RANGKUMAN PERTEMUAN 6

KELOMPOK 2

Rispian 177006057

Zulfia Sari Permana 177006013

Imam Kharits Najibulloh 177006030

Restu Trie Wardhany 147006163

AKUISISI DAN REPRESENTASI PENGETAHUAN

A. AKUISISI PENGETAHUAN

Apa Akuisisi Pengetahuan?

Akuisisi pengetahuan (knowledge acquisition atau knowledge elicitation) adalah

proses memperoleh pengetahuan dari pakar manusia, atau sekelompok pakar, dan
menggunakan pengetahuan untuk membangun sistem berbasis pengetahuan.

Proses akuisisi pengetahuan melibatkan diskusi antara “knowledge engineer” dan

“human expert”.

Tipe Interview:

Unstructured Interviews

• Digunakan pada tahap awal akuisisi pengetahuan

• Mendapatkan pemahaman awal tentang domain pengetahuan
• Terdiri dari dialog yang mengalir bebas, terutama dari para ahli. Termasuk
pertanyaan spontan dari insinyur pengetahuan
• Sedikit perencanaan sebelumnya yang dilakukan terkait dengan isi wawancara
• Jarang memberikan gambaran lengkap dari domain pengetahuan
• Dapat memperkenalkan topik-topik penting.

Structured Interviews

• Fokus pada bidang pengetahuan tertentu

• Lebih leluasa untuk memungkinkan pakar menjawab pertanyaan dengan jelas
dan pada tingkat detail yang sesuai
• Tidak tergesa-gesa sehingga tidak menempatkan pakar dibawah tekanan
waktu
• Menarik sehingga knowledge engineer dan pakar dapat berhubungan dengan
subjek dan meningkatkan retensi informasi untuk knowledge engineer.
Event Recall Interviews

• Mengamati pengetahuan yang dimiliki oleh para ahli secara analogi dan
membahas studi kasus tertentu, yaitu, urutan proses berpikir
• Digunakan ketika memeriksa kelengkapan dan memvaliditas pengetahuan
yang dikumpulkan atau ketika kompleksitas dalam domain pengetahuan
menyulitkan pakar untuk mengartikulasikan dan menerapkan aturan solusi
masalah
• Pengumpulan fakta menunjukkan peristiwa apa yang mungkin dan mengingat
apa masalah dan keuntungan yang mungkin
• Melibatkan para pakar bagaimana menangani suatu peristiwa tertentu
berdasarkan masa lalu, sehingga memungkinkan knowlegde engineer
menginterpretasikan setiap tahap dalam penyelesaian masalah dan
menerapkan serangkaian aturan pada aspek-aspek tertentu dari masalah atau
tahapan dalam solusinya.
Thinking Aloud Interviews

• Mirip dengan event recall interviews yaitu berusaha untuk menangkap

pemikiran dibalik proses penyelesaian masalah
• Mendorong pakar untuk menjelaskan bagaimana dia berpikir melalui situasi
tertentu
• Mengisi kesenjangan dalam pengetahuan setelah structured interview dan
untuk memvalidasi pengetahuan yang telah diperoleh serta memperoleh
informasi tentang urutan langkah-langkah yang diambil oleh seorang pakar
• Pakar didorong untuk mengungkapkan proses berpikir mereka secara verbal.
knowledge engineer hanya melakukan intervensi untuk mengajukan
pertanyaan menyelidik, seperti bagaimana atau mengapa.

Sumber Pengetahuan Dapat Meliputi:

• Procedure manuals
• Records of past case studies
• Standards documentation
• Knowledge from other humans, less knowledgeable but more available then
experts

B. TEKNIK AKUISISI PENGETAHUAN

Tutorial Interviews

• Pakar diminta untuk menyiapkan presentasi pada bidang subjek tertentu.

Interview ini sering digunakan pada awal proses akuisisi pengetahuan untuk
memberikan gambaran umum tentang topik tertentu pada knowledge
engineer.

Twenty Questions

• Mengumpulkan karakteristik penting dari bagian domain. Biasanya terdiri dari

jawaban 'ya' atau 'tidak'. Knowledge engineer mengajukan pertanyaan untuk
mendapatkan konsep dasar domain, atau pakar mengajukan pertanyaan untuk
memeriksa pemahaman engineer.

Trigger Interviews
 • Knowledge engineer memicu tanggapan para pakar. Pemicu dapat mencakup
diagram terstruktur dari sesi akuisisi pengetahuan sebelumnya, dan ini dapat
berguna untuk memeriksa kualitas pengetahuan. Pemicu juga dapat berupa
contoh aktivitas pemecahan masalah di masa lalu.

