IF1526Sistem Berbasis Pengetahuan       (Knowledge-Based System)              Disusun Oleh:            Irfan Subakti     J...
KATA PENGANTAR         Kuliah Sistem Berbasis Pengetahuan di Jurusan Teknik Informatika, Fakultas TeknologiInformasi, Inst...
DAFTAR ISI                                                                                                                ...
3.8. Jenis ES................................................................................................................
Forward chaining. ...........................................................................................................
TUJUAN INSTRUKSIONAL UMUMMerancang/menerapkan Sistem Berbasis Pengetahuan dengan merangkai tiga komponenpokok: inference e...
Bab 1 Management Support Sistem (MSS)                                       BAB 1                           MANAGEMENT SUP...
Bab 1 Management Support Sistem (MSS)Proses pengambilan keputusan terdiri dari 3 fase proses: intelligence, design, dan ch...
Bab 1 Management Support Sistem (MSS)           Peningkatan kinerja group-group tadi yang dibantu oleh teknologi Informasi...
Bab 1 Management Support Sistem (MSS)   Phase              Description                                      Examples of To...
Bab 1 Management Support Sistem (MSS)1.10. Pelbagai Perbedaan diantara MIS dan DSS.Fitur dari DSS:    DSS dapat digunakan ...
Bab 1 Management Support Sistem (MSS)   1.12.       Dukungan dari Pengambilan Keputusan.        Perbedaan antara DSS dan E...
Bab 1 Management Support Sistem (MSS)                                          Sources of Information and Knowledge       ...
Bab 1 Management Support Sistem (MSS)Category              TaskOffice Automation     Do online job interviews and recruiti...
Bab 2 Penggunaan Artificial Intelligence (AI)                                    BAB 2                                PENG...
Bab 2 Penggunaan Artificial Intelligence (AI)   sedangkan proses reasoning manusia bekerja dengan cara yang nonalgorithmic...
Bab 2 Penggunaan Artificial Intelligence (AI)         Kemudahan pengaksesan atau mudah untuk dikenal.         Cognizance; ...
Bab 2 Penggunaan Artificial Intelligence (AI)             Software AI menampilkan proses reasoning dan inferencing menggun...
Bab 2 Penggunaan Artificial Intelligence (AI)                                           Natural                           ...
Bab 2 Penggunaan Artificial Intelligence (AI)        Tujuan dari ES bukanlah menggantikan para pakar, tetapi hanya untuk m...
Bab 3 Expert System                                        BAB 3                                    EXPERT SYSTEM        E...
Bab 3 Expert SystemDi bawah ini adalah diagram distribusi kepakaran:        35        30        25        20    %        1...
Bab 3 Expert System3.2.          Struktur ES.ES dibagi menjadi 2 bagian utama: development environment dan consultation (r...
Bab 3 Expert System    How was a certain conclution reached?    Why was a certain alternative rejected?    What is the pla...
Bab 3 Expert System   Mengatasi kelangkaan kepakaran.   Fleksibelitas.   Pengoperasian peralatan lebih mudah.   Menghilang...
Bab 3 Expert System   Real-time Expert Systems. Sistem ini berkenaan dengan waktu, jadi harus cukup cepat   mengontrol pro...
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
Upcoming SlideShare
Loading in...5
×

5

1,022

Published on

Published in: Education
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
1,022
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
78
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

5

  1. 1. IF1526Sistem Berbasis Pengetahuan (Knowledge-Based System) Disusun Oleh: Irfan Subakti Jurusan Teknik Informatika Fakultas Teknologi InformasiInstitut Teknologi Sepuluh Nopember Surabaya 2002
  2. 2. KATA PENGANTAR Kuliah Sistem Berbasis Pengetahuan di Jurusan Teknik Informatika, Fakultas TeknologiInformasi, Institut Teknologi Sepuluh Nopember (ITS), ini diberikan sebagai salah satu Mata KuliahPilihan yang termasuk dalam bidang minat Sistem Informasi yang memiliki bobot 3 SKS (SatuanKredit Semester). Tujuan yang ingin didapat dari Mata Kuliah ini adalah untuk merancang/menerapkanSistem Berbasis Pengetahuan dengan merangkai tiga komponen pokok: inference engine, basisdata, dan production rules. Materi yang dibahas adalah: Sistem-sistem yang ada dalam Management Support System(MSS), penggunaan kecerdasan buatan, Sistem Pakar, akuisisi dan validasi pengetahuan, SistemPakar Berbasis Pengetahuan, dan Algoritma Genetika. Tak ada gading yang tak retak, demikian jugalah dalam penyusunan Buku Panduan ini.Kami mohon maaf bila ada kekurangan. Semoga Tuhan Yang Maha Pengasih memberikan segalakurnia-Nya kepada kita dalam segenap langkah-langkah kita ini. Amiin. Penyusun irfan@its-sby.edu ii Sistem Berbasis Pengetahuan – Irfan Subakti
  3. 3. DAFTAR ISI HalamanKATA PENGANTAR ................................................................................................................iiDAFTAR ISI ......................................................................................................................... iiiTUJUAN INSTRUKSIONAL UMUM........................................................................................... viMATERI ............................................................................................................................ viPRASYARAT MATA KULIAH ................................................................................................... viBAB 1 MANAGEMENT SUPPORT SYSTEM (MSS).................................................................. 1 1.1. Manajer dan Dukungan Komputer............................................................................ 1 1.2. Managerial Decision Making & Management Information Systems (MIS)...................... 1 1.3. Kerangka Kerja Decision Support (DS). .................................................................... 1 1.4. Decision Support Systems (DSS).............................................................................. 2 1.5. Group Support Systems (GSS). ................................................................................ 2 1.6. Executive Information (atau Support) Systems (EIS atau ESS). .................................. 3 1.7. Expert Systems (ES). .............................................................................................. 3 1.8. Neural Computing (Artificial Neural Network). ........................................................... 3 1.9. Evolusi dari Alat Pengambil Keputusan Terkomputerisasi............................................ 3 1.10. Pelbagai Perbedaan diantara MIS dan DSS. .............................................................. 5 1.11. Hubungan antara Decision Support-Expert System. ................................................... 5 1.12. Dukungan dari Pengambilan Keputusan.................................................................... 6 1.13. Hybrid Support Systems.......................................................................................... 7 1.14. Computer-Based Information Systems di Departemen Personalia................................ 7 1.15. Kesimpulan. ........................................................................................................... 8BAB 2 PENGGUNAAN ARTIFICIAL INTELLIGENCE (AI) ........................................................ 9 2.1. Definisi. ................................................................................................................. 9 3 tujuan yang diinginkan AI: ............................................................................................. 9 Beberapa kemampuan yang merupakan tanda dari kecerdasan:........................................... 9 Symbolic Processing. ........................................................................................................ 9 Heuristics. ......................................................................................................................10 Inferencing.....................................................................................................................10 Pengenalan Pola. ............................................................................................................10 2.2. AI Dibandingkan dengan Natural Intelligence...........................................................10 2.3. Knowledge pada AI. ..............................................................................................10 Data. ...........................................................................................................................10 Information. ...................................................................................................................10 Knowledge. ....................................................................................................................10 Penggunaan Knowledge...................................................................................................11 Basis-basis pengetahuan dan organisasi berbasis pengetahuan. ..........................................11 2.4. Bagaimana AI Berbeda dengan Komputasi Konvensional...........................................11 2.5. Bidang AI. ............................................................................................................12 Expert System. ...............................................................................................................13 Natural Language Processing. ..........................................................................................14 2.6. Kesimpulan. ..........................................................................................................14BAB 3 EXPERT SYSTEM ...................................................................................................15 3.1. Konsep Dasar ES. ..................................................................................................15 Expertise/Kepakaran........................................................................................................15 Expert/Pakar...................................................................................................................15 Fakta mengenai Kepakaran. .............................................................................................15 Inferencing.....................................................................................................................16 Rules. ...........................................................................................................................16 Kemampuan Menjelaskan. ...............................................................................................16 3.2. Struktur ES. ..........................................................................................................17 Inference Engine.............................................................................................................17 Explanation Subsystem (Justifier). ....................................................................................17 Knowledge Refining System. ............................................................................................18 3.3. Elemen Manusia dalam ES......................................................................................18 3.4. Bagaimana ES Dibangun. .......................................................................................18 3.5. Bidang Permasalahan yang Ditangani ES. ................................................................18 3.6. Keuntungan ES .....................................................................................................18 3.7. Permasalahan dan Keterbatasan ES. .......................................................................19 iii Sistem Berbasis Pengetahuan – Irfan Subakti
  4. 4. 3.8. Jenis ES................................................................................................................19 3.9. Pengembangan ES. ...............................................................................................20 3.10. Kesimpulan. ..........................................................................................................25BAB 4 AKUISISI DAN VALIDASI KNOWLEDGE ...................................................................27 4.1. Rekayasa Knowledge. ............................................................................................27 Proses Rekayasa Knowledge. ...........................................................................................27 4.2. Skup Knowledge....................................................................................................27 Sumber Knowledge. ........................................................................................................27 Akuisisi dari Database......................................................................................................28 Level Knowledge. ............................................................................................................28 Kategori Knowledge. .......................................................................................................28 4.3. Kesulitan dalam Akuisisi Knowledge. .......................................................................28 Masalah-masalah dalam transfer knowledge. .....................................................................28 Mengatasi Pelbagai Kesulitan. ..........................................................................................29 Ketrampilan yang dibutuhkan oleh Knowledge Engineer: ....................................................29 4.4. Metode Akuisisi Knowledge: Pendahuluan................................................................29 4.5. Wawancara...........................................................................................................30 Wawancara Tak Terstruktur. ............................................................................................30 Wawancara Terstruktur. ..................................................................................................31 4.6. Metode Pelacakan. ................................................................................................31 Prosedur Analisis Protokol:...............................................................................................31 Keuntungan dan Keterbatasan Analisis Protokol. ................................................................31 4.7. Pengamatan dan Metode Manual Lainnya. ...............................................................32 Pengamatan (observasi). .................................................................................................32 Pelbagai metode manual lainnnya: ...................................................................................32 4.8. Metode Expert-driven. ...........................................................................................32 Metode manual: laporan oleh sang pakar itu sendiri...........................................................32 Pendekatan bantuan komputer.........................................................................................33 4.9. Repertory Grid Analysis..........................................................................................33 Cara kerja RGA. ..............................................................................................................33 Penggunaan RGA dalam ES..............................................................................................33 4.10. Dukungan Knowledge Engineer. .............................................................................34 Alat bantu akusisi knowledge. ..........................................................................................34 Alat bantu akuisisi knowledge terintegrasi. ........................................................................34 Front-end Tools. .............................................................................................................34 4.11. Induksi Rule, Case-based Reasoning, dan Komputasi Syaraf. ....................................34 Induksi Rule Otomatis. ....................................................................................................35 Keuntungan dari induksi rule............................................................................................35 Kesulitan dalam implementasi. .........................................................................................36 Induksi interaktif. ............................................................................................................36 Case-based reasoning......................................................................................................36 Komputasi Syaraf. ...........................................................................................................36 4.12. Memilih Metode yang Sesuai. .................................................................................36 4.13. Akuisisi Knowledge dari Banyak Pakar. ....................................................................37 Skenario dari banyaknya pakar yang terlibat......................................................................37 Metode penanganan banyak pakar. ..................................................................................37 4.14. Validasi dan Verifikasi Knowledge Base....................................................................37 4.15. Analisis, Kodifikasi, Dokumentasi, dan Pendiagraman. ..............................................38 4.16. Akuisisi Knowledge Numerik dan Terdokumentasi. ...................................................38 Akuisisi knowledge numerik. ............................................................................................38 Akuisisi knowledge terdokumentasi...................................................................................38 4.17. Kesimpulan. ..........................................................................................................39BAB 5 KNOWLEDGE-BASED EXPERT SYSTEMS ..................................................................40 5.1. Pengertian. ...........................................................................................................40 5.2. Rules dan Rule Chaining. .......................................................................................40 5.3. Forward dan Backward Chaining.............................................................................41 Forward Chaining. ...........................................................................................................41 Backward chaining. .........................................................................................................42 Mana yang dipilih, forward ataukah backward chaining? .....................................................42 Tipe sistem yang dapat dicari dengan forward chaining:.....................................................42 Tipe sistem yang dapat dicari dengan backward chaining: ..................................................42 5.4. Desain Implementasi Forward dan Backward Chaining..............................................43 iv Sistem Berbasis Pengetahuan – Irfan Subakti
