sistem produksi dan metode inferensi
TRANSCRIPT
SISTEM PRODUKSI atau KAIDAH PRODUKSI
Paling populer (sejak tahun 1943 oleh Post, 1957-oleh Chomsky, 1972 oleh Alan
Newell)
Kaidah produksi menjadi acuan yang sering digunakan oleh sistem inferensi, sistem
berbasis kaidah dan dalam kasus penyelesaian masalah tingkah laku manusia,
maupun dalam produksi sederhana.
DEFINISI SISTEM PRODUKSI/KAIDAH PRODUKSI
Pengetahuan dalam sistem produksi direpresentasikan oleh himpunan kaidah dalam
bentuk :
IF [kondisi] THEN [aksi]
Kontrol sistem memberikan aturan penerjemahan dan pengurutan.
Basis data beraksi sebagai konteks cadangan untuk record yang kondisinya dievaluasi
oleh kaidah dan informasi dimana kaidah akan beraksi.
Kaidah produksi juga sering digambarkan dengan pasangan-pasangan : kondisi-aksi,
anteceden-konsequent, pola-aksi, situasi-responsi.
Contoh :
IF temperatur > 30 C THEN hidupkan AC
IF permintaan meningkat AND persediaan menipis THEN pemesanan barang
IF pelamar <= 25 OR lulusan komputer THEN bisa diterima menjadi pegawai
KAIDAH PENGETAHUAN dan KAIDAH INFERENSI
• Ada 2 tipe kaidah yang umum dalam AI, yaitu kaidah pengetahuan dan kaidah
inferensi.
• Kaidah pengetahuan atau kaidah deklaratif : menyatakan semua fakta dan
hubungan tentang suatu permasalahan.
• Kaidah inferensi atau kaidah prosedural : merupakan nasehat atau saran tentang
bagaimana menyelesaikan suatu masalah yang diberikan dengan fakta tertentu
yang diketahui.
• Kaidah pengetahuan menjadi basis pengetahuan, kaidah inferensi menjadi bagian
dari mesin inferensi.
CONTOH KAIDAH PENGETAHUAN
Misalnya Anda seorang pebisnis dari penjualan dan pembelian emas. Kaidah
pengetahuannya :
Kaidah 1 IF konflik internasional dimulai THEN harga emas naik.
Kaidah 2 IF tingkat inflasi mengalami kemunduran THEN harga emas turun.
Kaidah 3 IF konflik internasional berlangsung selama lebih dari 7 hari AND IF
konflik ini terjadi di Timur Tengah THEN beli emas.
CONTOH KAIDAH INFERENSI
Kaidah 1 IF data dibutuhkan tidak dalam sistem THEN permintaannya dari
pengguna.
Kaidah 2 IF lebih dari satu kaidah digunakan THEN nonaktifkan kaidah sembarang
yang tidak menambah data baru.
Kaidah inferensi berisi kaidah tentang kaidah metarule
KEUNTUNGAN PENGGUNAAN KAIDAH
Mudah dimengerti mudah disampaikan
Inferensi dan penjelasan mudah diperoleh atau diturunkan.
Modifikasi dan perawatan relatif lebih mudah.
Ketidakpastian lebih mudah dikombinasikan dengan kaidah.
Setiap kaidah sering saling independen dari semua kaidah.
KEKURANGAN PENGGUNAAN KAIDAH
Pengetahuan yang kompleks membutuhkan beribu-ribu kaidah, yang mungkin agak
sukar membuatnya, baik untuk menggunakan sistem maupun perawatannya.
Sistem dengan banyak kaidah mungkin mempunyai batasan pencarian dalam kontrol
program. Beberapa program mempunyai kesulitan dalam mengevaluasi sistem
berbasis kaidah dan membuat inferensi.
KELEBIHAN SISTEM PRODUKSI
Expressiveness dan intuitiveness kaidah-kaidah produksi secara esensial
menyatakan apa yang dilakukan dalam situasi tertentu.
Simplicity Struktur seragam dari sintaks IF ..THEN dalam sistem berbasis kaidah
memberikan suatu kesederhanaan yang menarik untuk representasi pengetahuan.
Ciri ini meningkatkan suatu keadaan yang dapat dibaca dari kaidah produksi dan
komunikasi antara berbagai bagian dari program tunggal.
Modularity dan Modifiability Kaidah produksi mengkodekan bentuk diskret
informasi yang secara umum tidak berhubungan dengan kaidah produksi yang lain,
kecuali jika ada suatu kaidah produksi eksplisit yang menghubungkan mereka.
Informasi dapat dihapus atau ditambah dari sistem asalkan tidak mengakibatkan
efek samping yang mengganggu. Ciri modular sistem produksi menunjukkan
kenaikan perbaikan dan setelan yang bagus dari sistem produksi dengan tidak
mengalami pengurangan kinerja.
Knowledge Intensive (Pengetahuan Intensif) Basis pengetahuan disusun dari
kaidah produksi yang pada gilirannya sangat utama adalah pengetahuan murni,
karena membutuhkan isi, bukan kontrol ataupun informasi pemrograman. Karena
setiap kaidah produksi ekuivalen untuk suatu ringkasan dan kejelasan kalimatnya
maka masalah semantik diselesaikan dengan struktur representasi.
