p5 inferensi (tif62) -...

P5 – Inferensi(TIF62)

A. Sidiq P.

http://sidiq.mercubuana-yogya.ac.id

Program Studi Teknik Informatika

Fakultas Teknologi Informasi

Universitas Mercu Buana Yogyakarta

Inferensi

SQ - http://sidiq.mercubuana-yogya.ac.id [email protected]

2

• Inferensi merupakan proses untuk menghasilkan informasi darifakta yg diketahui atau diasumsikan.

• Inferensi adalah konklusi logis (logical conclusion) atau implikasiberdasarkan informasi yg tersedia.

• Dalam ES, proses inferensi dilakukan dalam suatu modul yg disebutInference Engine.

• Ketika Representasi Pengetahuan (RP) pada bagian knowledge base telah lengkap, atau paling tidak telah berada pada level yg cukupakurat, maka RP tersebut telah siap digunakan.

• Inference Engine merupakan modul yg berisi program bagaimanamengendalikan proses reasoning.


3

Metode Inferensi

Inference

Forward ChainingBackward Chaining


4

Forward Chaining

Wilson, 1998

• FC menggunakan himpunan aturan kondisi-aksi.

• Dalam metode ini data digunakan untuk menentukan aturan mana yg akandijalankan. Mungkin proses menambahkan data ke memori kerja.

• Proses diulang sampai ditemukan suatu hasil

Arhami, 2004

• Suatu rantai yg dicari atau dilewati/dilintasi dari suatu permasalahan untukmemperoleh solusinya

• Penalaran dari fakta menuju konklusi yg terdapat dari fakta.


5

• Metode inferensi FC cocok digunakan untuk menangani masalahpengendalian (controlling) dan peramalan (prognosis) (Giaranttanodan Riley, 1994)


6

Data

• A = 1

• B = 2

Aturan

• JIKA A=1 danB=2 MAKA C=3

• JIKA C=3 MAKA D=4

Kesimpulan

• D=4

Cara kerja FC

• Contoh kasus :• Ingin diperoleh konklusi dari daftar konklusi yg ada berdasarkan premis-premis aturan fakta

yg diberikan oleh user.


7

Aturan 1

Jika Premis 1

Dan Premis 2

Dan Premis 3

Maka Konklusi 1

Aturan 2

Jika Premis 1

Dan Premis 3

Dan Premis 4

Maka Konklusi 2

Aturan 3

Jika Premis 2

Dan Premis 3

Dan Premis 5

Maka Konklusi 3

Aturan 4

Jika Premis 1

Dan Premis 4

Dan Premis 5

Dan Premis 6

Maka Konklusi 4

Premis 1

Premis 2

Premis 3

Premis 4

Premis 5

Premis 6

Kesimpulan 1

Kesimpulan 2

Kesimpulan 3

Kesimpulan 4

Graph pengetahuanDaftar aturan


8

• FC pada kasus ini adalah untuk mengetahui apakah suatu fakta yg dialamioleh user itu termasuk konklusi 1, konklusi 2, konklusi 3, atau konklusi 4, ataubahkan bukan salah satu dari konklusi tersebut, yg artinya system belummampu mengambil kesimpulan karena keterbatasan aturan.

• Dalam penelaran ini, user diminta memasukkan premis-premis yg dialami. Untuk memudahkan pengguna system dpt memunculkan daftar premis mana yg dialami dgn memilih satu atau beberapa dari daftar premis yg tersedia.• Berdasarkan presmis-premis yg dipilih, maka system akan mencari aturan yg sesuai,

sehingga akan diperoleh konklusi.

• Ex : • JIKA penderita terkena penyakit epilepsy idiopatik dengan CF antara 0,4 s.d

0.6

• MAKA berikan obat carbamazepine


9

Backward Chaining

Giarattano dan Riley, 1994

• BC merupakan metode penalaran kebalikan dari FC. Dalam BC, penalaran dimulai dgn menurut balik ke jalur yg akan mengarah ketujuan tersebut.

Arhami, 2004

• Suatu rantai yg dilintasi suatu hipotesa kembali ke fakta ygmendukung hipotesa tersebut.

• Tujuan yg dpt dipenuhi dgn pemenuhan sub tujuan.


10

• BC sering disebut juga sebagai goal-driven reasoning, • merupakan cara yg efisien untuk memecahkan masalah yg dimodelkan dimodelkan sbg

masalah pemilihan terstruktur.

• Tujuan mengambil pilihan terbaik dari banyak kemungkinan. Metode inferensiBC ini cocok digunakan untuk memecahkan masalah diagnosis (Schnupp, 1989).


11

Sub Tujuan

• A = 1

• B = 2

Aturan

• JIKA A=1 danB=2 MAKA C=3

• JIKA C=3 MAKA D=4

Tujuan

• D=4

Cara kerja BC

• Dgn menggunakan kasus yg sama pada FC, yg ingin didapatkan dalampenalaran ini jg sama yaitu salah satu dari konklusi 1, konklusi 2, konklusi 3, atau konklusi 4, atau bahkan bukan salah satu dari konklusi tersebut.

