Contoh soal TTT

Contoh soal :

A1 = suhu tubuh >= 38 ⁰ C

A2 = batuk

A3 = pilek

A4 = batuk yang terus menerus

A5 = nafas berbunyi

P1 = demam biasa

P2 = batuk biasa

P3 = influensa / infeksi virus

P4 = batuk rejan

P5 = infeksi saluran nafas

Kaidah – kaidah pada basis pengetahuan meliputi :

R1 = IF A1 THEN P1

R2 = IF A2 THEN P2

R3 = IF P1 AND (P1 OR A3) THEN P3

R4 = IF P3 AND A4 THEN P4

R5 = IF P3 And A5 THEN P5

Fakta – fakta yang diperoleh dari unsur adalah demam, batuk, dan batuk tersebut lebih sering di malam hari (A1, A2,A4)

Jelaskan bagaimana sisitem pakar memperoleh kesimpulan jika tehnik inferensi yang digunakan adalah :

• Pelacakan yang berawal dari data (forward chaining)
• Pelacakan yang berawal dari kesimpulan (backward chaining)

Langkah- langkan forward chaining :

Langkah1 :

A1 , A2 , A4 adalah fakta

Cari fakta baru yang memiliki A1 dan A2 pada sisi JIKA

R1 = IF A1 THEN P1

R2 = IF A2 THEN P2

Fakta baru yang ada P1, P2, A4

Langkah 2 :

Cari fakta baru yang memiliki P1, P2, A4 pada sisi JIKA

R3 = IF P1 AND (P2 OR A3) THEN P4

Fakta A3 tidak ditemukan, jadi :

R3 = IF P1 AND P2 THEN P3

Fakta baru yang ada P3 dan A4

Langkah 3 :

Cari fakta baru yang memiliki P3 dan A4 pada sisi JIKA

R4 = IF P3 AND A4 THEN P4

Kesimpulannya P4 atau Batuk Rejan

Langkah- langkan backward chaining :

Langkah1 :

Cari fakta baru yang memiliki P1 dan P2 pada sisi MAKA

R1 = IF A1 THEN P1

R2 = IF A2 THEN P2

Fakta baru yang ada A1 , A2 , A4

Langkah 2 :

Cari fakta baru yang memiliki P3 pada sisi MAKA

R3 = IF P1 AND (P2 OR A3) THEN P4

Fakta A3 tidak ditemukan, jadi :

R3 = IF P1 AND P2 THEN P3

Fakta baru yang ada P1 dan P2

Langkah 1 :

Kesimpulannya P4 atau Batuk Rejan

Cari fakta baru yang memiliki P4 pada sisi MAKA

R4 = IF P3 AND A4 THEN P4

Fakta baru yang ditemukan P3 dan A4

gambar forward chaining :

A1 --> P1

--> And --> P1 And P2 --> P3

A2 --> P2 --> And --> P3 And A4 --> P4

A4

gambar backward chaining :

A1 <-- P1

<-- And <-- P1 And P2 <-- P3

A2 <-- P2 <-- And <-- P3 And A4 <-- P4

A4

Tahap-tahap pengembangan sistem pakar

6 Fase pengembangan:
- Inisialisasi
inisialisasi adalah suatu proses untuk menyiapkan konfigurasi suatu komponen untuk dapat digunakan. fase-fasenya:
* identifikasi masalah
* tafsirtkan kebutuhan
* evaluasi soal alternatif
* verifikasi pendekatan sistem pakar
* studi kelayakan
* analisa biaya keuntungan
* pertimbangan manajemen
* pengorganisasian tim pengembangan
* capaian akhir
-Analisis dan desain sistem
Sub-fase :
*Desain dan rencana konsep
Memberikan gambaran kerja sistem dan
bagaimana sistem tersebut menyelesaikan
masalah
*3 Strategi pengembangan :
Pengembangan internal
Outsourcing
produk jadi
Pendekatan gabungan
*dualisme sumber
*pemilihan lingkungan pengembangan
*bahasa pemrograman
l *ingkungan hybrid
*menggunakan tool untuk domain tertentu

