Kuliah Sistem Pakar Pertemuan VI

Slides:



Advertisements
Presentasi serupa
Logika Bahasa Ilmiah - 6 -
Advertisements

SISTEM PAKAR Ari Eko Wardoyo, ST.
Model Heuristik Dr. Sri Kusumadewi, S.Si., MT. Materi Kuliah [8]:
INDUCTIVE AND DEDUCTIVE REASONING
REPRESENTASI PENGETAHUANI
Pengenalan logika Pertemuan 1.
Expert Systems Fanny Widadie, S.P, M.Agr.
Inductive Reasoning Zainal A. Hasibuan/Siti Aminah Fakultas Ilmu Komputer Universitas Indonesia.
INFERENSI.
Sistem Pakar.
MESIN INFERENSI.
SISTEM PAKAR Disusun Oleh : Dessy Ratnasari ( )
ARGUMENTASI DAN SILOGISME
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.
Knowledge Representation (lanjutan)
Kuliah Sistem Pakar “INFERENSI DENGAN KETIDAK PASTIAN”
Representasi Pengetahuan
Arsitektur Sistem Pakar
METODE INFERENSI Dr. Kusrini, M.Kom.
Artificial Intelligence
SISTEM BERBASIS PENGETAHUAN
Course MMS 2901 Departement of Computer Science Gadjah Mada University © Aina Musdholifah & Sri Mulyana.
PENGETAHUAN BERDASARKAN RULES PERTEMUAN MINGGU KE-6.
SISTEM PAKAR PERTEMUAN 8.
Sistem Pakar Pertemuan II “Inteligensia Semu” (Lanjutan)
Definisi Inferensi  Inferensi adalah : Proses yang digunakan dalam Sistem Pakar untuk menghasilkan informasi baru dari informasi yang telah diketahui.
SISTEM PAKAR DAN SPK.
REPRESENTASI PENGETAHUAN
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.
I. Joko Dewanto & Antonie
INFERENCE Artificial Intelligence
Representasi Pengetahuan
INFERENSI.
Pendekatan Inferensi dalam Sistem Pakar
KNOWLEDGE REPRESENTATION
EXPERT SYSTEM By Daniel Damaris NS.
PENGANTAR KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE) dan SISTEM PAKAR
PERTEMUAN 4 SISTEM PAKAR
SYARAT DAN TUJUAN PENELITIAN Dwiyati Pujimulyani 2015
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]:
KNOWLEDGE REPRESENTATION
Akuisisi dan Representasi Pengetahuan
METODE INFERENSI Kusrini, M.Kom.
SISTEM PAKAR SEPTI EKA H ( ) SRIWAHYUNI ( )
Artificial Intelegence/ P_7-8
METODE INFERENSI 17/9/2015 Kode MK : MK :.
Backward Chaining 17/9/2015 Kode MK : MK :.
Reasoning and Planning
Pertemuan 9 PENGANTAR SISTEM PAKAR
Sistem Pakar.
Metode Inferensi By: Edi, MKM.
TEKNIK INFERENSI Teknik inferensi adalah proses yang digunakan dalam sistem pakar untuk menghasilkan suatu informasi baru yang diperoleh dari informasi.
METODE INFERENSI 17/9/2015 Kode MK : MK :.
TEKNIK RISET OPERASI MUH.AFDAN SYAKUR CHAPTER.2
INFERENSI DAN PENALARAN
Pertemuan 11 PENGANTAR SISTEM PAKAR
Sistem Pakar Team : Jusepto ( ) Irsyad Arismuda ( )
Pertemuan 10 REASONING (PENALARAN)
MEKANISME INFERENSI Program Studi S1 Informatika
SISTEM PAKAR.
GUNAWAN Materi Kuliah [8]: (Sistem Pendukung Keputusan)
Expert Systems PKB - Antonie.
Kuliah Sistem Pakar Pertemuan VII “INFERENSI DENGAN KETIDAK PASTIAN”
Kecerdasan Buatan Dr. Nindyo Cahyo Kresnanto. Mengapa Perlu AI? Hampir semua permasalahan dipecahkan dengan bantuan komputer Masalah semakin komplek tidak.
Transcript presentasi:

Kuliah Sistem Pakar Pertemuan VI INFERENSI DAN PENALARAN

Inferensi dan Penalaran Proses memperoleh pengetahuan atau pengambilan keputusan berdasarkan pengalaman Penalaran : Cara (hal) menggunakan pemikiran atau cara berfikir yang logis Hal mengembangkan atau mengendalikan sesuatu dengan nalar dan bukan dengan perasaan atau pengalaman

Inferensi dan Penalaran Cara memandang proses penyelesaian masalah dengan melihat sumber kekuatan ada 9 sumber (Lenat,1982) Formal Methods, proses penyelesaian masalah dengan menggunakan metode baku (exp. logical deduction) Heuristic Reasoning, proses penyelesaian masalah dengan penalaran (exp. IF-THEN rule) Focus, proses menyelesaikan masalah dengan terfokus pada masalahnya (exp. common sense menuju goal spesifik) Divide and Conqueror, proses membagi masalah besar menjadi masalah-masalah kecil (membagi problem ke beberapa subproblem)

