Model Expert System & REPRESENTASI PENGETAHUAN

 

Model Expert System 

Unsur Penting Pengembangan Sistem Pakar Ada tiga unsur penting dalam pengembangan Sistem Pakar, yaitu :

Komponen Dasar Sistem Pakar

Suatu sistem disebut sebagai sistem pakar jika mempunyai ciri dan karakteristik tertentu. Hal ini juga harus didukung oleh komponen-komponen sistem pakar yang mampu menggambarkan tentang ciri dan karakteristik tersebut.

Penjelasan dari struktur bagan sistem pakar di atas, dapat disimpulkan bahwa ada tiga unsur penting dari pengembangan sistem pakar, yatiu adanya pakar, pemakai dan sistem. Pakar adalah orang yang mempunyai pengalaman khusus akan suatu masalah. Dalam sistem, pengalaman tersebut disimpan sebagai basis aturan. Sedangkan pemakai adalah seorang yang ingin berkonsultasi dengan pakar lewat sistem. Sistem sendiri yang menyediakan berbagai fasilitas untuk m enghubungkan pakar dan pemakai .

Komponen-komponen dari sistem pakar yaitu fasilitas akuisisi pengetahuan, basis pengetahuan dan basis aturan, mekanisme inferensi, fasilitas penjelasan sistem dan antar muka pemakai. Berikut adalah penjelasan sistem masing-masing komponen.

        1. Fasilitas Akuisisi Pengetahuan

Fasilitas ini merupakan suatu proses untuk mengumpulkan data-data pengetahuan akan suatu masalah dari pakar. Bahan pengetahuan dapat ditempuh dengan beberapa cara, misalnya mendapatkan cara, misalnya mendapatkan pengetahuan dari buku, jurnal ilmiah, para pakar dibidangnya, laporan, literatur, dan seterusnya. Sumber pengetahuan tersebut dijadikan dokumentasi untuk dipelajari, diolah dan diorganisasikan secara terstruktur menjadi basis pengetahuan.

Contoh akuisisi pengetahuan adalah diagnosis kerusakan mesin sepeda motor yang dimulai dengan mengumpulkan data tentang macam-macam kerusakan, penyebab kerusakan, ciri-ciri kerusakan sampai pada solusinya. Data tentang kerusakan mesin ini dapat diperoleh langsung dari pakar dibidangnya.

        2. Basis Pengetahuan dan Basis Aturan

Setelah proses akuisisi pengetahuan selesai dilakukan, maka pengetahuan tersebut harus dipresentasikan menjadi basis pengetahuan dan basis aturan yang selanjutnya dikumpulkan, dikodekan, diorganisasikan dan digambarkan dalam bentuk rancangan lain menjadi bentuk yang sistematis.

Dalam pemrograman non-visual, basis aturan sering diimplementasikan dalam bentuk IF THEN. Teknik demikian memerlukan aturan yang sangat banyak dan sulit untuk dikembangkan karena bersifat statis. Apabila ditemukan  pengetahuan baru yang harus diinputkan atau diedit, maka keseluruhan listing program harus diubah dan memerlukan banyak waktu untuk menelusuri kembali listing perlisting.

Untuk memecahkan masalah yang tidak fleksibel, maka pemrograman visual umumnya menyediakan sarana untuk mengembangkan tabel-tabel penyimpanan data yang terangkum dalam sebuah database. Tujuannya adalah untuk memudahkan proses mekanisme inferensi dalam penelusuran dan memanipulasi data.

        3. Mekanisme Inferensi

Mekanisme inferensi adalah bagian dari sistem pakar yang melakukan penalaran dengan menggunakan isi daftar aturan berdasarkan urutan dan pola tertentu. Selama proses konsultasi antar sistem dan pemakai, mekanisme inferensi menguji aturan satu demi persatu sampai kondisi aturan itu benar.

Secara umum ada dua teknik  utama yang digunakan dalam mekanisme inferensi untuk pengujian aturan, yaitu penalaran maju (forward chaining) dan penalaran mundur (backward chaining).

1. Penalaran Maju (Foreward Chaining)

Penalaran maju merupakan penalaran dari keadaan awal menuju keadaan tujuan. Proses pelacakan maju dimaksudkan untuk menjadi pendorong data.

