Sistem Berbasis AturanSistem Berbasis Aturan---Sistem Pakar---

By Anjik Sukmaaji

Obj tiObjectives

•Review Pertemuan-1•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

T j I t kti l KhTujuan Intruktional Khusus

Mahasiswa mampu menjelaskan representasiMahasiswa mampu menjelaskan representasipengetahuan dalam bentuk Sistem BerbasisAturan (Rule Based System)

Mahasiswa memahami model inferensi forward chaining dan backward chaining dalam sistemg gberbasis aturan

R iReview

Buat problem space untuk :Buat problem space untuk :1. Menghidupkan sepeda motor2. Download film dari youtubey3. Membuat program kalkulator4. Nonton DVD Film

P d h lPendahuluan

•RBS menggunakan Modus Ponens sebagai dasar•RBS menggunakan Modus Ponens sebagai dasaruntuk memanipulasi aturan.•Modus Ponens adalah teknik penarikank i l Mi l t k l ik i ikesimpulan. Misalnya untuk logika preposisi.•Contoh :

p : saya makan di kelasp : saya makan di kelasq : saya minum di kelasp 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 kelasp → q : jika saya makan di kelas maka saya minum di kelas¬ p : saya tidak makan di kelas¬ p : saya tidak makan di kelas.

M d PModus Ponens

Modus Ponens dan Modus Tollens sebenarnya adalah teknikModus 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 → qp

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 bisaditarik kesimpulan q“. Sedangkan Modus Tollens berarti “jikadiketahu p → q dan ¬q, maka bisa ditarik kesimpulan ¬p“.

C t h dContoh modus ponens

Diketahui cerita sederhana berikut: Jika sayaDiketahui cerita sederhana berikut: Jika sayamakan di kelas maka saya minum di kelas. Sayamakan di kelas. Apakah saya minum di kelas?S l iSolusi:Menggunakan Contoh 1 di atas, kitamemperoleh kalimat matematika:

p → qp

Menggunakan Modus Ponens, maka kita bisaMenggunakan Modus Ponens, maka kita bisamenarik kesimpulan q, yang artinya sayaminum di kelas.

C t h M d T lContoh Modus Tolens

Diketahui cerita sederhana berikut: Jika sayaDiketahui cerita sederhana berikut: Jika sayamakan di kelas maka saya minum di kelas. Sayatidak minum di kelas. Apakah saya makan dikelas?kelas?Solusi:Menggunakan Contoh 1 di atas, kita

l h k li t t tikmemperoleh kalimat matematika:p → q¬qqMenggunakan Modus Tollens, maka kita bisamenarik kesimpulan ¬p, yang artinya sayatidak makan di kelastidak makan di kelas.

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 dikelas. 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 → q22: q → r3: pMenggunakan 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 → qp q2: q → r3: p4: qqDengan menggunakan Modus Ponens untuk kalimat 2 dan 4, kita memperoleh kesimpulan r,

yang artinya ruangan kelas menjadi kotor.

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 jikamobilnya tidak mengalami masalah. Kalau mobilnya punyamasalah, dia akan menggunakan angkutan umum. Biasanyadia mengetahui bahwa mobilnya punya masalah saat maudia mengetahui bahwa mobilnya punya masalah saat mauberangkat, menyebabkan dia terlambat tiba di kantor. Tetapidia juga bisa terlambat meskipun naik mobil karena jalannyamacet Gara gara terlambat dia tidak bisa menghabiskanmacet. Gara-gara terlambat, dia tidak bisa menghabiskankopinya, yang sudah disediakan di dapur kantor. Pagi initerlihat kopinya sudah habis. Pertanyaan:a Apakah mobil pak Ali bermasalah?a. Apakah mobil pak Ali bermasalah? b. Apakah jalanan macet?

S l iSolusi

Misalkan:Misalkan:p : mobil Pak Ali bermasalahq : Pak Ali ke kantor naik mobil

P k Ali k k t ik k tr : Pak Ali ke kantor naik angkutan umums : Pak Ali terlambatt : Jalanan macet

K i P k Ali h biu : Kopinya Pak Ali habis.

S l iSolusi

maka cerita tersebut dapat dinyatakan denganmaka, cerita tersebut dapat dinyatakan dengan1: p → r2: ¬p → q33: r → s4: q Λ t → s5: s → ¬u66: u

Kesimpulan yang bisa diambil: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}9: ¬p {Modus Tollens dari 1 dan 8}

S l iSolusi

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

K i l t k j b t bKesimpulan 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 (Jawabanuntuk pertanyaan b)untuk pertanyaan b).

