61-67 Maulana 3184
61-67 Maulana 3184
Aturan: 5
Jika pekerjaan itu memberi kuliah
Atau pekerjaan itu menasihati
atau pekerjaannya adalah konseling
maka stimulus_response adalah lisan
Rule: 6
if the job is building
or the job is repairing
or the job is troubleshooting
then the stimulus_response is ‘hands-on’
Aturan: 6
jika pekerjaan sedang membangun
atau pekerjaan sedang diperbaiki
atau pekerjaan itu pemecahan masalah
maka stimulus_response adalah 'langsung'
Rule: 7
if the job is writing
or the job is typing
or the job is drawing
then the stimulus_response is documented
Aturan: 7
jika pekerjaan itu menulis
atau pekerjaan sedang mengetik
atau pekerjaan menggambar
maka respons stimulus didokumentasikan
Rule: 8
if the job is evaluating
or the job is reasoning
or the job is investigating
then the stimulus_response is analytical
Aturan: 8
jika pekerjaan sedang mengevaluasi
atau pekerjaan itu masuk akal
atau pekerjaan sedang menyelidiki
maka stimulus_response bersifat analitis
Rule: 9
if the stimulus_situation is ‘physical object’
and the stimulus_response is ‘hands-on’
and feedback is required
then medium is workshop
Aturan: 9
jika stimulus_situation adalah 'objek fisik'
dan stimulus_response adalah 'langsung'
dan umpan balik diperlukan
maka medium adalah bengkel
Rule: 10
if the stimulus_situation is symbolic
and the stimulus_response is analytical
and feedback is required
then medium is ‘lecture – tutorial’
Aturan: 10
jika situasi stimulus_ simbolis
dan stimulus_response bersifat analitis
dan umpan balik diperlukan
maka mediumnya adalah 'kuliah - tutorial'
Rule: 11
if the stimulus_situation is visual
and the stimulus_response is documented
and feedback is not required
then medium is videocassette
Aturan: 11
jika situasi stimulus_ adalah visual
dan stimulus_response didokumentasikan
dan umpan balik tidak diperlukan
maka medium adalah kaset video
Rule: 12
if the stimulus_situation is visual
and the stimulus_response is oral
and feedback is required
then medium is ‘lecture – tutorial’
Aturan: 12
jika situasi stimulus_ adalah visual
dan stimulus_response adalah lisan
dan umpan balik diperlukan
maka mediumnya adalah 'kuliah - tutorial'
Rule: 13
if the stimulus_situation is verbal
and the stimulus_response is analytical
and feedback is required
then medium is ‘lecture – tutorial’
Aturan: 13
jika situasi stimulus_ adalah verbal
dan stimulus_response bersifat analitis
dan umpan balik diperlukan
maka mediumnya adalah 'kuliah - tutorial'
Rule: 14
if the stimulus_situation is verbal
and the stimulus_response is oral
and feedback is required
then medium is ‘role-play exercises’
Aturan: 14
jika situasi stimulus_ adalah verbal
dan stimulus_response adalah lisan
dan umpan balik diperlukan
maka medium adalah 'latihan bermain peran'
Benda
PENASEHAT MEDIA menggunakan enam objek linguistik: lingkungan, stimulus_situation,
pekerjaan, stimulus_response, umpan balik, dan sedang. Setiap objek dapat mengambil salah
satu nilai yang diizinkan (misalnya, lingkungan objek dapat mengambil nilai kertas, manual,
dokumen, buku teks, gambar, ilustrasi, foto, diagram, mesin, bangunan, alat, angka, formula,
program komputer). Objek dan nilainya merupakan fakta (misalnya, lingkungan adalah mesin,
dan pekerjaan sedang diperbaiki). Semua fakta ditempatkan dalam database.
