Sistem Pakar 1/16
Pengantar Kecerdasan Buatan (AK045218)
SistemPakarDefinisiKeuntungandankelemahanKonsepDasarBentukdanStrukturSistemBasis PengetahuanMetodeInferensiCiri-ciriAplikasidanPengembangannyaReferensiGiarrantano, J. and G.Riley–bab1Sri Kusumadewi–bab5
Sistem Pakar 2/16
Pengantar Kecerdasan Buatan (AK045218)
KonsepDasarSP
•Definisi:
Sistemyang berusahamengadopsipengetahuanmanusiakekomputer, agar komputerdapatmenyelesaikanmasalahsepertiyang biasadilakukanparaahli.
•SP tidakuntukmenggantikankedudukanseorangpakartetapiuntukmemasyaratkanpengetahuandanpengalamanpakartersebut.
•MenurutEfraimTurban, SP harusmengandung: keahlian, ahli, pengalihankeahlian, inferensi, aturandankemampuanmenjelaskan.
–Keahlianadalahsuatukelebihanpenguasanpengetahuandibidangtertentuyang diperolehdaripelatihan,membacaataupengalaman.
•SP dikembangkanpertamakali olehkomunitasAI tahun1960an. SP yang pertamaadalahGeneral Purpose Problem Solver (GPS) yang dikembangkanolehNewel Simon.
Sistem Pakar 3/16
Pengantar Kecerdasan Buatan (AK045218)
ContohSistemPakar
SistemPakar
Kegunaan
MYCINDirancangolehEdward Feigenbaum(UniversitasStanford) th’70 an
DiagnosaPenyakit
DENDRAL
Mengidentifikasistrukturmo-lecularcampuranyang tidakdikenal
XCON & XSELDikembangkanolehDEC danCMU, akhir’70 an
Membantukonfigurasisystem computer besar
SOPHIE Ana
lisissirkuitelektronik
PROSPECTORDidesignolehSheffield Research Institute, akhir‘70an
Digunakandidalamgeologiuntukmembantumencaridanmenemukandeposit
FOLIO
Membantumemberikankeputusanbagiseorangmanajerdalamhalstokbroker daninvestasi
DELTA
Pemeliharaanlokomotiflistrikdiesel
Sistem Pakar 4/16
Pengantar Kecerdasan Buatan (AK045218)
KeuntunganVS KelemahanSP
KeuntunganSP :
1.Memungkinkanorangawambisamengerjakanpekerjaanparaahli
2.bisamelakukanprosessecaraberulangsecaraotomatis
3.menyimpanpengetahuandankeahlianparapakar
4.meningkatkanoutput danproduktivitas
5.meningkatkankualitas
6.mampumengambildanmelestarikankeahlianparapakar
7.mampuberoperasidalamlingkunganberbahaya
8.memilikikemampuanuntukmengaksespengetahuan
9.memilikirealibilitas
10.meningkatkankapabilitassystem computer
11.memilikikemampuanuntukbekerjadenganinformasiyang tidaklengkapdanmengandungketidakpastian
12.sebagaimedia pelengkapdalampelatihan
13.meningkatkankapabilitasdalampenyelesaianmasalah
14.menghematwaktudalampengambilankeputusan
Kelemahan:
1.biayayang diperlukanuntukmembuatdanmemeliharanyasangatmahal
2.sulitdikembangkan. Hal inieratkaitannyadenganketersediaanpakardalambidangnya
3.system pakartidak100% bernilaibenar
Sistem Pakar 5/16
Pengantar Kecerdasan Buatan (AK045218)
BentukdanStrukturSP (1/2)
BlokDiagram SP•Bentukpengetahuan:–fakta-faktapadalingkuppermasalahantertentu–teori-teoripadalingkupmasalahtertentu–prosedur-prosedurberkenaandenganlingkupmasalahtertentu–strategi-strategiglobal untukmenyelesaikanmasalah–meta-knowledge(pengetahuantentangpengetahuan)UserKnowledgeBaseInferenceEngineFactsExpertiseExpert System
Sistem Pakar 6/16
Pengantar Kecerdasan Buatan (AK045218)
BentukdanStrukturSP (2/2)
•Knowledge base (basis pengetahuan) berisipengetahuan-pengetahuandalampenyelesaianmasalah.–Domain pengetahuanseorangpakarpadadasarnyaadalahspesifikterhadapdomain masalah.•Inference engine (motor inferensi) bertugasuntukmenganalisispengetahuandanmenarikkesimpulanberdasarkanknowledge base.KnowledgeDomainProblemDomain
Sistem Pakar 7/16
Pengantar Kecerdasan Buatan (AK045218)
SistemKonvensionalvs.
