Sistem konvensional berisi informasi yang tersimpan secara statis
1. 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
2. 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
3. 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
2. Sistem pakar generasi pertama. Menggunakan aturan jika-maka untuk
merepresentasikan dan menyimpan pengetahuannya
6. Sistem pakar generasi kedua. Jauh lebih fleksibel dalam mengadopsi
banyak representasi pengetahuan dan metode pertimbangan
4. 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).
5. Seorang Ahli (Human Expert) VS Sistem Pakar (ES)
Faktor Human Expert Expert System
Time Availability Hari Kerja Setiap saat
Geografis Lokal/tertentu Dimana saja
Keamanan Tidak tergantikan Dapat diganti
Perishable / Dapat Ya Tidak
habis
Performansi Variabel Konsisten
(kemampuan)
Kecepatan Variabel Konsisten &
lebih cepat
Biaya Tinggi Terjangkau
6. 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
7. Kelemahan Sistem Pakar
- Biaya yang diperlukan untuk membuat dan memeliharanya sangat mahal
- Sulit dikembangkan
- Sistem pakar tidak 100% bernilai benar
Kategori Problema Sistem Pakar secara umum
• a. Interpretasi
• b. Prediksi
• c. Diagnosis
• d. Perancangan (Desain)
• e. Perencanaan
• f. Monitoring
• g. Debugging
• h. Instruksi
• i. Kontrol
8. Komponen atau Bagian Utama Sistem Pakar
a. User Interface (Antarmuka Pemakai)
Memungkinkan pemakai untuk berinteraksi dengan expert system
b. Knowledge Base (Basis Pengetahuan)
Berisi pengetahuan-pengetahuan (pengetahuan gabungan) dalam
memahami, merumuskan, dan penyelesaian masalah
c. Inference Engine (Mesin Inferensi)
Bertugas untuk menganalisis pengetahuan, memberikan kemampuan
penalaran dan menarik kesimpulan berdasarkan knowledge base
d. Development Engine
Komponen yang digunakan untuk mengolah sistem pakar, terdiri
dari bahasa pemrograman.
11. 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”
12. 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/
13. 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
14. 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
15. 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
16. 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?
17. 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
18. 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
19. 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
20. 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
21. 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
22. 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
23. 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
25. 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
26. 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?
27. 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
28. Inference Engine
• Forward Chaining: pencocokan dari fakta
untuk menguji kebenaran hipotesis
• Backward Chaining: pencocokan dari bagian
hipotesis terlebih dahulu baru mencocokkan
dengan fakta-faktanya
29. 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?
30. R4 R9 R10
A G J K
R5
R3
F D
R6
E H
R10
K J I C A
R8 R7 R1
A B
H
R10 R9 R4
K J G A
31. 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?
32. 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
33. Ciri-ciri Expert System
• Adanya Explanation facility
• Mudah dimodifikasi
• Dapat digunakan pada berbagai jenis
komputer
• Memiliki kemampuan beradaptasi
34. 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
36. 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
37. 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)
38. 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.
39. Komponen E/S
Sistem pakar terdiri atas 4 bagian:
1. User Interface
2. Knowledge Base
3. Inference Engine
4. Development Engine
40. 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;
10. 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.
41. 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.
42. 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
43. 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
44. 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)
45. 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
46. 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.
47. 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.
48. 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.
49. 9. SHEARER
Untuk mendiagnosa kerusakan mesin pemotong batubara tipe AM500. Pada
pertambangan batubara, batubara dipotong dgn menggunakan alat pemotong p
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.
