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
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
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
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
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.
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
Diagram Arsitektur Sistem
Memori Kerja (Fakta)
Aintar muka peingguina (user
iinterface)
Perangkat lunak yang menyediakan media
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,
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
Mekainisme Iinfereinsi
Perangkat lunak yang melakukan
penalaran dengan menggunakan
pengetahuan yang ada untuk
menghasilkan suatu kesimpulan atau
hasil akhir. Dalam komponen ini
Fasilitas Peinjelasain
Memberikan penjelasan kepada
pengguna mengapa komputer meminta
suatu informasi tertentu dari pengguna
dan dasar apa yang digunakan komputer
sehingga dapat menyimpulkan suatu
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
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
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
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
Macam Model Represeintasi
Peingetahuain
1.
Logika (Logic)
2.
Jaringan Semantik (Semantic Nets)
3.
Obyek-Atribute-Value (OAV)
4.
Bingkai (Frame)
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).
Macam Logika
Komputasioinal
1.
Logika Proposional
Merupakan suatu pernyataan/statement yang
menyatakan benar (true) atau salah (false).
Cointoh diatas merepreseintasikain bahwa semua komputer merupakain alat elektroinik, semua PC merupakain komputer dain semua komputer memiliki moinitor.
III. Object – Atribute – Value
(OAV)
IV. Biingkai (Frame)
Pengertian
Bingkai digunakan untuk merepresentasikan pengetahuan deklaratif. Memuat deskripsi tentang obyek dengan
V. Kaidah Produksi
Pengertian
Kaidah yang menyediakan cara formal
untuk merepresentasikan rekomendasi,
arahan atau strategi.
Contoh beberapa struktur kaidah if then
• Macam kaidah produksi
1.
Kaidah derajat pertama
2. Kaidah Meta
Kaidah yang anteseden atau konsekuennya
mengandung informasi tentang kaidah
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
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
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.
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
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
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.
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
Pengertian Faktor Kepastian
CF pertama kali dikeluarkan oleh Shortlife
Buchanan dalam pembuatan MYCHIN.
Merupakan nilai parameter klinis yang
