Resume VCIRS Variable Centered Intellige
Variable
Intelligent
Rule
System
Edisi Jurusan T. Informatika - ITS
Irfan Subakti, M.Sc.Eng.
司馬伊凡, 碩士學位
Jurusan Teknik Informatika
Fakultas Teknologi Informasi
Institut Teknologi Sepuluh Nopember
Surabaya
2006
ii
Daftar Isi
iii
Daftar Isi
Halaman
Daftar Isi ......................................................................................................... iii
Variable-Centered Intelligent Rule System.............................................................. 1
1.1 Gambaran Umum................................................................................... 1
1.2 Motivasi ............................................................................................... 2
1.3 Metode................................................................................................. 3
1.4 Modifikasi ............................................................................................. 5
1.5 Definisi Istilah ....................................................................................... 5
1.6 Arsitektur Sistem ................................................................................... 8
1.7 Variable-Centered Rule Structure .............................................................10
1.7.1 Node Structure ..................................................................................10
1.7.2 Rule Structure ...................................................................................12
1.8 Perbaikan Pengetahuan ..........................................................................12
1.8.1 Variable Analysis ................................................................................13
1.8.2 Value Analysis ...................................................................................13
1.8.3 Rule Generation .................................................................................15
1.9 Pembangunan Pengetahuan ....................................................................20
1.10 Inferensia Pengetahuan ........................................................................28
1.10.1 Mekanisme Inferensia RDR .................................................................29
1.10.2 Mekanisme Inferensia RBS .................................................................31
1.11 Knowledge Base Transformation.............................................................31
1.12 Evaluasi Sistem...................................................................................34
1.13 Kesimpulan ........................................................................................36
1.14 Riset di Masa Depan ............................................................................37
Daftar Pustaka .................................................................................................39
Variable-Centered Intelligent Rule System
1
Variable-Centered Intelligent Rule System
Dalam bab ini akan dibahas mengenai sistem berbasis rule yang cerda s yang
menitikberatkan pada variabel, sehingga ia disebut dengan Variable -Centered Intelligent
Rule System (VCIRS). VCIRS merupakan thesis master penulis [Sub05c] dan telah
dipublikasikan pada Information and Communication Technology Seminar 2005 [Sub05d].
Sedikit bahasa mengenai algorit ma Rete pustakanya diambil dari Forgy [For82] .
1.1 Gambaran Umum
Sistem Berbasis Aturan (SBA – Rule Base Systems (RBS)) adalah sistem yang baik untuk
mendapat jawaban dari pertanyaan mengenai What (apa), How (bagaimana) dan Why
(mengapa) dari Rule Base (RB) selama proses inferensia. Jawaban dan penjelasannya
dapat disediakan dengan baik. Masalah yang dengan SBP adalah ia tak dapat secara mudah
menjalankan proses akuisisi know ledge (pengetahuan) dan ia tak dapat mengupdate ru le
(aturan) secara otomatis. Hanya pakar yang dapat mengupdate Knowledge Base (KB)
secara manual dengan dukungan dari know ledge engineer (insinyur pengetahuan). Lebih
jauh kebanyakan peneliti dalam SBA lebih memperhatikan masalah optimasi pada rule
yang sudah ada daripada pembangkitan rule baru dari rule yang sudah ada. Namun
demikian, optimasi rule tak dapat mengubah hasil dari inferensia secara signif ikan, dalam
hal cakupan pengetahuan. Penjelasan selengkapnya mengenai RBS/SBA dapat dilihat
kembali pada bab 5 dan bab 6.
Ripple Dow n Rule (RDR) datang untuk mengatasi permasalahan utama dari sistem pakar:
pakar tak perlu lagi selalu mengkomunikasikan pengetahuan dalam konteks yang spesifik.
RDR membolehkan akuisisi yang cepat dan sederhana secara ekstrim tanpa bantuan dari
know ledge engineer. Pengguna tak perlu menguji RB dalam rangka mendef inisikan rule
baru: pengguna hanya perlu untuk mampu mendefinisikan rule baru yang secara benar
mengklasifikasikan contoh yang diberikan, dan sistem dapat menentukan dimana suatu
rule harus ditempatkan dalam hirarki rule nya. Keterbasan dari RDR adalah kekurangan
dalam hal inferensia yang berdayaguna. Tak seperti SBA yang dilengkapi dengan inferensia
melalui forward dan backward chaining, RDR kelihatannya menggunakan Depth Fi rst
Search (DFS) yang memiliki kekurangan dalam hal fleksibelitas dalam hal penjawaban
pertanyaan dan penjelasan yang tumbuh dari inferensia yang berdayaguna. Penjelasan
selengkapnya mengenai RDR ini dapat dilihat kembali pada bab 8.
