Logical Agents. Chastine Fatichah. Teknik Informatika Institut Teknologi Sepuluh Nopember November 2012
|
|
- Ari Wibowo
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Kecerdasan Buatan (KI092301) Logical Agents Chastine Fatichah Teknik Informatika Institut Teknologi Sepuluh Nopember November / 62
2 Pokok Bahasan Knowledge-based agents Contoh: Wumpus world Logic Propositional logic Equivalence, validity, satisfiability Inference rules dan metode pembuktian forward chaining backward chaining resolution 2/ 62
3 Outline Knowledge-based agents Contoh: Wumpus world Logic Propositional logic Equivalence, validity, satisfiability Inference rules dan metode pembuktian forward chaining backward chaining resolution 3 / 62
4 Knowledge bases Knowledge base (pengetahuan) = sekumpulan kalimat pada sebuah bahasa formal Pendekatan deklaratif membangun agent : Beritahu informasi yg relevan, simpan dalam KB (Tell) Agen dapat ditanya (bertanya pd diri sendiri) apa yang sebaiknya dilakukan berdasarkan KB (Ask) Agen dapat ditunjukkan level pengetahuan Contoh: apa yg mereka ketahui, bagaimana implementasinya Atau level implementasi Contoh: struktur data pada KB dan algoritma-algoritma yang memanipulasi 4
5 Knowledge-based Agent Agen harus dapat: Merepresentasikan state, action, dll. Menerima informasi baru Mengupdate representasi Menyimpulkan pengetahuan lain yang tidak eksplisit (hidden property) Menyimpulkan action apa yang perlu diambil 5
6 Outline Knowledge-based agents Contoh: Wumpus world Logic Propositional logic Equivalence, validity, satisfiability Inference rules dan metode pembuktian forward chaining backward chaining resolution 6
7 Wumpus World Performance measure emas +1000, mati gerak -1, panah -10 Environment Squares adjacent to wumpus are smelly Squares adjacent to pit are breezy Glitter iff gold is in the same square Shooting kills wumpus if you are facing it Shooting uses up the only arrow Grabbing picks up gold if in same square Releasing drops the gold in same square Sensors: Stench, Breeze, Glitter, Bump, Scream Actuators: Left turn, Right turn, Forward, Grab, Release, Shoot 7
8 Karakteristik Wumpus world Fully Observable No hanya local persepsi Deterministic Yes keluaran yg bisa dispesifikasikan secara tepat Episodic No sequential pada level aksi Static Yes Wumpus dan Pits tidak bergerak Discrete Yes Single-agent? Yes Wumpus mmepunyai fitur alami 8
9 Exploring a wumpus world 9
10 Exploring a wumpus world 10
11 Exploring a wumpus world 11
12 Exploring a wumpus world 12
13 Exploring a wumpus world 13
14 Exploring a wumpus world 14
15 Exploring a wumpus world 15
16 Exploring a wumpus world 16
17 Logic Logic adalah bahasa formal untuk merepresentasikan informasi sedemikian hingga kesimpulan dapat dibuat Syntax mendefinisikan kalimat-kalimat pada bahasa Semantics mendefinisikan arti kalimat; misal, mendefinisikan kebenaran sebuah kalimat Contoh, bahasa aritmatika x+2 y is a sentence; x2+y > is not a sentence x+2 y is true iff the number x+2 is no less than the number y x+2 y is true in a world where x = 7, y = 1 x+2 y is false in a world where x = 0, y = 6 17
18 Entailment Entailment artinya bahwa sesuatu mengikuti dari yang lain KB Knowledge base KB entails kalimat α jika dan hanya jika α adalah true pada semua dunia dimana KB bernilai true Misal, KB the Giants won dan the Reds won entails Either the Giants won or the Reds won Misal, x+y = 4 entails 4 = x+y Entailment adalah sebuah hubungan antar kalimat ( syntax) yang didasarkan pada semantics 18
19 Models m adalah sebuah model pada sebuah kalimat α jika α bernilai true pada m M(α) adalah kumpulan semua model pada α KB α iff M(KB) M(α) Misal: KB = Giants won and Reds won α = Giants won 19
20 Entailment pada wumpus world Situasi setelah deteksi nothing in [1,1], moving right, breeze in [2,1] Kemungkinan semua model pada KB yang mengasumsikan hanya ada pits 3 Boolean terpilih 8 possible models 20
21 Wumpus models 21
22 Wumpus models KB = wumpus-world rules + observations 22
23 Wumpus models KB = wumpus-world rules + observations α 1 = "[1,2] is safe", KB α 1, proved by model checking 23
24 Wumpus models KB = wumpus-world rules + observations 24
25 Wumpus models KB = wumpus-world rules + observations α 2 = "[2,2] is safe", KB α 2 25
26 Inference KB i α = kalimat α dapat diderivasi dari KB dengan prosedur I Soundness: i adalah sound jika KB i α, bernilai juga benar pada KB α Completeness: i adalah complete jika KB α, bernilai juga benar pada KB i α 26
27 Propositional logic: Syntax Propositional logic adalah logika paling sederhana menggambarkan ide dasar Simbol proposisi P 1, P 2 dll adalah sebuah kalimat If S is a sentence, S is a sentence (negation) If S 1 and S 2 are sentences, S 1 S 2 is a sentence (conjunction) If S 1 and S 2 are sentences, S 1 S 2 is a sentence (disjunction) If S 1 and S 2 are sentences, S 1 S 2 is a sentence (implication) If S 1 and S 2 are sentences, S 1 S 2 is a sentence (biconditional) 12/10/2012 Logical Kecerdasan Buatan (KI092301) 27
28 Logika Propositional: Semantics Tiap model menspesifikasikan true/false untuk setiap simbol proposisi Misal:P 1,2 P 2,2 P 3,1 false true false Dengan simbol ini, 8 possible models, dapat digenerate secara otomatis Rule untuk mengevaluasi nilai kebenaran dengan model m: S is true iff S is false S 1 S 2 is true iff S 1 is true and S 2 is true S 1 S 2 is true iff S 1 is true or S 2 is true S 1 S 2 is true iff S 1 is false or S 2 is true i.e., is false iff S 1 is true and S 2 is false S 1 S 2 is true iff S 1 S 2 is true ands 2 S 1 is true Proses recursif sederhana mengevaluasi sebuah kalimat, misal P 1,2 (P 2,2 P 3,1 ) = true (true false) = true true = true 28
29 Tabel kebenaran untuk konektifitas 29
30 Kalimat pada Wumpus world Let P i,j be true if there is a pit in [i, j]. Let B i,j be true if there is a breeze in [i, j]. P 1,1 B 1,1 B 2,1 "Pits cause breezes in adjacent squares B 1,1 (P 1,2 P 2,1 ) B 2,1 (P 1,1 P 2,2 P 3,1 ) 30
31 Tabel Kebenararan untuk inference 31
32 Inference dengan enumeration Untuk n symbol, waktu kompleksitas adalah O(2 n ), space kompleksitas adalah O(n) 32
33 Logical equivalence Dua kalimat adalah logically equivalent iff bernilai true pada model yang sama: α ß iff α β and β α 33
34 Validity dan satisfiability Sebuah kalimat adalah valid jika bernilai true pada semua model, Misal, True, A A, A A, (A (A B)) B Validity dihubungkan ke inference melalui Deduction Theorem: KB α if and only if (KB α) is valid Sebuah kalimat adalah satisfiable jika bernilai true pada beberapa model Misal: A B, C Sebuah kalimat adalah unsatisfiable jika bernilai salah pada semua model Misal: A A Satisfiability dihubungkan ke inference melalui : KB α if and only if (KB α) is unsatisfiable 34
35 Resolution Conjunctive Normal Form (CNF) conjunction of disjunctions of literals clauses E.g., (A B) (B C D) Resolution inference rule (for CNF): l i l k, m 1 m n l i l i-1 l i+1 l k m 1 m j-1 m j+1... m n dimana l i dan m j adalah complementary literals. Misal: P 1,3 P 2,2, P 2,2 P 1,3 35
36 Resolution Soundness of resolution inference rule: (l i l i-1 l i+1 l k ) l i m j (m 1 m j-1 m j+1... m n ) (l i l i-1 l i+1 l k ) (m 1 m j-1 m j+1... m n ) 36
37 Konversi ke CNF B 1,1 (P 1,2 P 2,1 )β 1. Eliminate, replacing α β with (α β) (β α). (B 1,1 (P 1,2 P 2,1 )) ((P 1,2 P 2,1 ) B 1,1 ) 2. Eliminate, replacing α β with α β. ( B 1,1 P 1,2 P 2,1 ) ( (P 1,2 P 2,1 ) B 1,1 ) 3. Move inwards using de Morgan's rules and doublenegation: ( B 1,1 P 1,2 P 2,1 ) (( P 1,2 P 2,1 ) B 1,1 ) 4. Apply distributivity law ( over ) and flatten: ( B 1,1 P 1,2 P 2,1 ) ( P 1,2 B 1,1 ) ( P 2,1 B 1,1 ) 37
38 Algortima Resolution 38
39 Resolution example KB = (B 1,1 (P 1,2 P 2,1 )) B 1,1 α = P 1,2 39
40 Forward and backward chaining Horn Form (restricted) KB = conjunction of Horn clauses Horn clause = proposition symbol; or (conjunction of symbols) symbol E.g., C (B A) (C D B) Modus Ponens (for Horn Form): complete for Horn KBs α 1,,α n, β α 1 α n β Can be used with forward chaining or backward chaining. These algorithms are very natural and run in linear time 40
41 Forward chaining Ide: sembarang rule yang memiliki premise yang satisfy dalam KB, Tambahkan kesimpulan ke KB, sampai query ditemukan 41
42 Algortima Forward chaining 42
43 Contoh Forward chaining 43
44 Contoh Forward chaining 44
45 Contoh Forward chaining 45
46 Contoh Forward chaining 46
47 Forward chaining example 47
48 Contoh Forward chaining 48
49 Contoh Forward chaining 49
50 Contoh Forward chaining 50
51 Backward chaining Ide: bekerja backwards dari query q: membuktikan q dengan BC, cek jika q sudah diketahui, atau buktikan dengan BC semua premise pada beberapa rule concluding q Avoid loops: chek jika subgoal baru sudah siap pada stack tujuan Avoid repeated work: check if new subgoal telah terbukti benar, atau telah gagal 51
52 Contoh Backward chaining 52
53 Contoh Backward chaining 53
54 Contoh Backward chaining 54
55 Contoh Backward chaining 55
56 Contoh Backward chaining 56
57 Contoh Backward chaining 57
58 Contoh Backward chaining 58
59 Contoh Backward chaining 59
60 Contoh Backward chaining 60
61 Contoh Backward chaining 61
62 Sumber : 1.Slide perkuliahan Stuart Russell's (Berkeley) 62
IKI 30320: Sistem Cerdas Kuliah 10: Logical Agents
IKI 3030: Sistem Cerdas : al gents Fakultas Ilmu Komputer Universitas Indonesia 0 Oktober 007 Outline Knowledge-based 3 4 5 6 Outline Knowledge-based 3 4 5 6 Pentingnya pengetahuan Problem solving : memilih
Lebih terperinciPertemuan 10. Introduction to Logic Propositional Logic
Pertemuan 10 Introduction to Logic Propositional Logic Logical Intelligent Agent Problem solving agent hanya bisa menyelesaikan masalah yang lingkungannya accessible Kita membutuhkan agen yang dapat menambah
Lebih terperinciIKI 30320: Sistem Cerdas Kuliah 11: Logical Inference & Wumpus Agent
IKI 30320: Sistem Cerdas : Logical Inference & Wumpus Agent Fakultas Ilmu Komputer Universitas Indonesia 24 Oktober 2007 Outline 1 2 3 Knowledge-based Jenis-jenis metode pembuktian Secara umum, ada 2 jenis:
Lebih terperinciIKI30320 Kuliah Mar Ruli Manurung. Knowledge base. agent. Contoh: Wumpus World. Logic. Propositional logic. Metode pembuktian.
