REPRESENTASI PENGETAHUAN

Slides:



Advertisements
Presentasi serupa
SISTEM PAKAR DR. KUSRINI, M.KOM.
Advertisements

REPRESENTASI PENGETAHUAN - 2
Referensi : Kusumadewi, Sri. Artificial Intelligence Teknik dan Aplikasinya, Yogayakarta, Graha Ilmu, 2003 Pandjaitan, Lanny. Dasar – Dasar Komputasi Cerdas,
REPRESENTASI PENGETAHUAN
Representasi Pengetahuan
Representasi Pengetahuan
Reasoning, Semantic Network, Frame
REPRESENTASI PENGETAHUAN
REPRESENTASI PENGETAHUANI
Sistem Pakar.
REPRESENTASI PENGETAHUAN
REPRESENTASI PENGETAHUAN Jaringan semantik
Representasi Pengetahuan
Pertemuan 4.
Representasi Pengetahuan
Knowledge Representation (lanjutan)
Sistem Pakar.
REPRESENTASI PENGETAHUAN
Representasi Pengetahuan
REPRESENTASI PENGETAHUAN.
Representasi Pengetahuan (I)
Course MMS 2901 Departement of Computer Science Gadjah Mada University © Aina Musdholifah & Sri Mulyana.
REPRESENTASI PENGETAHUAN - LOGIKA
ARTIFICIAL INTELLIGENCE
REPRESENTASI PENGETAHUAN
Representasi Pengetahuan
Sistem pakar Sistem pakar merupakan cabang dari Artificial Itellegence (AI) yang cukup tua karena sistem ini mulai dikembangkan pada pertengahan 1960.
QUIS SISTEM PAKAR.
KECERDASAN BUATAN PERTEMUAN 10.
REPRESENTASI PENGETAHUAN
REPRESENTASI PENGETAHUAN
Representasi Pengetahuan II.
REPRESENTASI PENGETAHUAN
JARINGAN SEMANTIK.
Intelegensia Buatan Silabus Perkembangan AI
KNOWLEDGE REPRESENTATION
Pertemuan 4 Representasi Pengetahuan
Representasi & penalaran
Backward Chaining.
REPRESENTASI PENGETAHUAN
REPRESENTASI PENGETAHUAN
Pendekatan Inferensi dalam Sistem Pakar
Model Heuristik Dr. Sri Kusumadewi, S.Si., MT. Materi Kuliah [8]:
KNOWLEDGE REPRESENTATION
Akuisisi dan Representasi Pengetahuan
Representasi Pengetahuan
KECERDASAN BUATAN PERTEMUAN 10.
Backward Chaining 17/9/2015 Kode MK : MK :.
METODE INFERENSI 17/9/2015 Kode MK : MK :.
Rerepresentasi Pengetahuan
Backward Chaining 17/9/2015 Kode MK : MK :.
Pengembangan Sistem Pakar
PERBANDINGAN SISTEM KONVENSIONAL
Pertemuan 9 PENGANTAR SISTEM PAKAR
Metode Inferensi By: Edi, MKM.
Sistem Berbasis Pengetahuan
LIST and TREE 17/9/2015 Kode MK : MK :.
Jaringan Semantik 17/9/2015 Kode MK : MK :.
Representasi Pengetahuan
KNOWLEDGE REPRESENTATION
METODE INFERENSI 17/9/2015 Kode MK : MK :.
REPRESENTASI PENGETAHUAN I
FRAME 17/9/2015 Kode MK : MK :.
Kaidah Produksi 17/9/2015 Kode MK : MK :.
Rerepresentasi Pengetahuan
REPRESENTASI PENGETAHUAN
Kecerdasan Buatan Pertemuan 02 Reperentasi Pengetahuan.
GUNAWAN Materi Kuliah [8]: (Sistem Pendukung Keputusan)
JARINGAN SEMANTIK.
ARSITEKTUR SISTEM PAKAR
Transcript presentasi:

REPRESENTASI PENGETAHUAN

Data, Informasi dan Pengetahuan Data merupakan representasi dari fakta seperti gambar atau ukuran. Misal : 8 orang; 12 derajat Informasi merupakan penggunaan data untuk menjawab pertanyaan tertentu dari pengguna. Misal: Kita bisa membawa 8 orang ke dalam sebuah mobil Suhu diluar mencapai 32 derajat celsius Pengetahuan merupakan saringan/intisari dari informasi. Dia lebih umum tetapi mungkin tidak komplit dan lebih fuzzy. Pengetahuan bisa berisi fakta, informasi, konsep, prosedure, model dan heuristic yang dapat digunakan untuk menyelesaikan suatu masalah.

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 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 kanker pengetahuan tacit (tacit knowledge) - pengetahun yang tidak bisa diungkapkan dengan bahasa Bagaimana cara mengayuh sepeda Bagaimana cara berjinjit untuk menari balet

Metode Memperoleh Pengetahuan Manual Berdasarkan interview Melacak proses penalaran Observasi Semiautomatic Pembangunan Pengetahuan dengan sedikit bantuan dari knowledge engineer tetapi sumbernya masih dari expert Automatic Minimal input dari ahli maupun knowledge engineer

Definisi Representasi Pengetahuan metode yang digunakan untuk mengkodekan pengetahuan dalam sebuah sistem pakar yang berbasis pengetahuan perepresentasian dimaksudkan untuk menangkap sifat-sifat penting problema dan membuat informasi itu dapat diakses oleh prosedur pemecahan problema

Karakter Model Representasi Pengetahuan Harus bisa diprogram dengan bahasa pemrograman 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

Metode Representasi Pengetahuan Prosedural, merepresentasikan aksi dan procedure Aturan Produksi Deklaratif, merepresentasikan fakta Jaringan Semantik Frame Logika predikat

