Catatan Kuliah Sistem Pakar

Posted by: wiwiekd07  :  Category: Academic, Lecture

Bismillaahirrahmaanirrahiim…

Disemester 6 ini ada matakuliah ilmu komputer yg sangat menarik,
yaitu… SISTEM PAKAR (Dosen::ibu Yeni Herdiyeni)
kuliah pada pukul 07.00-08.40 lokasi diRK.OFAC 4 B12
hari ini, jumat 5 maret 2010 saya mendapat materi mengenai Akuisisi Pengetahuan

pelajaran yg paling berharga pada kuliah kali ini yaitu
“ketika kuliah harus ada pendekatan->mind mapping
usahakan punya gambaran besar materi kuliah yg didapat”.

okey, i will try it^^
ini hanya catatan kecil seorang mahasiswi ilkom yang ingin melakukan banyak perubahan,,,

sistem pakar itu apa sih???
sistem pakar adalah program komputer yang merupakan cabang dari penelitian ilmu komputer yaitu kecerdasan buatan,membuat sesuatu jadi cerdas yg ditunjukan dgn tingkah laku yg cerdas.

-Data adalah bit (mewakili angka-angka mentah atau pernyataan)
-Informasi adalah Data dengan konteks dan relevansi (data dengan semantik) dapat disimpan dalam bentuk tabel
-Pengetahuan adalah Informasi dengan pengambilan keputusan dan tindakan yang diarahkan utilitas dan tujuan (hubungan antara konsep yang relevan dengan bidang tertentu)
secara kuantitatif data lebih besar dari informasi
pengetahuan berbentuk piramida:
-kebijakan(wisdom)->(posisi paling atas, Manusia, menghakimi, wawasan)
-Pengetahuan->(Kontekstual, tacit, kebutuhan transfer belajar)
-Informasi
-Data->(posisi paling bawah,Codifiable, eksplisit, mudah dipindahtangankan)

teknik inferensi: data dimana objek yang berhubungan dengan objek yang lain melalui bentuk network (dapat berupa tree)
contoh:
fakta :rumput basah
kejadian 1 :hujan
kejadian 2 :keran menyala
dengan menggunakan bayesian network berapa kemungkinan rumput basah setelah hujan?
itu adalah teknik inferensi, teknik ini untuk mengambil keputusan dan didapatlah pengetahuan.
bayesian network merepresentasikan pengetahuan

pengetahuan itu apa?
ada yg tahu?

pengetahuan dibagi menjadi dua yaitu:
explisit knowledge->pengetahuan yang sudah jelas dan tertulis, mudah untuk dipahami
contoh:prosedur yg ada SOP, teori yg sudah baku,
misalnya terjadinya tsunami dan gempa ada bidang keilmuan yg mempelajari hal tersebut
tacit/implisit knowledge->pengalaman, ide seseorang^_^

ada juga yg membagi pengetahuan menjadi:
deklaratif->know what?
contoh:obat yg digunakan pasien A adalah amoxicillin
prosedural->know how?
contoh:cara mengobati penyakit pasien A

ada lg nih….
shallow knowledge->pengetahuan sangat sederhana
deep knowledge->pengetahuan yg lebih detail dan ada hubungan antara pengetahuan yg satu dgn yg lain

tugas minggu lalu:review sistem pakar dari tahun 1995-2004->banyak teknik mesin learning
kenapa banyak orang yang menggunakan teknik mesin learning untuk pengembangan sistem pakar?
kalau jawaban saya pribadi, karena…
-mesin itu kan dapat digunakan kapan saja, sedangkan seorang pakar(manusia) tidak mungkin bekerja terus-menerus tanpa istirahat
-sistem dapat diperbanyak digunakan diberbagai lokasi,sedangkan seorang pakar hanya bekerja pada satu tempat
-pengetahuan yang disimpan pada mesin tidak bisa hilang/lupa, tentunya dengan maintenance yg baik.
sedangkan seorang pakar lambat laun akan hilang karena semakin tua,menderita suatu penyakit, dan meninggal.
-mesin dapat memecahkan masalah dengan cepat dibanding seorang pakar, kayanya..heheheh^^
-menggaji seorang pakar itu mungkin jauh lebih mahal dibanding dengan membuat program sistem pakar
udah nyusun kalimat n mau jawab…
eh……
pas mau jawab…
udah telat>,<

ada fitrah n gema yg jawab pertanyaan bu yeni,

fitrah say :(intinya) “supaya sistem terus berkembang” :)
bu yeni : “bolehlah,sistem terus berkembang, tidak perlu pakar, pengetahuan bisa bertambah,ada yg lain”?
gema talking-talking:”kalau menggunakan orang lebih sulit…”(gitu bukan gem?)
bu yeni :”yah…bolehlah seperti itu …permasalahannya teknik akuisisi dengan menggunakan pakar/orang atau baca buku lebih sulit dan butuh waktu lama”.

