KESIMPULAN
3.1. PENGENALAN.
Dalam bab ini kita akan mendiskusikan beberapa metode pemikiran atau
Inferensi. Topik ini secara khusus penting dalam expert system karena pemberilan
alasan merupakan teknik yang umum dimana expert system memecahkan suatu
problem. Expert system pada umumnya digunakan jika algoritma yang tidak
rnemadai atau tidak ada pemecahan algoritma yang muncul dan pemberian alasan
menawarkan kemungkinan pemecahannya.
Tree adalah struktur data herarkhi yang berisi "node" yang menyimpan
informasi atau pengetahuan dan "branches"/cabang yang menghubungkan node.
Cabang kadang-kadang disebut dengan "link" atau "edges" dan node kadailg-
kadang disebut dengan "vertices". Gambar 3.1 menunjukkan binary tree/po �on
yang umum yang mempunyai 0, 1, atau 2 cabang pere node. Dalam "oriented
tree", "root node" merupakan node tertinggi dalam "hierarchy" dan "leaves"
adalah terendah. Tree dapat disebut type jaringan semantik khusus dimana set ap
node kecuali akar/root mempunyai satu "parent"/orang tua dan nol atau 1 ih
mode "child"/anak. Untuk type tree binary yang biasanya, ada maksimum ua
anak per node, dan node anak sebelah kin' dan kanan dibedakan.
Gambar 3-1
Pohon Biner
132
Jika node mempunyai lebih dari satu orang tua/induk maka akan ada dalam
suatu jaringan. Dalam Gambar 3.1 , perhatikan bahwa ada hanya satu rangkaian
edge atau path dari akar ke beberapa node sejk tidak mungkin memindahkan lagi
anak panah. Dalam tree yang diorientasikan, anak panati mengambil seluruh
downward.
Tree merupakan kasus khusus dari struktur matematika umum yang debut
"Graf'/Graf. Bentuk jaringan atau jaringan sederhana sering digunakan secara
sinonim dengan Graf jika menjelaskan contoh tertentu dari Graf seperti jaringan
telpon. Suatu Graf dapat mempunyai nol atau lebih link antara node dan tidak
ada perbedaan antara induk dan anak. Contob sederhana dari Graf adalah feapl
peta dimana kota adalah node dan link adalah jalan. Link mungkin mempunyai
anakan panah atau tujuan yang digabungkan dengannya dan, "weight" ke
karakterisasi beberapa aspek link. Analogi adalah salah satu cara jalan dengan
weight terbatas paada berapa banyak truk dapat membawa hingga Plan. Weight
dalam Graf dapat berupa suatu type informasi, Jika Graf menunjukkari rout_P
pesawat, maka weight dapat bermil-mil antar kota, harga penerbangan, kcrosur»si
bahan baakar dan sebagainya.
Artificial neural system adalah contoh lain dari Graf dengan lingkararn selama
training ada feedbback informasi dari satu peletak dari jaringan ke yang lainnya
yangmenentukan weight. Graf sederhana tidak mempunyai link yang segera datang
kembali pada node itu sendiri, seperti ditunjukkan dalam Gamabr 3.2 (a). "Cir-
cuit" atau "cycle"/Iingkaran adalah path melalui Graf yang memulai dan berakhir
pada node yang sama, seperti path ABCA dalam Gambar 3.2 (a). Graf "Acyclic"
tidak mempunyai cycle/lingkaran. "Connected Graf' mempunyai link ki: seiuru.i
nodenya. Graf dengan link Ian-sung, disebut dengan "digraf" dan "elf-"oop"
ditunjukkan dalam Gambar 3,2 (d). Tree dengan hanya path tunggal dari ?k;:r ,.c
satu leaf-nya adalah "degenerate tree". Tree binary degenerate dari tiga node
ditunjukkan dalam Gambar 3.2 (e). PAda umumnya dalam tree, anak pans l,=
t idk asecara eksplisit menunjukkan karena dianggap pointing down.
Tree dan lattics sangat berguna untuk mengklasi_fikasikan obyek karF
herarkhinya dengan induk atas anak. Suatu contoh adalah fami!i tree yaa,
menunjukkan hubungan dan nenek moyang dari orang yang berht :
bersaudara. Aplikasi tree alinnya dan lattics membuat keputusan
denga, "decision trees" atau "decision lattices". ita akan nienggunakii z bunt
"structure" untuk menyebut kedua tree dan lattices. Struktur ke')utusaT ;;dale;;
133
pertanyaan dan leaves berisi tebakan binatang tersebut.
Porsi yang kecil dari pohon keputusan untuk mengklasifikasikan raspberries
ditunjukkan dalam Gambar 3.4. Tree Unlike Computer Science, klasifikasi tree
mungkin digambarkan dengan akar ke bawah. Tidak ditunjukkan akar yang
mempunyai cabang ke node "Leaves Simple" dan cabang lain pada node
"Leavees Compound". Proses leaves bermula pada bagian bawah dengan
mengidentifikasi gross feature, seperti apakah leaves/daun sederhana atau
compound. Yang lebih detail memerlukan observasi yang lebih dekat digunakan
sebagai perjalanan ke tree. Yaitu, jaringan yang lebih besar dari alternatif diuji
pertama kali dan kemudian proses keputusan mulai mempersempit kemungkinan
ke jaringan yang lebih kecil. Ini merupakan cara yang bbaik dari pengorganisasian
keputusan dalam bentuk waktu dan usaha untuk melaksanakan observasi yang
lebih detail.
Jika suatu keputusan adalah binary, maka tree keputusan binary mudah dibuat
dan sangat efisien. Setiap pertanyaan turun satu tingkar dalam tree. Salu
pertanyaan dapat memutuskan satu atau dua kemungkinan jawaban. Dta
pertanyaan dapat memutuskan satu atau empat kemungkinan jawaban. Tiga
per'.anyaan dapat memutuskan satu atau delapan kemungkinan jawaban d*tn
seterusnya. Jika tree binary dibuat seperti itu seluruh leaves adalah jawaban d*n
seluruh node yang turun adalah pertanyaan, ada maksimum 2 pangkat n untuk
jawaban untuk pertanyaan N. Misalnya, 10 pertanyaan dapat mengklasifikasik$n
satu atau 1,024 binatang sementara20 pertanyaan dapat mengkalisfikasikan sajtu
atau 1,048,576 kemungkinan jawaban.
Feature berguna lainnya dari keputusan tree adalah bahwa tree tersebut dal#at
dibuat "self-learning". Jika tebakan salah, suat prosedur dapat dipanggil untk
meminta pemakai yang baru, pertanyaan klasifikasi yang benar dan jawabaan
"ya" atau "tidak". Node baru, cabang dan daun dapat secara dinamis dibent3k
dan ditambahkan ke tree. Dalam program animal/binatang ash dituliskan dal am
BASIC, pengetahuan disimpan dalam pernyataan DATA. Jika pemalai
memikirkan program binatang barn, pelajaran otomatis akan terjadi seperti pto-
gram yang dibuat pernyataan DATA bare yang berisi informasi tentang binatang
yang barn. Dalam Pascal atau bahasa lainnya dengan kemampuan pengambiln,
pengetahuan binatang dapat disimpan dalam tree. Dengan menggunakan expert
system shell OPS5, baris barn dapat dibuat secara otomatis sebagai program
yang mempelajari pengetahuan barn. "Automated knowledge acquisition" sana
berguna jika dapat (circumvent) pengetahuan acquistion bottleneck seperti
dijelaskan dalam Bab-01.
134
A BDs
\
C
(a) A non-connected graph (h) A connected graph
A\/ �
C
(c) A Digraph with a Self-Loop and Circuit (d) A Lattice
/ N
r
9
% 0 /1 9 %
(e) Degenerate Binary Trees o f Three Nodes
Gambar 3-2
Is it very big?
No Yes
No
No Yes
Gambar 3-3
Pohon keputusan yang menunjukkan Pengetahuan tentang binatang
135
I
Red
I
Wineberry
Rasp be rry
Flowering
Raspberry I Lower leaf
surface green
Leaves Compound
Leaves Simple
Gambar 3-4
Bagian dan Pohon keputusan untuk Species Rasberries
dan seterusnya untuk node yang lainnya. Node leaf akan membuat res n
ANSWER bukannya suatu pertanyaan. Pembuatan yang semestinya jugs a
menanyakan pemakai untuk input dan membuat node baru jika salah.
136
Meskipun struktur keputusan merupakan peralaan kiasifikasi yang sangat
handal, strukaur tersebut terbatas karena tidak dapat be;hubun gar.? dengan variabel
seperti yang dapat drlal ukan oleo expert system. Expert : y iein merup at an
peralatan dengan to uan umum buk atnr'ya peneniL, ede' kan `.
Graf dapat diterapkan pada beberapa problem praktis. Metode yang sanA, .
berguna dari penjelasan kelakukan obyek adalah dalam nenentukan
disebut dengan "state space". "State" adalah koleksi l arakte,istil yang dapat
digunakan untuk menentukan status atau "state"t menyatakan suatu oily State
space meruapakan rangkaian pernyataan yang menunjukkan ' transisi" aiit :-a
pernyataan dimana obyek dapat di-experience. Suatu transisi akan rnemperlakukan
obyek dari satu pernyataan ke pernyataa yang lainnya.
Diagram ini juga disebut dengan diagram "finite state machine" karena
menggambarkan jumlah terbatas dari pernyataan mesin. Bentuk rnesin digunakan
dalam arti yang sangat umum. Mesin dapat berupa obyek riil, algortma, konsep,
dan sebagainya. Digabungkan dengan setiap pernyataan merupakan aksi yang
melakukannya ke pernyataan yang lain. Pada suatu waktu, mesin hanya merupakan
satu pernyataan. Karena mesin meneriman input pada state/pernyataan, maka
akan meningkatkan dari pemyataan tersebut ke pernyataan yang lain. Jika input
137
benar diberikan, maka mesin akan meningkat dari permulaan ke sukses atau
pernyataan akhir. Jika suatu pernyataan tidak di-design untuk menerima input
tertentu, mesin akan tetap berada dalam pernyataan tersebut. Misalnya, mesin
softdrink tidak mempunyai provisi untuk menerima dimes. Jika seseoragg
meletakkan dime ke dalam mesin, maka respondnya tidak ditentukan. Design
yang baik akan mencakup kemungkinan input yang tidak valid dari setiap
pernyataan dan menyediakan untuk transisi ke pernyataan yang salah. Pernyataan
yang salah di-design untuk memberikan pesan salah yang semestinya dsn
melakukan aksi yang diperlukan.
Gambar 3-5
Diagram keadaan untuk. Vending Machine yang menjual Soft Drink yang
menerima Quarter (Q) dan Nikel (N)
138
Mesin finite state (mesin dengan pernyataan terbatas) sering digunakan di
dalam compiler dan program lain untuk menentukan validitas input. Misalnya,
Gambar 3.6 menunjukkan bagian dari mesin dengan pernyataan terbatas untuk
menge-test string input untuk validitas. Karakter dari input akan diuji satu kali.
