Pertemuan 4 Representasi Pengetahuan Betha Nurina Sari M
Pertemuan 4 Representasi Pengetahuan Betha Nurina Sari, M. Kom
NEXT > > REPRESENTASI PENGETAHUAN
Representasi Pengetahuan • Logika • Pohon – Decision Tree • Jaringan Semantik • Frame • Naskah (Script) • List • Aturan / Sistem Produksi
Pengetahuan • Fakta atau kondisi sesuatu atau keadaan yang timbul karena suatu pengalaman. • Hirarki Pengetahuan Meta knowledge : knowledge dan keahlian Knowledge : Informasi yang telah diproses Informasi : Data yang telah diproses Data : Hal yang paling potensial, berasal dari fakta/obyek/kejadian Noise : Data yang masih kabur
Klasifikasi Pengetahuan • Pengetahuan prosedural (procedural knowledge) • Lebih menekankan pada bagaimana melakukan sesuatu. • Contoh: – pengetahuan tentang bagaimana mencuci dengan menggunakan mesin – Pengetahuan tentang bagaimana membuat puding – Pengetahuan tentang bagaimana cara mengobati luka bakar
Klasifikasi Pengetahuan • Pengetahuan deklaratif (declarative knowledge) • Menjawab pertanyaan apakah sesuatu bernilai salah atau benar. • Contoh: – Jangan berikan pisau pada anak dibawah 3 tahun – Buah apel berwarna hijau dan berbentuk bulat – Ada asosiasi positif antara merokok dan penyakit kanker
Klasifikasi Pengetahuan • Pengetahuan tacit (tacit knowledge) • Pengetahuan yang tidak bisa diungkapkan dengan bahasa – Bagaimana cara mengayuh sepeda – Bagaimana cara berjinjit untuk menari balet – Bagaimana kita menggerakkan tangan – Bagaimana memejamkan mata
Representasi Pengetahuan • Representasi Pengetahuan 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.
Karakter Model Representasi Pengetahuan • Harus bisa diprogram dengan bahasa pemrograman atau dengan shells dan hasilnya disimpan dalam memori • Dirancang sedemikian sehingga isinya dapat digunakan untuk proses penalaran • Model representasi pengetahuan merupakan sebuah struktur data yang dapat dimanipulasi oleh mesin inferensi dan pencarian untuk aktivitas pencocokan pola • Menangkap sifat-sifat penting problema • Membuat informasi itu dapat diakses oleh prosedur pemecahan problema/masalah
Klasifikasi Representasi Pengetahuan [Mylopoulos dan Levesque] • Representasi Logika : Menggunakan ekspresi-ekspresi logika formal untuk merepresentasikan basis pengetahuan • Representasi Prosedural: Menggambarkan pengetahuan sebagai kumpulan instruksi • Representasi Network (Jaringan) : Menangkap pengetahuan sebagai sebuah graf, dimana nodenya menggambarkan objek atau konsep dalam problem yang dihadapi • Representasi Terstruktur : Representasi terstruktur memperluas jaringan. Contoh dari representasi ini adalah Script, Frame dan Object
TOPIK BAHASAN REPRESENTASI PENGETAHUAN
REPRESENTASI LOGIKA • Representasi logika terdiri dari dua jenis yaitu Kalkulus proposisional (Propositional logic) dan Kalkulus predikatif (Predicate logic).
Representasi Logika • Representasi pengetahuan yang paling tua • Menggunakan ekspresi-ekspresi logika untuk merepresentasikan basis pengetahuan • Proses logika adalah proses menarik kesimpulan/inferensi berdasarkan fakta yang ada • Inputnya berupa premis atau fakta-fakta yang diakui kebenarannya • Outputnya berupa kesimpulan/inferensi/konklusi yang benar • PROLOG merupakan bahasa pemrograman ideal dalam mengimplementasikan representasi logika
REPRESENTASI LOGIKA • Kalkulus Proposisional (Propositional Logic) • Proposisi adalah suatu model untuk mendeklarasikan suatu fakta. Lambang-lambang proposisional menunjukkan proposisi atau pernyataan tentang segala sesuatu yang dapat benar atau salah.
