Bagian 1

Pengantar Kecerdasan Buatan(AI)

Sub-topik:
1. Konsep dasar dan pengertian AI
2. Asumsi Dasar AI
3. Perbedaan antara Pemrograman AI dan konvensional
4. Bidang-bidang aplikasi AI
Pengertian AI :
1. Suatu ara !ang seder"ana untuk membuat komputer dapat #berpikir$
seara inteligent
2. Bagian dari ilmu komputer !ang mempela%ari peranangan sistem
komputer !ang inteligent& !aitu suatu sistem !ang meperli"atkan
karakteristik !ang ada pada tingka" laku manusia& seperti mengerti suatu
ba"asa& mempela%ari&mempertimbangkan dan memea"kan suatu
masala".
3. Suatu studi bagaimana membuat komputer dapat menger%akan sesuatu&
!ang pada saat ini& orang dapat menger%akan lebi" baik
4. Bidang ilmu komputer !ang memungkinkann!a untuk mema"ami& bernalar
dan bertindak.
Tujuan AI:
1. 'ntuk mengembangkan metode dan sistem untuk men!elesaikan
masala"&masala" !ang biasa diselesaikan melalui akti(ivitas intelektual
manusia& misaln!a pengola"an itra&perenanaan& peramalan dan lain-
lain& meningkatkan kiner%a sistem in(ormasi !ang berbasis komputer.
2. 'ntuk meningkatkan pengertian)pema"aman kita pada bagaimana otak
manusia beker%a
Arah AI:
1. *engembangkan metode dan sistem untuk men!elesaikan masala" AI tanpa
mengikuti ara manusia men!elesaikann!a +sistem pakar ) e,pert s!stems-
2. *engembangkan metode dan sistem untuk men!elesaikan masala" AI
melalui pemodelan ara berpikirn!a manusia& atau ara beker%an!a otak
manusia +neural net.orks-.
Paradigma AI:
symbolic or sub-symbolic +onnetionist-
Bidang-bidang Aplikasi AI
Menurut Elaine Rich : Masalah pada AI (Task Domain) :
/ask Keduniaan +Mundane Task-
0 Perception: ision! "peech Reco#nition
$ %atural &an#ua#e: 'nderstandin#!
(eneration! Translation
0 )ommonsense Reasonin#
$ Robot )ontrol
/ask 1ormal +1ormal /ask-
0 2ames +3"ess& Bakgamon& "ekers&2o-
0 *at"ematis +2eometr!& 4ogi& Integral
3alulus& Proving properties o( programs-
/ask A"li +5,pert /asks-
0 5ngineering +Design&1ault 1inding&
*anu(aturing Planning-
$ "cienti*ic Analysis! Medical Dia#nosis!
+inancial Analysis
Bagian 2
Asumsi Dasar AI
Jantung Penelitian AI adalah : Physical Symbol System Hypothesis.
Physical "ymbol "ystem terdiri dari "impunan entitas !ang dinamakan simbol&
berpola (isik !ang dapat men%adi komponen dari entitas tipe lain !ang dinamakan
5kspresi +struktur simbol-
Struktur simbol terdiri dari se%umla" instant +Token- dari simbol-simbol !ang
ber"ubungan pada beberapa ara (isik. Selain struktur tersebut& sistem %uga berisi
koleksi proses-proses !ang beroperasi pada ekspresi& untuk meng"asilkan ekspresi
lain 6 proses pembuatan +create-& modi(ikasi& reproduksi& dan peng"anuran
+destruksi-.
7adi PSS adala" mesin !ang memproduksi suatu koleksi pen!usunan struktur
simbol. Sistem seperti itu terdapat dalam suatu ob%ek dunia !ang lebi" luas dari
"an!a ekspresi simbolik itu sendiri.