Variable-Centered Intelligent Rule System (VCIRS) merupakan perkaw inan dari SBA dan
RDR. Arsitektur sistem diadaptasi dari SBA dan ia mengambil keuntungan-keuntungan
Variable-Centered Intelligent Rule System
2
yand ada dari RDR. Sistem ini mengorganisasi RB dalam struktur spesial sehingga
pembangunan pengetahuan, inferensia pengetahuan yang berdayaguna dan peningkatan
evolusional dari kinerja sistem dapat didapat kan pada waktu yang sama. Istilah
“Intelligent” dalam VCIRS menekankan pada keadaan sistem ini yang dapat “belajar” untuk
meningkatkan kinerja sistem dari pengguna sistem selama pembangunan pengetahuan
(melalui analis is nilai) dan penghalusan pengetahuan (dengan pembangkitan rule).
1.2 Motivasi
Motivasi dari dibuatnya VCIRS adalah:
Rule Base System (RBS) atau Sistem Berbasis Aturan (SBA)
o
Dengan inferensianya yang berdayaguna (powerful)
Ripple Dow n Rules (RDR)
o
Dengan akuisisi pengetahuannya yang berdayaguna
Rule Base Systems
Menjawab pertanyaan seperti:
What (apa) hasil dari proses inferensia?
How (bagaimana) hal itu dilakukan?
Why (mengapa) itu bisa dilakukan?
Strategi:
Forward chaining
o
Clause sebagai premise/dasar pemikirian dari sebuah rule dicocokkan dengan data
fakta, suatu pencocokan yang menyebabkan sebuah proses untuk menyatakan
konklusi
Backward chaining
o
Tujuannya adalah mencocokkan dengan fakta suatu konklusi dari beberapa rule;
suatu pencocokan yang menyebabkan sebuah proses untuk menentukan apakah
premise clause cocok dengan data fakta.
Variable-Centered Intelligent Rule System
3
Certainty Factor (CF, sebagian orang mengartikan sebagai confidence factor)
Meningkatkan kemanfaatan dari ketidakpastian baik pada pengetahuan dan data fakta
Permasalahan
Pembangunan pengetahuan
o
Diupdate secara manual oleh pakar dengan dukungan know ledge engineer
Ripple Down Rules
Memiliki kemampuan akuisisi pengetahuan (Know ledge Acquisition - KA) dengan cepat dan
sederhana secara ekstrim.
Tanpa bantuan dari knowledge engineer
Pengguna tidak perlu menguji RB untuk menentukan rule baru
o
Pengguna hanya perlu untuk mendefinisikan rule baru yang secara benar
mengklasifikasikan contoh yang diberikan, dan sistem dapat menentuka n dimana
rule-rule itu seharusnya ditempatkan dalam hirarki rule.
o
Satu-satunya tugas akuisisi pengetahuan dalam RDR untuk pakar adalah memilih
dari daftar kondisi (nantinya diimplementasikan dalam daftar perbedaan).
o
Sang pakar mempunyai tugas yang sangat t erbatas dan tidak perlu terlibat dengan
struktur KB.
Permasalahan
Inferensia pengetahuan
o
Kelihatannya menggunakan Depth First Search (DFS) sehingga menimbulkan
kekurangan dalam hal fleksibelitas penjawaban pertanyaan dan penjelasan yang
tumbuh dari inferensia berdayaguna seperti yang disajikan dalam SBA.
1.3 Metode
Metode dari VCIRS dapat digambarkan pada gambar 1.1, yang merupakan teknik
persilangan dari SBA dan RDR.
Variable-Centered Intelligent Rule System
4
Simplify knowledge building
RBS
Empower knowledge inferencing
RDR
Variable-Centered
Intelligent
Rule System
(VCIRS)
Evolutionally improve
performance
Gambar 1.1 Diagram metode VCIRS
VCIRS mempunyai struktur yang mengorganisasi RB sehingga pembangunan pengetahuan
yang mudah, inferensia pengetahuan yang berdayaguna dan peningkatan evolusional
sistem dapat didapatkan pada waktu yang sama.
