Learning From Data

HERLAN -

Group B (ES, CR, DW)

  • Experts Systems (ES)
  • Case-Based Reasoning (CR)
  • Data Warehousing (DW)
  1. Expert System (ES)

Sistem pakar (expert system) adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli, dan sistem pakar yang baik dirancang agar dapat menyelesaikan suatu permasalahan tertentu dengan meniru kerja dari para ahli (Kusumadewi, 2003:109). Pakar yang dimaksud disini adalah orang yang mempunyai keahlian khusus yang dapat menyelesaikan masalah yang tidak dapat diselesaikan orang awam. Contohnya dokter, mekanik, psikolog, dan lain-lain.

Gambar 1.  Contoh penerapan system pakar

Sistem pakar (expert system) sendiri merupakan paket perangkat lunak atau paket program komputer yang ditujukan sebagai penyedia nasihat dan sarana bantu dalam memecahkan masalah di bidang-bidang spesialisasi tertentu seperti sains, perekayasaan, matematika, kedokteran, pendidikan dan sebagainya. Sistem pakar merupakan merupakan subset dari Artificial Intelegence (Arhami, 2005).

Terdapat berbagai jenis sistem pakar yaitu:

  • Interpretasi: Membuat kesimpulan atau deskripsi dari sekumpulan data mentah. Pengambilan keputusan dari hasil observasi, termasuk pengenalan ucapan, analisis citra, interpretasi sinyal, dll.
  • Prediksi: Memproyeksikan akibat-akibat yang dimungkinkan dari situasi-situasi tertentu.

Contoh: prediksi demografi, prediksi ekonomi, dll.

  • Diagnosis: Menentukan sebab malfungsi dalam situasi kompleks yang didasarkan pada gejala-gejala yang teramati diagnosis medis, elektronis, mekanis, dll.
  • Perancangan (desain): Menentukan konfigurasi komponen-komponen sistem yang cocok dengan tujuan-tujuan kinerja tertentu yang memenuhi kendala-kendala tertentu.

Contoh: perancangan layout sirkuit, bangunan.

  • Perencanaan: Merencanakan serangkaian tindakan yang akan dapat mencapai sejumlah tujuan dengan kondisi awal tertentu.

Contoh: perencanaan keuangan, militer, dll.

  • Monitoring: Membandingkan hasil pengamatan dengan kondisi yang diharapkan. Contoh: computer aided monitoring system.
  • Debugging: Menentukan dan menginterpretasikan cara-cara untuk mengatasi malfungsi.

Contoh: memberikan resep obat terhadap kegagalan.

  • Instruksi: Mendeteksi dan mengoreksi defisiensi dalam pemahaman domain subjek. Contoh: Melakukan instruksi untuk diagnosis dan debugging.
  • Kontrol: Mengatur tingkah laku suatu environment yang kompleks.

Contoh: melakukan kontrol terhadap interpretasi, prediksi, perbaikan dan monitoring kelakukan sistem.

Sistem Pakar terdiri dari 4 bagian yaitu:

  1. User Interface

User interface digunakan manajer untuk memasukkan instruksi dan informasi dari sistem.

Metode input yang digunakan oleh manajer yaitu:

  • Menu
  • Command
  • Natural Language

Output Expert System memakai 2 bentuk penjelasan (explanation):

  • Explanation of Question
  • Explanation of Problem Solution
  • Knowledge Base

Knowledge base terdiri dari fakta yang menggambarkan problem domain dan juga teknik penyajian yang menggunakan fakta sesuai logika.

Aturan(rules) merupakan rincian dalam situasi yang tidak berubah: Kondisi benar dan tidak benar, tindakan yang diambil bila kondisi benar

  • Interface Engine

Inference Engine merupakan bagian dari Expert System yang membentuk Reasoning dengan menggunakan isi dari knowledge base dalam urutan tertentu.

Dua metode yang digunakan dalam Expert System untuk mengamati Rules, yaitu:

  • Penalaran ke depan (Forward) atau Forward Chaining.
  • Penalaran ke Belakang (Revierse) atau Backward Chaining.
  • Development Engine

Development Engine membangun Rule Set dengan pendekatan :

  • Bahasa Pemrograman (Programming Language).
  • Bagian Expert System (Expert System Shell)

Sistem pakar dalam bidang kuliner dapat dimanfaatkan untuk pemilihan menu makanan berdasarkan penyakit dan golongan darah

Gambar 2. Contoh system pakar dalam bidang kuliner

  • Case-Based Reasoning (CR)

Case based reasoning method adalah salah satu metode yang digunakan untuk membuat sebuah system dengan cara pengambilan keputusan dari kasus baru berdasarkan solusi dari kasus-kasus lampau yang pernah terjadi. Konsep case based reasoning ini ditemukan bermula dari ide untuk menggunakan pengalaman-pengalaman dari kasus lampau yang pernah terjadi, lalu pengalaman itu digunakan untuk menyelesaikan kasus-kasus yang baru. Kebayakan para decision maker menggunakan pengalaman mereka dalam menyelesaikan masalah lampau, lalu digunakan kembali untuk menyelesaikan masalah yang mereka hadapi saat ini.

Di dalam Case Based Reasoning kita dapat memperluas pengetahuannya dengan cara memasukkan pengalaman yang baru ke dalam memori/basis data untuk digunakan memecahkan masalah baru di masa yang datang. Perkembangan Case Based Reasoning dipengaruhi oleh hasil-hasil penelitian di dalam bidang ilmu kognitif. Case Based Reasoning yang saat ini berdasarkan pada penelitian tentang peranan memori dalam pengetahuan atau Memory Organizing Packets (MOPs). MOPs berfungsi untuk mengatur urutan peristiwa, MOPs mengatur urutan peristiwa secara tunggal yang disebut dengan “ingatan” dan ingatan inilah yang akan berdominasi dalam melakukan interpretasi dan penyelesaian masalah.

