Sistem Pakar (pertemuan 5)

Dependency Diagram

Perancangan dependency diagram adalah langkah pertama yang dilakukan dalam merancang sebuah  knowledge base  dan  rule-rule. Dari  dependency diagram  yang ada, dapat dilihat hubungan antar rule  dan hal apa saja yang perlu ditanyakan ke user untuk memperoleh kesimpulan final.

Dependency diagram didalam sebuah sistem pakar berfungsi untuk menunjukkan hubungan atau ketergantungan antara inputan pertanyaan, rule-rule, nilai-nilai dan rekomendasi yang dibuat oleh prototype sistem berbasis pengetahuan. Dengan depedensi diagram, maka pembuatan sistem pakar menjadi lebih gampang karena menggunakan mode visual. Dan hubungan antar rule dapat dengan jelas terlihat. Dari depedensi diagram didapatkan Decision table yang menjadi acuan dalam pembuatan rule.
 
Langkah-langkah Membangun KBS :

1. Isolasi area bagi KBS
·         Untuk membatasi permasalahan pada sistem pakar yang akan dibangun harus diberikan batasan organisasi dan juga layanan yang dapat diberikan oleh sistem.
 
 
2. Target Keputusan
·         Menentukan status, Reason dan Problem dari KBS yang akan dibuat
 
 
3. Membuat Dependency Diagram (Diagram Ketergantungan)

4. Membuat Tabel Keputusan

 

 

5. Menulis IF-THEN Rule

 

Sistem Pakar (Pertemuan 3 & 4)

Sistem Berbasis Aturan

 

 

Sistem berbasis aturan (rule-based system) menggunakan Modus Ponens sebagai dasar untuk memanipulasi aturan, yaitu:

fakta A benar, dan

operasi A ! B benar,

maka fakta B adalah benar

Jadi dapat disimpulkan bahwa proses penyelesaian masalah pada sistem berbasis aturan adalah menciptakan sederet fakta-fakta baru yang merupakan hasil dari sederetan proses inferensi sehingga membentuk semacam jalur antara definisi masalah menuju pada solusi masalah. Deretan proses inferensi tersebut adalah inference chain.

 

Sebagai contoh, sebuah sistem peramal cuaca dibangun dengan sistem berbasis pengetahuan untuk mengetahui keadaan cuaca pada 12 sampai 24 jam ke depan.

 

RULE 1: IF suhu udara di atas 32oC

THEN cuaca panas

RULE 2: IF cuaca panas

THEN daun kering

RULE 3: IF cuaca panas dan udara kering

THEN sangat mungkin terjadi kebakaran hutan

Jika hanya rule 1 (tanpa rule 2 dan rule 3), sistem berbasis pengetahuan tidak berarti apa2.

Karena itu sebuah sistem berbasis pengetahuan harus terdiri atas sekelompok aturan yang membentuk rangakaian aturan rule chain.

 

Fakta didefisinikan sebagai statemen yang dianggap benar. Contoh:

suhu udara di atas 32oC  dan cuaca panas  adalah fakta.

Maka proses inferensi melihat fakta-fakta dari premis pada Rule 1 dan Rule 2 sebagai dasar untuk menghasilkan fakta baru: Cuaca panas dan Udara kering.

 

Selanjutnya proses inferensi melihat bahwa kedua fakta ini sesuai dengan premis pada Rule 3, maka akan dihasilkan fakta baru lagi:

Sangat mungkin terjadi kebakaran hutan.

Representasi Pengetahuan

Pengetahuan dibedakan menjadi 3 klasifikasi yaitu:

 

• Prodecural Knowledgeadalah pengetahuan yang berkaitan dengan prosedur atau cara untuk melakukan sesuatu. Contohnya, bagaimana cara mendidihkan air dalam panci.
• Declarative Knowledgeadalah pengetahuan untuk dapat menentukan nilai benar dan salah suatu hal. Contohnya, jangan celupkan tangan anda dalam air yang mendidih.
• Tacid Knowledge kadang disebut juga sebagai “unconscious knowledge”, karena pengetahuan tidak dapat diekspresikan atau didefinisikan dengan bahasa. Contohnya, bagaimana menggerakkan tangan.

Pengetahuan adalah hal yang utama dalam sistem pakar.

Representasi Pengetahuan adalah metode yang digunakan untuk mengodekan pengetahuan dalam suatu sistem pakar. Yang dimaksudkan untuk menangkap sifat-sifat penting problema dan membuat informasi itu dapat diakses oleh prosedur pemecahan problema.

