SISTEM BERBASIS

PENGETAHUAN

KECERDASAN
BUATAN,SISTEM PAKAR

1
PENGENALAN SISTEM PAKAR
(1)
2
Evolusi CBIS (Computer Based
Information System)
 Electronic Data Processing (EDP)
 Accounting Information System (AIS)
 Management Information System (MIS)
 Decission Support System (DSS)
 Office Automation (OA)
 Artificial Intelligence (AI) dan Expert System
(ES)

3
Sistem Pakar (Expert System)
 Sering disebut juga sebagai Sistem Berbasis
Pengetahuan (Knowledge Based System)
 Program sebagai penasehat/konsultan pakar
 Dapat mengumpulkan dan menyimpan
pengetahuan seorang/beberapa orang pakar
ke dalam komputer.

4
Sistem Pakar (Expert System)
 Tidak untuk menggantikan kedudukan
seorang pakar tetapi untuk
memasyarakatkan pengetahuan dan
pengalaman pakar tersebut
 Memungkinkan orang lain meningkatkan
produktivitas, memperbaiki kualitas
keputusan

5
Pengertian Kecerdasan Buatan
 Bagian ilmu komputer yang membuat agar
mesin (komputer) dapat melakukan
pekerjaan seperti dan sebaik yang dilakukan
oleh manusia
 Cabang sains komputer yang mempelajari
otomatisasi tingkah laku cerdas (intelligent)

6
Pengertian Kecerdasan Buatan
 Intelligent/intelegensia
- seseorang yang pandai melaksanakan
pengetahuan yang dimilikinya
- Kemampuan manusia untuk memperoleh
pengetahuan dan pandai melaksanakannya
dalam praktek

7
Pengertian Kecerdasan
Buatan
 Suatu cara yang sederhana untuk membuat
komputer dapat “berpikir” secara Inteligent
 Bagian dari ilmu komputer yang mempelajari
perancangan sistem komputer yang intelligent,
yaitu suatu sistem yang memperlihatkan
karakteristik yang ada pada tingkah laku manusia,
seperti mengerti suatu bahasa, mempelajari,
mempertimbangkan dan memecahkan suatu
masalah
Pengertian Kecerdasan
Buatan
 Suatu studi bagaimana membuat komputer
dapat mengerjakan sesuatu, yang pada saat
ini, orang dapat mengerjakan lebih baik
 Bidang ilmu komputer yang
memungkinkannya untuk memahami,
bernalar dan bertindak
Beberapa Sudut Pandang
Kecerdasan Buatan
 Kecerdasan
Kecerdasan Buatan membuat mesin menjadi
“cerdas”
 Penelitian
Kecerdasan Buatan adalah suatu studi
bagaimana membuat agar komputer dapat
melakukan sesuatu sebaik yang dikerjakan
manusia

10
Beberapa Sudut Pandang
Kecerdasan Buatan
 Bisnis
Kecerdasan Buatan adalah kumpulan peralatan
yang sangat powerful dan metodologis dalam
menyelesaikan masalah-masalah bisnis
 Pemrograman
Kecerdasan Buatan meliputi studi tentang
pemrograman simbolik, penyelesaian masalah
(problem solving) dan pencarian (searching)

11
Tujuan Kecerdasan Buatan
 Untuk mengembangkan metode dan sistem
untuk menyelesaikan masalah-masalah yang
biasanya diselesaikan melalui aktivitas
intelektual manusia, misalnya pengolahan
citra, perencanaan, peramalan dan lain-lain,
meningkatkan kinerja sistem informasi yang
berbasis komputer.
 Untuk meningkatkan pengertian/peahaman
kita pada bagaimana otak manusia bekerja
Arah Kecerdasan Buatan
 Mengembangkan metode dan sistem untuk
menyelesaikan masalah AI tanpa mengikuti
cara manusia menyelesaikannya (sistem
pakar/expert system)
 Mengembangkan metode dan sistem untuk
menyelesaikan masalah AI melalui
pemodelan cara berpikirnya manusia, atau
cara bekerjanya otak manusia (neural
networks)
Ruang Lingkup Kecerdasan
Buatan

