EXPERT SYSTEM
Nama : Felicia Aurelia Suwandi
NIM : 2201794321
Kelas : LA05
I. Essay
1. [LO 1 & LO 2, 5 poin] Jelaskan bagaimana sebuah expert system mereplikasi
pengetahuan seorang expert dalam sebuah bidang tertentu.
Jawab:
Sebuah expert system dapat mereplikasi pengetahuan seorang expert di
sebuah bidang tertentu terjadi karena expert system melakukan pemrosesan
terhadap pengetahuan. Expert system tidak melakukan pemrosesan data, namun
langsung tertuju pada pengetahuan yang dimiliki seorang pakar.
Pengetahuan yang digunakan oleh sebuah expert system dapat berupa
serangkaian informasi mengenai gejala – diagnose, sebab – akibat, aksi – reaksi,
dll. Pengetahuan yang dipakai oleh expert system memiliki model representasi
diantaranya yaitu Semantic Nets, Frame, Production Rule, Predicate Logic. Secara
diagram, dapat dijelaskan modelnya sebagai berikut:
2. [LO 1 & LO 2, 5 poin] Jelaskan fungsi dari setiap komponen expert system berikut:
a. Knowledge base.
b. Inference engine.
c. User Interface
Jawab:
a. Knowledge Base
Knowledge Base merupakan representasi dari sebuah pengetahuan yang
dimiliki oleh pakar. Pengetahuan dasar ini akan digunakan untuk membuat
sebuah expert system dengan pengetahuan dasar ini sebagai pedoman
pengetahuan didalam nya. Knowledge Base akan terbagi menjadi 2:
- Fakta yang merupakan informasi tentang situasi, teori dari suatu
permasalahan yang ingin dipecahkan dan informasi mengenai objek.
- Heuristic yang menjadi informasi tentang bagaimana cara untuk
membangkitkan sebuah fakta
b. Inference Engine
Inference Engine merupakan sebuah proses inferensi untuk memutuskan
rule – rule apa yang akan digunakan sesuai dengan permasalahan yang terjadi.
Setiap knowledge base, pasti mampu untuk memecahkan beberapa
permasalahan yang berbeda namun tentunya dibutuhkan beberapa aturan
(rule) untuk memecahkan setiap permasalahan. Untuk itu, inference engine
akan membaca setiap permasalahan yang ada dan akan menentukan rule apa
yang sesuai untuk memecahkan masalah tersebut.
Dengan kata lain, inference engine melakukan analisis data dari
permasalahan dan menarik kesimpulan berdasarkan rule yang dimiliki.
c. User Interface
User Interface merupakan bagian dari expert system yang digunakan
untuk menerima dan mengendalikan input / output. Dalam tugasnya, user
interface dapat dikatakan sebagai penampung masukan atau permasalahan
yang dikatakan oleh user non-pakar untuk mendapatkan fakta – fakta
permasalahan yang dibutuhkan untuk kemudian diserahkan dan di proses oleh
inference engine (menentukan rule yg dibutuhkan untuk menangani masalah
tersebut) dan kemudian user interface juga akan menampilkan output yang
merupakan kesimpulan dan solusi yang telah diberikan oleh expert system.
Dengan kata lain, user interface bekerja sebagai media komunikasi antara
user pengguna dan expert system.
3. [LO 1 & LO 2, 5 poin] Jelaskan syarat apa saja yang harus dipenuhi oleh komponen
User Interface sebuah expert system supaya mendukung komunikasi antara
pemakai dengan expert system.
Jawab:
Syarat yang harus dipenuhi oleh user interface dalam sebuah expert system:
1. Mudah dimengerti dan dapat digunakan oleh pengguna. Design UI tidak boleh
menimbulkan ke-ambigu-an yang dapat membingungkan pengguna dalam
menggunakannya.
2. Format input dari user harus sama dengan format input pada inference engine
agar dapat di proses
3. UI harus terdiri dari 4 bagian yang memiliki fungsinya masing – masing
diantaranya : UI untuk pengisian tabel variable, UI untuk pengisian tabel
konklusi, UI untuk pengisian tabel rules dan UI untuk tanya jawab yang
menerima inputan dari user.
4. UI tabel variable akan digunakan untuk mengisi variable list yang diperlukan
dalam pemrosesan data
5. UI tabel rules akan digunakan untuk memasukan knowledge base didalamnya
dengan menggunakan data yang terdapat pada variable dan konklusi yang
dimasukan ke dalam tabel variable dan konklusi.
