Pengantar Kecerdasan Buatan (AK045218) Sistem Pakar. Sistem Pakar 1/17

dokumen-dokumen yang mirip
Definisi Keuntungan dan kelemahan Konsep Dasar Bentuk dan Struktur Sistem Basis Pengetahuan Metode Inferensi Ciri-ciri Aplikasi dan Pengembangannya

SISTEM PAKAR (SP) Saiful Rahman Yuniarto, S.Sos, M.AB

BAB 1 PENGENALAN SISTEM PAKAR

EXPERT SYSTEM / ES. Sistem Pakar

EXPERT SYSTEM /(Sistem Pakar)

Sistem Pakar Dasar. Ari Fadli

Pendahuluan PENGERTIAN SISTEM PAKAR

Sistem Pakar Untuk Mendeteksi Kerusakan Pada Sepeda Motor 4-tak Dengan Menggunakan Metode Backward Chaining

BAB 2 LANDASAN TEORI

Untung Subagyo, S.Kom

BAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI. Menggunakan Metode Forward Chaining diperoleh berdasarkan referensi yang

SISTEM PAKAR. Jurusan Teknik Informatika

MODEL HEURISTIK. Capaian Pembelajaran. N. Tri Suswanto Saptadi

1. Pendahuluan. dengan reformasi adminstrasinya telah menyediakan layanan prima pada jam

BAB VI SISTEM PAKAR. Bahan Ajar Kecerdasan Buatan

SISTEM PAKAR. Entin Martiana, S.Kom, M.Kom

PENGEMBANGAN SISTEM PAKAR DALAM MEMBANGUN SUATU APLIKASI

BAB 2 LANDASAN TEORI

SISTEM PAKAR. Entin Martiana Jurusan Teknik Informatika - PENS

Struktur Sistem Pakar

BAB II TINJAUAN PUSTAKA

Pengantar ke Expert System 1

Sistem Pakar Pertemuan 5. Diema Hernyka S, M.Kom

IMPLEMENTASI SISTEM PAKAR DALAM PENDETESIAN KERUSAKAN MESIN SEPEDA MOTOR

BAB 2 TINJAUAN TEORI. Artificial Intelligence. Jika diartikan Artificial memiliki makna buatan,

Pengenalan Sitem Pakar

Pengetahuan 2.Basis data 3.Mesin Inferensi 4.Antarmuka pemakai (user. (code base skill implemetation), menggunakan teknik-teknik tertentu dengan

Definisi Sistem Pakar

BAB I PENDAHULUAN. Perkembangan komputer sekarang ini sangat pesat dan salah. satu pemanfaatan komputer adalah dalam bidang kecerdasan buatan.

Gambar 3.1 Arsitektur Sistem Pakar (James Martin & Steve Osman, 1988, halaman 30)

MENGENAL SISTEM PAKAR

SISTEM PAKAR. (Expert System) L/O/G/O

Pengantar Sistem Pakar

BAB 2 TINJAUAN PUSTAKA

SISTEM CERDAS UNTUK PENGENALAN PENYAKIT PADA AYAM RAS

BAB I PENDAHULUAN. 1.1 Latar Belakang

EXPERT SYSTEM DENGAN BEBERAPA KNOWLEDGE UNTUK DIAGNOSA DINI PENYAKIT-PENYAKIT HEWAN TERNAK DAN UNGGAS

BAB 2 LANDASAN TEORI. Sistem pakar merupakan suatu cabang dari ilmu kecerdasan buatan (artificial

Expert System. Siapakah pakar/ahli. Pakar VS Sistem Pakar. Definisi

Pengenalan Sistem Pakar. Sistem Pakar

Seminar Nasional Aplikasi Teknologi Informasi 2004 Yogyakarta, 19 Juni 2004

BAB II LANDASAN TEORI

PERANCANGAN SYSTEM PAKAR GENERIC MENGGUNAKAN BINARY TREE

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

IMPLEMENTASI INFERENCE ENGINE DENGAN RANGKAIAN MUNDUR PADA SISTEM PAKAR UNTUK SIMULASI SELEKSI TERNAK

APLIKASI SHELL SISTEM PAKAR

P12 AI, ES & DSS. A. Sidiq P. Universitas Mercu Buana Yogyakarta

APLIKASI DIAGNOSA PENYAKIT ANAKMELALUI SISTEM PAKAR MENGGUNAKAN JAVA 2 MICRO EDITION YOSEPHIN ERLITA KRISTANTI

By: Sulindawaty, M.Kom

INTELEGENSI BUATAN. Sistem Pakar. M. Miftakul Amin, M. Eng. website :