Pertama, pembangunan pengetahuan disederhanakan dengan langkah-langkah sede rhana
dalam proses pembangunan pengetahuannya. Pengguna tidak perlu mempertimbangkan
mengenai struktur KB dan dapat mengupdate KB secara langsung. VCIRS membolehkan
pengguna untuk memperbaiki atau menambahkan node/rule kedalam KB yang telah ada.
Seperti da lam RDR, perbaikan rule adalah pembuatan sebuah rule pengecualian untuk
membuat benar pengklasifikasian yang salah, dimana penambahan mengacu pada
penambahan rule baru pada level puncak tree KB. Sistem memandu pengguna selama
proses pembangunan pengetahuan.
Inferensia pengetahuan dipertajam oleh pengetahuan (yaitu, hasil dari analisis variabel dan
nilai) dari urutan derajat kepentingan (important degree) dan tingkat penggunaan (usage
rate) dari case/kasus pada KB. Mekanisme inferensia SBA dibawa kembali dalam VCIRS,
sehingga pengguna mendapatkan lebih banyak jawaban dan penjelasan dari inferensia.
Kinerja sistem ditingkatkan oleh struktur RB yang menduku ng analisis variabel dan nilai
untuk pembangkitan rule. Pembangkitan rule meningkatkan hasil dari inferens ia dalam hal
cakupan pengetahuan. Lebih jauh, analisis nilai juga memandu pengguna selama
pembangunan dan inferensia pengetahuan. Bersamaan dengan pembangkitan rule,
kemampuan ini dapat meningkatkan kinerja sistem dalam hal inferensia pengetahuan.
Kata “intelligent” digunakan dalam VCIRS adalah untuk menekankan bahwa sistem ini
dapat “belajar” dari pengguna, selama pembangunan pengetahuan (yaitu analisis nilai) dan
perbaikan pengetahuan (yaitu pembangkitan rule). Lebih jauh, pembangkitan rule bersama
dengan kemampuan sistem yang mampu untuk melakukan inferensia ala SBA, dapat
secara evolusional meningkatkan kinerja sistem.
Variable-Centered Intelligent Rule System
5
1.4 Modifikasi
VCIRS adalah sistem yang melakukan modifikasi terhadap sistem yang sudah ada (yakni
SBA dan RDR) sebagai berikut:
SBA
o
RDR
o
Pembangunan pengetahuan mudah
Inferensia kemampuan inferensia ala SBA
Kinerja sistem
o
Cakupan pengetahuan ditingkatkan oleh pembangkitan rule
1.5 Definisi Istilah
Istilah-istilah berikut ini banyak digunakan dalam penjelasan VCIRS, sehingga dalam
bagian ini diberikan definisi yang jelas untuk mencegah kesalahpahaman dan
menghamparkan jalan yang nyaman untuk berdiskusi. Istilah-istilah dipresentasikan dalam
BNF (Backus Naur Form). Gambar 1.2 membantu kita menangkap relasi konseptual
diantara istilah-istilah yang dipakai.
Rule
RuleID
NodeID
RuleUsageRate
Node
1
N
NodeID
NodeCFValue
NodeUsageRate
Variable
1
N
1
1
N
VariableID
VariableOrder
VarOperator
VarValue
CFValue
Credit
VariableUsageRate
Conclusion
N
ConclusionValue
Gambar 1.2 Relasi istilah-istilah
Sebuah rule adalah rangkaian dari node-node. Ia bisa memiliki satu atau lebih node.
Sebuah node adalah rangkaian dari variabel-variabel. Ia bisa memiliki satu atau lebih
variabel. Sebuah variabel memiliki pelbagai nilai (value). Sebuh node atau rule bisa
memiliki satu atau lebih konklusi.
