Pert 5 6 REPRESENTASI PENGETAHUAN Materi Pembelajaran Definisi

Pert 5 & 6 REPRESENTASI PENGETAHUAN

Materi Pembelajaran • Definisi Representasi Pengetahuan • Jenis Representasi Pengetahuan • Contoh Representasi Pengetahuan

REPRESENTASI PENGETAHUAN (KNOWLEDGE REPRE-SENTATION) Dimaksudkan untuk menangkap sifat-sifat penting masalah dan membuat infomasi dapat diakses oleh prosedur pemecahan masalah. Bahasa representasi harus dapat membuat seorang programmer mampu mengekspresikan pengetahuan untuk mendapatkan solusi suatu masalah.

REPRESENTASI PENGETAHUAN 1. Representasi Logika Representasi ini menggunakan ekspresi-ekspresi dalam logika formal untuk merepresentasikan basis pengetahuan. 2. Representasi Prosedural Menggambarkan pengetahuan sebagai sekumpulan instruksi untuk memecahkan suatu masalah. Dalam sistem yang berbasis aturan, aturan if-then dapat ditafsirkan sebagai sebuah prosedur untuk mencapai tujuan pemecahan masalah.

REPRESENTASI PENGETAHUAN 3. Representasi Network Menyatakan pengetahuan sebagai sebuah graf dimana simpul-simpulnya menggambarkan obyek atau konsep dalam masalah yang dihadapi, sedangkan lengkungannya menggambarkan hubungan antar mereka. Contohnya adalah jaringan semantik.

REPRESENTASI PENGETAHUAN 4. Representasi Terstruktur Memperluas network dengan cara membuat setiap simpulnya menjadi sebuah struktur data kompleks yang berisi tempat-tempat bernama slot dengan nilai tertentu. Nilai-nilai ini dapat merupakan data numerik atau simbolik sederhana, pointer ke bingkai (frame) lain, atau bahkan merupakan prosedur untuk mengerjakan tugas tertentu. Contoh : skrip (script), bingkai (frame) dan obyek (object).

Representasi Pengetahuan 1. 2. 3. 4. 5. 6. Logika Pohon Jaringan Semantik Frame Naskah (script) Kaidah Produksi

LOGIKA 1. Penalaran DEDUKTIF & INDUKTIF 2. Logika Proposisi 3. Logika Predikat

Penalaran Deduktif Penalaran dimulai dari prinsip umum untuk mendapatkan konklusi yang lebih khusus. Contoh: Premis Mayor : Jika hari hujan, saya tidak akan berangkat kuliah. Premis Minor : Hari ini hujan turun. Konklusi : Hari ini saya tidak akan berangkat kuliah.

Penalaran Induktif Penalaran dimulai dari fakta-fakta khusus untuk mendapatkan kesimpulan umum. Contoh: Premis-1 : Aljabar adalah pelajaran yang sulit. Premis-2 : Geometri adalah pelajaran yang sulit. Premis-3 : Kalkulus adalah pelajaran yang sulit. Konklusi : Matematika adalah pelajaran yang sulit. Munculnya premis baru bisa mengakibatkan gugurnya konklusi yang sudah diperoleh.

Logika Proposisi adalah suatu pernyataan yang dapat bernilai benar (B) atau salah (S). Simbol-simbol seperti P dan Q menunjukkan proposisi. Dua atau lebih proposisi dapat digabungkan dengan menggunakan operator logika: • • • Konjungsi Disjungsi Negasi Implikasi Ekuivalensi : : : (and); (or); (not); (if-then);

TRUTH TABEL LAMBANG PENGHUBUNG P Q P Q P Q T T T T F F F T T

Logika Predikat 1. Representasi Sederhana 2. Computable Function 3. Resolusi

Representasi Sederhana Logika predikat digunakan untuk merepresentasikan hal-hal yang tidak dapat direpresentasikan dengan menggunakan logika proposisi. Pada logika predikat dapat merepresentasikan fakta-fakta sebagai suatu pernyataan yang disebut dengan wff (well-formed formula). Misal: Andi adalah seorang laki-laki : A Ali adalah seorang laki-laki : B Amir adalah seorang laki-laki : C Anto adalah seorang laki-laki : D Agus adalah seorang laki-laki : E Bisa ditulis sebagai: laki 2(X) dimana X adalah variabel yang bisa disubstitusikan dengan Andi, Ali, Amir, Anto, Agus dan laki-laki yang lain.