Perbedaan antara Pemrograman AI dan Konensional
AI Kom!utasi Konensional
8epresentasi dan *anipulasi simbol Algoritama
*emberita"u komputer tentang suatu
masala"
*emerinta" komputer untuk
men!elesaikan masala"
Komputer diberi pengeta"uan dan
kemampuan in(erensi
*emberi data kepada komputer dan
program
Pemrograman AI 6
Bila ter%adi peruba"an dalam program& maka tidak mengganggu seluru"
#1ats$ !ang tersimpan dalam #9tak$ +la!akn!a pikiran manusia)seperti
in(ormasi !ang terdapat pada pikiran manusia-
Independen
Dapat Dimodi(ikasi tanpa mempengaru"i struktur kesluru"an program
1leksibel e(isien dan muda" untuk dimengerti
Pen"elesaian #asalah berdasar$an te$ni$ AI
5mpat "al untuk membangun sistem atau memea"kan masala" tertentu 6
1. De(inisikan masala" dengan %elas
2. Analisis masala"
3. Kumpulkan dan representasikan kno.ledge
4. Pili" teknik pemea" masala" terbaik dan gunakan untuk masala" tertentu
*ende(inisikan *asala" sebagai #State Spae Sear"$ +SSS-
*isaln!a permainan atur & maka SSS n!a adala" 6
*enspesi(ikasikan posisi a.al dari papan atur
Peraturan +rules- !ang mende(inisikan langka"-langka" !ang legal
Posisi papan !ang merepresentasikan pemenang dari satu sisi atau sisi lainn!a.
/u%uan +(oal- dari permainan adala" 6 memenangkan permainan.
Pende%inisian #asalah &ebagai Pencarian 'uang Keadaan
*asala" utama dalam membangun sistem berbasis AI adala" bagaimana
mengkonversikan situasi !ang diberikan ke dalam situasi lain !ang diinginkan
menggunakan sekumpulan operasi tertentu.
A Water Jug Problem
Anda diberi dua bua" gelas& !ang satu ukuran 4 galon dan !ang lain 3 galon. Kedua
gelas
tidak memiliki skala ukuran. /erdapat pompa !ang dapat digunakan untuk mengisi
gelas
dengan air. Bagaimana anda mendapatkan tepat 2 galon air di dalam gelas 4 ukuran
galon:
8uang masala" untuk masala" di atas dapat digambarkan sebagai "impunan
pasangan
bilangan bulat +,&!- !ang terurut& sedemikian "ingga , ; <& 1& 2& 3& atau 4 dan ! ; <&
1& 2&
atau 3= , men!atakan %umla" air dalam gelas ukuran 4 galon& dan ! men!atakan
%umla"
air dalam gelas ukuran 3 galon. Keadaan mula-mula adala" +<&<-. "tate tu%uan
adala"
+2&n- untuk setiap nilai n.
9perator-opeartor +aturan produksi- !ang digunakan untuk memea"kan masala"
terli"at
pada gambar 2.2.
1. +,&!-
I( , > 4
? +4&!- Isi penu" gelas 4 galon
2. +,&!-
I( ! > 3
? +,&3- Isi penu" gelas 3 galon
3. +,&!-
I( , @ <
? +,-d&!- Buang sebagian air dari
gelas 4 galon
4. +,&!-
I( ! @ <
? +,&!-d- Buang sebagian air dari
galon ukuran 3 galon
A. +,&!-
I( , @ <
? +<&!- Kosongkan gelas 4 galon
B. +,&!-
I( ! @ <
? +,&<- Kosongkan gelas 3 galon
C. +,&!-
I( ,D! E4 and ! @ <
? +4&!-+4-,-- /uangkan air dari gelas 3
galon ke gelas 4 galon
sampai gelas 4 galon
penu"
F. +,&!-
I( ,D! E3 and , @ <
? +,-+3-!-&3- /uangkan air dari gelas 4
galon ke gelas 3 galon
sampai gelas 3 galon
penu"
G. +,&!-
I( ,D! H4 and ! @ <
? +,D!&<- /uangkan seluru" air dari
gelas 3 galon ke gelas 4
galon
1<. +,&!- ? +<&,D!- /uangkan seluru" air dari
I( ,D! H3 and , @ < gelas 4 galon ke gelas 3
galon
11. +<&2- ? +2&<- /uangkan 2 galon air dari
gelas 3 galon ke gelas 4
galon
12. +2&!- ? +<&!- Buang 2 galon dalam gelas
4 galon sampai "abis.