14
Domain Penelitian Kecerdasan
Buatan
 Mundane Task
- Persepsi (vision & speech)
- Bahasa alami (understanding, generation & translation)
- Pemikiran yang bersifat commonsense
- Robot Control
 Formal Task
- Games
- Matematika (geometri, logika, kalkulus integral,
pembuktian)
15
Domain Penelitian Kecerdasan
Buatan
 Expert Task
- Analisis Finansial
- Analisis Medikal
- Analisis Ilmu Pengetahuan
- Rekayasa (desain, pencarian kegagalan,
perencanaan manufaktur)

16
Bagian Utama Kecerdasan
Buatan

17
Bagian Utama Kecerdasan
Buatan
 Basis Pengetahuan (Knowledge Base)
Berisi semua fakta-fakta, ide, hubungan, aturan dari
domain permasalahannya
 Mesin Inferensi (Inference Engine)
Kemampuan menganalisa pengetahuan dan menarik
kesimpulan berdasarkan knowledge base dan aturan
 User Interface
- Interaksi dengan user
- Membangun dan memelihara basis pengetahuan
18
Kec Buatan VS Kec. Alami

19
Pemrograman AI vs Konventional
Pemrograman Kec. Buatan
 Bila terjadi perubahan dalam program, maka
tidak mengganggu seluruh “Facts” yang
tersimpan dalam “Otak”(layaknya pikiran
manusia/seperti informasi yang terdapat
pada pikiran manusia
 Independen
 Dapat dimodifikasi tanpa mempengaruhi
struktur keseluruhan program
 Fleksibel  efisien dan mudah untuk
dimengerti
Penyelesaian Masalah
berdasarkan Kec. Buatan
Empat hal untuk membangun sistem atau
memecahkan masalah tertentu:
 Definisikan masalah dengan jelas
 Analisis masalah
 Kumpulkan dan representasikan knowledge
 Pilih teknik pemecahan masalah terbaik dan
gunakan untuk masalah tertentu
PENGENALAN SISTEM PAKAR
(2)
23
Konsep Umum Sistem Pakar
 Knowledge acquisition
transfer knowledge dari manusia atau sumber lainnya ke
komputer
 Knowledge representation
Penyimpanan dan pemrosesan pengetahuan dalam
komputer
 Inference
Mekanisme pengambilan kesimpulan dari pengetahuan
dalam komputer
 Explanation
Menjelaskan kepada user apa dan bagaimana solusi
yang dihasilkan 24
Tahap Pengembangan Sistem
Pakar

25
Tahap Pengembangan Sistem
Pakar
 Proses pembuatan SP  knowledge
engineering yang dilakukan oleh knowledge
engineer. Selain itu domain expert dan end
user
 Tugas knowledge engineer adalah memilih
S/W & H/W untuk pembuatan SP, membantu
mengambil pengetahuan yang dibutuhkan
dari pakar domain, serta implementasi
pengetahuan pada basis pengetahuan yang
benar & efisien. 26
Tahap Pengembangan Sistem
Pakar
 Tugas pakar domain: menyediakan
pengetahuan tentang bidang problem yang
dihadapi, memahami teknik-teknik
pemecahan problem yang dipakai

27
Rules and Humans (1)
 Aturan dapat digunakan untuk memformulasikan teori
human information processing (Newell & Simon)
- aturan disimpan dalam memori jangka panjang
- pengetahuan sementara diletakkan di memori jangka
pendek
- input sensor atau berpikir memicu aktifasi dari
aturan-aturan
- aturan yang telah diaktifkan mungkin memicu aktifasi
berikutnya
- pengolahan kognitif mengkombinasikan bukti-bukti dari
aturan-aturan yang sedang diaktifkan 28
Rules and Humans (2)
 Model ini adalah dasar dari desain sistem
berbasis aturan (rule-based systems)
- disebut juga production systems

29
Pengembangan Teknologi
Sistem Pakar
 Sangat dipengaruhi oleh pengetahuan kognitif
dan matematika
- Cara manusia memecahkan masalah
- Dasar formal, terutama logika dan inferensi
 Aturan produksi sebagai mekanisme
representasi
- Tipe aturan IF .... THEN
- Mirip dengan cara manusia memberi alasan
- Bisa dimanipulasi oleh komputer
30
Beberapa Sistem Pakar
Terkenal (1)
 MYCIN
- Dirancang oleh Edward Feigenbaum
(Universitas Stanford) th ‘70an
- dapat mendiagnosa infeksi bakteri &
rekomendasi pengobatan antibiotik
 DENDRAL
- identifikasi unsur bahan kimia (molekular
& kimia)
31
Beberapa Sistem Pakar
Terkenal (2)
 XCON/R1
- Konfigurasi sistem komputer dasar
- dikembangkan oleh Digital Equipment
Corporation (DEC) dan Carnegie Mellon
University (CMU), akhir ‘70an
- untuk sistem komputer DEC VAC 111780

