representasi pengetahuan

43
1 REPRESENTASI PENGETAHUAN

Upload: lemuel

Post on 23-Feb-2016

98 views

Category:

Documents


0 download

DESCRIPTION

REPRESENTASI PENGETAHUAN. PENGETAHUAN = data/fakta + mekanisme penalaran. Fakta, ide, teori, hubungannya dalam domain tertentu. KNOWLEDGE BASE. Mekanisme Penalaran. INFERENCE MECHANISM. Kumpulan prosedur yang digunakan untuk menguji (melacak dan mencocokkan) untuk mencari solusi. - PowerPoint PPT Presentation

TRANSCRIPT

Page 1: REPRESENTASI PENGETAHUAN

1

REPRESENTASI PENGETAHUAN

Page 2: REPRESENTASI PENGETAHUAN

2

PENGETAHUAN = data/fakta + mekanisme penalaran

Fakta, ide, teori, hubungannya dalam domain tertentu

KNOWLEDGE BASE

Mekanisme Penalaran

INFERENCE MECHANISM

Kumpulan prosedur yang digunakan untuk menguji (melacak dan mencocokkan) untuk mencari solusi

Page 3: REPRESENTASI PENGETAHUAN

3

Langkah membangun sistem AI

Di Organisasikan(Skema)

diKodifikasi

Pengumpulan pengetahuan dari berbagai sumberOtak/pengetahuan pakarBukuArtikeldllSkema “DEKLARATIF”

Cocok untuk menggambarkan fakta-fakta asersiYang termasuk skema representasi pengetahuan deklaratif:1. LOGIKA2. JARINGAN SEMANTIK3. FRAME4. SCRIPT

Skema “PROSEDURAL”- Cocok untuk menyatakan aksi

dan prosedur- Yang termasuk skema

representasi pengetahuan deklaratif:

1. PROSEDUR / SUBROUTINE2. KAIDAH PRODUKSI

Page 4: REPRESENTASI PENGETAHUAN

4

1. LOGIKALogika merupakan suatu pengkajian ilmiah

tentang serangkaian penalaran, sistem kaidah dan prosedur yang membantu proses penalaran

Proses Logika : Proses membentuk kesimpulan atau menarik suatu inferensi berdasarkan fakta yang telah ada

Merupakan bentuk representasi pengetahuan yang paling tua

Page 5: REPRESENTASI PENGETAHUAN

5

PENALARAN DEDUKTIF

Penalaran ini bergerak dari penalaran umum menuju ke konklusi khusus

Umumnya dimulai dari suatu sylogisme, atau pernyataan premis dan inferensi

Umumnya terdiri dari 3 bagian: premis mayor, premis minor dan konklusi.

ContohPremis mayor : Jika hujan turun saya tidak akan lari pagiPremis Minor : Pagi ini hujan turunKonklusi : Oleh karena itu pagi ini saya tidak akan lari pagi

Page 6: REPRESENTASI PENGETAHUAN

6

PENALARAN INDUKTIFDimulai dari masalah khusus menuju ke masalah umumMenggunakan sejumlah fakta atau premis untuk menarik

kesimpulan umum.Contoh:

Premis : Dioda yang salah menyebabkan peralatan elektronik rusakPremis : Transistor rusak menyebabkan elektronik rusakPremis : IC rusak menyebabkan peralatan elektronik tidak berfungsiKonklusi : Maka, peralatan semi konduktor rusak merupakan penyebab utama rusaknya peralatan elektronik

Konklusi tidak selalu mutlak, dapat berubah jika ditemukan fakta-fakta baru

Page 7: REPRESENTASI PENGETAHUAN

7

LOGIKA PROPORSIONAL

Bentuk logika komputasional ada 2 macam : Logika Proporsional atau Kalkulus dan Logika Predikat

Suatu Proposisi merupakan suatu statemen atau pernyataan yang menyatakan benar (TRUE) atau salah (FALSE).

Page 8: REPRESENTASI PENGETAHUAN

8

Operator Logika (penggabungan proposisi)Konjungsi: ( and) Disjungsi: (Or)Negasi ~ (not) Implikasi →Ekivalensi ↔

Untuk menggambarkan berbagai proposisi, premis atau konklusi gunakan simbol seperti huruf abjad.