Outline Knowledge-based IKI 33: Sistem Cerdas : al gents (revised) 3 4 Fakultas Ilmu Komputer Universitas Indonesia 5 6 entingnya pengetahuan Knowledge-based roblem solving : memilih solusi di antara kemungkinan
Lebih terperinciFirst-Order Logic. Chastine Fatichah. Teknik Informatika Institut Teknologi Sepuluh Nopember November 2012
Kecerdasan Buatan First-Order Logic Chastine Fatichah Teknik Informatika Institut Teknologi Sepuluh Nopember November 2012 1 / 17 Pokok Bahasan Mengapa FOL? Syntax dan semantics pada FOL Penggunaan FOL
Lebih terperinciKecerdasan Buatan. Representasi Pengetahuan & Penalaran... Pertemuan 05. Husni
Kecerdasan Buatan Pertemuan 05 Representasi Pengetahuan & Penalaran... Husni Lunix96@gmail.com http://komputasi.wordpress.com S1 Teknik Informatika, STMIK AMIKOM, 2013 Outline Pendahuluan Logika Proposisi
Lebih terperinciProposition Logic. (Logika Proposisional) Bimo Sunarfri Hantono
Proposition Logic (Logika Proposisional) Bimo Sunarfri Hantono bimo@te.ugm.ac.id Proposition (pernyataan) Merupakan komponen penyusun logika dasar yang dilambangkan dengan huruf kecil (p, q, r,...) yang
Lebih terperinciPertemuan 9. Mid Term Discussions Alpha Beta Pruning Logical Agent (intro to proportional logic)
Pertemuan 9 Mid Term iscussions lpha eta Pruning Logical gent (intro to proportional logic) lgoritma lpha eta (optimized MinMax) eberapa cabang tidak perlu untuk dibuka jika berhadapan dengan lawan yang
Lebih terperinciLOGIKA INFORMATIKA PROPOSITION LOGIC. Materi-2. Heri Sismoro, M.Kom. STMIK AMIKOM Yogyakarta
Materi-2 PROPOSITION LOGIC LOGIKA INFORMATIKA Heri Sismoro, M.Kom. STMIK AMIKOM Yogyakarta STMIK AMIKOM YOGYAKARTA Jl. Ringroad Utara Condong Catur Yogyakarta. Telp. 0274 884201 Fax 0274-884208 Website:
Lebih terperinciLOGIKA INFORMATIKA PROPOSITION LOGIC. Materi 1. Proposition Sentences Notation Interpretation Exercise
Materi 1 PROPOSITION LOGIC Proposition Sentences Notation Interpretation Exercise LOGIKA INFORMATIKA Heri Sismoro, M.Kom. STMIK AMIKOM Yogyakarta 2010 1 Propositions Komponen dasar pembentuk kalimat logika
Lebih terperinciBahasan Terakhir... Pencarian Iteratif. Pencarian Adversarial. Simulated Annealing Pencarian Tabu Mean Ends. Minimax (Min-Max) Alpha-Beta Pruning
Bahasan Terakhir... Pencarian Iteratif Simulated Annealing Pencarian Tabu Mean Ends Pencarian Adversarial Minimax (Min-Max) Alpha-Beta Pruning Tugas Hard Copy (Lanjutan...) Pencarian Iteratif Simulated
Lebih terperinciAgent Cerdas. Chastine Fatichah. Teknik Informatika Institut Teknologi Sepuluh Nopember November 2012
Kecerdasan Buatan Agent Cerdas Chastine Fatichah Teknik Informatika Institut Teknologi Sepuluh Nopember November 2012 1 / 25 Pokok Bahasan Agent & environment Konsep Rational Agents PEAS (Performance measure,
Lebih terperinciMATERI 1 PROPOSITIONAL LOGIC
MATERI 1 PROPOSITIONAL LOGIC 1.1 Pengantar Beberapa pernyataan (statement) dapat langsung diterima kebenarannya tanpa harus tahu kebenaran pembentuknya Ada kehidupan di Bulan atau tidak ada kehidupan di
Lebih terperinciLogika Proposisional Ema Utami STMIK AMIKOM Yogyakarta
Logika Proposisional Ema Utami STMIK AMIKOM Yogyakarta Logika proposisional merupakan ilmu dasar untuk mempelajari algoritma dan logika yang terkait di dalamnya yang berperanan sangat penting dalam pemrograman.
Lebih terperinciMateri-3 PROPOSITION LOGIC. Properties of Sentences Inference Methods Quantifier Sentences
Materi-3 PROPOSITION LOGIC Properties of Sentences Inference Methods Quantifier Sentences 1 Properties of Sentences Adalah sifat-sifat yang dimiliki oleh kalimat logika Ada 3 sifat, yaitu: 1. Valid 2.
Lebih terperinciPROPOSITION LOGIC LOGIKA INFORMATIKA. Properties of Sentences Inference Methods Quantifier Sentences. Heri Sismoro, M.Kom. STMIK AMIKOM Yogyakarta
1 PROPOSITION LOGIC Properties of Sentences Inference Methods Quantifier Sentences LOGIKA INFORMATIKA Heri Sismoro, M.Kom. STMIK AMIKOM Yogyakarta 2 Properties of Sentences Adalah sifat-sifat yang dimiliki
Lebih terperinciDasar-dasar Logika. (Review)
Dasar-dasar Logika (Review) Intro Logika berhubungan dengan kalimat-kalimat dan hubungan antar kalimat. Tujuan: menentukan apakah suatu kalimat / masalah bernilai benar (TRUE) atau salah (FALSE) Kalimat
Lebih terperinciREPRESENTASI PENGETAHUAN
REPRESENTASI PENGETAHUAN Representasi Pengetahuan (Knowledge Representation) dimaksudkan untuk menangkap sifatsifat penting masalah dan membuat infomasi dapat diakses oleh prosedur pemecahan masalah. Bahasa
Lebih terperincikusnawi.s.kom, M.Eng version
Propositional Logic 3 kusnawi.s.kom, M.Eng version 1.1.0.2009 Properties of Sentences Adalah sifat-sifat yang dimiliki oleh kalimat logika. Ada 3 sifat logika yaitu : - Valid(Tautologi) - Kontradiksi -
Lebih terperinciTABEL KEBENARAN. Liduina Asih Primandari, S.Si.,M.Si. P a g e 8
P a g e 8 TABEL KEBENARAN A. Logika Proposisional dan Predikat Logika proposional adalah logika dasar yang harus dipahami programmer karena logika ini yang menjadi dasar dalam penentuan nilai kebenaran
Lebih terperinciLogika Informatika. Bambang Pujiarto
Logika Informatika Bambang Pujiarto LOGIKA mempelajari atau berkaitan dengan prinsip-prinsip dari penalaran argument yang valid studi tentang kriteria-kriteria untuk mengevaluasi argumenargumen dengan
Lebih terperinciRefreshing Materi Kuliah Semester Pendek 2010/2011. Logika dan Algoritma. Heri Sismoro, M.Kom.
