Sistem Pengambilan Keputusan

Penyelesaian Tugas Akhir Yang Terlambat




Sistem Pendukung Keputusan 
Penyelesaian Tugas Akhir Yang Terlambat

Latar Belakang


STIKOM Surabaya merupakan sebuah sekolah tinggi yang mengkhususkan pengajarannya pada bidang teknologi dan informasi yang mengharapkan mahasiswa-mahasiswa STIKOM Surabaya dapat menimba ilmu dan menggunakannya semaksimal mungkin untuk kepentingan masyarakat. Mahasiswa akan mendapatkan perkuliahan yang terbaik sebagai ilmu dasar menuju dunia pekerjaan dan di masa akhir studi mahasiswa STIKOM Surabaya akan menempuh Tugas Akhir (TA) yang seringkali menjadi kesulitan bagi mahasiswa STIKOM Surabaya untuk menyelesaikannya.

Tugas Akhir adalah sebuah matakuliah terakhir yang wajib untuk diselesaikan oleh mahasiswa STIKOM Surabaya dalam menyelesaikan secara tuntas studinya di STIKOM Surabaya. Tugas Akhir seringkali menjadi penghambat mahasiswa STIKOM Surabaya dalam menyelesaikan studi mereka karena berbagai masalah seperti sulit menentukan judul, jadwal yang padat sehingga tidak sempat menyelesaikan Tugas Akhir ataupun hambatan-hambatan lainnya. Untuk itu, perlu dibuatkan sebuah sistem pendukung keputusan untuk membantu mahasiswa STIKOM Surabaya dalam menyelesaikan Tugas Akhir mereka dengan cara memberikan solusi yang mampu memecahkan masalah yang dihadapi oleh mahasiswa STIKOM Surabaya dalam hal penyelesaian Tugas Akhir.

Diharapkan dengan adanya sistem pendukung keputusan penyelesaian tugas akhir yang terlambat mahasiswa STIKOM Surabaya dapat menyelesaikan tugas akhirnya tepat waktu sesuai dengan aturan yang telah ditetapkan oleh STIKOM Surabaya.




Manfaat Penelitian


Hasil penelitian ini diharapkan dapat digunakan untuk memberikan solusi tentang penyelesaian tugas akhir yang terlambat bagi mahasiswa STIKOM Surabaya.


Pertemuan 3

Proses Reasoning

Note:

• 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.

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.
   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

   Dalam forward reasoning, proses inferensi dimulai dari seperangkat data yang ada menuju ke kesimpulan. Pada proses ini akan dilakukan pengecekan terhadap setiap rule untuk melihat apakah data yang sedang diobservasi tersebut memenuhi premis dari rule tersebut. Apabila memenuhi, maka rule akan dieksekusi untuk menghasilkan fakta baru yang mungkin akan digunakan oleh rule yang lain. Proses pengecekan rule ini disebut sebagai rule interpretation. Pada sistem berbasis pengetahuan, rule interpretation (interpretasi rule) dilakukan oleh inference engine. Fungsi masing-masing step untuk gambar di atas dijelaskan sebagai berikut:
-  Matching. Pada step ini, setiap rule yang ada pada basis pengetahuan dibandingkan dengan fakta-fakta yang diketahui untuk mencari rule mana yang memenuhi (istilah ’memenuhi’ berarti: situasi, premis, atau antecedent bernilai benar).
-   Conflict Resolution. Pada langkah pertama sangat mungkin dihasilkan suatu kondisi dimana beberapa rule dipenuhi. Conflict Resolution bertugas untuk mencari rule mana yang memiliki prioritas tertinggi yang berpotensi untuk dieksekusi.
-     Execution. Langkah terakhir dari proses forward reasoning adalah eksekusi (firing) dari rule. Proses ini menghasilkan dua kemungkinan, yaitu: fakta baru diturunkan dan ditambahkah fact base atau rule baru dihasilkan dan ditambahkan ke knowledge base
.

Pertemuan 2

Propositional Logic dan Predicate Calculus

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 2.1 sedangkan tabel kebenaran untuk masing-masing operator dapat dilihat pada Tabel 2.2.
Table 2.1: Operator Penghubung
English Name
Connective Name
Symbol

Conjunction
AND

Disjunction
OR

Negation
Not

Material Implication
If-Then

Material equivalence
Equals


Tabel 2.2 : 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). 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.
Hubungan variabel dengan operator penghubung dalam propositional logic dapat diartikan seperti dalam Tabel 2.3 di bawah ini.
Table 2.3: Operator penghubung dan artinya
Operator
Arti
p q

p dan q adalah benar
p dan q keduanya benar
p dan q adalah benar pada saat bersamaan
p∨ q

p atau q adalah benar
p dan/atau q adalah benar paling tidak satu dari p dan p adalah benar
p q
q adalah benar, jika p benar
jika p benar, demikian juga q adalah benar
jika p benar, maka q juga benar dari p mengikuti q
p adalah syarat cukup untuk q
q adalah syarat perlu untuk p
p q
p sama dengan q
p benar-benar benar jika q adalah benar
p hanya benar jika q adalah benar
p adalah syarat cukup dan perlu untuk q
p adalah benar jika dan hanya jika q benar

