P. 1
Sistem Berbasis Pengetahuan (Metode Inferensi)

Sistem Berbasis Pengetahuan (Metode Inferensi)

|Views: 1,464|Likes:
Published by Herawati Hasan

More info:

Published by: Herawati Hasan on Nov 12, 2010
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOCX, PDF, TXT or read online from Scribd
See more
See less

03/10/2013

pdf

text

original

METODE INFEREN SI

SISTEM BERBASIS PENGETAHUAN
Kelompok 1 : 1. Andri Yudhistira ( 10108222 ) 2. Antoni Ripassa ( 10108273 ) 3. Ari Yusmandanita ( 10108299 ) 4. Hendra Kurniawan ( 12108428 ) 5. Herawati (10108959) 6. Indra Mochammad Yusuf ( 11108020 ) 7. Jaka Husen ( 11108055 ) 8. Karina Almisaning Dyah ( 11108099 ) 9. Siti Rahayu Kurniawati ( 11108852 ) 10.Sulimah ( 11108883 ) 11.Yayan Sopiyan ( 12108072 ) 3KA14 Dosen : Essy Mays Sari Sakti

UNIVERSITAS GUNADARMA 2010

Sistem Berbasis Pengetahuan

Metode Inferensi
SISTEM BERBASIS PENGETAHUAN
METODE INFERENSI / KESIMPULAN
Dalam bab ini kita akan membahas beberapa metode pemikiran atau inferensi. Bab ini penting dalam expert system (sistem pakar) karena pemberian alasan merupakan teknik yang umum dimana expert system memecahkan suatu masalah. Expert system pada umumnya digunakan jika algoritma yang tidak memadai atau tidak ada pemecahan algoritma yang muncul dan pemberian alasan menawarkan kemungkinan pemecahannya. Inferensi merupakan suatu proses untuk menghasilkan informasi dari fakta yang diketahui. Inferensi adalah konklusi logis atau implikasi berdasarkan informasi yang tersedia. Dalam sistem pakar, proses inferensi dialakukan dalam suatu modul yang disebut inference engine. Ketika representasi pengetahaun pada bagian knowledge base telah lengkap, atau paling tidak telah berada pada level yang cukup akurat, maka representasi pengetahuan tersebut telah siap digunakan. 1. TREES. LATTICE dan GRAPH Tree (pohon) adalah suatu hierarki struktur yang terdiri dari Node (simpul/veteks) yang menyimpan informasi atau pengetahuan dan cabang (link/edge) yang menghubungkan node. Binary tree mempunyai 0,1 atau 2 cabang per-node. ○ Node tertinggi disebut root ○ Node terendah disebut daun
Akar Node Cabang Node Level 1 Level 2 Level 3 Level 4 Daun

Tree merupakan tipe khusus dari jaringan semantic, yang setiap nodenya kecuali akar, mempunyai satu node orang tua dan mempunyai nol atau lebih node Sistem Berbasis Pengetahuan

anak. Tree adalah kasus khusus dalam Graph. Graph dapat mempunyai nol atau lebih link di antara node dan tidak ada perbedaan antara orangtua dan anak. Dalam graph, link dapat ditunjukkan berupa panah atau arah yang memadukan node dan bobot yang merupakan karakteristik beberapa aspek dari link. Beberapa contoh graph sederhana:
A B D

C E (a) Graph tidak terhubung A B

(b) Graph terhubung

C (c) Digraph dgn loop pada diri sendiri dan sirkuit terhubung

(d) Lattice

(e) Degenerate binary tree dari tiga node

Note : – Graph asiklik adalah graph yang tidak mengandung siklus. – Graph dengan link berarah disebut digraph. – Graph asiklik berarah disebut lattice. – Tree yang hanya dengan path tunggal dari akar untuk satu daun disebut degenerate tree. – Aplikasi tree dan lattice adalah pembuatan keputusan disebut decision tree dan decision lattice. – Contoh : decision tree yang menunjukkan pengetahuan tentang hewan.
Apakah dia bertubuh besar ? T Apakah dia mencicit ? T tupai Y tikus Y Apakah dia mempunyai leher panjang ? T Apakah dia mempunyai belalai ? T Apakah dia suka berada di air ? T badak Y hippo Y gajah Y jerapah

