Sistem Pakar Pertemuan 3

Nama: Juliana Poernomo Putri

Nim: 08410100197

Tugas: Resum Sispak Pertemuan 3
Dosen: Titik Lusiani

Sistem Berbasis Aturan

Sistem berbasis aturan (rule-based system) menggunakan Modus Ponens sebagai dasar untuk memanipulasi aturan, yaitu:

fakta A benar, dan

operasi A ! B benar,

maka fakta B adalah benar

Jadi dapat disimpulkan bahwa proses penyelesaian masalah pada sistem berbasis aturan adalah menciptakan sederet fakta-fakta baru yang merupakan hasil dari sederetan proses inferensi sehingga membentuk semacam jalur antara definisi masalah menuju pada solusi masalah. Deretan proses inferensi tersebut adalah inference chain.

Sebagai contoh, sebuah sistem peramal cuaca dibangun dengan sistem berbasis pengetahuan untuk mengetahui keadaan cuaca pada 12 sampai 24 jam ke depan.

RULE 1: IF suhu udara di atas 32oC

THEN cuaca panas

RULE 2: IF cuaca panas

THEN daun kering

RULE 3: IF cuaca panas dan udara kering

THEN sangat mungkin terjadi kebakaran hutan

Jika hanya rule 1 (tanpa rule 2 dan rule 3), sistem berbasis pengetahuan tidak berarti apa2.

Karena itu sebuah sistem berbasis pengetahuan harus terdiri atas sekelompok aturan yang membentuk rangakaian aturan rule chain.

Fakta didefisinikan sebagai statemen yang dianggap benar. Contoh:

suhu udara di atas 32oC  dan cuaca panas  adalah fakta.

Maka proses inferensi melihat fakta-fakta dari premis pada Rule 1 dan Rule 2 sebagai dasar untuk menghasilkan fakta baru: Cuaca panas dan Udara kering.

Selanjutnya proses inferensi melihat bahwa kedua fakta ini sesuai dengan premis pada Rule 3, maka akan dihasilkan fakta baru lagi:

Sangat mungkin terjadi kebakaran hutan.

Representasi Pengetahuan

Pengetahuan dibedakan menjadi 3 klasifikasi yaitu:

• Prodecural Knowledge adalah pengetahuan yang berkaitan dengan prosedur atau cara untuk melakukan sesuatu. Contohnya, bagaimana cara mendidihkan air dalam panci.
• Declarative Knowledge adalah pengetahuan untuk dapat menentukan nilai benar dan salah suatu hal. Contohnya, jangan celupkan tangan anda dalam air yang mendidih.
• 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.

Proses Reasoning

Proses reasoning dari sebuah sistem berbasis aturan adalah tahapan proses mulai dari sekumpulan fakta menuju solusi, jawaban dan kesimpulan.

Terdapat dua macam cara yang dapat digunakan untuk menghasilkan suatu kesimpulan, yaitu:

– Forward Chaining (data driven): kesimpulan dihasilkan dari seperangkat data yang diketahui.

– Backward Chaining (goal driven): memilih beberapa kesimpulan yang mungkin dan mencoba membuktikan kesimpulan tersebut dari bukti-bukti yang ada.

Forward Reasoning

Forward chaining merupakan metode inferensi yang melakukan penalaran dari suatu masalah kepada solusinya. Jika klausa premis sesuai (bernilai TRUE) maka proses akan menyatakan konklusi.
Forward chaining adalah data-driven karena inferensi dimulai dengan informasi yang tersedia dan baru diperoleh konklusi. Jika suatu aplikasi menghasilkan tree yang lebar dan tidak dalam, maka gunakan forward chaining.
Intinya adalah forward chaining adalah dari Data ke Tujuan/goal
Contoh:
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

Sumber:

Irawan. Jusak. 2007. Buku Pegangan Kuliah Sistem Pakar Sekolah Tinggi Manajemen Informatika & Tejnik Komputer Surabaya. Surabaya: STIKOM

http://spukswkelasbkelompok3.blogspot.com/2009/02/pengetahuan-dibedakan-menjadi-3.html

http://www.slideshare.net/herman_tolle/forward-backward-chaining

http://spukswkelasbkelompok3.blogspot.com/2009/02/contoh-soal-ttt_21.html

Sistem Pakar Pertemuan 2

Nama: Juliana Poernomo Putri

Nim: 08410100197

Tugas: Resum Sispak Pertemuan 2
Dosen: Titik Lusiani

Propositional Logic

• Propositional logic merupakan salah satu bentuk (bahasa) representasi logika yang paling tua dan paling sederhana.Dengan cara ini beberapa fakta dapat digambarkan dan dimanipulasi dengan menggunakan aturan-aturan aljabar Boolean.
• Propositional logic membentuk statement sederhana atau statement yang kompleks dengan menggunakan propositional connective, dimana mekanisme ini menentukan kebenaran dari sebuah statement kompleks dari nilai kebenaran yang direpresentasikan oleh statement lain yang lebih sederhana.