Misalnya:P = Tukang pos mengantarkan surat mulai Senin s/d

SabtuQ = Hari ini adalaha Hari MingguR = Maka hari ini tukang pos tidak mengantar surat

Page 9: REPRESENTASI PENGETAHUAN

9

Inferensi pada logika proposisi dapat dilakukan dengan menggunakan resolusi

Resolusi Suatu aturan untuk melakukan inferensi yang dapat berjalan secara efisien dalam suatu bentu CNF (Conjuction Normal Form)

Mengubah kalimat kedalam bentuk CNF:Hilangkan implikasi dn ekivalensiKurangi lingkup semua negasi menjadi satu negasi sajaGunakan aturan asosiatif dan distributif untuk

mengkonversi menjadi conjunction of disjunctionBuat satu kalimat terpisah untuk tiap-tiap konjungsi

Page 10: REPRESENTASI PENGETAHUAN

10

Contoh

Diketahui basis pengetahuan (fakta-fakta yang bernilai benar) sebagai berikut:P(P Q) → R(S T ) → QT

Buktikan kebenaran R

Page 11: REPRESENTASI PENGETAHUAN

11

LOGIKA PREDIKAT / KALKULUS PREDIKATSuatu logika yang seluruhnya menggunakan

konsep dan kaidah proposional yang sama.

Disebut juga kalkulus predikat

Kalkulus predikat memungkinkan bisa memecahkan statemen ke dalam bagian komponen, yang disebut objek, karakteristik objek, atau beberapa keterangan objek.

Page 12: REPRESENTASI PENGETAHUAN

12

Suatu proposisi atau premis dibagi menjadi dua bagian, yaitu ARGUMEN (atau objek) dan PREDIKAT (keterangan).

Argumen adalah individu atau objek yang membuat keterangan

Predikat adalah keterangan yang membuat argumen dan predikat

Dalam suatu kalimat, predikat bisa berupa kata kerja atau bagian kata kerja.

Bentuk Umum: PREDIKAT (individu[objek]1, individu[objek] 2)

Page 13: REPRESENTASI PENGETAHUAN

13

Misalnya proposisi:Mobil berada dalam garasi Dinyatakan menjadi Di dalam(mobil, garasi)

Di dalam = produk (keterangan)Mobil = Argumen(objek)Garasi = Argumen(objek)

Contoh Lain:Proposisi : Rojali suka JulehaKalkulus Predikat : SUKA (Rojali, Juleha)

Proposisi : Pintu TerbukaKalkulus Predikat : BUKA (pintu)

Page 14: REPRESENTASI PENGETAHUAN

14

VariabelHuruf bisa menggantikan argumenSimbol-simbol juga bisa digunakan untuk

merancang beberapa objek atau individuMisalnya:

x = Rojali dan y = Juleha, Proposisinya : Suka(x,y)

Dengan menggunakan sistem ini knowledge base dapat dibentuk

Pengetahuan diekspresikan dalam kalkulus predikat yang bisa dimanipulasi agar menimbulkan inferensi

Page 15: REPRESENTASI PENGETAHUAN

15

FUNGSIPredikat kalukulus membolehkan penggunaan

simbol untuk mewakili Fungsi-fungsi

Misalnya:ayah(Juleha) = Jojon, ibu(Rojali) = Dorce

Fungsi dapat digunakan bersamaan dengan predikat

Misalnya:Predikat berikut menjelaskan bahwa Jojon dan Dorce

adalah berteman teman(ayah(Juleha),ibu(Rojali) = teman(Jojon,Dorce)

Page 16: REPRESENTASI PENGETAHUAN

16

OPERASIOperator yang sama seperti pada logika proporsional

Misalnya: Proposition: Rojali suka Juleha, suka(Rojali,Juleha) Proposition: Mandra suka Juleha, suka(Mandra,Juleha)

Dua predikat diatas, ada dua orang menyukai Juleha. Untuk memberikan pernyataan adanya Kecemburuan, maka

suka(x,y) AND suka(z,y) IMPLIES NOT suka(x,z) atau suka(x,y) suka(z,y) → suka(x,z)

Kalimat pengetahuan adalah: “Jika dua orang pria menyukai wanita yang sama, maka kedua pria itu pasti tidak saling suka (saling membenci)”

Page 17: REPRESENTASI PENGETAHUAN

17

PENGUKURAN KUANTITAS (Quantifier)Pengukuran kuantitas (Quantifier) adalah

simbol untuk menyatakan suatu rangkaian variabel dalam suatu ekspresi logika.

Dua pengukuran kuantitas, yaitu:Ukuran kuantitas universal → Ukuran kuantitas eksistensial →

Page 18: REPRESENTASI PENGETAHUAN

18

Contoh 1.Proposisi :

“Semua orang Yogya adalah warganegara Indonesia”

diekspresikan : ( x)[orang Yogya(x), warga negara

Indonesia(x)]Simbol menyatakan bahwa ekspresi ini

berlaku secara universal benar. Yaitu untuk semua nilai x.

