Professional Documents
Culture Documents
Kecerdasan Buatan - Sistem Pakar (Review)
Kecerdasan Buatan - Sistem Pakar (Review)
BUATAN
Sistem pakar
Disusun Oleh :
Indah Aditya ( 1555201061 )
Rian Adi suhendra ( 1555201064 )
Yuki Agustin ( 15552010xx )
Ferry Adrian ( 1555201054 )
Taufik Hidayat ( 1955201025 )
Candra ( 1855201085 )
TEORI
A. Defenisi
Sistem pakar adalah sistem komputer yang mensimulasi kemampuan
pengambilan keputusan seorang ahli manusia, yang bertujuan untuk
memecahkan masalah yang kompleks dengan menalar pengetahuan.
Ia termasuk salah satu cabang penting dari kecerdasan buatan (AI).
Sistem pakar sendiri merupakan suatu program komputer yang
mengandung pengetahuan dari satu atau lebih pengetahuan manusia
mengenai suatu bidang spesifik.
TEORI
B. Sejarah
• Pengembangan Awal
Setelah kebangkitan komputer
modern pada akhir 1940-an - awal
1950-an, para peneliti mulai
menyadari potensi besar yang
dimiliki mesin ini bagi masyarakat
modern. Salah satu tantangan
pertama adalah membuat mesin
seperti tersebut mampu "berpikir"
seperti manusia. Secara khusus,
membuat mesin seperti ini mampu
membuat keputusan penting
seperti yang dilakukan manusia.
TEORI
B. Sejarah
• Pengembangan Awal
Sebagai contoh, peneliti biomedis mulai
menciptakan sistem dengan bantuan
komputer untuk aplikasi diagnostik dalam
kedokteran dan biologi. Sistem diagnostik
awal ini menggunakan gejala pasien dan
hasil tes laboratorium sebagai input
untuk menghasilkan hasil diagnostik.
TEORI
B. Sejarah
• Pengembangan Lanjutan
Pada pengembangan berikutnya, sistem pakar secara bertahap
mulai mengarah pada pendekatan berbasis pengetahuan. Pada
sekitar tahun 1965 sistem pakar secara resmi diperkenalkan oleh
Stanford Heuristic Programming Project yang dipimpin oleh Edward
Feigenbaum, yang juga disebut "bapak sistem pakar".
Kontributor utama pada pengembangan awal lainnya adalah Bruce
Buchanan dan Randall Davis. Para peneliti Stanford mencoba
mengidentifikasi beberapa hal seperti mendiagnosis penyakit
menular (MYCIN) dan mengidentifikasi molekul organik yang tidak
diketahui (Dendral).
Pada akhirnya sistem pakar menjadi beberapa bentuk perangkat
lunak kecerdasan buatan (AI) yang pertama yang benar-benar
berhasil.
TEORI
B. Sejarah
• Pendekatan Saat Ini
Keterbatasan sistem pakar sebelumnya mendesak
para peneliti untuk mengembangkan jenis pendekatan
baru. Mereka mengembangkan pendekatan yang lebih
efisien, fleksibel, dan kuat untuk meniru proses
pengambilan keputusan manusia. Salah satu
pendekatan yang dikembangkan para peneliti adalah
dengan pendekatan penambangan data yaitu
mengolah pengetahuan yang ada menjadi lebih baik
dan dapat menangani sejumlah besar data yang
kompleks atau dikenal dengan Big Data (subjek data
dalam jumlah besar). Kadang-kadang jenis sistem
pakar seperti ini disebut juga dengan "sistem cerdas".
PEMBAHASAN
3. Forward Chaining
• Forward chaining adalah salah satu metode dari sistem pakar yang
mencari atau menelusuri solusi melalui masalah. Dengan kata lain
metode ini melakukan pertimbangan dari fakta - fakta yang kemudian
berujung pada sebuah kesimpulan yang berdasarkan pada fakta - fakta.
