KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)

Slides:



Advertisements
Presentasi serupa
KECERDASAN BUATAN Oleh :Alifah NRP :
Advertisements

Referensi : Kusumadewi, Sri. Artificial Intelligence Teknik dan Aplikasinya, Yogayakarta, Graha Ilmu, 2003 Pandjaitan, Lanny. Dasar – Dasar Komputasi Cerdas,
REPRESENTASI PENGETAHUAN
REPRESENTASI PENGETAHUANI
MEMPEROLEH PENGETAHUAN (Lanjutan Metoda Ilmiah)
INFERENSI.
Sistem Pakar.
REPRESENTASI PENGETAHUAN
Knowledge Representation
Deduksi Ati Harmoni
Pertemuan 4.
Representasi Pengetahuan
REPRESENTASI PENGETAHUAN
Representasi Pengetahuan
PENGANTAR FILSAFAT Topik 6 LOGIKA.
REPRESENTASI PENGETAHUAN.
METODE INFERENSI Dr. Kusrini, M.Kom.
Course MMS 2901 Departement of Computer Science Gadjah Mada University © Aina Musdholifah & Sri Mulyana.
REPRESENTASI PENGETAHUAN - LOGIKA
1. Goal Majemuk dan Unifikasi 2. Runut Balik 3. Input/Output Prolog
ILMU MAWARIS MK FIQH 3 BAB MAWARIS.
JARINGAN SEMANTIK PERTEMUAN MINGGU KE-7.
PENGETAHUAN BERDASARKAN RULES PERTEMUAN MINGGU KE-6.
Kelompok 5 Azizatul Mar’ati ( ) Dian Pertiwi ( Nurmiati ( ) Yossy Mahala Chrisna S( )
Pertemuan 5 Automated Reasoning, Inferensi
Logika informatika 5.
Definisi Inferensi  Inferensi adalah : Proses yang digunakan dalam Sistem Pakar untuk menghasilkan informasi baru dari informasi yang telah diketahui.
REPRESENTASI PENGETAHUAN
Bab III : Logical Entailment
KECERDASAN BUATAN PERTEMUAN 6 dan 7.
INFERENCE Artificial Intelligence
Kecerdasan Buatan Pertemuan 2 Knowledge Representation.
Bab VI : Inferensi pada FOL
INFERENSI.
REPRESENTASI PENGETAHUAN
Intelegensia Buatan Silabus Perkembangan AI
Pendekatan Inferensi dalam Sistem Pakar
BINGKAI (FRAME).
KNOWLEDGE REPRESENTATION
Semantic Network, Frame
Pertemuan 4 Representasi Pengetahuan
Sistem pakar M Ridwan Dwi Septian.
Materi 8 Logika.
REPRESENTASI PENGETAHUAN
1. Goal Majemuk dan Unifikasi 2. Runut Balik 3. Input/Output Prolog
Pendekatan Inferensi dalam Sistem Pakar
BASIS PENGETAHUAN DAN METODE INFERENSI
Logika informatika 5.
Logika informatika 7.
KNOWLEDGE REPRESENTATION
Hj. Noneng Masitoh, Ir., M.M Agi Rosyadi, S.E., M.M
Filsafat, pengetahuan dan ilmu pengetahuan
Representasi Pengetahuan
KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)
REPRESENTASI PENGETAHUAN (KNOWLEDGE REPRESENTATION)
Metode Inferensi By: Edi, MKM.
REPRESENTASI PENGETAHUAN - LOGIKA
SUMBER-SUMBER PENGETAHUAN
KNOWLEDGE REPRESENTATION
REPRESENTASI PENGETAHUAN dan Reasoning (Penalaran)
MEMPEROLEH PENGETAHUAN (Lanjutan Metoda Ilmiah)
Pertemuan 10 REASONING (PENALARAN)
REPRESENTASI PENGETAHUAN
REPRESENTASI PENGETAHUAN
Penalaran Proposisi ( reasoning ): suatu proses berfikir yang berusaha menghubungkan fakta/ evidensi yang diketahui menuju ke pada suatu kesimpulan. Proposisi.
Kecerdasan Buatan Pertemuan 02 Reperentasi Pengetahuan.
Karina Jayanti,S.I.Kom.,M.Si
AZAS PERANCANGAN ARSITEKTUR I FUNGSI DAN TUGAS RUANG DALAM ARSITEKTUR SERTA PERHITUNGAN LUASAN RUANG DAN PROSES TERBENTUKNYA RUANG.
Kalkulator waris. Seorang laki2 meninggal dunia meninggalkan harta Ahli warisnya 1 orang anak laki-laki 2 orang anak perempuan 1 orang istri.
Contoh Silsilah Keluarga Saya
Transcript presentasi:

KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE) PERTEMUAN 6 REPRESENTASI PENGETAHUAN 2

Model-Model Inferensi

a. Modus Ponens Seperti dijelaskan di atas, melakukan proses inferensi berarti juga menurunkan fakta baru dari beberapa fakta yang sudah ada. Modus Ponens melakukan inferensi dengan mengikuti aturan sebagai berikut:

b. Modus Tolens Model inferensi yang lain disebut sebagai Modus Tolens yang dinyatakan dengan rumusan:

Penalaran Otomatis (Automated Reasoning) Ada tiga macam metoda reasoning yang secara umum digunakan yaitu: Deduksi (Deduction), Abduksi (Abduction), dan Induksi (Induction).

Deduksi Deduksi didefinisikan sebagai: reasoning dari fakta yang sudah diketahui menuju fakta yang belum diketahui, dari hal-hal umum menuju ke hal halspesifik, dari premis menuju ke kesimpulan logis.

Maka dengan penalaran deduktif disimpulkan

Abduksi Abduksi adalah metoda reasoning yang sering dipakai untuk memberikan / menghasilkan penjelasan terhadap fakta. Berbeda dengan metoda deduksi, pada metoda ini tidak ada jaminan bahwa kesimpulan yang didapat selalu benar.

Sebagai contoh, sebuah aturan seperti pada contoh terdahulu dituliskan sebagai berikut:

Induksi

Semantic Networks Semantic (associative) networks adalah salah satu bentuk representasi knowledge-base dalam bentuk diagram. Diagram tersebut terdiri atas node dan arc. Node merepresentasikan sebuah konsep, sedangkan arc merepresentasikan sebuah relasi.

Contoh Semantic Network

Contoh di atas adalah sebuah semantic networks yang mengilustrasikan sebuah hubungan keluarga. Jika diketahui bahwa Rudi saat ini berumur 12 tahun, Joko berumur 40 tahun, Andri berumur 64 tahun dan Ben berumur 66 tahun. Berapakah umur dari Leni saat ini? Diagram di atas dapat dikonversikan ke dalam bentuk predicate calculus sebagai berikut: ayah(joko,rudi) ayah(andri,joko) saudara(ben,andri) ibu(rini,rudi) ibu(susi,rini) sudara(yulia,susi) ibu(yulia,leni)

Representasi pengetahuan dengan menggunakan Semantic Networks masih memiliki beberapa kelemahan, antara lain: memungkinkan terjadinya interpretasi yang berbeda-beda pada semantic networks yang akan membawa pada kesalahan dalam proses pengambilan kesimpulan. Relasi yang menghubungkan antar node tidak dapat mengandung semua informasi, tidak menggambarkan apakah relas tersebut merupakan sub-class atau anggota.

Frame Pada era 70 dan 80 an, semantic networks berubah bentuk menjadi model representasi frame. Sebuah frame memiliki seperangkat slot. Sebagai contoh perhatikan diagram struktur keluarga di bawah ini: Gambar 5.5 dapat direpresentasikan dalam bentuk frame sebagai berikut: Frame Adam: sex: Laki-laki teman-hidup: Ana anak: (Jeremy Jordan Ellen)

SOAL LATIHAN Diberikan satu set fakta sebagai berikut: ayah(Suryo,Arman) ibu(Susi,Lusi) istri(Sari,Suryo) suami(Joko,Susi) istri(Maria,Arman) anak(Doni, Arman) ayah(Arman,Haris) anak(Ari,Susi) anak(Susi,Suryo) Berdasarkan fakta-fakta di atas jawablah pertanyaan di bawah ini: 1. Gambarkan semantic networks diagram dari silsilah keluarga tersebut! 2. Apa isi dari variabel X untuk ekpresi : paman(X,Ari)? 3. Apa isi dari variabel X untuk ekpresi : ibu(X,Susi)? 4. Apa isi dari variabel Y untuk ekpresi : saudara-kandung(Lusi,Y)? 5. Apa isi dari variabel Y untuk ekpresi : ipar(Arman,Y)? 6. Apa isi dari variabel X untuk ekpresi : nenek(X,Doni)? 7. Apa isi dari variabel Y untuk ekpresi : menantu(Sari,Y)?