PAKAR (1)

2

Evolusi CBIS (Computer Based Information System)

Electronic Data Processing (EDP) Accounting Information System (AIS) Management Information System (MIS) Decission Support System (DSS) Office Automation (OA) Artificial Intelligence (AI) dan Expert System

(ES)

3

Sistem Pakar (Expert System)

Sering disebut juga sebagai Sistem Berbasis Pengetahuan (Knowledge Based System)

Program sebagai penasehat/konsultan pakar Dapat mengumpulkan dan menyimpan

pengetahuan seorang/beberapa orang pakar ke dalam komputer.

4

Sistem Pakar (Expert System)

Tidak untuk menggantikan kedudukan seorang pakar tetapi untuk memasyarakatkan pengetahuan dan pengalaman pakar tersebut

Memungkinkan orang lain meningkatkan produktivitas, memperbaiki kualitas keputusan

5

Pengertian Kecerdasan Buatan

Bagian ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia

Cabang sains komputer yang mempelajari otomatisasi tingkah laku cerdas (intelligent)

6


Intelligent/intelegensia

- seseorang yang pandai melaksanakan

pengetahuan yang dimilikinya

- Kemampuan manusia untuk memperoleh

pengetahuan dan pandai melaksanakannya

dalam praktek

7


Suatu cara yang sederhana untuk membuat komputer dapat “berpikir” secara Inteligent

Bagian dari ilmu komputer yang mempelajari perancangan sistem komputer yang intelligent, yaitu suatu sistem yang memperlihatkan karakteristik yang ada pada tingkah laku manusia, seperti mengerti suatu bahasa, mempelajari, mempertimbangkan dan memecahkan suatu masalah


Suatu studi bagaimana membuat komputer dapat mengerjakan sesuatu, yang pada saat ini, orang dapat mengerjakan lebih baik

Bidang ilmu komputer yang memungkinkannya untuk memahami, bernalar dan bertindak

Beberapa Sudut Pandang Kecerdasan Buatan

Kecerdasan

Kecerdasan Buatan membuat mesin menjadi “cerdas”

Penelitian

Kecerdasan Buatan adalah suatu studi bagaimana membuat agar komputer dapat melakukan sesuatu sebaik yang dikerjakan manusia

10

Beberapa Sudut Pandang Kecerdasan Buatan

Bisnis

Kecerdasan Buatan adalah kumpulan peralatan yang sangat powerful dan metodologis dalam menyelesaikan masalah-masalah bisnis

Pemrograman

Kecerdasan Buatan meliputi studi tentang pemrograman simbolik, penyelesaian masalah (problem solving) dan pencarian (searching)

11

Tujuan Kecerdasan Buatan

Untuk mengembangkan metode dan sistem untuk menyelesaikan masalah-masalah yang biasanya diselesaikan melalui aktivitas intelektual manusia, misalnya pengolahan citra, perencanaan, peramalan dan lain-lain, meningkatkan kinerja sistem informasi yang berbasis komputer.

Untuk meningkatkan pengertian/peahaman kita pada bagaimana otak manusia bekerja

Arah Kecerdasan Buatan

Mengembangkan metode dan sistem untuk menyelesaikan masalah AI tanpa mengikuti cara manusia menyelesaikannya (sistem pakar/expert system)

Mengembangkan metode dan sistem untuk menyelesaikan masalah AI melalui pemodelan cara berpikirnya manusia, atau cara bekerjanya otak manusia (neural networks)

Ruang Lingkup Kecerdasan Buatan

14

Domain Penelitian Kecerdasan Buatan

Mundane Task

- Persepsi (vision & speech)

- Bahasa alami (understanding, generation & translation)

- Pemikiran yang bersifat commonsense

- Robot Control

Formal Task

- Games

- Matematika (geometri, logika, kalkulus integral,

pembuktian)