  5. 5. Forward chaining. ...........................................................................................................43 Backward chaining. .........................................................................................................43 Contoh struktur data dalam program. ...............................................................................48 Contoh Kasus..................................................................................................................49 Kasus 1. Forward Chaining...............................................................................................49 Kasus 2. Backward Chaining.............................................................................................52 5.5. Confidence Factor (CF) pada Forward dan Backward Chaining...................................57 CF untuk rule dengan kondisi AND....................................................................................57 CF untuk rule dengan kondisi OR......................................................................................57 CF untuk rule dengan kondisi AND/OR. .............................................................................57 5.6. Pengembangan Program Forward dan Backward Chaining. .......................................58 Pembagian Rule. .............................................................................................................58 Implementasi Pengembangan Program. ............................................................................59BAB 6 ALGORITMA GENETIKA .........................................................................................61 6.1. Pendahuluan.........................................................................................................61 Struktur Umum Algoritma Genetika...................................................................................61 Eksploitasi dan Eksplorasi. ...............................................................................................62 Pencarian berdasarkan populasi. ......................................................................................62 Meta-heuristic.................................................................................................................63 Keuntungan Utama. ........................................................................................................63 Kamus GA. .....................................................................................................................63 6.2. Contoh Program Algoritma Genetika Sederhana (Simple Genetic Algorithm) ...............63 Masalah Optimasi............................................................................................................63DAFTAR PUSTAKA...............................................................................................................67TENTANG PENULIS .............................................................................................................68 v Sistem Berbasis Pengetahuan – Irfan Subakti
  6. 6. TUJUAN INSTRUKSIONAL UMUMMerancang/menerapkan Sistem Berbasis Pengetahuan dengan merangkai tiga komponenpokok: inference engine, basisdata, dan production rules. MATERISistem-sistem yang ada dalam Management Support System (MSS).Penggunaan kecerdasan buatan.Sistem Pakar.Akuisisi dan validasi pengetahuan.Sistem Pakar Berbasis Pengetahuan.Algoritma Genetika. PRASYARAT MATA KULIAHIF1408 Sistem InformasiIF1504 Kecerdasan Buatan vi Sistem Berbasis Pengetahuan – Irfan Subakti
  7. 7. Bab 1 Management Support Sistem (MSS) BAB 1 MANAGEMENT SUPPORT SYSTEM (MSS) 1.1. Manajer dan Dukungan Komputer. Teknologi komputer sekarang ini merupakan bagian terpenting dalam dunia bisnis, dan jelas dalam pelbagai bidang lainnya. MSS terdiri dari: 1. Decision Support Systems (DSS). 2. Group Support Systems (GSS), termasuk Group DSS (GDSS). 3. Executive Information Systems (EIS). 4. Expert Systems (ES). 5. Artificial Neural Networks (ANN). 6. Hybrid Support Systems. 1.2. Managerial Decision Making & Management Information Systems (MIS). Manajemen adalah proses pencapaian tujuan organisasi melalui penggunaan resources (manusia, uang, energi, material, ruang, dan waktu). Resources sebagai input, sedangkan pencapaian tujuan adalah outputnya. Kesuksesan suatu organisasi dan kesuksesan tugas seorang manajer diukur dari produktivitas. Output ( produk , jasa ) Produktivitas = Input (resources) Faktor-faktor yang mempengaruhi pengambilan keputusan: Faktor Tren Hasil Teknologi. Meningkat. Lebih banyak alternatif pilihan. Informasi/Komputer. Meningkat. Kompleksitas struktural. Meningkat. Biaya yang lebih besar dari kesalahan Kompetisi. Meningkat. yang terjadi. Pasar Internasional. Meningkat. Ketidakpastian berkaitan dengan masa Stabilitas politik. Menurun. depan. Konsumerisme. Meningkat. Intervensi Pemerintah. Meningkat. Kecepatan perubahan luar biasa besarnya. Pendekatan manajemen trial and error menjadi lebih sulit. Manajer harus lebih canggih, harus belajar bagaimana menggunakan tool dan teknik-teknik baru yang selalu berkembang di bidangnya masing-masing. Teknik-teknik yang dipakai ini banyak yang memakai pendekatan analisis kuantitatif, dikelompokkan dalam 1 disiplin, disebut dengan Management Science (Operation Research). 1.3. Kerangka Kerja Decision Support (DS). Tipe KontrolTipe Keputusan Kontrol Kontrol Manajerial Perencanaan Strategis Dukungan yang Operasional dibutuhkanTerstruktur Account receivable, Budget analysis, Financial management MIS, operational order entry short-term (investment), warehouse research models, forecasting, location, distribution transaction personnel reports, systems processing make-or-buySemi Production Credit evaluation, Building new plant, DSSterstruktur schedulling, budget preparation, mergers and acquisitions, inventory control plant layout, project new product planning, schedulling, reward compensation planning, systems design quality assurance planningTak terstruktur Selecting a cover Negotiating, R & D planning, new DSS, ES, neural for a magazine, recruiting an technology development, networks buying software, executive, buying social responsibility approving loans hardware, lobbying planningDukungan yang MIS, management Management EIS, ES, neural networksdiperlukan science science, DSS, ES, EIS 1 Sistem Berbasis Pengetahuan – Irfan Subakti
  8. 8. Bab 1 Management Support Sistem (MSS)Proses pengambilan keputusan terdiri dari 3 fase proses: intelligence, design, dan choice. Intelligence – pencarian kondisi-kondisi yang dapat menghasilkan keputusan. Design – menemukan, mengembangkan, dan menganalisis materi-materi yang mungkin untuk dikerjakan. Choice – pemilihan dari materi-materi yang tersedia, mana yang akan dikerjakan.Proses-proses yang terjadi pada kerangka kerja DS dibedakan atas: Terstruktur, mengacu pada permasalahan rutin dan berulang untuk solusi standar yang ada. Tak terstruktur, adalah “fuzzy”, permasalahan kompleks dimana tak ada solusi serta merta. Masalah yang tak terstruktur adalah tak adanya 3 fase proses yang terstruktur. Semi terstruktur, terdapat beberapa keputusan terstruktur, tetapi tak semuanya dari fase- fase yang ada. Pendekatan Management Science mengadopsi pandangan seorang manajer yang dapat mengikuti proses yang sistematik untuk penyelesaian masalah. Sehingga adalah mungkin untuk menggunakan pendekatan sains pada Managerial Decision Making. Langkahnya adalah:1. Definisi masalah (keputusan situasi yang berhubungan dengan pelbagai masalah atau dengan suatu kesempatan)2. Klasifikasi masalah ke dalam kategori standar.3. Membuat model matematika yang menjelaskan masalah secara nyata.4. Menemukan solusi potensial di model masalah tadi dan mengevaluasinya.5. Memilih dan merekomendasikan satu solusi dari masalah. Proses ini dipusatkan pada masalah modeling/pemodelan.1.4. Decision Support Systems (DSS). Sistem berbasis komputer yang interaktif, yang membantu pengambil keputusan memanfaatkan data dan model untuk menyelesaikan masalah-masalah yang tak terstruktur. DSS mendayagunakan resources individu-individu secara intelek dengan kemampuan komputer untuk meningkatkan kualitas keputusan. Jadi ini merupakan sistem pendukung yang berbasis komputer untuk manajemen pengambilan keputusan yang berhubungan dengan masalah- masalah yang semi terstruktur. Istilah DSS kadang digunakan untuk menggambarkan sembarang sistem yang terkomputerisasi. DSS digunakan untuk definisi yang lebih sempit, dan digunakan istilah MSS sebagai payung untuk menggambarkan pelbagai tipe sistem pendukung.Mengapa menggunakan DSS? Perusahaan beroperasi pada ekonomi yang tak stabil. Perusahaan dihadapkan pada kompetisi dalam dan luar negeri yang meningkat. Perusahaan menghadapi peningkatan kesulitan dalam hal melacak jumlah operasi-operasi bisnis. Sistem komputer perusahaan tak mendukung peningkatan tujuan perusahaan dalam hal efisiensi, profitabilitas, dan mencari jalan masuk di pasar yang benar-benar menguntungkan.6 alasan mengapa perusahaan-perusahaan utama memulai DSS dalam skala besar: Kebutuhan akan informasi yang akurat. DSS dipandang sebagai pemenang secara organisasi. Kebutuhan akan informasi baru. Manajemen diamanahi DSS. Penyediaan informasi yang tepat waktu. Pencapaian pengurangan biaya.Alasan lain dalam pengembangan DSS adalah perubahan perilaku komputasai end-user. End-userbukanlah programer, sehingga mereka membutuhkan tool dan prosedur yang mudah untukdigunakan. Dan ini dipenuhi oleh DSS.1.5. Group Support Systems (GSS). Pelbagai keputusan utama dalam organisasi dibuat oleh group secara kolektif. Mengumpulkan keseluruhan group secara bersama dalam satu tempat dan waktu adalah sulit dan mahal, sehingga pertemuan ini memakan waktu lama dan keputusan yang dibuat hasilnya sedang-sedang saja, tak terlalu baik. Sistem Berbasis Pengetahuan – Irfan Subakti 2