50. ARSITEKTUR SISTEM PAKAR
MESIN INFERENSI
BASIS MEMORI
PENGETAHUAN KERJA
(ATURAN) AGENDA
(FAKTA)
FASILITAS FASILITAS
AKUISISI
PENJELASAN
PENGETAHUAN
ANTAR MUKA
PENGGUNA
Gambar
Arsitektur Sistem Pakar
51. 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)
52. 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
53. 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)
54. 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
55. 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
56. 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
57. Memori Kerja
• bagian dari sistem pakar yang berisi fakta-fakta
masalah yang ditemukan dalam suatu sesi
Agenda
• Urutan aturan yang dibangkitkan oleh mesin
inferensi
58. Expert Systems
An expert system is a computer
program that is designed to hold the
accumulated knowledge of one or
more domain experts
59. Applications of Expert Systems
PUFF:
Medical system
for diagnosis of respiratory
conditions
PROSPECTOR:
Used by geologists to
identify sites for drilling or
mining
60. Applications of Expert Systems
MYCIN:
Medical system for diagnosing blood
disorders. First used in 1979
DESIGN ADVISOR:
Gives advice to designers of
processor chips
61. Applications of Expert Systems
DENDRAL: Used to identify the
structure of chemical compounds.
First used in 1965
LITHIAN: Gives advice to
archaeologists examining
stone tools
62. 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 user’s query
• The user interface is the part of the system which
takes in the user’s query in a readable form and
passes it to the inference engine. It then displays
the results to the user.
63. 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
64. Problems with Expert Systems
• Limited domain
• Systems are not always up
to date, and don’t learn
• No “common sense”
• Experts needed to setup
and maintain system
65. 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?
66. 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
67. • 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.
68. 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.
69. Sistem pakar yang terkenal
• 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.
70. Sistem pakar yang terkenal
• 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.
71. 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.
72. MANFAAT SISTEM PAKAR :
1. Tidak memerlukan biaya saat tidak
digunakan
2. Dapat digandakan (diperbanyak) sesuai
kebutuhan dengan waktu yang minimal dan
sedikit biaya
3. Dapat memecahkan masalah lebih cepat
daripada kemampuan manusia dengan
catatan menggunakan data yang sama.
4. Menghemat waktu dalam pengambilan
keputusan
73. MANFAAT SISTEM PAKAR :
1. Meningkatkan kualitas dan produktivitas karena
dapat memberi nasehat yang konsisten dan
mengurangi kesalahan
2. Meningkatkan kapabilitas sistem terkomputerisasi
yang lain.
3. Mampu menyediakan pelatihan. Pengguna pemula
yang bekerja dengan sistem pakar akan menjadi
lebih berpengalaman. Fasilitas penjelas dapat
berfungsi sebagai guru.
74. 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.
75. KONSEP DASAR SISTEM PAKAR
• Konsep dasar sistem pakar mengandung
– keahlian,
– ahli/pakar,
– pengalihan keahlian,
– Mengambil keputusan,
– aturan,
– kemampuan menjelaskan.
76. 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
77. 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
78. 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.
79. 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.
80. 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.
• .
81. Kemampuan menjelaskan
• Keunikan lain dari sistem pakar adalah
kemampuan dalam menjelaskan atau
memberi saran/rekomendasi serta juga
menjelaskan mengapa beberapa
tindakan/saran tidak direkomendasikan
82. PERBEDAAN SISTEM KONVENSIONAL DENGAN SISTEM PAKAR
• Sistem Konvensional • Sistem Pakar
• Informasi dan pemrosesannya • Basis pengetahuan merupakan
biasanya jadi satu dengan program bagian terpisah dari mekanisme
• Program tidak pernah salah (keculai inferensi
pemrogramnya yang salah) • Program bisa saja melakukan
• Biasanya tidak bisa menjelaskan kesalahan
mengapa suatu input data itu • Penjelasan adalah bagian terpenting
dibutuhkan atau bagaimana output dari sistem pakar
itu diperoleh • Pengubahan pada aturan/kaidah
• Pengubahan program cukup sulit dan dapat dilakukan dengan mudah
merepotkan • Sistem dapat bekerja hanya dengan
• Sistem hanya akan bekerja jika sistem beberapa Aturan
tersebut sudah lengkap • Eksekusi dilakukan pada keseluruhan
• Eksekusi dilakukan langkah demi basis pengetahuan secara heuristik
langkah secara algoritmik dan logis
• Menggunakan data • Menggunakan pengetahuan
• Tujuan utamanya adalah efisiensi • Tujuan utamanya adalah efektivitas
83. 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
84. 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
85. 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
86. 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
87. 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
88.
89. 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.