Refreshing Materi Kuliah Semester Pendek 2010/2011 Logika dan Algoritma Heri Sismoro, M.Kom. STMIK AMIKOM YOGYAKARTA 2011 Materi 1. Logika Informatika Adalah logika dasar dalam pembuatan algoritma pada
Lebih terperinciInference First Order Logic
Inference First Order Logic Chastine Fatichah Teknik Informatika Institut Teknologi Sepuluh Nopember November 2012 Kecerdasan Buatan 1 (KI092301) Pokok Bahasan Mengubah First Order Logic ke Propotional
Lebih terperinci---Sistem Pakar--- By Anjik Sukmaaji
Sistem Berbasis Aturan ---Sistem Pakar--- By Anjik Sukmaaji Objectives Review Pertemuan-1 Rules Based Sistem Inferensi Forward Chaining Studi Kasus I : Identifikasi Binatang Inferensi Backward Chaining
Lebih terperinciPengantar Logika - 2
Matematika Komputasional Pengantar Logika - 2 Oleh: M. Ali Fauzi PTIIK - UB 1 Tingkat Presedensi Urutan pengerjaan logika: 2 Tingkat Presedensi Urutan pengerjaan logika: Jadi, jika ada p q r berarti lebih
Lebih terperinci2.1. Definisi Logika Proposisi Logika proposisi Atomic proposition compound proposition
2. LOGIKA PROPOSISI 2.1. Definisi Logika Proposisi Logika proposisi adalah logika pernyataan majemuk yang disusun dari pernyataanpernyataan sederhana yang dihubungkan dengan penghubung Boolean (Boolean
Lebih terperinciPengenalan Intelligent Agent
Pengenalan Intelligent Agent Pertemuan II Wahyu Supriyatin Intelligent Agent Sistem agent pintar yang dirancang untuk bekerja secara otomatis pada setiap aplikasinya dengan sensornya yaitu menerima pesan
Lebih terperinciMatematika diskrit Bagian dari matematika yang mempelajari objek diskrit.
Matematika diskrit Bagian dari matematika yang mempelajari objek diskrit. Banyak masalah yang dapat diatasi dengan menggunakan konsep yang ada di MATDIS, antara lain : 1. Berapa besar kemungkinan kita
Lebih terperinciIKI 30320: Sistem Cerdas Kuliah 16: Probabilistic Reasoning
IKI 30320: Sistem Cerdas : Probabilistic Reasoning Fakultas Ilmu Komputer Universitas Indonesia 21 November 2007 Outline 1 2 3 4 5 Outline 1 2 3 4 5 Knowledge engineering di FKG Anda diminta membuat agent
Lebih terperinciBerpikir Komputasi. Sisilia Thya Safitri, MT Citra Wiguna, M.Kom. 3 Logika Proposisional (I)
Berpikir Komputasi Sisilia Thya Safitri, MT Citra Wiguna, M.Kom 3 Logika Proposisional (I) Capaian Sub Pembelajaran Mahasiswa dapat memahami logika proposisional sebagai dasar penerapan algoritma. Outline
Lebih terperinciIKI30320 Kuliah Nov Ruli Manurung. Uncertainty. Probability theory. Semantics & Syntax. Inference. Ringkasan
Outline IKI 30320: Sistem Cerdas : Probabilistic Reasoning 1 2 3 Fakultas Ilmu Komputer Universitas Indonesia 4 21 November 2007 5 Knowledge engineering di FKG Duniah penuh ketidakpastian (uncertainty)
Lebih terperinciRepresentasi Kalimat Logika ke dalam Matriks Trivia
Representasi Kalimat Logika ke dalam Matriks Trivia Rio Chandra Rajagukguk 13514082 Program Studi Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132,
Lebih terperinciLogika Proposisi 1: Motivasi Pohon Urai (Parse Tree)
Logika Proposisi 1: Motivasi Pohon Urai (Parse Tree) Kuliah Logika Matematika Semester Ganjil 2015-2016 MZI Fakultas Informatika Telkom University FIF Tel-U Agustus 2015 MZI (FIF Tel-U) Logika Proposisi
Lebih terperinciq = Socrates is a man r = Socrates is mortal Bila dibuat tabel kebenaran, hasilnya invalid.
