1 / 17

SISTEM MENERAPKAN PENGETAHUAN

SISTEM MENERAPKAN PENGETAHUAN. REVIEW.

loring
Télécharger la présentation

SISTEM MENERAPKAN PENGETAHUAN

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. SISTEM MENERAPKAN PENGETAHUAN

  2. REVIEW • Padasistemdansolusimanajemenpengetahuan (MP), dikatakanbahwasistemmenerapkanpengetahuanmendukung proses-proses direction dan routines, dimanaindividumemanfaatkanpengetahuan yang dimilikiolehindividu lain tanpaharusmempelajari (learning) pengetahuantsb. • Mekanisme yang mendukung proses direction yaitu : hubunganhierarki, help desk, dan support center. Mekanisme yang mendukung routines yaitu : kebijakanorganisasi, kerjapraktik, danstandarisasi (SOP/standard operating procedure). • Teknologi yang mendukung direction dan routines yaitu : sistempakar, sistempendukungkeputusan, advisor system,fault diagnosis (atau troubleshooting) system, dan help desk system. • Contoh : • Direction → teknisilapanganmencari troubleshooting dariproduktertentu. • Routines → customer service representatives mencarimekanismepengirimanprodukketikaakanmengirimbarang yang dipesan.

  3. TEKNOLOGI UNTUK MENERAPKAN PENGETAHUAN • KECERDASAN BUATAN • Kecerdasanbuatan (artificial intelligence) merupakansalahsatubagianilmukomputer yang membuat agar mesin (komputer) dapatmelakukanpekerjaansepertidansebaik yang dilakukanolehmanusia. • Definisi lain darikecerdasanbuatanyaitu : sistem yang bertindaksepertimanusia, sistem yang berpikirsepertimanusia, sistem yang berpikirrasional, sistem yang bertindaksecararasional(Russell danNorvig, 2002). • Sistem yang bertindaksepertimanusia, yaitumesin (komputer) yang melalui Turing test. • Sistem yang berpikirsepertimanusia, mengacupada program komputer yang berperilakusepertimanusia, contoh : komputer yang digunakanuntukmemecahkanmasalah, sepertibermaincaturataumelakukandiagnosamedis.

  4. SEJARAH KECERDASAN BUATAN • Padatahun 1950-an parailmuwandanpenelitimulaimemikirkanbagaimanacaranya agar mesindapatmelakukanpekerjaannyaseperti yang bisadikerjakanolehmanusia. • Alan Turing, seorangmatematikawandariInggrispertama kali mengusulkanadanyatesuntukmelihatbisatidaknyasebuahmesindikatakancerdas. Hasiltestsbkemudiandikenaldengan Turing Test, dimanasimesintsbmenyamarseolah-olahsbgseseorang di dalamsuatupermainan yang mampumemberikanresponthdserangkaianpertanyaan yang diajukan. Turing beranggapanbahwa, jikamesindapatmembuatseseorangpercayabahwadirinyamampuberkomunikasidengan orang lain, makadapatdikatakanbahwamesintsbcerdas (sepertilayaknyamanusia).

  5. SEJARAH KECERDASAN BUATAN • Kecerdasanbuatanatau “artificial intelligence (AI)” itusendiridimunculkanolehseorangprofesordari Massachusetts Institute of Technology yang bernama John McCarthy padatahun 1956 pada Dartmouth Conference yang dihadiriolehparapeneliti AI. • Beberapa program AI yang mulaidibuatpadatahun 1956-1966, antara lain : • Logic Theorist, diperkenalkanpadaDartmouth Conference, program inidapatmembuktikanteorema-teoremamatematika. • Sad Sam, diprogramoleh Robert K. Lindsay (1960). Program inidapatmengetahuikalimat-kalimatsederhana yang ditulisdalambahasaInggrisdanmampumemberikanjawabandarifakta-fakta yang didengardalamsebuahpercakapan. • ELIZA, diprogramoleh Joseph Weizenbaum (1967). Program inimampumelakukanterapiterhadappasiendenganmemberikanbeberapapertanyaan.

  6. TEKNOLOGI UNTUK MENERAPKAN PENGETAHUAN • KECERDASAN BUATAN • Sistemkomputerbekerjaberdasarkanalgoritmaatauinstruksilogis yang disusunsecarasistematisuntukmenghasilkan output yang tepat. Sedangkanmanusiamemecahkanpersoalandenganmenggunakansimbol-simboldenganartitertentu, contoh: memahamiartipuisi. • Kecerdasanbuatanberkenaandenganmemanipulasisimbol-simbolini. • Menurut (Becerra-Fernandez et. al. 2004), kecerdasanbuatanadalahilmupengetahuan yang mempelajaribagaimana agar komputermampumelakukanmanipulasisimbol-simbolsehinggadapatdigunakanuntukmenyelesaikanpermasalahan yang tidakmudahdiselesaikanmelalui model algoritma.

