SlideShare a Scribd company logo
LOGIKA
Konsep Proporsisi
Majemuk, Manfaat Skema,
Parsing, Predence Rules,
Tautologi, Kontradiksi
dan Contingen
067 240
Kelompok 5
026
009
038
Fauzan Najib Habiibii
(21537144038)
Muhammad Fauzan F
(21537144009)
Abdilah Azam
(21537144026)
TOPIC
Konsep
Proporsisi
Majemuk
Manfaat Skema Parsing Predence Rules Tautologi,
Kontradiksi dan
Contingen
• Ekspresi Logika adalah proposisi-
proposisi yang dibangun oleh variabel-
variabel logika yang berasal dari
pernyataan atau argument
• Contoh : A → B
• Setiap ekspresi logika dapat bersifat
atomic atau majemuk tergantung dari
variabel proposisional yang
membentuknya Bersama perangkai
logika yang relevan
• Contoh
• Jika Dewi rajin belajar, maka ia
akan lulus ujian dan ia dapat pergi
nonton bioskop
• Diubah
• A = Dewi rajin belajar
• B = Dewi lulus ujian
• C = Dewi pergi nonton bioskop
Ekspresi
Logika
• Maka ekspresi logikanya :
• A → B ^ C
• Urutan pengerjaan : (A → B)
^ C atau A → (B ^ C)?
→ ambigu
• Skema merupakan cara untuk
menyederhanakan suatu proposisi majemuk
yang rumit, dengan memeberi huruf tertentu
untuk menggantikan satu sub ekspresi
ataupun sub-sub ekspresi
• Suatu ekspresi logika tertentu, misal (A^B)
dapat diganti dengan P, sedangkan (A^B) dapat
diganti dengan Q. Jadi P berisi variabel
proposisional A dan B, demikian juga Q.
• Dalam hal ini, P maupun Q bukan variabel
proposisional
Skema
Skema
• Well formed formulae (Formula adalah
sekumpulan instruksi yang dimasukkan ke
dalam sel untuk melakukan perhitungan
(penambahan, pengurangan, perkalian,
pembagian dan lain-lain)) (wff) :
• Semua ekspresi atomik adalah fpe (fully
parenthisized expression)
• Jika P adalah fpe, demikian juga (¬P)
• Jika P dan Q adalah fpe, demikian juga
(PˆQ), (PˇQ), (P → Q) dan (P←→Q)
• Tak ada fpe lainnya
Skema
Menganalisis Proposisi
Majemuk
001 Contoh :
[1] Jika Dewi lulus sarjana PTI, orang
tuanya akan senang, dan dia dapat
segera bekerja, tetapi jika dia tidak
lulus, semua usahanya akan sia-sia
002 Analisis
[1.1] Jika Dewi lulus sarjana PTI, orang
tuanya akan senang, dan dia dapat
segera bekerja
dengan
[1.2] Jika dia tidak lulus, semua
usahanya akan sia-sia
003 Sub proposisi skop kiri:
[1.1.1] Jika Dewi lulus sarjana PTI
dengan
[1.1.2] Orang tuanya akan senang, dan
Dewi dapat segera bekerja
004
Sub sub proposisi skop kiri:
[1.1.2.1] Orang tua Dewi akan senang
dengan
[1.1.2.2] Dewi dapat segera bekerja
Menganalisis Proposisi
Majemuk
005
Sub proposisi skop kanan:
[1.2.1] Jika Dewi tidak lulus
dengan
[1.2.2] semua usaha Dewi akan sia-sia
006 • Teknik memilah-milah kalimat
menjadi proposisi-proposisi yang
atomik disebut Parsing.
• Hasilnya dapat diwujudkan dalam
bentuk Parse Tree
007 Parse Tree diubah menjadi fpe
sebagai berikut :
– A = Dewi lulus sarjana PTI
– B = Orang tua Dewi senang
– C = Dewi bekerja
– D = Usaha D = Usaha Dewi sia-sia
008
Pernyataan tersebut ditulis :
(A→(BˆC))ˆ((¬A)→D)
Menganalisis Proposisi
Majemuk
009 Contoh 1 :
1. Jika anda mengambil mata kuliah
logika, dan anda tidak memahami
tautology, maka anda tidak lulus
mata kuliah tersebut
− A = anda mengambil mata kuliah
logika
− B = anda memahami tautology
− C = anda lulus mata kuliah
• Ekspresi logika :
(A ˆ ¬B) → ¬C
010 Contoh 2 :
1. Jika anda belajar rajin dan sehat,
maka anda lulus ujian, atau jika anda
tidak belajar rajin dan tidak sehat,
maka anda tidak lulus ujian
• Variabel proposisinya :
– A = anda belajar rajin
– B = anda sehat
– C = anda lulus ujian
• Ekspresi logika :
(((A ˆ B) → C) ˇ ((¬A ˆ ¬B) ?
untuk menjaga kebenaran sebuah pernyataan maka setiap
