SISTEM PAKAR. Farah Zakiyah Rahmanti, M.T Mei Universitas Dian Nuswantoro

Transkripsi

1 SISTEM PAKAR Farah Zakiyah Rahmanti, M.T Mei 2015

2 Overview Definisi Kepakaran, Sistem Pakar, dan Pakar Pakar VS Sistem Pakar Mengapa Sistem Pakar? Bagaimana Sistem Pakar Bekerja? Human Expert Problem Solving Rule Based Inference Forward Chaining Backward Chaining Team Behind Expert System Aplikasi Sistem Pakar

3 Apa itu kepakaran? suatu pengetahuan yang diperoleh dari pelatihan, membaca dan pengalaman. Kepakaran inilah yang memungkinkan para ahli untuk dapat mengambil keputusan lebih cepat dan lebih baik daripada seseorang yang bukan pakar.

4 Apa itu sistem pakar? Bagian dari kecerdasan buatan. Kombinasi dari pemahaman teoritis tentang suatu persoalan dan sekumpulan aturan pemecahan persoalan heuristik yang dikembangkan oleh manusia untuk dapat memecahkan problema pada suatu domain yang spesifik. Perangkat lunak yang digunakan untuk memecahkan masalah yang biasanya diselesaikan oleh seorang pakar.

5 Apa itu pakar / ahli? Seorang individu yang memiliki kemampuan pemahaman yang superior dari suatu masalah.

6 Pakar VS Sistem Pakar Pakar / Ahli Faktor Sistem Pakar Hari kerja Lokal / tertentu Tidak tergantikan Ya Variabel Variabel Tinggi Ketersediaan Waktu Geografis Keamanan Dapat Habis Performa Kecepatan Biaya Setiap saat Dimana saja Dapat Diganti Tidak Konsisten Konsisten & cepat Terjangkau

7 Mengapa Sistem Pakar? Mampu bekerja secara otomatis tugas-tugas rutin yang tidak dapat dipenuhi setiap saat yang tidak dapat dilakukan oleh seorang pakar. Lebih cepat, murah, efisien, dan handal dalam memecahkan masalah.

8 Bagaimana Sistem Pakar Bekerja? Fakta Fakta A Fakta B Fakta C Sistem Pakar Basis Pengetahuan Mesin Inferensi Hasil Kesimpulan Keputusan

9 Human Expert Problem Solving

10 Expert System Problem Solving

11 Bagian-Bagian Sistem Pakar Knowledge base berisi informasi data, aturan (rule), relasi antara data dan aturan dalam pengambilan kesimpulan Inference engine berfungsi menganalisa data yang ada dan menarik kesimpulan berdasarkan aturan yang ada User interface berfungsi sebagai alat atau media komunikasi antara pemakai (user) dengan program.

12 Mesin Inferensi Forward chaining Backward chaining

13 Forward Chaining Teknik pencarian yang dimulai dengan informasi tentang gejala, bukti ataupun fakta, kemudian sistem pakar akan menganalisa masalah dengan menggunakan fakta-fakta yang cocok dengan bagian IF dari rules IF-THEN. Setelah setiap rule diuji, sistem pakar akan bekerja untuk mencari kesimpulan. DFS, BFS, Best First Search

14 Backward Chaining Metode inferensi yang bekerja mundur ke arah kondisi awal. Proses diawali dengan sebuah hipotesis (bagian THEN dari rule IF-THEN) kemudian pencarian mulai dijalankan untuk menemukan dan membuktikan kebenaran fakta-fakta yang telah diketahui. Proses berakhir dengan penerimaan atau penolakan terhadap hipotesa.

15 Contoh (1) Fakta : A, B, C, D, E Aturan : IF A AND B THEN F IF C AND D THEN G IF F AND G THEN H IF E AND H THEN I

16 Contoh (2)

17 Penyelesaian dengan Forward Pertama-tama, diketahui fakta A dan B, maka dengan aturan 1 bisa didapatkan F. Diketahui fakta C dan D, maka dengan aturan 2 bisa didapatkan fakta G. Karena fakta F dan G telah diketahui, maka dari aturan 3 bisa didapatkan fakta H. Dari aturan 4 didapatkan fakta I, karena fakta H dan E sudah diketahui.

18 Penyelesaian dengan Backward Memberitahukan ke sistem bahwa I akan dibuktikan. Untuk mengetahui I, maka harus membuktikan E dan H (aturan 4). Untuk mengetahui H, maka F dan G harus dibuktikan (aturan 3). Untuk mengetahui G, maka C dan D harus dibuktikan (aturan 2). Karena A, B, C, D, E telah diketahui, maka I dapat dibuktikan.

19 Soal R1 : IF (Y AND D) THEN Z R2 : (X AND B AND E) THEN Y R3 : IF A THEN X R4 : IF C THEN L R5 : IF (L AND M) THEN N Fakta : A, B, C, D, E true Tujuan : Z

20 Case Study of Expert System

21 Application to diagnosis gastrointestine infection

22 Caption of The Scheme

23 Category of gastro-intestine infection Toxication of staphylococcus aureus Toxication of poisonous mushrooms Toxication of salmonellae Toxication of clostridium botulinum Toxication of campylobacter

24 List Pertanyaan

25 Penyelesaian Permasalahan dengan Aturan

26 Solving problem with weight/percentage

27 Solving problem with weight/percentage

28 Determination of results All target are calculated by amount of percentage. High percentage of target can be selected as a result. Usually, using a threshold value to determine whether high percentage of target is reasonable as a result or not.