Pertemuan 10. Introduction to Logic Propositional Logic
|
|
- Iwan Salim
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Pertemuan 10 Introduction to Logic Propositional Logic
2 Logical Intelligent Agent Problem solving agent hanya bisa menyelesaikan masalah yang lingkungannya accessible Kita membutuhkan agen yang dapat menambah pengetahuan dan menyimpulkan keadaan Agent seperti ini kita beri nama knowledge based agent
3 Knowledge based agent Representasi Pengetahuan yang bersifat general. Kemampuan beradaptasi sesuai temuan fakta. Kemampuan menyimpulkan sesuatu dari pengetahuan yang sudah ada.
4 Knowledge based agent Persepsi yang diterima Diubah menjadi pengetahuan Berdasarkan pengetahuan yang dimiliki Mula-mula berisi background knowledge Basis Pengetahuan (Knowledge Base) pengetahuan Mesin Inferensi (Inference Engine) percept aksi E N V I R O N M E N T Hasil dari aksi disimpan kembali dalam bentuk pengetahuan Agen memilih aksi yang tepat (inferensi)
5 Knowledge Based Agent Komponen utama dari knowledge based agent adalah knowledge basenya Knowledge base (KB) adalah kumpulan representasi fakta tentang lingkungan atau dunia yang berhubungan atau menjadi daerah bekerjanya agen Setiap representasi dalam KB disebut sebagai sebuah sentence yang diekspresikan dalam sebuah bahasa yakni knowledge representation language
6 Knowledge Based Agent Inferensi adalah proses menyimpulkan fakta dari fakta fakta yang sudah ada di KB KB agent memiliki pengetahuan dasar yang disebut sebagai background knowledge
7 Robot Sonar
8 Agent Control Architecture Control dipisahkan ke dalam lapisan-lapisan yang merespons tingkah laku
9 Contoh Control Architecture
10 Generic KB-Agent
11 KB agent level Knowledge level / epistemological layer Logical level Implementation level
12 Syarat Representasi KB Representational Adequacy kemampuan merepresentasikan semua pengetahuan yang dibutuhkan dalam domainnya Inferential Adequacy kemampuan memanipulasi struktur pengetahuan untuk membentuk struktur baru dalam menampung pengetahuan baru hasil inferensi Inferential Efficiency kemampuan untuk manambahkan informasi untuk mempercepat pencarian dalam inferensi Acquisitional Efficiency kemampuan untuk menambah informasi baru secara mudah
13 The umpus orld
14 umpus orld Description Environment sederhana, berguna untuk menguji dan menjelaskan logical agent. Gua gelap dengan banyak ruangan yang dihubungkan dengan lorong-lorong. Agent masuk ke gua untuk mengambil emas yang ada di salah satu ruangan. umpus (monster) bersembunyi di salah satu ruangan. Jika agent bertemu, ia akan menjadi santapannya. Terdapat ruang-ruang yang memiliki lubang jebakan yang dapat membunuh agent. Agen hanya punya 1 panah yang bisa membunuh wumpus dari jarak jauh.
15 Performance Measure: ketemu emas: +1000, mati: untuk setiap langkah, -10 untuk memanah Environment: Petak yang bersebelahan dengan wumpus berbau busuk (smelly) Petak yang bersebelahan dengan pit (lubang) terasa angin (breezy) Petak tempat emas berada bercahaya (Glitter) Agent dapat memanah mati wumpus jika berhadapan langsung Memanah perlu 1 panah Agent bisa mengambil emas jika berada di petak emas tersebut ada
16 Actuators: Left turn, Right turn, Forward, Grab, Release, Shoot Sensors: Breeze, Glitter, Smell, Bump (jika agent menabrak tembok), Scream (jika wumpus mati)
17 Background knowledge : Jika ada bau maka ada wumpus di petak tetangga Jika ada angin maka ada lubang di petak tetangga Jika tak ada bau maka tak ada wumpus di petak tetangga Jika tak ada angin maka tak ada lubang di petak tetangga Jika tak ada lubang dan umpus boleh maju dst.
