Kuliah Perdana Sistem Berbasis Pengetahuan Pendahuluan

Kuliah Perdana
Sistem 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, KnowlegdeBased 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/airepository/ai/areas/expert/systems/clips/0.ht
ml
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
Komputer
Sistem Berbasis
Pegetahuan
Robotik
Sistem Pakar
Games
Hubungan Problem Domain dan
Knowledge Domain
Problem Domain
Knowledge
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
User
Expertise
Facts / Information
Expertise
Developer
User Interface
Knowledge Base
Inference Engine
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
Kesimpulan
Kesimpulan
Bukti
Bukti
Kesimpulan
Bukti
Bukti
Bukti
Bukti
Bukti
Bukti
Inference Engine
• Proses penalaran
Jika A
maka B
Jika B atau D
maka K
Jika C
maka D
Jika M
maka E
Jika K dan L
maka N
Jika E
maka L
Jika N atau O
maka P
Jika K
maka F
Jika G
maka H
Jika I
maka J
Jika (F dan H)
atau J
maka M
Jika M
maka 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
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.
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
[Dieng et al. 1999]
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