15

Domain Penelitian Kecerdasan Buatan

Expert Task

- Analisis Finansial

- Analisis Medikal

- Analisis Ilmu Pengetahuan

- Rekayasa (desain, pencarian kegagalan,

perencanaan manufaktur)

16

Bagian Utama Kecerdasan Buatan

17

Bagian Utama Kecerdasan Buatan

Basis Pengetahuan (Knowledge Base)

Berisi semua fakta-fakta, ide, hubungan, aturan dari domain permasalahannya

Mesin Inferensi (Inference Engine)

Kemampuan menganalisa pengetahuan dan menarik kesimpulan berdasarkan knowledge base dan aturan

User Interface

- Interaksi dengan user

- Membangun dan memelihara basis pengetahuan

18

Kec Buatan VS Kec. Alami

19

Pemrograman AI vs Konventional

Pemrograman Kec. Buatan

Bila terjadi perubahan dalam program, maka tidak mengganggu seluruh “Facts” yang tersimpan dalam “Otak”(layaknya pikiran manusia/seperti informasi yang terdapat pada pikiran manusia

Independen Dapat dimodifikasi tanpa mempengaruhi

struktur keseluruhan program Fleksibel efisien dan mudah untuk dimengerti

Penyelesaian Masalah berdasarkan Kec. Buatan

Empat hal untuk membangun sistem atau memecahkan masalah tertentu: Definisikan masalah dengan jelas Analisis masalah Kumpulkan dan representasikan knowledge Pilih teknik pemecahan masalah terbaik dan

gunakan untuk masalah tertentu

PENGENALAN SISTEM PAKAR (2)

23

Konsep Umum Sistem Pakar Knowledge acquisition

transfer knowledge dari manusia atau sumber lainnya ke komputer

Knowledge representation

Penyimpanan dan pemrosesan pengetahuan dalam komputer Inference

Mekanisme pengambilan kesimpulan dari pengetahuan dalam komputer

Explanation

Menjelaskan kepada user apa dan bagaimana solusi yang dihasilkan

24

Tahap Pengembangan Sistem Pakar

25


Proses pembuatan SP knowledge engineering yang dilakukan oleh knowledge engineer. Selain itu domain expert dan end user

Tugas knowledge engineer adalah memilih S/W & H/W untuk pembuatan SP, membantu mengambil pengetahuan yang dibutuhkan dari pakar domain, serta implementasi pengetahuan pada basis pengetahuan yang benar & efisien.

26


Tugas pakar domain: menyediakan pengetahuan tentang bidang problem yang dihadapi, memahami teknik-teknik pemecahan problem yang dipakai

27

Rules and Humans (1)

Aturan dapat digunakan untuk memformulasikan teori human information processing (Newell & Simon)

- aturan disimpan dalam memori jangka panjang

- pengetahuan sementara diletakkan di memori jangka

pendek

- input sensor atau berpikir memicu aktifasi dari

aturan-aturan

- aturan yang telah diaktifkan mungkin memicu aktifasi

berikutnya

- pengolahan kognitif mengkombinasikan bukti-bukti dari

aturan-aturan yang sedang diaktifkan28

Rules and Humans (2)

Model ini adalah dasar dari desain sistem berbasis aturan (rule-based systems)

- disebut juga production systems

29

Pengembangan Teknologi Sistem Pakar

Sangat dipengaruhi oleh pengetahuan kognitif dan matematika

- Cara manusia memecahkan masalah

- Dasar formal, terutama logika dan inferensi Aturan produksi sebagai mekanisme

representasi

- Tipe aturan IF .... THEN

- Mirip dengan cara manusia memberi alasan

- Bisa dimanipulasi oleh komputer30

Beberapa Sistem Pakar Terkenal (1) MYCIN

- Dirancang oleh Edward Feigenbaum

(Universitas Stanford) th ‘70an

- dapat mendiagnosa infeksi bakteri &

rekomendasi pengobatan antibiotik DENDRAL

- identifikasi unsur bahan kimia (molekular

& kimia)31

Beberapa Sistem Pakar Terkenal (2)