 

Model Representasi Pengetahuan

Pengetahuan dapat dipresentasikan dalam bentuk yang sederhana atau kompleks, tergantung dari masalahnya. (Schnupp, 1989)

 Terdapat beberapa model atau bentuk representasi pengetahuan yang telah dikembangkan, yaitu :

 

• Logika
• Jaringan Semantik (Semantic nets)
• Object-Attribute-Value (OAV)
• Bingkai (Frame)
• Aturan Produksi (production rule)

 Logika

 

• Suatu pengkajian ilmiah tentang serangkaian penalaran, sistem kaidah, dan prosedur yang membantu penalaran.
• Komputer harus dapat menggunakan proses penalaran deduktif dan induktif kedalam bentuk yang sesuai dengan manipulasi komputer, yaitu logika simbolik atau matematika.

 Penalaran Deduktif

 

• Bergerak dari penalaran umum menuju ke konklusi khusus.
• Umumnya dimulai dari suatu silogisme
• Atau pernyataan premis dan inferensi

– Premis Mayor

– Premis Minor

– Konklusi

 

Contoh:

 

Premis Mayor : Jika hujan turun saya tidak akan kuliah

Premis Minor : Pagi ini hujan turun

Konklusi : Oleh karena itu pagi ini saya tidak akan kuliah

 Penalaran Induktif

 

• Bergerak dari masalah khusus ke masalah umum.
• Menggunakan sejumlah fakta atau premis yang mantap untuk menarik kesimpulan umum.

Contoh :

 

• Premis : Dioda yang salah menyebabkan peralatan elektronik rusak.
• Premis : Transistor rusak menyebabkan peralatan elektronik rusak.
• Premis : IC rusak menyebabkan peralatan elektronik tidak berfungsi.
• Konklusi : Maka, peralatan semikonduktor merupakan penyebab utama rusaknya peralatan elektronik.

Disebut logika Komputasional

 

• Logika Proposional
• Logika Predikat

Logika Proposional

 

• Proporsisi merupakan suatu statement atau pernyataan yang menyatakan benar (TRUE) atau salah (FALSE).

Logika Predikat

 

• Suatu logika yang lebih canggih yang seluruhnya menggunakan konsep dan kaidah proporsional yang sama.
• Disebut juga kalkulus predikat, yang memberi tambahan kemampuan untuk mempresentasikan pengetahuan dengan cermat dan rinci.

Proses Reasoning

 

             Proses reasoning dari sebuah sistem berbasis aturan adalah tahapan proses mulai dari sekumpulan fakta menuju solusi, jawaban dan kesimpulan.

Terdapat dua macam cara yang dapat digunakan untuk menghasilkan suatu kesimpulan, yaitu:

– Forward Chaining (data driven): kesimpulan dihasilkan dari seperangkat data yang diketahui.

– Backward Chaining (goal driven): memilih beberapa kesimpulan yang mungkin dan mencoba membuktikan kesimpulan tersebut dari bukti-bukti yang ada.

 

Forward Reasoning

             Forward chaining merupakan metode inferensi yang melakukan penalaran dari suatu masalah kepada solusinya. Jika klausa premis sesuai (bernilai TRUE) maka proses akan menyatakan konklusi.
Forward chaining adalah data-driven karena inferensi dimulai dengan informasi yang tersedia dan baru diperoleh konklusi. Jika suatu aplikasi menghasilkan tree yang lebar dan tidak dalam, maka gunakan forward chaining.
Intinya adalah forward chaining adalah dari Data ke Tujuan/goal

Contoh:

A1 = suhu tubuh >= 38 0 C

A2 = batuk

A3 = pilek

A4 = batuk yang terus menerus

A5 = nafas berbunyi

P1 = demam biasa

P2 = batuk biasa

P3 = influensa / infeksi virus

P4 = batuk rejan

P5 = infeksi saluran nafas

 

Kaidah – kaidah pada basis pengetahuan meliputi :

 

R1 = IF A1 THEN P1

R2 = IF A2 THEN P2

R3 = IF P1 AND (P1 OR A3) THEN P3

R4 = IF P3 AND A4 THEN P4

R5 = IF P3 And A5 THEN P5

 

Fakta – fakta yang diperoleh dari unsur adalah demam, batuk, dan batuk tersebut lebih sering di malam hari (A1, A2,A4)

Jelaskan bagaimana sisitem pakar memperoleh kesimpulan jika tehnik inferensi yang digunakan adalah :