Sistem CBR melingkupi mekanisme penalaran dan aspek internal, meliputi:

  • Spesifikasi masukan atau kasus dari sebuah permasalahan
  • Solusi permasalahan yang diharapkan sebagai pengeluaran
  • Kasus-kasus sebelumnya yang telah tersimpan akan dijadikan sebagai rujukan dari mekanisme penalaran

Case Based Reasoning menggunakan pendekatan kecerdasan buatan (artificial intelligent) yang mengutamakan pemecahan masalah dengan berdasarkan pada pengetahuan dari kasus-kasus sebelumnya, apabila ada kasus yang baru maka kasus tersebut akan tersimpan pada basis pengetahuan sehingga sistem akan melakukan pembelajaran dan pengetahuan terhadap kasus-kasus sebelumnya yang dimiliki. Secara umum ada 4 langkah dalam case based reasoning:

Gambar 3. Tahapan CBR

  1. Retrieve ( Memperoleh kembali )

Pada proses Retrieve ini kita mendapatkan kembali kasus yang sama atau yang mirip dengan kasus baru yang baru kita temui. Dalam proses ini, tahapan yang dapat kita lakukan adalah identifikasi masalah, memulai pencocokan, dan seleksi.

  • Reuse ( Menggunakan kembali )

Pada proses Reuse ini, sistem akan melakukan pencarian masalah pada database melalui identifikasi masalah baru. Setelah itu, sistem akan menggunakan kembali informasi permasalahan yang pernah terjadi tersebut yang memiliki kesamaan untuk menyelesaikan permasalahan yang baru. Proses Reuse dipusatkan pada dua aspek. Pertama, perbedaan antara kasus sebelumnya dengan kasus sekarang. Kedua, bagian dari kasus yang lama yang sudah diperoleh akan dikirimkan menjadi kasus baru. Ada dua cara yang dapat dugunakan untuk melakukan reuse kasus yang sudah ada. Pertama, Reuse solusi (transformational reuse), Kedua, Reuse yang dapat membuat solusi (derivational reuse).

  • Revise ( Meninjau kembali / memperbaiki )

Pada proses Reviese ini akan dilakukan tinjauan kembali/memperbaiki solusi-solusi yang sudah didapat pada masalah tersebut. Ada dua tugas pokok dari tahapan Revise ini, di proses ini solusi yang sudah diperoleh dari proses Rause akan dievaluasi kembali. Jika berhasil, maka akan langsung dilanjutkan ke proses selanjutnya yaitu proses retain. Jika tidak, sistem akan memperbaiki lagi solusi kasus yang diperoleh dari proses retain dengan menggunakan domain spesifik pengetahuan.

  • Retain ( Menyimpan )

Pada proses Retain, bisa dibilang proses ini adalah yang terakhir di dalam system Case Based Reasoning. Di dalam proses system ini akan menyimpan permasalahan yang baru lalu dimasukan ke dalam basis pengetahuan, setelah itu akan digunakan untuk menyelesaikan permasalahan yang akan datang.

Di dalam proses Case Based Reasoning, ada salah satu tahapan yang paling penting dalam proses penyelesaian masalah ini, yaitu proses pengambilan kasus (case retrieval). Sejak zama dahulu sudah banyak peneliti yang memfokuskan di tahapan ini (Pengambilan Keputusan). Di dalam proses pengambilan keputusan, persamaan antara kasus satu dan kasus lain dijadikan sebagai dasar dalam pengambilan sebuah kasus di dalam basis kasus. Semakin besar persamaan yang dimiliki oleh suatu kasus dengan kasus yang baru di dalam basis kasus, maka memungkinkannya solusi yang terdapat pada kasus tersebut bisa digunakan untuk menyelesaikan masalah di dalam kasus yang baru.

Case-Based Reasoning dalam bidang kuliner dapat dimanfaatkan untuk pemilihan resep makan berdasarkan bahan yang dimiliki.

Gambar 4.  Contoh penerapan CBR dalam bidang kuliner

  • Data Warehousing

Data warehouse adalah suatu sistem komputer untuk mengarsipkan dan menganalisis data historis suatu organisasi seperti data penjualan, gaji, dan informasi lain dari operasi harian. Pada umumnya suatu organisasi menyalin informasi dari sistem operasionalnya (seperti penjualan dan SDM) ke gudang data menurut jadwal teratur, misalnya setiap malam atau setiap akhir minggu. Setelah itu, manajemen dapat melakukan kueri kompleks dan analisis (contohnya penambangan data, data mining) terhadap informasi tersebut tanpa membebani sistem yang operasional.

Gambar 5. Bagan data warehousing

Sistem basis data ini memiliki karakteristik yang membuatnya berbeda dengan basis data yang lainnya. Terdapat 4 karakteristik yang menjadi ciri khas dari basis data ini, yaitu:

  • Berorientasi kepada subjek
  • Data yang dimiliki terintegrasi
  • Data yang disimpan bersifat tetap
  • Dibuat dalam rentang waktu tertentu

Penerapan data warehousing pada bidang kuliner yaitu dapat digunakan untuk:

  • Data penyimpanan stok bahan
  • Data pendistribusian makanan (supply chain)

Gambar 6. Contoh Supply Chain pasok makanan

Referensi :

Unknown's avatar

Published by HERLAN -

Leave a comment