Representasi Pengetahuan ( Materi 6 )

Representasi Pengetahuan

Pengetahuan merupakan kemampuan untuk membentuk model mental yang menggambarkan obyek dengan tepat dan merepresantasikannta dalam aksi yang dilakukan terhadap suatu obyek (Martin dan Oxman, 1988).

Agar pengetahuan dapat diguanakan dalam sistem, pegetahuan harus direpresentasikan dalam format tertentu yang kemudian dihimpun dalam suatu basis pengetahuan. Cara sistem pakar merepresentasikan pengetahuan akan mempengaruhi perkembangan, efisiensi, dan perbaikan sistem.

Representasi pengetahuan merupakan metode yang digunakan untuk mengodekan pengetahuan dalam sebuah sistem pakar yang berbasis pengetahuan. Perepresentasian dimaksudkan untuk menangkap sifat-sifat penting problema dan membuat informasi itu dapat diakses oleh prosedur pemecahan problema.

Bahasa representasi harus dapat membuat seorang pemrogram mampu mengekspresikan pengetahuan yang diperlukan untuk mendapatkan solusi dari masalah yang ada. Dapat diterjemahkan ke dalam bahasa pemrograman dan dapat disimpan. Harus dirancang agar fakta-fakta dan pengetahuan lain yang terkandung di dalamnya dapat digunakan untuk penalaran.

Pegetahuan dapat direpresentasikan dalam bentuk yang sederhana atau kompleks, tergantung dati masalahnya (Schnupp, 1989). Beberapa model representasi pegetahuan yang penting adalah :

1.      Logika

Logika merupakan suatu pengkajian ilmiah tentang serangkaian penalaran, sistem kaidah, dan prosedur yang membantu proses penalaran. Logika merupakan bentuk representasi pengetahuan yang paling tua, yang menjadi dasar dari teknik representasi high level.

Dalam melakukan penalaran, computer harus dapat menggunakan proses penalaran deduktif dan induktif ke dalam bentuk yang sesuai dengan manipulasi dengan manipulasi koputer, yaitu logika simbolik atau logikan matematik. Metode itu disebut Logika Komputasional. Bentuk logika komputasional ada 2 macam, yaitu : Logika proposional atau Kalkulus dan Logika Predikat.

Penalaran deduktif ini bergerak dari penalarn umum menuju ke konklusi khusus. Umumnya dimualai dari suatu silogisme, atau pernyataan premis dan inferensi yang biasanya terdiri dari 3 bagian, yaitu premis mayor, premis minor, dan konklusi. Contoh penalaran secara deduktif :

Premis mayor            : Jika hujan turun saya tidak akan lari pagi

Premis Minor             : Pagi ini hujan turun

Konklusi                     : Oleh Karen itu pagi ini saya tidak akan lari pagi

Penalaran induktif merupakan kebalikan dari penalaran deduktif, dimulai dari masalah khusus menuju ke masalah umum. Penalaran ini menggunakan sejumlah fakta atau premis yang mantap untuk menarik kesimpulan umum. Contoh penalaran secara induktif.

Premis                        :Dioda yang salah menyebabkan peralatan elektronika rusak.

Premis                        : Transistor rusak menyebabkan eletronik rusak

Premis                        :IC rusak menyebabkan peralatan tidak berfungsi

Konklusi                    : Maka, peralatan semikonduktor rusak merupakan penyebab utama rusaknya peralatan elektronik.

Pada penalaran induktif, konklusi tidak selalu mutlak, dapat berubah bilamana ditemukan fakta-fakta baru.

1.      Jaringan Semantik

Konsep jaringan sematik diperkenalkan pada tahun 1968 oleh Ross Quillian. Jaringan sematik meupakan teknik representasi kecerdasan buaran klasik yang digunakan untuk informasi proposional (Giarrantano dan Riley, 1994). Yang dimaksud dengan informasi prposionala adalah pertanyaan yang mempunyai nilai benar atau salah. Informasi proposional merupakan bahasa deklaratif karena menyatakan fakta.

