Pertemuan IV

Representasi Pengetahuan
Pokok Bahasan :
Pada pokok pembahasan ini akan dibahas tentang :
1. Basis Pengetahuan
2. Penalaran berbasis aturan (Rule Based Reasoning)
3. Penalaran berbasis kasus (Case Based Reasoning)

Tujuan Belajar :
Setelah mempelajari bab ini, mahasiswa diharapkan
mampu:
1. Mahasiswa memahami basis pengetahuan
2. Mahasiswa memahami penalaran berbasis aturan (Rule
Based Reasoning)
3. Mahasiswa memahami penalaran berbasis kasus (Case
Based Reasoning)

Terdapat dua bagian dasar pada sistem kecerdasan buatan

(menurut Turban) yaitu :

1. Basis pengetahuan yaitu berisi fakta tentang

objek-objek dalam domain yang dipilih dan hubungan
diantara domain domain tersebut.
2. Inference Engine : Merupakan sekumpulan prosedur
yang digunakan untuk menguji basis pengetahuan
dalam menjawab suatu pertanyaan,menyelesaikan
masalah, atau membuat keputusan dan aturan
informasi tentang cara bagaimana memperoleh fakta
baru dari fakta yang telah diketahui.

1. BASIS PENGETAHUAN
Basis pengetahuan mengandung pengetahuan untuk
pemahaman, formulasi, dan penyelesaian masalah. Basis
pengetahuan berisi struktur data yang dapat
dimanipulasi oleh suatu sistem inferensi yang
menggunakan pencarian dan teknik pencocokan pola pada
basis pengetahuan yang bermanfaat untuk menjawab
pertanyaan, menggambarkan kesimpulan atau bentuk
lainnya sebagai suatu fungsi kecerdasan.

1
a. Karakteristik representasi pengetahuan
1. Dapat diprogram dengan bahasa komputer dan
disimpan dalam memori
2. Fakta dan pengetahuan lain yang terkandung
didalamnya dapat digunakan untuk melakukan
penalaran.

Dalam menyelesaikan masalah harus dibutuhkan

pengetahuan yang cukup dan sistem juga harus memiliki
kemampuan untuk menalar. Basis pengetahuan dan
kemampuan untuk melakukan penalaran merupakan bagian
terpenting dari sistem yang menggunakan kecerdasan
buatan. Ada 2 bentuk pendekatan pada basis pengetahuan
yaitu:

1. Penalaran berbasis aturan (Rule Based Reasoning)

2. Penalaran berbasis kasus (Case Based Reasoning)

1. Pendekatan penalaran berbasis aturan (Rule Based

Reasoning)
a. Pengetahuan dibuat dalam IF-THEN
b. Digunakan jika kita sudah memiliki pengetahuan
dari pakar mengenai permasalahan tertentu secara
berurutan.
c. Dibutuhkan jika harus ada penjelasan tentang
langkah-langkah pencapaian solusi
d. Basis pengetahuan akan berisi kasus-kasus yang
sudah diketahui sebelumnya.Jika kasus-kasusnya
hampir mirip dan jika sudah memiliki
penyelesaian kasus-kasus

Contoh 1. Contoh Rule Based Reasoning

Data Kondisi
Musim Dingin
Temperatur <0, >0 derajat
Gerak Angin Kencang, Sepoi-sepoi
Jalan Licin, tidak licin
Cuaca Dingin, hangat, panas

Aturan (Rule)

2
 Premis (Pernyataan)
IF temperatur <0 derajat
AND IF Gerak angin kencang OR IF Jalan licin
Kesimpulan : THEN Cuaca dingin

Contoh Rule Based Reasoning antar alasan yang

dihubungkan dengan AND dan OR

Contoh 2.a. Dihubungkan dengan AND:

IF Alasan 1 IF Musin dingin

AND Alasan 2 AND temperatur <0 derajat
.... AND Berangin
AND Alasan N THEN Cuaca dingin
THEN Tindakan

Contoh 2.b Dihubungkan dengan OR;

IF Alasan 1 IF Musin dingin

OR Alasan 2 OR temperatur <0 derajat
.... OR Berangin
OR Alasan N THEN Cuaca dingin
THEN Tindakan