operator/ penghubung diberikan aturan yang lebih tinggi.
Contoh :
¬p ˇ q ≡ (¬p ) ˇ q
p ˆ q ˇ r ≡ (p ˆ q) ˇ r
p → q ˇ r ≡ p → (q ˇ r)
p ↔ q → r ≡ p ↔ (q → r)
Predence Rules
untuk operator/ penghubung yang setara
digunakan left associate rule dimana
operator sebelah kiri punya precedence lebih tinggi.
Contoh :
p ˇ q ˇ r ≡ (p ˇ q) ˇ r
p → q → r ≡ (p → q) → r
Left Associate Rules
Bagian 1
Ubahlah pernyataan-pernyataan berikut kedalam ekspresi-
ekspresi logika :
● Jika tikus itu waspada dan bergerak cepat, maka kucing
atau anjing itu tidak mampu menangkapnya
Jawab:
A: Tikus itu waspada
B: Tikus bergerak cepat
C: Kucing dan anjing mampu menangkapnya
(A ^ B) → ¬C
Latihan
067 240
Bagian 1
Ubahlah pernyataan-pernyataan berikut kedalam ekspresi-
ekspresi logika :
● Bowo membeli saham atau property untuk investasinya,
atau dia dapat menanamkan uang di deposito bank dan
mendapat bunga uang
Jawab:
A: Bowo membeli saham untuk investasinya
B: Bowo membeli property untuk investasinya
C: Dia dapat menanamkan uang di deposito
bank D: Dia mendapat bunga uang
(A v B) v (C ^ D)
Latihan
067 240
Bagian 2
Beri tanda kurung pada ekspresi-ekspresi berikut agar tidak
ambigu
1. A ˆ B ˆ C → D
2. A ˇ B ˇ C ↔ ¬D
Jawab:
1. (A ˆ B) ˆ C → D
2. (A ˇ B) ˇ C ↔ ¬D
Latihan
067 240
• Tautology adalah proposisi majemuk yang
selalu bernilai true tidak peduli apa nilai
kebenaran proposisi penyusunnya!
• Contoh: p ˇ ¬p [Apa tabel kebenarannya?]
Tautologi dan
Kontradiksi
• Kontradiksi adalah proposisi majemuk yang
selalu bernilai false tidak peduli apapun!
• Contoh: p ˆ ¬p [tabel kebenaran?]
• Proposisi majemuk selain itu disebut
contingencies.
Tautologi dan
Kontradiksi
• Contoh 1:
Aˇ ¬A apakah tautology?
Buat tabel kebenarannya!
Tautologi
• Contoh 2 :
¬(AˆB) ˇ B apakah Tautology?
Buat tabel kebenarannya!
Tautologi
• Contoh 1 :
A ˆ ¬A apakah kontradiksi ?
• Contoh 2 :
((A ˇ B) ˆ ¬A) ˆ ¬B
• Buat tabel kebenarannya!
Kontradiksi
• Contoh 1 :
((A ˆ B) → C) → A
• Buat tabel kebenarannya!
• Contoh 2 :
((A → B) ˆ (¬B → C)) → (¬C → A)
Contingent
Contoh :
1. Jika anda mengambil mata kuliah logika, dan anda
tidak memahami tautology, maka anda tidak lulus mata
kuliah tersebut
2. Jika anda belajar rajin dan sehat, maka anda lulus
ujian, atau jika anda tidak belajar rajin dan tidak sehat,
maka anda tidak lulus ujian
Latihan
067 240
Struktur Kendali
Contoh:
If kondisi Then
Begin
Pernyataan_11;
Pernyataan_12;
....
Pernyataan_1n;
End
Else
Begin
Pernyataan_21;
Pernyataan_22;
....
Pernyataan_2n;
End
Sequence
Pernyataan 1
Pernyataan 2
.
.
.
Pernyataan n
001 002
Decision
(Keputusan)
Pada bentuk ini, pernyataan 1 hanya
akan di jalankan kalau kondisi
bernilai True, serta pernyataan 2
hanya akan di jalankan kalau kondisi
bernilai False
Contoh:
Begin
Write (‘suhu tubuh : ‘)
ReadLn (suhu);
If suhu > 37 Then
WriteLn (‘suhu tinggi !’);
Else
WriteLn (‘suhu tidak tinggi’);
WriteLn (‘selesai’);
End.
001 002
Repetition
(Pengulangan)
Pernyataan While biasa digunakan
untuk melakukan pengulangan
yang jumlahnya tidak diketahui.
Pada bentuk ini, pengulangan
terhadap pernyataan dilakukan terus
selama kondisi bernilai True, bilai
kondisi bernilai False maka
pernyatan selesai untuk dieksekusi.
Contoh:
Begin
Pencacah := 1;
While Pencacah <= 10 Do
Begin
WriteLn (pencacah);
Pencacah := Pencacah + 1;
End;
End.
Ada Pertanyaan?
067
Thank you for
listening!
Muhammad Fauzan F
- Mencari materi Konsep
Proporsi Majemuk dan
Manfaat Skema
Abdilah Azam
- Membuat power point
dan mencari materi
Parsing Fauzan Najib Habiibii
- Mencari materi
Predence Rules dan
Tautologi, Kontradiksi
dan Contingen
Jobdesc