Representasi jaringan semantic merupakan penggambaran grafis dari pengetahuan yang memperlihatkan hubungan hirarkis dari obyek-obyek. Komponen dasar untuk merepresentasikan pegetahuan dalam bentuk jaringan semantik adalah simpul (node) dan penghubung (link). Simpul mempresentasikan obyek, konsep, atau situasi. Simpul digambarkan dengan kotak atau lingkaran. Penghubung menghubungkan antarsimpul. Penghubung digambarkan dengan panah berarah dan diberi label untuk menyatakan hubungan yang direpresentasikan. adalah sebuah contoh bagaimana pengetahuan dapat direpresentasikan menggunakan jaringan semantic.

Jaringan semantic merepresentasikan pertanyaan bahwa semua computer merupakan alat elektronik, semua PC merupakan computer, dan semua komputer memiliki monitor. Dari pernyataan tersebut dapat diketahui bahwa semua PC memiliki monitor dan hanya sebagian alat elektronik yang memiliki monitor.

1.      Object-Attribute-Value (OAV)

Object dapat berupa bentuk fisik atau konsep. Attribute adalah karakteristik atau sifat dari object tersebut. Value (nilai) – besaran/nilai/takaran spesifik dari attribute tersebut pada situasi tertentu, dapat berupa numerik, string dan boelan.

Sebuah object dapat memiliki beberapa attribute, biasa disebut OAV Multi-Attribute.

Contoh representasi pengetahuan dengan OAV ditunjukan pada table.

Table . representasi pengetahuan dengan OAV

Object	Attribute	Value
Mangga	Warna	Hijau, Orange
Mangga	Berbiji	Tunggal
Mangga	Rasa	Asam, Manis
Mangga	Bentuk	Oval
Pisang	Warna	Hijau, Kunig
Pisang	Bentuk	Lonjong

1.      Bingkai (Frame)

Bingkai berupoa ruang-ruang yang berisi attribut untuk mendekripsikan pengetahuan. Pengetahuan yang termuat dalam slot dapat berupa kejadian, lokasi, situasi, ataupun elemen-elemen lainya. Bingkai digunakan untuk merepresentasikan pengetahuan deklaratif (Giarrantano dan Riley, 1994).

Bingkai memuat deskripsi sebuah obyek dengan menggunakan tabulasi informasi yang berhubungan dengan obyek. Dengan demikian bingkai membantu menirukan cara seseorang mengorganisasikan informaso tentang sebuah obeyek yang menjadi kumupulan data.

Bingkai merupakan cara yang lebih kompleks untuk menyimpan obyek dan nilai atributnya bila dibandingkan dengan jaringan semantik. Bingkai menambahkan kecerdasan pada representasi data dan mengijinkan obyek untuk menurunkan nilai dari obyek yang lain. Pada table. dapat dilihat contoh bingkai penyakit.

Tabel .Contoh bingkai penyakit

Ruang (slots)	Isi (fillers)
Nama	Flu
Gejala	1.      Bersin 2.      Pusing 3.      Demam
Obat	1.      Ultraflu 2.      Mixagrib

Seperi pada jaringan semantic tidak ada standar untuk mendefinisikan sistem berbasiskan bingkai. Binakai dapat dipandang sebagai suatu struktur record pada bahasa tingkat tinggi atau sebuah atom dengan mendaftar propertinya.

1.      Kaidah produksi

Kaidah nmenyediakan cara formal untuk mempresentasikan rekomendasi, arahan, atau strategi. Kaidah produksi dituliskandalam bentuk jika-maka (if-then). Kaidah if-then menghubungkan anteseden (antecedent) dengan konskuensi yang diakibatkannya. Berbagai struktur kaidah if-then yang menghubungkan obyek atau atribut adalah sebagai berikut:[5]

JIKA premis MAKA konklusi

JIKA masukan MAKA keluaran

JIKA kondisi MAKA konsekuen

JIKA data MAKA hasil

JIKA tindakan MAKA tujuan

Premis mengacu pada fakta yang harus benar sebelum konklusi tertentu dapat diperoleh. Masukan mengacu pada data yang harus tersedia sebelum keluaran dapat diperoleh. Kondisi mengacu pada keadaan yang harus berlaku sebelum tindakan dapat diambil. Anteseden mengacu pada situasi yang terjadi sebelum konsekuensi dapat diamati. Data mengacu pada kegiatan yang harus dilakukan sebelum hasil dapat diharapkan. Tindakan mengacu pada kegiatan yang harus dilakukan sebelum hasil dapat diharapkan (Hanifah, 1998).