SISTEM PAKAR DENGAN BEBERAPA KNOWLEDGE BASE MENGGUNAKAN PROBABILITAS BAYES DAN MESIN INFERENSI FORWARD CHAINING

BAB 2 LANDASAN TEORI

SISTEM BERBASIS PENGETAHUAN PENDAHULUAN HENKI FDS R

SISTEM PAKAR ANALISIS PENYAKIT LUPUS ERITEMATOSIS SISTEMIK PADA IBU HAMIL MENGGUNAKAN METODE FORWARD CHAINING

BAB 2 LANDASAN TEORI

BAB I PENDAHULUAN 1.1 Latar Belakang

PENGENALAN SISTEM PAKAR

APLIKASI WEB PADA SISTEM PAKAR FORWARD CHAININGUNTUK DETEKSI KERUSAKAN PC (PERSONAL COMPUTER)

Jurnal Komputasi. Vol. 1, No. 1, April Pendahuluan. Hal 1 dari 90

PEMANFAATAN TEKNOLOGI KNOWLEDGE-BASED EXPERT SYSTEM UNTUK MENGIDENTIFIKASI JENIS ANGGREK DENGAN MENGGUNAKAN BAHASA PEMROGRAMAN JAVA

BAB II DASAR TEORI. Sistem pakar atau Expert System biasa disebut juga dengan knowledge

SISTEM PAKAR MENDIAGNOSA PENYAKIT PARU-PARU PADA MANUSIA BERBASIS WEB

PENGEMBANGAN SISTEM PAKAR DIAGNOSIS PENYAKIT DAN HAMA PADA TANAMAN SEMANGKA BERBASIS ANDROID

APLIKASI SISTEM PAKAR UNTUK MENGIDENTIFIKASI PENYAKIT DALAM PADA MANUSIA MENGGUNAKAN METODE FORWARD CHAINING

SISTEM PAKAR IDENTIFIKASI HAMA DAN PENYAKIT TANAMAN JAGUNG BERBASIS WEB (STUDI KASUS : DINAS TANAMAN PANGAN DAN HORTIKULTURA KAB INHIL)

Visualisasi Konsep Umum Sistem Pakar Berbasis Multimedia

Backward Chaining & Forward Chaining UTHIE

SISTEM PRODUKSI (PRODUCTION SYSTEM) -Muhlis Tahir-

2/22/2017 IDE DASAR PENGANTAR SISTEM PAKAR MODEL SISTEM PAKAR APLIKASI KECERDASAN BUATAN

BAB II TINJAUAN PUSTAKA

BAB 2 TINJAUAN TEORI

SISTEM PAKAR UNTUK DIAGNOSA PENYAKIT PADA ANAK BERBASIS WEB MENGGUNAKAN BAHASA PEMROGRAMAN PHP DAN DATABASE MYSQL. Zaniarti

Sistem Pakar untuk Diagnosa Kerusakan Pada Printer Menggunakan Metode Forward Chaining

Aplikasi untuk Diagnosis Penyakit pada Anak dan Balita Menggunakan Faktor Kepastian

SISTEM PAKAR UNTUK MENENTUKAN TIPE AUTISME PADA ANAK USIA 7-10 TAHUN MENGGUNAKAN METODE FORWARD CHAINING. Agam Krisna Setiaji

PENGEMBANGAN APLIKASI DIAGNOSA PENCARIAN PENYEBAB KERUSAKAN MODEM SPEEDY BERBASIS SISTEM PAKAR

BAB II LANDASAN TEORI. yang saling berhubungan, berkumpul bersama sama untuk melakukan. suatu kegiatan utnuk menyelesaikan suatu sasaran tertentu.