• Penelusuran didasarkan pada suatu keyakinan bahwa ada kemungkinankonklusi dari daftar konklusi yg merupakan salah satu tujuan atau konklusiterpilih berdasarkan fakta yg diberikan oleh user. Sistem dengan urutantertentu akan mengambil sebuah konklusi sebagai calon konklusinya.

• Misal Urutanya sesuai dgn urutan konklusi.• Awalnya system akan mengambil hipotesis bahwa konklusinya adalah konklusi 1.• Setelah itu system akan meminta umpan balik kepada user mengenai premis-premis

yg ditemukan tersebut.• Untuk konklusi 1 permisnya premis 1, premis 2, dan premis 3, maka system akan

mencari tahu apakah user memilih permis-premis tersebut.


12

• Cara mengambil umpan balik dari user dapat dilakukan dgn mencaridaftar premis yg dipilih oleh user atau dgn menanyakan satu per satupremis yg seharusnya dipilih.• Jika ternyata ada premis yg tidak terpilih oleh user maka hipotesis terhadap

konklusi tersebut gugur, yg artinya fakta yg dimasukkan user konklusinyabukan konklusi 1.

• Oleh karena itu, system akan melanjutkan hipotesis ke konklusi berikutnya.• Demikian seterusnya sampai ditemukan konklusi yg semua rpremis dalam

aturannya terpilih• Jika sampai akhir konklusi yg mungkin tidak ada premis yg terpenuhi, maka

system akan mengambil kesimpulan bahwa konklusinya adalah diluarpengetahuannya, yg artinya system tidak menemukan solusi untuk premis-premis pilihan user.


13

• Mengalami epilepsy ideopatik local dgn certainty factor : 0,63

• JIKA tipe sawan parsial sederhana

• DAN EGG menunjukkan adanya focus

• DAN penyebabnya tidak diketahui

Aturan 1 :

• Mengalami tipe sawan parsial sederhana dgn certainty factor : 0,63

• JIKA mengalami motoric fokal yg menjalar atau tanpa menjalar (gerakan klonik dari jari tangan , lalu menjalar ke lengan bawah dan atas lalu menjalar ke seluruh tubuh)

• ATAU gerakan versify, dengan kepala dan leher menengok ke suatu sisi

• ATAU gerakan sensorik vocal menjalar atau sensorik khusus berupa halusinasi sederhana (visual, auditorik, gustatorik)

Aturan 2 :


14

Untuk mencapai tujuan, yaitu mengidentifikasi penyakit epilepsi idiopatik, system akan mengambil informasi dari sub goal yg paling rendahtingkatannya. Sistem akan memberikan pertanyaan mengenai gejala-gejala yg pada akhirya dpt menentukan jenis penyakit

Ex :

Gabungan FC-WC

• Selain menggunakan inferensi FC dan BC, sebuah aplikasidimungkinkan untuk menggunakan FC dan BC secara sekaligus.

• Misal dalam diagnosis penyakit pasien memberitahukan keluhanutama yg dialami. Berdasarkan keluhan tersebut :• Dokter akan melakukan FC untuk mendapatkan kemungkinan penyakit

dengan ciri yg dikeluhkan oleh pasien.

• Setelah itu BC dpt dilakukan untuk memastikan penyakit mana yg dialami olehpasien diantara beberapa kemungkinan penyakit dgn ciri yg dikeluhkan olehpasien.


15

Lanjut mengenai FC dan BC

• Perkalian inferensi yg menghubungkan suatu permasalahan dgn solusidisebut sgb rantai (chain).

• Chaining dpt dgn mudah diekspresikan dalam inferensi.

• Contoh :p q

p

؞ q

• Bentuk rantai inferensi sbb :gajah(x) mamalia(x)mamalia(x) binatang(x)


16

Kaidah ini digunakan dalam rantai sebab-akibatdari inferensi forward yg menarik kesimpulan bahwagajah (clyde) adalah binatang yg memperlihatkan jugabahwa (clyde) adalah seekor gajah


17

Gajah (clyde)

Gajah (x) Mamalia (x)

Mamalia (x) Binatang (x)

Binatang (clyde)

Sebab akibat FC

Sebagai urutan dari kesimpulan (implication) danPenggabungan (unification.)

Gajah (clyde)

Gajah (clyde) Mamalia (clyde)

Mamalia (clyde)

unifikasi

implikasi

unifikasi

implikasi

• BC kebalikan dari FC• Ingin dibuktikan hipotesis binatang (clyde).

• Pokok permasalahan BC adalah untuk mendapatkan satu rantai ygmenghubungkan fakta-fakta ke hipotesis.

• Fakta gajah (clyde) disebut sbg evidence (fakta) dalam BC untuk menunjukkanfakta tersebut digunakan untuk mendukung hipotesis.

• Analogi cara tersebut adalah fakta dalam lingkungan/pengadilan ygdigunakan utnuk membuktikan kesalahan terdakwah.