6. UI tanya jawab akan melakukan proses tanya jawab antara pengguna dan
expert system. Diusahakan UI yang terbentuk untuk mengisi tanya jawab
adalah berupa pilihan, sehingga user dapat memilih jawaban dari pilihan yang
tersedia. Hal ini bertujuan untuk menghindari terjadinya kesalahan dalam user
memasukan jawaban sehingga dapat menyebabkan kesalahan juga ketika
melakukan pengecekan rules yang ada didalam knowledge base melalui
interface engine.
4. [LO 1 & LO 2, 5 poin] Jelaskan masing-masing dua buah contoh penggunaan expert
system pada bidang health care (medis) dan pendidikan.
Jawab:
a. Health Care (medis)
- Pembuatan sebuah expert system untuk mendiagnosa penyakit
kehamilan yang umum terjadi di kalangan masyarakat.
Dalam pembuatan expert system ini, akan diambil fakta – fakta
atau beberapa rules yang merupakan gejala yang umumnya timbul ketika
seseorang mengalami sakit, contoh : mual, pusing, mudah Lelah, demam,
tekanan darah tinggi, sakit bagian perut, sering merasa gelisah, sesak
nafas, mudah marah, kulit kemerahan, telinga berdengung, dll.
Selain itu, kita juga dapat mengambil rules berupa beberapa
penyakit yang umum dan sering terjadi ketika seseorang dalam fase hamil,
diantaranya: Anemia kehamilan, kehamilan ganda, rubella, toxoplasma,
keguguran, dll.
Setelah mengambil fakta / rules tersebut, kita akan memiliki dasar
knowledge base yang merupakan pengetahuan yang dimiliki oleh seorang
pakar (missal: dokter kandungan) untuk mendiagnosa penyakit user
melalui gejala yang dimilikinya. Beberapa knowledge base yang menjadi
contoh diantaranya adalah:
Jika user mual, muntah, mudah Lelah, sesak nafas, pucat,
kehilangan nafsu makan -> terdiagnosa Anemia kehamilan
Jika user merasa krama tau sakit di perut, mengalami
pendarahan, otot perut tegang, lemas, mimisan -> terdiagnosa
keguguran
Dll…
Dengan demikian, program ini sudah memiliki “ilmu/pengetahuan” yang
dimiliki oleh pakar dan dapat dinyatakan sebagai expert system yang
berperan di bidang medis.
b. Pendidikan
- Pembuatan expert system dalam upaya untuk meng-kategorikan
perilaku mahasiswa/i sebagai masukan untuk improvisasi dunia
Pendidikan dalam melakukan bimbingan karakter anak bangsa.
Dalam pembuatan expert system ini, akan diambil fakta – fakta
atau beberapa rules yang merupakan bentuk dari perilaku mahasiswa/i
yang banyak ditemukan di masyarakat, contoh : intoleran dengan
perbedaan RAS, menggunakan obat terlarang, memaki teman, bertengkar
dan melukasi orang lain, dll.
Selain itu, kita juga dapat mengambil rules berupa hal – hal apa saja
yang bisa dilakukan dalam dunia pendidikan untuk menghindari terjadinya
karakter anak bangsa yang kurang baik, diantaranya yaitu: penekanan
mengenai toleransi dan perbedaan dalam dunia Pendidikan, praktik untuk
menyayangi sesama makhluk hidup, pemberian sanksi bagi pengguna obat
terlarang, dll.
Setelah mengambil fakta / rules tersebut, kita akan memiliki dasar
knowledge base yang merupakan pengetahuan yang dimiliki oleh seorang
pakar untuk menyarankan hal apa yang dapat kita lakukan sesuai dengan
perilaku penyimpang yang banyak terjadi dan dilakukan oleh anak bangsa,
contoh:
Jika data membuktikan bahwa intoleran terhadap perbedaan
RAS banyak terjadi di lingkungan mahasiswa/i -> lakukan
penekanan mengenai toleransi dan perbedaan dalam dunia
Pendidikan.
Jika data membuktikan banyaknya mahasiswa menggunakan
obat – obatan terlarang -> pemberian sanksi bagi pengguna
obat terlarang.
Dengan demikian, program ini sudah memiliki “ilmu/pengetahuan” yang
dimiliki oleh pakar dan dapat dinyatakan sebagai expert system yang
berperan di bidang Pendidikan khususnya pengembangan karakter
bangsa.
