Sistem Berbasis Pengetahuan (Metode Inferensi)

MAKALAH SISTEM BERBASIS PENGETAHUAN

METODE INFERENSI

DISUSUN OLEH :

ARGA PRATAMA RIZKY

1B116196

3 KA 24

UNIVERSITAS GUNADARMA

JAKARTA

2017

KATA PENGANTAR

Puji syukur kami ucapkan kehadirat Allah SWT, yang telah memberikan Rahmat dan HidayahNya, sehingga penyusun dapat menyelesaikan makalah yang berjudul “Metode Inferensi”. Makalah ini dibuat dengan tujuan untuk menambah pengetahuan penyusun dan untuk memenuhi tugas mata kuliah Sistem Berbasis Pengetahuan. Demi kesempurnaan makalah ini, penyusun mohon kritik dan saran dari pembaca yang bersifat membangun.

Demikianlah makalah ini saya buat semoga dapat bermanfaat bagi para pembaca semua, apabila ada kekurangan mohon maaf sebesar-besarnya.

                                                                                    Bekasi, 21 November 2017

                                                                                             Hormat Kami,

                                                                                       

         

 Penyusun

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

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.

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 degeneratetree.
– Aplikasi tree dan lattice adalah pembuatan keputusan disebut decision tree dan decision lattice.
– Contoh : decision tree yang menunjukkan pengetahuan tentang hewan.

 

– 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…… 

2.      Spasi Stata dan Spasi Permasalahan

a)      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.

3.      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.

Contoh :

LULUS Sid.Sarjana

Persyaratan

SKS =160 IPK >=2.0

Lulus

KURSUS

WORKSHOP

LULUS D3

4.      Logika Deduktif dan Syllogisme

Tipe-tipe Inferensi, yaitu :

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. 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 Robot adalah pintar

DAN Jono dapat membuat robot

MAKA Jono adalah pintar

Silogisme klasik disebut categoricall syllogism (silogisme yang pasti). Premis dan konklusi didefinisikan sebagai statement yang pasti dari empat bentuk berikut :

Bentuk	Skema	Arti
A	Semua S adalah P	Universal Afirmative
E	Tidak S adalah P	Universal Negative
I	Beberapa S adalah P	Particular Afirmative
O	Beberapa S bukan P	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

Ada 4 kemungkinan pola susunan istilah S, P dan M :

	Figure 1	Figure 2	Figure 3	Figure 4
Premis Mayor	MP	PM	MP	PM
Premis Minor	SM	SM	MS	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 Mayor                        c. Setelah Premis Minor

 

      Contoh : Prosedur Keputusan untuk EAE-1

Tidak M adalah P

            Semua S adalah M

            \Tidak S adalah P

                      

a. Diagram Venn                              b. Setelah Premis Mayor                        c. Setelah Premis Minor

 

5.      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 à B

B à C

C à D

\A à D

Untuk membuktikan konklusi A à D  adalah suatu teorema melalui resolusi refutation, hal yang dilakukan :

            p à q    º    ~p Ú q

sehingga 

            Aà D    º    ~A Ú D

dan langkah terakhir adalah melakukan negasi

             ~(~A Ú D) º     A Ù ~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 Ú B) Ù (~B Ú C) Ù (~C Ú D) Ù A Ù ~D

                      

Akar bernilai nill, menunjukkan kontradiksi. Sehingga melalui refutation dapat ditunjukkan konklusi asli (awal) adalah teorema dengan peran kontradiksi.

6.      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          {conditional elements}

            gas

            good tires

THEN the car can move

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 :

a)      Kemudahan dalam pemograman, yang berarti waktu pengembangan program menjadi singkat,

b)      Program menjadi lebih kecil,

c)      Lebih cepat

d)      Biaya pengembangan menjadi murah.

7.      Forward Chaining dan Backward Chaining

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) à mamalia (x)

mamalia(x) à binatang(x)

·         Causal (sebab-akibat) Forward chain

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)          →

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 atas	Tujuan memandu, penalaran dari atas ke bawah
Bekerja ke depan untuk mendapatkan solusi apa yang mengikuti fakta	Bekerja ke belakang untuk mendapatkan 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

• Backward Chaining
  

Sumber :

https://www.scribd.com/doc/42183339/Sistem-Berbasis-Pengetahuan-Metode-Inferensi

http://panjipurnama28.blogspot.co.id/2016/01/metode-inferensi.html