Definisi Sistem Pakar - sistem pakar pada modul yang disebut Inference Engine. 5 9 APAKAH PAKAR...

download Definisi Sistem Pakar - sistem pakar pada modul yang disebut Inference Engine. 5 9 APAKAH PAKAR (EXPERT)

of 18

  • date post

    17-Nov-2020
  • Category

    Documents

  • view

    2
  • download

    0

Embed Size (px)

Transcript of Definisi Sistem Pakar - sistem pakar pada modul yang disebut Inference Engine. 5 9 APAKAH PAKAR...

  • 1

    1

    Artificial Intelligence

    2

    Pendahuluan

    • Sistem Pakar merupakan aplikasi dari Artificial Intelligence pada satu bidang tertentu. (Giarrataro, 1994) .

    • Turban (1992), E.T. Keravnov.L. J, (1986) dan F.H. Roth et at (1983) menyebut sebagai program komputer yang dirancang untuk menyelesaikan suatu masalah yang memiliki kemampuan mirip seorang pakar (human expert)

    Definisi Sistem Pakar

  • 2

    3

    • Sistem Pakar adalah suatu sistem komputer yang bisa menyamai atau meniru kemampuan seoarang pakar. [Giarratano & Riley]

    • Sistem Pakar adalah suatu model dan prosedur yang berkaitan, dalam suatu domain tertentu, yang mana tingkat keahliannya dapat dibandingkan dengan keahlian seorang pakar. [Ignizio]

    • Sistem Pakar adalah suatu program komputer yangdirancang untuk memodelkan kemampuan penyelesaian masalah yang dilakukan oleh seorang pakar. [Durkin]

    Definisi Sistem Pakar (Lanjutan)

    4

    Contoh Sistem Pakar

    • MYCIN – Sistem Pakar untuk diagnosa infeksi darah – Dapat memberikan anjuran sembuh – Memiliki 500 aturan heuristik

    • DENDRAL (Identifikasi struktur molekular campuran yang tidak dikenal)

    • PROSPECTOR (Analisis data berhubungan geologi untuk mineral)

    • FOLIO (Membantu memberikan keputusan bagi seorang manager dalam hal stock broker dan investasi)

  • 3

    5

    • Aplikasi Sistem Pakar: Infeksi Sistem Gastro-usus (Miswan Surip, 2000)

    • Aplikasi Sistem Pakar: Sistem Pakar Pasca Pembedahan (POEMS)

    • Sistem Pakar untukm diagnosa penyakit THT. [Sri Kusumadewi, 2003]

    • Sistem Pakar Konselor Perkawinan. [David Carlson, 1999]

    • dll.

    Contoh Sistem Pakar (lanjutan)

    6

    Prinsip Dasar Pengembangan Sistem Pakar

    Expertise

    Expertise

    Facts / Information

    Knowledge Base

    Inference Engine

  • 4

    7

    APAKAH KNOWLEDGE BASE ITU ?

    • KNOWLEDGE BASE adalah bagian dari sistem pakar yang berisi domain pengetahuan

    • Berisi pengetahuan yang dibutuhkan untuk memahami, merumuskan dan menyelesaikan masalah.

    • Terdiri dari 2 elemen dasar: – Fakta, situasi masalah dan teori yang terkait – Heuristik khusus atau rules, yang langsung

    menggunakan pengetahuan untuk penyelesaikan masalah khusus

    • Data + processing = information • Information + processing (pengalaman, training, dll) =

    knowledge

    8

    INFERENCE ENGINE

    • Inference Engine merupakan mesin penyimpul, yang didasarkan atas fakta-fakta yang diberikan oleh user, dan dihubungkan dengan "knowledge base" yang ada

    • Proses berpikir pada manusia dimodelkan dalam sistem pakar pada modul yang disebut Inference Engine.

  • 5

    9

    APAKAH PAKAR (EXPERT) ITU ?

    • Seorang pakar (expert) adalah seorang individu yang memiliki kemampuan pemahaman yang superior dari suatu masalah. Misalnya: seorang dokter, penasehat keuangan, pakar mesin mobil, dll.

    • Kemampuan kepakaran: – Dapat mengenali (recognizing) dan merumuskan

    masalah – Menyelesaikan masalah dengan cepat dan tepat – Menjelaskan solusi – Belajar dari pengalaman – Restrukturisasi pengetahuan – Menentukan relevansi/hubungan – Memahami batas kemampuan

    10

    APAKAH KEPAKARAN (EXPERTISE) ITU?

    • Pemahaman yang luas dari tugas atau pengetahuan spesifik yang diperoleh dari pelatihan, membaca dan pengalaman.

    • Jenis-jenis pengetahuan yang dimiliki dalam kepakaran: – Teori-teori dari permasalahan – Aturan dan prosedur yang mengacu pada area

    permasalahan – Aturan (heuristik) yang harus dikerj akan pada situasi

    yang terjadi – Strategi global untuk menyelesaikan berbagai jenis

    masalah – Fakta-fakta

  • 6

    11

    Problem Solving: Human Expert Vs Expert System

    12

    Ahli (Human Expert) Vs Sistem Pakar (ES)

    Time Availability Hari Kerja Setiap saat Geografis Lokal/tertentu Dimana saja Keamanan Tidak tergantikan Dapat diganti Perishable/ Dapat habis Ya Tidak Performansi Variabel Konsisten Kecepatan variabel Konsisten & lebih cepat Biaya Tinggi terjangkau

    Faktor Human Expert Expert System

  • 7

    13

    Sistem Konvensional Vs Sistem Pakar

    14

    Keuntungan Sistem Pakar

    • Increased Availability. Sistem pakar merupakan produksi expertise massa.

