REPRESENTASI PENGETAHUAN REPRESENTASI PENGETAHUAN Suatu teknik untuk merepresentasikan

REPRESENTASI PENGETAHUAN

REPRESENTASI PENGETAHUAN � Suatu teknik untuk merepresentasikan basis pengetahuan yang diperoleh ke dalam suatu skema/diagram tertentu sehingga dapat diketahui relasi/keterhubungan antara suatu data dengan data yang lain sehingga dapat diuji kebenaran penalarannya.

KNOWLEDGE (PENGETAHUAN) �Pengetahuan : Fakta atau kondisi sesuatu atau keadaan yang timbul karena suatu pengalaman �Sistem pakar = Knowledge + Inferensi

ALASAN PEMILIHAN � Mengapa lebih memilih representasi pengetahuan daripada representasi informasi? � Karena pada konvensional database merepresentasikan data secara sederhana: string, number, boolean � Namun AI menganggap pengetahuan lebih kompleks, seperti proses, prosedur, aksi, waktu, tujuan dan penalaran

REPRESENTASI PENGETAHUAN Harus terdiri dari struktur data dan prosedur untuk penafsiran � Hal yang berhubungan dengan RP: � Object pengetahuan itu sendiri � Event: kejadian-kejadian dalam dunia nyata dan hubungannya � Performa: bagaimana melakukan suatu tugas tertentu � Meta knowledge: pengetahuan tentang pengetahuan yang direpresentasikan �

PENGGUNAAN PENGETAHUAN � Acuisition � Retrieval � Reasoning

PENGGUNAAN PENGETAHUAN (2) � Acuisition: mengintegrasikan informasi baru kedalam pengetahuan sistem. � Dua level: Menyusun fakta ke dalam database � Pembuatan fungsi untuk mengintegrasikannya dengan cara “belajar dan mengadaptasikannya” terlebih dahulu � � Retrieval: mengingat kembali, menyusun ulang pengetahuan berdasarkan hubungan pengetahuan terhadap masalah � � Linking: mengekstrak informasi baru tersebut Lumping: mengelompokkan hasil ekstraksi pengetahuan baru tersebut kedalam struktur yang lebih besar seperti yang dibutuhkan dalam menyelesaikan masalah

PENGGUNAAN PENGETAHUAN (3) � Reasoning: pengetahuan digunakan untuk menalar suatu permasalahan � Formal reasoning: menggunakan logika proporsional � Procedural reasoning: menggunakan aturan produksi ( IF-THEN) � Analogical reasoning: sangat sulit

KLASIFIKASI KATEGORI RP � Menurut Mylopoulus dan Levesque: (declarative) � � � Representasi Logika: menggunakan logika formal. Digunakan pada PROLOG Representasi Prosedural: menggambarkan prosedur sebagai kumpulan instruksi untuk memecahkan masalah. Digunakan dalam pemrograman: IF-THEN Representasi Network: menggambarkan pengetahuan sebagai Graph dan Tree Representasi Terstruktur: memperluas konsep Representsi Network dengan membuat node-nodenya menjadi struktur data yang kompleks. Contoh: script, frame, dan object Procedural: dibuat dalam prosedur-prosedur

TEKNIK-TEKNIK RP � Logika � Pohon � Jaringan Semantik � Frame � Script � Aturan Produksi atau Sistem Produksi.

LOGIKA � � � Adalah representasi pengetahuan yang paling tua. Proses menarik kesimpulan dari fakta yang sudah ada Input: premis-premis dan Ouput: kesimpulan Terdiri dari: sintaks (simbol), semantik (fakta), dan proses pengambilan keputusan (inferensi) Proses penalaran: � � � Deduktif (umum-khusus) Induktif (khusus-umum) Logika: � � Logika Preposisi: and, or, not, implikasi, dan ekuivalensi Logika Predikat: representasi fakta dalam bentuk well formed formula

LOGIKA PROPOSISI � Operator AND � Operator OR � Operator NOT � Implikasi (→) � Ekuivalensi (↔)

LOGIKA PROPOSISI (2) P Q P AND Q P OR Q T T T T F F T F T F F T T F F F P Q T T T P Q P Q T T F F F T T F F F T

LOGIKA PREDIKAT � Digunakan untuk merepresentasikan hal-hal yang tidak dapat direpresentasikan dengan logika proposisi. � Predikat bertindak sebagai ‘fungsi’ terhadap obyek. � Format penulisan fungsi logika predikat: � Predikat(Subjek) � Andi adalah mahasiswa > mahasiswa(Andi) � Predikat(Subjek, Objek) � Andi makan timun makan(Andi, timun)

LOGIKA PREDIKAT (2) � � � A = Andi anak laki-laki B = Ali anak laki-laki C = Amir anak laki-laki D = Anto anak laki-laki E = Agus anak laki-laki � Pada fakta-fakta di atas, jika menggunakan logika proposisi, maka akan terjadi pemborosan proposisi (5 proposisi) dengan predikat yang sama (laki-laki). � Solusi untuk Logika Predikat : Laki 2(x) Dengan x berisi Andi, Ali, Amir, Anto, dan Agus.

