Sistem Pakar Materi Presentasi

SISTEM PAKAR
A. Latar Belakang Masalah

Peran komputer penting dalam meringankan
tugas manusia.
B. Rumusan Masalah
1. Definisi dari Sistem Pakar
2. Pengembangan Sistem Pakar
3. Keuntungan dan Kelemahan Sistem Pakar
4. Kategori Permasalahan Sistem Pakar
5. Contoh Aplikasi dan Pengembangan Sistem Pakar
PEMBAHASAN
A. Pengertian Sistem Pakar
> Pakar = Ahli
> Sistem = Kumpulan Prosedur atau kumpulan dari
berbagai hal untuk suatu tujuan
> Sistem Pakar : Sistem yang berusaha mengadopsi
pengetahuan manusia ke komputer, agar komputer
dapat menyelesaikan masalah seperti yang biasa
dilakukan para ahli.
Penting untuk diketahui :
Sistem Pakar (SP) diciptakan tidak untuk
menggantikan kedudukan seorang pakar
SP mulai dikembangkan pertama kali
tahun 1960 an
Sebuah sistem pakar adalah sebuah
sistem untuk mentransfer kepakaran
yang dimiliki seorang pakar ke dalam
komputer
Mengapa Menggunakan Sistem Pakar?
1. Pakar di suatu Perusahaan/Instansi bisa pensiun, keluar, atau telah meninggal
dunia
2. Pengetahuan perlu didokumentasikan atau dianalisis
3. Sistem Pakar dapat menyediakan kepakaran setiap waktu dan di berbagai
lokasi
4. Seorang Pakar mahal dan langka efisiensi kerja
5. Efisiensi kerja dan waktu
Pengembangan Sistem Pakar
1. Sistem pakar generasi pertama. Menggunakan aturan jika-maka untuk
merepresentasikan dan menyimpan pengetahuannya

2. Sistem pakar generasi kedua. Jauh lebih fleksibel dalam mengadopsi
banyak representasi pengetahuan dan metode pertimbangan
Ciri-ciri Sistem Pakar adalah :
Ciri-ciri Sistem Pakar adalah :
1. Memiliki fasilitas informasi yang handal
2. Mudah dimodifikasi
3. Dapat digunakan dalam berbagai jenis komputer
4. Memiliki kemampuan untuk belajar beradaptasi.
5. Bekerja secara sistematis berdasarkan
pengetahuan dan mekanisme tertentu.
6. Pengambilan keputusan berdasarkan kaidah-
kaidah tertentu dan dapat merespons masukkan
user (melalui kotak dialog).

Faktor

Human Expert

Expert System
Time Availability Hari Kerja Setiap saat
Geografis Lokal/tertentu Dimana saja
Keamanan Tidak tergantikan Dapat diganti
Perishable / Dapat
habis
Ya Tidak
Performansi
(kemampuan)
Variabel Konsisten
Kecepatan Variabel Konsisten &
lebih cepat
Biaya Tinggi Terjangkau
Seorang Ahli (Human Expert) VS Sistem Pakar (ES)
Keuntungan dan Kelemahan Sistem Pakar
Keuntungan Sistem Pakar
1. Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli
2. Menyederhanakan pekerjaan dan meningkatnya efisiensi kerja
3. Bisa melakukan proses secara berulang secara otomatis
4. Menyimpan pengetahuan dan keahlian para pakar
5. Meningkatkan kualitas
6. Mampu mengambil dan melestarikan keahlian para pakar
7. Mampu beroperasi dalam lingkungan berbahaya
Manfaat Yang Dapat Diberikan Oleh Sistem Pakar Kepada Manajer
Perusahaan
Solusi Waktu
Logika Konsisten
Kelemahan Sistem Pakar
a. Interpretasi
b. Prediksi
c. Diagnosis
d. Perancangan (Desain)
e. Perencanaan
f. Monitoring
g. Debugging
h. Instruksi
i. Kontrol
Kategori Problema Sistem Pakar secara umum
- Biaya yang diperlukan untuk membuat dan memeliharanya sangat mahal
- Sulit dikembangkan
- Sistem pakar tidak 100% bernilai benar
Komponen atau Bagian Utama Sistem Pakar
b. Knowledge Base (Basis Pengetahuan)
Berisi pengetahuan-pengetahuan (pengetahuan gabungan) dalam
memahami, merumuskan, dan penyelesaian masalah
a. User Interface (Antarmuka Pemakai)
Bertugas untuk menganalisis pengetahuan, memberikan kemampuan
penalaran dan menarik kesimpulan berdasarkan knowledge base
c. Inference Engine (Mesin Inferensi)
Memungkinkan pemakai untuk berinteraksi dengan expert system
d. Development Engine
Komponen yang digunakan untuk mengolah sistem pakar, terdiri
dari bahasa pemrograman.
Contoh Aplikasi dan
Pengembangannya
1. Dendral
2. Mycin
3. Dipmeter Advisor
4. XCON & XSEL
5. Sophie
6. Prospector
7. Folio
8. Delta
9. YESMVS
10.ACE
Contoh Gambar Sistem Pakar
Kesimpulan
Sistem Pakar adalah sistem yang berusaha mengadopsi
pengetahuan manusia ke komputer, agar komputer dapat
menyelesaikan masalah seperti yang biasa dilakukan para
ahli/pakar
Ada beberapa hal penting yang perlu diperhatikan
bahwa, secanggih apapun suatu sistem atau sebesar
apapun basis pengetahuan yang dimiliki, tentu saja ada
kelemahannya sebagai konsekuensi logis kelemahan
manusia sebagai penyusun elemen-elemennya
DAFTAR PUSTAKA
Buku Panduan:
Gordon B. Davis (1998) Kerangka dasar Sistem Informasi Manajemen: Pengantar Seri
Manajemen No: 90. A, PT. Pustaka Binaman Pressindo, 1988.
Prof. Dr. Onong Uchjana Effendy.M.A, SISTEM INFORMASI MANAJEMEN. Penerbit CV-
Mandar Maju, Bandung, 1989.
McLeod, Raymond, Management Information System, 7th ed., Prentice Hall, New
Jersey, 1998.
Kusumadewi, Sri. Artificial Intelligence Teknik dan Aplikasinya. Yogyakarta : Graha
Ilmu. 2003

Sumber lain:
Internet Explorer
www.ittelkom.ac.id
www.dosen.amikom.ac.id
http://en.wikipedia.org/wiki/Expert_system
http://ai.indra-ehm.net/?p=10
www.ilmukomputer.com
http://iisrasjeed.blogsome.com/2007/09/26/knowledge-based-system/
Sistem Pakar
Suatu program AI yang berisi basis pengetahuan dan
mesin inferensi
Seperti layaknya seorang pakar
Berfungsi sebagai konsultan
Tidak untuk menggantikan kemampuan seorang
pakar
Berisi pengetahuan dari para pakar
Dapat digunakan untuk menjawab pertanyaan,
memecahkan masalah dan membuat keputusan
Definisi-Definisi
Durkin: program komputer yang dirancang untuk
memodelkan kemampuan penyelesaian masalah
yang dilakukan oleh seorang pakar
Ignizio: suatu model dan prosedur yang berkaitan
dalam suatu domain tertentu, dimana tingkat
keahliannya dapat dibandingkan dengan keahlian
seorang pakar
Giarratano dan Riley: suatu sistem komputer yang
bisa menyamai atau meniru kemampuan seorang
pakar
Sistem Pakar
Menyimpan pengetahuan dari berbagai sumber
Berisi heuristic knowledge:
Berasal dari peristiwa di dunia nyata learning by doing

Computer software packages:
A generic programs
Can be used to build special programs for many applications
Expert system:
Highly dedicated piece of software
Contains knowledge in a specific domain
Perbedaan Pengguna
Manager: apa yang dapat saya gunakan?
Teknolog: bagaimana saya dapat
mengimplentasikan teknologi dengan baik?
Peneliti: bagaimana saya dapat
mengembangkannya
User: bagaimana dapat membantu saya?
Dapat menghemat biaya? Bagaimana
kehandalannya?
Perbedaan ES dan Pakar
Time:
P:hari kerja; ES: tiap saat
Geografis:
P:lokal/tertentu; ES: dimana saja
Keamanan:
P: tdk tergantikan; ES: dapat diganti
Dapat habis:
P: ya; ES: tidak
Performa dan kecepatan:
P: variabel; ES: konstan
Biaya:
P: tinggi; ES: terjangkau
Example of Expert System
The famous:
MYCIN: diagnosa penyakit,
DENDRAL: mengidentifikasi struktur molekul campuran
kimia yang tidak dikenal,
XCON & XSEL: konfigurasi sistem komputer besar,
Prospector: bidang geologi
The other:
SOPHIE: analisis sirkuit elektronik,
DELTA: pemeliharaan lokomotif listrik,
FOLIO: stok dan investasi
Benefits of Expert Systems
Memungkinkan orang awam dapat mengerjakan pekerjaan
para ahli
Bisa melakukan proses berulang secara otomatis
Menyimpan pengetahuan dan keahlian pakar
Meningkatkan output dan produktifitas
Melestarikan keahlian pakar
Dapat beroperasi pada lingkungan berbahaya
Dapat meningkatkan kemampuan sistem komputer
Dapat bekerja dengan informasi yang tidak lengkap
Sebagai media pelengkap dalam pelatihan
Menghemat waktu pengambilan keputusan
The Down Side of Expert System
Development of an ES is difficult
ES is expensive
Most ES still must be implemented &
delivered on a big mainframe or
minicomputer
Not 100% reliable
Kepakaran tidak selalu tersedia pada bidang-
bidang tertentu
4 Basic Type
Stand-alone: software yang berdiri sendiri, tidak
tergabung dengan program lain
Sistem Tergabung: sistem ini merupakan bagian
dari program lain yang masih bersifat konvensional,
misal berada di dalam algoritma yang konvensional
Sistem terhubung dengan software lain: misalnya
sistem pakar yang berhubungan dengan paket
program DBMS
Sistem Mengabdi: merupakan bagian dari
komputer khusus yang dihubungkan dengan suatu
fungsi tertentu

Sistem Konvensional vs ES
SK: informasi dan pemrosesan menjadi satu dengan
program, ES: pengetahuan dan inferensi terpisah
SK: tidak bisa menjelaskan keputusan, ES: ada
fasilitas penjelasan
SK: eksekusi perlangkah, ES: eksekusi dilakukan pada
seluruh basis pengetahuan
SK: menggunakan data, ES: menggunakan
pengetahuan
Konsep Dasar ES
Komponen Sistem Pakar:
Pengetahuan Pakar: pengetahuan pada suatu bidang
tertentu
Fakta-fakta, teori, prosedur, aturan, strategi, meta knowledge
Pakar
Pengalihan Pengetahuan:
Tambahan pengetahuan, representasi pengetahuan, inferensi
pengetahuan, pengalihan pengetahuan ke user.
Inferensi: kemampuan menalar
Aturan: dalam bentuk aturan IF-THEN
Fasilitas Penjelasan: penejelasan bagaimana keputusan
dibuat
Kemampuan rekomendasi
User
Penjelasan
Knowledge Acusition: penambahan pengetahuan, mengkonstruksi atau
memperluas pengetahuan
Knowledge Base: berisi pengetahuan
Inference Engine: program yang berisi metodologi yang digunakan untuk
melakukan penalaran terhadap informasi dalam basis pengetahuan dan
blackboard:
Interpreter: mengeksekusi item-item agenda yang terpilih menggunakan
aturan
Scheduler: mengkontrol agenda
Consistency Enforcer: memelihara kekonsistenan dalam merepresentasikan
solusi yang bersifat darurat
Blackboard: area kerja dalam memori yang digunakan dalam kejadian yang
sedang berlangsung termasuk keputusan sementara
Plan: bagaimana menghadapi masalah
Agenda: aksi aksi potensial yang sedang menunggu untuk dieksekusi
Solution: calon aksi yang akan dibangkitkan

