Postingan

Menampilkan postingan dari Februari, 2019

Teorema Bayes

Gambar
Pengertian Teorema Bayes Teorema Bayes dikemukakan oleh seorang pendeta Presbyterian Inggris pada tahun 1763 yang bernama Thomas Bayes. Teorema Bayes ini kemudian disepurnakan oleh Laplace. Teorema Bayes digunakan untuk menghitung probabilitas terjadinya suatu peistiwa berdasarkan pengaruh yang didapat dari hasil observasi. Teorema ini menerangkan hubungan antara probabilitas terjadinya peristiwa A dengan syarat peristiwa B telah terjadi dan probabilitas terjadinya peristiwa B dengan syarat peristiwa A telah terjadi.Teorema ini didasarkan pada prinsip bahwa tambahan informasi dapat memperbaiki probabilitas. Teorema Bayes Misalkan {B1, B2,...,Bn} suatu himpunan  kejadian  yang  merupakan  suatu  sekatan  runag  sampel S dengan P(Bi) ≠ 0 untuk i = 1, 2,...n. Dan misalkan A suatu kejadian sembarang dalam S dengan P(A) ≠ 0. Contoh Soal Suatu mata kuliah teori probabilitas  diikuti oleh 50 mahasiswa tahun ke 1, 15 mahasis...

Pengertian Forward Chaining dan Backward Chaining Beserta Contohnya

Gambar
Forward Chaining  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. 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  a wal yang diberikan hanya A dan E, ingin membuktikan apakah K bernilai benar. Proses penalaran forward chaining terlihat pada gambar dibawah : sumber :  https://diskusikuliah.wordpress.com/2010/10/18/forward-c...