sistem berbasis pengetahuan

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

[email protected]

Sistem Berbasis Pengetahuan Irfan Subakti ii

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

Sistem Berbasis Pengetahuan Irfan Subakti iii

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

Sistem Berbasis Pengetahuan Irfan Subakti iv

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

Sistem Berbasis Pengetahuan Irfan Subakti v

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

Sistem Berbasis Pengetahuan Irfan Subakti vi

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.

Produktivitas = )(

),(resourcesInput

jasaprodukOutput

Faktor-faktor yang mempengaruhi pengambilan keputusan: Faktor Tren Hasil Teknologi. Informasi/Komputer.

Meningkat. Meningkat.

Lebih banyak alternatif pilihan.

Kompleksitas struktural. Kompetisi.

Meningkat. Meningkat.

Biaya yang lebih besar dari kesalahan yang terjadi.

Pasar Internasional. Stabilitas politik. Konsumerisme. Intervensi Pemerintah.

Meningkat. Menurun. Meningkat. Meningkat.

Ketidakpastian berkaitan dengan masa depan.

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

Operasional Kontrol Manajerial Perencanaan Strategis Dukungan yang

dibutuhkan Terstruktur Account receivable,

order entry Budget analysis, short-term forecasting, personnel reports, make-or-buy

Financial management (investment), warehouse location, distribution systems

MIS, operational research models, transaction processing

Semi terstruktur

Production schedulling, inventory control

Credit evaluation, budget preparation, plant layout, project schedulling, reward systems design

Building new plant, mergers and acquisitions, new product planning, compensation planning, quality assurance planning

DSS

Tak terstruktur Selecting a cover for a magazine, buying software, approving loans

Negotiating, recruiting an executive, buying hardware, lobbying

R & D planning, new technology development, social responsibility planning

DSS, ES, neural networks

Dukungan yang diperlukan

MIS, management science

Management science, DSS, ES, EIS

EIS, ES, neural networks

Sistem Berbasis Pengetahuan Irfan Subakti 1


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.



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,

organize. Calculators, early computer programs, 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 decision-relevant information; organize and display the results. Query-based and user-friendly approach. What-if analysis. Interact with decision makers to facilitate formulation and execution of the intellectual steps in the process of decion making.

Financial models, spreadsheets, trend exploration, operations research models, CAD systems, DSS. ES; EIS.

Just beginning Complex and fuzzy decisions situations, expanding to collaborative decision making and to machine learning.

Second generation of ES, GDSS, neural computing.

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 Processing Systems (TPS)

Management Information Systems (MIS)

Decision Support Systems (DSS)

Expert System (ES)

Executive Information Systems (EIS)

Applications Payroll, inventory, record keeping, production and sales information

Production control, sales forecasting, monitoring

Long-range strategic planning, complex integrated problem areas

Diagnosis strategic planning, internal control planning, strategies

Support to top management decision, environmental scanning

Focus Data transactions Information Decisions, flexibility, user friendliness

Inferencing, transfer of expertise

Tracking, control, Drill down

Database Unique to each application, batch update

Interactive access by programmers

Database management systems, interactive access, factual knowledge

Procedural and factual knowledge; knowledge base (facts, rules)

External (online) and corporate, enterprise wide access (to all data bases)

Decision capabilities

No decisions Structured routing problems using conventional management science tools

Semistructured problems, integrated management science models, blend of judgment and modeling

The system makes complex decisions, unstructured; use of rules (heuristics)

Only when combined with a DSS

Manipulation Numerical Numerical Numerical Symbolic Numeric (mainly); some symbolic

Type of information

Summary reports, operational

Scheduled and demand reports, structured flow, exception reporting

Information to support specific decisions

Advice and explanations

Status access, exception reporting, key indicators

Highest organizational level served

Submanagerial, low management

Middle management

Analysts and managers

Managers and specialists

Senior executives (only)

Impetus Expediency Efficiency Effectiveness Effectiveness and expediency

Timeliness



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:

EDP

DSS

Transaction Processing

Operational Control

Managerial Control

Strategic Planning

MIS 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 recommendations (decisions)?