SistemPakar(SP)
SistemKonvensional
SistemPakar(ES)
Informasidanpemrosesanbiasanyajadisatudenganprogram
Basis pengetahuanmerupakanbagianterpisahdarimekanismeinferensi
Biasanyatidakbisamenjelaskanmengapasuatuinput data itudibutuhkanataubagaimanaoutput itudiperoleh
Penjelasanadalahbagianterpentingdarisystem pakar
Pengubahanprogram cukupsulit
Pengubahanaturandapatdilaku-
kandenganmudah
Sistemhanyaakanberoperasijikasystem tersebutsudahlengkap
Sistemdapatberoperasihanyadenganbeberapaaturan
Eksekusidilakukanlangkahdemilangkah
Eksekusidilakukanpadasemuabasis pengetahuan
Menggunakandata Menggunakan
pengetahuan
Tujuanutamanyaadalahefisiensi
Tujuanutamanyaadalahefektivitas
Sistem Pakar 8/16
Pengantar Kecerdasan Buatan (AK045218)
Ciri-ciridanDomain SP
•Ciri-ciriSP :
–Memilikifasilitasinformasiyang handal
–Mudahdimodifikasi
–Dapatdigunakandalamberbagaijeniskomputer
–Memilkikemampuanuntukbelajarberadaptasi.
Permasalahanyang DisentuholehSP (Domain SP) :
–Interpretasi. Pengambilankeputusandarihasilobservasi, termasukpengenalanucapan, analisiscitra, interpretasisinyal, dll
–Prediksi: prediksidemografi, prediksiekonomi, dll.
–Diagnosis : diagnosis medis, elektronis, mekanis, dll.
–Perancangan: perancanganlayout sirkuit, bangunan.
–Perencanaan: perencanaankeuangan, militer, dll
–Monitoring : computer aided monitoring system
–Debugging : memberikanresepobatterhadapkegagalan
–Instruksi: melakukaninstruksiuntukdiagnosis, debugging danperbaikankinerja
–Kontrol: melakukankontrolterhadapinterpreasi, prediksi, perbaikandanmonitoring kelakukansistem.
Sistem Pakar 9/16
Pengantar Kecerdasan Buatan (AK045218)
BentukSP
•BentukSP :
–Berdirisendiri. Sistemjenisinimerupakans/wyang berdirisendirtidaktergabungdengans/wlain.
–Tergabung. Sisetminimerupakanbagianprogram yang terkandungdidalamsuatualgoritma(konvensional) .
–Menghubungkankes/wlain. BentukinibiasanyamerupakanSP yang menghubungkankesuatupaketprogram tertentu, misalnyaDBMS.
–Sistemmengabdi. Sisteminimerupakanbagiandaricomputer khususyang dihubungkandengansuatufungsitertentu.
Sistem Pakar 10/16
Pengantar Kecerdasan Buatan (AK045218)
StrukturSP (1/2)Knowledge Base(Rules)Working Memory(Facts)ExplanationFaacilityKnowledgeAcquisition FacilityUser InterfaceAgendaInference Engine
Sistem Pakar 11/16
Pengantar Kecerdasan Buatan (AK045218)
StrukturSP (2/2)
•User interface (antarmuka) : mekanismekomunikasiantarauser danSP
•Explanation facility (subsistemPenjelasan) : digunakanuntukmelacakrespondanmemberikanpenjelasantentangkelakuansistempakarsecarainteraktif
•Working memory : database global darifaktayang digunakandalamprosedur
•Agenda : daftarprioritasproseduryang dibuatolehmotor inferensidandirekamdalamworking memory
•Inference engine (motor inferensi) : program yang berisimetodologiyang digunakanuntukmelakukanpenalaranterhadapinformasi-informasidalambasis pengetahuanuntukmemformulasikankonklusi.