Penjelasan
Interface: sebagai media komunikasi antara user dan
program
Explanation Facility: melacak respon dan memberi
penjelasan ttg kelakuan sistem pakar
Mengapa suatu pertanyaan ditanyakan?
Bagaimana konklusi dicapai?
Mengapa ada alternatif yang dibatalkan?
Rencana apa yang dilakukan mendapatkan solusi?
Knowledge refinement: mengevaluasi kinerja sistem
pakar, apakah pengetahuan tersebut masi cocok
untuk digunakan pada masa yang akan datang?
Knowledge Base
Pendekatan knowledge base:
Rule Based Reasoning
Pengetahuan dibuat dalam IF-THEN
Digunakan jika kita sudah memiliki pengetahuan dari pakar
mengenai permasalahan tertentu secara berurutan
Dibutuhkan jika harus ada penjelasan tentang langkah-langkah
pencapaian solusi
Case Based Reasoning
Basis pengetahuan akan berisi kasus-kasus yang sudah diketahui
sebelumnya.
Jika kasus-kasusnya hampir mirip
Jika sudah memiliki penyelesaian kasus-kasus
Inference Engine
Forward Chaining: pencocokan dari fakta
untuk menguji kebenaran hipotesis
Backward Chaining: pencocokan dari bagian
hipotesis terlebih dahulu baru mencocokkan
dengan fakta-faktanya
Kasus
Contoh:
R1: IF A & B THEN C
R2: IF C THEN D
R3: IF A & E THEN F
R4: IF A THEN G
R5: IF F & G THEN D
R6: IF A & G THEN H
R7: IF C & H THEN I
R8: IF I & A THEN J
R9: IF G THEN J
R10: IF J THEN K
Fakta: A & F, apakah K benar?
R3
A
E
F
G
D
J K
H
R5
R4 R9 R10
R6
K J I C A
B A
H
R10
R8 R7 R1
K J G A
R10 R9 R4
Kasus
R1: if suku bunga turun then harga obligasi naik
R2: if suku bunga naik then harga obligasi turun
R3: if suku bunga tidak berubah then harga obligasi
tidak berubah
R4: if dolar naik then suku bunga turun
R5: if dolar turun then suku bunga naik
R6: if harga obligasi turun then beli obligasi

Diket: dolar turun, beli atau tidak obligasi?
Knowledge Acuisition
Knowledge engineer berusaha menyerap
pengetahuan untuk ditransfer ke basis
pengetahuan
Metode:
Wawancara
Analisis protokol: pakar diminta untuk melakukan
pekerjaan dan direkam
Observasi kerja pakar
Induksi aturan
Ciri-ciri Expert System
Adanya Explanation facility
Mudah dimodifikasi
Dapat digunakan pada berbagai jenis
komputer
Memiliki kemampuan beradaptasi
Expert System Applications
ES is not suitable for all situations
Generic ES categories:
Control : intelligent automation
Debugging : recommends corrections to faults
Design : developing products to specification
Instruction : optimized computer instruction
Interpretation : clarification of situations
Planning : developing goal-oriented schemes
Prediction : intelligent guessing of outcomes
Repair : automatic diagnosis, debugging, planning and fixing
Developing an Expert System
apakah problem memerlukan ES?
Memerlukan kepakaran
Biaya tinggi
Tidak memerlukan common sense
Subyeknya sempit
Tidak memerlukan solusi fisik
Tingkat kesulitan sedang
Bisa dipecahkan oleh pengetahuan
Memiliki solusi minimum
Pakarnya tersedia
Latar Belakang E/S
Sistem Pakar memberikan banyak keuntungan bagi operasi perusahaan dan manajer,
tetapi memiliki keterbatasan significan.

Artificial Intelligence merupakan suatu aktivitas untuk menyediakan berbagai mesin
seperti komputer dengan menampilkan perilaku dengan penalaran yang cerdas
apabila diamati sebagai manusia. Artificial Intelligence menyajikan berbagai aplikasi
komputer yang canggih untuk menyamai berbagai jenis penalaran manusia.

Sejarah Artificial Intelligence
> John McCarty
> Logic Theorist
> General Problem Solver (GPS)

Bidang Artificial Intelligence
1. Jaringan Syaraf (Neural Network)
2. Sistem Persepsi (Perceptive System)
3. Belajar (Learning)
4. Robot (Robotics)
5. Perangkat Keras Ai (Artificial Intelligence)
6. Pemrosesan Bahasa Alamiah (Natural Language Processing)
Definisi E/S
Sistem Pakar (Expert System) merupakan suatu sistem yang menggunakan
pengetahuan manusia dalam komputer untuk memecahkan masalah yang
biasanya dikerjakan oleh seorang pakar.

Misalnya : Dokter, Lawyer, Analist Keuangan, Tax Advisor. Sistem pakar dapat
mendorong perhatian besar diantara ahli komputer dan spesialist informasi
untuk mengembangkan sistem membantu manajer dan non manajer
memecahkan masalah.
Komponen E/S
Sistem pakar terdiri atas 4 bagian:
1. User Interface
2. Knowledge Base
3. Inference Engine
4. Development Engine
Manfaat E/S
Keuntungan Expert System untuk manajer.
1. Menyajikan lebih banyak alternatif.
2. Menerapkan logika tingkat tinggi
3. Menyediakan waktu banyak untuk evaluasi hasil keputusan.
4. Memberikan solusi yang lebih konsisten
5. Membuat seorang awam bekerja seperti layaknya seorang pakar;
6. Menyederhanakan pekerjaan dan meningkatnya efisiensi kerja;
7. Meningkatnya kualitas pekerjaan;
8. Meningkatnya produktifitas sehingga meningkat pula performance perusahaan;
9. Merupakan arsip yang terpercaya sehingga seolah-olah langsung konsultasi
dengan
pakar (meskipun sang pakar telah tiada)
10. Memperluas jangkauan.

Keuntungan Expert System untuk perusahaan.
1. Meningkatkan performance perusahaan.
2. Memelihara pengendalian terhadap knowledge perusahaan.
Penerapan E/S
Faktor dan kondisi yang mempengaruhi terdiri atas :

1. Alasan Umum
> Programming Konvensional (Algoritma) tidak memuaskan.
> Adanya Expert yang dapat memecahkan masalah.
> Pemilihan problem domain menyajikan kombinasi terbaik.
2. Problem Domain
> Problem Domain ditandai oleh penggunaan Expert Knowledge, Judgement dan
pengalaman.
3. Domain Task.
> Task tidak terlalu mudah dan juga tidak terlalu sulit.
> Task mensyaratkan Primarily Symbolic Reasoning.
4. Domain Personnel.
> Merupakan dukungan manajemen yang kuat.
5. Expert.
> Memiliki Expert yang kualified dan menepati waktu.
> Expert harus terpercaya.
6. Sistem Analist
> Sistem Analist harus telah memahami problem domain atau dapat mempelajarinya.
> Sistem Analist dapat menarik Expert Knowledge.
User Interface
User Interface
User interface digunakan manajer untuk meng-enter instruksi dan informasi
dari sistem.

Metode input yang digunakan oleh manajer yaitu:
> Menu
> Command
> Natural Language

Output ES memakai 2 bentuk penjelasan (explanation) :
> Explanation of Question
> Explanation of Problem Solution
Knowledge Base
Knowledge base terdiri dari fakta yang menggambarkan area problem atau
problem domain dan juga teknik penyajian yang menggunakan fakta sesuai
logika.

Rule/aturan merupakan rincian dalam situasi yang tidak berubah:
> Kondisi benar dan tidak benar
> Tindakan yang diambil bila kondisi benar
Inference Engine
Inference Engine merupakan bagian dari Expert System yang membentuk
Reasoning dengan menggunakan isi dari knowledge base dalam urutan
tertentu.

Dua metode yang digunakan dalam Expert System untuk mengamati Rule,
yaitu:

a. Penalaran ke depan (Forward) atau Forward Chaining
> Evaluasi Rule
> Proses Penalaran Berulang (Iterative Reasoning)

b. Penalaran ke Belakang (Revierse) atau Backward Chaining.
> Alur Logika Pertama diikuti (First Logical Path)
> Alur Logika Selanjutnya diikuti (Next Logical Path)
Development Engine
Development Engine membangun Rule Set dengan pendekatan :
1. Bahasa Pemrograman (Programming Language).
2. Bagian Expert System (Expert System Shell)

Peran Sistem Analist sebagai Knowledge Engineer dalam organisasi bisnis dengan
menggunakan keterampilan untuk membangun aplikasi komputer yang konvesional,
yaitu :
> Memahami bagaimana Expert menerapkan keahliannya dalam
pemecahan masalah.
> Dapat menarik suatu Description Of Knowledge dari Expert.

Proses Pengembangan Sistem
> Permulaan proses pengembangan
> Prototype pengembangan Expert System
> Partisipasi User
> Pemeliharaan Expert System

Aplikasi dan Penerapan E/S
1. ADVER
atau Advertising adalah sebuah prototipe ES digunakan untuk
menggunakan strategi media periklanan yang sesuai dengan kondisi
internal dan eksternal perusahaan dengan parameter biaya iklan per seribu
pemirsa.

2. BERT
atau Brickwork expERT adalah sebuah ES untuk disain bangunan. BERT
digunakan untuk memeriksa sebuah disain bangunan, kemudian
memberikan beberapa rekomendasi untuk perbaikan. Inputnya bisa dalam
bentuk gambar.

3. DELTA
adalah ES untuk mendiagnosa kerusakan pada mesin-mesin Diesel Electric
Locomotive.
4. DENDRAL
Sistem pakar untuk analisis struktur molekul suatu senyawa yang belum
diketahui. Senyawa yang belum diketahui tersebut dianalisis dengan
menggunakan mass spectrometer dan nuclear magnetic reconancy
equipment. Data hasil analisis tersebut dimasukkan ke DENDRAL yang akan
membuat struktur molekulnya.

5. MYCIN
Adalah ES untuk mendiagnosa infeksi akibat bakteri dan menyarankan jenis
obat dan dosisnya untuk penyembuhan.

6. OPERA
atau OPERator Advisor yang digunakan untuk mendiagnosa dan menangani
kerusakan pada suatu jaringan komputer.
OPERA dijalankan pada malam hari untuk menggantikan Supervisor System
Manager.

7. PROSPECTOR
untuk membantu menemukan lokasi yang mengandung bahan tambang.
Basis pengetahuannya berisi kaidah berdasar data empiris dan taksonomi
beberapa jenis mineral dan batu-batuan.
Untuk mengetahui apakah suatu daerah mengandung bahan tambang ,
lebih dahulu dilakukan survey keadaan geologi dan pengambilan contoh
tanah dan batu-batuan.
Berdasarkan data hasil survey tsb akan diberikan rekomendasi apakah
daerah tsb layak untuk dieksplorasi dan akan diputuskan apakah akan
dilakukan penggalian atau tidak.

8.HEATINGS
Untuk pengontrolan proses pembakaran batubara secara terus menerus
dengan menggunakan sensor yang dihubungkan ke komputer. Bila terjadi
kerusakan yang menimbulkan bahaya (peralatan & manusia) dapat dengan
mudah mengetahui dan memberikan pemecahannya. Misal, bila bila
HEATINGS mendeteksi kadar CO melewati ambang batas akan terdengar
bunyi alarm dan menyuruh membuka ventilasi.
9. SHEARER
Untuk mendiagnosa kerusakan mesin pemotong batubara tipe AM500. Pada
pertambangan batubara, batubara dipotong dgn menggunakan alat pemotong
Shearer (sangat mahal, terdiri dari : sistem mekanik, hidrolik, dan elektrik),
kemampuannya sekitar 300 ton batubara per jam.
SHEARER dapat siaga 24 jam penuh dan cepat melakukan diagnosa kerusakan
(hidrolik, mekanik, dan elektrik).

10. MSUV-VIS
Untuk melakukan analisis multi komponen bahan aktif obat flu dalam berbagai
macam pelarut, pada industri farmasi.
Selain itu sistem tersebut dapat digunakan untuk penetapan kadar (pk) campuran
senyawa-senyawa lain dengan syarat spektranya tumpang tindih yang aditif.
BASIS
PENGETAHUAN

(ATURAN)
MESIN INFERENSI
AGENDA
MEMORI
KERJA

(FAKTA)
FASILITAS
PENJELASAN
FASILITAS
AKUISISI
PENGETAHUAN
ANTAR MUKA
PENGGUNA
Gambar
Arsitektur Sistem Pakar
ARSITEKTUR SISTEM PAKAR
KOMPONEN SISTEM PAKAR
antar muka pengguna (user interface)
basis data sistem pakar (expert system database)
fasilitas akuisisi pengetahuan (knowledge acquisition
facility) dan mekanisme inferensi (inference
mechanism)
fasilitas penjelasan (explanation facility)
Antar Muka Pengguna
perangkat lunak yang menyediakan media
komunikasi antara pengguna dengan sistem
Basis data sistem pakar
berisi pengetahuan setingkat pakar pada subyek
tertentu
berisi pengetahuan yang dibutuhkan untuk
memahami, merumuskan dan menyelesaikan
masalah
terdiri dari 2 elemen:
Fakta, situasi masalah dan teori yang terkait
Heuristik khusus atau rules, yang langsung menggunakan
pengetahuan untuk menyelesaikan masalah khusus
Fasilitas Akuisisi Pengetahuan
perangkat lunak yang menyediakan fasilitas dialog antara
pakar dengan sistem
digunakan untuk memasukkan fakta-fakta dan kaidah-kaidah
sesuai dengan perkembangan ilmu
Meliputi proses pengumpulan, pemindahan, dan perubahan
dari kemampuan pemecahan masalah seorang pakar atau
sumber pengetahuan terdokumentasi (buku, dll) ke program
komputer
bertujuan untuk memperbaiki dan atau mengembangkan
basis pengetahuan (knowledge-base)
Mekanisme Inferensi
perangkat lunak yang melakukan penalaran
dengan menggunakan pengetahuan yang ada
untuk menghasilkan suatu kesimpulan atau
hasil akhir.
Dalam komponen ini dilakukan pemodelan
proses berpikir manusia
Fasilitas Penjelasan
berguna dalam memberikan penjelasan
kepada pengguna mengapa komputer
meminta suatu informasi tertentu dari
pengguna dan dasar apa yang digunakan
komputer sehingga dapat menyimpulkan
suatu kondisi
Tipe Penjelasan
Penjelasan mengenai jejak aturan yang menunjukkan
status konsultasi
penjelasan mengenai bagaimana sebuah keputusan
diperoleh
penjelasan mengapa sistem menanyakan suatu
pertanyaan
penjelasan mengapa sistem tidak memberikan
keputusan seperti yang dikehendaki pengguna
Memori Kerja
bagian dari sistem pakar yang berisi fakta-fakta
masalah yang ditemukan dalam suatu sesi