The human and/or the system The system

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

Problemidentification(Definition)

(Intelligence)

Decision(Choice)

Qualitativeanalysis (Design)

Quantitativeanalysis (Design)ES

DSSMS/or

ANN

Step C

Step B

Step A EIS (ESS)

ES, NLP, ANNEIS, MIS

GDSS (Groups)DSS (Individual)

Implement?

Decision(Choice)Step D

DSSand ES

No

Scanning

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 Processing

Keep inventory of personnel. Prepare payroll; compute salaries and incentive plans.

Management Information System

Prepare summary reports (e.g., average salaries in each department). Conduct 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 Systems

Prepare special reports (e.g., safety records, equal opportunity achievements). 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 Information System

Exists at the corporate level only. Will measure key performance indicators of 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

Degree ofAbstraction

LowData

Information

Knowledge

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

Inputs(Questions,

Problems, etc.)

KnowledgeBase

InferencingCapability

Outputs(Answers,Alternative

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:



Linguistics

A B C

E F G H I J K M O

D L N P

ComputerScience

A Psycholingustics

B Sociolingustics

C ComputationalLingustics

D Adaptive Systems

E Cognitive Psychology

F Philosophy

G Philosophy ofLanguage

H Logic

I Robotics

J Image Processing

K Pattern Recognition

L Management

Psychology Philosopy ElectricalEngineering

Management andManagement Science

M Mathematics/Statistics

N Operations Research

O ManagementInformation Systems

P Biology

ComputerVision

ExpertSystems

SpeechUnderstanding

Robotics

IntelligentTutor

NaturalLanguageProcessing

AutomaticProgram-

ming

MachineLearning

GamePlayingThe

AITREE

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:

0

5

10

15

20

25

30

35

1 2 3 4 5 6 7 8 9 10

Deciles

%

Average

Senior experts 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 combined in one sequential program.

Knowledge base is clearly separated from the processing (inference) mechanism (i.e., knowledge rules separated from the control).

Program does not make mistakes (programming do).

Program may make mistakes.

Do not (usually) explain why input data are needed or how conclusions were drawn.

Explanation is a part of most ES.

Changes in the program are tedious. Changes in the rules are easy to accomplish. The system operates only when it is completed.

The system can operate with only a few rules (as the first prototype).

Execution is done on a step-by-step (algorithmic) basis.

Execution is done by using heuristics and logic.

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 numeric data or to information.

Capture, magnify, and distribute access to judgment 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:

User Interface

RecommendedAction

User

ExplanationFacility

Inference EngineDraw Conclusions

y Interpretery Schedulery Consistency

Enforcer

Knowledge BaseFacts: What is Known about the

Domain AreaRules: Logical Reference (e.g.,

Between Symptoms andCauses)

KnowledgeEngineer

KnowledgeAcquisition

ExpertKnowledge

KnowledgeRefinement

Blackboard (Workplace)Plan AgendaSolution Problem

Description

Facts aboutthe SpecificIncident

CONSULTATION ENVIRONMENT DEVELOPMENT ENVIRONMENT

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

TOOLS, LANGUAGES

VENDOR

DOCUMENTEDKNOWLEDGE

KNOWLEDGEENGINEER

SYSTEM BUILDER

EXPERT

EXPERT SYSTEM

SUPPORT STAFF

END-USER

Build

Provide

Use

Use

AcquireKnowledge

Build

Test

BuildConnect

Use

SupportTasks

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 Analysisy Identify appropriate problemy Determine cost/effectivenessy Arrange management support

Phase 2. Task Analysisy Identify appropriate tasky Identify behavioral sequencey Identiy knowledge required

Phase 3. Prototype Developmenty Identify case studies (criteria)y Develop a small system to provide

proof of concept and practicePhase 4. System Developmenty Rearrange overall structure as

necessaryy Add knowledge

Phase 5. Field Testing

y Test system with actual usersy Revise as necessary

Phase 6. Implementationy Port system to hardware to be used

in the fieldy Train users to use system

Phase 7. Maintenance

y Establish means to update systemy Update system as needed

Membangun ES yang spesifik dengan suatu shell dapat digambarkan dalam diagram di bawah ini:

Symptoms,Specific Problems

DevelopmentEnvironment

User ConsultationEnvironmentRecommendation,Explanation

Inference Engine,Rule and ProgramInterpreters

Knowledge Base

Facts Rules

Development EngineEditor,

Debugging Tools

KnowledgeEngineer Expert

Sample Problems(Cases)

Tests


Bab 3 Expert System

Software untuk membangun ES dapat digambarkan pada diagram berikut ini:

Specific Expert Systems

General-Purpose KnowledgeEngineering Languages

SupportFacilities

ExplanationProgramming

ExpertSystems

Shells

System-Building Aids

General-Purposes

ProgrammingLanguages

Higher-LevelProgramming

Language

GeneralPurpose

SymbolManipulation

KnowledgeAcquisition Design

Tools

Tahapan-tahapan dalam mengakuisisi knowledge digambarkan dalam diagram ini:

Identify ProblemCharacteristics

IDENTIFICATION

Find Concepts toRepresentKnowledge

Design Structureto OrganizeKnowledge

Formulate Rulesto EmbodyKnowledge

Validate Rulesthat OrganizeKnowledge

CONCEPTUALIZATION

FORMALIZATION

IMPLEMENTATION

TESTING

Requierements

Concepts

Structure

Rules

Ref

inem

ents

Red

esig

ns

Ref

orm

ulat

ions


Bab 3 Expert System

Sedangkan proses pengembangan ES itu sendiri digambarkan sebagai berikut:

Problem Selection(Step 1)

Rapid Prototyping

Select Expert(s)(Step 2)

Conceptual Planning(Step 3)

Select Software andHardware Tools

(Step 4)

Knowledge Acquisition(Step 5)

Build a Prototype ES (Step 6)

Inference Engine Knowledge BaseJustifier

Blackboard Interface (Dialog)

Evaluate for Performance (Step 7)

Evaluate for Acceptance Training (Step 8)

Use in Parallel with Existing System (Step 9)

Develop Documentation and Maintenance Plans (Step 10)

System Release Full-Scale ES (Step 11)


Bab 3 Expert System

Salah satu contoh dari ES (IFPS) dapat digambarkan dalam diagram di bawah ini:

Format Reports

SPOOLRECORDOPTIONDFNAMECOMMANDS

MODEL *)COMBINECONSOLIDATE

WHAT IFWHAT IF SAVE

COMPILESAVECOMPILEGET

Variable ListALL

INSERTREMOVECHANGE

DATAFILE *)

CMDFILE *)

REPORT *)

ExecutiveCommand

Level

CATALOGLISTCOPYDELETERESEQUENCEMERGECONSOLDFFILEQUIT

AUTOEND

GENREPORT

SOLVESolve OptionsBASE MODELRECOMPILEProbabilistic Value ControlANALYZEGOAL SEEKINGIMPACTSENSITIVITY

STORESTORENTSTOREPStore Options

PLOTPlot Options

*) Text Editor Recognized

AUTO LISTEND SAVE

Editing Commands

Manipulation

Control

Efficiency

MONTE CARLOMonte Carlo Options

ScenarioBuilding

Processing andInterrogation

Risk Analysis

PrintResults

StoreResults

GraphResults

Entry Processor

ModelingSubsystem

Data FileSubsystem

DataEditing

Command FileSubsystem

ReportSubsystem


Bab 3 Expert System

Di bawah ini adalah diagram Financial Decision Support Model:

Growth, Penetration, andProfit Strategies

Price Units Net Sales

CostReductionRequired

ProductRationalization

People/SalesForecastGoals

FacilitiesRequirements

Cost/sq. ft.