•Knowledge acquisitonfacility : berisipengetahuan-pengetahuanyang dibutuhkanuntukmemahami, memformulasikandanmenyelesaikanmasalah.
Sistem Pakar 12/16
Pengantar Kecerdasan Buatan (AK045218)
Basis Aturan(Rule Based) SP (1/2)
•PengetahuandalamSP direpresentasikandalambentukIF-THEN ataudalambentukProduction Rules.
•Motor inferensimenentukanaturanawal(rule antecedents) yang sesuai.
–Sisikiriharuscocokdenganfaktayang adadimemorikerja
•Aturanyang sesuaiditempatkandiagenda dandapatdiaktivasi
•Aturanyang terdapatdiagenda dapatdiaktivasi
–Aktivasiaturanakanmembangkitkanfaktabarudisisikanan
–Aktivasidarisatuaturanadalahbagiandariaktivasiaturanyang lain.
Sistem Pakar 13/16
Pengantar Kecerdasan Buatan (AK045218)
Basis Aturan(Rule Based) SP (2/2)
Contoh:IF …. THEN RulesRule : Red_LightIF the light is redTHEN stopRule : Green_LightIFthe light is greenTHENgoProduction RulesThe light is red stopThe light is greengoAntecedent(left hand side)Consequent(right hand side)Antecedent(left hand side)Consequent(right hand side)
Sistem Pakar 14/16
Pengantar Kecerdasan Buatan (AK045218)
SiklusMotor Inferensi(Inference EngineCycle)
•Menggambarkaneksekusidariaturanpadamotor inferensi:
–Conflict resolution : pemilihanaturandenganprioritastertinggidariagenda
–Execution : aksiconsequentdariaturanyang terpilih
–Match : pengkinian(update) agenda
•Siklusberakhirketikatidakadalagiaturandiagenda atauketikaditemuiperintahstop.
Sistem Pakar 15/16
Pengantar Kecerdasan Buatan (AK045218)
Forward danBackward Chaining (1/2)
•Ada2 carayang dapatdilakukandalammelakukaninferensi:–Forward Chaining. Pencocokkanfaktaataupernyataandimulaidaribagiansebelahkiri(IF dulu). Dengankatalain, penalarandimulaidarifaktaterlebihdahuluuntukmengujikebenaranhipotesis.–Backward Chaining. Pencocokkanfaktaataupernyataandimulaidaribagiansebelahkanan(THEN dulu). Dengankatalain, penalaranadimulaidarihipotesisterlebihdahulu, danuntukmengujikebenaranhipotesistersebutdicarifakta-faktayang adadalambasis pengetahuan.ObservasiAObservasiBAturanR1AturanR2FaktaCFaktaDFaktaEAturanR3AturanR4Kesimpulan1Kesimpulan2ObservasiAObservasiBAturanR1AturanRFaktaCFaktaDAturanR3AturanR4Tujuan1
Sistem Pakar 16/16
Pengantar Kecerdasan Buatan (AK045218)
Forward danBackward Chaining(2/2)
Contoh:
•Padatabeldibawahiniterlihat10 aturanyang tersimpandalambasis pengetahuan. Faktaawalyang diberikanhanyaA & F (artinyaA danF bernilaibenar). IngindibuktikanapakahK bernilaibenar(hipotesis: K) ?
No
Aturan
R-1
IF A & B THEN C
R-2
IF C THEN D
R-3
IF A & E THEN F
R-4
IF A THEN G
R-5
IF F & G THEN D
R-6
IF G & E THEN H
R-7
IF C & H THEN I
R-8
IF I & A THEN J
R-9
IF G THEN J
R-10
IF J THEN KPenyelesaiandenganforward chainingAGFEDHJKFaktaFaktaR-3R-5R-6R-4R-9R-10AturanFaktaBaruR-3FR-4GR-5DR-6HR-9JR-10K (terbukti)Penyelesaiandenganbackward chainingKJICAAHBR-10R-8R-7R-1FaktaTidakDiketahuiPertama : GagalKJGAFaktaR-10R-9R-4Kedua : Sukses