Hanya string karakater WHILE, WRITE, dan BEGIN akan diterima. Anak
panah ditunjukkan dari pemyataaan BEGIN untuk input yang sukses, dan juga
untuk input (erroneous) yang berjalan ke pernyataan yang salah. Untuk efisiensi,
beberapa pernyataan seperti satu yang diambil oleh "L" dan "T" digunakan
untuk testing WHILE dan WRITE.
Error
Gambar 3-6
Bagian dari Mesin keadaan yang terbatas untuk menentukan string valid
WHILE, WRITE.
Hanya beberapa Transisi Keadaan Kesalahan yang ditunjukkan.
Diagram state juga berguna di dalam menjelaskan solusi dari problem. Dalam
macam aplikasi ini, kits dapat memikirkan state space sebagai "problem space"
dimana beberapa pernyataan berhubungan ke tahap lanjutan dalam pemecahan
masalah dan beberapa pernyataan berhubungan ke jawaban. Dalam problem
space, ada multiple pernyataan sukses yang berhubungan dengan kemungkinan
139
pemecahan/solusi. Derigan menemukan solusi pada suatu problem di dalam prob-
lem space mencakup penemuan path yang valid dari permulaan (pernyataan
problem) ke sukses (jawaban). (Animal decision tree) dapat dilihat sebagai prob-
lem space dimana respon ya/tidak ke pertanyaan menentukan state transisi.
Contoh lain dari problem space terjadi di dalam problem klasik Monkey don
Bananas yang ditunjukkan di dalam Gambar 3.7. Problemnya adalah memberikan
instruksi kepada kera dengan mengatakan bagaimana mengambil beberapa pisang
yang digantungkan di langit-langit. Pisang tersebut berada di luar jangkauan. ti
dalam ruangan ada senter dan tangga. Susunan permulaan secara tipikal krra
akan memegang senter. Instruksi akan berupa :
jumpoff couch
movetoladder
move ladder under bananas' position
climbladder
grabbananas
Instruksi ini akan bervariasi tergantung kepada susunan awal kera, senter,
dan tangga. Jika ada sejumlah pernyataan permulaan, maka lingkaran dobel khu �us
untuk permulaan tidak ditunjukkan. Misalnya, kemungkinan pernyatalan
permuulaan lainnya adalah dengan kera pada senter dibawah pisang. Kra
kemudian akan menekan senter sebelum memindahkan tangga ke bawah pisang.
Dalam pernyataan permulaan yang paling sederhana, kera telah berada di tangga
di bawah pisang.
140
path dimulai dari node A dalam bentuk tree/akar. Path yang benar ABDCA dan
ACDBA ditunjukkan dengan garis tebal dalam Graf ini.
Sepe rt i contoh dari problem yang ters tr uktur jelek, mari perhatik an lagi
kasus seseorang yang memikirk an tentang perjalan an dan kunjungan agen
perjal anan , sepe rt i didiskusikan di dalam Bab-01. Tabel 3.1 membe ri kan daftar
beberapa karakteristik problem y an g terst ruktur jelek ini sebagai problem space,
ditunjukk an deng an respond seseor ang ke pe rtanyaan agen perjal anan .
Jika kita memb an dingkan Ta be l 3.1 ke Tabel 1.10 dalam Bab-01, kits ak an
melihat bahwa konsep problem dari problem space memungkink an y an g lebih
teliti karakterstik problem yang terstruktur jelek. lni sangat pokok untuk
karakterisasi parameter dengan teliti untuk menentukan jika solusi dapat dipercaya,
deng an apa y an g diperlukan untuk suatu solusi. Suatu problem tidak perlu
terstruktur jelek karena mempunyai satu, beberapa , atau bahkan seluruh
karakte ristik tersebut jika banyak berdasarkan pada kehebat an. Misalnya, selu ruh
teori membuktikan problem y ang mempunyai an gka terbatas dari solusi potensial,
tetapi tidak ak an membuat teo ri membuktik an problem yang terst ruktur jelek.
141
I
Gambar 3-7
Ruang keadaan untuk masalah Kera dan Pisang
142
(a) Graph of a Traveling Salesman Problem
Ati ' ll
/ p
�i�B D B A
C
15 1
Gambar 3-8
Masalah Perjalanan Salesman
Seperti yang dapat kita lihat dari tabel ini, ada banyak ketidaktentuan dan
manusia yang belum seperti agen perjalanan mengatasi dengannya setiap hari.
Ketika tidak semua kasus sejelek ini, ini menunjukkan mengapa solusi algoritma
akan sangat sukar.
143
Karakteristik Respon
Tujuan tidak eksplisit Saya sedang berpikir untuk pergi ke
suatu tempat.
Ruang masalah tidak terikat Saya tidak yakin kemana untuk pergi
Masalah tidak diskrit Saya mau berpergian; tujuan bukan hal
yang penting
Keadaan lanjutan sukar didapat Saya tak punya uang untuk pergi
Operator keadaan tak dikenal Saya tak tahu cara mendapatkan
uang
Tabel 3-1
Contoh masalah tak terstruktur - III untuk berpergian
Problem yang terbentuk dengan baik merupakan salah satu dimana kita tabu
problem eksplisit, tujuan, dan operator yang dapat diterapkan untuk dijalankan
dari satu pemyataan ke pemyataan yang lain. Problem yang terbentuk dengn
baik merupakan "deterministic" karena jika operator diterapkan pada state, khta
yakin akan state berikutnya. Problem space digabungkan dan state mempun}yai
ciri tersendiri. Hal ini berarti bahwa ada jumlah terbatas dari state dan setijap
state ditentukan dengan baik.
Dalam problem perjalanan, state tidak digabungkan karena ada banyak
kemungkinan tujuan infinit dimana traveler melakukan perjalanan. Situasi yang
analogous terjadi dengan analog meter yang mungkin menunjukkan jumlah tidak
terbatas dari kemungkinan membaca. Jika kita perhatikan setiap membaca meter
menjadi state/pernyataan, maka ada sejumlah pernyataan yang tidak terbatas clan
pernyataan tersebut tidak ditentukan dengan baik karena digabungkan ke an4k
riil, state tidak memiliki ciri tersendiri karena state berikutnya berbeda sedan
infinit. Sebaliknya, mambaca dari digital meter akan digabungkan dan memilik' ciri
tersendiri.
144
3.4. AKAP'PDHON DAN TUJUAN AND-OR.
Satu type tree atau lattice yang berguna di dalam menurijukkan p.oblerrt
rangkaian backward adalah tree AND-OR. Garnbar 3.9 menunjukkan contoh
sederhana dari lattice AND-OR untuk memecahkan tujuan dari perolehan tingkar
college. Untuk menyelesaikan tujuan ini, kita dapat cenderung college dalam
seseorang atau melalui kursus korespondensi. Denbgan kursus korespondensi,
pekerjaan dapat ditunjukkan dengan pengirman tanda tangan atau secara elektrinok
dengan menggunakan home komputer dan modern.
Diagram ini adalah lattice karena Satisfy Requirements sub tujuan mempunyai
tiga node induk : (1) Mail, (2) Computer dan Modern, dan (3) In Person. Perhatikan
bahwa ini akan mungkin menggambarkan diagram ini sebagai pohon/tree dengnan,
duplikasi sederhana sub tujuan Satisfy Requirements dan sub tree tujuan untuk
Mail, Computer dan Modern, dan tujuan In Person. Namun demikian, jika Satisfy
Requirements sama untuk masing-masing induknya, tidak: ada keuntungan riil
dan menggunakan paper yang lebih untuk menggambarkan tree.
Seperti contoh sederhana lainnya, Gambar 3.10 n;enun 'jkkan tree AND-OR
untuk problem dari perolehan ke dalam lattice. Misalnya, edge dapat ditambahkan
dari node Drive ke Train Station ke node Car dan dari Walk ke Train Station ke
node Walk. Gambar 3.11 menunjukkan lattice type OR AND-ekslusif.
145
Gambar 3-9
Latrice AND-OR yang menunjukkan cara mendapatkan Ijazah Akademi
146
implementasi potensialnya dalam hardware untuk kecepatan pemrc ,esan yang
cepat. Lattice teisebut dapat di-design b .sa untuk p_.inbuL'an sereri: circuit
yang digabungkan. Pada praktiknya, satu type gerbang iogika seperti NOT-AND
atau NAND digunakan untuk alasan pembuatan ekonomi bukannya memisahkan
gerbang NAD, OR, dan NOT. Dari logika, ini dapat dibuktikan bahwa fungsi
logika dapat diimplementasikan dengan gerbang NAND. Circuit yang
digabungkan dengan satu type bagian akan lebih murah dibuat dibandingkan
dengan satu type gerbang logika multipel.
Chip yang menggunakan rangkaian dapat menghitung jawaban sangat cepat
ini
seperti fungsi inputnya jika pemrosesan mendahului dalarn parallel. Chic seperti
dapat digunakan untuk waktu riil denganonitoring sensor data dan membuat
respon yang semestinya berdasakan pada input. Keuntungan utama adalah seperti
struktur keputusan lainnya, chip yang di-design untuk logika tidak dapat menangani
situasi yang di-design untuknya. Namun demikian, ANS yang diimplementasikan
pada chip dapat menangani input yang tidak diharapkan.
147
• "Heeuristics". Baris thumb didasarkan pada suatu pengalaman.
• "Abduction". Pemberian alasan kembali dari kesimpulan yang benar ke
premises yang mungkin menyebabkan kesimpulan.
• "Default". Dalam kekurangan pengetahuan khusus, anggap pengetahuan
umum oleh default.
• "Autoepistemic'. Self-knowledge.
• "Nonmonotomic". Pengetahuan sebelumnya mungkin tidak benar jika bukti
bare didapatkan.
• "Analogy". Infering kesimpulan berdasarkan pada persamaan pada situasi
lainnya.
Premise: Anyonewhocanprogramisintelligent
Premise: Johncanprogram-
Conclusion: Therefore, Johnisinteligent
148
Gambar 3-10
Pohon AND-OR sederhana yang menunjukkan Metode bekerja
149
Gambar 3-11
Littice AND-OR untuk Keputusan Perbaikan/Penjualan Mobil
D
A AND B AORB A \_NOTA
B
Gambar 3-12
Simbol gerbang logika AND, OR, dan NOT
150
APPLY FOR SATISFY
ADWMANC E REQLMWIAM I'S
MAR.
ENROLL IN COURSES
TAKE COURSES IN FER3.?;1 1
PASS COURSES
I -,) - C COMPUTER
APPLY TO GRADUATE AND MODEM
Gambar 3-13
Representasi Logika AND-OR untuk gambar 3-9
Gambar 3-14
Tipe inferensi
151
Argumen harus dituliskan lebih singkat seperti :
IFAnyonewhocanprogramisintelligent and
Johncanprogram
THENJohnisintelligent
AllMisp
AllSisM
AllSisP
152
Form Schema Meaning
A All S is P universal affirmative
E No S is P universal negative
I Some S is P particular affirmative
0 Some S is not P particular negative
Tabel 3-2
Statement Kategori
adalah syllogism yang disebut menjadi "standard form", dengan premises major
dan minor yang ditentukan. "Subject" merupakan obyek yang digambarkan
sementara "predicate" menggambarkan beberapa property dari subyek. Misalnya,
dalampernyataan :
All microcomputersarecomputers
153
berasal dari "nego" (I negate). Bentuk A dan I disebut dengan `affirmatif in
quality" dengan meng-afirmasi bahwa subyek dimasukkan dalam jenis pred'
E dan 0 merupakan "negative in quality" karena subyek tidak masuk dari jan s
predikat.
