Sistem Berbasis Pengetahuan
3 SKS
Eka Dyar W
 Knowledge acquisition
 Knowledge representation dapat berupa :
 Jaringan semantik
 Frame
 Script
 Logika (logika proposional)
 Production rules (Rule based-system)
 Tree
Outline
 Logika
 Rule based
 Tree
 Inferensi I
 Inference engine
 Jenis metode inference
 Penalaran deduktif dan silogisme
Logika
 Merupakan bentuk representasi
pengetahuan yang paling tua
 Suatu pengkajian ilmiah tentang
serangkaian penalaran, sistem kaidah dan
prosedur yg membantu proses penalaran.
Logika predikat
 Memecah statemen (pernyataan) kedalam
bagian komponen yang disebut obyek,
karakteristik obyek atau beberapa
keterangan obyek
 Suatu proposisi dibagi menjadi 2 bagian 
argumen dan predikat
 Argumen : individu atau obyek
 Predikat : keterangan yang membuat argumen
dan predikat  kata kerja atau bagian kata kerja
Logika predikat (2)
 Susunan:
PREDIKAT (individu [objek] 1, individu [objek]
2)
 Misal :
Proposisi
mobil berada dalam garasi
dinyatakan menjadi
didalam (mobil, garasi)
Logika predikat (3)
 Didalam = predikat (keterangan)
 Mobil = argumen (obyek)
 Garasi = argumen (obyek)
 Contoh lain
 Prop : pintu terbuka
buka (pintu)
 Prop : rudi teman didi
teman(rudi, didi)
Production rules / kaidah produksi
 Kaidah menyediakan cara formal untuk
merepresentasikan rekomendasi, arahan
atau strategi
Dituliskan dalam bentuk jika-maka (if-then)
Cont’d
 Struktur kaidah if-then yang menghubungkan obyek atau atribut :
 JIKA premis MAKA konklusi
 JIKA masukan MAKA keluaran
 JIKA kondisi MAKA tindakan
 JIKA anteseden MAKA konsekuen
 JIKA data MAKA hasil
 JIKA tindakan MAKA tujuan
 Contoh :
JIKA bersin-bersin dan pusing MAKA terserang flu
Tree
 Adalah suatu hierarki struktur yang terdiri
dari node atau vertek (simpul) yang
menyimpan informasi atau pengetahuan dan
link atau edge (cabang) yang
menghubungkan node
 Akar adalah node yang tertinggi dalam
hierarki dan daun adalah yang paling bawah
 Dapat dianggap sebagai tipe khusus jaringan
semantik yang setiap nodenya kecuali akar
pasti memiliki satu node orang tua dan
mempunya nol atau lebih node anak
Apakah dia terlalu besar
Apakah dia mencicit Apakah dia mempunyai leher yang panjang
Apakah dia mempunyai belalai Jerapah
Apakah dia suka berada dalam air Gajah
Badak Hippo
Tupai Tikus
Tidak
Tidak
Tidak
Tidak
Tidak
Ya
Ya
Ya
Ya
Ya
 Diterjemahkan kedalam kaidah produksi
menghasilkan :
 Jika pertanyaan = “Apakah dia besar sekali ?”
 Dan jawaban = “Tidak”
 Maka pertanyaan = “Apakah dia mencicit ?”
 Jika pertanyaan = “Apakah dia besar sekali ?”
 Dan jawaban = “Ya”
 Maka pertanyaan = “Apakah dia mempunyai leher
yang panjang?”
dst
Tree AND-OR dan tujuan
 Banyak sistem pakar yang mengg. runut
balik dalam mendapatkan solusi dari
permasalahannya
 Salah satu tipe tree yang digunakan dalam
runut balik adalah AND-OR tree
Mencari kerja
Mobil Jalan kaki Kereta api
Mobil dengan
kondisi baik
Cukup gas
untuk
perjalanan
Memperbaiki
Kerusakan
sendiri
Seseorang
memperbaiki
kerusakannya
Membawa
mobil
untuk
memasang gas
Membawa
gas
ke mobil
Kontainer
untuk gas
Kaki tidak
sakit
Jalan kaki
ke stasiun
kereta api
Pakai mobil
ke stasiun
kereta api
1.IF L AND M THEN H
2.IF H THEN F
3.IF I THEN F
4.IF J AND K THEN G
5.IF F AND G THEN C
6.IF D THEN B
7.IF E THEN B
8.IF B THEN A
9.IF C THEN A
• Bagaimana bentuk tree-
nya?
