Sistem Berbasis Aturan
---Sistem Pakar--By Anjik Sukmaaji
Obj ti Objectives •Review
Pertemuan-1 •Rules Based Sistem •Inferensi Forward Chaining g •
Studi Kasus I : Identifikasi Binatang
•
Studi St di Kasus K II : B Beverage and dM Main i C Course Identification
•Inferensi
Backward Chaining
T j Tujuan I t kti Intruktional l Khusus Kh Mahasiswa mampu menjelaskan representasi pengetahuan dalam bentuk Sistem Berbasis Aturan (Rule Based System) Mahasiswa memahami model inferensi forward g dan backward chaining g dalam sistem chaining berbasis aturan
R i Review Buat problem space untuk : 1. Menghidupkan sepeda motor 2. Download film dari youtube y 3. Membuat program kalkulator 4. Nonton DVD Film
P d h l Pendahuluan •RBS
menggunakan Modus Ponens sebagai dasar untuk memanipulasi aturan. •Modus Ponens adalah teknik penarikan k i kesimpulan. l Mi l Misalnya untuk t k logika l ik preposisi. i i •Contoh : p : saya makan di kelas q : saya minum di kelas p Λ q : saya makan di kelas dan saya minum di kelas (disingkat: saya makan dan minum di kelas) p V q : saya makan atau minum di kelas p → q : jika saya makan di kelas maka saya minum di kelas ¬ p : saya tidak makan di kelas. kelas
M d P Modus Ponens Modus Ponens dan Modus Tollens sebenarnya adalah teknik penarikan kesimpulan dari logika manusia juga. Di Logika Matematika, kedua teknik penarikan kesimpulan tersebut dinyatakan dengan: p→q p ——— Kesimpulan: q
p→q ¬q ——— Kesimpulan: ¬ p
Arti Modus Ponens adalah “jika jika diketahui p → q dan p, p maka bisa ditarik kesimpulan q“. Sedangkan Modus Tollens berarti “jika diketahu p → q dan ¬q, maka bisa ditarik kesimpulan ¬p“.
C t h modus Contoh d ponens Diketahui cerita sederhana berikut: Jika saya makan di kelas maka saya minum di kelas. Saya makan di kelas. Apakah saya minum di kelas? S l i Solusi: Menggunakan Contoh 1 di atas, kita memperoleh kalimat matematika: p→q p
Menggunakan Modus Ponens, maka kita bisa menarik kesimpulan q, yang artinya saya minum di kelas.
C t h Modus Contoh M d Tolens T l Diketahui cerita sederhana berikut: Jika saya makan di kelas maka saya minum di kelas. Saya tidak minum di kelas. Apakah saya makan di kelas? Solusi: Menggunakan Contoh 1 di atas, kita memperoleh l h kalimat k li t matematika: t tik p→q ¬q q Menggunakan Modus Tollens, maka kita bisa menarik kesimpulan ¬p, yang artinya saya tidak makan di kelas. kelas
Contoh Diketahui cerita sederhana berikut: Jika saya makan di kelas maka saya minum di kelas. Jika saya minum di kelas maka ruangan kelas menjadi kotor. Saya makan di kelas. Apakah ruangan kotor? Solusi: Misalkan: p : saya makan di kelas q : saya minum di kelas r : ruangan kelas menjadi kotor maka, cerita sederhana tersebut dapat dinyatakan dengan
1: p → q 2: q → r 3: p Menggunakan Modus Ponens untuk kalimat 1 dan kalimat 3, maka kita bisa menarik kesimpulan q, yang artinya saya minum di kelas. Kalimat-kalimat matematikanya bisa kita ubah menjadi:
1: p → q 2: q → r 3: p 4: q Dengan menggunakan Modus Ponens untuk kalimat 2 dan 4, kita memperoleh kesimpulan r, yang artinya ruangan kelas menjadi kotor.
C t h Masalah! Contoh M l h! Diketahui cerita berikut:
Pak Ali biasa ke kantor menggunakan mobil. mobil Tentu saja jika mobilnya tidak mengalami masalah. Kalau mobilnya punya masalah, dia akan menggunakan angkutan umum. Biasanya dia mengetahui bahwa mobilnya punya masalah saat mau berangkat, menyebabkan dia terlambat tiba di kantor. Tetapi dia juga bisa terlambat meskipun naik mobil karena jalannya macet Gara-gara macet. Gara gara terlambat, terlambat dia tidak bisa menghabiskan kopinya, yang sudah disediakan di dapur kantor. Pagi ini terlihat kopinya sudah habis. Pertanyaan: a Apakah mobil pak Ali bermasalah? a. b. Apakah jalanan macet?
