Pengenalan Sistem Pakar. Sistem Pakar

(1)

Pengenalan Sistem Pakar

(2)

Definisi Sistem Pakar

• Durkin :

– Suatu program komputer yang dirancang untuk memodelkan

kemampuan penyelesaian masalah yang dilakukan oleh seorang pakar

• Ignizio :

– Suatu model dan prosedur yang berkaitan, dalam suatu domain

tertentu, yang mana tingkat keahliannya dapat dibandingkan dengan keahlian seorang pakar

keahlian seorang pakar

• Giarratano & Riley :

– Suatu sistem komputer yang bisa menyamai atau meniru kemampuan seorang pakar

• E. Feigenbaum :

– Sebuah program komputer cerdas yang menggunakan pengetahuan dan prosedur inferensi untuk menyelesaikan masalah yang cukup sulit sehingga memerlukan kepakaran seseorang

(3)

Pengertian Sistem Pakar

• Membuat S/W Expert Systems sebagai

penasehat/konsultan pakar

• Tidak untuk menggantikan kedudukan seorang pakar

ttp u/ memasyarakatkan pengetahuan &

pengalamaan pakar tsb.

• Memungkinkan orang lain meningkatkan

produktivitas, memperbaiki kualitas keputusan dll

• Dapat mengumpulkan dan penyimpan pengetahuan

seorang/beberapa orang pakar ke dalam komp.

_u/

semua orang yang memerlukan

(4)

(5)

(6)

(7)

Siapakah Pakar (Expert) ?

• Seorang pakar/ahli (human expert) adalah

seorang individu yang memiliki kemampuan

pemahaman yang superior dari suatu

masalah.

– Contoh: seorang dokter, penasehat keuangan,

pakar mesin mobil, dll.

(8)

Kepakaran (Expertise)

• Pemahaman yang luas dari tugas atau

pengetahuan spesifik yang diperoleh dari

pelatihan, membaca dan pengalaman.

(9)

Kemampuan Kepakaran

• Dapat mengenali (recognizing) dan merumuskan

masalah

• Menyelesaikan masalah dengan cepat dan tepat

• Menjelaskan solusi

• Belajar dari pengalaman

• Restrukturisasi pengetahuan

• Menentukan relevansi/hubungan

• Memahami batas kemampuan

(10)

Bentuk Pengetahuan dalam

Kepakaran

• Fakta-fakta

• Teori-teori dari permasalahan

• Aturan dan prosedur yang mengacu pada area

permasalahan

• Aturan (heuristik) yang harus dikerjakan pada situasi

yang terjadi

• Strategi global untuk menyelesaikan berbagai jenis

masalah

• Meta-knowledge (pengetahuan tentang

pengetahuan)

(11)

Komponen Utama Sistem Pakar

U

se

r I

n

te

rf

ac

e

Knowledge Base Expertise

U

se

r I

n

te

rf

ac

e

Inference Engine Expertise Facts / Information

(12)

Komponen Utama Sistem Pakar

• Knowledge base (Basis Pengetahuan)

– berisi semua fakta, ide, hubungan, aturan dari suatu domain permasalahan

• Inference Engine (Motor inferensi )

– bertugas untuk menganalisis pengetahuan dan menarik kesimpulan berdasarkan knowledge base dan aturan.

• User Interface

– Interaksi dengan user

– Membangun dan memelihara basis pengetahuan (knowledge base)

(13)

Domain Sistem Pakar

Problem Domain (Domain Masalah)

Knowledge Domain (Domain Pengetahuan)

(14)

Konsep Umum Sistem Pakar

• knowledge acquisition

– transfer knowledge dari manusia atau sumber lainnya ke komputer

• knowledge representation

– Penyimpanan dan pemrosesan pengetahuan dalam – Penyimpanan dan pemrosesan pengetahuan dalam

komputer

• inference

– Mekanisme pengambilan kesimpulan dari pengetahuan dalam komputer

• explanation

– Menjelaskan kepada user apa dan bagaimana solusi yang dihasilkan

(15)

Tahap Pengembangan Sistem

Pakar

• Proses pembuatan SP knowledge engineering yg dilakukan oleh

knowledge engineer. Selain itu domain expert dan end user.

• Tugas knowledge engineer adalah memilih S/W & H/W u/ pembuatan

Human Expert

Dialog

memilih S/W & H/W u/ pembuatan SP, membantu mengambil

pengetahuan yg dibutuhkan dari pakar domain, serta implementasi pengetahuan pada basis

pengetahuan yg benar & efisien

• Tugas pakar domain : menyediakan pengetahuan ttg bid problem yg dihadapi, memahami teknik-teknik pemecahan problema yg dipakai.

