Minggu, 08 Januari 2017

Pengertian Metode Forward dan Backward Chaining Sistem Pakar Part 2

Metode backward Chaining

Merupakan kebalikan dari forward chaining dimana mulai dengan sebuah hipotesa (sebuah objek) dan meminta informasi untuk meyakinkan atau mengabaikan. Backward chaining inference engine sering disebut: ‘Object-Driven/Goal-Driven‘.

Catatan: inference engine adalah bagian dari sistem pakar yang mencoba menggunakan informasi yang diberikan untuk menemukan objek yang sesuai. Inference engine mempunayi 2 kategori yaitu deterministic dan probabilistik. Sedangkan dasar untuk membentuk inference engine diantaranya: forward chaining, backward chaining dan rule value (merupakan pendahulu dari forward dan backward chaining).

Backward Chaining: Pencocokan fakta atau pernyataan dimulai dari bagian sebelah kanan (THEN dulu). Dengan
kata lain penalaran dimulai dari hipotesis terlebih dahulu, dan untuk menguji kebenaran
hipotesis tersebut harus dicari fakta-fakta yang ada dalam basis pengetahuan.

Backward chaining

Backward chaining merupakan strategi pengambilan keputusan atau kesimpulan dengan pencocokan fakta atau pernyataan yang dimulai dari bagian sebelah kanan (THEN lebih dahulu). Dengan kata lain, penalaran dimulai dari hipotesis terlebih dahulu, dan untuk menguji kebenaran hipotesis tersebut harus dicari fakta-fakta yang ada dalam basis pengetahuan.

Sebagai contoh penalaran mundur (backward chaining) adalah pengecekan kerusakan mesin yang tidak dimulai dari pengecekan macam-macam kerusakan, tetapi dimulai dengan hipotesis akhir, bahwa tekanan kompresi di dalam silinder mesin terlalu rendah dan ingin dibuktikan bahwa kerusakan tersebut merupakan kerusakan mesin akibat kehilangan daya. Oleh sebab itu penalaran akan dimulai dari hipotesis hingga kemudian sampai pada pembuktiannya.

Pengertian Metode Forward dan Backward Chaining Sistem Pakar Part 1

Metode forward Chaining dan backward chaining merupakan dua teknik penalaran yang biasa digunakan dalam sistem pakar. Metode backward chaining adalah pelacakan kebelakang yang memulai penalarannya dari kesimpulan (goal), dengan mencari sekumpulan hipotesa-hipotesa menuju fakta-fakta yang mendukung sekumpulan hipotesa-hipotesa tersebut. Sedangkan metode forward chaining adalah pelacakan ke depan yang memulai dari sekumpulan fakta-fakta dengan mencari kaidah yang cocok dengan dugaan/hipotesa yang ada menuju kesimpulan.

Metode forward Chaining

Kadang disebut:data-driven karena inference engine menggunakan informasi yang ditentukan oleh user untuk memindahkan ke seluruh jaringan dari logika ‘AND’ dan ‘OR’ sampai sebuah terminal ditentukan sebagai objek. Bila inference engine tidak dapat menentukan objek maka akan meminta informasi lain. Aturan (Rule) di mana menentukan objek, membentuk path (lintasan) yang mengarah ke objek. Oleh karena itu, hanya satu cara untuk mencapai satu objek adalah memenuhi semua aturan.

Forward chaining: Pencocokan fakta atau pernyataan dimulai dari bagian sebelah kiri dulu (IF dulu). Dengan kata lain penalaran dimulai dari fakta terlebih dahulu untuk menguji kebenaran hipotesis.

Forward Chaining

Forward chaining merupakan suatu strategi pengambilan keputusan yang dimulai dari bagian sebelah kiri (IF lebih dahulu). Dengan kata lain, penalaran dimulai dari fakta terlebih dahulu untuk menguji kebenaran hipotesis.

Sebagai contoh penalaran maju (forward chaining) adalah mengecek kerusakan mesin kendaraan bermotor akan dimulai dengan macam-macam kerusakan mesin yang akan ditelusuri kemudian dilanjutkan dengan jenis dari macam-macam kerusakan yang dipilih, dan seterusnya sampai pada diagnosis kerusakan dan hasil akhir kesimpulan kerusakan tersebut.

Untuk Pembahasan Backward Chaining akan di bahasa pada part 2

Inference Engine (Motor Inferensi)

Motor Inferensi (Inference engine) merupakan pusat pengambilan keputusan pada Sistem Pakar dengan penyesuaian fakta-fakta pada memori dengan basis pengetahuan untuk mendapatkan kesimpulan dan jawaban. Inference engine merupakan otak dan pemikir dari suatu Sistem Pakar. Dalam inference engine ini sistem melakukan suatu penalaran yang dilandasi oleh basis pengetahuan (didapat dari pakar) yang dimiliki sistem sehingga menghasilkan sebuah keputusan.

Proses penalaran ada dua macam dan biasanya lebih disebut dengan proses chaining (forward chaining dan backward chaining). Kedua metode ini mempunyai kelebihan tersendiri, semuanya itu tergantung terutama dari kondisi permasalahan yang dihadapi dan basis pengetahuan.

