Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

 Sistem berbasis komputer yang menggunakan pengetahuan, fakta, dan teknik penalaran dalam pemecahan masalah yang biasanya hanya dapat dipecahkan oleh.

Presentasi serupa


Presentasi berjudul: " Sistem berbasis komputer yang menggunakan pengetahuan, fakta, dan teknik penalaran dalam pemecahan masalah yang biasanya hanya dapat dipecahkan oleh."— Transcript presentasi:

1

2  Sistem berbasis komputer yang menggunakan pengetahuan, fakta, dan teknik penalaran dalam pemecahan masalah yang biasanya hanya dapat dipecahkan oleh seorang pakar dalam bidang tersebut. Selanjutnya di memodelkan kemampuan tersebut untuk menyelesaikan masalah seperti layaknya seorang pakar ( human expert ).

3  Sistem pakar dibuat pada wilayah pengetahuan tertentu untuk kepakaran tertentu yang mendekati kemampuan manuasia disuatu bidang.  Sistem pakar berusaha mencari solusi yang memuaskan sebagaimana yang dilakukan seorang pakar. Selain itu sistem pakar juga dapat memberikan penjelasan terhadap langkahyang diambil dan memberikan alasan atas saran atau kesimpulan yang ditemukan.

4  Sistem pakar biasanya digunakan untuk mendukung pemecahan masalah, seperti:  Pembuatan keputusan  menentukan jarak terpendek  Pemanduan pengetahuan  pemandu wisata dimuseum  Pembuatan desain  membuat desain produk  Perencanaan, perkiraan, pengaturan  PPIC  Pengendalian  Pengendalian kualitas  Diagnosis  mendiagnosis penyakit  Perumusan  ilmuwan pemula  Penjelasan  pendidikan  Pemberian nasehat  konsultan  Pelatihan  trainer

5  Sistem pakar dapat digunakan oleh:  Orang awam bukan pakar yang dapat digunakan untuk meningkatkan kemampuan mereka dalam memecahkan masalah.  Pakar sebagai asisten yang berpengetahuan.  Memperbanyak atau menyebarkan sumber pengetahuan yang semakin langka.

6  Terbatas pada bidang yang spesifik.  Dapat memberikan penalaran untuk data-data yang tidak lengkap atau tidak pasti.  Dapat mengungkapkan rangkaian alasan yang diberikannya dengan cara yang dapat dipahami.  Berdasarkan pada rule atau kaidah tertentu  Dirancang untuk dapat dikembangkan secara bertahap.  Outputnya bersifat nasehat atau anjuran.  Outputnya bergantung dari dialog dengan user.  Knowledge base dan inference engine terpisah.

7  Komponen utama:  Antar muka pengguna (user interface)  Perangkat lunak yang menyediakan media komunikasi antara pengguna dengan sistem  Basis data sistem pakar (expert system database)  Fasilitas akuisisi pengetahuan (knowledge aquitition facility)  Fasilitas Penjelasan  Mekanisme inferensi (Inference Mechanism)

8 Basis Pengetahuan (aturan) Mesin (Agenda) Memori Kerja (Fakta) Fasilitas Penjelasan Fasilitas Akuisisi Pengetahuan Antar Muka Pengguna

9  Perangkat lunak yang menyediakan media komunikasi antara pengguna dengan sistem

10  Berisikan pengetahuan setingkat pakar pada subyek tertentu. Berisikan pengetahuan untuk memahami, merumuskan dan menyelesaikan masalah.  Basis data terdiri dari dua elemen dasar:  Fakta, situasi masalah dan teori yang terkait.  Heurestik khusus atau rules yang langsung menggunakan pengetahuan untuk menyelesaikan masalah khusus.  Pengetahuan ini dapat berasal dari pakar, jurnal, majalah dan sumber pengetahuan lain.

11  Perangkat lunak yang menyediakan dialog antara pakar dengan sistem. Fasilitas akuisisi ini untuk memasukan 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 dalam program komputer, yang bertujuan untuk memperbaiki dan atau mengembangkan basis pengetahuan (knowledge base).