KAta kerja "is" disebut dengan "copula" dari bahasa Latin yang berarti
menghubungkan. Copula menghubungkan dua bagian pernyataan. Dalai
syllogism catagorical standard, copula menunjukkan bentuk tense dari kata ker$a
"to be". Sehingga versi lain adalah :
All S are P
Bentuk ketiga dari sylloogism, M, disebut dengan "middle term" dan pa4a
umumnya untuk kedua premises. Middle term adalah pokok karena syllogi
didefinisikan sehingga kesimpulan taidak dapat di-infere dari premises sendin
Sehingga argumen :
All A is B
A
llBisC
A
llAisB
tidak merupakan syllogism valid jika mengikuti dari premise pertama sendii.
"Quantity" atau "quantifier", menjelaskan porsi jenis yang ada. Quantifier
"All" dan "No" adalah "universal" karena quantifier tersebut mengecu ke sselluruh
jenis. Quantifier "Some" disebut dengan "particular" karena mengacu pada h a
bagian jenis.
"Mood" dari syllogism ditentukan dengan tiga huruf yang memberikan bentuk
premise pokok, minor premise dan kesimpulan, secara respektif. Misalnva,
syllogism :
AllMisP
All SisM
A
llSisB
154
adalah mood AAA.
Ada aempat pola kemungkinan dari penyusunan bentuk S, P, dan M seperti
ditunjukkan dalam Tabel 3.3. Setiap pola disebut dengan "figure' dengan angka
figure yang menentukan typenya.
Tabel 3-3
Pola Statement Kategori
AllMisp
NoSism
N
oSisP
•• Nomainframeisacomputer
155
Bukannya mencoba memikirkan contoh-contoh untuk membuktikan validitas
argumen syllogism, ada "decision procedure" yang dapat digunakan. Decision
Procedure merupakan metode pembuktian validitas. Decision procedure,
merupakan metode mekanik umum atau algoritma diimana algortima yang
memproses penentuan validitas dapat di-otomatisasi. Sementara ada decisioi
procedure untuk logika syllogic dan logika proportional, Church yang ditunjukkati
pada tahun 1936, tidak ada untuk logika predikat. Sebagai pengganti, orang-
orang harus menerapkan kreatifitas untuk membuat suatu pembuktian.
Decision procedure untuk proporsi ini merupakan konstruksi sederhana dart
tablel kebenaran dan mengujinya untuk tautology. Decision procedure untuk
syllogism dapat dikerjakan dengan mengganakan diagram Venn derigan tiga
lingkaran overlapping yang menunjukkan S, P, dan M seperti ditunjukkan dalarip
Gambar 3.15 (a). Untuk bentuk syllogism AEE-1 :
A
llMisP
NoSisM
N
oSisP
premise pokok diilustrasikan dalam Gambar 3.15 (b). Bagian M yang dibe#i
baris menunjukkan bahwa tidak ada elemen di dalam porsi tersebut. Dalm ()
premise minor dimasukkan dengan pembuatan baris porsinya dengan tanpa elemeti.
Dari (c), dapat dilihat bahwa kesimpulan AEE-1 adalah salah jika ada beberapa
S dalam P.
Seperti contoh lain, perhatikan EAE-I
AllMisP
A
llSisM
N
oSisP
156
1. Jika kelas kosong, dinaungkan.
2. Perenyataan universal, A dan E, selalu digambarkan sebelum yang khusus.
3. Jika kelas mempunyai minimal satu anggota, tandailah dengan *.
4. Jika pernyataan tidak menentukan dimana dua jenis (adjacent) obyek muncul,
tempatkan * pada baris antara jenis-jenis.
5. Jika are telah dinaungkan/ditempatkan, tidak ada * dapat diletakkan di
dalamnya.
All laptopsaretransportable
Sometransportablesarecomputers
SomePareM
All Mares
SomeSareP
s P s P s P
M M M
(a) Vain Dlmmn (b) After Major P,emhe (c) After lrBrar Poendae
Gambar 3-15
Prosedur Keputusan untuk Silogisme AEE-1
157
I
Figure 3-15
Decision Procedure for Syllogism AEE-1
M M M
(a) Van Diagram (b) After Major Tenn (c) After Minor Tam
Gambar 3-16
Prosedur Keputusan untuk Silogisme EAE-1
Mengikuti baris 2 dan 1 untuk diagram Venn, kita mulai dengan pemyataan
universal untuk premise minor dan menempatkannya seperti ditunjukkan dal to
Gambar 3.17 (a). BAris 3 berikutnya diterapkan untuk premise pokok tertentu
dan * digambarkan seperti ditunjukkan dalam Gambar 3.17 (b). Jika kesimpulitn
"Some transportable are computer" ditunjukkan dalam diagram, maka akin
mengikuti bahwa argumen IAI-4 adalah syllogism yang valid.
S P S P
Gambar 3-17
Silogisme Tipe IAI-4
158
3.6.BARIS INFERENCE.
A =Thereispower
B =Thecomputer will work
A-3 B
A
B
Argumen seperti ini sering terjadi. Skema umum untuk menunjukkan argumen dari
type ini adalah
p -4 q
p
q
dimana p dan q adalah variabel logikal yang dapat menunjukkan suatu pemyataan.
Penggunaaan variabel logikal dalam logika proporsional memungkinkan type
159
yang lebih komplek dari pernyataan dibandingkan dengan bentuk emp tt
asyllogistic A, E, I, dan O. Skema inference bentuk proporsional ini diseblrt
dengan berbagai nama "Direct reasoning, modus ponens, law of detachment"
dan "assuming the antecedent".
r s
r
s
r, r -+s; s
160
dimana yang umum digunakan untuk memisahkan satu premise dari premise lain
dan titik koma menunjukkan akhir dari premse. Meskipun sejauh ini hanya dilihat
pada argumen dengan dua premises, bentuk argumen yang lebih umum
adalah :
11 D
2' PN; C
P P1, P2,
Tujuan, p, dipenuhi jika seluruh sub tujuan p1, p21 p3, ... dipenuhi. Argumen
enalogus untuk bans produksi dapat dituliskan dalam bentuk umum,
cl AC2 A C
yang berarti bahwa jika setiap kondisi, C1, dari suatu baris dipenuhi, maka aksi
dari suatu baris akan dikerjakan. Seperti didiskusikan sebelumnya, pernyataan
logika dan kondisional tidak sama dengan baris produksi. Namun demikian,
bentuk logika ini merupakan tambahan intuitif yang berguna dalam memikirkan
tentang baris.
Notasi untuk operator logika AND dan OR mempunyai bentuk yang berbeda
dalm PROLOG dibandingkan dengan A dan v (3tasa. Koma antara sub tujuan
dalam PROLOG berarti konjungsi, A, sedangkan diskonjunction, v, ditunjukkan
dengan titik koma. Misalnya :
P P1. P2.
161
p :- Pl, P2
p p3, p4
secara formal argumen deduktif yang valid jika dan hanya jika :
p1 A P2 A PN; -4 C
(PAq) ->P
adalah tautology karena benar untuk suatu angka, T, atau F, dari p dan q. Kita
dapat menentukan dengan membuat tabel kebenaran.
Argumen dari "modus ponens",
P -3 q
P
(P A q) A -* q
162
Perhatikan bahwa kita menganggap bahwa anak penah mempunyai hak yang
lebih rendah dibandingkan dengan konjungsi dan dis-konjungsi. Hal ini akan
menghemat penulisan tambahan tanda kurung seperti :
Tabel benar untuk "modus ponens" ditunjukkan dalam Tabel 3.4. Ini
merupakan tautology jika angka argumen, ditunjukkan dalam kolom sebelah
kanan, seluruhnya tidak masalah angka dari premisesny. Perhatikan bahwa dalam
kolom ketiga, keempat, dan kelima, angka benar ditulsikan dibawah operator
tertentu seperti - dan A. Ini disebut dengan "main connectives" karena tidak
dapat menghubungkan dua bagian utama dari proposisi yang disusun.
P q P-4q (P -4 q) A P (P --->q) A P -- q
TT T T T
TF F F T
F T T F T
F F T T
Tabel 3-4
Tabel Kebenaran untuk Poner Modus
163
Dengan demikian, "modus ponens" adalah argumen valid. Jika ada bans lain
dimana premise seluruhnya benar dan kesimpulan salah, maka argumen akan
tidak valid.
Cara yang lebih pendek dari peng-ekspresi-an tabel benar untuk "modus
ponens" ditunjukkan dalam Tabel 3.5 dimana seleuruh bans secara eksplisit
ditunjukkan. Pada praktiknya, hanya bans yang mempunyai premises benar seprd
bans pertama diperlukan utnuk dipertimbangkan.
Premises Conclusion
p q p -- q p q
T T T T T
T F F T F
F T T F T
F F T F F
Tabel benar untuk "modus ponens" menunjukkan bahwa itu valid karega
bans pertama mempunyai premise benar dan kesimpulan benar, dan tidak ada
bans lain yang mempunyai premise benar dan kesimpulan salah.
Argumen dapat palsu. Untuk menunjukkan hal ini, pertama perhatikan contch
valid berikut ini dari "modus ponens"
Iftherearenobugs, thentheprogramcompiles
Therearenobugs
Thepgorgramcompiles.
If therearenobugs,. thentheprogramcompiles
les
Thereprogramcompi
Thearenobugs
164
Apakah itu merupakan argumen valid ? Skema untuk argumen dari type ini
adalah :
p p- q
q
p
dan tabel benar dengan bentuk pendek ditunjukkan dalam Tabel 3.6.
Perhatikan bahwa argumen ini tidak valid. Meskipun baris pertama
menunjukkan bahwa kesimpulan benar jika seluruh premise benar, baris ketiga
menunjukkan jika premise benar, kesimpulan salah. Dengan demikian argurnen
gagal jika dan hanya jika kriteria argumen valid. Meskipun beberapa program
ingin argumen seperti ini benar, tetapi logika (dan pengalaman) membuktikannya
"fallacy" atau argumen yang tidak valid. Argumen fallacious ini disebut dengan
"fallacy of the converse".
Premises Conclusion
p q p-* q q p
T T T T T
T F F F T
F T T T F
F F T F F
Tabel 3-6
Tabel Kebenaran bentuk pendek dari p - q, q; .. p
p -4 q
-q
wp
165
adalah valid jika Tabel 3.7 menunjukkankesimpulan benar hanya jika premise
benar.
Premis Kesimpulan
p q p >- q - q- -P
TT T F F
TF F T T
FT T F T
FF T T T
Tabel 3-7
Tabel Kebenaran bentuk-pendek p -4 q, -q; .% -p
166
Hukum Inferensi Skema
4.Aturan Rangkaian p -* q
(Hukum Silogisme) q -4 r
p e r
9. Hukum Konjungsi p
q
PA q
10.Hukum Konjungsi p
pv q
Tabel 3-8
Beberapa aturan Inferensi untuk logika yang benar
167
Hukum
Bilangan Nama Meaning
Interferensi "mood which by... "
Table 3-9
Arti Modus
Baris inference dapat diterapkan pada argumen dengan lebih dari dua premise.