Agenda
Urutan aturan yang dibangkitkan oleh mesin
inferensi
Expert Systems
An expert system is a computer
program that is designed to hold the
accumulated knowledge of one or
more domain experts
Applications of Expert Systems
PROSPECTOR:
Used by geologists to
identify sites for drilling or
mining
PUFF:
Medical system
for diagnosis of respiratory
conditions
DESIGN ADVISOR:
Gives advice to designers of
processor chips
MYCIN:
Medical system for diagnosing blood
disorders. First used in 1979
DENDRAL: Used to identify the
structure of chemical compounds.
First used in 1965
LITHIAN: Gives advice to
archaeologists examining
stone tools
Components of an Expert System
The knowledge base is the collection of facts and
rules which describe all the knowledge about the
problem domain
The inference engine is the part of the system
that chooses which facts and rules to apply when
trying to solve the users query
The user interface is the part of the system which
takes in the users query in a readable form and
passes it to the inference engine. It then displays
the results to the user.
Why use Expert Systems?
Experts are not always
available. An expert system
can be used anywhere, any
time.
Human experts are not 100%
reliable or consistent
Experts may not be good at
explaining decisions
Cost effective

Problems with Expert Systems
Limited domain
Systems are not always up
to date, and dont learn
No common sense
Experts needed to setup
and maintain system
Legal and Ethical Issues
Who is responsible if the advice is wrong?
The user?
The domain expert?
The knowledge engineer?
The programmer of the expert system shell?
The company selling the software?
Expert Systems on the Web
http://www.aiinc.ca/demos/whale.html
http://www.vanguardsw.com/
decisionscript/examples.htm
http://www.exsys.com/demomain.html
http://www.expertise2go.com/webesie/car
http://www.expertise2go.com/webesie/wine
Sistem pakar (expert system) adalah sistem yang
berusaha mengapdosi pengetahuan manusia ke
komputer, agar komputer dapat menyelesaikan
masalah seperti yang biasa dilakukan oleh para ahli.
Sistem pakar yang baik dirancang agar dapat
menyelesaikan suatu permasalahan tertentu
dengan meniru kerja dari para ahli.

Sistem pakar yang terkenal
MYCIN
Paling terkenal, dibuat oleh Edward Shortlife of Standford
University tahun 70-an
Sistem pakar medical yang bisa mendiagnosa penyakit infeksi
dan merekomendasi pengobatan
MYCIN membantu dokter mengidentifikasi pasien yang
menderita penyakit. Dokter duduk di depan komputer dan
memasukkan data pasien: umur, riwayat kesehatan, hasil
laboratorium dan informasi terkait lainnya. Dengan informasi
ini ditambah pengetahuan yang sudah ada dalam komputer,
MYCIN mendiagnosa selanjutnya merekomendasi obat dan
dosis yang harus dimakan.

MYCIN sebagai penasehat medis, tidak dimaksudkan untuk
mengantikan kedudukan seorang dokter.
Juga untuk membantu dokter dalam mengkonfirmasi
diagnosa dan terapi yang diberikan kepada pasien

Kesimpulan :sistem pakar seperti MYCIN bisa digunakan
sebagai bahan pembanding dalam pengambilan solusi dan
pemecahan masalah.
Keputusan terakhir atas pengobatan tersebut tetap
menjadi tanggung jawab dokter.
DENDRAL
Mengidentifikasi struktur molekular campuran kimia yang tak dikenal
XCON & XSEL
XCON
Merupakan sistem pakar untuk membantu konfigurasi sistem komputer
besar, membantu melayani order langganan sistem komputer DEC VAX
11/780 ke dalam sistem spesifikasi final yang lengkap
Komputer besar seperti VAX terbuat dari ratudan komponen yang berbeda
digabung dan disesuaikan dengan konfigurasi tertentu yang diinginkan
oleh para pelanggan.
Ada ribuan cara dimana aseosri Pcboard, kabel, disk drive, periperal,
perangkat lunak, dan lainnya bisa dirakit ke dalam konfigurasi yang sangat
rapih. Untuk mengidentifikasi hal-hal tersebut diperlukan waktu berhari-
hari/berminggu-minggu agar bisa memenuhi spesifikasi yang diinginkan
pemesan, tapi dengan XCON bisa dalam beberapa menit.

MANFAAT SISTEM PAKAR :
1. Memungkinkan orang awam bisa mengerjakan pekerjaan
para ahli
2. Bisa melakukan proses secara berulang secara otomatis
3. Menyimpan pengetahuan dan keahlian para pakar
4. Mampu mengambil dan melestarikan keahlian para pakar
(terutama yang termasuk keahlian langka)
5. Mampu beroperasi dalam lingkungan yang berbahaya
6. Memiliki kemampuan untuk bekerja dengan informasi yang
tidak lengkap dan mengandung ketidakpastian. Pengguna
bisa merespon dengan jawaban tidak tahu atau tidak yakin
pada satu atau lebih pertanyaan selama konsultasi dan
sistem pakar tetap akan memberikan jawaban.
7. Tidak memerlukan biaya saat tidak
digunakan
8. Dapat digandakan (diperbanyak) sesuai
kebutuhan dengan waktu yang minimal dan
sedikit biaya
9. Dapat memecahkan masalah lebih cepat
daripada kemampuan manusia dengan
catatan menggunakan data yang sama.
10. Menghemat waktu dalam pengambilan
keputusan
11. Meningkatkan kualitas dan produktivitas karena
dapat memberi nasehat yang konsisten dan
mengurangi kesalahan
12. Meningkatkan kapabilitas sistem terkomputerisasi
yang lain.
13. Mampu menyediakan pelatihan. Pengguna pemula
yang bekerja dengan sistem pakar akan menjadi
lebih berpengalaman. Fasilitas penjelas dapat
berfungsi sebagai guru.

KELEMAHAN SISTEM PAKAR
1. Biaya yang diperlukan untuk membuat, memelihara, dan
mengembangkannya sangat mahal
2. Sulit dikembangkan
3. Sistem pakar tidak 100% benar
4. Pendekatan oleh setiap pakar untuk suatu situasi atau
problem bisa berbeda-beda, meskipun sama-sama benar.
5. Transfer pengetahuan dapat bersifat subjektif dan bias
6. Kurangnya rasa percaya pengguna dapat menghalangi
pemakaian sistem pakar.

KONSEP DASAR SISTEM PAKAR
Konsep dasar sistem pakar mengandung
keahlian,
ahli/pakar,
pengalihan keahlian,
Mengambil keputusan,
aturan,
kemampuan menjelaskan.

Keahlian
Keahlian bersifat luas dan merupakan penguasaan
pengetahuan dalam bidang khusus yang diperoleh
dari pelatihan, membaca atau pengalaman.
Contoh bentuk pengetahuan yang termasuk keahlian
:
- Teori, fakta, aturan-aturan pada lingkup
permasalahan tertentu
- Strategi global untuk menyelesaikan masalah

Ahli / Pakar
Seorang ahli adalah seseorang yang mampu
menjelaskan suatu tanggapan, mempelajari
hal-hal baru seputar topik permasalahan,
menyusun kembali pengetahuan jika
dipandang perlu, memecahkan masalah
dengan cepat dan tepat
Pengalihan keahlian
Tujuan dari sistem pakar adalah untuk mentransfer
keahlian dari seorang pakar ke dalam komputer
kemudian ke masyarakat.
Proses ini meliputi 4 kegiatan, yaitu
perolehan pengetahuan (dari para ahli atau sumber-sumber
lainnya),
representasi pengetahuan ke komputer,
kesimpulan dari pengetahuan dan
pengalihan pengetahuan ke pengguna.

Mengambil keputusan
Hal yang unik dari sistem pakar adalah
kemampuan untuk menjelaskan dimana
keahlian tersimpan dalam basis pengetahuan.
Kemampuan komputer untuk mengambil
kesimpulan dilakukan oleh komponen yang
dikenal dengan mesin inferensi yaitu meliputi
prosedur tentang pemecahan masalah.

Aturan
Sistem pakar yang dibuat merupakan sistem
yang berdasarkan pada aturan aturan
dimana program disimpan dalam bentuk
aturan-aturan sebagai prosedur pemecahan
masalah. Aturan tersebut biasanya berbentuk
IF THEN.
.

Kemampuan menjelaskan
Keunikan lain dari sistem pakar adalah
kemampuan dalam menjelaskan atau
memberi saran/rekomendasi serta juga
menjelaskan mengapa beberapa
tindakan/saran tidak direkomendasikan
PERBEDAAN SISTEM KONVENSIONAL DENGAN SISTEM PAKAR

Sistem Konvensional
Informasi dan pemrosesannya
biasanya jadi satu dengan program
Program tidak pernah salah (keculai
pemrogramnya yang salah)
Biasanya tidak bisa menjelaskan
mengapa suatu input data itu
dibutuhkan atau bagaimana output
itu diperoleh
Pengubahan program cukup sulit dan
merepotkan
Sistem hanya akan bekerja jika sistem
tersebut sudah lengkap
Eksekusi dilakukan langkah demi
langkah secara algoritmik
Menggunakan data
Tujuan utamanya adalah efisiensi

Sistem Pakar
Basis pengetahuan merupakan
bagian terpisah dari mekanisme
inferensi
Program bisa saja melakukan
kesalahan
Penjelasan adalah bagian terpenting
dari sistem pakar
Pengubahan pada aturan/kaidah
dapat dilakukan dengan mudah
Sistem dapat bekerja hanya dengan
beberapa Aturan
Eksekusi dilakukan pada keseluruhan
basis pengetahuan secara heuristik
dan logis
Menggunakan pengetahuan
Tujuan utamanya adalah efektivitas
ELEMEN MANUSIA YANG TERKAIT DALAM PENGGUNAAN DAN
PENGEMBANGAN
SISTEM PAKAR

1. Pakar
2.Perekayasa pengetahuan
Perekayasa pengetahuan adalah orang yang
membantu pakar dalam menyusun area
permasalahan dengan menginterpretasikan dan
mengintegrasikan jawaban-jawaban pakar atas
pertanyaan yang diajukan, menggambarkan
analogi, mengajukan counter example dan
menerangkan kesulitan-kesulitan konseptual.
3. Pemakai
Pemakai
Pemakai awam : dalam hal ini sistem pakar bertindak
sebagai konsultan untuk memberikan saran dan
solusi kepada pemakai
Pelajar yang ingin belajar : sistem pakar bertindak
sebagai instruktur
Pembuat sistem pakar : sistem pakar sebagai partner
dalam pengembangan basis pengetahuan.
Pakar : sistem pakar bertindak sebagai mitra
kerja/asisten

AREA PERMASALAHAN APLIKASI SISTEM PAKAR

Interpretasi
Yaitu pengambilan keputusan dari hasil observasi, diantaranya :
pengawasan, pengenalan ucapan, analisis citra, interpretasi sinyal, dan
beberapa analisis kecerdasan
Prediksi
Memprediksi akibat-akibat yang dimungkinkan dari situasi-situasi
tertentu, diantaranya : peramalan, prediksi demografis, peralaman
ekonomi, prediksi lalulintas, estimasi hasil, militer, pemasaran, atau
peramalan keuangan.
Diagnosis
Menentukan sebab malfungsi dalam situasi kompleks yang didasarkan
pada gejala-gejala yang teramati, diantaranya : medis, elektronis,
mekanis, dan diagnosis perangkat lunak

AREA PERMASALAHAN APLIKASI SISTEM
PAKAR
Desain
Menentukan konfigurasi komponen-komponen sistem yang cocok
dengan tujuan-tujuan kinerja tertentu dan kendala-kendala tertentu,
diantaranya : layout sirkuit, perancangan bangunan
Perencanaan
Merencanakan serangkaian tindakan yang akan dapat mencapai
sejumlah tujuan dengan kondisi awal tertentu, diantaranya :
perencanaan keuangan, komunikasi, militer, pengembangan politik,
routing dan manajemen proyek.
Monitoring
Membandingkan tingkah laku suatu sistem yang teramati dengan
tingkah laku yang diharapkan darinya, diantaranya : Computer Aided
Monitoring System

STRUKTUR SISTEM PAKAR
2 bagian utama sistem pakar :
lingkungan pengembangan (development
environment) : digunakan untuk memasukkan
pengetahuan pakar ke dalam lingkungan sistem
pakar
lingkungan konsultasi (consultation environment) :
digunakan oleh pengguna yang bukan pakar untuk
memperoleh pengetahuan pakar

Komponen-komponen yang terdapat dalam
arsitektur/struktur sistem pakar :
1. Antarmuka Pengguna (User Interface)
Merupakan mekanisme yang digunakan oleh pengguna dan
sistem pakar untuk berkomunikasi.
2. Basis Pengetahuan
Basis pengetahuan mengandung pengetahuan untuk
pemahaman, formulasi, dan penyelesaian masalah.
Komponen sistem pakar ini disusun atas 2 elemen dasar, yaitu
:
- fakta : informasi tentang obyek dalam area
permasalahan tertentu
- aturan : informasi tentang cara bagaimana memperoleh
fakta baru dari fakta yang telah diketahui.
2. Akuisisi Pengetahuan (Knowledge
Acquisition)
Akuisisi pengetahuan adalah akumulasi,
transfer, dan transformasi keahlian dalam
menyelesaikan masalah dari sumber
pengetahuan ke dalam program komputer..