More Related Content

Featured

Everything You Need To Know About ChatGPT
Everything You Need To Know About ChatGPTEverything You Need To Know About ChatGPT
Everything You Need To Know About ChatGPT
Expeed Software
 
Product Design Trends in 2024 | Teenage Engineerings
Product Design Trends in 2024 | Teenage EngineeringsProduct Design Trends in 2024 | Teenage Engineerings
Product Design Trends in 2024 | Teenage Engineerings
Pixeldarts
 
How Race, Age and Gender Shape Attitudes Towards Mental Health
How Race, Age and Gender Shape Attitudes Towards Mental HealthHow Race, Age and Gender Shape Attitudes Towards Mental Health
How Race, Age and Gender Shape Attitudes Towards Mental Health
ThinkNow
 
AI Trends in Creative Operations 2024 by Artwork Flow.pdf
AI Trends in Creative Operations 2024 by Artwork Flow.pdfAI Trends in Creative Operations 2024 by Artwork Flow.pdf
AI Trends in Creative Operations 2024 by Artwork Flow.pdf
marketingartwork
 
Skeleton Culture Code
Skeleton Culture CodeSkeleton Culture Code
Skeleton Culture Code
Skeleton Technologies
 
PEPSICO Presentation to CAGNY Conference Feb 2024
PEPSICO Presentation to CAGNY Conference Feb 2024PEPSICO Presentation to CAGNY Conference Feb 2024
PEPSICO Presentation to CAGNY Conference Feb 2024
Neil Kimberley
 
Content Methodology: A Best Practices Report (Webinar)
Content Methodology: A Best Practices Report (Webinar)Content Methodology: A Best Practices Report (Webinar)
Content Methodology: A Best Practices Report (Webinar)
contently
 
How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024
Albert Qian
 
Social Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie InsightsSocial Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie Insights
Kurio // The Social Media Age(ncy)
 
Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024
Search Engine Journal
 
5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary
SpeakerHub
 
ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd
Clark Boyd
 
Getting into the tech field. what next
Getting into the tech field. what next Getting into the tech field. what next
Getting into the tech field. what next
Tessa Mero
 
Google's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search IntentGoogle's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search Intent
Lily Ray
 
How to have difficult conversations
How to have difficult conversations How to have difficult conversations
How to have difficult conversations
Rajiv Jayarajah, MAppComm, ACC
 
