IF Notes

Pengantar Rule-Based System (RBS)

4 min read

Back to IF3170 Inteligensi Artifisial

Topic

Questions/Cues

  • Apa itu Rule-Based System (RBS)?

  • Apa struktur dasar sebuah ‘Rule’?

  • Mengapa RBS banyak digunakan?

  • Apa saja komponen arsitektur RBS?

  • Apa itu Working & Production Memory?

  • Bagaimana contoh Rule dalam CLIPS?

  • Apa dua metode inferensi utama?

Reference Points

  • Materi-06-Seg-0102-RBS.pdf

Definisi Rule-Based System (RBS)

Rule-Based System (RBS) adalah salah satu jenis Knowledge-Based System (KBS) di mana pengetahuan direpresentasikan dalam bentuk aturan-aturan atau rules. Karena kesederhanaan dan kekuatannya, ini adalah salah satu solusi AI yang paling umum dan tersebar luas di dunia nyata.

Struktur Rule (Aturan)

Sebuah rule pada dasarnya adalah implementasi dari implikasi logis, yang memiliki format dasar IF-THEN:

IF (kondisi-kondisi tertentu terpenuhi) THEN (lakukan aksi-aksi berikut).

  • IF Part (LHS): Bagian ini disebut Left-Hand Side (LHS), premis, atau prekondisi. Ini berisi serangkaian kondisi yang harus dipenuhi.

  • THEN Part (RHS): Bagian ini disebut Right-Hand Side (RHS), konklusi, atau aksi. Bagian ini akan dieksekusi jika semua kondisi di LHS terpenuhi. Aksi ini bisa berupa menambahkan fakta baru, menghapus fakta, atau menjalankan suatu prosedur.

Alasan Penggunaan RBS

  1. Representasi Pengetahuan Paling Sederhana: Aturan IF-THEN adalah cara yang sangat intuitif dan mudah dipahami oleh manusia (terutama pakar domain) untuk mengekspresikan pengetahuan.

  2. Solusi Paling Umum: Banyak masalah di dunia nyata, seperti diagnosis, konfigurasi, dan penjadwalan, dapat dimodelkan dengan baik menggunakan aturan.

  3. Pendekatan Hybrid: RBS sering digabungkan dengan teknik lain seperti Machine Learning (RBS+ML) untuk menciptakan sistem yang lebih kuat, di mana RBS menangani penalaran tingkat tinggi dan ML menangani pengenalan pola.

Arsitektur Umum RBS

Sebuah RBS umumnya terdiri dari beberapa komponen inti:

  • Production Memory (Long-term Memory): Ini adalah basis pengetahuan (Knowledge Base) yang berisi semua rules (aturan). Isinya bersifat statis dan tidak berubah selama proses penalaran.

  • Working Memory (Short-term Memory): Ini adalah basis data yang berisi semua fakta (facts) yang diketahui oleh sistem pada saat itu. Isinya sangat dinamis, terus berubah karena aksi dari rules yang dieksekusi (fakta bisa ditambah atau dihapus).

  • Pattern Matcher (Inference Engine): Ini adalah “otak” dari sistem. Tugasnya adalah mencocokkan kondisi (LHS) dari semua rules di Production Memory dengan fakta-fakta yang ada di Working Memory.

  • Komponen Tambahan: Seperti Knowledge Acquisition Component (untuk pakar memasukkan aturan), Explanation Component (untuk menjelaskan kenapa sebuah kesimpulan diambil), dan Interviewer Component (untuk berinteraksi dengan pengguna).

Contoh Rule & Facts dalam CLIPS

CLIPS (C Language Integrated Production System) adalah sebuah shell populer untuk membangun RBS.

  • Contoh Rule: Aturan ini menyatakan “JIKA ?x adalah seekor kuda, DAN ?x adalah induk dari ?y, DAN ?y berlari cepat, MAKA ?x adalah kuda yang berharga.”

(defrule R
  (is-a ?x horse)
  (is-parent-of ?x ?y)
  (is-fast ?y)
  =>
  (assert (is-valuable ?x))
)

  • Contoh Facts: Fakta-fakta yang disimpan di Working Memory.

(is-a Comet horse)
(is-parent-of Comet Prancer)
(is-fast Prancer)

Berdasarkan fakta di atas, Pattern Matcher akan menemukan bahwa Rule R dapat dieksekusi dengan ?x = Comet dan ?y = Prancer, yang kemudian akan menambahkan fakta baru (is-valuable Comet) ke Working Memory.

Metode Inferensi (Penalaran)

Ada dua cara utama bagi RBS untuk melakukan penalaran:

  1. Forward Chaining (Data-Driven): Penalaran dimulai dari fakta-fakta yang ada untuk mencapai sebuah kesimpulan. Sistem akan terus mengeksekusi aturan yang kondisinya terpenuhi oleh fakta saat ini.

  2. Backward Chaining (Goal-Driven): Penalaran dimulai dari sebuah tujuan atau hipotesis. Sistem mencoba membuktikan tujuan tersebut dengan mencari aturan yang bisa menghasilkan tujuan itu, lalu bekerja mundur untuk membuktikan kondisi-kondisi dari aturan tersebut.

Summary

Rule-Based System (RBS) adalah jenis KBS yang merepresentasikan pengetahuan sebagai kumpulan aturan IF-THEN (Rules) di dalam Production Memory. Sistem ini bekerja dengan cara mencocokkan aturan-aturan tersebut dengan fakta-fakta (Facts) yang ada di Working Memory menggunakan sebuah Pattern Matcher. Proses penalaran atau inferensinya dapat dilakukan melalui dua metode utama: Forward Chaining yang digerakkan oleh data (data-driven) atau Backward Chaining yang digerakkan oleh tujuan (goal-driven).

Graph View

Backlinks