Docstoc

Expert Systems - Download Now PowerPoint

Document Sample
Expert Systems - Download Now PowerPoint Powered By Docstoc
					Expert Systems

  PKB - Antonie
             Sistem Pakar
• 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
• Time:
   – P:hari kerja; ES: tiap saat
• Geografis:
   – P:lokal/tertentu; ES: dimana saja
• Keamanan:
   – P: tdk tergantikan; ES: dapat diganti
• Dapat habis:
   – P: ya; ES: tidak
• Performa dan kecepatan:
   – P: variabel; ES: konstan
• Biaya:
   – P: tinggi; ES: terjangkau
      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
                      Kasus
• Contoh:
  –   R1: IF A & B THEN C
  –   R2: IF C THEN D
  –   R3: IF A & E THEN F
  –   R4: IF A THEN G
  –   R5: IF F & G THEN D
  –   R6: IF A & G THEN H
  –   R7: IF C & H THEN I
  –   R8: IF I & A THEN J
  –   R9: IF G THEN J
  –   R10: IF J THEN K
• Fakta: A & F, apakah K benar?
                  R4                              R9                         R10


A                          G                                    J                           K




                           R5
    R3
             F                            D
                                                       R6
E                                                                            H




            R10
    K              J                          I                          C                      A
                                R8                      R7                         R1



                                A                                                               B
                                                            H



            R10                      R9                             R4
        K              J                               G                                A
                     Kasus
• 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 dolar naik then suku bunga turun
• R5: if dolar turun then suku bunga naik
• R6: if harga obligasi turun then beli obligasi

• Diket: dolar turun, beli atau tidak obligasi?
       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
    apakah problem 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
                 NEXT
• Jaringan Syaraf Tiruan

				
DOCUMENT INFO
Shared By:
Categories:
Tags:
Stats:
views:36
posted:12/24/2011
language:Indonesian
pages:26