Sistem Pakar Pertemuan 6

Nama: Juliana Poernomo Putri

Nim: 08410100197

Tugas: Resum Sispak Pertemuan 6
Dosen: Titik Lusiani


Semantic Network
Semantic network adalah representasi yang mengekspresikan solusi permasalahan dengan menggunakan network (graph berarah). Di dalamnya menggunakan node(simpul) untuk merepretasikan suatu kondisi, dan arc(link) untuk merepretasikan relasi antar simpul. Semantic network ini adalah representasi yang bersifat:

• Lexically, di dalamnya terdapat node(simpul), link dan batasan-batasan khusus dari permasalahan
• Structurally, masing-masing link akan terkoneksi dari simpul yang paling depan(head node) sampai simpul yang paling belakang (tail node).
• Semantically, semua simpul dan link merepretasikan permasalahan tetao berada dalam batasannya.

contoh:

       Permasalahan pertani, serigala, angsa dan padi. Seorang petani ingin memindahkan dirinya sendiri, seekor serigala, seekor angsa gemuk, dan seikat padi yang berisi menyeberangi sungai. Sayangnya, perahunya sangat terbatas; dia hanya dapat membawa 1object dalam 1 penyeberangan. Dan lagi, dia tidak bisa meninggalkan angsa dan serigala dalam satu tempat, karena serigala akan memangsa angsa. Demikian pula dia tidak bisa meninggalkan angsa dan padi dalam satu tempat.

      Mendeskripsikan permasalahan di atas dengan menggunakan bahasa natural bukanlah cara yang tepat. Dalam hal ini, kita dapa menggunakan Semantic Network untuk merepretasikannya.

Untuk membuat graph-nya, maka kita harus membangun node(simpul) untuk setiap kondisi yang memungkinkan bagi petani tersebut. Dengan memperhatikan petani dan tiga barangnya yang kemungkinan berada pada 2 seberang sungai, maka kita dapat menghitung jumlah simpul secara keseluruhan adalah 2^1+3= 2^4=16, dimana 10 simpul adalah kondisi yang aman (tidak ada satu barangpun yang termakan).

       Langkah kedua dan merupakan langkah terakhir adalah membentuk link dari masing-masing perjalanan perahu. Pasangan dari dua buah node(simpul) dapat digabungkan dengan menggunakan link jika dan hanya jika bertemu pada 2 kondisi, yaitu: petama, petani berubah tempat, salah satu barang dari petani berubah tempat. Karena terdapat 10 buah simpul yang masuk dalam batasan (aman), dimungkinkan adanya 10 x 9 = 90 pasangan, akan tetapi hanya 20 link yang dapat terbentuk karena batasan sepertu yang disebut di atas.

Dari gambar 4.1 dapat kita lihat hasil node dan link dari graph yang dibentuk untuk permasalahan petani dan 3 barang miliknya. Dari gambar ini nampak pada saat awal (simpul A) petani dan barang bawaanya masih berada pada salah satu seberang(seberang 1). Selanjutnya pada simpul B petani membawa angsa menuju seberang 2. Selanjutnya pada simpul C petani kembali lagi keseberang 1. Dari simpul C petani dapat memilih apakah menuju simpul D yang membawa seigala ke seberang 2 atau simpul F yaitu membawa padi ke seberang 2. Pada simpul E dan G petani membawa angsa ke seberang 1. Dari kedua simpul ini menuju ke simpul H dimana petani membawa serigala ke seberang 2. Pada simpul I petani kembali ke seberang 1. Simpul J petani membawa angsa ke seberang 2.

FRAME

Frame ditemukan oleh marvin Minsky pada tahun 1974 merupakan kumpulan pengetahuan tentang suatu object tertentu, peristiwa, lokasi, situasi, dll.