18

• Contoh FC dan BC Misalkan anda mengemudi dan tiba-tiba andaa melihat mobil polisi dgncahaya kelap-kelip daan bunyi sirine• FC

• Mungkin anda akan berkesimpulanbahwa polisi ingin anda atau seseorang berhenti. • Ini adalah fakta awal yg mendukung dua kemungkinan konklusi.

• Jika mobil polisi membuntuti dari belakang anda,• Atau Polisi melambaikan tangan memberhentikan anda,• Maka kesimpulan lebih lanjut adalah polisi ingin andaa berhenti.

• Dengan mengadopsi ini sbg suatu kerja hipotesis, maka anda dpt menggunakan BC untuk alasasn mengapa.

• BC• Beberapa kemungkinan hipotesis lanjutan adalah membuang sampah sembarangan dari mobil, melampaui batas kecepatan,

kesalahan pemakaian peralatan kendaraan dan mengemudikan mobil curian.• Selaanjutnya anda menguji fakta yg mendukung hipotesis lanjut di atas. Apakah botol minuman yg anda abuang keluar dari

jendela, kecepatan 100 dalam 30 mil/jam dalam zona cepat, lampu belakang yg rusak, atau plat mobil yg andaa gunakanmengidentifikasi mobil yg anda kemudikan adalah mobil curian.

• Dalam kasus ini setiap bagian dari fakta mendukung hipotesis lanjut dan bias jadi semuanyabenar.• Sembarang atau semua hipotesis lanjut tersebut merupaakan susatu alasan yg mungkin untuk membuktikan

hipotesis kerja yg diinginkan polisi.


19

No FC BC

1 Perencaanaan monitoring Diagnosis

2 Disajikan untuk masa depan Disajikan untuk masa lalu

3 Antesenden ke konsekuen Konsekuen ke antesenden

4 Data memandu, penalaran dari bawah ke atasa Tujuan memandu, penalaran dari atas ke bawah

5 Bekerja ke depan untuk mendapatkan solusi apayg mengikuti fakta

Bekerja di belakang untuk mendaapatkan fakta ygmendukung hipotesis

6 Breadth first search dimudahkan Depth first search dimudaahkan

7 Antesenden menentukan pencarian Konsekuen menentukan pencarian

8 Penjelas tidak difasilitasi Penjelasan difassilitasi


20

Karakteristik FC dan BC

Penggunaan yang baik untuk FC dan BC :


21

Gambaran sederhana diagran diatas adalah sebagai pohon pengganti dari jaringan secara umum.

Penggunaan yang baik untuk FC terjadi jika pohon melebar dan tidak dalam, karena memudahkan

pencarian breadth first. FC baik jika pencarian untuk konklusi berproses level ke level.

BC memudahkan pencarian depth first dengan bentuk pohon menyempit dan dalam.

Backward Chaining Forward Chaining

Proses FC• Misalkan kaidah JIKA … MAKA

Jika A maka BJika B maka CJika C maka D

• Jika fakta A diketahui dan mesin inferensidirancang untuk mencocokkkan faktamelawan antesenden maka faktaselanjutnya, B dan C, akan dinyatakan dankonklusinya adalah D.

• Jika fakta D dinyatakan dan mesininferensinya mencocokkan fakta melawankonsekuennya, maka hasilnyaberhubungan dengan BC.

Proses BC• Kaidan dibalik

Jika D maka CJika C maka BJika B maka A

• C dan B dianggap sebagai subtujuan(hipotesis) sementara yg harusdipenuhi untuk memenuhi hipotesisD. Fakta A merupakan fakta ygmenunjukkan akhir dari generasisubtujuan. Jika ada suatu fakta A makaD didukung dan dianggap benar di bawah rangkaian BC


22

• Dalam peng-aplikasian BC dan FC ada beberapa kesulitan yang muncul yaitu :• Pendekatannya kurang efisiensi, dimana BC memudahkan pencarian depth

first, sementara itu FC memudahkan pencarian breadth first, walaupun kitadapat menuliskan aplikasi BC ke sistem FC dan sebaliknya, sistem tersebuttetap tidak akan efisien dalam hal pencarian penyelesaiannya.

• Konseptual, pengetahuan diperoleh dari pakar yang harus diubah untukmengimbangi permintaan dari mesin inferensi.


23

Tugas

• Lanjutan Tugas sebelumnya• NIM

• Nama

• Judul

• Berdasarkan sampel data yg telah diperoleh• Buat perancangan database (Min 3-NF) yg disesuaikan dgn Metode yg digunakan untuk

menyelesaikan permasalahan tersebut.


24

• Tugas dikumpul di web FTI • Time limit 25 Oktober 2016 (23:59 WIB)


25

Notes :Tugas Digunakan Untuk Penilaian UTS

Tanggal 26 Oktober 2016

Mohon dipersiapkan dengan sebaik-baiknya


26


27

p5 inferensi (tif62) -...

Documents