Sistem Berbasis Pengetahuan

Aturan produksi (IF…THEN…) dari contoh di atas :
JIKA pertanyaan=”Apakah dia bertubuh besar ?” DAN jawaban=”Tidak” MAKA pertanyaan=”Apakah dia mencicit?” JIKA pertanyaan=”Apakah dia bertubuh besar ?” DAN jawaban=”Ya” MAKA pertanyaan=”Apakah dia mempunyai leher panjang?” dst……

1. SPASI STATA dan SPASI PERMASALAHAN STATE SPACE State adalah kumpulan karakteristik yg dapat digunakan untuk menentukan status. State Space adalah rangkaian pernyataan yg menunjukkan transisi antara state dimana objek dieksprerimen
A B D

C E (a) Graph tidak terhubung A B

(b) Graph terhubung

C (c) Digraph dgn loop pada diri sendiri dan sirkuit terhubung

(d) Lattice

(e) Degenerate binary tree dari tiga node

2. AND-OR TREE dan GOALS Dalam SP, untuk menemukan solusi problem dapat menggunakan rangkaian backward yaitu dengan tree AND-OR dan AND-OR-NOT – Banyak tipe system pakar menggunakan backward chaining untuk mendapatkan solusi dari permasalahan. – Salah satu tipe dari tree atau lattice yang digunakan dalam masalah representasi backward chaining adalah Pohon AND-OR.

Sistem Berbasis Pengetahuan

Contoh : LULUS WORKS LULUS KURS Persyar Lul SKS Sid.Sarjana USus HOP atan D3 =160 IPK >=2.0

1. LOGIKA DEDUKTIF DAN SYLLOGISMS Tipe-tipe Inferensi

Sistem Berbasis Pengetahuan

Inferences

Induction Heuristics Abduction Autoepistemic Analogy Deduction Intuition G enerate & Test Default Nonmonotonic

a. Deduction Pemberian alasan logikal dimana kesimpulan harus mengikuti premis b. Induction Inferensi dari khusus ke umum c. Intuition Tidak ada teori yg menjamin. Jawabannya hanya muncul, mungkin dengan penentuan pola yg ada secara tidak disadari. d. Heuristic Aturan yg didasarkan pada pengalaman e. Generate & Test Trial dan error. Digunakan dgn perencanaan. f. Abduction Pemberian alasan kembali dari kesimpulan yg benar ke premis . g. Default Diasumsikan pengetahuan umum sebagai default h. Autoepistemic Self-knowledge i. Nonmonotonic Pengetahuan yg sebelumnya mungkin tdk benar jika bukti baru didapatkan j. Analogy Kesimpulan yg berdasarkan pada persamaan untuk situasi yg lainnya. Suatu logika argument adalah kumpulan dari pernyataan-pernyataan yang dinyatakan untuk dibenarkan sebagai dasar dari rantai penalaran. Salah satu jenis logika argunen adalah Silogisme. Contoh :
Premis Premis : Siapapun yang dapat membuat program adalah pintar : John dapat membuat program

Sistem Berbasis Pengetahuan

Konklusi : Oleh karenanya John adalah pintar

Proses deduktif pada contoh di atas bergerak dari prinsip umum menuju konklusi khusus. Penalaran deduktif umumnya terdiri dari tiga bagian : premis mayor, premis minor dan konklusi. Premis disebut juga antecedent Konklusi/kesimpulan disebut juga consequent. Silogisme dapat direpresentasikan ke dalam bentuk aturan JIKA…..MAKA….. (IF…THEN…..), Contoh :
JIKA siapapun yang dapat membuat program adalah pintar DAN John dapat membuat program MAKA John adalah pintar

Silogisme klasik disebut categoricall syllogism (silogisme yang pasti). Premis dan konklusi didefinisikan sebagai statement yang pasti dari empat bentuk berikut : Bentuk A E I O Skema Semua S adalah P Tidak S adalah P Beberapa S adalah P Beberapa S bukan P Arti Universal Afirmative Universal Negative Particular Afirmative ParticularNegative

Subjek dari konklusi S disebut bagian minor bila predikat konklusi P adalah bagian mayor. Premis terdiri dari premis mayor dan premis minor. Contoh :
Premis mayor : Semua M adalah P Premis minor : Semua S adalah M Konklusi : Semua S adalah P

Silogisme di atas adalah bentuk standar karena premis mayor dan minor sudah diketahui. Contoh :
“Semua mikrokomputer adalah computer”