90. Komponen-komponen yang terdapat dalam
arsitektur/struktur sistem pakar :
• 2. Akuisisi Pengetahuan (Knowledge
Acquisition)
• Akuisisi pengetahuan adalah akumulasi,
transfer, dan transformasi keahlian dalam
menyelesaikan masalah dari sumber
pengetahuan ke dalam program komputer..
91. Komponen-komponen yang terdapat dalam
arsitektur/struktur sistem pakar :
• 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.
•
92. Komponen-komponen yang terdapat dalam
arsitektur/struktur sistem pakar :
• 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.
93. 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...
94. 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).
95. 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.
96.
97. 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
98.
99. Sistem Berbasis
Pengetahuan
Sistem
Komputer
Sistem Berbasis
Pegetahuan
Robotik Sistem
Pakar
Games
100. • 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
101. Knowledge
Fact
Base
USER
Expertise Inference
Engine
102. Hubungan Problem Domain dan
Knowledge Domain
Problem
Domain Knowledg
e Domain
Knowledg
e Domain
103.
104. Structure of an Expert System
Consultation Environment Development Environment
(Use) (Knowledge Acquisition)
User Expert
Facts of Recommendation,
the Case Explanation
User Interface
Explanation Knowledge
Facility Engineer
Inference Engine
Facts of
the
Knowledge
Case Acquisition
Facility
Working Memory
Knowledge Domain Knowledge
Base (Elements of
Knowledge Base)
105. 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.
106. Tujuan Dan Fungsi Sistem Pakar
• Memasyarakatkan Pengetahuan dan Pengalaman seorang Pakar
• Dapat digunakan non-expert untuk meningkatkan kemampuan
pemecah- an masalah dan oleh expert sebagai knowledgeable
assistant
• Menyederhanakan pekerjaan dan memperbaiki kualitas
• Memecahkan masalah (sederhana) tanpa kehadiran seorang
pakar
107. 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)
108. PAKAR
Melibatkan kegiatan :
• Mengenali dan memformulasikan permasa- lahan
• Memecahkan permasalahan secara cepat dan
tepat
• Menerangkan pemecahannya
• Belajar dari pengalaman
• Merestrukturisasi pengetahuan
• Memecahkan aturan-aturan
• Menentukan relevansi
109. PARTISIPAN DALAM MEMBANGUN
SISTEM PAKAR DAN
ATURAN-ATURANNYA
PEMBANGUN PAKAR STAF
ALAT BANTU PENGETAHUAN PENDUKUNG
YANG TERDO-
KUMENTASIKAN
Membangun Menguji Mendukung
Memperoleh tugas
pengetahuan
ALAT BANTU, Pengguna
Memba- SISTEM
BAHASA
INSINYUR ngun
PAKAR
PENGETAHUAN
Pengguna
Memberikan
Membangun Menggunakan
Bekerja sama Menghubung
kan
PENJUAL
PEMBANGUN PENGGUNA
SISTEM AKHIR
110. Bahasa-bahasa Pemrograman
Sistem Pakar
LisP Insight 2 +
ProLog Amzy Logic
ExSys JESS
PC + CLIPS
Expert Ease Etc.
111. 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.