18 1. Tak ada angin dan bau di (1,1) maka tak ada umpus dan lubang di (2,1) dan (1,2) 2. Maju ke (2,1) 3. Ada angin di (2,1) maka ada lubang di (2,2) atau (3,1) 4. Tak ada bau di (2,1) maka tak ada umpus di (2,2) dan (3,1) 5. Mundur ke (1,1) 6. Maju ke (1,2) 7. Ada bau di (1,2) maka ada umpus di (3,1) (karena tidak ada umpus di (2,2))
19
20
21
22
23
24
25
26
27 Breeze di (1,2) dan (2,1) tidak ada aksi yang aman Jika distribusi peluang lubang seragam, maka kemungkinan lubang ada di (2,2) lebih besar daripada (1,3)/(3,1) Smell di (1,1) wumpus ada di (1,2) atau (2,1), agent tidak dapat bergerak. bisa menggunakan strategi: panah lurus ke depan ada wumpus wumpus mati aman tidak ada wumpus aman
28 hat s next?? Untuk dapat menyusun sebuah knowledge based agent maka kita harus terlebih dulu bisa menyusun knowledge basenya itu sendiri. Untuk menyusun knowledge base kita perlu menentukan bagaimana cara kita merepresentasikan pengetahuan kita (knowledge representation) Knowledge representation kita harus merupakan bentuk yang mudah disimpan dan digunakan pada komputer. Dalam perkuliahan ini kita menggunakan beberapa macam knowledge representation language
29 Logika formal adalah salah satu bahasa untuk merepresentasikan informasi sehingga kesimpulan dapat diambil. Sintaks mendefinisikan kalimat dalam bahasa. Semantik mendefinisikan arti dari kalimat (kebenaran dari kalimat tersebut di dunia nyata) Contoh: bahasa aritmatika: x + 2 y adalah kalimat; x2 + y > bukan kalimat x + 2 y benar jika dan hanya jika x + 2 tidak lebih kecil dari y x + 2 y benar di dunia nyata untuk x=7, y=1 x + 2 y salah di dunia nyata untuk x=0, y=6
30 Entailment artinya satu hal benar yang mengikuti dari kenyataan lainnya: KB Knowledge Base KB entails jika dan hanya jika benar di seluruh dunia (realitas) di mana KB benar Contoh: x + y = 4 entails 4 = y + x Entailment adalah hubungan antara kalimat (sintaks) berdasarkan semantik yang berlaku
31 Situasi setelah aman di (1,1), bergerak ke kanan dan mendeteksi bau di (2,1) Berapa banyak kemungkinan model untuk? (dengan mengabaikan kemungkinan wumpus) 3 variabel boolean 8 kemungkinan
32
33 KB i jika metode inferensi i dapat menurunkan dari KB Sifat metode inferensi: Sound / Truth Preserving jika semua yang diturunkan adalah kalimat benar (derives only entailed sentences) Complete jika semua kalimat benar (sesuai KB) dapat diturunkan juga dengan cara inferensi (all entailed sentences can be derived)
34 Inferensi adalah proses penalaran yang kesimpulannya dijamin benar dalam dunia/realitas di mana basis pengetahuan yang digunakan benar. Jika KB benar di dunia nyata, maka setiap kalimat yang diturunkan dari KB dengan metode inferensi yang sound juga benar di dunia nyata. Jadi proses inferensi berkorespondensi langsung dengan hubungan yang terjadi di dunia nyata
35 Simbol proposisi P 1, P 2, P 3, dll adalah kalimat Setiap kalimat bisa bernilai benar (true) atau salah (false). Negasi : S Konjungsi : S 1 S 2 Disjungsi : S 1 S 2 Implikasi : S 1 S 2 Bi-kondisional : S 1 S 2
36 Tabel Kebenaran:
37 P x,y : ada lubang di (x,y) x,y : ada umpus di (x,y) S x,y : ada bau di (x,y) B x,y : ada angin di (x,y) Knowledge Base: R 1 : P 1,1 tidak ada lubang di (1,1) lubang menimbulkan angin di petak yang bersebelahan R 2 : B 1,1 (P 1,2 P 2,1 ) R 3 : B 2,1 (P 1,1 P 2,2 P 3,1 ) R 4 : B 1,1 tidak ada angin di (1,1) R 5 : B 2,1 ada angin di (2,1)
38 Coba seluruh kombinasi nilai untuk semua variabel: Untuk setiap KB yang benar, periksa nilai Kompleksitas waktu O(2 n )
39
40 Metode pembuktian dibagi menjadi dua jenis: Penerapan dari Aturan Inferensi Kalimat baru (yang sound) diturunkan dari kalimat-kalimat sebelumnya Bukti = urutan aplikasi aturan inferensi Biasanya perlu merubah kalimat ke bentuk normal (tanpa dan ) Model Checking Enumerasi tabel kebenaran (eksponensial, tidak efisien) Improved Backtracking (misalnya: Davis-Putnam-Logemann-Loveland) Heuristic search di model space (sound tetapi incomplete) misalnya min-conflict hill-climbing
41 Rules for propositional logic,, i n a a a a a n i a a a a a Modus Ponens Modus Tollens And Elimination n n a a a a a a a a...,...,,, And introduction Or introduction
42 Rules for propositional logic Double negation elimination Unit Resolution, Resolution, Or,
43 Study Case: Please find the wumpus Example of input (facts) for umpus orld S S S 1,2 1,1 2,1 B B 2,1 B 1,1 1,2
44 Knowledge base (the RULES) R 1 : S 1,1 1,1 1,2 2,1 R 2 : S 2,1 1,1 2,1 2,2 3,1 R 3 : S 1,2 1,1 1,2 2,2 1,3 R 4 : S 1,2 1,3 1,2 2,2 1,1 Can be construct as many as needed!