Pelacakan yang berawal dari data (forward chaining)

Pelacakan yang berawal dari kesimpulan (backward chaining)

 

Langkah- langkan forward chaining :

 

Langkah1 :

 

A1 , A2 , A4 adalah fakta

Cari fakta baru yang memiliki A1 dan A2 pada sisi JIKA

R1 = IF A1 THEN P1

R2 = IF A2 THEN P2

Fakta baru yang ada P1, P2, A4

 

Langkah 2 :

 

Cari fakta baru yang memiliki P1, P2, A4 pada sisi JIKA

R3 = IF P1 AND (P2 OR A3) THEN P4

Fakta A3 tidak ditemukan, jadi :

R3 = IF P1 AND P2 THEN P3

Fakta baru yang ada P3 dan A4

 

Langkah 3 :

 

Cari fakta baru yang memiliki P3 dan A4 pada sisi JIKA

R4 = IF P3 AND A4 THEN P4

Kesimpulannya P4 atau Batuk Rejan

 

 

Backward Chaining  

               Menggunakan pendekatan goal-driven, dimulai dari harapan apa yang akan terjadi (hipotesis) dan kemudian mencari bukti yang mendukung (atau berlawanan) dengan harapan kita. Sering hal ini memerlukan perumusan dan pengujian hipotesis sementara. Jika suatu aplikasi menghasilkan tree yang sempit dan cukup dalam, maka gunakan backward chaining.

Intinya adalah dari Goal lalu dicari data-datanya.

contohnya kita ambil dari sebelumnya yang sudah saya jelaskan kembali dari pertemuan sebelumnya..^^

namun sekarang penyelesaiannya menggunakan Backward Chaining.

 

Langkah- langkan backward chaining :

Langkah1 :

 

Cari fakta baru yang memiliki P1 dan P2 pada sisi MAKA

R1 = IF A1 THEN P1

R2 = IF A2 THEN P2

Fakta baru yang ada A1 , A2 , A4

 

Langkah 2 :

 

Cari fakta baru yang memiliki P3 pada sisi MAKA

R3 = IF P1 AND (P2 OR A3) THEN P4

Fakta A3 tidak ditemukan, jadi :

R3 = IF P1 AND P2 THEN P3

Fakta baru yang ada P1 dan P2

 

Kesimpulan:

 

Kesimpulannya P4 atau Batuk Rejan

Cari fakta baru yang memiliki P4 pada sisi MAKA

R4 = IF P3 AND A4 THEN P4

Fakta baru yang ditemukan P3 dan A4

 

Sistem Pakar (Pertemuan 2)

Propositional Logic dan Predicate Calculus

1. Propositional Logic

 

Propositional logic merupakan salah satu bentuk (bahasa) representasi logika yang paling tua dan paling sederhana.

• Dengan cara ini beberapa fakta dapat digambarkan dan dimanipulasi dengan menggunakan aturan-aturan aljabar Boolean.

• Propositional logic membentuk statement sederhana atau statement yang kompleks dengan menggunakan propositional connective, dimana mekanisme ini menentukan kebenaran dari sebuah statement kompleks dari nilai kebenaran yang direpresentasikan oleh statement lain yang lebih sederhana.

Beberapa operator penghubung dasar yang seringkali dipakai dalam propositional logic ditunjukkan dalam Tabel Operator Penghubung, sedangkan tabel kebenaran untuk masing-masing operator dapat dilihat pada Tabel Kebenaran

Table Operator Penghubung

 

English Name	Connective	Name Symbol
Conjunction	AND	^
Disjunction	OR	v
Negation	Not	~
Material Implication	If-Then	à
Material equivalence	Equals	↔

Tabel Kebenaran

 

p	q	∼ p	p ∧ q	p ∨ q	p → q	p ↔ q
T	T	F	T	T	T	T
T	F	F	F	T	F	F
F	T	T	F	T	T	F
F	F	T	F	F	T	T

 

Pemahaman antara operator penghubung dan tabel kebenaran dapat dijelaskan dengan menggunakan kalimat sederhana (kecuali operator implikasi material). Misalnya, seseorang sedang memegang dua buah benda, pensil dan penghapus. Lalu orang tersebut mengatakan: “saya sedang memegang pensil dan penghapus”. Maka kita tahu bahwa peryataan tersebut adalah BENAR (TRUE). Jika kemudian orang tersebut mengatakan: “saya sedang memegang pensil dan tinta”, maka kita tahu bahwa pernyataan tersebut SALAH (FALSE). Tetapi jika ia mengubah pernyataan menjadi: “saya sedang memegang pensil atau tinta”, maka pernyataan tersebut adalah BENAR (TRUE).