Options
The final goal of the rule-based expert system is to produce a solution to the problem based on
input data. In MEDIA ADVISOR, the solution is a medium selected from the list of four options:
medium is workshop
medium is ‘lecture – tutorial’
medium is videocassette
medium is ‘role-play exercises’
Pilihan
Tujuan akhir dari sistem pakar berbasis aturan adalah untuk menghasilkan solusi untuk masalah
berdasarkan pada input data. Dalam MEDIA ADVISOR, solusinya adalah media yang dipilih dari
daftar empat opsi:
media adalah bengkel
media adalah ‘kuliah - tutorial’
media adalah kaset video
media adalah 'latihan bermain peran'
Dialogue
In the dialogue shown below, the expert system asks the user to input the data needed to solve
the problem (the environment, the job and feedback). Based on the answers supplied by the
user (answers are indicated by arrows), the expert system applies rules from its knowledge
base to infer that the stimulus_situation is physical object, and the stimulus_response is hands-
on. Rule 9 then selects one of the allowed values of medium.
Dialog
Dalam dialog yang ditunjukkan di bawah ini, sistem pakar meminta pengguna untuk
memasukkan data yang diperlukan untuk menyelesaikan masalah (lingkungan, pekerjaan dan
umpan balik). Berdasarkan jawaban yang diberikan oleh pengguna (jawaban ditunjukkan oleh
panah), sistem pakar menerapkan aturan dari basis pengetahuannya untuk menyimpulkan
bahwa stimulus_situation adalah objek fisik, dan stimulus_response bersifat langsung. Aturan 9
kemudian memilih salah satu nilai medium yang diizinkan.
medium is workshop
Apakah umpan balik mengenai kemajuan peserta pelatihan diperlukan selama pelatihan?
> wajib diisi
Aturan: 9
jika stimulus_situation adalah 'objek fisik'
dan stimulus_response adalah 'langsung'
dan umpan balik diperlukan
maka medium adalah bengkel
Inference techniques
The standard inference technique in Leonardo is backward chaining with opportunistic forward
chaining, which is the most efficient way to deal with the available information. However,
Leonardo also enables the user to turn off either backward or forward chaining, and thus allows
us to study each inference technique separately.
Teknik inferensi
Teknik inferensi standar dalam Leonardo adalah backward chaining dengan forward chaining
oportunistik, yang merupakan cara paling efisien untuk menangani informasi yang tersedia.
Namun, Leonardo juga memungkinkan pengguna untuk mematikan rantai mundur atau maju,
dan dengan demikian memungkinkan kita mempelajari setiap teknik inferensi secara terpisah.
Forward chaining is data-driven reasoning, so we need first to provide some data.
Assume that
the environment is machines
‘environment’ instantiated by user input to ‘machines’
the job is repairing
‘job’ instantiated by user input to ‘repairing’
feedback is required
‘feedback’ instantiated by user input to ‘required’
Forward chaining adalah penalaran yang didorong oleh data, jadi pertama-tama kita
perlu menyediakan beberapa data. Asumsikan bahwa
lingkungan adalah mesin
‘Lingkungan’ dipakai oleh input pengguna ke ‘mesin’
pekerjaan adalah perbaikan
‘Pekerjaan’ dipakai oleh input pengguna untuk ‘memperbaiki’
umpan balik diperlukan
‘Umpan balik’ dipakai oleh input pengguna untuk ‘wajib’
Pass 1
Trying Rule: 9 Need to find object ‘stimulus_situation’
Rule: 9 stacked Object ‘stimulus_situation’ sought as ‘physical object’
Pass 2
Trying Rule: 3 Need to find object ‘environment’
Rule: 3 stacked Object ‘environment’ sought as ‘machines’
ask environment
>machines ‘environment’ instantiated by user input to ‘machines’
Lulus 1
Mencoba Aturan: 9 Perlu menemukan objek 'stimulus_situation'
Aturan: 9 ditumpuk Objek 'stimulus_situation' dicari sebagai 'objek fisik'
Lulus 2
Mencoba Aturan: 3 Perlu menemukan objek 'lingkungan'
Aturan: 3 ditumpuk Objek 'lingkungan' dicari sebagai 'mesin'