METODE INFERENSI (2) KETERBATASAN LOGIKA PROPOSISI - Perhatikan contoh berikut : All men are mortal Socrates is a man Therefore, Socrates is mortal Misal : p = All men are mortal q = Socrates is a man
Lebih terperinciAgen Cerdas. Oleh: Dewi Liliana IT PNJ
Agen Cerdas Oleh: Dewi Liliana IT PNJ Tujuan Mengetahui konsep agen cerdas dan lingkungan agen cerdas. Mengetahui konsep PEAS (Performance measure, Environment, Actuators, Sensors) untuk merancang agen
Lebih terperinciPENYELESAIAN MASALAH PENJADWALAN UJIAN DENGAN SAT
PENYELESAIAN MASALAH PENJADWALAN UJIAN DENGAN SAT Cecilia E. Nugraheni Jurusan Teknik Informatika Universitas Katolik Parahyangan, Bandung cheni@home.unpar.ac.id ABSTRACT Exam scheduling is a combinatorial
Lebih terperinciIntelligent Agent. PERTEMUAN 10 Diema Hernyka Satyareni, M.Kom
Intelligent Agent PERTEMUAN 10 Diema Hernyka Satyareni, M.Kom Outline Konsep Agen Cerdas dan Lingkungannya Konsep Perancangan Agen Cerdas Perancangan Agen Cerdas Karakteristik Agen Arsitektur Agen Tipe
Lebih terperinciREPRESENTASI PENGETAHUAN. Pertemuan 6 Diema Hernyka Satyareni, M. Kom
REPRESENTASI PENGETAHUAN Pertemuan 6 Diema Hernyka Satyareni, M. Kom KOMPETENSI DASAR Mahasiswa dapat merepresentasi pengetahuan dalam Sistem Intelegensia MATERI BAHASAN Logika Jaringan Semantik Frame
Lebih terperinciSoal Ujian Akhir Semester Pendek TA. 2006/2007 D3-Manajemen Informatika
Soal Ujian Akhir Semester Pendek TA. 2006/2007 D3-Manajemen Informatika Mata Ujian : Logika dan Algoritma Dosen : Heri Sismoro, S.Kom., M.Kom. Hari, tanggal : Selasa, 07 Agustus 2007 Waktu : 100 menit
Lebih terperinciExpert System. Siapakah pakar/ahli. Pakar VS Sistem Pakar. Definisi
Siapakah pakar/ahli Expert System Seorang pakar atau ahli adalah: seorang individu yang memiliki kemampuan pemahaman superior dari suatu masalah By: Uro Abdulrohim, S.Kom, MT Definisi Program komputer
Lebih terperinciIMPLEMENTASI STRATEGI PERLAWANAN UNTUK PEMBUKTIAN VALIDITAS ARGUMEN DENGAN METODE REDUCTIO AD ABSURDUM
IMPLEMENTASI STRATEGI PERLAWANAN UNTUK PEMBUKTIAN VALIDITAS ARGUMEN DENGAN METODE REDUCTIO AD ABSURDUM Abstrak Pembuktian validitas argumen dengan menggunakan tabel kebenaran memerlukan baris dan kolom
Lebih terperinciPIRANTI LUNAK PEMBUKTIAN PERNYATAAN LOGIKA PROPOSISI DENGAN METODE RESOLUSI MENGGUNAKAN BAHASA PEMROGRAMAN PROSEDURAL
PIRANTI LUNAK PEMBUKTIAN PERNYATAAN LOGIKA PROPOSISI DENGAN METODE RESOLUSI MENGGUNAKAN BAHASA PEMROGRAMAN PROSEDURAL Arnold Aribowo, Kristian Frits Harris, Budi Berlinton Sitorus Universitas Pelita Harapan,
Lebih terperincikusnawi.s.kom, M.Eng version
Propositional Logic 3 kusnawi.s.kom, M.Eng version 1.0.0.2009 Adalah sifat-sifat yang dimiliki oleh kalimat logika. Ada 3 sifat logika yaitu : - Valid(Tautologi) - Kontradiksi - Satisfiable(Contingent).
Lebih terperinciSISTEM BASIS DATA. Pertemuan 9. Functional Dependencies. Copyright 2007 Ramez Elmasri and Shamkant B. Navathe.
Pertemuan 9 Functional Dependencies Copyright 2007 Ramez Elmasri and Shamkant B. Navathe Chapter Outline 1 Panduan Desain Informal untuk Relational Databases 1.1Semantics of the Relation Attributes 1.2
Lebih terperinciSistem Berbasis Pengetahuan
Sistem Berbasis Pengetahuan Komponen SBP Basis pengetahuan = kumpulan kalimat dalam sebuah bahasa formal yang merepresentasikan pengetahuan dunia nyata Inference Engine = Algoritma / Program untuk melakukan
Lebih terperinci2/22/2017 IDE DASAR PENGANTAR SISTEM PAKAR MODEL SISTEM PAKAR APLIKASI KECERDASAN BUATAN
APLIKASI KECERDASAN BUATAN PENGANTAR SISTEM PAKAR Shinta P. Sari Prodi. Informatika Fasilkom UIGM, 2017 Definisi : Sebuah program komputer yang dirancang untuk memodelkan kemampuan menyelesaikan masalah
Lebih terperinciMODEL HEURISTIK. Capaian Pembelajaran. N. Tri Suswanto Saptadi
1 MODEL HEURISTIK N. Tri Suswanto Saptadi 2 Capaian Pembelajaran Mahasiswa dapat memahami dan mampu mengaplikasikan model Heuristik untuk menyelesaikan masalah dengan pencarian solusi terbaik. 1 3 Model
Lebih terperinciInformed Search (Heuristic) & Eksplorasinya
Informed Search (Heuristic) & Eksplorasinya Chastine Fatichah Teknik Informatika Institut Teknologi Sepuluh Nopember November 2012 1 / 21 Pokok Bahasan Uninformed search strategies Best-first search Greedy
Lebih terperinciSATUAN ACARA PERKULIAHAN MATA KULIAH : SISTEM CERDAS (AK014226) FAKULTAS / JURUSAN : TEKNIK KOMPUTER / D3 SKS/SEMESTER : 2/5
SATUAN ACARA PERKULIAHAN MATA KULIAH : SISTEM CERDAS (AK014226) FAKULTAS / JURUSAN : TEKNIK KOMPUTER / D3 SKS/SEMESTER : 2/5 Minggu Ke Pokok Bahasan Dan TIU 1 Pengenalan Intelegensi Buatan (KB) konsep
Lebih terperinciLogika Predikat (Kalkulus Predikat)
Logika Predikat (Kalkulus Predikat) Kuliah (Pengantar) Metode Formal Semester Ganjil 2015-2016 M. Arzaki Fakultas Informatika Telkom University FIF Tel-U November 2015 MZI (FIF Tel-U) Logika Predikat (Kalkulus
Lebih terperinciArsitektur Komputer. Pertemuan ke-2 - Aritmatika Komputer >>> Sistem bilangan & Format Data - Perkembangan Perangkat Keras Komputer
Arsitektur Komputer Pertemuan ke-2 - Aritmatika Komputer >>> Sistem bilangan & Format Data - Perkembangan Perangkat Keras Komputer ARITMATIKA KOMPUTER Materi : Englander, bab 2 dan 3 Stallings, bab 8 IEEE
Lebih terperinciRepresentasi Pengetahuan (Bagian 3) Logika dan Himpunan. Pertemuan 6
Representasi Pengetahuan (Bagian 3) Logika dan Himpunan Pertemuan 6 Syllogisme Adalah logika formal pertama yang dikembangkan oleh filsuf Yunani, Aristotle pada abad ke-4 SM. Syllogisme mempunyai dua premises
Lebih terperinciSATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA
Mata Kuliah Kode / SKS Program Studi Fakultas : Sistem Kecerdasan Buatan : AK012229 / 2 SKS : Sistem Komputer : Ilmu Komputer & Teknologi Informasi 1 Pengenalan Intelegensi Buatan (KB) konsep Intelegensi
Lebih terperinciProgram Kuliah Fondasi Matematika Pertemuan 4-7
Program Kuliah Fondasi Matematika Pertemuan 4-7 Pertemuan 4 Memahami denisi fungsi proposisi Mengidentikasi nilai kebenaran fungsi proposisi Menentukan domain di mana fungsi proposisi bernilai benar Memahami
Lebih terperinciFORWARD & BACKWARD CHAINING SISTEM PAKAR
FORWARD & BACKWARD CHAINING SISTEM PAKAR Inferensi Inferensi adalah konklusi logis (logical conclusion) atau implikasi berdasarkan informasi yang tersedia Merupakan proses untuk menghasilkan informasi
Lebih terperinciIKI30320 Kuliah Okt Ruli Manurung. Mengapa FOL? Definisi FOL Syntax FOL Semantics FOL Quantifiers Equality. KBA dgn. FOL.