Frame memiliki slot yang menggambarkan rincian (atribut) dan karakteristik obyek. Frame biasanya digunakan untuk merepretasikan pengetahuan yang didasarkan pada karakteristik yang sudah dikenal, yang merupakan pengalaman-pengalaman. Dengan menggunakan frame, sangat mudah membuat inferensi tentang obyek, peristiwa atau situasi baru, karena frame menyediakan basis pengetahuan yang ditarik dari pengalaman. Ide hirariki dari frame sama dengan ide hirarki class yang terdapat pada pemrograman berorientasi obyek.

Bagaimana mengorganisir sebuah frame

Sebuah sistem frame merupakan hirarki dari frame-frame yang lain. Masing-masing frame memiliki:

• Sebuah nama
• Slot(tempat): yaitu komponen dari entiti yang mempunyai nama, dan mempunyai nilai. Nilai yang dimungkinkan adalah:

1. Identifikasi frame
2. Relasi dengan frame lain (slotnya: isa, instance)
3. Batasan nilai
4. Nilai: Default nilai (dapat berubah)
5. Prosedur untuk mendapatkan nilai
6. Prosedur yang dibangkitkan data (data driven): prosedur yang harus dilakukan jika nilai diubah, misal: periksa konsistensi kosong: untuk ditelusuri pada subclassnya.

Contoh:

Dalam frame tersebut, frame Adam memiliki 3 buah slot yaitu, sex,teman-hidup dan anak. 

Sedangkan slot anak memiliki tiga nilai,yaitu: Jeremy, Jordan dan Ellen. 

Seperti terlihat dalam gambar,kita juga dapat membuat frame lain yang merupakan sub-class dari Frame Adam. 

Setidaknya ada 7 frame sub-class yang menjelaskan masing-masing individu, yaitu: Adam, Ana, Jeremy, Jordan, Ellen,Laki-laki, and Perempuan.

Frame Adam dapat dikonversi ke dalam bentuk Predikat Calculus menjadi:

• Sex (Adam, Laki-laki)
• Teman Hidup(Adam, Ana)
• Anak (Adam, Jeremy)
• Anak (Adam, Jordan)
• Anak (Adam, Ellen)

Sebuah slot merupakan relasi ke frame yang lain atau ke sebuah nilai.

Sumber:

Irawan. Jusak. 2007. Buku Pegangan Kuliah Sistem Pakar Sekolah Tinggi Manajemen Informatika & Teknik Komputer Surabaya. Surabaya: STIKOM

http://lecturer.eepis-its.edu/~entin/Kecerdasan%20Buatan/Buku/Bab%203%20Reasoning,%20Semantic%20Network,%20Frame.pdf 

Sistem Pakar Pertemuan 5

Nama: Juliana Poernomo Putri

Nim: 08410100197

Tugas: Resum Sispak Pertemuan 5
Dosen: Titik Lusiani

Dependency Diagram

Perancangan dependency diagram adalah langkah pertama yang dilakukan dalam merancang sebuah  knowledge base  dan  rule-rule. Dari  dependency diagram  yang ada, dapat dilihat hubungan antar rule  dan hal apa saja yang perlu ditanyakan ke user untuk memperoleh kesimpulan final.

Dependency diagram didalam sebuah sistem pakar berfungsi untuk menunjukkan hubungan atau ketergantungan antara inputan pertanyaan, rule-rule, nilai-nilai dan rekomendasi yang dibuat oleh prototype sistem berbasis pengetahuan. Dengan depedensi diagram, maka pembuatan sistem pakar menjadi lebih gampang karena menggunakan mode visual. Dan hubungan antar rule dapat dengan jelas terlihat. Dari depedensi diagram didapatkan Decision table yang menjadi acuan dalam pembuatan rule.