Variable-Centered Intelligent Rule System
6
A. Rule Based Systems
/** Rule Base: sebuah rule base mengandung satu atau lebih rule. **/
::=
::= |
/** Rule: rule adalah elemen fundamental untuk membangun sebuah rule base . **/
::= IF THEN
::= ALPHANUMERIC
::= [0..100]
::= |
::= AND
::=
::= ALPHANUMERIC
::= “=” | “=” | “”
::= ALPHANUMERIC | NUMERIC
::= [0..100]
::= |
::= ALPHANUMERIC
::= AND
B. Variable-Centered Rule Structure
Catatan:
Rule adalah rangkaian dari satu atau lebih node.
Sebuah rule dalam VCIRS serupa dengan rangkaian rule dalam RBS/SBA dengan satu
pengecualian bahwa konklusi dari rule adalah konklusi yang dimiliki oleh node terakhir.
Node serupa dengan rule dalam SBA. Ia adalah rangkaian dari satu atau lebih variabel dan
terdiri dari satu atau lebih konklusi.
Contoh pertama dari rule pada gambar 1.3 adalah Rule John#1 yang memiliki 2 node: node
Rule 1 dan node Rule 6. Node Rule 1 memiliki 2 variabel, yaitu a dan b. Node Rule 6 memiliki
satu variabel d. Rule John#1 hanya memiliki satu konklusi, yaitu John.
Variable-Centered Intelligent Rule System
7
Rule 0
Root
Rule 1
Rule 2
Rule 3
{a, b} -> CSE
h -> CS9999
{a, c} -> Friends
Rule 4
Rule 5
{b, e} ->
CS8888
x -> Friends
Rule 6
Rule 7
Rule 10
Rule 8
Rule 11
d -> John
{e, f} -> CRC
{y, z} -> ARC
a -> Assignment
(y, z) -> ARC
Rule 9
{g, h} -> SPAT
Gambar 1.3 Gambaran knowledge base dalam bentuk tree/pohon di VCIRS
Contoh kedua adalah Rule CSE#1 yang hanya memiliki 1 node, node Rule 1. Node Rule 1
memiliki 2 variabel, yaitu a and b; dan Rule CSE#1 memiliki satu ko nklusi, yaitu CSE.
/** Rule Structure **/
::=
::= |
::=
::= |
::= ALPHANUMERIC
::= ALPHANUMERIC
::= NUMERIC
/** mengacu pada dalam Node Structure **/
/** Node Structure **/
::= |
::=
|
Intelligent
Rule
System
Edisi Jurusan T. Informatika - ITS
Irfan Subakti, M.Sc.Eng.
司馬伊凡, 碩士學位
Jurusan Teknik Informatika
Fakultas Teknologi Informasi
Institut Teknologi Sepuluh Nopember
Surabaya
2006
ii
Daftar Isi
iii
Daftar Isi
Halaman
Daftar Isi ......................................................................................................... iii
Variable-Centered Intelligent Rule System.............................................................. 1
1.1 Gambaran Umum................................................................................... 1
1.2 Motivasi ............................................................................................... 2
1.3 Metode................................................................................................. 3
1.4 Modifikasi ............................................................................................. 5
1.5 Definisi Istilah ....................................................................................... 5
1.6 Arsitektur Sistem ................................................................................... 8
1.7 Variable-Centered Rule Structure .............................................................10
1.7.1 Node Structure ..................................................................................10
1.7.2 Rule Structure ...................................................................................12
1.8 Perbaikan Pengetahuan ..........................................................................12
1.8.1 Variable Analysis ................................................................................13
1.8.2 Value Analysis ...................................................................................13
1.8.3 Rule Generation .................................................................................15
1.9 Pembangunan Pengetahuan ....................................................................20
1.10 Inferensia Pengetahuan ........................................................................28
1.10.1 Mekanisme Inferensia RDR .................................................................29
1.10.2 Mekanisme Inferensia RBS .................................................................31
1.11 Knowledge Base Transformation.............................................................31
1.12 Evaluasi Sistem...................................................................................34
1.13 Kesimpulan ........................................................................................36
1.14 Riset di Masa Depan ............................................................................37
Daftar Pustaka .................................................................................................39
Variable-Centered Intelligent Rule System
1
Variable-Centered Intelligent Rule System
Dalam bab ini akan dibahas mengenai sistem berbasis rule yang cerda s yang
menitikberatkan pada variabel, sehingga ia disebut dengan Variable -Centered Intelligent
Rule System (VCIRS). VCIRS merupakan thesis master penulis [Sub05c] dan telah
dipublikasikan pada Information and Communication Technology Seminar 2005 [Sub05d].
