Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

1 SISTEM BERBASIS PENGETAHUAN S1 Sistem Informasi.

Presentasi serupa


Presentasi berjudul: "1 SISTEM BERBASIS PENGETAHUAN S1 Sistem Informasi."— Transcript presentasi:

1 1 SISTEM BERBASIS PENGETAHUAN S1 Sistem Informasi

2 PENGENALAN SISTEM PAKAR (1) 2

3 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

4 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

5 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

6 Pengertian Kecerdasan Buatan Bagian ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia Cabang sains komputer yang mempelajari otomatisasi tingkah laku cerdas (intelligent) 6

7 Pengertian Kecerdasan Buatan Intelligent/intelegensia - seseorang yang pandai melaksanakan pengetahuan yang dimilikinya - Kemampuan manusia untuk memperoleh pengetahuan dan pandai melaksanakannya dalam praktek 7

8 Pengertian Kecerdasan Buatan Suatu cara yang sederhana untuk membuat komputer dapat “berpikir” secara Inteligent Bagian dari ilmu komputer yang mempelajari perancangan sistem komputer yang intelligent, yaitu suatu sistem yang memperlihatkan karakteristik yang ada pada tingkah laku manusia, seperti mengerti suatu bahasa, mempelajari, mempertimbangkan dan memecahkan suatu masalah

9 Pengertian Kecerdasan Buatan Suatu studi bagaimana membuat komputer dapat mengerjakan sesuatu, yang pada saat ini, orang dapat mengerjakan lebih baik Bidang ilmu komputer yang memungkinkannya untuk memahami, bernalar dan bertindak

10 Beberapa Sudut Pandang Kecerdasan Buatan Kecerdasan Kecerdasan Buatan membuat mesin menjadi “cerdas” Penelitian Kecerdasan Buatan adalah suatu studi bagaimana membuat agar komputer dapat melakukan sesuatu sebaik yang dikerjakan manusia 10

11 Beberapa Sudut Pandang Kecerdasan Buatan Bisnis Kecerdasan Buatan adalah kumpulan peralatan yang sangat powerful dan metodologis dalam menyelesaikan masalah-masalah bisnis Pemrograman Kecerdasan Buatan meliputi studi tentang pemrograman simbolik, penyelesaian masalah (problem solving) dan pencarian (searching) 11

12 Tujuan Kecerdasan Buatan Untuk mengembangkan metode dan sistem untuk menyelesaikan masalah-masalah yang biasanya diselesaikan melalui aktivitas intelektual manusia, misalnya pengolahan citra, perencanaan, peramalan dan lain-lain, meningkatkan kinerja sistem informasi yang berbasis komputer. Untuk meningkatkan pengertian/peahaman kita pada bagaimana otak manusia bekerja

13 Arah Kecerdasan Buatan Mengembangkan metode dan sistem untuk menyelesaikan masalah AI tanpa mengikuti cara manusia menyelesaikannya (sistem pakar/expert system) Mengembangkan metode dan sistem untuk menyelesaikan masalah AI melalui pemodelan cara berpikirnya manusia, atau cara bekerjanya otak manusia (neural networks)

14 Ruang Lingkup Kecerdasan Buatan 14

15 Domain Penelitian Kecerdasan Buatan Mundane Task - Persepsi (vision & speech) - Bahasa alami (understanding, generation & translation) - Pemikiran yang bersifat commonsense - Robot Control Formal Task - Games - Matematika (geometri, logika, kalkulus integral, pembuktian) 15

16 Domain Penelitian Kecerdasan Buatan Expert Task - Analisis Finansial - Analisis Medikal - Analisis Ilmu Pengetahuan - Rekayasa (desain, pencarian kegagalan, perencanaan manufaktur) 16

17 Bagian Utama Kecerdasan Buatan 17

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

19 Kec Buatan VS Kec. Alami 19

20 Pemrograman AI vs Konventional

21 Pemrograman Kec. Buatan Bila terjadi perubahan dalam program, maka tidak mengganggu seluruh “Facts” yang tersimpan dalam “Otak”(layaknya pikiran manusia/seperti informasi yang terdapat pada pikiran manusia Independen Dapat dimodifikasi tanpa mempengaruhi struktur keseluruhan program Fleksibel  efisien dan mudah untuk dimengerti

22 Penyelesaian Masalah berdasarkan Kec. Buatan Empat hal untuk membangun sistem atau memecahkan masalah tertentu: Definisikan masalah dengan jelas Analisis masalah Kumpulkan dan representasikan knowledge Pilih teknik pemecahan masalah terbaik dan gunakan untuk masalah tertentu