45 Finding the umpus, Apply modus ponens with ~S 1,1 and sentence R 1 R 1 : S 1,1 1,1 1,2 2,1 S 1,1 1,1 1,2 2,1
46 Finding the umpus (2) Apply And Elimination we obtain 3 fact a 1 a2 a3... a i a n 1,1 1,2 2,1 1,1,, 1,2 2,1
47 Finding the umpus (3) Apply modus ponens to ~S 2,1 and R 2 and apply and elimination, R 2 : S 2,1 1,1 2,1 2,2 3,1 S 2,1 1,1, 2,1, 2,2, 3,1
48 Finding the umpus (4), Apply resolution R 4 : S 1,2 1,3 1,2 2,2 1,1 S 1,2 1,3 1,2 2,2 1,1
49 Finding the umpus (5) Resolution, 1,3 1,2 2,2 1,1 1,1 1,3 1,2 2,2
50 Finding the umpus (6) Resolution, 1,3 2,2 1,2 2,2 1,3 1,2
51 Finding the umpus (7), Resolution 1,3 1,2 1,2 1,3
52 Translating knowledge to action Pengetahuan yang dimiliki agent tidak berguna jika ia tidak melakukan apapun Karenanya kita perlu menambahkan aturan agar dia dapat bergerak (complete the knowledge base). Misalnya : A East 1,1 A 2, 1 Forward
53 Propositional logic weakness Too many preposition need to be handle No relationship between objects Everything is connected by the logical operator
54 Latihan. Cobalah menjalankan logika preposisi seperti contoh inferensi pada wumpus world dengan input (facts) yang berbeda, sbb: S 1,1 S2,1, S1,2, S4,1, S3,2, S3,1, S2,2,, S 1,3 Kalimat manakah dari input yang merupakan entailment dari KB? Apakah wumpus masih dapat ditemukan? Ambil asumsi untuk lokasi B dan G Coba tuliskan bagaimana proses inferensinya Representasi lokasi: P(y, x)
Pertemuan 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 terperinciLogical Agents. Chastine Fatichah. Teknik Informatika Institut Teknologi Sepuluh Nopember November 2012
Kecerdasan Buatan (KI092301) Logical Agents Chastine Fatichah Teknik Informatika Institut Teknologi Sepuluh Nopember November 2012 1 / 62 Pokok Bahasan Knowledge-based agents Contoh: Wumpus world Logic
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 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 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 terperinciIKI 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 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 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 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 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 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 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 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 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 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 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 terperinciSINTAKS DAN SEMANTIK PADA LOGIKA PROPOSISI. Matematika Logika Semester Ganjil 2011/2012
SINTAKS DAN SEMANTIK PADA LOGIKA PROPOSISI Matematika Logika Semester Ganjil 2011/2012 PROPOSISI Proposisi atau kalimat dalam logika proposisi bisa berupa Atom/kalimat sederhana Kalimat kompleks, komposisi
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 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 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 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 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 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 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 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 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 terperinciPENARIKAN KESIMPULAN/ INFERENSI
PENARIKAN KESIMPULAN/ INFERENSI Proses penarikan kesimpulan dari beberapa proposisi disebut inferensi (inference). Argumen Valid/Invalid Kaidah-kaidah Inferensi Modus Ponens Modus Tollens Silogisme Hipotesis
Lebih terperinciSilogisme Hipotesis Ekspresi Jika A maka B. Jika B maka C. Diperoleh, jika A maka C