Introduction to Data Science
Introduction to Data ScienceIntroduction to Data Science
Introduction to Data Science
Christy Abraham Joy
 
Time Management & Productivity - Best Practices
Time Management & Productivity -  Best PracticesTime Management & Productivity -  Best Practices
Time Management & Productivity - Best Practices
Vit Horky
 
The six step guide to practical project management
The six step guide to practical project managementThe six step guide to practical project management
The six step guide to practical project management
MindGenius
 
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
RachelPearson36
 
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Applitools
 

Featured (20)

Everything You Need To Know About ChatGPT
Everything You Need To Know About ChatGPTEverything You Need To Know About ChatGPT
Everything You Need To Know About ChatGPT
 
Product Design Trends in 2024 | Teenage Engineerings
Product Design Trends in 2024 | Teenage EngineeringsProduct Design Trends in 2024 | Teenage Engineerings
Product Design Trends in 2024 | Teenage Engineerings
 
How Race, Age and Gender Shape Attitudes Towards Mental Health
How Race, Age and Gender Shape Attitudes Towards Mental HealthHow Race, Age and Gender Shape Attitudes Towards Mental Health
How Race, Age and Gender Shape Attitudes Towards Mental Health
 
AI Trends in Creative Operations 2024 by Artwork Flow.pdf
AI Trends in Creative Operations 2024 by Artwork Flow.pdfAI Trends in Creative Operations 2024 by Artwork Flow.pdf
AI Trends in Creative Operations 2024 by Artwork Flow.pdf
 
Skeleton Culture Code
Skeleton Culture CodeSkeleton Culture Code
Skeleton Culture Code
 
PEPSICO Presentation to CAGNY Conference Feb 2024
PEPSICO Presentation to CAGNY Conference Feb 2024PEPSICO Presentation to CAGNY Conference Feb 2024
PEPSICO Presentation to CAGNY Conference Feb 2024
 
Content Methodology: A Best Practices Report (Webinar)
Content Methodology: A Best Practices Report (Webinar)Content Methodology: A Best Practices Report (Webinar)
Content Methodology: A Best Practices Report (Webinar)
 
How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024
 
Social Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie InsightsSocial Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie Insights
 
Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024
 
5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary
 
ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd
 
Getting into the tech field. what next
Getting into the tech field. what next Getting into the tech field. what next
Getting into the tech field. what next
 
Google's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search IntentGoogle's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search Intent
 
How to have difficult conversations
How to have difficult conversations How to have difficult conversations
How to have difficult conversations
 
Introduction to Data Science
Introduction to Data ScienceIntroduction to Data Science
Introduction to Data Science
 
Time Management & Productivity - Best Practices
Time Management & Productivity -  Best PracticesTime Management & Productivity -  Best Practices
Time Management & Productivity - Best Practices
 
The six step guide to practical project management
The six step guide to practical project managementThe six step guide to practical project management
The six step guide to practical project management
 
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
 
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
 

Konsep Proporsi Majemuk, Manfaat Skema, Parsing, Predence Rules, Tautologi, Kontradiksi dan Contingen - Kelompok 5.pptx

