SISTEM BERBASIS PENGETAHUAN PENDAHULUAN HENKI FDS R

SISTEM BERBASIS PENGETAHUAN PENDAHULUAN HENKI FDS R

DESKRIPSI PERKULIAHAN Mata Kuliah Sistem Berbasis Pengetahuan (2 SKS) Tujuan :  Mhs mampu memahami SBP : karakteristik, penggunaan, manfaat dan arsitektur  Memecahkan masalah nyata dan memodelkan dengan SBP

ATURAN PERKULIAHAN Tingkat kehadiran 75% Toleransi keterlambatan : 30 menit

Tidak ada ujian susulan untuk UTS dan UAS (tidak terkecuali sakit) Berbuat curang dalam tugas/ujian, nilai =0 Boleh membuka hp atau laptop di luar ruangan.

LINGKUP BAHASAN SBP dan sistem pakar: definisi, arsitektur, pengembangan, masalah Overview representasi pengetahuan  Logika proposisi / predikat, production rules, DT

Logika Fuzzy dan Jaringan Syaraf Tiruan Masalah klasifikasi dan konstruksi Contoh sistem pakar

REFERENSI Dym, Clive L & Levitt, Raymond E, Knowlegde-Based Systems in Engineering, McGraw-Hill, Singapore, 1991 Endra Pitowarno, Robotika: Disain, Kontrol, dan Kecerdasan Buatan, Andi, Yogyakarta, 2006. Giarratano, J and G. Riley, Expert System : Principle and Programming, 4th ed, PWS Kent, USA,2004

Suryadi HS, Pengantar Sistem Pakar, Gunadarma, Jakarta, 1994 http://www.aaai.org/aitopics/html/soft.html

http://www.cs.cmu.edu/afs/cs/project/airepository/ai/areas/expert/systems/clips/0.html

PENGANTAR SISTEM BERBASIS PENGETAHUAN

MENGAPA DIBUTUHKAN? Meningkatkan ketersediaan pakar Kepakaran: sulit diperoleh, jumlah sedikit,mahal. SBP/ES: Produksi dan distribusi masal kepakaran Menjaga kepakaran bersifat permanen Performansi lebih baik dari pakar manusia: stabil, unemotional, respon reasonable

MENGAPA DIBUTUHKAN? (2) Meningkatkan confidence keputusan  Output SBP: pendapat kedua  Penjelasan detil reasoning →pakar manusia mungkin tidak mau/tidak dapat melakukannya

Intelligent tutor Mengevaluasi pengetahuan pakar: correctness, consistency, completeness

SBP DAN SISTEM PAKAR SBP:  Sistem yang melakukan task dengan mengaplikasikan pengetahuan dalam representasi simbolik

Sistem pakar:  simulasi pakar: pengetahuan dan penalaran  sistem komputer yang meniru kemampuan pengambilan keputusan pakar pada domain tertentu

SISTEM BERBASIS PENGETAHUAN Sistem Komputer Sistem Berbasis Pegetahuan Robotik

Sistem Pakar Games

HUBUNGAN PROBLEM DOMAIN DAN KNOWLEDGE DOMAIN Problem Domain Knowledge Domain

Knowledge Domain

DEFINISI SISTEM PAKAR Sistem komputer yang dapat melakukan penalaran terhadap persoalan tertentu seperti penalaran yang dilakukan manusia (Michael P. Geografi) Sistem Komputer yang bisa menyamai atau meniru kemampuan seorang pakar (Giarratano dan Riley) Program komputer yang dimanfaatkan untuk meniru proses pengambilan keputusan seorang pakar dalam bidang tertentu (Michael W. Parks) Etc.

TUJUAN DAN FUNGSI SISTEM PAKAR Memasyarakatkan Pengetahuan dan Pengalaman seorang Pakar Dapat digunakan non-expert untuk meningkatkan kemampuan pemecah- an masalah dan oleh expert sebagai knowledgeable assistant Menyederhanakan pekerjaan dan memperbaiki kualitas Memecahkan masalah (sederhana) tanpa kehadiran seorang pakar

EXPERTISE ATAU KEPAKARAN

Meliputi pengetahuan tentang : Fakta-fakta dan teori-teori tentang bidang permasalahan Aturan-aturan (heuristic) tentang apa yang harus dikerjakan dalam situasi tertentu