Subjeknya (objek yang digambarkan) adalah mikrokomputer. Predikatnya (beberapa sifat subjek) adalah computer M (middle term) adalah hal yang penting karena silogisme didefinisikan sedemikian sehingga konklusi tidak dapat disimpulkan dengan mengambil salah satu premis. Q (quantifier) menggambarkan porsi dari kelas yang diketahui. ○ Quantifier “semua” dan “tidak” adalah universal karean menunjukkan keseluruhan kelas. ○ “beberapa” adalah khusus (particular) karena hanya menunjukkan satu bagian dari kelas yang diketahui. Mood dari silogisme didefinisikan sebagai tiga huruf yang memberikan bentuk masing-masing premis mayor, minor dan konklusi. Contoh :
Semua M adalah P Semua S adalah M ∴ Semua S adalah P

menunjukkan suatu mood AAA-1

Sistem Berbasis Pengetahuan

Ada 4 kemungkinan pola susunan istilah S, P dan M : Premis Mayor Premis Minor Figure 1 MP SM Figure 2 PM SM Figure 3 MP MS Figure 4 PM MS

Tidak selalu argument yang mempunyai bentuk silogisme merupakan silogisme yang valid. Contoh : Silogisme tidak valid berbentuk AEE-1
Semua M adalah P Tidak S adalah M ∴ Tidak S adalah P

Semua mikrokomputer adalah computer Bukan mainframe adalah mikrokomputer ∴ Bukan mainframe adalah computer

Diperlukan prosedur keputusan (decision procedure) untuk pembuktian validitas. Prosedur keputusan untuk silogisme dapat dilakukan menggunakan diagram venn tiga lingkaran yang saling berpotongan yang merepresentasikan S,P, M. Contoh : Prosedur Keputusan untuk AEE-1
Semua M adalah P Tidak S adalah M ∴ Tidak S adalah P

a. Diagram Venn

b. Setelah Premis Mayorc. Setelah Premis Minor

Contoh : Prosedur Keputusan untuk EAE-1
Tidak M adalah P Semua S adalah M ∴ Tidak S adalah P

Sistem Berbasis Pengetahuan

a. Diagram Venn

b. Setelah Premis Mayor c. Setelah Premis Minor

1. ATURAN DARI INFERENSI Diagram Venn tidak sesuai untuk argumen yang lebih kompleks karena sulit dibaca pada decision tree untuk silogisme. ogika proposisi memberikan pengertian lain dari penggambaran argumen. Contoh :
Jika ada daya listrik, komputer akan bekerja Ada daya ∴ Komputer akan bekerja A = ada daya listrik B = komputer akan bekerja

Sehingga dapat ditulis : AB A ∴B Bentuk umum Ponens / direct reasoning / law of detachment / assuming the antecedent pq p ∴q atau pq, p; ∴q

Bentuk tersebut valid, karena argumen tersebut dapat ditunjukkan sebagai suatu tautologi. ((pq)∧ q p) Tabel Kebenaran Ponens : p T T F F q T F T F pq T F T T ((pq)∧p) T F F F ((pq)∧p) q T T T T

Terdapat argumen yang menyerupai ponens namun perlu dibuktikan validitasnya. Sistem Berbasis Pengetahuan

Contoh :

Jika tidak kesalahan maka program dapat mengkompile Program dapat mengkompile  Tidak ada kesalahan

pq q ∴p

atau pq, q;

∴p

Tabel Kebenaran: p q pq ((pq)∧q) T T T T T F F F F T T T F F T F (Bukan Pones karena tidak bersifat Tautology) Skema argumen lain : pq ~q ∴ ~p Tabel Kebenaran: p q pq T T T T F F F T T F F T ~q F T F T (pq)∧~q) F F F T ~p F F T T

((pq)∧q) p T T F T

((pq)∧~q) ~p T T T T

Argumen di atas disebut Tollens / indirect reasoning / law of contraposition. Beberapa hukum Inferensi Hukum Inferensi 1. Hukum Detasemen 2. Hukum Kontrapositif 3. Hukum Modus Tollens 4. Aturan Rantai (hukum silogisme) 5. Hukum Inferensi Disjungsi 6. Hukum negasi 7. Hukum de Morgan Sistem Berbasis Pengetahuan Skema pq p ∴q pq ∴ ~q ~p pq ~q ∴ ~p pq qr ∴ pr p∨ q ~p ∴q ~(~p) ∴p ~(p∧ q)

p∨ q ~q ∴p ~(p∨ q)

