Sistem Pakar Arsitektur Struktur Sistem Pakar Arsitektur Sistem

  • Slides: 41
Download presentation
Sistem Pakar Arsitektur / Struktur Sistem Pakar

Sistem Pakar Arsitektur / Struktur Sistem Pakar

Arsitektur Sistem Pakar 2 bagian yg membangun struktur sistem pakar yaitu (Turban, 1995): Development

Arsitektur Sistem Pakar 2 bagian yg membangun struktur sistem pakar yaitu (Turban, 1995): Development Environment (Lingkungan Pengembangan) digunakan sebagai pembangun sistem pakar baik dari segi pembangun komponen maupun basis pengetahuan Consultation (run time) Environment (Lingkungan Konsultasi) digunakan oleh seseorang yang bukan ahli untuk berkonsultasi (end user)

Arsitektur Sistem Pakar Komponen yang secara umum ada pada struktur detail sistem pakar 1.

Arsitektur Sistem Pakar Komponen yang secara umum ada pada struktur detail sistem pakar 1. Knowledge Aqcuisition System (penambah pengetahuan) 2. Knowledge Base (basis pengetahuan) 3. Inference Engine (mesin inferensi) 4. User Interface (antarmuka) 5. User (pemakain) 6. Workspace (Blackboard) 7. Explanation Subsystem (fasilitas penjelasan)

Knowledge Aqcuisition System (Subsistem penambahan pengetahuan) Bagian ini digunakan untuk memasukkan pengetahuan, mengkonstruksi atau

Knowledge Aqcuisition System (Subsistem penambahan pengetahuan) Bagian ini digunakan untuk memasukkan pengetahuan, mengkonstruksi atau memperluas pengetahuan dalam basis pengetahuan dan/ atau inference engine.

Knowledge Aqcuisition System Pengetahuan itu bisa berasal dari: ◦ terdokumentasikan (buku, manual, dll) ◦

Knowledge Aqcuisition System Pengetahuan itu bisa berasal dari: ◦ terdokumentasikan (buku, manual, dll) ◦ tidak terdokumentasikan (orang, mesin, dll) ◦ databases ◦ internet

Cont’d (metode manual dari knowledge acquisition) Experts Elic itati on Knowledge engineer Documented knowledge

Cont’d (metode manual dari knowledge acquisition) Experts Elic itati on Knowledge engineer Documented knowledge Coding Knowledge base

Knowledge Base (basis pengetahuan) Berisi pengetahuan-pengetahuan yang dibutuhkan untuk memahami, memformulasikan dan menyelesaikan masalah

Knowledge Base (basis pengetahuan) Berisi pengetahuan-pengetahuan yang dibutuhkan untuk memahami, memformulasikan dan menyelesaikan masalah Bagian dari sistem pakar yang berisi domain pengetahuan Terdiri dari 2 elemen dasar: ◦ Rules, yang langsung menggunakan pengetahuan untuk menyelesaikan masalah khusus. ◦ Fakta, situasi masalah dan teori yang terkait

Knowledge Base (basis pengetahuan) Pendekatan basis pengetahuan yang sangat umum digunakan : ◦ Penalaran

Knowledge Base (basis pengetahuan) Pendekatan basis pengetahuan yang sangat umum digunakan : ◦ Penalaran berbasis aturan (rule based reasoning) ◦ Penalaran berbasis kasus (case based reasoning)

Cont’d (rule based reasoning) Pengetahuan direpresentasikan dalam suatu bentuk fakta (facts) dan aturan (rules)

Cont’d (rule based reasoning) Pengetahuan direpresentasikan dalam suatu bentuk fakta (facts) dan aturan (rules) Bentuk representasi ini terdiri atas premise dan kesimpulan direpresentasikan dengan menggunakan aturan berbentuk: IF-THEN

Cont’d (case based reasoning) Pengetahuan direpresentasikan dalam bentuk kesimpulan kasus (cases) basis pengetahuan akan

