Sistem Berbasis Pengetahuan

Domain Penelitian pada AI ( Kecerdasan Buatan )

1.    Mundane task

·      Persepsi (vision & speech).

·      Bahasa alami (understanding, generation & translation).

·      Pemikiran yang bersifat commonsense.

·      Robot control.

2.    Formal task

·      Permainan/games.

·      Matematika (geometri, logika, kalkulus integral, pembuktian).

3.    Expert task

·      Analisis finansial.

·      Analisis medikal.

·      Analisis ilmu pengetahuan.

·      Rekayasa (desain, pencarian kegagalan, perencanaan manufaktur). 

Dua bagian utama dalam AI ( Kecerdasan Buatan )

a. Basis Pengetahuan (Knowledge Base), berisi fakta-fakta, teori, pemikiran dan hubungan antara satu dengan lainnya.

b. Motor Inferensi (Inference Engine), yaitu kemampuan menarik kesimpulan berdasarkan pengalaman.

Perbandingan Kecerdasan Alamiah dan Kecerdasan Buatan

Kecerdasan Buatan

- bersifat permanen

- lebih murah

- konsisten

- dapat didokumentasi

- lebih cepat

- dapat mengerjakan pekerjaan lebih baik

Kecerdasan Alami

- cepat mengalami perubahan

- proses transfer dari manusia satu ke lainnya membutuhkan proses yang lama

- lebih mahal karena tidak jarang harus mendatangkan orang untuk suatu pekerjaan sering   berubah-ubah ( sifat manusia)

- sulit direproduksi

- lebih lambat

- sering kali kurang teliti

Katagori Knowledge

·         Procedural Knowledge   : bagaimana melakukan sesuatu

·         Declarative Knowledge   : mengetahui sesuatu itu benar atau salah

·         Tacit Knowledge              : tidak dapat diungkapkan dengan bahasa

Kesalahan dalam Tahap Pengembangan

·         Kesalahan pengetahuan pakar (expert’s knowledge errors)

Jika knowledge yang berasal dari pakar mengandung kesalahan maka kesalahan  berlanjut pada keseluruhan  proses pengembangan sistem.

·         Kesalahan semantic (semantic errors)

Kesalahan semantik terjadi jika arti dari knowledge tidak dikomunikasikan secara tepat.

·         Kesalahan sintaks (syntax errors)

Kesalahan ini terjadi jika  bentuk aturan atau fakta yang tidak tepat dimasukkan ke dalam sistem.

·         Kesalahan mesin inferensi (inference engine errors)

Secara umum, bugs mesin inferensi dapat muncul pada saat operasi pencocokan pola (pattern matching), konflik, dan eksekusi, dan akan sulit dideteksi jika bugs ini tidak konsisten. 

·         Kesalahan rangkaian inferensi (inference chain errors)

Kesalahan ini dapat disebabkan oleh kesalahan knowledge, kesalahan semantik, bugs inferensi engine, spesifikasi prioritas aturan (rule) yang tidak tepat, dan interaksi antar rule yang tidak diperhitungkan.

·         Kesalahan batas ketidaktahuan/ batas toleransi terhadap kekurangan (limits of ignorance errors)

Salah satu masalah yang umum dihadapi semua tahap  pengembangan adalah menentukan batas toleransi terhadap kekurangan oleh sistem.

Teknik representasi pengetahuan mencakup

-          Baris

-          Jaringan semantic

-          Frame

-          Scrips

-          Bahasa representasi pengetahuan 

Metode Pelacakan

A.   Pencarian buta (blind search) : tidak ada informasi awal yang digunakan dalam proses pencarian.

1.    Pencarian melebar pertama (Breadth – First Search)

2.    Pencarian mendalam pertama (Depth – First Search)

B.   Pencarian terbimbing (heuristic search) : adanya informasi awal yang digunakan dalam proses pencarian.

       1. Pendakian Bukit (Hill Climbing)

       2. Pencarian Terbaik Pertama (Best First Search)

Operator Logika

1) Konjungsi adalah penggabungan dua pernyataan atau lebih dengan operator “dan”.

p ∧ q : p dan q

2) Disjungsi adalah penggabungan dua pernyataan atau lebih dengan operator “atau”.

p ∨ q : p atau q

3) Implikasi adalah penggabungan dua pernyataan dengan operator “Jika …, maka …”.

p ⇒ q : Jika p maka q

4) Biimplikasi adalah penggabungan dua pernyataan dengan operator “… jika dan hanya jika …”

p ⇔ q : p jika dan hanya jika q

Nilai Kebenaran Konjungsi, Disjungsi, Implikasi, dan Biimplikasi

 

Kesimpulan: perhatikan nilai kebenaran yang tercetak tebal

1) Konjungsi akan bernilai benar (B), jika kedua premis benar,

2) Disjungsi akan bernilai salah (S), jika kedua premis salah

3) Implikasi akan bernilai salah (S), jika premis sebelah kiri benar (B) dan kanan salah (S)

4) Biimimplikasi akan bernilai benar (B), jika premis kiri dan kanan kembar

Simbol Quantifier

Q (quantifier) menggambarkan porsi dari kelas yang diketahui.

a.    Quantifier “semua” dan “tidak” adalah universal karean menunjukkan keseluruhan kelas.

b.    “beberapa” adalah khusus (particular) karena hanya menunjukkan satu bagian dari kelas yang diketahui.

