Advance Topic

Sistem yang berusaha mengadopsipengetahuan manusia ke komputeragar komputer dapat menyelesaikan masalah seperti yang dilakukan olehpara ahli

SISTEM PAKAR

User

Antarmuka

Aksi yang direkomendasi

Motor inferensi

• Interpreter• Scheduler

• Consistency

Enforcer

BLACKBOARDRencanaSolusi

AgendaDeskripsi

Penyaring pengetahuan

Basis PengetahuanFakta : Apa yang diketahui tentang area domainAturan : logical referenceFasilitas

penjelasan

Rekayasa pengetahuan

Pengetahuan ahli

Penambahanpengetahuan

Fakta-fakta tentang kejadiankhusus

STRUKTUR SISTEM PAKAR

Lingkungan Konsultasi Lingkungan Pengembangan

Penalaran berbasis aturan (Rule-Based Reasoning)

Penalaran berbasis kasus (Case-Based Reasoning)

BASIS PENGETAHUAN(KNOWLEDGE BASE)

Forward Chaining

Backward Chaining

MOTOR INFERENSI(INFERENCE ENGINE)

Contoh Forward Chaining :

R1 : IF suku bunga turun THEN hargaobligasi naik

R2 : IF suku bunga naik THEN hargaobligasi turun

R3 : IF suku bunga tidak berubahTHEN harga obligasi tidakberubah

R4 : IF dolar naik THEN suku bunga turun

R5 : IF dolar turun THEN suku bunganaik

R6 : IF harga obligasi turun THENbeli obligasi

Diketahui bahwa dolar turun,tentukan apakah akan membeli obligasi atau tidak

dolar turun

suku bunga naik

harga obligasi turun

beli obligasi

R5

R2

R6

Contoh Backward Chaining :

R1 : IF suku bunga turun THEN hargaobligasi naik

R2 : IF suku bunga naik THEN hargaobligasi turun

R3 : IF suku bunga tidak berubahTHEN harga obligasi tidakberubah

R4 : IF dolar naik THEN suku bunga turun

R5 : IF dolar turun THEN suku bunganaik

R6 : IF harga obligasi turun THENbeli obligasi

Diketahui bahwa dolar turun,tentukan apakah akan membeli obligasi atau tidak

dolar turun

suku bunga naik

harga obligasi turun

beli obligasi

R5

R2

R6

Interpretasi : pengawasan, pengenalanucapan, analisis citra, interpretasi sinyal,analisis kecerdasan

Prediksi : peramalan, prediksidemografis, peramalan ekonomi,prediksi lalulintas, estimasi hasil,militer, pemasaran, peramalankeuangan

Diagnosis : medis, elektronis, mekanis, diagnosis perangkatlunak

LINGKUP PERMASALAHANSISTEM PAKAR

Perancangan : layout sirkuit, perancanganbangunan

Perencanaan : perencanaan keuangan,komunikasi, militer, pengembangan produk, routing, manajemen proyek

Monitoring : Computer-AidedMonitoring Systems

Representasi buatan dari otak manusiadengan mensimulasikan prosespembelajaran pada otak manusia

JARINGAN SYARAF TIRUAN

STRUKTUR JARINGAN SYARAF TIRUAN

ΣΣFungsi Aktivasi

Output

bobotbobot

Output keneuron-neuronlain

Input darineuron-neuronlain

Single layer network

Multilayer network

Competitive layer network

ARSITEKTURJARINGAN SYARAF TIRUAN

Single layer network

X1 Y1

Xi

Xm

Yj

Yn

W11

W1j

W1n

Wi1

Wij

Win

Wm1

Wmj

Wmn

Multilayer network

X1

Z1

Xi

Xm

Zp

V11

V1p

W11

Vi1

W1j

Vip

Vm1

W1n

Vmp

Y1

Yj

Yn

Wp1Wpj

Wpn

Competitive layer network

A1

Ai

1-η Am

Aj

1

1 1-η

-η -η

-η

-η

Fungsi threshold (batas ambang)

FUNGSI AKTIVASIJARINGAN SYARAF TIRUAN

axjika

axjikaxf

0

1

axjika

axjikaxf

1

1

Fungsi threshold bipolar

Fungsi sigmoid

xe

xf 1

1

xxf

Fungsi identitas

Pembelajaran terawasi(supervised learning) : Hebb Rule,Perceptron, Delta Rule, Backpropagation,Heteroassociative Memory, BAM, LVQ

Pembelajaran tak terawasi(unsupervised learning) : KohonenSelf-Organizing Maps, ART

PROSES PEMBELAJARANJARINGAN SYARAF TIRUAN