SISTEM INFORMASI BERBASIS PENGETAHUAN
Otomatisasi Kantor (Office Automation)
Otomatisasi
kantor merujuk pada semua alat dan metode yang diterapkan untuk
kegiatan kantor yang memungkinkan untuk proses tertulis, visual, dan
data suara dengan cara dibantu komputer.
Otomatisasi
kantor ini dimaksudkan untuk memberikan unsur-unsur yang memungkinkan
untuk menyederhanakan, memperbaiki, dan otomatis organisasi kegiatan
dari suatu perusahaan atau sekelompok orang (pengelolaan data
administrasi, sinkronisasi pertemuan, dll).
Menimbang
bahwa organisasi perusahaan memerlukan peningkatan komunikasi,
otomatisasi kantor tidak lagi terbatas catatan tulisan tangan untuk
sekedar menangkap. Secara khusus, juga mencakup kegiatan sebagai
berikut:
· Pertukaran informasi
· Pengelolaan dokumen administrasi
· Penanganan data numerik
· Rapat perencanaan dan pengelolaan jadwal kerja
Office suite Tools
The
“office suite” merujuk pada semua program perangkat lunak yang
memungkinkan untuk memenuhi kebutuhan kantor. Secara khusus, sebuah
office suite karena itu mencakup program-program perangkat lunak
berikut:
· pengolah kata
· spreadsheet
· alat presentasi
· database
· scheduler
Office suite utama adalah:
· AppleWorks
· Corel WordPerfect
· IBM / Lotus SmartSuite
· Microsoft Office
· Sun StarOffice
· OpenOffice (freeware)
Sistem Pakar (Expert System)
adalah
program komputer yang berasal dari cabang ilmu komputer yang disebut
penelitian Artificial Intelligence (AI). Tujuan ilmiah AI adalah untuk
memahami kecerdasan dengan membangun program-program komputer yang
memperlihatkan perilaku cerdas. Hal ini berkaitan dengan konsep dan
metode inferensi simbolik, atau penalaran, oleh komputer, dan bagaimana
pengetahuan yang digunakan untuk membuat kesimpulan tersebut akan
diwakili di dalam mesin.
Tentu
saja, istilah kecerdasan meliputi keterampilan kognitif, termasuk
kemampuan untuk memecahkan masalah, belajar, dan memahami bahasa; AI
alamat semua itu. Tapi kemajuan paling hingga saat ini dalam AI telah
dilakukan di daerah pemecahan masalah – konsep dan metode untuk
membangun program yang alasan tentang masalah daripada menghitung
solusi.
AI
program yang mencapai kompetensi tingkat ahli dalam menyelesaikan
masalah di daerah tugas dengan membawa menanggung tubuh pengetahuan
tentang tugas-tugas tertentu disebut sistem berbasis pengetahuan atau
ahli. Seringkali, istilah sistem pakar program yang dicadangkan untuk
basis pengetahuan berisi pengetahuan yang digunakan oleh para ahli
manusia, berbeda dengan pengetahuan yang dikumpulkan dari buku teks atau
non-ahli. Lebih sering daripada tidak, dua istilah, sistem pakar (ES)
dan sistem berbasis pengetahuan (KBS), digunakan secara sinonim. Secara
bersama-sama, mereka mewakili jenis yang paling luas aplikasi AI. Bidang
usaha intelektual manusia yang akan diambil dalam suatu sistem pakar
disebut domain tugas. Tugas mengacu pada beberapa kegiatan, tujuan
berorientasi pemecahan masalah. Domain adalah wilayah di mana tugas yang
sedang dilakukan. tugas-tugas khas adalah diagnosis, perencanaan,
penjadwalan, konfigurasi dan desain. Satu contoh dari suatu domain
tugasnya adalah awak pesawat penjadwalan, yang dibahas di Bab 2.
Membangun
sistem pakar ini dikenal sebagai pengetahuan teknik dan insinyur
pengetahuan praktisi disebut. Insinyur pengetahuan harus memastikan
bahwa komputer memiliki semua pengetahuan yang dibutuhkan untuk
memecahkan masalah. Insinyur pengetahuan harus memilih satu atau lebih
bentuk di mana untuk mewakili pengetahuan yang diperlukan sebagai pola
simbol dalam memori komputer – yaitu, dia (atau dia) harus memilih
representasi pengetahuan. Ia juga harus memastikan bahwa komputer dapat
menggunakan pengetahuan secara efisien dengan memilih dari beberapa
metode penalaran. Praktek pengetahuan teknik dijelaskan kemudian. Kami
pertama-tama menggambarkan komponen-komponen sistem pakar.