6. Sebuah karakteristik lain dari expert system adalah “Experts can make decisions
based on Qualitative and quantitative information”. Jelaskan pengertian dari
karakteristik ini.
Jawab:
Pengertian dari karakteristik tersebut adalah bahwa setiap input yang
masuk dan dapat di proses oleh Expert system dapat berupa data kualitatif
(informasi non-angka yang mencirikan atau mendekati suatu hal yang tidak dapat
dihitung dengan operasi matematika) maupun data kuantitatif (informasi dengan
angka, jumlah, yang dapat dihitung dengan operasi matematika).
Contoh simple data kualitatif dan kuantitatif :
Data kuantitatif : “Harga dari barang itu adalah 50.000”, “Orang itu membeli kue
sebanyak 100 buah”.
Data kualitatif : “Barang itu sudah tidak diperjualbelikan Kembali karena harganya
mahal”, “Orang itu membeli kue yang sangat enak”.
7. [LO 1 & LO 2, 5 poin] Jelaskan pengertian dan kegunaan forward chaining didalam
expert system
Jawab:
Forward chaining adalah sebuah metode dalam pembentukan sebuah
expert system dimana Teknik penalaran dalam pembuatannya akan diawali
dengan proses pencarian sebuah fakta (seperti contoh pada soal nomor 4).
Kemudian, fakta tersebut akan digunakan untuk menguji sebuah kebenaran
terhadap sebuah hipotesis yang dikembangkan.
Forward chaining juga dapat dikatakan sebagai data driven, karena
inferensi dimulai dengan informasi / fakta yang dimiliki baru kemudian konklusi
nya diperoleh berdasarkan informasi / fakta tersebut.
Kegunaan dari forward chaining diantaranya adalah:
o Forward chaining dapat menarik banyak kesimpulan (lebih dari 1
kesimpulan). Hal ini terjadi karena forward chaining mengambil
kesimpulan berdasarkan fakta yang sudah dimiliki, sehingga fakta
tersebut dapat memberikan kita lebih dari 1 kesimpulan.
o Forward chaining tidak memiliki Batasan untuk data yang
diperoleh. Hal ini membuat forward chaining lebih fleksibel
dibanding dengan backward chaining.
10. [LO 1 & LO 2, 5 poin] Jelaskan apa perbedaan dari proses fuzzification dan
defuzzification didalam sebuah sistem berbasis fuzzy logic.
Jawab:
Perbedaan dari proses fuzzification dan defuzzification dalam system berbasis
fuzzy logic:
Fuzzification defuzzification
Pengubahan data tepat (precise Data yang tidak tepat (imprecise data)
data) menjadi data yang tidak tepat diubah menjadi data yang tepat (precise
(imprecise data) data)
Fuzzification merupakan metode Pemetaan yang dilakukan oleh
untuk mengubah crisp quantity defuzzification akan mengubah hasil
menjadi fuzzy quantity fuzzy menjadi crisp
Terdiri dari beberapa method, Terdiri dari beberapa method, yaitu :
diantaranya yaitu : intuition, maximum membership principle,
inference, rank, ordering, angular centroid method, weighted average
fuzzy sets, neural network method, center of sums
Dapat menggunakan aturan IF – Menggunakan metode center of gravity
THEN untuk memfuzifikasi crisp untuk mencari pusat himpunan
value
II. CASE
1. Jawab:
Sesuai dengan data yang diberikan pada soal, maka:
𝑇𝑒𝑚𝑝𝑒𝑟𝑎𝑡𝑢𝑟𝑒 (𝑇):
1, 𝑥 ≤ 22
25−𝑥
𝜇𝑙𝑜𝑤 (𝑥 ) = { 3 , 22 ≤ 𝑥 ≤ 25
𝑥 − 22
, 22 ≤ 𝑥 ≤ 25
3
𝜇𝑜𝑝𝑡𝑖𝑚𝑎𝑙 (𝑥) = 28 − 𝑥
, 25 ≤ 𝑥 ≤ 28
3
{
𝑥 − 25
, 25 ≤ 𝑥 ≤ 28
𝜇ℎ𝑖𝑔ℎ (𝑥 ) = { 3
1, 28 ≤ 𝑥 ≤ 30
𝑇𝐷𝐼𝐹
1, − 1 ≤ 𝑥 ≤ −0.9
𝜇𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑒 (𝑥) = {−0.9𝑥, − 0.9 ≤ 𝑥 ≤ 0
𝑥, 0≤𝑥≤1
𝜇𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑒 (𝑥) = {
2 − 𝑥, 1≤𝑥≤2
1 − 𝑥, 1≤𝑥≤2
𝜇𝑙𝑎𝑟𝑔𝑒 (𝑥) = { 1, 2 ≤ 𝑥 ≤ 3
a. Diketahui :
T = 25C
Tdif = -0,5C
Ditanya : Output SC?