Kaidah dapat diklasifikasikan menjadi dua, yaitu kaidah derajat pertama (first order rule) dan kaidah meta (meta rule) (Giarrantano dan Riley, 1994). Kaidah derajat pertama adalah kaidah sederhana yang terdiri dari anteseden dan konsekuen. Misalnya :

JIKA bersin-bersin dan pusing

MAKA terserang penyakit flu

Kaidah meta adalah kaidah yang anteseden atau konsekuenya mengandung informasi tentang kaidah yang lain. Misalnya :

JIKA               mengalami kehilangan kesadaran yang berlangsung singkat, sehinnga aktivitas yang sedang berjalan terhenti

DAN               terkadang disertau dengan mata yangmenatap kosong dan gerakan mioklonik dari sekelompok otot mata atau wajah, otomatisme, kehilangan tanus otot (sehingga barang yang dipegang bisa terjatuh atau bila sedang berdiri bisa jatuh).

DAN               serangan berakhirdengan diikuti oleh pulihnya kesadaran

DAN               berlangsung beberapa detik sampai setengah menit, dan dapat berlangsung puluhan kali dalam sehari

MAKA           mengalami tipe sawan lena.

Aturan 2 :

JIKA               tipe sawan umum

ATAU            tipe sawan mioklonik

ATAU            tipe sawan lena

ATAU            tipe sawan tonik-klonik

DAN               EEG tidak menunjukan adanya kelainan fokal

DAN               penyebab tidak diketahui

DAN               awitan berhubungan dengan usia

MAKA           terkenan epilepsi idiopatik

LINK PPT :

SUMBER :

https://rindiyfratama.wordpress.com/spk-pakar/representasi-pengetahuan/

http://lutfiatulm.blogspot.com/2013/03/representasi-pengetahuan.html

Ketidakpastian (Uncertainity) dan Penalaran Probabilitas ( Materi 7 )

Ketidakpastian (Uncertainity) & Penalaran Probabilitas

KETIDAKPASTIAN (UNCERTAINTY)

Ketidakpastian dapat dianggap sebagai suatu kekurangan informasi yang memadai untuk membuat suatu keputusan. Ketidakpastian merupakan suatu permasalahan karena dapat menghalangi dalam membuat keputusan yang terbaik atau dapat menghasilkan keputusan yang buruk

Teori-teori yang berhubungan dengan ketidakpastian, diantaranya :

·         Probabilitas Klasik

·         Probabilitas Bayes

·         Teori Hartley yang berdasarkan pada himpunan klasik

·         Teori Shanon yang didasarkan pada peluang

·         Teori Dempster-Shafer

·         Teori Fuzzy Zadeh

Contoh aplikasi yang klasik sistem pakar yang sukses sehubungan dengan ketidakpastian :

·         MYCIN untuk diagnosa medis

·         PROPECTOR untuk ekplorasi mineral

Dalam system MYCIN dan PROSPECTOR, konklusi dicapai bila semua fakta untuk meyakinkan membuktikan kesimpulan tidak diketahui. Walaupun hal ini kemingkinan untuk mencapainya pada konklusi yang lebih dapat dipercaya dengan melakukan banyak pengujian. Ada masalah dengan penambahan waktu dan biaya pelaksanaan pengujian. Batasan waktu dan biaya penting sekali dalam kasus pengobatan medis. Penundaan pengobatan untuk pengujian mempertimbangkan penambahan biaya. Karena hal itu ada kemungkinan pasien akan meningggal. Dalam kasus eksplorasi mineral, biaya dari penambahan pengujian juga merupakan faktor yang sangat signifikan.