MSH1B3 Logika Matematika Dosen: Aniq A Rohmawati, M.Si Kalkulus Proposisi [Definisi] Metode yang digunakan untuk meninjau nilai kebenaran suatu proposisi atau kalimat Jika Anda belajar di Tel-U maka Anda
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 terperinciBAB III ANALISIS DAN PERANCANGAN
BAB III ANALISIS DAN PERANCANGAN 3.1 Analisis Analisis atau bisa juga disebut dengan Analisis sistem (systems analysis) dapat didefinisikan sebagai penguraian dari suatu sistem informasi yang utuh ke dalam
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 terperinciSoal UAS Pengantar Kecerdasan Buatan. Kelas 3IA01, 03, 05, 07, 11, 13, 14, 17, 18, 19, 21, 22 dan 23
Soal UAS Pengantar Kecerdasan Buatan Kelas 3IA01, 03, 05, 07, 11, 13, 14, 17, 18, 19, 21, 22 dan 23 1. Pengertian kecerdasan menurut Winston dan Pendergast, 1994. Kecuali : a. Kemampuan belajar atau mengerti
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 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 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 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 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 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 terperinciBAB III ANALISIS DAN PERANCANGAN
A III ANALII DAN PERANCANGAN 3.1 Analisis Analisis adalah suatu kegiatan penelitian atau kajian yang dimulai dari proses awal didalam mempelajari serta mengevaluasi suatu bentuk permasalahan (case) yang
Lebih terperinciKnowledge Representation
Entiti Representasi Pengetahuan Knowledge Representation By: Uro Abdulrohim, S.Kom, MT Fakta Adalah kejadian sebenarnya, fakta ini yang akan kita representasikan Representasi dari fakta Bagaimana cara
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 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 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 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 terperinciBAB III TEORI DASAR SISTEM PAKAR DAN SISTEM KONTROL BERBASIS SISTEM PAKAR 20 BAB III TEORI DASAR SISTEM PAKAR DAN SISTEM KONTROL BERBASIS SISTEM PAKAR
SISTEM PAKAR 20 BAB III TEORI DASAR SISTEM PAKAR DAN SISTEM KONTROL BERBASIS SISTEM PAKAR 3.1 Sistem Pakar Sistem pakar adalah suatu program komputer cerdas yang menggunakan knowledge (pengetahuan) dan
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 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 terperinciRANCANG BANGUN APLIKASI PEMBELAJARAN KALKULUS PROPOSISI MENGGUNAKAN VISUAL BASIC 6.0
RANCANG BANGUN APLIKASI PEMBELAJARAN KALKULUS PROPOSISI MENGGUNAKAN VISUAL BASIC 6.0 Agung Haryanto 41505120001 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS MERCU BUANA JAKARTA 2011
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 terperinciPerangkai logika / operator digunakan untuk mengkombinasikan proposisi-proposisi atomik menjadi proposisi majemuk. Untuk menghindari kesalahan tafsir
PROPOSISI MAJEMUK Perangkai logika / operator digunakan untuk mengkombinasikan proposisi-proposisi atomik menjadi proposisi majemuk. Untuk menghindari kesalahan tafsir akibat adanya ambiguitas (ambiguity),
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 terperinciLogika Matematika Diskret (TKE132107) Program Studi Teknik Elektro, Unsoed
Logika Matematika Diskret (TKE132107) Program Studi Teknik Elektro, Unsoed Iwan Setiawan Tahun Ajaran 2013/2014 Logika Klasik Matematika Diskret (TKE132107) - Program Studi Teknik
Lebih terperinciDefinisi Keuntungan dan kelemahan Konsep Dasar Bentuk dan Struktur Sistem Basis Pengetahuan Metode Inferensi Ciri-ciri Aplikasi dan Pengembangannya
Sistem Pakar Definisi Keuntungan dan kelemahan Konsep Dasar Bentuk dan Struktur Sistem Basis Pengetahuan Metode Inferensi Ciri-ciri Aplikasi dan Pengembangannya Referensi Giarrantano, J. and G.Riley bab