1. Jaringan Semantik Pengetahuan disusun dalam sebuah jaringan yang memiliki komponen utama: Node menyatakan obyek, konsep, atau situasi Dinyatakan dengan kotak atau lingkaran Arc/Link Menyatakan hubungan antar node Dinyatakan dengan tanda panah Link penting: subclass/ is a kind of (AKO), instance/is a (ISA) dan has a

hewan suka kepala reptilia mamalia Abu-abu gajah besar apel Bonnie clyde instance ukuran warna subclass Memiliki bagian

Ann Bill carol dave suzie John Tom Istri dari Suami dari Ibu dari Ayah dari

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 bernafas Memiliki Kenari Adalah Adalah Burung hewan Adalah penguin Berpindah tempat terbang

OPERASI PADA JARINGAN SEMANTIK Caranya dengan bertanya kepada node Kasus 1 Jika kita bertanya pada Burung,” bagaimana cara berpindah tempat?” Jawabannya “terbang” Untuk menjawab maka node akan melihat bagian link dengan label berpindah tempat dan mengambil informasinya yaitu “terbang”

Kasus 2 Jika kita bertanya pada tweety “bagaimana cara berpindah tempat” Jawabannya “Terbang” Jika node tidak menemukan jawaban pada lokal link, maka dia melihat link lain yang memiliki hubungan adalah, lihat diagram berikut ini

How berpindah? How berpindah? tweety kenari user terbang terbang terbang How berpindah? burung terbang Berpindah tempat

Kasus 3 Jika kita bertanya pada “penguin”, Bagaimana berpindah tempat? Maka jawabannya adalah “terbang” Hal ini tidak sesuai fakta sebenarnya, untuk mengatasinya kita tambahkan link khusus pada penguin yang sifatnya sama dengan induk tetapi informasinya berbeda (override) Sehingga kita mendapatkan jawaban ”berjalan”

Sehingga kita dapatkan: udara tweety Sayap adalah bernafas Memiliki Kenari Adalah Adalah Burung hewan Adalah penguin Berpindah tempat terbang Berpindah tempat berjalan

2. FRAME Frames – semantic net dilengkapi dengan properties Suatu Frame menggambarkan entitas sebagai set dari attribute dan nilai yang bersesuaian Suatu frame dapat berelasi dengan frame yang lainnya 3 komponen utama dari frame frame name attributes (slots) values (fillers: list of values, range, string, etc.) Book Frame Slot  Filler Title  AI. A modern Approach Author  Russell & Norvig Year  2003

Fitur-fitur dari representasi Frame Mempunyai dukungan nilai yang lebih natural daripada semantic net (setiap slot memiliki batasan yang menentukan nilai legal yang bisa dipakai) Dapat dengan mudah diimplementasikan dengan konsep OOP Inheritance mudah dikendalikan

Hotel Chair Hotel Room Hotel Phone Hotel Bed Mattress what  chair height 20-40cm legs  4 Hotel Room what  room where hotel contains hotel chair hotel phone hotel bed Hotel Phone what  phone billing  guest Hotel Bed what  bed size king part  mattress Mattress price  100$

Misalnya kita memiliki frame sebagai berikut: Binatang Sirkus SubClass Hewan Habitat Tenda Keahlian Keseimbangan di atas bola Gajah SubClass Mamalia Belalai Ya Warna Abu-abu Ukuran Besar Habitat Hutan Clyde instance Binatang sirkus-Gajah Warna Pink Pemilik Fred

Inferensi pada frame Jika ada pertanyaan apa keahlian Clyde? Sistem pertama kali akan mengecek frame clyde untukmencari atribute keahlian Karena tidak ditemukan maka pencarian akan diarahkan ke frame binatang sirkus Di frame ini ditemukan atribute keahlian dan value nya “keseimbangan di atas bola” Jawaban dari pertanyaan “Keseimbangan di atas roda”

Klasifikasi Aturan Kaidah Derajat Pertama Kaidah Meta, kaidah yang anteseden atau konskuennya mengandung informasi tentang kaidah yang lain : Contoh: Aturan 7: JIKA Pusing DAN Cepat lelah DAN Sering Kesemutan MAKA Anemia Aturan 8: JIKA Anemia DAN Batuk kronis MAKA TBC

TENTUKAN MANA RULE YANG TERMASUK KAIDAH DERAJAT PERTAMA DAN KAIDAH META DARI RULE BERIKUT:

R1 : IF (Shape = long) AND (color = green or yellow) THEN fruit = banana R2 : IF (Shape = round or oblong) AND (Diameter > 4 inches) THEN Fruitclass = vine R3 : IF (Shape = round or oblong) and (Diameter < 4 inches) THEN Fruitclass = tree R4 : IF (Seedcount = 1 ) THEN Seedclass = stonefruit R5 : IF (Seedcount > 1 ) THEN Seedclass = multiple R6 : IF (Fruitclass = vine) AND (Color = green) THEN Fruit = watermelon R7 : IF (Fruitclass = vine) AND (Surface = rough) AND (Color = tan) THEN Fruit = honeydew R8 : IF (Fruitclass = vine) AND (Surface = smooth) AND (Color = yellow) THEN Fruit = Cantaloupe R9 : IF (Fruitclass = tree) AND (Color = orange) AND (Seedclass = stonefruit) THEN Fruit = apricot R10 : IF (Fruitclass = tree) AND (Color = orange) AND (Seedclass = multiple) THEN Fruit = orange R11 : IF (Fruitclass = tree) AND (Color = red OR yellow OR green) AND (Seedclass = multiple) THEN Fruit = apple