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.
Ø  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.
Ø  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)
Ø  Operator
Predicate calculus menggunakan operator yang sama seperti operator-operator 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).
Ø  Quantifier
Dalam bagian terdahulu, sebuah obyek atau argumen dapat diwakili oleh sebuah variabel, akan tetapi variabel yag telah dibicarakan hanya mewakili sebuah obyek atau individu atau argumen. Bagaimana representasi dapat dilakukan apabila terdapat beberapa obyek atau dengan kata lain, bagaimana kuantitas dari sebuh obyek dapat dinyatakan
Variabel dapat dikuantitaskan dengan dua cara, yaitu:
-  Ukuran kuantitas universal , yang berarti untuk semua.
-  Ukuran kuantitas eksistensial , yang berarti ada beberapa.

Sumber :
http://blog.stikom.edu/lusiani/files/2011/09/Pakar_21.pdf

Konsep Dasar Sistem Pakar

NIM     : 08.41010.0307
Nama   : Rizky Kurniawan

“Konsep Dasar Sistem Pakar” mencakup beberapa persoalan mendasar, antara lain siapa yang disebut pakar, apa yang dimaksud dengan keahlian, bagaimana keahlian dapat ditransfer, dan bagaimana sistem bekerja.

Pakar adalah orang yang memiliki pengetahuan, penilaian, pengalaman, metode khusus, serta kemampuan untuk menerapkan bakat ini dalam memberi nasihat dan memecahkan masalah. Pakar biasa memiliki beberapa konsep umum. Pertama, harus mampu memecahkan persoalan dan mencapai tingkat performa yang secara signifikan ebih baik dari orang kebanyakan. Kedua, pakar adalah relatif. Pakar pada satu waktu atau satu wilayah mungkin tidak menjadi pakar di waktu atau wilayah lain. Misalnya, mahasiswa kedokteran mungkin disebut pakar dalam penyakit dibanding petugas administrasi, tetapi bukan pakar di rumah sakit terkemuka.

Biasanya pakar manusia mampu melakukan hal berikut :   Mengenali dan merumuskan persoalan, Memecahkan persoalan dengan cepat dan tepat, Menjelaskan solusi tersebut, Belajar dari pengalaman, Menyusun ulang pengetahuan, Membagi-bagi aturan jika diperlukan, Menetapkan relevansi Keahlian adalah pengetahuan ekstensif yang spesifik terhadap tugas yang dimiliki pakar.
Keahlian sering dicapai dari pelatihan, membaca, dan mempraktikkan. Keahlian mencakup pengetahuan eksplisit, misalnya teori yang dipelajari dari buku teks atau kelas, dan pengetahuan implisit yang diperoleh dari pengalaman. Pengembangan sistem pakar dibagi menjadi dua generasi. Kebanyakan sistem pakar generasi pertama menggunakan aturan jika-maka untuk merepresentasikan dan menyimpan pengetahuannya. Sistem pakar generasi kedua jauh lebih fleksibel dalam mengadopsi banyak representasi pengetahuan dan metode pertimbangan.

Pengalihan keahlian dari para ahli ke media elektronik seperti komputer untuk kemudian dialihkan lagi pada orang yang bukan ahli, merupakan tujuan utama dari sistem pakar. Proses ini membutuhkan 4 aktivitas yaitu: tambahan pengetahuan (dari para ahli atau sumber-sumber lainnya), representasi pengetahuan (ke komputer), inferensi pengetahuan, dan pengalihan pengetahuan ke user. Pengetahuan yang disimpan di komputer disebut sebagai basis pengetahuan, yaitu: fakta dan prosedur (biasanya berupa aturan). Salah satu fitur yang harus dimiliki oleh sistem pakar adalah kemampuan untuk menalar. Jika keahlian-keahlian sudah tersimpan sebagai basis pengetahuan dan tersedia program yang mampu mengakses basis data, maka komputer harus dapat diprogram untuk membuat inferensi. Proses inferensi ini dikemas dalam bentuk motor inferensi (inference engine). Dan setiap sub sistem mempunyai sifat dari sistem untuk menjalankan suatu fungsi sistem tertentu dan mempengaruhi proses sistem secara keseluruhan.

Terdapat beberapa alasan bagi suatu perusahaan untuk mengadopsi sistem pakar. Pertama, pakar di suatu perusahaan/instansi bisa pensiun, keluar, atau telah meninggal. Kedua, pengetahuan perlu didokumentasikan atau dianalisis. Ketiga, pendidikan dan pelatihan adalah hal penting tetapi merupakan tugas yang sulit. Sistem pakar memungkinkan pengetahuan ditransfer lebih mudah dengan biaya lebih rendah.