REPRESENTASI PENGETAHUAN

Presentasi berjudul: "REPRESENTASI PENGETAHUAN"— Transcript presentasi:

1 REPRESENTASI PENGETAHUAN
Pert 5 & 6 REPRESENTASI PENGETAHUAN

2 Materi Pembelajaran Definisi Representasi Pengetahuan
Jenis Representasi Pengetahuan Contoh Representasi Pengetahuan

3 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.

4 REPRESENTASI PENGETAHUAN
Representasi Logika Representasi ini menggunakan ekspresi-ekspresi dalam logika formal untuk merepresentasikan basis pengetahuan. 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.

5 REPRESENTASI PENGETAHUAN
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.

6 REPRESENTASI PENGETAHUAN
Representasi Terstruktur Memperluas network dengan cara membuat setiap simpulnya menjadi sebuah struktur data kompleks yang berisi tempat-tempat bernama slot dengan nilai-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).

7 Representasi Pengetahuan
Logika Pohon Jaringan Semantik Frame Naskah (script) Kaidah Produksi

8 LOGIKA Penalaran DEDUKTIF & INDUKTIF Logika Proposisi Logika Predikat

9 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.

10 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.

11 Logika Proposisi 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 :  (and); Disjungsi :  (or); Negasi :  (not); Implikasi :  (if-then); Ekuivalensi : 

12 TRUTH TABEL LAMBANG PENGHUBUNG
Q PQ PQ PQ PQ T F

13 Logika Predikat Representasi Sederhana Computable Function Resolusi

14 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: laki2(X) dimana X adalah variabel yang bisa disubstitusikan dengan Andi, Ali, Amir, Anto, Agus dan laki-laki yang lain.

15 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)

16 Andaikan akan menjawab pertanyaan: “Apakah Karjo masih hidup sekarang
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.

17 Resolusi 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.

18 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

19 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.

20 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 T1 dan T2 sedemikian hingga keduanya dapat dilakukan unifikasi, maka salah satu T1 atau T2 tidak muncul lagi dalam resolvent. T1 dan T2 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.

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

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

23 Budi sekolah sepeda baju Ani roda dua buku laki2 wanita makhluk hidup pagi si kancil Bina tang merah adalah Ber judul membaca pergi kakak naik warna punya Jumlah nya masuk

24 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 : objek yang sama objek yang lebih khusus objek yang lebih umum Pewarisan (inheritance) Node yang ditambahkan pada Jaringan Semantik secara otomatis mewarisi informasi yang telah ada pada Jaringan

25 Perluasan Jaringan Semantik

26 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.

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

28 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).

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

30 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.

31 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.

32 Contoh Jalur (track) : Role (peran) : Prop (pendukung) :
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.

33 Adegan-2 : Mahasiswa masuk ruangan.
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

34 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.

35 KAIDAH PRODUKSI Kaidah Produksi secara umum terdiri-dari komponen- 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.

36 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.

37 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

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

39 Jenis Aturan INTERPRETASI
IF Tegangan Resistor R1 lebih besar dari 2.0 volt AND Tegangan Kolektor pada Q1 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

40 Keunggulan & Keterbatasan Aturan
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

41 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.

42 FORWARD DAN BACKWORD REASONING
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 Backward : top-down reasoning, depth-first Pelacakan dimulai dari tujuan atau hipotesa, baru dicocokkan dengan keadan awal atau fakta-fakta yang ada

43 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

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

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

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