---Sistem Pakar--- By Anjik Sukmaaji

(1)

Sistem Berbasis Aturan Sistem Berbasis Aturan

---Sistem Pakar---

By Anjik Sukmaaji

(2)

Obj ti

Objectives

• Review Pertemuan-1

• Rules Based Sistem

• Inferensi Forward Chainingg

• Studi Kasus I : Identifikasi Binatang

• Inferensi Backward Chaining

St di K II B d M i C

• Studi Kasus II : Beverage and Main Course

Identification

(3)

T j I t kti l Kh

Tujuan Intruktional Khusus

Mahasiswa mampu menjelaskan representasi Mahasiswa mampu menjelaskan representasi pengetahuan dalam bentuk Sistem Berbasis Aturan (Rule Based System)

Mahasiswa memahami model inferensi forward

chaining dan backward chaining dalam sistem g g

berbasis aturan

(4)

R i

Review

Buat problem space untuk : Buat problem space untuk :

1. Menghidupkan sepeda motor

2. Download film dari youtube y

3. Membuat program kalkulator

4. Nonton DVD Film

(5)

P d h l

Pendahuluan

• RBS menggunakan Modus Ponens sebagai dasar

• RBS menggunakan Modus Ponens sebagai dasar untuk memanipulasi aturan.

• Modus Ponens adalah teknik penarikan

k i l Mi l t k l ik i i

kesimpulan. Misalnya untuk logika preposisi.

• Contoh :

p : saya makan di kelas p : saya makan di kelas q : saya minum di kelas

p Λ q : saya makan di kelas dan saya minum di kelas (disingkat: saya makan dan minum di kelas)

(disingkat: saya makan dan minum di kelas) p V q : saya makan atau minum di kelas

p → q : jika saya makan di kelas maka saya minum di kelas

¬ p : saya tidak makan di kelas

¬ p : saya tidak makan di kelas.

(6)

M d P

Modus Ponens

Modus Ponens dan Modus Tollens sebenarnya adalah teknik Modus Ponens dan Modus Tollens sebenarnya adalah teknik penarikan kesimpulan dari logika manusia juga. Di Logika Matematika, kedua teknik penarikan kesimpulan tersebut dinyatakan dengan:

dinyatakan dengan:

p → q

p p → q

¬ q

Arti Modus Ponens adalah “jika diketahui p → q dan p maka bisa

——— Kesimpulan: q ———

Kesimpulan: ¬ p

Arti Modus Ponens adalah jika diketahui p → q dan p, maka bisa ditarik kesimpulan q“. Sedangkan Modus Tollens berarti “jika

diketahu p → q dan ¬q, maka bisa ditarik kesimpulan ¬p“.

(7)

C t h d

Contoh modus ponens

Diketahui cerita sederhana berikut: Jika saya Diketahui cerita sederhana berikut: Jika saya

makan di kelas maka saya minum di kelas. Saya makan di kelas. Apakah saya minum di kelas?

S l i Solusi:

Menggunakan Contoh 1 di atas, kita memperoleh kalimat matematika:

p → q

Menggunakan Modus Ponens, maka kita bisa p

Menggunakan Modus Ponens, maka kita bisa menarik kesimpulan q, yang artinya saya

minum di kelas.

(8)

C t h M d T l

Contoh Modus Tolens

Diketahui cerita sederhana berikut: Jika saya Diketahui cerita sederhana berikut: Jika saya

makan di kelas maka saya minum di kelas. Saya tidak minum di kelas. Apakah saya makan di

kelas?

Solusi:

Menggunakan Contoh 1 di atas, kita l h k li t t tik

memperoleh kalimat matematika:

p → q

¬qq Menggunakan Modus Tollens, maka kita bisa menarik kesimpulan ¬p, yang artinya saya tidak makan di kelas

tidak makan di kelas.

(9)

Contoh

Solusi: Misalkan: p : saya makan di kelas q : saya minum di kelas r : ruangan kelas menjadi kotor

Diketahui cerita sederhana berikut: Jika saya makan di kelas maka saya minum di

kelas. Jika saya minum di kelas maka ruangan kelas menjadi kotor. Saya makan di kelas.