Satu-satunya kaitan antara operator dan tabel kebenaran yang tidak dapat dijelaskan dengan menggunakan kalimat sederhana adalah implikasi material. Tetapi bukan berarti nilai dari tabel kebenaran tidak benar, karena tabel kebenaran implikasi material telah teruji benar dalam aljabar boolean.

 

Arti Dari Operator Penghubung

Hubungan variabel dengan operator penghubung dalam propositional logic dapat diartikan seperti dalam Tabel di bawah ini.

 

Operator	Arti
p ∧ q	p dan q adalah sahihp dan q keduanya sahihp dan q adalah sahih pada saat bersamaan
p ∨ q	p atau q adalah sahihp dan/atau q adalah sahihpaling tidak satu dari p dan p adalah sahih
p → q	q adalah sahih, jika p sahihjika p sahih, demikian juga q adalah sahihjika p sahih, maka q juga sahihdari p mengikuti q p adalah syarat cukup untuk q q adalah syarat perlu untuk p
p ↔ q	p sama dengan qp benar-benar sahih jika q adalah sahihp hanya sahih jika q adalah sahihp adalah syarat cukup dan perlu untuk q p adalah sahih jika dan hanya jika q sahih

 

1.2 Predicate Calculus

• Kalkulus predikat, disebut juga logika predikat memberi tambahan kemampuan untuk merepresentasikan pengetahuan dengan lebih cermat dan rinci.

 

• Istilah kalkulus disini berbeda dengan istilah kalkulus dalam bidang matematika.

 

• Suatu proposisi atau premis dibagi menjadi dua bagian, yaitu ARGUMEN (atau objek) dan PREDIKAT (keterangan).

 

• Argumen adalah individu atau objek yang membuat keterangan.

 

• Predikat adalah keterangan yang membuat argumen dan predikat.

 

• Dalam suatu kalimat, predikat bisa berupa kata kerja atau bagian kata kerja.

 

• Representasi pengetahuan dengan menggunakan predicate calculus merupakan dasar bagi penulisan bahasa pemrograman PROLOG.

Misalnya sebuah proposisi:

 

Rumput berwarna hijau.

Dapat dinyatakan dalam bentuk predicate calculus:

berwarna(rumput, hijau)

Seperti terlihat dalam contoh di atas, dengan menggunakan predicate calculus statemen/kalimat yang lebih kompleks dapat direpresentasikan lebih baik daripada menggunakan propositional logic.

Beberapa contoh lain:

Proposition : Manusia menjelajah Mars

Predicate calculus : Jelajah(manusia, mars)

Proposition : Jono menyukai Rebeca

Predicate calculus : suka(jono, rebeca)

Proposition : Rebeca cantik

Predicate calculus : cantik(rebeca)

 

1.2.1 Variabel

 

• Dalam predicate calculus huruf dapat digunakan untuk menggantikan argumen.

• Simbol-simbol juga bisa digunakan untuk merancang beberapa objek atau individu.

Contoh: x = Jono, y = Rebeca, maka pernyataan

Jono menyukai Rebeca dapat ditulis dalam bentuk predicate

calculus: suka(x,y).

• Dalam beberapa hal variabel dibutuhkan agar pengetahuan dapat diekspresikan dalam kalkulus predikat sehingga nantinya dapat dimanipulasi dengan mudah dalam proses inferensi.

 

1.2.2 Fungsi

 

• Predicate calculus memperbolehkan penggunaan simbol untuk mewakili fungsi-fungsi.

Contoh: ayah(Jono)=Santoso, ibu(Rebeca)=Rini.

• Fungsi juga dapat digunakan bersamaan dengan predikat.

Contoh:

teman(ayah(Jono),ibu(Rebeca)) = teman(Santoso,Rini)

 

1.2.3 Operator

 

Predicate calculus menggunakan operator yang sama seperti operatoroperator yang berlaku pada propositional logic.

Contoh:

 

Diketahui dua buah statement sebagai berikut:

suka(Jono,Rebeca)

suka(Dani,Rebeca)

Pada 2 predikat diatas, terdapat dua orang menyukai Rebeca. Untuk memberikan pernyataan adanya kecemburuan di antara mereka, maka:

Jika suka(x,y) AND suka(z,y), maka TIDAK suka(x,z).

atau

suka(x,y) ∧ suka(z,y) → ∼ suka(x,z)

 

Dalam predicate calculus di atas, pengetahuan yang tersirat adalah :

Jika dua orang pria menyukai wanita yang sama, maka kedua pria itu pasti tidak saling suka (saling membenci).