32
Beberapa Sistem Pakar
Terkenal (3)
 PROSPECTOR
- Membantu ahli geologi yang mencari & menemukan
biji deposit (mineral & batu- batuan)
- didesain oleh Sheffield Research Institute, akhir ‘70an
 YESMVS
- didesain oleh IBM awal tahun ‘80an
- membantu operator komputer & mengontrol sistem
operasi MVS (Multiple Virtual Storage)

33
Beberapa Sistem Pakar
Terkenal (4)
 ACE
- didesain & dikembangkan oleh AT&T Bell
Lab awal tahun ‘80an
- troubleshooting pada sistem kabel telepon
 DELTA
- Didisain & dikembangkan oleh General Electric
Company
- SP personal maintenance dengan mesin
lokomotif listrik diesel. 34
Kunci Sukses Sistem Pakar (1)
 Konsentrasi pada domain
pengetahuan
 Meyakinkan gagasan
- Aturan-aturan, model-model kognitif
 Aplikasi-aplikasi praktis
- Obat-obatan, teknologi komputer

35
Kunci Sukses Sistem Pakar (2)
 Pemisahan Pengetahuan (knowledge) dan
kesimpulan (inference)
- expert system shell
memungkinkan penggunaan kembali
‘permesinan’untuk domain yang berbeda

36
Kategori Problem Sistem
Pakar (1)
 Interpretasi – membuat kesimpulan atau
deskripsi dari sekumpulan data mentah
 Prediksi – memproyeksikan akibat-akibat
yang dimungkinkan dari situasi-situasi
tertentu
 Diagnosis – menentukan sebab malfungsi
dalam situasi kompleks yang didasarkan
pada gejala-gejala yang teramati

37
Kategori Problem Sistem
Pakar (2)
 Desain – menentukan konfigurasi komponen-
komponen sistem yang cocok dengan tujuan-
tujuan kinerja tertentu yang memenuhi
kendala-kendala tertentu
 Perencanaan – merencanakan serangkaian
tindakan yang akan dapat mencapai
sejumlah tujuan dengan kondisi awal
tertentu.

38
Kategori Problem Sistem
Pakar (3)
 Debugging dan Repair – menentukan dan
menginterpretasikan cara-cara untuk
mengatasi malfungsi
 Instruksi – mendeteksi dan mengoreksi
defisiensi dalam pemahaman domain subyek
 Pengendalian – mengatur tingkah laku suatu
environment yang kompleks
 Selection – mengidentifikasi pilihan terbaik
dari sekumpulan (list) kemungkinan
39
Kategori Problem Sistem
Pakar (4)
 Simulation – pemodelan interaksi antara
komponen-komponen sistem
 Monitoring – membandingkan hasil
pengamatan dengan kondisi yang diharapkan

40
Kapan Menggunakan SP
Sistem Pakar tidak dapat diterapkan untuk
semua tipe domain dan tugas sbb:
 Algoritma konvensionalnya diketahui dan efisien
 Tantangan utamanya adalah komputasi, bukan
knowledge
 Knowledge tidak dapat diperoleh secara mudah
 User mungkin segan untuk menerapkan sistem
pakar untuk tugas-tugas kritis

41
Tool Sistem Pakar
 Languages
- higher-level languages didesain khusus
untuk merepresentasikan knowledge dan
alasan
- PROLOG, LISP, CLIPs, SAIL, KRL, KQML
 Shells
- Sebuah tools dengan tujuan khusus didesain
untuk tipe aplikasi tertentu dimana user hanya
mensuplai basis pengetahuan.
42
Elemen Sistem Pakar
 Knowledge base
 Inference engine
 Working memory
 Agenda
 Explanation facility
 Knowledge acquisition facility
 User interface