Langkah-Langkah membangun Knowledge Based System dari Dependency Diagram:

Langkah 1: Isolasi area bagi KBS

Langkah 2: Target Keputusan

Langkah 3:Membuat Dependency Diagram

Langkah 4: Membaut Table Keputusan

Langkah 5: Menulis IF-THEN rule

Contoh Dependency Diagram:

Permasalahan : Setelah lulus SMA, Julaikah memiliki keinginan untuk melanjutkan studi di bidang komputer. Namun karena bidang komputer memiliki beberapa disiplin ilmu, maka Julaikah harus berkonsultasi dg sistem pakar untuk menentukan pilihan yg tepat bagi dia.

Buatlah sebuah sistem pakar untuk membantu Julaikah menentukan pilihan dg kreteria sebagai berikut :

Disiplin ilmu yg direkomendasikan meliputi : Programmer komputer, ilmu komputer (computer science), teknisi komputer atau bidang lain selain komputer. Tiga hal utama sebagai penentu keputusan adalah :

·     Tes Atitude(ok, not-ok) yg meliputi : test kemampuan matematika (ya,tdk) dan test kemampuan programming (ya, tdk)

·         Test minat (bagus, sedang, rendah) yg meliputi:minat pd komputer(ya,tdk), minat pada kemampuan reparasi (ya,tdk) dan minat pada pemecahan masalah (ya,tdk)

·         Kemampuan finansial (ya,tdk)

Tugas :

1.    Tentukan Dependency Diagram untuk kasus tersebut

2.    Tentukan Tabel Keputusan untuk kasus tersebut

3.    Tentukan Rule-rule untuk menyelesaikan kasus tersebut

Blok Diagram Tabel Keputusan

Dependency Diagram

Tabel Keputusan

Penyederhanaan Tabel Keputusan

Rule

Sumber:

http://journal.uii.ac.id/index.php/Snati/article/viewFile/863/790

http://digilib.stikom.edu/detil.php?id=137&q=

http://repinss.wordpress.com/category/kuliah/sistem-pakar/

Sistem Pakar Pertemuan 4

Nama: Juliana Poernomo Putri

Nim: 08410100197

Tugas: Resum Sispak Pertemuan 4
Dosen: Titik Lusiani

Backward Chaining

Sekarang mari kita membahas dari topik sebelumnya yaitu Forward Chaining. Apakah ada yang masih ingat tentang Forward Chaining??

Sebelum membahas tentang Forward Chaining mari kita ulas sebentar tentang definisi Forward Chaining.

Forward chaining merupakan metode inferensi yang melakukan penalaran dari suatu masalah kepada solusinya. Jika klausa premis sesuai (bernilai TRUE) maka proses akan menyatakan konklusi.

Forward chaining adalah data-driven karena inferensi dimulai dengan informasi yang tersedia dan baru diperoleh konklusi. Jika suatu aplikasi menghasilkan tree yang lebar dan tidak dalam, maka gunakan forward chaining.

Intinya adalah forward chaining adalah dari Data ke Tujuan/goal.

Contoh:

A1 = suhu tubuh >= 38 0 C

A2 = batuk

A3 = pilek

A4 = batuk yang terus menerus

A5 = nafas berbunyi

P1 = demam biasa

P2 = batuk biasa

P3 = influensa / infeksi virus

P4 = batuk rejan

P5 = infeksi saluran nafas

Kaidah – kaidah pada basis pengetahuan meliputi :

R1 = IF A1 THEN P1

R2 = IF A2 THEN P2

R3 = IF P1 AND (P1 OR A3) THEN P3

R4 = IF P3 AND A4 THEN P4

R5 = IF P3 And A5 THEN P5

Fakta – fakta yang diperoleh dari unsur adalah demam, batuk, dan batuk tersebut lebih sering di malam hari (A1, A2,A4)

Jelaskan bagaimana sisitem pakar memperoleh kesimpulan jika tehnik inferensi yang digunakan adalah :

Pelacakan yang berawal dari data (forward chaining)

Pelacakan yang berawal dari kesimpulan (backward chaining)

Langkah- langkan forward chaining :

Langkah1 :