Misalnya, perhatikan argumen berikut ini :
Chippricesriseonlyiftheyenrises.
Theyenrisesonlyifthedollarfallsand
ifth
edollarfallsth
enth
eyenrises.
Sincechippriceshaverisen,
thedollarmust havefallen.
C =chipprincesrise
Y =yenrises
D =dollarfalls
Panggil kembali dari bagian 2.12 dimana salah satu arti kondisional adalah
"p, only if q". Proposisi seperti "The yen rises only if dollar falls" mempunytai
arti ini sehingg ditunjukkan sebagai C - Y. Seluruh argumen mempunyai bent>ik
berikut ini :
C -4 -Y
(Y -� D) A (D -- Y)
C
D
168
Premise kedua mempunyai bentuk menarik yang dapat lebih lanjut dikurangi
dengan menggunakan varian kondisional. Kondisional p -+ q mempunyai beberapa
yang "converse" inverse, dan contrapositive". Ini diberikan dalam daftar dengan
kondisional, untuk kelengkapan dalam Tabel 3.10.
Kondisional p -3 q
Konversi q-*p
Inversi -P -q
-q
Kontra Positif * - -p
Tabel 3-10
Kondisional dan Variant-nya
(1) C -* Y
(2) Y =D
( 3) C
D
(4) C -4 D
dimana (4) merupkan inference yang dibuat pada basis (1) dan (2). Premises (3) dan
(4) dan kesimpulan adalah :
169
(4) C p- D
(3) C
D
yang dapat ditentukan sebagai skema "modus ponens". Dengan demikian argumen
akan valid.
Penggantian dari satu variabel yang sama ke yang lain adalah baris inference
yang disebut "rule of substitution". Bans "modus ponens" dan penggantin adalah
dua bans pokok dari logika deduktif.
1. C-*Y
2. (Y -- �D) A (Dn Y)
3. C / D
4. Y=- D 2 Equivalence
5. C--* D 1 Substitution
All menaremortal
Socratesisaman
Therefore, Socratesismortal
170
Kita tahu bahwa argumen tersebut adalah argumen valid jika berupa syllogism
valid. dapatkah kita membuktikan ke-valid-an tersebut dengan menggunakan logika
proporsional ?. Untuk menjawab pertanyaan ini, pertama kali marl kita
menuliskan argumen sebagia skema.
P
q
r
Untuk menentukan jika argumen tersebut valid, perhatikan tabel benar dari
tiga variabel bebas untuk seluruh kemungkinan kombinasi dari T dan F yang
ditunjukkan dalam Tabel 3.11.
p q r
T T T
T T F
T F T
T F F
F T T
F T F
F F T
F F F
Tabel 3-1-1
Tabel Kebenaran untuk skema p, q; .. r
171
Baris kedua dari tabel benar ini menunjukkan argumen untuk tidak valid
karena premises benar sementara kesimpulan salah.
Validitas dari argumen ini harus "tidak" diintepretasikan seperti apti
kesimpulan yang tidak benar. Seseorang akan menentukannya sebagai argumen
yang benar. Ketidak-valid-an sederhana berarti bahwa "argument tidak daplat
dibuktikan di bawah logika proporsional". Misalnya, kita akan memberi atribut
pada beberapa arti "semua" dan mempertimbangkan "men" sebagai bentuk jam8n
dari "man". Namun demikian, syllogism dan kalkulus proporsional tidak
memungkinkan struktur preposisi internal untuk diuji. Batasan ini diatasi olth
logika predikat dan argumen ini adalah merupakan argumen valid di bawwh
logika predikat. Kenyataannya, selluruh logika syllogistic merupakan subset ya �n
valid dari order pertama logika predikat dana dapat dibuktikan dengan valid
dibawhanya.
Satu-satunya bentuk syllogistic yang valid dan preposisi adalah
If Socrates is am an , thenSocratesismorta l.
Socratesisam an.
Therefore, Socratesismortal.
Lihat :
p =Socratesisaman
q=Socratesismortal
p� q
p
q
All horsesareanimals
Therefore, the. headof a horse is the headof
animal
172
String di atas merupakan teori dari formal system tersebut (Minsky 67).
Meskipun string seperti 11111 tidak terlihat seperti type teori yang kita
gunakan untuk melihat, apakah merupakan teori logika yang valid. Teori khusus ini
juga mempunyai arti semantik karena teori tersebut merupakan angka aneh yang
diekspresikan dalam "unary number system" drai symbol tunggal 1. Hanya sebagai
system angka binary yang hanya mempunyai symbol aalphabet 0 dan 1, system
angka unary hanya mempunyai symbol tunggal 1. Angka di dalam unary dan
system desimal diekspresikan sebagai :
Unary Decimal
I
11 2
111 3
1111 4
11111 5
dan seterusnya.
Perhatikan bahwa karena bans inferece dan aksioma, string 11, 1111, dan
seterusnya tidak dapat diekspresikan dalam system formal. Yaitu, 11, dan 1111
adalah string dari alphabet formal, tetapi bukan teori atau wffs karena tidak dapat
dibuktikan dengan menggunakan hanya bans inference dan aksioma. System
formal ini memungkinkan hanya derivasi - dari angka aneh, bukannya angka.
Aksioma "11" hares ditambahkan aagar dapat memperoleh angka.
Property yang dapat diinginkan lebih lanjut dari system logika adalah dapat
di-"sound". Sound systemberarti bahwa setiap teori adalah merupakan wff valid
secara logikal. Dengan kata lain, sound system tidak akan memungkinkan
kesimpulan untuk di-infered yang bukan konsekuensi premses logikal. Tidak ada
argumen yang tidak valid yang akan di-infered sebagai valid.
179
Ada perbedaan "order" logika. Bahasa "first order" ditentukan sehingga
quantifier akan mengoperasikan pada obyek variabel seperti V x. Bahasa "second
order" harus mempunyai feature tambahan seperti dua macam variabel dan
quantifier. Sebagai tambahan pada variabel dan quantifier ordering, logika second-
order dapat mempunyai quantifier yang mengatur atas fungsi dan symbol predikat.
Contoh dari logika second order adalah "equality axiom", yang menunjukkan
bahwa dua obyek akan lama jika seluruh predikatnya sama. Jika P adalah predikat
dari satu argumn, maka :
merupakan pernyataan dari aksioma yang sama dengan menggunakan order quanr
tifier, V p, yang mengatur seluruh predikat.
3.10. RESOLUSI.
180
PROLOG menggunakan notasi "quantifier-free". Perhatikan quantifier
uivresal, V, diimplikasikan dalam pernyataan yang semua orang laki-laki adalah
mortal.
Bentuk semacam Pi harus berupa literal, yang berarti bahwa bentuk tersebut
tidak berisi hubungan logikal seperti kondisional dan bocondisional, aatau
quantifier. Literal merupakan formula atomik atau formula atomik yang
dirundingkan. Misalnya, wff berikut ini :
(AvB)v (-Bvc)
AVBv -Bv C
181
Seperit yang akan diperlihatkan nanti, suatu wff logika predikat, yang
mencakup logika proporsional sebagai kasus khusus, dapat dituliskan sebagai
klause. "Clausal form" penuh dapat mengekspresikan formula logika predikat
tetapi tidak sebagai natural atau dapat dibaca untukorang (Kowalski 79). Syntak
PROLOG adalah subset klause Horn yang membuat teori mekanik yang dibuktikan
dengan Iebh mudah dengan PROLOG dan efisien untuk mengimplementasikan
dibandingkan dengan notasi logika predikat standar atau bentuk klausal penuh.
Seperti disebutkan di dalam Bab-01, PROLOG mmungkinkan hanya satu head/
kepala. Ekspresi bentuk klausal penuh pada umumnya dituliskan dalam bentuk
khusus yang disbeut Kowalski bentuk klausal :
yang diintepreasikan bahwa jika seluruh sub tujuan A1, A2, ... AN adalah benar,
maka satu atau lebih B 1 atau B2, ... atau BM adalah juga benar. Perhatikan bahwa
kadang-kadang tujuan anak panah dibalik dalam notasi ini. Klause ini dituliskan
dalam notasi predikat standard adalah :
Al v A2 AN -4 Bl v B2 BM
Ini dapat diekspresikan dalam "disjunctive form" sebagai disjungsi literal yang
menggunakan persamaan
p --3q-=--pvq
sehingga
Al vA2 AN -*B1 vB2 BM
(A AN) V (Bi V B2 BM)
l AA2
_ _-(Alv -A2 "ANvBl vB2 BM.
=-A1
-(P A q) = -p v -q
182
digunakan untuk mempermudah ekspresi terakhir.
Seperti didiskusikan dalam Bab-01, PROLOG menggunakan type bentuk
klausal terbatas. Klause Horn, dimana hanya satu head/kepala dimungkinkan
A,,A2, ... AN -3 B
B : - A,,A2, ... AN
AvB
Av -B
.VA
183
Salah satu Aksioma distribusi adalah :
dimana langkah terakhir yang mengikuti sejak (B A -B) selalu salah. Ini mengikuti
dari hukum Excluded Middle yang menyatakan bahw segalanya tidak dapat
benar San salah. Dalam logika fuzzy yang didiskusikan dalam Bab-05, kita akan
melihat hukum ini tidk ada. Cara lain dari penulisan ini menggunakan benti k
"nit" atau "null", yang berarti kosong, tidak ada atau salah. Misalnya, pointer nill
dalam Pascal akan tidak mengambil apa-apa, sementara Hukum Excluded Middle
menyatakan (B A -B) = nil.
Contoh resolusi menunjukkan bagaimana klause induk (A v B) dan (Av-'B)'
dapat disederhanakan ke dalam resolvent A. Tabel 3.13 memberikan ringkasan
beberapa klause induk pokok dan resolventnya dalam notasi klause, dimana
koma memisahkan klause berarti A.
-p v q p v q Penggabungan
Tabel 3-13
Klausa dan Resolven
184
3.11. SYSTEM RESOLUSI DAN DEDUKSI.
Dengan diberkan wffs Ap A2, ... An dan kesimpulan logika atau teori C,
kita tahu :
A,,A2 . AN + C
Sekarang
p- � q = -pvq
(p A q) = -P A q
185
Sekarang jika (1) valid, maka (negation)-nya (2) hares tidak valid. Dengas
kata lain jika (1) tautology maka (2) hares kontradiksi. Formula (1) dan (25
menunjukkan dua cars persamaan dalam pembuktian bahwa formula C adalab
teori. Formula (1) dapat digunakan untuk membuktikan teori dengan checking
untuk melihat apakah benar dalam semua kasus. Demikian pula, formula (2)
dapat digunakan untuk membuktikan teori dengan menunjukkan (2) yang
menuntun ke kontradiksi.
Seperti disebutkan dalam bagian depan, pembuktian teori dengan
menunjukkan (negation)-nya menuntun ke kontradiksi adalah membuktikandengan
"reductio ad absurdum". Bagian pokok dari type pembuktian ini adalah"refutation".
