Buku Sistem Pakar

  • View
    837

  • Download
    418

Embed Size (px)

Text of Buku Sistem Pakar

  • Buku Pegangan Kuliah

    SISTEM PAKAR

    Jusak Irawan

    Sekolah Tinggi Manajemen Informatika

    & Teknik Komputer Surabaya (STIKOM)

    August 2007

  • Contents

    0 Kontrak Perkuliahan x

    1 Pengantar Sistem Pakar 1

    1.1 Apa yang dimaksud dengan Sistem Pakar (Expert Sys-

    tem)? . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1

    1.2 Sejarah Sistem Pakar . . . . . . . . . . . . . . . . . . . . 2

    1.3 Contoh Permasalahan . . . . . . . . . . . . . . . . . . . 2

    1.4 Sistem Berbasis Aturan . . . . . . . . . . . . . . . . . . . 4

    1.5 Perbedaan Sistem Konvensional dan Sistem Pakar: . . . 4

    1.6 Data, Informasi dan Pengetahuan (knowledge) . . . . . . 5

    1.7 Struktur Sistem Pakar . . . . . . . . . . . . . . . . . . . 5

    1.8 Heuristic Searching Sebagai Dasar dari Artificial Intelli-

    gence (AI) . . . . . . . . . . . . . . . . . . . . . . . . . . 7

    1.8.1 Depth-first Search . . . . . . . . . . . . . . . . . . 9

    1.8.2 Breadth-first Search . . . . . . . . . . . . . . . . 9

    1.8.3 Hill-Climbing Search . . . . . . . . . . . . . . . . 10

    1.8.4 Branch and Bound Search . . . . . . . . . . . . . 11

    1.8.5 Best-First Search . . . . . . . . . . . . . . . . . . 11

    1.8.6 A Search . . . . . . . . . . . . . . . . . . . . . . 14

    2 Propositional Logic dan Predicate Calculus 16

    2.1 Propositional Logic . . . . . . . . . . . . . . . . . . . . . 16

    i

  • Contents

    2.1.1 Arti Dari Operator Penghubung . . . . . . . . . . 18

    2.2 Predicate Calculus . . . . . . . . . . . . . . . . . . . . . 20

    2.2.1 Variabel . . . . . . . . . . . . . . . . . . . . . . . 21

    2.2.2 Fungsi . . . . . . . . . . . . . . . . . . . . . . . . 22

    2.2.3 Operator . . . . . . . . . . . . . . . . . . . . . . 22

    2.3 Quantifier . . . . . . . . . . . . . . . . . . . . . . . . . . 23

    2.4 Model-Model Inferensi . . . . . . . . . . . . . . . . . . . 24

    2.5 Automated Reasoning . . . . . . . . . . . . . . . . . . . 26

    2.6 Soal-Soal Latihan . . . . . . . . . . . . . . . . . . . . . . 28

    3 Sistem Berbasis Aturan 30

    3.1 Pendahuluan . . . . . . . . . . . . . . . . . . . . . . . . 30

    3.2 Proses Reasoning . . . . . . . . . . . . . . . . . . . . . . 32

    3.2.1 Forward Reasoning . . . . . . . . . . . . . . . . . 35

    3.2.2 Backward Reasoning . . . . . . . . . . . . . . . . 45

    4 Membangun KBS dengan Sistem Berbasis Aturan 53

    4.1 Pendahuluan . . . . . . . . . . . . . . . . . . . . . . . . 53

    4.2 Langkah-langkah Membangun KBS . . . . . . . . . . . . 54

    4.3 SOAL LATIHAN . . . . . . . . . . . . . . . . . . . . . . 59

    5 Semantic Networks dan Frame 61

    5.1 Semantic Networks . . . . . . . . . . . . . . . . . . . . . 61

    5.2 Frame . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64

    5.3 SOAL LATIHAN . . . . . . . . . . . . . . . . . . . . . . 69

    6 Uncertainty Management 70

    6.1 Pendahuluan . . . . . . . . . . . . . . . . . . . . . . . . 70

    6.2 Pendekatan Bayesian . . . . . . . . . . . . . . . . . . . . 71

    6.2.1 Bayes Rule dan Sistem Berbasis Pengetahuan . . 73

    6.2.2 Propagasi Kepercayaan . . . . . . . . . . . . . . . 75

    6.3 Certainty Factor . . . . . . . . . . . . . . . . . . . . . . 77

    ii

  • Contents

    6.3.1 Propagasi Keyakinan untuk Rule dengan Satu Premise 79

    6.3.2 Rule dengan konklusi yang sama . . . . . . . . . 81

    6.4 SOAL LATIHAN: . . . . . . . . . . . . . . . . . . . . . . 88

    7 Sistem Fuzzy 91

    7.1 Pendahuluan . . . . . . . . . . . . . . . . . . . . . . . . 91

    7.2 Variabel Linguistik (Linguistic Variable) . . . . . . . . . 93

    7.3 Himpunan Fuzzy (Fuzzy Set) . . . . . . . . . . . . . . . 94

    7.4 Fungsi Keanggotaan (Membership Function) . . . . . . . 96

    7.5 Representasi Himpunan Fuzzy . . . . . . . . . . . . . . . 100

    7.6 Operasi Himpunan Fuzzy . . . . . . . . . . . . . . . . . . 101

    7.7 Fuzzy Inference . . . . . . . . . . . . . . . . . . . . . . . 104

    7.7.1 Max-Min Inference . . . . . . . . . . . . . . . . . 105

    7.7.2 Max-Product Inference . . . . . . . . . . . . . . . 105

    7.8 Fuzzy Inference dengan Beberapa Rule . . . . . . . . . . 107

    7.9 If-Then Rules . . . . . . . . . . . . . . . . . . . . . . . . 107

    7.10 Defuzzifikasi . . . . . . . . . . . . . . . . . . . . . . . . . 110

    7.10.1 Maximum Defuzzification . . . . . . . . . . . . . 111

    7.10.2 Centroid Defuzzification . . . . . . . . . . . . . . 111

    7.11 Fuzzy C-Means . . . . . . . . . . . . . . . . . . . . . . . 129

    7.12 Aplikasi Sistem Fuzzy . . . . . . . . . . . . . . . . . . . 130

    7.13 SOAL LATIHAN . . . . . . . . . . . . . . . . . . . . . . 131

    8 Jaringan Syaraf Tiruan (Artificial Neural Network) 135

    8.1 Pendahuluan . . . . . . . . . . . . . . . . . . . . . . . . 136

    8.2 Model Sel Syaraf . . . . . . . . . . . . . . . . . . . . . . 138

    8.2.1 Tinjauan Fisiologis Sel Syaraf . . . . . . . . . . . 138

    8.2.2 Sinapsis . . . . . . . . . . . . . . . . . . . . . . . 141

    8.2.3 Operasi Listrik pada Neuron . . . . . . . . . . . . 143

    8.3 Pemodelan Sel Syaraf . . . . . . . . . . . . . . . . . . . . 143

    8.3.1 Pemodelan Sinapsis dan Badan Sel . . . . . . . . 144

    iii

  • Contents

    8.3.2 Pemodelan Akson dan Potensial Aksi . . . . . . . 145

    8.4 Interpretasi Terhadap Bias (Threshold) . . . . . . . . . . 146

    8.5 Fungsi Aktifasi . . . . . . . . . . . . . . . . . . . . . . . 148

    8.6 Perceptron . . . . . . . . . . . . . . . . . . . . . . . . . . 152

    8.6.1 Arsitektur Perceptron . . . . . . . . . . . . . . . 153

    8.6.2 Algoritma Perceptron . . . . . . . . . . . . . . . . 154

    8.7 Back Error Propagation (Propagasi Balik Kesalahan) . . 162

    8.7.1 Propagasi maju . . . . . . . . . . . . . . . . . . . 163

    8.7.2 Propagasi balik . . . . . . . . . . . . . . . . . . . 164

    8.8 Jaringan Syaraf Tiruan untuk Aplikasi Time-Series . . . 169

    8.9 Contoh aplikasi dengan JST . . . . . . . . . . . . . . . . 170

    8.10 SOAL LATIHAN . . . . . . . . . . . . . . . . . . . . . . 171

    iv

  • List of Figures

    1 Diagram materi Sistem Pakar. . . . . . . . . . . . . . . . . xii

    1.1 Diagram tree untuk "jug problem". . . . . . . . . . . . . . 3

    1.2 Diagram Data, Information dan Knowledge. . . . . . . . . . 5

    1.3 Struktur dasar sistem pakar. . . . . . . . . . . . . . . . . . 7