23 PENGENALAN SISTEM PAKAR (2) 23

24 Konsep Umum Sistem Pakar Knowledge acquisition transfer knowledge dari manusia atau sumber lainnya ke komputer Knowledge representation Penyimpanan dan pemrosesan pengetahuan dalam komputer Inference Mekanisme pengambilan kesimpulan dari pengetahuan dalam komputer Explanation Menjelaskan kepada user apa dan bagaimana solusi yang dihasilkan 24

25 Tahap Pengembangan Sistem Pakar 25

26 Tahap Pengembangan Sistem Pakar Proses pembuatan SP  knowledge engineering yang dilakukan oleh knowledge engineer. Selain itu domain expert dan end user Tugas knowledge engineer adalah memilih S/W & H/W untuk pembuatan SP, membantu mengambil pengetahuan yang dibutuhkan dari pakar domain, serta implementasi pengetahuan pada basis pengetahuan yang benar & efisien. 26

27 Tahap Pengembangan Sistem Pakar Tugas pakar domain: menyediakan pengetahuan tentang bidang problem yang dihadapi, memahami teknik-teknik pemecahan problem yang dipakai 27

28 Rules and Humans (1) Aturan dapat digunakan untuk memformulasikan teori human information processing (Newell & Simon) - aturan disimpan dalam memori jangka panjang - pengetahuan sementara diletakkan di memori jangka pendek - input sensor atau berpikir memicu aktifasi dari aturan-aturan - aturan yang telah diaktifkan mungkin memicu aktifasi berikutnya - pengolahan kognitif mengkombinasikan bukti-bukti dari aturan-aturan yang sedang diaktifkan 28

29 Rules and Humans (2) Model ini adalah dasar dari desain sistem berbasis aturan (rule-based systems) - disebut juga production systems 29

30 Pengembangan Teknologi Sistem Pakar Sangat dipengaruhi oleh pengetahuan kognitif dan matematika - Cara manusia memecahkan masalah - Dasar formal, terutama logika dan inferensi Aturan produksi sebagai mekanisme representasi - Tipe aturan IF.... THEN - Mirip dengan cara manusia memberi alasan - Bisa dimanipulasi oleh komputer 30

31 Beberapa Sistem Pakar Terkenal (1) MYCIN - Dirancang oleh Edward Feigenbaum (Universitas Stanford) th ‘70an - dapat mendiagnosa infeksi bakteri & rekomendasi pengobatan antibiotik DENDRAL - identifikasi unsur bahan kimia (molekular & kimia) 31

32 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

33 Beberapa Sistem Pakar Terkenal (3) PROSPECTOR - Membantu ahli geologi yang mencari & menemukan biji deposit (mineral & batu- batuan) - didesain oleh Sheffield Research Institute, akhir ‘70an YESMVS - didesain oleh IBM awal tahun ‘80an - membantu operator komputer & mengontrol sistem operasi MVS (Multiple Virtual Storage) 33

34 Beberapa Sistem Pakar Terkenal (4) ACE - didesain & dikembangkan oleh AT&T Bell Lab awal tahun ‘80an - troubleshooting pada sistem kabel telepon DELTA - Didisain & dikembangkan oleh General Electric Company - SP personal maintenance dengan mesin lokomotif listrik diesel. 34

35 Kunci Sukses Sistem Pakar (1) Konsentrasi pada domain pengetahuan Meyakinkan gagasan - Aturan-aturan, model-model kognitif Aplikasi-aplikasi praktis - Obat-obatan, teknologi komputer 35

36 Kunci Sukses Sistem Pakar (2) Pemisahan Pengetahuan (knowledge) dan kesimpulan (inference) - expert system shell memungkinkan penggunaan kembali ‘permesinan’untuk domain yang berbeda 36

37 Kategori Problem Sistem Pakar (1) Interpretasi – membuat kesimpulan atau deskripsi dari sekumpulan data mentah Prediksi – memproyeksikan akibat-akibat yang dimungkinkan dari situasi-situasi tertentu Diagnosis – menentukan sebab malfungsi dalam situasi kompleks yang didasarkan pada gejala-gejala yang teramati 37