Inferensi
 Proses untuk menghasilkan informasi dari
fakta yang diketahui atau diasumsikan
 Merupakan konklusi logis atau implikasi
berdasarkan informasi yang tersedia
 Dilakukan dalam suatu modul yang disebut
inference engine
Cont’d
 Representasi pengetahuan pada bagian
knowledge base telah lengkap (pada level
yang cukup akurat)  siap digunakan 
mengendalikan proses reasoning mengg.
inference engine
Metode yang dipergunakan
 Forward chaining (runut maju)
 Backward chaining (runut balik)
• Tipe-tipe inferensi
Cont’d
 Yang paling sering dipakai : deductive logic, untuk
menentukan validitas “argument”.
 Silogisme merupakan satu tipe argumen logika.
 Contoh :
Premise : Anyone who can program is intelligent
Premise : John can program
Conclusion : Therefore, John is intelligent
Cont’d
 Premise Digunakan sebagai bukti untuk mendukung
suatu kesimpulan.
Disebut juga antecedent
 Kesimpulan/Conclusion
Disebut juga consequent
 Karakteristik logika deduktif adalah kesimpulan
benar harus mengikuti dari premis yg benar
Cont’d
Anyone who can program is intelligent
John can program
∴John is intelligent
 Dalam bentuk IF-THEN
IF Anyone who can program is intelligent And
John can program
THEN John is intelligent
Kaidah inferensi
• Detasemen
• Kontrapositif
∴
q
p
qp
∴
→
pq
qp
~~ →∴
→
• Modus tollens
• Silogisme
p
q
qp
~
~
∴
→
rp
rq
qp
→∴
→
→
Cont’d
• Inferensi disjungsi
• Negasi ganda
• de Morgan
• Simplifikasi
q
p
qp
∴
∨
~
p
q
qp
∴
∨
~
( )
p
p
∴
~~
( )
qp
qp
~~
~
∨∴
∧ ( )
qp
qp
~~
~
∧∴
∨
p
qp
∴
∧
q
qp
∴
∧
Cont’d
• Konjungsi
• Penambahan
disjungtif
• Argumen konjungtif
qp
q
p
∧∴
qp
p
∨∴
q
p
qp
~
)(~
∴
∧
p
p
qp
~
)(~
∴
∧
Eka Dyar W eka.dyar@yahoo.com
Sekian

Pertemuan 5

  • 1.
  • 2.
     Knowledge acquisition Knowledge representation dapat berupa :  Jaringan semantik  Frame  Script  Logika (logika proposional)  Production rules (Rule based-system)  Tree
  • 3.
    Outline  Logika  Rulebased  Tree  Inferensi I  Inference engine  Jenis metode inference  Penalaran deduktif dan silogisme
  • 4.
    Logika  Merupakan bentukrepresentasi pengetahuan yang paling tua  Suatu pengkajian ilmiah tentang serangkaian penalaran, sistem kaidah dan prosedur yg membantu proses penalaran.
  • 5.
    Logika predikat  Memecahstatemen (pernyataan) kedalam bagian komponen yang disebut obyek, karakteristik obyek atau beberapa keterangan obyek  Suatu proposisi dibagi menjadi 2 bagian  argumen dan predikat  Argumen : individu atau obyek  Predikat : keterangan yang membuat argumen dan predikat  kata kerja atau bagian kata kerja
  • 6.
    Logika predikat (2) Susunan: PREDIKAT (individu [objek] 1, individu [objek] 2)  Misal : Proposisi mobil berada dalam garasi dinyatakan menjadi didalam (mobil, garasi)
  • 7.
    Logika predikat (3) Didalam = predikat (keterangan)  Mobil = argumen (obyek)  Garasi = argumen (obyek)  Contoh lain  Prop : pintu terbuka buka (pintu)  Prop : rudi teman didi teman(rudi, didi)
  • 8.
    Production rules /kaidah produksi  Kaidah menyediakan cara formal untuk merepresentasikan rekomendasi, arahan atau strategi Dituliskan dalam bentuk jika-maka (if-then)
  • 9.
    Cont’d  Struktur kaidahif-then yang menghubungkan obyek atau atribut :  JIKA premis MAKA konklusi  JIKA masukan MAKA keluaran  JIKA kondisi MAKA tindakan  JIKA anteseden MAKA konsekuen  JIKA data MAKA hasil  JIKA tindakan MAKA tujuan  Contoh : JIKA bersin-bersin dan pusing MAKA terserang flu
  • 10.
