METODE INFERENSI (1)

dokumen-dokumen yang mirip
METODE INFERENSI. Level 2. Level 3. Level 4

Tree (Pohon) dan Graph

Sistem Pakar Metode Inferensi 1. Kelas A & B Jonh Fredrik Ulysses, ST

Pengantar Kecerdasan Buatan (AK045218) Metode Inferensi. Metode Inferensi 1/54

Logika Deduktif & Sylogisme

METODE INFERENSI/KESIMPULAN TREES,LATTICES DAN GRAF STATE SPACE

ARGUMEN (ARGUMENT) Drs. C. Jacob, M.Pd LOGIKA BERUSAHA UTK MEMBEDAKAN ARGUMEN VALID (CORRECT) & INVALID (INCORRECT)

Soal UAS Pengantar Kecerdasan Buatan. Kelas 3IA01, 03, 05, 07, 11, 13, 14, 17, 18, 19, 21, 22 dan 23

BENTUK SILOGISME S - M S - P

q = Socrates is a man r = Socrates is mortal Bila dibuat tabel kebenaran, hasilnya invalid.

GRAPH, TREES, LATTICES

Matematika Industri I

BAB IV LOGIKA A. Pernyataan B. Operasi uner

PENGENALAN LOGIKA MATEMATIKA

PETA PERKULIAHAN MATA KULIAH : LOGIKA MATEMATIKA KODE MATA KULIAH : GD 321. SEMESTER : GANJIL (5) DOSEN : MAULANA, S.Pd., M.Pd.

BAB I LOGIKA MATEMATIKA

Pertemuan 2. Proposisi Bersyarat

Suatu pernyataan akan memiliki bentuk susunan minimal terdiri dari subjek diikuti predikat, baru kemudian dapat diikuti objeknya.

AND AND AND THEN AND AND

Logika Proposisi. Pertemuan 2 (Chapter 10 Schaum, Set Theory) (Chapter 3/4 Schaum, Theory Logic)

Logika Matematika. ILFA STEPHANE, M.Si. September Teknik Sipil dan Geodesi Institut Teknologi Padang

Logika. Arum Handini Primandari, M.Sc. Ayundyah Kesumawati, M.Si.

Artificial Intelegence. Representasi Logica Knowledge

Cerdik Matematika. Bambang Triatma. Matematika. Cerdik Pustaka [Type the phone number] [Type the fax number]

PEMBUKTIAN MATEMATIKA

LEMBAR TUGAS MAHASISWA ( LTM )

MODUL 1 PENGANTAR LOGIKA INFORMATIKA

---Sistem Pakar--- By Anjik Sukmaaji

Representasi Pengetahuan : LOGIKA

lain itu dianggap sebagai pemberi alasan untuk menerima konklusi tersebut yang dinamakan premis-premis dari argument tersebut.

Silogisme Hipotesis Ekspresi Jika A maka B. Jika B maka C. Diperoleh, jika A maka C

PERTEMUAN KE 3 F T T F T F T F

Argumen premis konklusi jika dan hanya jika Tautolog

PENGANTAR LOGIKA INFORMATIKA

2.1. Definisi Logika Proposisi Logika proposisi Atomic proposition compound proposition

Pengenalan Logika Informatika. Pertemuan 1 Viska Armalina, ST.,M.Eng

Logika Matematika BAGUS PRIAMBODO. Silogisme Silogisme Hipotesis Penambahan Disjungsi Penyederhanaan Konjungsi. Modul ke: Fakultas FASILKOM

ARGUMEN DAN METODE PENARIKAN KESIMPULAN

Teori Dasar Logika (Lanjutan)

MODUL PERKULIAHAN EDISI 1 MATEMATIKA DISKRIT

Logika Matematika. Logika Matematika. Jurusan Informatika FMIPA Unsyiah. September 26, 2012

ARGUMEN DAN METODE DEDUKSI. Cece Kustiawan, FPMIPA, UPI

LOGIKA. /Nurain Suryadinata, M.Pd

REPRESENTASI PENGETAHUAN

Pusat Pengembangan Pendidikan Universitas Gadjah Mada 1

PENGERTIAN. Proposisi Kalimat deklaratif yang bernilai benar (true) atau salah (false), tetapi tidak keduanya. Nama lain proposisi: kalimat terbuka.