Computable Function Misalkan ingin menyatakan bahwa suatu bilangan x lebih besar daripada y. Untuk itu diperlukan Computable Function. Contoh: lb(1, 0) lk(0, 1) lb(2, 1) lk(1, 2) lb(3, 2) lk(2, 3) Computable function biasanya juga digunakan sebagai computable predicates, sehingga dapat mengevaluasi predikat : lb(2+3, 1)

Andaikan akan menjawab pertanyaan: “Apakah Karjo masih hidup sekarang? ” maka dengan menggunakan fakta dan aturan yang ada, harus membuktikan bahwa: hidup(Karjo, sekarang) Nilai nol pada akhir pembuktian, menunjukkan bahwa pembuktian sukses.

Resolusi merupakan suatu teknik pembuktian yang lebih efisien, sebab fakta-fakta yang akan dioperasikan terlebih dahulu dibawa ke bentuk standar yang sering disebut dengan nama klausa. Pembuktian suatu pernyataan menggunakan resolusi ini dilakukan dengan cara menegasikan pernyataan tersebut, kemudian dicari kontradiksinya dari pernyataan-pernyataan yang sudah ada.

Dasar Resolusi Pada setiap langkah, 2 klausa yang disebut sebagai klausa parent dibandingkan (resolve) menghasilkan klausa baru yang disebut resolvent. Andaikan ada 2 klausa sebagai berikut: winter summer winter cold antara winter dan winter salah satu pasti ada yang bernilai benar. Jika winter bernilai salah, maka summer harus bernilai benar agar klausa pertama benar. Jika winter salah maka winter akan bernilai benar, sehingga cold bisa bernilai benar atau salah. Dengan demikian klausa baru : summer cold akan selalu bernilai benar. Jika klausa yang dihasilkan adalah klausa kosong, maka akan diperoleh kontradiksi, yaitu: winter dan winter

Resolusi pada Logika Predikat Pada logika predikat, prosedur untuk membuktikan pernyataan P dengan beberapa pernyataan F yang telah diketahui, dengan menggunakan resolusi, dapat dilakukan melalui algoritma sebagai berikut: • Konversikan semua proposisi F ke bentuk klausa. • Negasikan P, dan konversikan hasil negasi tersebut ke bentuk klausa. Tambahkan ke himpunan klausa yang telah ada pada langkah 1. • Kerjakan hingga terjadi kontradiksi atau proses tidak mengalami kemajuan.

Resolusi pada Logika Predikat • Seleksi 2 klausa sebagai klausa parent. • Bandingkan (resolve) secara bersama-sama. Klausa hasil resolve tersebut dinamakan resolvent. Jika ada pasangan literal T 1 dan T 2 sedemikian hingga keduanya dapat dilakukan unifikasi, maka salah satu T 1 atau T 2 tidak muncul lagi dalam resolvent. T 1 dan T 2 disebut sebagai complementary literal. Jika ada lebih dari 1 complementary literal, maka hanya sepasang yang dapat meninggalkan resolvent. • Jika resolvent berupa klausa kosong, maka ditemukan kontradiksi. Jika tidak, tambahkan ke himpunan klausa yang telah ada.

POHON Pohon merupakan struktur penggambaran pohon secara hirarkis. A E F D C B G H I J K L

JARINGAN SEMANTIK 1. Jaringan semantik merupakan gambaran pengetahuan grafis yang menunjukkan hubungan antar berbagai obyek. 2. Jaringan semantik terdiri-dari lingkaran-lingkaran yang menunjukkan obyek dan informasi tentang obyek-obyek tersebut. 3. Obyek bisa berupa benda atau peristiwa. 4. Antara 2 obyek dihubungkan oleh arc yang menunjukkan hubungan antar obyek.

roda pagi masuk sekolah sepeda punya pergi naik membaca Ber judul si kancil merah Budi buku adalah kakak laki 2 Ani adalah Bina adalah tang makhluk hidup Ber warna punya baju adalah wanita Jumlah nya dua

Perluasan Jaringan Semantik Perluasan dilakukan dengan menambah NODE dan menghubungkan dengan NODE Node baru tersebut dapat merupakan objek tambahan atau properti tambahan Umumnya penambahan dapat dilakukan dalam 3 cara : 1. objek yang sama 2. objek yang lebih khusus 3. objek yang lebih umum Pewarisan (inheritance) Node yang ditambahkan pada Jaringan Semantik secara otomatis mewarisi informasi yang telah ada pada Jaringan

Perluasan Jaringan Semantik

FRAME • Frame merupakan kumpulan pengetahuan tentang suatu obyek tertentu, peristiwa, lokasi, situasi, dan lain-lain. • Frame memiliki slot yang menggambarkan rincian (atribut) dan karakteristik obyek. • Frame biasanya digunakan untuk merepresentasi-kan pengetahuan yang didasarkankan pada karakteristik yang sudah dikenal, yang merupakan pengalaman-pengalaman. • Dengan menggunakan frame, sangatlah mudah untuk membuat inferensi tentang obyek, peristiwa atau situasi baru, karena frame menyediakan basis pengatahuan yang ditarik dari pengalaman.

