Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

INFERENSI.

Presentasi serupa


Presentasi berjudul: "INFERENSI."— Transcript presentasi:

1 INFERENSI

2 INFERENSI Inference engine Jenis metode inference
Penalaran deduktif dan silogisme

3 Pengertian Proses untuk menghasilkan informasi dari fakta yang diketahui atau diasumsikan Merupakan konklusi logis atau implikasi berdasarkan informasi yang tersedia Dilakukan dalam suatu modul yang disebut inference engine Representasi pengetahuan pada bagian knowledge base telah lengkap (pada level yang cukup akurat)  siap digunakan  mengendalikan proses reasoning mengg. inference engine

4 Metode yang dipergunakan
Forward chaining (runut maju)‏ Backward chaining (runut balik)‏

5 Tipe-tipe inferensi

6 Deductive Logic Yang paling sering dipakai : deductive logic, untuk menentukan validitas “argument”. Silogisme merupakan satu tipe argumen logika. Contoh : Premise : Anyone who can program is intelligent Premise : John can program Conclusion : Therefore, John is intelligent

7 Premise Digunakan sebagai bukti untuk mendukung suatu kesimpulan.
Disebut juga antecedent Kesimpulan/Conclusion Disebut juga consequent Karakteristik logika deduktif adalah kesimpulan benar harus mengikuti dari premis yg benar

8 Contoh Anyone who can program is intelligent John can program
John is intelligent Dalam bentuk IF-THEN IF Anyone who can program is intelligent And John can program THEN John is intelligent

9 Forward chaining Disebut data-driven
Rule akan dieksekusi jika premis (bagian dari IF) terpenuhi Penalaran berawal dari semua fakta yang diketahui untuk menuju ke satu konklusi Baik digunakan jika tree melebar dan tidak dalam, memudahkan pencarian breadth first (pencarian konklusi berproses level ke level)

10 Backward chaining Disebut juga goal-driven
Pilih konklusi dan coba buktikan kebenarannya dengan menganalisa evidence / premis yang mendukung konklusi tersebut berdasarkan fakta yang diberikan Memudahkan pencarian depth first, tree yang baik untuk depth first adalah yang menyempit dan dalam

11 Pengkodean yang diperoleh saat knowledge acquisition
A1 = suhu tubuh >= 38°C A2 = pusing A3 = pilek A4 = batuk A5 = batuk yang terus menerus dimalam hari A6 = nafas berbunyi P1 = demam biasa P2 = batuk biasa P3 = influensa/infeksi virus P4 = batuk rejan P5 = infeksi saluran nafas

12 Rule yang ada pada knowledge base
R1 : IF A1 THEN P1 R2 : IF A4 THEN P2 R3 : IF (P1 or A2) and (P2 or A3) THEN P3 R4 : IF P3 and A5 THEN P4 R5 : IF P3 and A6 THEN P5 Fakta-fakta yang diperoleh dari user adalah demam, pusing, batuk dan batuk tersebut lebih sering di malam hari (A1, A2, A4, A5 -> benar

13 Tree untuk rule tersebut
A1 A4 P1 P2 A2 A3 P3 A6 P5 A5 P4

14 Algoritma Forward chaining
Catat semua fakta yang diinputkan oleh user Catat semua rule yang bagian premisnya menggunakan fakta yang sesuai ke dalam queue Q Sampai tidak ada rule, pada Q : Analisa rule pertama pada Q Jika premis tidak terpenuhi, hapus rule dari Q dan kembali ke a Jika premis terpenuhi : eksekusi rule, catat konklusi dari rule Cari rule yang menggunakan konklusi tersebut sebagai premis Jika rule belum ada pada Q, catat rule tersebut meskipun premis tidak sepenuhnya terpenuhi. Hapus rule awal dari Q Konklusi akhir diperoleh

15 Penyelesaian dengan forward chaining
Fakta dari user A1, A2, A3, A4, A5 Rule yang sesuai = R1, R2, R3, R4 Sampai tidak ada rule pada Q Q R K Iterasi 1 R1, R2, R3, R4 R1 P1 Iterasi 2 R2, R3, R4 R2 P2 Iterasi 3 R3, R4 R3 P3 Iterasi 4 R4 P4

16 Algoritma backward chaining
Catat GOAL pada TOS (top of stack) Catat semua rule yang memenuhi GOAL Untuk setiap rule : Jika semua premis terpenuhi, maka eksekusi rule untuk mendapat konklusi, proses selesai Jika sebuah premis tidak terpenuhi, cari rule yang menurunkan nilai dari parameter premis tsb. Maka Jika ada, maka asumsi parameter tsb adalah SUBGOAL, letakkan pada TOS. Jika tidak ada, maka tanyakan kepada user apa nilai dari parameter tsb. Jika nilai ini sesuai premis, lanjutkan pada premis berikutnya. Jika premis tidak sesuai lanjutkan ke rule berikutnya. Jika semua rule sudah dianalisa dan semuanya gagal, maka GOAL tidak ada. Hapus GOAL dari stack dan kembali ke langkah 2. Jika stack kosong, proses selesai

17 Forward atau backward ? Cek hubungan antara rule dengan fakta utk menghasilkan konklusi Sekumpulan fakta -> banyak konklusi -> backward chaining Sekumpulan hipotesis -> banyak pertanyaan -> forward chaining Banyak cara utk mendapatkan sedikit konklusi -> forward chaining Sedikit cara untuk mendapatkan banyak konklusi -> backward chaining

18 Tugas Disimpan di e-learning SBP - Dropbox - file-file dikirim - tugas makalah tipe inferensi individu Dengan format nama file : NPM_nama.doc

19 Sampai jumpa lagi


Download ppt "INFERENSI."

Presentasi serupa


Iklan oleh Google