8. Hukum Simplifikasi 9. Hukum Konjungsi 10. Hukum Penambahan Disjungtif 11. Hukum Argumen Konjugtif

∴ ~p∨ ~q p∧ q ∴p p q ∴ p∧ q p ∴ p∨ q ~(p∧ q) p ~q

∴ ~p∧ q p∧ q ∴q

~(p∧ q) q ~p

Kaidah inferensi dapat digunakan untuk argumen yang mempunyai lebih dari dua premis. Contoh :
Harga chip naik hanya jika yen naik Yen naik hanya jika dollar turun dan jika dollar turun maka yen naik Karena harga chip telah naik Dollar harus turun

Misal :

C = harga chip naik Y = Yen naik D = Dollar turun 1. 2. 3. C Y (Y D)( D Y) C ∴D

Kondisional p q mempunyai converse, inverse dan kontrapositif Kondisional Converse Inverse Kontrapositif p q qp ~p ~q ~q  ~p

Jika p q dan q  p bernilai benar, maka keduanya adalah ekuivalen. p q∧q  p ekuivalen dengan p↔q atau p≡ q. sehingga argumen untuk contoh di atas, menjadi : 1. C Y 2. (Y D)∧ D Y) ( 3. C 4. Y≡ D 5. C D 6. D 1. LOGIKA PEMBATASAN DARI PROPORSIONAL Perhatikan argument klasik yang kita kenal ini :

/∴ D 2 ekuivalen 1 substitusi 3,5 modus ponens

Sistem Berbasis Pengetahuan

All men are mortal Socrates as a man_______________ Therefore, Socrates is mortal

Kita tahu bahwa argument tersebut adalah argumen valid jika berupa syllogism valid. Dapatkah kita membuktikan ke-valid-an tersebut dengan menggunakan logika proporsional? Untuk menjawab pertanyaan ini, pertama kali kita menuliskan argument sebagian skema
P q R = All men are mortal = Socrates is a man = Socrates is mortal

Sehingga skema argument adalah :
p q ∴r

Perhatikan bahwa tidak ada hubungan di dalam premises atau kesimpulan sehingga setiap premises dan setiap kesimpulan harus mempunyai variable logical yang berbeda. Juga , logika preposisional tidak mempunyai provisi untuk quantifier sehingga tidak ada cara untuk menunjukkan quantifier “semua“ di dalam premise pertama. Satu-satunya representasi argument ini di dalam logoka proporsional adalah di atas dari tiga variable yang bebas. Untuk menentukan argument tersebut valid, erhatikan table kebenaran dari tiga variable bebas untuk keseluruhan kemungkinan kombinasi dari T dan F yang ditunjukkan dalam table berikut : Tabel Kebenaran untuk skema p,q;
∴r

p T T T T F F F F

q T T F F T T F F

r T F T F T F T F

Baris kedua dari table benar ini menunjukkan argumen untuk tidak valid karena premises benar sementara kesimpulan salah. Validitas dari argumen ini harus “tidak” diinteprestasikan seperti arti kesimpulan yang tidak benar. Seseorang akan menentukannya sebagai argumen yang benar, Ketidakvalid-an sederhana berarti bahwa “argument tidak dapat dibuktikan dibawah logika Sistem Berbasis Pengetahuan

proporsional”. Misalnya, kita akan memberi atribut pada beberapa arti “semua” dan mempertimbangkan “men” sebagai bentuk jaman dari “man”. Namun demikian, syllogism dan kalkulus proporsional tidak memungkinkan struktur preposisi internal untuk diuji. Batasan ini dibatasi oleh logika predikat dan argumen valid di bawah logika predikat. Kenyataannya, seluruh logika syllogistic merupakan subset yang valid dari order pertama logika predikat dana dapat dibuktikan dengan valid dibawahnya. Satu-satunya bentuk syllogistic yang valid dari preposisi adalah :
If Socrates is a man, then Socrates is mortal. Socrates is a man___________ Therefore, Socrates is mortal

Lihat :
p = Socrates is a man q = Socrates is mortal

Argumen ini akan menjadi : p→q p ∴q yang merupakan bentuk “modus ponens” syllogism yang valid. Seperti contoh lain, perhatikan argumen klasik berikut ini :
All horses are animals_______ Therefore, the head of horse is the head of an animal

