Representasi Pengetahuan

Sherly Christina, S.Kom., M.Kom

Definisi Pengetahuan (Knowledge )

Pengertian pada suatu area subjek. Representasi Pengetahuan (Knowledge Representation)

Suatu metode untuk mengkodekan pengetahuan didalam basis pengetahuan sebuah sistem pakar.

Tujuan Representasi Pengetahuan

Bertujuan menangkap sifat-sifat penting suatu

permasalahan dan membuat informasi tersebut dapat

diakses oleh prosedur pemecahan permasalahan.

Bahasa representasi pengetahuan harus dapat membuat

seorang pemrogram mampu mengekspresikan

pengetahuan yang diperlukan untuk mendapatkan solusi

permasalahan.

Representasi Pengetahuan Dua hal yang perlu diperhatikan:

1.Fakta Objek yang direpresentasikan. Menerangkan keadaan benda yang ada dalam domain

masalah. Berupa keterangan/kalimat dalam bahasa alami, logika atau

benda.2. Formula Bentuk representasi yang dapat dimanipulasi dalam proses

pemecahan masalah. harus dapat melukiskan hubungan antara komponen-

komponen domain masalah.

Karakteristik Representasi yang baik:

Mengemukakan hal secara eksplisit Membuat masalah menjadi transparan Komplit dan efisien Menampilkan batasan-batasan alami yang ada

Jenis-Jenis Representasi Pengetahuan

Representasi logika: Menggunakan ekspresi-ekspresi

dalam logika formal untuk merepresentasikan basis

pengetahuan

Representasi prosedural: menggambarkan

pengetahuan bagi sekumpulan instruksi untuk

memecahkan suatu permasalahan

Jenis-Jenis Representasi Pengetahuan Representasi network: Menangkap pengetahuan sebagai sebuah graph

dimana simpul-simpulnya menggambarkan obyek atau konsep dari

permasalahan yang dihadapi, sedangkan edge menggambarkan hubungan

atau asosiasi antar simpul.

Representasi terstruktur: memperluas network dengan cara membuat

setiap simpul menjadi sebuah struktur data kompleks

Dan lain-lain : fuzzy logic, jaringan syaraf tiruan, algoritma genetika

Logika proses membentuk kesimpulan/inferensi berdasarkan

fakta yang telah ada. Input => premis atau fakta-fakta yang diakui

kebenarannya

Logika

Logika-Penalaran1. Penalaran deduktif : dimulai dari prinsip

umum untuk mendapatkan konklusi yang lebih khusus.

Contoh : Premis mayor : Jika hujan turun saya tidak

akan berangkat kuliah Premis minor : Hari ini hujan turun Konklusi : Hari ini saya tidak akan berangkat

kuliah

Logika-Penalaran2. Penalaran induktif : dimulai dari fakta-

fakta khusus untuk mendapatkankesimpulan 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

Logika-Penalaran

Munculnya premis baru mungkin mengakibatkan gugurnya

konklusi yang sudah diperoleh, misal :

Premis -4 : Kinematika adalah pelajaran yang sulit .

Premis tersbt menyebabkan konklusi : “Matematika adalah

pelajaran yang sulit”, menjadi salah, karena Kinematika bukan

merupakan bagian dari Matematika, sehingga bila menggunakan

penalaran induktif sangat dimungkinkan adanya ketidakpastian.

Logika-Proposisi Proposisi: suatu pernyataan yang dapat bernilai Benar atau

Salah. Simbol-simbol P dan Q menunjukkan proposisi. Dua atau lebih proposisi dapat digabungkan dengan

menggunakan operator logika : a. Konjungsi : ∧ (and) b. Disjungsi : ∨ (or) c. Negasi : ¬ (not) d. Implikasi : → (if then) e. Ekuivalensi : ↔ (if and only if)

Logika-Proposisi

Logika-Proposisi

Inferensi (pada logika proposisi) => Resolusi. Resolusi : suatu aturan untuk melakukan inferensi yang

dapat berjalan secara efisien dalam suatu bentuk khususyaitu conjunctive normal form (CNF), ciri – cirinya :

setiap kalimat merupakan disjungsi literal semua kalimat terkonjungsi secara implisit

Logika-Proposisi Langkah-langkah untuk mengubah/konversi suatu kalimat ke

bentuk CNF : 1. Hilangkan implikasi dan ekuivalensi

x → y menjadi ¬ x ∨ y x ↔ y menjadi (¬ x ∨ y) ∧ (¬ y ∨ x)

2. Kurangi lingkup semua negasi menjadi satu negasi saja1. ¬ (¬ x) menjadi x 2. ¬ (x ∨ y) menjadi (¬ x ∧ ¬ y) 3. ¬ (x ∧ y) menjadi (¬ x ∨ ¬ y)

3. Gunakan aturan assosiatif dan distributif untuk mengkonversimenjadi conjuction of disjunction

1. Assosiatif : (A∨ B)∨ C menjadi A∨ (B∨ C) 2. Distributif : (A ∧ B)∨ C menjadi (A∨ C) ∧ (B ∨ C)

4. Buat satu kalimat terpisah untuk tiap-tiap konjungsi

Logika-Proposisi , Resolusi Prosedur untuk membuktikan proposisi P dengan

beberapa aksioma F yang telah diketahui,dengan resolusi dapat dilakukan melalui algoritma sebagai berikut.