tanyakan lingkungan
> mesin lingkungan’ dipakai oleh input pengguna ke ‘mesin’
Pass 3
Trying Rule: 9 Need to find object ‘stimulus_response’
Rule: 9 stacked Object ‘stimulus_response’ sought as ‘hands-on’
Pass 4
Trying Rule: 6 Need to find object ‘job’
Rule: 6 stacked Object ‘job’ sought as ‘building’
ask job
>repairing ‘job’ instantiated by user input to ‘repairing’
Trying Rule: 6 ‘stimulus_response’ instantiated by Rule: 6 to ‘hands-on’
Lulus 3
Mencoba Aturan: 9 Perlu menemukan objek ‘stimulus_response’
Aturan: 9 ditumpuk Objek ‘stimulus_response’ dicari sebagai ‘praktis’
Lulus 4
Mencoba Aturan: 6 Perlu menemukan objek ‘pekerjaan’
Aturan: 6 ditumpuk Objek 'pekerjaan' dicari sebagai 'bangunan'
minta pekerjaan
> memperbaiki ‘pekerjaan’ dipakai oleh input pengguna untuk ‘memperbaiki’
Mencoba Aturan: 6 'stimulus_response' dipakai oleh Aturan: 6 hingga 'langsung'
Pass 5
Trying Rule: 9 Need to find object ‘feedback’
Rule: 9 stacked Object ‘feedback’ sought as ‘required’
ask feedback
>required ‘feedback’ instantiated by user input to ‘required’
Trying Rule: 9 ‘medium’ instantiated by Rule: 9 to ‘workshop’
medium is workshop
Lulus 5
Mencoba Aturan: 9 Perlu menemukan objek ‘umpan balik’
Aturan: 9 ditumpuk Objek ‘umpan balik’ dicari sesuai ‘wajib’
It is useful to have a tree diagram that maps a consultation session with an expert
system. A diagram for MEDIA ADVISOR is shown in Figure 2.8. The root node is the goal; when
the system is started, the inference engine seeks to determine the goal’s value.
Penting untuk memiliki diagram pohon yang memetakan sesi konsultasi dengan sistem
pakar. Diagram untuk MEDIA ADVISOR ditunjukkan pada Gambar 2.8. Simpul root adalah
tujuannya; ketika sistem dimulai, mesin inferensi berusaha menentukan nilai sasaran.
Figure 2.8 Tree diagram for the rule-based expert system MEDIA ADVISOR
Thus, MEDIA ADVISOR in its present state cannot handle this particular situation. Fortunately,
the expert system can easily be expanded to accommodate more rules until it finally does what
the user wants it to do.
Dengan demikian, MEDIA ADVISOR dalam kondisi saat ini tidak dapat menangani situasi khusus
ini. Untungnya, sistem pakar dapat dengan mudah diperluas untuk mengakomodasi lebih
banyak aturan sampai akhirnya melakukan apa yang diinginkan pengguna.
Rule 2:
IF the ‘traffic light’ is red
THEN the action is stop
Rule 3:
IF the ‘traffic light’ is red
THEN the action is go
2.8 Resolusi konflik
Sebelumnya dalam bab ini, kami mempertimbangkan dua aturan sederhana untuk
menyeberang jalan. Mari kita tambahkan aturan ketiga. Kami akan mendapatkan seperangkat
aturan berikut:
Aturan 1:
JIKA 'lampu lalu lintas' berwarna hijau
MAKA aksinya pergi
Aturan 2:
JIKA 'lampu lalu lintas' berwarna merah
MAKA aksinya berhenti
Aturan 3:
JIKA 'lampu lalu lintas' berwarna merah
MAKA aksinya pergi
Jika lampu lalu lintas berwarna merah, aturan mana yang harus dijalankan?
Dalam forward chaining, kedua aturan tersebut akan di-fix. Aturan 2 adalah yang pertama
sebagai yang paling atas, dan sebagai hasilnya, MAKA bagiannya dieksekusi dan tindakan objek
linguistik mendapatkan nilai stop. Namun, Aturan 3 juga tetap karena bagian kondisi dari aturan
ini cocok dengan fakta 'lampu lalu lintas' berwarna merah, yang masih ada di database. Sebagai
akibatnya, aksi objek mengambil nilai baru. Contoh sederhana ini menunjukkan bahwa aturan
aturan sangat penting ketika teknik inferensi rantai maju digunakan.
Fire the rule with the highest priority. In simple applications, the priority can be established
by placing the rules in an appropriate order in the knowledge base. Usually this strategy
works well for expert systems with around 100 rules. However, in some applications, the
data should be processed in order of importance. For example, in a medical consultation
system (Durkin, 1994), the following priorities are introduced: