1. Dokumen menjelaskan arsitektur sistem pakar yang terdiri dari lingkungan pengembangan, lingkungan konsultasi, dan komponen-komponen utama seperti basis pengetahuan, mesin inferensi, dan antarmuka pengguna.
2. Komponen-komponen tersebut bekerja bersama untuk mengumpulkan pengetahuan dari pakar, merepresentasikan pengetahuan tersebut, melakukan inferensi untuk menjawab pertanyaan, dan berinteraksi
2. Arsitektur Sistem Pakar
Menurut Turban (1995) ada 2 bagian yg
membangun struktur sistem pakar yaitu ():
1. Development Environment (Lingkungan
Pengembangan) digunakan sebagai
pembangun sistem pakar baik dari segi
pembangun komponen maupun basis
pengetahuan
2. Consultation ( Run Time ) Environment
(Lingkungan Konsultasi) digunakan oleh
seseorang yang bukan ahli untuk berkonsultasi
(end user)
5. Komponen yang secara umum ada
pada struktur detail sistem pakar
1. Knowledge Aqcuisition System
(Penambah Pengetahuan)
2. Knowledge Base (Basis Pengetahuan)
3. Database (Basis Data)
4. Knowledge Engineer ( Insinyur
Pengetahuan)
5. Inference Engine (Mesin Inferensi)
6. User Interface (Antarmuka)
7. Explanation Subsystem (Fasilitas
Penjelasan)
6. 1. Knowledge Aqcuisition System
(Subsistem penambahan pengetahuan)
Bagian ini digunakan untuk memasukkan
pengetahuan, mengkonstruksi atau
memperluas pengetahuan dalam basis
pengetahuan dan/ atau inference engine.
7. Pengetahuan itu bisa berasal dari:
Terdokumentasikan (buku, manual,
dll)
Tidak terdokumentasikan (orang,
mesin, dll)
Databases
Internet
8. Metode Manual Dari Knowledge Acquisition
Knowledge
base
Documented
knowledge
Experts
Coding
Knowledge
engineer
9. 2. Knowledge Base (Basis Pengetahuan)
Berisi pengetahuan - pengetahuan yang
dibutuhkan untuk memahami, memformulasikan
dan menyelesaikan masalah
Bagian dari sistem pakar yang berisi domain
pengetahuan
Terdiri dari 2 elemen dasar:
Rules, yang langsung menggunakan
pengetahuan untuk menyelesaikan masalah
khusus.
Fakta, situasi masalah dan teori yang terkait
10. Pendekatan basis pengetahuan yang
sangat umum digunakan :
Penalaran berbasis aturan (Rule
Based Reasoning)
Penalaran berbasis kasus (Case
Based Reasoning)
11. Rule Based Reasoning
Pengetahuan direpresentasikan
dalam suatu bentuk fakta (facts) dan
aturan (rules)
Bentuk representasi ini terdiri atas
premise dan kesimpulan di
representasikan dengan
menggunakan aturan berbentuk: IF-
THEN
12. Case Based Reasoning
Pengetahuan direpresentasikan
dalam bentuk kesimpulan kasus
(cases)
Basis pengetahuan akan berisi solusi-
solusi yang telah dicapai sebelumnya,
kemudian akan diturunkan suatu
solusi untuk keadaan yang terjadi
sekarang (fakta yang ada)
14. 4. Knowledge Engineer
Biasanya ilmuwan komputer dengan pelatihan
AI yang bekerja dengan pakar dalam bidang
aplikasi dalam rangka menyediakan
pengetahuan relevan dari pakar dalam bentuk
yang dapat dimasukkan ke dalam basis
pengetahuan.
15. 5. Inference Engine (Mesin Inferensi)
Komponen yang menjadi otak sistem
pakar. Mengandung mekanisme fungsi
berpikir dan pola-pola penalaran
system. Bagian inilah yang berfungsi
melakukan penalaran dan pengambilan
kesimpulan.
16. Dalam Mesin Inferensi 3 Elemen
Utama, yaitu :
Interpreter : mengeksekusi item-item
agenda yang terpilih dengan
menggunakan aturan-aturan dalam
basis pengetahuan yang sesuai.
Scheduler : akan mengontrol agenda
Consistency enforcer : akan berusaha
memelihara kekonsistenan dalam
merepresentasikan solusi
17. Mesin inferensi memilih pengetahuan
yang relevan dalam rangka mencapai
kesimpulan, sehingga dapat menjawab
pertanyaan pemakai meskipun jawaban
tersebut tidak tersimpulkan secara
eksplisit di dalam basis pengetahuan.
Pelacakan dimulai dengan mencocokan
kaidah-kaidah dalam basis pengetahuan
dengan fakta-fakta yang ada dalam basis
data.
18. Teknik Inferensi
Forward Chaining (Data Driven)
Pelacakan dimulai dari informasi
masukan dan selanjutnya mencoba
menggambarkan kesimpulan
Pelacakan ke depan mencari fakta
yang sesuai dengan bagian IF dari
aturan IF-THEN
19. Kesimpulan 1
Kesimpulan 4
Kesimpulan 2
Kesimpulan 3
Kaidah C
Kaidah D
Fakta 1
Kaidah E
Fakta 3
Fakta 2
Kaidah B
Kaidah A
Observasi 1
Observasi 2
20. Backward Chaining (Goal Driven)
Pelacakan dimulai dari tujuan,
selanjutnya dicari aturan yang
memiliki tujuan tersebut untuk
kesimpulannya. Selanjutnya proses
pelacakan menggunakan premis
untuk aturan tersebut sebagai tujuan
baru dan mencari aturan lain dgn
tujuan baru sebagai kesimpulannya
22. 6. User Interface (Antarmuka)
Digunakan untuk media komunikasi antara
user dan program
23. 7. Explanation Subsystem
(Subsistem penjelasan)
Merupakan komponen yang berfungsi
untuk menganalisis struktur penalaran
yang dikerjakan oleh sistem dan
menjelaskan itu kepada pengguna,
memberikan pengguna peluang untuk
menanyakan sistem mengenai cara
kesimpulan dicapai atau mengenai fakta
yang digunakan.
memberikan penjelasan kepada pemakai
yang memintanya
Menyediakan informasi tambahan
mengapa atau dari mana sebuah solusi
diperoleh
24. Memiliki kemampuan untuk menelusuri
konklusi dan menerangkan tingkah laku
Sistem Pakar dengan menjawab
pertanyaan-pertanyaan seperti:
Mengapa pertanyaan tersebut diajukan
oleh Sistem Pakar ?
Bagaimana atau darimana konklusi
tersebut diperoleh?
Mengapa alternatif tersebut ditolak?
25.
26. Keuntungan dan Kelemahan Sistem
Pakar
Keuntungan
a. Bisa melakukan pekerjaan
secara berulang
b. Meningkatkan output dan
kualitas
c. meningkatkan kapabilitas
komputer
d. Memiliki kemampuan untuk
mengakses pengetahuan
e. Menyimpan keahlian dan
pengetahuan pakar
Kelemahan
a. Biaya Pembuatan dan
pemeliharaan mahal
b. Sulit di kembangkan
c. akurasnya belum 100%