Beberapa sumber dari ketidakpastian

·         Masalah : Beberapa masalah meliputi faktor-faktor yang tidak pasti dan acak.

·         Data : Beberapa data seperti angka-angka atau nilai-nilai yang memiliki ketidakakuratan, dapat ditebak, dan tidak diketahui

·         Pakar : Manusia sering tidak dapat memanfaatkan ilmu pengetahuan yang mereka miliki secara benar atau tanpa mengetahui bagaimana dan apa sebenarnya pengetahuan yang mereka dapatkan

·         Solusi : Beberapa pakar tidak dapat memutuskan solusi yang tepat untuk masalah yang didapatkan.

ketidakpastian dan keputusan rasional

Keputusan yang bersifat rasional  berkaitan dengan daya guna. Masalah – masalah yang dihadapi merupakan masalah yang memerlukan pemecahan rasional. Keputusan yang dibuat berdasarkan pertimbangan rasional lebih bersifat objektif. Dalam masyarakat, keputusan yang rasional dapat diukur apabila kepuasan optimal masyarakat dapat terlaksana dalam batas-batas nilai masyarakat yang di akui saat itu.

Theorema Bayes

Theorema Bayes adalah sebuah makanisme untuk mengkombinasikan kejadian baru dan kejadian yang ada yang biasanya dinyatakan dalam probabilitas subjektif.Pendekan Bayesian didasarkan pada probabilitas subjektif; probabilitas subjektif di sediakan untuk setiap proposisi.Jika E adalah suatu kejadian (jumlah total dari semua informasi yang terdapat dalam system),maka proposisi (P) memiliki hubungan dengan sebuah nilai yang merepresentasikan probabilitas bahwa P menggambarkan semua kejadian E, diturunkan menggunakan inferensi Bayesian.Theorema Bayes menyediakan sebuah cara komputasi probabilitas dari  kejadiankejadian khusus dari suatu hasil observasi.Poin utama disini adalah bukan bagaimana nilai ini diturunkan tetapi bagaimana kita tahu atau darimana menginferensi suatu proposisi menjadi suatu nilai tunggal.

Ditemukan oleh Thomas Bayes Teorema  Bayes  kebalikan  dari  probabilitas  kondisional  P(A|B) atau  disebut posteriori  probability,  dimana  dalamteorema  Bayes  : state  probabilitas  dari  kejadian  awal diberikan untuk melihat kejadian yang mungkin akan terjadi kemudian.

Representasi Ketidakpastian

Tiga metode dasar untuk merepresentasikan ketidakpastian adalah

1.       numeric,

2.       grafik, dan

3.       simbolik

TEORI PROBABILITAS

·         Teori formal probabilitas dibuat dengan menggunakan 3 aksioma

·         Teori aksiomatik disebut juga objective theory of probability diperkenalkan oleh Kolmogorov, sedangkan teori aksiomatik probabiliti kondisional dibuat oleh Renyi

 Tiga aksioma probabilistik :

·         0 < P(E) < 1 : Aksioma ini menjelaskan bahwa jangkauan probabilitas berada antar 0 dan 1. Jika suatu kejadian itu pasti terjadi maka nilai probabilitasnya adalah 1, dan jika kejadiannya tidak mungkin terjadi nilai probabilitasnya adalah 0

·         E P(Ei) = 1 : Aksioma ini menyatakan jumlah semua kejadian tidak memberikan pengaruh dengan lainnya, maka disebut mutually exclusive events yaitu 1. Corollary dari aksioma ini adalah : P(E) + P(E’) = 1

·         P(E1 U E2) = P(E1) + P(E2) : Dimana E1 dan E2 adalah kejadian mutually exclusive. Aksioma ini mempunyai makna bahwa jika E1 dan E2 keduanya tidak dapat terjadi secara simultan, maka probabilitas dari satu atau kejadian lainnya adalah jumlah dari masing-masing probabilitasnya.