Jawab:
Dengan T = 25C, kita bisa menhitung dengan persamaan diatas menjadi:
25 − 𝑥 25 − 25
𝜇𝑙𝑜𝑤 (𝑥 ) = = =0
3 3
𝟐𝟖 − 𝒙 𝟐𝟖 − 𝟐𝟓
𝝁𝒐𝒑𝒕𝒊𝒎𝒂𝒍 (𝒙) = = =𝟏
𝟑 𝟑
𝑥 − 25 25 − 25
𝜇ℎ𝑖𝑔ℎ (𝑥) = = =0
3 3
𝑀𝑒𝑛𝑔𝑔𝑢𝑛𝑎𝑘𝑎𝑛 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡𝑦 𝝁𝒐𝒑𝒕𝒊𝒎𝒂𝒍 (𝒙) = 𝟏
Dengan Tdif = -0,5C, kita bisa melakukan perhitungan diatas dengan cara:
𝝁𝒏𝒆𝒈𝒂𝒕𝒊𝒗𝒆 (𝒙) = −𝟎. 𝟗𝒙 = −𝟎, 𝟗(−𝟎, 𝟓) = 𝟎, 𝟒𝟓
𝜇𝑧𝑒𝑟𝑜 (𝑥 ) = 2(𝑥 + 0.5) = 2(−0,5 + 0,5) = 0
𝑀𝑒𝑛𝑔𝑔𝑢𝑛𝑎𝑘𝑎𝑛 𝜇𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑒 (𝑥 ) = 0,45
b. Diketahui :
T = 23C
Tdif = 0,5C
Ditanya : Output SC?
Jawab:
Dengan T = 25C, kita bisa menhitung dengan persamaan diatas menjadi:
𝟐𝟓 − 𝒙 𝟐𝟓 − 𝟐𝟑 𝟐
𝝁𝒍𝒐𝒘 (𝒙) = = = = 𝟎, 𝟔𝟔𝟔𝟕
𝟑 𝟑 𝟑
28 − 𝑥 28 − 23 5
𝜇𝑜𝑝𝑡𝑖𝑚𝑎𝑙 (𝑥 ) = = = = 0,333
3 3 3
𝑀𝑒𝑛𝑔𝑔𝑢𝑛𝑎𝑘𝑎𝑛 𝝁𝒍𝒐𝒘 (𝒙) = 𝟎, 𝟔𝟔𝟔𝟕
Dengan Tdif = -0,5C, kita bisa melakukan perhitungan diatas dengan cara:
𝜇𝑧𝑒𝑟𝑜 (𝑥 ) = 2(𝑥 + 0.5) = 2(0,5 − 0,5) = 0
𝝁𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒆 (𝒙) = (𝒙) = 𝟎, 𝟓
𝑀𝑒𝑛𝑔𝑔𝑢𝑛𝑎𝑘𝑎𝑛 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡𝑦 𝜇𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑒 (𝑥 ) = 0,5
Jawab:
0,5 0,25 0,25
a. 𝑃 = (0,5 0,4 0,1 )
0,2 0,4 0,4
𝜋(𝑡 = 0) = [0,3 0,3 0,4]
b. Dari perhitungan yang telah kita lakukan diatas, dapat dilihat bahwa proporsi
minuman sudah tidak berubah sejak minggu ke 3. Apabila kita lihat, nilai
proporsi minggu ketiga sampai minggu seterusnya akan menghasilkan angka
pembulatan yang sama.
𝜋(3) = [0,42905 0,336925 0,234025] = [𝟎, 𝟒𝟑 𝟎, 𝟑𝟑 𝟎, 𝟐𝟑]
𝜋(4) = [0,4297925 0,3356425 0,234565] = [𝟎, 𝟒𝟑 𝟎, 𝟑𝟑 𝟎, 𝟐𝟑]
𝜋(5) = [0,4296305 0,33553113 0,23483838] = [𝟎, 𝟒𝟑 𝟎, 𝟑𝟑 𝟎, 𝟐𝟑]