Optimized Knowledge-Based System Title

IF1526
Sistem Berbasis Pengetahuan
(Knowledge-Based System)

Disusun Oleh:
Irfan Subakti

Jurusan Teknik Informatika
Fakultas Teknologi Informasi
Institut Teknologi Sepuluh Nopember
Surabaya
2002

KATA PENGANTAR
Kuliah Sistem Berbasis Pengetahuan di Jurusan Teknik Informatika, Fakultas Teknologi
Informasi, Institut Teknologi Sepuluh Nopember (ITS), ini diberikan sebagai salah satu Mata Kuliah
Pilihan yang termasuk dalam bidang minat Sistem Informasi yang memiliki bobot 3 SKS (Satuan
Kredit Semester).
Tujuan yang ingin didapat dari Mata Kuliah ini adalah untuk merancang/menerapkan
Sistem Berbasis Pengetahuan dengan merangkai tiga komponen pokok: inference engine, basis
data, 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, Sistem
Pakar 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 segala
kurnia-Nya kepada kita dalam segenap langkah-langkah kita ini. Amiin.
Penyusun

irfan@its-sby.edu

ii Sistem Berbasis Pengetahuan – Irfan Subakti

DAFTAR ISI
Halaman
KATA PENGANTAR ................................................................................................................ii
DAFTAR ISI ......................................................................................................................... iii
TUJUAN INSTRUKSIONAL UMUM........................................................................................... vi
MATERI ............................................................................................................................ vi
PRASYARAT MATA KULIAH ................................................................................................... vi
BAB 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. ........................................................................................................... 8
BAB 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. ..........................................................................................................14
BAB 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

3.8. Jenis ES................................................................................................................19
3.9. Pengembangan ES. ...............................................................................................20
3.10. Kesimpulan. ..........................................................................................................25
BAB 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. ..........................................................................................................39
BAB 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

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. ............................................................................59
BAB 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............................................................................................................63
DAFTAR PUSTAKA...............................................................................................................67
TENTANG PENULIS .............................................................................................................68

v Sistem Berbasis Pengetahuan – Irfan Subakti

TUJUAN INSTRUKSIONAL UMUM
Merancang/menerapkan Sistem Berbasis Pengetahuan dengan merangkai tiga komponen
pokok: inference engine, basisdata, dan production rules.

MATERI
Sistem-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 KULIAH
IF1408 Sistem Informasi
IF1504 Kecerdasan Buatan

vi Sistem Berbasis Pengetahuan – Irfan Subakti

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 Kontrol
Tipe Keputusan Kontrol Kontrol Manajerial Perencanaan Strategis Dukungan yang
Operasional dibutuhkan
Terstruktur 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-buy
Semi Production Credit evaluation, Building new plant, DSS
terstruktur schedulling, budget preparation, mergers and acquisitions,
inventory control plant layout, project new product planning,
schedulling, reward compensation planning,
systems design quality assurance planning
Tak 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 planning
Dukungan yang MIS, management Management EIS, ES, neural networks
diperlukan science science, DSS, ES, EIS

1 Sistem Berbasis Pengetahuan – Irfan Subakti


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-user
bukanlah programer, sehingga mereka membutuhkan tool dan prosedur yang mudah untuk
digunakan. 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


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 Tools
Early 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


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 scanning
Focus Data transactions Information Decisions, Inferencing, Tracking, control,
flexibility, user transfer of “Drill down”
friendliness expertise
Database 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 when
capabilities 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 modeling
Manipulation Numerical Numerical Numerical Symbolic Numeric (mainly);
some symbolic
Type 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 indicators
Highest Submanagerial, Middle Analysts and Managers and Senior executives
organizational low management management managers specialists (only)
level served
Impetus Expediency Efficiency Effectiveness Effectiveness and Timeliness
expediency



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 Processing

1.11. 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.



1.12. Dukungan dari Pengambilan Keputusan.
Perbedaan antara DSS dan ES:
DSS ES
Objective Assist human decision maker Replicate (mimic) human advicers
and replace them
Who makes the The human and/or the system The system
recommendations (decisions)?
Major orientation Decision making Transfer of expertise (human-
machine-human) and rendering
the advice
Major query direction Human queries the machine Machine queries the human
Nature of support Personal, groups, and institutional Personal (mainly), and groups
Manipulation method Numerical Symbolic
Characteristics of problem area Complex, integrated wide Narrow domain
Type of problems Ad hoc, unique Repetitive
Content of database Factual knowledge Procedural and factual knowledge
Reasoning capability No Yes, limited
Explanation 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:



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 Task
Transaction Keep inventory of personnel. Prepare payroll; compute salaries and incentive
Processing plans.
Management Prepare summary reports (e.g., average salaries in each department). Conduct
Information 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.


Category Task
Office 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 of
Information 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.