TEORI DEMPSTER-SHAFER

Dempster shafer adalah suatu teori matematika untuk pembuktian berdasarkan belief functions and reasoning (Fungsi kepercayaan dan pemikiran yang masuk akal), yang digunakan untuk mengkombinasikan potongan informasi yang terpisah (bukti) untuk mengkalkulasi kemungkinan dari suatu peristiwa. Teori ini dikembangkan oleh Arthur P.Dempster dan Glenn shafer.

Secara umum teori Dempster-Shafer ditulis dalam suatu interval :

[Belief, Plausibility]

Belief (Bel) adalah ukuran kekuatan evidence dalam mendukung suatu himpunan proposisi. Jika bernilai 0 mengindikasikan bahwa tidak ada evidence, dan Plausibility (Pl) jika bernilai 1 menunjukkan adanya kepastian.

Plausibility dinotasikan sebagai :

Pl(s) = 1 – Bel(Øs)

LINK PPT :

https://drive.google.com/open?id=1bCHd3mvwCz3GTja8Xiij5CbiaG-bWJ3K

SUMBER :

http://rizkaandrianimuhamad.blogspot.co.id/

http://rudity.staff.gunadarma.ac.id/Downloads/files/36676/5-Uncertainity.pdf

http://anantodwicahyowb.blogspot.co.id/2017/11/ketidakpastian-uncertainty-dan.html

Pengetahuan dan Penalaran Logika Orde Pertama (Materi 5)

 

1. Pengenalan logika orde pertama

                First order logic adalah sebuah bahasa formal yang digunakan di ilmu matematika, philosophy, bahasa dan ilmu computer. Disebut juga kalkulus predikat, merupakan logika yang digunakan untuk merepresentasikan masalah yang tidak dapat direpresentasikan dengan menggunakan proposisi. Logika predikat dapat memberikan representasi fakat-fakta sebagai suatu pernyataan yang mapan (well form). Kalkulus predikat bisa menganalisakan kalimat-kalimat ke dalam subjek dan argumen dalam berbagai cara yang berbeda-beda, yang pada akhirnya kalkulus predikat bisa digunakan untuk memecahkan problem of multiple generality (masalah dalam berbagai keadaan umum) yang telah membingungkan sebagian besar ahli-ahli logika abad pertengahan. Dengan menggunakan logika predikat ini, untuk pertama kalinya, para ahli-ahli logika bisa memberikan quantifier yang cukup umum untuk merepresentasikan semua argumen yang terdapat padanatural language.

.

 2. Sintak dan semantik logika orde pertama

      1. Simbol dan interpretasi

      Interpretasi atau penafsiran adalah proses komunikasi melalui lisan atau gerakan antara dua atau lebih pembicara yang tak dapat menggunakan simbol-simbol yang sama, baik secara simultan (dikenal sebagai interpretasi simultan) atau berurutan (dikenal sebagai interpretasi berurutan). Menurut definisi, interpretasi hanya digunakan sebagai suatu metode jika dibutuhkan. Jika suatu objek (karya seni, ujaran, dll) cukup jelas maknanya, objek tersebut tidak akan mengundang suatu interpretasi. Istilah interpretasi sendiri dapat merujuk pada proses penafsiran yang sedang berlangsung atau hasilnya. Suatu interpretasi dapat merupakan bagian dari suatu presentasi atau penggambaran informasi yang diubah untuk menyesuaikan dengan suatu kumpulan simbol spesifik. Informasi itu dapat berupa lisan, tulisan, gambar, matematika, atau berbagai bentuk bahasa lainnya. Makna yang kompleks dapat timbul sewaktu penafsir baik secara sadar ataupun tidak melakukan rujukan silang terhadap suatu objek dengan menempatkannya pada kerangka pengalaman dan pengetahuan yang lebih luas. 

      2. Tujuan dan Penjelasan Interpretasi

      Tujuan interpretasi biasanya adalah untuk meningkatkan pengertian, tapi kadang, seperti pada propaganda atau cuci otak, tujuannya justru untuk mengacaukan pengertian dan membuat kebingungan.

