Natural Language Interface to Database

Natural Language Interface to Database

Bahasa alami adalah bahasa yang dipelajari manusia dari lingkungannya yang digunakan untuk berkomunikasi dengan manusia yang lain. Pengertian bahasa alami jika dikaitkan dengan intelegensia semu adalah bahasa yang dibuat oleh manusia untuk berkomunikasi dengan teknologi komputer dengan menggunakan bahasa manusia.

Natural Language Processing (NLP) merupakan suatu formulasi dan investigasi (penelitian) terhadap mekanisme perhitungan yang efektif pada komputer agar dapat berkomunikasi dengan menggunakan bahasa alami mekanisme ini juga melibatkan natural language generation dan understanding. Sebuah arsitektur yang memuat minimal salah satu natural language generator (NLG) maupun Natural Language Understanding (NLU) dapat dikatakan memuat Natural Language Processing. NLP sering dianggap sebagai cabang dari kecerdasan buatan dan bidang kajiannya bersinggungan dengan linguistik komputasional. Apabila pemakai dapat berkomunikasi dengan komputer dengan menggunakan bahasa alami maka terbukti bahwa arsitektur tersebut memiliki Natural Language Processing. Secara teori berbagai arsitektur dapat diterapkan dalam program dengan cara tertentu agar dapat mendukung Natural Language Processing. Hanya dengan adanya potensi secara mengimplementasikan arsitektur yang ada untuk menunjukan bahwa arsitektur tersebut dapat mendukung Natural Language Processing.

Natural Language Interface to Database (NLIDB)

Natural Language Interface to Database merupakan  untuk menerima permintaan dalam bahasa Inggris atau bahasa alam lainnya dan mencoba untuk 'memahami' mereka atau kita dapat mengatakan bahwa Natural Language Interface to Database (NLIDB) adalah sistem yang menerjemahkan kalimat bahasa alami ke dalam query database. Meskipun penelitian awal telah dimulai sejak akhir tahun enam puluhan , NLIDB tetap sebagai masalah penelitian terbuka. Sebuah sistem NLIDB lengkap akan menguntungkan kita dalam banyak cara. Siapapun dapat mengumpulkan informasi dari database dengan menggunakan sistem seperti .Additionally, mungkin mengubah persepsi kita tentang informasi dalam database. Secara tradisional, orang yang digunakan untuk bekerja dengan bentuk harapan mereka sangat tergantung pada kemampuan formulir. NLIDB membuat seluruh pendekatan yang lebih fleksibel, karena itu akan memaksimalkan penggunaan database. Ada banyak aplikasi yang dapat mengambil keuntungan dari NLIDB. Di PDA dan ponsel lingkungan, tampilan layar tidak selebar komputer atau laptop. Mengisi formulir yang memiliki banyak bidang dapat membosankan satu mungkin harus menavigasi melalui layar, untuk menggulir, untuk mencari nilai-nilai kotak scroll, dll Sebaliknya, dengan NLIDB, satu-satunya pekerjaan yang perlu dilakukan adalah dengan mengetikkan pertanyaan serupa dengan SMS (Short Messaging System).

Komponen NLIDB

Komputasi ilmuwan telah membagi masalah akses bahasa alami ke database menjadi dua sub-komponen:

• Komponen Linguistic

• komponen database

-          Komponen linguistik

Hal ini bertanggung jawab untuk menerjemahkan masukan bahasa alami ke dalam query formal dan menghasilkan respon bahasa alami berdasarkan hasil dari database pencarian.