Cont’d (case based reasoning) Pengetahuan direpresentasikan dalam bentuk kesimpulan kasus (cases) basis pengetahuan akan berisi solusi-solusi yang telah dicapai sebelumnya, kemudian akan diturunkan suatu solusi untuk keadaan yang terjadi sekarang (fakta yang ada)

Inference engine (Motor Inferensi) Komponen yang menjadi otak sistem pakar. Mengandung mekanisme fungsi berpikir

Inference engine (Motor Inferensi) Komponen yang menjadi otak sistem pakar. Mengandung mekanisme fungsi berpikir dan pola-pola penalaran sistem Bagian inilah yang berfungsi melakukan penalaran dan pengambilan kesimpulan.

Inference engine (Motor Inferensi) 3 elemen utama dalam motor inferensi, yaitu : Interpreter :

Inference engine (Motor Inferensi) 3 elemen utama dalam motor inferensi, yaitu : Interpreter : mengeksekusi item-item agenda yang terpilih dengan menggunakan aturan-aturan dalam basis pengetahuan yang sesuai. Scheduler : akan mengontrol agenda Consistency enforcer : akan berusaha memelihara kekonsistenan dalam merepresentasikan solusi

Inference engine (Motor Inferensi) Mesin inferensi memilih pengetahuan yang relevan dalam rangka mencapai kesimpulan,

Inference engine (Motor Inferensi) Mesin inferensi memilih pengetahuan yang relevan dalam rangka mencapai kesimpulan, shg dapat menjawab pertanyaan pemakai meskipun jawaban tersebut tidak tersimpulkan secara eksplisit di dalam basis pengetahuan. Pelacakan dimulai dengan mencocokan kaidah -kaidah dalam basis pengetahuan dengan fakta-fakta yang ada dalam basis data.

Cont’d (Teknik inferensi) Forward Chaining (data driven) Pelacakan dimulai dari informasi masukan dan selanjutnya

Cont’d (Teknik inferensi) Forward Chaining (data driven) Pelacakan dimulai dari informasi masukan dan selanjutnya mencoba menggambarkan kesimpulan Pelacakan ke depan mencari fakta yang sesuai dengan bagian IF dari aturan IFTHEN

 Forward chaining merupakan metode pencarian yang memulai proses pencarian dari sekumpulan data atau

Forward chaining merupakan metode pencarian yang memulai proses pencarian dari sekumpulan data atau fakta, dari fakta-fakta tersebut dicari suatu kesimpulan yang menjadi solusi dari permasalahan yang dihadapi.

Cont’d Kaidah C Observasi 1 Kaidah A Kesimpulan 1 Fakta 1 Kaidah D Kesimpulan

Cont’d Kaidah C Observasi 1 Kaidah A Kesimpulan 1 Fakta 1 Kaidah D Kesimpulan 2 Fakta 2 Observasi 2 Kesimpulan 3 Kaidah B Kaidah E Fakta 3 Kesimpulan 4

Cont’d Backward Chaining (goal driven) Pelacakan dimulai dari tujuan, selanjutnya dicari aturan yang memiliki

Cont’d Backward Chaining (goal driven) Pelacakan dimulai dari tujuan, selanjutnya dicari aturan yang memiliki tujuan tersebut untuk kesimpulannya. Selanjutnya proses pelacakan menggunakan premis untuk aturan tsb sbg tujuan baru dan mencari aturan lain dgn tujuan baru sbg kesimpulannya

 Backward Chaining merupakan metode pencarian yang arahnya kebalikan dari Forward Chaining. Proses pencarian

Backward Chaining merupakan metode pencarian yang arahnya kebalikan dari Forward Chaining. Proses pencarian dimulai dari tujuan, yaitu kesimpulan yang menjadi solusi dari permasalahan yang dihadapi.