Strategi global untuk memecahkan perma-salahan semacam ini Pengetahuan tentang pengetahuan (meta knowledge)

PAKAR Melibatkan kegiatan :

Mengenali dan memformulasikan permasa- lahan Memecahkan permasalahan secara cepat dan tepat Menerangkan pemecahannya

Belajar dari pengalaman Merestrukturisasi pengetahuan Memecahkan aturan-aturan Menentukan relevansi

KOMPONEN UTAMA SISTEM PAKAR

User

Expertise

Facts / Information

Expertise Developer

User Interface

Knowledge Base

Inference Engine

KOMPONEN UTAMA SISTEM PAKAR User Interface  Interaksi dengan end-user  Pengembangan dan pemeliharaan sistem

Knowledge Base  Berisi informasi penting tentang domain permasalahan  Menyatakan fakta dan aturan

KOMPONEN UTAMA SISTEM PAKAR (2) Inference Engine  Mekanisme untuk memunculkan pengetahuan baru dari pengetahuan sistem dan informasi yang diberikan oleh user  Berdasarkan penggunaan aturan

USER INTERFACE Input expert system  Input dapat berbentuk menu, perintah (command), bahasa alamiah, dialog box

Output expert system  Penjelasan dari pertanyaan  Penjelasan dari penyelesaian masalah

KNOWLEDGE BASE Contoh aturan  Jika suhu 39 dan trombosit menurun tajam maka demam berdarah (0.7)

Jaringan aturan Kesimpulan

Kesimpulan

Bukti

Bukti

Kesimpulan

Bukti

Bukti

Bukti

Bukti

Bukti

Bukti

INFERENCE ENGINE Proses penalaranJika A maka B Jika B atau D maka K Jika C maka D

Jika M maka E

Jika K dan L maka N

Jika E maka L Jika N atau O maka P

Jika K maka F

Jika G maka H

Jika I maka J

Jika (F dan H) atau J maka M

Jika M maka O

DEVELOPMENT ENGINE Bahasa pemrograman  LISP, Prolog

Contoh program sistem pakar Mycin  Dikembangkan oleh Edward Shortliffe (peneliti) & Stanton Axline (dokter)  Mycin diciptakan untuk mendiagnosa penyakit menular tertentu

Peran sistem analis  Mengerti bagaimana pakar menerapkan pengetahuan mereka dalam memecahkan masalah  Mampu mengekstrasi penjelasan mengenai pengetahuan dari pakar

BAHASA-BAHASA PEMROGRAMAN SISTEM PAKAR LisP

Insight 2 +

ProLog

Amzy Logic

ExSys

JESS

PC +

CLIPS

Expert Ease

Etc.

KONSEP UMUM DAN KARAKTERISTIK SISTEM PAKAR Akusisi pengetahuan

 transfer pengetahuan dari manusia ke komputer  Kadang pengetahuan dipelajari langsung oleh sistem dari lingkungan  machine learning

Representasi pengetahuan

 Mempermudah untuk menyimpan dan memroses pengetahuan di komputer

Inferensi

 Mekanisme untuk menghasilkan kesimpulan baru dari pengetahuan di komputer

Penjelasan

 Menjelaskan ke pengguna bagaimana dan mengapa sebuah solusi dihasilkan.

PENGEMBANGAN TEKNOLOGI SISTEM PAKAR Sangat dipengaruhi oleh pengetahuan kognitif dan matematika  Cara manusia menyelesaikan masalah  Dasar utama seperti logika dan inferensi

Aturan produksi sebagai mekanisme representasi  IF … THEN type rules  reasonably close to human reasoning  can be manipulated by computers  appropriate granularity  knowledge “chunks” are manageable both for humans and for computers

[Dieng et al. 1999]

CONTOH SISTEM PAKAR DENDRAL  Identifikasi molekul kimia

MYCIN  Diagnosis penyakit

PROSPECTOR  Analisis data geologi untuk keberadaan mineral  Menemukan deposit mineral senilai $100 million

XCON/R1  konfigurasi sistem komputer DEC VAX

JANGAN GUNAKAN SBP JIKA : Program konvensional lebih efisien Tantangan utamanya komputasi, bukan pengetahuan

Pengetahuan tidak bisa didapatkan dengan mudah Pengguna mungkin enggan mengaplikasikan sistem pakar untuk task yang kritis