Upload
umar-syahid-as-shidiq
View
237
Download
3
Embed Size (px)
DESCRIPTION
sbp liy
Citation preview
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
Pengertian Kecerdasan Buatan
Intelligent/intelegensia
- seseorang yang pandai melaksanakan
pengetahuan yang dimilikinya
- Kemampuan manusia untuk memperoleh
pengetahuan dan pandai melaksanakannya
dalam praktek
7
Pengertian Kecerdasan Buatan
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
Pengertian Kecerdasan Buatan
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)
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
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
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
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
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
Tahap Pengembangan Sistem Pakar
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
Beberapa Sistem Pakar Terkenal (3)
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
Beberapa Sistem Pakar Terkenal (4)
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
Kategori Problem Sistem Pakar (2)
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
Kategori Problem Sistem Pakar (3)
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
Kategori Problem Sistem Pakar (4)
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 (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
Struktur Sistem Pakar (4)
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
Struktur Sistem Pakar (5)
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
Struktur Sistem Pakar (6)
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
Struktur Sistem Pakar (7)
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
Struktur Sistem Pakar (8)
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
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
Jenis-jenis Sistem Pakar (2)
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
Jenis-jenis Sistem Pakar (3)
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
Jenis-jenis Sistem Pakar (4)
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
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
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
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