(ambar 2)2Aturan produksi untuk ,ater -u# Problem.
Jumlah galon Jumlah galon Aturan "ang dila$u$an
dalam gelas * galon dalam gelas + galon
< < -
< 3 2
3 < G
3 3 2
4 2 C
< 2 A atau 12
2 < G atau 11
(ambar 2)+Suatu solusi untuk ,ater -u# Problem.
Kara$teristi$ #asalah Dalam AI :
Apaka" masala"n!a dapat didekomposisi men%adi "impunan sub masala"
!ang +"ampir- independen lebi" keil atau lebi" muda" :
Dapatka" langka" pen!elesaian diau"kan paling tidak dibatalkan ketika
dapat dibuktikan "al tersebut tidak bi%aksana :
Apaka" universe masala"n!a dapat diprediksi :
Apaka" solusi !ang baik dari masala" tertentu %elas tanpa membandingkan
dengan seluru" solusi lain !ang mungkin :
Apaka" solusi !ang diinginkan sebua" keadaaan dari dunia atau sebua" %alur
dari keadaan :
Apa peran dari pengeta"uan :
Apaka" peker%aan memerlukan interakasi dengan manusia :
&istem Produ$si
Sistem produksi terdiri dari6
,im!unan aturan& masing-masing terdiri dari sisi kiri +pola- !ang menentukan
kemampuan aplikasi dari aturan tersebut dan sisi kanan !ang
menggambarkan operasi !ang dilalukan %ika aturan dilaksanakan.
Satu atau lebi" !engetahuan atau basis data !ang berisi in(ormasi apapun
untuk tugas tertentu. Beberapa bagian basis data bisa permanen& dan bagian
!ang lain bisa "an!a merupakan solusi untuk masala" saat ini. In(ormasi
dalam basis data ini disusun seara tepat.
&trategi $ontrol !ang menspesi(ikasikan urutan dimana aturan akan
dibandingkan dengan basis data dan menspesi(ikasikan ara pemea"an
masala" !ang timbul ketika beberapa aturan sesuai sekaligus pada .aktu
!ang sama.
A rule a!!lier +pen#aplikasi aturan-.
&trategi Kontrol
S!arat-s!arat strategi kontrol6
cause motion. Per"atikan kembali .ater /u# problem. 7ika kita
mengimplementasikan strategi kontrol seder"ana dengan selalu memili"
aturan pertama pada da(tar 12 aturan !ang tela" dibuat& maka kita tidak akan
perna" memea"kan masala". Strategi kontrol !ang tidak men!ebabkan
motion tidak akan perna" menapai solusi.
Systematic. Strategi kontrol seder"ana !ang lain untuk .ater /u# problem6
pada setiap siklus& pili" seara random aturan-aturan !ang dapat
diaplikasikan. Strategi ini lebi" baik dari !ang pertama& karena men!ebabkan
motion. Pada ak"irn!a strategi tersebut akan menapai solusi. /etapi mungkin
kita akan mengun%ungi beberapa state !ang sama selama proses tersebut dan
mungkin menggunakan lebi" ban!ak langka" dari %umla" langka" !ang
diperlukan. Ial ini disebabkan strategi kontrol tersebut tidak sistematik.
Beberapa strategi kontrol !ang sistematik tela" diusulkan& !ang biasa disebut
sebagai metoda-metoda dalam teknik searchin#. Di bab ini& akan diba"as
enam metoda& !aitu 0readth +irst "earch& 'ni*orm )ost "earch& Depth +irst
"earch& Depth-&imited "earch& Iterati1e-Deepenin# Depth-+irst "earch& dan
0i-directional search. *asing-masing metoda tersebut mempun!ai
karakteristik !ang berbeda.
