Download Sistem Pakar - WordPress.com

SISTEM PAKAR
A. Latar Belakang Masalah
Peran komputer penting dalam meringankan
tugas manusia.
B. Rumusan Masalah
1.
2.
3.
4.
5.
Definisi dari Sistem Pakar
Pengembangan Sistem Pakar
Keuntungan dan Kelemahan Sistem Pakar
Kategori Permasalahan Sistem Pakar
Contoh Aplikasi dan Pengembangan Sistem Pakar
PEMBAHASAN
A. Pengertian Sistem Pakar
> Pakar = Ahli
> Sistem = Kumpulan Prosedur atau kumpulan dari
berbagai hal untuk suatu tujuan
> Sistem Pakar : Sistem yang berusaha mengadopsi
pengetahuan manusia ke komputer, agar komputer
dapat menyelesaikan masalah seperti yang biasa
dilakukan para ahli.
Penting untuk diketahui :
 Sistem Pakar (SP) diciptakan tidak untuk
menggantikan kedudukan seorang pakar
 SP mulai dikembangkan pertama kali
tahun 1960 an
 Sebuah sistem pakar adalah sebuah
sistem untuk mentransfer kepakaran
yang dimiliki seorang pakar ke dalam
komputer
Sistem pakar
Definisi :
 Sebuah program komputer yang dirancang
untuk memodelkan kemampuan
menyelesaikan masalah seperti layaknya
seorang pakar (human expert).
 Sebuah program berbasis pengetahuan yang
menyediakan penyelesaian "berkualitas pakar"
untuk masalah-masalah dalam sebuah bidang
yang spesifik.
Sistem pakar
Dimana :
 Model direpresentasikan menggunakan relasi
antara satu fakta dengan fakta yang lain
 Kendala utama terletak pada penurunan ilmu
dari seorang pakar ke dalam sistem
Sistem pakar
 Tujuan dari sebuah sistem pakar adalah untuk
mentransfer kepakaran yang dimiliki seorang
pakar kedalam komputer, dan kemudian kepada
orang lain (nonexpert).
Konsep dasar
Inputs (Questions,
Problems, Facts, etc)
Inference Engine
User
User Interface
Output,
Answers,
alternative
Solution
Knowledge Base
Sistem
Pakar
Sejarah Sistem Pakar
 1943 Post E.L. membuktikan bahwa permasalahan-permasalahan komputasi
 dapat diselesaikan dengan aturan IF-THEN.
 1961 General Problem Solver (GPS) oleh A. Newell and H. Simon.
 Adalah sebuah program yang dibangun untuk menyelesaikan permasalahan
 mulai dari games sampai matematika integral.
 1969 DENDRAL. Dibangun di Stamford University atas permintaan
 NASA (Buchanan and Feigenbaum) untuk melakukan analisis kimiawi
 terhadap kondisi tanah di planet Mars.
 1970s MCYN. Dibuat untuk diagnosa medis oleh Buchanan dan Shortliffe.
 1982 R1/XCON adalah sistem pakar pertama yang dibuat oleh para
 peneliti di Carnegie Melon University (CMU).
Ide Dasar Sistem Pakar
 Kepakaran ditransfer dari seorang pakar ke
komputer
 Pengetahuan disimpan disitu dan user dapat
meminta saran spesifik yang dibutuhkannya
 Komputer dapat mencari, mengolah dan
menampilkan kesimpulan yang spesifik
 Dan seperti seorang pakar, saran tsb bisa
dimanfaatkan oleh orang yg bukan pakar berikut
penjelasan yang berisi logika penalaran di balik
saran tsb
Mengapa sistem pakar
 Kebutuhan akan adanya solusi
 Kepakaran manusia seringkali tidak tersedia atau
tidak dimungkinkan dalam semua situasi dimana
kepakarannya dibutuhkan
 Seorang pakar akan pensiun atau pergi
 Kepakaran seseorang = harga jualnya mahal
 Kepakaran dibutuhkan juga pada lingkungan yang
tidak bersahabat
Mengapa Menggunakan Sistem Pakar?
1. Pakar di suatu Perusahaan/Instansi bisa pensiun, keluar, atau telah meninggal
2.
3.
4.
5.
dunia
Pengetahuan perlu didokumentasikan atau dianalisis
Sistem Pakar dapat menyediakan kepakaran setiap waktu dan di berbagai
lokasi
Seorang Pakar mahal dan langka efisiensi kerja
Efisiensi kerja dan waktu
Pengembangan Sistem Pakar
1.
Sistem pakar generasi pertama. Menggunakan aturan jika-maka untuk
merepresentasikan dan menyimpan pengetahuannya
2.
Sistem pakar generasi kedua. Jauh lebih fleksibel dalam mengadopsi
banyak representasi pengetahuan dan metode pertimbangan
Ciri-ciri Sistem Pakar adalah :
Ciri-ciri Sistem Pakar adalah :
1. Memiliki fasilitas informasi yang handal
2. Mudah dimodifikasi
3. Dapat digunakan dalam berbagai jenis komputer
4. Memiliki kemampuan untuk belajar beradaptasi.
5. Bekerja secara sistematis berdasarkan
pengetahuan dan mekanisme tertentu.
6. Pengambilan keputusan berdasarkan kaidahkaidah tertentu dan dapat merespons masukkan
user (melalui kotak dialog).
Seorang Ahli (Human Expert) VS Sistem Pakar (ES)
Faktor
Human Expert
Expert System
Time Availability
Hari Kerja
Setiap saat
Geografis
Lokal/tertentu
Dimana saja
Keamanan
Tidak tergantikan
Dapat diganti
Perishable / Dapat
habis
Ya
Tidak
Performansi
(kemampuan)
Variabel
Konsisten
Kecepatan
Variabel
Konsisten &
lebih cepat
Biaya
Tinggi
Terjangkau
Keuntungan Sistem Pakar
 Membuat seorang yang awam dapat bekerja
seperti layaknya seorang pakar.
 Meningkatkan output dan produktivitas (dapat
bekerja lebih cepat dari manusia) 
mengurangi jumlah pekerja dan menghemat
waktu  mereduksi biaya produksi.
 Kemampuan untuk memecahkan masalah
yang kompleks.
Keuntungan Sistem Pakar
 Meningkatkan kualitas (menyediakan nasihat
yang konsisten dan dapat mengurangi
tingkat
kesalahan)
 Membuat peralatan yang kompleks lebih mudah
dioperasikan ( dapat melatih pekerja yang tidak
berpengalaman)
 Handal (reliability), tidak bisa lelah atau bosan,
juga konsisten dalam memberi jawaban dan selalu
memberikan perhatian penuh.
Keuntungan Sistem Pakar
 Pemindahan pengetahuan ke lokasi yang jauh serta
memperluas jangkauan seorang pakar, dapat
diperoleh dan dipakai di mana saja.
 Merupakan arsip yang terpercaya dari sebuah
keahlian, sehingga user seolah-olah berkonsultasi
langsung dengan sang pakar, meskipun mungkin
sang pakar sudah pensiun.
Keuntungan Sistem Pakar
1. Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli
2. Menyederhanakan pekerjaan dan meningkatnya efisiensi kerja
3. Bisa melakukan proses secara berulang secara otomatis
4. Menyimpan pengetahuan dan keahlian para pakar
5. Meningkatkan kualitas
6. Mampu mengambil dan melestarikan keahlian para pakar
7. Mampu beroperasi dalam lingkungan berbahaya
Manfaat Yang Dapat Diberikan Oleh Sistem Pakar Kepada Manajer
Perusahaan
• Solusi
• Waktu
• Logika
• Konsisten
Kelemahan Sistem Pakar
 Knowledge tidak selalu bisa didapatkan dengan
mudah (krn pakar yang tidak ada atau perbedaan
pendekatan yang dipergunakan oleh masingmasing pakar)
 Pembuatan sistem yang berkualitas tinggi sangat
sulit dan biaya untuk pengembangan serta
pemeliharaan cukup besar
 Sistem bisa saja tidak membuat keputusan
Kelemahan Sistem Pakar
- Biaya yang diperlukan untuk membuat dan memeliharanya sangat mahal
- Sulit dikembangkan
- Sistem pakar tidak 100% bernilai benar
Kategori Problema Sistem Pakar secara umum
 a. Interpretasi
 b. Prediksi
 c. Diagnosis
 d. Perancangan (Desain)
 e. Perencanaan
 f. Monitoring
 g. Debugging
 h. Instruksi
 i. Kontrol
Komponen atau Bagian Utama Sistem Pakar
a. User Interface (Antarmuka Pemakai)
Memungkinkan pemakai untuk berinteraksi dengan expert system
b. Knowledge Base (Basis Pengetahuan)
Berisi pengetahuan-pengetahuan (pengetahuan gabungan) dalam
memahami, merumuskan, dan penyelesaian masalah
c. Inference Engine (Mesin Inferensi)
Bertugas untuk menganalisis pengetahuan, memberikan kemampuan
penalaran dan menarik kesimpulan berdasarkan knowledge base
d. Development Engine
Komponen yang digunakan untuk mengolah sistem pakar, terdiri
dari bahasa pemrograman.
Contoh Aplikasi dan Pengembangannya
DENDRAL
Program dendral adalah sebuah program pembantu untuk menentukan
struktur molekul dari material yang tidak diketahui dengan menganalisis
data yang dihasilkan oleh mass spectographs, resonansi magnetik nuklir
dan teknik lainnya.
MYCIN
MYCIN merupakan program interaktif yang melakukan diagnosis
penyakit miningitis dan infeksi bacremia serta memberikan rekomendasi
terapi antimikrobia.
XCON & XSEL
The R1 (disebut XCON, untuk eXpert CONfigurer) adalah sebuah sistem
produksi berbasis aturan ditulis dalam OPS5 oleh John P. McDermott
dari CMU pada tahun 1978 untuk membantu dalam pemesanan DEC
sistem komputer VAX dengan secara otomatis memilih komponen sistem
berbasis komputer pada kebutuhan pelanggan
Contoh Aplikasi dan Pengembangannya
• DIPMETER ADVISOR  analisa data yang didapat
selama ekplorasi minyak
• STD Wizard  merekomendasikan tes medical screening
• PROSPECTOR  Untuk membantu menemukan lokasi
yang mengandung bahan tambang. Basis
pengetahuannya berisi kaidah berdasar data empiris dan
taksonomi beberapa jenis mineral dan batu-batuan.
SOPHIE  Analisis sirkuit elektronik
• FOLIO  Membantu memberikan keputusan bagi
seorang manajer dalam hal stok broker dan investasi
• DELTA  Pemeliharaan lokomotif listrik disel
Contoh Aplikasi dan Pengembangannya
HEATINGS
Untuk pengontrolan proses pembakaran batubara secara terus menerus
dengan menggunakan sensor yang dihubungkan ke komputer. Bila terjadi
kerusakan yang menimbulkan bahaya (peralatan & manusia) dapat dengan
mudah mengetahui dan memberikan pemecahannya. Misal, bila bila
HEATINGS mendeteksi kadar CO melewati ambang batas akan terdengar
bunyi alarm dan menyuruh membuka ventilasi.
SHEARER
Untuk mendiagnosa kerusakan mesin pemotong batubara tipe AM500.
MSUV-VIS
Untuk melakukan analisis multi komponen bahan aktif obat flu dalam
berbagai macam pelarut, pada industri farmasi.
Contoh Gambar Sistem Pakar
Kesimpulan
Sistem Pakar adalah sistem yang berusaha mengadopsi
pengetahuan manusia ke komputer, agar komputer dapat
menyelesaikan masalah seperti yang biasa dilakukan para
ahli/pakar
Ada beberapa hal penting yang perlu diperhatikan
bahwa, “secanggih apapun suatu sistematau sebesar
apapun basis pengetahuan yang dimiliki, tentu saja ada
kelemahannya sebagai konsekuensi logis kelemahan
manusia sebagai penyusun elemen-elemennya”
DAFTAR PUSTAKA
Buku Panduan:
−
−
−
−
Gordon B. Davis (1998) Kerangka dasar Sistem Informasi Manajemen: Pengantar Seri
Manajemen No: 90. A, PT. Pustaka Binaman Pressindo, 1988.
Prof. Dr. Onong Uchjana Effendy.M.A, SISTEM INFORMASI MANAJEMEN. Penerbit CVMandar Maju, Bandung, 1989.
McLeod, Raymond, Management Information System, 7th ed., Prentice Hall, New
Jersey, 1998.
Kusumadewi, Sri. Artificial Intelligence Teknik dan Aplikasinya. Yogyakarta : Graha
Ilmu. 2003
Sumber lain:
Internet Explorer
www.ittelkom.ac.id
www.dosen.amikom.ac.id
http://en.wikipedia.org/wiki/Expert_system
http://ai.indra-ehm.net/?p=10
www.ilmukomputer.com
http://iisrasjeed.blogsome.com/2007/09/26/knowledge-based-system/
Sistem Pakar
 Pakar adalah orang memiliki keahlian dalam bidang






