INFERENSI
DEFINISI
Inferensi adalah Proses yang digunakan dalam Sistem
Pakar untuk menghasilkan informasi baru dari
informasi yang telah diketahui
Ketika representasi pengetahuan (RP) pada bagian
knowledge base telah lengkap, atau paling tidak telah
berada pada level yang cukup akurat, maka RP
tersebut telah siap digunakan.
Dalam sistem pakar proses inferensi dilakukan dalam
suatu modul yang disebut Inference Engine (Mesin
inferensi).
ENVIRONMENT
Input_1 Input_n
EXPERT SYSTEM
Knowledge Base Inference Engine
ENVIRONMENT
Output_a Output_z
OBJECTIVES
Inference engine merupakan modul yang berisi program
tentang bagaimana mengendalikan proses reasoning.
Premis
Premis 1
2
Premis
n
Conclusions
REASONING
Definisi : Proses bekerja dengan pengetahuan, fakta
dan strategi pemecahan masalah, untuk mengambil
suatu kesimpulan. (Berpikir dan mengambil
kesimpulan)
Metode Reasoning berbasis Logika Predikat
Deductive Reasoning
Inductive Reasoning
Abductive Reasoning
Analogical Reasoning
Common Sense Reasoning
DEDUCTIVE
REASONING
Reasoning deduktif untuk mendeduksi informasi
baru dari hubungan logika pada informasi yang telah
diketahui.
Contoh:
Implikasi : Saya akan basah kuyup jika berdiri ditengah-
tengah hujan deras (AB)
Aksioma : Saya berdiri ditengah-tengah hujan deras (A)
Konklusi : Saya akan basah kuyup (B)
IF A is True AND IF A IMPLIES B is True, Then B is
True
INDUCTIVE
REASONING
Reasoning induktif untuk mengambil kesimpulan
umum dari sejumlah fakta khusus tertentu.
Contoh:
Premis : Monyet di Kebun Binatang Ragunan makan
pisang
Premis : Monyet di Kebun Raya Bogor makan
pisang
Konklusi : Semua monyet makan pisang
ABDUCTIVE
REASONING
Merupakan bentuk dari proses deduksi yang
mengijinkan inferensi plausible.
Plausible berarti bahwa konklusi mungkin bisa
mengikuti informasi yang tersedia, tetapi juga bisa
salah.
Contoh:
Implikasi : Tanah menjadi basah jika terjadi hujan
(BA)
Aksioma : Tanah menjadi basah (B)
Konklusi : Apakah terjadi hujan? (A?)
IF B is True AND A implies B is true, Then A is True?
ANALOGICAL
REASONING
Analogi untuk membantu memahami situasi baru atau objek baru.
Menggambar analogi antara 2 objek/situasi, kemudian melihat
persamaan dan perbedaan untuk memandu proses reasoning.
Contoh :
Andi telah bekerja dengan baik
Andi mendapat kenaikan jabatan
Budi telah bekerja dengan baik
Oleh Sebab itu, Budi mendapat kenaikan jabatan
COMMON SENSE
REASONING
Melalui common sense (pengalaman), manusia
belajar untuk memecahkan masalahnya secara
efisien.
Dalam sistem pakar, dapat dikategorikan sebagai
Heuristic.
TENTUKAN JENIS REASONING
BERIKUT
Soal 1 :
Major premise : I don’t jog when temperature exceeds 90
degrees
Minor premise : Today the temperature is 93(F)
Conclusion : Therefore, I will not jog today
Soal 2 :
P1 : Jika dipanaskan, besi memuai.
P2 : Jika dipanaskan, tembaga memuai.
P3 : Jika dipanaskan, emas memuai.
P4 : Jika dipanaskan, platina memuai
K : jika dipanaskan, logam memuai.
Soal 3 :
Premis mayor : A akan diam jika marah
Premis minor : Saat ini A marah
Kesimpulan : A akan diam
Soal 4 :
Buat contoh analogical reasoning
Soal 5 :
a. My : Penyakit yang disebabkan oleh virus sulit diobati.
Mn : Deman berdarah disebabkan oleh virus.
K :
INFORMA KONKLU
SI SI
FORWARD-CHAINING
Deductive
Apa akibatnya ?
Mengakibatkan apa ?
BACKWARD CHAINING
Pendekatan goal-driven,
HIPOTES
IS SEBAB
BACKWARD CHAINING
Inductive
Diagnosa
Disebabkan oleh apa ?
Apa yang menjadi penyebab ?
BACKWARD ATAU
FORWARD ?
Contoh 1.
Anda ingin terbang dari Denver ke Tokyo dan tidak ada penerbangan
langsung antara kedua kota tersebut. Jadi, anda harus menemukan
connecting flight dari Denver yang berakhir di Tokyo.
Contoh 2
Mobil anda mogok dan anda ingin mencari tahu mengapa mobil tersebut
mogok ?
MOTOR INFERENSI
No. Aturan
R-1 IF A & B THEN C
R-2 IF C THEN D
R-3 IF A & E THEN F
R-4 IF A THEN G
R-5 IF F & G THEN D
Contoh: Ada 10 aturan yang
tersimpan dalam basis pengetahuan. R-6 IF G & E THEN H
Fakta awal yang diberikan hanya: A R-7 IF C & H THEN I
& E (artinya: A dan E bernilai R-8 IF I & A THEN J
benar). Ingin dibuktikan apakah K
R-9 IF G THEN J
bernilai benar (hipotesis: K)?
R-10 IF J THEN K
MOTOR INFERENSI
• Forward Chaining
– Munculnya fakta baru pada saat inferensi:
Aturan Fakta Baru
R-3 F
R-4 G
R-5 D
R-6 H
R-9 J
R-10 K
MOTOR INFERENSI
• FORWARD CHAINING:
R-10
R-9 J K
Fakta R-4
G
A
R-5
R-3 F D R-6 H
E
Fakta
MOTOR INFERENSI
• BACKWARD CHAINING
– Alur inferensi: Fakta
R-10 C A
K J I
R-8 R-7 R-1
A H B
Tidak
diketahui
(a) Pertama: Gagal
Fakta
R-10 R-9 R-4
K J G A