String di atas merupakan teori dari formal system tersebut (Minsky 67). Meskipun string seperti 11111 tidak terlihat seperti type teori yang kita gunakan untuk melihat, apakah merupakan teori logika yang valid. Teori khusus ini juga mempunyai arti semantik karena teori tersebut merupakan angka aneh yang diekspresikan dalam “unary number system” dari simbol tunggal 1. Hanya sebagai system angka binary yang hanya mempunyai symbol alphabet 0 dan 1, system angka unary hanya mempunyai symbol tunggal 1. angka didalam unary dan system desimal diekspresikan sebagai : Unary 1 11 111 1111 11111 Decimal 1 2 3 4 5

dan seterusnya. Perhatikan bahwa karena baris inference dan aksioma, string, 11, 1111 dan seterusnya tidak dapat diekspresikan dalam system formal, Yaitu, 11 dan 1111 adalah string dari alphabet formal, tetapi bukan teori atau wffs karena tidak dapat dibuktikan dengan menggunakan hanya baris inference dan aksioma. Sustem formal ini memungkinkan hanya derivasi dari angka aneh, bukannya angka. Aksioma “11” harus ditambahkan agar dapat memperoleh angka.

Sistem Berbasis Pengetahuan

Properti system formal lainnya adalah “completeness”. Rangkaian aksioma merupakan “complete” jika setiap wwf dapat dibuktikan atau “refuted. Bentuk refute berarti untuk membuktikan beberapa penyisipan/ assertion salah. Dalam system lengkap, setiap eff valid secara logikal merupakan teori. Namun demikian, jika logika predikat tidak dapat diputuskan, maka akan datang dengan oembuktian yang berdasarkan pada keberuntungan dan kepandaian. Tentu saja, kemungkinan lain adalah penulisan program komputer yang akan mencoba mendapatkan pembuktian dan membiarkannya (grind away). Properti yang dapat diinginkan lebih lanjur dari system logika adalah dapat di “sound”. Sound system berarti bahwa setiap teori adalah merupakan wff valid secara logikal. Dengan kata lain, sound system tidak akan memungkinkan kesimpulan untuk diinfered yang bukan konsekuensi proses logikal. Tidak ada argumen yang tidak valid yang akan diinfered sebagai valid. Ada perbedaan “order” logika. Bahasa “first order” ditentukan sehingga quantifier akan mengoperasikan pada objek variabel seperti . Bahasa “second order” harus

∀x
mempunyai feature tambahan seperti dua macam variabel dan quantifier. Sebagai tambahan pada variabel dan quantifier ordering, logika second order dapat mempunyai quantifier yang mengatur atas fungsi dan symbol predikat, Contoh dari logika second order adalah “equality axiom”, yang menunjukkan bahwa dua obyek akan sama jika seluruh predikatnya sama. Jika P adalah predikat dari satu argumen, maka :

x = ≡ p) y ( ∀

[ p ( x ) ↔ p ( y )]

Merupakan pernyataan dari aksioma yang sama dengan menggunakan order quantifier, , yang mengatur seluruh predikat. ∀p

1. LOGIKA PREDIKAT ORDER PERTAMA KALI Representasi 4 kategori silogisme menggunakan logika predikat Bentuk A E I O Skema Semua S adalah P Tidak S adalah P Beberapa S adalah P Beberapa S bukan P Representasi Predikat (∀x) (S(x)P(x)) (∀x) (S(x)~P(x)) (∃ x) (S(x)P(x)) (∃ x) (S(x)~P(x))

Kaidah Universal Instatiation merupakan state dasar, dimana suatu individual dapat digantikan (disubsitusi) ke dalam sifat universal. Contoh : Misal, φ merupakan fungsi proposisi : (∀x) φ (x) ∴ φ (a) Sistem Berbasis Pengetahuan

merupakan bentuk yang valid, dimana a menunjukkan spesifik individual, sedangkan x adalah suatu variabel yang berada dalam jangkauan semua individu (universal) Contoh lain : (∀x) H(x) ∴ H(Socrates)

Berikut ini adalah contoh pembuktian formal silogisme:
All men are mortal Socrates is a man Therefore, Socrates is mortal

Misal : H = man, M = mortal, s = Socrates 1. 2. 3. 4. (∀x) (H (x)  M(x)) H(s) H(s)  M(s) M(s) / ∴ M(s) 1 Universal Instatiation 2,3 Modus Ponens

1. SISTEM LOGIKA Sistem logika adalah kumpulan objek seperti kaidah (rule), aksioma, statement dan lainnya yang diatur dalam cara yang konsisten. Sistem logika mempunyai beberapa tujuan : 1. Menentukan bentuk argumen. Awalnya argumen logika tidak memiliki arti dalam semantic sense, bentuk yang valid pada dasarnya dapat dicapai jika validitas dari argumen tersebut dapat ditentukan. Fungsi terpenting dari logika sistem adalah menentukan well formed formulas (wffs) dari argumen yang digunakan. Contoh :
tapi…. All S is P All All is S P Is S all ….. merupakan wffs ….. bukan wffs