112. KATEGORI GENERIK DARI SISTEM
PAKAR
Kategori Masalah yang Diselesaikan
Interpretasi Menduga gambaran situasi dari observasi
Prediksi Menduga akibat yang mungkin dari situasi
tertentu
Diagnosis Menduga kegagalan sistem dari observasi
Perancangan Mengatur konfigurasi obyek dari konstrain
Perencanaan Mengembangkan rencana-rencana untuk
mencapai tujuan-tujuan
Monitoring Membandingkan observasi terhadap rencana-
rencana, tanda gagal/berhasil (flagging), dan
perkecualian-perkecualian (exceptions)
Debugging Memberi “obat” bagi kegagalan fungsi
Reparasi Mengeksekusi rencana untuk menjalankan “obat
penyembuhan”
Instruksi Mendiagnosa, mendebug, dan membetulkan
unjuk kerja siswa
Kontrol Menginterpretasikan, memprediksi, mereparasi,
dan memonitor perilaku sistem
113. Ciri-ciri Sistem Pakar
• Terbatas pada domain keahlian tertentu
• Memiliki fasilitas informasi yang handal
• Berdasar “rule-rule”tertentu
• Mudah dimodifikasi
• Dapat digunakan dalam berbagai jenis komputer
• Dirancang untuk dapat dikembangkan secara
bertahap
• Output bersifat anjuran
114. PERBANDINGAN SISTEM KONVENSIONAL
DENGAN SISTEM PAKAR
Sistem Konvensional Sistem Pakar
Informasi dan pemrosesannya biasanya Basis Pengetahuan dipisahkan secara jelas
digabungkan dalam satu program sekuen- dengan mekanisme pemrosesan / inferensi
sial (yaitu, aturan-aturan pengetahuan dipisah-
kan dari kontrol)
Program tidak membuat kesalahan (yang Program dapat berbuat kesalahan
membuat kesalahan : pemrogram)
Biasanya tidak menerangkan mengapa Keterangan biasanya merupakan bagian
data masukan diperlukan atau bagaimana dari hampir semua Sistem Pakar
kesimpulan ditarik
Perubahan program sangat menyulitkan Perubahan dalam aturan-aturan mudah
(tedious) untuk dilaksanakan
Sistem hanya beroperasi setelah lengkap Sistem dapat beroperasi hanya dengan
/ selesai aturan-aturan yang sedikit (prototipe awal)
Eksekusi dilakukan dengan
Eksekusi dilakukan langkah demi langkah
Menggunakan heuristik dan logika
(algoritmik)
Perlu informasi lengkap agar bisa Dapat beroperasi dengan informasi yang
Beroperasi tidak lengkap atau tidak tentu
115. PERBEDAAN
(Lanjutan..)
Sistem Konvensional Sistem Pakar
Manipulasi efektif dari basis data Manipulasi efektif dari basis
yang besar pengetahuan yang besar
Representasi dan penggunaan Representasi dan penggunaan
data pengetahuan
Tujuan utama : efisiensi Tujuan utama : efektivitas
Mudah berurusan dengan data Mudah berurusan dengan data
kuantitatif kualitatif
Menangkap, membesarkan, dan Menangkap, membesarkan, dan
mendistribusikan akses ke data mendistribusikan akses ke
numerik atau informasi pertimbangan dan pengetahuan
118. Faktor Manajemen
• Dukungan manajamen merupakan keharusan
– Kebijakan
– Dana
– Sumber daya
– Pelatihan untuk pengguna
119. Faktor Pengetahuan
• Pengetahuan didapat dari setidaknya satu
orang pakar
• Tingkat kepakaran yang cukup tinggi
• Pengetahuan dapat diinterpretasikan secara
simbolis
120. Faktor Antarmuka
• Antarmuka dapat mengakomodir target
pengguna (awam, teknis, pakar)
• Antarmuka disesuaikan dengan spesifikasi
sistem pakar itu sendiri
121. 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
122. PENDAHULUAN
Sub Sistem CBIS Yg Menarik
4.Sistem berbasis pengetahuan (knowledge based system)
5.Kecedasan buatan ( artificial Intelligent)
Bentuk sistem berbasis pengetahuan yg populer adalah
sistem pakar (expert system) yg mempunyai 4 bagian
utama
8.User interface
9.Inference engine
10.Devolopment engine
11.Knowlagde base
123. 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).
124. PROBLEM DOMAIN MODEL SISTEM PAKAR
PEMAKAI PROBLEM
DOMAIN
USER
INTERFACE
INFERENCE KNOWLAGE BASE
ENGINE
DEVELOPMENT
ENGINE
EXPERT &
KNOWLEDGE
ENGINEER
125. 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)
126. 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
127. 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:
6. Terdapat variabel sasaran berganda ( multiple goal
variable)
7. Terdapat banyak aturan
8. Semua atau hampir semua aturan tdk hrs diuji dalm
proses mencapi pemecahan.
128. DEVELOPMENT ENGINE
Komponen utama sisem pakar adalah development engine,
yg digunakan utk menciptakan sistem pakar.