Beberapa operator penghubung dasar yang seringkali dipakai dalam propositional logic ditunjukkan dalam Tabel 2.1 sedangkan tabel kebenaran untuk masing-masing operator dapat dilihat pada Tabel 2.2.

contoh :

Ketika orang mengatakan "saya suka basket dan bulutangkis". Maka kita tahu pernyataan tersebut adalah BENAR (TRUE). 

Jika kemudian orang itu mengatakan "saya suka basket dan tenis", maka kita tahu bahwa penyataan itu SALAH (FALSE). Tetapi jika kita mengubahnya dengan "Saya suka basket atau tenis", maka pernyataan itu BENAR (TRUE).

Predicate Calculus

• Kalkulus predikat, disebut juga logika predikat memberi tambahan kemampuan untuk merepresentasikan pengetahuan dengan lebih cermat dan rinci. 
• Suatu proposisi atau premis dibagi menjadi dua bagian, yaitu ARGUMEN (atau objek) dan PREDIKAT (keterangan). 
• Argumen adalah individu atau objek yang membuat keterangan. Predikat adalah keterangan yang membuat argumen dan predikat.
• Dalam suatu kalimat, predikat bisa berupa kata kerja atau bagian kata kerja.
• Representasi pengetahuan dengan menggunakan predicate calculus merupakan dasar bagi penulisan bahasa pemrograman PROLOG.

contoh: 

preposition: Joni menyayangi anjingnya.

Predicat Calculus: sayang (Joni, anjing).

Quantifier

Dalam bagian terdahulu, sebuah obyek atau argumen dapat diwakili oleh sebuah variabel, akan tetapi variabel yag telah dibicarakan hanya mewakili sebuah obyek atau individu atau argumen. Bagaimana representasi dapat dilakukan apabila terdapat beberapa obyek? Atau dengan kata lain, bagaimana kuantitas dari sebuh obyek dapat dinyatakan?

Variabel dapat dikuantitaskan dengan dua cara, yaitu:

contoh:

Model-Model Inferensi

Terdapat beberapa model inferensi yang secara umum digunakan dalam persoalan-persoalan logika, antara

lain:

Modus Ponens

Seperti dijelaskan di atas, melakukan proses inferensi berarti juga menu-

runkan fakta baru dari beberapa fakta yang sudah ada. Modus Ponens

melakukan inferensi dengan mengikuti aturan sebagai berikut:

Jika pernyataan p dan (p ! q) adalah benar,

maka dapat ditarik kesimpulan bahwa q adalah benar.

Modus Ponens merupakan dasar bagi sistem berbasis aturan (rule-based system). Sebagai contoh perhatikan pernyataan di bawah ini:

Modus Tolens

Model inferensi yang lain disebut sebagai Modus Tolens yang dinyatakan dengan rumusan:

Jika (p ! q) adalah benar,

dan q tidak benar, maka p tidak benar.

Sebagai contoh, dengan menggunakan pernyataan pada contoh terdahulu ditemukan sebuah fakta sebagai berikut:

~ jadi-sarjana(alex)

maka dengan menggunakan Modus Tolens dapat ditarik kesimpulan:

~ rajin-belajar(alex)

Automated Reasoning

Ada tiga macam metoda reasoning yang secara umum digunakan yaitu: Deduksi (Deduction), Abduksi (Abduction) dan Induksi (Induction).

Deduksi

Deduksi didefinisikan sebagai: reasoning dari fakta yang sudah diketahui menuju fakta yang belum diketahui, dari hal-hal umum menuju ke hal-hal spesifik, dari premis menuju ke kesimpulan logis.

Jika obyek A lebih besar dari beberapa obyek B

dan obyek B lebih besar daripada obyek C,

maka obyek A lebih besar daripada obyek C

Abduksi

Abduksi adalah metoda reasoning yang sering dipakai untuk memberikan/menghasilkan penjelasan terhadap fakta. Berbeda dengan metoda deduksi, pada metoda ini tidak ada jaminan bahwa kesimpulan yang didapat selalu benar. 

Sebagai contoh, sebuah aturan seperti pada contoh terdahulu dituliskan sebagai berikut:

Induksi

Induksi berarti proses reasoning dari fakta-fakta khusus atau kasus-kasus individual menuju ke kesimpulan secara general. Sebagai contoh:

P(a) adalah benar

P(b) adalah benar

Sumber:

Irawan. Jusak. 2007. Buku Pegangan Kuliah Sistem Pakar Sekolah Tinggi Manajemen Informatika & Tejnik Komputer Surabaya. Surabaya: STIKOM

Pengantar Sistem Pakar Pertemuan 1

Nama: Juliana Poernomo Putri
Nim: 08410100197
Tugas: Resum Sispak Pertemuan 1
Dosen: Titik Lusiani


Apa yang dimaksud dengan Sistem Pakar(Expert System)?