Untuk (revute) sesuatu berarti membuktikan salah. Resolusi adalah suara bans
inference yang juga "refitation complete" karena klause kosong akan selalu
menghasilkan jika ada kontradiksi di dalam set klause. Pada pokoknya, ini berarti
bahwa "resolution refutation" akan berakhir dalam angka langkah terbatas jika
ada kontradiksi. Meskipun resolusi refutation tidak dapat mengatakan kith
bagaimana membuat teori, tetapi akan secara definit mengatakan jika wff adalah
teori.
Contoh sedeerhana dari pembuktian dengan resolusi refutation, perhatikan
argumen :
A-4B
B -4 C
C -� D
A-+D
p >q=-pvq
Sehingga
A-D=-AvD
186
-(--vD) -AA -D
Konjungsi dari bentuk disjungtif dari premises dan kesimpulan yang di-negated
memberikan bentuk konjungtif normal yang sesuai untuk resolusi refutation.
�AvB -Svc
nil
Gambar 3-18
Pohon Penolakan Resolusi
187
3.12. PEMBERIAN ALASAN CASUAL (TIDAK FORMAL)
DAN
TIDAK SERIUS.
System resolusi dan system bans produksi adalah dua paradigma yang populet
untuk pembuktian teori. Meskipun banyak orang memikirkan teori di dalam anti
matematika, kita telah melihat bahwa teori sebenarnya kesimpulan dari argumen
logika yang valid. Sekarang perhatikan expert system yang menggunakan
rangkaian inference. Pada umumnya, rangkaian yang lebih panjang menunjukkan
pengetahuan yang dalam atau yang lebih tidak formal (casual), sementara
pemberian alasan yang tidak seerius pada umumnya menggunakan bans tunggal
atau sedikit inference. Disamping itu, panjang rangkaian inference, kualitas
pengetahuan dalam bans juga merupakn faktor pokok dalam menentukan dalam
dan dangkalnya pemberian alasan. Kadang-kadang definisi lain dari pengetahuati
dangkal digunakan, disebut dengan "exprimental knowledge", yang merupakan
pengetahuan yang berdasarkan pengalaman.
Kesimpulan dari rangkaian inference adalah teori karena dibuktikan oleh
rangkaian inference, seperti didemonstraskan oleh contoh sebelumnya.
Mari kita lihat pada beberapa baris untuk kontrask dangkal dan dalamnya
pembenarr alasan yang lebih baik. Seperti dalam contoh pertama kali, perhatikan
baris benkut ini, dimana jumlah tanda kurung merupakan tujuan identifikasi saja.
(1) IFacarhas
agoodbattery
good sparkplugs
gas
goodtires
THENthe car can move
188
Hal ini merupakan basis yang sungguh bagus yang dapat digunakan di dalam
expert system.
Salah satu feature penting dari expert system adalah fasilitas keterangan,
seperti didiskusikan di dalam Bab-01. Baris didasarkan pads expert system akan
membuatnya mudah bagi system untuk menerangkan pemberian alasannya. Dalam hal
ini, jika pemakai menanyakan mengapa mobil dapat berpindah, expert system dapat
menjawab dengan membuat daftar elemen kondisional :
agoodbattery
goodsparkplugs
gas
goodtires
Ini merupakan type fasilitas penjelasan dasar sejak system hanya memberikan
daftar elemen kondisional dari suatu bans. Fasilitas penjelasan yang lebih canggih
dapat di-design untuk daftar bans sebelumnya yang telah dibuat dan dihasilkan
dalam firing basis tertentu. Fasilitas penjelasan lainnya mungkin memungkinkan
pemakai untuk menanyakan type pertanyaan "What if' untuk mengeksplore
alternatif path pemberian alasan.
Bans ini jugs merupakan contoh dari "shallow reasoning". Yaitu, ada sedikit
atau tidak ada pemahaman penyebab dan efek dalam pemberian alasan yang
dangkal karena ada sedikit atau tidak ada rangkaian infrence. Baris sebelumnya
pada pokoknya heuristik dimana seluruh pengetahuan diisi dalam basis. Baris
kemudian akan diaktifkan jika elemen kondisionalnya dipenuhi dan tidak karena
ada pemahaman oleh expert system atas apa fungsi perform elemen kondisional.
Dalam pemberian alasan yang dangkal, ada sedikit atau tidak ada "causal chain"
dari penyebab dan efek dari satu bans ke baris lainnya. Dalam kasus yang
sederhana, penyebab dan efek berisi di dalam satu atau tanpa hubungan ke bans
lainnya. Jika kita memikirkan basis di dalam bentuk (chunk) pengetahuan yang
didiskusikan dalam Bab-01, pemberian alasan yang dangkal tidak akan membuat
hubungan antara (chunk) dan akan menjadi seperti reaksi reflek sederhana.
189
menunjukkan pemahaman yang dalam dari subyek. Namun demikian, pemahaman
yang dalam menunjukkan bahwa disamping pemahaman rangkaian casual dimana
terjadi proses, kita juga memahami proses dalam arti absrtak.
Kita dapat menambahkan pemberian alasan casual untuk basis kita dengan
menentukan basis tambahan seperti :
(2) IFthebatteryisgood
THENthereiselectricity
(3) IFthereiselectricity
andthesparkplugsaregood
THENthesparkplugswill fire
(4) IFthesparkplugsfire
andthereisgas
THENtheenginewill run
(5) IFtheengineruns
andtherearegoodtires
THENthecar will move
190
diperlukan. Misalnya, system MUD melayani seperti konsultan dalam melatih
insinyur perminyakan dan mud (Kahn 85). Pelatihan fluid, disebut mud karena
persamaannya dengan mud, adalah tambahan penting dalam latihan untuk jumlah
alasan, seperti cooling dan lubrikasi bit. Problem diagnosa MUD dengan mud
dan perkiraan perawatan.
System casual tidak akan banyak digunakan karenna drilling enginer tidak
dapat secara normal mengobservasi rangkaian casual dari kejadian yang terjadi
jauh di bawah tanah. Sebagai pengganti, engineer hanya dapat mengobservasi
gejala pada permukaan dan bukan kejadian lanjutan yang tidak dapat diteliti dari
dialog potensial yang penting.
191
Bans tunggal merupakan teori yang akan dibuktikan oleh resolusi.
Seperti dalam contoh, anggap kita ingin membuktikan bahwa bans (1) adalah
kesimpulan logikal dari bans (2) - (5). Dengan menggunakan definisi proporsional
berikut ini, baris dapat diekspresikan sebagai berikut :
(1) BnSnGnT C
(2) B -*E
(3) EAS -4 F
(4) FAG -4 R
(5) RAT 9- C
A T) vCl
(1') -(BASAGAT --> C) _ -[-(BASAG
-- [--B v -Sv
-Gv -TvC)
P-)qpvgand-(PAq)=-P-
(2 ' ) -BvE
(3' ) --(EAS)vF = -Ev -SvF
(4') -(FnG)vR = -Fv -GvR
(5') --(RnT)v'C = -Rv -TvC
192
-BvE v-SvF
nil
Gambar 3-19
Pohon Penolakan Resolusi untuk Contoh Mobil
-BvEand -Ev -S vF
-Bv -S vF
-Fv -GvR
193
untuk menghubungkan
BASAGAT -4 C
adalah teori jika perundingannya menuntun ke kontradiksi. Baris (1) secara logikal
mengikuti dari bans (2 - (5).
P(X) =XISAPROGRAMMER
F(x) =xisafailure
S(x) =xisasuccess
H(x,y) =xhatesy
194
Premises dan kesimpulan yang dirundingkan dituliskan sebagai
p -9 q= -P A q
_--p =p
"(P A q) _ -p v -q
(3 x) P(x) _ (Vx) -P(x)
(Vx) P(x) _ (3 x) -P(x)
195
(V X) P(x) = (VY) P(Y) = (V Z) P(z)
adalah :
(3 x) L (x)
dimana L(x) ditentukan sebagai predikat yang benar jika x adalah < 0. wff ini
dapat diganti dengan :
L(a)
dimana a adalah konstanta seperti -1 yang membuat L(a) benar. a disebut dengan
konstanta Skolen yangmerupakan kasus khusus dari fungsi Skolen. Untuk kasus
dimana ada quantifier universal di depan yang telah ada :
(V x) (3 y) L(x,Y)
dimana L(x,y) adalah benar jika integer x adalah kurang dari integer y. wff W
berarti bahwa untuk setiap integer x ada integer y yang lebih benar dari x.
Perhatikan bahwa formula tidak mengatakan bagaimana menghitung y, dengan
diberikan angka untuk x. Anggap fungsi f(x) muncul dan membuat y lebih besar dari
x. Sehingga wff di atas akan menjadi Skolenmized seperti :
196
(VX) L(x,f(x))
Fungsi Skolen dari eksistensi variabel dalam skope quantifier universal adalah
fungsi seluruh quantifier sebelah kiri. Misalnya,
dimana a adalah beberapa konstanta dan fungsi Skolen kedua , g, harus berbeda
dengan fungsi pertama, f. Contoh wff kita akan menjadi :
197
v H(a,y)). Jika perlu, distribusi berikut ini dapat digunakan seperlunya untuk
meletakkan matrik dalam bentuk konjungtif normal.
8. Hilangkan tanda ^ dengan menuliskan wff sebagai set klause. Contoh kita
adalah :
P(a)
-F(Y) vH(a,Y)
9. Beri nama kembali variabel dalam klause, jika perlu, sehingga nama variabel
yang sama hanya digunakan dalam satu klause. Misalnya, jika kits
mempunyai klause :
P(x)AQ(x) vL(x,Y)
-P(x) vQ(Y)
--Q(z) vL(z,y)
198
Jika kita melaksanakan prosedur untuk mengkonversikan bentuk klause
premise kedua dan kesimpulan yang dirundingkan dari contoh kita, kita akhirnya
mendapatkan klause :
(la) P(a)
(lb) --F(y) vH(a,y)
(2a) -P(x) vS(Y) v -H(x,Y)
(3a) F(b)
(3b) S(b)
-F(y)vH(a,y)
F (b)
IFsensorNindicatessmokeTHENsoundfirealarmN
199
Namun demikian, dengan penyatuan, variabel dapat disebut ?N dapat digunakan
untuk sensor identifier sehingga satu baris dapat dituliskan sebagai bereikut :
--F(b) vH(a,b)
F (b)
H(a,b)
{tl/V1,t2/v2 tN/VN }
Jika 0 adalah set semacam itu dan A adalah argumen, maka AO ditentukan
sebagai sunstitusi jarak A. Misalnya, jika
maka
A0 =P(a)vQ(f(y))vR(x)
200
Perhatikan bahwa substitusi adalah simultan, sehingga kita mendapatkan
R(x) dan bukan R(a).
