Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

Expert Systems Fanny Widadie, S.P, M.Agr. Sistem Pakar Suatu program AI yang berisi basis pengetahuan dan mesin inferensi Seperti layaknya seorang pakar.

Presentasi serupa


Presentasi berjudul: "Expert Systems Fanny Widadie, S.P, M.Agr. Sistem Pakar Suatu program AI yang berisi basis pengetahuan dan mesin inferensi Seperti layaknya seorang pakar."— Transcript presentasi:

1 Expert Systems Fanny Widadie, S.P, M.Agr

2 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

3 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

4 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

5 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?

6 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

7 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

8 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

9 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

10 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

11 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

12 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

13 User

14 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

15 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?

16 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

17 Inference Engine Forward Chaining: pencocokan dari fakta untuk menguji kebenaran hipotesis Backward Chaining: pencocokan dari bagian hipotesis terlebih dahulu baru mencocokkan dengan fakta-faktanya

18 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?

19 R3 A E F G D JK H R5 R4R9R10 R6 KJICA BA H R10 R8R7R1 KJGA R10R9R4

20 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?

21 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

22 Ciri-ciri Expert System Adanya Explanation facility Mudah dimodifikasi Dapat digunakan pada berbagai jenis komputer Memiliki kemampuan beradaptasi

23 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

24 Developing an Expert System

25 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

26 NEXT Jaringan Syaraf Tiruan


Download ppt "Expert Systems Fanny Widadie, S.P, M.Agr. Sistem Pakar Suatu program AI yang berisi basis pengetahuan dan mesin inferensi Seperti layaknya seorang pakar."

Presentasi serupa


Iklan oleh Google