Teach Back Interviews

• Knowledge engineer mengajarkan kembali kepada pakar apa yang telah
dipelajari dari proses akuisisi pengetahuan lainnya. Pendekatan ini menyoroti
kesenjangan atau ketidakakuratan dalam pemahaman sehingga dapat
diperbaiki.
Repertory Grids
• Penggunaan grid adalah metode untuk merekam pandangan pakar tentang
masalah tertentu. Elemen masalah dicatat dibagian atas grid; misalnya, daftar
orang, benda atau situasi tertentu. Baris dalam grid berisi konstruksi yang
relevan dengan elemen yang diperoleh selama proses elisitasi.
• Konstruk mewakili karakteristik bipolar yang dimiliki setiap elemen dalam
grid. Misalnya, seseorang memiliki berat badan dan warna mata tertentu, dll.
• Tujuan pembuatan grid adalah untuk menunjukkan dengan cara apa suatu
objek dalam domain yang sama (atau berbeda) untuk membantu pemahaman
keseluruhan domain.

C. REPRESENTASI PENGETAHUAN

Apa Representasi Pengetahuan?

Representasi pengetahuan (knowledge representation) adalah proses bagaimana
pengetahuan diwakili untuk membentuk basis pengetahuan, yaitu bagaimana
mengorganisasi pengetahuan yang diperoleh, mengkodekan, dan menyimpannya
dalam suatu basis pengetahuan. Jika suatu permasalahan dideskripsikan dengan
menggunakan representasi yang tepat, maka dapat dipastikan bahwa permasalahan
tersebut dapat diselesaikan.
 D. TIPE PENGETAHUAN DALAM KBS

Shallow knowledge
Sistem telah dibangun dengan pengetahuan yang berfungsi tentang problem domain
saja dan hanya akan berguna dalam beberapa situasi yang sangat spesifik. Jika
masalah yang dihadapi tidak tercakup oleh hubungan dasar ini, maka sistem tidak
akan dapat memberikan solusi untuk masalah itu.
• Task dependent
• Brittle (rapuh)
• Additive (berkenaan atau dihasilkan dengan penambahan)
• Tetapi memberikan penalaran yang efektif.

Deep knowledge
Pengetahuan tentang hukum-hukum fundamental yang menjadi dasar suatu sistem.
Pengetahuan ini tidak tergantung pada situasi tertentu dan dengan demikian dapat
digunakan untuk memecahkan berbagai masalah.
• Menggambarkan hubungan sebab akibat
• Lengkap pada tingkat abstraksi tertentu
• Namun penalaran dengan pengetahuan ini bisa sulit

E. SISTEM BERBASIS ATURAN

Sebagian besar rule untuk pengamblan keputusan direpresentasikan menggunakan:

• IF <situation> THEN <action>
Klausa lain seperti OR dan ELSE dapat digunakan dalam konstruk ini untuk
menunjukkan situasi alternatif atau aksi yang berbeda.
Misalnya:
• IF hari lebaran pada hari senin
• OR hari lebaran pada hari selasa
• THEN banyak toko akan tutup sepanjang minggu lebaran
 F. FITUR UTAMA DARI RULE-BASED SYSTEMS

• Merepresentasikan pemikiran manusia yang praktis dalam bentuk IF. . .

THEN rules. Sebagian besar menggunakan tipe pernyataan ini sehingga
sintaksisnya relatif mudah dipahami.
• Pengetahuan dari sistem yang tumbuh seiring bertambahnya rules. Ini
menyiratkan bahwa keakuratan prediksi sistem akan meningkat karena
semakin banyak aturan yang tersedia.
• Ketika terjadi konflik antara dua atau lebih rules, sistem berbasis aturan
memilih aturan terbaik untuk digunakan.
• Menggunakan teknik inferensi (baik backward atau forward chaining) untuk
memanipulasi keahlian dalam memecahkan masalah.

G. PROCEDURAL VS. DECLARATIVE PROGRAMMING

Pemrograman Prosedural
Misalnya program yang ditulis dalam C ++ atau Java terdiri dari serangkaian
prosedur yang harus dilakukan dalam suatu strict sequence untuk mencapai tujuan.
Fitur Utama dari Pemrograman Prosedural :
• Program dibangun sebagai urutan langkah demi langkah “how to”
instructions. Namun, penjelasan dapat dimasukkan untuk memberi tahu
pengguna mengapa kegiatan tertentu dilakukan.
• Format pemrograman menyiratkan respons otomatis terhadap rangsangan; ada
sedikit atau tidak ada pemikiran tentang respons atau tindakan, ini termasuk
dalam program.
Pemrograman Deklaratif
Rules dalam KBS berdiri sendiri sebagai pernyataan kebenaran atau fakta, dan
dapat digunakan oleh mesin inferensi untuk mencapai kesimpulan. Urutan aksi yang
diambil tidak ditentukan, mesin inferensi secara otomatis memilih dan menerapkan
aturan sesuai keinginan.
Fitur Utama dari Pemrograman Deklaratif :
• Memberikan fakta pada domain pengetahuan yang diberikan, secara harfiah
menyatakan hal-hal apa.
• Pernyataan dalam pemrograman deklaratif memberikan informasi mengenai
hubungan antara objek yang berbeda.
• Pengetahuan biasanya dangkal atau pada tingkat permukaan, memberikan
contoh hubungan yang dapat divisualisasikan oleh para pakar dengan mudah.