3. Mesin/Motor Inferensi (inference engine)
Komponen ini mengandung mekanisme pola pikir
dan penalaran yang digunakan oleh pakar dalam
menyelesaikan suatu masalah.
4. Workplace / Blackboard
Workplace merupakan area dari sekumpulan memori
kerja (working memory), digunakan untuk merekam
kejadian yang sedang berlangsung termasuk
keputusan sementara.

5. Fasilitas Penjelasan
Adalah komponen tambahan yang akan
meningkatkan kemampuan sistem pakar.
6. Perbaikan Pengetahuan
Pakar memiliki kemampuan untuk
menganalisis dan meningkatkan kinerjanya
serta kemampuan untuk belajar dari
kinerjanya.

BASIS PENGETAHUAN (KNOWLEDGE BASE)
Basis pengetahuan berisi pengetahuan-pengetahuan dalam
penyelesaian masalah. Ada 2 bentuk pendekatan basis
pengetahuan :
a. Penalaran berbasis aturan (rule-based reasoning)
Pengetahuan direpresentasikan dengan
menggunakan aturan berbentuk IF-THEN.
Contoh : aturan identifikasi hewan
Rule 1 : IF hewan berambut dan menyusui THEN hewan mamalia
Rule 2 : IF hewan mempunyai sayap dan bertelur THEN hewan jenis
burung
Rule 3 : IF hewan mamalia dan memakan daging THEN hewan
karnivora
Dst...

BASIS PENGETAHUAN (KNOWLEDGE BASE)
b. Penalaran berbasis kasus (case-based
reasoning)
Pada penalaran berbasis kasus, basis
pengetahuan akan berisi solusi-solusi yang
telah dicapai sebelumnya, kemudian akan
diturunkan suatu solusi untuk keadaan yang
terjadi sekarang (fakta yang ada).

MESIN INFERENSI (INFERENCE ENGINE)
Ada 2 cara penalaran yang dapat dikerjakan dalam
melakukan inferensi :
a. Forward Chaining
Pencocokan fakta atau pernyataan dimulai dari
bagian sebelah kiri dulu (IF dulu). Dengan kata
lain penalaran dimulai dari fakta terlebih dahulu untuk
menguji kebenaran hipotesis.
b. Backward Chaining
Pencocokan fakta atau pernyataan dimulai dari
bagian sebelah kanan (THEN dulu). Dengan kata
lain penalaran dimulai dari hipotesis terlebih
dahulu, dan untuk menguji kebenaran hipotesis
tersebut harus dicari fakta-fakta yang ada dalam basis
pengetahuan.

JENIS KERUSAKAN
A1 = MONITOR RUSAK
A2 = MEMORI RUSAK
A3 = HDD RUSAK
A4 = VGA RUSAK
A5 = SOUND CARD RUSAK
A6 = OS BERMASALAH
A7 = APLIKASI RUSAK
A8 = PSU RUSAK
A9 = PROSESOR RUSAK
A10 = MEMORY KURANG (PERLU UPGRADE MEMORY)
A11 = MEMORY VGA KURANG (PERLU UPGRADE VGA)
A12 = CLOCK PROSOR KURANG TINGGI (PERLU UPGRADE PROSESOR)
A13 = KABEL IDE RUSAK
A14 = KURANG DAYA PADA PSU (PERLU UPGRADE PSU)
A15 = PERANGKAT USB RUSAK
A16 = KEYBOARD RUSAK
A17 = MOUSE RUSAK
Sistem Berbasis
Pengetahuan
Sistem Berbasis
Pegetahuan
Sistem
Pakar
Games
Robotik
Sistem
Komputer
Sistem Pakar berasal dari istilah
knowledge-based expert system
Menggunakan human knowledge yang
dimasukkan ke dalam komputer untuk
memecahkan masalah yang umumnya
memerlukan keahlian seorang Pakar
Domain yang sempit
Inference
Engine
USER
Knowledge
Base
Fact
Expertise
Hubungan Problem Domain dan
Knowledge Domain
Knowledge
Domain
Problem Domain
Knowledge
Domain
Structure of an Expert System
Consultation Environment
(Use)
Development Environment
(Knowledge Acquisition)
User
Expert
User Interface
Inference Engine
Explanation
Facility
Working Memory
Facts of
the Case
Recommendation,
Explanation
Facts of
the
Case
Knowledge
Engineer
Knowledge
Acquisition
Facility
Knowledge
Base
Domain Knowledge
(Elements of
Knowledge Base)
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
pemecahan 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 permasalahan
Memecahkan permasalahan secara cepat dan
tepat
Menerangkan pemecahannya
Belajar dari pengalaman
Merestrukturisasi pengetahuan
Memecahkan aturan-aturan
Menentukan relevansi

PENGETAHUAN
YANG TERDO-
KUMENTASIKAN
ALAT BANTU,
BAHASA
SISTEM
PAKAR
PEMBANGUN
ALAT BANTU
PENJUAL
PAKAR
INSINYUR
PENGETAHUAN
PEMBANGUN
SISTEM
STAF
PENDUKUNG
PENGGUNA
AKHIR
Membangun
Memberikan
Pengguna
Pengguna
Bekerja sama
Memperoleh
pengetahuan
Memba-
ngun
Membangun
Menghubung
kan
Menggunakan
Menguji
Mendukung
tugas
PARTISIPAN DALAM MEMBANGUN
SISTEM PAKAR DAN
ATURAN-ATURANNYA

Bahasa-bahasa Pemrograman
Sistem Pakar
LisP

Insight 2 +

ProLog

Amzy Logic

ExSys

JESS

PC +

CLIPS

Expert Ease

Etc.

Beberapa contoh aplikasi
Sistem Pakar
Mysin, identifikasi penyakit infeksi
bakterial dan rekomendasi obat anti
biotiknya
Dendral, analisa struktur molekular
suatu senyawa yang belum diketahui
Etc.
KATEGORI GENERIK DARI SISTEM PAKAR

Kategori Masalah yang Diselesaikan
Interpretasi
Prediksi

Diagnosis
Perancangan
Perencanaan

Monitoring

Debugging
Reparasi

Instruksi

Kontrol
Menduga gambaran situasi dari observasi
Menduga akibat yang mungkin dari situasi
tertentu
Menduga kegagalan sistem dari observasi
Mengatur konfigurasi obyek dari konstrain
Mengembangkan rencana-rencana untuk
mencapai tujuan-tujuan
Membandingkan observasi terhadap rencana-
rencana, tanda gagal/berhasil (flagging), dan
perkecualian-perkecualian (exceptions)
Memberi obat bagi kegagalan fungsi
Mengeksekusi rencana untuk menjalankan obat
penyembuhan
Mendiagnosa, mendebug, dan membetulkan
unjuk kerja siswa
Menginterpretasikan, memprediksi, mereparasi,
dan memonitor perilaku sistem
Ciri-ciri Sistem Pakar
Terbatas pada domain keahlian tertentu
Memiliki fasilitas informasi yang handal
Berdasar rule-ruletertentu
Mudah dimodifikasi
Dapat digunakan dalam berbagai jenis komputer
Dirancang untuk dapat dikembangkan secara
bertahap
Output bersifat anjuran
PERBANDINGAN SISTEM KONVENSIONAL
DENGAN SISTEM PAKAR
Sistem Konvensional Sistem Pakar
Informasi dan pemrosesannya biasanya
digabungkan dalam satu program sekuen-
sial

Program tidak membuat kesalahan (yang
membuat kesalahan : pemrogram)

Biasanya tidak menerangkan mengapa
data masukan diperlukan atau bagaimana
kesimpulan ditarik

Perubahan program sangat menyulitkan
(tedious)

Sistem hanya beroperasi setelah lengkap
/ selesai

Eksekusi dilakukan langkah demi langkah
(algoritmik)

Perlu informasi lengkap agar bisa
Beroperasi
Basis Pengetahuan dipisahkan secara jelas
dengan mekanisme pemrosesan / inferensi
(yaitu, aturan-aturan pengetahuan dipisah-
kan dari kontrol)

Program dapat berbuat kesalahan

Keterangan biasanya merupakan bagian
dari hampir semua Sistem Pakar

Perubahan dalam aturan-aturan mudah
untuk dilaksanakan

Sistem dapat beroperasi hanya dengan
aturan-aturan yang sedikit (prototipe awal)
Eksekusi dilakukan dengan

Menggunakan heuristik dan logika

Dapat beroperasi dengan informasi yang
tidak lengkap atau tidak tentu
PERBEDAAN (Lanjutan..)

Sistem Konvensional
Sistem Pakar
Manipulasi efektif dari basis data
yang besar
Manipulasi efektif dari basis
pengetahuan yang besar
Representasi dan penggunaan
data
Representasi dan penggunaan
pengetahuan
Tujuan utama : efisiensi Tujuan utama : efektivitas
Mudah berurusan dengan data
kuantitatif
Mudah berurusan dengan data
kualitatif
Menangkap, membesarkan, dan
mendistribusikan akses ke data
numerik atau informasi
Menangkap, membesarkan, dan
mendistribusikan akses ke
pertimbangan dan pengetahuan

Faktor-faktor yang mempengaruhi
keberhasilan sistem pakar
Isi Sistem Pakar
Faktor Manajemen
Dukungan manajamen merupakan keharusan
Kebijakan
Dana
Sumber daya
Pelatihan untuk pengguna

Faktor Pengetahuan
Pengetahuan didapat dari setidaknya satu
orang pakar
Tingkat kepakaran yang cukup tinggi
Pengetahuan dapat diinterpretasikan secara
simbolis

Faktor Antarmuka
Antarmuka dapat mengakomodir target
pengguna (awam, teknis, pakar)
Antarmuka disesuaikan dengan spesifikasi
sistem pakar itu sendiri

Faktor Lingkup Permasalahan
Kebutuhan akan solusi sepadan dengan biaya
dan tenaga untuk membangun sebuah sistem
pakar (cukup sulit)
Permasalahan yg akan diselesaikan
merupakan masalah kualitatif (fuzzy) dan
tidak bisa diselesaikan dengan metode
tradisional
Permasalahan terfokus dalam satu bidang
yang tidak terlalu luas
Pakar tidak selalu tersedia

PENDAHULUAN
Sub Sistem CBIS Yg Menarik

1.Sistem berbasis pengetahuan (knowledge based system)
2.Kecedasan buatan ( artificial Intelligent)

Bentuk sistem berbasis pengetahuan yg populer adalah
sistem pakar (expert system) yg mempunyai 4 bagian
utama
1.User interface
2.Inference engine
3.Devolopment engine
4.Knowlagde base
KECERDASAN BUATAN
Kecerdasan buatan (artificial Intelligence A/I) adalah : Kegiatan
memberikan pada mesin ( komputer) kemampuan untuk
menampilkan prilaku yg dianggap cerdas.
AI pertama kali diperkenalkan pada tahun 1956 dgn program
komputer pertama disebut : logic theorist ( pembuktian teorima
kalkulus).
AI sedang diterapkan dibidang bisnis dlm bentuk sistem
berbasisi pengetahuan ( knowledge base system), jenis yg paling
popular adalah : program komputer yang memcoba untuk
mewakili pengetahuan aturan yakni aturan praktis ( rule of
thumb) dan aturan dugaan ( rule of good guessing).
PROBLEM DOMAIN MODEL SISTEM PAKAR
PROBLEM
DOMAIN

PEMAKAI
DEVELOPMENT
ENGINE
EXPERT &
KNOWLEDGE
ENGINEER

INFERENCE
ENGINE

USER
INTERFACE
KNOWLAGE BASE
USER INTERFACE
User interface memungkinkan manajer untuk memasukkan
instruksi & informasi ke dlm sistem pakar

Input Sistem Pakar
User interface dirancang untuk mempermudah dialog dua
arah antara sistem & pemakai dgn menampilkan teknik
tanya-jawab dan pengisian formulir kemudian muncul
bahasa perintah & menu speadsheet elektronik & sistem
manajemen data base (DBMS)
KNOWLEDGE BASE
Knowlage base memuat fakta-fakta yg menjelaskan area
masalah & juga teknik menerangkan masalah yg
memjelaskan bagaimana fakta fakta tsb cocok sata dgn yang
lain

INTERFACE ENGINE
Penaran Maju
Penalaran maju disebut juga forward chaining dimana
sistem pakar akan menguji apakah setiap kondisi benar atau
salah.
Penalaran Mundur
Penalaran mundur disebut juga backward chaining
Membandingkan Penalaran Maju & Penalaran
Mundur
Penalaran mundur bergerak lebih cepat dari
penalaran maju krn penalaran mundur tdk harus
mempertimbangkan semua aturan & tdk membuat
beberapa putaran melalui perangkat atauran.