Cont’d Observasi 1 Kaidah A Fakta 1 Kaidah D Observasi 2 Kaidah B Fakta

Cont’d Observasi 1 Kaidah A Fakta 1 Kaidah D Observasi 2 Kaidah B Fakta 2 Observasi 3 Kaidah E Kaidah C Observasi 4 Tujuan Fakta 3

 Diketahui sistem pakar dengan aturan-aturan sebagai berikut : R 1 : IF suku

Diketahui sistem pakar dengan aturan-aturan sebagai berikut : R 1 : IF suku bunga turun THEN harga obligasi naik R 2 : IF suku bunga naik THEN harga obligasi turun R 3 : IF suku bunga tidak berubah THEN harga obligasi tidak berubah R 4 : IF dolar naik THEN suku bunga turun R 5 : IF dolar turun THEN suku bunga naik R 6 : IF harga obligasi turun THEN beli obligasi

 Apabila diketahui bahwa dolar turun, maka untuk memutuskan apakah akan membeli obligasi atau

Apabila diketahui bahwa dolar turun, maka untuk memutuskan apakah akan membeli obligasi atau tidak dapat ditunjukkan sebagai berikut :

Forward Chaining

Forward Chaining

Backward Chaining

Backward Chaining

 Kasus : pasien ingin memeriksakan kesehatannya apakah dia mengalami penyakit DBD ? Fakta

Kasus : pasien ingin memeriksakan kesehatannya apakah dia mengalami penyakit DBD ? Fakta yang terjadi, yaitu pasien mengalami bercak-bercak merah dikulit dan demam tinggi Variabel – variabel yang digunakan : A = bercak-bercak merah dikulit B = batuk C = demam tinggi D = badan menggigil E = nafsu makan menurun F = kepala pusing G = mengalami DBD

 Rules : R 1 IF A & C THEN E IF B THEN

Rules : R 1 IF A & C THEN E IF B THEN F IF C THEN B IF E THEN D IF B & E THEN F IF F THEN D IF D THEN G R 2 R 3 R 4 R 5 R 6 R 7 = = = =

 Solusi dengan forward chaining : Step I : IF A & C THEN

Solusi dengan forward chaining : Step I : IF A & C THEN E = R 1 Step II : IF C THEN B= R 3 Step III : IF B & E THEN F = R 5 Step IV : IF F THEN D = R 6 Step V : IF D THEN G = R 7 Kesimpulan : Pasien mengalami penyakit DBD

Cont’d Metode inferensi tersebut dipengaruhi oleh tiga macam penelusuran, yaitu: ◦ Depth-first search, ◦

Cont’d Metode inferensi tersebut dipengaruhi oleh tiga macam penelusuran, yaitu: ◦ Depth-first search, ◦ Breadth-first search dan ◦ Best-first search

Cont’d (Depth-first search) Pencarian dimulai dari simpul akar ke level yang lebih tinggi. Proses

Cont’d (Depth-first search) Pencarian dimulai dari simpul akar ke level yang lebih tinggi. Proses ini dilakukan terus hingga solusinya ditemukan atau jika menemui jalan Start buntu 1 3 2 5 4 6 7 8 9 10

Cont’d Keuntungan DFS : ◦ Membutuhkan memori yang cukup kecil, karena hanya simpul-simpul pada

Cont’d Keuntungan DFS : ◦ Membutuhkan memori yang cukup kecil, karena hanya simpul-simpul pada lintasan yang aktif saja yang disimpan. ◦ Secara kebetulan, pencarian mendalam pertama mungkin dapat menemukan suatu solusi tanpa harus menguji lebih banyak lagi dalam ruang keadaan. Kelemahan DFS: ◦ Metode depth first search memungkinkan tidak ditemukannya tujuan yang diharapkan. ◦ Hanya akan mendapatkan 1 solusi pada setiap pencarian

Breadth-first search Pencarian dimulai dari simpul akar terus ke level 1 dari kiri ke

Breadth-first search Pencarian dimulai dari simpul akar terus ke level 1 dari kiri ke kanan dalam 1 level sebelum berpindah ke level Start berikutnya. 1 5 2 3 6 7 Goal (End) Level 0 4 8 9 Level 1 10 Level 2

