Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

Referensi : Kusumadewi, Sri. Artificial Intelligence Teknik dan Aplikasinya, Yogayakarta, Graha Ilmu, 2003 Pandjaitan, Lanny. Dasar – Dasar Komputasi Cerdas,

Presentasi serupa


Presentasi berjudul: "Referensi : Kusumadewi, Sri. Artificial Intelligence Teknik dan Aplikasinya, Yogayakarta, Graha Ilmu, 2003 Pandjaitan, Lanny. Dasar – Dasar Komputasi Cerdas,"— Transcript presentasi:

1 Referensi : Kusumadewi, Sri. Artificial Intelligence Teknik dan Aplikasinya, Yogayakarta, Graha Ilmu, 2003 Pandjaitan, Lanny. Dasar – Dasar Komputasi Cerdas, Yogyakarta, Penerbit Andi, 2007 Arhami,Muhammad. Konsep Dasar Sistem Pakar, Yogyakarta, Penerbit Andi, 2004 Michalewicz, Zbigniew. Genetic Algorithms + Data Structures = Evolution Programs, Springer-Verlag, 1996. Norvig, Russel. Artificial Intelligence a modern approach, USA, Prentice Hall, 2003 Siang, Jong. Jaringan Syaraf Tiruan, Yogyakarta, Penerbit Andi, 2004

2 Artificial Intelligence
Dian Rachmawati

3 Silabus : 1. AI (Artificial Intelligence) a. Defenisi b. Sejarah
c. Aplikasi AI d. Perbedaan AI dengan kecerdasan alami

4 2. Representasi Pengetahuan
a. Hirarki Pengetahuan b. Semantic Network c. Frame d. Script e. Kaidah Produksi f. Logika dan Himpunan

5 3.Sistem Pakar a. Defenisi b. Keuntungan Sistem Pakar c. Perbedaan Sistem Pakar dengan Sistem Konvensional d. Arsitektur Sistem Pakar e. Inferensi

6 4. Logika Fuzzy a. Pengertian b. Kegunaan Fuzzy c. Himpunan Fuzzy

7 6. Algoritma Genetika a. Flowchart genetika b. Komponen Algoritma genetika c. Seleksi d. Crossover e. Mutasi f . Contoh penerapan

8 Kecerdasan Buatan (Artificial Intelligence)

9

10

11

12

13

14 Representasi Pengetahuan
Pemahaman secara praktis maupun teoritis terhadap suatu obyek atau domain tertentu. Kategori pengetahuan menurut Epistemology:

15 Pengetahuan berdasarkan Epistemologi
Pengetahuan Priori Pengetahuan yang medahului atau pengetahuan sebelum pengalaman atau tidak alami dan oleh karenanya bebas dari sense. Pengetahuan ini memiliki kebenaran secara universal. Penyangkalan terhadap pengetahuan ini dapat menimbulkan kontradiksi.

16 Pengetahuan berdasarkan Epistemologi
Pengetahuan Posteriori Pengetahuan yang berasal dari pengalaman dan oleh karenanya melibatkan sense . Nilai kebenaran pengetahuan ini dapat diverifikasi dengan pengalaman indera (sense) manusia. Jenis pengetahuan ini mudah disanggah berdasarkan pengetahuan atau pengalaman yang baru tanpa perlu menimbulkan kontradiksi

17 Kategori Knowledge Secara Umum

18 Hirarki Pengetahuan

19 Hirarki Pengetahuan 17688218738669534650235345514653 Algoritma :
Kelompokan 2 bilangan sehingga membentuk bilangan 2 digit Abaikan bilangan 2 digit yang mempunyai nilai lebih kecil dari 32 Ubah dengan karakter ASCII untuk bilangan 2 digit yang tersisa

20 Tabel ASCII

21 Model Representasi Pengetahuan
Representasi pengetahuan dimaksudkan untuk mengorganisasi pengetahuan dalam bentuk dan format tertentu untuk bisa dimengerti oleh computer, digambarkan sebagai berikut : Pengetahuan  Sistem Representasi Pengetahuan