Knowledge Engineer

Knowledge Base Of Expert System Explicit Knowledge

(16)

Pengembangan Teknologi

Sistem Pakar

• Sangat dipengaruhi oleh pengetahuan kognitif

dan matematika

– Cara manusia memecahkan masalah

– Dasar formal, terutama logika dan inferensi

• Aturan produksi sebagai mekanisme

representasi

– Tipe aturan IF … THEN

– Mirip dengan cara manusia memberi alasan

– Explanation facility

(17)

Rules and Humans

• Rules dapat digunakan untuk memformulasikan teori human information processing (Newell & Simon)

– rules disimpan dalam memori jangka panjang

– pengetahuan sementara diletakkan di memori jangka pendek

– input sensor atau berpikir memicu aktifasi dari – input sensor atau berpikir memicu aktifasi dari

aturan-aturan

– aturan yang telah diaktifkan mungkin memicu aktifasi berikutnya

– pengolah kognitif mengkombinasikan bukti-bukti dari aturan-aturan yang sedang diaktifkan

• Model ini adalah dasar dari desain sistem berbasis aturan (rule-based systems)

(18)

Perkembangan Teknologi SP

• MYCIN

– Dirancang oleh Edward Feigenbaum (Universitas Stanford) th ’70 an SP medical yg dpt mendiagnosa infeksi bakteri &

rekomendasi pengobatan antibiotik

• DENDRAL • DENDRAL

– - SP struktur molekular & kimia

• PROSPECTOR

– Membantu ahli geologi yg mencari & menemukan biji deposit (mineral& batu-batuan). Didesign oleh Sheffield Research Institute, akhir ‘70an

• XCON (R1)

– SP konfigurasi sistem komputer dasar. Dikembangkan oleh Digital Equipment Corporation (DEC) dan Carnegie Mellon Universitas (CMU), akhir ’70 an.Untuk sistem komputer DEC

(19)

Perkembangan Teknologi SP

• DELTA

– Didesign & dikembangkan oleh General Electric Company – SP personal maintenance dg mesin lokomotif listrik diesel.

• YESMVS

– Didesign oleh IBM awal th ‘80an – Didesign oleh IBM awal th ‘80an

– Membantu operator komputer & mengontrol sistem operasi MVS (multiple virtual storage)

• ACE

– Didesign & dikembangkan oleh AT&T Bell Lab awal th ‘80an

(20)

Kategori Problema SP

• Interpretasi – membuat kesimpulan atau deskripsi dari sekumpulan data mentah.

• Prediksi – memproyeksikan akibat-akibat yang dimungkinkan dari situasi-situasi tertentu

• Diagnosis – menentukan sebab malfungsi dalam • Diagnosis – menentukan sebab malfungsi dalam

situasi kompleks yang didsarkan pada gejala-gejala yang teramati

• Desain – menentukan konfigurasi

komponen-komponen sistem yang cocok dengan tujuan-tujuan kinerja tertentu yang memnuhi kendala - kendala tertentu

• Perencanaan – merencanakan serangkaian tindakan yang akan dapat mencapai sejumlah tujuan dengan

(21)

Kategori Problema SP

• Debugging dan Repair – menentukan dan

menginterpretasikan cara-cara untuk mengatasi malfungsi.

• Instruksi – mendeteksi dan mengoreksi defisiensi dalam pemahaman domain subyek

dalam pemahaman domain subyek

• Pengendalian – mengatur tingkah laku suatu environment yang kompleks

• Selection – mengidentifikasi pilihan terbaik dari sekumpulan (list) kemungkinan

• Simulation – pemodelan interaksi antara komponen-komponen sistem

(22)

Kunci Sukses Sistem Pakar

• Meyakinkan gagasan

– Aturan-aturan, model-model kognitif

• Aplikasi-aplikasi praktis

– Obat-obatan, teknologi komputer, … – Obat-obatan, teknologi komputer, …

• Pemisahan pengetahuan (knowledge) dan

kesimpulan (inference)

– expert system shell

• Memungkinkan penggunaan kembali ‘permesinan’ untuk domain yang berbeda

(23)

Kapan Menggunakan SP

• Sistem pakar tidak dapat diterapkan untuk

semua tipe domain dan tugas

– Algoritma konvensional diketahui dan efisien

– Tantangan utama-nya adalah komputasi, bukan

knowledge

– Tantangan utama-nya adalah komputasi, bukan

knowledge

– knowledge tidak dapat diperoleh secara mudah

– user mungkin segan untuk menerapkan sistem

(24)

(25)

(26)

Tools Sistem Pakar

• languages

– higher-level languages didesain khusus untuk

merepresentasikan knowledge dan alasan

– PROLOG, LISP, CLIPS, SAIL, KRL, KQML

• shells

– Sebuah tools dengan tujuan khusus didesain

untuk tipe aplikasi tertentu dimana user hanya

men-suplai basis pengetahuan.