     2. Penalaran Mundur (Backward Chaining)

Merupakan penalaran dari noda tujuan dan bergerak ke belakang menuju keadaan awal. Dalam penalaran kebebelakang prosesnya disebut terarah.

Selain teknik penalaran, diperlukan juga teknik data dalam bentuk network atau jaringan yang terdiri atas node-node berbentuk tree atau pohon. Ada 3 teknik yang digunakan dalam proses penelusuran data, yatiu Depth First Search, Breadth First Search, dan Best First Search.

    4. Fasilitas Belajar Mandiri

Fasilitas ini memungkinkan sistem untuk mengembangkan dirinya sendiri dengan memilah atau mengelompokan kembali fakta yang sudah ada, memasukkan fakta-fakta baru kedalam basis pengetahuan yang merupakan hasil penurunan (iterasi) dari fakta-fakta sebelumnya dan dapat mengembalikan fakta ke pada mekanisme inferensi sehingga dapat dimintakan fakta lainnya dari pemakai melalui antarmuka pemakai

    5. Fasilitas Penjelasan Sistem 

Merupakan bagian komponen sistem pakar yang memberikan penjelasan tentang bagaimana program dijalankan, apa yang harus dijelaskan kepada pemakai tentang suatu masalah, memberikan rekomendasi kepada pemakai, mengakomodasi kesalahan pemakai dan menjelaskan bagaimana suatu masalah terjadi.

Dalam sistem pakar, fasilitas penjelasan sistem sebaiknya diintegrasikan ke dalam tabel basis pengetahuan dan basis aturan karena hal ini lebih memudahkan perancangan sistem

    6. Antarmuka Pemakai

Komponen ini memberikan fasilitas komunikasi antara pemakai dan sistem, memberikan berbagai fasilitas informasi dan berbagai keterangan yang bertujuan untuk membantu mengarahkan alurpenelusuran masalah sampai ditemukan solusi.

Syarat utama membangun antarmuka pemakai adalah kemudahan dalam menjalankan sistem, tampilan yang interaktif, komunikatif dan mudah bagi pemakai 

 REPRESENTASI PENGETAHUAN

Pengetahuan

Pengetahuan dibedakan menjadi 3 klasifikasi yaitu:

1.       Prodecural Knowledge adalah pengetahuan yang berkaitan dengan prosedur atau cara untuk melakukan sesuatu. Contohnya, bagaimana cara mendidihkan air dalam panci.

2.       Declarative Knowledge adalah pengetahuan untuk dapat menentukan nilai benar dan salah suatu hal. Contohnya, jangan celupkan tangan anda dalam air yang mendidih.

3.       Tacid Knowledge kadang disebut juga sebagai "unconscious knowledge", karena pengetahuan tidak dapat diekspresikan atau didefinisikan dengan bahasa. Contohnya, bagaimana menggerakkan tangan.

1. Arti Pengetahuan

Pengetahuan (knowledge) adalah sesuatu yang hadir dan terwujud dalam jiwa dan pikiran seseorang karena adanya 

reaksi, sentuhan, dan hubungan dengan lingkungan dan alam sekitarnya. Pengetahuan adalah fakta atau keadaan 

yang timbul karena suatu pengalaman.

Contoh:

Pengetahuan tentang binatang, sifat-sifat dan perilakunya. Pengetahuan tentang penyakit,gejala-gejala dan pengobatan nya. Pengetahuan tentang tanaman.jenis-jenisnya dan cara hidupnya dan lain-lain.

Representasi Pengetahuan

Representasi pengetahuan adalah suatu teknik untuk merepresentasikan basis pengetahuan yang diperoleh ke dalam suatu skema/diagram tertentu sehingga dapat diketahui relasi/keterhubungan antara suatu data dengan data yang lain sehingga dapat diuji kebenaran penalarannya. Representasi pengetahuan biasanya digunakan untuk pembuatan sistem pakar di mana komputer dirancang untuk dapat mengambil keputusan seperti manusia agar dapat memecahkan permasalahan. Secara singkat, representasi pengetahuan diklarifikasikan menjadi 4 kategori :

1. Representasi logika. Representasi jenis ini menggunakan ekspresi-ekspresi dalam logika formal untuk merepresentasikan basis pengetahuan.

2. Representasi prosedural. Representasi yang menggambarkan pengetahuan sebagai kumpulan instruksi untuk memecahkan suatu problema.