Penalaran mundur sangat sesuai jika:
1. Terdapat variabel sasaran berganda ( multiple goal
variable)
2. Terdapat banyak aturan
3. Semua atau hampir semua aturan tdk hrs diuji dalm
proses mencapi pemecahan.
DEVELOPMENT ENGINE
Komponen utama sisem pakar adalah development engine,
yg digunakan utk menciptakan sistem pakar.

Ada 2 pendekatan dasar yakni :
1. Bahasa Pemrograman
2. Shell sistem pakar
Penyusunan Sistem Pakar
Struktur sistem pakar
Komponen-komponen SP

Basis pengetahuan representasi
pengetahuan
mesin inference
User Interface (antarmuka pengguna),

Basis pengetahuan
Yaitu berupa representasi penegtahuan dari
pakar.
Tersusun dari fakta dan kaidah. Fakta adalah
informasi tentang objek, peristiwa atau
situasi. Kaidah adalah cara untuk
membangkitkan suatu fakta yang sudah
diketahui
Model : Jaringan Semantik, Frame, Aturan
Produksi, Logika Predikat, Hybrids

Mesin inferensi
Berperan sebagai pemamdu proses penalaran
terhadapa suatu kondisi.
Dalam prosesnya menggunakan strategi
penalaran dan strategi pengendalian.
Strategi penalaran : exact reasoning dan
inexact
Teknik pengendalian : forward chaining,
backward chaining dan gabungan keduanya
Forward Chaining
Pelacakan kedepan adalah pendekatan yang
dimotori data (data-driven). Dalam
pendekatan ini pelacakan dimulai dari
informasi masukan, dan selanjutnya mencoba
menggambarkan kesimpulan. Pelacakan ke
depan, mencari fakta yang sesuai dengan
bagian IF dari aturan IF-THEN.

Backward chaining
Pelacakan ke belakang adalah pendekatan yang
dimotori oleh tujuan (goal-driven). Dalam
pendekatan ini pelacakan dimulai dari tujuan,
selanjutnya dicari aturan yang memiliki tujuan
tersebut untuk kesimpulannya. Selanjutnya proses
pelacakan menggunakan premis untuk aturan
tersebut sebagai tujuan baru dan mencari aturan lain
dengan tujuan baru sebagai kesimpulannya. Proses
berlanjut sampai semua kemungkinan ditemukan.

Konsep Dasar Sistem Pakar
Sistem yang mempunyai pengetahuan para
ahli/pakar dan menggunakannya dalam
mengambil keputusan/menyelesaikan
masalah
Bidang yang ditangani spesifik
Berdasarkan pada aturan-aturan yang
biasanya berbentuk IF-THEN
Konsep Dasar Sistem Pakar
Kepakaran ditransfer dari seorang pakar ke
komputer.
Pengetahuan ini disimpan dan user dapat
meminta saran spesifik yang dibutuhkannya.
Komputer dapat mencari, mengolah dan
menampilkan kesimpulan yang spesifik
Mempunyai kemampuan menjelaskan

Bagian Utama Sistem Pakar
Lingkungan pengembangan
Digunakan untuk memasukkan pengetahuan
pakar ke dalam lingkungan sistem pakar
Lingkungan konsultasi
Digunakan oleh pengguna yang bukan pakar untuk
memperoleh pengetahuan pakar
Komponen Sistem Pakar
Antarmuka pengguna mekanisme yang digunakan oleh
pengguna dan sistem pakar untuk berkomunikasi
Basis pengetahuan terdiri dari fakta dan aturan
Akuisisi pengetahuan pemindahan pengetahuan dari
sumber ke program komputer
Motor inferensi penalaran untuk menyelesaikan masalah
Workplace/blackboard memori untuk merekam kejadian
yang sedang berlangsung termasuk keputusan sementara,
ada 3 keputusan yang dapat direkam : rencana, agenda, solusi
Fasilitas penjelasan memberikan penjelasan tentang
perilaku sistem pakar
Perbaikan pengetahuan peningkatan kinerja dan update
pengetahuan

Tahap Pembuatan Sistem Pakar
Contoh Sistem Pakar
MYCIN
Mendiagnosa penyakit infeksi dan merekomendasi pengobatan
Membantu dokter yang belum berpengalaman dalam menangani
penyakit
EL
Digunakan untuk menganalisa dan membantu rekayasa rancangan
sirkuit elektronik yang terbuat dari transistor, dioda dan resistor.
Diagram skematik dari sirkuit ini dimasukkan ke dalam komputer dan EL
menganalisis menentukan karakteristik sirkuit, nilai voltase, dan strum
yang ada pada semua titik sirkuit.
Basis pengetahuan pada EL merupakan prinsip umum elektronik seperti
hukum OHM, hukum kirchoff, karakteristik komponen, teori operasi
transistor.
DELTA
membantu karyawan bagian pemeliharaan mesin lokomotif diesel
dalam memantau mesin-mesin yang tidak berfungsi dengan baik dan
membimbing ke arah prosedur perbaikan

Membangun Basis Pengetahuan
Define the Potential Solutions
Define the Inputs Fact
Develop an outline
Draw a Decision Tree
Map a Matrix
Develop the Software
Persyaratan Untuk Membuat Sistem Pakar Yang
Baik :

Sistem pakar harus dikembangkan untuk memenuhi
kebutuhan yang diketahui dan penting.
Kecepatan pemrosesan dari sistem harus sangat tinggi.
Sistem pakar harus dapat menaikkan kepakaran dari
pengguna.
Pembetulan kesalahan harus mudah dilakukan.
Program harus dapat menjawab pertanyaan yang mudah.

Sistem harus dapat mengajukan pertanyaan untuk men -
mendapatkan informasi tambahan.
Pengetahuan program harus mudah untuk dimodifikasi (yaitu
: add, delete, dan modify).
Pengguna harus merasa bahwa ia yang menguasai sistem (he
is in control).
Derajat usaha (baik fisik maupun mental) untuk menggu -
nakan sistem pakar bagi pemula haruslah masuk akal (tidak
terlalu berat).
Kebutuhan input (dalam pengertian data) harus jelas
dan mudah untuk diperoleh.

Persyaratan Untuk Membuat Sistem Pakar Yang Baik :
(lanjutan)

MEMBANGUN SUATU KNOWLEDGE BASE
(RULE-BASED) SYSTEM

Kasus : Penggunaan Sistem Pakar untuk
mencocokkan Anggur dan Makanan
Buatlah kasus lainnya.
Komputer sangat cepat dalam perhitungan matematis,
sedangkan manusia sangat lambat
Apakah komputer lebih cerdas dari manusia ?
Manusia adalah ciptaan Tuhan yang paling sempurna dan
mempunyai inteligensia yang tinggi (spektrum inteligensia)
Manusia mempunyai panca indera dan proses kognisi, yang
sangat sulit dilakukan oleh komputer. (contoh : ?)
Pengenalan
Jaringan Syaraf Tiruan
Pendahuluan (contd)
Bagaimana membuat Komputer mampu seperti manusia ?

Kemampuan penyerupaan panca indera.
Inteligensia Semu mengembangkan metode logika dengan
menggunakan manipulasi simbolik.
Akan tetapi manipulasi simbolik ternyata tidak mampu
untuk menyelesaikan persoalan yang berkaitan dengan
panca indera.

Representasi Pengetahuan
Review: Definisi
AI = bidang ilmu komputer yang meneliti dan
mempelajari bagaimana agar komputer dapat
bertindak dan mengerjakan pekerjaan seperti
yang dilakukan oleh manusia.
Awalnya komputer hanya mesin hitung

Review: Definisi
Membuat
Sistem
Berfikir Bertindak
Seperti
Manusia
Model Kognitif Uji Turing
Rasional Kaidah bernalar Agen Rasional:
membuat inferensi
logis sehingga dapat
melakukan aksi logis
1. Diperlukan suatu cara untuk mengetahui bagaimana manusia
berfikir
2. Diperlukan pemahaman tentang bagaimana pikiran manusia
bekerja

Bagaimana caranya?
Melalui introspeksi atau mawas diri; mencoba menangkap
bagaimana pikiran kita berjalan
How do you know that you understand?
Melalui percobaan psikologis

Bidang Ilmu:
Cognitive Science
Vision & natural language
Berfikir Seperti Manusia
(Thinking Humanly)
Uji Turing: AI Bertindak Seperti Manusia (acting
humanly)
AI lulus test
apabila interogator
tidak bisa
membedakan
dialog mana yang
dilakukan dengan
komputer dan
mana yang
dilakukan dengan
manusia
Pertanyaan
dan
Jawaban
Interogator
Komputer
Manusia
System capabilities:
Natural language processing
Knowledge representation
Automated reasoning
Machine learning
Computer vision (+)
Robotics (+)
Cara berfikirnya memenuhi aturan logika yang dibangun
oleh Aristotles
Pola struktur argumentasi yang selalu memberi
konklusi yang benar bila premis benar
Menjadi dasar bidang logika
Tradisi logicist dalam AI adalah membangun program
yang menghasilkan solusi berdasarkan logika
Problem:
Pengetahuan informal sukar diuraikan dan dinyatakan
dalam bentuk notasi logika formal
Terdapat perbedaan besar antara memecahkan masalah secara
prinsip dan di dunia nyata
Berfikir Rasional (thinking rationally)
Bertindak secara rasional artinya bertindak didalam
upaya mencapai goal
Didalam lingkungan yang rumit tidaklah mungkin
mendapatkan rasionalisasi sempurna yang selalu
melakukan sesuatu dengan benar
Rasionalisasi terbatas

Sehingga:
Thinking dan acting humanly terlalu luas, thinking
rationally masih terlalu sempit
Pendekatan yang diikuti adalah Acting Rationally
Bertindak Rasional (acting rationally)
Review: Intelegensia
Bagaimana seseorang/sesuatu belajar dan melaksanakan
pengetahuan yang dimiliknya.
Walaupun punya pengetahuan tapi jika tidak dapat melaksanakan
pengetahuan tersebut = tidak inteligen
Daya reaksi atau penyesuaian yang cepat dan tepat, baik
secara fisik maupun mental, terhadap pengalaman-
pengalaman baru, membuat pengalaman dan pengetahuan
yang dimiliki siap untuk dipakai apabila dihadapkan pada
fakta-fakta atau kondisi-kondisi baru (Kamus Besar Bahasa
Indonesia Balai Pustaka)
Pengetahuan diperoleh dari belajar dan menalar untuk
menggunakannya dalam menyelesaikan masalah
Review: Bagian Utama AI
Basis Pengetahuan (Knowledge Based)
Berisi fakta, teori, pemikiran, dan hubungannya
Motor Inferensi (Inference Engine)
Kemampuan menalar dan menarik kesimpulan

Knowledge
base

Inference
mechanism
Computer
Inputs Outputs
Review: AI Prehistory
Philosophy : Logic, methods of reasoning
Mathematics : Formal representation and proof
algorithms, computation, probability
Economics : utility, decision theory
Neuroscience : physical substrate for mental activity
Psychology : phenomena of perception and motor
control, experimental techniques
Control theory : design systems that maximize an
objective function over time
Linguistics : knowledge representation, grammar
Review: AI History
1941: era komputer elektronik yang dapat menyimpan program
1943 1956: Warren McCulloch dan Walter Pits menemukan boolean
model untuk otak, bernaa PERCEPTRON (JST pertama), McCarthy disebut
father of AI
1952 1969: Newell dan Simon menemukan General Problem Solver,
McCarthy membuat LISP
1966 1974: jaman AI melambat
1969 1979 : knowledge based system
1986 now: Industrial AI dan perkembangan JST, GPS, software catur
HITECH adalah software pertama yang mengalahkan grandmaster dunia,
Arnold Danker.