  • 2. Konsep Proporsisi Majemuk, Manfaat Skema, Parsing, Predence Rules, Tautologi, Kontradiksi dan Contingen 067 240
  • 3. Kelompok 5 026 009 038 Fauzan Najib Habiibii (21537144038) Muhammad Fauzan F (21537144009) Abdilah Azam (21537144026)
  • 4. TOPIC Konsep Proporsisi Majemuk Manfaat Skema Parsing Predence Rules Tautologi, Kontradiksi dan Contingen
  • 5. • Ekspresi Logika adalah proposisi- proposisi yang dibangun oleh variabel- variabel logika yang berasal dari pernyataan atau argument • Contoh : A → B • Setiap ekspresi logika dapat bersifat atomic atau majemuk tergantung dari variabel proposisional yang membentuknya Bersama perangkai logika yang relevan • Contoh • Jika Dewi rajin belajar, maka ia akan lulus ujian dan ia dapat pergi nonton bioskop • Diubah • A = Dewi rajin belajar • B = Dewi lulus ujian • C = Dewi pergi nonton bioskop Ekspresi Logika • Maka ekspresi logikanya : • A → B ^ C • Urutan pengerjaan : (A → B) ^ C atau A → (B ^ C)? → ambigu
  • 6. • Skema merupakan cara untuk menyederhanakan suatu proposisi majemuk yang rumit, dengan memeberi huruf tertentu untuk menggantikan satu sub ekspresi ataupun sub-sub ekspresi • Suatu ekspresi logika tertentu, misal (A^B) dapat diganti dengan P, sedangkan (A^B) dapat diganti dengan Q. Jadi P berisi variabel proposisional A dan B, demikian juga Q. • Dalam hal ini, P maupun Q bukan variabel proposisional Skema
  • 8. • Well formed formulae (Formula adalah sekumpulan instruksi yang dimasukkan ke dalam sel untuk melakukan perhitungan (penambahan, pengurangan, perkalian, pembagian dan lain-lain)) (wff) : • Semua ekspresi atomik adalah fpe (fully parenthisized expression) • Jika P adalah fpe, demikian juga (¬P) • Jika P dan Q adalah fpe, demikian juga (PˆQ), (PˇQ), (P → Q) dan (P←→Q) • Tak ada fpe lainnya Skema
  • 9. Menganalisis Proposisi Majemuk 001 Contoh : [1] Jika Dewi lulus sarjana PTI, orang tuanya akan senang, dan dia dapat segera bekerja, tetapi jika dia tidak lulus, semua usahanya akan sia-sia 002 Analisis [1.1] Jika Dewi lulus sarjana PTI, orang tuanya akan senang, dan dia dapat segera bekerja dengan [1.2] Jika dia tidak lulus, semua usahanya akan sia-sia 003 Sub proposisi skop kiri: [1.1.1] Jika Dewi lulus sarjana PTI dengan [1.1.2] Orang tuanya akan senang, dan Dewi dapat segera bekerja 004 Sub sub proposisi skop kiri: [1.1.2.1] Orang tua Dewi akan senang dengan [1.1.2.2] Dewi dapat segera bekerja
  • 10. Menganalisis Proposisi Majemuk 005 Sub proposisi skop kanan: [1.2.1] Jika Dewi tidak lulus dengan [1.2.2] semua usaha Dewi akan sia-sia 006 • Teknik memilah-milah kalimat menjadi proposisi-proposisi yang atomik disebut Parsing. • Hasilnya dapat diwujudkan dalam bentuk Parse Tree 007 Parse Tree diubah menjadi fpe sebagai berikut : – A = Dewi lulus sarjana PTI – B = Orang tua Dewi senang – C = Dewi bekerja – D = Usaha D = Usaha Dewi sia-sia 008 Pernyataan tersebut ditulis : (A→(BˆC))ˆ((¬A)→D)
  • 11. Menganalisis Proposisi Majemuk 009 Contoh 1 : 1. Jika anda mengambil mata kuliah logika, dan anda tidak memahami tautology, maka anda tidak lulus mata kuliah tersebut − A = anda mengambil mata kuliah logika − B = anda memahami tautology − C = anda lulus mata kuliah • Ekspresi logika : (A ˆ ¬B) → ¬C 010 Contoh 2 : 1. Jika anda belajar rajin dan sehat, maka anda lulus ujian, atau jika anda tidak belajar rajin dan tidak sehat, maka anda tidak lulus ujian • Variabel proposisinya : – A = anda belajar rajin – B = anda sehat – C = anda lulus ujian • Ekspresi logika : (((A ˆ B) → C) ˇ ((¬A ˆ ¬B) ?