Anggap ada dua klause CI dan C2 ditentukan sebagai
C1 = --P (x)
C2 = P(f (x) )
a=0b
201
Contoh yang digunakan sejauh ini adalah sangat sederhana dan resolusinya
sangat maju (straighforward), meskipun membingungkan bagi manusia. Namun
demikian, dalam beberapa situasi lain proses resolusi mungkin menyebabkan
selesai sehingga backtracking perlu untuk mencoba secara alternatif klause untuk
resolusi. Meskipun resolusi sangat handal dan merupakan basis dari PROLOG,
tetapi mungkin tidak memadai untuk beberapa problem. Salah satu problem
dalam resolusi adalah bahwa problem tersebut tidak akan mempunyai efisiensi
pembuatan strategi penelitian sehingga programmer harus men-supply heuristik,
seperti pemotongan PROLOG, untuk efisiensi penelitian.
nil
Gambar 3-20
Pohon pembantahan Resolusi untuk membuktikan tidak adanya kesalahan
adalah suatu keberhasilan
202
3.14. RANGX41AN FORWARD DAN BACKWARD.
pvq
P
q
Bans yang digunakan dalam rangkaian casual dari inference forward yang
mengurangi Clyde adalah binatang yang diberikan bahwa Clyde adalah gajah.
Rangkaian inference diilustrasikan dalam Gambar 3.21. Perhatikan bahwa diagram yang
sama juga mengilustrasikan rangkaian backward.
gajah
I
gajah -4 binatang menyusui
I
binatang menyusui -+ binatang
binatang
Gambar 3-21
Rangkaian maju kasual
gajah
Unifikasi
Memplementasi
gajah -+ binatang menyusui
Unifikasi
Memplementasi I
binatang menyusui -+ binatang
Gambar 3-22
Rangkaian Kasual yang jelas
204
menunjukkan bahwa itu digunakan untuk mendukung hipotesa, seperti cara bahwa
bukti ada dalam pengadilan digunakan untuk membuktikan kesalahan pembela.
Sebagai contoh sederhana dari rangkaian forward dan backward, anggap
kita sedang mengendarai mobil dan tiba-tiba melihat polisi dengann lampu flash
dan sirine. Dengan rangkaian forward, kita dapat menyimpulkan bahwa polisi
menginginkan kita atau orang lain untuk berhenti. Yaitu, fakta pokok yang
mendukung dua kemungkinan kesimpulan. Jika polisi ada disebelah kanan kita
atau polisi menyalip kita, kesimpulan lain adalah bahwa mereka menginginkan
kita bukannya orang lain. Dengan mengambil hal ini sebagai kerja hipotesa, kita
dapat menerapkan rangkaian backward untuk memberi alasan mengapa.
Beberapa kemungkinan hipotesa lanjutan adalah littering, percepatan,
pembuatan peralatan dan menggunakan (stolen vehicle). Sekarang kita menguji
bukti untuk mendukung hipotesa ini. Apakah botol bir yang kita buang ke jendela,
melaju 100 dalam 30 mil per jam zone kecepatannya, sinar yang rusak atau ijin
yang menunjukkan mobil curian yang kita pakai?. Dalam hal ini, setiap bukti
mendukung hipotesa lanjutan sehingga semuanya benar. Beberapa atau semua
hipotesa lanjutan ini adalah kemungkinan alasan untuk membuktikan kerja hipotesa
dimana polisi menginginkan kita.
Ini sangat berguna untuk menvisualkan rangkaian forward dan backward
dalaam bentuk path melalui spasi problem dimana kelanjutannya menunjukkan
hubungan ke hipotesa lanjutan di bawah rangkaian backward atau kesimpulan
lanjutan di bawah rangkaian forward. Tabel 3.14 memberikan ringkasan beberapa
karakteristik umum dari rangkaian forward dan backword. Perhatikan bahwa
karakteristik dalam tabel ini berarti hanya sebagai penuntun. Sangat mungkin
mengerjakan diagnosa dalam system rangkaian forward dan perencanaan di dalam
rangkaian backward. Khususnya, keterangan diberi fasiltas dalam rangkaian
backward karena system dapat dengan mudah menjelaskan tujuan yang dicoba
untuk dipenuhi. Dalam rangkaian forward, keterangan tidak mudah diberi fasilitas
karena sub tujuan tidak diketahui secara eksplisit hingga dapat ditemukan.
205
Rangkaian kedepan Rangkaian kebelakang
Kerja maju untuk menemukan Kerja mundur untuk menemukan fakta yang
Pemecahan yang mengikuti fakta mendukung hipotesa
Tabel 3-14
Ciambar 3-23 menjelaskan konsep dasar
aturan diambil dari fakta-fakta yang memenuhi anticident
mereka atau sisi tangan kiri
206
CON CLUSIONS
INFERRED
FACTS
FACTS
Gambar 3-23
Rangkaian kedepan/maju
Biasanya, konstruksi dengan level lebih tinggi yang menyusun dari konstruksi
level rendah diletakkan di bagian atas. Sehingga pemberian alasan dari konstruksi
level lebih tinggi seperti hipotesa akan turun ke fakta level rendah yang mungkin
mendukung hipotesa disebut dengan "top-down reasoning", atau rangkaian
backward. Gambar 3.24 mengilustrasikan konsep rangkaian backward. Untuk
membuktikan atau tidak membuktikan hipotesa H, minimal satu hipotesa lanjutan
207
H1, H2, atau H3, harus dibuktikan. Perhatikan bahwa diagram ini digambarkan
sebagai pohon AND-OR untuk menunjukkan bahwa dalam beberapa kasus sepetlti
H2, seluruh hipotesa level rendah hares ditunjukkan untuk mendukung H2. Dalatn
kasus lain, seperti hipotesa level atas, H, hanya satu hipotesa level rendah yang
diperlukan. Dalam rangkaian backward, system akan secara umum mengeluarkan
bukti dari pemakai untuk menambahkan dalam persetujuan atau tidak persetujuan
hipotesa. Hal ini kebalikan dengan system rangkaian forward dimana seluruh
fakta relevan biasanya dikenal dalam lanjutan.
1 NTERMEDIATE
HYPOTHESES
(SUBGOALS)
0 - Elicited Evidence
I O (m ay sapper)
%> - Missing Evidence
True Hypothesis
_ False Hypothesis 0
Gambar 3-24
Rangkaian mundur/kebelakang
208
Jika kita melihat kembali pada Gambar 3.4 dalam bagian 3.2, kita akan
melihat bahwa jaringan keputusan diorganisasikan sangat baik untuk rangkaian
backward. Hipotesa dengan level atas merupakan type (raspberries) yang berbeda
seperti "flowering raspberry, back raspberry, wineberry, dan red raspberry". Bukti
untuk mendukung hipotesa ini, diturunkan. Baris untuk menunjukkan raspberry
dapat dengan mudah dituliskan. Misalnya,
IFtheleavesaresimpleTHENfloweringraspberry
Aplikasi yang baik untuk rangkaian forward dan backward ditunjukkan dalam
Gambar 3.25. Untuk sederhananya, diagram tersebut digambarkan sebagai pohon/
tree sebagai pengganti jaringan umum. Aplikasi yang baik untuk rangkaian forward
terjadi jika pohon/tree lebar/luas dan tidak dalam. Hal ini karena arangkaian
forward memberikan fasilitas penelitian "nafas pertama". Yaitu, rangkaian forward
akan baik jika penelitian untuk kesimpulan mendahului level pere level.
Sebaliknya, rangkaian backward memberikan fasilitas penelitian (depth-first).
Pohon yang baik untuk penelitian depth-first adalah sempit dan dalam. Perhatikan
bahwa struktur bans menentukan penelitian untuk solusi. Yiatu, aktivasi bans
berdasarkan pola dimana baris di-design untuk bergabung. Pola pada LHS akan
menentukan apakah bans dapat diaktifkan oleh fakta. Aksi pada RHS akan
menentukan fakta yang disisipkan dan dihilangkan sehingga memberi akibat
209
pada bans lain. Situasi yang analogous terjadi untuk rangkaian backward kecuali.
bahwa hipotesa digunakan sebagai pengganti bans. Tentu saja, hipotesa lanjutah
mungkin berupa bans sederhana yang digabungkan pada konsekuensi/rangkaian
sebagai pengganti yang sebelumnya.
Contoh yang sangat sederehana, perhatikan type baris IF THEN berikut ini
IFATHENB
IFBTHENC
IFCTHEND
210
(a) Good Application of Backward Chaining
Gambar 3-25
Rangkaian kedepan dan kebelakang
IFDTHENC
IFCTHENB
IFBTHENA
211
forward memberikan fasilitas penelitian breadth-first. Meskipun kita dapat
menuliskan aplikasi rangkaian backward dalam system rangkaian forward daft
sebaliknya, system tidak ada se-efisien dalam penelitiannya untuk solusi. Kesulitaln
kedua adalah konseptual. Pengetahuan yang dikeluarkan dari expert hares
dialternatif untuk menjumpai permintaan inference engine. Misalnya, inference
engine rangkaian forward menggabungkan kejadian sebelumnya dari baris,
sementara rangkaan backward menggabungkan konsekeuensi. Yaitu, jika
pengetahuan expert system secara natural rangkaian backward, maka hares secara
total distruktur kembalii untuk rnembalutnya dalam mode rangkaian forward dan
sebaliknya.
Analogi.
Dismping deduksi dan induksi, metode inference lain yang handal adalah
"analogy". Ide pokok dari pemberian alasan dengan analogi adalah mencoba dan
menhubungkan situasi lama sebagi penuntun ke situasi yang barn. Seluruh pembiiat
sangat baik pada penerapan pemberian alasan analogikal dalam hidupnya, yang
pada pokoknya karena sejumlah situasi bare yang sangat hebat yang dijumpai
dalam dunia nyata, Bukannya memperlakukan setiap situasi barn sebagai yang
unik, ini sering membantu untuk mencoba dan melihat persamaan dari sittlasi
bare dan situasi lama yang kita ketahui bagaimana menghubungkannya. Pemberjan
alasan analogis berhubungan dengan induksi. Sementara induksi membu iat
inference dari khusus ke yang umum dari situasi yang sama, analogi berusahal
mencoba untuk membuat inference dari situasi yang tidak sama. Analogi tidals
dapat membuat pembuktian formula seperti deduksi. Sebagai pengganti, analogi
merupakan pemberian alasan peralatan heuristik yang mungkin kadang-kadng
bekerja.
212
sangat sama dengan orang lain dengan problem X, maka dokter mungkin
menyimpulkan dengan analogi dimana kita mempunyai problem X. Tentu saja,
rangkaian backward mungkin juga digunakan.
Perhatikan bahwa diagnosis ini tidak/bukan merupakan deduksi, karena kita
mungkin unik. Hanya karena orang lain dengan problem gejala tertentu tidak
berarti bahwa kita akan menunjukkan gejala yang sama. Sebagai pengganti,
dokter menganggap bahwa gejala kita membuat kita analogous bagi seseorang
dengan gejala yang sama dan problem diketahui. Diagnosa awal adalah hipotesa
bahwa test kesehatan mungkin benar atau salah. Ini penting untuk mempunyai
kerja hipotesa awal karena menyempitkan beribu=ribu problem potensial. Ini
sungguh mahal dan mengkonsumsi waktu hanya untuk memulai memberikan
setiap test kemungkinan tanpa hipotesa awal.
