SISTEM PAKAR
REPRESENTASI PENGETAHUAN
Oleh:
I Gede Teguh Pribadi 1304505093I Putu Aix Cendana 1304505096I
Gst Ngurah Gede Widiatmika1304505101Ni Luh Adriani 1304505102A. A.
Risky Pramenda Dwijantara1304505111
JURUSAN TEKNOLOGI INFORMASIFAKULTAS TEKNIKUNIVERSITAS
UDAYANA2015
REPRESENTASI PENGETAHUAN
1. Pengertian 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. Bahasa representasi harus
dapat membuat seorang programmer mampu mengekspresikan pengetahuan
yang diperlukan untuk mendapatkan solusi problema.Ada dua
karakteristik umum dari Representasi Pengetahuan (Turban, 2001)
sebagai berikut :a. Representasi pengetahuan dapat diprogramkan
dengan beragam bahasa komputer yang ada dan dapat disimpan dalam
memori.b. Representasi pengetahuan dirancang sedemikian rupa
sehingga fakta dan pengetahuan lainnya dapat dimanfaatkan untuk
penalaran.
2. Susunan Representasi PengetahuanMylopoulus dan Levesque telah
mengklasifikasikan susunan atau pola representasi menjadi empat
kategori yaitu :a. Representasi Logika Representasi ini menggunakan
ekspresiekspresi logika formal untuk merepresentasikan basis
pengetahuan. Prolog merupakan Bahasa pemrograman yang ideal dalam
mengimplementasikan representasi logika.b. Representasi
ProseduralRepresentasi ini menggambarkan pengetahuan sebagai
sekumpulan instruksi untuk memcahkan suatu problema. Dalam sistem
berbasis kaidah, aturan IF THEN dapat ditafsirkan sebagai sebuah
prosedur untuk mencapai tujuan pemecahan problema.c. Representasi
NetworkRepresentasi ini menangkap pengetahuan sebagai sebuah graf
di mana node nodenya menggambarkan objek atau konsep dalam problema
yang dihadapi, sedangkan lengkungan lengkungannya menggambarkan
hubungan atau asosiasi antara mereka. Contoh representasi network
antara lain jaringan semantik dan graf.d. Representasi
terstrukturBahasa bahasa representasi terstruktur memperluas
jaringan dengan membuat setiap nodenya menjadi sebuah struktur data
komplek yang berisi tempat tempat bernama dengan nilai tertentu.
Nilai nilai ini dapat berupa data numerik atau simbolik sederhana,
pointer ke frame (bingkai) lain, atau bahkan merupakan prosedur
untuk mengerjakan tugas tertentu. Contoh dari representasi ini
adalah skrip (script), frame, dan objek (object).
3. Teknik Representasi Pengetahuan Terdapat beberapa teknik
representasi pengetahuan yang biasa digunakan dalam pengembangan
suatu sistem pakar, yaitu : 3.1 LogikaLogika adalah bentuk
representasi pengetahuan yang paling tua. Proses logika adalah
proses membentuk kesimpulan atau menarik suatu inferensi
berdasarkan fakta yang telah ada. Input dari proses logika adalah
berupa premis atau fakta fakta yang diakui kebenarannya sehingga
dengan melakukan penalaran pada proses logika dapat dibentuk suatu
inferensi atau kesimpulan yang benar. Ada 2 penalaran yang dapat
dilakukan untuk mendapatkan konklusi yaitu :A. Penalaran
deduktifPenalaran ini bergerak dari penalaran umum menuju ke
konklusi khusus. Umumnya dimulai dari suatu sylogisme, atau
pernyataan premis dan inferensi dimana terdiri dari 3 bagian yaitu
premis mayor, premis minor dan konklusi.Contoh :Premis Mayor : Jika
hujan turun saya tidak akan berangkat kuliahPremis Minor : Hari ini
hujan turunKonklusi : Hari ini saya tidak akan berangkat kuliahB.