43
Struktur Sistem Pakar (1)

44
Struktur Sistem Pakar (2)
 Knowledge acquisition facility
Pengetahuan dapat diperoleh dari seorang
pakar, buku teks (textbooks) atau laporan
penelitian, dengan dukungan dari seorang
knowledge engineer (seorang pakar yang
memiliki spesialisasi dalam akuisisi
pengetahuan).
 Knowledge base
2 jenis knowledge base adalah fakta (yaitu
situasi dan teori) dan heuristics atau rule-rule.
45
Struktur Sistem Pakar (3)
 Inference engine
Ia adalah otak dari suatu Sistem Pakar, bisa
juga disebut dengan struktur kontrol (control
structure) atau penerjemah rule ( rule interpreter
dalam Rule-Based Systems). Ia adalah program
komputer yang memiliki metodologi untuk
melakukan reasoning (pertimbangan) mengenai
informasi yang tersimpan dalam knowledge
base dan dalam “working memory”, dan ia
digunakan untuk memformulasikan konklusi.
46
Struktur Sistem Pakar (4)
3 elemen utama inference engine adalah:
 Interpreter (rule interpreter dalam kebanyakan sistem),
yang mengeksekusi item agenda yang dipilih dengan
mengaplikasikannya pada knowledge base rule yang
berhubungan.
 Scheduler, yang menjaga kontrol di sepanjang agenda.
Memperkirakan akibat dari pengaplikasian rule
inferensia yang menampakkan prioritas item atau kriteria
lain pada agenda.
 Consistency enforce, yang mencoba menjaga
konsistensi representasi solusi yang muncul.
47
Struktur Sistem Pakar (5)
 Working Memory
Ia adalah tempat menyimpan sementara
untuk memproses rencana (plan), agenda,
solusi, dan deskripsi masalah yang didapat
dari knowledge base selama sesi konsultasi.

48
Struktur Sistem Pakar (6)
 User interface
Sistem Pakar haruslah user friendly dan
berorientasi pada masalah dalam hal
antarmukanya.
 Knowledge refining system (IA & KB)
Dengan komponen ini, pakar mampu untuk
menganalisis kinerja dari Sistem Pakar,
belajar daripadanya, dan meningkatkannya
pada konsultasi selanjutnya.
49
Struktur Sistem Pakar (7)
 Explanation facility. Ini adalah
kemampuan penelusuran kebenaran dari
konklusi yang didapat dari sumber-
sumbernya. Hal ini krusial untuk
transformasi kepakaran dan penyelesaian
masalah. Komponen ini mampu
menelusuri kebenaran dan untuk
menerangkan perilaku Sistem Pakar
secara interaktif
50
Struktur Sistem Pakar (8)
 Explanation facility (lanjut)
merupakan subsistem Sistem Pakar yang
menjawab pertanyaan seperti:
- Mengapa pertanyaan tertentu ditanyakan oleh Sistem
Pakar?
- Bagaimana konklusi tertentu dicapai?
- Mengapa alternatif tertentu ditolak?
- Rencana apakah yang ada untuk mencapai solusi?
- Dan apa-apa saja selanjutnya yang harus dilakukan
sebelum diagnosis final dapat ditentukan?
51
Elemen Manusia Dalam Sistem
Pakar (1)
Orang-orang yang terlibat dalam
pengembangan dan penggunaan Sistem
Pakar:
 Pakar.

 Knowledge Engineer

 User

 Pihak lain. Misalnya: system builder, tool

builder, vendor, staf pendukung.
52
Elemen Manusia Dalam Sistem
Pakar (2)
Umumnya user yang dimaksud ini adalah:
(1) Klien (yaitu bukan pakar) yang menginginkan
advis/nasehat. Disini, Sistem Pakar bertindak seperti
seorang konsultan atau penasehat.
(2) Learner (pelajar) untuk mempelajari bagaimana
Sistem Pakar menyelesaikan permasalahan. Di sini,
Sistem Pakar bertindak sebagai seorang instruktur.
(3) Expert system builder (pembangun sistem pakar)
yang ingin meningkatkan knowledge base-nya. Di
sini, Sistem Pakar bertindak sebagai seorang rekan.
(4) Pakar. Di sini, Sistem Pakar bertindak sebagai
seorang kolega atau asisten.
53
Elemen Manusia Dalam Sistem
Pakar (3)