- Rapid prototyping dan demo prototype
* SDLC(software development life cycle)
metode waterfall. aktivitas waterfall :

1. Requirements analysis and definition : Mengumpulkan kebutuhan secara lengkap kemudian kemudian dianalisis dan didefinisikan kebutuhan yang harus dipenuhi oleh program yang akan dibangun.
2. System and software design : Desain dikerjakan setelah kebutuhan selesai dikumpulkan secara lengkap.
3. Implementation and unit testing : desain program diterjemahkan ke dalam kode-­kode dengan menggunakan bahasa pemrograman yang sudah ditentukan. Program yang dibangun langsung diuji.
4. Integration and system testing : Penyatuan uni-t­unit program kemudian diuji secara keseluruhan (system testing).
5. Operation and maintenance : mengoperasikan program dilingkungannya dan melakukan pemeliharaan, seperti penyesuaian atau perubahan karena adaptasi dengan situasi sebenarnya.

selain waterfall, metode yang biasa dijumpai adalah:
Agile
XP (Extreme Programming)
JAD (Joint Application Development)
LD (Lean Software Development)
RAD (Rapid Application Development)
SCRUM

- Pengembangan sistem
Beberapa aktivitas utama:
Pengembangan basis pengetahuan
Pembuatan antarmuka pengguna (user interface)
Tes dan evaluasi
Perencanaan integrasi sistem ke lingkungan kerja

-Implementasi
fase-fase dalam implementasi:
*Serah terima ke pengguna
Memastikan sistem diterima dan diterapkan oleh pengguna dalam operasi sehari-hari melalui demo sistem, orientasi, dan pelatihan
*Strategi pendekatan dan waktu
Integrasi ke proses bisnis dan prosedur operasi. Pemilihan waktu yang tepat.
*Dokumentasi dan mekanisme keamanan
Pentingnya dokumentasi dan pengamanan pengetahuan
*Integrasi dan tes lapangan

-Pasca implementasi
Beberapa pertanyaan yg harus dijawab:
*Bagaimanakah perbandingan antara biaya perawatan dengan keuntungan yg didapat?
* Apakah perawatan yg ada sudah cukup sehingga pengetahuannya ter-up to date dan
akurat?
*Apakah sistem dapat diakses oleh semua pengguna?
* Apakah penggunaan sistem meningkat?

Representasi Pengetahuan (Jaringan Sematik)

JARINGAN SEMANTIK
Jaringan semantik merupakan jaringan data dan informasi, yang menentukan hubungan berbagai objek dimana informasi yang terhubung tersebut adalah informasi yang proporsional. Dalam matematika istilah jaringan semantik adalah suatu label atau graph berahar.
Jaringan semantik disusun dari NODE dan ARC, node merupaka representasi dari objek, objek properti, ataupun properti value, sedangkan arc meripakan representasi dari bukungan antara node.
Baik node ataupun arc memilikilabel yang secara jelas menjelaskan reperesentasi dari objek dan hubungan antara node.
Hampir semua objek atribute, pemikiran atau apapundapan dihubungkan dan dirumuskan antara 1 dengan yang lainya oleh garis -garis, arc umunya menggunakan metode seperti: "IS-A", "HAS-A", dll.

PERLUASAN JARINGAN SEMANTIK
Jaringan semantik merupakan pengetahuan secara grafis yang menunjukan hubungan antara berbagai objek, kita juga dapat memperluas jaringan semantik dengan menambah node dan menghubungkan dengan node yang berkesesuaian pada jaringan semantik.
Pada umumnya penambahan dapat dilakukan dengan 3 cara:
1. Objek yang sama
Penambahan node pada objek yang sama dengan menggunakan hubungan "IS-A"
2. Objek yang lebih kuhusus
Penambahan node yang merupakan objek khusus
3. Objek yang lebuh umum
Kita dapat menambah node yang merupakan representasi yang lebih umum dari suatu node, yang melakukan link dengan arc "IS-A"

PEWARISAN PADA JARINGAN SEMANTIK
Node ditambakan pada jaringan semantik secara outomatis mewarisi informasi yang telah ada
pada jaringan.
Contoh:

• Ani adalah mahasiswa FTI
• NIM ani adalah 682008008
• Jaringan Semantiknya menjadi?