&trategi Pencarian
/erdapat empat kriteria dalam strategi penarian& !aitu6
-om!leteness: Apaka" strategi tersebut men%amin penemuan solusi %ika
solusin!a memang ada:
Time com!le.it": Berapa lama .aktu !ang diperlukan:
&!ace com!le.it": Berapa ban!ak memori !ang diperlukan:
/!timalit": Apaka" strategi tersebut menemukan solusi !ang paling baik %ika
terdapat beberapa solusi berbeda pada permasala"an !ang ada:
De!th01irst &earch (D1&)
Penarian dilakukan pada satu node dalam setiap level dari !ang paling kiri. 7ika
pada level !ang paling dalam& solusi belum ditemukan& maka penarian dilan%utkan
pada node sebela" kanan. Jode !ang kiri dapat di"apus dari memori. 7ika pada level
!ang paling dalam tidak ditemukan solusi& maka penarian dilan%utkan pada level
sebelumn!a. Demikian seterusn!a sampai ditemukan solusi. 7ika solusi ditemukan
maka tidak diperlukan proses backtrackin# +penelusuran balik untuk mendapatkan
%alur !ang dinginkan-.
Kelebihan D1& adalah:
Pemakain memori "an!a sedikit& berbeda %au" dengan B1S !ang "arus
men!impan semua node !ang perna" dibangkitkan.
7ika solusi !ang diari berada pada level !ang dalam dan paling kiri& maka
D1S akan menemukann!a seara epat.
Kelemahan D1& adalah:
7ika po"on !ang dibangkitkan mempun!ai level !ang dalam +tak ter"ingga-&
maka tidak ada %aminan untuk menemukan solusi +Tida$ omplete-.
7ika terdapat lebi" dari satu solusi !ang sama tetapi berada pada level !ang
berbeda& maka pada D1S tidak ada %aminan untuk menemukan solusi !ang
paling baik +Tida$ !ptimal-.

(ambar 2)2 Penelusuran Depth +irst "earch untuk ,ater -u# Problem.
Breadth-"irst Search (B1&)
Penarian dilakukan pada semua node dalam setiap level seara berurutan dari kiri
ke kanan. 7ika pada satu level belum ditemukan solusi& maka penarian dilan%utkan
pada level berikutn!a. Demikian seterusn!a sampai ditemukan solusi. Dengan
strategi ini& maka dapat di%amin ba".a solusi !ang ditemukan adala" !ang paling
baik +!ptimal-. /etapi B1S "arus men!impan semua node !ang perna"
dibangkitkan. Ial ini "arus dilakukan untuk penelusuran balik %ika solusi suda"
ditemukan. 2ambar 2.4 mengilustrasikan pembangkitan po"on B1S untuk masala"
,ater -u#. Pembangkitan suksesor dari suatu node bergantung pada urutan dari
Aturan Produksi !ang dibuat +li"at gambar 2.3-. 7ika urutan dari aturan 4 ditukar
dengan aturan A& maka po"on B1S !ang dibangkitkan %uga akan beruba".




(ambar 2)* Po"on 0readth +irst "earch untuk ,ater -u# Problem.
Berikut ini memba"as metoda-metode !ang terdapat dalam teknik penarian !ang
berdasarkan pada panduan +2euristic "earch-& !aitu (enerate and Test! "imple 2ill
)limbin#! "teepest-Ascent 2ill )limbin#! "imulated Annealin#! 0est +irst
"earch!(reedy "earch! A "tar (A$)! Problem Reduction! )onstraint "atis*action! dan
Means-Ends Analysis.
#enerate-and-$est
*etode (enerate-and-Test adala" metode !ang paling seder"ana dalam penarian
heuristic. 7ika pembangkitan possible solution diker%akan seara sistematis& maka
prosedur akan menari solusin!a& %ika ada. /etapi %ika ruang masala"n!a sangat
luas& mungkin memerlukan .aktu !ang sangat lama.
Algoritma (enerate-and-Test adala" prosedur D1S karena solusi "arus dibangkitkan
seara lengkap sebelum dilakukan test. Algoritma ini berbentuk sistematis& penarian
seder"ana !ang mendalam dari ruang permasala"an. (enerate K test %uga dapat
dilakukan dengan pembangkitan solusi seara aak& tetapi tidak ada %aminan
solusin!a akan ditemukan.
Algorithm: #enerate0and0$est
1. 2enerate a possible solution. 1or some problems& t"is means generating a
partiular
point in t"e problem spae. 1or ot"ers& it means generating a pat" (rom a start state.