38 Kategori Problem Sistem Pakar (2) Desain – menentukan konfigurasi komponen- komponen sistem yang cocok dengan tujuan- tujuan kinerja tertentu yang memenuhi kendala-kendala tertentu Perencanaan – merencanakan serangkaian tindakan yang akan dapat mencapai sejumlah tujuan dengan kondisi awal tertentu. 38

39 Kategori Problem Sistem Pakar (3) Debugging dan Repair – menentukan dan menginterpretasikan cara-cara untuk mengatasi malfungsi Instruksi – mendeteksi dan mengoreksi defisiensi dalam pemahaman domain subyek Pengendalian – mengatur tingkah laku suatu environment yang kompleks Selection – mengidentifikasi pilihan terbaik dari sekumpulan (list) kemungkinan 39

40 Kategori Problem Sistem Pakar (4) Simulation – pemodelan interaksi antara komponen-komponen sistem Monitoring – membandingkan hasil pengamatan dengan kondisi yang diharapkan 40

41 Kapan Menggunakan SP Sistem Pakar tidak dapat diterapkan untuk semua tipe domain dan tugas sbb: Algoritma konvensionalnya diketahui dan efisien Tantangan utamanya adalah komputasi, bukan knowledge Knowledge tidak dapat diperoleh secara mudah User mungkin segan untuk menerapkan sistem pakar untuk tugas-tugas kritis 41

42 Tool Sistem Pakar Languages - higher-level languages didesain khusus untuk merepresentasikan knowledge dan alasan - PROLOG, LISP, CLIPs, SAIL, KRL, KQML Shells - Sebuah tools dengan tujuan khusus didesain untuk tipe aplikasi tertentu dimana user hanya mensuplai basis pengetahuan. 42

43 Elemen Sistem Pakar Knowledge base Inference engine Working memory Agenda Explanation facility Knowledge acquisition facility User interface 43

44 Struktur Sistem Pakar (1) 44

45 Struktur Sistem Pakar (2) Knowledge acquisition facility Pengetahuan dapat diperoleh dari seorang pakar, buku teks (textbooks) atau laporan penelitian, dengan dukungan dari seorang knowledge engineer (seorang pakar yang memiliki spesialisasi dalam akuisisi pengetahuan). Knowledge base 2 jenis knowledge base adalah fakta (yaitu situasi dan teori) dan heuristics atau rule-rule. 45

46 Struktur Sistem Pakar (3) Inference engine Ia adalah otak dari suatu Sistem Pakar, bisa juga disebut dengan struktur kontrol (control structure) atau penerjemah rule ( rule interpreter dalam Rule-Based Systems). Ia adalah program komputer yang memiliki metodologi untuk melakukan reasoning (pertimbangan) mengenai informasi yang tersimpan dalam knowledge base dan dalam “working memory”, dan ia digunakan untuk memformulasikan konklusi. 46

47 Struktur Sistem Pakar (4) 3 elemen utama inference engine adalah: Interpreter (rule interpreter dalam kebanyakan sistem), yang mengeksekusi item agenda yang dipilih dengan mengaplikasikannya pada knowledge base rule yang berhubungan. Scheduler, yang menjaga kontrol di sepanjang agenda. Memperkirakan akibat dari pengaplikasian rule inferensia yang menampakkan prioritas item atau kriteria lain pada agenda. Consistency enforce, yang mencoba menjaga konsistensi representasi solusi yang muncul. 47

48 Struktur Sistem Pakar (5) Working Memory Ia adalah tempat menyimpan sementara untuk memproses rencana (plan), agenda, solusi, dan deskripsi masalah yang didapat dari knowledge base selama sesi konsultasi. 48

49 Struktur Sistem Pakar (6) User interface Sistem Pakar haruslah user friendly dan berorientasi pada masalah dalam hal antarmukanya. Knowledge refining system (IA & KB) Dengan komponen ini, pakar mampu untuk menganalisis kinerja dari Sistem Pakar, belajar daripadanya, dan meningkatkannya pada konsultasi selanjutnya. 49

50 Struktur Sistem Pakar (7) Explanation facility. Ini adalah kemampuan penelusuran kebenaran dari konklusi yang didapat dari sumber- sumbernya. Hal ini krusial untuk transformasi kepakaran dan penyelesaian masalah. Komponen ini mampu menelusuri kebenaran dan untuk menerangkan perilaku Sistem Pakar secara interaktif 50