 

Sistem Pakar (Pertemuan 1)

Definisi

Sistem pakar adalah suatu program komputer yang dirancang untuk mengambil keputusan seperti keputusan yang diambil oleh seorang atau beberapa orang pakar. Menurut Marimin (1992), sistem pakar adalah sistem perangkat lunak komputer yang menggunakan ilmu, fakta, dan teknik berpikir dalam pengambilan keputusan untuk menyelesaikan masalah-masalah yang biasanya hanya dapat diselesaikan oleh tenaga ahli dalam bidang yang bersangkutan.

Dalam penyusunannya, sistem pakar mengkombinasikan kaidah-kaidah penarikan kesimpulan (inference rules) dengan basis pengetahuan tertentu yang diberikan oleh satu atau lebih pakar dalam bidang tertentu. Kombinasi dari kedua hal tersebut disimpan dalam komputer, yang selanjutnya digunakan dalam proses pengambilan keputusan untuk penyelesaian masalah tertentu.

 

Modul Penyusun Sistem Pakar
Suatu sistem pakar disusun oleh tiga modul utama (Staugaard, 1987), yaitu :

1. Modul Penerimaan Pengetahuan Knowledge Acquisition Mode)

Sistem berada pada modul ini, pada saat ia menerima pengetahuan dari pakar. Proses mengumpulkan pengetahuan-pengetahuan yang akan digunakan untuk pengembangan sistem, dilakukan dengan bantuan knowledge engineer. Peran knowledge engineer adalah sebagai penghubung antara suatu sistem pakar dengan pakarnya

2. ModulKonsultasi(ConsultationMode)

Pada saat sistem berada pada posisi memberikan jawaban atas permasalahan yang diajukan oleh user, sistem pakar berada dalam modul konsultasi. Pada modul ini, user berinteraksi dengan sistem dengan menjawab pertanyaan-pertanyaan yang diajukan oleh sistem.

3. Modul Penjelasan(Explanation Mode)

Modul ini menjelaskan proses pengambilan keputusan oleh sistem (bagaimana suatu keputusan dapat diperoleh).

 

Struktur Sistem Pakar
Komponen utama pada struktur sistem pakar (Hu et al, 1987) meliputi:

1. Basis Pengetahuan (Knowledge Base)
   Basis pengetahuan merupakan inti dari suatu sistem pakar, yaitu berupa representasi pengetahuan dari pakar. Basis pengetahuan tersusun atas fakta dan kaidah. Fakta adalah informasi tentang objek, peristiwa, atau situasi. Kaidah adalah cara untuk membangkitkan suatu fakta baru dari fakta yang sudah diketahui. Menurut Gondran (1986) dalam Utami (2002), basis pengetahuan merupakan representasi dari seorang pakar, yang kemudian dapat dimasukkan kedalam bahasa pemrograman khusus untuk kecerdasan buatan (misalnya PROLOG atau LISP) atau shell sistem pakar (misalnya EXSYS, PC-PLUS, CRYSTAL, dsb.)

2. Mesin Inferensi (Inference Engine)
   Mesin inferensi berperan sebagai otak dari sistem pakar. Mesin inferensi berfungsi untuk memandu proses penalaran terhadap suatu kondisi, berdasarkan pada basis pengetahuan yang tersedia. Di dalam mesin inferensi terjadi proses untuk memanipulasi dan mengarahkan kaidah, model, dan fakta yang disimpan dalam basis pengetahuan dalam rangka mencapai solusi atau kesimpulan. Dalam prosesnya, mesin inferensi menggunakan strategi penalaran dan strategi pengendalian.
   Strategi penalaran terdiri dari strategi penalaran pasti (Exact Reasoning) dan strategi penalaran tak pasti (Inexact Reasoning). Exact reasoning akan dilakukan jika semua data yang dibutuhkan untuk menarik suatu kesimpulan tersedia, sedangkan inexact reasoning dilakukan pada keadaan sebaliknya.
   Strategi pengendalian berfungsi sebagai panduan arah dalam melakukan prose penalaran. Terdapat tiga tehnik pengendalian yang sering digunakan, yaitu forward chaining, backward chaining, dan gabungan dari kedua tehnik pengendalian tersebut.