Outline 1?? Definisi IKI 30320: Sistem Cerdas : First Order Logic? Definisi 2 Definisi Fakultas Ilmu Komputer Universitas Indonesia 29 Oktober 2007 3 4 5 Propositional logic sebagai KRL First Order Logic?
Lebih terperinciLEMBAR TUGAS MAHASISWA ( LTM )
LEMBAR TUGAS MAHASISWA ( LTM ) SISTEM PAKAR Program Studi Teknik Informatika Program Strata Satu (S1) Tahun 2015 NIM NAMA KELAS :. :.. :. SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER NUSAMANDIRI Jakarta
Lebih terperinciLogika Proposisi. Pertemuan 2 (Chapter 10 Schaum, Set Theory) (Chapter 3/4 Schaum, Theory Logic)
Logika Proposisi Pertemuan 2 (Chapter 10 Schaum, Set Theory) (Chapter 3/4 Schaum, Theory Logic) Logika Proposisional Tujuan pembicaraan kali ini adalah untuk menampilkan suatu bahasa daripada kalimat abstrak
Lebih terperinciProblem solving by Searching. Materi 3 Kecerdasan Buatan Oleh: Dewi Liliana TI PNJ
Problem solving by Searching Materi 3 Kecerdasan Buatan Oleh: Dewi Liliana TI PNJ Pendahuluan Pengantar : Membahas agen cerdas penyelesaian problem serta strategi uninformed untuk memecahkan masalah. Tujuan:
Lebih terperinciPRAKTIKUM PEMROGRAMAN DASAR
PRAKTIKUM PEMROGRAMAN DASAR VM41110 By : Rizky Yuniar Hakkun ATURAN PERKULIAHAN Peserta praktikum WAJIB menggunakan jas / baju praktikum yang telah disediakan. Peserta praktikum TIDAK DIPERKENANKAN menggunakan
Lebih terperinciTeori Dasar Logika (Lanjutan)
Teori Dasar Logika (Lanjutan) Inferensi Logika Logika selalu berhubungan dengan pernyataan-pernyataan yang ditentukan nilai kebenarannya. Untuk menentukan benar tidaknya kesimpulan berdasarkan sejumlah
Lebih terperinciSelamat Datang. MA 2251 Matematika Diskrit. Semester II, 2016/2017. Rinovia Simanjuntak & Saladin Uttunggadewa
Selamat Datang di MA 2251 Matematika Diskrit Semester II, 2016/2017 Rinovia Simanjuntak & Saladin Uttunggadewa 1 Referensi Pustaka Kenneth H. Rosen, Discrete Mathematics and its Applications, 7 th edition,
Lebih terperinciMetoda Pembuktian: Induksi Matematika
Metoda Pembuktian: 1 Program Studi Pendidikan Matematika Universitas Muhammadiyah, Ponorogo January 14, 011 ILUSTRASI Figure: Ilustrasi Induksi Reaksi Berantai Pada ilustrasi di atas, kartu-kartu disusun
Lebih terperinciDASAR-DASAR LOGIKA. Pertemuan 2 Matematika Diskrit
DASAR-DASAR LOGIKA Pertemuan 2 Matematika Diskrit 25-2-2013 Materi Pembelajaran 1. Kalimat Deklaratif 2. Penghubung kalimat 3. Tautologi dan Kontradiksi 4. Konvers, Invers, dan Kontraposisi 5. Inferensi
Lebih terperinciMembuat sebuah program
Flowchart Membuat sebuah program Defining the problem Mendefinisikan apa yang akan dilakukan atau yang dihasilkan oleh program Planning Mendefinisikan langkah-langkah, membuat flowchart Programming Menuliskan
Lebih terperinciIKI 30320: Sistem Cerdas Kuliah 12: First Order Logic
? Definisi IKI 30320: Sistem Cerdas : First Order Logic Fakultas Ilmu Komputer Universitas Indonesia 29 Oktober 2007 Outline? Definisi 1? 2 Definisi 3 4 5 Outline? Definisi 1? 2 Definisi 3 4 5 Propositional
Lebih terperinciDian Wirdasari, S.Si.,M.Kom
IntelijensiBuatan Dian Wirdasari, S.Si.,M.Kom IntelijensiBuatan Materi-4 Representasi Pengetahuan-1 Dian Wirdasari, S.Si.,M.Kom Definisi: fakta atau kondisi sesuatu atau keadaan yg timbul karena suatu
Lebih terperinciSILABUS MATAKULIAH. Indikator Pokok Bahasan/ Materi Aktifitas Pembelajaran
SILABUS MATAKULIAH Revisi : 2 Tanggal Berlaku : September 2014 A. Identitas 1. Nama Matakuliah : A11.54406/ Logika Informatika 2. Program Studi : Teknik Informatika-S1 3. Fakultas : Ilmu Komputer 4. Bobot
Lebih terperinciKI Kecerdasan Buatan Materi 7: Pencarian dgn. Batasan Kondisi (Constraint Satisfaction Problems)