Gambar Diagram peranan manusia dalam Sistem Pakar

54
Jenis-jenis Sistem Pakar (1)
 Sistem Pakar vs. Knowledge-based
Systems. Sistem Pakar mendapatkan
pengetahuannya dari para pakar, sedang
KBS dari sumber-sumber terdokumentasi.
KBS lebih murah dan lebih cepat dibangun
dibandingkan Sistem Pakar.
 Rule-Based Expert Systems. Pengetahuan
direpresentasikan sebagai serangkaian rule-
rule (production rules).
55
Jenis-jenis Sistem Pakar (2)
 Hybrid Systems
Melibatkan berbagai pendekatan representasi
pengetahuan, paling tidak frame dan rule, tapi biasanya
lebih dari itu.
 Model-Based Systems
Tersusun di sekitar model yang melakukan simulasi
struktur dan fungsi dari sistem yang dipelajari. Model
digunakan untuk menghitung nilai-nilai, yang
dibandingkan dengan yang sedang diamati.
Pembandingan tersebut memicu aksi (jika diperlukan)
atau diagnosis lebih lanjut.
56
Jenis-jenis Sistem Pakar (3)
 Frame-Based Systems.
Pengetahuan direpresentasikan sebagai
frame, yaitu representasi dari pendekatan
Pemrograman Berbasis Objek (OOP).
 Sistem siap pakai (off-the-Shelf Systems).
Sebagai hasil dari produksi masal
membuatnya lebih murah dibandingkan
dengan sistem yang memenuhi keinginan
user
57
Jenis-jenis Sistem Pakar (4)
 Sistem yang diklasifikasikan oleh sifat alamiahnya.
Ada 3 jenis. (1) berhubungan dengan evidence gathering
(pengumpulan bukti-bukti), (2) stepwise refinement
system. Sistem ini berhubungan dengan sejumlah besar
keluaran dari level-level detil sesudahnya. (3) stepwise
assembly, dimana domain subjek dapat mempunyai
jumlah keluaran yang luar biasa besar yang mungkin.
Jenis khusus dari ini disebut dengan catalog selection.
Sistem ini berhubungan dengan masalah seperti
pemilihan bahan kimia, baja yang benar.

58
Sistem Pakar Berbasis Aturan
(Rule)
 Pengetahuan dikodekan menjadi aturan IF ...
THEN
 Motor inferensi menentukan mana aturan
yang terpenuhi lebih dahulu
- sisi kiri harus cocok dengan fakta di dalam
memori kerja
 Aturan yang terpenuhi ditempatkan pada
agenda
59
Sistem Pakar Berbasis Aturan
(Rule)
 Aturan pada agenda dapat diaktifasi
- aturan yang teraktifasi mungkin
menghasilkan fakta-fakta baru melalui sisi
kanan
- pengaktifan satu aturan bisa menyebabkan
pengaktifan aturan yang lain

60
Contoh Aturan

61
MYCIN Sample Rule

Durkin 94, p.133 62

Inference Engine Cycle (1)
 Conflict resolution
Memilih rule dengan prioritas tertinggi dari
agenda
 Execution
Menjalankan aksi pada rule yang terpilih
berikutnya
Menghapus rule dari agenda

63
Inference Engine Cycle (2)
 Match
Perbaharui agenda
Menambah rule-rule yang antecedentnya sesuai
dengan agenda
Menghapus rule dengan non-satisfied agenda
Siklus berhenti ketika tidak ada rules pada
agenda atau ketika perintah berhenti
ditemukan

64
Metode Aktifasi Rules
 Forward Chaining
 Backward Chaining

65
Forward Chaining
 Forward chaining (data-driven)
Reasoning/pertimbangan dimulai dari fakta-fakta
menuju kesimpulan/konklusi
Saat/begitu fakta-fakta tersedia, mereka digunakan
untuk mencocokkan antecedents dari rule-rule
Sebuah rule dapat diaktifkan jika semua bagian
antecedent/yang mendahului terpenuhi
Sering digunakan untuk real-time expert system
monitoring dan control
Examples: CLIPS, OPS5
66
Backward Chaining
 Backward chaining (query-driven)
 Berawal dari sebuah hipotesa (permintaan),
aturan dan fakta yang mendukung dicari sampai
seluruh bagian antecedent dari hipotesa
terpenuhi
 Sering digunakan dalam sistem diagnosa dan
konsultasi
 Example : EMYCIN