Lebih terperinciPengantar Teknologi Informasi
Pengantar Teknologi Informasi Kecerdasan Buatan (Artificial Intelligence) Defri Kurniawan, M.Kom Fasilkom 1/7/2016 What s Artificial Intelligence What is Artificial Intelligence (AI) Cabang Science yang
Lebih terperinciMATEMATIKA DISKRIT. Logika
MATEMATIKA DISKRIT Logika SILABUS KULIAH 1. Logika 2. Himpunan 3. Matriks, Relasi dan Fungsi 4. Induksi Matematika 5. Algoritma dan Bilangan Bulat 6. Aljabar Boolean 7. Graf 8. Pohon REFERENSI Rinaldi
Lebih terperinciSATUAN ACARA PERKULIAHAN MATA KULIAH : PENGANTAR KECERDASAN BUATAN (AK ) FAKULTAS / JURUSAN : TEKNIK INFORMATIKA / S-1 SKS/SEMESTER : 2/8
SATUAN ACARA PERKULIAHAN MATA KULIAH : PENGANTAR KECERDASAN BUATAN (AK-045218) FAKULTAS / JURUSAN : TEKNIK INFORMATIKA / S-1 SKS/SEMESTER : 2/8 Minggu Pokok Bahasan Ke Dan TIU 1 Pengenalan Kecerdasasan
Lebih terperinciLOGIKA. Ratna Wardani Pendidikan Teknik Informatika. 2 September 2007 Pertemuan-1-2 1
LOGIKA Ratna Wardani Pendidikan Teknik Informatika 2 September 2007 Pertemuan-1-2 1 Materi Perkuliahan Logical Connectives Tabel Kebenaran 2 September 2007 Pertemuan-1-2 2 Arti Kalimat Arti kalimat = nilai
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 terperinciBAB 2 TINJAUAN TEORI. Artificial Intelligence. Jika diartikan Artificial memiliki makna buatan,
BAB 2 TINJAUAN TEORI 2.1 Kecerdasan Buatan Kecerdasan buatan adalah sebuah istilah yang berasal dari bahasa Inggris yaitu Artificial Intelligence. Jika diartikan Artificial memiliki makna buatan, sedangkan
Lebih terperinciKONSEP DASAR LOGIKA MATEMATIKA. Riri Irawati, M.Kom Logika Matematika - 3 sks
KONSEP DASAR LOGIKA MATEMATIKA Riri Irawati, M.Kom Logika Matematika - 3 sks Agenda 2 Pengantar Logika Kalimat pernyataan (deklaratif) Jenis-jenis pernyataan Nilai kebenaran Variabel dan konstanta Kalimat
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Game dan Video Game Menurut kamus Cambridge Advanced Learner Dictionary, game adalah sebuah aktivitas menghibur dan menyenangkan yang dimainkan oleh anak anak. Sedangkan video
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 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 terperinciPengenalan Kecerdasan Buatan (KB)
Pengenalan Kecerdasan Buatan (KB) Pengertian Kecerdasan Buatan VS Kecerdasan Alami Komputasi KB VS Komputasi Konvensional Sejarah KB Lingkup KB Soft Computing Referensi Luger & Stubblefield - bab 1 Sri
Lebih terperinciMatematika Industri I
LOGIKA MATEMATIKA TIP FTP - UB Pokok Bahasan Proposisi dan negasinya Nilai kebenaran dari proposisi Tautologi Ekuivalen Kontradiksi Kuantor Validitas pembuktian Pokok Bahasan Proposisi dan negasinya Nilai
Lebih terperinciLogika Logika merupakan dasar dari semua penalaran (reasoning). Penalaran didasarkan pada hubungan antara proposisi atau pernyataan (statements).
Logika (logic) 1 Logika Logika merupakan dasar dari semua penalaran (reasoning). Penalaran didasarkan pada hubungan antara proposisi atau pernyataan (statements). Proposisi Kalimat deklaratif yang bernilai
Lebih terperinciLOGIKA Ponco Wali Pranoto PTI FT UNY create: Ratna W.
LOGIKA Materi Perkuliahan Konsep Proposisi Majemuk Manfaat Skema Parsing Precedence Rules Tautologi, Kontradiksi dan Contingen Ekspresi Logika (1) Ekspresi Logika adalah proposisi-proposisi yang dibangun
Lebih terperinciTeknik Informatika POLITEKNIK NEGERI TANAH LAUT BY: VJ REFERENSI: UNIV TRUNOJOYO & PTIIK
Teknik Informatika POLITEKNIK NEGERI TANAH LAUT BY: VJ REFERENSI: UNIV TRUNOJOYO & PTIIK Fika Hastarita R - UTM 2012 Pengenalan Informal Penghubung Logis (Operator, Functor) Tabel Kebenaran dp Formula.