ARGUMENTASI. Kalimat Deklaratif Kalimat Deklaratif (Proposisi) adalah kalimat yang bernilai benar atau salah, tetapi tidak keduanya.

Bab 5 Proposisi Lanjutan 29 BAB V PROPOSISI LANJUTAN TUJUAN PRAKTIKUM TEORI PENUNJANG

MODUL 3: DEDUKSI TRADITIONAL

STMIK Banjarbaru LOGIKA PROPOSISIONAL. 9/24/2012 H. Fitriyadi & F. Soesianto

kusnawi.s.kom, M.Eng version

LOGIKA. Arum Handini Primandari

MAKALAH RANGKUMAN MATERI LOGIKA MATEMATIKA : NURHIDAYAT NIM : DBC

LOGIKA MATEMATIKA I. PENDAHULUAN

Logika Proposisi 1. Definisi 1. (Proposisi) Proposisi adalah kalimat yang bernilai benar atau salah, tetapi tidak keduanya sekaligus.

LOGIKA MATEMATIKA (Pendalaman Materi SMA)

MATEMATIKA DISKRIT LOGIKA

LOGIKA PROPOSISI. Bagian Keempat : Logika Proposisi

PENARIKAN KESIMPULAN/ INFERENSI

INFERENCE & EXPLANATION TEKNIK PENARIKAN KESIMPULAN & MEMBERI PENJELASAN

Logika Matematika. Cece Kustiawan, FPMIPA, UPI

LOGIKA Matematika Industri I

ARGUMEN DAN METODE DEDUKSI

MATEMATIKA DISKRIT. Logika

KOMPARASI PENGGUNAAN METODE TRUTH TABLE DAN PROOF BY FALSIFICATION DALAM PENENTUAN VALIDITAS ARGUMEN. Abstrak

MATEMATIKA DASAR (Ekivalensi dan Kuantifikasi)

REPRESENTASI PENGETAHUAN

LOGIKA MATEMATIKA. MATEMATiKA DISKRET S1-SISTEM INFORMATIKA STMIK AMIKOM. proposisi conjungsi tautologi inferensi

kusnawi.s.kom, M.Eng version

Dian Wirdasari, S.Si.,M.Kom

BAB 6 LOGIKA MATEMATIKA

KATA PENGANTAR. Assalamu alaikum Wr. Wb.

Tes Potensi Akademik (TPA)

Program Kuliah Fondasi Matematika Pertemuan 4-7

Logika Logika merupakan dasar dari semua penalaran (reasoning). Penalaran didasarkan pada hubungan antara proposisi atau pernyataan (statements).

: SRI ESTI TRISNO SAMI

Berdasarkan tabel 1 diperoleh bahwa p q = q p.

Logika Proposisi. Adri Priadana ilkomadri.com

METODE PENARIKAN KESIMPULAN

6. LOGIKA MATEMATIKA

LOGIKA DAN PEMBUKTIAN

BAB I PENDAHULUAN. Logika merupakan ilmu yang mempelajari metode-metode dan hukumhukum

RENCANA PEMBELAJARAN

LOGIKA MATEMATIKA. Tabel kebenarannya sbb : p ~ p B S S B

DASAR-DASAR LOGIKA. Pemetaan Dasar. Sujanti, M.Ikom. Modul ke: Fakultas ILMU KOMUNIKASI. Program Studi Hubungan Masyarakat

1. Memahami pengertian proposisi dan predikat. 3. Memahami penggunaan penghubung dan tabel kebenaran

LOGIKA & PEMBUKTIAN. Anita T. Kurniawati, MSi LOGIKA

Paket Rumus Matematika Dasar

Modul Ilmu Mantiq/Logika. Dosen: Ahmad Taufiq MA

BAB I PENDAHULUAN. a. Apa sajakah hukum-hukum logika dalam matematika? b. Apa itu preposisi bersyarat?