-          Komponen Database

Sebuah leksikon adalah tabel yang digunakan untuk memetakan kata-kata input alami ke objek formal (nama relasi, atribut nama, dll) dari database. Kedua parser dan juru semantik memanfaatkan leksikon. Sebuah generator bahasa alami mengambil tanggapan resmi sebagai masukan, dan memeriksa pohon parsing untuk menghasilkan respon bahasa alami yang memadai. sistem database bahasa alami memanfaatkan pengetahuan sintaksis dan pengetahuan tentang database sebenarnya dalam rangka untuk benar berhubungan masukan bahasa alami dengan struktur dan isi dari database tersebut. pengetahuan sintaksis biasanya berada dalam komponen linguistik dari sistem, khususnya dalam analisa sintaks sedangkan pengetahuan tentang database sebenarnya berada sampai batas tertentu dalam model data semantik digunakan. Pertanyaan yang dimasukkan dalam bahasa alami diterjemahkan ke dalam sebuah pernyataan dalam bahasa query formal. Setelah pernyataan itu jelas terbentuk, query diproses oleh sistem manajemen database untuk menghasilkan data yang dibutuhkan. Data ini kemudian diteruskan kembali ke komponen bahasa alami di mana rutinitas generasi memproduksi versi bahasa permukaan respon.

Contoh

Contoh Antarmuka berbasis bahasa alami:

Instant Messaging (IM) saat ini mengalami perkembangan yang cukup pesat   pada jaringan user, karena kemampuannya mengirimkan pesan secara singkat dan cepat antara pengguna telekomunikasi. IM menjadi perangkat yang sangat penting untuk industridi seluruh dunia. IM digunakan di dalam penjadwalan(scheduling meeting), pertukaran informasi bisnis daninformasi client dan lain-lain. IM telah dikembangkanpada sektor- sektor private atau antar provider sepertiAmerican Online Instant Messenger (AIM), MSN danYahoo. Pada tahun 1998 muncul  protokol IM yangbersifat open source yang terkenal dengan protokol Jabber.

Kekurangan dan Kelebihan NLIDB

Keuntungan

1.  Tidak ada Bahasa Buatan
2.  Sederhana, mudah digunakan
3.  Baik untuk Beberapa Pertanyaan
4.  Toleransi kesalahan
5.  Mudah Digunakan untuk Beberapa Tabel Database
6.  Sudah dibuatnya aplikasi dimobile
7.  Kita dapat mempermudah memahami bahasa alami ke dalam bahasa query    

1.2  Kerugian NLIDB

1. Cakupan linguistik tidak jelas
2. Linguistik vs kegagalan konseptual
3. Harapan palsu
4. Aplikasi yang tidak mudah didapat.

Kesimpulan dan Saran

Kesimpulan :

Natural Language Interface to Database Merupakan sebuah sistem yang digunakan untuk mendapatkan informasi yang tersimpan dalam basis data dengan menggunakan masukan yang menggunakan bahasa alami. sehingga dapat memudahkan pengguna dalam memaksimalkan penggunaan database. Bahasa alami ini dapat meningkatkan pengguna dalam melakukan query fleksibel dalam database

Saran :

Dalam pembuatan atau penerapan aplikasi natural Natural Language Interface to Database sebaiknya atau sangat disarankan menggunakan bahasa yang sangat umum digunakan agar mempermudah user.

Referensi :

https://pdfs.semanticscholar.org/7afb/5e5839242faada92dc50b9f663836ad92691.pdf

http://ijcsi.org/papers/IJCSI-8-2-600-608.pdf

http://ramadhanu-adlian.blogspot.co.id/2016/11/natural-language-interface-to-database.html

http://jurtek.akprind.ac.id/sites/default/files/12-19-Raharjo.pdf

http://www.pendidikanmu.com/2015/04/ragam-dialog-interaksi-manusia-dan-Komputer.html

EXPERT SYSTEM

EXPERT SYSTEM / ES

(Sistem Pakar)

Definisi :

-        Secara umum ES adalah system yang berusaha mengadopsi pengetahuan manusia ke computer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan para ahli.

-        ES tidak untuk menggantikan kedudukan seorang pakar tetapi untuk memasyaratkan pengetahuan dan pengalaman pakar tersebut.

-        ES dikembangkan pertama kali oleh komunitas AI tahun 1960an. ES yang pertama adalah General Purpose Problem Solver (GPS) yang dikembangkan oleh Newel Simon.

Konsep Dasar ES

·        Menurut Efraim Turban, system pakar harus mengandung : keahlian, ahli, pengalihan keahlian, inferensi, aturan dan kemampuan menjelaskan.