Sabtu, 19 November 2016

Pembuktian hukum kontrapositif

Pembuktian hukum kontrapositif

Jika P maka Q

$P\Rightarrow Q$

Kontrapositif dari pernyataan implikasi $P\Rightarrow Q$ adalah $\sim Q\Rightarrow\sim P$ . Dengan kata lain kontrapositif adalah menegasikan P dan Q lalu membalik arah panahnya. Dalam teori logika, Pernyataan implikasi dan kontraposisinya mempunyai nilai kebenaran yang sama.

di bagian (p->q) -> (~q->~p) menunjukkan semua kondisi 1 (TRUE) yang berarti pembuktian hukum kontraposisi menggunakan tabel keberan adalah berhasil

Jumat, 18 November 2016

Representasi Pengetahuan Knowledge Base Part 2

Halo semua,

Kembali lagi bersama saya, saya akan meneruskan pembahasan kemarin mengenai representasi pengetahuan knowledge base yang kemarin sempat tertunda jadia mari kita lanjutkan.

Saya akan membahas 4 representasi pengetahuan knowledge base :

Frame-Based Knowledge

Pengetahuan direpresentasikan dalam suatu bentuk hirarki atau jaringan frame.

Object-Based Knowledge

Pengetahuan direpresentasikan sebagai jaringan dari objek-objek. Objek adalah elemen data yang terdiri dari data dan metode (proses).

Baik lah pembahasan tentang representasi pengetahuan knowledge base sudah selesai jadi terima kasih sudah menyimak jadi saya mohon silahkan beri kritik dan saran di kolom komentar. Terima kasih.

Sumber :

- http://informatika.web.id/basis-pengetahuan-knowledge-base.htm

Kamis, 17 November 2016

Representasi Pengetahuan Knowledge Base Part 1

Halo semua,

Kembali lagi bersama saya, saya akan meneruskan pembahasan kemarin mengenai knowledge base. Lalu sekarang kita akan mengenal lebih dalam tentang representasi pengetahuan knowledge base silahkan di simak.

Saya akan membahas 4 representasi pengetahuan knowledge base :

Rule-Based Knowledge

Pengetahuan direpresentasikan dalam suatu bentuk fakta (facts) dan aturan (rules). Bentuk representasi ini terdiri atas premise dan kesimpulan. Pada penalaran berbasis aturan, pengetahuan dipersentasikan dengan menggunakan aturan berbentuk : IF-THEN. Bentuk ini digunakan apabila kita memiliki sejumlah pengetahuan pakar pada suatu permasalahan tertentu, dan pakar dapat menyelesaikan masalah tersebut secara berurutan. Disamping itu, bentuk ini juga digunakan apabila dibutuhkan penjelasan tentang langkah-langkah pencapaian solusi.

Case-Base Reasoning

Pada penalaran berbasis kasus (cases), basis pengetahuan berisi solusi-solusi yang telah dicapai sebelumnya, kemudian akan diturunkan suatu solusi untuk keadaan yang terjadi sekarang (fakta yang ada). Bentuk ini digunakan apabila user menginginkan untuk mengetahui lebih banyak lagi pada kasus-kasus yang hampir sama (mirip). Selain itu, bentuk ini juga digunakan apabila kita telah memiliki sejumlah situasi atau kasus tertentu dalam basis pengetahuan atau dapat diartikan pengetahuan direpresentasikan dalam bentuk kesimpulan kasus.

2 representasi pengetahuan knowledge base sisanya akan saya bahas pada waktu yang akan datang jadi tetap stay tune saja.

Sumber :

- http://informatika.web.id/basis-pengetahuan-knowledge-base.htm

Rabu, 16 November 2016

Knowledge Base

Halo Semua,

Apa kabar semua? pastinya baik dong, sekarang saya akan membahas apa yang di maksud dengan Knowledge Base biar jelas langsung saja kita bahas, selamat membaca dan bermanfaat

Basis pengetahuan atau Knowledge base merupakan representasi pengetahuan dari seorang pakar yang diperlukan untuk memahami, memformulasikan dan memecahkan masalah. Terdiri dari dua elemen dasar, yaitu :

Fakta yang berupa informasi tentang situasi permasalahan, teori dari area permasalahan atau informasi tentang objek.
Spesial heuristik yang merupakan informasi tentang cara bagaimana membangkitkan fakta baru dari fakta yang sudah diketahui. Dalam sistem pakar berbasis rule, bagian ini berupa rules.

Knowledge base adalah jantung sebuah sistem pakar. Bagian ini adalah totalitas keahlian pakar yang telah disarikan dan diformat ke dalam external memory komputer. Sampai saat ini terdapat berbagai cara representasi pengetahuan yang telah dikenal, misalnya :

- Rule-Based Knowledge

- Case-Base Reasoning

- Frame-Based Knowledge

- Object-Based Knowledge

Untuk pembahasa 4 point di atas akan di lanjutkan di penulisan selanjutnya jadi saya akan update kembali terima kasih dan semoga bermanfaat

Sumber :

- http://informatika.web.id/basis-pengetahuan-knowledge-base.htm

*note

Tulisan di atas mengenai Knowledge Base, dan mungkin juga masih banyak kurangnya jadi saya harap kalian menulis di kolom komen tentang tulisan yang saya buat, masukan dan krikitan akan selalu di terima terima kasih.