The Bangunan Blok Sistem Ahli
Setiap sistem pakar terdiri dari dua bagian utama: basis pengetahuan, dan penalaran, atau inferensi, mesin.
Basis
pengetahuan sistem pakar berisi pengetahuan faktual dan heuristik.
pengetahuan faktual adalah bahwa pengetahuan dari domain tugas yang
banyak berbagi, biasanya ditemukan di buku teks atau jurnal, dan umumnya
disepakati oleh orang-orang berpengetahuan di bidang tertentu.
Heuristik
adalah pengetahuan, kurang ketat lebih pengalaman, pengetahuan lebih
menghakimi kinerja. Berbeda dengan pengetahuan faktual, pengetahuan
heuristik jarang dibahas, dan sangat individualistis. Ini adalah
pengetahuan tentang praktek yang baik, pertimbangan yang baik, dan
penalaran masuk akal di lapangan. Ini adalah pengetahuan yang mendasari
“seni baik menebak.”
representasi
Pengetahuan meresmikan dan mengatur pengetahuan. Salah satu
representasi banyak digunakan adalah aturan produksi, atau hanya aturan.
Aturan terdiri dari sebuah JIKA bagian dan bagian PAPA (juga disebut
kondisi dan tindakan). JIKA bagian daftar serangkaian kondisi di
beberapa kombinasi logis. Potongan pengetahuan diwakili oleh aturan
produksi yang relevan dengan garis penalaran sedang dikembangkan jika
JIKA bagian dari aturan puas, akibatnya, bagian MAKA dapat disimpulkan,
atau tindakan yang diambil pemecahan masalah. Ahli sistem pengetahuan
yang direpresentasikan dalam bentuk aturan disebut sistem berbasis
peraturan.
Representasi
lain yang banyak digunakan, yang disebut unit (juga dikenal sebagai
bingkai, skema, atau struktur daftar) didasarkan pada pandangan yang
lebih pasif pengetahuan. Unit ini merupakan himpunan pengetahuan
simbolik yang berhubungan tentang suatu entitas untuk diwakili.
Biasanya, unit terdiri dari daftar properti dari entitas dan nilai-nilai
terkait untuk properti-properti.
Karena
setiap domain tugas terdiri dari banyak entitas yang berdiri di
berbagai hubungan, properti juga dapat digunakan untuk menentukan
hubungan, dan nilai-nilai sifat ini adalah nama dari unit lain yang
terkait sesuai dengan hubungan. Satu unit juga dapat merupakan
pengetahuan yang merupakan “kasus khusus” dari unit lain, atau beberapa
unit dapat “bagian dari” unit lain.
Model
pemecahan masalah, atau paradigma, mengatur dan mengontrol langkah yang
diambil untuk memecahkan masalah. Satu paradigma umum namun kuat
melibatkan chaining IF-THEN dari aturan-aturan untuk membentuk garis
penalaran. Jika chaining dimulai dari serangkaian kondisi dan bergerak
menuju beberapa kesimpulan, metode ini disebut forward chaining. Jika
kesimpulan dikenal (misalnya, tujuan yang akan dicapai), tetapi jalan
menuju kesimpulan yang tidak diketahui, maka disebut penalaran mundur
untuk, dan metode ini backward chaining. Metode-metode pemecahan masalah
yang dibangun menjadi modul-modul program yang disebut mesin inferensi
atau prosedur inferensi yang memanipulasi dan menggunakan pengetahuan
dalam basis pengetahuan untuk membentuk garis penalaran.
Dasar
pengetahuan seorang ahli menggunakan adalah apa yang ia pelajari di
sekolah, dari rekan, dan dari tahun pengalaman. Agaknya pengalaman lebih
dia, semakin besar tokonya pengetahuan. Pengetahuan memungkinkan dia
untuk menginterpretasikan informasi dalam database untuk keuntungan
dalam diagnosis, desain, dan analisis.
Meskipun
sistem pakar terutama terdiri dari basis pengetahuan dan mesin
inferensi, beberapa fitur lainnya adalah layak disebut: penalaran dengan
ketidakpastian, dan penjelasan garis penalaran.
Pengetahuan
hampir selalu tidak lengkap dan tidak pasti. Untuk berurusan dengan
pengetahuan yang tidak pasti, aturan mungkin terkait dengan itu faktor
keyakinan atau berat. Set metode untuk menggunakan pengetahuan tidak
pasti dalam kombinasi dengan data yang tidak menentu dalam proses
penalaran ini disebut penalaran dengan ketidakpastian. Sebuah subclass
penting dari metode penalaran dengan ketidakpastian yang disebut “logika
fuzzy,” dan sistem yang menggunakan mereka yang dikenal sebagai “sistem
fuzzy.”
Karena
sistem pakar menggunakan pengetahuan pasti atau heuristik (seperti yang
kita manusia lakukan) kredibilitasnya sering dalam pertanyaan (seperti
halnya dengan manusia). Ketika sebuah jawaban untuk masalah
dipertanyakan, kita cenderung ingin tahu dasar pemikiran. Jika alasan
yang tampaknya masuk akal, kita cenderung untuk percaya jawabannya.
Begitu pula dengan sistem pakar. Kebanyakan sistem pakar memiliki
kemampuan untuk menjawab pertanyaan dalam bentuk: “Mengapa jawaban X?”
Penjelasan dapat dihasilkan dengan menelusuri garis penalaran yang
digunakan oleh mesin inferensi (Feigenbaum, McCorduck et al 1988.).
Bahan
yang paling penting dalam sistem pakar adalah pengetahuan. Kekuatan
sistem pakar berada dalam pengetahuan, khusus berkualitas tinggi
mengandung tentang domain tugas. peneliti AI akan terus mengeksplorasi
dan menambah repertoar saat representasi pengetahuan dan metode
penalaran. Namun dalam pengetahuan berada kekuasaan. Karena pentingnya
pengetahuan dalam sistem pakar dan karena metode akuisisi pengetahuan
saat ini lambat dan membosankan, banyak masa depan tergantung pada
sistem pakar memecahkan hambatan akuisisi pengetahuan dan dalam
kodifikasi dan mewakili infrastruktur pengetahuan yang besar.
Pengetahuan teknik
adalah
seni merancang dan membangun sistem pakar, dan insinyur pengetahuan
praktisi. Gerald M. Weinberg mengatakan program dalam The Psychology of
Programming: “‘Programming,’ – seperti ‘mencintai,’ – adalah kata
tunggal yang mencakup suatu ketidakterbatasan kegiatan” (Weinberg 1971).
rekayasa Pengetahuan adalah sama, mungkin lebih begitu. Kami menyatakan
sebelumnya bahwa pengetahuan teknik merupakan bagian penerapan ilmu
kecerdasan buatan yang, pada gilirannya, adalah bagian dari ilmu
komputer. Secara teoritis, kemudian, seorang insinyur pengetahuan adalah
seorang ilmuwan komputer yang tahu bagaimana merancang dan melaksanakan
program yang menggabungkan teknik kecerdasan buatan. Sifat pengetahuan
teknik berubah, bagaimanapun, dan jenis baru insinyur pengetahuan
muncul. Kita akan membahas sifat berkembang pengetahuan teknik kemudian.
Hari
ini ada dua cara untuk membangun sebuah sistem pakar. Mereka dapat
dibangun dari awal, atau dibuat menggunakan bagian dari pengembangan
perangkat lunak yang dikenal sebagai “alat” atau “shell.” Sebelum kita
membahas alat-alat ini, mari kita secara singkat membahas apa insinyur
pengetahuan lakukan. Meskipun berbagai gaya dan metode pengetahuan
teknik ada, pendekatan dasar adalah sama: wawancara pengetahuan insinyur
dan mengamati seorang ahli manusia atau sekelompok ahli dan belajar apa
yang para ahli tahu, dan bagaimana mereka alasan dengan pengetahuan
mereka. Para insinyur kemudian menerjemahkan pengetahuan ke dalam bahasa
komputer yang dapat digunakan, dan desain mesin inferensi, struktur
penalaran, yang menggunakan pengetahuan tepat. Ia juga menentukan
bagaimana untuk mengintegrasikan penggunaan pengetahuan yang tidak
menentu dalam proses penalaran, dan apa macam penjelasan akan berguna
bagi pengguna akhir.
Selanjutnya,
mesin inferensi dan fasilitas untuk mewakili pengetahuan dan untuk
menjelaskan diprogram, dan pengetahuan domain dimasukkan ke dalam
program sepotong demi sepotong. Ini mungkin bahwa mesin inferensi tidak
hanya benar, bentuk representasi pengetahuan adalah aneh untuk jenis
pengetahuan yang dibutuhkan untuk tugas tersebut, dan ahli mungkin
memutuskan potongan-potongan pengetahuan adalah salah. Semua ini
ditemukan dan dimodifikasi sebagai sistem pakar secara bertahap
kompetensi keuntungan.