Sistem Pakar adalah sebuah program komputer yang mencoba meniru atau mensimulasikan pengetahuan (knowledge) dan ketrampilan (skill) dari seorang pakar pada area tertentu. Selanjutnya sistem ini akan mencoba memecahkan suatu permasalahan sesuai dengan kepakarannya.

• Sistem pakar merupakan salah satu aplikasi dari kecerdasan buatan (artificial intelligence).
• AI sendiri berakar dari keinginan manusia untuk membuat sebuah mesin cerdas.
• Dewasa ini sistem pakar telah diaplikasikan dalam banyak bidang, misalnya: industri manufaktur, pertanian, medis, militer de-es-be.

Sejarah Sistem Pakar

• 1943 Post E.L. membuktikan bahwa permasalahan-permasalahan komputasi dapat diselesaikan dengan aturan IF-THEN.
• 1961 General Problem Solver (GPS) oleh A. Newell and H. Simon Adalah sebuah program yang dibangun untuk menyelesaikan permasalahan mulai dari games sampai matematika integral.
• 1969 DENDRAL. Dibangun di Stamford University atas permintaan NASA (Buchanan and Feigenbaum) untuk melakukan analisis kimiawi terhadap kondisi tanah di planet Mars.
• 1970s MCYN. Dibuat untuk diagnosa medis oleh Buchanan dan Short-liffe.
• 1982 R1/XCON adalah sistem pakar pertama yang dibuat oleh para peneliti di Carnegie Melon University (CMU).

Contoh implementasi sistem pakar :

• Bidang Kedokteran: alat kedokteran yang menerapkan sistem pakar di dalamnya antara lain USG (ultrasonografi). Alat ini bekerja berdasarkan pantulan gelombang suara ultrasonik. Banyak digunakan untuk mendeteksi janin dalam kandungan. Alat ini bekerja dengan menerima input berupa  suara yang lalu diolah menjadi sebuah informasi berupa visual.
• Bidang Sosial dan budaya: ilmu psikologi bisa memanfaatkan system  pakar untuk memberikan solusi dari beberapa sifat yang dimiliki oleh seseorang tanpa menggunakan psikolog.
• Bidang Pertahanan dan keamanan: Bentuk implementasi system pakar di bidang ini antara lain pada radar. Fungsi radar secara umum ialah mendeteksi  keberadaan benda di lingkungan dimana radar berada. Jarak jangkauan radar bermacam-macam.
• Bidang ilmu pengetahan: Pada bidang robotika penerapan sistem pakar sangat jelas. Sebagaimana yang kita ketahui selama ini, robot merupaka suatu benda yang dapat bekerja secara otomatis. Baik bekerja berdasarkan program yang sudah diinputkan atau menerima input dalam bentuk sensor (gerak, cahaya, suhu, dll)

Perbandingan Sistem Konvensional dan Sistem Pakar

Struktur Sistem Pakar

• Knowledge base (basis pengetahuan) adalah bagian dari sebuah sistem pakar yang mengandung/menyimpan pengetahuan (domain knowledge). Knowledge base yang dikandung oleh sebuah sistem pakar berbeda antara satu dengan yang lain tergantung pada bidang kepakaran dari sistem yang dibangun. Misalnya, medical expert system.
• Working memory mengandung/menyimpan fakta-fakta yang ditemukan selama proses konsultasi dengan sistem pakar. Selama proses konsultasi, user memasukkan fakta-fakta yang dibutuhkan. Sistem akan memasukkan fakta baru ini ke dalam working memory. Jadi working memory menyimpan informasi tentang fakta-fakta yang dimasukkan oleh user ataupun fakta baru hasil kesimpulan dari sistem.
• Inference engine bertugas mencari padanan antara fakta yang ada di dalam working memory dengan fakta-fakta tentang domain knowledge tertentu yang ada di dalam knowledge base, selanjutnya inference engine akan menarik/mengambil kesimpulan dari problem yang diajukan kepada sistem.

Gambar Struktur Sistem Pakar Sederhana

Sumber resum pert1: 

Irawan. Jusak. 2007. Buku Pegangan Kuliah Sistem Pakar Sekolah Tinggi Manajemen Informatika & Tejnik Komputer Surabaya. Surabaya: STIKOM

http://images.nurtikasarji.multiply.multiplycontent.com/attachment/0/Sb0KwQoKCF8AAEOoE8Y1/Pengenalan%20Sistem%20Pakar.pdf?nmid=219295241