XCON/R1

- Konfigurasi sistem komputer dasar

- dikembangkan oleh Digital Equipment

Corporation (DEC) dan Carnegie Mellon

University (CMU), akhir ‘70an

- untuk sistem komputer DEC VAC 111780

32


PROSPECTOR

- Membantu ahli geologi yang mencari & menemukan

biji deposit (mineral & batu- batuan)

- didesain oleh Sheffield Research Institute, akhir ‘70an

YESMVS

- didesain oleh IBM awal tahun ‘80an

- membantu operator komputer & mengontrol sistem

operasi MVS (Multiple Virtual Storage)

33


ACE

- didesain & dikembangkan oleh AT&T Bell

Lab awal tahun ‘80an

- troubleshooting pada sistem kabel telepon DELTA

- Didisain & dikembangkan oleh General Electric

Company

- SP personal maintenance dengan mesin

lokomotif listrik diesel.34

Kunci Sukses Sistem Pakar (1)

Konsentrasi pada domain pengetahuan

Meyakinkan gagasan- Aturan-aturan, model-model kognitif

Aplikasi-aplikasi praktis- Obat-obatan, teknologi komputer

35

Kunci Sukses Sistem Pakar (2)

Pemisahan Pengetahuan (knowledge) dan kesimpulan (inference)

- expert system shell

memungkinkan penggunaan kembali

‘permesinan’untuk domain yang berbeda

36

Kategori Problem Sistem Pakar (1)

Interpretasi – membuat kesimpulan atau deskripsi dari sekumpulan data mentah

Prediksi – memproyeksikan akibat-akibat yang dimungkinkan dari situasi-situasi tertentu

Diagnosis – menentukan sebab malfungsi dalam situasi kompleks yang didasarkan pada gejala-gejala yang teramati

37


Desain – menentukan konfigurasi komponen-komponen sistem yang cocok dengan tujuan-tujuan kinerja tertentu yang memenuhi kendala-kendala tertentu

Perencanaan – merencanakan serangkaian tindakan yang akan dapat mencapai sejumlah tujuan dengan kondisi awal tertentu.

38


Debugging dan Repair – menentukan dan menginterpretasikan cara-cara untuk mengatasi malfungsi

Instruksi – mendeteksi dan mengoreksi defisiensi dalam pemahaman domain subyek

Pengendalian – mengatur tingkah laku suatu environment yang kompleks

Selection – mengidentifikasi pilihan terbaik dari sekumpulan (list) kemungkinan

39


Simulation – pemodelan interaksi antara komponen-komponen sistem

Monitoring – membandingkan hasil pengamatan dengan kondisi yang diharapkan

40

Kapan Menggunakan SP

Sistem Pakar tidak dapat diterapkan untuk semua tipe domain dan tugas sbb:

Algoritma konvensionalnya diketahui dan efisien Tantangan utamanya adalah komputasi, bukan

knowledge Knowledge tidak dapat diperoleh secara mudah User mungkin segan untuk menerapkan sistem

pakar untuk tugas-tugas kritis

41

Tool Sistem Pakar Languages

- higher-level languages didesain khusus

untuk merepresentasikan knowledge dan

alasan

- PROLOG, LISP, CLIPs, SAIL, KRL, KQML Shells

- Sebuah tools dengan tujuan khusus didesain

untuk tipe aplikasi tertentu dimana user hanya

mensuplai basis pengetahuan. 42

Elemen Sistem Pakar

Knowledge base Inference engine Working memory Agenda Explanation facility Knowledge acquisition facility User interface

43

Struktur Sistem Pakar (1)

44

Struktur Sistem Pakar (2) Knowledge acquisition facility

Pengetahuan dapat diperoleh dari seorang pakar, buku teks (textbooks) atau laporan penelitian, dengan dukungan dari seorang knowledge engineer (seorang pakar yang memiliki spesialisasi dalam akuisisi pengetahuan).

