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.

Pembuktian hukum kontrapositif

 Pembuktian hukum kontrapositif

Jika P maka Q



Kontrapositif dari pernyataan implikasi  adalah . 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

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

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

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 :

1. Fakta yang berupa informasi tentang situasi permasalahan, teori dari area permasalahan atau informasi tentang objek.
2. 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.  

Tugas Sistem Berbasis Pengetahuan

Tugas Program Prolog :

Script Program :

Output Program yang diminta :

1. Obat apa yang bisa menyembuhkan cough dan nasal congestion ?

      2.  Obat apa yang bisa menyembuhkan batuk jika pasien mempunyai gejala penyakit diabetes dan 

          glaucuma ?

      3. Obat apa yang bisa menyembuhkan nausea ? Pasien tersebut menderita penyakit apa ?

      4. Apa yang bisa menyembuhkan pilek ?

      5. Apa yang dapat menyembuhkan pilek dapat menyembuhkan hidung yang sakit ?

6    6.  Obat apa yang bisa diminum jika pasien menderita penyakit ashtma ? obat tersebut juga dapat      

          diminum dalam kondisi apa ?

      7. Obat yang dapat digunakan juga sebagai pain killer ?

      8. Obat apa yang harus diminum oleh john ?

Ciri Ciri Soft Computing

Ciri ciri Soft Computing :

Bagian-bagian dari Soft Computing sendiri adalah :

a.      Sistem Fuzzy (Fuzzy System / FS)

b.      Jaringan Syaraf (Neural Networks / NN)

c.       Penalaran Probabilistik (Probabilistic Reasoning / PR)

d.     Evolutionary Computing (EC)

e.      Machine Learning (ML)

1. Sistem Fuzzy (Fuzzy System / FS)
Fuzzy Logic merupakan suatu representasi dari pengetahuan yang direkonstruksi dengan if-then rules. Sederhananya, Fuzzy Logic adalah suatu metode untuk mengontrol sesuatu. Misalnya rekonstruksi if-then, "Jika cuaca panas, Maka turunkan suhu AC". Disinilah Fuzzy Logic berperan dalam Teknologi Komputer nantinya.

contoh :

1. Pengontrol kereta bawah tanah disendai, Jepang.
2. Pengatur mekanisme otofocus pada kamera
3. Sistem pengeraman mobil (nissan)
4. Penghematan konsumsi daya listrik pada AC
5. Otomatisasi kecepatan putar mesin cuci terhadap tebal-tipis atau banyak-sedikit jenis pakaian dalam mesin cuci
6. Penentuan prestasi mahasiswa berdasarkan great IPK
7. Kontrol jumlah produksi barang berdasarkan permintaan konsumen
8. Penentuan karyawan terbaik berdasarkan indeks kinerja
9. Kontrol kecepatan kendaraan berdasarkan cuaca terkini

2. Jaringan Syaraf (Neural Networks / NN)
Kompleksnya pikiran manusia juga merupakan masa depan dari komputer yang menggunakan Soft Computing. Neural Networks adalah tiruan dari jaringan saraf-saraf manusia yang terhubung dan membentuk sistem. Jadi metode ini ditujukan untuk meniru saraf manusia yang kompleks dan dapat menyimpan memori.

contoh : 

a. Pengenalan Pola (pattern Recognition)

Jaringan syaraf tiruan dapat dipakai untuk mengenali pola (misal huruf, angka, suara atau tanda tangan) yang sudah sedikit berubah. Hal ini mirip dengan otak manusia yang masih mampu mengenali orang yang sudah beberapa waktu tidak di jumpainya (mungkin wajah/bentuk tubuhnya sudah sedikit berubah).

b. Signal Processing

Jaringan syaraf tiruan (model ADALINE) dapat dipakai unuk menekan noise dalam saluran telepon

c. Peramalan

Jaringan syaraf tiruan juga dapat dipakai untuk meramalkan apa yang sudah terjadi di masa yang akan datang berdasarkan pola kejadian yang ada di masa lampau. Ini dapat dilakukan mengingat kemampuan jaringan syaraf tiruan untuk mengingat dan membuat generalisasi dari apa yang sudah ada sebelumnya.

3. Penalaran Probabilistik (Probabilistic Reasoning / PR)
Probabilistic Reasoning adalah metode Soft Computing juga untuk membuat komputer atau suatu device mengambil keputusan layaknya makhluk hidup. Jadi, dari semua data-data yang sudah dimiliki, metode ini memberikan pola-pola tertentu untuk mengambil keputusan.

contoh :

1. Sebagai pencari nilai optimal suatu fungsi/permasalahan

2. Seagai penalaran suatu penyakit

3.  dapat menganalisis suatu sistem permasalahan dan melakukan pengambilan keputusan.

4. Evolutionary Computing (EC)

Evolutionary computation merupakan suatu wilayah ilmu komputer yang menggunakan pola pikir dari konsep dan prinsip dasar dari evolusi alam, yaitu prinsip seleksi alam Darwinisme, sebagai inspirasi dalam perancangan metode komputasi. Dalam proses seleksi alam, siap yang kuat (yang bisa beradaptasi) dialah yang bisa bertahan. Ternyata ide ini telah berkembang sejak tahun 1940an, jauh sebelum periode dimana komputer berkembang pesat. Tahun 1948, Turing memperkenalkan istilah “genetical or evolutionary search” dan tahun 1962 Bremermann melakukan eksperimen tentang “optimisasi melalui evolusi dan kombinasi ulang (optimization through evolution and recombination)” . Pada era tahun 1960an, tiga implementasi ide dasar ini dikembangkan masing-masing di tempat berlainan. Di Amerika, Fogel, Owens, dan Walsh memperkenalkan Evolutionary Programming, sedangkan Holland (juga di Amerika) menyebut metodenya sebagai Genetic Algorithm. Sementara itu di Jerman, Rechenberg dan Schwefel menemukan metode Evolution Strategies. Selama lima belas tahun berikutnya, metode tersebut dikembangkan secara terpisah, namun sejak awal tahun 1990an ketiganya dipandang sebagai tiga jenis representasi (dialek) dari satu teknologi yang diberi nama Evolutionary Computing. Di awal tahun 1990an juga bergabung dalam arus pemikiran ini suatu metode baru, yaitu Genetic Programming, yang dipelopori oleh Koza.

5.      Machine Learning (ML)

Machine Learning (ML) adalah ilmu cabang dari kecerdasan buatan yang mempelajari bagaimana caranya belajar dari data. Istilah Machine Learning sendiri cukup membingungkan atau misleading karena hampir tidak berhubungan dengan mesin apapun (kecuali diimplementasikan di robot). Mesin disini merujuk kepada algoritma atau program yang berjalan di komputer. Istilah lain yang biasa dipakai adalah Data Mining, Pattern Recognition, atau Knowledge Discovery.

contoh :

1. Bidang kedokteran: bagaimana mendeteksi penyakit seseorang dari gejala-gejala yang ada, atau deteksi apakah seseorang mengidap penyakit jantung dari rekaman elektrokardiogram, dan mencari tahu gen yang terlibat pada penyakit kanker.

2. Bidang computer vision: menemukan dan memberi label muka orang pada foto (seperti di facebook) atau face recognition, pengenalan tulisan tangan menjadi teks pada komputer atau handwriting recognition.

3. Bidang teks atau information retrieval: menerjemahkan bahasa menggunakan mesin atau machine translation, mengubah suara menjadi teks atau speech recognition, atau memisahkan email antara yang spam dan yang non-spam.