6 Sistem Pakar (EXpert System) 20141114
Definisi
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).
Ruaing Liingkup
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.
Keguinaain
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
Pemakai Sistem Pakar
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.
Ciri-ciri sistem pakar
Terbatas pada bidang yang spesifk. 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.
Arsitektur Sistem Pakar
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)
Diagram Arsitektur Sistem Pakar
Basis Pengetahuan (aturan) Mesin
(Agenda) Memori Kerja (Fakta)
Fasilitas Penjelasan Fasilitas Akuisisi
Pengetahuan Antar Muka Pengguna
Aintar muka peingguina (user iinterface)
Perangkat lunak yang menyediakan media
komunikasi antara pengguna dengan sistem
Basis data sistem pakar
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.
Fasilitas Akuisisi Peingetahuain
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).
Mekainisme Iinfereinsi
Perangkat lunak yang melakukan penalaran dengan menggunakan pengetahuan yang ada untuk menghasilkan suatu kesimpulan atau hasil akhir. Dalam komponen ini dilakukan pemodelan proses berfkir manusia.
Fasilitas Peinjelasain
Memberikan penjelasan kepada pengguna mengapa komputer meminta suatu informasi tertentu dari pengguna dan dasar apa yang digunakan komputer sehingga dapat menyimpulkan suatu kondisi.
Oraing yaing terlibat dalam sistem pakar
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.
Kategori masalah sistem pakar
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 konfgurasi komponen- komponen sistem yang cocok dengan tujuan-tujuan kinerja tertentu yang memenuhi kendala-kendala tertentu.
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
Masalah-masalah yang dapat diselesaikan dengan sistem pakar antara lain:
Pengendalian: mengatur tingkah laku suatu environment yang komplek.
Selection: mengidentifkasi pilihan terbaik dari sekumpulan (list) kemungkinan.
Simulation: pemodelan interaksi antara komponen-komponen sistem
Monitoring: membandingkan hasil pengamatan dengan kondisi yang diharapkan.
Represeintasi Peingetahuain
Definisi
Macam Model Represeintasi Peingetahuain 1
Logika (Logic) 2. Jaringan Semantik (Semantic Nets) 3. Obyek-Atribute-Value (OAV) 4. Bingkai (Frame) 5. Kaidah Produksi (Production Rule)
I. Logika (Logic)
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.
Macam Logika Komputasioinal 1
Logika Proposional
Merupakan suatu pernyataan/statement yang
menyatakan benar (true) atau salah (false).Operator logika dan simbol
Contoh operasi logika
Contoh logika predikat
Contoh jaringan semantik
Cointoh diatas merepreseintasikain bahwa semua
komputer merupakain alat elektroinik, semua PC
merupakain komputer dain semua komputer memiliki
III. Object – Atribute – Value (OAV)
Pengertian
Contoh
Pengertian
Bingkai digunakan untuk merepresentasikan pengetahuan
deklaratif. Memuat deskripsi tentang obyek dengan menggunakan tabulasi informasi yang berhubungan dengan obyek.
Cointoh represeintasi peingetahuain
biingkaiV. Kaidah Produksi
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.
Contoh beberapa struktur kaidah if then
- Macam kaidah produksi
1. Kaidah Derajat pertama (frst order rule)
2. Kaidah meta (meta rule)
Kaidah sederhana yang terdiri dari anteseden dan konsekuen. Kaidah yang anteseden atau konsekuennya mengandung informasi tentang kaidah lainnya.
Cointoh kaidah meta (meta rule)
Mesiin Iinfereinsi
Defnisi
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.
Dua metode iinfereinsi dalam
sistem pakar 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
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
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.
Metode runut balik, merupaka cara yang efsien 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.
Contoh penalaran metode runut balik:
Aturan 1: Mengalami epilepsi ideopatik lokal dengan certainty factor 0,63.
JIKA tipe sawan parsial sederhana DAN EEG menunjukan adanya fokus DAN Penyebabnya tidak diketahui
Aturan 2:
Mengalami tipe sawan parsial sederhana dengan certainty factor 0,63.
JIKA Mengalami motorik fokal menjalar atau tanpa menjalar ATAU Gerakan versif, dengan kepala dan leher menengok ke satu sisi ATAU Gejala sensorik fokal menjalar atau sensorik khusus berupa halusinasi sederhana
Untuk mencari tujuan, yakni mengidentifkasi 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.
Cointoh peingguinaain Iinfereinsi deingain Faktor
Kepastiain
(Certaiinty Factor)
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
Pengertian Faktor Kepastian
CF pertama kali dikeluarkan oleh Shortlife Buchanan dalam pembuatan MYCHIN.
Merupakan nilai parameter klinis yang diberikan untuk menunjukan besarnya kepercayaan.
Kombinasi Aturan
Cointoh Kombiinasi Evideince (E) Model Seri
Cointoh Kombiinasi Evideince (E) Model Paralel
Selamat belajar