2. /est to see i( t"is is atuall! a solution b! omparing t"e "osen point or endpoint
o(
t"e "osen pat" to t"e set o( aeptable goal states.
3. I( a solution "as been (ound& Luit. 9t"er.ise& return to step 1.
-ontoh $asus:
'ntuk permasala"an seder"ana maka te"nik #enerate K test adala" te"nik !ang
la!ak. Sebagai onto"& pada teka-teki !ang terdiri dari empat kubus segi enam&
dengan masingmasing sisi dari setiap kubus diat dengan 4 .arna. Solusi dari teka-
teki terdiri dari susunan kubus dalam beberapa baris !ang semuan!a empat sisi dari
satu blok baris !ang menun%ukkan nasing-masing .arna. *asala" ini dapat
diselesaikan dengan manusia
dalam beberapa menit seara sistematis dan lengkap dengan menoba semua
kemungkinan. Ini bisa diselesaikan dengan lebi" epat menggunakan prosedur
#enerate K test. Pandangan sekilas pada empat blok !ang tampak ba".a masi" ada
lagi& katakanla" bagian mera" dari .arna-.arna lain !ang ada. Se"ingga ketika
menempatkan
blok dengan beberapa bagian mera"& ini akan men%adi ide !ang baik untuk
digunakan %ika
sebagian darin!a sebisa mungkin dibagian luar. Sebagian !ang lain sebisa mungkin
"arus
ditempatkan pada blok berikutn!a. *enggunakan aturan ini& ban!ak kon(igurasi
diperlukan tanpa di-e3plore dan sebua" solusi dapat ditemukan lebi" epat.
Bagian +
Heuristic Beam Search
Hill limbing
Iill 3limbing berbeda (enerate-and-Test& !aitu pada *eedback dari prosedur test
untuk membantu pembangkit menentukan !ang langsung dipinda"kan dalam ruang
penarian. Dalam prosedur (enerate K test & respon (ungsi pengu%ian "an!a "a atau
tida$. /api %ika pengu%ian ditamba"kan dengan atauran (ungsi-(ungsi !ang
men!ediakan estimasi dari bagaimana mendekati state !ang diberikan ke state
tu%uan& prosedur pembangkit dapat mengeksplorasi ini sebagaimana ditun%ukkan di
ba.a". I3 sering digunakan %ika terdapat (ungsi heuristic !ang baik untuk
mengevaluasi state. Sebagai onto"& anda berada di sebua" kota !ang tidak dikenal&
tanpa peta dan anda ingin menu%u ke pusat kota. 3ara seder"ana adala" gedung
!ang tinggi. 1ungsi heuristics-n!a adala" %arak antara lokasi sekarang dengan
gedung !ang tinggi dan state !ang diperlukan adala" %arak !ang terpendek.
&im!le ,-
Algorithm: &im!le ,-
1. 5valuate t"e initial state. I( it is also a goal state& t"en return it and Luit. 9t"er.ise&
ontinue .it" t"e initial state as t"e urrent state.
2. 4oop until a solution is (ound or until t"ere are no ne. operators le(t to be applied
in
t"e urrent state6
a-. Selet an operator t"at "as not !et been applied to t"e urrent state and appl! it
to
produe a ne. state.
b-. 5valuate t"e ne. state6
+i- I( it is a goal state& t"en return it and Luit.
+ii- I( it is not a goal state but it is better t"an t"e urrent state& t"en make it t"e
urrent state.
+iii- I( it is not better t"an t"e urrent state& t"en ontinue in t"e loop.
(ambar +)1 Penarian %alur menggunakan "imple 2ill )limbin#.
&tee!est0Ascent ,-
(ambar +)2 Penarian %alur menggunakan "teepest-Ascent 2ill )limbin#.
Pada gambar 3.2 di atas& ter%adi ambiguitas dimana (ungsi "euristik node 5 dan node
1 adala" sama. *isalkan dipili" 1 dan tern!ata menemukan solusi di level F. Pada"al
terdapat solusi lain !ang lebi" optimal di level 2. Ial ini dikatakan ba".a "teepest-
Ascent 2ill )limbin# ter%ebak pada solusi lokal +local minima-.