LOGIKA PROPOSISI (PROPOSITIONAL LOGIC) • Logika Proposisi : Logika yang hanya mempunyai nilai benar atau salah • Proposisi : Suatu pernyataan (fakta) yang dapat bernilai Benar atau Salah v v v Konjungsi : ^ (and / dan ) Disjungsi : v (or / atau) Negasi : ¬ (not / tidak / bukan) Implikasi : → (if then / jika. . . maka. . . ) Ekuivalensi : ↔ (if and only if / jika dan hanya jika)
CONTOH LOGIKA PROPOSISI • Contoh 1: Diketahui preposisi-preposisi berikut: P : Hari ini hujan Q : Murid-murid diliburkan dari sekolah Maka P^Q : Hari ini hujan dan murid-murid diliburkan dari sekolah Pv. Q : Hari ini hujan atau murid-murid diliburkan dari sekolah ~P : Tidak benar hari ini hujan (Hari ini tidak hujan) • Contoh 2: P Q : Hujan turun sekarang : Saya tidak akan ke pasar : Jika hujan turun sekarang maka saya tidak akan ke pasar
Tabel Logika • Contoh Ø A = Dewi Rajin Belajar Ø B = Dewi Lulus Ujian Ø C = Dewi mendapat hadiah istimewa • Dalam ekspresi logika: § Jika Dewi rajin belajar maka Dewi lulus ujian dan mendapat hadiah istimewa : A B ^ C § Jika Dewi rajin belajar maka Dewi lulus ujian dan mendapat hadiah istimewa : (A (B ^ C)) § Jika Dewi rajin belajar maka Dewi lulus ujian dan mendapat hadiah istimewa : ((A B) ^ C)
Logika Predikat • Logika yang digunakan untuk merepresentasikan masalah yang tidak dapat dilakukan atau direpresentasikan dengan menggunakan logika preposisi • Misal: Diketahui fakta-fakta sebagai berikut: Ø Ø Andi adalah seorang laki-laki : A Ali adalah seorang laki-laki : B Amir adalah seorang laki-laki : D Agus adalah seorang laki-laki : E • Jika kelima fakta tersebut dinyatakan dengan menggunakan proposisi, maka akan terjadi pemborosan. Dimana beberapa pernyataan dengan predikat yang sama akan dibuat dalam preposisi yang berbeda. • Pernyataan diatas apabila dinyatakan dalam bentuk logika predikat adalah sebagai berikut: Øseorang(x(Andi, Ali, Amir, Anto, Agus), laki-laki).
Logika Predikat • Contoh logika predikat lainnya: ØDiana adalah nenek dari Ibu Amir ØBentuk logika predikat: Nenek(Diana, Ibu(Amir)) ØMahasiswa berada didalam kelas ØBentuk logika predikat : Di dalam (Mahasiswa, Kelas) ØDari contoh diatas dapat dijabarkan sebagai berikut: ØDi dalam = predikat (keterangan)
Penalaran (Reasoning) • Jika ruang masalah sangat besar penggunaan logic dan teknik penalaran (reasoning) akan lebih efisien dibanding penggunaan teknik pencarian (searching) • Pada bagian ini dibahas teknik penalaran (reasoning) yakni teknik penyelesaian masalah dengan cara merepresentasikan masalah ke dalam basis pengetahuan (knowledge base) dan melakukan proses penalaran untuk membuat kesimpulan/keputusan menggunakan logic atau bahasa formal (bahasa yang dipahami oleh komputer)
Penalaran (Reasoning) • Sistem akan mencoba untuk memberikan output berupa solusi dari suatu masalah berdasarkan kumpulan pengetahuan yang ada
Tree / Pohon • Struktur sederhana untuk representasi pengetahuan • Merupakan struktur grafik hirarki
Decision Tree • Pohon keputusan mudah dikonversi ke dalam bentuk aturan (rule)