A1 , A2 , A4 adalah fakta

Cari fakta baru yang memiliki A1 dan A2 pada sisi JIKA

R1 = IF A1 THEN P1

R2 = IF A2 THEN P2

Fakta baru yang ada P1, P2, A4

Langkah 2 :

Cari fakta baru yang memiliki P1, P2, A4 pada sisi JIKA

R3 = IF P1 AND (P2 OR A3) THEN P4

Fakta A3 tidak ditemukan, jadi :

R3 = IF P1 AND P2 THEN P3

Fakta baru yang ada P3 dan A4

Langkah 3 :

Cari fakta baru yang memiliki P3 dan A4 pada sisi JIKA

R4 = IF P3 AND A4 THEN P4

Kesimpulannya P4 atau Batuk Rejan

Nah setelah tahu definisi dan contoh dari Forward Chaining, sekarang beralih ke Backward Chaining yang merupakan topik kita hari ini: 

Backward Chaining 

Menggunakan pendekatan goal-driven, dimulai dari harapan apa yang akan terjadi (hipotesis) dan kemudian mencari bukti yang mendukung (atau berlawanan) dengan harapan kita. Sering hal ini memerlukan perumusan dan pengujian hipotesis sementara. Jika suatu aplikasi menghasilkan tree yang sempit dan cukup dalam, maka gunakan backward chaining.

Intinya adalah dari Goal lalu dicari data-datanya.

contohnya kita ambil dari sebelumnya yang sudah saya jelaskan kembali dari pertemuan sebelumnya..^^

namun sekarang penyelesaiannya menggunakan Backward Chaining.

Langkah- langkan backward chaining :

Langkah1 :

Cari fakta baru yang memiliki P1 dan P2 pada sisi MAKA

R1 = IF A1 THEN P1

R2 = IF A2 THEN P2

Fakta baru yang ada A1 , A2 , A4

Langkah 2 :

Cari fakta baru yang memiliki P3 pada sisi MAKA

R3 = IF P1 AND (P2 OR A3) THEN P4

Fakta A3 tidak ditemukan, jadi :

R3 = IF P1 AND P2 THEN P3

Fakta baru yang ada P1 dan P2

Langkah 1 :

Kesimpulannya P4 atau Batuk Rejan

Cari fakta baru yang memiliki P4 pada sisi MAKA

R4 = IF P3 AND A4 THEN P4

Fakta baru yang ditemukan P3 dan A4

Sumber:

Irawan. Jusak. 2007. Buku Pegangan Kuliah Sistem Pakar Sekolah Tinggi Manajemen Informatika & Tejnik Komputer Surabaya. Surabaya: STIKOM

http://www.slideshare.net/herman_tolle/forward-backward-chaining

http://spukswkelasbkelompok3.blogspot.com/2009/02/contoh-soal-ttt_21.html

Sistem Pakar Pertemuan 3

Nama: Juliana Poernomo Putri

Nim: 08410100197

Tugas: Resum Sispak Pertemuan 3
Dosen: Titik Lusiani

Sistem Berbasis Aturan

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

Jadi dapat disimpulkan bahwa proses penyelesaian masalah pada sistem berbasis aturan adalah menciptakan sederet fakta-fakta baru yang merupakan hasil dari sederetan proses inferensi sehingga membentuk semacam jalur antara definisi masalah menuju pada solusi masalah. Deretan proses inferensi tersebut adalah inference chain.

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 di atas 32oC

THEN cuaca panas

RULE 2: IF cuaca panas

THEN daun kering

RULE 3: IF cuaca panas dan udara kering

THEN sangat mungkin terjadi kebakaran hutan

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 didefisinikan sebagai statemen yang dianggap benar. Contoh:

suhu udara di atas 32oC  dan cuaca panas  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 kering.

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

Sangat mungkin terjadi kebakaran hutan.