Penalaran induktif Dimulai dari dari masalah khusus menuju ke
masalah umum. Umumnya menggunakan sejumlah fakta atau premis yang
sesuai untuk menarik kesimpulan umum.Contoh :Premis 1 : Aljabar
adalah pelajaran yang sulitPremis 2 : Geometri adalah pelajaran
yang sulitPremis 3 : Kalkulus adalah pelajaran yang sulitKonklusi :
Matematika adalah pelajaran yang sulit
Terdapat beberapa jenis-jenis logika yang perlu diketahui dan
dapat diterapkan yaitu meliputi :a. Logika PreposisiDalam melakukan
penalaran dengan komputer, komputer harus dapat menggunakan proses
penalaran deduktif dan induktif ke dalam bentuk yang sesuai dengan
manipulasi computer.Tabel 3.1 Operator Logika dan Simbol
Suatu Proposisi merupakan suatu statemen atau pernyataan yang
menyatakan benar (True) atau salah (False). Berikut ini contoh
penggunaan dari beberapa operator logika. 1. NOTD = Hari ini
hujanNot D = Hari ini tidak Hujan
2. ANDHasil proposisi akan benar jika kedua proposisi awal
benarA = mobil saya berwarna hitamB = mesin mobil berwarna hitam
itu 6 silinderC = mobil saya berwarna hitam dan mesinnya 6
silinderD = A dan BPada kasus diatas, D baru benar jika A dan B
benar
3. ORProposisi akan benar jika salah satu atau kedua propisis
benarA = Seorang wanita berusia 25 tahunB = Lulusan Teknik ElektroC
= A OR BPada kasus diatas, C akan benar jika salah satu dari A atau
B benar
4. IMPLIESPada konektif IMPLIES, jika proposisi A benar, maka
propisi B pun harus benar.A = Mobil rusakB = Saya tidak bisa naik
mobilC = A Implies BDapat juganakan menggunakan IF-THEN, IF mobil
rusak THEN saya tidak bisa naik mobil
1. Jika A Salah dan B Salah maka C Benar.Jika mobil tidak rusak,
maka saya bisa naik mobil. A IMPLIES B adalah Benar2. Jika A Salah
dan B Benar maka C Benar.Jika mobil tidak rusak, maka saya tidak
bisa naik mobil. A IMPLIES B adalah Benar3. Jika A Benar dan B
Salah maka C Salah.Jika mobil rusak, maka saya bisa naik mobil. A
IMPLIES B adalah Salah4. Jika A Benar dan B Benar maka C Benar.Jika
mobil rusak, maka saya tidak bisa naik mobil. A IMPLIES B adalah
Benar
b. Logika predikatLogika predikat adalah logika yang digunakan
untuk merepresentasikan masalah yangtidak dapat dilakukan atau
direpresentasikan dengan menggunakan logika preposisi. Misal,
diketahui fakta fakta sebagai berikut.Andi adalah seorang laki laki
: AAli adalah seorang laki laki : BAmir adalah seorang laki laki :
CAnto adalah seorang laki laki : DAgus adalah seorang laki laki :
EJika kelima fakta tersebut dinyatakan dengan menggunakan
preposisi, maka akan terjadi pemborosan. Di mana beberapa
pernyataan dengan predikat yang sama akan dibuat dalam preposisi
yang berbeda. Pada logika predikat dapat merepresentasikan fakta
fakta sebagai suatu pernyataan yang disebut dengan WFF (Well Formed
Formula). Pernyataan di atas sebelumnya dapat dibuat menjadi
:Seorang (x(Andi, Ali, Amir, Anto, Agus), laki laki).Contoh lain
:1. Diana adalah nenek dari Ibu AmirNenek (Diana, Ibu (Amir))2.
Mahasiswa berada di dalam kelasDi dalam (Mahasiswa, Kelas)Dari
contoh di atas dapat dijabarkan sebagai berikut.Di dalam = predikat
(keterangan)Mahasiswa = argumen (objek)Kelas = argumen (objek)
3.2 Aturan-aturan (Rules)Merupakan pengetahuan procedural yang
enghubungkan informasi yang diberikan dengan tindakan (action).