22 Model Representasi Pengetahuan
Beberapa model representasi pengetahuan (Firebaugh 1989) : Jaringan Semantik ( Semantic Nets) Bingkai (Frame) Script Kaidah Produksi (Production Rule) Logika Predikat (Predicate Logic)

23 Jaringan Semantik Teknik representasi AI yang digunakan untuk informasi yang proposional (Stilling 1987) Dibangun oleh M.R.Quillian, sebagai model memori manusia. Direpresentasikan dengan gambar graph berarah Struktur jaringan semantic terdiri dari simpul (node) dan busur (arc) yang menghubungkannya. Simpul menyatakan onjek, konsep, situasi dan busur sebagai links atau edge atau hubungan (relationship) Hubungan (relationship) merupakan dasar yang penting dalam jaringan semantic karena menyediakan struktur dasar untuk pengorganisasian pengetahuan. Tanpa hubungan, pengetahuan hanyalah merupakan suatu kumpulan dari fakta yang tidak berelasi dan tidak bermakna. Dengan hubungan pengetahuan merupakan perpaduan struktur dengan pengetahuan lainnya yang dapat diambil kesimpulannya. Salah satu masalah dalam penggunaan jaringan semantic adalah tidak adanya satu defenisi yang standar penamaan link nya (Barr 1981 Staugaard). Nodes disebut juga dgn objek, digunakan untuk menunjukkan objek phisik, konsep, situasi Links atau edges atau arcs, untuk mengekspesikan suatu relasi atau hubungan

24 Contoh Jaringan Semantik

25 TIPE LINK Secara umum ada 2 tipe yang digunakan untuk menerangkan link yaitu : IS-A dan A-Kind-Of kadang ditulis ISA dan AKO (Winston 1984) ISA berarti contoh dari dan merupakan anggota tertentu dari suatu kelas Kelas direlasikan sebagai himpunan dari suatu group objek. Suatu himpunan memiliki elemen atau unsur dari berbagai tipe, maka objek dalam suatu kelas mempunyai hubungan antara satu dengan lainnya.

26 TIPE LINK AKO (A Kind Of) digunakan untuk merelasikan suatu kelas dengan kelas lainnya. AKO tidak digunakan untuk merelasikan individu khusus karena untuk relasi individu digunakan ISA. AKO merelasikan suatu kelas individu ke kelas induk dari kelas – kelas dimana individu tersebut merupakan kelas anak. Objek dalam suatu kelas mempunyai satu atau lebih atribut. Tiap atribut mempunyai nilai. Kombinasi dari atribut dan nilai adalah property. Untuk merelasikan / menghubungkan suatu objek ke bagian dari objek digunakan link HAS-A ato HAS

27 Perluasan Jaringan Semantik
Jaringan semantik dapat diperluas (expanding) dengan menambah node dan menghubungkan node yang bersesuaian pada jaringan semantic Node dapat berupa objek tambahan atau property tambahan

28 Cara Memperluas Jaringan Semantik
Perubahan dapat dilakukan dalam 3 cara Objek yang sama Objek yang lebih khusus Objek yang lebih umum

29 Object Attribute Value (OAV)
Ada 3 hal yang sering digunakan untuk membangun jaringan semantik  Object, Attribute, Value (OAV) Objek dapat berupa bentuk fisik atau konsep Atribut adalah karakteristik atau sifat dari objek tersebut Value (nilai) besaran/nilai/takaran spesifik dari atribut tersebut pada situasi tertentu. Dapat berupa numerik, string atau boolean Fakta nilai tunggal (single – valued facts) atribut yang memiliki satu nilai tunggal. Fakta nilai ganda ( multiple – valued facts) atribut yang memiliki lebih dari satu nilai.


Download ppt "Referensi : Kusumadewi, Sri. Artificial Intelligence Teknik dan Aplikasinya, Yogayakarta, Graha Ilmu, 2003 Pandjaitan, Lanny. Dasar – Dasar Komputasi Cerdas,"

Presentasi serupa


Iklan oleh Google