Frame alat-alat transportasi Frame macam-macam angkutan darat Trans. Darat Slot Mobil Frame jenis bahan bakar Slot bensin Slot solar Frame Mobil Slot Sedan

Apa itu Frame? ? Apakah ada persamaan antara frame dengan jaringan semantik ? Sama-sama membagi pengetahun ke dalam suatu hirarki. Apakah ada perbedaan antara frame dengan jaringan semantik ? frame dapat memiliki informasi yang sangat lengkap dibandingkan node pada jaringan semantik (frame dapat memiliki properti).

Contoh Frame : Tumbuhan Properti : • • Jumlah batang : 1 Jenis kulit : halus Model daun : jenis pohon jarum, berganti daun Bentuk daun : sederhana, berlekuk, campuran

NASKAH (SCRIPT) Script adalah skema representasi pengetahuan yang sama dengan frame, yaitu merepresentasikan pengetahuan berdasarkan karakteristik yang sudah dikenal sebagai pengalaman-pengalaman. Perbedaannya, frame menggam-barkan obyek sedangkan script menggambarkan urutan peristiwa. Dalam menggambarkan urutan peristiwa, script menggunakan slot yang berisi informasi tentang orang, obyek, dan tindakan-tindakan yang terjadi dalam suatu peristiwa.

NASKAH (SCRIPT) Elemen-elemen script meliputi : • Kondisi input, yaitu kondisi yang harus dipenuhi sebelum terjadi atau berlaku suatu peristiwa dalam script • Track, yaitu variasi yang mungkin terjadi dalam suatu script. • Prop, berisi obyek-obyek pendukung yang digunakan selama peristiwa terjadi. • Role, yaitu peran yang dimainkan oleh seseorang dalam peristiwa. • Scene, yaitu adegan yang dimainkan yang menjadi bagian dari suatu peristiwa. • Hasil, yaitu kondisi yang ada setelah urutan peristiwa dalam script terjadi.

Contoh Jalur (track) : • Ujian tertulis matakuliah Kecerdasan Buatan Role (peran) : • Mahasiswa, Pengawas Prop (pendukung) : • lembar soal, lembar jawab, daftar hadir, pulpen, dan lain-lain. Kondisi Input : • Mahasiswa terdaftar untuk mengikuti ujian.

Adegan-1 : Persiapan pengawas. • Pengawas menyiapkan lembar soal. • Pengawas menyiapkan lembar jawab. • Pengawas menyiapkan lembar presensi. Adegan-2 : Mahasiswa masuk ruangan. • • Pengawas mempersilahkan mahasiswa masuk. Pengawas membagikan lembar soal. Pengawas membagikan lembar jawab. Pengawas memimpin doa. Adegan-3 : Mahasiswa mengerjakan soal ujian • Mahasiswa menulis identitas di lembar jawab. • Mahasiswa menandatangani lembar jawab. • Mahasiswa mengerjakan soal • Mahasiswa mengecek jawaban

Adegan-4 : Mahasiswa telah selesai ujian. • Pengawas mempersilahkan mahasiswa keluar ruangan. • Mahasiswa mengumpulkan kembali lembar jawab. • Mahasiswa keluar ruangan. Adegan-5 : Pengawas mengemasi lembar jawab. • Pengawas mengurutkan lembar jawab. • Pengawas mengecek lembar jawab dan presensi. • Pengawas meninggalkan ruangan. Hasil : • Mahasiswa merasa senang dan lega. • Mahasiswa merasa kecewa. • Mahasiswa pusing. • Mahasiswa memaki-maki. • Mahasiswa sangat bersyukur.

KAIDAH PRODUKSI Kaidah Produksi secara umum terdiri-dari komponen sebagai berikut : • Ruang keadaan, yang berisi keadaan awal, tujuan dan kumpulan aturan yang digunakan untuk mencapai tujuan. • Strategi Kontrol, yang berguna untuk mengarahkan bagaimana proses pencarian akan berlangsung dan mengendalikan arah explore.