C t t T b hCatatan Tambahan:

Hukum de Morgan:Hukum de Morgan:¬(p Λ q) ≡ (¬p V ¬q)¬(p V q) ≡ (¬p Λ ¬q)

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

I f Ch iInference Chain

Inference Chain sebagai Proses penyelesaianInference Chain sebagai Proses penyelesaianmasalah pd RBS

Proses penyelesaian masalah menciptakansederetan fakta2 baru (merupakan hasil) darisedertan proses inferensi shg membentuk jalurp g jantara masalah menuju solusi.

Deretan proses inferensi tersebut adalahDeretan proses inferensi tersebut adalahinference chain

C t h I f Ch i Si t lContoh Inference Chain Sistem peramalan cuaca

Untuk mengetahui keadaan cuaca pada 12 s dUntuk mengetahui keadaan cuaca pada 12 s.d24 jam ke depan.

0Rule 1: IF suhu udara sekitar di atas 320 CTHEN cuaca adalah panas

Rule 2: IF kelembapan udara relatif di atas 65%Rule 2: IF kelembapan udara relatif di atas 65%THEN udara sangat lembab

Rule 3: IF cuaca pada dan udara lembabpTHEN sangat mungkin terjadi badai

P j lPenjelasan

• 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 dianggapbbenar. •Suhu udara sekitar 350C dan kelembapan udararelatif 70% adalah FAKTA•Maka proses inferensi melihat fakta2 dari premispd RULE 1 dan RULE 2 sbg dasar menghasilkanfakta baru : CUACA PANAS dan UDARA LEMBABfakta baru : CUACA PANAS dan UDARA LEMBAB•Selanjutnya proses inferensi melihat kedua faktatsb sesuai dg premis 3, maka dihasilkan fakta barulagi : SANGAT MUNGKIN TERJADI BADAIlagi : SANGAT MUNGKIN TERJADI BADAI

P REASONINGProses REASONING

Proses Reasoning pada RBS adalah tahapanProses Reasoning pada RBS adalah tahapanproses mulai dari sekumpulan fakta menujusolusi, jawaban dan kesimpulan

Untuk menhasilkan kesimpulan dpt digunakan :1 Forward Chaining (data driven) : kesimpulan1. Forward Chaining (data driven) : kesimpulan

dari seperangkat data yg diketahui2. Backward Chaining (goal driven) : memilih

beberapa kesimpulan yg mungkin danbeberapa kesimpulan yg mungkin danmencoba membuktikan kesimpulan daribukti2.

K I Id tifik i Bi tKasus I : Identifikasi Binatang

Di h d tDiagram pohon and-or tree

R iReasoning

Reasoning adalah Proses tracing suatu fakta keReasoning adalah Proses tracing suatu fakta kefakta berikutnya dg menggunakan rule ygditentukan utk menghasilkan kesimpulan.

Terdapat 2 macam reasoning :1 Forward Reasoning1. Forward Reasoning2. Backward Reasoning

F d R iForward Reasoning

Proses inferensi seperangkat data menujuProses inferensi seperangkat data menujukesimpulan dg mengecek kesesuaian tiap rule apakah memenuhi premis.

Jika memenuhi, rule dieksekusi utkmenghasilkan fakta baru yg mungking yg gdigunakan oleh rule lain.

Proses pengecekan ini disebut ruleProses pengecekan ini disebut rule interpretation yang dilakukan oleh inference engine

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

Di P I f i F d Ch iDiagram 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)antecedent bernilai benar)

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

conflict resolution bertugas untukmencari rule mana yg memiliki prioritasmencari rule mana yg memiliki prioritastertinggi yg berpotensi untuk dieksekusi

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

Proses execution menghasilkan duakemungkinan yaitu: fakta baru diturunkankemungkinan yaitu: fakta baru diturunkan

dan ditambah fact base atau rule barudihasilkan dan ditambah ke knowledge

base

P l i K 1 d FCPenyelesaian Kasus 1a dg FC

C t h k 1bContoh kasus 1b.

Tabel HasilTabel Hasilpenelusuran ?

K II Fl d Id tifi tiKasus II : Flood Identification

P t K IIParameter Kasus II

R l K IIRules Kasus II

R l K IIRules Kasus II

I f N t k k IIInference Network kasus II

C t h h il k k iContoh hasil eksekusi