Pertemuan 9 PENGANTAR SISTEM PAKAR Betha Nurina Sari, M.Kom

SISTEM PAKAR Definisi Sistem Pakar Keuntungan dan Kelemahan Sistem Pakar Konsep Dasar Sistem Pakar Struktur Sistem Pakar Basis Pengetahuan (Knowledge Base) Motor Inferensi (Inference Engine) Ciri-ciri Sistem Pakar Permasalahan yang ditangani Sistem Pakar Mengembangkan Sistem Pakar

Definisi Menurut Durkin : Sebuah program komputer yang dirancang untuk memodelkan kemampuan menyelesaikan masalah seperti layaknya seorang pakar (human expert) Sistem yang berusaha mengadopsi pengetahuan manusia ke komputer agar dapat menyelesaikan masalah seperti yang dilakukan pakar.

Perbandingan Pakar dg Sistem Pakar

Keuntungan Sistem Pakar (1) Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli Bisa melakukan proses secara berulang secara otomatis Menyimpan pengetahuan dan keahlian para pakar Meningkatkan output dan produktivitas Meningkatkan kualitas Mampu mengambil dan melestarikan keahlian para pakar (terutama yang termasuk keahlian langka) Mampu beroperasi dalam lingkungan yang berbahaya

Keuntungan Sistem Pakar (2) Tidak memerlukan biaya saat tidak digunakan Dapat digandakan (diperbanyak) sesuai kebutuhan dengan waktu yang minimal dan sedikit biaya Dapat memecahkan masalah lebih cepat daripada kemampuan manusia dengan catatan menggunakan data yang sama. Menghemat waktu dalam pengambilan keputusan Memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan mengandung ketidakpastian.

Keuntungan Sistem Pakar (3) Meningkatkan kualitas dan produktivitas karena dapat memberi nasehat yang konsisten dan mengurangi kesalahan Meningkatkan kapabilitas sistem terkomputerisasi yang lain. Mampu menyediakan pelatihan. Pengguna pemula yang bekerja dengan sistem pakar akan menjadi lebih berpengalaman. Fasilitas penjelas dapat berfungsi sebagai guru.

Kelemahan Sistem Pakar Biaya yang diperlukan untuk membuat, memelihara, dan mengembangkannya sangat mahal Sulit dikembangkan Sistem pakar tidak 100% benar Pendekatan oleh setiap pakar untuk suatu situasi atau problem bisa berbeda-beda, meskipun sama-sama benar. Transfer pengetahuan dapat bersifat subjektif dan bias Kurangnya rasa percaya pengguna dapat menghalangi pemakaian sistem pakar.

Contoh Sistem Pakar TA KCB Sistem Pakar Menentukan Kepribadian Semantic Inteligence DEMODROID - Deteksi Kerusakan Mobil Berbasis Android

Konsep Dasar Sistem Pakar Keahlian Ahli/pakar Pengalihan keahlian Mengambil keputusan Aturan Kemampuan menjelaskan

Perbedaan Sistem Konvensional vs Sistem Pakar

Struktur 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

Struktur Sistem Pakar

Struktur Sistem Pakar 1. Antarmuka Pengguna (User Interface) Media komunikasi antara user dan program 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. 3. Akuisisi Pengetahuan (Knowledge Acquisition) Akuisisi pengetahuan adalah akumulasi, transfer, dan transformasi keahlian dalam menyelesaikan masalah dari sumber pengetahuan ke dalam program komputer

Struktur Sistem Pakar 4. Mesin/Motor Inferensi (inference engine) Komponen ini mengandung mekanisme pola pikir dan penalaran yang digunakan oleh pakar dalam menyelesaikan suatu masalah. 5. Workplace / Blackboard Workplace merupakan area dari sekumpulan memori kerja (working memory), digunakan untuk merekam kejadian yang sedang berlangsung termasuk keputusan sementara. 6. Fasilitas Penjelasan Komponen tambahan yang akan meningkatkan kemampuan sistem pakar. 7. Perbaikan Pengetahuan Pakar memiliki kemampuan untuk menganalisis dan meningkatkan kinerjanya serta kemampuan untuk belajar dari kinerjanya.

