PENGETAHUAN
S1 Sistem Informasi
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
Sistem Pakar
6
Bagian Utama
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
7
PENGENALAN SISTEM PAKAR
(2)
8
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
9
Tahap Pengembangan Sistem
Pakar
10
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.
11
Tahap Pengembangan Sistem
Pakar
Tugas pakar domain: menyediakan
pengetahuan tentang bidang problem yang
dihadapi, memahami teknik-teknik
pemecahan problem yang dipakai
12
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
13
Rules and Humans (2)
Model ini adalah dasar dari desain sistem
berbasis aturan (rule-based systems)
- disebut juga production systems
14
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
15
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)
16
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
17
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)
18
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.
19
Kunci Sukses Sistem Pakar (1)
Konsentrasi pada domain
pengetahuan
Meyakinkan gagasan
20
Kunci Sukses Sistem Pakar (2)
Pemisahan Pengetahuan (knowledge) dan
kesimpulan (inference)
- expert system shell
memungkinkan penggunaan kembali
‘permesinan’untuk domain yang berbeda
21
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
22
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.
23
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
24
Kategori Problem Sistem
Pakar (4)
Simulation – pemodelan interaksi antara
komponen-komponen sistem
Monitoring – membandingkan hasil
pengamatan dengan kondisi yang
diharapkan
25
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
26
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.
27
Elemen Sistem Pakar
Knowledge base
Inference engine
Working memory
Agenda
Explanation facility
Knowledge acquisition facility
User interface
28
Struktur Sistem Pakar (1)
29
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.
30
Struktur Sistem Pakar (3)
Inference engine
Adalah otak dari suatu Sistem Pakar, bisa juga
disebut dengan struktur kontrol (control
structure) atau penerjemah rule ( rule interpreter
dalam Rule-Based Systems). 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.
31
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.
32
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.
33
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.
34
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
35
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?
36
Elemen Manusia Dalam Sistem
Pakar (1)
Orang-orang yang terlibat dalam
pengembangan dan penggunaan Sistem
Pakar:
Pakar.
Knowledge Engineer
User
43
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
44
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
45
Contoh Aturan
46
MYCIN Sample Rule
48
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
49
Metode Aktifasi Rules
Forward Chaining
Backward Chaining
50
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
51
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
52
Dasar Sistem Pakar
53
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
54
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
55
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
56
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
57
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).
58
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.
59
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. 60
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.
61