Upload
sherly-uda
View
690
Download
4
Embed Size (px)
DESCRIPTION
Representasi Pengetahuan
Citation preview
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.