Struktur rule, secara logika menghubungkan satu atau lebih
antecedent (atau premises) yang berada pada bagian IF, dengan satu
atau lebih consequents (atau conclusions/kesimpulan) pada bagian
THEN.Misalnya :IF Warna bola itu merahTHEN Saya suka bola ituSebuah
rule dapat memiliki multiple premise yang tergabung dengan
menggunakan operasi logika (AND, OR). Bagian Konklusi dapat berupa
kalimat tunggal atau gabungan dengan menggunakan operasi logika
(AND) dan dapat pula memiliki kalimat ELSE. Untuk operasi-operasi
yang kompleks, sistem berbasis aturan dirancang untuk mengakses
program eksternal. Selain memberikan informasi baru, suatu rule
dapat juga melakukan beberapa operasi yaitu : IF Luas dari
bujursangkar diperlukanTHEN LUAS = PANJANG X LEBAR
Contoh operasi sistem berbasis aturan
3.3 Jaringan Semantik (Semantic Networks)Jaringan semantik
merupakan gambaran pengetahuan grafik yang menunjukkan hubungan
antar berbagai objek. Jaringan semantik terdiri dari lingkaran
lingkaran yang menunjukkan objek dan informasi tentang objek objek
tersebut. Objek di sini bisa berupa benda atau peristiwa. Antara 2
objek dihubungkan oleh arc (panah) yang menunjukkan hubungan antar
objek. Suatu jaringan semantik sederhana bisa dilihat pada gambar
berikut:
Gambar 1.1 Jaringan Sematik Penjelasan : Jaringan semantik
disusun dari NODE dan ARC (Lines) Node merupakan representasi dari
objek, objek properti atau property value. (digambarkan dengan
lingkaran) Arc merupakan representasi dari hubungan antar node.
(digambarkan dengan garis) Baik node maupun arc memiliki label yang
secara jelas menjelaskan representasi dari objek dan hubungan antar
node. Hampir semua objek, atribut, pemikiran atau apapun dapat
dirumuskan dan dihubungkan antara satu dengan lainnya oleh
garis-garis (arc) Arc umumnya menggunakan istilah seperti : IS-A,
HAS-A, dll. Pada gambar contoh tadi: Link IS-A diantara node Canary
dan Bird menjelaskan hubungan spesific-to-general diantara
keduanya.
Perluasan Jaringan SemantikMemperluas (expanding) jaringan
semantic dengan cara menambah NODE dan menghubungkan dengan NODE
yang bersesuaian pada Jaringan Semantik. Umumnya penambahan dapat
dilakukan dalam 3 cara:1). Objek yang samaPenambahan node Penguin
yang merupakan objek yang sama dengan Canary yang merupakan
hubungan IS-A dari node Bird2). Objek yang lebih khususPenambahan
node Tweety yang merupakan objek khusus dari node Canary.
Penambahan tersebut memberikan informasi bahwa Tweety adalah juga
termasuk Bird3).Objek yang lebih umumDapat menambahkan node yang
merupakan representasi yang lebih umum dari suatu node, yang
di-link dengan arc IS-A. Misalnya penambahan node Animal pada node
Bird yang menginformasikan bahwa Bird termasuk dalam objek
Animal.
Gambar 1.2 Perluasan Jaringan Sematik
3.4 FramesFrame adalah kumpulan pengetahuan tentang suatu objek
tertentu, peristiwa, lokasi, situasi, dan lain lain. Frame biasanya
digunakan untuk merepresentasikan pengetahuan yang didasarkan pada
karakteristik yang sudah dikenal, yang merupakan pengalaman
pengalaman. Dengan menggunakan frame, sangat mudah untuk membuat
inferensi tentang objek, peristiwa, atau situasi baru, karena frame
menyediakan basis pengetahuan yang ditarik dari pengalaman.
4. Perbandingan berbagai Teknik Representasi
PengetahuanNoSkemaAdvantagesDisadvantages
1Logika Fakta yang disediakan independen terhadap penggunaan,
menjamin hanya konsekuen valid yang dinyatakan (asserted)Terpisah
antara representasi dan pemrosesan, tidak efisien dengan set data
yang besar, lambat pada knowledge base yang besar
2Rules Sintaks sederhana, mudah dipahami, mudah diterjemahkan
sangat modular, fleksibel (mudah ditambah dan dimodifikasi)Sulit
jika mengikuti hirarki, tidak efisien untuk sistem yang besar,
tidak semua pengetahuan dapat diekspresikan dengan rules, jelek
dalam merepresentasi pengetahuan deskriptif terstruktur
3Jaringan semantikMudah untuk mengikuti hirarki, mudah melacak
asosiasi, fleksibelArti yang melekat pada node bisa ambigous,
penanganan pengecualian cukup sulit, sulit dalam pemrograman
4Frames Bentuk yang sangat ekspresif, mudah men-set-up slot
untuk properti baru, mudah membuat prosedur, mudah mengisikan
informasi default dan mendeteksi value yang tidak adaSulit dalam
pemrograman, sulit dalam inferensi