(27)

Elemen Sistem Pakar

Knowledge Base U se r Int er fa ce Knowledge Acquisition Facility Inference Engine Working Memory U se r Int er fa ce Facility Explanation Facility Agenda

(28)

Sistem Pakar Berbasis Aturan

(Rules)

• Pengetahuan dikodekan menjadi aturan IF …

THEN

• Motor inferensi menentukan mana aturan

yang terpenuhi lebih dahulu

– sisi kiri harus cocok dengan fakta di dalam memori – sisi kiri harus cocok dengan fakta di dalam memori

kerja

• Aturan yang terpenuhi ditempatkan pada

agenda

• Aturan pada agenda dapat diaktifasi

– aturan yang teraktifasi mungkin menghasilkan fakta-fakta baru melalui sisi kanan

– pengaktifan satu aturan bisa menyebabkan pengaktifan aturan yang lain

(29)

Contoh Aturan

IF … THEN

Rules

Rule: Red_Light

IF the light is red

THEN stop antecedent (left-hand-side) consequent (right-hand-side) THEN stop Rule: Green_Light

IF the light is green

THEN go

(right-hand-side)

Production Rules

the light is red ==> stop

antecedent (left-hand-side)

consequent

(30)

MYCIN Sample Rule

Human-Readable Format

IF the stain of the organism is gram negative AND the morphology of the organism is rod

AND the aerobiocity of the organism is gram anaerobic THEN the there is strongly suggestive evidence (0.8) THEN the there is strongly suggestive evidence (0.8)

that the class of the organism is enterobacteriaceae

MYCIN Format

IF (AND (SAME CNTEXT GRAM GRAMNEG)

(SAME CNTEXT MORPH ROD) (SAME CNTEXT AIR AEROBIC)

(31)

Inference Engine Cycle

• conflict resolution

– Memilih rule dengan prioritas tertinggi dari agenda

• execution

– Menjalankan aksi pada consequent dari rule yang terpilih – Menjalankan aksi pada consequent dari rule yang terpilih – remove the rule from the agenda

• match

– update the agenda

• Menambah rules yang antecedents-nya sesuai dengan agenda

• remove rules with non-satisfied agendas

(32)

Metode Aktifasi Rules

• Forward Chaining

(33)

Forward Chaining

• forward chaining (data-driven)

– reasoning from facts to the conclusion

– as soon as facts are available, they are used to

match antecedents of rules

– a rule can be activated if all parts of the

antecedent are satisfied

– often used for real-time expert systems in

monitoring and control

(34)

Backward Chaining

• backward chaining (query-driven)

– starting from a hypothesis (query), supporting

rules and facts are sought until all parts of the

antecedent of the hypothesis are satisfied

– often used in diagnostic and consultation

systems

(35)

Foundations of Expert Systems

Rule-Based Expert Systems

Knowledge Base Inference Engine Rules Pattern Matching Facts Rete Algorithm Markov Algorithm Post Production Rules Conflict Resolution Action Execution

(36)

Post Production Systems

• Production rules (aturan produksi) digunakan oleh logikawan Emil L. Post pada awal tahun 40-an dalam logika simbolik

• Hasil teori Post

– any system in mathematics or logic can be written as a – any system in mathematics or logic can be written as a

production system

• Prinsip dasar production rules

– seperangkat aturan mengatur konversi dari satu set string menjadi set string yang lain

• aturan ini juga dikenal sebagai aturan penulisan ulang • simple syntactic string manipulation

• no understanding or interpretation is required • also used to define grammars of languages

(37)

Markov Algorithms

• in the 1950s, A. A. Markov introduced

priorities as a control structure for production

systems

– rules with higher priorities are applied first

– allows more efficient execution of production

systems

– but still not efficient enough for expert systems

with large sets of rules

(38)

ES Problems

• limited knowledge

– “shallow” knowledge

• no “deep” understanding of the concepts and their relationships

– no “common-sense” knowledge – no “common-sense” knowledge

– no knowledge from possibly relevant related domains – “closed world”

• the ES knows only what it has been explicitly “told” • it doesn’t know what it doesn’t know

(39)

ES Problems

• mechanical reasoning

– may not have or select the most appropriate

method for a particular problem

– some “easy” problems are computationally very

expensive

• lack of trust

– users may not want to leave critical decisions to

machines

(40)

Summary

• expert systems or knowledge based systems are used to represent and process in a format that is suitable for computers but still understandable by humans

– If-Then rules are a popular format

• the main components of an expert system are • the main components of an expert system are

– knowledge base – inference engine

• ES can be cheaper, faster, more accessible, and more reliable than humans

• ES have limited knowledge (especially

“common-sense”), can be difficult and expensive to develop, and users may not trust them for critical decisions

(41)

DATA = INFORMASI ?