SISTEM PAKAR BERBASIS WEB UNTUK DIAGNOSA HAMA DAN PENYAKIT PADA TANAMAN MELON

BAB II TINJAUAN PUSTAKA DAN DASAR TEORI

V. SISTEM PAKAR. Sistem Pakar terkadang lebih baik unjuk kerjanya daripada seorang pakar manusia.

BAB 2 LANDASAN TEORI

Sistem Pakar. Pertemuan 2. Sirait, MT

BAB I PENDAHULUAN. produksi secara keseluruhan sangat ditentukan oleh pemilihan jenis perlengkapan

BAB 2 TINJAUAN PUSTAKA

BAB 2 LANDASAN TEORI. berkonsultasi dengan seorang pakar atau ahli. Seorang pakar adalah seseorang yang

APLIKASI SISTEM PAKAR BERBASIS WEB TENTANG PELANGGARAN UNDANG-UNDANG LALU LINTAS DAERAH ISTIMEWA YOGYAKARTA. Arif Budiman

SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT SALURAN PENCERNAAN MENGGUNAKAN METODE DEMPSTER SHAFER

PENGEMBANGAN SISTEM PAKAR BERBASIS ATURAN UNTUK MENENTUKAN MATA KULIAH YANG AKAN DIAMBIL ULANG (REMEDIAL) DENGAN METODE FORWARD CHAINING

Pertemuan 4 LINGKUP DECISION SUPPORT SYSTEM (DSS) DAN EXPERT SYSTEM (ES)

PENGEMBANGAN SISTEM PAKAR DIAGNOSIS PENYAKIT CABAI PAPRIKA BERBASIS ANDROID

BAB 2 LANDASAN TEORI

BAB II LANDASAN TEORI. Landasan teori atau kajian pustaka yang digunakan dalam membangun

Expert System. MATA KULIAH : Model & Simulasi Ekosistem Pesisir & Laut. Syawaludin A. Harahap 1

Sistem Pakar Diagnosa Penyakit THT Menggunakan Metode Backward Chaining

SISTEM PAKAR DIAGNOSIS KERUSAKAN SEPEDA MOTOR NON MATIC

Kecerdasan Buatan dan Sistem Pakar

SISTEM PAKAR PENDETEKSI PENYAKIT MATA BERBASIS ANDROID

PEMAKAI SISTEM PAKAR UTHIE

SISTEM PAKAR BERBASIS WEB UNTUK DIAGNOSA PENYAKIT PADA TANAMAN ANGGREK MENGGUNAKAN METODE CERTAINTY FACTOR

DIAGNOSA PENYAKIT JANTUNG DENGAN METODE PENELUSURAN FORWARD CHAINNING-DEPTH FIRST SEARCH

Transkripsi:

Sistem Pakar Sistem Pakar 1/17

Outline Definisi Keuntungan dan kelemahan Konsep Dasar Bentuk dan Struktur Sistem Basis Pengetahuan Metode Inferensi Ciri-Ciri Aplikasi dan Pengembangan Referensi Giarrantano, J and G.Riley, Expert System : Principle and Programming,4 th ed, PWS Kent, 2004 Sri Kusumadewi, Artificial Intelligence : Teknik dan Aplikasinya, Graha Ilmu, Yogyakarta, 2003 Sistem Pakar 2/17

Definisi Secara umum Sistem Pakar (SP) adalah system yang berusaha mengadopsi pengetahuan manusia ke computer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan para ahli. SP tidak untuk menggantikan kedudukan seorang pakar tetapi untuk memasyaratkan pengetahuan dan pengalaman pakar tersebut. SP dikembangkan pertama kali oleh komunitas AI tahun 1960an. ES yang pertama adalah General Purpose Problem Solver (GPS) yang dikembangkan oleh Newel Simon. Sistem Pakar 3/17