Representasi Pengetahuan

Pengetahuan dibedakan menjadi 3 klasifikasi yaitu:

• Prodecural Knowledge adalah pengetahuan yang berkaitan dengan prosedur atau cara untuk melakukan sesuatu. Contohnya, bagaimana cara mendidihkan air dalam panci.
• Declarative Knowledge adalah pengetahuan untuk dapat menentukan nilai benar dan salah suatu hal. Contohnya, jangan celupkan tangan anda dalam air yang mendidih.
• Tacid Knowledge kadang disebut juga sebagai "unconscious knowledge", karena pengetahuan tidak dapat diekspresikan atau didefinisikan dengan bahasa. Contohnya, bagaimana menggerakkan tangan.

 Pengetahuan adalah hal yang utama dalam sistem pakar.

Representasi Pengetahuan adalah metode yang digunakan untuk mengodekan pengetahuan dalam suatu sistem pakar. Yang dimaksudkan untuk menangkap sifat-sifat penting problema dan membuat informasi itu dapat diakses oleh prosedur pemecahan problema.

Model Representasi Pengetahuan

Pengetahuan dapat dipresentasikan dalam bentuk yang sederhana atau kompleks, tergantung dari masalahnya. (Schnupp, 1989)

 Terdapat beberapa model atau bentuk representasi pengetahuan yang telah dikembangkan, yaitu :

• Logika
• Jaringan Semantik (Semantic nets)
• Object-Attribute-Value (OAV)
• Bingkai (Frame)
• Aturan Produksi (production rule)

 Logika

• Suatu pengkajian ilmiah tentang serangkaian penalaran, sistem kaidah, dan prosedur yang membantu penalaran.
• Komputer harus dapat menggunakan proses penalaran deduktif dan induktif kedalam bentuk yang sesuai dengan manipulasi komputer, yaitu logika simbolik atau matematika.

 Penalaran Deduktif

• Bergerak dari penalaran umum menuju ke konklusi khusus.
• Umumnya dimulai dari suatu silogisme
• Atau pernyataan premis dan inferensi

- Premis Mayor

- Premis Minor

- Konklusi

Contoh:

Premis Mayor : Jika hujan turun saya tidak akan kuliah

Premis Minor : Pagi ini hujan turun

Konklusi : Oleh karena itu pagi ini saya tidak akan kuliah

 Penalaran Induktif

• Bergerak dari masalah khusus ke masalah umum.
• Menggunakan sejumlah fakta atau premis yang mantap untuk menarik kesimpulan umum.

Contoh :

• Premis : Dioda yang salah menyebabkan peralatan elektronik rusak.
• Premis : Transistor rusak menyebabkan peralatan elektronik rusak.
• Premis : IC rusak menyebabkan peralatan elektronik tidak berfungsi.
• Konklusi : Maka, peralatan semikonduktor merupakan penyebab utama rusaknya peralatan elektronik.

Disebut logika Komputasional

• Logika Proposional
• Logika Predikat

Logika Proposional

• Proporsisi merupakan suatu statement atau pernyataan yang menyatakan benar (TRUE) atau salah (FALSE).

Logika Predikat

• Suatu logika yang lebih canggih yang seluruhnya menggunakan konsep dan kaidah proporsional yang sama.
• Disebut juga kalkulus predikat, yang memberi tambahan kemampuan untuk mempresentasikan pengetahuan dengan cermat dan rinci.

Proses Reasoning

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

Terdapat dua macam cara yang dapat digunakan untuk menghasilkan suatu kesimpulan, yaitu:

– Forward Chaining (data driven): kesimpulan dihasilkan dari seperangkat data yang diketahui.

– Backward Chaining (goal driven): memilih beberapa kesimpulan yang mungkin dan mencoba membuktikan kesimpulan tersebut dari bukti-bukti yang ada.

