Pengarang :
SURYADI H.S.
Penerbit :
UNIVERSITAS GUNADARMA
Judul Buku :
Pengantar Sistem Pakar
Cover Buku
BAB
1
Pengenalan
Sistem Pakar
Apakah sistem
pakar itu ?
Sistem pakar adalah suatu pemecahan masalah dengan
menentukan area problem atau "domain" untuk di pecahkan. Pertimbangan
ini sama kebenaranya dalam Artificial Intelligence (AI) dengan pemrograman konvesional.
Meskipun rumusan umum pada problem AI
klasik seperti translasi bahasa natural, pemahaman percakapan, dan
penglihatan belum diketemukan pembatasan problem domain mungkin dapat membuat
solusi yang berguna.
Meskipun
tujuan umum pemecahan masalah tetap mengelakkan kita, fungsi sistem pakar
sangat baik dalam domain terbatasnya. karena pembuktian keberhasilannya, kita
hanya memerlukan observasi beberapa aplikasi sistem pakar sekarang ini dalam
bisnis, kesehatan, ilmu pengetahuan, dan engineering termasuk buku jurnal
konferensi dan produk yang dicurahkan ke sistem pakar. Pengetahuan dalam sistem
pakar mungkin berupa expertise, atau pengetahuan yang pada umumnya ada dari
buku, majalah, dan pengetahuan perseorangan. bentuk sistem pakar, "sistem
yang berdasarkan pengetahuan" atau "sistem pakar berdasarkan
pengetahuan" sering digunakan secara sinonim. Hampir semua orang gunakan
sistem pakar sederhana karena kependekannya bahkan tidak ada expertise dalam
sistem pakar, hanya sebuah pengetahuan umum
Sistem yang berdasarkan
pengetahuan juga didesain untuk beraksi sebagai asisten intelligent pada ahli
manusia. asisten intelligent ini di desain dengan teknologi sistem pakar karena
keuntungan pengembangan, karena banyak pengetahuan ditambahkan ke asisten intelligent,
maka akan beraksi lebih seperti expert. Pengetahuan expert khusus untuk satu
"problem domain" sebagai kebalikan dari pengetahuan tentang teknik
pemecahan masalah pada umumnya. Pengetahuan expert tentang pemecahan problem
khusus disebut dengan "domain pengetahuan" expert. Misalnya sistem
expert pengobatan di design untuk diagnosa penyakit infeksi akan mempunyai
banyak hubungan dan gejala tertentu yang disebut dengan penyakit. Expert sistem biasanya tidak mempunyai
pengetahuan tentang cabang pengobatan lain seperti pembedahan dan ilmu
kesehatan anak.
Keuntungan/Kelebihan
Sistem Pakar
Expert sistem mempunyai sejumlah features yang menarik
"Increased Availability”. Expertise ada pada
hardware komputer yang sesuai. Dalam uni yang sangat riil sistem pakar merupakan
produksi expertise massa.
"Reduced cost”. Hanga penyediaan expertise per
pemakai sangat rendah.
"Reduced danger". Experet sistem dapat
digunakan dalam lingkungan yang berbahaya bagi manusia.
”Permanenence” . Expertise adalah permanen. Tidak
seperti manusia ahli yang mungkin memperhatikan. diam atau mati, pengetahuan
sistem pakar akan berakhir secara tidak tentu.
"Multiple expertise". Pengetahuan multiple
expert dapat dibuat ada pada kerja
secara simultan dan kontinue pada problem pada waktu siang hari atau malam
hari. Level expertise dikombinasikan Jari beberapa expert yang mungkin
mendahului manusia ahli tunggal (Harmon 85).
"Increased reliability”. Expert sistem
meningkatkan kepercayaan dimana
keputusan yang benar dibuat dengan penyedian
pendapat kedua pada manusia ahli atau (break a tie) dalam hal ketidaksetujuan
oleh manusia ahli multiple. Tentu saja, metode ini mungkin tidak akan bekerja
jika sistem pakar diprogram
Salah satu
expert. Expert sistem harus selalu setuju dengan expert kecuali jika kesalahan
dibuat oleh expert. Namun demikian ini mungkin terjadi jika manusia ahli lelah
atau dalam keadaan stres
Explanation". Expert sistem dapat secara eksplisit menjelaskan
secara detail pemberian alasan yang menuntun ke kesimpulan. Seseorang mungkin
terlalu lelah tidak mau atau tidak dapat melakukannya saat itu. Ini
meningkatkan kepercayaan bahwa keputusan yang benar telah dibuat.
"Fast response". Respon yang cepat atau
waktu riil mungkin diperlukan untuk beberapa aplikasi. Tergantung pada software
dan hardware yang digunakan, sistem pakar mungkin merespon lebih cepat dan
lebih tersedia dibandingkan dengan manusia ahli. Beberapa situasi yang mendesak
mungkin memerlukan Respon yang lebih cepat daripada manusia sehingga waktu real
expert system merupakan pilihan yang baik (Hugh 88) (Ennis 86)
"Steady, unemotional, and complete response at
all time". Ini mungkin sangat penting dalam waktu ridho dan situasi mendesak
jika manusia ahli tidak beroperasi secara efisien karena stres atau kelelahan
"Intelligent tutor". Expert sistem mungkin
beraksi seperti tutor Intelligent dengan membiarkan pelajar menjalankan contoh
program dan jelaskan pemberian alasan sistem.
"Intelligent Database". Expert sistem dapat
digunakan untuk access basis data dengan cara Intelligent (Kercshberg 86)
(Schur 88).