Ada 2 pendekatan dasar yakni :
5. Bahasa Pemrograman
6. Shell sistem pakar
131. Komponen-komponen SP
• Basis pengetahuan representasi
pengetahuan
• mesin inference
• User Interface (antarmuka pengguna),
132. 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
133. 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
134. 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.
135. 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.
136. 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
137. 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
138. 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
139. 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
141. 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
142. Membangun Basis
Pengetahuan
• Define the Potential Solutions
• Define the Inputs Fact
• Develop an outline
• Draw a Decision Tree
• Map a Matrix
• Develop the Software
143. 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.
144. Persyaratan Untuk Membuat Sistem Pakar Yang
Baik :
(lanjutan)
• 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.
145. MEMBANGUN SUATU KNOWLEDGE BASE
(RULE-BASED) SYSTEM
• Kasus : Penggunaan Sistem Pakar untuk
mencocokkan Anggur dan Makanan
• Buatlah kasus lainnya.
146. Pengenalan
Jaringan Syaraf Tiruan
• 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 : ?)
147. Pendahuluan (cont’d)
• 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.
149. 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
150. Review: Definisi
Membuat Berfikir Bertindak
Sistem
Seperti Model Kognitif Uji Turing
Manusia
Rasional Kaidah bernalar Agen Rasional:
membuat inferensi
logis sehingga dapat
melakukan aksi logis
151. Berfikir Seperti Manusia
(Thinking Humanly)
Diperlukan suatu cara untuk mengetahui bagaimana manusia
berfikir
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
152. Uji Turing: AI Bertindak Seperti Manusia (acting
humanly)
• AI lulus test Komputer
apabila interogator
tidak bisa
Pertanyaan
membedakan
dialog mana yang dan
dilakukan dengan Jawaban
komputer dan Interogator
Manusia
mana yang
dilakukan dengan System capabilities:
•Natural language processing
manusia
•Knowledge representation
•Automated reasoning
•Machine learning
•Computer vision (+)
•Robotics (+)
153. Berfikir Rasional (thinking rationally)
• 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:
c Pengetahuan informal sukar diuraikan dan dinyatakan
dalam bentuk notasi logika formal
a Terdapat perbedaan besar antara memecahkan masalah “secara
prinsip” dan “di dunia nyata”
154. Bertindak Rasional (acting 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
155. 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
156. Review: Bagian Utama AI
• Basis Pengetahuan (Knowledge Based)
– Berisi fakta, teori, pemikiran, dan hubungannya
• Motor Inferensi (Inference Engine)
– Kemampuan menalar dan menarik kesimpulan
Computer
Knowledge Inference
base mechanism
Inputs Outputs
157. 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
158. 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
159. 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
160. 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)
161. 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
162. 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
163. 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
Computer
Knowledge Inference
base mechanism
Inputs Outputs
164. Knowledge Base
• Knowledge engineering: process of
collecting and organizing the knowledge
• Knowledge representation: process
of how knowledge is represented to
form a knowledge base
165. 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
166. 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
167. 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
168. 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
169. 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
170. 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
171. 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)
172. Logic: Proposition Logic
P Q P AND Q P Q P OR Q
T T T T T T
T F F T F T
F T F F T T
F F F F F F
P Q P → Q P Q P⇔Q
T T T T T T
T F F T F F
F T T F T F
F F T F F T
173. 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
174. Logic: Predicate Logic (2)
PREDICATE (Individual [object]1, Individual [object]2)
Examples:
Proposition: The car is in the garage
IN (car, garage)
PROLOG
Predicate Argument
(assertion) (object)
175. Logic: Predicate Logic (3)
PREDICATE (Individual [object]1, Individual [object]2)
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 express conditions Function
Function shows a relationship
176. Logic: Predicate Logic (4)
• Quantifiers
– All Javanese are Indonesian
( ∀x )[ Javanese( x ) → Indonesian( x ) ]
– Some cars are red
( ∃x ) [car(X) AND IS RED(x)]
177. 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!
179. 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)
181. 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
184. 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
186. 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
187. 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
188. 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
189. 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
190. 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
191. 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
192. 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
193. NEXT
• Sistem Pakar
• JST
• NLP
• Case Based Reasoning
• Problem Solving : Learning
• Information Retrieval & Document Mining
194. “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)
195. What is the
Application ?