Forward Reasoning

Forward chaining merupakan metode inferensi yang melakukan penalaran dari suatu masalah kepada solusinya. Jika klausa premis sesuai (bernilai TRUE) maka proses akan menyatakan konklusi.
Forward chaining adalah data-driven karena inferensi dimulai dengan informasi yang tersedia dan baru diperoleh konklusi. Jika suatu aplikasi menghasilkan tree yang lebar dan tidak dalam, maka gunakan forward chaining.
Intinya adalah forward chaining adalah dari Data ke Tujuan/goal
Contoh:
A1 = suhu tubuh >= 38 0 C

A2 = batuk

A3 = pilek

A4 = batuk yang terus menerus

A5 = nafas berbunyi

P1 = demam biasa

P2 = batuk biasa

P3 = influensa / infeksi virus

P4 = batuk rejan

P5 = infeksi saluran nafas

Kaidah – kaidah pada basis pengetahuan meliputi :

R1 = IF A1 THEN P1

R2 = IF A2 THEN P2

R3 = IF P1 AND (P1 OR A3) THEN P3

R4 = IF P3 AND A4 THEN P4

R5 = IF P3 And A5 THEN P5

Fakta – fakta yang diperoleh dari unsur adalah demam, batuk, dan batuk tersebut lebih sering di malam hari (A1, A2,A4)

Jelaskan bagaimana sisitem pakar memperoleh kesimpulan jika tehnik inferensi yang digunakan adalah :

Pelacakan yang berawal dari data (forward chaining)

Pelacakan yang berawal dari kesimpulan (backward chaining)

Langkah- langkan forward chaining :

Langkah1 :

A1 , A2 , A4 adalah fakta

Cari fakta baru yang memiliki A1 dan A2 pada sisi JIKA

R1 = IF A1 THEN P1

R2 = IF A2 THEN P2

Fakta baru yang ada P1, P2, A4

Langkah 2 :

Cari fakta baru yang memiliki P1, P2, A4 pada sisi JIKA

R3 = IF P1 AND (P2 OR A3) THEN P4

Fakta A3 tidak ditemukan, jadi :

R3 = IF P1 AND P2 THEN P3

Fakta baru yang ada P3 dan A4

Langkah 3 :

Cari fakta baru yang memiliki P3 dan A4 pada sisi JIKA

R4 = IF P3 AND A4 THEN P4

Kesimpulannya P4 atau Batuk Rejan

Sumber:

Irawan. Jusak. 2007. Buku Pegangan Kuliah Sistem Pakar Sekolah Tinggi Manajemen Informatika & Tejnik Komputer Surabaya. Surabaya: STIKOM

http://spukswkelasbkelompok3.blogspot.com/2009/02/pengetahuan-dibedakan-menjadi-3.html

http://www.slideshare.net/herman_tolle/forward-backward-chaining

http://spukswkelasbkelompok3.blogspot.com/2009/02/contoh-soal-ttt_21.html

Sistem Pakar Pertemuan 2

Nama: Juliana Poernomo Putri

Nim: 08410100197

Tugas: Resum Sispak Pertemuan 2
Dosen: Titik Lusiani

Propositional Logic

• Propositional logic merupakan salah satu bentuk (bahasa) representasi logika yang paling tua dan paling sederhana.Dengan cara ini beberapa fakta dapat digambarkan dan dimanipulasi dengan menggunakan aturan-aturan aljabar Boolean.
• Propositional logic membentuk statement sederhana atau statement yang kompleks dengan menggunakan propositional connective, dimana mekanisme ini menentukan kebenaran dari sebuah statement kompleks dari nilai kebenaran yang direpresentasikan oleh statement lain yang lebih sederhana.

Beberapa operator penghubung dasar yang seringkali dipakai dalam propositional logic ditunjukkan dalam Tabel 2.1 sedangkan tabel kebenaran untuk masing-masing operator dapat dilihat pada Tabel 2.2.

contoh :

Ketika orang mengatakan "saya suka basket dan bulutangkis". Maka kita tahu pernyataan tersebut adalah BENAR (TRUE). 