Lebih terperinciINTELEGENSI BUATAN. Pertemuan 4,5 Representasi Pengetahuan. M. Miftakul Amin, M. Eng. website :
INTELEGENSI BUATAN Pertemuan 4,5 Representasi Pengetahuan M. Miftakul Amin, M. Eng. e-mail: mmiftakulamin@gmail.com website : http://mafisamin.web.ugm.ac.id Jurusan Teknik Komputer Jurusan Teknik Komputer
Lebih terperinciMODUL 3 OPERATOR LOGIKA
STMIK STIKOM BALIKPAPAN 1 MODUL 3 OPERATOR LOGIKA 1. TEMA DAN TUJUAN KEGIATAN PEMBELAJARAN 1. Tema : Operator Logika 2. Fokus Pembahasan Materi Pokok : 1. Operator Logika Konjungsi 2. Operator Logika Disjungsi
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 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 terperinciDASAR-DASAR LOGIKA. Membangun Penalaran Yang Baik. Sujanti, M.Ikom. Modul ke: Fakultas ILMU KOMUNIKASI. Program Studi Hubungan Masyarakat
Modul ke: 06 Ety Fakultas ILMU KOMUNIKASI DASAR-DASAR LOGIKA Membangun Penalaran Yang Baik Sujanti, M.Ikom. Program Studi Hubungan Masyarakat Dasar-dasar Logika Membangun Penalaran Yang Baik 1. Mengimplementasikan
Lebih terperinciRUMUS LOGIKA MATEMATIKA DAN TABEL KEBENARAN
RUMUS LOGIKA MATEMATIKA DAN TABEL KEBENARAN Updated by Admin of Bahan Belajar Logika matematika merupakan salah satu materi pelajaran matematika dan cabang logika yang mengandung kajian matematis logika.
Lebih terperinciPERNYATAAN (PROPOSISI)
Logika Gambaran Umum Logika : - Logika Pernyataan membicarakan tentang pernyataan tunggal dan kata hubungnya sehingga didapat kalimat majemuk yang berupa kalimat deklaratif. - Logika Predikat menelaah
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 terperinciExpert System. MATA KULIAH : Model & Simulasi Ekosistem Pesisir & Laut. Syawaludin A. Harahap 1
MATA KULIAH : Model & Simulasi Ekosistem Pesisir & Laut KODE MK : M10B.116 SKS : 3 (2-1) DOSEN : Syawaludin Alisyahbana Harahap EXPERT SYSTEM (SISTEM PAKAR/AHLI) UNIVERSITAS PADJADJARAN FAKULTAS PERIKANAN
Lebih terperinciBAB 3 TABEL KEBENARAN
BAB 3 TABEL KEBENARAN 1. Pendahuluan Logika adalah ilmu tentang penalaran (reasoning). Penalaran berarti mencari bukti validitas dari suatu argumen, mencari konsistensi dan pernyataan-pernyataan, dan membahas
Lebih terperinciLOGIKA MATEMATIKA. MATEMATiKA DISKRET S1-SISTEM INFORMATIKA STMIK AMIKOM. proposisi conjungsi tautologi inferensi
LOGIKA MATEMATIKA MATEMATiKA DISKRET S1-SISTEM INFORMATIKA STMIK AMIKOM Definisi Proposisi adalah suatu kalimat yang bernilai benar atau salah dan tidak keduanya Proposisi Kalimat Deklaratif Proposisi
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 terperinciLOGIKA. Ratna Wardani Pendidikan Teknik Informatika. 10/28/2008> Pertemuan-1-2 1
LOGIKA Ratna Wardani Pendidikan Teknik Informatika 10/28/2008> Pertemuan-1-2 1 Materi Perkuliahan Konsep Proposisi Majemuk Manfaat Skema Parsing Precedence Rules Tautologi, Kontradiksi dan Contingen 10/28/2008>
Lebih terperinciPenggunaan Mamdani Fuzzy Expert System untuk Mengevaluasi Kinerja Dosen
Penggunaan Mamdani Fuzzy Expert System untuk Mengevaluasi Kinerja Dosen Dwi Rolliawati Fakultas Ilmu Komputer, Sistem Komputer, Universitas Narotama dwi.roliawati@narotama.ac.id Abstrak Dosen sebagai pendidik
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Logika Fuzzy Zadeh (1965) memperkenalkan konsep fuzzy sebagai sarana untuk menggambarkan sistem yang kompleks tanpa persyaratan untuk presisi. Dalam jurnalnya Hoseeinzadeh et