2. Menunjukkan kaidah inferensi yang valid. 3. Mengembangkan dirinya sendiri dengan menemukan kaidah baru inferensi dan memperluas jangkauan argumen yang dapat dibuktikan. Sistem logika dibangun melalui Sentential atau kalkulus proposisi, kalkulus predikat dst. Setiap sistem disandarkan pada aksioma atau postulat, yang merupakan definisi mendasar dari sistem. Suatu aksioma merupakan fakta sederhana atau assertion yang tidak dapat dibuktikan dalam sistem. Terkadang, kita menerima aksioma dikarenakan ada sesuatu yang menarik atau melalui pengamatan. Sistem formal membutuhkan : 1. simbol alfabet. 2. suatu set finite string dari simbol tertentu, wffs

Sistem Berbasis Pengetahuan

3. aksioma, definisi dari sistem 4. kaidah inferensi, yang memungkinkan wffs, A untuk dikurangi sebagai kesimpulan dari set finite Γ wff lain dimana Γ = {A1,A2,…An}. Wffs harus berupa aksioma atau teori lain dari sistem logis. Sebagai contoh : sistem logika dapat didefinisikan menggunakan modus pones untuk diturunkan menjadi teorema baru. Jika terdapat argumen : A1, A2, ……., AN; ∴ A yang valid, maka A disebut teorema dari sistem logika formal dan ditulis dengan simbol (metasymbol) yang menunjukkan wff adalah suatu teorema . A1, A2, ……., AN A

Contoh : teorema silogisme tentang Socrates yang ditulis dalam bentuk logika predikat. (∀x) (H (x)M(x)), H(s) M(s)

M(s) dapat dibuktikan dari aksioma di sisi kiri, hal tersebut menunjukkan aksioma Suatu teorema merupakan tautology, ditunjukkan melalui Γ sebagai set null dimana wff selalu bernilai null dan tidak tergantung dari aksioma atau teorema yang lain. Teorema dengan tautology ditulis dengan symbol , misalnya A. Contoh : Jika A ≡ p ∨ ~p maka p ∨ ~p

Suatu wff disebut konsisten atau satifiable jika interpretasi yang dihasilkan benar, dan disebut inkonsisten atau unsatisfiable jika wff menghasilkan nilai yang salah pada semua interpretasi. 1. RESOLUSI, SISTEM RESOLUSI dan DEDUKSI Refutation adalah pembuktian teorema dengan menunjukkan negasi atau pembuktian kontradiksi melalui reductio ad absurdum. Melakukan refute berarti membuktikan kesalahan. Contoh :
A  B B  C C  D ∴A  D

Untuk membuktikan konklusi A  D adalah suatu teorema melalui resolusi refutation, hal yang dilakukan : p  q ≡ ~p ∨ q sehingga A D ≡ ~A ∨ D dan langkah terakhir adalah melakukan negasi ~(~A ∨ D) ≡ A ∧ ~D

Sistem Berbasis Pengetahuan

Penggunaan konjungsi dari disjunctive form pada premis dan negasi pada konsklusi, memberikan conjuctive normal form yang cocok untuk resolusi refutation. Dari contoh di atas, penulisannya menjadi : (~A ∨ B) ∧ (~B ∨ C) ∧ (~C ∨ D) ∧ A ∧ ~D

~A V B ~B V C

~A V C

~C V D A D ~D

~A V D

nill Pohon Resolusi Refutation

Akar bernilai nill, menunjukkan kontradiksi. Sehingga melalui refutation dapat ditunjukkan konklusi asli (awal) adalah teorema dengan peran kontradiksi. 2. SHALLOW DAN CASUAL REASONING Sistem pakar menggunakan rantai inferensi, dimana rantai yang panjang merepresentasikan lebih banyak causal atau pengetahuan yang mendalam. Sedangkan shallow umumnya menggunakan kaidah tunggal atau inferensi yang sedikit. Kualitas inferensi juga faktor utama dalam penentuan kedalaman dan pendangkalan dari penalaran. Shallow knowledge disebut juga experiment knowledge. Contoh : Penalaran shallow
IF a car has a good battery good sparkplugs gas good tires THEN the car can move conditional elements