Jika kemudian orang itu mengatakan "saya suka basket dan tenis", maka kita tahu bahwa penyataan itu SALAH (FALSE). Tetapi jika kita mengubahnya dengan "Saya suka basket atau tenis", maka pernyataan itu BENAR (TRUE).

Predicate Calculus

• Kalkulus predikat, disebut juga logika predikat memberi tambahan kemampuan untuk merepresentasikan pengetahuan dengan lebih cermat dan rinci. 
• Suatu proposisi atau premis dibagi menjadi dua bagian, yaitu ARGUMEN (atau objek) dan PREDIKAT (keterangan). 
• Argumen adalah individu atau objek yang membuat keterangan. Predikat adalah keterangan yang membuat argumen dan predikat.
• Dalam suatu kalimat, predikat bisa berupa kata kerja atau bagian kata kerja.
• Representasi pengetahuan dengan menggunakan predicate calculus merupakan dasar bagi penulisan bahasa pemrograman PROLOG.

contoh: 

preposition: Joni menyayangi anjingnya.

Predicat Calculus: sayang (Joni, anjing).

Quantifier

Dalam bagian terdahulu, sebuah obyek atau argumen dapat diwakili oleh sebuah variabel, akan tetapi variabel yag telah dibicarakan hanya mewakili sebuah obyek atau individu atau argumen. Bagaimana representasi dapat dilakukan apabila terdapat beberapa obyek? Atau dengan kata lain, bagaimana kuantitas dari sebuh obyek dapat dinyatakan?

Variabel dapat dikuantitaskan dengan dua cara, yaitu:

contoh:

Model-Model Inferensi

Terdapat beberapa model inferensi yang secara umum digunakan dalam persoalan-persoalan logika, antara

lain:

Modus Ponens

Seperti dijelaskan di atas, melakukan proses inferensi berarti juga menu-

runkan fakta baru dari beberapa fakta yang sudah ada. Modus Ponens

melakukan inferensi dengan mengikuti aturan sebagai berikut:

Jika pernyataan p dan (p ! q) adalah benar,

maka dapat ditarik kesimpulan bahwa q adalah benar.

Modus Ponens merupakan dasar bagi sistem berbasis aturan (rule-based system). Sebagai contoh perhatikan pernyataan di bawah ini:

Modus Tolens

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

Jika (p ! q) adalah benar,

dan q tidak benar, maka p tidak benar.

Sebagai contoh, dengan menggunakan pernyataan pada contoh terdahulu ditemukan sebuah fakta sebagai berikut:

~ jadi-sarjana(alex)

maka dengan menggunakan Modus Tolens dapat ditarik kesimpulan:

~ rajin-belajar(alex)

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-hal spesifik, dari premis menuju ke kesimpulan logis.

Jika obyek A lebih besar dari beberapa obyek B

dan obyek B lebih besar daripada obyek C,

maka obyek A lebih besar daripada obyek C

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

Induksi berarti proses reasoning dari fakta-fakta khusus atau kasus-kasus individual menuju ke kesimpulan secara general. Sebagai contoh:

P(a) adalah benar

P(b) adalah benar

Sumber:

Irawan. Jusak. 2007. Buku Pegangan Kuliah Sistem Pakar Sekolah Tinggi Manajemen Informatika & Tejnik Komputer Surabaya. Surabaya: STIKOM

Pengantar Sistem Pakar Pertemuan 1

Nama: Juliana Poernomo Putri
Nim: 08410100197
Tugas: Resum Sispak Pertemuan 1
Dosen: Titik Lusiani


Apa yang dimaksud dengan Sistem Pakar(Expert System)?

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

• Sistem pakar merupakan salah satu aplikasi dari kecerdasan buatan (artificial intelligence).
• AI sendiri berakar dari keinginan manusia untuk membuat sebuah mesin cerdas.
• Dewasa ini sistem pakar telah diaplikasikan dalam banyak bidang, misalnya: industri manufaktur, pertanian, medis, militer de-es-be.

