BASIS PENGETAHUAN DAN METODE INFERENSI

Presentasi berjudul: "BASIS PENGETAHUAN DAN METODE INFERENSI"— Transcript presentasi:

1 BASIS PENGETAHUAN DAN METODE INFERENSI
MK Sistem Pakar Pertemuan 7 BASIS PENGETAHUAN DAN METODE INFERENSI Betha Nurina Sari, M.Kom

2 BASIS PENGETAHUAN Basis Pengetahuan berisi pengetahuan-pengetahuan dalam penyelesaian masalah di dalam domain tertentu. Ada 2 bentuk pendekatan : Penalaran berbasis aturan (Rule Based Reasoning) Penalaran berbasis Kasus (Case-Based Reasoning)

3 Pendekatan knowledge base:
Rule Based Reasoning Pengetahuan dibuat dalam IF-THEN Digunakan jika kita sudah memiliki pengetahuan dari pakar mengenai permasalahan tertentu secara berurutan Dibutuhkan jika harus ada penjelasan tentang langkah-langkah pencapaian solusi Case Based Reasoning Basis pengetahuan akan berisi kasus-kasus yang sudah diketahui sebelumnya. Jika kasus-kasusnya hampir mirip Jika sudah memiliki penyelesaian kasus-kasus

4 Contoh Rule Based Reasoning

5 Contoh Rule Based Reasoning

6 Penalaran berbasis Kasus (Case-Based Reasoning)
Basis pengetahuan akan berisi solusi-solusi yang telah dicapai sebelumnya, kemudian akan diturunkan solusi untuk yang terjadi sekarang (fakta yang ada) Digunakan apabila user menginginkan untuk tahu lebih banyak lagi pada kasus-kasus yang hampir sama. Contoh : CBR in game

7 MOTOR INFERENSI Forward Chaining Backward Chaining
Dimulai dengan fakta awal dan tetap menggunakan rules untuk menarik kesimpulan baru (atau mengambil tindakan tertentu). Backward Chaining Dimulai dengan beberapa hipotesis (goal) untuk membuktikan, dan terus mencari rules yang memungkinkan penyimpulan terhadap hipotesis tersebut, dengan mengatur sub-goal baru untuk dibuktikan. Sistem forward chaining utamanya bersifat data-driven, sedangkan backward chaining bersifat goal-driven.

8

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

10 Forward Chaining Forward Chaining
Jika premise clause match dengan situasi, Maka proses mencoba untuk mengambil konklusi Initial State Goal

11

12 SISTEM FORWARD CHAINING

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

14 Backward Chaining Backward Chaining
Jika current goal menentukan fakta dalam konklusi, maka proses mencoba untuk menentukan apakah premise clause match dengan situasi Initial State Goal

15

16 SISTEM BACKWARD CHAINING

17 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

18 Penalaran Suatu penalaran dimana adanya penambahan fakta baru mengakibatkan ketidakkonsistenan. Ciri-ciri penalaran sebagai berikut : adanya ketidakpastian adanya perubahan pada pengetahuan adanya penambahan fakta baru dapat mengubah konklusi yang sudah terbentuk

19 UTS (Materi pertemuan 1-7)
Sifat Online selama 1 pekan (20-26 Maret 2017) Tugas 2 sebagai tiket mengikuti UTS : Merancang Representasi Pengetahuan (masing-masing kelompok merancang 3 teknik representasi pengetahuan) Komponen yang harus ada : Nama kelompok dan Anggota Kelompok Judul/topik sistem pakar (10 poin) Teknik representasi yang digunakan dan alasan memilih teknik tersebut (30) Hasil representasi pengetahuan (60)

20 Capaian Pembelajaran Matakuliah (CPM) – Course Learning Outcome (CLO) Pertemuan 1-7
Mahasiswa mampu menjelaskan konsep dasar sistem pakar. Mahasiswa mampu menjelaskan terkait basis pengetahuan dan metode inferensi Mahasiswa mampu menjelaskan rekayasa pengetahuan (knowledge engineering) Mahasiswa mampu menjelaskan perbedaan data, informasi dan pengetahuan Mahasiswa mampu mengidentifikasi mana yang termasuk data, informasi, dan pengetahuan Mahasiswa mampu menjelaskan alur dan proses rekayasa pengetahuan beserta contohnya

21 Capaian Pembelajaran Matakuliah (CPM) – Course Learning Outcome (CLO) Pertemuan 1-7
Mahasiswa mampu menyebutkan 3 komponen dalam rekayasa pengetahuan Mahasisiswa mampu menyebutkan minimal 3 kemampuan yang dibutuhkan untuk rekayasa pengetahuan Mahasiswa mampu menjelaskan mengenai definisi, tahapan dan metode akuisisi pengetahuan Mahasiswa mampu mengidentifikasikan masalah yang membutuhkan aplikasi sistem pakar (harus melalui tahap akuisisi pengetahuan) Mahasiswa mampu menjelaskan terkait validasi pengetahuan dan alasan harus dilakukan

22 Capaian Pembelajaran Matakuliah (CPM) – Course Learning Outcome (CLO) Pertemuan 1-7
Mahasiswa mampu menyebutkan minimal 1 kriteria dalam validasi pengetahuan Mahasiswa mampu menjelaskan tentang representasi pengetahuan dan memilih metode representasi pengetahuan yang tepat Mahasiswa mempelajari 8 model representasi pengetahuan Mahasiswa mampu merancang minimal 3 model representasi pengetahuan Mahasiswa mampu menjelaskan metode inferensi dan jenisnya Mahasiswa mampu membedakan metode forward chaining dan backward chaining Mahasiswa mampu mengidentifikasikan metode inferensi yang tepat untuk membangun sistem pakar

23 UTS (20-26 Maret 2017) Kuliah Umum Machine Learning (5 April 2017)
Next>>> UTS (20-26 Maret 2017) Kuliah Umum Machine Learning (5 April 2017)