tertentu
Sistem Pakar adalah Suatu program AI yang berisi
basis pengetahuan dan mesin inferensi
Seperti layaknya seorang pakar
Berfungsi sebagai konsultan
Tidak untuk menggantikan kemampuan seorang pakar
Berisi pengetahuan dari para pakar
Dapat digunakan untuk menjawab pertanyaan,
memecahkan masalah dan membuat keputusan
Definisi-Definisi
 Durkin: 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, dimana tingkat
keahliannya dapat dibandingkan dengan keahlian
seorang pakar
 Giarratano dan Riley: suatu sistem komputer yang
bisa menyamai atau meniru kemampuan seorang
pakar
Sistem Pakar
 Menyimpan pengetahuan dari berbagai sumber
 Berisi heuristic knowledge:
 Berasal dari peristiwa di dunia nyata learning by doing
 Computer software packages:
 A generic programs
 Can be used to build special programs for many applications
 Expert system:
 Highly dedicated piece of software
 Contains knowledge in a specific domain
Perbedaan Pengguna
 Manager: apa yang dapat saya gunakan?
 Teknolog: bagaimana saya dapat mengimplentasikan
teknologi dengan baik?
 Peneliti: bagaimana saya dapat mengembangkannya
 User: bagaimana dapat membantu saya? Dapat
menghemat biaya? Bagaimana kehandalannya?
Perbedaan ES dan Pakar
Faktor
Human Expert
Expert System
Time Availability
Hari Kerja
Setiap saat
Geografis
Lokal/tertentu
Dimana saja
Keamanan
Tidak tergantikan
Dapat diganti
Perishable/Dapat habis
Ya
Tidak
Performansi
Variabel
Konsisten
Kecepatan
variabel
Konsisten & lebih cepat
Biaya
Tinggi
Terjangkau
Sistem Konvensional vs Sistem Pakar
Sistem Konvensional
Sistem Pakar
Informasi dan pemrosesan umumnya Knowledge base terpisah dari
digabung dlm satu program
mekanisme pemrosesan (inference)
sequential
Program tidak pernah salah (kecuali Program bisa saja melakukan
programer-nya yang salah)
kesalahan
Tidak menjelaskan mengapa input
dibutuhkan atau bagaimana hasil
diperoleh
Membutuhkan semua input data
Penjelasan (explanation) merupakan
bagian dari Sistem Pakar
Perubahan pada program
merepotkan
Perubahan pada rules dapat dilakukan
dengan mudah
Sistem bekerja jika sudah lengkap
Sistem dapat bekerja hanya dengan
rules yang sedikit
Eksekusi dilakukan secara heuristic
dan logik
Eksekusi secara algoritmik (step-bystep)
Tidak harus mambutuhkan semua
input data atau fakta
Sistem Konvensional vs Sistem Pakar
Sistem Konvensional
Sistem Pakar
Manipulasi efektif pada database yang Manipulasi efektif pada knowledgebesar
base yang besar
Efisiensi adalah tujuan utama
Efektifitas adalah tujuan utama
Data kuantitatif
Data kualitatif
Representasi data dalam numerik
Reperesentasi pengetahuan dalam
simbol
Menangkap, menambah dan
mendistribusi
data numerik atau informasi
Menangkap, menambah dan
mendistribusi
pertimbangan (judgment) dan
pengetahuan
Example of Expert System
 The famous:
 MYCIN: diagnosa penyakit,
 DENDRAL: mengidentifikasi struktur molekul campuran
kimia yang tidak dikenal,
 XCON & XSEL: konfigurasi sistem komputer besar,
 Prospector: bidang geologi
 The other:
 SOPHIE: analisis sirkuit elektronik,
 DELTA: pemeliharaan lokomotif listrik,
 FOLIO: stok dan investasi
Benefits of Expert Systems
 Memungkinkan orang awam dapat mengerjakan









pekerjaan para ahli
Bisa melakukan proses berulang secara otomatis
Menyimpan pengetahuan dan keahlian pakar
Meningkatkan output dan produktifitas
Melestarikan keahlian pakar
Dapat beroperasi pada lingkungan berbahaya
Dapat meningkatkan kemampuan sistem komputer
Dapat bekerja dengan informasi yang tidak lengkap
Sebagai media pelengkap dalam pelatihan
Menghemat waktu pengambilan keputusan
The Down Side of Expert System
 Development of an ES is difficult
 ES is expensive
 Most ES still must be implemented & delivered on a
big mainframe or minicomputer
 Not 100% reliable
 Kepakaran tidak selalu tersedia pada bidang-bidang
tertentu
4 Basic Type




Stand-alone: software yang berdiri sendiri, tidak
tergabung dengan program lain
Sistem Tergabung: sistem ini merupakan bagian
dari program lain yang masih bersifat
konvensional, misal berada di dalam algoritma
yang konvensional
Sistem terhubung dengan software lain:
misalnya sistem pakar yang berhubungan
dengan paket program DBMS
Sistem Mengabdi: merupakan bagian dari
komputer khusus yang dihubungkan dengan
suatu fungsi tertentu
Sistem Konvensional vs ES
 SK: informasi dan pemrosesan menjadi satu
dengan program, ES: pengetahuan dan inferensi
terpisah
 SK: tidak bisa menjelaskan keputusan, ES: ada
fasilitas penjelasan
 SK: eksekusi perlangkah, ES: eksekusi dilakukan
pada seluruh basis pengetahuan
 SK: menggunakan data, ES: menggunakan
pengetahuan
Konsep Dasar ES
 Komponen Sistem Pakar:
 Pengetahuan Pakar: pengetahuan pada suatu bidang
tertentu

Fakta-fakta, teori, prosedur, aturan, strategi, meta knowledge
Pakar
 Pengalihan Pengetahuan:


Tambahan pengetahuan, representasi pengetahuan, inferensi
pengetahuan, pengalihan pengetahuan ke user.
Inferensi: kemampuan menalar
 Aturan: dalam bentuk aturan IF-THEN
 Fasilitas Penjelasan: penejelasan bagaimana keputusan
dibuat
 Kemampuan rekomendasi

User
Penjelasan
 Knowledge Acusition: penambahan pengetahuan, mengkonstruksi atau
memperluas pengetahuan
 Knowledge Base: berisi pengetahuan
 Inference Engine: program yang berisi metodologi yang digunakan
untuk melakukan penalaran terhadap informasi dalam basis
pengetahuan dan blackboard:



Interpreter: mengeksekusi item-item agenda yang terpilih menggunakan
aturan
Scheduler: mengkontrol agenda
Consistency Enforcer: memelihara kekonsistenan dalam merepresentasikan
solusi yang bersifat darurat
 Blackboard: area kerja dalam memori yang digunakan dalam kejadian
yang sedang berlangsung termasuk keputusan sementara



Plan: bagaimana menghadapi masalah
Agenda: aksi aksi potensial yang sedang menunggu untuk dieksekusi
Solution: calon aksi yang akan dibangkitkan
Penjelasan
 Interface: sebagai media komunikasi antara user
dan program
 Explanation Facility: melacak respon dan memberi
penjelasan ttg kelakuan sistem pakar
Mengapa suatu pertanyaan ditanyakan?
 Bagaimana konklusi dicapai?
 Mengapa ada alternatif yang dibatalkan?
 Rencana apa yang dilakukan mendapatkan solusi?

 Knowledge refinement: mengevaluasi kinerja
sistem pakar, apakah pengetahuan tersebut masi
cocok untuk digunakan pada masa yang akan
datang?
Knowledge Base
 Pendekatan knowledge base:
 Rule Based Reasoning
Pengetahuan dibuat dalam IF-THEN
 Digunakan jika kita sudah memiliki pengetahuan dari pakar
mengenai permasalahan tertentu secara berurutan
 Dibutuhkan jika harus ada penjelasan tentang langkah-langkah
pencapaian solusi


Case Based Reasoning
Basis pengetahuan akan berisi kasus-kasus yang sudah diketahui
sebelumnya.
 Jika kasus-kasusnya hampir mirip
 Jika sudah memiliki penyelesaian kasus-kasus

Inference Engine
 Forward Chaining: pencocokan dari fakta untuk
menguji kebenaran hipotesis
 Backward Chaining: pencocokan dari bagian
hipotesis terlebih dahulu baru mencocokkan dengan
fakta-faktanya
LANGKAH PEMBUATAN S.PAKAR
1. Mengidentifikasi masalah dan kebutuhan
2. Menentukan problema yang cocok
3. mempertimbangkan alternatif
4. menghitung pengembalian investasi
5. memilih alat pengembangan
6. merekayasa pengetahuan
7. merancang sistem
8. melengkapi pengembangan
9. menguji dan mencari kesalahan sistem
10. memelihara sistem
Knowledge Acuisition
 Knowledge engineer berusaha menyerap
pengetahuan untuk ditransfer ke basis pengetahuan
 Metode:




Wawancara
Analisis protokol: pakar diminta untuk melakukan pekerjaan
dan direkam
Observasi kerja pakar
Induksi aturan
Ciri-ciri Expert System
 Adanya Explanation facility
 Mudah dimodifikasi
 Dapat digunakan pada berbagai jenis komputer
 Memiliki kemampuan beradaptasi
Expert System Applications
 ES is not suitable for all situations
 Generic ES categories:
 Control : intelligent automation
 Debugging : recommends corrections to faults
 Design : developing products to specification
 Instruction : optimized computer instruction
 Interpretation : clarification of situations
 Planning : developing goal-oriented schemes
 Prediction : intelligent guessing of outcomes
 Repair : automatic diagnosis, debugging, planning and fixing
Developing an Expert System
problem apakah memerlukan ES?
 Memerlukan kepakaran
 Biaya tinggi
 Tidak memerlukan common sense
 Subyeknya sempit
 Tidak memerlukan solusi fisik
 Tingkat kesulitan sedang
 Bisa dipecahkan oleh pengetahuan
 Memiliki solusi minimum
 Pakarnya tersedia
Latar Belakang E/S
Sistem Pakar memberikan banyak keuntungan bagi operasi perusahaan dan
manajer, tetapi memiliki keterbatasan significan.
Artificial Intelligence merupakan suatu aktivitas untuk menyediakan berbagai
mesin seperti komputer dengan menampilkan perilaku dengan penalaran yang
cerdas apabila diamati sebagai manusia. Artificial Intelligence menyajikan
berbagai aplikasi komputer yang canggih untuk menyamai berbagai jenis
penalaran manusia.
Sejarah Artificial Intelligence
> John McCarty
> Logic Theorist
> General Problem Solver (GPS)
Bidang Artificial Intelligence
1. Jaringan Syaraf (Neural Network)
2. Sistem Persepsi (Perceptive System)
3. Belajar (Learning)
4. Robot (Robotics)
5. Perangkat Keras Ai (Artificial Intelligence)
6. Pemrosesan Bahasa Alamiah (Natural Language Processing)
Definisi E/S
Sistem Pakar (Expert System) merupakan suatu sistem yang menggunakan
pengetahuan manusia dalam komputer untuk memecahkan masalah yang
biasanya dikerjakan oleh seorang pakar.
Misalnya : Dokter, Lawyer, Analist Keuangan, Tax Advisor. Sistem pakar dapat
mendorong perhatian besar diantara ahli komputer dan spesialist informasi
untuk mengembangkan sistem membantu manajer dan non manajer
memecahkan masalah.
Komponen E/S
Sistem pakar terdiri atas 4 bagian:
1. User Interface
2. Knowledge Base
3. Inference Engine
4. Development Engine
Manfaat E/S
Keuntungan Expert System untuk manajer.
1. Menyajikan lebih banyak alternatif.
2. Menerapkan logika tingkat tinggi
3. Menyediakan waktu banyak untuk evaluasi hasil keputusan.
4. Memberikan solusi yang lebih konsisten
5. Membuat seorang awam bekerja seperti layaknya seorang pakar;
6. Menyederhanakan pekerjaan dan meningkatnya efisiensi kerja;
7. Meningkatnya kualitas pekerjaan;
8. Meningkatnya produktifitas sehingga meningkat pula performance
perusahaan;
9. Merupakan arsip yang terpercaya sehingga seolah-olah langsung konsultasi
dengan
pakar (meskipun sang pakar telah tiada)
10. Memperluas jangkauan.
Keuntungan Expert System untuk perusahaan.
1. Meningkatkan performance perusahaan.
2. Memelihara pengendalian terhadap knowledge perusahaan.
Penerapan E/S
Faktor dan kondisi yang mempengaruhi terdiri atas :
1. Alasan Umum
> Programming Konvensional (Algoritma) tidak memuaskan.
> Adanya Expert yang dapat memecahkan masalah.
> Pemilihan problem domain menyajikan kombinasi terbaik.
2. Problem Domain
> Problem Domain ditandai oleh penggunaan Expert Knowledge, Judgement dan
pengalaman.
3. Domain Task.
> Task tidak terlalu mudah dan juga tidak terlalu sulit.
> Task mensyaratkan Primarily Symbolic Reasoning.
4. Domain Personnel.
> Merupakan dukungan manajemen yang kuat.
5. Expert.
> Memiliki Expert yang kualified dan menepati waktu.
> Expert harus terpercaya.
6. Sistem Analist
> Sistem Analist harus telah memahami problem domain atau dapat
mempelajarinya.
> Sistem Analist dapat menarik Expert Knowledge.
User Interface
User Interface
User interface digunakan manajer untuk meng-enter instruksi dan
informasi dari sistem.
Metode input yang digunakan oleh manajer yaitu:
> Menu
> Command
> Natural Language
Output ES memakai 2 bentuk penjelasan (explanation) :
> Explanation of Question
> Explanation of Problem Solution
Knowledge Base
Knowledge base terdiri dari fakta yang menggambarkan area problem
atau problem domain dan juga teknik penyajian yang menggunakan
fakta sesuai logika.
Rule/aturan merupakan rincian dalam situasi yang tidak
berubah:
> Kondisi benar dan tidak benar
> Tindakan yang diambil bila kondisi benar
Inference Engine
Inference Engine merupakan bagian dari Expert System yang membentuk
Reasoning dengan menggunakan isi dari knowledge base dalam urutan
tertentu.
Dua metode yang digunakan dalam Expert System untuk
mengamati Rule, yaitu:
a. Penalaran ke depan (Forward) atau Forward Chaining
> Evaluasi Rule
> Proses Penalaran Berulang (Iterative Reasoning)
b. Penalaran ke Belakang (Revierse) atau Backward Chaining.
> Alur Logika Pertama diikuti (First Logical Path)
> Alur Logika Selanjutnya diikuti (Next Logical Path)
Development Engine
Development Engine membangun Rule Set dengan pendekatan :
1. Bahasa Pemrograman (Programming Language).
2. Bagian Expert System (Expert System Shell)
Peran Sistem Analist sebagai Knowledge Engineer dalam organisasi bisnis
dengan menggunakan keterampilan untuk membangun aplikasi komputer
yang konvesional, yaitu :
>
Memahami
bagaimana
Expert
menerapkan
keahliannya
dalam
pemecahan masalah.
> Dapat menarik suatu Description Of Knowledge dari Expert.
Proses Pengembangan Sistem
> Permulaan proses pengembangan
> Prototype pengembangan Expert System
> Partisipasi User
> Pemeliharaan Expert System
Aplikasi dan Penerapan E/S
1. ADVER
atau Advertising adalah sebuah prototipe ES digunakan untuk
menggunakan strategi media periklanan yang sesuai dengan kondisi
internal dan eksternal perusahaan dengan parameter biaya iklan per
seribu pemirsa.
2. BERT
atau Brickwork expERT adalah sebuah ES untuk disain bangunan.
BERT digunakan untuk memeriksa sebuah disain bangunan, kemudian
memberikan beberapa rekomendasi untuk perbaikan. Inputnya bisa
dalam bentuk gambar.
3. DELTA
adalah ES untuk mendiagnosa kerusakan pada mesin-mesin Diesel
Electric Locomotive.
4. DENDRAL
Sistem pakar untuk analisis struktur molekul suatu senyawa yang
belum diketahui. Senyawa yang belum diketahui tersebut dianalisis
dengan menggunakan “mass spectrometer” dan “nuclear magnetic
reconancy equipment”. Data hasil analisis tersebut dimasukkan ke
DENDRAL yang akan membuat struktur molekulnya.
5. MYCIN
Adalah ES untuk mendiagnosa infeksi akibat bakteri
menyarankan jenis obat dan dosisnya untuk penyembuhan.
dan
6. OPERA
atau OPERator Advisor yang digunakan untuk mendiagnosa dan
menangani kerusakan pada suatu jaringan komputer.
OPERA dijalankan pada malam hari untuk menggantikan Supervisor
System Manager.
7. PROSPECTOR
untuk membantu menemukan lokasi yang mengandung bahan
tambang. Basis pengetahuannya berisi kaidah berdasar data empiris
dan taksonomi beberapa jenis mineral dan batu-batuan.
Untuk mengetahui apakah suatu daerah mengandung bahan
tambang , lebih dahulu dilakukan survey keadaan geologi dan
pengambilan contoh tanah dan batu-batuan.
Berdasarkan data hasil survey tsb akan diberikan rekomendasi
apakah daerah tsb layak untuk dieksplorasi dan akan diputuskan
apakah akan dilakukan penggalian atau tidak.
8.HEATINGS
Untuk pengontrolan proses pembakaran batubara secara terus
menerus dengan menggunakan sensor yang dihubungkan ke
komputer. Bila terjadi kerusakan yang menimbulkan bahaya
(peralatan & manusia) dapat dengan mudah mengetahui dan
memberikan pemecahannya. Misal, bila bila HEATINGS mendeteksi
kadar CO melewati ambang batas akan terdengar bunyi alarm dan
menyuruh membuka ventilasi.
9. SHEARER
Untuk mendiagnosa kerusakan mesin pemotong batubara tipe AM500. Pada
pertambangan batubara, batubara dipotong dgn menggunakan alat
pemotong Shearer (sangat mahal, terdiri dari : sistem mekanik, hidrolik,
dan elektrik), kemampuannya sekitar 300 ton batubara per jam.
SHEARER dapat siaga 24 jam penuh dan cepat melakukan diagnosa
kerusakan (hidrolik, mekanik, dan elektrik).
10. MSUV-VIS
Untuk melakukan analisis multi komponen bahan aktif obat flu dalam
berbagai macam pelarut, pada industri farmasi.
Selain itu sistem tersebut dapat digunakan untuk penetapan kadar (pk)
campuran senyawa-senyawa lain dengan syarat spektranya tumpang tindih
yang aditif.
ARSITEKTUR SISTEM PAKAR
BASIS
PENGETAHUAN
MESIN INFERENSI
AGENDA
(ATURAN)
MEMORI
KERJA
(FAKTA)
FASILITAS
AKUISISI
PENGETAHUAN
FASILITAS
PENJELASAN
ANTAR MUKA
PENGGUNA
Gambar
Arsitektur Sistem Pakar
KOMPONEN SISTEM PAKAR
 antar muka pengguna (user interface)
 basis data sistem pakar (expert system database)
 fasilitas akuisisi pengetahuan (knowledge
acquisition facility) dan mekanisme inferensi
(inference mechanism)
 fasilitas penjelasan (explanation facility)
Antar Muka Pengguna
 perangkat lunak yang menyediakan media
komunikasi antara pengguna dengan sistem
Basis data sistem pakar
•
•
•
berisi pengetahuan setingkat pakar pada
subyek tertentu
berisi pengetahuan yang dibutuhkan untuk
memahami, merumuskan dan menyelesaikan
masalah
terdiri dari 2 elemen:
–
–
Fakta, situasi masalah dan teori yang terkait
Heuristik khusus atau rules, yang langsung
menggunakan pengetahuan untuk menyelesaikan
masalah khusus
Fasilitas Akuisisi Pengetahuan
 perangkat lunak yang menyediakan fasilitas dialog antara
pakar dengan sistem
 digunakan untuk memasukkan fakta-fakta dan kaidahkaidah sesuai dengan perkembangan ilmu
 Meliputi proses pengumpulan, pemindahan, dan
perubahan dari kemampuan pemecahan masalah seorang
pakar atau sumber pengetahuan terdokumentasi (buku, dll)
ke program komputer
 bertujuan untuk memperbaiki dan atau mengembangkan
basis pengetahuan (knowledge-base)
Mekanisme Inferensi
 perangkat lunak yang melakukan penalaran dengan
menggunakan pengetahuan yang ada untuk
menghasilkan suatu kesimpulan atau hasil akhir.
 Dalam komponen ini dilakukan pemodelan proses
berpikir manusia
Fasilitas Penjelasan
 berguna dalam memberikan penjelasan kepada
pengguna mengapa komputer meminta suatu
informasi tertentu dari pengguna dan dasar apa yang
digunakan komputer sehingga dapat menyimpulkan
suatu kondisi
Tipe Penjelasan
 Penjelasan mengenai jejak aturan yang
menunjukkan status konsultasi
 penjelasan mengenai bagaimana sebuah keputusan
diperoleh
 penjelasan mengapa sistem menanyakan suatu
pertanyaan
 penjelasan mengapa sistem tidak memberikan
keputusan seperti yang dikehendaki pengguna
Memori Kerja
 bagian dari sistem pakar yang berisi fakta-fakta
masalah yang ditemukan dalam suatu sesi
Agenda
• Urutan aturan yang dibangkitkan oleh
mesin inferensi
Expert Systems
AN EXPERT SYSTEM IS A COMPUTER
PROGRAM THAT IS DESIGNED TO HOLD THE
ACCUMULATED KNOWLEDGE OF ONE OR
MORE DOMAIN EXPERTS
Applications of Expert Systems
PUFF:
Medical system
for diagnosis of respiratory
conditions
PROSPECTOR:
Used by geologists to
identify sites for drilling or
mining
Applications of Expert Systems
MYCIN:
Medical system for diagnosing blood
disorders. First used in 1979
DESIGN ADVISOR:
Gives advice to designers of
processor chips
Applications of Expert Systems
DENDRAL: Used to identify the
structure of chemical compounds.
First used in 1965
LITHIAN: Gives advice to
archaeologists examining
stone tools
Components of an Expert System
 The knowledge base is the collection of
facts and rules which describe all the
knowledge about the problem domain
 The inference engine is the part of the
system that chooses which facts and rules to
apply when trying to solve the user’s query
 The user interface is the part of the system
which takes in the user’s query in a readable
form and passes it to the inference engine. It
then displays the results to the user.
Why use Expert Systems?
 Experts are not always
available. An expert system
can be used anywhere, any
time.
 Human experts are not
100% reliable or consistent
 Experts may not be good at
explaining decisions
 Cost effective
Problems with Expert Systems
 Limited domain
 Systems are not always up to
date, and don’t learn
 No “common sense”
 Experts needed to setup and
maintain system
Legal and Ethical Issues
 Who is responsible if the advice is wrong?
 The user?
 The domain expert?
 The knowledge engineer?
 The programmer of the expert system shell?
 The company selling the software?
Expert Systems on the Web
 http://www.aiinc.ca/demos/whale.html
 http://www.vanguardsw.com/
decisionscript/examples.htm
 http://www.exsys.com/demomain.html
 http://www.expertise2go.com/webesie/car
 http://www.expertise2go.com/webesie/wine


Sistem pakar (expert system) adalah sistem
yang berusaha mengapdosi pengetahuan
manusia ke komputer, agar komputer dapat
menyelesaikan masalah seperti yang biasa
dilakukan oleh para ahli.
Sistem pakar yang baik dirancang agar dapat
menyelesaikan suatu permasalahan tertentu
dengan meniru kerja dari para ahli.
Sistem pakar yang terkenal
 MYCIN
 Paling terkenal, dibuat oleh Edward Shortlife of Standford
University tahun 70-an
 Sistem pakar medical yang bisa mendiagnosa penyakit
infeksi dan merekomendasi pengobatan
 MYCIN membantu dokter mengidentifikasi pasien yang
menderita penyakit. Dokter duduk di depan komputer dan
memasukkan data pasien: umur, riwayat kesehatan, hasil
laboratorium dan informasi terkait lainnya. Dengan
informasi ini ditambah pengetahuan yang sudah ada dalam
komputer, MYCIN mendiagnosa selanjutnya
merekomendasi obat dan dosis yang harus dimakan.
Sistem pakar yang terkenal
 MYCIN sebagai penasehat medis, tidak dimaksudkan untuk
mengantikan kedudukan seorang dokter.
 Juga untuk membantu dokter dalam mengkonfirmasi
diagnosa dan terapi yang diberikan kepada pasien
 Kesimpulan :sistem pakar seperti MYCIN bisa digunakan
sebagai bahan pembanding dalam pengambilan solusi dan
pemecahan masalah.
 Keputusan terakhir atas pengobatan tersebut tetap
 menjadi tanggung jawab dokter.
Sistem pakar yang terkenal
 DENDRAL

Mengidentifikasi struktur molekular campuran kimia yang tak dikenal
 XCON & XSEL
 XCON
 Merupakan sistem pakar untuk membantu konfigurasi sistem
komputer besar, membantu melayani order langganan sistem
komputer DEC VAX 11/780 ke dalam sistem spesifikasi final yang
lengkap
 Komputer besar seperti VAX terbuat dari ratudan komponen yang
berbeda digabung dan disesuaikan dengan konfigurasi tertentu yang
diinginkan oleh para pelanggan.
 Ada ribuan cara dimana aseosri Pcboard, kabel, disk drive, periperal,
perangkat lunak, dan lainnya bisa dirakit ke dalam konfigurasi yang
sangat rapih. Untuk mengidentifikasi hal-hal tersebut diperlukan
waktu berhari-hari/berminggu-minggu agar bisa memenuhi
spesifikasi yang diinginkan pemesan, tapi dengan XCON bisa dalam
beberapa menit.
MANFAAT SISTEM PAKAR :
1.
2.
3.
4.
5.
6.
Memungkinkan orang awam bisa mengerjakan
pekerjaan para ahli
Bisa melakukan proses secara berulang secara otomatis
Menyimpan pengetahuan dan keahlian para pakar
Mampu mengambil dan melestarikan keahlian para
pakar (terutama yang termasuk keahlian langka)
Mampu beroperasi dalam lingkungan yang berbahaya
Memiliki kemampuan untuk bekerja dengan informasi
yang tidak lengkap dan mengandung ketidakpastian.
Pengguna bisa merespon dengan jawaban ’tidak tahu’
atau ’tidak yakin’ pada satu atau lebih pertanyaan
selama konsultasi dan sistem pakar tetap akan
memberikan jawaban.
MANFAAT SISTEM PAKAR :
Tidak memerlukan biaya saat tidak digunakan
8. Dapat digandakan (diperbanyak) sesuai
kebutuhan dengan waktu yang minimal dan
sedikit biaya
9. Dapat memecahkan masalah lebih cepat
daripada kemampuan manusia dengan catatan
menggunakan data yang sama.
10. Menghemat waktu dalam pengambilan
keputusan
7.
MANFAAT SISTEM PAKAR :
11. Meningkatkan kualitas dan produktivitas karena
dapat memberi nasehat yang konsisten dan
mengurangi kesalahan
12. Meningkatkan kapabilitas sistem
terkomputerisasi yang lain.
13. Mampu menyediakan pelatihan. Pengguna
pemula yang bekerja dengan sistem pakar akan
menjadi lebih berpengalaman. Fasilitas penjelas
dapat berfungsi sebagai guru.
KELEMAHAN SISTEM PAKAR
1. Biaya yang diperlukan untuk membuat, memelihara, dan
2.
3.
4.
5.
6.
mengembangkannya sangat mahal
Sulit dikembangkan
Sistem pakar tidak 100% benar
Pendekatan oleh setiap pakar untuk suatu situasi atau
problem bisa berbeda-beda, meskipun sama-sama benar.
Transfer pengetahuan dapat bersifat subjektif dan bias
Kurangnya rasa percaya pengguna dapat menghalangi
pemakaian sistem pakar.
KONSEP DASAR SISTEM PAKAR
 Konsep dasar sistem pakar mengandung
 keahlian,
 ahli/pakar,
 pengalihan keahlian,
 Mengambil keputusan,
 aturan,
 kemampuan menjelaskan.
Keahlian
 Keahlian bersifat luas dan merupakan penguasaan
pengetahuan dalam bidang khusus yang diperoleh
dari pelatihan, membaca atau pengalaman.
 Contoh bentuk pengetahuan yang termasuk
keahlian :
 - Teori, fakta, aturan-aturan pada lingkup
permasalahan tertentu
 - Strategi global untuk menyelesaikan masalah
Ahli / Pakar
 Seorang ahli adalah seseorang yang mampu
menjelaskan suatu tanggapan, mempelajari hal-hal
baru seputar topik permasalahan, menyusun
kembali pengetahuan jika dipandang perlu,
memecahkan masalah dengan cepat dan tepat
Pengalihan keahlian
 Tujuan dari sistem pakar adalah untuk
mentransfer keahlian dari seorang pakar ke dalam
komputer kemudian ke masyarakat.
 Proses ini meliputi 4 kegiatan, yaitu




perolehan pengetahuan (dari para ahli atau sumber-sumber
lainnya),
representasi pengetahuan ke komputer,
kesimpulan dari pengetahuan dan
pengalihan pengetahuan ke pengguna.
Mengambil keputusan
 Hal yang unik dari sistem pakar adalah kemampuan
untuk menjelaskan dimana keahlian tersimpan
dalam basis pengetahuan.
 Kemampuan komputer untuk mengambil
kesimpulan dilakukan oleh komponen yang dikenal
dengan mesin inferensi yaitu meliputi prosedur
tentang pemecahan masalah.
Aturan
 Sistem pakar yang dibuat merupakan sistem yang
berdasarkan pada aturan – aturan dimana program
disimpan dalam bentuk aturan-aturan sebagai
prosedur pemecahan masalah. Aturan tersebut
biasanya berbentuk IF – THEN.
.
Kemampuan menjelaskan
 Keunikan lain dari sistem pakar adalah kemampuan
dalam menjelaskan atau memberi
saran/rekomendasi serta juga menjelaskan mengapa
beberapa tindakan/saran tidak direkomendasikan
PERBEDAAN SISTEM KONVENSIONAL DENGAN
SISTEM PAKAR
 Sistem Konvensional
 Informasi dan pemrosesannya







biasanya jadi satu dengan program
Program tidak pernah salah
(keculai pemrogramnya yang
salah)
Biasanya tidak bisa menjelaskan
mengapa suatu input data itu
dibutuhkan atau bagaimana output
itu diperoleh
Pengubahan program cukup sulit
dan merepotkan
Sistem hanya akan bekerja jika
sistem tersebut sudah lengkap
Eksekusi dilakukan langkah demi
langkah secara algoritmik
Menggunakan data
Tujuan utamanya adalah efisiensi
 Sistem Pakar
 Basis pengetahuan merupakan







bagian terpisah dari mekanisme
inferensi
Program bisa saja melakukan
kesalahan
Penjelasan adalah bagian
terpenting dari sistem pakar
Pengubahan pada aturan/kaidah
dapat dilakukan dengan mudah
Sistem dapat bekerja hanya
dengan beberapa Aturan
Eksekusi dilakukan pada
keseluruhan basis pengetahuan
secara heuristik dan logis
Menggunakan pengetahuan
Tujuan utamanya adalah
efektivitas
PENGGUNAAN DAN PENGEMBANGAN
SISTEM PAKAR
 1. Pakar
 2.Perekayasa pengetahuan