Cont’d Keuntungan BFS: ◦ ◦ Breadth first search tidak akan menemui jalan buntu. Jika

Cont’d Keuntungan BFS: ◦ ◦ Breadth first search tidak akan menemui jalan buntu. Jika ada 1 solusi maka breadth first search akan menemukannya. Jika terdapat lebih dari 1 solusi, maka solusi minimum akan ditemukan. Kelemahan BFS: ◦ ◦ Membutuhkan memori yang cukup besar, karena menyimpan semua simpul dalam suatu pohon. Membutuhkan waktu yang cukup lama, karena akan menguji n level untuk mendapatkan solusi pada level yang ke-(n+1).

Cont’d Best-first search, bekerja berdasarkan kombinasi kedua metode sebelumnya menggunakan pelacakan ke depan atau

Cont’d Best-first search, bekerja berdasarkan kombinasi kedua metode sebelumnya menggunakan pelacakan ke depan atau pelacakan ke belakang, semuanya bergantung masalah yang akan dibuat sistem pakarnya Untuk sebuah sistem pakar yang besar, dengan jumlah rule yang relatif banyak, metode pelacakan ke depan akan dirasakan sangat lamban dalam pengambilan kesimpulan, sehingga untuk sistem-sistem yang besar digunakan metode pelacakan ke belakang.

User Interface (Antarmuka) digunakan untuk media komunikasi antara user dan program

User Interface (Antarmuka) digunakan untuk media komunikasi antara user dan program

Cont’d (Screen design) Question and answer Menus ◦ Hierarchical ◦ Pull-down (Pop-up) ◦ Icon

Cont’d (Screen design) Question and answer Menus ◦ Hierarchical ◦ Pull-down (Pop-up) ◦ Icon ◦ Windows

5. User Tipe user seperti yang telah dijelaskan pada Pertemuan 2

5. User Tipe user seperti yang telah dijelaskan pada Pertemuan 2

6. Workspace Merupakan area dalam memori yang digunakan untuk merekam kejadian yang sedang berlangsung

6. Workspace Merupakan area dalam memori yang digunakan untuk merekam kejadian yang sedang berlangsung termasuk keputusan sementara. Ada 3 tipe keputusan yang dapat direkam yaitu : ◦ Rencana : bagaimana menghadapi masalah ◦ Agenda : aksi-aksi yang potensial yang sedang menunggu untuk dieksekusi ◦ Solusi : calon aksi yang akan dibangkitkan

7. Explanation Subsystem (Subsistem penjelasan) Merupakan komponen yang berfungsi untuk memberikan penjelasan kepada pemakai

7. Explanation Subsystem (Subsistem penjelasan) Merupakan komponen yang berfungsi untuk memberikan penjelasan kepada pemakai yang memintanya Menyediakan informasi tambahan mengapa atau dari mana sebuah solusi diperoleh

Cont’d Memiliki kemampuan untuk menelusuri konklusi dan menerangkan tingkah laku Sistem Pakar dengan menjawab

Cont’d Memiliki kemampuan untuk menelusuri konklusi dan menerangkan tingkah laku Sistem Pakar dengan menjawab pertanyaan-pertanyaan seperti: ◦ Mengapa pertanyaan tersebut diajukan oleh Sistem Pakar ? ◦ Bagaimana atau darimana konklusi tersebut diperoleh? ◦ Mengapa alternatif tersebut ditolak?

Cont’d Pada sistem pakar berbasis rule, biasanya penjelasan ini dilakukan dengan cara memperlihatkan rule-rule

Cont’d Pada sistem pakar berbasis rule, biasanya penjelasan ini dilakukan dengan cara memperlihatkan rule-rule yang digunakan.

Perbaikan Sistem ini digunakan untuk mengevaluasi kinerja sistem pakar itu sendiri untuk melihat apakah

Perbaikan Sistem ini digunakan untuk mengevaluasi kinerja sistem pakar itu sendiri untuk melihat apakah pengetahuan-pengetahuan yang ada masih cocok untuk digunakan di masa mendatang