  9. 9. Bab 1 Management Support Sistem (MSS) Peningkatan kinerja group-group tadi yang dibantu oleh teknologi Informasi ini muncul dalam pelbagai istilah, seperti: groupware, electronic meeting systems, collaborative systems, dan group DSS (ini yang kita gunakan). Satu contoh dari implementasi group DSS ini adalah Total Quality Management (TQM). 1.6. Executive Information (atau Support) Systems (EIS atau ESS). EIS dikembangkan utamanya untuk: Menyediakan kebutuhan informasi yang diperlukan oleh pihak Eksekutif. Menyediakan antarmuka yang benar-benar user-friendly untuk Eksekutif. Mempertemukan pelbagai gaya keputusan individu para Eksekutif. Menyediakan pelacakan dan kontrol yang tepat waktu dan efektif. Menyediakan akses cepat pada informasi detil yang tersirat di teks, bilangan, atau grafik. Memfilter, memadatkan, dan melacak data dan informasi yang kritis. Identifikasi masalah (atau juga kesempatan). EIS bisa juga digunakan pada pelbagai jenis perusahaan dan melayani sejumlah manajer sebagai suatu Enterprise Wide Systems (EWS). 1.7. Expert Systems (ES). Semakin tak terstruktur suatu situasi, maka solusinya akan lebih spesifik. ES dibuat untuk menyerupai seorang pakar/ahli. ES adalah paket hardware dan software yang digunakan sebagai pengambil keputusan dan/atau pemecahan masalah; yang dapat mencapai level yang setara atau kadang malah melebihi seorang pakar/ahli, pada satu area masalah yang spesifik dan biasanya lebih sempit. Merupakan cabang dari aplikasi Artificial Intelligence (AI). Ide dasarnya sederhana. Kepakaran ditransfer dari seorang pakar ke komputer. Pengetahuan ini lalu disimpan disitu dan user dapat meminta saran spesifik yang dibutuhkannya. Komputer dapat mencari, mengolah dan menampilkan kesimpulan yang spesifik. Dan seperti seorang pakar, saran tersebut bisa dimanfaatkan oleh orang yang bukan pakar berikut penjelasannya yang berisi logika penalaran di balik saran itu. 1.8. Neural Computing (Artificial Neural Network). Teknologi sebelum Artificial Neural Network (ANN) berbasis pada penggunaan data, informasi, ataupun pengetahuan eksplisit yang tersimpan di komputer dan memanipulasi mereka menurut kebutuhan. Pada dunia nyata yang begitu kompleks, mungkin tak bisa didapatkan data, informasi, ataupun pengetahuan secara eksplisit, sedangkan keputusan harus diambil walaupun kondisinya seperti ini (informasi yang parsial, tak lengkap, atau pun tak eksak). Perubahan lingkungan yang terjadi sedemikian cepatnya. Pengambil keputusan menggunakan pengalaman yang ada untuk mengatasi hal ini; yaitu menggunakan pengalaman yang bersesuaian dan belajar dari pengalaman itu tentang apa yang harus dikerjakan dengan situasi yang serupa untuk pengalaman yang tak sesuai. Pada teknologi sebelumnya, tak ada elemen untuk proses pembelajaran oleh komputer. Teknologi yang ditujukan untuk mengisi kekurangan ini, disebut dengan Neural Computing atau ANN. Contohnya adalah pengenalan pola. 1.9. Evolusi dari Alat Pengambil Keputusan Terkomputerisasi. Dibagi dalam 7 kategori: 1. Transaction Processing Systems (TPS). 2. Management Information Systems (MIS). 3. Office Automation Systems (OAS). 4. Decision Support Systems (DSS) dan Group DSS (GDSS). 5. Expert Systems (ES). 6. Executive Information Systems (EIS). 7. Artificial Neural Network (ANN). Berikut ini adalah pelbagai aspek pengambilan keputusan:Phase Description Examples of ToolsEarly Compute “crunch numbers”, summarize, Calculators, early computer programs, organize. statistical models, simple management science models.Intermediate Find, organize, and display decision-relevant Database management systems, MIS, filing Sistem Berbasis Pengetahuan – Irfan Subakti 3
  10. 10. Bab 1 Management Support Sistem (MSS) Phase Description Examples of Tools information. systems. Management science models. Current Perform decision-relevant computations on Financial models, spreadsheets, trend decision-relevant information; organize and exploration, operations research models, display the results. Query-based and user- CAD systems, DSS. friendly approach. “What-if” analysis. Interact with decision makers to facilitate ES; EIS. formulation and execution of the intellectual steps in the process of decion making. Just beginning Complex and fuzzy decisions situations, Second generation of ES, GDSS, neural expanding to collaborative decision making and computing. to machine learning. Evolusi dari MSS dan hubungannya dengan sistem yang lain umumnya dipandang sebagai: rekomendasi dan saran yang disediakan oleh MSS ke manajer dapat dipertimbangkan sebagai informasi yang diperlukan untuk keputusan akhir yang akan dibuat. Pendekatan ini berarti bahwa MSS dipandang canggih, jenis sistem informasi tingkat tinggi yang dapat ditambahkan pada sistem TPS tradisional, OAS, MIS. Hubungan antara TPS, MIS, DSS, EIS, dan ES dan teknologi-teknologi yang lain: Pelbagai teknologi ini dapat dipandang sebagai klas yang unik dari teknologi informasi. Mereka saling berhubungan, dan mereka saling mendukung satu sama lain dalam pelbagai manajemen pengambilan keputusan. Evolusi dan pembuatan tool-tool yang lebih baru membantu kinerja pengembangan teknologi informasi untuk kebaikan manajemen dalam organisasi. Keterkaitan dan koordinasi diantara tool-tool ini masih berevolusi. Atribut dari sistem pendukung terkomputerisasi utama:Dimension Transactions Management Decision Support Expert System Executive Processing Information Systems (DSS) (ES) Information Systems (TPS) Systems (MIS) Systems (EIS)Applications Payroll, Production control, Long-range Diagnosis Support to top inventory, record sales forecasting, strategic planning, strategic planning, management keeping, monitoring complex integrated internal control decision, production and problem areas planning, environmental sales information strategies scanningFocus Data transactions Information Decisions, Inferencing, Tracking, control, flexibility, user transfer of “Drill down” friendliness expertiseDatabase Unique to each Interactive access Database Procedural and External (online) application, by programmers management factual and corporate, batch update systems, knowledge; enterprise wide interactive access, knowledge base access (to all data factual knowledge (facts, rules) bases)Decision No decisions Structured routing Semistructured The system Only whencapabilities problems using problems, makes complex combined with a conventional integrated decisions, DSS management management unstructured; use science tools science models, of rules blend of judgment (heuristics) and modelingManipulation Numerical Numerical Numerical Symbolic Numeric (mainly); some symbolicType of Summary Scheduled and Information to Advice and Status access,information reports, demand reports, support specific explanations exception operational structured flow, decisions reporting, key exception reporting indicatorsHighest Submanagerial, Middle Analysts and Managers and Senior executivesorganizational low management management managers specialists (only)level servedImpetus Expediency Efficiency Effectiveness Effectiveness and Timeliness expediency Sistem Berbasis Pengetahuan – Irfan Subakti 4
  11. 11. Bab 1 Management Support Sistem (MSS)1.10. Pelbagai Perbedaan diantara MIS dan DSS.Fitur dari DSS: DSS dapat digunakan untuk mengawali kerja ad hoc, masalah-masalah yang tak diharapkan. DSS dapat menyediakan representasi valid dari sistem di dunia nyata. DSS dapat menyediakan pendukungan keputusan dalam kerangka waktu yang pendek/terbatas. DSS dapat berevolusi sebagai mana halnya pengambil keputusan mempelajari tentang masalah-masalah yang dihadapinya. DSS dapat dikembangkan oleh para profesional yang tak melibatkan pemrosesan data.Karakteristik MIS: Kajiannya ada pada tugas-tugasnya yang terstruktur, dimana prosedur operasi standar, aturan- aturan keputusan, dan alur informasi dapat didefinisikan Hasil utamanya adalah meningkatkan efisiensi dengan mengurangi biaya, waktu tunggu, dan lain-lain, dan dengan mengganti karyawan klerikal. Relevansinya untuk manajer pengambil keputusan biasanya tak langsung didapatkan; misalnya dengan penyediaan laporan dan akses ke data.Karakteristik Operation Research/Management Science: Kajiannya ada pada masalah-masalah yang terstruktur (dibandingkan dengan tugas-tugas), dimana tujuan, data, dan batasan-batasan dapat lebih dulu ditentukan. Hasil utamanya adalah dalam menghasilkan solusi yang lebih baik untuk masalah-masalah tertentu. Relevansinya untuk manajer ada pada rekomendasi detil dan metodologi baru untuk menangani masalah-masalah yang kompleks.Karakteristik DSS: Kajiannya ada pada keputusan-keputusan dimana ada struktur yang cukup untuk komputer dan alat bantu analitis yang memiliki nilai tersendiri, tetapi tetap pertimbangan manajer memiliki esensi utama. Hasil utamanya adalah dalam peningkatan jangkauan dan kemampuan dari proses pengambilan keputusan para manajer untuk membantu mereka meningkatkan efektivitasnya. Relevansinya untuk manajer adalah dalam pembuatan tool pendukung, di bawah pengawasan mereka, yang tak dimaksudkan untuk mengotomatiskan proses pengambilan keputusan, tujuan sistem, atau solusi tertentu.Relasi antara EDP, MIS, and DSS: Strategic DSS Planning Managerial MIS Control Operational Control EDP Transaction Processing1.11. Hubungan antara Decision Support-Expert System. DSS dan ES berbeda dan tak berhubungan dengan sistem yang terkomputerisasi. Disiplin antara ES dan DSS berkembang pararel, tapi saling tak tergantung dan berjalan sendiri- sendiri. Cuma sekarang kita bisa mencoba menggabungkan potensi dari keduanya. Menurut kenyataannya, disebabkan karena perbedaan kapabilitas diantara kedua tool, mereka dapat mengkomplemen satu sama lain, membuatnya menjadi powerful, terintegrasi, sistem yang berbasis komputer, yang jelas dapat meningkatkan pengambilan keputusan manajerial. Sistem Berbasis Pengetahuan – Irfan Subakti 5