Perekayasa pengetahuan adalah orang yang membantu pakar
dalam menyusun area permasalahan dengan
menginterpretasikan dan mengintegrasikan jawaban-jawaban
pakar atas pertanyaan yang diajukan, menggambarkan
analogi, mengajukan counter example dan menerangkan
kesulitan-kesulitan konseptual.
 3. Pemakai
Pemakai
 Pemakai awam : dalam hal ini sistem pakar
bertindak sebagai konsultan untuk memberikan
saran dan solusi kepada pemakai
 Pelajar yang ingin belajar : sistem pakar bertindak
sebagai instruktur
 Pembuat sistem pakar : sistem pakar sebagai
partner dalam pengembangan basis pengetahuan.
 Pakar : sistem pakar bertindak sebagai mitra
kerja/asisten
AREA PERMASALAHAN APLIKASI SISTEM PAKAR
 Interpretasi
Yaitu pengambilan keputusan dari hasil observasi, diantaranya :
pengawasan, pengenalan ucapan, analisis citra, interpretasi sinyal, dan
beberapa analisis kecerdasan
 Prediksi
 Memprediksi akibat-akibat yang dimungkinkan dari situasi-situasi
tertentu, diantaranya : peramalan, prediksi demografis, peralaman
ekonomi, prediksi lalulintas, estimasi hasil, militer, pemasaran, atau
peramalan keuangan.
 Diagnosis
 Menentukan sebab malfungsi dalam situasi kompleks yang didasarkan
pada gejala-gejala yang teramati, diantaranya : medis, elektronis,
mekanis, dan diagnosis perangkat lunak

AREA PERMASALAHAN APLIKASI
SISTEM PAKAR
 Desain
 Menentukan konfigurasi komponen-komponen sistem yang cocok
dengan tujuan-tujuan kinerja tertentu dan kendala-kendala tertentu,
diantaranya : layout sirkuit, perancangan bangunan
 Perencanaan
 Merencanakan serangkaian tindakan yang akan dapat mencapai
sejumlah tujuan dengan kondisi awal tertentu, diantaranya :
perencanaan keuangan, komunikasi, militer, pengembangan politik,
routing dan manajemen proyek.
 Monitoring
 Membandingkan tingkah laku suatu sistem yang teramati dengan
tingkah laku yang diharapkan darinya, diantaranya : Computer
Aided Monitoring System
STRUKTUR SISTEM PAKAR
 2 bagian utama sistem pakar :
 lingkungan pengembangan (development environment) :
digunakan untuk memasukkan pengetahuan pakar ke dalam
lingkungan sistem pakar
 lingkungan konsultasi (consultation environment) : digunakan
oleh pengguna yang bukan pakar untuk memperoleh
pengetahuan pakar
Komponen-komponen yang terdapat dalam
arsitektur/struktur sistem pakar :
 1. Antarmuka Pengguna (User Interface)
 Merupakan mekanisme yang digunakan oleh pengguna dan





sistem pakar untuk berkomunikasi.
2. Basis Pengetahuan
Basis pengetahuan mengandung pengetahuan untuk
pemahaman, formulasi, dan penyelesaian masalah.
Komponen sistem pakar ini disusun atas 2 elemen dasar,
yaitu :
- fakta : informasi tentang obyek dalam area
permasalahan tertentu
- aturan : informasi tentang cara bagaimana memperoleh
fakta baru dari fakta yang telah diketahui.
Komponen-komponen yang terdapat dalam
arsitektur/struktur sistem pakar :
 2. Akuisisi Pengetahuan (Knowledge
Acquisition)
 Akuisisi pengetahuan adalah akumulasi, transfer,
dan transformasi keahlian dalam menyelesaikan
masalah dari sumber pengetahuan ke dalam
program komputer..
Komponen-komponen yang terdapat dalam
arsitektur/struktur sistem pakar :
 3. Mesin/Motor Inferensi (inference
engine)
 Komponen ini mengandung mekanisme pola pikir
dan penalaran yang digunakan oleh pakar dalam
menyelesaikan suatu masalah.
 4. Workplace / Blackboard
 Workplace merupakan area dari sekumpulan
memori kerja (working memory), digunakan untuk
merekam kejadian yang sedang berlangsung
termasuk keputusan sementara.

Komponen-komponen yang terdapat
dalam arsitektur/struktur sistem pakar :
 5. Fasilitas Penjelasan
 Adalah komponen tambahan yang akan
meningkatkan kemampuan sistem pakar.
 6. Perbaikan Pengetahuan
 Pakar memiliki kemampuan untuk menganalisis
dan meningkatkan kinerjanya serta kemampuan
untuk belajar dari kinerjanya.
BASIS PENGETAHUAN (KNOWLEDGE BASE)
 Basis pengetahuan berisi pengetahuan-pengetahuan
dalam penyelesaian masalah. Ada 2 bentuk pendekatan
basis pengetahuan :
 a. Penalaran berbasis aturan (rule-based reasoning)
Pengetahuan direpresentasikan dengan
menggunakan aturan berbentuk IF-THEN.
Contoh : aturan identifikasi hewan




Rule 1 : IF hewan berambut dan menyusui THEN hewan mamalia
Rule 2 : IF hewan mempunyai sayap dan bertelur THEN hewan
jenis burung
Rule 3 : IF hewan mamalia dan memakan daging THEN hewan
karnivora
Dst...
BASIS PENGETAHUAN (KNOWLEDGE
BASE)
b. Penalaran berbasis kasus (case-based reasoning)
 Pada penalaran berbasis kasus, basis pengetahuan
akan berisi solusi-solusi yang telah dicapai
sebelumnya, kemudian akan diturunkan suatu solusi
untuk keadaan yang terjadi sekarang (fakta yang
ada).
MESIN INFERENSI (INFERENCE
ENGINE)
Ada 2 cara penalaran yang dapat dikerjakan dalam
melakukan inferensi :
 a. Forward Chaining
Pencocokan fakta atau pernyataan dimulai dari
bagian sebelah
kiri dulu (IF dulu). Dengan kata
lain penalaran dimulai dari fakta terlebih dahulu
untuk menguji kebenaran hipotesis.
 b. Backward Chaining
Pencocokan fakta atau pernyataan dimulai dari
bagian sebelah
kanan (THEN dulu). Dengan
kata lain penalaran dimulai dari hipotesis terlebih
dahulu, dan untuk menguji kebenaran hipotesis
tersebut harus dicari fakta-fakta yang ada dalam
basis pengetahuan.
JENIS KERUSAKAN
A1 = MONITOR RUSAK
A2 = MEMORI RUSAK
A3 = HDD RUSAK
A4 = VGA RUSAK
A5 = SOUND CARD RUSAK
A6 = OS BERMASALAH
A7 = APLIKASI RUSAK
A8 = PSU RUSAK
A9 = PROSESOR RUSAK
A10 = MEMORY KURANG (PERLU UPGRADE MEMORY)
A11 = MEMORY VGA KURANG (PERLU UPGRADE VGA)
A12 = CLOCK PROSOR KURANG TINGGI (PERLU UPGRADE PROSESOR)
A13 = KABEL IDE RUSAK
A14 = KURANG DAYA PADA PSU (PERLU UPGRADE PSU)
A15 = PERANGKAT USB RUSAK
A16 = KEYBOARD RUSAK
A17 = MOUSE RUSAK
Sistem Berbasis
Pengetahuan
Sistem
Komputer
Sistem Berbasis
Pegetahuan
Sistem
Pakar
Robotik
Games
 Sistem
Pakar berasal dari istilah
knowledge-based expert system
 Menggunakan human knowledge yang
dimasukkan ke dalam komputer untuk
memecahkan masalah yang umumnya
memerlukan keahlian seorang Pakar
 Domain yang sempit
Fact
Knowledge
Base
Expertise
Inference
Engine
USER
Hubungan Problem Domain dan Knowledge
Domain
Problem Domain
Knowledge
Domain
Knowledge
Domain
Structure of an Expert System
Consultation Environment
(Use)
User
Facts of
the Case
Recommendation,
Explanation
Development Environment
(Knowledge Acquisition)
Expert
User Interface
Explanation
Facility
Knowledge
Engineer
Inference Engine
Facts of
the
Case
Knowledge
Acquisition
Facility
Working Memory
Knowledge
Base
Domain Knowledge
(Elements of
Knowledge Base)
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
PARTISIPAN DALAM MEMBANGUN
SISTEM PAKAR
DAN
ATURAN-ATURANNYA
PEMBANGUN
ALAT BANTU
PAKAR
STAF
PENDUKUNG
PENGETAHUAN
YANG TERDOKUMENTASIKAN
Membangun
Mendukung
tugas
Menguji
Memperoleh
pengetahuan
ALAT BANTU,
BAHASA
Pengguna
Pengguna
Membangun
INSINYUR
PENGETAHUAN
SISTEM
PAKAR
Memberikan
Bekerja sama
Membangun
PENJUAL
PEMBANGUN
SISTEM
Menggunakan
Menghubung
kan
PENGGUNA
AKHIR
Bahasa-bahasa Pemrograman
Sistem Pakar
LisP
Insight 2 +
ProLog
Amzy Logic
ExSys
JESS
PC +
CLIPS
Expert Ease
Etc.
Beberapa contoh aplikasi
Sistem Pakar
 Mysin, identifikasi penyakit infeksi
bakterial dan rekomendasi obat anti
biotiknya
 Dendral, analisa struktur molekular suatu
senyawa yang belum diketahui
 Etc.
KATEGORI GENERIK DARI SISTEM PAKAR
Kategori
Interpretasi
Prediksi
Diagnosis
Perancangan
Perencanaan
Monitoring
Debugging
Reparasi
Instruksi
Kontrol
Masalah yang Diselesaikan
Menduga gambaran situasi dari observasi
Menduga akibat yang mungkin dari situasi
tertentu
Menduga kegagalan sistem dari observasi
Mengatur konfigurasi obyek dari konstrain
Mengembangkan rencana-rencana untuk
mencapai tujuan-tujuan
Membandingkan observasi terhadap rencanarencana, tanda gagal/berhasil (flagging), dan
perkecualian-perkecualian (exceptions)
Memberi “obat” bagi kegagalan fungsi
Mengeksekusi rencana untuk menjalankan “obat
penyembuhan”
Mendiagnosa, mendebug, dan membetulkan
unjuk kerja siswa
Menginterpretasikan, memprediksi, mereparasi,
dan memonitor perilaku sistem
Ciri-ciri Sistem Pakar
 Terbatas pada domain keahlian tertentu
 Memiliki fasilitas informasi yang handal
 Berdasar “rule-rule”tertentu
 Mudah dimodifikasi
 Dapat digunakan dalam berbagai jenis
komputer
 Dirancang untuk dapat dikembangkan
secara bertahap
 Output bersifat anjuran
PERBANDINGAN SISTEM KONVENSIONAL
DENGAN SISTEM PAKAR
Sistem Konvensional
Sistem Pakar
Informasi dan pemrosesannya biasanya
digabungkan dalam satu program sekuensial
Basis Pengetahuan dipisahkan secara jelas
dengan mekanisme pemrosesan / inferensi
(yaitu, aturan-aturan pengetahuan dipisahkan dari kontrol)
Program tidak membuat kesalahan (yang
membuat kesalahan : pemrogram)
Program dapat berbuat kesalahan
Biasanya tidak menerangkan mengapa
data masukan diperlukan atau bagaimana
kesimpulan ditarik
Keterangan biasanya merupakan bagian
dari hampir semua Sistem Pakar
Perubahan program sangat menyulitkan
(tedious)
Perubahan dalam aturan-aturan mudah
untuk dilaksanakan
Sistem hanya beroperasi setelah lengkap
/ selesai
Sistem dapat beroperasi hanya dengan
aturan-aturan yang sedikit (prototipe awal)
Eksekusi dilakukan dengan
Eksekusi dilakukan langkah demi langkah
(algoritmik)
Menggunakan heuristik dan logika
Perlu informasi lengkap agar bisa
Beroperasi
Dapat beroperasi dengan informasi yang
tidak lengkap atau tidak tentu
PERBEDAAN (Lanjutan..)
Sistem Konvensional
Sistem Pakar
Manipulasi efektif dari basis data
yang besar
Manipulasi efektif dari basis
pengetahuan yang besar
Representasi dan penggunaan
data
Representasi dan penggunaan
pengetahuan
Tujuan utama : efisiensi
Tujuan utama : efektivitas
Mudah berurusan dengan data
kuantitatif
Mudah berurusan dengan data
kualitatif
Menangkap, membesarkan, dan
mendistribusikan akses ke data
numerik atau informasi
Menangkap, membesarkan, dan
mendistribusikan akses ke
pertimbangan dan pengetahuan
Faktor-faktor yang mempengaruhi
keberhasilan sistem pakar
Isi Sistem Pakar
Faktor Manajemen
 Dukungan manajamen merupakan keharusan
 Kebijakan
 Dana
 Sumber daya
 Pelatihan untuk pengguna
Faktor Pengetahuan
 Pengetahuan didapat dari setidaknya satu orang
pakar
 Tingkat kepakaran yang cukup tinggi
 Pengetahuan dapat diinterpretasikan secara simbolis
Faktor Antarmuka
 Antarmuka dapat mengakomodir target pengguna
(awam, teknis, pakar)
 Antarmuka disesuaikan dengan spesifikasi sistem
pakar itu sendiri
Faktor Lingkup Permasalahan
• Kebutuhan akan solusi sepadan dengan biaya dan
tenaga untuk membangun sebuah sistem pakar
(cukup sulit)
• Permasalahan yg akan diselesaikan merupakan
masalah kualitatif (fuzzy) dan tidak bisa diselesaikan
dengan metode tradisional
• Permasalahan terfokus dalam satu bidang yang tidak
terlalu luas
• Pakar tidak selalu tersedia
PENDAHULUAN
SUB SISTEM CBIS YG MENARIK
1.SISTEM BERBASIS PENGETAHUAN
(KNOWLEDGE BASED SYSTEM)
2.KECEDASAN BUATAN ( ARTIFICIAL
INTELLIGENT)
BENTUK
SISTEM
BERBASIS
PENGETAHUAN
YG
POPULER
ADALAH SISTEM PAKAR (EXPERT
SYSTEM) YG MEMPUNYAI 4 BAGIAN
UTAMA
1.USER INTERFACE
2.INFERENCE ENGINE
3.DEVOLOPMENT ENGINE
4.KNOWLAGDE BASE
KECERDASAN BUATAN
Kecerdasan buatan (artificial Intelligence A/I)
adalah : Kegiatan memberikan pada mesin (
komputer)
kemampuan
untuk
menampilkan
prilaku yg dianggap cerdas.
AI pertama kali diperkenalkan pada tahun 1956 dgn
program komputer pertama disebut : logic theorist (
pembuktian teorima kalkulus).
AI sedang diterapkan dibidang bisnis dlm bentuk
sistem berbasisi pengetahuan ( knowledge base
system), jenis yg paling popular adalah : program
komputer
yang
memcoba
untuk
mewakili
pengetahuan aturan yakni aturan praktis ( rule of
thumb) dan aturan dugaan ( rule of good guessing).
PROBLEM DOMAIN MODEL SISTEM PAKAR
PEMAKAI
PROBLEM
DOMAIN
USER
INTERFACE
INFERENCE
ENGINE
KNOWLAGE BASE
DEVELOPMENT
ENGINE
EXPERT &
KNOWLEDGE
ENGINEER
USER INTERFACE
User interface memungkinkan manajer untuk
memasukkan instruksi & informasi ke dlm
sistem pakar
Input Sistem Pakar
User interface dirancang untuk mempermudah
dialog dua arah antara sistem & pemakai dgn
menampilkan teknik tanya-jawab dan pengisian
formulir kemudian muncul bahasa perintah &
menu
speadsheet
elektronik
&
sistem
manajemen data base (DBMS)
KNOWLEDGE BASE
Knowlage base memuat fakta-fakta yg menjelaskan
area masalah & juga teknik menerangkan masalah yg
memjelaskan bagaimana fakta fakta tsb cocok sata dgn
yang lain
INTERFACE ENGINE
 Penaran Maju
Penalaran maju disebut juga forward chaining dimana
sistem pakar akan menguji apakah setiap kondisi benar
atau salah.
 Penalaran Mundur
Penalaran mundur disebut juga backward chaining
Membandingkan
Penalaran
Maju
&
Penalaran
Mundur
Penalaran mundur bergerak lebih cepat dari
penalaran maju krn penalaran mundur tdk
harus mempertimbangkan semua aturan & tdk
membuat beberapa putaran melalui perangkat
atauran.
Penalaran mundur sangat sesuai jika:
1. Terdapat variabel sasaran berganda ( multiple
goal variable)
2. Terdapat banyak aturan
3. Semua atau hampir semua aturan tdk hrs diuji
dalm proses mencapi pemecahan.
DEVELOPMENT ENGINE
Komponen utama sisem pakar adalah development
engine, yg digunakan utk menciptakan sistem pakar.
Ada 2 pendekatan dasar yakni :
1.
2.
Bahasa Pemrograman
Shell sistem pakar
Penyusunan Sistem Pakar
Struktur sistem pakar
Komponen-komponen SP
 Basis pengetahuan  representasi pengetahuan
 mesin inference
 User Interface (antarmuka pengguna),
Basis pengetahuan



