Pertemuan 3 MKP Sistem Pakar

Presentasi berjudul: "Pertemuan 3 MKP Sistem Pakar"— Transcript presentasi:

1 Pertemuan 3 MKP Sistem Pakar Akuisisi & Validasi Pengetahuan (Knowledge Acquisition & Knowledge Validation) [bagian 1] Betha Nurina Sari, M.Kom

2 Akuisisi Pengetahuan (Knowledge Acquisition)

3 Knowledge Acquisition (akuisisi pengetahuan) (Turban,2005)
Akuisisi pengetahuan melibatkan akuisisi pengetahuan dari pakar manusia, buku, dokumen atau file komputer. Pengetahaun tersebut dapat spesifik terhadap domain persoalan atau terhadap proses pemecahan masalah, dan dapat pula berupa pengetahuan umum.

4 Tipe Pengetahuan dalam Basis Pengetahuan

5 Sumber Pengetahuan Pengetahuan dapat dikumpulkan dari banyak sumber misalnya pakar, buku, film, peta dll. Sumber pengetahuan : terdokumentasi tidak terdokumentasi akuisisi dari database akuisisi via internet

6 Tahapan Akuisisi Pengetahuan

7 Knowledge acquisition Top #11 Facts
Automated Knowledge Acquisition and Distribution IBM Watson- How it Works

8 Kesulitan dalam Akuisisi Pengetahuan
Expressing the knowledge (Mengekspresikan pengetahuan) Transfer to a Machine (Transfer ke sebuah Mesin) Structuring the knowledge (Penataan pengetahuan)

9 Analisis Grid Repertori
Metode Akuisisi Pengetahuan Tidak Terstruktur Terstruktur Analisis Protokol Observasi Selainnya Analisis Grid Repertori ETS Kriton Aquinas Editor Penjelasan Dokumentasi Alat bantu Front- End Wawancara Metode Pelacakan Metode Lainnya Mendukung Pakar Mendukung InsinyurPengetahuan Mesin Belajar Induksi Aturan Manual Semi Otomatis Otomatis Metode Akuisisi Pengetahuan

10 Cara-cara memperoleh /“elicitation” Pengetahuan dari Expert
Metode Manual Expert Knowledge Base Knowledge Engineer Documented Knowledge Coding Elicitation

11 Cara-cara memperoleh /“elicitation” Pengetahuan dari Expert
Metode Semiotomatis Computer Aided Interviewing (interactive) Coding Knowledge Base Expert Knowledge Engineer

12 Tujuan utama penggunaan banyak pakar
untuk memahami domain pengetahuan dengan lebih baik untuk meningkatkan validitas, konsistensi, kelengkapan, akurasi, dan relevansi basis pengetahuan. untuk menyediakan produktivitas yang lebih baik

13 Tujuan utama penggunaan banyak pakar
untuk mengidentifikasi hasil yang tidak tepat dengan lebih mudah untuk menangani domain yang lebih luas untuk memahami persoalan yang lebih kompleks dan menggabungkan kekuatan pendekatan pertimbangan yang berbeda.

14 Skenario banyak pakar (1)
Pakar individu Beberapa pakar menyumbangkan pengetahuan secara individu. Pakar primer dan sekunder Bertanggung jawab memvalidasi informasi yang diambil dari pakar domain lain.

15 Skenario banyak pakar (2)
Kelompok kecil beberapa pakar dapat dipertemukan untuk berunding dan diminta menyediakan informasi yang disetujui bersama. Panel membentuk dewan pakar untuk menangani banyak pakar.

16 BASIS PENGETAHUAN (Knowledge Base)
Penalaran berbasis aturan (rule-based reasoning) Pengetahuan direpresentasikan dengan menggunakan aturan berbentuk IF-THEN. Penalaran berbasis kasus (case-based reasoning) basis pengetahuan akan berisi solusi-solusi yang telah dicapai sebelumnya, kemudian akan diturunkan suatu solusi untuk keadaan yang terjadi sekarang (fakta yang ada).

17 Validasi Pengetahuan (Knowledge Validation)

18 Knowledge Validation (validasi pengetahuan) (Turban,2005)
Pengetahaun harus valid dan teruji (misalnya dengan menggunakan tes kasus) hingga kualitasnya dapat diterima. Hasil tes kasus biasanya ditunjukkan oleh pakar untuk menguji ketepatan (accuracy) dari sistem pakar.

19 Menguji Basis Pengetahuan
Ukuran (kriteria) Penjelasan Ketepatan (accuracy) Seberapa bagus sistem merefleksikan realitas Adaptabilitas Kemungkinan pengembangan /perubahan Kecukupan (adequacy) Bagian dalam pengetahuan yang dimasukkan dalam Basis Pengetahuan Daya tarik (appeal) Menstimulasi pemikiran dan kepraktisan

20 Menguji Basis Pengetahuan (lanjutan 1)
Ukuran (kriteria) Penjelasan Cakupan melebar (breadth) Seberapa jauh domain dicakup Cakupan mendalam (depth) Derajat pengetahuan detail Validitas sebenarnya (face validity) Kredibilitas pengetahuan Sifat umum (generality) Konsistensi saran, replikasi parameter sistem

21 Menguji Basis Pengetahuan (lanjutan 2)
Ukuran (kriteria) Penjelasan Ketepatan (precision) Liputan dalam basis pengetahuan Realisme Kemiripan dengan realitas Keandalan (reliability) Bagian sistem pakar yang benar secara empiris Kecakapan (robustness) Sesitivitas kesimpulan terhadap struktur model

22 Menguji Basis Pengetahuan (lanjutan 3)
Ukuran (kriteria) Penjelasan Sensitivitas Dampak perubahan basis pengetahuan terhadap output Validitas teknis dan operasional Kebaikan asumsi, konteks, konstrain, kondisi, dan dampaknya terhadap ukuran yang sebenarnya Uji Turing Kemampuan evaluator terhadap kesimpulan

23 Menguji Basis Pengetahuan (lanjutan 4)
Ukuran (kriteria) Penjelasan Kegunaan (usefulness) Seberapa cukup memecah -kan masalah Validitas Kemampuan BP untuk menghasilkan prediksi yang benar secara empiris

24 Akuisisi Pengetahuan (Knowledge Acquisition) [bagian 2]
Next >>> Akuisisi Pengetahuan (Knowledge Acquisition) [bagian 2]