51 Struktur Sistem Pakar (8) Explanation facility (lanjut) merupakan subsistem Sistem Pakar yang menjawab pertanyaan seperti: - Mengapa pertanyaan tertentu ditanyakan oleh Sistem Pakar? - Bagaimana konklusi tertentu dicapai? - Mengapa alternatif tertentu ditolak? - Rencana apakah yang ada untuk mencapai solusi? - Dan apa-apa saja selanjutnya yang harus dilakukan sebelum diagnosis final dapat ditentukan? 51

52 Elemen Manusia Dalam Sistem Pakar (1) Orang-orang yang terlibat dalam pengembangan dan penggunaan Sistem Pakar: Pakar. Knowledge Engineer User Pihak lain. Misalnya: system builder, tool builder, vendor, staf pendukung. 52

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

54 Elemen Manusia Dalam Sistem Pakar (3) 54 Gambar Diagram peranan manusia dalam Sistem Pakar

55 Jenis-jenis Sistem Pakar (1) Sistem Pakar vs. Knowledge-based Systems. Sistem Pakar mendapatkan pengetahuannya dari para pakar, sedang KBS dari sumber-sumber terdokumentasi. KBS lebih murah dan lebih cepat dibangun dibandingkan Sistem Pakar. Rule-Based Expert Systems. Pengetahuan direpresentasikan sebagai serangkaian rule- rule (production rules). 55

56 Jenis-jenis Sistem Pakar (2) Hybrid Systems Melibatkan berbagai pendekatan representasi pengetahuan, paling tidak frame dan rule, tapi biasanya lebih dari itu. Model-Based Systems Tersusun di sekitar model yang melakukan simulasi struktur dan fungsi dari sistem yang dipelajari. Model digunakan untuk menghitung nilai-nilai, yang dibandingkan dengan yang sedang diamati. Pembandingan tersebut memicu aksi (jika diperlukan) atau diagnosis lebih lanjut. 56

57 Jenis-jenis Sistem Pakar (3) Frame-Based Systems. Pengetahuan direpresentasikan sebagai frame, yaitu representasi dari pendekatan Pemrograman Berbasis Objek (OOP). Sistem siap pakai (off-the-Shelf Systems). Sebagai hasil dari produksi masal membuatnya lebih murah dibandingkan dengan sistem yang memenuhi keinginan user 57

58 Jenis-jenis Sistem Pakar (4) Sistem yang diklasifikasikan oleh sifat alamiahnya. Ada 3 jenis. (1) berhubungan dengan evidence gathering (pengumpulan bukti-bukti), (2) stepwise refinement system. Sistem ini berhubungan dengan sejumlah besar keluaran dari level-level detil sesudahnya. (3) stepwise assembly, dimana domain subjek dapat mempunyai jumlah keluaran yang luar biasa besar yang mungkin. Jenis khusus dari ini disebut dengan catalog selection. Sistem ini berhubungan dengan masalah seperti pemilihan bahan kimia, baja yang benar. 58

59 Sistem Pakar Berbasis Aturan (Rule) Pengetahuan dikodekan menjadi aturan IF... THEN Motor inferensi menentukan mana aturan yang terpenuhi lebih dahulu - sisi kiri harus cocok dengan fakta di dalam memori kerja Aturan yang terpenuhi ditempatkan pada agenda 59

60 Sistem Pakar Berbasis Aturan (Rule) Aturan pada agenda dapat diaktifasi - aturan yang teraktifasi mungkin menghasilkan fakta-fakta baru melalui sisi kanan - pengaktifan satu aturan bisa menyebabkan pengaktifan aturan yang lain 60

61 Contoh Aturan 61

62 MYCIN Sample Rule 62 Durkin 94, p.133

63 Inference Engine Cycle (1) Conflict resolution Memilih rule dengan prioritas tertinggi dari agenda Execution Menjalankan aksi pada rule yang terpilih berikutnya Menghapus rule dari agenda 63

64 Inference Engine Cycle (2) Match Perbaharui agenda Menambah rule-rule yang antecedentnya sesuai dengan agenda Menghapus rule dengan non-satisfied agenda Siklus berhenti ketika tidak ada rules pada agenda atau ketika perintah berhenti ditemukan 64

65 Metode Aktifasi Rules Forward Chaining Backward Chaining 65

66 Forward Chaining Forward chaining (data-driven) Reasoning/pertimbangan dimulai dari fakta-fakta menuju kesimpulan/konklusi Saat/begitu fakta-fakta tersedia, mereka digunakan untuk mencocokkan antecedents dari rule-rule Sebuah rule dapat diaktifkan jika semua bagian antecedent/yang mendahului terpenuhi Sering digunakan untuk real-time expert system monitoring dan control Examples: CLIPS, OPS5 66

