SISTEM
RESOLUSI DAN DEDUKSI
-
Refutation adalah pembuktian
teorema dengan menunjukkan negasi atau pembuktian kontradiksi melalui reductio
ad absurdum.
-
Melakukan
refute berarti membuktikan kesalahan.
-
Contoh
:
A à
B
B à
C
C à
D
\A à
D
Untuk membuktikan
konklusi A à D adalah suatu teorema melalui resolusi
refutation, hal yang dilakukan :
p à q º ~p Ú q
sehingga
Aà D º ~A Ú D
dan langkah terakhir
adalah melakukan negasi
~(~A Ú D) º A Ù ~D
Penggunaan konjungsi
dari disjunctive form pada premis dan negasi pada konsklusi, memberikan
conjuctive normal form yang cocok untuk resolusi refutation.
Dari contoh di atas,
penulisannya menjadi :
(~A Ú
B) Ù (~B Ú C) Ù
(~C Ú D) Ù A Ù
~D
Akar bernilai nill,
menunjukkan kontradiksi. Sehingga melalui refutation dapat ditunjukkan konklusi
asli (awal) adalah teorema dengan peran
kontradiksi.
SHALLOW
(DANGKAL) PENALARAN CAUSAL
-
Sistem
pakar menggunakan rantai inferensi, dimana rantai
yang panjang merepresentasikan lebih banyak causal atau pengetahuan yang mendalam. Sedangkan penalaran shallow umumnya menggunakan
kaidah tunggal atau inferensi yang sedikit.
-
Kualitas
inferensi juga faktor utama dalam penentuan kedalaman dan pendangkalan dari
penalaran.
-
Shallow knowledge disebut juga experiment knowledge.
-
Contoh
: Penalaran shallow
IF a car has
a
good battery
good sparkplugs conditional elements
gas
good tires
THEN the car can
move
-
Pada
penalaran shallow, tidak ada atau hanya terdapat sedikit pemahaman dari subjek,
dikarenakan tidak ada atau hanya terdapat sedikit rantai inferensi.
-
Keuntungan
dari penalaran shallow adalah kemudahan dalam pemograman, yang berarti waktu
pengembangan program menjadi singkat, program menjadi lebih kecil, lebih cepat
dan biaya pengembangan menjadi murah.
-
Penalaran
causal disebut juga penalaran mendalam (deep
reasoning), karena pemahaman yang mendalam diperoleh dari pemahaman rantai
causal kejadian yang terjadi, atau dengan kata lain kita dapat memahami proses
dari suatu abstrak yang disajikan.
-
Frame
dan jaringan semantik adalah contoh model yang menggunakan penalaran causal.
-
Contoh
:
IF the battery is
good
THEN there is
electricity
IF there is
electricity
and the sparkplugs are good
THEN the sparkplugs
will fire
IF the sparkplugs
fire
and there is gas
THEN the engine will
run
IF the engine runs
and there are is gas
THEN the engine will
run
IF the engine runs
and there are good tires
THEN the car will
move
-
Penalaran
causal cocok digunakan untuk operasi yang berubah-ubah dari sistem yang
dibatasi oleh kecepatan eksekusi, memori dan peningkatan biaya pengembangan.
-
Penalaran
causal dapat digunakann untuk membangun model sistem nyata, seperti model yang
dipakai untuk simulasi penggalian hipotesa penalaran pada tipe query “what if”.
-
Contoh
: Dalam mengobati pasien, dokter dihadapkan pada jangkauan yang lebar dalam
melakukan tes diagnosa untuk memverifikasi kejadian/penyakit secara cepat dan
tepat.
-
Karena
kebutuhan akan penalaran causal meningkat, diperlukan kombinasi dengan kaidah
penalaran satu shallow.
-
Metode
resolusi dengan refutation dapat digunakan untuk membuktikan apakah kaidah
tunggal konklusi bernilai benar dari banyak kaidah (multiple rule).
-
Contoh
:
B=battery is good C= car will move
E=there is
electricity F=sparkplugs will
fire
G=there is gas R=engine will run
S=sparkplugs are
good T=there are good tires
(1)
B
Ù S Ù G Ù
T à C
(2)
B
à E
(3)
E
Ù S à F
(4)
F
Ù G à R
(5)
R
Ù T à C
Langkah pertama di
atas diaplikasikan pada resolusi refutation dengan menegasikan konklusi atau
kaidah tujuan.
(1’) ~( B Ù
S Ù G Ù T à
C) = ~[~( B Ù S Ù G Ù
T) Ú C]
Selanjutnya, setiap
kaidah yang lain diekspresikan dalam disjunctive form menggunakan equivalesi
seperti :
p à q º
~p Ú q
dan ~(p Ù
q) º ~p Ú ~q
sehingga versi baru
dari (2)-(5) menjadi :
(2’) ~B Ú
E
(3’) ~(E Ù
S) Ú F
= ~E Ú
~S Ú F
(4’) ~(F ÙG)
Ú R
= ~F Ú
~G Ú R
(5’) ~(R Ù
T) Ú C
= ~R Ú
~T Ú C
Pohon Resolusi
Refutation-nya :
Akar bernilai nill,
menunjukkan kontradiksi. Sehingga melalui refutation dapat ditunjukkan konklusi
asli (awal) :
B Ù S Ù
G Ù T à C
adalah teorema dengan peran kontradiksi.
FORWARD
CHAINING DAN BACKWARD CHAINING
-
Chain
(rantai) : perkalian inferensi yang menghubung-kan suatu permasalahan dengan
solusinya.
-
Forward
chaining :
ü
Suatu
rantai yang dicari atau dilewati/dilintasi dari suatu permasalahn untuk
memperoleh solusi.
ü
Penalaran
dari fakta menuju konklusi yang terdapat dari fakta.
-
Backward
chaining :
ü
Suatu
rantai yang dilintasi dari suatu hipotesa kembali ke fakta yang mendukung
hipotesa tersebut.
ü
Tujuan
yang dapat dipenuhi dengan pemenuhan sub tujuannya.
-
Contoh
rantai inferensi :
gajah(x)
à mamalia (x)
mamalia(x)
à binatang(x)
·
Causal
(sebab-akibat) Forward chain
gajah(clyde)
gajah(x) mamalia(x)
mamalia(x) binatang(x)
binatang(clyde)
·
Explicit
Causal chain
gajah(clyde)
unifikasi
implikasi gajah(clyde) mamalia(clyde)
unifikasi
implikasi mamalia(clyde)
-
Karakteristik
Forward dan Backward chaining
Forward chaining
|
Backward chaining
|
Perencanaan, monitoring, kontrol
|
Diagnosis
|
Disajkan untuk masa depan
|
Disajikan untuk masa lalu
|
Antecedent ke konsekuen
|
Konsekuen ke antecedent
|
Data memandu, penalaran dari bawah ke atas
|
Tujuan memandu, penalaran dari atas ke
bawah
|
Bekerja ke depan untuk mendapatkan solusi
apa yang mengikuti fakta
|
Bekerja ke belakang untuk mendapatkan
fakta yang mendukung hipotesis
|
Breadth
first search
dimudahkan
|
Depth
first search
dimudahkan
|
Antecedent menentukan
pencarian
|
Konsekuen menentukan
pencarian
|
Penjelasan tidak difasilitasi
|
Penjelasan difasilitasi
|
ü
Forward
Chaining
ü Backward Chaining
No comments:
Post a Comment