Pada penalaran shallow, tidak ada atau hanya terdapat sedikit pemahaman dari subjek, dikarenakan tidak ada atau hanya terdapat sedikit rantai inferensi. Keuntungan dari penalaran shallow : ✔ Kemudahan dalam pemograman, yang berarti waktu pengembangan program menjadi singkat, ✔ program menjadi lebih kecil, ✔ lebih cepat ✔ biaya pengembangan menjadi murah. Penalaran causal disebut juga penalaran mendalam (deep reasoning), karena pemahaman yang mendalam diperoleh dari pemahaman rantai causal kejadian yang

Sistem Berbasis Pengetahuan

terjadi, atau dengan kata lain kita dapat memahami proses dari suatu abstrak yang disajikan. Frame dan jaringan semantik adalah contoh model yang menggunakan penalaran causal. Contoh :
IF the battery is good THEN there is electricity

IF there is electricity and the sparkplugs are good THEN the sparkplugs will fire IF the sparkplugs fire and there is gas THEN the engine will run IF the engine runs and there are is gas THEN the engine will run IF the engine runs and there are good tires THEN the car will move

Penalaran causal cocok digunakan untuk operasi yang berubah-ubah dari sistem yang dibatasi oleh kecepatan eksekusi, memori dan peningkatan biaya pengembangan. Penalaran causal dapat digunakan untuk membangun model sistem nyata, seperti model yang dipakai untuk simulasi penggalian hipotesa penalaran pada tipe query “what if”. Contoh : Dalam mengobati pasien, dokter dihadapkan pada jangkauan yang lebar dalam melakukan tes diagnosa untuk memverifikasi kejadian/penyakit secara cepat dan tepat. Karena kebutuhan akan penalaran causal meningkat, diperlukan kombinasi dengan kaidah penalaran satu shallow. Metode resolusi dengan refutation dapat digunakan untuk membuktikan apakah kaidah tunggal konklusi bernilai benar dari banyak kaidah (multiple rule).

Contoh :

B=battery is good E=there is electricity G=there is gas S=sparkplugs are good

C= car will move F=sparkplugs will fire R=engine will run T=there are good tires

(1) (2) (3) (4) (5)

B ∧S ∧G ∧T  C B E E ∧S  F F ∧G  R R ∧T  C

Langkah pertama di atas diaplikasikan pada resolusi refutation dengan menegasikan konklusi atau kaidah tujuan. (1’) ~( B ∧ S ∧ G ∧ T  C) = ~[~( B ∧ S ∧ G ∧ T) ∨ C]

Sistem Berbasis Pengetahuan

Selanjutnya, setiap kaidah yang lain diekspresikan dalam disjunctive form menggunakan equivalesi seperti : p  q ≡ ~p ∨ q dan ~(p ∧ q) ≡ ~p ∨ ~q sehingga versi baru dari (2)-(5) menjadi : (2’) ~B ∨ E (3’) ~(E ∧ S) ∨ F = ~E ∨ ~S ∨ F (4’) ~(F ∧G) ∨ R = ~F ∨ ~G ∨ R (5’) ~(R ∧ T) ∨ C = ~R ∨ ~T ∨ C Pohon Resolusi Refutation-nya :
~B v E ~E v ~S v F

~B v ~S v F

~F v ~G v R ~R v ~T v C

~B v ~S v ~G v R ~B v ~S v ~G v ~T v C

~(~B v ~S v ~G v ~T v C)

nill

Akar bernilai nill, menunjukkan kontradiksi. Sehingga melalui refutation dapat ditunjukkan konklusi asli (awal) : B ∧S ∧G ∧T  C adalah teorema dengan peran kontradiksi. 1. RANGKAIAN FORWARD DAN BACKWARD Chain (rantai) : perkalian inferensi yang menghubung-kan suatu permasalahan dengan solusinya. Forward chaining : ✔ Suatu rantai yang dicari atau dilewati/dilintasi dari suatu permasalahan untuk memperoleh solusi. ✔ Penalaran dari fakta menuju konklusi yang terdapat dari fakta. Backward chaining : ✔ Suatu rantai yang dilintasi dari suatu hipotesa kembali ke fakta yang mendukung hipotesa tersebut. ✔ Tujuan yang dapat dipenuhi dengan pemenuhan sub tujuannya. Contoh rantai inferensi : gajah(x)  mamalia (x) mamalia(x)  binatang(x) Sistem Berbasis Pengetahuan