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 studi
proses berpikir manusia (untuk memahami apakah kecerdasan itu); yang kedua ia berhubungan
dengan representasi proses-proses tadi melalui mesin (komputer, robot, dan lain-lain).
AI adalah perilaku mesin, yang menampilkan perilaku manusia, yang disebut dengan
kecerdasan. AI adalah studi bagaimana membuat komputer melakukan sesuatu hal pada suatu
waktu, untuk manusia, secara lebih baik. AI secara dasar adalah teori bagaimana pemikiran
manusia 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 merepresentasikan
pengetahuan sebagai sekumpulan simbol yang berhubungan dengan konsep permasalahannya.
Dalam AI, simbol adalah string dari karakter yang mencerminkan konsep dari dunia nyata.
Contohnya:
Product
Defendant
0.8
Simbol ini dapat dikombinasikan untuk mengekspresikan hubungan yang berarti. Jika relasi ini
direpresentasikan 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 product
is leased by the defendant”, dan “the liability of the defendant is 0.8”. Tapi bisa juga mereka ini
diinterpretasikan dengan yang lain. Dan ini merupakan salah satu masalah jika membangun suatu
sistem AI.
Untuk menyelesaikan suatu masalah, program AI akan memanipulasi simbol-simbol ini.
Konsekuensinya adalah representasi pengetahuan – pemilihan, bentuk, dan interpretasi dari simbol
yang digunakan – menjadi sangat penting.
Symbolic processing adalah karakteristik penting dari AI yang merefleksikan definisi berikut
ini: AI adalah cabang dari computer science yang berhubungan dengan symbolic, nonalgorithmic
method 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,



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 science
yang berhubungan dengan cara untuk merepresentasikan pengetahuan menggunakan simbol lebih
daripada bilangan, dan dalam memproses informasinya menggunakan metode aturan jempol atau
heuristik.
Orang lebih sering menggunakan cara bodoh-bodohan ini, dengan atau tanpa sadar dalam
mengambil keputusan. Dengan menggunakan heuristik, orang tak perlu berpikir dua kali apa yang
harus 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. AI
secara 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 pengenalan
pola yang bertujuan untuk menjelaskan objects (obyek), events (kejadian), atau proses-proses
pada aspek kualitatif dan logika serta hubungan komputasinya.

2.2. AI Dibandingkan dengan Natural Intelligence.
Nilai potensial AI dapat dipahami lebih dalam dengan membandingkannya dengan kecerdasan
alami 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. Bisa
berupa 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.



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 Manipulation
Calculate 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.



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
Programming
Processing Mainly symbolic Primarily computing
Nature of input Can be incomplete Must be complete
Search Heuristic (mostly) Algorithms
Explanation Provided Usually not provided
Major interest Knowledge Data, information
Structure Separation of control from knowledge Control integrated with
information (data)
Nature of output Can be incomplete Must be correct
Maintenance and update Relatively easy, due to modularity Usually difficult
Hardware Mainly workstations and personal computers All types
Reasoning capability Yes No

2.5. Bidang AI.
Dapat digambarkan dalam bentuk diagram seperti di bawah ini:



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 Biology

Expert System.
Adalah program pemberi advis/nasehat yang terkomputerisasi yang ditujukan untuk meniru
proses reasoning dan pengetahuan dari pakar dalam menyelesaikan permasalahan masalah yang
spesifik. Bidang ini digunakan lebih banyak daripada penggunaan bidang-bidang AI lainnya. ES
menarik minat yang besar dalam suatu organisasi disebabkan kemampuannya dalam meningkatkan
produktifitas dan dalam meningkatkan gugus kerja di pelbagai bidang tertentu dimana pakar
manusia akan mengalami kesulitan dalam mendapatkan dan mempertahankan kemampuan itu.
Pakar manusia cenderung untuk menjadi spesialis dalam bidang keahlian tertentu yang
relatif sempit. Umumnya pakar memiliki karakteristik ini: mereka menyelesaikan masalah dengan
cepat dan cukup akurat, menjelaskan what/apa (dan terkadang how/bagaimana) yang mereka
kerjakan, 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 pengetahuan
dari satu domain ke domain yang lain. Akhirnya, mereka menggunakan pelbagai tool, seperti
aturan 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 dapat
menggunakannya. Sang pakar bisa saja menderita sakit atau meninggal dunia dan knowledge yang
biasanya ada menjadi tiada lagi. Buku dan manual bisa saja menyimpan pelbagai knowledge, tetapi
ini juga memberikan persoalan lain dalam aplikasi menampilkan kembali knowledge itu kepada
orang yang membutuhkannya. ES menyediakan pengertian langsung dari aplikasi kepakaran.



Tujuan dari ES bukanlah menggantikan para pakar, tetapi hanya untuk membuat
knowledge dan pengalaman para pakar itu tersimpan dan tersedia lebih luas dan leluasa.
Umumnya, memang lebih banyak masalah yang ada yang mendesak untuk diselesaikan daripada
keberadaan para pakar untuk menangani pelbagai persoalan. ES mengijinkan orang lain untuk
meningkatkan produktifitas, memperbaiki kualitas keputusannya, dan menyelesaikan masalah di
saat seorang pakar tidak ada.

Natural Language Processing.
Teknologi bahasa alami memberikan komputer kemampuan untuk berkomunikasi dengan
komputer 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.