·        Keahlian adalah suatu kelebihan penguasan pengetahuan di bidang tertentu yang diperoleh dari pelatihan,membaca atau pengalaman. Bentuk pengetahuan :

o   fakta-fakta pada lingkup permasalahan tertentu

o   teori-teori pada lingkup masalah tertentu

o   prosedur-prosedur berkenaan dengan lingkup masalah tertentu

o   strategi-strategi global untuk menyelesaikan masalah

o   meta-knowledge (pengetahuan tentang pengetahuan)

·        Blok diagram ES

 

-        Knowledge base (basis pengetahuan) berisi pengetahuan-pengetahuan dalam penyelesaian masalah.

o   Domain pengetahuan seorang pakar pada dasarnya adalah spesifik terhadap domain masalah.

-        Inference engine (motor inferensi) bertugas untuk menganalisis pengetahuan dan menarik kesimpulan berdasarkan knowledge base.

-        Ciri-ciri ES :

o   Memiliki fasilitas informasi yang handal

o   Mudah dimodifikasi

o   Dapat digunakan dalam berbagai jenis komputer

o   Memilki kemampuan untuk belajar beradaptasi.

·        Elemen ES

-        User interface (antarmuka) : mekanisme komunikasi antara user dan ES

-        Explanation facility (subsistem Penjelasan) : digunakan untuk melacak respon dan memberikan penjelasan tentang kelakuan sistem pakar secara interaktif

-        Working memory : database global dari fakta yang digunakan dalam prosedur

-        Agenda : daftar prioritas prosedur yang dibuat oleh motor inferensi dan direkam dalam working memory

-        Inference engine (motor inferensi) : program yang berisi metodologi yang digunakan untuk melakukan penalaran terhadap informasi-informasi dalam basis pengetahuan untuk memformulasikan konklusi.

-        Knowledge acquisiton facility : berisi pengetahuan-pengetahuan yang dibutuhkan untuk memahami, memformulasikan dan menyelesaikan masalah.

Contoh Aplikasi Sistem Pakar

1.        Penerapan Sistem pakar dalam Industri / Manufaktur

Manufaktur di definisikan sebagai urutan-urutan kegiatan yang saling berhubungan meliputi perancangan, perencanaan, pemilihan material, produksi, pengontrolan kualitas, menajemen serta pemasaran produk. Proses manufaktur yang penyelesaiannya dapat dibantu oleh system pakar antara lain :

-        Master Production Scheduling Aplication (MPS)

Sistem pakar ini dikembangkan untuk melakukan penjadwalan produksi master untuk manufaktur Integrated Circuit (IC). Master Production Scheduling (MPS) merupakan aktivitas perencanaan yang sangat luas, yang mengatur dan mengkoordinasi fase-fase berurutan proses penjadwalan manufaktur tertentu.

-        Sistem Pakar Dalam Production Planning Dan Production Control Perencanaan produksi dilakukan dalam hal kuantitas, waktu, kapasitas dan biaya pengendalian produksi meliputi penyelesaian pesanan, pengawasan pesanan dan pengamanan kualitas.

Manfaat system pakar dalam proses manufaktur / industry adalaah sebagai berikut :
1)      Meningkatkan produktivitas
2)      Mengambil alih keahlian yang langka
3)      Memudahkan pengoperasian peralatan
4)     Kemampuan bekerja dengan informasi yang tidak pasti dan tidak lengkap

2. Sistem Pakar di bidang Manajerial :

1. Analisis
a) Interpretasi
• Analisa pasar untuk komoditi tertentu
• Identifikasi media iklan yang sesuai
• Identifikasi kebutuhan pelatihan
b) Diagnostik
• Diagnosa kelesuan perusahaan dan usaha penyembuhan
2. Sintesa
o Penarikan tenaga kerja
o Strategi penentuan harga
o Strategi pengembangan produk
3. Integrasi
o Prediksi perkembangan nilai pada bursa saham efek