Inferensi dan Penalaran (lanjutan) Parallelism, proses penyelesaian masalah dengan membandingkan masalah yang mirip. Representation, proses penyelesaian masalah dengan mengorganisir representasi pengetahu -an. Analogy, proses penyelesaian masalah dengan menghubungkan beberapa konsep menjadi konsep utama Synergi, proses penyelesaian masalah dengan menggunakan konsep kerjasama sehingga dapat menghasilkan hasil optimal. Serendipity, proses penyelesaian masalah dengan suatu keyakinan akan mendapatkan suatu hal lebih yang lain pada saat menyelesaikan masalah tersebut.

Kategori Penalaran (lanj.) Deductive Reasoning General promise untuk mendapatkan spesific inference Premis Umum (mayor) Premis Khusus (minor) Konklusi -- spesifik

Deductive Reasoning Contoh 1 : Contoh 2 : Major premise : I don’t jog when temperature exceeds 90 degrees Minor premise : Today the temperature is 93(F) Conclusion : Therefore, I will not jog today Contoh 2 : Premis mayor : A akan diam jika marah Premis minor : Saat ini A marah Kesimpulan : A akan diam

Inductive Reasoning Fact (premis) untuk mendapatkan general conclusion Contoh : P1 : Faulty diodes cause electronic equipment failure P2 : Defective transistor cause electronic equipment failure P3 : Defective integrated circuits cause electronic equipment malfunction C : Therefore, defective semiconductor

Analogical Reasoning Jika ada pertanyaan, jawaban didapat dari analogi (penalaran dengan menggunakan pengetahuan) Contoh 1 : Q : What are the working hours of engineers in the company ?” A : “9 to 5” Contoh 2 : T : Apa akibat dari keterlambatan pembayaran telepon ? J : Telepon tidak dapat digunakan untuk menelepon.

Formal Reasoning Syntatic manipulation dari struktur data untuk menyimpulkan fakta-fakta baru, mengikuti rules of inference Contoh : Proving theorem in geometry Predicate calculus

Procedural (Numeric) Reasoning Menggunakan model matematika atau simulasi untuk memecahkan masalah. Contoh : Model-based reasoning (MBR) Generalization & Abstraction Contoh : Jika kita tahu bahwa semua perusahaan mempunyai direktur dan semua kantor pialang dianggap sebagai perusahaan, maka dapat disimpulkan bahwa setiap kantor pialang pasti mempunyai direktur.

Penalaran dengan Logika Mengkaji suatu argumentasi atau penarikan kesimpulan yang valid atau sah. Contoh : Modus Ponen, Jika preposisi A dan A implies B benar, maka preposisi B adalah juga benar. A = udara cerah B = Kita akan pergi ke pantai C = A implies B = Jika udara cerah, maka kita akan pergi ke pantai.

Inferensi dengan Rules Forward and Backward Chaining Forward Chaining Jika premise clause match dengan situasi, Maka proses mencoba untuk mengambil konklusi Initial State Goal

Inferensi dengan Rules Forward and Backward Chaining Jika current goal menentukan fakta dalam konklusi, Maka proses mencoba untuk menentukan apakah premise clause match dengan situasi Initial State Goal

Backward atau Forward ? Contoh 1. Anda ingin terbang dari Denver ke Tokyo dan tidak ada penerbangan langsung antara kedua kota tersebut. Jadi, anda harus menemukan connecting flight dari Denver yang berakhir di Tokyo. (BW dan FW) Contoh 2 Mobil anda mogok dan anda ingin mencari tahu mengapa mobil tersebut mogok ?

Backward atau Forward ? IF the car over heats. THEN the car will stall IF the car stalls. THEN it will cost me money, AND I will be late getting home IF the car is tuned AND the battery is weak, THEN not enough current will reach the starter. IF not enough current reaches the starter. THEN the car will not start.

Backward chaining Inductive Mundur /ke belakang, dari goal (noda tujuan) bergerak ke keadaan awal Diagnosa Disebabkan oleh apa ? Apa yang menjadi penyebab ?

Forward-Chaining Deductive Maju / ke depan, dari keadaan awal menuju ke tujuan (goal) Apa akibatnya ? Mengakibatkan apa ?

Summary Several methods can direct search and reasoning: Chaining (backward and forward), model-based reasoning and case-based reasoning Analogical reasoning relates past experiences to a current case Backward chaining: Search starts from a specific goal Forward chaining: Search starts from the data (evidence) and tries to arrive at one or more conclusions In model-based reasoning, a model describes the system. Experimentations are conducted using a what-if approach Case-based Reasoning: Based on experience with similar situations

Summary (con’t) In case-based reasoning, the attributes of an existing case are compared to critical attributes derived from cases stored in the case library Two Explanations in most ES: Why and How Metaknowledge is knowledge about knowledge - useful in generating explanations

Sampai Jumpa di Pertemuan VII Selamat Belajar