Node pada contoh diatas bisa berisi :

• Object = mahasisawa
• Property object = NIM, Nama, Alamat
• Property Value = 682008008, Ani, Salatiga

OBJECT ATRIBUTTE VALUE
Ada 3 hal dalam OAV yaitu Object, Atributte, dan Value yang sering di gunakan dalam jaringan semantik:
Object = dapat berupa fisik ataupun konsepsi
Atributte = karakteristik objek
Value = ukuran spesifik dari atribut dalam status tertentu

OAV secara khusus digunakan untuk merepresentasikan fakta dan pola guna menyesuaikan fakta daman aturan yang antecedent. Jaringan semantik untuk beberapa sistem terdiri dari node untuk objek, atribut dan nilai yang menghubungkan dengan IS-A dan HAS-A.

FRAME
Frame adalah struktur data untuk mengoprasikan pengetahuan stereotip dari suatu konsep atau objek.
Pertama kali diusulkan oleh Minsky (1975)
Perencanaan sistem pakar merupakan ide yang sama pada SKEMA untuk menangkap dan merepresentasikan konseptual dalam sistem pakar.
Skema merupakan suatu kesatuan yang berisi tentang pengetahuan khusus yang di dalamnya terdiri dari suatu konsep atau objek yang mengandung baik pengetahuan deklaratif maupun prosedural
Skema merupakan perluasan natural dari jaringan dan diusulkan pertama kali oleh Barlett (1932)

KAIDAH PRODUKSI

• Kaidah menyediakan cara formal untuk merepresentasikan rekomendasi, arah, atau strategi
• Ditulis dalam bentuk Jika-maka
• Struktur kaidah
  

1. Jika premis MAKA konklusi
2. Jika masukan MAKA keluaran
3. Jika kondisi MAKA tindakan
4. Jika antesedent MAKA konsekuen
5. Jika data MAKA hasil
6. Jika tindakan MAKA tujuan

KETERANGAN DARI STRUKTUR KAIDAH
1. Premis mengacu pada fakta yang harus benar sebelum konklusi tertentu dapat di peroleh
2. Masukan mengacau pada data yang tersedia sebelum keluaran dapat di peroleh
3. Kondisi mengacu pada keadaan yang harus berlaku sebelum tindakan dapat diambil
4. Antesedent mengacu pada situasi yang terjadi sebelum konsekuen dapat di amati
5. Data mengacu pada kegiatan yang harus dilakuakan sebelum hasil dapat di harapkan
6. Tindakan mengacu pada kegiatan yang harus dilakukan sebelum tujuan dapat di ketahui

Kaidah produksi dapat di bagi menjadi 2 yaitu :
- Kaidah Drajat Pertama
Ialah kaidah sederhana yang terdiri dari antesedent dan konsekuen
Contoh: Jika bersin-bersin dan pusing
Maka terserang penyakit flu

- Kaidah Meta

Ialah kaidah yang antesedent atau konsekuenya mengandung informasi tentang kaidah lan
Contoh: Jika : Windows mengalami crash
Dan : Menampilkan layar biru
Dan : Terdapat dulisan dumping memory
Maka : Memory bermasalah

INFERENSI

• Proses untuk menghasilkan informasi dari fakta yang diketahui atau disimpulkan
• Inferensi adalaha konklusi logis atai implikasi dari informasi yang tersedia
• Representasi pengetahuan harus lengkap atau paling tidak cukup akutar untuk bisa du gunakan

2METODE INFERENSI
Dua metode inferensi yang penting dalma sistem pakar:
1. Runut maju
2. Runut balik

RUNUT MAJU
- Menggunakan himpunan aturan
- Data digunakan untuk menentukan aturan yang akan di jalankan
- Dimulai dati informasi yang tersedia atau ide dasar menarik kesimpulan
- Proses di ulang samapi ditemukanya suatau hasil