PENGENALAN LOGIKA INFORMATIKA

FAKULTAS TEKNIK UNIVERSITAS NEGERI YOGYAKARTA SILABUS LOGIKA

Logika Matematika Diskret (TKE132107) Program Studi Teknik Elektro, Unsoed

Knowledge Representation

BAB II KAJIAN TEORI. A. Analisis. Analisis diuraikan secara singkat memiliki arti penyederhanaan data.

LOGIKA SIMBOLIK. Bagian II. September 2005 Pengantar Dasar Matematika 1

TELAAH BAHAN BELAJAR MANDIRI Oleh Sufyani P. Hasil Telaah

Representasi Pengetahuan dan Penalaran

LATIHAN SOAL SISTEM BERBASIS PENGETAHUAN

RUMUS LOGIKA MATEMATIKA DAN TABEL KEBENARAN

Transkripsi:

METODE INFERENSI (1) Tree (Pohon) dan Graph - Tree (pohon) adalah suatu hierarki struktur yang terdiri dari Node (simpul/veteks) yang menyimpan informasi atau pengetahuan dan cabang (link/edge) yang menghubungkan node. - Binary tree mempunyai 0,1 atau 2 cabang per-node. o Node tertinggi disebut root o Node terendah disebut daun Akar Node Cabang Level 1 Node Level 2 Level 3 Daun Level 4 - Tree merupakan tipe khusus dari jaringan semantic, yang setiap nodenya kecuali akar, mempunyai satu node orang tua dan mempunyai nol atau lebih node anak. - Tree adalah kasus khusus dalam Graph - Graph dapat mempunyai nol atau lebih link di antara node dan tidak ada perbedaan antara orangtua dan anak. Metode Inferensi 1

- Dalam graph, link dapat ditunjukkan berupa panah atau arah yang memadukan node dan bobot yang merupakan karakteristik beberapa aspek dari link. - Beberapa contoh graph sederhana: A B D C E (a) Graph tidak terhubung (b) Graph terhubung A B C (c) Digraph dgn loop pada diri sendiri dan sirkuit terhubung (d) Lattice (e) Degenerate binary tree dari tiga node - Graph asiklik adalah graph yang tidak mengandung siklus. - Graph dengan link berarah disebut digraph. - Graph asiklik berarah disebut lattice. - Tree yang hanya dengan path tunggal dari akar untuk satu daun disebut degenerate tree. - Aplikasi tree dan lattice adalah pembuatan keputusan disebut decision tree dan decision lattice. - Contoh : decision tree yang menunjukkan pengetahuan tentang hewan. Metode Inferensi 2

T Apakah dia bertubuh besar? Y Apakah dia mencicit? Apakah dia mempunyai leher panjang? T Y T Y tupai tikus Apakah dia mempunyai belalai? jerapah T Y Apakah dia suka berada di air? T Y badak hippo gajah - Aturan produksi (IF THEN ) dari contoh di atas : JIKA pertanyaan= Apakah dia bertubuh besar? DAN jawaban= Tidak MAKA pertanyaan= Apakah dia mencicit? JIKA pertanyaan= Apakah dia bertubuh besar? DAN jawaban= Ya MAKA pertanyaan= Apakah dia mempunyai leher panjang? dst Pohon AND-OR dan Tujuan - Banyak tipe system pakar menggunakan backward chaining untuk mendapatkan solusi dari permasalahan. - Salah satu tipe dari tree atau lattice yang digunakan dalam masalah representasi backward chaining adalah Pohon AND-OR. Metode Inferensi 3

- Contoh : LULUS Sid.Sarjana LULUS D3 Persyaratan SKS = 160 IPK >=2.0 Lulus KURSUS WORK SHOP Penalaran Deduktif dan Silogisme - Tipe-tipe Inferensi Inferences Induction Heuristics Abduction Autoepistemic Analogy Deduction Intuition Generate & Test Default Nonmonotonic Deduction Pemberian alasan logikal dimana kesimpulan harus mengikuti premis Induction Inferensi dari khusus ke umum Intuition Tidak ada teori yg menjamin. Jawabannya hanya muncul, mungkin dengan penentuan pola yg ada secara tidak disadari. Metode Inferensi 4