Prinsipnya AI mengandung unsur: SEARCHING, REASONING, PLANNING,
dan HEARING
Review: AI vs Non AI
AI lebih permanen, non AI mudah berubah seturut
waktu
AI mudah diduplikasikan dan disebarkan
AI lebih murah dari non AI
AI lebih konsisten dan mudah didokumentasi
AI tidak kreatif
AI tidak dapat menggunakan pengalaman secara
langsung
AI terbatas
Contoh ilmu-ilmu dalam lingkup AI
ANN (Artificial Neural Network)
NLP (Natural Language Processing)
Game Playing
ES (Expert System)
Robotics
Pattern Recognition
Computer Reasoning
Computer Vision
IR (Information Retrieval)
Data Mining
Fuzzy System
Neuro Fuzzy System
GA (Genetic Algorithm)
CBR (Case Based Reasoning)
DSS (Decision Support System)
AI vs Pemrograman Konvensional?
AI: pemrosesan simbolik, PK: Algoritmik
AI: input tdk lengkap, PK: input hrs lgkp
AI: heuristic searchng, PK: algoritmik
AI: ada penjelasan, PK: tidak
AI: basis pengetahuan, PK: data & infor
AI: control & knowledge terpisah, PK tidak
AI: mampu menalar, PK: tidak
AI: pemeliharaan mudah, PK: relatif sulit
AI Lemah & Kuat
Klaim AI lemah
Mesin bisa dibuat untuk bertindak seolah-olah ia
cerdas
Prinsip nilai dari komputer adalah bahwa ia memberi
perlengkapan yang sangat ampuh.
Contoh, ia memampukan kita untuk merumuskan
dan menguji hipotesa dalam cara yang lebih tepat
Klaim AI kuat
Mesin yang bertindak cerdas memiliki kesadaran
pikiran dan nyata

Knowledge Base
The first step in constructing an AI
program is to build a knowledge
base
Will be used by the inference
mechanism to reason and draw
conclusions

Knowledge
base

Inference
mechanism
Computer
Inputs Outputs
Knowledge Base
Knowledge engineering: process of
collecting and organizing the knowledge

Knowledge representation: process
of how knowledge is represented to
form a knowledge base
Representasi Pengetahuan
Bagaimana merepresentasikan pengetahuan ke
dalam basis pengetahuan dan menguji kebenaran
penalaran
Cara-cara lama:
List, digunakan pada LISP
Predicate Calculus, digunakan pada Prolog
Tree, untuk heuristic search
Karakteristik RP:
Dapat diprogramkan
Dapat dimanfaatkan untuk penalaran, menggambarkan
kesimpulan sebagai fungsi kecerdasan
Alasan Pemilihan
Why knowledge representation rather than
information representation?
Karena pada konvensional database
merepresentasikan data secara sederhana: string,
number, boolean
Namun AI menganggap pengetahuan lebih
kompleks, seperti proses, prosedur, aksi, waktu,
tujuan dan penalaran
Knowledge should be collected, codified,
and organized in systematic order
Representasi Pengetahuan (2)
Harus terdiri dari struktur data dan prosedur untuk
penafsiran
Hal yang berhubungan dengan RP:
Object pengetahuan itu sendiri
Event: kejadian-kejadian dalam dunia nyata dan
hubungannya
Performa: bagaimana melakukan suatu tugas tertentu
Meta knowledge: pengetahuan tentang pengetahuan yang
direpresentasikan
Penggunaan Pengetahuan
Acuisition: mengintegrasikan informasi baru kedalam
pengetahuan sistem.
Dua level:
Menyusun fakta ke dalam database
Pembuatan fungsi untuk mengintegrasikannya dengan cara belajar dan
mengadaptasikannya terlebih dahulu
Retrieval: mengingat kembali, menyusun ulang pengetahuan
berdasarkan hubungan pengetahuan terhadap masalah
Linking: mengekstrak informasi baru tersebut
Lumping: mengelompokkan hasil ekstraksi pengetahuan baru tersebut
kedalam struktur yang lebih besar seperti yang dibutuhkan dalam
menyelesaikan masalah
Penggunaan Pengetahuan (2)
Reasoning: pengetahuan digunakan untuk
menalar suatu permasalahan
Formal reasoning: menggunakan logika
proporsional
Procedural reasoning: menggunakan aturan
produksi ( IF-THEN)
Analogical reasoning: sangat sulit
Klasifikasi Kategori RP
Menurut Mylopoulus dan Levesque: (declarative)
Representasi Logika: menggunakan logika formal. Digunakan pada
PROLOG
Representasi Prosedural: menggambarkan prosedur sebagai kumpulan
instruksi untuk memecahkan masalah. Digunakan dalam
pemrograman: IF-THEN
Representasi Network: menggambarkan pengetahuan sebagai Graph
dan Tree
Representasi Terstruktur: memperluas konsep Representsi Network
dengan membuat node-nodenya menjadi struktur data yang
kompleks. Contoh: script, frame, dan object
Procedural: dibuat dalam prosedur-prosedur
Logika
Adalah representasi pengetahuan yang paling tua.
Proses menarik kesimpulan dari fakta yang sudah ada
Input: premis-premis dan Ouput: kesimpulan
Terdiri dari: sintaks (simbol), semantik (fakta), dan proses
pengambilan keputusan (inferensi)
Proses penalaran:
Deduktif (umum-khusus)
Induktif (khusus-umum)
Logika:
Logika Preposisi: and, or, not, implikasi, dan ekuivalensi
Logika Predikat: representasi fakta dalam bentuk well formed formula
Lihat dibuku Artificial Intelligence (Sri Kusuma Dewi)
Logic: Proposition Logic
P Q P AND Q
T T T
T F F
F T F
F F F
P Q P Q
T T T
T F F
F T T
F F T
P Q P OR Q
T T T
T F T
F T T
F F F
P Q P Q
T T T
T F F
F T F
F F T
Logic: Predicate Logic (1)

Using all the same concepts and rules of
propositional logic
Represent knowledge in finer detail
Breaking a statement (proposition) down into
component parts:
Arguments: the individuals or objects an
assertion is made about
Predicate: the assertion made about them
Prolog: PROgramming in LOGic
Examples:
Proposition: The car is in the garage
IN (car, garage)
PREDICATE (Individual [object]1, Individual [object]2)
Predicate
(assertion)
Argument
(object)
PROLOG
Examples:
John likes Mary LIKES(John, Mary)
The door is open OPEN(door)
The tire is flat FLAT(tire)
Chris is a man man(Chris)
PREDICATE (Individual [object]1, Individual [object]2)
Function
Predicate express conditions
Function shows a relationship
Quantifiers
All Javanese are Indonesian

Some cars are red

] [ x Indonesian x Javanese x
x
[car(X) AND IS RED(x)]
List dan Tree
List:serangkaian struktur data yang dibuat
secara berhubungan, list bisa juga
menggambarkan relasi dan hirarki
Tree: suatu struktur data yang berupa node-
node yang dibuat secara hirarkis dan
hubungannya
Lihat di Struktur Data!
Lists & Trees (2)
List: Tree:
Node
Arc
Sematic Network
Diperkenalkan oleh Ros Quillian
Very flexible: almost any kind of object, attribute,
concept, etc. can be defined and relationship created
with links
To seek answer: the computer simply searches
forward or backward through the arcs from a starting
node
Gambaran pengetahuan grafis yang menunjukkan hubungan antar
objek.
Terdiri dari:
lingkaran-lingkaran yang menunjukkan obyek dan informasi
mengenai obyek tersebut
panah (arc) yang menunjukkan hubungan antar obyek
Kelebihan:
Memiliki sifat inheritance
Menggunakan representasi OAV (Object Atributte Value)
Semantic Network (2)
Frame
Diperkenalkan oleh Minsky tahun 1975
Suatu struktur data yang digunakan untuk
merepresentasikan pengetahuan dan situasi-
situasi yang telah dipahami
Frame memiliki slot untuk menggambarkan
rincian dan karakteristik obyek

Frames (2)
Frames (3)
Script
Mirip dengan frame, merepresentasikan
pengetahuan berdasarkan pengalaman-pengalaman
Frame menggambarkan obyek, sedangkan script
menggambarkan urutan peristiwa
Elemen script:
Kondisi input: start, awal
Track: variasi yang mungkin terjadi
Prop: obyek pendukung
Role: peran yang dimainkan oleh suatu obyek
Scence: adegan yang terjadi
Hasil (result): kondisi akhir yang terjadi
Schemas: Scripts (2)
Aturan Produksi
Paling populer (sejak tahun 1943-Post, 1957-
Chomsky, 1972-Alan Newell)
Terdiri dari antecedent/premis/situasi dan
konsekuen/kesimpulan/tindakan
Digambarkan dalam IF-THEN rules
Digunakan pada Sistem Pakar
Contoh:
IF temp > 30 C THEN hidupkan AC
IF permintaan meningkat AND persediaan menipis THEN
pemesanan barang
IF pelamar <= 25 OR lulusan komputer THEN bisa diterima
menjadi pegawai
Kelebihan dan Kekurangan
Mudah dimengerti dan luwes, mudah dikembangkan
dan disesuaikan dengan pengetahuan yang ada
Inferensi mudah diturunkan
Modifikasi mudah
Mendukung ketidak pastian
Simpel dan intuitive
Jika pengetahuannya banyak dan kompleks, akan
sulit
Sulit mendeteksi konflik
Sistem Produksi
Memiliki 3 elemen:
Global Database: mulai dari matriks sederhana,
list, atau basis data untuk menyimpan aturan
produksi dan memory kerja
Aturan Produksi: berisi aturan IF-THEN
Sistem Kontrol: program pengkontrol urutan mana
aturan kaidah-kaidah produksi yang harus dipilih
dan menyelesaikan konflik pada saat pemilihan
Resolusi Konflik
Urutkan aturan berdasarkan prioritas,
kemudian pilih aturan pertama yang memiliki
prioritas tertinggi
Pilih aturan yang paling strict (ketat)
Pilih aturan yang paling sering digunakan
Pilih aturan yang paling akhir dimasukkan di
dalam sistem
Pilih semua aturan yang memungkinkan
Metode Penalaran
Forward reasoning (data driven): dimulai dari
keadaan awal (dari fakta), kemudian menuju
ke arah kesimpulan / tujuan
Backward reasoning (goal driven): dimulai dari
tujuan / hipotesa baru dicocokkan dengan
keadaan awal / fakta-fakta
Alasan pemilihan metode
Tergantung dari banyaknya keadaan awal dan
tujuan.
Jika jml awal lebih kecil dari tujuan gunakan
penalaran maju.
Jika jml tujuan lebih banyak dari awal, gunakan
penalaran mundur

Buku & Bahan Acuan
Komputer Masa Depan, Pengenalan Artificial
Intelligence, Suparman & Marlan, Andi Offset, 2007
Konsep Kecerdasan Buatan: Anita Desiani &
Muhammad Arhami, Andi Offset, 2006
Artificial Intelligence Teknik dan Aplikasinya, Sri
Kusumadewi, Graha Ilmu, 2003
Artificial Intelligence, Searching, Reasoning, Planning,
and Learning, Suyanto, Penerbit Informatika, 2007
Bahan-bahan dari Internet
NEXT
Sistem Pakar
JST
NLP
Case Based Reasoning
Problem Solving : Learning
Information Retrieval & Document Mining

PENGEMBANGAN SISTEM PAKAR
Membangun Aplikasi IS
What is the application to be build ? (problem
selection)
Who is going to build the application ?
(development strategy)
How is the application going to be build ?
(development process)
What is the
Application ?
Who is the
Application to
be Build ?
Who is going to
Build it ?
Phase Pengembangan
Sistem Pakar
Phase I : Insialisasi Proyek
Phase II : Analisis dan Perancangan Sistem
Phase III : Prototiping Cepat
Phase IV : Pengembangan Sistem
Phase V : Implementasi
Phase VI : Post Implementasi
Daur Hidup Pengembangan Sistem Pakar
Phase I : Insialisasi Proyek
Masalah ?
Kebutuhan ?
Evaluasi ?
Phase II : Analisis dan Perancangan Sistem
Rancangan ?
Strategi dan Metodologi ?
Sumber Pengetahuan ?
Sumberdaya Komputasi ?