FacilitiesExpenditureRequirements

Cost ReductionProgram

InventoryChange

Billings

BillingsPer PersonGoal

People

Pay/Person

Payroll

CapitalRatios

AllowableCosts

Profits GoalsReturn on AssetsGoals

Assets Inventories Receivables Cash and Other

Net Fixed Assets

Depreciation

Capital Expenditures

Contoh-contoh dari tindakan Heuristic:

Action Explanation Sequence jobs through a machine Do the jobs that require the least time first. Purchase stocks Do not buy stocks whose price-to-earnings ratio is

larger than 10. Travel Do not go on the freeway between 8 and 9 A.M. Capital investment in high-tech projects Consider only projects whose estimated payback

period is less than two years. Purchase of a house Buy only a good neighborhood, but buy there only at

the lower price range.


Bab 3 Expert System

Di bawah ini adalah diagram Unified Architecture untuk Intelligent Decision Support System:

KnowledgeEngineer

DataBase

KnowledgeBase

ModelBase

Intelligent

Supervisor

InferenceEngine

Data Base ManagementSystem(DBMS)

Knowledge AcquisitionSubsystem

Model BaseManagement System

(MBMS)

Natural LanguageInterface

CentralIntelligence

Manager

User

Dialog

Subsystem

Integrasi antara ES dengan software lain dapat digambarkan sebagai berikut:

InferenceEngine

StatsPackage

MathsPackage

RuleBase Database

UserInterface

GraphicsPackage

3.10. Kesimpulan. ES menirukan proses reasoning dari pakar untuk menyelesaikan masalah yang sulit. Pendahulu ES adalah GPS (General-purpose Problem Solver). GPS dan yang serupa dengannya

gagal disebabkan mereka mencoba menangani terlalu banyak dan mengabaikan pentingnya knowledge khusus yang dibutuhkan.

Kekuatan ES diturunkan dari knowledge khusus yang dimiliki, dan bukan dari representasi knowledge tertentu dan skema inferencing yang dijalankan.

Kepakaran adalah knowledge task khusus yang didapatkan dari pelatihan/training, membaca, dan pengalaman.

Pakar dapat membuat keputusan yang cepat dan baik berkenaan dengan situasi yang kompleks.

Kebanyakan knowledge dalam organisasi dimiliki oleh segelintir pakar. Teknologi ES mencoba untuk mentransfer knowledge dari pakar dan sumber-sumber

terdokumentasi ke komputer dan bisa digunakan oleh yang bukan pakar. Kemampuan reasoning dalam ES disediakan oleh mesin inference (inference engine).


Bab 3 Expert System

Knowledge dalam ES dipisahkan dari inferencing (pemrosesannya). ES menyediakan kemampuan menjelaskan (explanation) yang terbatas. Terdapat perbedaan diantara lingkungan pengembangan (membangun ES) dan lingkungan

konsultasi (menggunakan ES). Komponen utama dari ES adalah subsistem pengakuisisian knowledge, knowledge base,

inference engine, blackboard, user interface, dan explanation subsystem. Knowledge engineer menangkap knowledge dari pakar dan memprogramnya ke dalam

komputer. Walaupun user utama dari ES adalah yang bukan pakar, user yang lain (seperti pelajar, ES

builder, dan mungkin para pakar juga) juga menggunakan ES. Knowledge dapat berupa deklarasi (fakta) atau prosedur. ES dapat ditingkatkan dalam langkah-langkah iterasi menggunakan proses yang disebut

dengan rapid prototyping (prototipe cepat). 10 kategori umum ES adalah: interpretasi, prediksi, diagnosis, desain, perencanaan,

pemantauan, debugging, perbaikan, instruksi, dan kontrol. ES dapat memberikan banyak keuntungan. Yang terpenting adalah peningkatan dalam

produktivitas dan/atau kualitas, penanganan kepakaran yang jarang didapatkan, peningkatan sistem yang lain, penanganan informasi yang tak lengkap, dan penyediaan training/pelatihan.

Walaupun ada pelbagai keterbatasan penggunaan ES, dengan adanya perkembangan teknologi semakin lama keterbatasan tersebut akan makin hilang.