  • 12. untuk menjaga kebenaran sebuah pernyataan maka setiap operator/ penghubung diberikan aturan yang lebih tinggi. Contoh : ¬p ˇ q ≡ (¬p ) ˇ q p ˆ q ˇ r ≡ (p ˆ q) ˇ r p → q ˇ r ≡ p → (q ˇ r) p ↔ q → r ≡ p ↔ (q → r) Predence Rules
  • 13. untuk operator/ penghubung yang setara digunakan left associate rule dimana operator sebelah kiri punya precedence lebih tinggi. Contoh : p ˇ q ˇ r ≡ (p ˇ q) ˇ r p → q → r ≡ (p → q) → r Left Associate Rules
  • 14. Bagian 1 Ubahlah pernyataan-pernyataan berikut kedalam ekspresi- ekspresi logika : ● Jika tikus itu waspada dan bergerak cepat, maka kucing atau anjing itu tidak mampu menangkapnya Jawab: A: Tikus itu waspada B: Tikus bergerak cepat C: Kucing dan anjing mampu menangkapnya (A ^ B) → ¬C Latihan 067 240
  • 15. Bagian 1 Ubahlah pernyataan-pernyataan berikut kedalam ekspresi- ekspresi logika : ● Bowo membeli saham atau property untuk investasinya, atau dia dapat menanamkan uang di deposito bank dan mendapat bunga uang Jawab: A: Bowo membeli saham untuk investasinya B: Bowo membeli property untuk investasinya C: Dia dapat menanamkan uang di deposito bank D: Dia mendapat bunga uang (A v B) v (C ^ D) Latihan 067 240
  • 16. Bagian 2 Beri tanda kurung pada ekspresi-ekspresi berikut agar tidak ambigu 1. A ˆ B ˆ C → D 2. A ˇ B ˇ C ↔ ¬D Jawab: 1. (A ˆ B) ˆ C → D 2. (A ˇ B) ˇ C ↔ ¬D Latihan 067 240
  • 17. • Tautology adalah proposisi majemuk yang selalu bernilai true tidak peduli apa nilai kebenaran proposisi penyusunnya! • Contoh: p ˇ ¬p [Apa tabel kebenarannya?] Tautologi dan Kontradiksi
  • 18. • Kontradiksi adalah proposisi majemuk yang selalu bernilai false tidak peduli apapun! • Contoh: p ˆ ¬p [tabel kebenaran?] • Proposisi majemuk selain itu disebut contingencies. Tautologi dan Kontradiksi
  • 19. • Contoh 1: Aˇ ¬A apakah tautology? Buat tabel kebenarannya! Tautologi
  • 20. • Contoh 2 : ¬(AˆB) ˇ B apakah Tautology? Buat tabel kebenarannya! Tautologi
  • 21. • Contoh 1 : A ˆ ¬A apakah kontradiksi ? • Contoh 2 : ((A ˇ B) ˆ ¬A) ˆ ¬B • Buat tabel kebenarannya! Kontradiksi
  • 22. • Contoh 1 : ((A ˆ B) → C) → A • Buat tabel kebenarannya! • Contoh 2 : ((A → B) ˆ (¬B → C)) → (¬C → A) Contingent
  • 23. Contoh : 1. Jika anda mengambil mata kuliah logika, dan anda tidak memahami tautology, maka anda tidak lulus mata kuliah tersebut 2. Jika anda belajar rajin dan sehat, maka anda lulus ujian, atau jika anda tidak belajar rajin dan tidak sehat, maka anda tidak lulus ujian Latihan 067 240
  • 26. 001 002 Decision (Keputusan) Pada bentuk ini, pernyataan 1 hanya akan di jalankan kalau kondisi bernilai True, serta pernyataan 2 hanya akan di jalankan kalau kondisi bernilai False Contoh: Begin Write (‘suhu tubuh : ‘) ReadLn (suhu); If suhu > 37 Then WriteLn (‘suhu tinggi !’); Else WriteLn (‘suhu tidak tinggi’); WriteLn (‘selesai’); End.
  • 27. 001 002 Repetition (Pengulangan) Pernyataan While biasa digunakan untuk melakukan pengulangan yang jumlahnya tidak diketahui. Pada bentuk ini, pengulangan terhadap pernyataan dilakukan terus selama kondisi bernilai True, bilai kondisi bernilai False maka pernyatan selesai untuk dieksekusi. Contoh: Begin Pencacah := 1; While Pencacah <= 10 Do Begin WriteLn (pencacah); Pencacah := Pencacah + 1; End; End.
  • 30. Muhammad Fauzan F - Mencari materi Konsep Proporsi Majemuk dan Manfaat Skema Abdilah Azam - Membuat power point dan mencari materi Parsing Fauzan Najib Habiibii - Mencari materi Predence Rules dan Tautologi, Kontradiksi dan Contingen Jobdesc