Keuntungan dan Kelemahan SP Keuntungan : Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli bisa melakukan proses secara berulang secara otomatis menyimpan pengetahuan dan keahlian para pakar meningkatkan output dan produktivitas meningkatkan kualitas mampu mengambil dan melestarikankeahlian para pakar mampu beroperasi dalam lingkungan berbahaya memiliki kemampuan untuk mengakses pengetahuan memiliki realibilitas meningkatkan kapabilitas system computer memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan mengandung ketidakpastian sebagai media pelengkap dalam pelatihan meningkatkan kapabilitas dalam penyelesaian masalah menghemat waktu dalam pengambilan keputusan Kelemahan : biaya yang diperlukan untuk membuat dan memeliharanya sangat mahal sulit dikembangkan. Hal ini erat kaitannya dengan ketersediaan pakar dalam bidangnya system pakar tidak 100% bernilai benar Sistem Pakar 4/17

Konsep Dasar SP (1/2) Menurut Efraim Turban, system pakar harus mengandung : keahlian, ahli, pengalihan keahlian, inferensi, aturan dan kemampuan menjelaskan. Keahlian adalah suatu kelebihan penguasan pengetahuan di bidang tertentu yang diperoleh dari pelatihan,membaca atau pengalaman. Bentuk pengetahuan : 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) Blok diagram ES User Facts Expertise Knowledge Base Inference Engine Expert System Sistem Pakar 5/17

Konsep Dasar SP (2/2) Knowledge base (basis pengetahuan) berisi pengetahuan-pengetahuan dalam penyelesaian masalah. Domain pengetahuan seorang pakar pada dasarnya adalah spesifik terhadap domain masalah. Problem Domain Knowledge Domain Inference engine (motor inferensi) bertugas untuk menganalisis pengetahuan dan menarik kesimpulan berdasarkan knowledge base. Sistem Pakar 6/17

Bentuk dan Struktur SP (1/3) Bentuk ES : Berdiri sendiri. Sistem jenis ini merupakan s/w yang berdiri sendir tidak tergabung dengan s/w lain. Tergabung. Sisetm ini merupakan bagian program yang terkandung di dalam suatu algoritma (konvensional). Menghubungkan ke s/w lain. Bentuk ini biasanya merupakan ES yang menghubungkan ke suatu paket program tertentu, misalnya DBMS. Sistem mengabdi. Sistem ini merupakan bagian dari computer khusus yang dihubungkan dengan suatu fungsi tertentu. Sistem Pakar 7/17

Bentuk dan Struktur SP (2/3) Elemen ES 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 Inference engine (motor inferensi) : program yang berisi metodologi yang digunakan untuk melakukan penalaran terhadap informasiinformasi dalam basis pengetahuan untuk memformulasikan konklusi. Knowledge acquisiton facility : berisi pengetahuan-pengetahuan yang dibutuhkan untuk memahami, memformulasikan dan menyelesaikan masalah. Sistem Pakar 8/17

Bentuk dan Struktur SP (3/3) Struktur SP Knowledge Base (Rules) Inference Engine Agenda Working Memory (Facts) Explanation Faacility Knowledge Acquisition Facility User Interface Bahasa, Shell dan Tools ES Bahasa ES difokuskan pada fleksibilitas dan robust dalam merepresentasikan penetahuan Bahasa ES merupakan bahasa tingkat tinggi yang dirancang secara khusus untuk representasi pengetahuan dan alas an (reasoning). Contoh Bahasa ES : SAIL, KRL, KQML, DAML ES Shell : tools khusus yang dirancang untuk mendukung aplikasi ES, pada saat user memasukkan basis pengetahuan. Contoh ES Shell : EMYCIN (untuk MYCIN), CLIPS Sistem Pakar 9/17

Basis Aturan (Rule Based) SP (1/2) Pengetahuan dalam ES direpresentasikan dalam bentuk IF-THEN atau dalam bentuk Production Rules. Motor inferensi menentukan aturan awal (rule antecedents) yang sesuai. Sisi kiri harus cocok dengan fakta yang ada di memori kerja Aturan yang sesuai ditempatkan di agenda dan dapat diaktivasi Aturan yang terdapat di agenda dapat diaktivasi Aktivasi aturan akan membangkitkan fakta baru di sisi kanan Aktivasi dari satu aturan adalah bagian dari aktivasi aturan yang lain. Sistem Pakar 10/17