Algoritma &tee!est0Ascent ,-:
1. 5valuate initial state. I( it is also a goal state& t"en return it and Luit. 9t"er.ise&
ontinue .it" t"e initial state as t"e urrent state.
2. 4oop until a solution is (ound or until a omplete iteration produes no "ange to
urrent state6
a-. 4et "')) be a state su" t"at an! possible suessor o( t"e urrent state .ill be
better t"an "')).
b-. 1or ea" operator t"at applies to t"e urrent state do6
+i- Appl! t"e operator and generate a ne. state.
+ii- 5valuate t"e ne. state. I( it is a goal state& return it and Luit. I( not& ompare
it to "')). I( it is better& t"en set "')) to t"is state. I( it is not better& leave
"')) alone.
-. I( t"e "')) is better t"an urrent state& t"en set urrent state to "')).
Best01irst &earch
*erupakan metode !ang membangkitkan suksesor dengan mempertimbangkan
"arga +didapat dari (ungsi "euristik tertentu- dari setiap node& bukan dari aturan baku
seperti D1S maupun B1S. 2ambar 3.4 mengilustrasikan langka"-langka" !ang
dilakukan ole" algoritma 0est +irst "earch. Pertama kali& dibangkitkan node A.
Kemudian semua suksesor A dibangkitan& dan diari "arga paling minimal. Pada
langka" 2& node D terpili"
karena "argan!a paling renda"& !akni 1. 4angka" 3& semua suksesor D
dibangkitkan& kemudian "argan!a akan dibandingkan dengan "arga node B dan 3.
/ern!ata "arga node
B paling keil dibandingkan "arga node 3& 5& dan 1. Se"ingga B terpili" dan
selan%utn!a
akan dibangkitkan semua suksesor B. Demikian seterusn!a sampai ditemukan node
/u%uan.
(ambar +)* 4angka"-langka" !ang dilakukan ole" algoritma 0est +irst "earch.
'ntuk mengimplementasikan algoritma penarian ini& diperlukan dua bua" senarai&
!aitu6 9P5J untuk mengelola node-node !ang perna" dibangkitkan tetapi belum
dievaluasi dan 349S5 untuk mengelola node-node !ang perna" dibangkitkan dan
suda" dievaluasi. Algoritma selengkapn!a adala" sebagai berikut6
Algoritma Best-"isrt Search:
1. Start .it" 4PE% ontaining %ust t"e initial state.
2. 'ntil a goal is (ound or t"ere are no nodes le(t on 4PE% do6
a- Pik t"e best node on 9P5J.
b- 2enerate its suessors.
- 1or ea" suessor do6
i. I( it "as not been generated& evaluate it& add it to 4PE%& and reord its parent.
ii. I( it "as been generated& "ange t"e parent i( t"is ne. pat" is better t"an t"e
previous one. In t"at ase& update t"e ost o( getting to t"is node and to an!
suessors t"at t"is node ma! alread! "ave.
Bagian *
'e!resentasi Pengetahuan
Pengetahuan dan Penalaran
8epresentasi pengeta"uan adala" "al penting dalam inteli/ensia buatan. Di sini kita
akan
memba"as dua mathematical tools untuk merepresentasikan pengeta"uan& !aitu
propositional lo#ic +logika proposisi- dan *irst order lo#ic +kalkulus predikat-.
(ambar *)1 A #eneric kno.led#e-based a#ents.
(ambar *)2 Iubungan antara sentence dan *atcs !ang disediakan ole" semantik
ba"asa.
Tabel *)1 Pembagian (ormal language
1ormal 3anguage
A!a "ang ada di dunia
n"ata
A!a "ang di!erca"a
agenttentang %a$ta
Propositional logi 1ats /rue)(alse)unkno.n
1irst-order logi 1ats& ob%ets& relations /rue)(alse)unkno.n
/emporal logi 1ats& ob%ets& relations&
times
/rue)(alse)unkno.n
Probabilit! t"eor! 1ats Degree o( believe
<M1
1uNN! logi Degree o( trut" Degree o( believe
<M1
Pro!ositional 3ogic (Pro!ositional -alculus)
(ambar *)+ A BJ1 +Bakus-Jaur 1orm- (rammar o* sentences inProportional &o#ic
(ambar *)* Aturan in(erensi dalam 4ogika Proposisi.