kemudian banyak informasi database saat ini,
contoh: di itp punya database protein, punya pakar yg ahli bergerak dibidang protein, sayang apabila database itu tidak digunakan, padahal teknik pakar banyak berkembang
makanya ada teknik akuisisi, alatnya disebut mesin learning.
Manual knowledge acquisition
menganalisis solusi yang dihasilkan oleh agen
untuk mengidentifikasi dan mengoreksi.
kita sebagai pengembang (knowledge engineer) menjadi perantara antara pakar dengan sistem.
ada interaksi secara manual.

Mixed-initiative knowledge acquisition (semi automatik)
Ahli agen mengajarkan bagaimana melakukan berbagai tugas,
seorang ahli akan mengajarkan ketika memecahkan masalah dalam kerjasama.
seorang pakar akan menginput data pada sistem.

Autonomous knowledge acquisition
Pemecahan masalah pada mesin adalah satu-langkah sederhana.
mesin yang mengklasifikasikan sesuatu.
menggunakan database.
menerapkan konsep data mining untuk menjadi pengetahuan.
tidak perlu pemahaman hanya menyediakan database.
data terdiri dari fakta-fakta yang diperoleh dari buku-buku.

data dalam bentuk text dapat menerapkan teknik learning information retrieval.
dokumen tanpa database dapat menerapkan teknik learning text understanding engine.

contoh:
summary text otomatis:tanpa baca dokumen dapat meringkas secara otomatis
pertanyaan dari bintang:bu, apa bedanya knowledge dan wisdom?
bu menjawab:
knowledge hanya kumpulan pengetahuan,
misalkan->dokter punya pengetahuan mengidentifikasikan penyakit malaria
pada saat pengetahuan digunakan menjadi wisdom(kebijakan) dapat diambil keputusan
tidak semua pengetahuan digunakan.
dari sisi jumlah wisdom lebih sedikit dibanding knowledge.
contoh:
sistem cerdas berbentuk games,
terdiri dari 3 orang yaitu suami,istri, dan tamu.
kondisi:suami dan istri bertengkar
tugas tamu adalah mendamaikan.
sebagai tamu, kita inputkan teks dalam sistem.
sistem ini mampu mendeteksi kata2 yg bersifat mendamaikan dan membuat marah.
pengetahuan digunakan untuk menjadikan suami dan istri itu damai.

Teknik Akuisisi
1. Protokol Generation Techniques
banyak berinteraksi dengan pakar
wawancara (terstruktur, semi-terstruktur dan terstruktur),
teknik pelaporan (seperti laporan diri dan bayangan)
dan teknik pengamatan
2. hirarkis
seperti laddering digunakan untuk membangun taksonomi
struktur hirarkis seperti pohon-pohon tujuan dan pengambilan jaringan
3. Analisis Protocol (think-aloud technique)
tidak banyak berinteraksi dengan pakar.
transkrip wawancara atau lainnya yang berbasis teks informasi
mengidentifikasi berbagai jenis pengetahuan, seperti tujuan, keputusan, hubungan dan atribut.
Ini bertindak sebagai jembatan antara penggunaan protokol dan teknik berbasis pengetahuan teknik-teknik pemodelan.
4. Matrix berbasis teknik
(melibatkan pembangunan grid yang menunjukkan hal-hal seperti masalah yang dihadapi terhadap solusi yang mungkin. Penting meliputi jenis penggunaan frame untuk mewakili konsep sifat dan grid perbendaharaan teknik yang digunakan untuk mengetahui, menilai, menganalisa dan mengkategorikan properti konsep)
5. Sorting teknik / Konsep Sorting
cara orang membandingkan dan ketertiban konsep,
dan dapat mengarah pada pengungkapan pengetahuan tentang kelas, properti dan prioritas.
6.Terbatasnya informasi dan tugas-tugas pemrosesan terbatas
teknik yang baik adalah batas waktu informasi yang tersedia untuk para ahli saat melakukan tugas.
Sebagai contoh, pertanyaan kedua puluh teknik menyediakan cara yang efisien mengakses informasi penting dalam sebuah domain yang diprioritaskan order.
-Wawancara tidak terstruktur:tidak terarah,hanya ngobrol.. Pertanyaan dan tanggapan alternatif terbuka.
-Wawancara terstruktur:terarah
Quisioner berbentuk
• pertanyaan pilihan ganda
• dikotomis (pertanyaannya adalah ya / tidak)
• skala Peringkat
berorientasi pada tujuan.
-wawancara yang semi-terstruktur itu hanya membuat list pertanyaan dan langsung bertanya

