Tugas Knowledge Manajement System

Sistem Pakar : Penasihat Keuangan
Kasus : Seorang 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 perguruan tinggi
D = pendapatan minimum pertahun $40.000
E = investasi pada bidang Asuransi
F = investasi pada saham pertumbuhan
G = investasi pada saham IBM

Setiap variabel dapat bernilai TRUE atau FALSE

FAKTA YANG ADA :
§ 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 pendidikan tinggi THEN dia harus berinvestasi pada bidang Asuransi
R2 : IF seseorang memiliki pendapatan per tahun min $40.000 AND dia berpendidikan pada level perguruan tinggi THEN dia harus berinvestasi pada saham pertumbuhan
R3 : IF seseorang berusia < 30 tahun AND dia berinvestasi pada bidang Asuransi THEN dia sebaiknya berinvestasi pada saham pertumbuhan
R4 : IF seseorang berusia <> 22 tahun THEN dia berpendidikan perguruan tinggi
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 Reasoning :

   

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

-          Step II : If A and C then E A,B,C -> True = R1

-          Step III : If B ad E then F A,B,C,E,F -> True = R3

-          step IV : if F then G. G ->True=R5

kesimpulan : Cocok untuk investasi saham IBM

Solusi dengan Backward Reasoning :

Tujuan memilih investasi pada saham IBM

-          step I : dari R5 diperoleh anteseden investasi pada saham pertumbuhan

-          Step II : dari R3 diperoleh anteseden seseorang berusia < 30 tahun AND dia berinvestasi pada bidang Asuransi maka dia sebaiknya berinvestasi pada saham pertumbuhan

-          Step III : dari R1 diperoleh anteseden seseorang memiliki uang $10.000 untuk berinvestasi dan dia berpendidikan pada level pendidikan tinggi maka dia harus berinvestasi pada bidang Asuransi

 -          Step IV : R4 seseorang berusia <> 22 tahun maka dia berpendidikan perguruan tinggi

      Kesimpulan : jika memilih investasi pada saham IBM maka harus memiliki fakta

-          Memiliki uang $10.000 (A TRUE)

-          Berusia 25 tahun (B TRUE)

Pengertian Forward Chaining dan Contoh alur Forward Chaining

 Pengertian  Forward Chaining dan Contoh alur Forward Chaining

Forward Chaining

Metode Forward Chaining adalah metode pencarian atau teknik pelacakan ke depan yang dimulai dengan informasi yang ada dan penggabungan rule untuk menghasilkan suatu kesimpulan atau tujuan. (Russel S,Norvig P, 2003). Pelacakan maju ini sangat baik jika bekerja dengan permasalahan yang dimulai dengan rekaman informasi awal dan ingin dicapai penyelesaian akhir, karena seluruh proses akan dikerjakan secara berurutan maju. Berikut adalah diagram Forward Chaining secara umum untuk menghasilkan sebuah goal. 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.

Tipe sistem yang dapat dicari dengan Forward Chaining :

1.      Sistem yang dipersentasikan dengan satu atau beberapa kondisi.

2.      Untuk setiap kondisi, sistem mecari rule-rule dalam knowledge base untuk rule-rule yang berkorespondensi dengan kondisi dalam bagian IF

3.      Setiap rule dapat menghasilkan kondisi baru dari konklusi yang diminta pada bagian THEN. Kondisi baru ini ditambahkan ke kondisi lain yang sudah ada.

4.      Setiap kondisi yang ditambahkan ke sistem akan diproses. Jika ditemui suatu kondisi baru dari konklusi yang diminta, sistem akan kembali ke langkah 2 dan mencari rule-rule dalam knowledge base kembali. Jika tidak ada konklusi baru, sesi ini berakhir.

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