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 campuranyang tidak dikenal)

• PROSPECTOR (Analisis data berhubungan geologiuntuk mineral)

• FOLIO (Membantu memberikan keputusan bagiseorang manager dalam hal stock broker daninvestasi)

3

5

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

• Aplikasi Sistem Pakar: Sistem Pakar PascaPembedahan (POEMS)

• Sistem Pakar untukm diagnosa penyakitTHT. [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 dangerExpert 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 expertisePengetahuan multiple expert dapat dibuat secara simultan dan kontinue pada suatu masalah di waktu siang hari atau malam hari.

• Increased reliabilityExpert 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 FactsConclusion

InferenceEngine

User

Case FactsConclusion

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 SugengSaudara Kandung dari AnangAyah dari Dada dan Ineke

Anang bercirikan:Anak dari SugengSaudara kandung dari AchmadAyah 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 $40,000B = Umur kurang dari 30 tahun E = Investasi di sekuritasC = Pendidikan Sarjana F = Investasi di bursa saham

G = Investasi di saham IBMSetiap 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 apakahdia 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 sekuritasR2 : Jika seseorang mempunyai pendapatan minimal $40,000 dan dia sarjana

maka orang tersebut akan berinvestasi di bursa sahamR3 : Jika seseorang berumur kurang dari 30 tahun dan jika dia berinvestasi di

sekuritas maka orang tersebut akan berinvestasi di bursa sahamR4 : Jika seseorang berumur kurang dari 30 tahun maka dia berpendidikan sarjanaR5 : Jika seseorang ingin berinvestasi di bursa saham

maka saham tersebut adalah saham IBM

Dapat ditulis sebagai :Fakta : A True Rules : R1 : IF A and C THEN E Goal : Accept or Reject G

B True R2 : IF D and C THEN FR3 : IF B and E THEN FR4 : IF B THEN CR5 : IF F THEN G

Methods of Reasoning :with Rules

Backward Chaining

12

• Starting point :Backward chaining dimulai dari mengecek rule yang memuat goal (G) pada konklusinya. Karena hanya rule R5 yang memuat konklusi G maka inferensi dimulai dari R5.

• Step 1 : Accept or reject G ? No conclusion, we have A true and B true.• Step 2 : R5 : IF F THEN G

Tidak diketahui apakah F True atau False. F adalah premis dari R5, tetapiF konklusi dari R2 dan R3. Maka test nilai F dilakukan pada R2 atau R3.

• Step 3 : R2 : IF D and C THEN FJika D dan C keduanya True maka F bernilai True. Masalahnya, D bukan faktadan juga bukan konklusi. Proses buntu, beralih ke R3 (backtracking)

• Step 4 : R3 : IF B and E THEN FB True (fakta). Untuk test E, menuju ke R1 dimana E sebagai konklusi.

• Step 5 : R1 : IF A and C THEN EA True (fakta). Untuk test C, menuju ke R4 dimana C sebagai konklusi.

• Step 6 : R4 : IF B THEN CKarena B True (fakta) maka C bernilai True. Ambil C sebagai fakta baru.

• Step 7 : Jika C True maka E True (R1), sehingga dari R3 maka F True dan akhirnya G True

Jadi orang tersebut dapat menginvestasikan modalnya di saham IBM

Methods of Reasoning :with Rules

Backward Chaining

Methods of Reasoning :with Rules

Backward Chaining

13

• Backward Chaining (Contoh Sederhana)R1 : IF suku bunga turun THEN harga obligasi naikR2 : IF suku bunga naik THEN harga obligasi turunR3 : IF suku bunga tidak berubah THEN harga obligasi tidak berubahR4 : IF dolar naik THEN suku bunga turunR5 : IF dolar turun THEN suku bunga naikR6 : IF harga obligasi turun THEN beli obligasiFakta : dolar turunTujuan : Beli obligasi atau tidak ?

harga obligasi turunbeli obligasi suku bunga naik dolar turunR6 R2 R5

Karena sesuai dengan fakta, maka keputusannya adalah membeli obligasi.

- Forward Chaining (Penalaran Maju) Pendekatan data-driven. Inferensi diawali dari fakta-fakta yang ada/keadaan awal (bagian IF),

kemudian mencoba melakukan konklusi menggunakan aturan. Komputer menganalisis masalah dengan melihat fakta-fakta yang cocok

dengan aturan (rules). Contoh : Keputusan Berinvestasi. Persoalan, fakta dan tujuan sama dengan

sebelumnya.

Fakta : A True Rules : R1 : IF A and C THEN E Goal : Accept or Reject GB True R2 : IF D and C THEN F

R3 : IF B and E THEN FR4 : IF B THEN CR5 : IF F THEN G

Methods of Reasoning :with Rules

Forward Chaining

14

• Starting point :Diketahui A dan B True. Inferensi dapat dimulai dari salah satu fakta, misal A. Cari rule yang mengandung A pada anteseden (premis). Hanya R1 yang dijumpai.

• Step 1 : R1 : IF A and C THEN ESistem melakukan verifikasi E, tetapi diperlukan informasi nilai C. Sistem akan mencarirule yang mengandung konklusi C, yaitu R4.

