Pertemuan 10 REASONING (PENALARAN)

Presentasi berjudul: "Pertemuan 10 REASONING (PENALARAN)"— Transcript presentasi:

1 Pertemuan 10 REASONING (PENALARAN)
Betha Nurina Sari, M.Kom

2 KNOWLEDGE BASED SYSTEMS
Knowledge Base : Representasi Inference Engine : Penalaran Perbedaan dengan sistem pakar hanya pada asal pengetahuannya saja

3 PENALARAN PENALARAN Proses berpikir untuk mencapai Goal Kemampuan menalar menyebabkan manusia mampu mengembangkan pengetahuan Suatu pola berpikir yang secara luas dapat disebut logika Proses analitik dari proses berpikirnya Manipulasi formal terhadap symbol-symbol untuk menjadi simbol baru

4 Teknik penyelesaian masalah dengan cara
Merepresentasikan masalah ke dalam basis pengetahuan (knowledge base) Melakukan proses penalaran untuk membuat kesimpulan/keputusan menggunakan logic atau bahasa formal (bahasa yang dipahami oleh komputer)

5 Macam-macam Penalaran
Silogisme Modus Ponens Modus Tollens Resolusi

6 RESOLUSI Resolusi digunakan untuk melakukan inferensi pada logika proposisi Suatu aturan untuk melakukan inferensi yang dapat berjalan secara efisien dalam suatu bentuk khusus yaitu conjunctive normal form (CNF)

7 CNF Langkah-langkah untuk mengubah suatu kalimat (konversi) ke bentuk CNF : Hilangkan implikasi dan ekuivalensi x  y menjadi ¬ x  y x  y menjadi (¬ x  y)  (¬ y  x) Kurangi lingkup semua negasi menjadi satu negasi saja ¬ (¬ x) menjadi x ¬ (x  y) menjadi (¬ x  ¬ y) ¬ (x  y) menjadi (¬ x  ¬ y) Gunakan aturan assosiatif dan distributif untuk mengkonversi menjadi conjuction of disjunction Assosiatif : (A  B)  C menjadi A  (B  C) Distributif : (A  B)  C menjadi (A  C)  (B  C) Buat satu kalimat terpisah untuk tiap-tiap konjungsi

8 Contoh Resolusi: P (P  Q)  R (S  T)  Q T
Diketahui basis pengetahuan (fakta-fakta yang bernilai benar) : P (P  Q)  R (S  T)  Q T Tentukan kebenaran R bentuk representasi tertua TR

9 Penyelesaian Contoh Resolusi
1. Ubah ke dalam bentuk CNF bentuk representasi tertua TR

10 Tambahkan Kontradiksi (-R) pada tujuannya, sehingga fakta-fakta dalam CNF menjadi :
(P  Q)  R (S  T)  Q T bentuk representasi tertua

11 Contoh: Andi adalah seorang mahasiswa Andi masuk jurusan elektro
Setiap mahasiswa elektro pasti mahasiswa teknik Kalkulus adalah matakuliah yang sulit Setiap mahasiswa teknik pasti akan suka kalkulus atau akan membencinya Setiap mahasiswa pasti akan suka terhadap suatu matakuliah Mahasiswa yang tidak pernah hadir pada kuliah matakuliah sulit, maka mereka pasti tidak suka terhadap matakuliah tersebut Andi tidak pernah hadir kuliah matakuliah kalkulus bentuk representasi tertua

12 x : elektro(x) → teknik(x) sulit(Kalkulus)
Andi adalah seorang mahasiswa Andi masuk jurusan elektro Setiap mahasiswa elektro pasti mahasiswa teknik Kalkulus adalah matakuliah yang sulit Setiap mahasiswa teknik pasti akan suka kalkulus atau akan membencinya Setiap mahasiswa pasti akan suka terhadap suatu matakuliah Mahasiswa yang tidak pernah hadir pada kuliah matakuliah sulit, maka mereka pasti tidak suka terhadap matakuliah tersebut Andi tidak pernah hadir kuliah matakuliah kalkulus mahasiswa(Andi) elektro(Andi) x : elektro(x) → teknik(x) sulit(Kalkulus) x : teknik(x) → suka(x,kalkulus)  benci(x,kalkulus) x : y : suka(x,y) x : y : mahasiswa(x)  sulit(y)  ¬hadir(x,y) → ¬suka(x,y) ¬hadir(andi,kalkulus) bentuk representasi tertua

13 “Apakah andi suka matakuliah kalkulus ?”
Gunakan penalaran backward : bentuk representasi tertua

14 Contoh lain: bentuk representasi tertua TR

15 bentuk representasi tertua
TR

16 PENALARAN Forward Chaining Rule based Backward Chaining Penalaran
Case based Machine Learning

17 SOAL LOGIKA PREPOSISI Ada 4 mahasiswa yang diskusi di Pendopo Fasilkom. Mereka adalah Andi, Budi, Cinta dan Dinda. Ada dari mereka adalah mahasiswa Fasilkom Unsika. Informasi tentang mereka: Jika Andi adalah mahasiswa Fasilkom Unsika, maka Budi juga Jika Andi adalah mahasiswa Fasilkom Unsika, maka Cinta juga. Begitu juga sebaliknya. Jika Budi bukan mahasiswa Fasilkom Unsika, maka Dinda mahasiswa Fasilkom Jika Andi adalah mahasiswa Fasilkom Unsika, maka Dinda juga Jika Budi adalah mahasiswa Fasilkom Unsika, maka Cinta mahasiswa Fasilkom dan Dinda bukan mahasiswa Fasilkom Siapa di antara yang merupakan mahasiswa Fasilkom Unsika?

18 INFERENSI Diberikan pernyataan-pernyataan berikut:
jika Budi mengirim pada Candra, maka Candra akan mengerjakan tugas PIB”, “jika Budi tidak mengirim pada Candra, maka Candra akan bermain komputer hingga tengah malam”, “jika Candra bermain komputer hingga tengah malam, maka Candra akan mengantuk di kelas Web.” Kesimpulan “jika Candra tidak mengerjakan tugas PIB, maka Candra akan mengantuk di kelas Web.”

19 RESOLUSI Diberikan pernyataan-pernyataan berikut:
“jika hari ini turun salju, maka Anto bermain ski”, “jika hari ini tidak turun salju maka Joko bermain hoki.” Apa kesimpulan dari dua informasi di atas?

20 PERTEMUAN 11: PENGANTAR SISTEM PAKAR
NEXT PERTEMUAN 11: PENGANTAR SISTEM PAKAR