Lebih terperinciREPRESENTASI PENGETAHUAN (KNOWLEDGE REPRESENTATION)
REPRESENTASI PENGETAHUAN (KNOWLEDGE REPRESENTATION) KNOWLEDGE IS POWER! Pengetahuan adalah kekuatan! Representasi Pengetahuan : Definisi dlm ES: Metode yang digunakan untuk mengkodekan pengetahuan dalam
Lebih terperinciBAB I Pengenalan Kecerdasan Buatan (Artificial Inteligent / AI ) Created A.Tohir from Dosen Mr.Zulkifli
BAB I Pengenalan Kecerdasan Buatan (Artificial Inteligent / AI ) Created A.Tohir from Dosen Mr.Zulkifli Definisi Kecerdasan Buatan Merupakan salah satu bagian dari ilmu komputer Yang membuat agar mesin
Lebih terperinciSistem Pakar. Pertemuan 2. Sirait, MT
Sistem Pakar Pertemuan 2 Definisi Sistem pakar adalah suatu program komputer yang dirancang untuk mengambil keputusan seperti keputusan yang diambil oleh seorang atau beberapa orang pakar. Menurut Marimin
Lebih terperinciLOGIKA. /Nurain Suryadinata, M.Pd
Nama Mata Kuliah Kode Mata Kuliah/SKS Program Studi Semester Dosen Pengampu : Matematika Diskrit : MAT-3615/ 3 sks : Pendidikan Matematika : VI (Enam) : Nego Linuhung, M.Pd /Nurain Suryadinata, M.Pd Referensi
Lebih terperinciBAB 1 PENGENALAN SISTEM PAKAR
BAB 1 PENGENALAN SISTEM PAKAR DEFINISI System yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan para ahli. ES dikembangkan
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 PAKAR. (Expert System) L/O/G/O
SISTEM PAKAR (Expert System) L/O/G/O Latar Belakang E/S Sistem Pakar memberikan banyak keuntungan bagi operasi perusahaan dan manajer, tetapi memiliki keterbatasan significan. Artificial Intelligence merupakan
Lebih terperinciArtificial Intelligence. uthie 1
Artificial Intelligence uthie 1 Cabang-cabang AI 1. Logical AI Logika (matematis) yang merepresentasikan sekumpulan fakta dan tujuan ---> RUANG KEADAAN: Graph Tree uthie 2 Cabang-cabang AI 2. Search Pencarian
Lebih terperinciLogika Proposisi. Adri Priadana ilkomadri.com
Logika Proposisi Adri Priadana ilkomadri.com Matematika Diskrit Apa? Cabang matematika yg mempelajari tentang obyek diskrit. Apa yang dimaksud dengan kata diskrit (discrete)? Objek disebut diskrit jika:
Lebih terperinciPERBANDINGAN SISTEM GENTZEN DENGAN SISTEM LEMMON PADA PEMBUKTIAN VALIDITAS ARGUMEN
Jurnal Teknik dan Ilmu Komputer PERBANDINGAN SISTEM GENTZEN DENGAN SISTEM LEMMON PADA PEMBUKTIAN VALIDITAS ARGUMEN THE COMPARISON OF GENTZEN SYSTEMS AND LEMMON SYSTEM ON ARGUMENT VALIDITY EVIDENCE Djoni
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 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 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 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 terperinciPengetahuan 2.Basis data 3.Mesin Inferensi 4.Antarmuka pemakai (user. (code base skill implemetation), menggunakan teknik-teknik tertentu dengan
Bab II TINJAUAN PUSTAKA 2.1 Pengertian Sistem Pakar Sistem pakar (expert system) adalah sistem yang berusaha mengapdosi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti
Lebih terperinciREPRESENTASI PENGETAHUAN
REPRESENTASI PENGETAHUAN Pengetahuan adalah fakta yang timbul karena keadaan (Sutojo, 2011) Contoh : Pengetahuan tentang penyakit, gejala-gejala dan pengobatannya. Pengetahuan tentang tanaman, jenis-jenis
Lebih terperinci