Terdapat 2 quantifier logika, yaitu 1) existential quantifier, ∃, yang berarti “di sana ada”; dan 2) universal quantifier, ∀, yang berarti “untuk semua”

Logika Konektif ( AND ..OR ) , Logika Kalkulus

Logika Konektif ( AND ..OR )

-          Logika AND

Operator ini menyaratkan pernyataan gabungan akan bernilai benar hanya jika tiap pernyataan yang digabungkan bernilai benar. Dalam bahasa matematika operator AND ini dilambangkan dengan tanda "∧", sedangkan dalam kalimat sehari-hari biasanya digunakan kata “dan”.

 Dalam tabel kebenaran gabungan AND antara dua pernyataan p dan q dapat dinyatakan sebagai berikut: 

p	q	p ∧ q
B	B	B
S	B	S
B	S	S
S	S	S

-          Logika OR

Operator ini menyaratkan pernyataan gabungan akan bernilai benar jika salah satu pernyataan yang digabungkan bernilai benar. Dalam bahasa matematika operator OR ini dilambangkan dengan tanda "∨", sedangkan dalam kalimat sehari-hari biasanya digunakan kata “atau”.

Dalam tabel kebenaran gabungan OR antara dua pernyataan p dan q dapat dinyatakan sebagai berikut: 

p	q	p ∨ q
B	B	B
S	B	B
B	S	B
S	S	S

Logika Kalkulus

-       Exixtensial Quantifier

·         Menunjukkan semua kalimat adalah benar untuk suatu nilai tertentu dalam sebuah domain.

·         Direpresentasikan dengan symbol ∃ diikuti satu atau lebih argument.

·         Symbol ∃ diinterpretasikan “terdapat” atau “ada”, “paling sedikit satu”, “terdapat satu”, “beberapa”.

-          Universal Quantifier

·         Menunjukkan semua kalimat adalah benar untuk semua nilai variabelnya.

·         Direpresentasikan dengan symbol ∀ diikuti satu atau lebih argument untuk suatu domain variable.

·         Symbol ∀ diinterpretasikan “untuk setiap” atau “untuk semua”.

Penalaran Logika

Penalaran Deduktif yang kadang disebut logika deduktif, penalaran ini membangun atau mengevaluasi argumen secara deduktif. Dimana, argumen ini dinyatakan deduktif jika kebenaran dari kesimpulan ditarik atau merupakan konsekuensi logis dari premis-premisnya. Argumen deduktif dinyatakan valid atau tidak valid, bukan benar atau salah. Sebuah argumen deduktif dinyatakan valid jika dan hanya jika kesimpulannya merupakan konsekuensi logis dari premis-premisnya.

Penalaran Deduktif
- Jika semua premis benar maka kesimpulan pasti benar
- Semua informasi atau fakta pada kesimpulan sudah ada, sekurangnya secara implisit, dalam premis.

Penalaran induktif atau kadang disebut logika induktif adalah penalaran yang berangkat dari serangkaian fakta-fakta khusus untuk mencapai kesimpulan umum.
Penalaran Induktif
- Jika premis benar, kesimpulan mungkin benar, tapi tak pasti benar.
- Kesimpulan memuat informasi yang tak ada, bahkan secara implisit, dalam premis.

Tahapan Pengembangan Sistem Pakar

-      Studi Kelayakan (Feasibility Study) : Studi literatur dan studi perbandingan untuk menentukan kelayakan proyek

-      Pembuatan Prototype (Rapid Prototype) : Dibuat prototipe sistem pakar untuk mendemonstrasikan ide, menimbulkan antusias dan perhatian dari manajemen tingkat atas 

-          Perbaikan Sistem (Refined System)  α – test : Verifikasi sistem pakar disesuaikan dengan masalah yang sebenarnya oleh knowledge engineer dan pakar

-         Uji Lapangan (Field Testable) β – test : Sistem diuji oleh user yang bukan knowledge

engineer atau pakar.

-         Kelayakan Sistem Secara Komersial (Commercial Quality System)

Validasi dan pengujian , Dokumentasi user , Training , User support melaui telepon dan atau email

-        Pemeliharaan & Evolusi (Maintenance & Evolution) : Memperbaiki bugs , Meningkatkan Kemampuan

 

Model-model Sistem Pakar

-       Model Air Tejun (Waterfall Model)

Setiap  tahapnya diakhiri dengan validasi dan verifikasi untuk meminimalkan masalah yang mungkin terjadi pada tiap  tahapannya.

-       Model Code-and-Fix

Model ini mengembangkan software dengan cara membuat program dan kemudian diperbaiki jika terdapat kesalahan.

-       Model incremental (Incremental waterfall model)

Merupakan perbaikan dari  model waterfall dan sebagai standar pendekatan  top-down. Model incrementa ini diaplikasikan pada  sistem pakar dengan penambahan rules yang mengakibatkan bertambahnya kemampuan fungsional sistem.

-       Model Spiral

Salah satu cara untuk memvisualisasikan model incremental adalah dengan mengadaptasi model  spiral konvensional.

Lintasan pada gambar spiral menambahkan kemampuan fungsional pada  sistem.

-       Model Linier

Model siklus hidup yang telah berhasil diterapkan pada sejumlah proyek pengembangan sistem pakar adalah model linier. Siklus ini terdiri dari sejumlah tahap mulai dari perencanaan (planning) hingga evaluasi sistem (system evaluation) dan akan berulang  hingga sistem diimplementasikan, yang kemudian sistem akan memasuki tahap pemeliharaan dan evolusi.