Konversikan semua preposisi F ke bentuk CNF Negasi P, dan konversikan hasil negasi ke bentuk

klausa. Tambahkan ke himpunan klausa yang telah ada pada langkah 1.

Logika-Proposisi , Resolusi Kerjakan hingga terjadi kontradiksi atau proses tidak

mengalami kemajuan Seleksi 2 klausa sebagai klausa parent Bandingkan (resolve) secara bersama-sama. Klausa hasil

resolve tersebut dinamakan resolvent. Jika ada pasangan literal L dan ¬L, eliminasi dari resolvent

Resolvent. Berupa klausa kosong, maka ditemukan kontradiksi. Jika tidak tambahkan ke himpunan klausa yang telah ada.

Logika-Proposisi , Resolusi Contoh:

Logika-Proposisi , Resolusi Kalimat yang terbentuk:

Logika-Proposisi , Resolusi Setelah dilakukan CNF diperoleh:

Logika Predikat Merepresentasikan hal-hal yang tidak dapat

direpresentasikan dengan menggunakan logika proposisi. Pada logika predikat kita dapat merepresentasikan fakta-

fakta sebagai suatu pernyataan yang disebut dengan wff(well – formed formula).

Eg. laki-laki(x)

dimana x adalah variabel yg disubstitusikan dengan Andi, Ali, Amir, Anto, Agus, & laki-laki yang lain.

Logika Predikat proposisi atau premis : argumen (objek) : individu atau objek dan predikat (keterangan)

Contoh : 1. Jika besok tidak hujan, Tommy pergi ke gunung

¬ cuaca(hujan,besok) → pergi(tommy, gunung) 2. Diana adalah nenek dari ibu Amir

nenek(Diana,ibu(Amir))

3. Mahasiswa berada di dalam kelas

didalam(mahasiswa,kelas)

Logika Predikat Dari contoh diatas dapat dijabarkan sebagai

berikut : di dalam = predikat (keterangan) mahasiswa = argumen (objek) kelas = argumen (objek)

Logika Predikat operator-operator yang digunakan dalam logika predikat

:→, ¬ , ∧ , ∨ , ∀ (untuk setiap), ∃ (terdapat)

Logika Predikat Eg.

1. Andi adalah seorang mahasiswa2. Andi masuk jurusan Elektro3. Setiap mahasiswa elektro pasti mahasiswa teknik 4. Kalkulus adalah matakuliah yang sulit5. Setiap mahasiswa teknik pasti akan suka kalkulus atau akan

membencinya6. Setiap mahasiswa pasti akan suka terhadap suatu matakuliah7. Mahasiswa yang tidak pernah hadir pada kuliah matakuliah sulit,

maka mereka pastitidak suka terhadap matakuliah tersebut. 8. Andi tidak pernah hadir kuliah matakuliah kalkulus

Logika Predikat Eg.

1. mahasiswa(Andi) 2. elektro(Andi) 3. ∀x : elektro(x) → teknik(x) 4. sulit(kalkulus) 5. ∀x : teknik(x) → suka(x,kalkulus) ∨ benci(x,kalkulus) 6. ∀x : ∃y : suka(x,y) 7. ∀x : ∀y : mahasiswa(x) ∧ sulit(y) ∧ ¬hadir(x,y) → ¬suka(x,y) 8. ¬hadir(Andi,kalkulus)

List Adalah serangkaian jenis objek tertulis Untuk merepresentasikan hirarki pegetahuan Objek dikelompokkan, dikategorikan atau digabungkan sesuai

dengan urutan atau hubungannya. Objek dibagi dalam kelompok atau jenis yang sama. Kemudian hubungan ditampilkan dengan menghubungkan

satu sama lain.

List

POHON

Struktur pohon = struktur grafik hirarki. menggambarkan list & hirarki pengetahuan lainnya.

Semantic Networks

Semantic Networks Merupakan gambaran pengetahuan grafis yang

menunjukkan hubungan antar berbagai objek. Jaringan semantik => lingkaran-lingkaran yang

menunjukkan objek & informasi tentangobjek-objek tersebut.

