Manajemen Ketidakpastian Sistem Pakar

—Karakteristik umum informasi yang dapat disediakan pada manusia pakar adalah tidak sempurna.

—Informasi bisa tidak lengkap, tidak konsisten, tidak pasti, atau ketiganya.

—Dengan kata lain, informasi sering tidak cocok untuk menyelesaikan masalah.

—Tetapi, pakar dapat mengatasi kelemahan ini dan biasanya dapat membuat koreksi penilaian dan keputusan yang benar.

—Sistem pakar juga mempunyai kemampuan untuk menangani ketidakpastian dan membuat kesimpulan yang benar.

—Apa maksud uncertainty (ketidakpastian) dalam sistem pakar ?

—

— —Uncertainty adalah kurangnya pengetahuan yang dapat membuat kita bisa mencapai kesimpulan yang handal dengan baik [Stephanou and Sage, 1987].

—Logika klasik:

◦IF A is true

◦THEN A is not false

◦

◦IF B is false

◦THEN B is not true

—Sayangnya, masalah di dunia nyata dimana sistem pakar dapat digunakan tidak memfasiltasi kita dengan pemangkasan pengetahuan secara jelas. Informasi yang tersedia sering berisi data yang tidak tepat, tidak lengkap, atau bahkan tidak dapat diukur.

Sumber Pengetahuan yang tidak pasti dalam Sistem Pakar

—Ada 4: weak implications, imprecise language, unknown data, and the difficulty of combining the views of different experts [Bonissone and Tong, 1985]

—weak implications

◦SP seringkali lemah dalam implikasi dan asosiasi yang tidak jelas.

◦Domain pakar dan Perekayasa  pengetahuan sulit membangun korelasi antara IF dan THEN.

◦SP perlu memiliki kemmapuan menangani asosiasi yang tidak jelas: misal dengan menerima tingkat korelasi sebagai faktor kepastian secara numerik.

—imprecise language

◦Bahasa alamiah kita (secara turun temurun) ambigu dan tidak jelas.

◦Misal: perbedaan pendangan mengenai kata “sering”, “jarang”, “biasanya”, dsb.

◦Akibatnya sulit mengekspresikan pengetahuan tersebut secara tepat dalam bentuk aturan produksi IF-THEN.

◦Ray Simpson (1944) mensurvey makna kata-kata tersebut pada 355 sekolah dan mahasiswa untukmenempatkan 20 istilah ketidakpastian pada skala 0 – 100.

◦Hakel (1968) melakukan hal yang sama.

—unknown data

◦Jika data tidak diketahui atau hilang, maka jawabannya adalah “tidak dapat memberikan kesimpulan”

—the difficulty of combining the views of different experts

Sumber Pengetahuan yang tidak pasti dalam Sistem Pakar

—the difficulty of combining the views of different experts

◦Sistem Pakar yang besar biasanya menggabungkan pengetahuan dan keahlian sejumlah pakar.

–Misal: PROSPECTOR ada 9 pakar yang berkontribusi.

◦Sayangnya, pakar jarang mencapai kesimpulan yang sama persis.

◦Mereka biasanya mempunyai pendapat yang berbeda dan menghasilkan aturan yang bertentangan satu sama lain.

◦Untuk mengatasinya, perekayasa pengetahuan biasanya menyertakan bobot masing-masing pakar, kemudian menghitung kesimpulan komposit.

◦Tetapi, seorang pakar umumnya tidak mempunyai tingkat keahlian yang sama dalam wilayah domainnya.

◦Juga tidaka ada metode yang sistematis untuk memperoleh bobot data.

DOWNLOAD