H. LOGIC, RULES AND REPRESENTATION

Logika proposisi dapat mencakup tiga istilah :

• Simbol konstanta misalnya nama-nama seperti Barry
• Simbol variabel biasanya dilambangkan dengan huruf kapital
• Ekspresi fungsional yang mengandung fungsi yang diikuti oleh sejumlah
argumen.
Pernyataan dalam logika proposisi dapat digabungkan bersama-sama dengan
menggunakan simbol tersebut untuk memberikan pernyataan logis yang lebih rumit.
Rule-Based Systems
Seperti dalam kasus sistem proposisi rules dapat digunakan untuk menggambarkan
apa yang benar, tetapi dapat juga digunakan untuk menggambarkan apa yang dapat
atau tidak dapat dilakukan dalam situasi yang berbeda.
Struktur konstruksi dasar untuk rules:
• IF something, THEN something else is true. Contoh:
• IF hujan THEN anda harus membawa payung
Sistem berbasis aturan dapat menyimpulkan, yaitu, diproses oleh mesin inferensi,
melalui salah satu dari dua cara :
• forward chaining atau backward chaining
 I. FORWARD CHAINING

Mesin inferensi dimulai dengan serangkaian fakta yang digunakan untuk menarik
kesimpulan tentang domain tempat sistem bekerja. Dimulai dari data dan bekerja
maju ke kesimpulan atau goal sistem. Sistem adalah data-driven :
• Masukkan data baru.
• Berlakukan/ aktivkan aturan forward chaining.
• Berikan nilai data baru dari aturan yang diberlakukan.
• Ulangi Langkah 2 dan 3 hingga tidak ada data baru yang dapat disimpulkan.
• Nyatakan solusinya, atau jika tidak ada solusi, maka nyatakan bahwa basis
aturan tidak mencukupi.
Strategi resolusi konflik diperlukan untuk menentukan aturan mana yang akan
diaktifkan (misal dua aturan atau lebih akan diaktifkan pada saat yang sama).
Strateginya :
• No duplication. Jangan memicu sebuah aturan dua kali menggunakan fakta/
data yang sama, agar tidak ada fakta yang ditambahkan ke memori kerja lebih
dari sekali.
• Recency. Pilih aturan yang menggunakan fakta yang paling baru dalam
memori kerja. Hal ini akan membuat sistem dapat melakukan penalaran
dengan mengikuti rantai tunggal ketimbang selalu menarik kesimpulan baru
menggunakan fakta lama.
• Specificity. Picu aturan dengan fakta prakondisi yang lebih spesifik (khusus)
sebelum aturan yang mengunakan prakondisi lebih umum.
• Operation priority. Pilih aturan dengan prioritas yang lebih tinggi.
Rangkuman :
• Data biasanya dimasukkan sebelum sistem memulai proses inferensi.
• Aturan biasanya diperiksa secara individual.
• Aturan yang relevan dikelompokkan bersama untuk membuat sistem lebih
mudah ditulis dan divalidasi.
• Aturan hanya diaktifkan ketika semua informasi mengenai aturan itu tersedia.
 • Mesin inferensi tidak diprogram untuk mengajukan pertanyaan dan
mendapatkan informasi baru saat program sedang berjalan.
• Berbagai kesimpulan dapat dicapai.
Meskipun proses inferensi ini berhasil, prosesnya bisa memakan waktu dan tidak
efisien, terutama dimana terdapat ratusan atau ribuan aturan yang harus dicari.

J. BACKWARD CHAINING

Sistem dimulai dengan hipotesis, kemudian kebenaran atau hipotesis terbukti dengan
memeriksa aturan dalam domain. Dengan kata lain, sistem didorong dari goal
kembali ke data. Sistem adalah goal driven.
• Nyatakan tujuan/ goal tertentu.
• Temukan aturan yang menyelesaikan goal, misalnya, menjawab
pertanyaannya.
• Ketika program sedang berjalan, pengguna menjawab pertanyaan untuk
memenuhi aturan yang mendahuluinya yang diperlukan.
• Dapatkan hasil, yaitu goal dapat atau tidak dapat dicapai.
Dalam backward chaining, sistem tidak bekerja sampai dia diperlukan, misalnya, goal
dispesifikasikan.