  7. TEKNOLOGI UNTUK MENERAPKAN PENGETAHUAN • Sistemkecerdasanbuatan modern berdasarkanpemahamanpengetahuandankecerdasan. Pengetahuanberkenaandengansimbol-simbolkognitif yang manusiamanipulasi, sedangkankecerdasanberkenaandgnkemampuanuntukbelajardanberkomunikasidalammemecahkanmasalah. • Sistemkecerdasanbuatan (sistemberbasispengetahuanatausistemmenerapkanpengetahuan) berusahauntukmenirukemampuan problem-solving ataukepakaranpadabidangtertentu. • Teknologikecerdasanbuatan yang mendukungsistemmenerapkanpengetahuanyaitu : • Rule-based expert system • Case-based reasoning

  8. RULE-BASED SYSTEM • Rule-based system mengandalkanserangkaianaturan-aturan/rules-of-thumb yang merupakanrepresentasidaripengetahuandanpengalamankaryawan (manusia) dalammemecahkankasus yang rumit. • Proses mengembangkansistemmenerapkanpengetahuanmenggunakan knowledge engineering, yaitu proses memperolehpengetahuandariahli (expert) danmerepresentasikannyadalambentuk yang dapatditerimaolehkomputer. • Setelahkitamemperoleh rule-of-thumb dari expert maka agar komputermemahami rule-of-thumb tsb, kitamembuatnyadalambentuk production rules ataupernyataan if-then. • Contoh : pada program SBIR/STTR Online Advisor, terdapatsalahsatuaturanyaitu : IF jumlahkaryawankurangdari 500, THEN perusahaandikategorikanperusahaankecil.

  9. RULE-BASED SYSTEM • Kelemahan rule-based system yaituuntukkeadaantertentu, jumlahaturan yang dibutuhkanuntukmerepresentasikanpengetahuancukupbesar, contoh : sistemGenAIDpadaawalnyamemiliki 10.000 aturan, kemudiandiperkecilmenjadi 3000 aturan , tetapiinimasihterbilangbesar. • Sistempakardenganbanyakaturanmemilikikelemahanyaitu: • Sulituntuk di-coding, diverifikasi , divalidasidandimaintainaturan-aturannya. • Tidakefisiendalammengeksekusiaturan-aturantsb.

  10. CASE-BASED REASONING (CBR) SYSTEM • CBR adalahteknikkecerdasanbuatan yang dirancanguntukmenirupemecahanmasalah. CBR berdasarkan model Schank(1982) memoridinamis, tujuannyauntukmenirucaramanusiamemecahkanmasalah. Ketikamenghadapimaslahbaru, manusiamengingatkembalimasalah-masalahdahulu yang menyerupaimasalahsekarangdanmengadaptasisolusinyauntukdisesuaikandenganpermasalahansekarang.

  11. CASE-BASED REASONING (CBR) SYSTEM • Sistemmenerapkanpengetahuan CBR terdiridari proses-proses berikut : • Mencarikasus yang samapada case library. Hal inimengakibatkan search engine hanyamemeriksakasus-kasus yang sesuai, tidaksemua case library, karena case library berukurancukupbesar. • Memilihdanmengambilkembali(retrieve) kasus yang hampirmirip. Permasalahanbarudiselesaikandenganmengambil experienced case sebelumnya. Sehinggadiperolehalat bantu untukmembandingkantiapkasus yang telahterujidenganpermasalahansekarang, menghitungkesamaannyadanmerankingnya. • Mengadaptasisolusikasus yang hampirmirip. Permasalahanbaruakandiselesaikandenganbantuansolusi lama yang telahdiadaptasisesuaikebutuhanpermasalahanbaru. • Menerapkan generated solution danmendapatkan feedback. Ketikasolusitelahdikembangkanolehsistem , solusitsbditerapkanuntukpermasalahan. Denganmenerapkanakanmemberikandampak feedback padasistem CBR yaituklasifikasisolusi (sebagaisuksesataugagal). • Menambahkanpermasalahanbaru yang telahdipecahkankedalam case library. Permasalahanbaru yang telahterpecahkanmungkinakanberguna di masa yang akandatang, sehinggaperluditambahkankedalam case library.

  12. VARIASI CBR : • EXEMPLAR-BASED REASONING : sisteminimemecahkanpermasalahandenganklasifikasi, yaitumenemukankelas yang tepatuntuk exemplar/contoh yang belumterklasifikasi. • INSTANCE-BASED REASONING : sisteminimemerlukanbanyakkasus (instance) yang sederhana. Fokussisteminiadalah automated learning. • ANALOGY-BASED REASONING : sisteminiberfokuspadacase reuse/mapping problem yaitumemetakansolusikasus yang analog denganpermasalahansaatini.