  12. 12. Bab 1 Management Support Sistem (MSS) 1.12. Dukungan dari Pengambilan Keputusan. Perbedaan antara DSS dan ES: DSS ESObjective Assist human decision maker Replicate (mimic) human advicers and replace themWho makes the The human and/or the system The systemrecommendations (decisions)?Major orientation Decision making Transfer of expertise (human- machine-human) and rendering the adviceMajor query direction Human queries the machine Machine queries the humanNature of support Personal, groups, and institutional Personal (mainly), and groupsManipulation method Numerical SymbolicCharacteristics of problem area Complex, integrated wide Narrow domainType of problems Ad hoc, unique RepetitiveContent of database Factual knowledge Procedural and factual knowledgeReasoning capability No Yes, limitedExplanation capability Limited Yes Proses pengambilan keputusan: 1. Step A. Mengerti masalah (atau kesempatan yang ada). ES dapat membantu dalam mendesain alur informasi pada eksekutif (misalnya, bagaimana untuk memonitor, kapan) dan dalam penginterpretasian informasi. Disebabkan beberapa informasi bersifat fuzzy, maka kombinasi antara ES dan ANN tentu akan membantu. Seluruh area dari proses scanning, monitoring, forecasting (misalnya, tren) dan penginterpretasian sangat dibantu oleh adanya komputerisasi. Demikian juga natural language processors (NLP) akan berguna dalam menyimpulkan informasi. 2. Step B. Analisis. Sekali suatu masalah (kesempatan) teridentifikasi, pertanyaan selanjutnya adalah apa yang harus dikerjakan dengan hal ini? Di sinilah langkah analisis berperanan. Analisis bisa bersifat kualitatif atau pun kuantitatif (atau kombinasinya). Analisis kuantitatif didukung oleh DSS dan oleh tool-tool analisis kuantitatif. Analisis kualitatif didukung oleh ES. 3. Step C. Memilih. Pada langkah ini, keputusan dibuat dengan memperhatikan masalahnya (atau kesempatan) berdasarkan hasil dari analisis. Langkah ini didukung oleh DSS (jika pengambil keputusan adalah seseorang) atau oleh GDSS (jika keputusan dibuat oleh sekelompok orang). 4. Step D. Implementasi. Pada tahap ini, keputusan untuk mengimplementasikan solusi tertentu dilakukan, dan DSS dan/atau ES bisa mendukung tahap ini. Di bawah ini terlihat dukungan terkomputerisasi untuk proses pengambilan keputusan: Sistem Berbasis Pengetahuan – Irfan Subakti 6
  13. 13. Bab 1 Management Support Sistem (MSS) Sources of Information and Knowledge People Newspapers TV Sensors Scanning ES, NLP, ANN EIS, MIS Problem identification Step A EIS (ESS) (Definition) (Intelligence) DSS Qualitative Step B Quantitative MS/ ES analysis (Design) analysis (Design) or ANN Step C Decision (Choice) GDSS (Groups) DSS (Individual) No Implement? Decision DSS Step D (Choice) and ES 1.13. Hybrid Support Systems. Tujuan dari Computer-Based Information System (CBIS) adalah untuk membantu manajemen dalam memanajemen penyelesaian atau mengorganisasi masalah lebih cepat dan baik daripada tanpa menggunakan komputer. Kata kuncinya adalah solusi yang tepat dari manajemen permasalahan, dan bukannya tool atau teknik yang digunakan dalam proses. Beberapa pendekatan yang mungkin: Gunakan setiap tool dengan caranya sendiri-sendiri untuk menyelesaikan aspek yang berbeda dari suatu masalah. Gunakan pelbagai tool yang tidak begitu terintegrasi. Gunakan pelbagai tool yang secara kuat terintegrasi. Dalam hal ini tool-tool akan berlaku sebagai sistem hybrid/persilangan ke user, dimana transfer dari data dan aktivitas lain diprogram ke dalam MSS yang terintegrasi. 1.14. Computer-Based Information Systems di Departemen Personalia.Category TaskTransaction Keep inventory of personnel. Prepare payroll; compute salaries and incentiveProcessing plans.Management Prepare summary reports (e.g., average salaries in each department). ConductInformation System performance tracking of employees, labor budget. Do preparation, monitoring, and analysis. Perform short-term scheduling. Match positions and candidates. Monitor positions control systems. Do fringe benefits monitoring and control.Decision Support Prepare special reports (e.g., safety records, equal opportunity achievements).Systems Do long-range planning for human resources. Design a compensation plan. Provide quantitative support of labor-management negotiation.Expert Systems Obtain advice on legal and tax implications during management labor negotiations. Develop a social responsibility plan. Select training media. Design comprehensive training programs. Help in selecting new employees. Sistem Berbasis Pengetahuan – Irfan Subakti 7
  14. 14. Bab 1 Management Support Sistem (MSS)Category TaskOffice Automation Do online job interviews and recruiting, schedule meetings, maintain mailing lists, schedule training, use for electronic mail, receive labor news and statistics online, prepare training materials.Executive Exists at the corporate level only. Will measure key performance indicators ofInformation System the department (such as dollar per employee).Group DSS Can be used for supporting the process of making controversial major decisions (e.g., personnel policies).Neural Computing Screen applicants for jobs. Analyze reasons why people leave the company (find patterns). 1.15. Kesimpulan. Perkembangan komputer demikian cepatnya dan juga penggunaannya oleh para manajer. MSS adalah keluarga teknologi yang dapat digunakan secara mandiri atau dalam bentuk kombinasinya. Dukungan terkomputerisasi untuk para manajer sangat penting dalam pelbagai kasus untuk kelanjutan organisasinya. Manejemen pengambilan keputusan makin lama makin kompleks. Maka metode intuisi dan trial and error tak tepat lagi. Kerangka dukungan keputusan membagi kondisi keputusan dalam 9 kategori, tergantung pada derajat struktur dan aktivitas manajerial. Setiap kategori mendapat dukungan komputer sendiri- sendiri. Keputusan yang terstruktur didukung oleh metode analisis kuantitatif seperti: management science dan capital budgeting. DSS adalah teknologi analitis yang menggunakan model untuk solusi yang semi terstruktur dan masalah-masalah tak terstruktur. Group DSS adalah teknologi yang mendukung proses pengambilan keputusan dalam suatu group. EIS adalah teknologi yang mendukung eksekutif dengan menyediakan bagi mereka informasi yang sedia setiap saat, detil, dan mudah untuk divisualisasikan. ES adalah sistem pemberi nasehat yang mencoba menirukan para pakar. Fitur utama dari ES adalah aplikasinya untuk pengetahuan dan penggunaan reasoning (alasan suatu keputusan). Komputasi saraf (neural computing) adalah teknologi yang mencoba menampilkan proses pembelajaran dan pengenalan pola. Semua teknologi MSS adalah interaktif. Keuntungan utama dari MSS adalah ia dapat diukur. Teknologi-teknologi MSS dapat diintegrasikan diantara mereka sendiri dan dengan CBIS yang lain. Teknologi-teknologi MSS dapat diterapkan pada satu lokasi atau mereka dapat didistribusikan di keseluruhan perusahaan. Sistem Berbasis Pengetahuan – Irfan Subakti 8
  15. 15. Bab 2 Penggunaan Artificial Intelligence (AI) BAB 2 PENGGUNAAN ARTIFICIAL INTELLIGENCE (AI)2.1. Definisi. AI didasarkan atas 2 ide dasar. Pertama, ini adalah hal yang berhubungan dengan studiproses berpikir manusia (untuk memahami apakah kecerdasan itu); yang kedua ia berhubungandengan representasi proses-proses tadi melalui mesin (komputer, robot, dan lain-lain). AI adalah perilaku mesin, yang menampilkan perilaku manusia, yang disebut dengankecerdasan. AI adalah studi bagaimana membuat komputer melakukan sesuatu hal pada suatuwaktu, untuk manusia, secara lebih baik. AI secara dasar adalah teori bagaimana pemikiranmanusia bekerja.3 tujuan yang diinginkan AI:1. Membuat mesin lebih pintar (tujuan utama).2. Memahami apakah sebenarnya kecerdasasan itu (tujuan mulianya).3. Membuat mesin lebih berguna (tujuan di sektor swasta).Beberapa kemampuan yang merupakan tanda dari kecerdasan: Belajar atau mengerti dari pengalaman. Bereaksi terhadap pesan-pesan yang memiliki makna ganda atau berlawanan. Respon sigap dan berhasil atas situasi baru (respon yang berbeda, fleksibelitas). Penggunaan alasan dalam menyelesaikan permasalahan dan memimpinnya dengan cara yang efektif. Berhubungan dengan situasi yang berubah-ubah. Mengerti dan menghasilkan dalam cara yang rasional dan umum digunakan. Menggunakan pengetahuan untuk memanipulasi lingkungan. Berpikir dan memberi alasan. Mengenali elemen-elemen yang secara relatif penting dalam situasi tertentu.Symbolic Processing.Untuk merepresentasikan hal-hal yang ingin diselesaikan dengan AI. AI merepresentasikanpengetahuan sebagai sekumpulan simbol yang berhubungan dengan konsep permasalahannya.Dalam AI, simbol adalah string dari karakter yang mencerminkan konsep dari dunia nyata.Contohnya: Product Defendant 0.8Simbol ini dapat dikombinasikan untuk mengekspresikan hubungan yang berarti. Jika relasi inidirepresentasikan dalam suatu program AI, maka mereka disebut dengan symbol structures.Contoh: (DEFECTIVE product) (LEASED-BY product defendant) (EQUAL (LIABILITY defendant) 0.8)Struktur ini dapat diinterpretasikan untuk memahami bahwa “the product is defective”, “the productis leased by the defendant”, dan “the liability of the defendant is 0.8”. Tapi bisa juga mereka inidiinterpretasikan dengan yang lain. Dan ini merupakan salah satu masalah jika membangun suatusistem AI. Untuk menyelesaikan suatu masalah, program AI akan memanipulasi simbol-simbol ini.Konsekuensinya adalah representasi pengetahuan – pemilihan, bentuk, dan interpretasi dari simbolyang digunakan – menjadi sangat penting. Symbolic processing adalah karakteristik penting dari AI yang merefleksikan definisi berikutini: AI adalah cabang dari computer science yang berhubungan dengan symbolic, nonalgorithmicmethod dari penyelesaian suatu masalah.1. Numeric vs. symbolic. Komputer didesain untuk memproses bilangan, sedangkan manusia lebih cenderung berpikir secara simbolik. Walaupun tak diartikan bahwa AI tak melibatkan matematika, AI ditekankan pada manipulasi simbol.2. Algorithmic vs. nonalgorithmic. Algoritma adalah prosedur langkah demi langkah yang di dalamnya sudah ditentukan dengan baik bagaimana langkah awal dan hasil akhirnya, sehingga bisa memberikan kepastian terhadap masalah yang spesifik. Computer bekerja dengan cara ini, 9 Sistem Berbasis Pengetahuan – Irfan Subakti