      3. istilah, kalimat atomic

      Proposisi atomik ~> proposisi yang hanya terdiri atas satu peryataan dan mengacu kepada nama diri atau juka menggunakan kata ganti, maka akan menggunakan penunjuk ini atau itu.

      Contoh :

      -       Agus Sudrajat adalah mahasiswa Fisip UNSIL.

      -       Orang ini adalah pencopet

      4. kalimat kompleks

      Kalimat kompleks adalah kalimat yang memiliki lebih dari satu struktur dan satu verba utama karena di dalam kalimat ini terkandung lebih dari satu aksi (Predikat), peristiwa, atau keadaan.

      Macam-macam kalimat kompleks:

     - Kalimat Komplek Paratatik

     - Kalimat Kompleks Hipotaktik

     5.  quantifier

     Quantifier adalah kata atau kelompok kata yang digunakan untuk menyatakan jumlah (how many atau how much). 

      Bentuk quantifier mungkin simple, hanya terdiri dari satu kata (contoh: few, little, many), atau complex, berupa frasa (contoh: a lot of, none of, a couple of).

      Quantifier umumnya digunakan sebagai determiner yang berfungsi membatasi noun. Posisinya di depannoun membentuk noun phrase. Namun, quantifier dapat pula berdiri sendiri sebagai pronoun, tepatnya indefinite pronoun.

                         

 3. Penggunaan logika orde pertama

*  assertion dan  query

            Assertion adalah Domain constraint dan Referential integrity constraint. Assertion digunakan untuk mengekspresikan suatu kondisi basis data sesuai dengan yang kita inginkan. Seperti halnya prosedur, assertion diberikan nama tertentu sehingga bisa dibatalkan apabila ada kondisi tertentu yang menuntut perubahan struktur basis data. Pada beberapa basis data penggunaan kunci primer dan kunci tamu sudah cukup untuk menjaga integritas data. Tetapi pada beberapa kasus basis data diperlukan suatu constraint ataupun aturan yang lebih baik.  

           Query adalah semacam kemampuan untuk menampilkan suatu data dari database dimana mengambil dari table-tabel yang ada di database, namun tabel tersebut tidak semua ditampilkan sesuai dengan yang kita inginkan. data apa yang ingin kita tampilkan.misal : data peminjam dengan buku yang dipinjam, maka nanti akan mengambil data daritable peminjam dan tabel buku.

 4. Rekayasa pengetahuan pada logika orde pertama

       Dalam akuisisi pengetahuan, perekayasa (engineer) bertindak sebagai jembatan antara pakar (expert) dengan basis pengetahuan. Perekayasa mendapatkan pengetahuan dari pakar, dan bersamanya menaruhnya pengetahuan tersebut dalam basis pengetahuan.

             Ada beberapa cara untuk melakukan akuisisi pengetahuan. Yang pertama adalah dengan cara manual, di mana dalam cara ini perekayasa mendapatkan pengetahuan dari sumber, dan lalu mengkodekannya ke dalam basis pengetahuan. Cara ini merupakan cara yang mahal dan tidak efisien, serta juga kadangkala tidak akurat.

            Cara yang kedua adalah cara semi-otomatik. Di sini terdapat peran komputer untuk mendukung pakar, di mana pakar diizinkan untuk membangun basis pengetahuan tanpa (atau dengan sedikit) bantuan dari perekayasa. Komputer di sini juga berperan untuk membantu perekayasa dalam kerjanya membangun basis pengetahuan.

            Sementara yang ketiga adalah cara otomatik. Di sini peran pakar, perekayasa, maupun pembangun basis pengetahuan atau sistem (system builder) digabung. Contohnya adalah metode induksi.