Knowledge base2 jenis knowledge base adalah fakta (yaitu situasi dan teori) dan heuristics atau rule-rule.

45

Struktur Sistem Pakar (3) Inference engine

Ia adalah otak dari suatu Sistem Pakar, bisa juga disebut dengan struktur kontrol (control structure) atau penerjemah rule ( rule interpreter dalam Rule-Based Systems). Ia adalah program komputer yang memiliki metodologi untuk melakukan reasoning (pertimbangan) mengenai informasi yang tersimpan dalam knowledge base dan dalam “working memory”, dan ia digunakan untuk memformulasikan konklusi.

46


3 elemen utama inference engine adalah: Interpreter (rule interpreter dalam kebanyakan sistem),

yang mengeksekusi item agenda yang dipilih dengan mengaplikasikannya pada knowledge base rule yang berhubungan.

Scheduler, yang menjaga kontrol di sepanjang agenda. Memperkirakan akibat dari pengaplikasian rule inferensia yang menampakkan prioritas item atau kriteria lain pada agenda.

Consistency enforce, yang mencoba menjaga konsistensi representasi solusi yang muncul.

47


Working Memory

Ia adalah tempat menyimpan sementara untuk memproses rencana (plan), agenda, solusi, dan deskripsi masalah yang didapat dari knowledge base selama sesi konsultasi.

48


User interface

Sistem Pakar haruslah user friendly dan berorientasi pada masalah dalam hal antarmukanya.

Knowledge refining system (IA & KB)

Dengan komponen ini, pakar mampu untuk menganalisis kinerja dari Sistem Pakar, belajar daripadanya, dan meningkatkannya pada konsultasi selanjutnya.

49


Explanation facility. Ini adalah kemampuan penelusuran kebenaran dari konklusi yang didapat dari sumber-sumbernya. Hal ini krusial untuk transformasi kepakaran dan penyelesaian masalah. Komponen ini mampu menelusuri kebenaran dan untuk menerangkan perilaku Sistem Pakar secara interaktif

50


Explanation facility (lanjut)

merupakan subsistem Sistem Pakar yang menjawab pertanyaan seperti: - Mengapa pertanyaan tertentu ditanyakan oleh Sistem

Pakar? - Bagaimana konklusi tertentu dicapai?- Mengapa alternatif tertentu ditolak? - Rencana apakah yang ada untuk mencapai solusi? - Dan apa-apa saja selanjutnya yang harus dilakukan

sebelum diagnosis final dapat ditentukan?51

Elemen Manusia Dalam Sistem Pakar (1)

Orang-orang yang terlibat dalam pengembangan dan penggunaan Sistem Pakar: Pakar. Knowledge Engineer User Pihak lain. Misalnya: system builder, tool

builder, vendor, staf pendukung. 52

Elemen Manusia Dalam Sistem Pakar (2)Umumnya user yang dimaksud ini adalah:

(1) Klien (yaitu bukan pakar) yang menginginkan advis/nasehat. Disini, Sistem Pakar bertindak seperti seorang konsultan atau penasehat.

(2) Learner (pelajar) untuk mempelajari bagaimana Sistem Pakar menyelesaikan permasalahan. Di sini, Sistem Pakar bertindak sebagai seorang instruktur.

(3) Expert system builder (pembangun sistem pakar) yang ingin meningkatkan knowledge base-nya. Di sini, Sistem Pakar bertindak sebagai seorang rekan.

(4) Pakar. Di sini, Sistem Pakar bertindak sebagai seorang kolega atau asisten.

53

Elemen Manusia Dalam Sistem Pakar (3)

54

Gambar Diagram peranan manusia dalam Sistem Pakar

Jenis-jenis Sistem Pakar (1)

Sistem Pakar vs. Knowledge-based Systems. Sistem Pakar mendapatkan pengetahuannya dari para pakar, sedang KBS dari sumber-sumber terdokumentasi. KBS lebih murah dan lebih cepat dibangun dibandingkan Sistem Pakar.