  16. 16. Bab 2 Penggunaan Artificial Intelligence (AI) sedangkan proses reasoning manusia bekerja dengan cara yang nonalgorithmic. Aktivitas mental lebih dari sekedar mengikuti logika ataupun prosedure langkah demi langkah tadi.Heuristics. Heuristik atau disebut juga metode aturan jempol (rule of thumb, cara bodoh-bodohan)termasuk elemen kunci dari AI dalam definisi berikut ini: AI adalah cabang dari computer scienceyang berhubungan dengan cara untuk merepresentasikan pengetahuan menggunakan simbol lebihdaripada bilangan, dan dalam memproses informasinya menggunakan metode aturan jempol atauheuristik. Orang lebih sering menggunakan cara bodoh-bodohan ini, dengan atau tanpa sadar dalammengambil keputusan. Dengan menggunakan heuristik, orang tak perlu berpikir dua kali apa yangharus dikerjakan setiap saat menemui masalah yang sama.Inferencing.AI melibatkan perilaku mesin dalam memberikan alasan-alasan dari suatu tindakan yang diambil.Proses pemberian alasan ini (reasoning) ini terdiri dari inferencing (penggalian/penemuan kembali)dari fakta-fakta dan aturan-aturan menggunakan heuristik atau metode pencarian lainnya. AIsecara unik melakukan proses inferencing ini dengan melakukan pendekatan pengenalan pola.Pengenalan Pola.Definisi AI berikut ini berkutat pada teknik pengenalan pola: AI bekerja dengan metode pengenalanpola yang bertujuan untuk menjelaskan objects (obyek), events (kejadian), atau proses-prosespada aspek kualitatif dan logika serta hubungan komputasinya.2.2. AI Dibandingkan dengan Natural Intelligence.Nilai potensial AI dapat dipahami lebih dalam dengan membandingkannya dengan kecerdasanalami manusia. AI memiliki keuntungan komersial seperti: AI lebih permanen. AI lebih mudah untuk diduplikasi dan disebarluaskan. AI lebih murah. AI lebih mudah didokumentasikan. AI lebih cepat mengerjakan beberapa tugas tertentu. AI lebih baik dalam mengerjakan beberapa tugas tertentu.Namun demikian, kecerdasan alami memiliki juga kelebihan dibandingkan AI: NI adalah kreatif, sedangkan AI agak memiliki kelemahan dalam memasukkan pengetahuan padanya, yaitu harus dalam sistem yang terbangun dengan baik. NI menjadikan manusia bisa memetik keuntungan dari use sensory experience (sensasi pengalaman yang terjadi) secara langsung, sedangkan kebanyakan AI hanya bisa bekerja dengan input-input simbolik. Yang terpenting, human reasoning mampu untuk menangani pelbagai hal pada setiap waktu dari pengalaman yang luas dan baru dibawa kepada permasalahan yang lebih individual; di sisi lain, AI mendapatkan keuntungan dari fokus yang lebih sempit.2.3. Knowledge pada AI.Dalam lapangan sistem informasi, ada kebingungan dalam istilah data, informasi, dan knowledge(pengetahuan).Data.Istilah data mengacu pada string numeric (atau alphanumeric) yang tak memiliki arti apa-apa. Bisaberupa fakta-fakta atau gambar yang akan diproses.Information.Informasi adalah data yang terorganisasi sehingga memiliki arti bagi orang yang menerimanya.Knowledge.Memiliki pelbagai definisi, yaitu: Persepsi yang jelas dan pasti dari suatu hal. Pemahaman. Pembelajaran. Semua hal yang dipersepsikan atau dipegang teguh oleh hati. Pengalaman praktis, ketrampilan. Sistem Berbasis Pengetahuan – Irfan Subakti 10
  17. 17. Bab 2 Penggunaan Artificial Intelligence (AI) Kemudahan pengaksesan atau mudah untuk dikenal. Cognizance; pengenalan. Informasi terorganisasi yang teraplikasi pada penyelesaian masalah. Penggunaan Knowledge. Walaupun komputer tidak mempunyai pengalaman atau studi dan belajar seperti halnya yang terjadi pada batin manusia, tapi komputer dapat menggunakan knowledge yang diberikan oleh pakar manusia. Knowledge ini terdiri dari fakta, konsep, teori, metode heuristik, prosedur, dan hubungan diantaranya. Knowledge juga merupakan informasi yang diorganisasi dan dianalisis untuk membuatnya dimengerti dan dapat diaplikasikan dalam penyelesaian masalah atau pengambilan keputusan. Koleksi dari knowledge yang berelasi ke suatu masalah (atau peluang) yang digunakan dalam sistem AI disebut dengan knowledge base. Kebanyakan basis pengetahuan ini terbatas pada fokus daerah subyek atau domainnya yang spesifik, malah biasanya sempit. Sekali basis pengetahuan dibangun, teknik AI dapat digunakan untuk menghasilkan kemampuan inferensi pada komputer. Basis-basis pengetahuan dan organisasi berbasis pengetahuan. Data, informasi, dan knowledge dapat diklasifikasikan berdasarkan derajat abstraksi dan kuantitasnya. High Knowledge Degree of Abstraction Information Data Low Quantity 2.4. Bagaimana AI Berbeda dengan Komputasi Konvensional. Komputasi konvensional bertumpu pada suatu algoritma yang sudah didefinisikan dengan jelas, prosedur langkah demi langkah untuk menyelesaikan masalah. Bisa berupa rumus matematika atau prosedur berurutan yang menuju pada solusi. Algoritma ini dikonversikan ke dalam program komputer. Komputasi AI berbasis pada representasi simbolik dan manipulasinya. Gambar di bawah mengilustrasikan konsep komputer yang menggunakan AI pada aplikasinya: Computer Outputs Inputs Knowledge Inferencing (Answers, (Questions, Base Capability Alternative Problems, etc.) Solutions, etc.) Sedangkan tabel di bawah ini menjelaskan pelbagai cara pengolahan data secara tradisional:Process ManipulationCalculate Perform mathematical operations such as add, substract, multiply, divide, find a square root, etc. Solve formulas.Perform logic Perform logic operations such as “and”, “or”, “invert”, etc.Store Remember facts and figures in files.Retrieve Access data stored in files as required.Translate Convert data from one form to another.Sort Examine data and put it into some desired order to format.Edit Make changes, additions, and deletions to data and change its sequence.Make structured decisions Reach simple conclusions based on internal or external conditions.Monitor Observe external or internal events and take action if certain conditions are met.Control Take charge of or operate external devices. Sistem Berbasis Pengetahuan – Irfan Subakti 11
  18. 18. Bab 2 Penggunaan Artificial Intelligence (AI) Software AI menampilkan proses reasoning dan inferencing menggunakan teknik dasar search (pencarian) dan pattern matching (pengenalan pola). Walaupun AI menyelesaikan permasalahan tidak secara langsung menggunakan proses algoritmis, jelas algoritma diimplementasikan dalam proses search ini. Sebagai peringatan, orang percaya bahwa AI adalah magic. Jelas bukan!. AI secara mendasar berbeda dengan pendekatan pemrograman komputer, dan tentu harus diperlakukan seperti itu. Pelbagai istilah berbeda digunakan untuk AI, yang jelas AI adalah CBIS, walaupun memiliki pelbagai karakteristik seperti di bawah ini:Dimension Artificial Intelligence Conventional ProgrammingProcessing Mainly symbolic Primarily computingNature of input Can be incomplete Must be completeSearch Heuristic (mostly) AlgorithmsExplanation Provided Usually not providedMajor interest Knowledge Data, informationStructure Separation of control from knowledge Control integrated with information (data)Nature of output Can be incomplete Must be correctMaintenance and update Relatively easy, due to modularity Usually difficultHardware Mainly workstations and personal computers All typesReasoning capability Yes No 2.5. Bidang AI. Dapat digambarkan dalam bentuk diagram seperti di bawah ini: Sistem Berbasis Pengetahuan – Irfan Subakti 12
  19. 19. Bab 2 Penggunaan Artificial Intelligence (AI) Natural Language Processing Speech Automatic Understanding Program- Intelligent ming Tutor Expert Robotics Systems Computer Machine Vision Learning Game The Playing AI TREE Computer Linguistics Science A B C D L N P E F G H I J K M O Psychology Philosopy Electrical Management and Engineering Management Science A Psycholingustics E Cognitive Psychology I Robotics M Mathematics/Statistics B Sociolingustics F Philosophy J Image Processing N Operations Research C Computational G Philosophy of K Pattern Recognition O Management Lingustics Language Information Systems D Adaptive Systems H Logic L Management P BiologyExpert System. Adalah program pemberi advis/nasehat yang terkomputerisasi yang ditujukan untuk meniruproses reasoning dan pengetahuan dari pakar dalam menyelesaikan permasalahan masalah yangspesifik. Bidang ini digunakan lebih banyak daripada penggunaan bidang-bidang AI lainnya. ESmenarik minat yang besar dalam suatu organisasi disebabkan kemampuannya dalam meningkatkanproduktifitas dan dalam meningkatkan gugus kerja di pelbagai bidang tertentu dimana pakarmanusia akan mengalami kesulitan dalam mendapatkan dan mempertahankan kemampuan itu. Pakar manusia cenderung untuk menjadi spesialis dalam bidang keahlian tertentu yangrelatif sempit. Umumnya pakar memiliki karakteristik ini: mereka menyelesaikan masalah dengancepat dan cukup akurat, menjelaskan what/apa (dan terkadang how/bagaimana) yang merekakerjakan, mempertimbangkan reliabelitas konklusinya, mengetahui kapan jalan buntu menghadang,dan mereka berkomunikasi dengan para pakar lainnya. Mereka juga belajar dari pengalaman,mengubah cara pandangnya untuk menyesuaikan dengan masalah, juga mentransfer pengetahuandari satu domain ke domain yang lain. Akhirnya, mereka menggunakan pelbagai tool, sepertiaturan jempol, model matematis, dan simulasi detil untuk mendukung keputusan yang diambil. Knowledge adalah sumber utama, dan ini seringkali cuma dimiliki oleh sebagian kecil pakar.Tentu saja diperlukan untuk menyimpan knowledge ini sehingga orang lain dapatmenggunakannya. Sang pakar bisa saja menderita sakit atau meninggal dunia dan knowledge yangbiasanya ada menjadi tiada lagi. Buku dan manual bisa saja menyimpan pelbagai knowledge, tetapiini juga memberikan persoalan lain dalam aplikasi menampilkan kembali knowledge itu kepadaorang yang membutuhkannya. ES menyediakan pengertian langsung dari aplikasi kepakaran. Sistem Berbasis Pengetahuan – Irfan Subakti 13