Heuristic Aturan yg didasarkan pada pengalaman Generate & Test Trial dan error. Digunakan dgn perencanaan. Abduction Pemberian alasan kembali dari kesimpulan yg benar ke premis. Default Diasumsikan pengetahuan umum sebagai default Autoepistemic Self-knowledge Nonmonotonic Pengetahuan yg sebelumnya mungkin tdk benar jika bukti baru didapatkan Analogy Kesimpulan yg berdasarkan pada persamaan untuk situasi yg lainnya. - Suatu logika argument adalah kumpulan dari pernyataan-pernyataan yang dinyatakan untuk dibenarkan sebagai dasar dari rantai penalaran. - Salah satu jenis logika argunen adalah Silogisme. - Contoh : Premis : Siapapun yang dapat membuat program adalah pintar Premis : John dapat membuat program Konklusi : Oleh karenanya John adalah pintar Proses deduktif pada contoh di atas bergerak dari prinsip umum menuju konklusi khusus. Metode Inferensi 5

- Penalaran deduktif umumnya terdiri dari tiga bagian : premis mayor, premis minor dan konklusi. - Premis disebut juga antecedent - Konklusi/kesimpulan disebut juga consequent - Silogisme dapat direpresentasikan ke dalam bentuk aturan JIKA..MAKA.. (IF THEN..), contoh : JIKA siapapun yang dapat membuat program adalah pintar DAN John dapat membuat program MAKA John adalah pintar - Silogisme klasik disebut categoricall syllogism (silogisme yang pasti) - Premis dan konklusi didefinisikan sebagai statement yang pasti dari empat bentuk berikut : Bentuk Skema Arti A Semua S adalah P Universal Afirmative E Tidak S adalah P Universal Negative I Beberapa S adalah P Particular Afirmative O Beberapa S bukan P ParticularNegative - Subjek dari konklusi S disebut bagian minor bila predikat konklusi P adalah bagian mayor. - Premis terdiri dari premis mayor dan premis minor. - Contoh : Premis mayor : Semua M adalah P Premis minor : Semua S adalah M Konklusi : Semua S adalah P Silogisme di atas adalah bentuk standar karena premis mayor dan minor sudah diketahui. Metode Inferensi 6

Contoh : Semua mikrokomputer adalah computer Subjeknya (objek yang digambarkan) adalah mikrokomputer. Predikatnya (beberapa sifat subjek) adalah computer - M (middle term) adalah hal yang penting karena silogisme didefinisikan sedemikian sehingga konklusi tidak dapat disimpulkan dengan mengambil salah satu premis. - Q (quantifier) menggambarkan porsi dari kelas yang diketahui. o Quantifier semua dan tidak adalah universal karean menunjukkan keseluruhan kelas. o beberapa adalah khusus (particular) karena hanya menunjukkan satu bagian dari kelas yang diketahui. - Mood dari silogisme didefinisikan sebagai tiga huruf yang memberikan bentuk masing-masing premis mayor, minor dan konklusi. Contoh : Semua M adalah P Semua S adalah M Semua S adalah P menunjukkan suatu mood AAA-1 - Ada 4 kemungkinan pola susunan istilah S, P dan M : Figure 1 Figure 2 Figure 3 Figure 4 Premis Mayor MP PM MP PM Premis Minor SM SM MS MS Metode Inferensi 7