Sedikit bahasa mengenai algorit ma Rete pustakanya diambil dari Forgy [For82] .
1.1 Gambaran Umum
Sistem Berbasis Aturan (SBA – Rule Base Systems (RBS)) adalah sistem yang baik untuk
mendapat jawaban dari pertanyaan mengenai What (apa), How (bagaimana) dan Why
(mengapa) dari Rule Base (RB) selama proses inferensia. Jawaban dan penjelasannya
dapat disediakan dengan baik. Masalah yang dengan SBP adalah ia tak dapat secara mudah
menjalankan proses akuisisi know ledge (pengetahuan) dan ia tak dapat mengupdate ru le
(aturan) secara otomatis. Hanya pakar yang dapat mengupdate Knowledge Base (KB)
secara manual dengan dukungan dari know ledge engineer (insinyur pengetahuan). Lebih
jauh kebanyakan peneliti dalam SBA lebih memperhatikan masalah optimasi pada rule
yang sudah ada daripada pembangkitan rule baru dari rule yang sudah ada. Namun
demikian, optimasi rule tak dapat mengubah hasil dari inferensia secara signif ikan, dalam
hal cakupan pengetahuan. Penjelasan selengkapnya mengenai RBS/SBA dapat dilihat
kembali pada bab 5 dan bab 6.
Ripple Dow n Rule (RDR) datang untuk mengatasi permasalahan utama dari sistem pakar:
pakar tak perlu lagi selalu mengkomunikasikan pengetahuan dalam konteks yang spesifik.
RDR membolehkan akuisisi yang cepat dan sederhana secara ekstrim tanpa bantuan dari
know ledge engineer. Pengguna tak perlu menguji RB dalam rangka mendef inisikan rule
baru: pengguna hanya perlu untuk mampu mendefinisikan rule baru yang secara benar
mengklasifikasikan contoh yang diberikan, dan sistem dapat menentukan dimana suatu
rule harus ditempatkan dalam hirarki rule nya. Keterbasan dari RDR adalah kekurangan
dalam hal inferensia yang berdayaguna. Tak seperti SBA yang dilengkapi dengan inferensia
melalui forward dan backward chaining, RDR kelihatannya menggunakan Depth Fi rst
Search (DFS) yang memiliki kekurangan dalam hal fleksibelitas dalam hal penjawaban
pertanyaan dan penjelasan yang tumbuh dari inferensia yang berdayaguna. Penjelasan
selengkapnya mengenai RDR ini dapat dilihat kembali pada bab 8.
Variable-Centered Intelligent Rule System (VCIRS) merupakan perkaw inan dari SBA dan
RDR. Arsitektur sistem diadaptasi dari SBA dan ia mengambil keuntungan-keuntungan
Variable-Centered Intelligent Rule System
2
yand ada dari RDR. Sistem ini mengorganisasi RB dalam struktur spesial sehingga
pembangunan pengetahuan, inferensia pengetahuan yang berdayaguna dan peningkatan
evolusional dari kinerja sistem dapat didapat kan pada waktu yang sama. Istilah
“Intelligent” dalam VCIRS menekankan pada keadaan sistem ini yang dapat “belajar” untuk
meningkatkan kinerja sistem dari pengguna sistem selama pembangunan pengetahuan
(melalui analis is nilai) dan penghalusan pengetahuan (dengan pembangkitan rule).
1.2 Motivasi
Motivasi dari dibuatnya VCIRS adalah:
Rule Base System (RBS) atau Sistem Berbasis Aturan (SBA)
o
Dengan inferensianya yang berdayaguna (powerful)
Ripple Dow n Rules (RDR)
o
Dengan akuisisi pengetahuannya yang berdayaguna
Rule Base Systems
Menjawab pertanyaan seperti:
What (apa) hasil dari proses inferensia?
How (bagaimana) hal itu dilakukan?
Why (mengapa) itu bisa dilakukan?
Strategi:
Forward chaining
o
Clause sebagai premise/dasar pemikirian dari sebuah rule dicocokkan dengan data
fakta, suatu pencocokan yang menyebabkan sebuah proses untuk menyatakan
konklusi
Backward chaining
o
Tujuannya adalah mencocokkan dengan fakta suatu konklusi dari beberapa rule;
suatu pencocokan yang menyebabkan sebuah proses untuk menentukan apakah
premise clause cocok dengan data fakta.
