Professional Documents
Culture Documents
INFERENSI
SISTEM BERBASIS PENGETAHUAN
HENDRA KURNIAWAN
12108428
3KA14
Dosen : Essy Mays Sari Sakti
METODE INFERENSI
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.
- 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.
o Node tertinggi disebut root
o Node terendah disebut daun
Akar Node
Cabang Level 1
Node 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 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.
2
Sistem Berbasis Pengetahuan
- Beberapa contoh graph sederhana:
A B D
C E
(a) Graph tidak terhubung (b) Graph terhubung
A B
C
(c) Digraph dgn loop pada diri
(d) Lattice
sendiri dan sirkuit terhubung
T Y
badak hippo
2
Sistem Berbasis Pengetahuan
JIKA pertanyaan=”Apakah dia bertubuh besar ?”
DAN jawaban=”Tidak”
MAKA pertanyaan=”Apakah dia mencicit?”
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 (b) Graph terhubung
A B
C
(c) Digraph dgn loop pada diri
(d) Lattice
sendiri dan sirkuit terhubung
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.
2
Sistem Berbasis Pengetahuan
- Contoh :
LULUS
Sid.Sarjana
LULU
Persyaratan
S D3
SKS =160
IPK Lulus
>=2.0
KURSU WORK
S SHOP
- Tipe-tipe Inferensi
Inferences
Deduction
Pemberian alasan logikal dimana kesimpulan harus mengikuti premis
Induction
Inferensi dari khusus ke umum
Intuition
Tidak ada teori yg menjamin. Jawabannya hanya muncul, mungkin dengan
penentuan pola yg ada secara tidak disadari.
Heuristic
Aturan yg didasarkan pada pengalaman
2
Sistem Berbasis Pengetahuan
Generate & Test
Trial dan error. Digunakan dgn perencanaan.
Abduction
Pemberian alasan kembali dari kesimpulan yg benar ke premis .
Default
Diasumsikan pengetahuan umum sebagai default
Autoepistemic
Self-knowledge
Nonmonotonic
Pengetahuan yg sebelumnya mungkin tdk benar jika bukti baru didapatkan
Analogy
Kesimpulan yg berdasarkan pada persamaan untuk situasi yg lainnya.
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
2
Sistem Berbasis Pengetahuan
- 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.
o Quantifier “semua” dan “tidak” adalah universal karean menunjukkan
keseluruhan kelas.
o “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
- 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
2
Sistem Berbasis Pengetahuan
- Contoh : Prosedur Keputusan untuk AEE-1
Semua M adalah P
Tidak S adalah M
∴ Tidak S adalah P
2
Sistem Berbasis Pengetahuan
5. Aturan dari Inferensi
- Diagram Venn tidak sesuai untuk argumen yang lebih kompleks karena sulit dibaca
pada decision tree untuk silogisme.
- Logika proposisi memberikan pengertian lain dari penggambaran argumen.
- Contoh :
Jika ada daya listrik, komputer akan bekerja
Ada daya
∴ Komputer akan bekerja
Bentuk tersebut valid, karena argumen tersebut dapat ditunjukkan sebagai suatu
tautologi.
((pq)∧p) q
Contoh :
Jika tidak kesalahan maka program dapat mengkompile
Program dapat mengkompile
∴ Tidak ada kesalahan
pq
q atau pq, q; ∴ p
∴p
2
Sistem Berbasis Pengetahuan
Tabel Kebenaran:
Tabel Kebenaran:
2
Sistem Berbasis Pengetahuan
9. Hukum Konjungsi p
q
∴ p∧q
10. Hukum Penambahan p
Disjungtif ∴ p∨q
- 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
Kondisional p q
Converse qp
Inverse ~p ~q
Kontrapositif ~q ~p
2
Sistem Berbasis Pengetahuan
6. Logika Pembatasan dari Proposisional
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
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 :
p q r
T T T
T T F
T F T
T F F
F T T
F T F
F F T
F F F
Baris kedua dari table benar ini menunjukkan argumen untuk tidak valid karena premises
benar sementara kesimpulan salah.