Yaitu berupa representasi penegtahuan dari pakar.
Tersusun dari fakta dan kaidah. Fakta adalah
informasi tentang objek, peristiwa atau situasi.
Kaidah adalah cara untuk membangkitkan suatu
fakta yang sudah diketahui
Model : Jaringan Semantik, Frame, Aturan
Produksi, Logika Predikat, Hybrids
Mesin inferensi
 Berperan sebagai pemamdu proses penalaran
terhadapa suatu kondisi.
 Dalam prosesnya menggunakan strategi penalaran
dan strategi pengendalian.
 Strategi penalaran : exact reasoning dan inexact
 Teknik pengendalian : forward chaining, backward
chaining dan gabungan keduanya
Forward Chaining
Pelacakan kedepan adalah pendekatan yang dimotori
data (data-driven). Dalam pendekatan ini pelacakan
dimulai dari informasi masukan, dan selanjutnya
mencoba menggambarkan kesimpulan. Pelacakan ke
depan, mencari fakta yang sesuai dengan bagian IF
dari aturan IF-THEN.
Backward chaining
Pelacakan ke belakang adalah pendekatan yang
dimotori oleh tujuan (goal-driven). Dalam
pendekatan ini pelacakan dimulai dari tujuan,
selanjutnya dicari aturan yang memiliki tujuan
tersebut untuk kesimpulannya. Selanjutnya proses
pelacakan menggunakan premis untuk aturan
tersebut sebagai tujuan baru dan mencari aturan
lain dengan tujuan baru sebagai kesimpulannya.
Proses berlanjut sampai semua kemungkinan
ditemukan.
Konsep Dasar Sistem Pakar
 Sistem yang mempunyai pengetahuan para
ahli/pakar dan menggunakannya dalam mengambil
keputusan/menyelesaikan masalah
 Bidang yang ditangani spesifik
 Berdasarkan pada aturan-aturan yang biasanya
berbentuk IF-THEN
Konsep Dasar Sistem Pakar
 Kepakaran ditransfer dari seorang pakar ke
komputer.
 Pengetahuan ini disimpan dan user dapat meminta
saran spesifik yang dibutuhkannya.
 Komputer dapat mencari, mengolah dan
menampilkan kesimpulan yang spesifik
 Mempunyai kemampuan menjelaskan
Bagian Utama Sistem Pakar
 Lingkungan pengembangan
 Digunakan untuk memasukkan pengetahuan pakar ke dalam
lingkungan sistem pakar
 Lingkungan konsultasi
 Digunakan oleh pengguna yang bukan pakar untuk
memperoleh pengetahuan pakar
Komponen Sistem Pakar
• Antarmuka pengguna – mekanisme yang digunakan oleh
•
•
•
•
•
•
pengguna dan sistem pakar untuk berkomunikasi
Basis pengetahuan – terdiri dari fakta dan aturan
Akuisisi pengetahuan – pemindahan pengetahuan dari
sumber ke program komputer
Motor inferensi – penalaran untuk menyelesaikan masalah
Workplace/blackboard – memori untuk merekam kejadian
yang sedang berlangsung termasuk keputusan sementara, ada
3 keputusan yang dapat direkam : rencana, agenda, solusi
Fasilitas penjelasan – memberikan penjelasan tentang
perilaku sistem pakar
Perbaikan pengetahuan – peningkatan kinerja dan update
pengetahuan
Tahap Pembuatan Sistem Pakar
Contoh Sistem Pakar
• MYCIN
–
–
Mendiagnosa penyakit infeksi dan merekomendasi pengobatan
Membantu dokter yang belum berpengalaman dalam menangani penyakit
• EL
–
–
–
Digunakan untuk menganalisa dan membantu rekayasa rancangan sirkuit
elektronik yang terbuat dari transistor, dioda dan resistor.
Diagram skematik dari sirkuit ini dimasukkan ke dalam komputer dan EL
menganalisis menentukan karakteristik sirkuit, nilai voltase, dan strum
yang ada pada semua titik sirkuit.
Basis pengetahuan pada EL merupakan prinsip umum elektronik seperti
hukum OHM, hukum kirchoff, karakteristik komponen, teori operasi
transistor.
• DELTA
–
membantu karyawan bagian pemeliharaan mesin lokomotif diesel dalam
memantau mesin-mesin yang tidak berfungsi dengan baik dan
membimbing ke arah prosedur perbaikan
Membangun Basis Pengetahuan
•
•
•
•
•
•
Define the Potential Solutions
Define the Inputs Fact
Develop an outline
Draw a Decision Tree
Map a Matrix
Develop the Software
Persyaratan Untuk Membuat Sistem Pakar Yang
Baik :
 Sistem pakar harus dikembangkan untuk memenuhi




kebutuhan yang diketahui dan penting.
Kecepatan pemrosesan dari sistem harus sangat
tinggi.
Sistem pakar harus dapat menaikkan kepakaran dari
pengguna.
Pembetulan kesalahan harus mudah dilakukan.
Program harus dapat menjawab pertanyaan yang
mudah.
Persyaratan Untuk Membuat Sistem Pakar Yang Baik :
(lanjutan)
 Sistem harus dapat mengajukan pertanyaan untuk men 



mendapatkan informasi tambahan.
Pengetahuan program harus mudah untuk dimodifikasi
(yaitu : add, delete, dan modify).
Pengguna harus merasa bahwa ia yang menguasai sistem
(“he is in control”).
Derajat usaha (baik fisik maupun mental) untuk menggu
- nakan sistem pakar bagi pemula haruslah masuk akal
(tidak terlalu berat).
Kebutuhan input (dalam pengertian “data”) harus jelas
dan mudah untuk diperoleh.
MEMBANGUN SUATU KNOWLEDGE BASE
(RULE-BASED) SYSTEM
 Kasus : Penggunaan Sistem Pakar untuk
mencocokkan Anggur dan Makanan
 Buatlah kasus lainnya.
Pengenalan
Jaringan Syaraf Tiruan
 Komputer sangat cepat dalam perhitungan matematis,
sedangkan manusia sangat lambat
 Apakah komputer lebih cerdas dari manusia ?
 Manusia adalah ciptaan Tuhan yang paling sempurna
dan mempunyai inteligensia yang tinggi (spektrum
inteligensia)
 Manusia mempunyai panca indera dan proses kognisi,
yang sangat sulit dilakukan oleh komputer. (contoh : ?)
Pendahuluan (cont’d)
 Bagaimana membuat Komputer mampu seperti
manusia ?
Kemampuan penyerupaan panca indera.
 Inteligensia Semu mengembangkan metode
logika dengan menggunakan manipulasi
simbolik.
 Akan tetapi manipulasi simbolik ternyata tidak
mampu untuk menyelesaikan persoalan yang
berkaitan dengan panca indera.
Representasi Pengetahuan
Review: Definisi
 AI = bidang ilmu komputer yang meneliti dan
mempelajari bagaimana agar komputer dapat
bertindak dan mengerjakan pekerjaan seperti yang
dilakukan oleh manusia.
 Awalnya komputer hanya mesin hitung
Review: Definisi
Membuat
Sistem
Berfikir
Bertindak
Seperti
Manusia
Model Kognitif
Uji Turing
Rasional
Kaidah bernalar
Agen Rasional:
membuat inferensi
logis sehingga dapat
melakukan aksi logis
Berfikir Seperti Manusia
(Thinking Humanly)
1.
2.
Diperlukan suatu cara untuk mengetahui bagaimana
manusia berfikir
Diperlukan pemahaman tentang bagaimana pikiran
manusia bekerja
Bagaimana caranya?

Melalui introspeksi atau mawas diri; mencoba menangkap
bagaimana pikiran kita berjalan


How do you know that you understand?
Melalui percobaan psikologis
Bidang Ilmu:


Cognitive Science
Vision & natural language
Uji Turing: AI Bertindak Seperti Manusia
(acting humanly)
 AI lulus test
apabila
interogator
tidak bisa
membedakan
dialog mana
yang dilakukan
dengan
komputer dan
mana yang
dilakukan
dengan
manusia
Komputer
Pertanyaan
dan
Jawaban
Interogator
Manusia
System capabilities:
•Natural language processing
•Knowledge representation
•Automated reasoning
•Machine learning
•Computer vision (+)
•Robotics (+)
Berfikir Rasional (thinking rationally)
 Cara berfikirnya memenuhi aturan logika yang
dibangun oleh Aristotles
Pola struktur argumentasi yang selalu memberi
konklusi yang benar bila premis benar
Menjadi dasar bidang logika
 Tradisi logicist dalam AI adalah membangun
program yang menghasilkan solusi berdasarkan
logika
 Problem:
Pengetahuan informal sukar diuraikan dan
dinyatakan dalam bentuk notasi logika formal
Terdapat perbedaan besar antara memecahkan masalah “secara
prinsip” dan “di dunia nyata”
Bertindak Rasional (acting rationally)
 Bertindak secara rasional artinya bertindak
didalam upaya mencapai goal
 Didalam lingkungan yang rumit tidaklah
mungkin mendapatkan rasionalisasi sempurna
yang selalu melakukan sesuatu dengan benar
Rasionalisasi terbatas
Sehingga:
 Thinking dan acting humanly terlalu luas,
thinking rationally masih terlalu sempit
 Pendekatan yang diikuti adalah Acting
Rationally
Review: Intelegensia
 Bagaimana seseorang/sesuatu belajar dan melaksanakan
pengetahuan yang dimiliknya.