Metode inferensi runut maju sangat cocok digunakan menangani masalah pengendalian dan peramalan
Contoh : Jika penderita tekena penyakit batuk disertai flu
Maka diberikan obat bisolvon flu

RUNUT BALIK
- Kebalikan dari runut maju
- Penalaran dimulai dengan tujuan, merunut balik ke arah alur yang menuju ke tujuan tersebut
- Disebut juga goal - driver reasoning
- Tujuannya mengambil pilihan terbaik
- Cocok digunakan untuk memecahkan masalah diagnosis

Representasi Pengetahuan

Pengetahuan dibedakan menjadi 3 klasifikasi yaitu:

1. Prodecural Knowledge adalah pengetahuan yang berkaitan dengan prosedur atau cara untuk melakukan sesuatu. Contohnya, bagaimana cara mendidihkan air dalam panci.
   
2. Declarative Knowledge adalah pengetahuan untuk dapat menentukan nilai benar dan salah suatu hal. Contohnya, jangan celupkan tangan anda dalam air yang mendidih.
   
3. Tacid Knowledge kadang disebut juga sebagai "unconscious knowledge", karena pengetahuan tidak dapat diekspresikan atau didefinisikan dengan bahasa. Contohnya, bagaimana menggerakkan tangan.

Pengetahuan adalah hal yang utama dalam sistem pakar.

Representasi Pengetahuan adalah metode yang digunakan untuk mengodekan pengetahuan dalam suatu sistem pakar. Yang dimaksudkan untuk menangkap sifat-sifat penting problema dan membuat informasi itu dapat diakses oleh prosedur pemecahan problema.

Model Representasi Pengetahuan

Pengetahuan dapat dipresentasikan dalam bentuk yang sederhana atau kompleks, tergantung dari masalahnya. (Schnupp, 1989)

Terdapat beberapa model atau bentuk representasi pengetahuan yang telah dikembangkan, yaitu :

• Logika
• Jaringan Semantik (Semantic nets)
• Object-Attribute-Value (OAV)
• Bingkai (Frame)
• Aturan Produksi (production rule)

Logika

• Suatu pengkajian ilmiah tentang serangkaian penalaran, sistem kaidah, dan prosedur yang membantu penalaran.

• Komputer harus dapat menggunakan proses penalaran deduktif dan induktif kedalam bentuk yang sesuai dengan manipulasi komputer, yaitu logika simbolik atau matematika.

Penalaran Deduktif

• Bergerak dari penalaran umum menuju ke konklusi khusus.
• Umumnya dimulai dari suatu silogisme
• Atau pernyataan premis dan inferensi

- Premis Mayor
- Premis Minor
- Konklusi

Contoh:
Premis Mayor : Jika hujan turun saya tidak akan kuliah
Premis Minor : Pagi ini hujan turun
Konklusi : Oleh karena itu pagi ini saya tidak akan kuliah

Penalaran Induktif

• Bergerak dari masalah khusus ke masalah umum.
• Menggunakan sejumlah fakta atau premis yang mantap untuk menarik kesimpulan umum.
• Contoh :

• Premis : Dioda yang salah menyebabkan peralatan elektronik rusak.
• Premis : Transistor rusak menyebabkan peralatan elektronik rusak.
• Premis : IC rusak menyebabkan peralatan elektronik tidak berfungsi.
• Konklusi : Maka, peralatan semikonduktor merupakan penyebab utama rusaknya peralatan elektronik.

• Disebut logika Komputasional

• Logika Proposional
• Logika Predikat

Logika Proposional

• Proporsisi merupakan suatu statement atau pernyataan yang menyatakan benar (TRUE) atau salah (FALSE).

Logika Predikat

• Suatu logika yang lebih canggih yang seluruhnya menggunakan konsep dan kaidah proporsional yang sama.
• Disebut juga kalkulus predikat, yang memberi tambahan kemampuan untuk mempresentasikan pengetahuan dengan cermat dan rinci.
  