    1.4 Representasi jaringan dari sebuah problem space. . . . . . . 8

    1.5 Diagram pohon dari DFS. . . . . . . . . . . . . . . . . . . 9

    1.6 Diagram pohon dari BFS. . . . . . . . . . . . . . . . . . . 10

    1.7 Diagram jaringan antar kota. . . . . . . . . . . . . . . . . . 11

    1.8 Proses searching dengan branch and bound. . . . . . . . . . 12

    1.9 Proses searching dengan branch and bound (lanjutan). . . . 13

    1.10 Proses searching dengan A search. . . . . . . . . . . . . . . 15

    3.1 Representasi and-or tree untuk identifikasi binatang. . . . . . 36

    3.2 Proses inferensi forward reasoning. . . . . . . . . . . . . . . 37

    3.3 Inference network dari kasus 2. . . . . . . . . . . . . . . . . 42

    3.4 Urutan backward reasoning untuk kasus identifikasi binatang. 50

    4.1 Blok diagram organisasi dan layanan HMO . . . . . . . . . 55

    4.2 Blok diagram target keputusan HMO . . . . . . . . . . . . 56

    4.3 Dependency diagram HMO . . . . . . . . . . . . . . . . . . 57

    5.1 Contoh Semantic Networks . . . . . . . . . . . . . . . . . . 62

    v

  • List of Figures

    5.2 Semantic Networks menggambarkan hubungan saudara . . . 63

    5.3 Semantic Networks dengan reification . . . . . . . . . . . . 63

    5.4 Semantic Networks dengan subclass . . . . . . . . . . . . . 64

    5.5 Frame dari keluarga Adam . . . . . . . . . . . . . . . . . . 65

    5.6 Struktur dari Frame Binatang . . . . . . . . . . . . . . . . 66

    5.7 Contoh Action Frame . . . . . . . . . . . . . . . . . . . . . 67

    5.8 Contoh Sub-Action Frame . . . . . . . . . . . . . . . . . . 68

    6.1 Tertuduh bersalah, CF=0 . . . . . . . . . . . . . . . . . . 83

    6.2 Tertuduh bersalah, CF=0.675 . . . . . . . . . . . . . . . . 84

    6.3 Tertuduh bersalah, CF=0.7725 . . . . . . . . . . . . . . . . 85

    6.4 Tertuduh bersalah, CF=0.052 . . . . . . . . . . . . . . . . 86

    7.1 Ilustrasi fuzzy. . . . . . . . . . . . . . . . . . . . . . . . . 92

    7.2 Pemetaan input output dengan fuzzy. . . . . . . . . . . . . 92

    7.3 Ilustrasi fuzzy dan crisp set. . . . . . . . . . . . . . . . . . 94

    7.4 Fuzzy set musim di belahan bumi utara. . . . . . . . . . . . 95

    7.5 Pemetaan ketinggian seseorang oleh MF. . . . . . . . . . . . 97

    7.6 Fungsi keanggotaan segitiga (triangle). . . . . . . . . . . . . 98

    7.7 Fungsi keanggotaan trapesium (trapezoidal). . . . . . . . . . 98

    7.8 Fungsi keanggotaan Gaussian. = standar deviasi, c=pusat. . 98

    7.9 Fungsi keanggotaan Bell. . . . . . . . . . . . . . . . . . . . 99

    7.10 Letak parameter a,b dan c pada fungsi keanggotaan Bell. . . 99

    7.11 Fungsi keanggotaan Sigmoid membuka ke kanan. . . . . . . 100

    7.12 Fungsi keanggotaan Sigmoid membuka ke kiri. . . . . . . . . 100

    7.13 Operasi himpunan fuzzy. . . . . . . . . . . . . . . . . . . . 101

    7.14 Operasi himpunan fuzzy dengan diagram. . . . . . . . . . . 103

    7.15 Max-Min Inference. . . . . . . . . . . . . . . . . . . . . . . 106

    7.16 Max-Product Inference. . . . . . . . . . . . . . . . . . . . 106

    7.17 Max-min Inference. . . . . . . . . . . . . . . . . . . . . . . 108

    7.18 Max-product Inference. . . . . . . . . . . . . . . . . . . . . 109

    vi

  • List of Figures