12  Perangkat lunak yang melakukan penalaran dengan menggunakan pengetahuan yang ada untuk menghasilkan suatu kesimpulan atau hasil akhir. Dalam komponen ini dilakukan pemodelan proses berfikir manusia.

13  Memberikan penjelasan kepada pengguna mengapa komputer meminta suatu informasi tertentu dari pengguna dan dasar apa yang digunakan komputer sehingga dapat menyimpulkan suatu kondisi.

14  Pakar (Domain expert): seorang ahli yang dapat menyelesaikan suatu masalah yang sedang diusahakan untuk dipecahkan oleh sistem.  Pembangun pengetahuan (Knowledge engineer): seorang yang menerjemahkan pengetahuan para pakar dalam bentuk deklaratif sehingga dapat digunakan oleh sistem pakar.  Pengguna (User): seseorang yang berkomunikasi dengan sistem untuk mendapatkan saran yang disediakan oleh pakar.  Pembangun sistem (System engineer): seseorang yang membuat antarmuka pengguna, merancang bentuk basis pengetahuan secara deklaratif dan mengimplementasikan mesin inferensi.

15  Masalah-masalah yang dapat diselesaikan dengan sistem pakar antara lain:  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 komplek yang didasarkan pada gejala-gejala teramati.  Desain: menentukan konfigurasi komponen-komponen sistem yang cocok dengan tujuan-tujuan kinerja tertentu yang memenuhi kendala-kendala tertentu.

16  Masalah-masalah yang dapat diselesaikan dengan sistem pakar antara lain:  Perencanaan: merencanakan serangkain tindakan yang akan dapat mencapai sejumlah tujuan dengan kondisi awal tertentu.  Debugging dan repair: menentukan dan menginterpretasikan cara-cara untuk mengatasi malfungsi.  Intruksi: mendeteksi dan mengoreksi defesiensi dalam pemahaman domain subyek

17  Masalah-masalah yang dapat diselesaikan dengan sistem pakar antara lain:  Pengendalian: mengatur tingkah laku suatu environment yang komplek.  Selection: mengidentifikasi pilihan terbaik dari sekumpulan (list) kemungkinan.  Simulation: pemodelan interaksi antara komponen- komponen sistem  Monitoring: membandingkan hasil pengamatan dengan kondisi yang diharapkan.

18

19

20 1. Logika (Logic) 2. Jaringan Semantik (Semantic Nets) 3. Obyek-Atribute-Value (OAV) 4. Bingkai (Frame) 5. Kaidah Produksi (Production Rule)

21  Pengertian Represtasi pengetahuan logika dalam melakukan penalaran, komputer menggunakan proses deduktif atau induktif kedalam bentuk yang sesuai dengan manipulasi komputer (logika simbolik, matematik). Logika komputasional ada 2, logika proposional (kalkulus) dan logika predikat.

22 1. Logika Proposional Merupakan suatu pernyataan/statement yang menyatakan benar (true) atau salah (false). Operator logika dan simbol

23  Contoh operasi logika

24 2. Logika Predikat

25  Contoh logika predikat

26

27  Contoh jaringan semantik

28  Pengertian

29  Contoh

30  Pengertian Bingkai digunakan untuk merepresentasikan pengetahuan deklaratif. Memuat deskripsi tentang obyek dengan menggunakan tabulasi informasi yang berhubungan dengan obyek.

31

32  Pengertian Kaidah yang menyediakan cara formal untuk merepresentasikan rekomendasi, arahan atau strategi. Kaidah produksi dituliskan dalam bentuk jika maka (if then). Menghubungkan anteseden dangan konsekuensi yang diakibatkannya.

33  Contoh beberapa struktur kaidah if then Macam kaidah produksi 1.Kaidah Derajat pertama (first order rule) 2.Kaidah meta (meta rule)

34 1. Kaidah derajat pertama Kaidah sederhana yang terdiri dari anteseden dan konsekuen.

