Kuliah Perdana Sistem Berbasis Pengetahuan Pendahuluan
description
Transcript of Kuliah Perdana Sistem Berbasis Pengetahuan Pendahuluan
Kuliah PerdanaSistem Berbasis Pengetahuan
Pendahuluan
Deskripsi Perkuliahan
• Mata Kuliah Sistem Berbasis Pengetahuan (2 SKS)
• Tujuan :– Mhs mampu memahami SBP : karakteristik,
penggunaan, manfaat dan arsitektur– Memecahkan masalah nyata dan memodelkan
dengan SBP
Jadwal Kuliah
• Selasa 13.00 – 14.40
Aturan perkuliahan
• Tingkat kehadiran 75%• Toleransi keterlambatan : 30 menit• Tidak ada ujian susulan untuk UTS dan UAS
(tidak terkecuali sakit)• Berbuat curang dalam tugas/ujian, nilai =0• Boleh membuka hp atau laptop di luar
ruangan.
Lingkup Bahasan
• SBP dan sistem pakar: definisi, arsitektur, pengembangan, masalah
• Overview representasi pengetahuan– Logika proposisi / predikat, production rules, DT
• Logika Fuzzy dan Jaringan Syaraf Tiruan• Masalah klasifikasi dan konstruksi• Contoh sistem pakar
SAP
Referensi
• Dym, Clive L & Levitt, Raymond E, Knowlegde-Based Systems in Engineering, McGraw-Hill, Singapore, 1991
• Endra Pitowarno, Robotika: Disain, Kontrol, dan Kecerdasan Buatan, Andi, Yogyakarta, 2006.
• Giarratano, J and G. Riley, Expert System : Principle and Programming, 4th ed, PWS Kent, USA,2004
• Suryadi HS, Pengantar Sistem Pakar, Gunadarma, Jakarta, 1994
• http://www.aaai.org/aitopics/html/soft.html• http://www.cs.cmu.edu/afs/cs/project/ai-
repository/ai/areas/expert/systems/clips/0.html
Pengantar Sistem Berbasis Pengetahuan
Mengapa Dibutuhkan?
• Meningkatkan ketersediaan pakar• Kepakaran: sulit diperoleh, jumlah
sedikit,mahal. SBP/ES: Produksi dan distribusi masal kepakaran
• Menjaga kepakaran bersifat permanen• Performansi lebih baik dari pakar manusia:
stabil, unemotional, respon reasonable
Mengapa Dibutuhkan? (2)
• Meningkatkan confidence keputusan– Output SBP: pendapat kedua– Penjelasan detil reasoning →pakar manusia
mungkin tidak mau/tidak dapat melakukannya
• Intelligent tutor• Mengevaluasi pengetahuan pakar:
correctness, consistency, completeness
SBP dan Sistem Pakar
• SBP:– Sistem yang melakukan task dengan
mengaplikasikan pengetahuan dalam representasi simbolik
• Sistem pakar:– simulasi pakar: pengetahuan dan penalaran– sistem komputer yang meniru kemampuan
pengambilan keputusan pakar pada domain tertentu
Sistem Berbasis Pengetahuan
Sistem Berbasis Pegetahuan
Sistem Pakar
Games
Robotik
Sistem Komputer
Hubungan Problem Domain dan Knowledge Domain
Knowledge Domain
Problem Domain
Knowledge Domain
Definisi Sistem Pakar
• Sistem 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 Pakar
• Memasyarakatkan 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 Kepakaran
Meliputi 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)
PAKAR
Melibatkan kegiatan :• Mengenali dan memformulasikan permasa- lahan• Memecahkan permasalahan secara cepat dan
tepat• Menerangkan pemecahannya• Belajar dari pengalaman• Merestrukturisasi pengetahuan• Memecahkan aturan-aturan• Menentukan relevansi
Komponen Utama Sistem Pakar
Use
r Int
erfa
ce
Knowledge Base
Inference Engine
Expertise
Expertise
Facts / Information
User
Developer
Komponen Utama Sistem Pakar
• User Interface– Interaksi dengan end-user– Pengembangan dan pemeliharaan sistem
• Knowledge Base– Berisi informasi penting tentang domain
permasalahan– Menyatakan fakta dan aturan
Komponen Utama Sistem Pakar (2)
• Inference Engine– Mekanisme untuk memunculkan pengetahuan
baru dari pengetahuan sistem dan informasi yang diberikan oleh user
– Berdasarkan penggunaan aturan
User interface
• Input expert system– Input dapat berbentuk menu, perintah
(command), bahasa alamiah, dialog box
• Output expert system– Penjelasan dari pertanyaan– Penjelasan dari penyelesaian masalah
Knowledge base
• Contoh aturan– Jika suhu 39 dan trombosit menurun tajam maka
demam berdarah (0.7)
• Jaringan aturan Kesim pulan
Kesim pulan Kesim pulan
Bukti Bukti Bukti Bukti
Bukti Bukti Bukti Bukti
Inference Engine
• Proses penalaranJika Am aka B
Jika Cm aka D
Jika Mm aka E
Jika Km aka F
Jika Gm aka H
Jika Im aka J
Jika B atau Dm aka K
Jika K dan Lm aka N
Jika N atau Om aka P
Jika Em aka L
Jika (F dan H)atau Jm aka M
Jika Mm aka O
Development engine• Bahasa pemrograman
– LISP, Prolog
• Contoh program sistem pakar Mycin– Dikembangkan oleh Edward Shortliffe (peneliti) & Stanton
Axline (dokter)– Mycin diciptakan untuk mendiagnosa penyakit menular tertentu
• Peran sistem analis– Mengerti bagaimana pakar menerapkan pengetahuan mereka
dalam memecahkan masalah– Mampu mengekstrasi penjelasan mengenai pengetahuan dari
pakar
Bahasa-bahasa Pemrograman Sistem Pakar
LisP Insight 2 +
ProLog Amzy Logic
ExSys JESS
PC + CLIPS
Expert Ease Etc.
Konsep Umum dan Karakteristik Sistem Pakar
• Akusisi pengetahuan– transfer pengetahuan dari manusia ke komputer– Kadang pengetahuan dipelajari langsung oleh sistem dari lingkungan
• machine learning
• Representasi pengetahuan– Mempermudah untuk menyimpan dan memroses pengetahuan di
komputer
• Inferensi– Mekanisme untuk menghasilkan kesimpulan baru dari pengetahuan di
komputer
• Penjelasan– Menjelaskan ke pengguna bagaimana dan mengapa sebuah solusi
dihasilkan.
[Dieng et al. 1999]
Pengembangan Teknologi Sistem Pakar
• Sangat dipengaruhi oleh pengetahuan kognitif dan matematika– Cara manusia menyelesaikan masalah– Dasar utama seperti logika dan inferensi
• Aturan produksi sebagai mekanisme representasi – IF … THEN type rules– reasonably close to human reasoning– can be manipulated by computers– appropriate granularity
• knowledge “chunks” are manageable both for humans and for computers
Contoh Sistem Pakar
• DENDRAL– Identifikasi molekul kimia
• MYCIN– Diagnosis penyakit
• PROSPECTOR– Analisis data geologi untuk keberadaan mineral– Menemukan deposit mineral senilai $100 million
• XCON/R1– konfigurasi sistem komputer DEC VAX
Jangan Gunakan SBP Jika :
• Program konvensional lebih efisien• Tantangan utamanya komputasi, bukan
pengetahuan• Pengetahuan tidak bisa didapatkan dengan
mudah• Pengguna mungkin enggan mengaplikasikan
sistem pakar untuk task yang kritis