            

            Kesulitan dalam proses akuisisi pengetahuan adalah kesulitan pakar untuk mengkomunikasikan pengetahuan-pengetahuan dasarnya. Ini berkaitan dengan sifat pengetahuan itu sendiri (yang seperti telah dijelaskan di atas, adalah eksplisit sekaligus terbatinkan). Seperti yang dikatakan oleh Waterman (1981): “… suatu pengetahuan dasar diasumsikan dan dikombinasikan begitu cepatnya sehingga sulitlah baginya (pakar) untuk mengambarkan prosesnya”[6]. Beberapa teknik canggih telah dikembangkan untuk memfasilitasikan proses untuk mendapatkan dasar pengetahuan, seperti AQUINAS, Boose dan Bradsaw 1987; dan NEXTRA dari Neuron Data, Rappaport dan Gaines 1988.

 5. Logika proposisi vs. Inferensi Logika Orde Pertama

          Mengubah Inferensi Order Pertama Menjadi Proporsi

                        (First Order Predicate Logic)

      • Representasi 4 kategori silogisme menggunakan logika predikat

        Kaidah Universal Instatiation merupakan state

        dasar, dimana suatu individual dapat digantikan

        (disubsitusi) ke dalam sifat universal.

      • Contoh :

         Misal, φ merupakan fungsi proposisi :

         (∀  x) φ(x)

          ∴ φ(a)

     merupakan bentuk yang valid, dimana a menunjukkan

     spesifik individual, sedangkan x adalah suatu variabel

     yang berada dalam jangkauan semua individu (universal)

      • Contoh lain : (∀  x) H(x)

      ∴ H(Socrates)

      • Berikut ini adalah contoh pembuktian formal silogisme

 All men are mortal

 Socrates is a man

 Therefore, Socrates is mortal

 Misal : H = man, M = mortal, s = Socrates

 1. (∀  x) (H (x) -> M(x))

 2. H(s)                                     / ∴   M(s)

 3. H(s) -> M(s)                        1 Universal Instatiation

 4. M(s)                                     2,3 Modus Ponens

 6. Unifikasi dan Lifting

     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 diperssatukan 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).

7. Forward dan Backward Chaining

                Metode forward chaining dan backward chaining merupakan dua teknik penalaran yang biasa digunakan dalam sistem pakar. Metode backward chaining adalah pelacakan kebelakang yang memulai penalarannya dari kesimpulan (goal), dengan mencari sekumpulan hipotesa-hipotesa yang mendukung menuju fakta-fakta yang mendukung sekumpulan hipotesa-hipotesa tersebut. Sedangkan metode forward chaining adalah pelacakan ke depan yang memulai dari sekumpulan fakta-fakta dengan mencari kaidah yang cocok dengan dugaan/hipotesa yang ada menuju kesimpulan.

8. Resolusi

                Pendekatan resolusi menghasilkan klausa-klausa baru dari sebuah himpunan inisial. Implementasi resolusi mempunyai tujuan untuk mengembangkan suatu prosedur sistematis pada sebuah basis data, dimana wffs-nya tidak memuaaskan, dengan kata lain tidak ada interpretasi wffyang masuk akal. Untuk itu, hal pertama yang perlu dilakukan adalah mengonversi pernyataan dalam basis data logika dan hipotesis ke dalam bentuk klausa (clause) yang melibatkan disjungsi literal.

               Resolusi diproses dengan menambahkan basis data dengan negasi hipotesis yang diinginkan. Kemudian klausa diselesaikan dalam basis data tambahan sampai kontradiksinya ditemukan. Jika tidak ditemukan, kita simpulkan bahwa keadaannya konsisten, dan berarti hipotesisnya, pada kenyataannya salah (false).

Link PPT :

https://drive.google.com/open?id=1oKCPDXUmgjmeSn1mP_Hp7tZHDAFvzEbr

Sumber    :

https://id.wikipedia.org/wiki/Logika_predikat_tingkat_pertama

http://megaapril429.blogspot.com/2017/10/logika-orde-pertama-first-order-logic.html

https://ismailakbar12.wordpress.com/2015/06/25/makalah-artifical-intellegent-representasi-pengetahuan/ 

https://rinoariffudin.wordpress.com/2015/03/15/proposisi-dan-jenis-jenisnya/