Sejarah Sistem Pakar

• 1943 Post E.L. membuktikan bahwa permasalahan-permasalahan komputasi dapat diselesaikan dengan aturan IF-THEN.
• 1961 General Problem Solver (GPS) oleh A. Newell and H. Simon Adalah sebuah program yang dibangun untuk menyelesaikan permasalahan mulai dari games sampai matematika integral.
• 1969 DENDRAL. Dibangun di Stamford University atas permintaan NASA (Buchanan and Feigenbaum) untuk melakukan analisis kimiawi terhadap kondisi tanah di planet Mars.
• 1970s MCYN. Dibuat untuk diagnosa medis oleh Buchanan dan Short-liffe.
• 1982 R1/XCON adalah sistem pakar pertama yang dibuat oleh para peneliti di Carnegie Melon University (CMU).

Contoh implementasi sistem pakar :

• Bidang Kedokteran: alat kedokteran yang menerapkan sistem pakar di dalamnya antara lain USG (ultrasonografi). Alat ini bekerja berdasarkan pantulan gelombang suara ultrasonik. Banyak digunakan untuk mendeteksi janin dalam kandungan. Alat ini bekerja dengan menerima input berupa  suara yang lalu diolah menjadi sebuah informasi berupa visual.
• Bidang Sosial dan budaya: ilmu psikologi bisa memanfaatkan system  pakar untuk memberikan solusi dari beberapa sifat yang dimiliki oleh seseorang tanpa menggunakan psikolog.
• Bidang Pertahanan dan keamanan: Bentuk implementasi system pakar di bidang ini antara lain pada radar. Fungsi radar secara umum ialah mendeteksi  keberadaan benda di lingkungan dimana radar berada. Jarak jangkauan radar bermacam-macam.
• Bidang ilmu pengetahan: Pada bidang robotika penerapan sistem pakar sangat jelas. Sebagaimana yang kita ketahui selama ini, robot merupaka suatu benda yang dapat bekerja secara otomatis. Baik bekerja berdasarkan program yang sudah diinputkan atau menerima input dalam bentuk sensor (gerak, cahaya, suhu, dll)

Perbandingan Sistem Konvensional dan Sistem Pakar

Struktur Sistem Pakar

• Knowledge base (basis pengetahuan) adalah bagian dari sebuah sistem pakar yang mengandung/menyimpan pengetahuan (domain knowledge). Knowledge base yang dikandung oleh sebuah sistem pakar berbeda antara satu dengan yang lain tergantung pada bidang kepakaran dari sistem yang dibangun. Misalnya, medical expert system.
• Working memory mengandung/menyimpan fakta-fakta yang ditemukan selama proses konsultasi dengan sistem pakar. Selama proses konsultasi, user memasukkan fakta-fakta yang dibutuhkan. Sistem akan memasukkan fakta baru ini ke dalam working memory. Jadi working memory menyimpan informasi tentang fakta-fakta yang dimasukkan oleh user ataupun fakta baru hasil kesimpulan dari sistem.
• Inference engine bertugas mencari padanan antara fakta yang ada di dalam working memory dengan fakta-fakta tentang domain knowledge tertentu yang ada di dalam knowledge base, selanjutnya inference engine akan menarik/mengambil kesimpulan dari problem yang diajukan kepada sistem.

Gambar Struktur Sistem Pakar Sederhana

Sumber resum pert1: 

Irawan. Jusak. 2007. Buku Pegangan Kuliah Sistem Pakar Sekolah Tinggi Manajemen Informatika & Tejnik Komputer Surabaya. Surabaya: STIKOM

http://images.nurtikasarji.multiply.multiplycontent.com/attachment/0/Sb0KwQoKCF8AAEOoE8Y1/Pengenalan%20Sistem%20Pakar.pdf?nmid=219295241