Sistem Berbasis Pengetahuan (Metode Inferensi)

  • View
    1.306

  • Download
    2

Embed Size (px)

Text of Sistem Berbasis Pengetahuan (Metode Inferensi)

METODE INFEREN SISISTEM BERBASIS PENGETAHUANKelompok 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 InferensiSISTEM BERBASIS PENGETAHUANMETODE INFERENSI / KESIMPULANDalam 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 daunAkar 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 (IFTHEN) 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 dieksprerimenA 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.. (IFTHEN..), 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-1Semua 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-1Semua 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-1Tidak 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 : AB A B Bentuk umum Ponens / direct reasoning / law of detachment / assuming the antecedent pq p q atau pq, p; q

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

pq q p

atau pq, q;

p

Tabel Kebenaran: p q pq ((pq)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 : pq ~q ~p Tabel Kebenaran: p q pq T T T T F F F T T F