1irst0/rder 3ogic (Predicat 3ogic 4 Predicat -alculus)
1. /bjects: sesuatu dengan identitas individual +people& "ouses& olors& M-
2. Pro!erties: si(at !ang membedakann!a dari ob%et !ang lain +red& irle& M-
3. 'elations: "ubungan antar ob%et +brot"er o(& bigger t"an& part o(& ...-
4. 1unctions: relation !ang mempun!ai satu nilai +(at"er o(& best (riend& M-
3onto"6 /ne !lus t5o e6uals three)
(ambar *)2 /"e S!nta, o( 1irst-9rder 4ogi +.it" eLualit!- in BJ1 +Bakus-Jaur 1orm-
Konsep Dasar 8epresentasi Pengeta"uan
8epresentasi Pengeta"uan berdasarkan 492IKA
Proportional &o#ic (5ero 4rder &o#ic)
Predicate &o#ic (+irst 4rder &o#ic)
8epresentasi Pengeta"uan berdasarkan R'&E"
Pengeta"uan Prosedural vs Deklarati(
&o#ic Pro#rammin#
Production Rules
+or.ard dan 0ack.ard Reasonin# Matchin#
1or5ard and Bac$5ard -haining
(ambar *)7 Algoritma In%erensi 1or5ard0-haining.
Semua sentence !ang dapat diin(erensi dari sentence p dimasukkan ke KB. 7ika p
baru& pertimbangkan setiap implikasi !ang mempun!ai premise !ang sesuai dengan
p. 'ntuk setiap implikasi seperti itu& %ika semua premise !ang tersisa berada dalam
KB& maka simpulkan onlusion 7ika premise dapat diookkan dengan beberapa
ara
8epresentasi Pengeta"uan Berdasarkan "lot and +iller "tructures
"emantic %ets
&emantic 8ets (Jaringan &emanti$)
/erdapat relasi !ang penting untuk in(erensi& seperti isa dan instance.
Dalam Kal$ulus Predi$at din"ata$an (Binar" !redicate):
isa+Person& *ammal-
instane+Pee-Oee-8eese& Person-
team+Pee-Oee-8eese& Brookl!n-Dodgers-
uni(orm-olor+Pee-Oee-8eese& Blue-
Dapat dilakukan Inheritance untuk menurunkan relasi tamba"an6
Ias-part+Pee-Oee-8eese& Jose-
'e!resentasi 8onbinar" Predicate
7aringan Semantik untuk menggambarkan aspek dari ke%adian tertentu.
Sebagai onto"6 #7o"n gave t"e book to *ar!$)
+rames
1rames &"stem
Kumpulan atribut +slot- dan nilai atribut !ang mendeskripsikan suatu entitas.
Jilai slot dapat berupa6
1. Identi(ikasi (rame
2. relasi dengan (rame lain +slotn!a6 isa& instane-
3. batasan nilai
4. nilai
A. de(ault nilai +dapat diuba"-
B. prosedur untuk mendapatkan nilai
C. prosedur !ang dibangkitkan data +Data Driven-6 prosedur !ang "arus dilakukan
%ika
nilai diuba"& misaln!a6 periksa konsistensi.
F. kosong6 untuk ditelusuri pada sublass-n!a
Jenis 1rame: Kelas dan 3onto" +Instane-
Atribut Kelas:
1. Atribut tentang kelas itu sendiri.
2. Atribut !ang "arus diturunkan pada setiap elemen dalam "impunan.
(a) A 1rame0Based Kno5ledge Base (b) Translation into 1/3
&cri!ts
*erupakan representasi struktur !ang mendeskripsikan aliran ke%adian dalam
konteks tertentu. Dimaksudkan untuk mengorganisasikan 3D dalam situasi tertentu.