BASIS PENGETAHUAN Basis Pengetahuan berisi pengetahuan-pengetahuan dalam penyelesaian masalah di dalam domain tertentu. Ada 2 bentuk pendekatan : Penalaran berbasis aturan (Rule Based Reasoning) Penalaran berbasis Kasus (Case-Based Reasoning)

Penalaran berbasis Aturan (Rule Based Reasoning) Pengetahuan direpresentasikan dengan aturan berbentuk IF-THEN. Digunakan apabila kita memiliki sejumlah pengetahuan pakar pada suatu permasalahan tertentu. 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

Elemen dari Sistem Berbasis Aturan Himpunan fakta: Pernyataan dan relevan dengan statis awal dari sistem.Berupa data dan kondisi. Contoh: suhu < 0 Suhu adalah data dan kondisi adalah <0. Himpunan aturan (rule): Semua tindakan yang perlu diambil untuk menyelesaikan masalah, berdasarkan fakta.Aturan menghubungkan fakta dalam IF dengan actionpada bagian THEN. Kriteria berhenti: kondisi yang menentukan bahwa solusi telah ditemukan atau tidak ada.

CONTOH

CONTOH

Penalaran berbasis Kasus (Case-Based Reasoning) Basis pengetahuan akan berisi solusi-solusi yang telah dicapai sebelumnya, kemudian akan diturunkan solusi untuk yang terjadi sekarang (fakta yang ada) Digunakan apabila user menginginkan untuk tahu lebih banyak lagi pada kasus-kasus yang hampir sama. Digunakan apabila kita telah memiliki sejumlah situasi atau kasus tertentu dalam basis pengetahuan. Contoh : CBR in game

MOTOR INFERENSI Forward Chaining Backward Chaining Dimulai dengan fakta awal dan tetap menggunakan rules untuk menarik kesimpulan baru (atau mengambil tindakan tertentu). Backward Chaining Dimulai dengan beberapa hipotesis (atau goal) untuk membuktikan, dan terus mencari rules yang memungkinkan penyimpulan terhadap hipotesis tersebut, dengan mengatur sub-goal baru untuk dibuktikan. Sistem forward chaining utamanya bersifat data-driven, sedangkan backward chaining bersifat goal-driven.

Forward Chaining

SISTEM FORWARD CHAINING

SISTEM FORWARD CHAINING 1)Cocokkan bagian IF dari setiap rule terhadap fakta-fakta dalam working memory. 2)Jika ada lebih dari satu rule yang dapat digunakan(lebih dari satu rule yang berjalan), pilih satu yang akan diaplikasikan dengan menggunakan resolusi konflik. 3)Berlakukan rule tersebut. Jika fakta baru diperoleh, tambahkan ke working memory. 4)Stop (atau exit) ketika kesimpulan ditambahkan ke working memory atau jika ada rule yang menetapkan proses berhenti.

Backward Chaining

SISTEM BACKWARD CHAINING

SISTEM BACKWARD CHAINING Terdiri dari 3 langkah utama: 1. Pilih rules yang konklusi-nya sesuai dengan goal. 2. Ganti goal dengan premis dari rule terpilih. Jadikan sebagai sub-goals. 3. Kerjakan backwards sampai semua sub-goals bernilai true. Ini dicapai dengan: –Ditemukannya fakta (dalam working memory) atau –Pengguna menyediakan informasi tersebut.

Ciri-ciri Sistem Pakar Memiliki fasilitas informasi yang handal Mudah dimodifikasi Dapat digunakan dalam berbagai jenis komputer Memiliki kemampuan untuk belajar beradaptasi

Permasalahan yang ditangani Sistem Pakar Interpretasi Pengambilan keputusan dari hasil observasi,pengenalan ucapan, analisis citra, interpretasi sinyal. Prediksi Peramalan, prediksi demografis, prediksi lalu lintas, prediksi pemasaran. Diagnosis Medis, mekanis,elektronis, dan diagnosis software

Permasalahan yang ditangani Sistem Pakar Perancangan Layout sirkuit dan perancangan bangunan Perencanaan Perencanaan keuangan, komunikasi, militer, pengembangan produk, manajemen proyek Monitoring Computer-Aided Monitoring System : Sistem Monitoring yang dengan bantuan Komputer

Permasalahan yang ditangani Sistem Pakar Debugging Memberikan resep obat terhadap suatu kegagalan Instruksi Melakukan instruksi untuk diagnosis, debugging, dan perbaikan kerja Kontrol Melakukan kontrol terhadap interpretasi, prediksi, perbaikan, monitoring,dst.

Tahap Mengembangkan Sistem Pakar Tahap 1 : Identifikasi Masalah dan Kebutuhan Tahap 2 : Koleksi Pengetahuan Tahap 3 : Perancangan Struktur Tahap 4 : Tes/Evaluasi Tahap 5 : Produk -Dokumentasi Tahap 6 : Pemeliharaan 5 Step

NEXT LOGIKA FUZZY