  20. 20. Bab 2 Penggunaan Artificial Intelligence (AI) Tujuan dari ES bukanlah menggantikan para pakar, tetapi hanya untuk membuatknowledge dan pengalaman para pakar itu tersimpan dan tersedia lebih luas dan leluasa.Umumnya, memang lebih banyak masalah yang ada yang mendesak untuk diselesaikan daripadakeberadaan para pakar untuk menangani pelbagai persoalan. ES mengijinkan orang lain untukmeningkatkan produktifitas, memperbaiki kualitas keputusannya, dan menyelesaikan masalah disaat seorang pakar tidak ada.Natural Language Processing. Teknologi bahasa alami memberikan komputer kemampuan untuk berkomunikasi dengankomputer lain dengan bahasa aslinya. Teknologi ini mengijinkan suatu jenis percakapan antarmuka,yang berbeda bila dibandingkan dengan istilah, sintaks, perintah programming language.Bidang NLP ini dibagi menjadi 2 sub bidang: Natural language understanding, mempelajari metode yang menjadikan komputer memahami perintah-perintah yang diberikan dalam bahasa Inggris, sehingga komputer dapat lebih mudah memahami manusia. Natural language generation, dibuat agar komputer bisa berbahasa Inggris umum, sehingga manusia lebih mudah memahami komputer.2.6. Kesimpulan. AI adalah bidang lintas disiplin yang dapat didefinisikan dengan pelbagai cara. Tujuan utama dari AI adalah untuk membangun komputer yang dapat menampilkan unjuk kerja yang berkarakter cerdas. Karakteristik utama dari AI adalah pemrosesan simbolik, menggunakan metode heuristik lebih daripada algoritma, dan merupakan aplikasi yang menerapkan teknik inferencing. AI memiliki pelbagai keuntungan buat manusia: dia permanen, mudah diduplikasi dan disebarluaskan, lebih murah dibandingkan dengan harga kecerdasan manusia, konsisten dan menyeluruh, dan dapat didokumentasikan. Natural (human) intelligence memiliki pelbagai keuntungan dibandingkan AI: dia kreatif, menggunakan sensasi pengalaman secara langsung, alasan keputusannya berasal dari pengalaman yang berkonteks luas. Dibandingkan data ataupun informasi, knowledge merupakan konsep kunci dari AI. Knowledge base adalah koleksi dari knowledge yang berhubungan dengan isu yang spesifik (masalah atau peluang). Kita bergerak ke dalam era knowledge-based organizations. Aplikasi AI dapat diprogram ke dalam bahasa pemrograman komputer konvensional seperti halnya bahasa AI khusus (misalnya LISP, PROLOG). Dalam komputasi konvensional kita memberitahu komputer bagaimana menyelesaikan masalah. Dalam AI kita memberitahu komputer apakah masalahnya itu dan memberikan kepadanya knowledge yang diperlukan untuk menyelesaikan permasalahan yang serupa dan prosedur-prosedur yang diperlukan untuk menggunakan knowledge itu. Semua komputer digital dalam operasinya bersifat algorithmic, tetapi mereka dapat diprogram untuk memanipulasi simbol. Teknik dasar dari reasoning adalah search dan pattern matching. Di samping kenyataan bahwa komputasi AI tak dapat berpikir, ia akan lebih memiliki arti dengan meningkatkan pelbagai cara bagaimana komputer digunakan. Bidang aplikasi utama AI adalah ES, NLP, speech understanding, intelligent robotics, computer vision, dan intelligent computer-aided instruction. ES, teknologi Ai yang paling banyak diaplikasikan, mencoba untuk menirukan kerja dari pakar. Mereka mengaplikasikan kepakaran ini dalam penyelesaian masalah. NLP mencoba untuk menjadikan user berkomunikasi dalam bahasa aslinya dengan komputer. Penggunaan keyboard adalah umum terjadi, tetapi sekarang dengan suara (voice) pun hal ini sudah bisa dilakukan. Speech understanding mengijinkan orang berkomunikasi dengan komputer melalui suara. Intelligent robot adalah salah satu robot yang dapat merespon pelbagai perubahan dalam lingkungannya. Pada masa ini hal ini sudah tak asing lagi. Computer vision mengijinkan interpretasi gambar atau pelbagai obyek tampak lainnya. Komputer dapat digunakan sebagai pemandu. Jika ia didukung oleh AI, maka dia dapat meningkatkan pembelajaran dan peningkatan ketrampilan. Pelbagai teknologi AI dapat diintegrasikan diantara mereka sendiri dan dengan pelbagai teknologi berbasis komputer yang lain. Sistem Berbasis Pengetahuan – Irfan Subakti 14
  21. 21. Bab 3 Expert System BAB 3 EXPERT SYSTEM ES diturunkan dari istilah Knowledge-Based Expert System. ES adalah sistem yangmendapatkan dan menyimpan knowledge manusia ke dalam komputer untuk menyelesaikanpermasalahan yang biasanya membutuhkan kepakaran seorang ahli. Area/bidang kepakaran ini disebut dengan domain.Pengembangan ES terindikasi pada hal-hal di bawah ini: Ketersediaan pelbagai tool yang didesain untuk memudahkan pembangunan ES dan mengurangi biayanya. Penyebarluasan ES pada ribuan organisasi, beberapa diantaranya menggunakan ratusan atau malah ribuan sistem yang spesifik. Integrasi ES dengan pelbagai CBIS yang lain berkembang makin pesat, khususnya integrasi dengan database dan DSS. Penggunaan ES semakin meningkat pada pelbagai hal, mulai dari sistem help sampai ke aplikasi bidang militer dan ruang angkasa. Penggunaan teknologi ES sebagai metodologi yang mempermudah pembangunan sistem informasi reguler. Peningkatan penggunaan object-oriented programming (OOP) dalam representasi knowledge. Pengembangan sistem utuh memiliki pelbagai sumber knowledge, reasoning, dan informasi fuzzy. Penggunaan multiple knowledge base.3.1. Konsep Dasar ES.Expertise/Kepakaran.Kepakaran adalah knowledge yang ekstensif, spesifik yang didapatkan dari training, membaca, danpengalaman. Pelbagai jenis knowledge di bawah ini adalah contoh dari kepakaran: Fakta menganai area/daerah masalah. Teori mengenai area masalah. Aturan dan prosedur berkaitan dengan area masalah secara umum. Rules (heuristic) dari apa yang harus dikerjakan pada situasi masalah tertentu (contoh aturan yang berkaitan dengan penyelesaian masalah). Strategi global untuk menyelesaikan masalah tertentu. Meta-knowledge (knowledge mengenai knowledge itu sendiri).Expert/Pakar.Aktualnya adalah derajat atau level dari kepakaran.Umumnya, kepakaran seorang manusia terdiri dari aktivitas berikut ini: Mengenali dan merumuskan masalah. Menyelesaikan masalah secara cepat dan layak. Menjelaskan solusinya. Belajar dari pengalaman. Me-restrukturisasi knowledge. Breaking rules. Menentukan relevansi. Menguraikan dengan bijak (sesuai dengan keterbatasannya).Fakta mengenai Kepakaran. Kepakaran biasanya diasosiasikan dengan kecerdasan tingkat tinggi tetapi ini tidak mesti berhubungan dengan orang tercerdas. Kepakaran biasanya diasosiasikan dengan kuantitas knowledge. Pakar belajar dari keberhasilan dan kegagalan masa lalu. Knowledge dari seorang pakar disimpan dengan baik, diorganisasi, dan dapat dicari lagi dengan cepat. Pakar dapat mengenali pola yang lebih tinggi dari pengalamannya (excellent recall). 15 Sistem Berbasis Pengetahuan – Irfan Subakti
  22. 22. Bab 3 Expert SystemDi bawah ini adalah diagram distribusi kepakaran: 35 30 25 20 % 15 Average 10 5 0 1 2 3 4 5 6 7 8 9 10 Senior experts Deciles Juniors2 tipe knowledge yang dapat dibedakan adalah: fakta dan prosedur (biasanya rule) yang berkaitandengan domain permasalahan.Inferencing.Fitur khas dari ES adalah kemampuan untuk reasoning. Kenyataan bahwa kepakaran disimpandalam suatu knowledge base dan bahwa program memiliki akses ke database, maka komputerdiprogram sehingga dapat berinterferensi. Intererencing ini dilakukan oleh komponen yang disebutinference engine, yang di dalamnya terdapat prosedur-prosedur yang berkaitan denganpenyelesaian masalah. Di bawah ini adalah perbedaan antara Conventional Systems dan ES:Conventional Systems Expert SystemsInformation and its processing are usually Knowledge base is clearly separated from thecombined in one sequential program. processing (inference) mechanism (i.e., knowledge rules separated from the control).Program does not make mistakes Program may make mistakes.(programming do).Do not (usually) explain why input data are Explanation is a part of most ES.needed or how conclusions were drawn.Changes in the program are tedious. Changes in the rules are easy to accomplish.The system operates only when it is The system can operate with only a few rules (as thecompleted. first prototype).Execution is done on a step-by-step Execution is done by using heuristics and logic.(algorithmic) basis.Effective manipulation or large databases. Effective manipulation of large knowledge bases.Representation and use of data. Representation and use of knowledge.Efficiency is a major goal. Effectiveness is the major goal.Easily deal with quantitative data. Easily deal with qualitative data.Capture, magnify, and distribute access to Capture, magnify, and distribute access to judgmentnumeric data or to information. and knowledge.Rules.Kebanyakan ES komersial menggunakan sistem yang berbasis rule (rule-based system); yaituknowledge disimpan dalam bentuk rule-rule, yang merupakan prosedur untuk menyelesaikanmasalah.Kemampuan Menjelaskan.Fitur unik lain dari ES adalah kemampuan untuk menjelaskan nasehat atau rekomendasi yangdiberikan. Penjelasan dan justifikasi ini dilakukan oleh subsistem yang disebut dengan justifier atauexplanation subsystem. Ini menjadikan sistem dapat memeriksa reasoningnya dan menjelaskanoperasi-operasi yang dilakukan. Sistem Berbasis Pengetahuan – Irfan Subakti 16