[AIMA] Russel, Stuart J., Peter Norvig, "Artificial Intelligence, A Modern Approach" 3rd Ed., Prentice Hall, New Jersey, 200 KI09322 Kecerdasan Buatan Materi 7: Pencarian dgn. Batasan Kondisi (Constraint
Lebih terperinciKECERDASAN BUATAN REPRESENTASI PENGETAHUAN (PART - I) ERWIEN TJIPTA WIJAYA, ST., M.KOM
KECERDASAN BUATAN REPRESENTASI PENGETAHUAN (PART - I) ERWIEN TJIPTA WIJAYA, ST., M.KOM KERANGKA MASALAH Logika Logika Predikat Pengukuran Kuantitas PENGETAHUAN Diklasifikasikan menjadi 3 : 1. Procedural
Lebih terperinciPENGENALAN LOGIKA MATEMATIKA
LOGIKA MATEMATIKA By Faradillah dillafarrahakim@gmail.com Sumber : Logika Matematika untuk Ilmu Komputer, F. Soesianto dan Djoni Dwijono, Penerbit Andi ofset PENGENALAN LOGIKA MATEMATIKA Pendahuluan Logika
Lebih terperinciSISTEM PAKAR. Farah Zakiyah Rahmanti, M.T Mei Universitas Dian Nuswantoro
SISTEM PAKAR Farah Zakiyah Rahmanti, M.T Mei 2015 Overview Definisi Kepakaran, Sistem Pakar, dan Pakar Pakar VS Sistem Pakar Mengapa Sistem Pakar? Bagaimana Sistem Pakar Bekerja? Human Expert Problem Solving
Lebih terperinci20/01/2012. Oleh : Fiftin Noviyanto
Oleh : Fiftin Noviyanto A. Apa Definisi Operator? Operator adalah aksi yang digunakan untuk memproses variabel atau angka. Contoh operator untuk memproses angka, antara lain : penambahan (+), Pengurangan
Lebih terperinciOleh : Fiftin Noviyanto
Oleh : Fiftin Noviyanto A. Apa Definisi Operator? Operator adalah aksi yang digunakan untuk memproses variabel atau angka. Contoh operator untuk memproses angka, antara lain : penambahan (+), Pengurangan
Lebih terperinciBAB I PENDAHULUAN. a. Apa sajakah hukum-hukum logika dalam matematika? b. Apa itu preposisi bersyarat?
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Secara etimologi, istilah Logika berasal dari bahasa Yunani, yaitu logos yang berarti kata, ucapan, pikiran secara utuh, atau bisa juga ilmu pengetahuan. Dalam arti
Lebih terperinciSTMIK Banjarbaru LOGIKA PROPOSISIONAL. 9/24/2012 H. Fitriyadi & F. Soesianto
1 LOGIKA PROPOSISIONAL PENDAHULUAN STMIK Banjarbaru 2 Logika adalah pernyataan-pernyataan, yang berarti suatu kalimat yang memiliki arti tertentu dan memiliki nilai benar atau salah. Dilihat dari bentuk
Lebih terperinciGARIS-GARIS BESAR PROGRAM PENGAJARAN (GBPP)
Mata : Kecerdasan Buatan Bobot Mata : 3 Sks GARIS-GARIS BESAR PROGRAM PENGAJARAN (GBPP) Deskripsi Mata : Representasi pengetahuan dan pemecahan persoalan AI; Logika; Uncertainty; Vision Blind Search; Al
Lebih terperinciSelamat Datang. MA 2151 Matematika Diskrit. Semester I, 2012/2013. Rinovia Simanjuntak & Edy Tri Baskoro
Selamat Datang di MA 2151 Matematika Diskrit Semester I, 2012/2013 Rinovia Simanjuntak & Edy Tri Baskoro 1 Referensi Pustaka Kenneth H. Rosen, Discrete Mathematics and its Applications, 7 th edition, 2007.
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Proposisi adalah pernyataan yang dapat ditentukan nilai kebenarannya, bernilai benar atau salah tetapi tidak keduanya. Sedangkan, Kalkulus Proposisi (Propositional
Lebih terperinciLogical Thinking: Induc1ve versus Deduc1ve Reasoning By: Ania) Murni/Zainal A. Hasibuan
Logical Thinking: Induc1ve versus Deduc1ve Reasoning By: Ania) Murni/Zainal A. Hasibuan Ania1(zhasibua)@cs.ui.ac.id Faculty of Computer Science University of Indonesia 2008 Mo1va1on How can you draw conclusion?
Lebih terperinciSuatu pernyataan akan memiliki bentuk susunan minimal terdiri dari subjek diikuti predikat, baru kemudian dapat diikuti objeknya.
1 Suatu pernyataan akan memiliki bentuk susunan minimal terdiri dari subjek diikuti predikat, baru kemudian dapat diikuti objeknya. Setiap kalimat atau pernyataan tetap dapat dianggap satu buah proposisi.