Representasi pengetahuan dengan kaidah produksi, pada dasarnya berupa aplikasi aturan (rule) yang berupa : • Antecedent, yaitu bagian yang mengekspresikan situasi atau premis (Pernyataan berawalan IF). • Konsekuen, yaitu bagian yang menyatakan suatu tindakan tertentu atau konklusi yang diterapkan jika suatu situasi atau premis bernilai benar (Pernyataan berawalan THEN). Konsekuensi atau konklusi yang dinyatakan pada bagian THEN baru dinyatakan benar, jika bagian IF pada sistem tersebut juga benar atau sesuai dengan aturan tertentu.

Jenis Aturan RELATIONSHIP/HUBUNGAN IF Baterai sudah soak THEN Mobil tidak bisa distarter REKOMENDASI IF Mobil tidak bisa distarter AND Sistem bahan bakar OK THEN Periksa bagian elektrikal

Jenis Aturan STRATEGI IF Mobil tidak bisa distarter THEN Pertama periksa sistem bahan bakar, lalu periksa sistem elektrikal HEURISTIC IF Mobil tidak bisa distarter AND Mobilnya adalah Ford tahun 1957 THEN Periksa float-nya

Jenis Aturan INTERPRETASI IF Tegangan Resistor R 1 lebih besar dari 2. 0 volt AND Tegangan Kolektor pada Q 1 kurang dari 1. 0 volt THEN Bagian Pre-Amp berada pada range normal DIAGNOSA IF stain dari organisme adalah grampos AND morfologi dari organisme adalah coccus AND pertumbuhan dari organisme adalah chains THEN organisme tersebut adalah streptococcus DISAIN IF task sekarang adalah menempatkan catu daya AND posisi dari catu daya pada kabinet sudah diketahui AND ada ruang tersedia dalam kabinet untuk catu daya THEN letakkan catu daya pada kabinet tersebut

Keunggulan & Keterbatasan Aturan Keunggulan : • Modifikasi dan perawatan relatif mudah • Uncertainty dapat dikombinasikan dengan rules • Tiap rules biasanya independent dari yang lainnya Keterbatasan : • Pengetahuan yang kompleks membutuhkan rules yang sangat banyak • Sistem dengan banyak rules mungkin mempunyai keterbatasan dalam proses pencarian pada bagian program kontrol

Apabila pengetahuan direpresentasikan dengan aturan, maka ada 2 metode penalaran yang dapat digunakan, yaitu : • Forward Reasoning (Penalaran Maju). Pelacakan dimulai dari keadaan awal (informasi atau fakta yang ada) dan kemudian dicoba untuk mencocokkan dengan tujuan yang diharapkan. • Backward Reasoning (Penalaran Mundur). Pada penalaran ini dimulai dari tujuan atau hipotesa, baru dicocokkan dengan keadaan awal atau fakta-fakta yang ada.

FORWARD DAN BACKWORD REASONING 1. Forward : bottom-up reasoning, breadth first Pelacakan dimulai dari keadaan awal (informasi atau fakta yang ada) dan kemudian dicoba untuk mencocokkan dengan tujuan yang diharapkan 2. Backward : top-down reasoning, depth-first Pelacakan dimulai dari tujuan atau hipotesa, baru dicocokkan dengan keadan awal atau fakta-fakta yang ada

RANGKAIAN FORWARD RANGKAIAN BACKWARD • Planning, monitoring, control • Saat sekarang ke masa depan • Antecedent ke consequent • Data driven, bottom-up • Kerja mundur untuk menemukan pemecahan yang mengikuti fakta • Breadth-first search • Antecedent menentukan pencarian • Fasilitas bukan penjelasan • Diagnosis • Sekarang ke masa lalu • Consequent ke antecedent • Goal driven, top-down • Kerja mundur untuk menemukan fakta yang mendukung hipotesa • Depth-first search • Consequent menentukan pencarian • Fasilitas penjelasan

Forward Reasoning (Penalaran Maju) Keadaan Awal A F E D C B G J I H Tujuan M N Tujuan K O Tujuan P L

Backward Reasoning (Penalaran Mundur) Tujuan A F E M D C B G Keadaan Awal N Keadaan Awal J I H K Keadaan Awal O Keadaan Awal P L

FAKTOR YANG MEMPENGARUHI PEMILIHAN BACKWARD ATAU FORWARD a. Banyak keadaan awal dan tujuan b. Rata-rata jumlah node yang dapat diraih secara langsung dari suatu node c. Apakah program butuh menanyakan user untuk melakukan terhadap proses penalaran d. Bentuk kejadian yang akan memicu penyelesaian masalah