Representasi Pengetahuan

1,359 views
1,179 views

Published on

Representasi Pengetahuan

Published in: Engineering
0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
1,359
On SlideShare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
43
Comments
0
Likes
1
Embeds 0
No embeds

No notes for slide

Representasi Pengetahuan

  1. 1. Representasi Pengetahuan Sherly Christina, S.Kom., M.Kom
  2. 2. Definisi  Pengetahuan (Knowledge ) Pengertian pada suatu area subjek.  Representasi Pengetahuan (Knowledge Representation) Suatu metode untuk mengkodekan pengetahuan di dalam basis pengetahuan sebuah sistem pakar.
  3. 3. 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.
  4. 4. 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.
  5. 5. Karakteristik Representasi yang baik:  Mengemukakan hal secara eksplisit  Membuat masalah menjadi transparan  Komplit dan efisien  Menampilkan batasan-batasan alami yang ada
  6. 6. 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
  7. 7. 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
  8. 8. Logika  proses membentuk kesimpulan/inferensi berdasarkan fakta yang telah ada.  Input => premis atau fakta-fakta yang diakui kebenarannya
  9. 9. Logika
  10. 10. Logika-Penalaran 1. 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
  11. 11. Logika-Penalaran 2. Penalaran induktif : dimulai dari fakta- fakta khusus untuk mendapatkan kesimpulan umum. Contoh : Premis -1 :Aljabar adalah pelajaran yang sulit Premis -2 : Geometri adalah pelajaran yang sulit Premis -3 : Kalkulus adalah pelajaran yang sulit Konklusi : Matematika adalah pelajaran yang sulit
  12. 12. 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.
  13. 13. 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)
  14. 14. Logika-Proposisi
  15. 15. Logika-Proposisi  Inferensi (pada logika proposisi) => Resolusi.  Resolusi : suatu aturan untuk melakukan inferensi yang dapat berjalan secara efisien dalam suatu bentuk khusus yaitu conjunctive normal form (CNF), ciri – cirinya : setiap kalimat merupakan disjungsi literal semua kalimat terkonjungsi secara implisit
  16. 16. 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 saja 1. ¬ (¬ x) menjadi x 2. ¬ (x ∨ y) menjadi (¬ x ∧ ¬ y) 3. ¬ (x ∧ y) menjadi (¬ x ∨ ¬ y) 3. Gunakan aturan assosiatif dan distributif untuk mengkonversi menjadi 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
  17. 17. 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.
  18. 18. 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.
  19. 19. Logika-Proposisi , Resolusi  Contoh:
  20. 20. Logika-Proposisi , Resolusi  Kalimat yang terbentuk:
  21. 21. Logika-Proposisi , Resolusi  Setelah dilakukan CNF diperoleh:
  22. 22. 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.
  23. 23. 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)
  24. 24. Logika Predikat  Dari contoh diatas dapat dijabarkan sebagai berikut :  di dalam = predikat (keterangan)  mahasiswa = argumen (objek)  kelas = argumen (objek)
  25. 25. Logika Predikat  operator-operator yang digunakan dalam logika predikat :→, ¬ , ∧ , ∨ , ∀ (untuk setiap), ∃ (terdapat)
  26. 26. Logika Predikat  Eg. 1.Andi adalah seorang mahasiswa 2.Andi masuk jurusan Elektro 3. Setiap mahasiswa elektro pasti mahasiswa teknik 4. Kalkulus adalah matakuliah yang sulit 5. Setiap mahasiswa teknik pasti akan suka kalkulus atau akan membencinya 6. Setiap mahasiswa pasti akan suka terhadap suatu matakuliah 7. Mahasiswa yang tidak pernah hadir pada kuliah matakuliah sulit, maka mereka pastitidak suka terhadap matakuliah tersebut. 8.Andi tidak pernah hadir kuliah matakuliah kalkulus
  27. 27. 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)
  28. 28. 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.
  29. 29. List
  30. 30. POHON  Struktur pohon = struktur grafik hirarki. menggambarkan list & hirarki pengetahuan lainnya.
  31. 31. Semantic Networks
  32. 32. Semantic Networks  Merupakan gambaran pengetahuan grafis yang menunjukkan hubungan antar berbagai objek.  Jaringan semantik => lingkaran-lingkaran yang menunjukkan objek & informasi tentang objek-objek tersebut.  Objek =>benda atau peristiwa.  Antara 2 objek dihubungkan oleh arc yang menunjukkan hubungan antar objek.
  33. 33. 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 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.
  34. 34. Frame Frame Name: Object1 Class: Object2 Properties Property1 Value1 Property2 Value2 ... ... ... ...
  35. 35. Frame Frame Name: Bird Properties Color Unknown Eats Worm No._Wings 2 Flies True Hungry Unknown Activity Unknown
  36. 36. Frame Frame Name: Tweety Class: Bird Properties Color Yellow Eats Worm No._Wings 1 Flies False Hungry Unknown Activity Unknown Lives Cage
  37. 37. NASKAH (SCRIPT)  Script adalah skema representasi pengetahuan yang sama dengan frame, yaitu merepresentasikan pengetahuan berdasarkan karakteristik yang sudah dikenal.  Perbedaannya, frame menggambarkan objek, sedangkan script menggambarkan urutan peristiwa.  Script menggunakan slot yang berisi informasi tentang orang, objek, & tindakan-tindakan yang terjadi dalam suatu peristiwa.
  38. 38. NASKAH (SCRIPT) Elemen script meliputi : 1. Kondisi input, yaitu kondisi yg harus dipenuhi sebelum terjadi asuatu peristiwa dalam script 2.Track, yaitu variasi yang mungkin terjadi dalam suatu script 3. Prop, berisi objek-objek pendukung yang digunakan selama peristiwa terjadi 4. Role, yaitu peran yang dimainkan oleh seseorang dalam peristiwa 5. Scene, yaitu adegan yang dimainkan yang menjadi bagian dari suatu peristiwa 6. Hasil, yaitu kondisi yang ada setelah urutan peristiwa dalam script terjadi.
  39. 39. 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
  40. 40. 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
  41. 41. 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
  42. 42. 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.
  43. 43. Sistem Produksi (Production Rule)
  44. 44. 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
  45. 45. Tugas KELOMPOK 1. 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 dilaporkan b. 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.

×