Jika x adalah orang Yogya, maka benar jika x adalah warga negara Indonesia

Page 19: REPRESENTASI PENGETAHUAN

19

Contoh 2:Proposisi:

“Beberapa Mobil berwarna merah”

Diekspresikan menjadi: ( x)[mobil(x) dan berwarna merah (x)]Ekspresi ini berarti ada beberapa mobil tertentu

x yang sesuai dengan ekspresi iniJika x adalah sebuah mobil dan mobil itu

berwarna merah

Page 20: REPRESENTASI PENGETAHUAN

20

PENALARAN DENGAN LOGIKA

Pengetahuan dibutuhkan untuk membuat inferensi

Kaidah inferensi yang paling sederhana adalah: MODUS PONEN

Yaitu: Jika Proposisi A benar dan A IMPLIES B, adalah benar, maka proposisi B adalah benar.

[A AND (AB)] B

Page 21: REPRESENTASI PENGETAHUAN

21

2. RULES Rules (aturan-aturan), merupakan pengetahuan

prosedural

Menghubungkan 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.

Page 22: REPRESENTASI PENGETAHUAN

22

Misalnya:IF Warna baju itu merahTHEN Saya suka baju itu

Sebuah 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.

Page 23: REPRESENTASI PENGETAHUAN

23

Contoh operasi sistem berbasis aturan

IF Warna baju itu merahTHEN Saya suka baju itu

IF Saya suka baju ituTHEN Saya akan beli baju itu

Knowledge Base

Warna baju itu merah

Saya suka baju itu

Saya akan beli baju itu

Working MemoriQ: Warna Baju?A: Merah

Page 24: REPRESENTASI PENGETAHUAN

24

Rule dapat melakukan beberapa operasi

Untuk operasi-operasi yang kompleks, sistem berbasis aturan dirancang untuk mengakses program eksternal

Contoh: (Database)IF terjadi situasi darurat

AND NAMA = Smith THEN OPEN TELEPHONE

AND FIND NAMA, NAMA-FIELD AND TELEPHONE = TELEPHONE FIELD

Page 25: REPRESENTASI PENGETAHUAN

25

JENIS-JENIS RULES

RELATIONSHIP/HUBUNGAN IF Baterai sudah soak THEN Mobil tidak bisa distarter

REKOMENDASI IF Mobil tidak bisa distarter AND Sistem bahan bakar OK THEN Periksa bagian elektrikal

Page 26: REPRESENTASI PENGETAHUAN

26

STRATEGI IF Mobil tidak bisa distarter THEN Pertama periksa sistem bahan bakar, lalu periksa sistem elektrikal

HEURISTIC IF Mobil tidak bisa distarter AND Mobilnya adalah Ford tahun

1957 THEN Periksa float-nya

Page 27: REPRESENTASI PENGETAHUAN

27

INTERPRETASIIF Tegangan Resistor R1 lebih besar dari 2.0 volt AND Tegangan Kolektor pada Q1 kurang dari 1.0 volt THEN Bagian Pre-Amp berada pada range normal

DIAGNOSAIF stain dari organisme adalah gramposAND morfologi dari organisme adalah coccusAND pertumbuhan dari organisme adalah chainsTHEN organisme tersebut adalah streptococcus

DISAINIF task sekarang adalah menempatkan catu dayaAND posisi dari catu daya pada kabinet sudah diketahuiAND ada ruang tersedia dalam kabinet untuk catu dayaTHEN letakkan catu daya pada kabinet tersebut

Page 28: REPRESENTASI PENGETAHUAN

28

Keunggulan Sistem berbasis RULES:Modifikasi dan perawatan relatif mudahUncertainty dapat dikombinasikan dengan rulesTiap rules biasanya independent dari yang

lainnyaKeterbatasan:

Pengetahuan yang kompleks membutuhkan rules yang sangat banyak

Sistem dengan banyak rules mungkin mempunyai keterbatasan dalam proses pencarian pada bagian program kontrol

Page 29: REPRESENTASI PENGETAHUAN

29

3. JARINGAN SEMANTIK (SEMANTIC NETWORKS)

Merupakan pengetahuan secara grafis yang menunjukkan hubungan antar berbagai objek

Disusun dari NODE dan ARC (Lines)

Node : representasi dari objek, objek properti atau properti value. (digambarkan dengan lingkaran)

Arc : representasi dari hubungan antar node. (digambarkan dengan garis)

Page 30: REPRESENTASI PENGETAHUAN

30

Contoh jaringan semantik sederhana:

Wings

Bird

fly

CanaryIs a

Has

travelnode “Canary” dan “Bird” menjelaskan hubungan “spesific-to-general”

Page 31: REPRESENTASI PENGETAHUAN

31

Perluasan dilakukan dengan menambah NODE dan menghubungkan dengan NODE

Node baru tersebut dapat merupakan objek tambahan atau properti tambahan

Umumnya penambahan dapat dilakukan dalam 3 cara:

(1) objek yang sama(2) objek yang lebih khusus(3) objek yang lebih umum

PERLUASAN JARINGAN SEMANTIK

Page 32: REPRESENTASI PENGETAHUAN

32

PEWARISAN (INHERITANCE) PADA JARINGAN SEMANTIK

Node yang ditambahkan pada Jaringan Semantik secara otomatis mewarisi informasi yang telah ada pada Jaringan

OPERASI PADA JARINGAN SEMANTIKSalah satu cara untuk menggunakan Jaringan

Semantik adalah dengan bertanya pada node

Page 33: REPRESENTASI PENGETAHUAN

33

Misalnya:

Pertanyaan pada “Bird”, “How do you Travel?”Jawabannya: “Fly”

Untuk menjawab, maka node tersebut akan mengecek pada arc dengan label travel dan kemudian menggunakan informasi (value) yang ada pada arc tersebut sebagai jawabannya

Page 34: REPRESENTASI PENGETAHUAN

34

Catatan:Jaringan semantik pada dasarnya

berbentuk grafik, tapi dalam komputer tidak tampak karena objek dan hubungannya dinyatakan dalam istilah verbal

Titik awal biasanya ditentukan oleh sebuah pertanyaan.

Page 35: REPRESENTASI PENGETAHUAN

35

4. FRAMEDefinisi: kumpulan pengetahuan tentang

suatu obyek tertentu, peristiwa lokasi, situasi, dll.

Secara umum frame memiliki 2 elemen dasar SLOT dan FACETSlot : merupakan kumpulan atribut/properti

yang menjelaskan objek yang direpresentasi oleh frame

Facet (atau disebut juga: subslot) menjelaskan pengetahuan atau prosedur dari atribut pada slot

Page 36: REPRESENTASI PENGETAHUAN

36

Trans. Darat

Slot Mobil

Frame alat-alat transportasi

Frame macam-macam angkutan darat

Slot Sedan

Frame macam-macam

mobil

Slot bensin

Slot solar

Frame jenis bahan bakar

Page 37: REPRESENTASI PENGETAHUAN

37

Struktur dari sebuah frame :

Frame Name :

Class :

Properti :

Objek 1

Objek 2

Properti 1 Value 1Properti 2 Value 2Properti 3 Value 3Properti n Value n

Page 38: REPRESENTASI PENGETAHUAN

38

Frame dapat memiliki field tambahan yang disebut Class

Class dapat berisi object2 yang merupakan nama dari frame lain yang berhubungan dengan object1

Biasanya dalam hubungan IS A Object 1 is a object 2

Page 39: REPRESENTASI PENGETAHUAN

39

Frame Kelas (Class)

Merepresentasi karaktistik (sifat-sifat) umum dari suatu objek

Mendefinisikan properti-properti umum yang biasanya dimiliki oleh semua objek dalam kelas tersebut.

Ada 2 jenis properti : statik dan dinamikProperti Statik merupakan fitur dari objek yang

tidak dapat berubahProperti dinamik merupakan fitur yang dapat

berubah selama sistem berjalan

Page 40: REPRESENTASI PENGETAHUAN

40

Contoh Kelas Frame dari “Bird”

Properti : sifat-sifat umum dari objek “Bird”

Properti Color dan Wings : statik (karena merupakan ciri-ciri yang nilainya tidak berubah)

Properti Hungry dan Activity : dinamik (karena selama sistem berjalan value-nya bisa berubah)

Page 41: REPRESENTASI PENGETAHUAN

41

5. NASKAH (SCRIPT)Sama dengan frame, tetapi yang digambarkan

adalah URUTAN PERISTIWA (bukan objek).

Elemen dalam script:Kondisi Input : Situasi yang harus dipenuhi sebelum

terjadiTrack / jalur : variasi scriptProp / pendukung : obyek yang digunakan dalam urutan

peristiwa yang terjadi Role / peran : orang-orang yang terlibatScene / adegan : urutan peristiwa aktualHasil

Page 42: REPRESENTASI PENGETAHUAN

42

CONTOH:Script : RestoranTrack : Restoran swalayanRole : Tamu, pelayanProp : Counter, baki, makanan, tisu, dllKondisi masukan : Tamu Lapar – Tamu punya

uang

Adegan (Scene1) : masukTamu parkir mobilTamu masuk restoranTamu dudukTamu baca menu

Page 43: REPRESENTASI PENGETAHUAN

43

Adegan (Scene 2) : memesan Tamu memesan Pelayan membawa makanan Pelayan meletakkan makanan di meja Tamu membayar

Adegan (Scene3) : makan

Hasilnya:Tamu kenyangUang tamu berkurangTamu senangTamu sakit perut