3.     Sistem Pakar Dalam Bidang Kedokteran

Aplikasi sistem pakar dalam bidang kedokteran yang dibuat dengan proses penelusuran maju (forward chaining) mampu mengenali jenis penyakit pada manusia, terutama jenis penyakit mata. Aplikasi sistem pakar ini dapat menjadi sarana untuk menyimpan pengetahuan tentang penyakit terutama yang berkenaan dengan jenis penyakit mata dari para pakar atau ahlinya. Sistem pakar mampu membantu pasien maupun dokter dalam menyediakan sistem pendukung keputusan dan saran dari pakar.
Pada aplikasi sistem pakar umumnya user akan diminta untuk menjawab pertanyaan sesuai dengan gejala yang dirasakan. Dalam aplikasi ini, user menjawab dengan ya atau tidak. Setelah menjawab beberapa pertanyaan, maka aplikasi akan menghasilkan kesimpulan mengenai jenis penyakit mata yang diderita user. Pada aplikasi sistem pakar lainnya, tidak jarang juga sudah memberikan solusi atau cara penanganan terhadap jenis penyakit yang diderita tersebut.

4.     Sistem Pakar Dalam Bidang Psikologi

Salah satu implementasi yang diterapkan sistem pakar dalam bidang psikologi, yaitu untuk sistem pakar menentukan jenis gangguan perkembangan pada anak. Anak-anak merupakan fase yang paling rentan dan sangat perlu diperhatikan satu demi satu tahapan perkembangannya. Contoh satu bentuk gangguan perkembangan adalah conduct disorder. Conduct disorder adalah satu kelainan perilaku dimana anak sulit membedakan benar salah atau baik dan buruk, sehingga anak merasa tidak bersalah walaupun sudah berbuat kesalahan. Dampaknya akan sangat buruk bagi perkembangan sosial anak tersebut. Oleh karena itu dibangun suatu sistem pakar yang dapat membantu para pakar/psikolog anak untuk menentukan jenis gangguan perkembangan pada anak dengan menggunakan metode Certainty Factor (CF).

5.     Implementasi Sistem Pakar di Bidang Ekonomi

Pada saat sekarang orang awam banyak kurang memahami pasar modal sehingga mereka cenderung menggunakan intuisi daripada analisa dalam berinvestasi. Kondisi ini mengakibatkan mereka harus menghadapi resiko yang tinggi dalam berinvestasi. Untuk meminimumkan resiko tersebut diperlukan suatu alat seperti sistem pakar yang mampu menganalisa sesuai dengan keadaan yang terjadi di pasar modal, sehingga investor menjadi lebih yakin dalam berinvestasi.

-        Mampu mengambil keputusan

-        Langkah-langkah pengambilan keputusan jelas

-        Mudah dikembangkan lebih lanjut

-        Memberikan solusi tepat waktu

-        Menyimpan pengetahuan

6.     Implementasi Sistem Pakar di Bidang Sosial Budaya

-        System pakar bisa memberikan keputusan yang cepat dari masalah-masalah kejiwaan yang dihadapi seseorang tanpa harus didampingi oleh psikolog.

-        System pakar bisa membuat pemikiran psikolog lebih ringan karena segala keputusan bisa diperoleh tanpa harus berpikir lebih mendalam.

7.     Implementasi Sistem Pakar di Bidang Hankam

Bentuk implementasi system pakar di bidang ini antara lain pada radar. Fungsi radar secara umum ialah mendeteksi keberadaan benda di lingkungan dimana radar berada. Jarak jangkauan radar bermacam-macam. Semakin berkembangnya teknologi kemampuan radar semakin canggih. Radar saat ini dapat mendeteksi keberadaan awak yang tidak dikenal, dan menampilkan informasi yang mendukung tentang benda yang ditangkap pada radar.

-        Mmbantu pertahanan sebuah instansi atau bahkan Negara.

-        Membantu dalam sistem keamanan yang terbatas dapat dilakukan oleh manusia.

-        Mengurangi penyalahgunaan alat yang penting .

8.     Implementasi sistem pakar di bidang eksplorasi alam

Aplikasi pengmabilan keputusan berupa resiko-resiko yang dapat terjadi bila melakukan penambangan. Sistem pakar memperhitungkan berapa peluang keberhasilan yang dapat dicapai. Keputusan ini harus sangat akurat dan meliputi seluruh aspek hingga keselamatan warga sekitar. Jangan sampai timbul kesalahan yang disebabkan oleh salah dalam pengambilan keputusan. Lebih baiknya keputusan tingkat pusat tetap dikaji ulang oleh para ahli di bidangnya. Karena terdapat beberapa aspek yang tidak dapat diterapkan pada rule base.