Penemuan
dan penumpukan penalaran teknik mesin dan representasi pengetahuan
umumnya karya penelitian kecerdasan buatan. Penemuan dan penumpukan
pengetahuan dari domain tugas adalah provinsi dari pakar domain. Domain
pengetahuan terdiri dari kedua pengetahuan, buku pelajaran formal,
pengalaman dan pengetahuan – keahlian dari para ahli.
Tools, Kerang, dan Kerangka
Dibandingkan
dengan variasi luas dalam pengetahuan domain, hanya sejumlah kecil
metode AI diketahui yang berguna dalam sistem pakar. Artinya, saat ini
hanya ada beberapa cara yang untuk mewakili pengetahuan, atau untuk
membuat kesimpulan, atau untuk menghasilkan penjelasan. Dengan demikian,
sistem dapat dibangun yang berisi metode-metode ini berguna tanpa
pengetahuan domain-spesifik. Sistem seperti ini dikenal sebagai sistem
tulang, kerang, atau hanya alat AI.
Membangun
sistem pakar dengan kerang menggunakan menawarkan keuntungan yang
signifikan. Sebuah sistem dapat dibangun untuk melakukan tugas yang unik
dengan memasuki shell semua pengetahuan yang diperlukan tentang domain
tugas. Mesin inferensi yang berlaku pengetahuan untuk tugas di tangan
dibangun masuk ke shell. Jika program ini tidak terlalu rumit dan jika
ahli memiliki beberapa pelatihan dalam penggunaan shell, ahli bisa
memasukkan pengetahuan sendiri.
kerang
komersial Banyak tersedia saat ini, mulai ukuran dari kerang pada PC,
untuk kerang pada workstation, untuk kerang di komputer mainframe besar.
Mereka berkisar harga dari ratusan hingga puluhan ribu dolar, dan
berbagai kompleksitas dari yang sederhana, dirantai ke depan, sistem
berbasis aturan yang membutuhkan dua hari pelatihan bagi mereka begitu
rumit sehingga hanya insinyur pengetahuan yang sangat terlatih dapat
menggunakannya untuk keuntungan. Mulai dari kerang umum bertujuan untuk
kerang disesuaikan dengan kebutuhan ke kelas tugas, seperti perencanaan
keuangan atau kontrol proses real-time.
Meskipun
kerang mempermudah pemrograman, pada umumnya mereka tidak membantu
dengan akuisisi pengetahuan. Pengetahuan akuisisi mengacu pada tugas
menganugrahkan begitu sistem pakar dengan pengetahuan, tugas yang saat
ini dilakukan oleh para insinyur pengetahuan. Pemilihan metode
penalaran, atau shell, adalah penting, tetapi tidak sepenting akumulasi
pengetahuan berkualitas tinggi. Kekuatan sistem pakar terletak di toko
nya pengetahuan tentang domain tugas – pengetahuan lebih sistem
diberikan, semakin kompeten menjadi.
Batu bata dan Mortar
Hipotesis
kerja dasar dari AI adalah bahwa perilaku cerdas dapat tepat
digambarkan sebagai manipulasi simbol dan dapat dimodelkan dengan simbol
kemampuan pemrosesan komputer.
Pada
akhir 1950-an, bahasa pemrograman khusus ditemukan sehingga memudahkan
manipulasi simbol. Yang paling menonjol adalah disebut LISP (LIST
Processing). Karena keanggunan sederhana dan fleksibilitas, kebanyakan
AI program penelitian yang ditulis dalam LISP, tapi aplikasi komersial
sudah pindah dari LISP.
Pada
awal 1970-an bahasa pemrograman lain AI ditemukan di Perancis. Hal ini
disebut PROLOG (pemrograman logika). LISP berakar pada satu bidang
matematika (kalkulus lambda), PROLOG di lain (kalkulus predikat orde
pertama).
PROLOG
terdiri dari laporan Inggris-seperti yang fakta (asersi), aturan (dari
inferensi), dan pertanyaan. Berikut adalah aturan inferensi: “. Jika
objek-x adalah bagian-obyek-y kemudian komponen-objek-y adalah obyek-x”
Program
ditulis dalam PROLOG memiliki perilaku yang mirip dengan sistem
berbasis aturan ditulis dalam LISP. PROLOG, bagaimanapun, tidak segera
menjadi bahasa pilihan untuk programmer AI. Pada awal 1980-an itu
diberikan dorongan dengan pengumuman oleh orang Jepang bahwa mereka akan
menggunakan bahasa logika pemrograman untuk Generasi Kelima Computing
Systems (FGCS) Proyek. Berbagai bahasa pemrograman berbasis logika sudah
ada, dan Prolog istilah telah menjadi generik
Artikel yang bagus.. bener-bener bagus..
BalasHapus