Rule-Based Expert Systems. Pengetahuan direpresentasikan sebagai serangkaian rule-rule (production rules).

55


Hybrid Systems

Melibatkan berbagai pendekatan representasi pengetahuan, paling tidak frame dan rule, tapi biasanya lebih dari itu.

Model-Based Systems

Tersusun di sekitar model yang melakukan simulasi struktur dan fungsi dari sistem yang dipelajari. Model digunakan untuk menghitung nilai-nilai, yang dibandingkan dengan yang sedang diamati. Pembandingan tersebut memicu aksi (jika diperlukan) atau diagnosis lebih lanjut.

56


Frame-Based Systems.

Pengetahuan direpresentasikan sebagai frame, yaitu representasi dari pendekatan Pemrograman Berbasis Objek (OOP).

Sistem siap pakai (off-the-Shelf Systems).

Sebagai hasil dari produksi masal membuatnya lebih murah dibandingkan dengan sistem yang memenuhi keinginan user

57


Sistem yang diklasifikasikan oleh sifat alamiahnya. Ada 3 jenis. (1) berhubungan dengan evidence gathering (pengumpulan bukti-bukti), (2) stepwise refinement system. Sistem ini berhubungan dengan sejumlah besar keluaran dari level-level detil sesudahnya. (3) stepwise assembly, dimana domain subjek dapat mempunyai jumlah keluaran yang luar biasa besar yang mungkin. Jenis khusus dari ini disebut dengan catalog selection. Sistem ini berhubungan dengan masalah seperti pemilihan bahan kimia, baja yang benar.

58

Sistem Pakar Berbasis Aturan (Rule)

Pengetahuan dikodekan menjadi aturan IF ... THEN

Motor inferensi menentukan mana aturan yang terpenuhi lebih dahulu

- sisi kiri harus cocok dengan fakta di dalam

memori kerja Aturan yang terpenuhi ditempatkan pada

agenda

59

Sistem Pakar Berbasis Aturan (Rule)

Aturan pada agenda dapat diaktifasi

- aturan yang teraktifasi mungkin

menghasilkan fakta-fakta baru melalui sisi

kanan

- pengaktifan satu aturan bisa menyebabkan

pengaktifan aturan yang lain

60

Contoh Aturan

61

MYCIN Sample Rule

62Durkin 94, p.133

Inference Engine Cycle (1)

Conflict resolutionMemilih rule dengan prioritas tertinggi dari

agenda Execution

Menjalankan aksi pada rule yang terpilih berikutnya

Menghapus rule dari agenda

63

Inference Engine Cycle (2)

MatchPerbaharui agenda

Menambah rule-rule yang antecedentnya sesuai dengan agenda

Menghapus rule dengan non-satisfied agenda

Siklus berhenti ketika tidak ada rules pada agenda atau ketika perintah berhenti ditemukan

64

Metode Aktifasi Rules

Forward Chaining Backward Chaining

65

Forward Chaining

Forward chaining (data-driven)Reasoning/pertimbangan dimulai dari fakta-fakta

menuju kesimpulan/konklusi

Saat/begitu fakta-fakta tersedia, mereka digunakan untuk mencocokkan antecedents dari rule-rule

Sebuah rule dapat diaktifkan jika semua bagian antecedent/yang mendahului terpenuhi

Sering digunakan untuk real-time expert system monitoring dan control

Examples: CLIPS, OPS566

Backward Chaining

Backward chaining (query-driven) Berawal dari sebuah hipotesa (permintaan),

aturan dan fakta yang mendukung dicari sampai seluruh bagian antecedent dari hipotesa terpenuhi