Walaupun punya pengetahuan tapi jika tidak dapat melaksanakan
pengetahuan tersebut = tidak inteligen
 Daya reaksi atau penyesuaian yang cepat dan tepat, baik
secara fisik maupun mental, terhadap pengalamanpengalaman baru, membuat pengalaman dan pengetahuan
yang dimiliki siap untuk dipakai apabila dihadapkan pada
fakta-fakta atau kondisi-kondisi baru (Kamus Besar Bahasa
Indonesia Balai Pustaka)
 Pengetahuan diperoleh dari belajar dan menalar untuk
menggunakannya dalam menyelesaikan masalah
Review: Bagian Utama AI
 Basis Pengetahuan (Knowledge Based)
 Berisi fakta, teori, pemikiran, dan hubungannya
 Motor Inferensi (Inference Engine)
 Kemampuan menalar dan menarik kesimpulan
Computer
Inputs
Knowledge
base
Inference
mechanism
Outputs
Review: AI Prehistory
 Philosophy : Logic, methods of reasoning
 Mathematics : Formal representation and proof
algorithms, computation, probability
 Economics : utility, decision theory
 Neuroscience : physical substrate for mental
activity
 Psychology : phenomena of perception and motor
control, experimental techniques
 Control theory : design systems that maximize an
objective function over time
 Linguistics : knowledge representation, grammar
Review: AI History
 1941: era komputer elektronik yang dapat menyimpan program
 1943 – 1956: Warren McCulloch dan Walter Pits menemukan boolean




model untuk otak, bernaa PERCEPTRON (JST pertama), McCarthy
disebut father of AI
1952 – 1969: Newell dan Simon menemukan General Problem Solver,
McCarthy membuat LISP
1966 – 1974: jaman AI melambat
1969 – 1979 : knowledge based system
1986 – now: Industrial AI dan perkembangan JST, GPS, software catur
HITECH adalah software pertama yang mengalahkan grandmaster
dunia, Arnold Danker.
 Prinsipnya AI mengandung unsur: SEARCHING, REASONING,
PLANNING, dan HEARING
Review: AI vs Non AI
 AI lebih permanen, non AI mudah berubah seturut
waktu
 AI mudah diduplikasikan dan disebarkan
 AI lebih murah dari non AI
 AI lebih konsisten dan mudah didokumentasi
 AI tidak kreatif
 AI tidak dapat menggunakan pengalaman secara
langsung
 AI terbatas
Contoh ilmu-ilmu dalam lingkup AI















ANN (Artificial Neural Network)
NLP (Natural Language Processing)
Game Playing
ES (Expert System)
Robotics
Pattern Recognition
Computer Reasoning
Computer Vision
IR (Information Retrieval)
Data Mining
Fuzzy System
Neuro Fuzzy System
GA (Genetic Algorithm)
CBR (Case Based Reasoning)
DSS (Decision Support System)
AI vs Pemrograman Konvensional?
 AI: pemrosesan simbolik, PK: Algoritmik
 AI: input tdk lengkap, PK: input hrs lgkp
 AI: heuristic searchng, PK: algoritmik
 AI: ada penjelasan, PK: tidak
 AI: basis pengetahuan, PK: data & infor
 AI: control & knowledge terpisah, PK tidak
 AI: mampu menalar, PK: tidak
 AI: pemeliharaan mudah, PK: relatif sulit
AI Lemah & Kuat
 Klaim AI lemah
 Mesin
bisa dibuat untuk bertindak seolah-olah ia
cerdas
 Prinsip nilai dari komputer adalah bahwa ia
memberi perlengkapan yang sangat ampuh.
 Contoh, ia memampukan kita untuk merumuskan
dan menguji hipotesa dalam cara yang lebih tepat
 Klaim AI kuat
 Mesin
yang bertindak cerdas memiliki kesadaran
pikiran dan nyata
Knowledge Base
 The first step in constructing an AI
program is to build a knowledge
base
 Will be used by the inference
mechanism to reason and draw
conclusions
Computer
Inputs
Knowledge
base
Inference
mechanism
Outputs
Knowledge Base
 Knowledge engineering: process of
collecting and organizing the knowledge
 Knowledge representation: process
of how knowledge is represented to
form a knowledge base
Representasi Pengetahuan
 Bagaimana merepresentasikan pengetahuan ke
dalam basis pengetahuan dan menguji kebenaran
penalaran
 Cara-cara lama:
List, digunakan pada LISP
 Predicate Calculus, digunakan pada Prolog
 Tree, untuk heuristic search

 Karakteristik RP:
 Dapat diprogramkan
 Dapat dimanfaatkan untuk penalaran, menggambarkan
kesimpulan sebagai fungsi kecerdasan
Alasan Pemilihan
 Why knowledge representation rather than
information representation?



Karena pada konvensional database merepresentasikan data
secara sederhana: string, number, boolean
Namun AI menganggap pengetahuan lebih kompleks, seperti
proses, prosedur, aksi, waktu, tujuan dan penalaran
Knowledge should be collected, codified, and
organized in systematic order
Representasi Pengetahuan (2)
 Harus terdiri dari struktur data dan prosedur
untuk penafsiran
 Hal yang berhubungan dengan RP:
Object pengetahuan itu sendiri
 Event: kejadian-kejadian dalam dunia nyata dan
hubungannya
 Performa: bagaimana melakukan suatu tugas tertentu
 Meta knowledge: pengetahuan tentang pengetahuan yang
direpresentasikan

Penggunaan Pengetahuan
 Acuisition: mengintegrasikan informasi baru kedalam
pengetahuan sistem.

Dua level:


Menyusun fakta ke dalam database
Pembuatan fungsi untuk mengintegrasikannya dengan cara “belajar dan
mengadaptasikannya” terlebih dahulu
 Retrieval: mengingat kembali, menyusun ulang
pengetahuan berdasarkan hubungan pengetahuan
terhadap masalah


Linking: mengekstrak informasi baru tersebut
Lumping: mengelompokkan hasil ekstraksi pengetahuan baru
tersebut kedalam struktur yang lebih besar seperti yang dibutuhkan
dalam menyelesaikan masalah
Penggunaan Pengetahuan (2)
 Reasoning: pengetahuan digunakan untuk menalar
suatu permasalahan



Formal reasoning: menggunakan logika proporsional
Procedural reasoning: menggunakan aturan produksi ( IFTHEN)
Analogical reasoning: sangat sulit
Klasifikasi Kategori RP
 Menurut Mylopoulus dan Levesque: (declarative)
 Representasi Logika: menggunakan logika formal. Digunakan pada
PROLOG
 Representasi Prosedural: menggambarkan prosedur sebagai
kumpulan instruksi untuk memecahkan masalah. Digunakan dalam
pemrograman: IF-THEN
 Representasi Network: menggambarkan pengetahuan sebagai Graph
dan Tree
 Representasi Terstruktur: memperluas konsep Representsi Network
dengan membuat node-nodenya menjadi struktur data yang
kompleks. Contoh: script, frame, dan object
 Procedural: dibuat dalam prosedur-prosedur
Logika
Adalah representasi pengetahuan yang paling tua.
Proses menarik kesimpulan dari fakta yang sudah ada
Input: premis-premis dan Ouput: kesimpulan
Terdiri dari: sintaks (simbol), semantik (fakta), dan proses
pengambilan keputusan (inferensi)
 Proses penalaran:






Deduktif (umum-khusus)
Induktif (khusus-umum)
 Logika:
 Logika Preposisi: and, or, not, implikasi, dan ekuivalensi
 Logika Predikat: representasi fakta dalam bentuk well formed
formula
 Lihat dibuku Artificial Intelligence (Sri Kusuma Dewi)
Logic: Proposition Logic
P
Q
P AND Q
P
Q
P OR Q
T
T
T
T
T
T
T
F
F
T
F
T
F
T
F
F
T
T
F
F
F
F
F
F
P
Q
P  Q
P
Q
PQ
T
T
T
T
T
T
T
F
F
T
F
F
F
T
T
F
T
F
F
F
T
F
F
T
Logic: Predicate Logic (1)
 Using all the same concepts and rules of
propositional logic
 Represent knowledge in finer detail
 Breaking a statement (proposition) down into
component parts:
 Arguments: the individuals or objects an
assertion is made about
 Predicate: the assertion made about them
 Prolog: PROgramming in LOGic
Logic: Predicate Logic (2)
PREDICATE (Individual [object]1, Individual [object]2)
Examples:
Proposition: The car is in the garage
IN (car, garage)
PROLOG
Predicate
(assertion)
Argument
(object)
Logic: Predicate Logic (3)
PREDICATE (Individual [object]1, Individual [object]2)
Examples:
 John likes Mary
 The door is open
 The tire is flat
 Chris is a man
Predicate express conditions
Function shows a relationship
LIKES(John, Mary)
OPEN(door)
FLAT(tire)
man(Chris)
Function
Logic: Predicate Logic (4)
 Quantifiers

All Javanese are Indonesian
x[ Javanesex  Indonesian x]

Some cars are red
x [car(X) AND IS RED(x)]
List dan Tree
 List:serangkaian struktur data yang dibuat secara
berhubungan, list bisa juga menggambarkan relasi
dan hirarki
 Tree: suatu struktur data yang berupa node-node
yang dibuat secara hirarkis dan hubungannya
 Lihat di Struktur Data!
Lists & Trees (2)
List:
Tree:
Node
Arc
Sematic Network
 Diperkenalkan oleh Ros Quillian
 Very flexible: almost any kind of object, attribute,





concept, etc. can be defined and relationship created
with links
To seek answer: the computer simply searches
forward or backward through the arcs from a starting
node
Gambaran pengetahuan grafis yang menunjukkan hubungan
antar objek.
Terdiri dari:
 lingkaran-lingkaran yang menunjukkan obyek dan informasi
mengenai obyek tersebut
 panah (arc) yang menunjukkan hubungan antar obyek
Kelebihan:
 Memiliki sifat inheritance
Menggunakan representasi OAV (Object Atributte Value)
Semantic Network (2)
Frame
 Diperkenalkan oleh Minsky tahun 1975
 Suatu struktur data yang digunakan untuk
merepresentasikan pengetahuan dan situasi-situasi
yang telah dipahami
 Frame memiliki slot untuk menggambarkan rincian
dan karakteristik obyek
Frames (2)
Frames (3)
Script
 Mirip dengan frame, merepresentasikan
pengetahuan berdasarkan pengalamanpengalaman
 Frame menggambarkan obyek, sedangkan script
menggambarkan urutan peristiwa
 Elemen script:
Kondisi input: start, awal
 Track: variasi yang mungkin terjadi
 Prop: obyek pendukung
 Role: peran yang dimainkan oleh suatu obyek
 Scence: adegan yang terjadi
 Hasil (result): kondisi akhir yang terjadi

Schemas: Scripts (2)
Aturan Produksi
 Paling populer (sejak tahun 1943-Post, 1957-
Chomsky, 1972-Alan Newell)
 Terdiri dari antecedent/premis/situasi dan
konsekuen/kesimpulan/tindakan
 Digambarkan dalam IF-THEN rules
 Digunakan pada Sistem Pakar
 Contoh:
IF temp > 30 C THEN hidupkan AC
 IF permintaan meningkat AND persediaan menipis
THEN pemesanan barang
 IF pelamar <= 25 OR lulusan komputer THEN bisa
diterima menjadi pegawai

Kelebihan dan Kekurangan
 Mudah dimengerti dan luwes, mudah
dikembangkan dan disesuaikan dengan
pengetahuan yang ada
 Inferensi mudah diturunkan
 Modifikasi mudah
 Mendukung ketidak pastian
 Simpel dan intuitive
 Jika pengetahuannya banyak dan kompleks, akan
sulit
 Sulit mendeteksi konflik
Sistem Produksi
 Memiliki 3 elemen:
 Global Database: mulai dari matriks sederhana, list, atau basis
data untuk menyimpan aturan produksi dan memory kerja
 Aturan Produksi: berisi aturan IF-THEN
 Sistem Kontrol: program pengkontrol urutan mana aturan
kaidah-kaidah produksi yang harus dipilih dan menyelesaikan
konflik pada saat pemilihan
Resolusi Konflik
 Urutkan aturan berdasarkan prioritas, kemudian




pilih aturan pertama yang memiliki prioritas
tertinggi
Pilih aturan yang paling strict (ketat)
Pilih aturan yang paling sering digunakan
Pilih aturan yang paling akhir dimasukkan di dalam
sistem
Pilih semua aturan yang memungkinkan
Metode Penalaran
 Forward reasoning (data driven): dimulai dari
keadaan awal (dari fakta), kemudian menuju ke arah
kesimpulan / tujuan
 Backward reasoning (goal driven): dimulai dari
tujuan / hipotesa baru dicocokkan dengan keadaan
awal / fakta-fakta
Alasan pemilihan metode
 Tergantung dari banyaknya keadaan awal dan
tujuan.