METODE INFERENSI
• Inferensi merupakan suatu proses untuk menghasilkan informasi dari fakta yang
diketahui.
• Inferensi adalah konklusi logis atau implikasi berdasarkan informasi yang tersedia.
• Dalam sistem pakar, proses inferensi dilakukan dalam suatu modul yang disebut
inference engine.
• Ketika representasi pengetahuan pada bagian knowledge base telah lengkap, atau
paling tidak telah berada pada level yang cukup akurat, maka representasi
pengetahuan tersebut telah siap digunakan.
METODE FORWARD CHAINING
• Suatu rantai yang dicari atau dilewati/dilintasi dari suatu permasalahan untuk
memperoleh solusi.
• Penalaran dari fakta menuju konklusi yang terdapat dari fakta.
• Forward Chaining disebut juga penalaran dari bawah ke atas, karena penalaran dari
fakta (evidence) pada level bawah menuju konklusi pada level atas didasarkan pada
fakta.
• Forward Chaining biasanya digunakan dalam melakukan suatu diagnosis.
KONSEP DASAR FORWARD CHAINING
Conclusion
Infered Fact
A B C D E F G
R1
R5
R2
R6
R8
R3 R4
R7
R9
H
H
H
I I K
I
RN Rule NGiven Fact
Infered Fact
Missing Fact
Applicable Rule
Inapplicable Rule
Facts
PENGGUNAAN YANG BAIK DARI FORWARD CHAINING
Penggunaan yang baik untuk forward chaining terjadi jika pohon/diagram pohon
melebar dan tidak dalam.
Hal ini karena forward chaining memudahkan pencarian “breadth first”.
Forward chaining baik jika pencarian untuk konklusi berproses level ke level.
CONTOH FORWARD CHAINING
Jika diketahui kaidah tipe IF...THEN berikut :
IF A then B
IF B then C
IF C then D
Jika fakta A diketahui dan mesin inferensinya dirancang untuk mencocokkan fakta
melawan antecedent, maka fakta selanjutnya, B dan C akan dinyatakan konklusinya adalah
D. proses forward chaining.
METODE BACKWARD CHAINING
Backward chaining atau pelacakan mundur merupakan pencocokan fakta atau
pernyataan yang dimulai dari sekumpulan hipotesis menuju fakta yang mendukung
hipotesis tersebut.
Backward chaining merupakan proses KEBALIKAN dari Forward Chaining.
KONSEP DASAR BACKWARD CHAINING
• Pada gambar di atas , merupakan urutan pemecahan atau penyangkalan hipotesis H,
paling sedikit satu dari hipotesis lanjut H1. Jadi H2 dan H3 yang harus dibuktikan.
• Pada gambar juga ditunjukkan sebuah pohon AND-OR untuk menunjukkan bahwa
beberapa kasus seperti H2 dimana semua hipotesis di level paling bawah harus
ditampilkan untuk mendukung H2.
• Untuk hipotesis paling atas, yaitu H, hanya membutuhkan satu hipotesis pada level
paling bawah.
• Dalam backward chaining, sistem akan secara umum memperoleh fakta dari
pengguna untuk membantu dalam pembuktian atau penyangkalan hipotesis.
PENGGUNAAN YANG BAIK DARI BACKWARD CHAINING
Penggunaan yang baik untuk backward chaining terjadi jika pohon/diagram pohon
menyempit dan dalam.
Hal ini karena backward chaining memudahkan pencarian “depth first”.
A B C D E
H1
H4 H5 H6
H2 H3
H
Evidence (Facts)
Intial Hypotheses (Goal)
Intermediate
Hypotheses (subgoal)
Elicited Evidence
(externally supplied)
Missing Evidence
True Hypotheses
False Hypotheses
CONTOH BACKWARD CHAINING
Backward Chaining dapat diselesaikan dalam forward chaining dan sebaliknya,
dengan merancang kembali kaidah-kaidahnya.
Contoh :
Jika D maka C
Jika C maka B
Jika B maka A
C dan B dianggap sebagai hipotesis sementara yang harus dipenuhi untuk memenuhi
hipotesis D.
Fakta A merupakan fakta yang menunjukkan akhir dari generasi sub tujuan atau
hipotesis sementara tadi.
Jika ada suatu fakta A maka D didukung dan dianggap benar di bawah rangkaian
inferensi dengan backward chaining.
KARAKTERISTIK FORWARD CHAINING DAN BACKWARD CHAINING
KESULITAN FORWARD CHAINING dan BACKWARD CHAINING
1. Masalah EFISIENSI.
Backward Chaining memudahkan pencarian depth first.
Forward Chaining memudahkan pencarian breadth first.
Backward chaining dapat diselesaikan dalam forward chaining, dan sebaliknya, tapi sistem
tersebut tidak akan efisien dalam hal pencarian penyelesaiannya.
2. Masalah Konseptual
Pengetahuan diperoleh dari pakar yang harus diubah untuk mengimbangi
permintaan dari mesin inferensi.