67
Dasar Sistem Pakar

68
Post Production Systems
 Production rules (aturan produksi) digunakan
oleh logikawan Emil L. Post pada awal tahun
40-an dalam logika simbolik
 Hasil teori Post
 Setiap sistem dalam matematika atau logika
dapat ditulis sebagai sebuah sistem produksi

69
Post Production Systems
 Prinsip dasar production rules
 Seperangkat aturan mengatur konversi dari satu
set string menjadi set string yang lain
Aturan ini juga dikenal sebagai aturan penulisan
ulang
Sintaks manipulasi string yang sederhana
Tidak diperlukan pemahaman atau interpretasi
Juga digunakan untuk mendefinisikan grammars dari
bahasa
Contoh BNF grammars dari bahasa pemrograman
70
Markov Algorithms
 Tahun 1950an, A.A. Markov
memperkenalkan prioritas sebagai struktur
control untuk sistem produksi
 Rule dengan prioritas lebih tinggi dilakukan lebih
dahulu
 Mengijinkan eksekusi sistem produksi lebih
efisien
 Tetapi masih tidak cukup efisien untuk Sistem
Pakar dengan kumpulan rule yang besar

71
Rete Algorithm
 Dikembangkan oleh Charles L. Forgy pada
tahun 70an untuk CMU’s OPS (Official
Production System) shell
 Menyimpan informasi tentang antecedent dalam
sebuah jaringan
 Di setiap cyclenya, ia hanya mengecek
perubahan dalam jaringan
 Ini merupakan peningkatan efisiensi yang besar

72
Keuntungan Sistem Pakar (1)
 Meningkatkan output dan produktivitas.
 Meningkatkan kualitas.
 Mengurangi waktu kerusakan (downtime).
 Mengatasi kelangkaan kepakaran
 Fleksibilitas
 Pengoperasian peralatan lebih mudah.
 Menghilangkan kebutuhan akan peralatan yang mahal
 Operasi pada lingkungan yang membahayakan
 Akses ke pengetahuan (knowledge) dan help desk
(sistem bantuan).
73
Keuntungan Sistem Pakar (2)
 Meningkatkan kemampuan berbagai sistem
terkomputerisasi lainnya.
 Integrasi dari berbagai opini para pakar.
 Kemampuan bekerja dengan informasi yang tidak
komplit dan tak pasti
 Penyediaan pelatihan (training)
 Peningkatan dalam hal penyelesaian masalah.
 Kemampuan menyelesaikan masalah yang kompleks.
 Transfer pengetahuan ke lokasi yang berbeda.
 Peningkatan kepada Sistem Informasi Berbasis
Komputer lainnya.
74
Permasalahan Dan
Keterbatasan Sistem Pakar (1)
 Pengetahuan tidak selalu tersedia
 Kepakaran sulit diekstraksi dari manusia
 Pendekatan untuk setiap pakar pada situasi tertentu
selalu berbeda, dan tidak selalu benar.
 Walaupun pakar tersebut memiliki ketrampilan yang
tinggi, sukar untuk mengabstraksikan kepakarannya
pada situasi tertentu, apalagi pakar tersebut bekerja di
bawah tekanan.
 User dari Sistem Pakar memiliki batasan kognitif
alamiah.
 Sistem Pakar bekerja baik hanya pada domain yang
terbatas/sempit.
75
Permasalahan Dan
Keterbatasan Sistem Pakar (2)
 Kebanyakan pakar tidak memiliki rasa pengertian pengecekan yang
independen walaupun konklusi mereka masuk akal.
 Kosa kata atau jargon yang digunakan pakar untuk
mengekspresikan fakta dan relasinya biasanya jarang digunakan
dan dimengerti oleh orang lain.
 Help seringkali dibutuhkan oleh knowledge engineer yang biasanya
jarang tersedia dan mahal biayanya – sebuah fakta yang dapat
membuat pembangunan Sistem Pakar lebih banyak memakan
biaya.
 Kendala kepercayaan pada end-user bisa menghalangi
penggunaan Sistem Pakar.
 Transfer pengetahuan bergantung pada persepsi dan bisa bias
dalam prasangka.
76