Mengubah Inferensi Order Pertama Menjadi Inferensi Preposisi

Dalam tulisan ini sebagai pemenuhan tugas Mata Kuliah Pengantar Teknologi Sistem Cerdas (Pertemuan 6) saya akan menjelaskan mengenai mengubah inferensi order pertama menjadi inferensi preposisi dengan menggunakan metode Unifikasi, Generalized Modus Ponens (GMP) dan Rangkaian Forward dan Backward. 

1. Unifikasi

Unifikasi adalah usaha untuk mencoba membuat dua ekspresi menjadi identik (mempersatukan keduanya) dengan mencari substitusi-substitusi tertentu untuk mengikuti peubah-peubah dalam ekspresi mereka tersebut. Unifikasi merupakan suatu prosedur sistematik untuk memperoleh peubah-peubah instan dalam wffs. Ketika nilai kebenaran predikat adalah sebuah fungsi dari nilai-nilai yang diasumsikan dengan argumen mereka, keinstanan terkontrol dari nilai-nilai selanjutnya yang menyediakan cara memvalidasi nilai-nilai kebenaran pernyataan yang berisi predikat. Unifikasi merupakan dasar atas kebanyakan strategi inferensi dalam Kecerdasan Buatan. Sedangkan dasar dari unifikasi adalah substitusi.

Suatu substitusi (substitution) adalah suatu himpunan penetapan istilah-istilah kepada peubah, tanpa ada peubah yang ditetapkan lebih dari satu istilah. Sebagai pengetahuan jantung dari eksekusi Prolog, adalah mekanisme unifikasi.

Aturan-aturan unifikasi :

1. Dua atom (konstanta atau peubah) adalah identik.
2. Dua daftar identik, atau ekspresi dikonversi ke dalam satu buah daftar.
3. Sebuah konstanta dan satu peubah terikat dipersatukan, sehingga peubah menjadi terikat kepada konstanta.
4. Sebuah peubah tak terikat dipersatukan dengan sebuah peubah terikat.
5. Sebuah peubah terikat dipersatukan dengan sebuah konstanta jika pengikatan pada peubah terikat dengan konstanta tidak ada konflik.
6. Dua peubah tidak terikat disatukan. Jika peubah yang satu lainnya menjadi terikat dalam upa-urutan langkah unifikasi, yang lainnya juga menjadi terikat ke atom yang sama (peubah atau konstanta).
7. Dua peubah terikat disatukan jika keduanya terikat (mungkin melalui pengikatan tengah) ke atom yang sama (peubah atau konstanta).

2. Generalized Modus Ponens

Generalized modus ponens menggabungkan and introduction, universal elimination, dan modus ponens menjadi satu aksi.

Untuk setiap atomic sentence p1 ’,p2 ’, dan q , dimana terdapat subtitution Ө sehingga SUBST(Ө,p1’)=SUBST(Ө,p1), untuk semua i :

Contoh :

• P1 ’ is Missile(M1) à P1 is Missile(x)
• P2 ’ is Owns(y,M1) à P2 is Owns(nono,x)
• Ө is {x/M1,y/nono} à q is Sells(west,nono,x)
• Then SUBST(Ө,q) is Sells (west,nono,M1)

Generalized modus ponens adalah metode inferensi yang efisien karena 3 alasan :

1. GMP mereduksi 3 langkah inferensi yang kecil menjadi satu langkah yang besar.
2. Daripada menggunakan universal elimination GMP mengambil langkah yang masuk akal dengan menggunakan subtitusi yang dijamin menguntungkan .
3. Agar lebih efisien GMP menggunakan langkah precompilation dengan menggubah semua kalimat di KB dalam bentuk canonical form agar mudah untuk diproses.

3. Rangkaian Forward dan Backward

Metode inferensi adalah mekanisme berfikir dan pola-pola penalaran yang digunakan oleh sistem untuk mencapai suatu kesimpulan. Metode ini akan menganalisa masalah tertentu dan selanjutnya akan mencari  jawaban atau kesimpulan yang terbaik. Penalaran dimulai dengan mencocokan kaidah-kaidah dalam basis pengetahuan dengan fakta-fakta yang ada dalam basis data.