LOGIKA PREDIKAT (3) � Operator-operator dalam logika predikat: a. → (implikasi) b. ~ / ¬ (not) c. (and) d. (or) e. (untuk setiap / semua) f. (ada sebagian)

LOGIKA PREDIKAT (4) � Contoh Fakta: 1. Andi adalah mahasiswa 2. Andi masuk jurusan elektro 3. Setiap mahasiswa elektro pasti mahasiswa teknik 4. Kalkulus adalah matakuliah yang sulit 5. Setiap mahasiswa teknik pasti akan suka kalkulus atau membencinya 6. Setiap mahasiswa pasti suka terhadap suatu matakuliah 7. Mahasiswa yang tidak pernah hadir pada kuliah matakuliah sulit, maka mereka pasti tidak suka terhadap matakuliah tersebut 8. Andi tidak pernah hadir kuliah matakuliah kalkulus

LOGIKA PREDIKAT (5) � Contoh Logika Predikat 1. 2. 3. 4. 5. 6.

LOGIKA PREDIKAT (6) � Contoh Logika Predikat 7. Mahasiswa yang tidak pernah hadir pada kuliah matakuliah sulit, maka mereka pasti tidak suka terhadap matakuliah tersebut 8.

POHON (TREE) Suatu struktur data yang berupa node-node yang dibuat secara hirarkis dan hubungannya

POHON (2) Binary Tree

POHON (3) Decision tree

JARINGAN SEMANTIK � � � Diperkenalkan oleh Ros Quillian Jaringan semantik merupakan jaringan data dan informasi, yang menunjukan hubungan antar berbagai objek Dalam matematika, istilah jaringan semantik merupakan suatu label atau graph berarah. Struktur jaringan semantik terdiri dari node atau simpul dan busur atau arc yang menghubungkannya Simpul menyatakan objek sedangkan busur menyatakan links yang menunjukkan hubungan (relationship) antar simpul-simpul tersebut

JARINGAN SEMANTIK (2)

JARINGAN SEMANTIK (3)

JARINGAN SEMANTIK (4)

JARINGAN SEMANTIK (5)

JARINGAN SEMANTIK (6) AKO ISA Has a = jenis dari = contoh dari = mempunyai

JARINGAN SEMANTIK (7) � Contoh Kasus: Bertanya pada “Tweety” : “How do you Travel ? ” Jawab : “Fly”

FRAME (BINGKAI) � Frame berupa kumpulan-kumpulan slot-slot yang digunakan atau merupakan atribut untuk mendeskripsikan pengetahuan � Pengetahuan yang termuat dalam slot dapat berupa kejadian, lokasi, situasi ataupun elemen-elemen lain

FRAME (2) : STRUKTUR FRAME

FRAME (3) : ELEMEN DASAR FRAME � Slot : merupakan kumpulan atribut atau properti yang menjelaskan objek yang direpresentasikan oleh frame � Subslot : menjelaskan pengetahuan atau prosedur dari atribut pada slot

ISI DARI SLOT DALAM FRAME 1. 2. 3. 4. 5. 6. Informasi identifikasi frame. Hubungan frame dengan frame yang lain. Penggambaran persyaratan yang dibutuhkan frame. Informasi prosedural untuk menggunakan struktur yang digambarkan. Informasi default frame. Informasi baru

BENTUK DARI SUBSLOT 1. 2. 3. 4. 5. 6. Value : nilai dari suatu atribut. Default : nilai yang digunakan jika slot kosong atau tidak dideskripsikan pada instansiasi frame. Range : jenis informasi yang muncul pada slot. If added : berisi informasi tindakan yang akan dikerjakan jika nilai slot diisi. If needed : Facet (subslot) ini digunakan pada kasus dimana tidak ada value pada slot. Other : Slot dapat berisi frame, rule, jaringan semantik ataupun tipe lain dari informasi.

CONTOH FRAME KELAS DARI PENYAKIT INFEKSI.

SCRIPT � Script merupakan skema representasi pengetahuan yang sama dengan frame, Hanya saja frame menggambarkan objek sedangkan script menggambarkan urutan peristiwa � Penggambaran urutan peristiwa pada script menggunakan serangkaian slot yang berisi informasi tentang orang, objek dan tindakan yang terjadi dalam suatu peristiwa

CONTOH SCRIPT UNTUK PEMBELIAN OBAT DI APOTEK

SISTEM PRODUKSI � Pengetahuan dalam sistem produksi di representasikan oleh himpunan kaidah : JIKA [kondisi] MAKA [aksi] JIKA [antecedent] MAKA [konsekuen] JIKA[premis] MAKA [konklusi]

CONTOH � JIKA terjadi luka MAKA berikan betadin � JIKA tidak punya uang Cash MAKA ambil uang tabungan � JIKA bersin-bersin MAKA terserang influensa

METODE PENALARAN SISTEM PRODUKSI � Forward reasoning (data driven): dimulai dari keadaan awal (dari fakta), kemudian menuju ke arah kesimpulan / tujuan � Backward reasoning (goal driven): dimulai dari tujuan / hipotesa baru dicocokkan dengan keadaan awal / fakta-fakta

FORWARD REASONING

BACKWARD REASONING