Jika jml awal lebih kecil dari tujuan gunakan penalaran maju.
Jika jml tujuan lebih banyak dari awal, gunakan penalaran
mundur
Buku & Bahan Acuan
 Komputer Masa Depan, Pengenalan Artificial
Intelligence, Suparman & Marlan, Andi Offset,
2007
 Konsep Kecerdasan Buatan: Anita Desiani &
Muhammad Arhami, Andi Offset, 2006
 Artificial Intelligence Teknik dan Aplikasinya, Sri
Kusumadewi, Graha Ilmu, 2003
 Artificial Intelligence, Searching, Reasoning,
Planning, and Learning, Suyanto, Penerbit
Informatika, 2007
 Bahan-bahan dari Internet
NEXT
 Sistem Pakar
 JST
 NLP
 Case Based Reasoning
 Problem Solving : Learning
 Information Retrieval & Document Mining
“PENGEMBANGAN SISTEM PAKAR”
Membangun Aplikasi IS
• What is the application to be build ? (problem
selection)
• Who is going to build the application ?
(development strategy)
• How is the application going to be build ?
(development process)
What is the
Application ?
Who is going to
Build it ?
Who is the
Application to
be Build ?
Phase Pengembangan
Sistem Pakar
 Phase I
 Phase II
 Phase III
 Phase IV
 Phase V
 Phase VI
:
:
:
:
:
:
Insialisasi Proyek
Analisis dan Perancangan Sistem
Prototiping Cepat
Pengembangan Sistem
Implementasi
Post Implementasi
Daur Hidup Pengembangan Sistem Pakar
 Phase I
 Phase II
: Insialisasi Proyek
Masalah
?
Kebutuhan ?
Evaluasi
?
: Analisis dan Perancangan Sistem
Rancangan ?
Strategi dan Metodologi ?
Sumber Pengetahuan
?
Sumberdaya Komputasi ?
Daur Hidup Pengembangan Sistem Pakar
(lanjutan)
 Phase III
: Prototiping Cepat
Membangun Prototipe ?
Testing dan Improving ?
Demonstrasi
?
 Phase IV : Pengembangan Sistem
Membangun Basis Peng. ?
Instalasi, Pengembangan?
 Phase V : Implementasi
 Phase VI : Post Implementasi
PHASE I
Inisialisasi Proyek
PHASE II
Analisis dan
Perancangan Sistem
PHASE III
Prototyping Cepat
PHASE IV
Pengembangan
Sistem
Definisi Permasalahan
Pengkajian Kebutuhan
Evaluasi alternatif SolusiVerifikasi
Pendekatan Sistem Pakar
Perhatian Terhadap Isu Manajemen
Rancangan dan Rencana Konseptual
Strategi Pengembangan
Sumber-sumber Pengetahuan
Sumber Daya Komputasi
Study Kelayakan, Analisis Biaya-Manfaat
Membangun Prototipe Sederhana
Testing, Improving, dan Expending
Demonstrasi dan Analisis Kelayakan
Penyelesaian Rancangan
Membangun Basis Pengetahuan Testing,
Evaluating, dan Improving Basis
Pengetahuan Rencana Integrasi
PHASE V
Implementasi
Penerimaan oleh pengguna
Instalasi, Demonstrasi, Deployment
Orientasi, Training, Security,
Dokumentasi, Integrasi,
Field Pengguna
PHASE VI
Post-Implementasi
Operasi, Maintenance dan Upgrades
Evaluasi Periodik
PHASE I : INISIALISASI PROYEK
A.
DEFINISI PERMASALAHAN DAN
PENGKAJIAN KEBUTUHAN
 Mendefinisikan permasalahan hanyalah berusaha
menjawab beberapa pertanyaan :
Apa masalahnya ?
Apa kebutuhan yang riil ?
 Masalah bisnis pada umumnya adalah
produktifitas yang rendah, kekurangan pakar,
information overload, masalah waktu, atau
masalah orang.
PHASE I : INISIALISASI PROYEK
(lanjutan)
B. EVALUASI ALTERNATIF SOLUSI
Sebelum memulai pengembangan Sistem Pakar, perhatian
solusi alternatif terhadap permasalahan.
Kurang pengetahuan adalah masalah yang dapat
dipecahkan tanpa Sistem Pakar.
Contoh lainnya :
 Pemanfaatan dan ketersediaan Pakar
 Pendidikan dan Pelatihan
 Pengetahuan yang terdokumentasikan
 Software Konvensional
 Membeli Knowledge melalui internet.
PHASE I : INISIALISASI PROYEK (lanjutan ..)
C. VERIFIKASI PENDEKATAN SISTEM PAKAR
Perlu adanya studi 3 (tiga) bagian untuk menentukan
apakah pendekatan Sistem Pakar cocok, yaitu
 Requirements (12)
 Justification, (8)
 Appropriatness (3)
(Waterman, 1985)
12 Requirements untuk Pengembangan
Sistem Pakar
 Tugas tidak memerlukan common sense
 Tugas hanya perlu kognitif, dan bukan skill fisik
 Sekurangnya ada seorang pakar yang mau kerjasama
 Pakar yang terlibat dapat menyatakan metodenya untuk
penyelesaian masalah
 Pakar yang terlibat setuju dengan penge -tahuan dan
pendekatan solusi terhadap permasalahan
 Tugas tidak terlalu sulit
12 Requirements untuk Pengembangan
Sistem Pakar (lanjutan)
 Tugas mudah dipahami dan didefinisikan dengan





baik
Definisi tugas cukup stabil
Solusi komputer konvensional (algoritmik) kurang
memuaskan
Hasil yang salah dan tak optimal dapat ditolerir
Data dan test cases tersedia
Kosakata tugas tidak lebih dari ratusan konsep
8 Justifikasi untuk Pengembangan Sistem Pakar








Solusi terhadap masalah mempunyai payoff tinggi
Sistem Pakar dapat melestarikan kepakar -an manusia
sehingga tidak hilang
Kepakaran diperlukan di banyak lokasi
Kepakaran diperlukan dalam lingkungan yang tidak
ramah dan berbahaya
Kepakaran memperbaiki unjuk rasa dan kualitas
Sistem dapat digunakan untuk pelatihan
Solusi Sistem Pakar dapat diturunkan lebih cepat dari pada yang dilakukan oleh pakar manusia
Sistem pakar lebih konsisten dan lebih akurat daripada
manusia
Kecocokan (appropriateness) dari Sistem Pakar
Ada 3 faktor yang harus diperhatikan untuk menen
– tukan cocok atau tidak membangun sistem pakar,
yaitu :
 Nature of the problem. Masalah harus mempunyai
struktur simbolik dan ada heuristik untuk solusi.
 Complexity of the task. Tugas harus tidak terlalu
sulit maupun terlalu mudah bagi pakar manusia.
 Scope of the problem. Masalah harus berukuran
yang dapat ditangani dan harus mempunyai nilai
praktis.
PHASE I : INISIALISASI PROYEK (lanjutan)
D. PERHATIAN TERHADAP ISU MANAJEMEN 
Proyek Sistem Pakar
 Siapa yang akan memulai Proyek
 Ketersediaan finansial
 Ketersediaan sumber daya lainnya
 Konstrain hukum dan konstrain lain-lain
 Nilai jual proyek : setiap pihak yang terlibat atau top
management harus yakin terhadap nilai proyek
 Seseorang dalam top management harus mensponsori
proyek ini dengan sungguh sungguh
EXPERT SYSTEM (Sistem Pakar)
Bentuk pengetahuan dalam Sistem Pakar:
 fakta-fakta pada lingkup permasalahan tertentu
 teori-teori pada lingkup masalah tertentu
 prosedur-prosedur berkenaan dengan lingkup
masalah tertentu
 strategi-strategi global untuk menyelesaikan
masalah
 meta-knowledge (pengetahuan tentang
pengetahuan)
EXPERT SYSTEM (Sistem Pakar)
Blok diagram Sistem Pakar
Facts
Knowledge
Base
Knowledge base (basis pengetahuan)
berisi pengetahuan-pengetahuan
dalam penyelesaian masalah
Inference
Engine
Inference engine (motor inferensi)
bertugas untuk menganalisis
pengetahuan dan menarik
kesimpulan berdasarkan knowledge
base
User
Expertise
Expert System
EXPERT SYSTEM (Sistem Pakar)
Elemen Sistem Pakar :
 User interface (antarmuka)
mekanisme komunikasi antara user dan ES
 Explanation facility (subsistem Penjelasan)
digunakan untuk melacak respon dan
memberikan penjelasan tentang kelakuan sistem
pakar secara interaktif
 Working memory
database global dari fakta yang digunakan dalam
prosedur
 Agenda
daftar prioritas prosedur yang dibuat oleh motor
inferensi dan direkam dalam working memory
EXPERT SYSTEM (Sistem Pakar)
Elemen Sistem Pakar (Lanjutan) :
 Inference engine (motor inferensi)
berisi metodologi yang digunakan untuk
melakukan penalaran terhadap informasi-informasi
dalam basis pengetahuan untuk memformulasikan
konklusi.
 Knowledge acquisiton facility
berisi pengetahuan-pengetahuan yang dibutuhkan
untuk memahami, memformulasikan dan
menyelesaikan masalah.
EXPERT SYSTEM (Sistem Pakar)
Basis Aturan (Rule Based) Sistem Pakar
 Pengetahuan dalam ES direpresentasikan dalam
bentuk IF-THEN atau dalam bentuk Production
Rules
 Motor inferensi menentukan aturan awal (rule
antecedents) yang sesuai
 Aturan yang terdapat di agenda dapat diaktivasi
 Aktivasi aturan akan membangkitkan fakta baru
di sisi kanan (consequent)
 Aktivasi dari satu aturan adalah bagian dari
aktivasi aturan yang lain
EXPERT SYSTEM (Sistem Pakar)
Contoh Basis Aturan :
EXPERT SYSTEM (Sistem Pakar)
Siklus Motor Inferensi (Inference Engine Cycle )
 Menggambarkan eksekusi dari aturan pada motor
inferensi :