Kom!onen:
1. 5ntr! ondition 6 kondisi a.al
2. 8esult 6 kondisi ak"ir
3. Props 6 !ang "arus ada
4. 8oles 6 aksi !ang dibangun tiap individu
A. /rak 6 variasi spesi(ik pada pola !ang lebi" umum
B. Senes 6 potongan-potongan #adegan$ dalam Sript
Keuntungan:
1. *ampu memprediksi event !ang tidak disebutkan seara eksplisit.
2. *en!ediakan ara pembangunan interpretasi tunggal dari sekumpulan observasi.
3. *ampu mem(okuskan per"atian pada event !ang #tidak biasa$.
-ontoh 1:
7o"n pergi ke restaurant kemarin malam. Dia memesan steak. Saat memba!ar& dia
men!adari uangn!a kurang. Dia epat pulang& karena "u%an mulai turun.
9uestion: Apaka" 7o"n makan malam:
+Di%a.ab dengan mengakti(kan Sript restaurant-
Dari soal& urutan ke%adian normal& se"ingga pasti sript restaurant ber%alan normal&
%adi
7o"n pasti mele.ati ta"ap makan.
-ontoh 2:
Susan makan siang di luar. Dia duduk di me%a dan memanggil pela!an. Pela!an
memberikan menu dan Susan memesan "amburger.
9uestion: *engapa pela!an memberikan menu:
Sript mengandung dua %a.aban6
- karena Susan meminta +bak.ard-
- agar Susan dapat menentukan apa !ang ingin dimakann!a +1or.ard-
-ontoh +:
7o"n pergi ke restaurant. Dia ditun%ukkan me%an!a. 7o"n memesan steak ukuran
besar.
Dia duduk dan menunggu lama. 7o"n mara" dan pergi.
-once!tual De!endenc" (-D)
*erupakan "tron# "lot-and-+iller structure karena menamba"kan gagasan k"usus
tentang6 apa tipe ob%ek dan relasi !ang dii%inkan.
-D : /eori untuk merepresentasikan pengeta"uan tentang $ejadian !ang terkandung
dalam $alimat ba"asa natural. Dengan atatan6 menggambarkan penalaran kalimat
dan tidak bergantung ba"asa apa.
-ontoh: I gave t"e man a book.
Dalam 3D& representasi aksi dibangun dari "impunan aksi primiti(& !aitu6
A/8AJS /rans(er o( abstrat relations"ip +e.g.& give-
P/8AJS /rans(er o( p"!sial loation o( an ob%et +e.g.& go-
P89P54 Appliation o( t"e p"!sial (ore to an ob%et +e.g.& pus"-
*9P5 *ovement o( a bod! part b! its o.ner +e.g.& kik-
28ASP 2rasping o( an ob%et b! an ator +e.g.& lut"-
IJ25S/ Ingestion o( an ob%et b! an animal +e.g.& eat-
5QP54 5,pulsion o( somet"ing (rom t"e bod! o( an animal +e.g.& r!-
*/8AJS /rans(er o( mental in(ormation +e.g.& go-
*B'I4D Building ne. in(ormation out o( old +e.g.& deide-
SP5AK Prodution o( sound +e.g.& sa!-
A//5JD 1ousing o( a sense organ to.ard a stimulus +e.g.& listen-
/erdapat 4 katagori konseptual primiti( !ang dapat dibangun& !aitu6
A-T& 6 aksi
PPs 6 ob%ek ) gambaran prosedur
AAs 6 peuba" aksi +pendukung aksi-
PAs 6 peuba" PPs +pendukung gambaran-
Tenses:
p Past
( 1uture
t /ransition
ts Start transition
t( 1inis"ed transition
k 3ontinuing
: Interrogative
) Jegative
nil Present
delta /imeless
3onditional
3D tidak bisa membedakan !ang alurn!a sama. *isaln!a 6 give& take& steal& donate.
3D ook untuk kalimat !ang seder"ana. 'ntuk primiti( tingkat tinggi 3D
merepotkan.
#isal: #7o"n bet Sam RA< t"at t"e *ets .ould .in t"e Oorld Series$