Daur Hidup Pengembangan Sistem Pakar
(lanjutan)
Phase III : Prototiping Cepat
Membangun Prototipe ?
Testing dan Improving ?
Demonstrasi ?
Phase IV : Pengembangan Sistem
Membangun Basis Peng. ?
Instalasi, Pengembangan ?
Phase V : Implementasi
Phase VI : Post Implementasi
Definisi Permasalahan
Pengkajian Kebutuhan
Evaluasi alternatif SolusiVerifikasi
Pendekatan Sistem Pakar
Perhatian Terhadap Isu Manajemen
Rancangan dan Rencana Konseptual
Strategi Pengembangan
Sumber-sumber Pengetahuan
Sumber Daya Komputasi
Study Kelayakan, Analisis Biaya-Manfaat
Membangun Prototipe Sederhana
Testing, Improving, dan Expending
Demonstrasi dan Analisis Kelayakan
Penyelesaian Rancangan
Membangun Basis Pengetahuan Testing,
Evaluating, dan Improving Basis
Pengetahuan Rencana Integrasi
Penerimaan oleh pengguna
Instalasi, Demonstrasi, Deployment
Orientasi, Training, Security,
Dokumentasi, Integrasi,
Field Pengguna
Operasi, Maintenance dan Upgrades
Evaluasi Periodik
PHASE I
Inisialisasi Proyek
PHASE II
Analisis dan
Perancangan Sistem
PHASE VI
Post-Implementasi
PHASE V
Implementasi
PHASE IV
Pengembangan
Sistem
PHASE III
Prototyping Cepat
PHASE I : INISIALISASI PROYEK
A. DEFINISI PERMASALAHAN DAN
PENGKAJIAN KEBUTUHAN
Mendefinisikan permasalahan hanyalah berusaha
menjawab beberapa pertanyaan :
Apa masalahnya ?
Apa kebutuhan yang riil ?

Masalah bisnis pada umumnya adalah
produktifitas yang rendah, kekurangan pakar,
information overload, masalah waktu, atau
masalah orang.
PHASE I : INISIALISASI PROYEK
(lanjutan)
B. EVALUASI ALTERNATIF SOLUSI
Sebelum memulai pengembangan Sistem Pakar, perhatian
solusi alternatif terhadap permasalahan.
Kurang pengetahuan adalah masalah yang dapat
dipecahkan tanpa Sistem Pakar.
Contoh lainnya :
Pemanfaatan dan ketersediaan Pakar
Pendidikan dan Pelatihan
Pengetahuan yang terdokumentasikan
Software Konvensional
Membeli Knowledge melalui internet.
PHASE I : INISIALISASI PROYEK (lanjutan ..)
C. VERIFIKASI PENDEKATAN SISTEM PAKAR
Perlu adanya studi 3 (tiga) bagian untuk menentukan
apakah pendekatan Sistem Pakar cocok, yaitu

Requirements (12)
J ustification, (8)
Appropriatness (3)
(Waterman, 1985)
Tugas tidak memerlukan common sense
Tugas hanya perlu kognitif, dan bukan skill fisik
Sekurangnya ada seorang pakar yang mau kerjasama
Pakar yang terlibat dapat menyatakan metodenya untuk
penyelesaian masalah
Pakar yang terlibat setuju dengan penge -tahuan dan
pendekatan solusi terhadap permasalahan
Tugas tidak terlalu sulit

12 Requirements untuk Pengembangan
Sistem Pakar
12 Requirements untuk Pengembangan
Sistem Pakar (lanjutan)
Tugas mudah dipahami dan didefinisikan dengan
baik
Definisi tugas cukup stabil
Solusi komputer konvensional (algoritmik) kurang
memuaskan
Hasil yang salah dan tak optimal dapat ditolerir
Data dan test cases tersedia
Kosakata tugas tidak lebih dari ratusan konsep

8 Justifikasi untuk Pengembangan Sistem Pakar
Solusi terhadap masalah mempunyai payoff tinggi
Sistem Pakar dapat melestarikan kepakar -an manusia
sehingga tidak hilang
Kepakaran diperlukan di banyak lokasi
Kepakaran diperlukan dalam lingkungan yang tidak
ramah dan berbahaya
Kepakaran memperbaiki unjuk rasa dan kualitas
Sistem dapat digunakan untuk pelatihan
Solusi Sistem Pakar dapat diturunkan lebih cepat dari -
pada yang dilakukan oleh pakar manusia
Sistem pakar lebih konsisten dan lebih akurat daripada
manusia

Kecocokan (appropriateness) dari Sistem Pakar
Ada 3 faktor yang harus diperhatikan untuk menen
tukan cocok atau tidak membangun sistem pakar,
yaitu :

Nature of the problem. Masalah harus mempunyai
struktur simbolik dan ada heuristik untuk solusi.
Complexity of the task. Tugas harus tidak terlalu
sulit maupun terlalu mudah bagi pakar manusia.
Scope of the problem. Masalah harus berukuran
yang dapat ditangani dan harus mempunyai nilai
praktis.
PHASE I : INISIALISASI PROYEK (lanjutan)
D. PERHATIAN TERHADAP ISU MANAJEMEN
Proyek Sistem Pakar

Siapa yang akan memulai Proyek
Ketersediaan finansial
Ketersediaan sumber daya lainnya
Konstrain hukum dan konstrain lain-lain
Nilai jual proyek : setiap pihak yang terlibat atau top
management harus yakin terhadap nilai proyek
Seseorang dalam top management harus mensponsori
proyek ini dengan sungguh sungguh

Bentuk pengetahuan dalam Sistem Pakar:
fakta-fakta pada lingkup permasalahan
tertentu
teori-teori pada lingkup masalah tertentu
prosedur-prosedur berkenaan dengan lingkup
masalah tertentu
strategi-strategi global untuk menyelesaikan
masalah
meta-knowledge (pengetahuan tentang
pengetahuan)
EXPERT SYSTEM (Sistem
Pakar)
Blok diagram Sistem Pakar
Pakar)
User
Knowledge
Base
Inference
Engine
Facts
Expertise
Expert System
Knowledge base (basis pengetahuan)
berisi pengetahuan-pengetahuan
dalam penyelesaian masalah
Inference engine (motor inferensi)
bertugas untuk menganalisis
pengetahuan dan menarik
kesimpulan berdasarkan knowledge
base
Elemen Sistem Pakar :
User interface (antarmuka)
mekanisme komunikasi antara user dan ES
Explanation facility (subsistem Penjelasan)
digunakan untuk melacak respon dan
memberikan penjelasan tentang kelakuan sistem
pakar secara interaktif
Working memory
database global dari fakta yang digunakan dalam
prosedur
Agenda
daftar prioritas prosedur yang dibuat oleh motor
inferensi dan direkam dalam working memory
Pakar)
Elemen Sistem Pakar (Lanjutan) :
Inference engine (motor inferensi)
berisi metodologi yang digunakan untuk
melakukan penalaran terhadap informasi-
informasi dalam basis pengetahuan untuk
memformulasikan konklusi.
Knowledge acquisiton facility
berisi pengetahuan-pengetahuan yang dibutuhkan
untuk memahami, memformulasikan dan
menyelesaikan masalah.
Pakar)
Basis Aturan (Rule Based) Sistem Pakar
Pengetahuan dalam ES direpresentasikan dalam
bentuk IF-THEN atau dalam bentuk Production
Rules
Motor inferensi menentukan aturan awal (rule
antecedents) yang sesuai
Aturan yang terdapat di agenda dapat diaktivasi
Aktivasi aturan akan membangkitkan fakta
baru di sisi kanan (consequent)
Aktivasi dari satu aturan adalah bagian dari
aktivasi aturan yang lain
Pakar)
Contoh Basis Aturan :
Pakar)
Siklus Motor Inferensi (Inference Engine Cycle )
Menggambarkan eksekusi dari aturan pada motor
inferensi :
Conflict resolution : pemilihan aturan dengan prioritas
tertinggi dari agenda
Execution : aksi consequent dari aturan yang terpilih
Match : pengkinian (update) agenda
Siklus berakhir ketika tidak ada lagi aturan di
agenda atau ketika ditemui perintah stop
Pakar)
Ada 2 cara dalam melakukan inferensi :
1. Forward Chaining.
Pencocokkan fakta atau pernyataan dimulai dari
bagian sebelah kiri (IF dulu). Dengan kata lain,
penalaran dimulai dari fakta terlebih dahulu
untuk menguji kebenaran hipotesis.
Pakar)
2. Backward Chaining.
Pencocokkan fakta atau pernyataan dimulai dari
bagian sebelah kanan (THEN dulu). Dengan kata
lain, penalarana dimulai dari hipotesis terlebih
dahulu, dan untuk menguji kebenaran hipotesis
tersebut dicari fakta-fakta yang ada dalam basis
pengetahuan.
Pakar)
CONTOH :
Diketahui sistem pakar dgn aturan-aturan sebagai berikut:
R1 : IF suku bunga turun THEN harga obligasi naik
R2 : IF suku bunga naik THEN harga obligasi turun
R3 : IF suku bunga tidak berubah THEN harga
obligasi tidak berubah
R4 : IF dollar naik THEN suku bunga turun
R5 : IF dollar turun THEN suku bunga naik
R6 : IF harga obligasi turun THEN beli obligasi

Apabila diketahui bahwa dollar turun, maka buatlah
keputusan apakah akan membeli obligasi atau tidak ?
Pakar)
SOLUSI :
Pakar)
CONTOH :
Pada tabel di bawah ini ada 10 aturan yang tersimpan.
Fakta awal yang diberikan A & E (artinya A dan E
bernilai benar).
Ingin dibuktikan
apakah K bernilai benar
(hipotesis : K) ?
Pakar)
No Aturan
R-1 IF A & B THEN C
R-2 IF C THEN D
R-3 IF A & E THEN F
R-4 IF A THEN G
R-5 IF F & G THEN D
R-6 IF G & E THEN H
R-7 IF C & H THEN I
R-8 IF I & A THEN J
R-9 IF G THEN J
R-10 IF J THEN K
SOLUSI :
Forward Chaining
Langkah-langkah inferensi adalah sebagai berikut :
1.Dimulai dari R-1, A merupakan fakta sehingga bernilai benar,
sedangkan B belum bisa diketahui kebenarannya, sehingga C
pun juga belum bisa diketahui kebenarannya. Oleh karena itu
kita tidak mendapatkan informasi apapun pada R-1 ini. Sehingga
kita menuju ke R-2.

2.Pada R-2 kita tidak mengetahui informasi apapun tentang C,
sehingga kita juga tidak bisa memastikan kebenaran D. Oleh
karena itu kita tidak mendapatkan informasi apapun pada R-2
ini. Sehingga kita menuju ke R-3

Pakar)
3.Pada R-3, baik A maupun E adalah fakta sehingga jelas benar.
Dengan demikian F sebagai konsekuen juga ikut benar. Sehingga
sekarang kita mempunyai fakta baru yaitu F. Karena F bukan
hipotesis yang hendak kita buktikan maka penelusuran kita
lanjutkan ke R-4.

4. Pada R-4, A adalah fakta sehingga jelas benar. Dengan demikian
G sebagai konsekuen juga ikut benar. Sehingga sekarang kita
mempunyai fakta baru yaitu G. Karena G bukan hipotesis yang
hendak kita buktikan, maka penelusuran kita lanjutkan ke R-5

5.Pada R-5, baik F maupun G bernilai benar berdasarkan
aturan R-3 danR-4. Dengan demikian D sebagai konsekuen juga
ikut benar. Sehingga sekarang kita mempunyai fakta baru yaitu
D. Karena D bukan hipotesis yang hendak kita buktikan, maka
penelusuran kita lanjutkan ke R-6

Pakar)
6.Pada R-6, baik A maupun G adalah benar berdasarkan fakta
dari R-4. Dengan demikian H sebagai konsekuen juga ikut benar.
Sehingga sekarang kita mempunyai fakta baru yaitu H. Karena H
bukan hipotesis yang hendak kita buktikan, maka penelusuran
kita lanjutkan ke R-7.

7.Pada R-7, meskipun H benar berdasarkan R-6, namun kita tidak
tahu kebenaran C sehingga, I pun juga belum bisa diketahui
kebenarannya. Oleh karena itu kita tidak mendapatkan informasi
apapun pada R-7 ini. Sehingga kita menuju ke R-8

8.Pada R-8, meskipun A benar karena fakta, namun kita tidak tahu
kebenaran I, sehingga J pun juga belum bisa diketahui
kebenarannya. Oleh karena itu kita tidak mendapatkan informasi
apapun pada R-8 ini. Sehingga kita menuju ke R-9

Pakar)
9.Pada R-9, J bernilai benar karena G benar berdasarkan R-4.
Karena J bukan hipotesis yang hendak kita buktikan, maka
penelusuran kita lanjutkan ke R-10.

10. Pada R-10, K bernilai benar karena J benar berdasarkan R-9.
Karena K sudah merupakan hipotesis yang hendak kita
buktikan, maka terbukti bahwa K adalah benar

Pakar)
Fakta Baru pada saat Inferensi

Pakar)
Alur Inferensi Forward Chaining

Pakar)
SOLUSI :
Backward Chaining
Langkah-langkah inferensi adalah sebagai berikut :
1. Pertama-tama kita cari terlebih dahulu mulai dari R-1, aturan
yang mana memiliki konsekuen K. ternyata setelah ditelusur,
aturan dengan konsekuen K baru ditemukan pada R-10. Untuk
membuktikan bahwa K benar maka perlu dibuktikan bahwa J
benar.

