Sabtu, 29 Oktober 2011

Resume Pertemuan 5

Semantic Networks and Frame

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.




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: 


dapat direpresentasikan dalam bentuk frame sebagai berikut:
   Frame Adam:
   sex: Laki-laki
   teman-hidup: Ana
   anak: (Jeremy Jordan Ellen)






Selasa, 25 Oktober 2011

Resume Pertemuan 4

Inference Engine merupakan bagian dari sistem pakar yang melakukan penalaran yang menggunakan isi knowledge base berdasarkan ukuran tertentu.

Blok Diagram adalah gambaran dari aturan variabel yang rinci atau detail berdasar dari penelitian yang akan dibahas.

Langkah-langkah Membangun KBS

LANGKAH 1: Isolasi area bagi KBS
Untuk membatasi permasalahan pada sistem pakar yang akan dibangun harus diberikan batasan organisasi dan juga layanan yang dapat diberikan oleh sistem.

LANGKAH 2: Target Keputusan
Setelah permasalahn dibatsi, langkah selanjutnya adalah menentukan target keputusan bagi sistem pakar. Pasien pada umumnya membutuhkan bantuan untuk kasus penyakit yang baru diderita (new case) atau penanganan berkelanjutan dari penyakit yang sudah lama diderita (follow-up case)

LANGKAH 3: Membuat Dependency Diagram (Diagram Ketergantungan)





LANGKAH 4: Membuat Tabel Keputusan






LANGKAH 5: Menulis IF-THEN Rule









Sabtu, 22 Oktober 2011

Resume Pertemuan 3

Sistem berbasis aturan (Knowledge Base System) merupakan sebuah program yang menggunakan aturan IF-THEN. Sistem berbasis aturan (rule-based system) menggunakan Modus Ponens sebagai dasar untuk memanipulasi aturan, yaitu:

fakta A benar, dan
operasi A → B benar,
maka fakta B adalah benar


Sebagai contoh, sebuah sistem peramal cuaca dibangun dengan sistem berbasis pengetahuan untuk mengetahui keadaan cuaca pada 12 sampai 24 jam ke depan.

  • RULE 1: IF suhu udara sekitar di atas 32 derajat C, THEN cuaca adalah panas
  • RULE 2: IF kelembaban udara relatif di atas 65%, THEN udara sangat lembab
  • RULE 3: IF cuaca panas dan udara sangat lembab, THEN sangat mungkin terjadi badai
Jika hanya rule 1 (tanpa rule 2 dan rule 3), sistem berbasis pengetahuan tidak berarti apa2. Karena itu sebuah sistem berbasis pengetahuan harus terdiri atas sekelompok aturan yang membentuk rangakaian aturan rule chain.

 Fakta dideļ¬sinikan sebagai statemen yang dianggap benar. Contoh: Suhu udara di sekitar adalah 35 derajat C dan kelembaban udara relatif 70% adalah fakta.

Maka proses inferensi melihat fakta-fakta dari premis pada Rule 1 dan Rule 2 sebagai dasar untuk menghasilkan fakta baru: Cuaca panas dan Udara lembab.

Selanjutnya proses inferensi melihat bahwa kedua fakta ini sesuai dengan premis pada Rule 3, maka akan dihasilkan fakta baru lagi: Sangat mungkin terjadi badai

Proses reasoning dari sebuah sistem berbasis aturan adalah tahapan proses mulai dari sekumpulan fakta menuju solusi, jawaban dan kesimpulan

  • Forward Reasoning

Dalam forward reasoning, proses inferensi dimulai dari seperangkat data yang ada menuju ke kesimpulan. Pada proses ini akan dilakukan pengecekan terhadap setiap rule untuk melihat apakah data yang sedang diobservasi tersebut memenuhi premis dari rule tersebut. Apabila memenuhi, maka rule akan dieksekusi untuk menghasilkan fakta baru yang mungkin akan digunakan oleh rule yang lain. Proses pengecekan rule ini disebut
sebagai rule interpretation. Pada sistem berbasis pengetahuan, rule interpretation (interpretasi rule) dilakukan oleh inference engine.