contoh:(ini tuh contoh yg mana sih, interview terstruktur atau semi atau dua-duanya???)
sistem penjadwalan IPB yg sering bentrok, stakeholder yg terlibat siapa saja??
ada dosen, mahasiswa, DKSI
mana yg harus didatangi???
DKSI dong…^^
karena DKSI tau permasalahannya
pertama kali kita lakukan wawancara
jgn terlalu lama, biar ga menghabiskan waktu
yg utama adalah karena mayor-minor
memang susah membuat arahan, tp sebisa mungkin harus terarah dari awal
identifikasi masalah yang ada
buat bentuk pertanyaan setelah tau kondisinya
quisioner dibuat setelah kita tahu objek dan atribut knowledgenya apa???

contoh diperusahaan::
-strategi->deklaratif&tacit knowledge
-manajer->quisioner
-operasional->observasi

A repertory grid adalah representasi dari seseorang (ahli) pandangan tentang masalah tertentu.

kenapa manusia bisa mengidentifikasi objek???
hayoo..
manusia bisa menghubungkan satu kata dengan kata yang lain(semantik)
caranya dengan mengetahui kedekatan anta kata
hitung jarak antar kata
buat deh mesinnya…
untuk mengidentifikasi
bisa kok, ada contohnya kayak mesin translate.

***Analisis manual::
1.wawancara awal dengan ahli dalam rangka untuk
(a) ruang lingkup pengetahuan apa yang akan diperoleh,
(b) menentukan tujuan,
(c) memperoleh beberapa pengertian istilah kunci,
(d) membangun hubungan baik dengan para ahli.
Wawancara ini dicatat di kedua kaset atau rekaman video.
2.Transcribe wawancara awal dan menganalisa protokol yang dihasilkan. Buat sebuah konsep tangga pengetahuan yang dihasilkan untuk memberikan representasi yang luas pengetahuan dalam domain. Gunakan tangga untuk menghasilkan satu set pertanyaan yang mencakup isu-isu penting di seluruh domain dan yang melayani tujuan dari proyek akuisisi pengetahuan.
3.semi-terstruktur interview dengan ahli menggunakan pertanyaan-pertanyaan untuk menyediakan struktur dan fokus.
4.Transcribe semi-terstruktur wawancara dan analisis yang dihasilkan jenis protocol untuk pengetahuan sekarang. Biasanya ini akan menjadi konsep, atribut, nilai-nilai, hubungan, tugas dan aturan.
5.Representasikan unsur-unsur pengetahuan tersebut dengan menggunakan model pengetahuan yang paling sesuai, misalnya tangga, grid, diagram jaringan, hypertext, dll Selain itu, dokumen anekdot, ilustrasi dan penjelasan dengan cara yang terstruktur dengan menggunakan judul hypertext dan template.
6.menggunakan pengetahuan yang dihasilkan model dan teks terstruktur dengan dibuat-buat teknik seperti laddering, berpikir keras memecahkan masalah, dua puluh pertanyaan dan perbendaharaan grid untuk memperbolehkan ahli untuk memodifikasi dan memperluas pengetahuan yang sudah tertangkap.
7.mengulangi analisis, membangun model dan akuisisi sampai ahli dan knowledge engineer senang bahwa tujuan proyek telah terwujud.
8.Validate pengetahuan diperoleh dengan pakar-pakar lain, dan membuat modifikasi yang diperlukan.

ada tugas nih:
HRD dari yang subjektif jadi sistem HRD yang objektif, gimana caranya ya???

tugas kelompok:
usulan project aplikasi sistem,jangan lupa yah teman2:)
alhamdulillah akhirnya selesai juga nulis ini…
semoga bermanfaat dan Mohon koreksi jika terdapat kesalahan pada notes ini^^
sabtu, 6 maret 2010 pukul 00.30
regards
Wiwiek Dewi Anggraeni
Computer Science
Bogor Agricultural University

Leave a Reply