3. Basis Data (Database)
   Basis data terdiri atas semua fakta yang diperlukan, dimana fakta-fakta tersebut digunakan untuk memenuhi kondisi dari kaidah-kaidah dalam sistem. Basis data menyimpan semua fakta, baik fakta awal pada saat sistem mulai beroperasi, maupun fakta-fakta yang diperoleh pada saat proses penarikan kesimpulan sedang dilaksanakan. Basis data digunakan untuk menyimpan data hasil observasi dan data lain yang dibutuhkan selama pemrosesan.

4. Antarmuka Pemakai (User Interface)
   Fasilitas ini digunakan sebagai perantara komunikasi antara pemakai dengan sistem. Hubungan antar komponen penyusun struktur sistem pakar dapat dilihat pada Gambar di bawah ini :

Teknik 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. Teknik ini membantu knowledge engineer dalam memahami struktur pengetahuan yang akan dibuat sistem pakarnya.
Terdapat beberapa teknik representasi pengetahuan yang biasa digunakan dalam pengembangan suatu sistem pakar, yaitu :

1. Rule-Based Knowledge

Pengetahuan direpresentasikan dalam suatu bentuk fakta (facts) dan aturan (rules). Bentuk representasi ini terdiri atas premise dan kesimpulan

 

2. Frame-Based Knowledge
Pengetahuan direpresentasikan dalam suatu bentuk hirarki atau jaringan frame

4. Object-Based Knowledge
   Pengetahuan direpresentasikan sebagai jaringan dari obyek-obyek. Obyek adalah elemen data yang terdiri dari data dan metoda (proses)

5. Case-Base Reasoning
   Pengetahuan direpresentasikan dalam bentuk kesimpulan kasus (cases)

(Untuk mengetahui lebih jelasnya, Anda dapat membaca buku :

• Management Information System (J.A. O’Brien)
  McGraw Hill. Arizona.USA.
• Decision Support and Expert Systems; Management Support Systems (E. Turban)
  Prentice Hall. New Jersey.USA.

 

Buku-buku lain yang membahas tentang Sistem Pakar)

 

Sistem pakar adalah sistem yang mempekerjakan pengetahuan manusia yang ditangkap dalam komputer untuk memecahkan masalah yang biasanya membutuhkan keahlian manusia. Adapun komponen-kompenen yang mungkin ada dalam sebuah sistem pakar adalah:

1. Subsistem akuisisi pengetahuan

2. Basis pengetahuan

Basis pengetahuan berisi pengetahuan penting untuk pengertian, formulasi dan pemecahan masalah. Basis pengetahuan memasukkan dua elemen (1) fakta (facts) seperti situasi masalah dan teori dari area masalah dan (2) heuristic khusus atau rule-rule yang menghubungkan penggunaan pengetahuan untuk pemecahan masalah spesifik dalam sebuah domain khusus. Informasi dalam basis pengetahuan tergabung dalam basis pengetahuan tergabung dalam sebuah program komputer oleh proses yang disebut dengan representasi pengetahuan.

3. Mesin inferensi

4. Blackboard (Wilayah kerja)

5. User interface

Sistem pakar berisi bahasa prosesor untuk komunikasi yang bersahabat, berorientasi pada masalah antara pengguna dan komputer. Komunikasi ini dapat secara baik dibawa oleh natural language, dan dalam beberapa kasus user interface ditambahkan dengan menu-menu dan grafik.

6. Sub Sistem Penjelasan

7. Sistem Penyaringan Pengetahuan

Sedangkan konsep dasar dalam sistem pakar menurut Turban, 1993 adalah:

1. Keahlian (expertise)

2. Pakar (expert)

3. Transfer Keahlian

4. Inferensi

5. Rule

6. Kemampuan Memberikan Alasan

 

Akuisisi Pengetahuan

Akuisisi pengetahuan adalah akumulasi, transfer dan transformasi dari keahlian pemecahan masalah dari beberapa sumber pengetahuan ke program komputer untuk konstruksi atau perluasan basis pengetahuan. Sumber-sumber pengetahuan potensial termasuk pakar manusia, textbook, database, laporan penelitian khusus, dan gambar-gambar.

Pengakuisisian pengetahuan dari pakar adalah tugas kompleks yang sering membuat kemacetan dalam konstruksi sistem pakar sehingga dibutuhkan seorang knowledge engineer untuk berinteraksi dengan satu atau lebih pakar dalam membangun basis pengetahuan.