Who is the
Who is going to Application to
Build it ? be Build ?
196. 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
197. 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 ?
198. 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
199. Definisi Permasalahan
PHASE I Pengkajian Kebutuhan
Inisialisasi Proyek Evaluasi alternatif SolusiVerifikasi
Pendekatan Sistem Pakar
Perhatian Terhadap Isu Manajemen
Rancangan dan Rencana Konseptual
PHASE II Strategi Pengembangan
Analisis dan Sumber-sumber Pengetahuan
Perancangan Sistem Sumber Daya Komputasi
Study Kelayakan, Analisis Biaya-Manfaat
Membangun Prototipe Sederhana
PHASE III
Testing, Improving, dan Expending
Prototyping Cepat
Demonstrasi dan Analisis Kelayakan
Penyelesaian Rancangan
Membangun Basis Pengetahuan Testing,
PHASE IV
Evaluating, dan Improving Basis
Pengembangan
Pengetahuan Rencana Integrasi
Sistem
Penerimaan oleh pengguna
Instalasi, Demonstrasi, Deployment
PHASE V Orientasi, Training, Security,
Implementasi Dokumentasi, Integrasi,
Field Pengguna
PHASE VI Operasi, Maintenance dan Upgrades
Post-Implementasi Evaluasi Periodik
200. 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.
201. 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.
202. 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)
• Justification, (8)
• Appropriatness (3)
(Waterman, 1985)
203. 12 Requirements untuk Pengembangan
Sistem Pakar
• 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
204. 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
205. 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
206. 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.
207. 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
208. EXPERT SYSTEM (Sistem
Pakar)
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)
209. EXPERT SYSTEM (Sistem
Pakar)
Blok diagram Sistem Pakar
Knowledge base (basis pengetahuan)
Knowledge
berisi pengetahuan-pengetahuan
Base
Facts dalam penyelesaian masalah
User
Inference engine (motor inferensi)
Expertise
Inference bertugas untuk menganalisis
Engine pengetahuan dan menarik
kesimpulan berdasarkan knowledge
base
Expert System
210. EXPERT SYSTEM (Sistem
Pakar)
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
211. EXPERT SYSTEM (Sistem
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.
212. EXPERT SYSTEM (Sistem
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
214. EXPERT SYSTEM (Sistem
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
215. EXPERT SYSTEM (Sistem
Pakar)
Ada 2 cara dalam melakukan inferensi :
• 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.
216. EXPERT SYSTEM (Sistem
Pakar)
• 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.
217. EXPERT SYSTEM (Sistem
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 ?
219. EXPERT SYSTEM (Sistem
Pakar)
CONTOH :
Pada tabel di bawah ini ada 10 aturan yang tersimpan.
Fakta awal yang diberikan A & E (artinya A dan E
bernilai benar). No Aturan
Ingin dibuktikan R-1 IF A & B THEN C
apakah K bernilai benar R-2 IF C THEN D
R-3 IF A & E THEN F
(hipotesis : K) ? 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
220. EXPERT SYSTEM (Sistem
Pakar)
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
221. EXPERT SYSTEM (Sistem
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
222. EXPERT SYSTEM (Sistem
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
223. EXPERT SYSTEM (Sistem
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
226. EXPERT SYSTEM (Sistem
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
227. EXPERT SYSTEM (Sistem
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
Notes de l'éditeur
6 4 This slide corresponds to Figure 11.4 on p. 394 and relates to the material on pp. 393-394. Use Figure 11.4 to discuss the interaction of the principal components of ES. Highlight the two environments of expert systems - consultation environment (use) and development environment (knowledge acquisition). Points to stress during this discussion include: 1. The strength of an ES derives from its knowledge base - an organized collection of facts and heuristics about the system’s domain. 2. An ES is built in a process known as knowledge engineering, during which knowledge about the domain is acquired from human experts and other sources by knowledge engineers. 3. The use of ES is often referred to as a consultation, which stresses the role of the user in making the final decision.