35 2. Kaidah Meta Kaidah yang anteseden atau konsekuennya mengandung informasi tentang kaidah lainnya.

36

37  Definisi  Proses untuk menghasilkan informasi dari fakta yang diketahui atau diasumsikan. Jadi merupakan konklusi logis atau implikasi berdasarkan informasi yang tersedia.  Inferensi dalam sistem pakar, prosesnya dilakukan dalam suatu modul yang disebut Mesin Inferensi (Inference Enginee).  Ketika Representasi Pengetahuan (RP) pada bagian knowledge base sudah lengkap atau pada level yang cukup akurat, maka RP tersebut telah siap digunakan.

38  Runut Maju (Forward Chaining)  Menggunakan kumpulan aturan kondisi – aksi.  Dalam metode ini, data digunakan untuk menentukan aturan mana yang akan dijalankan. Mungkin proses menambahkan data ke memori kerja. Proses diulang sampai ditemukan suatu hasil.  Berikut menunjukan gambar cara kerja metode inferensi runut maju

39  Metode inferensi runut maju, cocok digunakan untuk menangani masalah pengendalian (controlling), dan peramalan (prediction)  Contoh metode inferensi runut maju:  JIKA Penderita terkena penyakit epilepsi Ideopatik dengan CF (Certain Factor) antara 0,4 s/d 0,6.  MAKA Berikan obat carbamazepine

40  Metode Runut Balik (Backward Chaining)  Metode penalaran kebalikan dari runut maju.  Penalaran dimulai dengan tujuan merunut balik ke jalur yang akan mengarahkan ke tujuan tersebut  Berikut gambar proses penalaran metode runut balik.

41  Metode runut balik, merupaka cara yang efisien untuk memecahkan masalah yang dimodelkan sebagai masalah pemilihan struktur. Tujuannya mengambil pilihan terbaik dari banyak kemungkinan.  Metode runut balik cocok diterapkan untuk memecahkan masalah diagnosis.

42  Contoh penalaran metode runut balik:  Aturan 1:  Mengalami epilepsi ideopatik lokal dengan certainty factor 0,63.  JIKA tipe sawan parsial sederhana  DANEEG menunjukan adanya fokus  DANPenyebabnya tidak diketahui  Aturan 2:  Mengalami tipe sawan parsial sederhana dengan certainty factor 0,63.  JIKAMengalami motorik fokal menjalar atau tanpa menjalar  ATAUGerakan versif, dengan kepala dan leher menengok ke satu sisi  ATAUGejala sensorik fokal menjalar atau sensorik khusus berupa halusinasi sederhana  Untuk mencari tujuan, yakni mengidentifikasi penyakit epilepsi ideopatik, sistem akan mengambil informasi dari subgoal yang paling rendah tingkatannya. Selanjutnya sistem akan memberikan pertanyaan mengenai gejala-gejala yang pada akhirnya akan menentukan jenis penyakitnya.

43  Latar belakang  Permasalahan sering jawaban yang ditemukan tidak memiliki kepastian penuh (100%).  Sitem pakar dapat bekerja dalam kondisi masalah ketidakpastian.  Sejumlah teori yang digunakan menyelesaikan masalah ketidakpastian:  Probabilitas klasik  Probabilitas bayes  Bayesian network  Teori Hartley  Himpunan klasik  Teori Shannon  Probabilitas  Teori Fuzzy Zadeh  Faktor Kepastian

44  Pengertian Faktor Kepastian  CF pertama kali dikeluarkan oleh Shortlife Buchanan dalam pembuatan MYCHIN.  Merupakan nilai parameter klinis yang diberikan untuk menunjukan besarnya kepercayaan.

45 Kombinasi Aturan

46

47

48

49

50

51

52

53  Selamat belajar


Download ppt " Sistem berbasis komputer yang menggunakan pengetahuan, fakta, dan teknik penalaran dalam pemecahan masalah yang biasanya hanya dapat dipecahkan oleh."

Presentasi serupa


Iklan oleh Google