Seperti contoh peralatan pemberian alasan dengan analogi, anggap dua orang
bermain game yang disebut 15 game (Fischler 87). Mereka bergantian dalam
mengambil angka dari 1 hingga 9 dengan konstraint bahwa angka yang sama
tidak dapat digunakan dua kali. Orang pertama yang angkanya ditambahkan
hingga 15 akan menang. Meskipun pertama kali kelihatannya seperti permainan/
game aneh yang memerlukan beberapa pemikiran, analogi dapat membuatnya
sangat mudah untuk dimainkan.
Perhatikan papan tic-tac-toe berikut ini dengan angka yang disusun pada
masing-masing cell seperti ditunjukkan,
6
7
2
Ini merupakan "magic square" karena jumlah angka dalam bans, kolom, dan
diagonal adalah konstant/sama. Board tic-tac-toe dengan angka square magic
dapat dipertimbangkan sebagai analogi pada Game 15. Permainan Game 15
sekarang sangat mudah jika kita memikirkan dalam bentuk tic-tac-toe kemudian
menterjemahkan strategi kemenangan pada Gambe 15.
Magic square tertentu ini disebut dengan "standard square of order 3". Bentuk
order mengacu pada angka bans atau kolom square. Hanya ada satu square unik
dari order 3. Magic square yanglain dapat dibuta dengan membuat rotasi atau
refleksi standard square. Cara lain untuk membuat magic square adalah dengan
menambahkan konstanta yang sama pada setiap cell. Dengan mengetahui informasi
213
ini memungkinkan kita untuk mengurangi strategi kemenangan untuk Game 24
dimana angka harus dipilih dari set :
{2, 3, 4, 5, 6, 7, 8, 9, 10)
16 3 2 13
5 10 11 8
9 6 7 12
4 15 14 1
Pembrian alasan dengan analogi adalah merupakan bagian yang penting dari
pemberian alasan commonsense, yang sukar bagi komputer (dan anak-anak).
Aplikasi lain dari analogi telah dipelajari (Carbonell 82).
214
Pembuatan dan Test.
Metode inference yang lain adalah strategi Al klasik dari "generate-and-test",
kadang-kadang disebut dengan pembuatan dan test, yang mencakup pembuatan
seperti solusi kemudian penge-test-an untuk melihat jika solusi yang diajukan
menjumpai seluruh persyaratan. Jika solusi memenuhi, maka akan berhenti, yang
lain membuat solusi yang baru, test lagi, dan seterusnya. Metode ini digunakan
dalam expert system pertama kali, DENDRAL, disusun pada tahun 1965, untuk
menambahkan dalam penentu struktur molekul organik (Buchanan 78). Data dari
contoh yang tidak dikenal diterapkan dengan spektometer masa dan input ke
DENDRAL yang membuat seluruh struktur molekul potensial yang dapat
membuat spektogram yang tidak diketahui. DENDRAL kemudian menge-test
seperti molekul calon dengan simulasi spektogram masanya dan
membandingkannya dengan yang tidak diketahui aslinya. Program lain yang
menggunakan pembuatan-dan-test adalah program AM (Artificial Mathematician)
untuk menyimpulkan konsep matematika yang Baru (Lenat 82).
Untuk mengurangi jumlah yang besar dari solusi yang potensial,
pembuatan-dan-test secara normal digunakan dengan program perencanaan untuk
membatasi solusi potensial untuk pembuatan. Variasi ini disebut dengan
"plan-generate-test" dan digunakan untuk efisiensi dalam beberapa system.
Misalnya, diagnosa matematika dari expert system MYCIN juga mempunyai
kemampuan perencanaan perawatan obat/drug terapi setelah penyakit pasien telah
di-diagnosa (Chancey 85). "Plan" pada pokoknya menemukan rangkaian bans
atau inference yang menghubungkan problem dengan solusi, atau tujuan, dengan
bukti untuk mendukungnya. Perencanaan merupakan yang paling efisien dilakukan
dengan penelitian forward secara simultan dari fakta dan kembali dari tujuan.
Perencana MYCIN pertama kali membuat daftar prioritas dari obat terapi
untuk pasien yang sensitif. Untuk mengurangi interaksi obat yang tidak diinginkn,
lebih baik membatasi angka obat dimana pasien menerima, bahkan jika pasien
dianggap menderita atas beberapa infeksi yang berbeda. Pembuat/generator akan
mengambil daftar prioritas dari perencana dan membuat sub daftar dari satu atau
dua obatjika mungkin. Sub daftar ini kemudian di-test untuk kemanjuran terhadap
infeksi, alergi pasien, dan pertimbangan lain sebelum keputusan dibuat untuk
pengurusannya ke pasien.
215
tersebut diletakkan pada agenda dan diletakkan pada baris prioritas atas yang
membuat aksinya, yang kemudian di-test dan seterusnya. Dengan demikian,
pembuatan dan test akan membuat rangkaian inference yang menuntun ke solusi
yang benar.
Abduksi/pengambilan.
Inference dengan "abduction" adalah metode lain yang pada umumnya
digunakan dalam diagnosa pemecahan masalah. Skema abduksi sama dengan
"modus ponens", tetapi sebenarnya sangat berbeda seperti yang ditunjukkan dalam
Tabel 3.15.
p -> q p e- q
q p
p q
Abduksi merupakan nama lain untuk argumen yang keliru yang didiskusikan
dalam bagian 3.6 seperti Fallacy dari Converse. Meskipun abduksi bukah
merupakan argumen deduksi yang valid, tetapi merupakan metode yang sangat
berguna dari inference dan telah digunakan dalam expert system. Seperti halnya
analogi, yang juga bukan merupakan argumen deduksi yang valid, abduksi
mungkin berguna sebagai baris heuristik inference. Yaitu, jika kita tidak
mempunyai metode deduktif dari inference, abduksi mungkin berguna tetapi
tidak dijamin kerjanya. Analogi, pembuatan-dan-test, dan abduksi seluruhnya
adalah metode yang bukan deduktif dan tidak dijamin bekerja full time. Dai i
premises yang benar, metode ini tidak dapat membuktikan kesimpulan yapg
benar. Namun demikian, teknik ini sangat berguna dalam pengurangan spasi
penelitian dengan pembuatan hipotesa yang dapat diberi alasan yang kemudian
dapat digunakan dengan deduksi.
Abduksi kadang-kadang disebut sebagai pemberian alasan dari fakta yang di-
observasi ke keterangan yang paling balk (Reggia 85). Seperti contoh abduksi,
perhatikan berikut ini,
IFxisanelephant THENxisananimal
IFxisananimal THENxisamammal
216
jika kita tahu bahwa Clyde adalah mamalia, dapatkah kita menyimpulkan bahwa
Clyde adalah gajah ?.
Namun demikian, dalam expert system dengan hanya baris awal, kita dapat
mengatakan dengan abduksi dengan 100 % tentu bahwa jika Clyde adalah
mamalia, kemudian Clyde adalah berupa gajah. Inference ini mengikuti dari
"closed world assuption" dimana kita menganggap bahwa tidak ada yang lainnya
yang muncul di luar dunia nyata dari expert system yang terdiri hanya atas dua
baris dan hanya gajah yang berupa binatang mamalia, kemudian jika Clyde
adalah mamalia, maka dia adalah gajah.
IFxisadogTHENXisananimal
Kita tetap dapat mengoperasikan expert systm di bawah asumsi dunia tertutup.
Namun demikian, sekarang kita tidak dapat menyimpulkan dengan 100 % benar
bahwa Clyde adalah gajah. Kita semua dapat yakin bahwa Clyde adalah gajah
atau anjing.
IFxisadogTHENxbarks
dan bukti bahwa Clyde menggonggong, baris ini dapat direvisi sebagai berikut:
217
Sekarang rangkaian backward dari inference abduksi menggunakan baris
(1), (2), dan (3) dapat dibuat untuk menunjukkan bahwa Clyde adalah anjing.
Rangkaian backward dari abduksi tidaklah sama dengan arti umum/yang
biasanya dari rangkaian backward. Bentuk "backward chaining" berarti bahwa
kita mencoba untuk membuktikan hipotesa dengan mencari bukti untuk
mendukungnya. Rangkaian backward akan digunakan dalam percobaan untuk
membuktikan bahwa Clyde adalah binatang mamalia. Tentu raja, dalam system
kecil kita, tidak ada kemungkinan lain. Namun demikian, klasifikasi kita dapat
ditambahkan untuk reptil, burung, dan sebagainya.
Jika diketahui bahwa Clyde adalah mamalia, abduksi dapat digunakan untuk
menentukan jika Clyde adalah binatang atau anjing. Rangkaian forward dapat
digunakan jika diketahui bahwa pilihan metode inference tergantung pada apa
yang hares dipertimbangkan. Jika rangkian forward adalah deduktif, hanya
kseimpulannya selalu dijamin valid. Tabel 3.16 memberikan ringkasan tujuan
setiap tiga teknik inference.
Tabel 3-16
Ringkasan dari tujuan Rangkaian ke depan
Rangkaian ke belakang dan abduksi
218
Pemberian alasan Non monotonik.
Secara normal, tambahan aksiorna yang barn pada system logika berarti
bahwa banyak teori yang dapat dibuktikan jika ada banyak aksioma dari teori
yang didapatkan. Properti peningkatan teori ini dengan peningkatan aksioma
dikenal dengan "monotonicity" dan system seperti logika deduktif disebut dengan
"monotonic system".
Namun demikian, problem dapat terjadi jika aksioma yang diperkenalkan
secara bagian atau seluruhnya berkontradiksi dengan aksioma sebelumnya. Dalam
hal ini, teori yang telah dibuktikan tidak akan lama valid. Dengan demikian,
dalam system monitinik, teori tidak perlu meningkat sebagai angka peningkatan
aksioma.
Konsep non-monotinicity mempunyai aplikasi yang penting dalam expert
system. Karena fakta yang barn dibuat, yang analogous pada teori yang dibuktikan,
monotonik expert system akan tetap membuat fakta. Problem utama dapat terjadi
jika satu atau lebih fakta menjadi salah karena system monotonik tidak dapat
berhubungan dengan perubahan di dalam kebenaran aksioma dan teori. Seperti
contoh yang sangat sederhana, anggap ada fakta yang meenyisipkan waktu. Segera
setelah waktu berubah dalam detik, fakta yang lama tidak akan lama valid.
System monotonik tidak akan dapat berhubungan dengan situasi semacam ini.
Seperti contoh lain, anggap fakta disisipkan dengan system identifikasi pesawat
udara yang targetnya bertentangan. Kemudian, bukti barn yang membuktikan
target sangat "friendly". Dalam system monotonik, identifikasi asli dari
pertentangan ini tidak dapat diubah. System non monotonik memungkinkan adanya
pembatasan fakta.
Seperti aplikasi lain, anggap kita ingin menuliskan fasilitas penjelasan untuk
expert system yang akan memungkinkan pemakai untuk kembali pada inferenc
sebelumnya dan menjelajahi path inference alternatif dari type pertanyaan `What
if'. Seluruh inference dibuat setelah yang sebelumnya didapatkan harus ditarik
kembali dari system. Disamping fakta, bans juga dikeluarkan dari system sehingga
hares diletakkan kembali dalam basis pengetahuan untuk non monotonik.