Lebih terperinciSISTEM PRODUKSI (PRODUCTION SYSTEM) -Muhlis Tahir-
SISTEM PRODUKSI (PRODUCTION SYSTEM) -Muhlis Tahir- Sistem yang menggunakan aturan-aturan untuk merepresentasikan pengetahuan dinamakan productions system. Production system, ada 3 bagian : Rule base /
Lebih terperinciProblem-solving Agent: Searching
Problem-solving Agent: Searching Kuliah 3 Sistem Cerdas 5 April 2010 STMIK Indonesia Problem-Solving Agent Kelemahan reflex agent tidak cocok untuk menangani masalah besar!! Goal-based agent memiliki tujuan,
Lebih terperinciPengantar Logika - 2
Matematika Komputasional Pengantar Logika - 2 Oleh: M. Ali Fauzi PTIIK - UB 1 Tingkat Presedensi Urutan pengerjaan logika: 2 Tingkat Presedensi Urutan pengerjaan logika: Jadi, jika ada p q r berarti lebih
Lebih terperinciIMPLEMENTASI INFERENCE ENGINE DENGAN RANGKAIAN MUNDUR PADA SISTEM PAKAR UNTUK SIMULASI SELEKSI TERNAK
IMPLEMENTASI INFERENCE ENGINE DENGAN RANGKAIAN MUNDUR PADA SISTEM PAKAR UNTUK SIMULASI SELEKSI TERNAK Oleh : Harmayani, ST, M.Kom Dosen AMIK INTeL Com GLOBAL INDO Abstrak Dalam jurnal ini akan dibahas
Lebih terperinciBAHAN AJAR LOGIKA INFORMATIKA
BAHAN AJAR LOGIKA INFORMATIKA Universitas Gadjah Mada 1 Bab 1 Logika Proposisional 1.1. Pendahuluan Introduction Banyak pernyataan (statemeni) yang bisa langsung diterima kebenararmya, seperti misalnya
Lebih terperinciSEMANTIC WEB RULE BASE (SWRL) Ari Muzakir
SEMANTIC WEB RULE BASE (SWRL) Ari Muzakir Model Ontologi Ontologi adalah suatu konseptual yang formal dari sebuah domain tertentu yang dipakai bersama oleh kelompok orang. Ontologi merupakan teori tentang
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Permainan Reversi Permainan Reversi adalah permainan yang dimainkan oleh dua orang pemain. Permainan ini dimainkan di atas papan Reversi persegi yang terdiri dari 8 baris dan 8
Lebih terperinciPERANCANGAN SYSTEM PAKAR GENERIC MENGGUNAKAN BINARY TREE
PERANCANGAN SYSTEM PAKAR GENERIC MENGGUNAKAN BINARY TREE Luky Agus Hermanto, ST., MT. Jurusan Teknik Informatika Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya Jl. Arif Rahman Hakim
Lebih terperinciSelamat Datang. MA 2151 Matematika Diskrit. Semester I 2008/2009
Selamat Datang di MA 2151 Matematika Diskrit Semester I 2008/2009 Hilda Assiyatun & Djoko Suprijanto 1 Referensi Pustaka Kenneth H. Rosen, Discrete Mathematics and its Applications, 5 th edition. On the
Lebih terperinciRENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS)
RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) Kode / Nama Mata Kuliah : A11.54406/ Logika Informatika Revisi 2 Satuan Kredit Semester : 3 SKS Tgl revisi : Agustus 2014 Jml Jam kuliah dalam seminggu
Lebih terperinciPengantar kecerdasan buatan. Rational Agent
Pengantar kecerdasan buatan Rational Agent Agent Kecerdasan buatan tidak akan berfungsi / berguna apabila tidak diterapkan pada suatu obyek / entitas yang bisa bertindak berdasarkan kecerdasan buatan tersebut
Lebih terperinciFuzzy Rule Decomposition. Prof. Dr. Sardi Sar Dr. Ir. Wahidin Wahab M.Sc.
Fuzzy Rule Decomposition Prof. Dr. Sardi Sar Dr. Ir. Wahidin Wahab M.Sc. Overview Penggunaan Fuzzy sets sebagai kalkulus untuk menginterpretasikan natural language Penggunaan natural language dalam bentuk
Lebih terperinciDefinisi 2.1. : Sebuah pernyataan yang bernilai benar atau salah disebut dengan proposisi (proposition)
Bab II Kalkulus Proposisi Bab pertama ini menyampaikan sejumlah argumen logika. Semua argumen logika meliputi proposisi proposisi atomik (atomic proposition), yang tidak dapat dibagi lagi. Proposisi atomik
Lebih terperinciRepresentasi Boolean
Aljabar Boolean Boolean Variable dan Tabel Kebenaran Gerbang Logika Aritmatika Boolean Identitas Aljabar Boolean Sifat-sifat Aljabar Boolean Aturan Penyederhanaan Boolean Fungsi Eksklusif OR Teorema De
Lebih terperinciINFERENCE & EXPLANATION TEKNIK PENARIKAN KESIMPULAN & MEMBERI PENJELASAN
INFERENCE & EXPLANATION TEKNIK PENARIKAN KESIMPULAN & MEMBERI PENJELASAN Pendahuluan Inferensi adalah suatu program komputer yang merupakan suatu algoritma yang mengontrol beberapa proses penalaran dan
Lebih terperinciTeknik Penyederhanaan untuk Menyederhanakan Teknik Resolusi
Teknik Penyederhanaan untuk Menyederhanakan Teknik Resolusi Djoni Dwijono Teknik Informatika Universitas Kristen Duta Wacana Yogyakarta Email: djoni@ukdw.ac.id Abstrak: Teknik Resolusi sebenarnya tidak
Lebih terperinciPengenalan Sistem Bilangan Biner dan Gerbang Logika
Pengenalan Sistem Bilangan Biner dan Gerbang Logika Silabus Materi : Pengenalan Sistem Bilangan Biner dan Gerbang Logika Pada materi ini akan dikenalkan tentang sistem bilangan biner serta berbagai operasi
Lebih terperinciOPERASI DAN OPERATOR LOGIKA
OPERASI DAN OPERATOR LOGIKA Selain operator aritmatika yang sudah kalian pelajari pada pertemuan sebelumnya, terdapat juga operator logika. Operator logika digunakan dalam operasi-operasi logika, yaitu
Lebih terperinciVariabel, Operator Dan Ekspresi. Agus Priyanto, M.Kom
Variabel, Operator Dan Ekspresi Agus Priyanto, M.Kom Outline Materi Variabel Operator Ekspresi Variabel Variabel adalah suatu tempat untuk menampung suatu nilai pada memory komputer Untuk lebih mudah diakses,
Lebih terperinci