Jaringan Semantik ( Semantic nets)

Jaringan Semantik adalah tehnik representasi dalam artificial intelligence klasik untuk informasi proposional, sehingga sering kali disebut sebagai poporsional network. Proposisi adalah pernyataan yang dapat bernilai benar atau salah dan merupakan bentuk pengetahuan deklaratif.

Semantic network pertama kali dikembangkan untuk AI sebagai cara untuk mempresentasikan memory dan pemahaman bahasa manusia. Struktur semantic nets berupa grafik dengan node (simpul) dan arc (ruas) yang menghubungkannya.

Object-Attribute-Value (OAV)
Bentuk object-attribute-value triple daapat digunakan untuk mempresentasikan semua karakteristik pengetahuan dalam semantic net dan digunakan pada sistem pakar MYCIN untuk mendiagnosa penykit infeksi.

Bingkai (Frame)
Salah satu tipe skema yang digunakan dalam beberapa aplikasi AI adalah frame. Frame merupakan struktur yang baik untuk mempresentasikan objek yang tipikal dalam situasi tertentu. Karakteristik dasar frame adalah frame mempresentasikan pengetahuan yang terkait mengenai sebuah subjek yang sempit dan memiliki default. Sistem frame adalah pilihan yang baik untuk mendeskripsikan peralatan mekanik seperti mobil.
Frame mencoba memodelkan obyek yang ada di dunia nyata menggunakan pengetahuan generik untuk atribut yang banyak dimiliki oleh obyek dan pengetahuan spesifik untuk kasus khusus.

Aturan Produksi (Production Rule)
Aturan produksi adalah jenis representasi pengetahuan yang paling umum digunakan karena memiliki keuntungan yang lebih dibandingkan dengan kekurangannya.

SISTEM PAKAR

• Turban (1995) mengartikan AI sebagai ilmu yang mempelajari cara membuat komputerdapat bertindak dan memiliki kecerdasan seperti manusia biasa. Bidang - bidang AI yang termasuk adalah:

• Penglihatan Komputer ( Computer Vision )
• Pengolahan Bahasa Alami ( Natural Language Processing )
• Robotika ( Robotics )
• Sistem Syaraf Buatan ( Artificial Neutral System )
• Sistem Pakar ( Expert System )

Dari berbagai bidang AI,di sini kami akan membahas lebih dalam tentang Sistem Pakar. Beberapa pengertian sistem pakar menurut beberapa ahli seperti berikut ini :
1. Martin dan Oxman 1998
Sistem pakar adalah sistem yang berbasis komputer yang menggunakan pengetahuan, fakta, dan teknik penalaran dalam memecahkan masalah yang biasanya hanya dapat dipecahkan oleh seorang pakar dalam bidang tersebut.
2. Durkin
Sistem pakar adalah program komputer yang dirancang untuk memodelkan kemampuan penyelesaian masalah yang dilakukan oleh seorang pakar.
3. Giarratamo dan Riley
Sistem pakar adalah sistem komputer yang bisa menyamai atau meniru kemampuan seorang pakar

Dari beberapa pengertian tersebut kita dapat mengambil kesimpulan bahwa Sistem pakar adalah sistem yang menggunakan pengetahuan manusia yang terekam dalam komputer untuk memecahkan persoalan yang membutuhkan keahlian manusia. Selain itu sistem pakar juga bisa diartikan sistem informasi berbasis komputer yang menggunakan pengetahuan pakar untuk mencapai perfoma keputusan tingkat tinggi dalam doamain persoalan yang sempit.

Sistem pakar diterapkan untuk mendukung pemecahan masalah, antara lain :

• Pembuatan keputusan ( Decision Making )
• Pemanduan pengetahuan ( Knowledge Fusing )
• Pembuatan design ( Designing )
• Perencanaan ( Planning )
• Perkiraan ( Forecasting )
• Pengaturan ( Regulating )
• Pengendalian ( Controlling )
• Diagnosis ( Diagnosing )
• Perumusan ( Prescibing )
• Penjelasan ( Explaining )
• Pemberian Nasihat ( Advising )
• Pelatihan ( Tutoring )

Beberapa contoh dari sistem pakar :

• MYCIN = Diagnosa penyakit miringtis dan infeksi
• Folio = Membantu memberikan keputusan bagi seorang manajer dalam hal stok broker dan investasi
• XCON & XSEL = Membantu konfigurasi sistem komputer besar
• DELTA = Pemelihara lokomotif listrik diesel
• PENDRAL = Mengidentifikasi struktur molekular campuran yang tak dikenal.