    Tree  Adalah suatuhierarki struktur yang terdiri dari node atau vertek (simpul) yang menyimpan informasi atau pengetahuan dan link atau edge (cabang) yang menghubungkan node  Akar adalah node yang tertinggi dalam hierarki dan daun adalah yang paling bawah
  • 11.
     Dapat dianggapsebagai tipe khusus jaringan semantik yang setiap nodenya kecuali akar pasti memiliki satu node orang tua dan mempunya nol atau lebih node anak
  • 12.
    Apakah dia terlalubesar Apakah dia mencicit Apakah dia mempunyai leher yang panjang Apakah dia mempunyai belalai Jerapah Apakah dia suka berada dalam air Gajah Badak Hippo Tupai Tikus Tidak Tidak Tidak Tidak Tidak Ya Ya Ya Ya Ya
  • 13.
     Diterjemahkan kedalamkaidah produksi menghasilkan :  Jika pertanyaan = “Apakah dia besar sekali ?”  Dan jawaban = “Tidak”  Maka pertanyaan = “Apakah dia mencicit ?”
  • 14.
     Jika pertanyaan= “Apakah dia besar sekali ?”  Dan jawaban = “Ya”  Maka pertanyaan = “Apakah dia mempunyai leher yang panjang?” dst
  • 15.
    Tree AND-OR dantujuan  Banyak sistem pakar yang mengg. runut balik dalam mendapatkan solusi dari permasalahannya  Salah satu tipe tree yang digunakan dalam runut balik adalah AND-OR tree
  • 16.
    Mencari kerja Mobil Jalankaki Kereta api Mobil dengan kondisi baik Cukup gas untuk perjalanan Memperbaiki Kerusakan sendiri Seseorang memperbaiki kerusakannya Membawa mobil untuk memasang gas Membawa gas ke mobil Kontainer untuk gas Kaki tidak sakit Jalan kaki ke stasiun kereta api Pakai mobil ke stasiun kereta api
  • 17.
    1.IF L ANDM THEN H 2.IF H THEN F 3.IF I THEN F 4.IF J AND K THEN G 5.IF F AND G THEN C 6.IF D THEN B 7.IF E THEN B 8.IF B THEN A 9.IF C THEN A • Bagaimana bentuk tree- nya?
  • 18.
    Inferensi  Proses untukmenghasilkan informasi dari fakta yang diketahui atau diasumsikan  Merupakan konklusi logis atau implikasi berdasarkan informasi yang tersedia  Dilakukan dalam suatu modul yang disebut inference engine
  • 19.
    Cont’d  Representasi pengetahuanpada bagian knowledge base telah lengkap (pada level yang cukup akurat)  siap digunakan  mengendalikan proses reasoning mengg. inference engine
  • 20.
    Metode yang dipergunakan Forward chaining (runut maju)  Backward chaining (runut balik)
  • 21.
  • 22.
    Cont’d  Yang palingsering dipakai : deductive logic, untuk menentukan validitas “argument”.  Silogisme merupakan satu tipe argumen logika.  Contoh : Premise : Anyone who can program is intelligent Premise : John can program Conclusion : Therefore, John is intelligent
  • 23.
    Cont’d  Premise Digunakansebagai bukti untuk mendukung suatu kesimpulan. Disebut juga antecedent  Kesimpulan/Conclusion Disebut juga consequent  Karakteristik logika deduktif adalah kesimpulan benar harus mengikuti dari premis yg benar
  • 24.
    Cont’d Anyone who canprogram is intelligent John can program ∴John is intelligent  Dalam bentuk IF-THEN IF Anyone who can program is intelligent And John can program THEN John is intelligent
  • 25.
    Kaidah inferensi • Detasemen •Kontrapositif ∴ q p qp ∴ → pq qp ~~ →∴ → • Modus tollens • Silogisme p q qp ~ ~ ∴ → rp rq qp →∴ → →
  • 26.
    Cont’d • Inferensi disjungsi •Negasi ganda • de Morgan • Simplifikasi q p qp ∴ ∨ ~ p q qp ∴ ∨ ~ ( ) p p ∴ ~~ ( ) qp qp ~~ ~ ∨∴ ∧ ( ) qp qp ~~ ~ ∧∴ ∨ p qp ∴ ∧ q qp ∴ ∧
  • 27.
    Cont’d • Konjungsi • Penambahan disjungtif •Argumen konjungtif qp q p ∧∴ qp p ∨∴ q p qp ~ )(~ ∴ ∧ p p qp ~ )(~ ∴ ∧
  • 28.