Variable-Centered Intelligent Rule System
3
Certainty Factor (CF, sebagian orang mengartikan sebagai confidence factor)
Meningkatkan kemanfaatan dari ketidakpastian baik pada pengetahuan dan data fakta
Permasalahan
Pembangunan pengetahuan
o
Diupdate secara manual oleh pakar dengan dukungan know ledge engineer
Ripple Down Rules
Memiliki kemampuan akuisisi pengetahuan (Know ledge Acquisition - KA) dengan cepat dan
sederhana secara ekstrim.
Tanpa bantuan dari knowledge engineer
Pengguna tidak perlu menguji RB untuk menentukan rule baru
o
Pengguna hanya perlu untuk mendefinisikan rule baru yang secara benar
mengklasifikasikan contoh yang diberikan, dan sistem dapat menentuka n dimana
rule-rule itu seharusnya ditempatkan dalam hirarki rule.
o
Satu-satunya tugas akuisisi pengetahuan dalam RDR untuk pakar adalah memilih
dari daftar kondisi (nantinya diimplementasikan dalam daftar perbedaan).
o
Sang pakar mempunyai tugas yang sangat t erbatas dan tidak perlu terlibat dengan
struktur KB.
Permasalahan
Inferensia pengetahuan
o
Kelihatannya menggunakan Depth First Search (DFS) sehingga menimbulkan
kekurangan dalam hal fleksibelitas penjawaban pertanyaan dan penjelasan yang
tumbuh dari inferensia berdayaguna seperti yang disajikan dalam SBA.
1.3 Metode
Metode dari VCIRS dapat digambarkan pada gambar 1.1, yang merupakan teknik
persilangan dari SBA dan RDR.
Variable-Centered Intelligent Rule System
4
Simplify knowledge building
RBS
Empower knowledge inferencing
RDR
Variable-Centered
Intelligent
Rule System
(VCIRS)
Evolutionally improve
performance
Gambar 1.1 Diagram metode VCIRS
VCIRS mempunyai struktur yang mengorganisasi RB sehingga pembangunan pengetahuan
yang mudah, inferensia pengetahuan yang berdayaguna dan peningkatan evolusional
sistem dapat didapatkan pada waktu yang sama.
Pertama, pembangunan pengetahuan disederhanakan dengan langkah-langkah sede rhana
dalam proses pembangunan pengetahuannya. Pengguna tidak perlu mempertimbangkan
mengenai struktur KB dan dapat mengupdate KB secara langsung. VCIRS membolehkan
pengguna untuk memperbaiki atau menambahkan node/rule kedalam KB yang telah ada.
Seperti da lam RDR, perbaikan rule adalah pembuatan sebuah rule pengecualian untuk
membuat benar pengklasifikasian yang salah, dimana penambahan mengacu pada
penambahan rule baru pada level puncak tree KB. Sistem memandu pengguna selama
proses pembangunan pengetahuan.
Inferensia pengetahuan dipertajam oleh pengetahuan (yaitu, hasil dari analisis variabel dan
nilai) dari urutan derajat kepentingan (important degree) dan tingkat penggunaan (usage
rate) dari case/kasus pada KB. Mekanisme inferensia SBA dibawa kembali dalam VCIRS,
sehingga pengguna mendapatkan lebih banyak jawaban dan penjelasan dari inferensia.
Kinerja sistem ditingkatkan oleh struktur RB yang menduku ng analisis variabel dan nilai
untuk pembangkitan rule. Pembangkitan rule meningkatkan hasil dari inferens ia dalam hal
cakupan pengetahuan. Lebih jauh, analisis nilai juga memandu pengguna selama
pembangunan dan inferensia pengetahuan. Bersamaan dengan pembangkitan rule,
kemampuan ini dapat meningkatkan kinerja sistem dalam hal inferensia pengetahuan.
Kata “intelligent” digunakan dalam VCIRS adalah untuk menekankan bahwa sistem ini
dapat “belajar” dari pengguna, selama pembangunan pengetahuan (yaitu analisis nilai) dan
perbaikan pengetahuan (yaitu pembangkitan rule). Lebih jauh, pembangkitan rule bersama
dengan kemampuan sistem yang mampu untuk melakukan inferensia ala SBA, dapat
secara evolusional meningkatkan kinerja sistem.
