Pertemuan 3 MKP Sistem Pakar Akuisisi Validasi Pengetahuan

Pertemuan 3 MKP Sistem Pakar Akuisisi & Validasi Pengetahuan (Knowledge Acquisition & Knowledge Validation) [bagian 1] Betha Nurina Sari, M. Kom

Akuisisi Pengetahuan (Knowledge Acquisition)

Knowledge Acquisition (akuisisi pengetahuan) (Turban, 2005) v. Akuisisi pengetahuan melibatkan akuisisi pengetahuan dari pakar manusia, buku, dokumen atau file komputer. v. Pengetahaun tersebut dapat spesifik terhadap domain persoalan atau terhadap proses pemecahan masalah, dan dapat pula berupa pengetahuan umum.

Tipe Pengetahuan dalam Basis Pengetahuan

Sumber Pengetahuan �Pengetahuan dapat dikumpulkan dari banyak sumber misalnya pakar, buku, film, peta dll. �Sumber pengetahuan : Ø terdokumentasi Ø tidak terdokumentasi Ø akuisisi dari database Ø akuisisi via internet

Tahapan Akuisisi Pengetahuan

Knowledge acquisition Top #11 Facts Automated Knowledge Acquisition and Distribution IBM Watson- How it Works

Kesulitan dalam Akuisisi Pengetahuan �Expressing the knowledge (Mengekspresikan pengetahuan) �Transfer to a Machine (Transfer ke sebuah Mesin) �Structuring the knowledge (Penataan pengetahuan)

Metode Akuisisi Pengetahuan Tidak Terstruktur Wawancara Manual Terstruktur Analisis Protokol Metode Pelacakan Observasi Metode Lainnya Selainnya Mendukung Pakar Analisis Grid Repertori ETS Semi Otomatis Kriton Aquinas Metode Akuisisi Pengetahuan Editor Mendukung Insinyur. Pengetahuan Penjelasan Induksi Aturan Dokumentasi Mesin Belajar Alat bantu Front. End Otomatis

Cara-cara memperoleh /“elicitation” Pengetahuan dari Expert �Metode Manual Expert Elicitation Coding Knowledge Engineer Documented Knowledge Base

Cara-cara memperoleh /“elicitation” Pengetahuan dari Expert �Metode Semiotomatis Coding Expert Computer Aided Interviewing (interactive) Knowledge Engineer Knowledge Base

Tujuan utama penggunaan banyak pakar Øuntuk memahami domain pengetahuan dengan lebih baik Øuntuk meningkatkan validitas, konsistensi, kelengkapan, akurasi, dan relevansi basis pengetahuan. Øuntuk menyediakan produktivitas yang lebih baik

Tujuan utama penggunaan banyak pakar Øuntuk mengidentifikasi hasil yang tidak tepat dengan lebih mudah Øuntuk menangani domain yang lebih luas Øuntuk memahami persoalan yang lebih kompleks dan menggabungkan kekuatan pendekatan pertimbangan yang berbeda.

Skenario banyak pakar (1) Pakar individu Beberapa pakar menyumbangkan pengetahuan secara individu. 2. Pakar primer dan sekunder Bertanggung jawab memvalidasi informasi yang diambil dari pakar domain lain. 1.

Skenario banyak pakar (2) Kelompok kecil beberapa pakar dapat dipertemukan untuk berunding dan diminta menyediakan informasi yang disetujui bersama. 4. Panel membentuk dewan pakar untuk menangani banyak pakar. 3.

BASIS PENGETAHUAN (Knowledge Base) �Penalaran berbasis aturan (rule-based reasoning) Pengetahuan direpresentasikan dengan menggunakan aturan berbentuk IF-THEN. �Penalaran berbasis kasus (case-based reasoning) basis pengetahuan akan berisi solusi-solusi yang telah dicapai sebelumnya, kemudian akan diturunkan suatu solusi untuk keadaan yang terjadi sekarang (fakta yang ada).

Validasi Pengetahuan (Knowledge Validation)

Knowledge Validation (validasi pengetahuan) (Turban, 2005) v. Pengetahaun harus valid dan teruji (misalnya dengan menggunakan tes kasus) hingga kualitasnya dapat diterima. v. Hasil tes kasus biasanya ditunjukkan oleh pakar untuk menguji ketepatan (accuracy) dari sistem pakar.

Menguji Basis Pengetahuan Ukuran (kriteria) Penjelasan Ketepatan (accuracy) Seberapa bagus sistem merefleksikan realitas Adaptabilitas Kemungkinan pengembangan /perubahan Kecukupan (adequacy) Bagian dalam pengetahuan yang dimasukkan dalam Basis Pengetahuan Daya tarik (appeal) Menstimulasi pemikiran dan kepraktisan

Menguji Basis Pengetahuan (lanjutan 1) Ukuran (kriteria) Cakupan melebar (breadth) Cakupan mendalam (depth) Validitas sebenarnya (face validity) Penjelasan Seberapa jauh domain dicakup Derajat pengetahuan detail Kredibilitas pengetahuan Sifat umum (generality) Konsistensi saran, replikasi parameter sistem

Menguji Basis Pengetahuan (lanjutan 2) Ukuran (kriteria) Ketepatan (precision) Realisme Penjelasan Liputan dalam basis pengetahuan Kemiripan dengan realitas Keandalan (reliability) Bagian sistem pakar yang benar secara empiris Kecakapan (robustness) Sesitivitas kesimpulan terhadap struktur model

Menguji Basis Pengetahuan (lanjutan 3) Ukuran (kriteria) Sensitivitas Penjelasan Dampak perubahan basis pengetahuan terhadap output Validitas teknis dan operasional Kebaikan asumsi, konteks, konstrain, kondisi, dan dampaknya terhadap ukuran yang sebenarnya Uji Turing Kemampuan evaluator terhadap kesimpulan

Menguji Basis Pengetahuan (lanjutan 4) Ukuran (kriteria) Penjelasan Kegunaan (usefulness) Seberapa cukup memecah -kan masalah Validitas Kemampuan BP untuk menghasilkan prediksi yang benar secara empiris

Next >>> Akuisisi Pengetahuan (Knowledge Acquisition) [bagian 2]