Data: Nilai/value yang turut merepresentasikan deskripsi dari suatu objek atau kejadian (event)

DATA

Informasi merupakan hasil dari pengolahan data dalam suatu bentuk yang lebih berguna dan lebih berarti bagi penerimanya, yang menggambarkan suatu kejadian-kejadian (event) yang

nyata (fact) yang digunakan untuk pengambilan keputusan.

PENGOLAHAN

(42)

Pengetahuan (Knowledge)

• pengalaman, pelatihan

INFORMASI

PENGOLAHAN _• _{pengalaman, pelatihan} PENGOLAHAN

PENGETAHUAN

• Data + processing = information

(43)

Struktur Dasar SP

• Knowledge Base

• Working Memory

• Inference Engine

(44)

Knowledge Base

• Definisi : Bagian dari sistem pakar yang berisi

domain pengetahuan

• Berisi pengetahuan yang dibutuhkan untuk

memahami, merumuskan dan menyelesaikan

masalah.

Terdiri dari 2 elemen dasar:

• Fakta, situasi masalah dan teori yang terkait

• Heuristik khusus atau rules, yang langsung

menggunakan pengetahuan untuk menyelesaikan

masalah khusus.

(45)

Working Memory

Definisi : bagian dari sistem pakar yang berisi

fakta-fakta masalah yang ditemukan dalam

suatu sesi

• Berisi fakta-fakta tentang suatu masalah yang

ditemukan dalam proses konsultasi

(46)

Inference Engine

Definisi : Processor pada sistem pakar yang

mencocokan

fakta-fakta

yang

ada

pada

working memori dengan domain pengetahuan

yang terdapat pada knowledge base, untuk

menarik

kesimpulan

dari

masalah

yang

menarik

kesimpulan

dari

masalah

yang

dihadapi.

• Proses berpikir pada manusia dimodelkan

dalam sistem pakar pada modul yang disebut

Inference Engine.

(47)

Kelebihan Sistem Pakar

• Availability

• Intelligent tutor

• Cost

• Intelligent dB

• Danger-reduced

• Performance

• Multiple expertise

• Reliability

• Explanation

• Response-cepat

(48)

Struktur Detail SP

Terdiri atas 2 bagian :

• Development Environment (Lingkungan

Pengembangan)

• Consultation Environment (Lingkungan

(49)

Karakteristik Sistem Pakar

• High Performance

• Adequate response time

• Good reliability

• Understanable

• Flexibility

(50)

Idenya :

• Sistem matematika & logika merupakan set

aturan sederhana untuk menentukan

bagaimana mengubah 1 string simbol ke dlm

Post Production Systems

bagaimana mengubah 1 string simbol ke dlm

simbol lainnya.

• Yaitu dengan input string, kejadian

sebelumnya

(51)

• Merupakan kelompok produksi yg terorder yang

diterapkan untuk prioritas ke input string.

• Algoritma akan berakhir dg baik jika:

– (1). Produksi terakhir tidak dapat diterapkan pada string – (2). Suatu produksi yg berakhir dg periode diterapkan.

Algoritma Markov

– (2). Suatu produksi yg berakhir dg periode diterapkan.

• Jika input string GABKAB

Sistem produksi AB _HIJ Maka hasil akhir GHIJKHIJ

• Karakter ^

string nol

• Mis A ^ artinya menghilangkan seluruh kejadian

karakter A dlm suatu string

(52)

• Karakter tunggal a,b,c,……

• Mis AxB BxA artinya mengubah karakter A dan B

• Huruf Yunani α,β

• Contoh : Memindahkan huruf pertama string input

Algoritma Markov

• Contoh : Memindahkan huruf pertama string input

ke akhir

• Aturan 1. αxy yαx

•

2. _{α ^}

• 3. ^

_α

(53)

Aturan Sukses atau Gagal String 1 G ABC Input ABC

Algoritma Markov

2 G ABC 3 S αABC 1 S BαAC 1 S BCαA 1 G BCαA

(54)

• Pada algoritma Markov diterapkan aturan/baris prioritas lebih tinggi.

• Masalah timbul jika system mempunyai aturan/baris yang banyak, maka tidak akan efisien.

• Solusinya adalah algoritma Rete yang dikembangkan oleh Charles L.F di Carnegie-Mellon University (1979)

Algoritma Rete

Charles L.F di Carnegie-Mellon University (1979)

• Yaitu algoritma yg mengetahui tentang seluruh aturan/baris seluruh sistem dan dapat menerapkan suatu baris tanpa

harus mencoba setiap baris tanpa berangkai (mencari perubahan dalam gabungan setiap cycle)

• Merupakan gabungan pola yang sangat cepat, yang

mendapatkan kecepatannya dengan menyimpan informasi tentang baris dalam jaringan.