-        Akurasi perhitungan menjadikan kegiatan di bidang ini mendapat keuntungan.

-        Perhitungan yang rumit dapat terselesaikan dengan cepat.

-        Keakuratan perhitungan meminimalisir kesalahan factor manusia.

-         Menghasilkan informasi yang mendukung, sehingga tugas para ahli lebih mudah untuk mengkaji ulang.

9.     Implemetasi Sistem Pakar di Bidang Ilmu Pengetahuan

-        Impementasi sistem pakar di bidang robotika Pada bidang robotika penerapan sistem pakar sangat jelas. Sebagaimana yang kita ketahui selama ini, robot merupaka suatu benda yang dapat bekerja secara otomatis. Baik bekerja berdasarkan program yang sudah diinputkan atau menerima input dalam bentuk sensor (gerak, cahaya, suhu, dll).

-         Tugas manusia semakin ringan.

-         Tugas yang mengancam nyawa dapat diminimalisir dengan memanfaatkan robot.

-        Efisiensi waktu.

-        Membantu rumah tangga.

-        Kemajuan teknologi akan membuat generasi muda untuk berusaha menciptakan robot yang lebih pintar lagi.

Keuntungan ES :

1.         Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli

2.         bisa melakukan proses secara berulang secara otomatis

3.         menyimpan pengetahuan dan keahlian para pakar

4.         meningkatkan output dan produktivitas

5.         meningkatkan kualitas

6.         mampu mengambil dan melestarikankeahlian para pakar

7.         mampu beroperasi dalam lingkungan berbahaya

8.         memiliki kemampuan untuk mengakses pengetahuan

9.         memiliki realibilitas

10.    meningkatkan kapabilitas system computer

11.    memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan mengandung ketidakpastian

12.    sebagai media pelengkap dalam pelatihan

13.    meningkatkan kapabilitas dalam penyelesaian masalah

14.    menghemat waktu dalam pengambilan keputusan

Kelemahan :

1.       biaya yang diperlukan untuk membuat dan memeliharanya sangat mahal

2.       sulit dikembangkan. Hal ini erat kaitannya dengan ketersediaan pakar dalam bidangnya

3.       system pakar tidak 100% bernilai benar

Kesimpulan

Alasan mendasar dikembangkannya sistem pakar adalah untuk menggantikan tugas-tugas dari para ahli digantikan hanya dengan sebuah sistem, tanpa harus seorang ahli atau pakar bekerja di tempat tsb. Sistem pakar atau expert system adalah sistem yang mengandung pengetahuan pakar manusia mengenai suatu bidang yang spesifik. Ada beberapa hal penting yang perlu diperhatikan bahwa, secanggih apapun suatu sistem atau sebesar apapun basis pengetahuan yang dimiliki, tentu saja ada kelemahannya sebagai konsekuensi logis kelemahan manusia sebagai penyusun elemen-elemennya. Bahwa sistem tidak memlliki inisiatif untuk melakukan suatu tindakan diluar dari apa yang telah diprogramkan untuknya, kemungkinan terjadi kesalahan-kesalahan yang tidak disengaja (bugs), ketidak mampuan sistem mengotomasi semua proses atau sekedar mengindera proses tertentu memang menjadi kendala sekaligus tantangan bagi para pengembang IT kedepan

Sumber :

https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=5&ved=0ahUKEwiF7YuFlfbPAhWLNI8KHfcsD3IQFgg7MAQ&url=http%3A%2F%2Fnofita_rismawati.staff.gunadarma.ac.id%2FDownloads%2Ffiles%2F29921%2F2-Pendahuluan%2BES.doc&usg=AFQjCNEs038yqSRplViNL0TQsyJ9_4Xxzg&sig2=hjwuoPiFdFwm8avgTjXa8A&cad=rja

https://naynaimah.wordpress.com/2013/12/29/contoh-sistem-pakar-dan-penerapannya/

http://unique88blogger.blogspot.co.id/2011/03/aplikasi-penerapan-sistem-pakar-dalam.html