S l i Solusi Misalkan: p : mobil Pak Ali bermasalah q : Pak Ali ke kantor naik mobil r : Pak P k Ali ke k kantor k t naik ik angkutan k t umum s : Pak Ali terlambat t : Jalanan macet u : Kopinya K i P k Ali habis. Pak h bi
S l i Solusi maka, cerita tersebut dapat dinyatakan dengan maka 1: p → r 2: ¬p → q 3: r → s 4: q Λ t → s 5: s → ¬u 6: u Kesimpulan yang bisa diambil: 7: ¬s {Modus Tollens dari 5 dan 6} 8: ¬r {Modus Tollens dari 3 dan 7} 9: ¬p {Modus Tollens dari 1 dan 8}
S l i Solusi Arti kalimat 9: mobil Pak Ali tidak bermasalah (Jawaban untuk pertanyaan a). Kesimpulan K i l untuk t k menjawab j b pertanyaan t b b: 10: q {Modus Ponens dari 2 dan 9} q Λ t) {{Modus Tollens dari 4 dan 7}} 11: ¬(q 12: ¬q V ¬t {Hukum de Morgan untuk 11} 13: q → ¬t {Ekuivalensi implikasi dengan 12} 14: ¬t {{Modus Ponens dari 10 dan 13}} Kalimat 14 berarti Jalanan tidak macet (Jawaban untuk pertanyaan b). b)
C t t Tambahan: Catatan T b h Hukum de Morgan: ¬(p Λ q) ≡ (¬p V ¬q) ¬(p V q) ≡ (¬p Λ ¬q) Ekuivalensi implikasi: (p → q) ≡ (¬p V q)
I f Inference Ch Chain i Inference Chain sebagai Proses penyelesaian masalah pd RBS Proses penyelesaian masalah menciptakan sederetan fakta2 baru (merupakan hasil) dari proses inferensi shg g membentuk jjalur sedertan p antara masalah menuju solusi. Deretan proses inferensi tersebut adalah inference chain
C t h Inference Contoh I f Ch Chain i Sistem Si t peramalan l cuaca
Untuk mengetahui keadaan cuaca pada 12 s.d sd 24 jam ke depan. Rule 1: IF suhu udara sekitar di atas 320 C THEN cuaca adalah panas Rule 2: IF kelembapan udara relatif di atas 65% THEN udara sangat lembab Rule 3: IF cuaca p pada dan udara lembab THEN sangat mungkin terjadi badai
P j l Penjelasan Jika hanya rule 1, 1 RBS tdk berarti apa2, apa2 shg RBS harus terdiri dari sekelompok aturan •FAKTA didefinisikan sbg statemen yg dianggap benar. •Suhu udara sekitar 350C dan kelembapan udara relatif 70% adalah FAKTA •Maka proses inferensi melihat fakta2 dari premis pd RULE 1 dan RULE 2 sbg dasar menghasilkan fakta baru : CUACA PANAS dan UDARA LEMBAB •Selanjutnya proses inferensi melihat kedua fakta tsb sesuai dg premis 3, maka dihasilkan fakta baru lagi : SANGAT MUNGKIN TERJADI BADAI •
P Proses REASONING Proses Reasoning pada RBS adalah tahapan proses mulai dari sekumpulan fakta menuju solusi, jawaban dan kesimpulan Untuk menhasilkan kesimpulan dpt digunakan : 1 Forward Chaining (data driven) : kesimpulan 1. dari seperangkat data yg diketahui 2. Backward Chaining (goal driven) : memilih beberapa kesimpulan yg mungkin dan mencoba membuktikan kesimpulan dari bukti2.
K Kasus I : Identifikasi Id tifik i Binatang Bi t
Di Diagram pohon h and-or d t tree
R Reasoning i Reasoning adalah Proses tracing suatu fakta ke fakta berikutnya dg menggunakan rule yg ditentukan utk menghasilkan kesimpulan. Terdapat 2 macam reasoning : 1 Forward Reasoning 1. 2. Backward Reasoning
F Forward dR Reasoning i Proses inferensi seperangkat data menuju kesimpulan dg mengecek kesesuaian tiap rule apakah memenuhi premis. Jika memenuhi, rule dieksekusi utk g fakta baru yg mungkin g menghasilkan digunakan oleh rule lain. Proses pengecekan ini disebut rule interpretation yang dilakukan oleh inference engine
Di Diagram P Proses I f Inferensi i Forward F d Ch Chain i
Di Diagram P Proses I f Inferensi i Forward F d Ch Chain i
Pd proses matching setiap rule yg ada pd KBS dibandingkan dg fakta2 yg diketahui utk mencari rule mana yg memenuhi (memenuhi berarti situasi premis, atau antecedent bernilai benar)
Di Diagram P Proses I f Inferensi i Forward F d Ch Chain i
conflict resolution bertugas untuk mencari rule mana yg memiliki prioritas tertinggi yg berpotensi untuk dieksekusi
Di Diagram P Proses I f Inferensi i Forward F d Ch Chain i
Proses execution menghasilkan dua kemungkinan yaitu: fakta baru diturunkan dan ditambah fact base atau rule baru dihasilkan dan ditambah ke knowledge base
P Penyelesaian l i Kasus K 1 d 1a dg FC
C t h kasus Contoh k 1b 1b.
Tabel Hasil penelusuran ?
K Kasus II : Flood Fl d Identification Id tifi ti
P Parameter t Kasus K II
R l Kasus Rules K II
R l Kasus Rules K II
I f Inference N Network t k kasus k II
C t hh il eksekusi k k i Contoh hasil