JARINGAN SEMANTIK (SEMANTIC NETWORK) • Mengekspresikan solusi dan permasalahan dengan menggunakan grafik • Disajikan dalam bentuk graph berarah • Menggunakan node (simpul) sebagai kondisi dan arc (link) sebagai relasi antar simpul • Dapat menggambarkan relasi “adalah/contoh dari” (IS-A) • Dapat menggambarkan relasi “bagian dari” (A Kind Of /AKO/ is part), merelasikan individu ke induknya • Dapat menggambarkan relasi “mempunyai”
Perhatikan Jaringan Semantic sederhana berikut ini: Sayap Memiliki Kenari Adalah Burung Berpindah tempat terbang
Perluasan yang bisa dilakukan dengan penambahan • Objek yang sama – Ditambahkan node penguin yang sama dengan node kenari • Objek yang lebih khusus – Penambahan node tweety yang lebih khusus dari kenari. Juga penambahan informasi bahwa tweety termasuk burung • Objek yang lebih umum – Ditambahkan node hewan yang merupakan bentuk lebih umum dari burung
Sehingga kita dapatkan: udara tweety Sayap adalah Memiliki Kenari bernafas Adalah Burung Adalah Berpindah tempat penguin terbang hewan
Jaringan semantik • Kalimat-kalimat yang akan di bentuk menjadi representasi jaringan semantik adalah : • Agung adalah mahasiswa yang kuliah di Universitas Gunadarma. • Agung adalah mahasiswa yang kuliah hingga semester 8 agar lulus dan mendapat gelar S 1. • Agung mengerjakan PI sebagai syarat lulus dan mendapat gelar S 1. • Agung mengerjakan PI bertema aplikasi berbasis telepon selular. • Agung mengerjakan PI menggunakan bahasa pemrograman yaitu J 2 ME. • Agung menyukai bahasa pemrograman saat belajar di Universitas Gunadarma. • Agung menyukai bahasa pemrograman yaitu J 2 ME.
BINGKAI (FRAME) • Metode menampilkan pengetahuan mengenai obyek tertentu (misal: lokasi, benda, peristiwa, situasi, dll) • Digunakan untuk merepresentasikan pengetahuan yang didasarkan pada karakteristik yang sudah dikenal (berdasarkan pengalaman)
Contoh FRAME
CONTOH BINGKAI (FRAME)
Hirarki Frame
Contoh
SCRIPT (Naskah) • Merepresentasikan pengetahuan dengan menggambarkan urutan kejadian • Merepresentasikan situasi, pengetahuan dan pengalaman • Penggambaran urutan peristiwa menggunakan serangkaian slot yang berisi informasi tentang orang, objek, dan tindakan-tindakan yang terjadi dalam suatu peristiwa
ELEMEN DALAM SCRIPT • Beberapa elemen yang terdapat dalam script yaitu (Suparman: 1991): 1. Kondisi masukan: menggambarkan situasi yang harus dipenuhi sebelum terjadinya sebuah peristiwa yang ada dalam script 2. Prop: mengacu kepada objek yang digunakan dalam urutan peristiwa yang terjadi 3. Role: mengacu pada orang-orang yang terlibat dalam script 4. Track: mengacu pada variasi yang mungkin terjadi dalam script 5. Scene: menggambarkan urutan peristiwa aktual yang terjadi 6. Hasil: merupakan kondisi setelah urutan peristiwa dalam script terjadi
CONTOH SCRIPT Script berangkat ke restoran seperti berikut ini: SCRIPT RESTORAN – Jalur (Track) : Restoran Swalayan (Fast Food) – Peran (Roles) : Tamu, Pelayan – Pendukung (Prop) : Counter, baki, makanan, uang, serbet, garam, merica, kecap, sedotan dan lain-lain – Kondisi masukan : Tamu Lapar - Tamu punya uang Adegan (Scene) 1: Masuk – – Tamu parkir mobil Tamu masuk restoran Tamu antri Tamu baca menu di daftar menu dan mengambil putusan tentang apa yang akan dipesan Adegan 2: Pesanan – Tamu memberikan pesanan kepada pelayan – Pelayan mengambil pesanan dan meletakkan makanan diatas baki. – Tamu membayar
