1. 📌 Pengertian Logika dalam AI
7
🔎 Definisi
Logika dalam AI adalah metode formal untuk merepresentasikan pengetahuan dan melakukan penalaran guna menghasilkan kesimpulan yang benar.
📖 Narasi
Logika memungkinkan sistem AI untuk:
- Menarik kesimpulan dari fakta
- Mengambil keputusan rasional
- Menyelesaikan masalah secara sistematis
AI menggunakan logika karena:
- Konsisten
- Terstruktur
- Dapat diproses oleh mesin
2. 🧠 Jenis-Jenis Logika
📊 Klasifikasi Logika
| Jenis Logika | Deskripsi |
|---|---|
| Logika Proposisional | Berdasarkan pernyataan benar/salah |
| Logika Predikat | Menggunakan variabel dan relasi |
| Logika Fuzzy | Mengandung nilai kebenaran parsial |
| Logika Modal | Menyatakan kemungkinan/keharusan |
📖 Penjelasan Naratif
- Logika proposisional cocok untuk masalah sederhana
- Logika predikat lebih kompleks dan fleksibel
- Logika fuzzy digunakan pada sistem dengan ketidakpastian
3. 🔢 Logika Proposisional
7
📌 Konsep Dasar
Proposisi adalah pernyataan yang bernilai:
- Benar (True)
- Salah (False)
📊 Operator Logika
| Simbol | Arti | Contoh |
|---|---|---|
| ∧ | DAN | P ∧ Q |
| ∨ | ATAU | P ∨ Q |
| ¬ | TIDAK | ¬P |
| → | IMPLIKASI | P → Q |
📖 Contoh
- P: “Hujan”
- Q: “Jalan basah”
- P → Q
4. 🔗 Logika Predikat (First Order Logic)
8
🔎 Konsep
Logika predikat menggunakan:
- Variabel
- Fungsi
- Relasi
📊 Contoh
| Bentuk | Contoh |
|---|---|
| Predikat | Manusia(x) |
| Relasi | Suka(Andi, AI) |
| Kuantor | ∀ (semua), ∃ (ada) |
📖 Narasi
Logika predikat lebih kuat karena dapat:
- Menyatakan hubungan kompleks
- Menggeneralisasi pengetahuan
5. 🔄 Inferensi dalam AI
7
🔎 Definisi
Inferensi adalah proses penarikan kesimpulan dari fakta dan aturan yang ada.
📊 Jenis Inferensi
| Jenis | Deskripsi |
|---|---|
| Deduktif | Dari umum ke khusus |
| Induktif | Dari khusus ke umum |
| Abduktif | Menarik dugaan terbaik |
📖 Narasi
Inferensi adalah “otak” dari sistem AI berbasis pengetahuan.
6. 🔁 Metode Inferensi
📊 Teknik Inferensi
| Metode | Deskripsi |
|---|---|
| Forward Chaining | Dari fakta ke kesimpulan |
| Backward Chaining | Dari tujuan ke fakta |
| Resolusi | Pembuktian logika |
📖 Penjelasan
- Forward chaining cocok untuk eksplorasi
- Backward chaining cocok untuk diagnosis
7. ⚙️ Forward vs Backward Chaining
7
📊 Perbandingan
| Aspek | Forward | Backward |
|---|---|---|
| Arah | Data → Tujuan | Tujuan → Data |
| Cocok | Monitoring | Diagnosis |
| Efisiensi | Kurang | Lebih fokus |
8. 🧩 Resolusi dalam Logika
🔎 Konsep
Metode pembuktian dengan menggabungkan klausa logika untuk menghasilkan kesimpulan.
📖 Narasi
Resolusi digunakan dalam:
- Sistem pembuktian otomatis
- Logika predikat
- AI reasoning
9. ⚙️ Sistem Berbasis Pengetahuan
📊 Komponen
| Komponen | Fungsi |
|---|---|
| Knowledge Base | Menyimpan fakta & aturan |
| Inference Engine | Melakukan penalaran |
10. 💡 Studi Kasus: Sistem Pakar
6
📖 Contoh
Diagnosa penyakit:
- IF demam AND batuk THEN flu
📌 Analisis
- Menggunakan logika proposisional
- Inferensi dengan forward/backward chaining
11. ⚠️ Tantangan Logika dalam AI
🔍 Permasalahan
- Ketidakpastian
- Kompleksitas tinggi
- Pengetahuan tidak lengkap
12. 🎯 Kesimpulan
- Logika adalah dasar penalaran AI
- Inferensi memungkinkan AI berpikir
- Forward & backward chaining adalah metode utama
- Sistem pakar adalah implementasi nyata
📚 Aktivitas Pembelajaran
- Latihan: Membuat rule logika sederhana
- Diskusi: “Mana lebih efektif, forward atau backward chaining?”
- Praktikum: Implementasi rule-based system di Python
