METODE INFERENSI 17/9/2015 Kode MK : MK :.

Slides:



Advertisements
Presentasi serupa
Model Heuristik Dr. Sri Kusumadewi, S.Si., MT. Materi Kuliah [8]:
Advertisements

Representasi Pengetahuan
Dasar-Dasar Komputer FKIP Prodi Matematika Univ. Muhammadiyah Gresik
Struktur Percabangan Komang Kurniawan W., M.Cs.
REPRESENTASI PENGETAHUANI
INFERENSI.
Metode Inferensi dan Penalaran
Sistem Pakar.
MESIN INFERENSI.
SISTEM PAKAR Disusun Oleh : Dessy Ratnasari ( )
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.
Knowledge Representation (lanjutan)
Arsitektur Sistem Pakar
Pertemuan 18 SISTEM PAKAR.
METODE INFERENSI Dr. Kusrini, M.Kom.
SISTEM PAKAR.
PENGETAHUAN BERDASARKAN RULES PERTEMUAN MINGGU KE-6.
ARTIFICIAL INTELLIGENCE
Sistem Pakar.
Definisi Inferensi  Inferensi adalah : Proses yang digunakan dalam Sistem Pakar untuk menghasilkan informasi baru dari informasi yang telah diketahui.
SISTEM PAKAR DAN SPK.
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
Algoritma dan Pemrograman STRUKTUR PEMILIHAN (SELECTION) lanjutan
INFERENSI.
Pendekatan Inferensi dalam Sistem Pakar
KNOWLEDGE REPRESENTATION
EXPERT SYSTEM By Daniel Damaris NS.
Backward Chaining.
Pendekatan Inferensi dalam Sistem Pakar
BASIS PENGETAHUAN DAN METODE INFERENSI
SISTEM BERBASIS PENGETAHUAN
Model Heuristik Dr. Sri Kusumadewi, S.Si., MT. Materi Kuliah [8]:
Struktur Kontrol Struktur kontrol merupakan pengatur aliran program
METODE INFERENSI Kusrini, M.Kom.
Algoritma dan Pemrograman STRUKTUR PEMILIHAN (SELECTION) lanjutan
SISTEM PAKAR SEPTI EKA H ( ) SRIWAHYUNI ( )
ALGORITMA DAN PEMROGRAMAN Struktur Algoritma
STRUKTUR KENDALI PERCABANGAN
ALGORITMA DAN PEMROGRAMAN Struktur Algoritma
Artificial Intelegence/ P_7-8
FUZZY INFERENCE SYSTEM (FIS)
Metode Pengujian Perangkat Lunak (White Box)
Backward Chaining 17/9/2015 Kode MK : MK :.
Contoh Kasus Backward Chaining
FUZZY INFERENCE SYSTEM (FIS)
Backward Chaining 17/9/2015 Kode MK : MK :.
ALGORITMA DAN PEMROGRAMAN Struktur Algoritma
Pertemuan 5 Kecerdasan Buatan
Pertemuan 9 PENGANTAR SISTEM PAKAR
Metode Inferensi By: Edi, MKM.
Jaringan Semantik 17/9/2015 Kode MK : MK :.
Metode Inferensi.
REPRESENTASI PENGETAHUAN – Sistem Produksi
METODE INFERENSI 17/9/2015 Kode MK : MK :.
INFERENSI DAN PENALARAN
Pertemuan 6 SISTEM PAKAR.
Pertemuan 11 PENGANTAR SISTEM PAKAR
Algoritma dan Pemrograman STRUKTUR PEMILIHAN (SELECTION) lanjutan
FUZZY INFERENCE SYSTEM (FIS) - SUGENO
Rerepresentasi Pengetahuan
MEKANISME INFERENSI Program Studi S1 Informatika
Contoh Kasus Forward Chaining
GUNAWAN Materi Kuliah [8]: (Sistem Pendukung Keputusan)
Pertemuan 6 SISTEM PAKAR.
ARSITEKTUR SISTEM PAKAR
Transcript presentasi:

METODE INFERENSI 17/9/2015 Kode MK : MK :

Pengertian Strategi Penalaran. Runut Maju / Forward Chaining Pengertian Strategi Penalaran Runut Maju / Forward Chaining Runut Balik / Backward Chaining 17/9/2015 Kode MK : MK :

Runut Maju Runut maju berarti menggunakan himpunan aturan kondisi-aksi. Dalam metode ini, data digunakan untuk menentukan aturan mana yang akan dijalankan, kemudian aturan tersebut dijalankan. Mungkin proses menambahkan data ke memori kerja. Proses diulang sampai ditemukan suatu hasil 17/9/2015 Kode MK : MK :

17/9/2015 Kode MK : MK :

Runut Balik penalaran dimulai dengan tujuan kemudian merunut balik ke jalur yang akan mengarahkan ke tujuan tersebut 17/9/2015 Kode MK : MK :

Database Aturan 17/9/2015 Kode MK : MK :

Runut Maju Tampilkan semua daftar premis User memilih premis yang dialami Sistem mencari aturan yang premisnya terdiri dari premis-premis yang dipilih oleh user Sistem akan menampilkan konklusi dari aturan tersebut 17/9/2015 Kode MK : MK :

Runut Balik Sistem akan melist dalam memori daftar konklusi yang ada Masing-masing konklusi secara sekuensial dicari premisnya Masing-masing premis di tanyakan ke user Jika jawaban ya, dilanjutkan ke premis berikutnya Jika jawabannya tidak dilanjutkan ke konklusi selanjutnya 17/9/2015 Kode MK : MK :

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

Forward Chaining Forward chaining merupakan grup dari multipel inferensi yang melakukan pencarian dari suatu masalah kepada solusinya. Forward Chaining adalah data driven karena inferensi dimulai dengan informasi yg tersedia dan baru konklusi diperoleh Mencari aturan inferensi sampai ditemukan satu dimana anteseden (If clause) bernilai true. Ketika ditemukan, bisa ditarik kesimpulan, menghasilkan informasi baru. 17/9/2015 Kode MK : MK :

Forward 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 :

Forward 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 :

Forward Chaining Yang dicari pertama adalah aturan nomor 2, karena anteseden-nya cocok dengan data kita (if Tweety terbang dan bernyanyi) Konsekuen (then Tweety adalah burung kenari) ditambahkan ke data yang dimiliki If tweety adalah burung kenari, maka Tweety berwarna kuning (tujuan) 17/9/2015 Kode MK : MK :

Contoh Kasus Forward 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 :

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

 END  17/9/2015 Kode MK : MK :