Sering digunakan dalam sistem diagnosa dan konsultasi

Example : EMYCIN

67

Dasar Sistem Pakar

68

Post Production Systems

Production rules (aturan produksi) digunakan oleh logikawan Emil L. Post pada awal tahun 40-an dalam logika simbolik

Hasil teori Post Setiap sistem dalam matematika atau logika

dapat ditulis sebagai sebuah sistem produksi

69

Post Production Systems

Prinsip dasar production rules Seperangkat aturan mengatur konversi dari satu

set string menjadi set string yang lainAturan ini juga dikenal sebagai aturan penulisan

ulang

Sintaks manipulasi string yang sederhana

Tidak diperlukan pemahaman atau interpretasi

Juga digunakan untuk mendefinisikan grammars dari bahasa

Contoh BNF grammars dari bahasa pemrograman

70

Markov Algorithms

Tahun 1950an, A.A. Markov memperkenalkan prioritas sebagai struktur control untuk sistem produksi Rule dengan prioritas lebih tinggi dilakukan lebih

dahulu Mengijinkan eksekusi sistem produksi lebih

efisien Tetapi masih tidak cukup efisien untuk Sistem

Pakar dengan kumpulan rule yang besar

71

Rete Algorithm

Dikembangkan oleh Charles L. Forgy pada tahun 70an untuk CMU’s OPS (Official Production System) shell Menyimpan informasi tentang antecedent dalam

sebuah jaringan Di setiap cyclenya, ia hanya mengecek

perubahan dalam jaringan Ini merupakan peningkatan efisiensi yang besar

72

Keuntungan Sistem Pakar (1)

Meningkatkan output dan produktivitas. Meningkatkan kualitas. Mengurangi waktu kerusakan (downtime). Mengatasi kelangkaan kepakaran Fleksibilitas Pengoperasian peralatan lebih mudah. Menghilangkan kebutuhan akan peralatan yang mahal Operasi pada lingkungan yang membahayakan Akses ke pengetahuan (knowledge) dan help desk

(sistem bantuan).

73

Keuntungan Sistem Pakar (2)

Meningkatkan kemampuan berbagai sistem terkomputerisasi lainnya.

Integrasi dari berbagai opini para pakar. Kemampuan bekerja dengan informasi yang tidak komplit

dan tak pasti Penyediaan pelatihan (training) Peningkatan dalam hal penyelesaian masalah. Kemampuan menyelesaikan masalah yang kompleks. Transfer pengetahuan ke lokasi yang berbeda. Peningkatan kepada Sistem Informasi Berbasis Komputer

lainnya.74

Permasalahan Dan Keterbatasan Sistem Pakar (1) Pengetahuan tidak selalu tersedia Kepakaran sulit diekstraksi dari manusia Pendekatan untuk setiap pakar pada situasi tertentu

selalu berbeda, dan tidak selalu benar. Walaupun pakar tersebut memiliki ketrampilan yang

tinggi, sukar untuk mengabstraksikan kepakarannya pada situasi tertentu, apalagi pakar tersebut bekerja di bawah tekanan.

User dari Sistem Pakar memiliki batasan kognitif alamiah.

Sistem Pakar bekerja baik hanya pada domain yang terbatas/sempit.

75

Permasalahan Dan Keterbatasan Sistem Pakar (2) Kebanyakan pakar tidak memiliki rasa pengertian pengecekan yang

independen walaupun konklusi mereka masuk akal. Kosa kata atau jargon yang digunakan pakar untuk

mengekspresikan fakta dan relasinya biasanya jarang digunakan dan dimengerti oleh orang lain.

Help seringkali dibutuhkan oleh knowledge engineer yang biasanya jarang tersedia dan mahal biayanya – sebuah fakta yang dapat membuat pembangunan Sistem Pakar lebih banyak memakan biaya.

Kendala kepercayaan pada end-user bisa menghalangi penggunaan Sistem Pakar.

Transfer pengetahuan bergantung pada persepsi dan bisa bias dalam prasangka.

76

Documents

sbp lily dong