Backward Chaining 17/9/2015 Kode MK : MK :.

Slides:



Advertisements
Presentasi serupa
PERCABANGAN # IF…THEN IF…THEN…ELSE SELECTION STIKOM
Advertisements

Model Heuristik Dr. Sri Kusumadewi, S.Si., MT. Materi Kuliah [8]:
Dasar-Dasar Komputer FKIP Prodi Matematika Univ. Muhammadiyah Gresik
Struktur Kontrol Struktur kontrol merupakan pengatur aliran program
PENYELEKSIAN KONDISI (PEMILIHAN)
Struktur Percabangan Komang Kurniawan W., M.Cs.
Algoritma dan Struktur Data
INFERENSI.
Mengatasi Ketidakpastian (Uncertainty)
Metode Inferensi dan Penalaran
MESIN INFERENSI.
SISTEM PRODUKSI Oleh : KELOMPOK 6 Elfadiaz C Kharisma K M. Safril BN M. Satria E Fajar Cahya N
Lecture 7 Backward Chaining Erick Pranata © Sekolah Tinggi Teknik Surabaya 1.
MOTOR INFERENSI.
Sumber Kepustakaan : yohananugraheni.files.wordpress.com/.../7_struktu... 1 Struktur Perulangan.
Arsitektur Sistem Pakar
Pertemuan 18 SISTEM PAKAR.
METODE INFERENSI Dr. Kusrini, M.Kom.
PENALARAN disebut juga ARGUMEN
SISTEM PAKAR.
Bab 2 – b PERINTAH 2 B Percabangan. PERCABANGAN Tidak setiap baris program akan dikerjakan Hanya yang memenuhi syarat (kondisi) Syarat terdiri dari operand-operand,
PENGETAHUAN BERDASARKAN RULES PERTEMUAN MINGGU KE-6.
ARTIFICIAL INTELLIGENCE
Definisi Inferensi  Inferensi adalah : Proses yang digunakan dalam Sistem Pakar untuk menghasilkan informasi baru dari informasi yang telah diketahui.
TPI4202 e-tp.ub.ac.id Perulangan (Looping) Lecture 5.
Kecerdasan buatan Nelly Indriani Widiastuti S.Si.,M.T.
BAB Latar Belakang Adapun perkembangan teknologi saat ini khususnya dalam pemilihan model monitor, baik instansi pemerintah, swasta ataupun perorangan.
Pertemuan 6 SISTEM PAKAR.
INFERENCE Artificial Intelligence
STMIK AMIKOM PURWOKERTO
INFERENSI.
Representasi Pengetahuan II.
Logical Connectives – Penghubung Logika / Operator Logika
Pendekatan Inferensi dalam Sistem Pakar
KNOWLEDGE REPRESENTATION
EXPERT SYSTEM By Daniel Damaris NS.
BAB 4 PERNYATAAN IF DAN CASE.
Backward Chaining.
Pendekatan Inferensi dalam Sistem Pakar
BASIS PENGETAHUAN DAN METODE INFERENSI
SISTEM BERBASIS PENGETAHUAN
Logika Fuzzy.
Model Heuristik Dr. Sri Kusumadewi, S.Si., MT. Materi Kuliah [8]:
Struktur Kontrol Struktur kontrol merupakan pengatur aliran program
METODE INFERENSI Kusrini, M.Kom.
LOGIKA & INFERENSI.
Struktur Perulangan Yohana Nugraheni.
STRUKTUR KENDALI PERCABANGAN
FUZZY INFERENCE SYSTEM (FIS)
Metode Pengujian Perangkat Lunak (White Box)
METODE INFERENSI 17/9/2015 Kode MK : MK :.
Contoh Kasus Backward Chaining
FUZZY INFERENCE SYSTEM (FIS)
Backward Chaining 17/9/2015 Kode MK : MK :.
Pertemuan 5 Kecerdasan Buatan
Pertemuan 9 PENGANTAR SISTEM PAKAR
Metode Inferensi By: Edi, MKM.
Struktur Pengambilan Keputusan
Jaringan Semantik 17/9/2015 Kode MK : MK :.
Metode Inferensi.
METODE INFERENSI 17/9/2015 Kode MK : MK :.
Dasar-Dasar Komputer FKIP Prodi Matematika Univ. Muhammadiyah Gresik
INFERENSI DAN PENALARAN
Pertemuan 6 SISTEM PAKAR.
Pertemuan 11 PENGANTAR SISTEM PAKAR
CIRI-CIRI SISTEM PAKAR
MEKANISME INFERENSI Program Studi S1 Informatika
Contoh Kasus Forward Chaining
GUNAWAN Materi Kuliah [8]: (Sistem Pendukung Keputusan)
Pertemuan 6 SISTEM PAKAR.
Transcript presentasi:

Backward Chaining 17/9/2015 Kode MK : MK :

Backward Chaining Dimulai dengan tujuan (goal) yang diverifikasi apakah bernilai TRUE atau FALSE Kemudian melihat rule yang mempunyai GOAL tersebut pada bagian konklusinya. Mengecek pada premis dari rule tersebut untuk menguji apakah rule tersebut terpenuhi (bernilai TRUE) Proses tersebut berlajut sampai semua kemungkinan yang ada telah diperiksa atau sampai rule inisial yang diperiksa (dg GOAL) telah terpenuhi Jika GOAL terbukti FALSE, maka GOAL berikut yang dicoba. 17/9/2015 Kode MK : MK :

Backward Chaining Dimulai dari daftar tujuan dan bergerak ke belakang dari konsekuen ke anteseden untuk melihat data yang mendukung konsekuen. Mencari sampai ada konsekuen (Then clause) yang merupakan tujuan. Jika antecedent (If clause) belum diketahui nilainya (bernilai benar/salah), maka ditambahkan ke daftar tujuan. 17/9/2015 Kode MK : MK :

Backward Chaining Contoh : Menentukan warna binatang bernama Tweety. Data awal adalah Tweety terbang dan bernyanyi. Misalkan ada 4 aturan : If x melompat dan memakan serangga, maka x adalah katak If x terbang dan bernyanyi, maka x adalah burung kenari If x adalah katak, maka x berwarna hijau If x adalah burung kenari, maka x berwarna kuning 17/9/2015 Kode MK : MK :

Backward Chaining Pertama akan mencari aturan 3 dan 4 (sesuai dengan tujuan kita mencari warna) Belum diketahui bahwa Tweety adalah burung kenari, maka kedua anteseden (If Tweety adalah katak, If Tweety adalah burung kenari) ditambahkan ke daftar tujuan. Lalu mencari aturan 1 dan 2, karena konsekuen-nya (then x adalah katak, then x adalah burung kenari) cocok dengan daftar tujuan yang baru ditambahkan. 17/9/2015 Kode MK : MK :

Backward Chaining Anteseden (If Tweety terbang dan bernyanyi) bernilai true/benar, maka disimpulkan Tweety adalah burung kenari. Tujuan menentukan warna Tweety sekarang sudah dicapai (Tweety berwarna hijau jika katak, dan kuning jika burung kenari, Tweety adalah burung kenari karena terbang dan bernyanyi, jadi Tweety berwarna kuning). 17/9/2015 Kode MK : MK :

Contoh Kasus Backward Chaining 17/9/2015 Kode MK : MK :

Contoh Kasus Seorang user ingin berkonsultasi apakah tepat jika dia berinvestasi pada IBM? Variabel-variabel yang digunakan: A = memiliki uang $10.000 untuk investasi B = berusia < 30 tahun C = tingkat pendidikan pada level college D = pendapatan minimum pertahun $40.000 E = investasi pada bidang Sekuritas (Asuransi) F = investasi pada saham pertumbuhan (growth stock) G = investasi pada saham IBM Setiap variabel dapat bernilai TRUE atau FALSE 17/9/2015 Kode MK : MK :

Contoh Kasus Fakta Memiliki uang $10.000 (A TRUE) Berusia 25 tahun (B TRUE) Dia ingin meminta nasihat apakah tepat jika berinvestasi pada IBM stock? 17/9/2015 Kode MK : MK :

R1 : IF seseorang memiliki uang $10.000 untuk berinvestasi Rules R1 : IF seseorang memiliki uang $10.000 untuk berinvestasi AND dia berpendidikan pada level college THEN dia harus berinvestasi pada bidang sekuritas R2 : IF seseorang memiliki pendapatan per tahun min $40.000 THEN dia harus berinvestasi pada saham pertumbuhan (growth stocks) R3 : IF seseorang berusia < 30 tahun AND dia berinvestasi pada bidang sekuritas THEN dia sebaiknya berinvestasi pada saham pertumbuhan R4 : IF seseorang berusia < 30 tahun dan > 22 tahun THEN dia berpendidikan college R5 : IF seseorang ingin berinvestasi pada saham pertumbuhan THEN saham yang dipilih adalah saham IBM. 17/9/2015 Kode MK : MK :

R1: IF A AND C, THEN E R2: IF D AND C, THEN F R3: IF B AND E, THEN F R4: IF B, THEN C R5: IF F, THEN G 17/9/2015 Kode MK : MK :

Backward Chaining 17/9/2015 Kode MK : MK :

 END  17/9/2015 Kode MK : MK :