    • Reduced danger Expert sistem dapat digunakan dalam lingkungan yang berbahaya bagi manusia.

    • Permanence. Expertise adalah permanen. Tidak seperti manusia ahli yang mungkin memperhatikan, diam atau mati, pengetahuan sistem pakar akan berakhir secara tidak tentu.

    • Multiple expertise Pengetahuan multiple expert dapat dibuat secara simultan dan kontinue pada suatu masalah di waktu siang hari atau malam hari.

    • Increased reliability Expert sistem meningkatkan kepercayaan dimana keputusan yang benar dibuat dengan penyediaan pendapat kedua manusia ahli atau dalam hal ketidaksetujuan oleh manusia ahli multiple. Expert sistem harus selalu setuju dengan expert, kecuali jika kesalahan dibuat oleh expert.

  • 8

    15

    • Explanation Expert sistem dapat secara eksplisit menjelaskan secara detail pemberian alasan yang menuntun ke kesimpulan.

    • Fast response Respon yang cepat atau waktu riil mungkin diperlukan untuk beberapa aplikasi. Tergantung pada software dan hardware yang digunakan, sistem pakar mungkin merespon lebih cepat dan lebih tersedia dibandingkan dengan manusia ahli.

    • Steady, unemotional, and complete response at all time Ini mungkin sangat penting dalam waktu riil dan situasi mendesak jika manusia ahli tidak beroperasi secara efisien karena stress atau kelelahan.

    • Intelligent tutor Expert sistem beraksi seperti tutor intelligent dengan seseorang yang menjalankan contoh program dan menjelaskan pemberian alasan sistem.

    Keuntungan Sistem Pakar (lanjutan)

    16

    • Tidak ada jaminan bahwa sistem pakar memuat 100 % kepakaran yang diperlukan

    • Pengembangan Sistem pakar tergantung ada tidaknya pakar dibidangnya sehingga pengembangannya dapat terkendala

    • Biaya untuk mendesain, mengimplementasikan dan memeliharanya dapat sangat mahal tergantung seberapa lengkap dan kemampuannya.

    Kelemahan Sistem Pakar

  • 9

    17

    Komponen Sistem Pakar

    Knowledge Base

    Domain Knowledge

    Database

    Case / Inferred Facts Conclusion

    Inference Engine

    User

    Case Facts Conclusion

    Komponen Sistem Pakar ( Turban, 1992 )

    18

    Basis Pengetahuan

    • Basis pengetahuan ini merupakan representasi pengetahuan (Knowledge Representation) dari seorang pakar

    • Contoh sebuah sistem pakar yang berfungsi untuk mengidentifikasikan salah satu dari silsilah anggota sebuah keluarga mempunyai basis pengetahuan:

    Achmad bercirikan: Anak dari Sugeng Saudara Kandung dari Anang Ayah dari Dada dan Ineke

    Anang bercirikan: Anak dari Sugeng Saudara kandung dari Achmad Ayah dari Suplo dan Cuplis.

  • 10

    19

    Basis Data (Database)

    • Basis data adalah bagian yang mengandung semua fakta-fakta, baik fakta awal pada saat sistem mulai beroperasi maupun fakta-fakta pada saat pengambilan kesimpulan sedang dilaksanakan.

    • Dalam prakteknya, basis data berada dalam memory kerja (working memory)

    • Sistem pakar mengandung basis data untuk menyimpan data hasil observasi dan data lainnya yang dibutuhkan selama pengolahan

    20

    Mesin Inferensi (Inference Engine)

    • Mesin Inference adalah bagian yang menyediakan mekanisme fungsi berfikir dan pola-pola penalaran sistem yang digunakan oleh seorang pakar.

    • Mesin Inferensi akan dimulai pelacaknya dengan mencocokkan kaidah-kaidah dalam basis pengetahuan (Knowledge Base) dengan fakta- fakta dalam basis data

    • Contoh teknik inferensi – Pelacakan ke belakang (Backward Chaining) – pelacakan ke depan (Forward Chaining)

  • 11

     Penalaran Menggunakan Aturan (Rules)

    - Backward Chaining  Disebut juga pendekatan goal-driven.  Inferensi diawali dari tujuan atau hipotesis (bagian THEN),

    kemudian dicocokkan dengan fakta-fakta yang ada (keadaan yang diketahui).  Contoh : Keputusan Berinvestasi. Variabel-variabel :

    A = $10,000 D = Pendapatan minimal $40,000 B = Umur kurang dari 30 tahun E = Investasi di sekuritas C = Pendidikan Sarjana F = Investasi di bursa saham

    G = Investasi di saham IBM Setiap variabel bernilai True (Yes) atau False (No) Fakta : Diasumsikan, seorang investor memiliki dana $10,000 (A True) dan dia berumur 25 tahun (B true). Dia membutuhkan petunjuk apakah dia akan menginvestasikan dananya di saham IBM ? (Yes atau No sebagai tujuan)

    Methods of Reasoning : with Rules

    Backward Chaining

    Rules : Diasumsikan, kita mempunyai knowledge base yang berisi 5 rule : R1 : Jika seseorang mempunyai dana $10,000 dan dia sarjana

    maka orang tersebut akan berinvestasi di sekuritas R2 : Jika seseorang mempunyai pendapatan minimal $40,000 dan dia sarjana

    maka orang tersebut akan berinvestasi di bursa saham R3 : Jika seseorang berumur kurang dari 30 tahun dan jika dia berinvestasi di

    sekuritas maka orang tersebut akan berinvestasi di bursa saham R4 : Jika seseorang berumur kurang dari 30 tahun maka dia berpendidikan sarjana R5 : Jika seseorang