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