Objek =>benda atau peristiwa. Antara 2 objek dihubungkan oleh arc yang

menunjukkan hubungan antar objek.

Frame Merupakan kumpulan pengetahuan tentang suatu objek tertentu, peristiwa,

lokasi, situasi, dll. Frame memiliki slot yang menggambarkan rincian (atribut) & karakteristik

objek. Frame biasanya digunakan untuk merepresentasikan pengetahuan yang

didasarkan pada karakteristik yang sudah dikenal, yang merupakanpengalaman-pengalaman.

Dengan menggunakan frame, sangat mudah untuk membuat inferensitentang objek, peristiwa, atau situasi baru, karena frame menyediakan basis pengetahuan yang ditarik dari pengalaman.

Frame

Frame Name: Object1

Class: Object2

Properties Property1 Value1Property2 Value2

... ...

... ...

Frame

Frame Name: Bird

Properties Color UnknownEats Worm

No._Wings 2Flies True

Hungry UnknownActivity Unknown

Frame

Frame Name: Tweety

Class: Bird

Properties Color YellowEats Worm

No._Wings 1Flies False

Hungry UnknownActivity UnknownLives Cage

NASKAH (SCRIPT)

Script adalah skema representasi pengetahuan yang sama dengan frame, yaitu merepresentasikanpengetahuan berdasarkan karakteristik yang sudah dikenal.

Perbedaannya, frame menggambarkan objek, sedangkan script menggambarkan urutan peristiwa.

Script menggunakan slot yang berisi informasi tentangorang, objek, & tindakan-tindakan yang terjadi dalam suatu peristiwa.

NASKAH (SCRIPT)Elemen script meliputi :

1. Kondisi input, yaitu kondisi yg harus dipenuhi sebelum terjadiasuatu peristiwa dalam script

2. Track, yaitu variasi yang mungkin terjadi dalam suatu script 3. Prop, berisi objek-objek pendukung yang digunakan selama

peristiwa terjadi4. Role, yaitu peran yang dimainkan oleh seseorang dalam

peristiwa5. Scene, yaitu adegan yang dimainkan yang menjadi bagian dari

suatu peristiwa6. Hasil, yaitu kondisi yang ada setelah urutan peristiwa dalam

script terjadi.

Contoh: Script pergi ke restoran SCRIPT Restoran Jalur(track): fast food restoran Peran(roles): tamu, pelayan Pendukung (prop): conter, baki, makanan, uang, serbet,

garam, merica, kecap, sedotan, dll Kondisi masukan : tamu lapar –tamu punya uang

Contoh: Script pergi ke restoran Adegan(scene) 1 : Masuk Tamu parkir mobil Tamu masuk restoran Tamu antri Tamu baca menu dilist menu dan mengambil keputusan tentang

apa yang akan diminta.

Adegan(scene) 2 : Pesanan Tamu memberikan pesanan pada pelayan Pelayan mengambil pesanan dan meletakkan makanan di atas

baki Tamu membayar

Contoh: Script pergi ke restoran Adegan(scene) 3 : Makan Tamu mengambil serbet, sedotan, garam, dll Tamu makan dengan cepat

Adegan(scene) 4 : Pulang Tamu membersihkan meja Tamu membuang sampah Tamu meninggalkan restoran Tamu naik mobil dan pulang

Hasil Tamu merasa kenyang Tamu senang Tamu kecewa Tamu sakit perut

Sistem Produksi (Production Rule)terdiri atas: Ruang masalah (Initial state,Goal State dan kumpulan

aturan/production rule). Strategi Kontrol, mengarahkan bagaimana proses

pencarian akan berlangsung dan mengendalikan arah eksplorasi.

Sistem Produksi (Production Rule)

Sistem Produksi -Penalaran Bila pengetahuan direpresentasikan dengan aturan,

maka ada 2 penalaran 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)Dimulai dari tujuan atau hipotesa, baru dicocokkan dengan keadaan awal atau fakta yang ada

Tugas KELOMPOK1. Cari 1 contoh penggunaan representasi pengetahuan (dalam

sistem pakar/sistem cerdas/sistem penunjang keputusan/game/aplikasi mobile/program berbasis web/aplikasi “apa saja”).

2. Buat dalam bentuk laporan, berisi: a. Pembahasan mengenai jenis representasi pengetahuan yang

dilaporkanb. Pembahasan mengenai implementasi representasi pengetahuan

pada aplikasi yang dipilih. c. Referensi dituliskan dengan jelas dalam daftar pustaka.

3. Laporan setiap kelompok harus berbeda. 4. Tugas dikumpulkan tanggal 26 september paling lambat pukul

12.00 wib.