3. Representasi network. Representasi ini menangkap pengetahuan sebagai sebuah graf dimana simpul-simpulnya menggambarkan obyek atau konsep dari problema yang dihadapi, sedangkan edgenya menggambarkan hubungan atau asosiasi antar mereka.

4. Representasi terstruktur. Representasi terstruktur memperluas network dengan cara membuat setiap simpulnya menjadi struktur data kompleks.

Adapun bentuk representasi pengetahuan yang telah dikembangkan, yaitu :

2. PRODUKSI

Sistem produksi memiliki struktur seperti struktur proses pencarian (search).  

Secara umum, sistem produksi terdiri dari komponen-komponen: 

Ruang Keadan : berisi keadaan awal, tujuan dan kumpulan aturan yang digunakan untuk mencapai tujuan.

Memori Aktif : berisi deskripsi keadaan semesta pembicaraan saat ini dalam proses penalaran.

Strategi Kontrol : berguna untuk mengarahkan bagaimana proses pencarian akan berlangsung dan mengendalikan arah eksplorasi.

Representasi pengetahuan dengan sistem produksi dinamakan kaidah/aturan produksi (production method) sering disebut produksi saja.

3. Jaringan Semantik ( Semantic nets)

Jaringan Semantik adalah tehnik representasi dalam artificial intelligence klasik untuk informasi proposional, sehingga sering kali disebut sebagai poporsional network. Proposisi adalah pernyataan yang dapat bernilai benar atau salah dan merupakan bentuk pengetahuan deklaratif. Semantic network pertama kali dikembangkan untuk AI (Artificial Intelligence) sebagai cara untuk mempresentasikan memory dan pemahaman bahasa manusia. Struktur semantic nets berupa grafik dengan node (simpul) dan arc (ruas) yang menghubungkannya.

- Dibangun oleh M.R.Quillian, sebagai model memori manusia.
- Representasi grafis dari informasi Propositional.
- Proposisi adalah pernyataan yang dapat bernilai benar atau salah.
- Disajikan dalam bentuk graf berarah
- Node merepresentasikan konsep, objek atau situasi :

• Label ditunjukkan melalui penamaan
• Node dapat berupa objek tunggal atau kelas
- Links merepresentasikan suatu hubungan :
• Links adalah struktur dasar untuk pengorganisasian pengetahuan
• Contoh jaringan semantic.

Contoh Jaringan Semantik dalam Representasi Pengetahuan

Jaringan semantik merupakan model memori manusia yang dibangun oleh M. R. Quillian sebagai representasi grafis dari informasi proposisional. Informasi proposisional adalah pernyataan yang dapat bernilai benar atau salah. Jaringan semantik ini disajikan dalam bentuk graf berarah.
Berikut ini adalah contoh sebuah jaringan semantik :

Informasi proposisional  yang membentuk  jaringan semantik di atas adalah :

1. Dessi makan donat
2. Donat bentuknya bulat
3. Dessi punya adik namanya sendi
4. Sendi pergi sekolah naik motor
5. Sendi pergi sekolah membawa bola
6. Dessi bermain bola
7. Bola bentuknya bulat
8. Motor membutuhkan bensin
9. Pom bensin menyediakan bensin
10. Sendi punya rumah dekat pom bensin

4. Triple Obyek-Atribut-Nilai

Bentuk object-attribute-value triple dapat digunakan untuk mempresentasikan semua karakteristik pengetahuan dalam semantic net dan digunakan pada sistem pakar MYCIN untuk mendiagnosa penyakit infeksi.

5. Schemata : Frame dan Script

Salah satu tipe skema yang digunakan dalam beberapa aplikasi AI adalah frame. Frame merupakan struktur yang baik untuk mempresentasikan objek yang tipikal dalam situasi tertentu. Karakteristik dasar frame adalah frame mempresentasikan pengetahuan yang terkait mengenai sebuah subjek yang sempit dan memiliki default. Sistem frame adalah pilihan yang baik untuk mendeskripsikan peralatan mekanik seperti mobil. Frame mencoba memodelkan obyek yang ada di dunia nyata menggunakan pengetahuan generik untuk atribut yang banyak dimiliki oleh obyek dan pengetahuan spesifik untuk kasus khusus.

 

Share this post