ES, seperti halnya pakar, dapat membuat kesalahan. Terdapat pelbagai pembedaan diantara sistem-sistem pakar (ES), dimana kebanyakan

knowledge datang dari para pakar; serta knowledge systems, dimana mayoritas knowledge datang dari sumber-sumber terdokumentasi.

Pelbagai ES tersedia sebagai sistem yang siap pakai; ia mengolah dan memberikan advis/nasehat umum untuk situasi standar.

ES dapat juga bekerja dalam mode real-time (waktu nyata).


Bab 4 Akuisisi dan Validasi Knowledge

BAB 4 AKUISISI DAN VALIDASI KNOWLEDGE

4.1. Rekayasa Knowledge. Rekayasa knowledge dapat dipandang dari 2 perspektif: sempit dan luas. Dalam perspektif luas, rekayasa knowledge menjelaskan keseluruhan proses pengembangan

dan pengelolaan sistem AI. Dalam perspektif sempit, rekayasa knowledge berhubungan dengan akuisisi, representasi,

validasi, inferencing, penjelasan, dan pengelolaan knowledge. Pengertian ini yang digunakan dalam pembahasan bab ini.

Proses Rekayasa Knowledge. Dapat dilihat pada gambar di bawah ini:

Explanation,Justification

KnowledgeBase

KnowledgeValidation

(Test Cases)

Sources of Knowledge(Experts, Others)

KnowledgeRepresentation

Inferencing

KnowledgeRepresentation

Encoding

4.2. Skup Knowledge. Hal-hal yang berkenaan dengan knowledge, dapat digambarkan dalam bagan berikut ini:

BehaviorDescriptionsand Beliefs

VocabularyDefinitions

Objectsand

Relationships

Heuristics andDecision Rules

Procedures forProblem Solving

TypicalSituations

KnowledgeBase

Knowledgeabout Knowledge(Metaknowledge)

Hypotheses(Theories)

UncertaintFacts

Processes

Constraints

Facts aboutthe Domain

DisjunctiveFacts

General Knowledge(e.g., of the World)

Sumber Knowledge. 2 sumber, terdokumentasi dan tak terdokumentasikan. Sumber tak terdokumentasikan ini yang seringkali dijumpai, ia berada dalam pikiran orang

sehingga sulit didokumentasikan.


Bab 4 Akuisisi dan Validasi Knowledge

Knowledge dapat diidentifikasikan dan dikumpulkan menggunakan indra manusia dan juga mesin (sensor, scanner).

Keragaman dan pelbagai jenis knowledge menyebabkan akuisisi knowledge menjadi lebih kompleks.

Akuisisi dari Database. Pelbagai ES dibangun dari knowledge yang diekstrak baik keseluruhan maupun sebagian dari

database. Bertambahnya jumlah knowledge yang disimpan dalam database, menjadikan akuisisi lebih

sulit dilakukan. Level Knowledge. Shallow knowledge (pengetahuan dangkal). Mengacu pada representasi informasi level

permukaan yang berhubungan dengan situasi yang sangat spesifik. Salah satu contoh adalah aturan IF-THEN.

Deep knowledge (pengetahuan dalam). Mengacu pada struktur dalam dan penyebab dari suatu sistem dan mempertimbangkan interaksi diantara komponen-komponen sistem. Ia berbasis secara penuh pada integrasi, hubungan erat kesadaran manusia yang melibatkan emosi, akal sehat, intuisi, dan lain-lain. Jenis knowledge ini sulit untuk dikomputerisasikan.

Kategori Knowledge. Knowledge deklaratif. Representasi deskriptif dari suatu knowledge. Ia menceritakan kepada

kita apakah (what) sesuatu itu. Diekspresikan dalam penyataan faktual. Menceritakan kebenaran yang didapat dan asosiasi-asosiasinya. Biasanya berjenis knowledge dangkal, atau level permukaan, informasi yang dapat diceritakan pakar secara verbal. Knowledge deklaratif ini sangat penting dalam tahap awal akuisisi knowledge.

Knowledge prosedural. Mempertimbangkan perilaku dimana sesua

sistem berbasis pengetahuan

Documents