Apakah ruangan kotor?

Solusi: Misalkan: p : saya makan di kelas q : saya minum di kelas r : ruangan kelas menjadi kotor maka, cerita sederhana tersebut dapat dinyatakan dengan

1: p → q 22: q → r 3: p

Menggunakan Modus Ponens untuk kalimat 1 dan kalimat 3, maka kita bisa menarik

kesimpulan q, yang artinya saya minum di kelas. Kalimat-kalimat matematikanya bisa kita ubah menjadi:

1: p → q p q 2: q → r 3: p 4: qq

Dengan menggunakan Modus Ponens untuk kalimat 2 dan 4, kita memperoleh kesimpulan r, yang artinya ruangan kelas menjadi kotor.

(10)

C t h M l h!

Contoh Masalah!

Pak Ali biasa ke kantor menggunakan mobil Tentu saja jika

Diketahui cerita berikut:

Pak Ali biasa ke kantor menggunakan mobil. Tentu saja jika mobilnya tidak mengalami masalah. Kalau mobilnya punya masalah, dia akan menggunakan angkutan umum. Biasanya dia mengetahui bahwa mobilnya punya masalah saat mau dia mengetahui bahwa mobilnya punya masalah saat mau berangkat, menyebabkan dia terlambat tiba di kantor. Tetapi dia juga bisa terlambat meskipun naik mobil karena jalannya macet Gara gara terlambat dia tidak bisa menghabiskan

macet. Gara-gara terlambat, dia tidak bisa menghabiskan kopinya, yang sudah disediakan di dapur kantor. Pagi ini terlihat kopinya sudah habis. Pertanyaan:

a Apakah mobil pak Ali bermasalah?

a. Apakah mobil pak Ali bermasalah?

b. Apakah jalanan macet?

(11)

S l i Solusi

Misalkan:

p : mobil Pak Ali bermasalah

q : Pak Ali ke kantor naik mobil P k Ali k k t ik k t

r : Pak Ali ke kantor naik angkutan umum s : Pak Ali terlambat

t : Jalanan macet

K i P k Ali h bi

u : Kopinya Pak Ali habis.

(12)

S l i Solusi

maka cerita tersebut dapat dinyatakan dengan maka, cerita tersebut dapat dinyatakan dengan 1: p → r

2: ¬p → q 33: r → s

4: q Λ t → s 5: s → ¬u 66: u

Kesimpulan yang bisa diambil:

7: ¬s {Modus Tollens dari 5 dan 6}

8: ¬r {Modus Tollens dari 3 dan 7}

9: ¬p {Modus Tollens dari 1 dan 8}

(13)

S l i Solusi

Arti kalimat 9: mobil Pak Ali tidak bermasalah Arti kalimat 9: mobil Pak Ali tidak bermasalah (Jawaban untuk pertanyaan a).

K i l t k j b t b

Kesimpulan untuk menjawab pertanyaan b:

10: q {Modus Ponens dari 2 dan 9}

11: ¬(q Λ t) {Modus Tollens dari 4 dan 7} q { } 12: ¬q V ¬t {Hukum de Morgan untuk 11}

13: q → ¬t {Ekuivalensi implikasi dengan 12}

14: ¬t {Modus Ponens dari 10 dan 13} { }

Kalimat 14 berarti Jalanan tidak macet (Jawaban untuk pertanyaan b)

untuk pertanyaan b).

(14)

C t t T b h

Catatan Tambahan:

Hukum de Morgan:

¬(p Λ q) ≡ (¬p V ¬q)

¬(p V q) ≡ (¬p Λ ¬q) Ekuivalensi implikasi:

(p → q) ≡ (¬p V q)

(15)

I f Ch i Inference Chain

Inference Chain sebagai Proses penyelesaian Inference Chain sebagai Proses penyelesaian masalah pd RBS

Proses penyelesaian masalah menciptakan

sederetan fakta2 baru (merupakan hasil) dari sedertan proses inferensi shg membentuk jalur p g j antara masalah menuju solusi.