• Step 5 : R5 : IF F THEN GKarena F True maka G True.

• Step 3 : R1 : IF A and C THEN EKarena A dan C True maka E True. Proses menuju R3 dimana E sebagai premis.

• Step 4 : R3 : IF B and E THEN FB True (fakta) dan E True maka F True. Proses menuju ke R5 dimana F sebagai premis.

• Step 2 : R4 : IF B THEN CKarena B True (fakta) maka C bernilai True.

Sistem AI merekomendasikan orang tersebut untuk menginvestasikanmodalnya di saham IBM

Methods of Reasoning :with Rules

Forward Chaining

• Forward Chaining (Contoh Sederhana)R1 : IF suku bunga turun THEN harga obligasi naikR2 : IF suku bunga naik THEN harga obligasi turunR3 : IF suku bunga tidak berubah THEN harga obligasi tidak berubahR4 : IF dolar naik THEN suku bunga turunR5 : IF dolar turun THEN suku bunga naikR6 : IF harga obligasi turun THEN beli obligasiFakta : dolar turunTujuan : Beli obligasi atau tidak ?

suku bunga naikdolar turun harga obligasi turun beli obligasiR5 R2 R6

Karena fakta yang ada membawa ke tercapainya tujuan, maka keputusannya adalah membeli obligasi.

15

• Faktor-faktor yang mempengaruhi pemilihan backward/forward chaining• Banyaknya keadaan awal dan tujuan. Jika jumlah keadaan awal

lebih kecil dari tujuan lebih baik gunakan forward. Sebailknya, jika jumlah keadaan awal lebih besar dari tujuan makalebih baik gunakan backward.

• Bentuk kejadian yang memicu penyelesaian masalah. Jika kejadianberupa fakta baru, lebih baik digunakan forward. Sebaliknya, jika kejadian berupa query, lebih baik digunakanbackward.

Methods of Reasoning :with Rules

Forward Chaining

30

Antar Muka Pemakai (User Interface)

• Antar muka pemakai (User Interface) adalah bagian penghubung antara program sistem pakar dengan pemakai.

• Pada bagian ini, akan terjadi dialog antara program dan pemakai.

• Program akan mengajukan pertanyaan-pertanyaan berbentuk "ya atau tidak” atau berbentuk menu pilihan.

16

31

Permasalahan yang Disentuh oleh Sistem Pakar

1. InterpretasiMembuat kesimpulan atau deskripsi dari sekumpulan data mentah

2. PrediksiMemproyeksikan akibat-akibat yang dimungkinkan darisituasi-situasi tertentu

3. Diagnosis Menentukan sebab malfungsi dalam situasi kompleks yang didasarkan pada gejala-gejala yang teramati

4. DesainMenentukan konfigurasi komponen-komponen sistem yang cocok dengan tujuan-tujuan kinerja tertentu yang memenuhikendala-kendala tertentu

5. PerencanaanMerencanakan serangkaian tindakan yang akan dapatmencapai sejumlah tujuan dengan kondisi awal tertentu

32

7. Debugging dan RepairMenentukan dan menginterpretasikan cara-cara untuk mengatasi malfungsi.

8. Instruksi Mendeteksi dan mengoreksi defisiensi dalam pemahaman domain subyek

9. Selection Mengidentifikasi pilihan terbaik dari sekumpulan (list) kemungkinan

10. Monitoring Membandingkan hasil pengamatan dengan kondisi yang diharapkan

Permasalahan yang Disentuh oleh Sistem Pakar

17

33

Tiga Pemain Utama dalam Suatu Proyek Sistem Pakar

1. Domain Experto Orang yang memiliki ketrampilan ( skill) dan

pengetahuan (knowledge) untuk menyelesaikan masalah khusus dengan cara-cara yang superior dibanding orang kebanyakan.

o Memiliki pengetahuan kepakarano Memiliki ketrampilan problem-solving yang efisieno Dapat mengkomunikasikan pengetahuano Dapat menyediakan waktuo Dapat bekerja sama

34

Tiga Pemain Utama dalam Suatu Proyek Sistem Pakar (lanjutan)

2. Knowledge Engineero Orang yang melakukan proses disain,

mengembangkan dan menguji suatu sistem pakar

o Memiliki ketrampilan rekayasa pengetahuan (knowledge engineering)

o Memiliki ketrampilan komunikasi yang baik

o Dapat menyesuaikan masalah kepada software

o Memiliki ketrampilan pemrograman sistem pakar

18

35

Tiga Pemain Utama dalam Suatu Proyek Sistem Pakar (lanjutan)

3. End-Usero Dapat membantu mendefinisikan spesifikasi interfaceo Dapat membantu proses akuisisi pengetahuano Dapat membantu proses pengembangan sistemo Tipe pemakai:

• Pemakai awam, mencari saran. Dalam hal ini sistem pakar bertindak sebagai konsultan

• Pelajar yang ingin belajar. Dalam hal ini sistem pakar bertindak sebagai instruktur.

• Pembuat sistem pakar yang terlibat atau ingin mengembangkan basis pengetahuan. Dalam hal ini sistem pakar bertindak sebagi partner.

• Pakar. Dalam hal ini sistem pakar bertindak sebagai kolega.