Causal (sebab-akibat) Forward chain gajah(clyde) gajah(x) mamalia(x) mamalia(x) binatang(x) binatang(clyde) Explicit Causal chain gajah(clyde)

unifikasi implikasi unifikasi implikasi

gajah(clyde)

mamalia(clyde) mamalia(clyde)

Karakteristik Forward dan Backward chaining Forward chaining Backward chaining Perencanaan, monitoring, kontrol Diagnosis Disajkan untuk masa depan Disajikan untuk masa lalu Antecedent ke konsekuen Konsekuen ke antecedent Data memandu, penalaran dari bawah ke Tujuan memandu, penalaran dari atas ke atas bawah Bekerja ke depan untuk mendapatkan Bekerja ke belakang untuk mendapatkan solusi apa yang mengikuti fakta fakta yang mendukung hipotesis Breadth first search dimudahkan Depth first search dimudahkan Antecedent menentukan pencarian Konsekuen menentukan pencarian Penjelasan tidak difasilitasi Penjelasan difasilitasi ✔ Forward Chaining
R8 I H R5 H R1 R2 R6 H R9 I K R7 I R3 R4

Conclusion

Facts

Conclusion

Infered Fact

A

B

C

D

E

F

G

Facts

RN

Rule N Given Fact Infered Fact Missing Fact Applicable Rule Inapplicable Rule

Facts Conclusion

Melebar dan Tidak Dalam

Sistem Berbasis Pengetahuan

✔ Backward Chaining
H

Intial Hypotheses (Goal)
H3

Evidence

H1

H2

Intermediate Hypotheses (subgoal)

H4

H5

H6

A

B

C

D

E

Evidence (Facts)

Hypotheses

Elicited Evidence (externally supplied) Missing Evidence True Hypotheses False Hypotheses

Evidence Hypotheses

Sempit dan Dalam

1. METODE LAIN DARI INFERENSI ANALOGI Mencoba dan menghubungkan situasi lama sebagai penuntun ke situasi baru. Contoh : diagnosis medical (gejala penyakit yang diderita oleh seorang pasien ternyata sama dengan gejala yang dialami pasien lain). Pemberian alasan analogis berhubungan dgn induksi. Bila induksi membuat inferensi dari spesifik ke umum pada situasi yang sama, maka analogy membuat inferensi dari situasi yang tidak sama. GENERATE AND TEST Pembuatan solusi kemudian pengetesan untuk melihat apakah solusi yg diajukan memenuhi semua persyaratan. Jika solusi memenuhi maka berhenti yg lain membuat sollusi yg baru kemudian test lagi dst. Contoh : Dendral, prog AM ( artificial Mathematician), Mycin ABDUCTION/PENGAMBILAN Metodenya mirip dengan modus ponens Abduction Modus ponens pq pq q p ∴p ∴q

Bukan argument deduksi yang valid. Berguna untuk kaidah inferensi heuristik. Analogi,generate and test, abduction adalah metode bukan deduksi. Dari premise yg benar, metode ini tidak dapat membuktikan kesimpulan yg benar Perbedaan Forward Chaining, Backward Chaining dan Abduction Start

Inference

Tujuan

Sistem Berbasis Pengetahuan

FORWARD BACKWARD ABDUCTION

Fakta Kesimpulan tdk pasti Kesimpulan benar

Kesimpulan yang harus mengikuti Fakta pendukung kesimpulan Fakta yang dapat mengikuti

NONMONOTONIC REASONING Adanya tambahan aksioma baru pada sistem logika berarti akan banyak teorema yang dapat dibuktikan. Peningkatan teorema dengan peningkatan aksioma dikenal dengan sistem monotonik. Suatu masalah dapat terjadi, jika diperkenalkan aksioma parsial atau komplit baru yang kontradikasi dengan aksioma sebelumnya. Pada sistem nonmonotonik, tidak perlu adanya peningkatan teorema yang sejalan dengan peningkatan aksioma. 2. METAKNOWLEDGE Program meta-DENDRAL menggunakan induksi untuk menyimpulkan baris baru dari struktur kimia. Contoh : TEIRESIAS yg menambah pengetahuan secara interaktif dari expert

Sumber : – http://karmila.staff.gunadarma.ac.id/Downloads/files/19087/METODE+INFERENSI.doc – http://www.google.co.id/ – Pengantar Sistem Berbasis Pengetahuan, Seri Diktat Kuliah, Penerbit Gunadarma – mufidnilmada.staff.gunadarma.ac.id

Sistem Berbasis Pengetahuan

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->