Deretan proses inferensi tersebut adalah

inference chain

(16)

C t h I f Ch i Si t l

Contoh Inference Chain Sistem peramalan cuaca

Untuk mengetahui keadaan cuaca pada 12 s d Untuk mengetahui keadaan cuaca pada 12 s.d 24 jam ke depan.

Rule 1: IF suhu udara sekitar di atas 32 0 ⁰ C THEN cuaca adalah panas

Rule 2: IF kelembapan udara relatif di atas 65%

THEN udara sangat lembab

Rule 3: IF cuaca pada dan udara lembab p

THEN sangat mungkin terjadi badai

(17)

P j l

Penjelasan

• Jika hanya rule 1 RBS tdk berarti apa2 shg RBS

• Jika hanya rule 1, RBS tdk berarti apa2, shg RBS harus terdiri dari sekelompok aturan

• FAKTA didefinisikan sbg statemen yg dianggap bbenar.

• Suhu udara sekitar 35 ⁰ C dan kelembapan udara relatif 70% adalah FAKTA

• Maka proses inferensi melihat fakta2 dari premis pd RULE 1 dan RULE 2 sbg dasar menghasilkan fakta baru : CUACA PANAS dan UDARA LEMBAB fakta baru : CUACA PANAS dan UDARA LEMBAB

• Selanjutnya proses inferensi melihat kedua fakta tsb sesuai dg premis 3, maka dihasilkan fakta baru lagi : SANGAT MUNGKIN TERJADI BADAI

lagi : SANGAT MUNGKIN TERJADI BADAI

(18)

P REASONING Proses REASONING

Proses Reasoning pada RBS adalah tahapan Proses Reasoning pada RBS adalah tahapan proses mulai dari sekumpulan fakta menuju solusi, jawaban dan kesimpulan

Untuk menhasilkan kesimpulan dpt digunakan :

1 Forward Chaining (data driven) : kesimpulan

1. Forward Chaining (data driven) : kesimpulan dari seperangkat data yg diketahui

2. Backward Chaining (goal driven) : memilih beberapa kesimpulan yg mungkin dan

beberapa kesimpulan yg mungkin dan

mencoba membuktikan kesimpulan dari

bukti2.

(19)

K I Id tifik i Bi t

Kasus I : Identifikasi Binatang

(20)

Di h d t

Diagram pohon and-or tree

(21)

R i

Reasoning

Reasoning adalah Proses tracing suatu fakta ke Reasoning adalah Proses tracing suatu fakta ke fakta berikutnya dg menggunakan rule yg

ditentukan utk menghasilkan kesimpulan.

Terdapat 2 macam reasoning :

1 Forward Reasoning

1. Forward Reasoning

2. Backward Reasoning

(22)

F d R i

Forward Reasoning

Proses inferensi seperangkat data menuju Proses inferensi seperangkat data menuju

kesimpulan dg mengecek kesesuaian tiap rule apakah memenuhi premis.

Jika memenuhi, rule dieksekusi utk menghasilkan fakta baru yg mungkin g yg g digunakan oleh rule lain.

Proses pengecekan ini disebut rule Proses pengecekan ini disebut rule

interpretation yang dilakukan oleh inference

engine

(23)

Di P I f i F d Ch i

Diagram Proses Inferensi Forward Chain

(24)

Di P I f i F d Ch i Diagram Proses Inferensi Forward Chain

Pd proses matching setiap rule yg ada pd KBS dibandingkan dg fakta2 yg diketahui

utk mencari rule mana yg memenuhi (memenuhi berarti situasi premis, atau

antecedent bernilai benar)

(25)

Di P I f i F d Ch i Diagram Proses Inferensi Forward Chain

conflict resolution bertugas untuk

mencari rule mana yg memiliki prioritas

tertinggi yg berpotensi untuk dieksekusi

(26)

Di P I f i F d Ch i Diagram Proses Inferensi Forward Chain

Proses execution menghasilkan dua kemungkinan yaitu: fakta baru diturunkan kemungkinan yaitu: fakta baru diturunkan