Conflict resolution : pemilihan aturan dengan prioritas
tertinggi dari agenda
Execution : aksi consequent dari aturan yang terpilih
Match : pengkinian (update) agenda
 Siklus berakhir ketika tidak ada lagi aturan di
agenda atau ketika ditemui perintah stop
EXPERT SYSTEM (Sistem Pakar)
Ada 2 cara dalam melakukan inferensi :
1. Forward Chaining.
Pencocokkan fakta atau pernyataan dimulai dari
bagian sebelah kiri (IF dulu). Dengan kata lain,
penalaran dimulai dari fakta terlebih dahulu
untuk menguji kebenaran hipotesis.
EXPERT SYSTEM (Sistem Pakar)
2. Backward Chaining.
Pencocokkan fakta atau pernyataan dimulai dari
bagian sebelah kanan (THEN dulu). Dengan kata
lain, penalarana dimulai dari hipotesis terlebih
dahulu, dan untuk menguji kebenaran hipotesis
tersebut dicari fakta-fakta yang ada dalam basis
pengetahuan.
EXPERT SYSTEM (Sistem Pakar)
CONTOH :
Diketahui sistem pakar dgn aturan-aturan sebagai berikut:
 R1 : IF suku bunga turun THEN harga obligasi naik
 R2 : IF suku bunga naik THEN harga obligasi turun
 R3 : IF suku bunga tidak berubah THEN harga
obligasi tidak berubah
 R4 : IF dollar naik THEN suku bunga turun
 R5 : IF dollar turun THEN suku bunga naik
 R6 : IF harga obligasi turun THEN beli obligasi
Apabila diketahui bahwa dollar turun, maka buatlah
keputusan apakah akan membeli obligasi atau tidak ?
EXPERT SYSTEM (Sistem Pakar)
SOLUSI :
EXPERT SYSTEM (Sistem Pakar)
CONTOH :
Pada tabel di bawah ini ada 10 aturan yang tersimpan.
Fakta awal yang diberikan A & E (artinya A dan E
bernilai benar).
No
Aturan
Ingin dibuktikan
R-1
IF A & B THEN C
R-2
IF C THEN D
apakah K bernilai benar
R-3
IF A & E THEN F
(hipotesis : K) ?
R-4
R-5
R-6
R-7
R-8
R-9
R-10
IF
IF
IF
IF
IF
IF
IF
A THEN G
F & G THEN D
G & E THEN H
C & H THEN I
I & A THEN J
G THEN J
J THEN K
EXPERT SYSTEM (Sistem Pakar)
SOLUSI :
Forward Chaining
Langkah-langkah inferensi adalah sebagai berikut :
1.Dimulai dari R-1, A merupakan fakta sehingga bernilai benar,
sedangkan B belum bisa diketahui kebenarannya, sehingga C
pun juga belum bisa diketahui kebenarannya. Oleh karena itu
kita tidak mendapatkan informasi apapun pada R-1 ini. Sehingga
kita menuju ke R-2.
2.Pada R-2 kita tidak mengetahui informasi apapun tentang C,
sehingga kita juga tidak bisa memastikan kebenaran D. Oleh
karena itu kita tidak mendapatkan informasi apapun pada R-2 ini.
Sehingga kita menuju ke R-3
EXPERT SYSTEM (Sistem Pakar)
3.Pada R-3, baik A maupun E adalah fakta sehingga jelas benar.
Dengan demikian F sebagai konsekuen juga ikut benar. Sehingga
sekarang kita mempunyai fakta baru yaitu F. Karena F bukan
hipotesis yang hendak kita buktikan maka penelusuran kita
lanjutkan ke R-4.
4. Pada R-4, A adalah fakta sehingga jelas benar. Dengan demikian
G sebagai konsekuen juga ikut benar. Sehingga sekarang kita
mempunyai fakta baru yaitu G. Karena G bukan hipotesis yang
hendak kita buktikan, maka penelusuran kita lanjutkan ke R-5
5.Pada R-5, baik F maupun G bernilai benar berdasarkan
aturan R-3 danR-4. Dengan demikian D sebagai konsekuen juga
ikut benar. Sehingga sekarang kita mempunyai fakta baru yaitu
D. Karena D bukan hipotesis yang hendak kita buktikan, maka
penelusuran kita lanjutkan ke R-6
EXPERT SYSTEM (Sistem Pakar)
6.Pada R-6, baik A maupun G adalah benar berdasarkan fakta
dari R-4. Dengan demikian H sebagai konsekuen juga ikut benar.
Sehingga sekarang kita mempunyai fakta baru yaitu H. Karena H
bukan hipotesis yang hendak kita buktikan, maka penelusuran
kita lanjutkan ke R-7.
7.Pada R-7, meskipun H benar berdasarkan R-6, namun kita tidak
tahu kebenaran C sehingga, I pun juga belum bisa diketahui
kebenarannya. Oleh karena itu kita tidak mendapatkan informasi
apapun pada R-7 ini. Sehingga kita menuju ke R-8
8.Pada R-8, meskipun A benar karena fakta, namun kita tidak tahu
kebenaran I, sehingga J pun juga belum bisa diketahui
kebenarannya. Oleh karena itu kita tidak mendapatkan informasi
apapun pada R-8 ini. Sehingga kita menuju ke R-9
EXPERT SYSTEM (Sistem Pakar)
9.Pada R-9, J bernilai benar karena G benar berdasarkan R-4.
Karena J bukan hipotesis yang hendak kita buktikan, maka
penelusuran kita lanjutkan ke R-10.
10. Pada R-10, K bernilai benar karena J benar berdasarkan R-9.
Karena K sudah merupakan hipotesis yang hendak kita
buktikan, maka terbukti bahwa K adalah benar
EXPERT SYSTEM (Sistem Pakar)
Fakta Baru pada saat Inferensi
EXPERT SYSTEM (Sistem Pakar)
Alur Inferensi Forward Chaining
EXPERT SYSTEM (Sistem Pakar)
SOLUSI :
Backward Chaining
Langkah-langkah inferensi adalah sebagai berikut :
1. Pertama-tama kita cari terlebih dahulu mulai dari R-1, aturan
yang mana memiliki konsekuen K. ternyata setelah ditelusur,
aturan dengan konsekuen K baru ditemukan pada R-10. Untuk
membuktikan bahwa K benar maka perlu dibuktikan bahwa J
benar.
2. Kita cari aturan yang memiliki konsekuen J. kita mulai dari R-1,
ternyata kita baru akan menemukan aturan dengan konsekuen J
pada R-8. Untuk membuktikan bahwa J benar maka perlu
dibuktikan bahwa I dan A benar. Untuk membuktikan kebenaran
I, kita perlu cari aturan dengan konsekuen I, ternayata ada di R-7
EXPERT SYSTEM (Sistem Pakar)
3. Untuk membuktikan bahwa I benar di R-7, kita perlu buktikan
bahwa C dan H benar. Untuk itu kita pun perlu mencari aturan
dengan konsekuen C dan ada di R-1.
4. Untuk membuktikan C benar di R-1, kita perlu buktikan bahwa
A dan B benar. A jelas benar karena A merupakan fakta.
Sedangkan B kita tidak bisa membuktikan kebenarannya,
karena selain bukan fakta, di dalam basis pengetahuan juga tidak
ada aturan dengan konsekuen B. Dengan demikian maka dari
penalaran ini kita tidak bisa buktikan kebenaran dari hipotesis K.
Namun demikian, kita masih punya alternative lain untuk
melakukan penalaran
5. Kita lakukan backtracking. Kita ulangi lagi dengan mencari
aturan dengan konsekuen I, ternyata juga tidak ada
EXPERT SYSTEM (Sistem Pakar)
6. Kita lakukan backtraining lagi dengan mencari aturan dengan
konsekuen I, ternyata juga tidak ada.
7. Kita lakukan backtraining lagi dengan mencari aturan dengan
konsekuen J, ternyata kita temukan pada R-9. sehingga kita perlu
buktikan kebenaran G
8. Kita mendapatkan di R-4 dengan konsekuen G. Kita perlu untuk
membuktikan kebenaran A. karena A adalah fakta, maka terbukti
bahwa K bernilai benar
EXPERT SYSTEM (Sistem Pakar)
SOLUSI :
Backward Chaining
EXPERT SYSTEM (Sistem Pakar)
Contoh KASUS : Sistem Pakar Penasehat Keuangan
User ingin berkonsultasi apakah tepat jika dia berinvestasi pada
IBM Stock?
Variabel-variabel yang digunakan:
 A = memiliki uang $10.000 untuk investasi
 B = berusia < 30 tahun
 C = tingkat pendidikan pada level college
 D = pendapatan minimum per tahun $40.000
 E = investasi pada bidang Sekuritas (Asuransi)
 F = investasi pada saham pertumbuhan (growth stock)
 G = investasi pada saham IBM
EXPERT SYSTEM (Sistem Pakar)
FAKTA YANG ADA:
Diasumsikan si user (investor) memiliki data:
 Memiliki uang $10.000 (A TRUE)
 Berusia 25 tahun (B TRUE)
Dia ingin meminta nasihat apakah tepat jika berinvestasi pada IBM
stock?
EXPERT SYSTEM (Sistem Pakar)
 RULES
 R1 : IF seseorang memiliki uang $10.000 untuk berinvestasi
 R2 :
 R3 :
 R4 :
 R5 :
AND dia berpendidikan pada level college THEN dia harus
berinvestasi pada bidang sekuritas
IF seseorang memiliki pendapatan per tahun min $40.000
AND dia berpendidikan pada level college THEN dia harus
berinvestasi pada saham pertumbuhan (growth stocks)
IF seseorang berusia < 30 tahun AND dia berinvestasi
pada bidang sekuritas THEN dia sebaiknya berinvestasi
pada saham pertumbuhan
IF seseorang berusia == 22 tahun THEN dia berpendidikan
college
IF seseorang ingin berinvestasi pada saham pertumbuhan
THEN saham yang dipilih adalah saham IBM.
EXPERT SYSTEM (Sistem Pakar)
 RULES SIMPLICATION
 R1 : IF A AND C THEN E
 R2 : IF D AND C THEN F
 R3 : IF B AND E THEN F
 R4 : IF B THEN C
 R5 : IF F THEN G
EXPERT SYSTEM (Sistem Pakar)
Solusi dengan Forward Chaining :
 Step I
: if A and C Then E
 Step II
: if B then C
→ A,B,C True
 Step III
: if A and C then E
→ A,B,C,E True
 Step IV
: if B and E then F
→ A,B,C,E,F True
 step V
: if F then G
→ A,B,C,E,F,G True
kesimpulan : Cocok untuk investasi saham IBM
=
=
=
=
=
R1
R4
R2
R3
R5
EXPERT SYSTEM (Sistem Pakar)
Solusi dengan Forward Chaining :
 Step I
: if F Then G
 Step II
: if B and E then F
 Step III
: if A and C then E
 Step IV
: if B then C
 step V
: if F then G
→ A,B,C,E,F,G True
kesimpulan : Cocok untuk investasi saham IBM
=
=
=
=
R5
R3
R2
R4
Artificial Intelligence
• Definition:
The activity of providing such machines as
computers with the ability to display behavior
that would be regarded as intelligent if it were
observed in humans.
History
• 1956, Dartmouth College. John McCarthy
coined term. Same year, Logic Theorist
(first AI program. Herbert Simon played a
part)
• Past 20 or so years, DOD and NSF have
funded AI research at top schools
(Stanford, Carnegie Mellon, etc.)
• Desert Storm opened up new funding
(smart bombs, night vision)
Areas of Artificial Intelligence
Expert
systems
AI
hardware
Robotics
Natural
language
Learning
Neural
networks
Artificial Intelligence
Perceptive
systems
(vision,
hearing)
The Appeal of Expert Systems
A computer program that attempts to code
the knowledge of human experts in the
form of heuristics (i.e. a rule of thumb)
Two distinctions from DSS
1. has the potential to extend the manager’s
problem-solving ability beyond his or her
normal capabilities
2. the ability to explain how the solution was
reached
User
Instructions &
information
Solutions &
explanations
Knowledge
User
interface
Inference
engine
Expert
system
Development
engine
Expert and
knowledge engineer
Knowledge
base
Problem
Domain
An Expert
System Model
Expert system model - main
parts:
•
•
•
•
User interface
Knowledge base
Inference engine
Development engine
User Interface
• User enters:
– Instructions
– Information
}
Menus,
Menus,commands,
commands,natural
naturallanguage,
language,GUI
GUI
• Expert system provides:
– Solutions
– Explanations of
• Questions
• Problem solutions
Knowledge Base
• Description of problem domain
• Rules: A knowledge representation
technique
– such as ‘IF:THEN’ logic
– networks of rules
• Lowest levels provide evidence
• Top levels produce 1 or more conclusions
• A conclusion is called a Goal variable.
A Rule Set That
Produces One Final
Conclusion
Conclusion
Conclusion
Evidence
Evidence
Conclusion
Evidence
Evidence
Evidence
Evidence
Evidence
Evidence
Cheetah
Tiger
R9
And
And
Tawny
color
Giraffe
R10
Zebra
R11
And
R12
And
Dark
spots
Long
legs
Ostrich
R13
And
Black
strips
Or
Carnivore
Or
Or
R1
Hair
R2
Gives
milk
A Rule Set That
Can Produce More
Than One Final
Conclusion
Black&
White
R8
And
And
Swims
Flies
Well
Bird
Hoofs
Chews
cud
R3
R4
Feathers
And
R6
And
Flies
Claws
Lays
eggs
LEGEND:
Rules
Pointed
teeth
And
Or
R7
R5
milk
Eats
milk
R15
And
Can’t
fly
Ungulate
Mammal
R14
And
Long
neck
Albatross
Penguin
Forward
Eyes
Conditions
Action
(conclusions)
Rule Selection
• Selecting rules to efficiently solve a
problem is difficult
• Some goals can be reached with only a
few rules; rules 3 and 4 identify bird
Inference Engine
• Two basic approaches to using rules
1. Forward reasoning (data driven)
2. Reverse reasoning (goal driven)
Forward Reasoning
(forward chaining)
• Rule is evaluated as:
– (1) true, (2) false, (3) unknown
• Rule evaluation is an iterative process
• When no more rules can fire, the
reasoning process stops even if a goal
has not been reached
Rule 1
IF A
THEN B
Rule 2
T
Rule 7
F
IF B OR D
THEN K
IF C
THEN D
Rule 3
T
IF K
THEN F
Rule 5
IF G
THEN H
Rule 6
IF I
THEN J
IF K AND
L THEN N
T
T
IF M
THEN E
Rule 4
Rule 10
The Forward
Reasoning
Process
Rule 8
Rule 12
T
IF N OR O
THEN P
IF E
THEN L
T
T
Legend:
Rule 9
T
F
IF (F AND H)
OR J
THEN M
T
First pass
Rule 11
IF M
THEN O
T
Second pass
Third pass
Reverse Reasoning
(backward chaining)
• Divide problem into subproblems
• Try to solve one subproblem
• Then try another
A Problem and Its Subproblems
Rule 10
IF K AND L
THEN N
Rule 12
Rule 11
IF N OR O
THEN P
Legend:
Problem
IF M
THEN O
Subproblem
A Subproblem Becomes the New Problem
Rule 7
IF B OR D
THEN K
Rule 8
IF E
THEN L
Rule 10
IF K AND
LTHEN N
Legend:
Rule 12
IF N OR O
THEN P
Problem
Subproblem
Step 4
Rule 1
IF A THEN
B
T
Step 3
Rule 7
IF B OR D
THEN K
T
Rule 2
IF C
THEN D
The First Five Problems
Are Identified
Step 2
Rule 10
IF K AND L
THEN N
Step 5
Rule 3
IF M
THEN E
Step 1
Rule 12
IF N OR O
THEN P
IF E
THEN L
Rule 11
IF (F AND H)
Rule 9 OR J
THEN M
IF M
M
IF
THEN O
THEN
O
Legend:
Problems to
be solved
The Next Four Problems Are
Rule 12
Identified
Step 8
If N Or O
Then P T
Rule 4
If K
Then F
Rule 5
T
Step 7
Step 6
IF (F And H)
Or J
Then M T
If M
Then O
Step 9
If G
Then H
T
Rule 6
If I
Then J
Rule 9
T
Rule 11
Legend:
Problems to
be solved
Forward Versus Reverse
Reasoning
• Reverse reasoning is faster than
forward reasoning
• Reverse reasoning works best when
– there are multiple goal variables
– there are many rules
– all or most rules do not have to be
examined in the process of reaching a
solution
Handling Uncertainty
• Two types of uncertainty
– Rules
– Conditions
• Certainty factors (CFs) range from 0.00
to 1.00
Development Engine
• Programming languages Lisp, Prolog,
and recently C++
• Expert system shells
Role of the Systems Analyst
• Knowledge engineers work with the
expert in designing expert systems
• Beyond traditional analyst skills, the
following skills are needed
– understand how the expert applies his or
her knowledge
– be able to extract the description of the
knowledge (rules as well as facts)
System Development Process
•
•
•
•
Initiate the development process
Develop the expert system prototype
User participation
Expert system maintenance
Prototyping Approach
• A new player: the expert
• Delayed user involvement
• Need for maintenance
Prototyping Is Incorporated in the Development of an Expert System
Systems analyst
step 1
Expert
User
Studythe
the
Study
problem
Problem
domain
domain
step 2
Define the problem
step 3
Specify the rule set
step 4
Test the prototype system
step 5
Construct the interface
step 6
step 7
step 8
Maintain the system
Conduct
user tests
Use the
system
Example:
Financial Expert System
• Credit approval
• Knowledge base for the example
consists of rules and a mathematical
model
• User interface
• Five decision categories; credit amount
influences weightings
Expert System Advantages
• To managers
– Consider more alternatives
– Apply high level of logic
– Have more time to evaluate decision rules
– Consistent logic
• To the firm
– Better performance from management
team
– Retain firm’s knowledge resource
Expert System Disadvantages
• Can’t handle inconsistent knowledge
• Can’t apply judgment or intuition
Neural Networks
• Expert systems should be able to learn,
and improve their performance
• Neural net design -- a bottom-up
approach to modeling human intuition
The Human Brain
• Neuron -- the information processor
– Input -- dendrites
– Processing -- soma
– Output -- axon
• Neurons are connected by the synapse
Simple Biological Neurons
Soma
(processor)
Axonal Paths
(output)
Synapse
Axon
Dendrites
(input)
Artificial Neural Systems (ANS)
• McCulloch-Pitts mathematical neuron
function (late 1930s)
• Hebb’s learning law (early 1940s)
• Neurocomputers
– Marvin Minsky’s Snark (early 1950s)
– Rosenblatt’s Perceptron (mid 1950s)
Current Methodology
• Mathematical models
• Complex networks
• Repetitious training -- the ANS “learns”
by example. An ANS can learn; an
expert system cannot.
Single Artificial Neuron
y1
w1
y2
w2
y3
w3
wn-1
yn-1
y
OUT1
OUTn
The Multi-Layer
Perceptron
Input
Layer
Y1
Yn2
OutputL
ayer
IN1
INn
Prerequisite Activities for the
EIS
Information
needs
Information
technology
standards
Analysis of
organization
Information
systems plan
Corporate
data model
Production and
performance systems
EIS
Sampai Jumpa
di
Ujian Akhir dan Selamat Belajar