Post on 29-Jan-2016
description
Advance Topic
Sistem yang berusaha mengadopsipengetahuan manusia ke komputeragar komputer dapat menyelesaikan masalah seperti yang dilakukan olehpara ahli
SISTEM PAKAR
User
Antarmuka
Aksi yang direkomendasi
Motor inferensi
• Interpreter• Scheduler
• Consistency
Enforcer
BLACKBOARDRencanaSolusi
AgendaDeskripsi
Penyaring pengetahuan
Basis PengetahuanFakta : Apa yang diketahui tentang area domainAturan : logical referenceFasilitas
penjelasan
Rekayasa pengetahuan
Pengetahuan ahli
Penambahanpengetahuan
Fakta-fakta tentang kejadiankhusus
STRUKTUR SISTEM PAKAR
Lingkungan Konsultasi Lingkungan Pengembangan
Penalaran berbasis aturan (Rule-Based Reasoning)
Penalaran berbasis kasus (Case-Based Reasoning)
BASIS PENGETAHUAN(KNOWLEDGE BASE)
Forward Chaining
Backward Chaining
MOTOR INFERENSI(INFERENCE ENGINE)
Contoh Forward Chaining :
R1 : IF suku bunga turun THEN hargaobligasi naik
R2 : IF suku bunga naik THEN hargaobligasi turun
R3 : IF suku bunga tidak berubahTHEN harga obligasi tidakberubah
R4 : IF dolar naik THEN suku bunga turun
R5 : IF dolar turun THEN suku bunganaik
R6 : IF harga obligasi turun THENbeli obligasi
Diketahui bahwa dolar turun,tentukan apakah akan membeli obligasi atau tidak
dolar turun
suku bunga naik
harga obligasi turun
beli obligasi
R5
R2
R6
Contoh Backward Chaining :
R1 : IF suku bunga turun THEN hargaobligasi naik
R2 : IF suku bunga naik THEN hargaobligasi turun
R3 : IF suku bunga tidak berubahTHEN harga obligasi tidakberubah
R4 : IF dolar naik THEN suku bunga turun
R5 : IF dolar turun THEN suku bunganaik
R6 : IF harga obligasi turun THENbeli obligasi
Diketahui bahwa dolar turun,tentukan apakah akan membeli obligasi atau tidak
dolar turun
suku bunga naik
harga obligasi turun
beli obligasi
R5
R2
R6
Interpretasi : pengawasan, pengenalanucapan, analisis citra, interpretasi sinyal,analisis kecerdasan
Prediksi : peramalan, prediksidemografis, peramalan ekonomi,prediksi lalulintas, estimasi hasil,militer, pemasaran, peramalankeuangan
Diagnosis : medis, elektronis, mekanis, diagnosis perangkatlunak
LINGKUP PERMASALAHANSISTEM PAKAR
Perancangan : layout sirkuit, perancanganbangunan
Perencanaan : perencanaan keuangan,komunikasi, militer, pengembangan produk, routing, manajemen proyek
Monitoring : Computer-AidedMonitoring Systems
Representasi buatan dari otak manusiadengan mensimulasikan prosespembelajaran pada otak manusia
JARINGAN SYARAF TIRUAN
STRUKTUR JARINGAN SYARAF TIRUAN
ΣΣFungsi Aktivasi
Output
bobotbobot
Output keneuron-neuronlain
Input darineuron-neuronlain
Single layer network
Multilayer network
Competitive layer network
ARSITEKTURJARINGAN SYARAF TIRUAN
Single layer network
X1 Y1
Xi
Xm
Yj
Yn
W11
W1j
W1n
Wi1
Wij
Win
Wm1
Wmj
Wmn
Multilayer network
X1
Z1
Xi
Xm
Zp
V11
V1p
W11
Vi1
W1j
Vip
Vm1
W1n
Vmp
Y1
Yj
Yn
Wp1Wpj
Wpn
Competitive layer network
A1
Ai
1-η Am
Aj
1
1 1-η
-η -η
-η
-η
Fungsi threshold (batas ambang)
FUNGSI AKTIVASIJARINGAN SYARAF TIRUAN
axjika
axjikaxf
0
1
axjika
axjikaxf
1
1
Fungsi threshold bipolar
Fungsi sigmoid
xe
xf 1
1
xxf
Fungsi identitas
Pembelajaran terawasi(supervised learning) : Hebb Rule,Perceptron, Delta Rule, Backpropagation,Heteroassociative Memory, BAM, LVQ
Pembelajaran tak terawasi(unsupervised learning) : KohonenSelf-Organizing Maps, ART
PROSES PEMBELAJARANJARINGAN SYARAF TIRUAN