Variable-Centered Intelligent Rule System
5
1.4 Modifikasi
VCIRS adalah sistem yang melakukan modifikasi terhadap sistem yang sudah ada (yakni
SBA dan RDR) sebagai berikut:
SBA
o
RDR
o
Pembangunan pengetahuan mudah
Inferensia kemampuan inferensia ala SBA
Kinerja sistem
o
Cakupan pengetahuan ditingkatkan oleh pembangkitan rule
1.5 Definisi Istilah
Istilah-istilah berikut ini banyak digunakan dalam penjelasan VCIRS, sehingga dalam
bagian ini diberikan definisi yang jelas untuk mencegah kesalahpahaman dan
menghamparkan jalan yang nyaman untuk berdiskusi. Istilah-istilah dipresentasikan dalam
BNF (Backus Naur Form). Gambar 1.2 membantu kita menangkap relasi konseptual
diantara istilah-istilah yang dipakai.
Rule
RuleID
NodeID
RuleUsageRate
Node
1
N
NodeID
NodeCFValue
NodeUsageRate
Variable
1
N
1
1
N
VariableID
VariableOrder
VarOperator
VarValue
CFValue
Credit
VariableUsageRate
Conclusion
N
ConclusionValue
Gambar 1.2 Relasi istilah-istilah
Sebuah rule adalah rangkaian dari node-node. Ia bisa memiliki satu atau lebih node.
Sebuah node adalah rangkaian dari variabel-variabel. Ia bisa memiliki satu atau lebih
variabel. Sebuah variabel memiliki pelbagai nilai (value). Sebuh node atau rule bisa
memiliki satu atau lebih konklusi.
Variable-Centered Intelligent Rule System
6
A. Rule Based Systems
/** Rule Base: sebuah rule base mengandung satu atau lebih rule. **/
::=
::= |
/** Rule: rule adalah elemen fundamental untuk membangun sebuah rule base . **/
::= IF THEN
::= ALPHANUMERIC
::= [0..100]
::= |
::= AND
::=
::= ALPHANUMERIC
::= “=” | “=” | “”
::= ALPHANUMERIC | NUMERIC
::= [0..100]
::= |
::= ALPHANUMERIC
::= AND
B. Variable-Centered Rule Structure
Catatan:
Rule adalah rangkaian dari satu atau lebih node.
Sebuah rule dalam VCIRS serupa dengan rangkaian rule dalam RBS/SBA dengan satu
pengecualian bahwa konklusi dari rule adalah konklusi yang dimiliki oleh node terakhir.
Node serupa dengan rule dalam SBA. Ia adalah rangkaian dari satu atau lebih variabel dan
terdiri dari satu atau lebih konklusi.
Contoh pertama dari rule pada gambar 1.3 adalah Rule John#1 yang memiliki 2 node: node
Rule 1 dan node Rule 6. Node Rule 1 memiliki 2 variabel, yaitu a dan b. Node Rule 6 memiliki
satu variabel d. Rule John#1 hanya memiliki satu konklusi, yaitu John.
Variable-Centered Intelligent Rule System
7
Rule 0
Root
Rule 1
Rule 2
Rule 3
{a, b} -> CSE
h -> CS9999
{a, c} -> Friends
Rule 4
Rule 5
{b, e} ->
CS8888
x -> Friends
Rule 6
Rule 7
Rule 10
Rule 8
Rule 11
d -> John
{e, f} -> CRC
{y, z} -> ARC
a -> Assignment
(y, z) -> ARC
Rule 9
{g, h} -> SPAT
Gambar 1.3 Gambaran knowledge base dalam bentuk tree/pohon di VCIRS
Contoh kedua adalah Rule CSE#1 yang hanya memiliki 1 node, node Rule 1. Node Rule 1
memiliki 2 variabel, yaitu a and b; dan Rule CSE#1 memiliki satu ko nklusi, yaitu CSE.
/** Rule Structure **/
::=
::= |
::=
::= |
::= ALPHANUMERIC
::= ALPHANUMERIC
::= NUMERIC
/** mengacu pada dalam Node Structure **/
/** Node Structure **/
::= |
::=
|