Kuliah Perdana Sistem Berbasis Pengetahuan Pendahuluan

SISTEM BERBASIS PENGETAHUAN
PENDAHULUAN
HENKI FDS R
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
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
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/airepository/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
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 penalaranJika 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 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.
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
[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