- Tidak selalu argument yang mempunyai bentuk silogisme merupakan silogisme yang valid. - Contoh : Silogisme tidak valid berbentuk AEE-1 Semua M adalah P Tidak S adalah M Tidak S adalah P Semua mikrokomputer adalah computer Bukan mainframe adalah mikrokomputer Bukan mainframe adalah computer - Diperlukan prosedur keputusan (decision procedure) untuk pembuktian validitas. - Prosedur keputusan untuk silogisme dapat dilakukan menggunakan diagram venn tiga lingkaran yang saling berpotongan yang merepresentasikan S,P, M. - Contoh : Prosedur Keputusan untuk AEE-1 Semua M adalah P Tidak S adalah M Tidak S adalah P a. Diagram Venn b. Setelah Premis Mayor c. Setelah Premis Minor Metode Inferensi 8

- Contoh : Prosedur Keputusan untuk EAE-1 Tidak M adalah P Semua S adalah M Tidak S adalah P a. Diagram Venn b. Setelah Premis Mayor c. Setelah Premis Minor Kaidah dari Inferensi - Diagram Venn tidak sesuai untuk argumen yang lebih kompleks karena sulit dibaca pada decision tree untuk silogisme. - Logika proposisi memberikan pengertian lain dari penggambaran argumen. - Contoh : Jika ada daya listrik, komputer akan bekerja Ada daya Komputer akan bekerja A = ada daya listrik B = komputer akan bekerja Metode Inferensi 9

Sehingga dapat ditulis : A B A B - Bentuk umum Ponens / direct reasoning / law of detachment / assuming the antecedent p q p atau p q, p; q q Bentuk tersebut valid, karena argumen tersebut dapat ditunjukkan sebagai suatu tautologi. ((p q) p) q Tabel Kebenaran Ponens : p q p q ((p q) p) ((p q) p) q T T T T T T F F F T F T T F T F F T F T - Terdapat argumen yang menyerupai ponens namun perlu dibuktikan validitasnya. Contoh : Jika tidak kesalahan maka program dapat mengkompile Program dapat mengkompile Tidak ada kesalahan p q q atau p q, q; p p Metode Inferensi 10

Tabel Kebenaran: p q p q ((p q) q) ((p q) q) p T T T T T T F F F T F T T T F F F T F T (Bukan Pones karena tidak bersifat Tautology) - Skema argumen lain : p q ~q ~p Tabel Kebenaran: p q p q ~q (p q) ~q) ~p ((p q) ~q) ~p T T T F F F T T F F T F F T F T T F F T T F F T T T T T Argumen di atas disebut Tollens / indirect reasoning / law of contraposition. - Beberapa huum Inferensi Hukum Inferensi Skema 1. Hukum Detasemen p q p q 2. Hukum Kontrapositif p q ~q ~p 3. Hukum Modus Tollens p q ~q ~p Metode Inferensi 11

4. Aturan Rantai (hukum silogisme) p q q r p r 5. Hukum Inferensi Disjungsi p q p q ~p ~q q p 6. Hukum negasi ~(~p) p 7. Hukum de Morgan ~(p q) ~(p q) ~p ~q ~p q 8. Hukum Simplifikasi p q p q 9. Hukum Konjungsi p q 10. Hukum Penambahan Disjungtif p p q p p q q 11. Hukum Argumen Konjugtif ~(p q) ~(p q) p q ~q ~p - Kaidah inferensi dapat digunakan untuk argumen yang mempunyai lebih dari dua premis. Contoh : Harga chip naik hanya jika yen naik Yen naik hanya jika dollar turun dan jika dollar turun maka yen naik Karena harga chip telah naik Dollar harus turun Misal : C = harga chip naik Y = Yen naik D = Dollar turun Metode Inferensi 12

1. C Y 2. (Y D) ( D Y) 3. C D - Kondisional p q mempunyai converse, inverse dan kontrapositif Kondisional p q Converse q p Inverse ~p ~q Kontrapositif ~q ~p Jika p q dan q p bernilai benar, maka keduanya adalah ekuivalen. p q q p ekuivalen dengan p q atau p q. sehingga argumen untuk contoh di atas, menjadi : 1. C Y 2. (Y D) ( D Y) 3. C / D 4. Y D 2 ekuivalen 5. C D 1 substitusi 6. D 3,5 modus ponens Metode Inferensi 13