Ciri - ciri sistem pakar :

1. Terbatas pada bidang yang spesifik.
2. Berdasarkan pada rule atau kaidah tertentu.
3. Outputnya bersifat nasihat atau anjuran atau bahkan solusi.
4. Outputnya tergantung dari dialog dengan user.

KELEBIHAN DAN KELEMAHAN SISTEM PAKAR

Keuntungan dari Sistem pakar :

• Memungkinkan para awam bisa mengerjakan pekerjaan paraq staff ahli.
• Menyimpan pengetahuan dan keahlian para pakar.
• Meningkatkan Output dan produktivitas.
• Menghemat waktu dalam pengambilan keputusan.
• Meningkatkan kualitas.

Kelemahan Sistem pakar :

• Biaya yang diperlukan untuk membuat dan memeliharanya sangat mahal.
• Sulit dikembangkan karna kurang ketersediaan pakar di bidangnya.
• Tidak 100% bernilai benar.

KONSEP DASAR SISTEM PAKAR

Sistem pakar mempunyai beberapa konsep dasar :
1. Keahlian
yaitu suatu kelebihan penguasaan pengetahuan di bidang tertentu yang diperoleh dari pelatihan,membaca atau pengalaman. Contoh bentuk - bentuk pengetahuan :

• Fakta - fakta dan teori - teori pada lingkup permasalahan tertentu.
• Prosedur - prosedur dan aturan - aturan berkenaan dengan lingkup permasalahan tertentu.
• Strategi global untuk menyelesaikan masalah.

2. Ahli ( Pakar )

• Seseorang yang memiliki pengetahuan, penilaian, pengalaman, metode tertentu, kemampuan penerapan keahlian dalam memberikan advice untuk memecahkan persoalan.
• Seseorang yang mampu menjelaskan suatu tanggapan, mempelajari hal - hal baru seputar permasalahan ( domain ).
• Mengenali dan merumuskan permasalahan.
• Menyusun pengetahuan jika dipandang perlu.
• memecah aturan - aturan jika dibutuhkan.
• menetukan relevan tidaknya keahlian mereka.

3. Pengalihan Keahlian

• Pengalihan keahlian dari parah ahli ke komputer untuk kemudian diahlikan lagi ke orang lain.

4. Inferensi

• Kemampuan untuk melakukan penalaran dengan menggunakan pengetahuan yang ada untuk menghasilkan suatu kesimpulan atau hasil akhir.
• DIlakukan permodelan proses berfikir manusia.
• Motor Inferensi

5. Aturan

• Sebagian besar sistem pakar dibuat dalam bentuk rule based sistem.
• Pengetahuan disimpen dalam bentuk aturan - aturan.
• biasanya berbentuk IF _ THEN

Perbandingan Sistem pakar VS Sistem Konvensional

Sistem Konvensional
1. Informasi dan pemrosesannya biasanya menyatu dengan program.
2. Tidak ada penjelasan mengapa data input diperlukan kesimpulan,dihasilkan.
3. Eksekusi dilakukan dalam bentuk algoritma tahap demi tahap.
4. Tujuan utama adalah Efisiensi .

Sistem Pakar
1. Basis Pengetahuan merupakan bagian
dari mekanisme inferensi.
2. Penjelasan bagian dari sistem pakar.

3. Eksekusi dilakukan pada keseluruhan basis
pengetahuan.
4. Tujuan utamanya adalah Efektifitas.

Struktur Sistem pakar

Struktur Sistem pakar antara lain meliputi :

1. Subsistem Penambah pengetahuan.
2. Basis Pengetahuan
3. Mesin Inferensi
4. Blackboard
5. Interface
   
6. Subsistem Penjelasan
7. Sistem Penyaring pengetahuan.