Sistem pakar.

Slides:



Advertisements
Presentasi serupa
Penyelesaian Masalah Dengan AI
Advertisements

SISTEM MENANGKAP PENGETAHUAN
SISTEM PAKAR Ari Eko Wardoyo, ST.
Materi 1 Pengantar Kecerdasan Buatan
Model Heuristik Dr. Sri Kusumadewi, S.Si., MT. Materi Kuliah [8]:
Sistem Pakar.
SISTEM PAKAR Disusun Oleh : Dessy Ratnasari ( )
Arsitektur Sistem Pakar
Pengertian Kecerdasan Buatan (Artificial Intelligence)
SISTEM MENANGKAP PENGETAHUAN
SISTEM PAKAR.
Pengenalan PHP Operator Aritmatika:
SISTEM PAKAR & KECERDASAN BUATAN
ARTIFICIAL INTELLIGENCE
SISTEM BERBASIS PENGETAHUAN
© STMIK-Indonesia 2012 SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN TEKNIK KOMPUTER INDONESIA KALKULUS PROPOSISI 1 DosenAlbaar Rubhasy, S.Si., M.T.I. Mata.
Definisi Inferensi  Inferensi adalah : Proses yang digunakan dalam Sistem Pakar untuk menghasilkan informasi baru dari informasi yang telah diketahui.
Konsep Sistem Informasi
Perbedaan SIM ,DSS dan ES
SISTEM PAKAR DAN SPK.
KECERDASAN BUATAN PERTEMUAN 10.
I. Joko Dewanto & Antonie
Representasi Pengetahuan
Intelegensia Buatan Silabus Perkembangan AI
KNOWLEDGE REPRESENTATION
EXPERT SYSTEM By Daniel Damaris NS.
PERTEMUAN 4 SISTEM PAKAR
Materi 1 Pengantar Kecerdasan Buatan
Sistem pakar By Serdiwansyah N. A..
SISTEM PAKAR (LANJUTAN)
Pengenalan PHP Operator Aritmatika:
SISTEM BERBASIS PENGETAHUAN
Model Heuristik Dr. Sri Kusumadewi, S.Si., MT. Materi Kuliah [8]:
SISTEM PAKAR & KECERDASAN BUATAN
Artificial Intelegence/ P_7-8
KECERDASAN BUATAN PERTEMUAN 10.
The Logical Basis For Computer Programming
Sistem Informasi SISTEM PAKAR Rika Yunitarini, ST.
I Gusti Agung Made Wirautama, S.Kom
Rerepresentasi Pengetahuan
Pengembangan Sistem Pakar
Sistem Informasi Manajemen
PERBANDINGAN SISTEM KONVENSIONAL
Sistem Berbasis Pengetahuan Pertemuan ke - 2
Pertemuan 9 PENGANTAR SISTEM PAKAR
Interaksi Manusia dan Komputer (Desain dan Notasi Dialog)
Sistem Pakar.
Representasi Pengetahuan
REPRESENTASI PENGETAHUAN – Sistem Produksi
TEKNIK RISET OPERASI MUH.AFDAN SYAKUR CHAPTER.2
Kecerdasan Buatan Dalam Sistem Informasi Bab : Sistem Pakar – part two
Implementasi Logika Proposisi
Pertemuan 11 PENGANTAR SISTEM PAKAR
EXPERT SYSTEM.
Mesin Cerdas 17/9/2015 Kode MK : MK :.
Rerepresentasi Pengetahuan
Pertemuan 10 REASONING (PENALARAN)
DASAR-DASAR SISTEM PAKAR
SISTEM PAKAR.
Pengenalan Sistem Pakar
SISTEM PAKAR & KECERDASAN BUATAN
Kecerdasan Buatan Dalam Sistem Informasi Bab : Sistem Pakar – part two
SISTEM PAKAR UNTUK MENDIAGNOSA KERUSAKAN PERANGKAT TELEVISI MENGGUNAKAN METODE BACKWARD CHAINING Oleh: Achmad Faiz Nabil L. (01) Nafa Meilantu(17)
Pertemuan Ke-1 Ridwan, S.T,. M.Eng Ridwan, S.T, M.Eng.
GUNAWAN Materi Kuliah [8]: (Sistem Pendukung Keputusan)
Expert Systems PKB - Antonie.
(CBIS) Computer Base Information System
SISTEM INFORMASI BERBASIS KOMPUTER
ARSITEKTUR SISTEM PAKAR
CONDITION I (Tunggal – Ganda) IF - Then. Seleksi kondisi adalah proses penentuan langkah berikutnya berdasarkan proses yang terjadi sebelumnya. Bila kondisi.
Transcript presentasi:

Sistem pakar

Sistem pakar mengharapkan komputer dapat melakukan kegiatan sebagaimana yang telah dilakukan oleh seorang pakar / ahli. Diperlukan suatu program yang melakukan simulasi penalaran-penalaran seorang ahli yang berbekal pada pengetahuan-pengetahuan yang telah tersimpan di dalam basis data.