2
Sistem Berbasis Pengetahuan
Validitas dari argumen ini harus “tidak” diinteprestasikan seperti arti kesimpulan yang
tidak benar. Seseorang akan menentukannya sebagai argumen yang benar, Ketidak-valid-
an sederhana berarti bahwa “argument tidak dapat dibuktikan dibawah logika
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.
Lihat :
p = Socrates is a man
q = Socrates is mortal
yang merupakan bentuk “modus ponens” syllogism yang valid. Seperti contoh lain,
perhatikan argumen klasik berikut ini :
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 Decimal
1 1
11 2
111 3
1111 4
11111 5
dan seterusnya.
2
Sistem Berbasis Pengetahuan
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.
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 di-infered
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 ∀ x . Bahasa “second order” harus
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 = y ≡ ( ∀p ) [ p ( x ) ↔ p( y ) ]
Merupakan pernyataan dari aksioma yang sama dengan menggunakan order quantifier,
∀ p , yang mengatur seluruh predikat.
2
Sistem Berbasis Pengetahuan
- Contoh :
Misal, φ merupakan fungsi proposisi :
(∀x) φ (x)
∴ φ (a)
8. 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 :
All S is P ….. merupakan wffs
tapi…. All
All is S P ….. bukan wffs
Is S all
2
Sistem Berbasis Pengetahuan
- 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
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.
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.
2
Sistem Berbasis Pengetahuan
∴A D
sehingga
A D ≡ ~A ∨D
dan langkah terakhir adalah melakukan negasi
~(~A ∨D) ≡ A ∧~D
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 V D A
D ~D
nill
Pohon Resolusi Refutation
2
Sistem Berbasis Pengetahuan
- 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 adalah kemudahan dalam pemograman, yang
berarti waktu pengembangan program menjadi singkat, program menjadi lebih kecil,
lebih cepat dan biaya pengembangan menjadi murah.
- Penalaran causal disebut juga penalaran mendalam (deep reasoning), karena
pemahaman yang mendalam diperoleh dari pemahaman rantai causal kejadian yang
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
- Penalaran causal cocok digunakan untuk operasi yang berubah-ubah dari sistem yang
dibatasi oleh kecepatan eksekusi, memori dan peningkatan biaya pengembangan.
- Penalaran causal dapat digunakann 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 C= car will move
E=there is electricity F=sparkplugs will fire
G=there is gas R=engine will run
S=sparkplugs are good T=there are good tires
2
Sistem Berbasis Pengetahuan
(1) B ∧S ∧G ∧T C
(2) BE
(3) E ∧S F
(4) F ∧G R
(5) R ∧T C
~B v E
~E v ~S v F
~B v ~S v F ~F v ~G v R
~B v ~S v ~G v R ~R v ~T v C
~B v ~S v ~G v ~T v C
~(~B v ~S v ~G v ~T v C)
nill
2
Sistem Berbasis Pengetahuan
11. Rangkaian Forward dan Backward
gajah(clyde)
gajah(x) mamalia(x)
mamalia(x) binatang(x)
binatang(clyde)
• Explicit Causal chain
gajah(clyde)
unifikasi
implikasi gajah(clyde) mamalia(clyde)
unifikasi
implikasi mamalia(clyde)
2
Sistem Berbasis Pengetahuan
Antecedent menentukan pencarian Konsekuen menentukan pencarian
Penjelasan tidak difasilitasi Penjelasan difasilitasi
Forward Chaining
R8 R9 Conclusion
I I K Facts Conclusion
H
R5 R6 R7
H H I Infered Fact
R1 R2 R3 R4
A B C D E F G Facts
RN Rule N Facts
Given Fact
Infered Fact Conclusion
Missing Fact
Applicable Rule
Inapplicable Rule
Backward Chaining
H1 H2 H3 Intermediate
Hypotheses (subgoal)
H4 H5 H6
A B C D E Evidence (Facts)
Elicited Evidence
(externally supplied)
Missing Evidence
True Hypotheses
False Hypotheses
2
Sistem Berbasis Pengetahuan
Evidence
Hypotheses
Evidence
Hypotheses
ANALOGI
ABDUCTION/PENGAMBILAN
∴p ∴q
2
Sistem Berbasis Pengetahuan
Backward Chaining dan Abduction
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.
13. Metaknowledge
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
2
Sistem Berbasis Pengetahuan