Ada dua metode inferensi yang dapat digunakan, yaitu:

1. Forward Chaining.

Forward chaining merupakan metode inferensi yang melakukan penalaran dari suatu masalah kepada solusinya. Jika klausa premis sesuai dengan situasi (bernilai TRUE), maka proses akan menyatakan konklusi. Forward chaining adalah data-driven karena inferensi dimulai dengan informasi yang tersedia dan baru konklusi diperoleh. Jika suatu aplikasi menghasilkan tree yang lebar dan tidak dalam, maka gunakan forward chaining.

Contoh :

Terdapat 10 aturan yang tersimpan dalam basis pengetahuan yaitu :

R1 : if A and B then C

R2 : if C then D

R3 : if A and E then F

R4 : if A then G

R5 : if F and G then D

R6 : if G and E then H

R7 : if C and H then I

R8 : if I and A then J

R9 : if G then J

R10 : if J then K

Fakta awal yang diberikan hanya A dan E, ingin membuktikan apakah K bernilai benar. Proses penalaran forward chaining terlihat pada gambar dibawah :

Gambar Forward Chaining

2.  Backward Chaining

Menggunakan pendekatan goal-driven, dimulai dari harapan apa yang akan terjadi (hipotesis) dan kemudian mencari bukti yang mendukung (atau berlawanan) dengan harapan kita. Sering hal ini memerlukan perumusan dan pengujian hipotesis sementara.Jika suatu aplikasi menghasilkan tree yang sempit dan cukup dalam, maka gunakan backward chaining.

Contoh :

Seperti pada contoh forward chining, terdapat 10 aturan yang sama pada basis pengetahuan dan fakta awal yang diberikan hanya A dan E. ingin membuktikan apakah K bernilai benar. Proses penalaran backward chaining terlihat pada gambar berikut :

Gambar Backward Chaining

Contoh Kasus: Sistem Pakar Penasehat Keuangan

Kasus : User ingin berkonsultasi apakah tepat jika dia berinvestasi pada stock IBM?

Variabel-variabel yang digunakan:

A = memiliki uang $10.000 untuk investasi

B = berusia < 30 tahun

C = tingkat pendidikan pada level college

D = pendapatan minimum pertahun $40.000

E = investasi pada bidang Sekuritas (Asuransi)

F = investasi pada saham pertumbuhan (growth stock)

G = investasi pada saham IBM

Setiap variabel dapat bernilai TRUE atau FALSE

 

FAKTA:

§ Diasumsikan si user (investor) memiliki data:

o Memiliki uang $10.000 (A TRUE)

o Berusia 25 tahun (B TRUE)

§ Dia ingin meminta nasihat apakah tepat jika berinvestasi pada IBM stock?

RULES

R1 : IF seseorang memiliki uang $10.000 untuk berinvestasi AND dia berpendidikan pada level college THEN dia harus berinvestasi pada bidang sekuritas

R2 : IF seseorang memiliki pendapatan per tahun min $40.000 AND dia berpendidikan pada level college THEN dia harus berinvestasi pada saham pertumbuhan (growth stocks)

R3 : IF seseorang berusia < 30 tahun AND dia berinvestasi pada bidang sekuritas THEN dia sebaiknya berinvestasi pada saham pertumbuhan

R4 : IF seseorang berusia <> 22 tahun THEN dia berpendidikan college

R5 : IF seseorang ingin berinvestasi pada saham pertumbuhan THEN saham yang dipilih adalah saham IBM.

Rule simplification:

– R1: IF A and C, THEN E

– R2: IF D and C, THEN F

– R3: IF B and E, THEN F

– R4: IF B, THEN C

– R5: IF F, THEN G

Solusi dengan Forward Chaining :

Step I : IF A and C Then E = R1

Step II : IF B then C A,B,C -> True = R4

Step III : If A and C then E A,B,C -> True = R2

Step IV : If B ad E then F A,B,C,E,F -> true = R3

Step V : if F then G. G->True

Sumber: 

Forward Chaining dan Backward Chaining (Diskusi Kuliah)