Contoh aplikasi sistem pakar : Sebelum kita merencanakan suatu sistem pakar, kita harus membuat suatu aturan-aturan dasar (rule base) yang berlaku / akan digunakan pada program. Untuk sistem pakar yang sederhana, kita dapat menggunakan aturan-aturan logika yang ada pada bahasa pemrograman. Contoh aplikasi sistem pakar : medical diagnostic electronics circuit diagnostic mineral exploration CAI (Computer Aided Instruction)

Production System Sistem yang menggunakan aturan-aturan untuk merepresentasikan pengetahuan dinamakan productions system. Production system, ada 3 bagian : Rule base / knowledge base, berisi pola sisi kiri yang menentukan pemakaian aturan tertentu, dan sisi kanan yang menggambarkan tindakan yang harus dilakukan jika aturan tertentu tersebut digunakan. Data base / global database / working memory, berisi informasi tentang pengetahuan khusus atau perluasannya. Rule interpreter / inference system / inference engine, berisi metodologi yg digunakan utk melakukan penalaran thd informasi-informasi dlm rule base.

Principles Of Rule Based Expert System Production rule: if_then_ rule. if A then B A: condition part, Left Hand Side (LHS) B: action part, Right Hand Side (RHS) Istilah fire digunakan jika condition part dipenuhi yang berarti action part dilaksanakan / terjadi. Di dalam logika, istilah fire adalah kalimat bernilai benar (true).

Identifying Drinks Ada 5 jenis minuman : beer, wine, grape juice, mineral water, dan lemonade. Rule base : R1 : if for children then non alcoholic R2 : if for drivers then non alcoholic R3 : if non alcoholic then thirst quenching R4 : if ideal when hot then thirst quenching R5 : if thirst quenching and for adults only then beer R6 : if made from grapes and for adults only then wine R7 : if made from grapes and taste of fruit and non alcoholic then grape juice R8 : if thirst quenching and not taste of fruit and bubbling then mineral water R9 : if thirst quenching and taste of fruit and bubbling then lemonade

Untuk menyingkat penyajian dapat digunakan notasi, misalnya: For children : A Non alcoholic : B For drivers : C Thirst quenching : D Ideal when hot : E For adults only : G Beer : H Made from grapes : I Wine : J Taste of fruit : K Grape juice : L Bubbling : M Mineral water : N Lemonade : O

Sehingga rule base nya menjadi: R1 : A  B R2 : C  B R3 : B  D R4 : E  D R5 : D & G  H R6 : I & G  J R7 : I & K & B  L R8 : D & not K & M  N R9 : D & K & M  O

Untuk mengetahui cara kerja sistem produksi, kita gunakan tahap-tahap sebagai berikut: Cari semua aturan yang bagian kondisinya (LHS) nya benar. Aktifkan aturan-aturan tadi yang akan mengakibatkan bagian aksi (RHS) menghasilkan simbol yang sudah disimpan di database. Pilih aturan yang membuat fire, jika lebih dari satu, maka pilih yang mempunyai rule rendah. Jika tidak ada keluar dari situ. Buat semua aturan non aktif dan kembali ke syarat satu untuk melakukan sikel ke-2.

Misalnya : database (A,M,K) Mulai, sikel I. Pada tahap I Aturan 1 (R1) digunakan, R1 fire, B terjadi. Database menjadi (B,A,M,K) R1 non aktif. Sikel II: Aturan 3 (R3) digunakan, R3 fire, D terjadi. R3 non aktif. Sikel III: Aturan 9 (R9) digunakan, R9 fire, O terjadi. Database menjadi (O,D,B,A,M,K) R9 non aktif. Jadi menghasilkan O = lemonade.

Controlling Strategy / Conflict Resolution Strategy Jika terdapat lebih dari satu aturan (rule) yang cocok dengan fakta, maka diperlukan pemilihan aturan mana yang didahulukan / diterapkan. Untuk maksud ini digunakan beberapa patokan: Pada waktu membuat aturan (rule base), supaya disusun menurut aturan prioritas. Untuk menentukan prioritas tidak ada patokan yang baku, tergantung dari pakar pembuat aturan. Ini disebut dengan rule order. Simbol/lambang/elemen yang disimpan di basis datanya terurut. Urutan simbol/lambang/elemen disesuaikan dengan urutan/prioritas dari rule basenya. Sehingga pada saat dilakukan pemindaian (scanning), simbol/lambang/elemen yang menyebabkan aturan dengan prioritas tertinggi yang dipilih (fire). Ini disebut data order. Jika lebih dari satu yang memenuhi, maka aturan yang lebih spesifik yang diambil. Ini dinamakan generating order (specify). Dipilih aturan yang mengakibatkan penambahan pada basis datanya

Misalkan pakar membuat rule order sebagai berikut: R1 : A  B R2 : B  C R3 : E  D R4 : E & C  K Maka urutan prioritasnya dari yang tertinggi sampai terendah adalah R1, R2, R3, dan R4. Dengan demikian, untuk database (B,E,C) langkah yang dilakukan R1 tidak dipilih, karena LHS salah (tidak ada dalam database) R2 tidak dipilih, karena tidak mengakibatkan penambahan database. R3 dipilih (fire), karena terjadi penambahan database. R4 tidak dipilih, karena prioritasnya lebih rendah dari R3. Sehingga menghasilkan (D,B,E,C).

The end and 10_Q