Komplikasi lain muncul dalam system sernacam OPS5 dimana bans dapat dibuat
secara otomatis pada sisi sebelah kanan baris selama dalam pembuatan. Untuk
non monotonik, bans yang di-infer dibuat setelah inferencesebelumnya diperoleh
hares dikeluarkan dari system. Dengan memelihara track dan seluruh inference
yang dibuat dapat mengkonsumsi banyak memory dan slow down system secara
significant.
Untuk menyediakan bagi non monotonik, perlu mendekati kebenaran atau
219
ketergantungan pada setiap fakta dan baris yang menjelaskan alasan untuk
mempercayainya. Jika keputusan non monotonik dibuat, maka inference engine
dapat menguji kebenaran dari setiap fakta dan bans untuk dilihat jika tetap
dipercaya, dan juga untuk memungkinkan penyimpanan kembali baris yang
dikeluarkan dan fakta yang dibatasi yang dipercayai lagi.
Problem kebenaran data pertama kali diambil dalam "frame problem" yang
tidak sama konsep seperti frame yang didiskusikan dalam Bab-02 (McCarthy
69). Frame problem merupakan bentuk deskriptif yang diberi nama setelati prob.
lem dari identifikasi apa yang seharusnya dan tidak seharusnya diubah dalarn
frame movie. Gambar gerakan di-photograp sebagai suksesi gambar yang disebut
dengan frame. Jika dimainkan kembali pada 24 frame per detik atau lebih cepat,
mata manusia tidak akan dapat melihat perbedaan frame individual sehingga
ilusi gerakan akan dihasilkan. Frame problem Al adalah menentukan untuk
merubah dalam lingkungan waktu. Seperti dalam contoh, perhatikan Problem
Monkey dan Bananas yang didiskusikan dalam Bab-02. Anggap kera harus
berjalan pada kotak merah untuk mendapatkan pisang sehingga aksinya adalah
"push red box under bananas". Sekarang problem frame adalah - Bagaimana
kita mengetahui kotak masih tetap merah setelah aksi tersebut ?. Dengan menekan
kotak, jangan mengubah lingkungan. Dalam beberapa peralatan expert system,
lingkungan disebut dengan "world"/dunia dan berisi serangkaian hipotesa
pemberian alasan secara simultan. Problem perawatan kebenaran atau kebenaran
system disebut dengan "truth maintenance" (Doyle 79). Perawatan kebenaran
atau variasi disebut dengan "assumption-bases truth maintenance" yang pada
pokoknya untuk menjaga setiap dunia asli dengan membatasi fakta yang tidak
benar (de Kleer 860.
Seperti contoh sederhana dari pemberian alasan non monotonik, maxi
perhatikan contoh klasik dari Twenty burung. Dalam kekurangan beberap4
informasi, kita menganggap bahwa jika Twenty adalah burung, maka Twenty
dapat terbang. Ini merupakan contoh dari "default reasoning". sangat mirip dengan
default yang digunakan dalam frame lots. Pemberian alasan default dapat
dipertimbangkan sebagai baris yang membuat inference tentang baris, "metarule"
yang menunjukkan :
220
Dalam kasus kita metarul mempunyai bentuk yang iebih spesifik
Xistherule"A llbirdscanfly,"and
fact "Tweetyisabird"
Yistheinference"Tweetycanfly"
dalam bentuk bans produksi, ini dapat diekspresikan sebagai bans dalam basis
pengetahuan yang mengatakan :
IFXisabirdTHENxcanfly
Tweetyisabird
Untuk menjaga kebenaran system kita, inference yang tidak benar harus
dipindah. Namun demikian, ini tidak akan mencukupi jika inference lain
didasarkan pada inference yang tdak benar. Yaitu, bans lain yang mungkin telah
digunakan inference yang tidak benar sebagai bukti untuk menggambarkan in-
ference tambahan dan seterusnya. Ini merupakan problem kebenaran perawatan.
Inference dimana Twenty dapat terbang adalah "plausible inference" yang
didasarkan pada pemberian alasan. Bentuk "plausible" berarti tidak tidak mungkin,
dan akan didiskusikan lebih lanjut dalam Bab-04
yang dapat ditentukan sebagai "Untuk setiap x, jika x adalah burung dankonsisten
bahwa burung dapat terbang, maka x dapat terbang". Cara yang lebih informal
221
dalam menentukan ini adalah "Hampir semua burung dapat trebang". Bentuk
"konsisten" berarti bahwa tidak ada kontradiksi dengan pengetahuan lain. Namun
demikian, intepretasi ini telah dikritik sebagai pernyataan rid dimana hanya burung
yang tidak dapat terbang adalah yang di-infer (disimpulkan) tidak dapat terbang
(Moore 85). Ini merupakan contoh dari "autoepistemic reasoning", yang secara
literal berarti pemberian alasan tentang pengetahuan kita sendiri. Default dart
pemberian alasan autoepistemic digunakan di dalam "commonsense reasoning",
dimana manusia pada umumnya melakukan dengan baik tetapi sangat sulit bagi
komputer.
IFI havenoknowledgeof X
THENXisfalse
222
arti berubah dengan di dalam koonteks. Seperti contoh sederhana dari
konteks-sensitif, perhatikan bagaimana kata "read" / membaca diucapkan dalam
dua kalimat :
Dalam system logika, Can_fly (Tweety) adalah teori yang diperoleh dengan
penggabungkan Tweety dengan variabel x dan implikasi.
Sekarang ganggap aksioma baru ditambahkan yang menyatakan bahwa
Tweety tidak dapat terbang dan berkontradiksi dengan teori yang didapatkan
sebelumnya.
-Can_fly(Tweety)
IFxisabirdANDxistypical
THENxcanfly
IFxisabirdAN Dxisnontypical
THENxcannot fly
223
Perhatikan bahwa system ini tidak invalidasi kesimpulan Can-fly (Tweety),
tetapi mencegah bans yang tidak benar dari (firing) sama sekali. Hal ini merupakap
metode yang lebih efisien dari perawatan kebenaran dibandingkan jika kite
mempunyai satu baris dan aksioma khusus -Can_fly(Tweety). Sekarang kita
mempunyai system yang lebih umum yang dapat dengan mudah menangani
burung yang tidak dapat terbang seperti (ostriches) tanpa kita harus secara kontinue
menambahkan inference bare, yang harus dilakukan oleh system.
3.16. METAKNOWLEDGE.
METARULE 2
IF
Thepatient isacompromisedhost, and
Thereareruleswhichmentionintheir premise
pseudomonas, and
Thereareruleswhichmentionintheirpremise
klebsiellas
THEN
Thereissuggestiveevidence ( 4) that theformer
shouldbedonebeforethelatter
Angka 4 dalam aski bans adalah tingkat tertentu dan akan didiskusikan dalarn
bab selanjutnya nanti.
TEIRESIAS akan menambah pengetahuan secara interaktif dan expert. Jika
diagnosa yang salah dibuat oleh MYCIN, maka TEIRESIAS akan membantu expert
kembali melalui rangkaian pemberian alasan yang tidak benar hingga expert/ahhi
224
menyatakan dimana permulaan pemberian alasan yang tidak benar. Sementara dalam
perjalanan kembali melalui rangkaian pemberian alasan, TEIRESIAS juga akan
berakasi dengan expert untuk memodifikasi baris yang tidak benar atau menambah
bans baru.
Pengetahuan tentang baris bare tidak diletakkan segera dalam MYCIN. Sebagai
pengganti, TEIRESIAS akan menge-check untuk melihat apakah bans bare sesuai
untuk bans yang sama. Misalnya, jika bans bare menjel4kan bagaimana infeksi
masuk ke body dan baris lain yang diterima mempunyai elemen kondisional penentu
portal dari entry/masukan ke body, maka bans yang bare juga demikian. Jika baris
bare tidak menunjukkan portal entry, maka TEIRASIAS akan meminta pemakai
tentang ketidak sesuaian ini. TEIRESIAS mempunyai pola "rule model" dan bans
yang sama yang mengetahuinya, dan mencoba untuk menyesuaikan bans bare ke
dalam model barisnya. Dengan kata lain, model bans merupakan pengetahuan
dimana TEIRESAS mempunyai tentang pengetahuannya. Situasi analogous bagi
manusia akan terjadi jika kita pergi ke dealer mobil untuk membeli mobil baru dan
dealer mencoba untuk menjual mobilnya kepada kita dengan tiga roda.
Metaknowledge dari TEIRESIAS adalah dua type. METARULE-2 yang
dijelaskan sebelumnya adalah strategi kontrol yang mengatakan kepada kita
bagaimana suatu bans diterapkan. Sebaliknya, type model bans dari metaknowledge
akan menentukan jika baris baru ada dalam bentuk yang semestinya untuk
diamasukkan ke dalarn. basis pengetahuan. Dalam expert system yang berdasarkan
baris akan menentukan jika bans bare ada dalam bentuk yang benar adalah
"verification" dari suatu baris. Dengan menentukan bahwa rangkaian inference
yang benar akan menyebabkan ke jawaban yang benar disebut dengan "validation".
Validasi dan verifikasi adalah saling bergantung dimana akronim V & V pada
umumnya digunakan untuk menyebut keduanya. Definisi yang lebih umum
digunakan sehari-hari atas bentuk dari software engineering adalah (Boehm 84).
V & V akan didiskusikan lebih mendalam lagi dalam bab berikutnya nanti.
225
3.17. RINGKASAN.
Dalam bab ini, metode yang digunakan pada umumnya atas pembua*
kesimpulan (infering) untuk expert system telah didiskusikan. Pembuatan kesimpu*
sangatlah penting dalam expert system karena mecupakan teknik dimana expe �t
system memecahkan problem. Aplikasi pohon/tree, graft, dan lattices pa4a
representasi pengetahuan telah didiskusikan. Keuntungan struktur inference juga
telah diilustrasikan.
Logika deduktif mencakup permulaan dengan logika syllogistik yang sederhana.
Berikutnya, logika predikat yang proporsional dan logika predikat first-order telah
didiskusikan. Tabel benar dan bans inference dijelaskan sebagai cara dala n
pembuktian teori dan pernyataan. Karakteristik system logika seperti kelengkapa4,
bunyian, dan decidability telah disebutkan.
Metode resolusi dalam pembuktian teori telah didiskusikan untuk logilka
proporsional, dan logika predikat first-order. Sembilan langkah yang ada dalain
peng-konversi-an formula yang dibentuk dengan baik pads bentuk klausa telah
diilustrasikan dengan contoh. Skolemazation, bentuk prenex-normal, don
penggabungan/penyatuan telah didiskusikan dalam konteks yang meng-konversikin
wff ke bentuk klausa.
Metode lain yang handal dari inference, analogi, telah didiskusikan. Meskipun
tidak secara luas digunakan dalam expert system karena kesulitan di dalain
mengimplementasikannya, analogi sering digunakan oleh orang dan hares
dipertimbangkan dalam design expert system. Pembuatan-dan-test juga telah
didiskusikan dengan contoh penggunaannya di dalam MYCIN. Aplikasi
metaknowledge dalam TEIRESAIS telah dijelaskan dan hubungannnya pada
verifikasi dan validasi dari expert system.
226