  13. BENTUK TEKNOLOGI UNTUK SISTEM MENERAPKAN PENGETAHUAN YANG LAIN 1. CONSTRAINT-BASED REASONING Adalahteknikkecerdasanbuatan yang menggunakankendala/”apa yang tidakdapatdilakukan” untukmengarahkan proses menemukansolusi. 2. MODEL-BASED REASONING Adalahteknikkecerdasanbuatan yang menggunakan model darisuatusistem yang direkayasauntukmensimulasikantingkahlakunya. 3. DIAGRAMMATIC REASONING Adalahteknikkecerdasanbuatan yang bertujuanuntukmemahamikonsepdan ide menggunakan diagram yang merepresentasikanpengetahuan.

  14. MENGEMBANGKAN SISTEM MENERAPKAN PENGETAHUAN • METODOLOGI UNTUK MENGEMBANGKAN SISTEM MENERAPKAN PENGETAHUAN YAITU CASE-METHOD CYCLE (Kitano 1993; Kitano dan Shimazu,1996) adalahmetodologidenganpendekataniteratifuntukmengembangkan CBR dansistemmenerapkanpengetahuansecaraefektif. • Proses pengembangansistem : proses iniberdasarkan standard rekayasaperangkatlunakdantujuannyauntukmengembangkansistemmenerapkanpengetahuan yang akanmenyimpankasus-kasusbarudanmengambilkembali (retrieve) kasus yang relevan. • Proses pengembangan case library : tujuannyauntukmengembangkandanmemaintain case library dalamkapasitasbesaruntukmendukung domain pertanyaan. • Proses operasisistem : proses iniberdasarkan standard rekayasaperangkatlunakdanprosedurmanajemen basis data relasional. • Proses database mining : proses inimenggunakanteknik rule-inferencing (pengambilankeputusandenganaturan) dananalisisstatistikuntukmenganalisis case library. • Proses manajemen : proses yang menjelaskanbagaimanaberbagaitugasdalam project akandilaksanakandandukunganmanajemenuntukmensupport project. • Proses mentransferpengetahuan : proses inimenjelaskansisteminsentif yang akandiimplementasikanuntukmendorong user acceptance danmendukungsistemmenerapkanpengetahuan.

  15. MENGEMBANGKAN SISTEM MENERAPKAN PENGETAHUAN • Padatahap 2 yaitu proses pengembangan case library dibagimenjadibeberapasubproses : • Case collection : proses inimemerlukankumpulan seed case, akanmenjelaskanpandanganawalterhadapaplikasi. Contoh : SQUAD system, pengembangsistemmemulaidengan 100 seed case, yang digunakanuntukmendefinisikan format kumpulankasus yang akandatangdanuntukrancanganstruktur database . • Attribute-value extraction dan hierarchy formation : langkahinipentingterkaitmemberiindeksdanmenyusun case library. • Feedback : langkahinimemberikan feedback terhadapkasus yang dimasukkandalamsistem CBR, sehinggadapatmeningkatkankualitaskasus.

  16. JENIS SISTEM MENERAPKAN PENGETAHUAN 1. TEKNOLOGI HELP DESK Contoh : sistem SMART Compaq yang dikembangkanuntukmendukungdepartemen customer service ketikamenangani user call melalui toll-free number. SMART adalahsistemmengintegrasikan call-tracking dan problem solving, didukungolehratusankasus yang membantumenyelesiakanpermasalahanterkaitproduk Compaq. 2. FAULT DIAGNOSIS/TROUBLESHOOTING SYSTEM Contoh : • Sistem CABER pada Lockheed Martin Corporation yang memilikikemampuanuntukmendiagnosakesalahansistem . • SistemQuickSourcedariCompaq , dijalankanpada Windows, menggunakan 500 kasus diagnosis, digunakan agar customer dapatmendiagnosakesalahan printer Page-Marq.

  17. KETERBATASAN SISTEM MENERAPKAN PENGETAHUAN 1. Keamanan Kasus (case) mungkinmemuatinformasi yang berharga. Sehinggaperusahaanharusmempertimbangkankeamanantermasuk access control sesuaiperanan user dalamorganisasi. 2. Skalabilitas Menjagaskalabilitas, yaitumengurangiangkakejenuhan (saturation) terkaitkasus-kasus yang adapadasistem CBR, contoh: padasistem SQUAD, padaawalnyaangka saturation 3000 kasustiaptahunmenjadi 1000 per tahun. Karenamakinbesarukuran case library, makamembutuhkanskemapengindeksan yang rumit, sehinggadapatmengurangikestabilansistem. 3. Kecepatan Semakinbesarukuran case library , makamenyebabkanbertambahnyabiaya computing dan searching. Sehinggapengembangsistemmenerapkanpengetahuanharusmempertimbangkanpenggunaanindeksuntukmeningkatkankinerjadanwaktu case-retrieval.

More Related