Proses pengembangan sistem pakar mempunyai keuntungan
tidak langsung juga saja pengetahuan manusia ahli harus dipasang ke dalam bentuk
eksplisit untuk memasukkan dalam computer.
BAB
2
Representasi
Pengetahuan
Representasi
pengetahuan merupakan hal yang penting dalam expert system karena dua alasan.
Pertama shell expert system di desain untuk tipe representasi pengetahuan tertentu
seperti baris dan logika. kedua, cara dimana expert sistem menunjukkan
pengetahuan akan memberikan efek/akibat pengembangan, efisiensi, kecepatan, dan
perawatan sistem. Pengetahuan merupakan salah satu kata dimana seorang
mengetahui artinya tetapi sulit untuk mendefinisikannya. Seperti cinta
pengetahuan mempunyai banyak arti dengan kata lain kata seperti data, fakta,
dan informasi sering digunakan secara sinonim dengan pengetahuan.
Study
pengetahuan adalah "epitemology" (angeles 81). Sudi ini dihubungkan
dengan alam, struktur, dan kasihan pengetahuan. Gambar 2.1 dapat
mengilustrasikan kategori dari epitemology. Disamping macam pengetahuan yang di
ekspresikan secara philosopy oleh Aristotle, Plato, Descartes, Hume, Kant, dan
lainnya, ada dua type pokok yang disebut dengan "priori" dan
"postriori". Bentuk "a priori" berasal dari bahasa latin
dan yang berarti "yang mendahului". Pengetahuan "a priori
"datang sebelumnya dan bebas dari pengetahuan dari arti seperti contoh
pernyataan" segalanya memiliki sebab" dan "seluruh triangle
dalam pesawat mempunyai 180°" adalah contoh dari pengetahuan "a
priori" pengetahuan apriori disebut secara universal benar dan tidak dapat
ditentukan tanpa kontradiksi.
:
Kebalikan dari pengetahuan "a priori" adalah pengetahuan yang
diperoleh dari arti pengetahuan "a posteriori". Kebenaran atau
kesalahan pengetahuan "a posteriori" dapat bervariasi dengan
menggunakan arti pengalaman, seperti dalam pernyataan "Sinar hijau".
Namun demikian, jika pengalaman sensori mungkin tidak selalu dapat dipercaya,
pengetahuan "a posteriori" dapat disangkal pada basis pengetahuan
baru tanpa memerlukan kontradiksi. pengetahuan dapat lebih lanjut
diklasifikasikan ke dalam "procedural knowledge, declarativ knowledge, dan
tacit knowledge". Prosedural dan type pengetahuan deklaratif berhubungan
dengan paradigma prosedural dan deklaratif seperti didiskusikan dalam Bab-01. Pengetahuan
prosedural sering disebut seperti diketahui bagaimana melakukan sesuatu.
Pengetahuan deklaratif mengacu pada pengertian bahwa sesuatu benar atau salah.
Seperti digunakan dalam
buku ini pengetahuan merupakan bagan hierarki dilestarikan dalam gambar 2.2.
Titik pada bagian bawah nose/suara berisi item yang tidak akan menarik dan yang
datang tidak jelas. Level berikutnya yang lebih tinggi merupakan item dari
interest potensial data yang diproses diinformasikan yang menarik. Pengetahuan
berikut yang menunjukkan informasi yang sangat khusus
PRODUKSI
Sejumlah teknik representasi pengetahuan telah di
bagi. Hal ini mencakup baris, jaringan semantik, frames, scripts, bahasa
representasi pengetahuan seperti KL-1 (Wood 83 dan KRYPTON (Brachman 83),
grafik konsep (Sowa 84) dan lainnya (Brachman 80).
Satu format notasi untuk menentukan produksi adalah
bentuk Backus-Naur (BNF) (McGettrick 80). Notasi ini adalah
"metalanguage" untuk menentukan syntak bahasa. Syntak akan menentukan
bentuk, sementara "semantik" akan mengacu ke arti. Metalanguage
adalah bahasa untuk menjelaskan bahasa. Prefik meta berarti diatas, dengan
demikian metalanguage adalah diatas bahasa normal.
JARINGAN
SEMANTIK
"Semantic network" atau net/jaringan,
merupakan teknik representasi AI klasik yang digunakan untuk informasi
proporsional (Stillings 87). Jaringan semantik kadang-kadang disebut dengan
"Proportional net" Seperti didiskusikan sebelumnya, suatu proporsi
merupakan kalimat baik yang benar maupun yang salah, seperti "all dogs are
animals" dan "a triagle has three sides". Proporsi merupakan
bentuk dari pengetahuan deklaratif para proporsi tersebut menyatakan fakta
dalam bentuk matematika jaringan semantik diberi label grafik langsung. Jaringan
semantik pertama kali dikembangkan untuk AI sebagai cara untuk menunjukkan
memori manusia dan pemahaman bahasa (Qullian 68)
Struktur jaringan semantik ditunjukkan secara grafik
dalam bentuk "nodes" dan "arcs" yang menghubungkan nya.
Nodes sering disebut dengan objek dan arcs sering disebut dengan
"links" atau "edges". Link jaringan semantik digunakan
untuk mengekspresikan suatu relasi.
sedangkan node pada umumnya digunakan untuk menunjukkan objek fisik,
konsep, atau situasi.
Mungkin itu saja yang bisa saya rangkum dari kedua BAB di atas, Kurang dan lebihnya mohon di maaf kan, Terima Kasih.