2. Kita cari aturan yang memiliki konsekuen J. kita mulai dari R-1,
ternyata kita baru akan menemukan aturan dengan konsekuen J
pada R-8. Untuk membuktikan bahwa J benar maka perlu
dibuktikan bahwa I dan A benar. Untuk membuktikan kebenaran
I, kita perlu cari aturan dengan konsekuen I, ternayata ada di R-7

Pakar)
3. Untuk membuktikan bahwa I benar di R-7, kita perlu buktikan
bahwa C dan H benar. Untuk itu kita pun perlu mencari aturan
dengan konsekuen C dan ada di R-1.

4. Untuk membuktikan C benar di R-1, kita perlu buktikan bahwa
A dan B benar. A jelas benar karena A merupakan fakta.
Sedangkan B kita tidak bisa membuktikan kebenarannya,
karena selain bukan fakta, di dalam basis pengetahuan juga tidak
ada aturan dengan konsekuen B. Dengan demikian maka dari
penalaran ini kita tidak bisa buktikan kebenaran dari hipotesis K.
Namun demikian, kita masih punya alternative lain untuk
melakukan penalaran

5. Kita lakukan backtracking. Kita ulangi lagi dengan mencari
aturan dengan konsekuen I, ternyata juga tidak ada
Pakar)
6. Kita lakukan backtraining lagi dengan mencari aturan dengan
konsekuen I, ternyata juga tidak ada.

7. Kita lakukan backtraining lagi dengan mencari aturan dengan
konsekuen J, ternyata kita temukan pada R-9. sehingga kita
perlu buktikan kebenaran G

8. Kita mendapatkan di R-4 dengan konsekuen G. Kita perlu untuk
membuktikan kebenaran A. karena A adalah fakta, maka terbukti
bahwa K bernilai benar

Pakar)
SOLUSI :
Backward Chaining

Pakar)
Contoh KASUS : Sistem Pakar Penasehat Keuangan
User ingin berkonsultasi apakah tepat jika dia berinvestasi pada
IBM Stock?
Variabel-variabel yang digunakan:
A = memiliki uang $10.000 untuk investasi
B = berusia < 30 tahun
C = tingkat pendidikan pada level college
D = pendapatan minimum per tahun $40.000
E = investasi pada bidang Sekuritas (Asuransi)
F = investasi pada saham pertumbuhan (growth stock)
G = investasi pada saham IBM
Pakar)
FAKTA YANG ADA:
Diasumsikan si user (investor) memiliki data:
Memiliki uang $10.000 (A TRUE)
Berusia 25 tahun (B TRUE)
Dia ingin meminta nasihat apakah tepat jika berinvestasi pada IBM
stock?
Pakar)
RULES
R1 : IF seseorang memiliki uang $10.000 untuk berinvestasi
AND dia berpendidikan pada level college THEN dia harus
berinvestasi pada bidang sekuritas
R2 : IF seseorang memiliki pendapatan per tahun min $40.000
AND dia berpendidikan pada level college THEN dia harus
berinvestasi pada saham pertumbuhan (growth stocks)
R3 : IF seseorang berusia < 30 tahun AND dia berinvestasi
pada bidang sekuritas THEN dia sebaiknya berinvestasi
pada saham pertumbuhan
R4 : IF seseorang berusia == 22 tahun THEN dia berpendidikan
college
R5 : IF seseorang ingin berinvestasi pada saham pertumbuhan
THEN saham yang dipilih adalah saham IBM.
Pakar)
RULES SIMPLICATION
R1 : IF A AND C THEN E
R2 : IF D AND C THEN F
R3 : IF B AND E THEN F
R4 : IF B THEN C
R5 : IF F THEN G
Pakar)
Solusi dengan Forward Chaining :
Step I : if A and C Then E = R1
Step II : if B then C A,B,C True = R4
Step III : if A and C then E A,B,C,E True = R2
Step IV : if B and E then F A,B,C,E,F True = R3
step V : if F then G A,B,C,E,F,G True = R5

kesimpulan : Cocok untuk investasi saham IBM
Pakar)
Solusi dengan Forward Chaining :
Step I : if F Then G = R5
Step II : if B and E then F = R3
Step III : if A and C then E = R2
Step IV : if B then C = R4
step V : if F then G A,B,C,E,F,G True

kesimpulan : Cocok untuk investasi saham IBM
Pakar)
Artificial Intelligence
Definition:

The activity of providing such machines as
computers with the ability to display behavior
that would be regarded as intelligent if it were
observed in humans.
History
1956, Dartmouth College. John McCarthy
coined term. Same year, Logic Theorist
(first AI program. Herbert Simon played a
part)
Past 20 or so years, DOD and NSF have
funded AI research at top schools
(Stanford, Carnegie Mellon, etc.)
Desert Storm opened up new funding
(smart bombs, night vision)
Areas of Artificial Intelligence
Expert
systems
AI
hardware
Robotics
Perceptive
systems
(vision,
hearing)
Neural
networks
Natural
language
Learning
Artificial Intelligence
The Appeal of Expert Systems
A computer program that attempts to code
the knowledge of human experts in the
form of heuristics (i.e. a rule of thumb)
Two distinctions from DSS
1. has the potential to extend the managers
problem-solving ability beyond his or her
normal capabilities
2. the ability to explain how the solution was
reached
Know-
ledge
base
User

User
interface
Instructions &
information
Solutions &
explanations
Knowledge
Inference
engine
Problem
Domain

Expert and
knowledge engineer
Development
engine
Expert
system
An Expert
System Model
Expert system model - main
parts:
User interface
Knowledge base
Inference engine
Development engine
User Interface
User enters:
Instructions
Information
Expert system provides:
Solutions
Explanations of
Questions
Problem solutions
}
Menus, commands, natural language, GUI
Menus, commands, natural language, GUI
Knowledge Base
Description of problem domain
Rules: A knowledge representation
technique
such as IF:THEN logic
networks of rules
Lowest levels provide evidence
Top levels produce 1 or more conclusions
A conclusion is called a Goal variable.
Evidence
Conclusion
Conclusion
Evidence Evidence Evidence Evidence
Evidence Evidence Evidence
Conclusion
A Rule Set That
Produces One Final
Conclusion

Cheetah Tiger Giraffe Zebra Ostrich Penguin Albatross
And And And And And And And And
Tawny
color

Dark
spots

legs
Long Black
strips
Long

neck
Cant
fly
Black&
White
Swims
Flies
Well
Ungulate Bird
Mammal Carnivore
Or Or And
And Feathers
And
Or Or
Hair
milk
milk
Hoofs

Flies
Lays
eggs
Chews Gives
And
teeth
Pointed Forward
Eyes
LEGEND:
Rules
Conditions
Action
(conclusions)
Claws
Eats milk
cud
R1 R2 R5 R6
R9 R10 R11 R12 R14 R13 R15
R7 R8 R3 R4
A Rule Set That
Can Produce More
Than One Final
Conclusion
Rule Selection
Selecting rules to efficiently solve a
problem is difficult
Some goals can be reached with only a
few rules; rules 3 and 4 identify bird
Inference Engine
Two basic approaches to using rules

1. Forward reasoning (data driven)
2. Reverse reasoning (goal driven)
Forward Reasoning
(forward chaining)
Rule is evaluated as:
(1) true, (2) false, (3) unknown
Rule evaluation is an iterative process
When no more rules can fire, the
reasoning process stops even if a goal
has not been reached
Rule 1
Rule 3
Rule 2
Rule 4
Rule 5
Rule 6
Rule 7
Rule 8
Rule 9
Rule 10
Rule 11
Rule 12
IF A
THEN B
IF C
THEN D
IF M
THEN E
IF K
THEN F
IF G
THEN H
IF I
THEN J
IF B OR D
THEN K
IF E
THEN L

IF K AND
L THEN N
IF M
THEN O
IF N OR O
THEN P
F
IF (F AND H)
OR J
THEN M
The Forward
Reasoning
Process
T
T
T
T
T
T
T
T
T
F
T
Legend:

First pass
Second pass
Third pass
Reverse Reasoning
(backward chaining)
Divide problem into subproblems

Try to solve one subproblem

Then try another
Rule 10
IF K AND L
THEN N
Rule 11
IF M
THEN O
Rule 12
IF N OR O
THEN P
Legend:
Problem
Subproblem
A Problem and Its Subproblems
Rule 7

Rule 8
Rule 10
Subproblem
Legend:
Problem
IF B OR D
THEN K
IF E
THEN L
IF K AND
LTHEN N
A Subproblem Becomes the New Problem
Rule 12
IF N OR O
THEN P
T
Rule 1
Rule 2
Rule 3
Rule 9
Rule 11
Legend:
Problems to
be solved
Step 4
Step 3
Step 2
Step 1
Step 5
IF A THEN
B
IF B OR D
THEN K
IF K AND L
THEN N
IF N OR O
THEN P
IF C
THEN D
IF M
THEN E
IF E
THEN L
IF (F AND H)
OR J
THEN M
IF M
THEN O
IF M
THEN O
T
The First Five Problems
Are Identified
Rule 7
Rule 10
Rule 12
If K
Then F
Legend:
Problems to
be solved
If G
Then H
If I
Then J
If M
Then O
Step 8
Step 9
Step 7 Step 6
Rule 4
Rule 5
Rule 11
Rule 6
T
IF (F And H)
Or J
Then M
T
Rule 9
T
T
Rule 12
T
If N Or O
Then P
The Next Four Problems Are
Identified
Forward Versus Reverse
Reasoning
Reverse reasoning is faster than
forward reasoning
Reverse reasoning works best when
there are multiple goal variables
there are many rules
all or most rules do not have to be
examined in the process of reaching a
solution
Handling Uncertainty
Two types of uncertainty
Rules
Conditions
Certainty factors (CFs) range from 0.00
to 1.00
Development Engine
Programming languages Lisp, Prolog,
and recently C++
Expert system shells
Role of the Systems Analyst
Knowledge engineers work with the
expert in designing expert systems
Beyond traditional analyst skills, the
following skills are needed
understand how the expert applies his or
her knowledge
be able to extract the description of the
knowledge (rules as well as facts)
System Development Process
Initiate the development process
Develop the expert system prototype
User participation
Expert system maintenance
Prototyping Approach
A new player: the expert
Delayed user involvement
Need for maintenance
Systems analyst
Study the
Problem
domain
Study the
problem
domain
Define the problem
Specify the rule set
step 1
step 2
step 3
step 4
step 5
Test the prototype system
Construct the interface
Maintain the system
Expert User
Conduct
user tests
Use the
system
step 6
step 7
Prototyping Is Incorporated in the Development of an Expert System
step 8
Example:
Financial Expert System
Credit approval
Knowledge base for the example
consists of rules and a mathematical
model
User interface
Five decision categories; credit amount
influences weightings
Expert System Advantages
To managers
Consider more alternatives
Apply high level of logic
Have more time to evaluate decision rules
Consistent logic
To the firm
Better performance from management
team
Retain firms knowledge resource
Expert System Disadvantages
Cant handle inconsistent knowledge

Cant apply judgment or intuition
Neural Networks
Expert systems should be able to learn,
and improve their performance
Neural net design -- a bottom-up
approach to modeling human intuition
The Human Brain
Neuron -- the information processor
Input -- dendrites
Processing -- soma
Output -- axon
Neurons are connected by the synapse
Soma
(processor)
Axon
Synapse
Dendrites
(input)
Axonal Paths
(output)
Simple Biological Neurons
Artificial Neural Systems (ANS)
McCulloch-Pitts mathematical neuron
function (late 1930s)
Hebbs learning law (early 1940s)
Neurocomputers
Marvin Minskys Snark (early 1950s)
Rosenblatts Perceptron (mid 1950s)
Current Methodology
Mathematical models
Complex networks
Repetitious training -- the ANS learns
by example. An ANS can learn; an
expert system cannot.
y1
y2
y3
yn-1
y
w1
w2
w3
wn-1
Single Artificial Neuron
The Multi-Layer
Perceptron
Y
n2
IN
n
OUT
n
OUT
1
IN
1
Y
1
Input
Layer
OutputL
ayer
Prerequisite Activities for the
EIS
Information
needs
Information
technology
standards
Information
systems plan
Corporate
data model
Production and
performance systems
EIS
Analysis of
organization
Sampai Jumpa
di
Ujian Akhir dan Selamat
Belajar

Sistem Pakar Materi Presentasi

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Sistem Pakar Materi Presentasi

Diunggah oleh

Hak Cipta:

Format Tersedia

SISTEM PAKAR

A. Latar Belakang Masalah

Logic: Predicate Logic (1)

Anda mungkin juga menyukai