  23. 23. Bab 3 Expert System3.2. Struktur ES.ES dibagi menjadi 2 bagian utama: development environment dan consultation (runtime)environment. Lingkungan pengembangan digunakan oleh ES builder untuk membangun komponendan untuk membawa knowledge ke dalam knowledge base. Lingkungan konsultasi digunakan olehorang yang bukan ahli untuk mendapatkan knowledge dan saran setara pakar.Komponen yang ada dalam ES: Knowledge acquisition subsystem [human experts, textbooks, researc reports]. Knowledge base [facts: situation & theory, heuristics or rules]. Inference engine [interpreter, scheduler, consistency enforcer]. Blackboard (workplace) [plan, agenda, solution]. User. User interface [friendly, problem oriented]. Explanation subsystem (justifier) [what, how, why]. Knowledge refining system [analyze performance, learn, improve].Inference Engine. Otak dari ES adalah Inference engine, disebut juga control structure atau the ruleinterpreter (pada rule-based ES). Komponen ini sebenarnya adalah program komputer yangmenyediakan metodologi untuk reasoning mengenai informasi dalam knowledge base dan dalam“blackboard”, dan digunakan untuk merumuskan kesimpulan.3 elemen utamanya adalah: Interpreter (rule interpreter dalam kebanyakan sistem), yang mengeksekusi item agenda yang dipilih dengan mengaplikasikannya pada knowledge base rule yang berhubungan. Scheduler, yang menjaga kontrol di sepanjang agenda. Memperkirakan akibat dari pengaplikasian inference rule yang menampakkan prioritas item atau kriteria lain pada agenda. Consistency enforcer, yang mencoba menjaga konsistensi representasi solusi yang muncul.Di bawah ini adalah diagram struktur dari ES: CONSULTATION ENVIRONMENT DEVELOPMENT ENVIRONMENT User Facts about the Specific Knowledge Base Incident Facts: What is Known about the Domain Area Rules: Logical Reference (e.g., User Interface Between Symptoms and Causes) Explanation Facility Knowledge Engineer Knowledge Interpreter Acquisition Recommended Inference Engine Scheduler Action Draw Conclusions Consistency Expert Enforcer Knowledge Blackboard (Workplace) Knowledge Plan Agenda Refinement Solution Problem DescriptionExplanation Subsystem (Justifier).Kemampuan untuk melacak kebenaran dari kesimpulan yang didapat dari sumber-sumbernyamerupakan hal yang krusial baik dalam tranformasi kepakaran maupun dalam penyelesaianmasalah. Bagian ini dapat melacak kebenaran dan menjelaskan perilaku ES dengan secara interaktifmenjawab pertanyaan seperti ini: Why was a certain question asked by the expert system? Sistem Berbasis Pengetahuan – Irfan Subakti 17
  24. 24. Bab 3 Expert System How was a certain conclution reached? Why was a certain alternative rejected? What is the plan to reach the solution? For example, what remains to be established before a final diagnosis can be determined?Knowledge Refining System.Dengan ini pakar dapat menganalisis kinerja mereka, belajar daripadanya, dan meningkatkannyapada konsultasi berikutnya.3.3. Elemen Manusia dalam ES.Orang-orang yang terlibat dalam pengembangan dan penggunaan ES:3. Pakar.4. Knowledge Engineer.5. User. Yang terdiri dari: Klien yang bukan pakar yang menginginkan nasehat langsung. Disini ES bertindak sebagai konsultan atau advisor/penasehat. Pelajar yang ingin belajar. ES disini bertindak sebagai instruktur. ES Builder yang ingin meningkatkan knowledge base-nya. Disini ES bertindak sebagai partner. Pakar. ES disini bertindak sebagai kolega atau sebagai asisten.6. Pihak lain. Misalnya: system builder, tool builder, vendor, staf pendukung. Lengkapnya dapat dilihat pada bagan di bawah ini: TOOL BUILDER EXPERT SUPPORT STAFF DOCUMENTED Test KNOWLEDGE Acquire Support Build Knowledge Tasks Use KNOWLEDGE Build TOOLS, LANGUAGES EXPERT SYSTEM ENGINEER Use Provide Build Use Connect VENDOR SYSTEM BUILDER END-USER3.4. Bagaimana ES Dibangun.3 aktivitas pembangunan ES adalah: Pengembangan (development). Konsultasi (consultation). Peningkatan (improvement).3.5. Bidang Permasalahan yang Ditangani ES.Pada tabel berikut disajikan kategori umum dari ES:Category Problem AddressedInterpretation Inferring situation description from observationsPrediction Inferring likely consequences of given situationsDiagnosis Inferring system malfunctions from observationsDesign Configuring objects under constraintsPlanning Developing plans to achieve goal(s)Monitoring Comparing observations to plans, flagging exceptionsDebugging Prescribing remedies for malfunctionsRepair Executing a plan to administer a prescribed remedyInstruction Diagnosing, debugging, and correcting student performanceControl Interpreting, predicting, repairing, and monitoring system behaviors3.6. Keuntungan ESPelbagai keuntungan potensial yang bisa diperoleh dari ES adalah: Meningkatkan output dan produktivitas. Meningkatkan kualitas. Mengurangi waktu kerusakan (downtime). Sistem Berbasis Pengetahuan – Irfan Subakti 18
  25. 25. Bab 3 Expert System Mengatasi kelangkaan kepakaran. Fleksibelitas. Pengoperasian peralatan lebih mudah. Menghilangkan kebutuhan akan peralatan yang mahal. Operasi pada lingkungan yang membahayakan. Akses ke knowledge dan help desk (sistem bantuan). Kehandalan. Meningkatkan kemampuan pelbagai sistem terkomputerisasi lainnya. Integrasi dari pelbagai opini para pakar. Kemampuan bekerja dengan informasi yang tidak komplit dan tak pasti. Penyediaan pelatihan (training). Peningkatan dalam hal penyelesaian masalah. Kemampuan menyelesaikan masalah yang kompleks. Transfer knowledge ke lokasi yang berbeda. Peningkatan kepada CBIS lainnya.3.7. Permasalahan dan Keterbatasan ES.Di bawah ini adalah pelbagai hal yang menghambat ES: Knowledge tak selalu tersedia. Kepakaran sulit diekstraksi dari manusia. Pendekatan untuk setiap pakar pada situasi tertentu selalu berbeda, dan tak mesti benar. Walaupun pakar tersebut memiliki ketrampilan yang tinggi, sukar untuk mengabstraksikan kepakarannya pada situasi tertentu, apalagi pakar tersebut bekerja di bawah tekanan. User dari ES memiliki batasan kognitif alamiah. ES bekerja baik hanya pada domain yang terbatas/sempit. Kebanyakan pakar tak memiliki rasa pengertian pengecekan yang independen walaupun konklusi mereka masuk akal. Kosa kata, atau jargon, yang digunakan pakar untuk mengekspresikan fakta dan relasinya biasanya jarang digunakan dan dimengerti oleh orang lain. Help seringkali dibutuhkan oleh knowledge engineer yang biasanya jarang tersedia dan mahal biayanya – sebuah fakta yang dapat membuat pembangunan ES lebih banyak memakan biaya. Kendala kepercayaan pada end-user bisa menghalangi penggunaan ES. Transfer knowledge bergantung pada persepsi dan bisa bias dalam prasangka.3.8. Jenis ES.ES muncul dalam pelbagai variasi. ES vs. Knowledge-based Systems. ES mendapatkan knowledge-nya dari para pakar, sedang KBS dari sumber-sumber terdokumentasi. KBS lebih murah dan lebih cepat dibangun dibandingkan ES. Rule-based Expert Systems. Knowledge direpresentasikan sebagai serangkaian rule-rule (production rules). Frame-based Systems. Knowledge direpresentasikan sebagai frame, yaitu representasi dari pendekatan Pemrograman Berbasis Objek (OOP). Hybrid Systems. Melibatkan pelbagai pendekatan representasi knowledge, paling tidak frame dan rule, tapi biasanya lebih dari itu. Model-based Systems. Tersusun di sekitar model yang mensimulasikan struktur dan fungsi dari sistem yang dipelajari. Model digunakan untuk menghitung nilai-nilai, yang dibandingkan dengan sedang diamati. Pembandingan tersebut memicu aksi (jika diperlukan) atau diagnosis lebih lanjut. Sistem yang diklasifikasikan oleh sifat alamiahnya. Ada 3 jenis. (1) berhubungan dengan evidence gathering (pengumpulan bukti-bukti), (2) stepwise refinement system. Sistem ini berhubungan dengan sejumlah besar keluaran dari level-level detil sesudahnya. (3) stepwise assembly, dimana domain subjek dapat mempunyai jumlah yang luar biasa besar keluaran yang mungkin. Jenis khusus dari ini disebut dengan catalog selection. Sistem ini berhubungan dengan masalah seperti pemilihan bahan kimia, baja yang benar. Sistem siap pakai (Off-the-Shelf Systems). Sebagai hasil dari produksi masal membuatnya lebih murah dibandingkan dengan sistem yang memenuhi keinginan user (customized system). Sayangnya sistem ini bersifat terlalu umum, dan nasehat/advis yang dihasilkan mungkin tak bernilai pada user yang dihadapkan pada situasi yang kompleks. Sistem Berbasis Pengetahuan – Irfan Subakti 19
  26. 26. Bab 3 Expert System Real-time Expert Systems. Sistem ini berkenaan dengan waktu, jadi harus cukup cepat mengontrol proses terkomputerisasi. Sistem selalu menghasilkan respon sesuai waktu yang diperlukan.3.9. Pengembangan ES.7 langkah yang diperlukan dalam pengembangan ES dapat dilihat pada diagram di bawah ini: Phase 1. Front End Analysis Identify appropriate problem Determine cost/effectiveness Arrange management support Phase 2. Task Analysis Identify appropriate task Identify behavioral sequence Identiy knowledge required Phase 3. Prototype Development Identify case studies (criteria) Develop a small system to provide proof of concept and practice Phase 4. System Development Rearrange overall structure as necessary Add knowledge Phase 5. Field Testing Test system with actual users Revise as necessary Phase 6. Implementation Port system to hardware to be used in the field Train users to use system Phase 7. Maintenance Establish means to update system Update system as neededMembangun ES yang spesifik dengan suatu shell dapat digambarkan dalam diagram di bawah ini: Symptoms, ⎫ Specific Problems Inference Engine, ⎪ User Rule and Program ⎪ Consultation Interpreters ⎪ Environment Recommendation, ⎪ Explanation ⎪ ⎬ ⎪ Knowledge Base ⎪ Sample Problems ⎪ (Cases) Facts Rules ⎪ ⎪ ⎭ Tests ⎫ Development Engine Knowledge ⎪ Development Editor, Engineer Expert ⎬ Environment Debugging Tools ⎪ ⎭ Sistem Berbasis Pengetahuan – Irfan Subakti 20

×