PERTEMUAN 6

AKUISISI DAN VALIDASI KNOWLEDGE

6.1 Rekayasa Knowledge

Rekayasa Knowledge dapat dipandang dari 2 perspektif, yaitu sempit dan luas. Dalam

perspektif luas, rekayasa Knowledge menjelaskan keseluruhan proses pengembangan dan

pengelolaan sistem AI. Dalam perspektif sempit, rekayasa Knowledge berhubungan dengan

akuisisi, representasi, validasi, inferencing, penjelasan, dan pengelolaan Knowledge. Pengertian

ini yang digunakan dalam pembahasan bab ini.

Proses Rekayasa Knowledge dapat dilihat pada gambar di bawah ini:

Adapaun ruang lingkup knowledge dan hal-hal yang berkenaan dengan Knowledge, dapat

digambarkan dalam bagan berikut ini:

 Knowledge bisa didapatkan dari 2 sumber, yaitu sumber terdokumentasi dan sumber tak

terdokumentasikan.

Sumber tak terdokumentasikan ini yang seringkali dijumpai, ia berada dalam pikiran orang

sehingga sulit didokumentasikan. Knowledge dapat diidentifikasikan dan dikumpulkan

menggunakan indra manusia dan juga mesin (sensor, scanner), Keragaman dan berbagai jenis

knowledge menyebabkan akuisisi knowledge menjadi lebih kompleks.

Akuisisi dari Database.

Berbagai Expert System dibangun dari knowledge yang diekstrak baik keseluruhan maupun

sebagian dari database, bertambahnya jumlah knowledge yang disimpan dalam database,

menjadikan akuisisi lebih sulit dilakukan.

Knowledge dapat dikelompokan menjadi beberapa level, antara lain:

1. Shallow Knowledge (pengetahuan dangkal)

 Mengacu pada representasi informasi level permukaan yang berhubungan dengan situasi

yang sangat spesifik. Salah satu contoh adalah aturan IF-THEN.

2. Deep Knowledge (pengetahuan dalam)

Mengacu pada struktur dalam dan penyebab dari suatu sistem dan mempertimbangkan

interaksi diantara komponen-komponen sistem. Ia berbasis secara penuh pada integrasi,

hubungan erat kesadaran manusia yang melibatkan emosi, akal sehat, intuisi, dan lain-lain.

1. Knowledge deklaratif

Representasi deskriptif dari suatu knowledge. Ia menceritakan kepada kita “apakah” (what)

sesuatu itu. Diekspresikan dalam penyataan faktual. Menceritakan kebenaran yang didapat

dan asosiasi-asosiasinya. Biasanya berjenis knowledge dangkal, atau level permukaan,

informasi yang dapat diceritakan pakar secara verbal. knowledge deklaratif ini sangat

penting dalam tahap awal akuisisi knowledge.

2. Knowledge procedural

Mempertimbangkan perilaku dimana sesuatu bekerja di bawah keadaan-keadaan tertentu. Ia

mengikutsertakan urutan langkah demi langkah dan jenis instruksi “bagaimana” (how-to);

bisa juga mengikutsertakan penjelasan (explanation). Ia melibatkan tanggapan otomatis

terhadap rangsangan. Ia juga menceritakan pada kita bagaimana menggunakan knowledge

deklaratif dan bagaimana membuat inferences. Jadi secara implisit jenis knowledge ini

menjelaskan juga pertanyaan “mengapa” (why).

3. Meta Knowledge
 Berarti knowledge mengenai knowledge. Dalam ES, meta knowledge mengacu pada

knowledge mengenai operasi sistem berbasis pengetahuan; yaitu, mengenai kemampuan

reasoning (memberikan alasan/penjelasan).

6.2 Kesulitan dalam Akuisisi Knowledge.

Secara umum, mentransfer informasi dari satu orang ke orang lain adalah hal yang sulit,

beberapa mekanisme dapat digunakan untuk melakukan transfer ini – menuliskan kata-kata,

suara, gambar, musik – dan tak satupun dari ini yang sempurna. Masalah juga ada dalam

mentransfer knowledge, walaupun cuma pesan/message yang singkat, mentransfer knowledge

dalam ES lebih sulit lagi.

Adapun masalah-masalah dalam transfer knowledge, anatara lain:

1. Mengekspresikan knowledge.

Penyelesaian masalah dari para pakar ini meliputi 2 langkah proses


Pakar menginputkan informasi mengenai dunia luarnya ke dalam benaknya. Informasi
 ini disampaikan oleh orang, komputer, atau media lain. Juga dikumpulkan melalui

 sensor atau dipanggil kembali dari ingatan/memory.