67 Backward Chaining Backward chaining (query-driven) Berawal dari sebuah hipotesa (permintaan), aturan dan fakta yang mendukung dicari sampai seluruh bagian antecedent dari hipotesa terpenuhi Sering digunakan dalam sistem diagnosa dan konsultasi Example : EMYCIN 67

68 Dasar Sistem Pakar 68

69 Post Production Systems Production rules (aturan produksi) digunakan oleh logikawan Emil L. Post pada awal tahun 40-an dalam logika simbolik Hasil teori Post Setiap sistem dalam matematika atau logika dapat ditulis sebagai sebuah sistem produksi 69

70 Post Production Systems Prinsip dasar production rules Seperangkat aturan mengatur konversi dari satu set string menjadi set string yang lain Aturan ini juga dikenal sebagai aturan penulisan ulang Sintaks manipulasi string yang sederhana Tidak diperlukan pemahaman atau interpretasi Juga digunakan untuk mendefinisikan grammars dari bahasa Contoh BNF grammars dari bahasa pemrograman 70

71 Markov Algorithms Tahun 1950an, A.A. Markov memperkenalkan prioritas sebagai struktur control untuk sistem produksi Rule dengan prioritas lebih tinggi dilakukan lebih dahulu Mengijinkan eksekusi sistem produksi lebih efisien Tetapi masih tidak cukup efisien untuk Sistem Pakar dengan kumpulan rule yang besar 71

72 Rete Algorithm Dikembangkan oleh Charles L. Forgy pada tahun 70an untuk CMU’s OPS (Official Production System) shell Menyimpan informasi tentang antecedent dalam sebuah jaringan Di setiap cyclenya, ia hanya mengecek perubahan dalam jaringan Ini merupakan peningkatan efisiensi yang besar 72

73 Keuntungan Sistem Pakar (1) Meningkatkan output dan produktivitas. Meningkatkan kualitas. Mengurangi waktu kerusakan (downtime). Mengatasi kelangkaan kepakaran Fleksibilitas Pengoperasian peralatan lebih mudah. Menghilangkan kebutuhan akan peralatan yang mahal Operasi pada lingkungan yang membahayakan Akses ke pengetahuan (knowledge) dan help desk (sistem bantuan). 73

74 Keuntungan Sistem Pakar (2) Meningkatkan kemampuan berbagai sistem terkomputerisasi lainnya. Integrasi dari berbagai opini para pakar. Kemampuan bekerja dengan informasi yang tidak komplit dan tak pasti Penyediaan pelatihan (training) Peningkatan dalam hal penyelesaian masalah. Kemampuan menyelesaikan masalah yang kompleks. Transfer pengetahuan ke lokasi yang berbeda. Peningkatan kepada Sistem Informasi Berbasis Komputer lainnya. 74

75 Permasalahan Dan Keterbatasan Sistem Pakar (1) Pengetahuan tidak selalu tersedia Kepakaran sulit diekstraksi dari manusia Pendekatan untuk setiap pakar pada situasi tertentu selalu berbeda, dan tidak selalu benar. Walaupun pakar tersebut memiliki ketrampilan yang tinggi, sukar untuk mengabstraksikan kepakarannya pada situasi tertentu, apalagi pakar tersebut bekerja di bawah tekanan. User dari Sistem Pakar memiliki batasan kognitif alamiah. Sistem Pakar bekerja baik hanya pada domain yang terbatas/sempit. 75

76 Permasalahan Dan Keterbatasan Sistem Pakar (2) Kebanyakan pakar tidak memiliki rasa pengertian pengecekan yang independen walaupun konklusi mereka masuk akal. Kosa kata atau jargon yang digunakan pakar untuk mengekspresikan fakta dan relasinya biasanya jarang digunakan dan dimengerti oleh orang lain. Help seringkali dibutuhkan oleh knowledge engineer yang biasanya jarang tersedia dan mahal biayanya – sebuah fakta yang dapat membuat pembangunan Sistem Pakar lebih banyak memakan biaya. Kendala kepercayaan pada end-user bisa menghalangi penggunaan Sistem Pakar. Transfer pengetahuan bergantung pada persepsi dan bisa bias dalam prasangka. 76


Download ppt "1 SISTEM BERBASIS PENGETAHUAN S1 Sistem Informasi."

Presentasi serupa


Iklan oleh Google