  • Backward Reasoning

Sekarang mari kita beralih dari forward reasoning ke backward reasoning. Mekanisme inferensi pada backward reasoning berbeda dengan forward reasoning. Walaupun kedua proses melibatkan pengujian terhadap masing-masing rule, backward reasoning mulai dari konklusi yang diharapkan menuju fakta-fakta yang mendukung konklusi tersebut.


Sabtu, 15 Oktober 2011

Resume Pertemuan 2

Propositional Logic

Proposisi adalah suatu model untuk mendeklarasikan suatu fakta. Lambang-lambang proposisional menunjukkan proposisi atau pernyataan tentang segala sesuatu yang dapat benar atau salah.

Propositional Logic adalah salah satu bentuk (bahasa) representasi logika paling tua dan paling sederhana. Propositional Logic membentuk statement sederhana atau statement yang kompleks dengan menggunakan proposotional connective, dimana mekanisme ini menentukan keberatan dari sebuah statement kompleks dari nilai kebenaran yang direpresentasikan oleh statement lain yang lebih sederhana.

Lambang-lambang   kalkulus proposisional :
  1.  Lambang pernyataan proposisional -> P,Q,R,S,T,... (disebut sebagai atom-atom)
  2. Lambang kebenaran -> benar (True) , salah (False)
  3.  Lambang penghubung
  4. ∧ (konjungsi), ∨ (disjungsi), ∼ (negasi),  → (implikasi), ↔ (Bi-implikasi), ≡ (equivalen)
Pengantar inteligensia Buatan – Propositional Logic  2/8Berikut ini adalah tabel kebenaran (truth value)
lambang penghubung :


  • Equivalen

Suatu kalimat (formula) P dianggap equivalen dengan formula Q jika dan hanya jika ‘truth value’ dari P sama dengan ‘truth value’ dari G untuk setiap interpretasinya.  (ditulis sbg. P ≡ Q).
Contoh:
P→Q ≡ PQ



Kamis, 06 Oktober 2011

Resume Pertemuan 1

Sistem pakar adalah sebuah program komputer yang mencoba meniru atau mensimulasikan pengetahuan dan keterampilan dari seorang pakar pada area tertentu. Selanjutnya sistem ini akan mencoba memecahkan suatu permasalahan sesuai dengan kepakarannya.

Sistem pakar merupakan salah satu palikasi dari kecerdasan buatan (Afficial Intelligence). Afficial Intelligence sendiri berakar dari keinginan manusia untuk membuat sebuah mesin cerdas.

Sebuah sistem pakar membutuhkan pengetahuan, beberapa pengertian daari pemakaian dan kemampuan untuk berkomunikasi dengan seseorang pemakai.

Secara umum struktur sebuah sistem pakar terdiri atas 3 komponen utama, yaitu: knowledge base, working memory, dan inference engine.

Sistem berbasis aturan (Knowledge Base System) merupakan sebuah program yang menggunakan aturan IF-THEN. Konsep dari sebuah Knowledge Base System ditekankan untuk menggandeng pemikiran dari sebuah program yang dari beberapa cara menangani pengetahuan atau menempatkannya agak berbeda dalam manipulasi informasi berkuallitas tinggi dalam sebuah hal yang relatif canggih (dan berguna). Hal menjadi lebih jelas bila kita mempertimbangkan jalan dimana kategori atau kelas dari informasi berbeda dapat diatur dalam sebuah hierarki. Kita mulai dari dasar dengan level serendah mungkin, bahasa dengan satu atau nol. Dimana komputer sesungguhnya mengerjakan manipulasi internal mereka. Representasi level rendah ini tidak menarik secara langsung bagi pemakai.

Working memory menyimpan memori tentang fakta-fakta yang dimasukkan oleh user atau fakta baru hasil kesimpulan dari sistem

Inference Engine bertugas mencari padanan antara fakta yang ada didalam working memory dengan fakta-fakta tentang domain knowledge tertentu yang ada didalam knowledge base, selanjutnya inference engine akan menarik atau mengambil kesimpulan dari problem yang diajukan kedalam sistem.


Sumber:
Hart, Anna. SISTEM PAKAR (sebuah perkenalan untuk menajer). Jakarta: Gramedia.