Basis Aturan (Rule Based) SP (2/2) Contoh Basis Aturan : IF. THEN Rules Rule : Red_Light IF THEN stop the light is red Antecedent (left hand side) Rule : Green_Light IF the light is green THEN go Consequent (right hand side) Production Rules The light is red The light is green stop go Antecedent (left hand side) Consequent (right hand side) Sistem Pakar 11/17

Siklus Motor Inferensi (Inference Engine Cycle ) (1/4) 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. Ada 2 cara yang dapat dilakukan dalam melakukan inferensi : 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. Observasi A aturan R1 fakta C Kesimpulan 1 Aturan R3 Observasi B aturan R2 fakta D Kesimpulan 2 fakta E Aturan R2 Sistem Pakar 12/17

Siklus Motor Inferensi (Inference Engine Cycle ) (2/4) 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. Observasi A aturan R1 fakta C Observasi B aturan R2 fakta D Aturan 3 Tujuan Aturan 2 Sistem Pakar 13/17

Siklus Motor Inferensi (Inference Engine Cycle ) 3/4) Contoh : Pada tabel di bawah ini terlihat 10 aturan yang tersimpan dalam basis pengetahuan. Fakta awal yang diberikan hanya A & F (artinya A dan F bernilai benar). Ingin dibuktikan apakah K bernilai benar (hipotesis : K)? No Aturan R-1 IF A & B THEN C R-2 IF C THEN D R-3 IF A & E THEN F R-4 IF A THEN G R-5 IF F & G THEN D R-6 IF G & E THEN H R-7 IF C & H THEN I R-8 IF I & A THEN J R-9 IF G THEN J R-10 IF J THEN K Sistem Pakar 14/17

Siklus Motor Inferensi (Inference Engine Cycle ) 4/4) Penyelesaian dengan Forward Chaining : Fakta A R-3 E Fakta R-4 F G R-5 R-9 R-10 J D R-6 H K Aturan Fakta Baru R-3 F R-4 G R-5 D R-6 H R-9 J R-10 K (terbukti) Penyelesaian dengan Backward Chaining : Fakta R-10 K J I C A R-8 R-7 R-1 A H B Pertama : Gagal R-10 R-9 R-4 K J G A Fakta Kedua : Sukses Tidak Diketahui Sistem Pakar 15/17

Ciri-Ciri Sistem Pakar Ciri-ciri SP : Memiliki fasilitas informasi yang handal Mudah dimodifikasi Dapat digunakan dalam berbagai jenis komputer Memilki kemampuan untuk belajar beradaptasi. Permasalahan yang Disentuh oleh SP (Domain SP) : Interpretasi. Pengambilan keputusan dari hasil observasi, termasuk pengenalan ucapan, analisis citra, interpretasi sinyal, dll Prediksi : prediksi demografi, prediksi ekonomi, dll. Diagnosis : diagnosis medis, elektronis, mekanis, dll. Perancangan : perancangan layout sirkuit, bangunan. Perencanaan : perencanaan keuangan, militer, dll Monitoring : computer aided monitoring system Debugging : memberikan resep obat terhadap kegagalan Instruksi : melakukan instruksi untuk diagnosis, debugging dan perbaikan kinerja Kontrol : melakukan kontrol terhadap interpreasi, prediksi, perbaikan dan monitoring kelakukan sistem. Sistem Pakar 16/17

Aplikasi Sistem Pakar Beberapa SP yang terkenal : Sistem Pakar MYCIN Dirancang oleh Edward Feigenbaum (Universitas Stanford) th 70 an DENDRAL XCON & XSEL Dikembangkan oleh Digital Equipment Corporation (DEC) dan Carnegie Mellon Universitas (CMU), akhir 70 an SOPHIE PROSPECTOR Didesign oleh Sheffield Research Institute, akhir 70an Kegunaan Diagnosa Penyakit Mengidentifikasi struktur molecular campuran yang tidak dikenal Membantu konfigurasi system computer besar Analisis sirkuit elektronik Digunakan di dalam geologi untuk membantu mencari dan menemukan deposit FOLIO Membantu memberikan keputusan bagi seorang manajer dalam hal stok broker dan investasi DELTA Pemeliharaan lokomotif listrik diesel Sistem Pakar 17/17