Pakar menggunakan pendekatan induktif, deduktif, atau pendekatan lain pada informasi

 tersebut, hasil dari seluruh proses ini merupakan rekomendasi tentang bagaimana

menyelesaikan masalah, proses ini adalah proses internal. Knowledge engineer, saat

mengumpulkan knowledge dari pakar, harus menanyakan kepada para pakar agar

mereka melihat ke dalam dirinya sendiri mengenai proses pengambilan keputusan dan

mengenai pengalaman-pengalaman yang terlibat di dalamnya. Sangat sulit bagi para

pakar dalam mengekspresikan pengalamannya mengenai proses tadi, khususnya pada

pengalaman-pengalaman yang berasal dari sensasi, pertimbangan, ingatan indrawi, dan

 perasaan. Pakar sering mengabaikan proses detil bagaimana ia sampai mengambil

kesimpulan, pakar mungkin menggunakan aturan yang berbeda dalam menyelesaikan

masalah-masalah dalam kenyataannya dibandingkan yang ia nyatakan dalam

wawancara akuisisi knowledge.

2. Transfer ke mesin.

Knowledge ditransfer ke mesin dan diorganisasi dengan cara-cara tertentu. Mesin

membutuhkan knowledge agar bisa mengekspresikannya secara jelas dalam format dengan

susunan tertentu. Manusia jelas sulit mengingat semua langkah-langkah antara yang

digunakan otaknya dalam pentransferan atau pemrosesan knowledge. Sehingga, ada

ketidaksesuaian diantara komputer dan pakar.

3. Jumlah partisipan

Dalam transfer umum knowledge ada 2 partisipan (pengirim dan penerima). Dalam ES, bisa

terdapat 4 partisipan (ditambah dengan komputer): pakar, knowledge engineer, desainer

sistem (builder, pembangun), dan user. Terkadang ada partisipan lain (misal, programer dan

vendor). Para partisipan ini memiliki latar belakang yang berbeda, menggunakan istilah

berbeda, dan memiliki ketrampilan dan knowledge yang berbeda pula. Sebagai contoh, sang

pakar, mungkin sedikit sekali mengerti tentang komputer, sedangkan knowledge engineer

sangat sedikit tahu tentang wilayah permasalahan.

4. Struktur knowledge

Expert System selain membutuhkan knowledge, juga berkepentingan dengan struktur dari

knowledge tersebut. Knowledge harus disusun menurut aturan tertentu (misal, sebagai

rules/aturan-aturan).
5. Alasan-alasan lain. Ada beberapa alasan yang menambahi kerumitan transfer knowledge,

yaitu:

a. Pakar mungkin memiliki keterbatasan waktu atau tak bersedia bekerja sama.

b. Testing dan penghalusan knowledge adalah sesuatu yang rumit.

c. Definisi yang mungkin kurang baik dari metode mendapatkan suatu knowledge.

d. Pembangun sistem bertendensi untuk mengumpulkan knowledge dari satu sumber,

namun knowledge yang relevan mungkin harus diperoleh dari berbagai sumber.

e. Pembangun mungkin mencoba untuk mengumpulkan knowledge

terdokumentasi daripada memanfaatkan para pakar. knowledge yang

dikumpulkan mungkin tak lengkap.

f. Adalah sulit untuk mengenali knowledge tertentu jika ia tercampur dengan data yang

tak relevan.

g. Pakar mungkin mengubah perilakunya jika ia diamati dan/atau diwawancarai.

h. Masalah komunikasi antarpersonal yang mungkin ada diantara knowledge engineer

dan pakar.

Untuk mengatasi berbagai kesulitan banyak usaha telah dilakukan untuk mengatasi

kesulitan-kesulitan yang sudah dijelaskan tadi, misalnya, mengembangkan program yang mampu

menerima saran seperti yang sering diberikan kepada para user/pemula. Beberapa paket software

pengembangan ES menyederhanakan sintaks dari rules (dalam sistem berbasis rule/aturan) untuk

membuat ES builder lebih mudah membuat dan memahaminya tanpa pelatihan khusus.

NLP bisa juga digunakan menerjemahkan knowledge ke struktur representasi knowledge

tertentu. Lebih lanjut, beberapa kesulitan mungkin bisa dikurangi atau dihilangkan dengan tool
akuisisi knowledge berbasis komputer dan dengan integrasi ekstensif dengan berbagai usaha

akuisisi.

6.3 Ketrampilan yang dibutuhkan oleh Knowledge Engineer:

Sebagai seorang knowledge engineer, ada beberapa ketrampilan yang harus dimiliki, antara

lain:

1. Ketrampilan komputer (hardware, pemrograman, software).

2. Toleransi dan ambivalensi (bisa bersikap mendua, untuk sementara).

3. Kemampuan komunikasi yang efektif – sensitivitas, taktik, dan diplomasi.

4. Latar belakang pendidikan yang luas.

5. Ketrampilan verbal di bidang sosial yang canggih dan mendalam.

6. Kemampuan untuk belajar cepat (dari bermacam-macam domain yang berbeda).

7. Pemahaman mengenai organisasi dan individu.

8. Pengalaman yang mumpuni dalam rekayasa knowledge.

9. Intelijen/kecerdasan.

10. Empati dan kesabaran.

11. Ketekunan.

12. Berpikir lojik.

13. Mengetahui berbagai hal dan suka hal-hal baru.

14. Percaya diri.