CONTOH SCRIPT Adegan 3: Makan - Tamu mengambil serbet, sedotan, garam dan lain-lain - Tamu membawa baki makanan ke meja kosong - Tamu makan Adegan 4: Pulang - Tamu membersihkan meja - Tamu membuang sampah - Tamu meninggalkan restoran - Tamu naik mobil dan pulang Hasil - Tamu merasa kenyang - Uang tamu jadi habis - Tamu senang - Tamu kecewa - Tamu sakit perut
List • Struktur sederhana untuk representasi pengetahuan • Daftar dari rangkaian materi yang terkait • List digunakan untuk objek yang dikelompokkan, dikategorikan atau digabungkan
Aturan / Sistem Produksi • Pengetahuan dalam kaidah produksi direpresentasikan dalam bentuk JIKA [kondisi] MAKA [Aksi] JIKA [premis] MAKA [Konklusi]
Contoh • Aturan 1: JIKA terjadi luka MAKA berikan Betadine • Aturan 2: JIKA tidak punya uang Cash MAKA ambil tabungan • Aturan 3 : JIKA bersin-bersin MAKA terserang influensa • Aturan 3 : JIKA bensin habis MAKA Motor tidak akan hidup
Contoh • Aturan terkadang menggunakan operator logika AND atau OR. Misalnya: • Aturan 5: JIKA dana mencukupi DAN pengiriman bisa dilakukan kurang dari 1 bulan MAKA beli laser printer • Aturan 6: JIKA kontraktor tidak bisa menyelesaikan pekerjaan tepat waktu ATAU biaya melebihi anggaran MAKA kontrak batal
Aturan -> Kompleksitas • Untuk hasil yang lebih akurat dalam memecahkan masalah dalam suatu domain, biasanya dibutuhkan aturan yang cukup banyak karena masing-masing aturan berisi detail pengetahuan • Jumlah aturan akan menggambarkan kompleksitas dari sistem pakar / produk kecerdasan buatan
Contoh kasus • Akan dibangun sebuah sistem pakar untuk memberikan saran kepada usaha kecil tentang paket software apa yang harus digunakan • Variabel dari pemberian sarannya tampak pada tabel 1 Variabel Makna Nilai dari variabel Fungsi derajat kompleksitas dari dokumen simple, kompleks Biaya Anggaran yang disediakan untuk pembelian software Rendah, Tinggi Produk paket software untuk mengelola dokumen A, B, C
Contoh kasus • Pengetahuan akan di representasikan dengan metode kaidah produksi • Untuk mempermudah representasi pengetahuan, akan dibuat table aturan (Tabel 2) dan Pohon Fungsi Biaya Produk Simple rendah A simple tinggi A compleks rendah Tidak ada Compleks tinggi B atau C
Representasi Pengetahuan - Pohon
Kaidah produksi • Aturan 1: JIKA fungsi simple DAN biaya rendah atau tinggi MAKA pilih WP A • Aturan 2: JIKA fungsi kompleks DAN biaya rendah MAKA tidak ada yang bisa dipilih • Aturan 2: JIKA fungsi kompleks DAN biaya tinggi MAKA pilih WP B atau C
NEXT >>> Representasi Pengetahuan • Download PROLOG (Programming in Logic) http: //www. swi-prolog. org/download/stable • Praktikum Representasi Pengetahuan : Logika • Tentukan kelompok Anda (maksimal 1 kelompok beranggotakan 5 orang) untuk persiapan pembahasan pekan depan. • See you, Good Luck !
- Slides: 48