Metode ini merupakan kebalikan dari metode backward chaining yang
melakukan pencarian yang berawal dari hipotesis menuju ke Fakta -
fakta untuk mendukung hipotesis tersebut. Pada metode forward
chaining, penjelasan tidak terlalu terlalu terfasilitasi karena subgoals
tidak diketahui secara eksplisit sebelum kesimpulannya
ditemukan.Forward chaining disebut juga bottom - up reasoning atau
• pertimbangan dari bawah ke atas, karena metode ini
mempertimbangkan dari bukti - bukti pada level bawah, fakta - fakta,
menuju ke kesimpulan pada level atas yang berdasarkan pada fakta -
fakta.
METODE
4. Backward Chaining
Backward chaining adalah kebalikan dari forward chaining.
Permasalahan utama dari backward chaining adalah mencari
kaitan antara fakta - fakta yang ada terhadap hipotesa -
hipotesa. Fakta yang ada disebut sebagai bukti atau kesimpulan
dalam metode backward chainining yang mengindikasikan jika
fakta tersebut digunakan untuk mendukung hipotesa, dengan
cara yang sama bukti atau kesimpulan yang dikehendaki
digunakan untuk membuktikan sebuah rule. Secara khusus,
penjelasan menjadi sederhana dalam backward chaining karena
sistem dapat dengan mudah menjelaskan dengan tepat tujuan
yang ingin dicapai
CONTOH KASUS
• Kepanikan merupakan hal yang lumrah, mengingat orangtua baru masih belum
berpengalaman dalam mengurus anak, terutama ketika anak sedang sakit.
Biasanya tindakan yang dilakukan oleh orangtua tersebut adalah langsung
membawa anak untuk ditangani secara medis. Padahal tidak semua gejala sakit
yang diderita anak merupakan gejala penyakit yang butuh penanganan medis
professional. Selain itu waktu ketersediaan layanan medis juga dapat dilihat
sebagai masalah. Jika anak menunjukkan gejala gejala sakit di malam hari, ketika
lewat waktu layanan normal, maka orangtua cenderung panik dan membawa
anak ke Unit Gawat Darurat di rumah sakit terdekat.
CONTOH KASUS
• Rule 1:
IF
Bercak merah = Ya
Malaise = Ya
Demam = Ya
Fotofobia = Ya
Gatal = Ya
Batuk = Ya
Koplik’s Spot = Ya
THEN
Campak;
CONTOH KASUS
• Rule 2:
IF
Bercak merah = Ya
Malaise = Ya
Demam = Ya
Nafsu makan turun = Ya
Anoreksia = Ya
Mual dan muntah = Ya
THEN
Demam berdarah dengue;
CONTOH KASUS
• Rule 3:
IF
Polidipsi = Ya
Poliuri = Ya
Fissura anus = Ya
Susah buang air besar = Ya
Kurang makanan berserat = Ya
THEN
Konstipasi/sembelit;
CONTOH KASUS
CONTOH KASUS
CONTOH KASUS
CONTOH KASUS
Keterangan Keterangan
A Mengi berulang R Koplik’s spot
B Batuk di malam/dini hari S Bercak merah
C Dada terasa tertekan T Gatal
D Sesak napas U Anoreksia
E Bersin-bersin V Mual dan muntah
F Tenggorokan gatal W Hematuria
G Hidung meler X Nyeri kolik
H Sakit kepala Y Berat badan turun
I Demam Z Gangguan emosi (mudah marah)
J Malaise AA Fissure anus
K Batuk AB Susah buang air besar
L Nafsu makan turun AC Lidah kotor
M Icterus AD Poliuri
N Sering kencing AE Polidipsi
O Malas minum AF Kurang makanan berserat
P Mencret AG Epistaksis
Inferred fact AH Petekie
AI Ekomosis di beberapa tempat
AJ Dagu dan dinding perut berlipat
AK Tubuh lebih besar dari anak seumuran
AL Sangat gemuk
Rn Applicable rule