2. Penalaran berbasis kasus (Case Based Reasoning)

Penalaran berbasis kasus (Case based reasoning)
adalah salah satu metode yang digunakan untuk membuat
sebuah sistem dengan cara pengambilan keputusan dari
kasus baru berdasarkan solusi dari kasus-kasus lampau
yang pernah terjadi. Konsep case based reasoning ini
ditemukan bermula dari ide untuk menggunakan
pengalaman-pengalaman dari kasus lampau yang pernah
terjadi,kemudian pengalaman itu digunakan untuk
menyelesaikan kasus-kasus yang baru. Kebayakan para
decision maker menggunakan pengalaman mereka dalam
menyelesaikan masalah lampau, lalu digunakan kembali
untuk menyelesaikan masalah yang mereka hadapi saat
ini.

Penalaran berbasis kasus (case-based reasoning)Pada

penalaran berbasis kasus, akan berisi solusi-solusi
yang telah dicapai sebelumnya, kemudian akan diturunkan
suatu solusi untuk keadaan yang terjadi sekarang (fakta

3
yang ada). Bentuk ini digunakan apabila user
menginginkan untuk tahu lebih banyak lagi pada kasus-
kasus yang hampir sama (mirip). Selain itu bentuk ini
juga digunakan bila kita telah memiliki sejumlah
situasi atau kasus tertentu dalam basis pengetahuan.

2. Pendekatan Penalaran berbasis kasus (Case Based

Reasoning)
a. Basis pengetahuan akan berisi kasus-kasus yang
sudah diketahui sebelumnya
b. Jika kasus-kasusnya hampir mirip
c. Jika sudah memiliki penyelesaian kasus
d. Basis pengetahuan akan berisi solusi-solusi yang
telah dicapai sebelumnya, kemudian akan
diturunkan solusi untuk yang terjadi sekarang
(fakta yang ada)Digunakan apabila user
menginginkan untuk tahu lebih banyak lagi pada
kasus-kasus yang hampir sama.

Contoh penggunaan Algoritma Nearest Neighbor pada

Penalaran berbasis kasus (Case Based Reasoning.

Nearest neighbor adalah pendekatan untuk

mencari kasus dengan menghitung kedekatan antara
kasus baru dengan kasus lama, yaitu berdasarkan
pada pencocokan bobot dari sejumlah fitur yang ada.

Contoh:

Mencari solusi terhadap seorang gejala baru dengan

menggunakan solusi dari gejala terdahulu. Untuk
mecari gejala mana yang akan di gunakan maka di
hitung kedekatan kasus gejala baru dengan
semua kasus gejala lama. Kasus gejala lama
dengan kedekatan terbesar yang akan di ambil
untuk di gunakan pada kasus gejala baru.

4
Dari gambar di atas terdapat 3 gejala lama yaitu
A, B, dan C. Ketika ada gejala baru, maka
solusi yang akan di ambil dengan mencari jarak
antara gejala baru dengan semua gejala lama.
Dengan jarak terdekatlah solusi dari gejala lama,
dari gambar diatas solusi gejala lama A yang akan
di gunakan karena mempunyai jarak yang paling
pendek.

Rumus yang digunakan untuk menghitung kedekatan

antara 2 kasus yaitu:

n f (T , S ) * Wi
Similarity (T , S )  
i 1
Wi

Keterangan:

T : Kasus baru
S : Kasus yang ada dalam penyimpanan
n : Jumlah atribut dalam setiap kasus
i : Atribut individu antara 1 sampai dengan n
f : fungsi similarity atribut i antara kasus T dan
kasus S
w : bobot yang diberikan pada atribut ke-i Kedekatan
biasanya berada pada nilai 0 sampai dengan
1. Nilai 0 artinya kedua kasus mutlak tidak
mirip, dan nilai 1 kasus mutlak mirip.

RINGKASAN
Secara umum, basis pengetahuan (knowledge base)
adalah suatu bentuk basis data tertentu yang digunakan
dalam manajemen pengetahuan (knowledge management). Ada
2 bentuk pendekatan pada basis pengetahuan yaitu
penalaran berbasis aturan (Rule Based Reasoning) dan
penalaran berbasis kasus (Case Based Reasoning)

LATIHAN
Buatkan masing-masing 1 contoh bentuk Rule Based
Reasoning dan Case Based Reasoning, kemudian masing-
masing beri penjelasan