Bab 3 Expert System

BAB 3
EXPERT SYSTEM
ES diturunkan dari istilah Knowledge-Based Expert System. ES adalah sistem yang
mendapatkan dan menyimpan knowledge manusia ke dalam komputer untuk menyelesaikan
permasalahan 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, dan
pengalaman. 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).


Bab 3 Expert System

Di 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
Juniors

2 tipe knowledge yang dapat dibedakan adalah: fakta dan prosedur (biasanya rule) yang berkaitan
dengan domain permasalahan.

Inferencing.
Fitur khas dari ES adalah kemampuan untuk reasoning. Kenyataan bahwa kepakaran disimpan
dalam suatu knowledge base dan bahwa program memiliki akses ke database, maka komputer
diprogram sehingga dapat berinterferensi. Intererencing ini dilakukan oleh komponen yang disebut
inference engine, yang di dalamnya terdapat prosedur-prosedur yang berkaitan dengan
penyelesaian masalah.

Di bawah ini adalah perbedaan antara Conventional Systems dan ES:
Conventional Systems Expert Systems
Information and its processing are usually Knowledge base is clearly separated from the
combined 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 the
completed. 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 judgment
numeric data or to information. and knowledge.

Rules.
Kebanyakan ES komersial menggunakan sistem yang berbasis rule (rule-based system); yaitu
knowledge disimpan dalam bentuk rule-rule, yang merupakan prosedur untuk menyelesaikan
masalah.

Kemampuan Menjelaskan.
Fitur unik lain dari ES adalah kemampuan untuk menjelaskan nasehat atau rekomendasi yang
diberikan. Penjelasan dan justifikasi ini dilakukan oleh subsistem yang disebut dengan justifier atau
explanation subsystem. Ini menjadikan sistem dapat memeriksa reasoningnya dan menjelaskan
operasi-operasi yang dilakukan.


Bab 3 Expert System

3.2. Struktur ES.
ES dibagi menjadi 2 bagian utama: development environment dan consultation (runtime)
environment. Lingkungan pengembangan digunakan oleh ES builder untuk membangun komponen
dan untuk membawa knowledge ke dalam knowledge base. Lingkungan konsultasi digunakan oleh
orang 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 rule
interpreter (pada rule-based ES). Komponen ini sebenarnya adalah program komputer yang
menyediakan 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
Description

Explanation Subsystem (Justifier).
Kemampuan untuk melacak kebenaran dari kesimpulan yang didapat dari sumber-sumbernya
merupakan hal yang krusial baik dalam tranformasi kepakaran maupun dalam penyelesaian
masalah. Bagian ini dapat melacak kebenaran dan menjelaskan perilaku ES dengan secara interaktif
menjawab pertanyaan seperti ini:
Why was a certain question asked by the expert system?

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 meningkatkannya
pada 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-USER

3.4. 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 Addressed
Interpretation Inferring situation description from observations
Prediction Inferring likely consequences of given situations
Diagnosis Inferring system malfunctions from observations
Design Configuring objects under constraints
Planning Developing plans to achieve goal(s)
Monitoring Comparing observations to plans, flagging exceptions
Debugging Prescribing remedies for malfunctions
Repair Executing a plan to administer a prescribed remedy
Instruction Diagnosing, debugging, and correcting student performance
Control Interpreting, predicting, repairing, and monitoring system behaviors

3.6. Keuntungan ES
Pelbagai keuntungan potensial yang bisa diperoleh dari ES adalah:
Meningkatkan output dan produktivitas.
Meningkatkan kualitas.
Mengurangi waktu kerusakan (downtime).


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.


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 needed

Membangun 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 ⎪
⎭


Bab 3 Expert System

Software untuk membangun ES dapat digambarkan pada diagram berikut ini:

Specific Expert Systems

Expert
Systems
Shells

General-Purpose Knowledge
Engineering Languages

⎧
⎪ General-
Higher-Level
⎪ Support
Purposes
Programming System-Building Aids
⎪ Facilities
Programming
Language
T⎪ Languages
o⎪
o⎨
l ⎪ Knowledge
s⎪ Programming Explanation
Acquisition
Design
⎪
⎪
⎪ General Symbol
⎩ Purpose Manipulation

Tahapan-tahapan dalam mengakuisisi knowledge digambarkan dalam diagram ini:

IDENTIFICATION
Identify Problem
Characteristics

Requierements

CONCEPTUALIZATION
Find Concepts to
Represent
Knowledge

Concepts

FORMALIZATION
Design Structure
to Organize
Knowledge

Structure

IMPLEMENTATION
Formulate Rules
to Embody
Knowledge
Reformulations
Refinements
Redesigns

Rules

TESTING
Validate Rules
that Organize
Knowledge


Optimized Knowledge-Based System Title

Optimized Knowledge-Based System Title

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Similar to Optimized Knowledge-Based System Title

Similar to Optimized Knowledge-Based System Title (20)

More from asuransipaninlife

More from asuransipaninlife (20)

Recently uploaded

Recently uploaded (20)

Optimized Knowledge-Based System Title