Febri Maspiyanti
Pengetahuan?
Cari definisi “pengetahuan” menurut beberapa ahli
Sertakan sumber referensi
Representasi Pengetahuan
Metode yang digunakan untuk mengkodekan pengetahuan
dimaksudkan untuk menangkap sifat-sifat penting pengetahuan
untuk memecahkan problem tertentu.
Dua bagian dasar sistem kecerdasan buatan :
1. Basis pengetahuan
• fakta tentang objek-objek dalam domain yang dipilih
• hubungan di antara domain-domain tersebut
2. Inference Engine
• Merupakan sekumpulan prosedur
• Menguji basis pengetahuan dalam menjawab suatu pertanyaan,
menyelesaikan masalah, atau membuat keputusan
(Turban, 2001)
Karakteristik Pengetahuan
Representasi pengetahuan dapat diprogramkan dengan
beragam bahasa komputer yang ada dan dapat disimpan dalam
memori.
Representasi pengetahuan dirancang sedemikian rupa
sehingga fakta dan pengetahuan lainnya dapat dimanfaatkan
untuk penalaran.
(Turban, 2001)
Kategori Knowledge Representation
Representasi Deklaratif → menggunakan ekspresi logika
formal untuk merepresentasikan basis pengetahuan.
Representasi Prosedural → menggambarkan pengetahuan
sebagai sekumpulan instruksi untuk memecahkan suatu problem.
Disebut juga “Aturan Produksi”.
Representasi Network → pengetahuan dianggap sebagai
sebuah graf di mana node menggambarkan objek atau konsep
problem, dan garis penghubung menggambarkan hubungan atau
asosiasi antara mereka.
Representasi Terstruktur → Representasi Terstruktur
memperluas Representasi Network dengan membuat setiap
nodenya menjadi sebuah struktur data komplek yang berisi
tempat-tempat bernama dengan nilai tertentu.
Representasi Deklaratif
Menggunakan ekspresi logika formal untuk merepresentasikan basis
pengetahuan.
Logika didefinisikan sebagai ilmu untuk berpikir dan menalar dengan
benar sehingga didapatkan kesimpulan yang absah.
Proses logika adalah proses membentuk kesimpulan atau menarik
suatu inferensi berdasarkan fakta yang telah ada.
Input dari proses logika adalah berupa premis atau fakta-fakta yang
diakui kebenarannya sehingga dengan melakukan penalaran pada
proses logika dapat dibentuk suatu inferensi atau kesimpulan yang
bernilai benar juga.
Input Output
Premis Inferensi
Fakta Kesimpulan
Penalaran → Kesimpulan
Penalaran deduktif → dimulai dari prinsip umum untuk
mendapatkan kesimpulan yang lebih khusus. Contoh :
Premis Mayor : Jika hujan turun saya tidak akan berangkat kuliah
Premis Minor : Hari ini hujan turun
Kesimpulan : Hari ini saya tidak akan berangkat kuliah
Penalaran induktif → Dimulai dari fakta-fakta khusus untuk
mendapatkan kesimpulan. Contoh :
Premis 1 : Aljabar adalah pelajaran yang sulit
Premis 2 : Geometri adalah pelajaran yang sulit
Premis 3 : Kalkulus adalah pelajaran yang sulit
Kesimpulan : Matematika adalah pelajaran yang sulit
Logika Proposisi
Proposisi adalah suatu pernyataan yang dapat bernilai Benar
(True) atau Salah (False). Dua atau lebih preposisi dapat
digabungkan dengan menggunakan operator logika :
• a. Konjungsi : ^ (And)
• b. Disjungsi : V (Or)
• c. Negasi : ~,¬
• d. Implikasi : (If – Then/Jika Maka)
• e. Ekuivalensi : (If and Only If/Jika dan Hanya Jika)
Logika Proposisi (2)
Contoh Proposisi:
• 50 > 10 True
• Mata uang Indonesia adalah Rupiah True
• Ayam berkembangbiak dengan beranak False
• Akar kuadrat dari 9 adalah 2 False
Tabel Kebenaran?
A B A^B AvB ~A ~B A→B A→B
T T
T F
F T
F F
Logika Predikat
• Logika Predikat merupakan pengembangan (perluasan)
dari logika proposisi sehingga konsep objek dan relasi
antar objek dapat diekspresikan dalam bahasa logika
• Disebut juga kalkulus predikat, yang memberi tambahan
kemampuan untuk merepresentasikan pengetahuan dengan lebih
rinci.
• Memecah statement ke dalam bagian komponen yang disebut
obyek, karakteristik obyek atau beberapa keterangan obyek.
Logika Predikat (2)
Istilah dalam Logika Predikat
• Term : kata benda atau subjek
• Predikat : properti dari term
• Fungsi proposisional = fungsi yang mendeskripsikan hubungan
Term dan Predikat
• Kuantor
– Universal: yang selalu bernilai benar (∀).
– Eksistensial: bisa bernilai benar atau salah (∃).
Logika Predikat (3)
• Contoh :
Joko adalah ayah dari Budi
Contoh :
• IF lalu lintas pagi ini padat THEN saya naik sepeda motor saja
• IF hari hujan THEN saya bolos kuliah
Penalaran Maju (Forward Reasoning)
Pelacakan dimulai dari keadaan awal (informasi atau fakta yang
ada) dan kemudian dicoba untuk mencocokkan dengan tujuan yang
diharapkan
Gunakan jika jumlah keadaan awal lebih kecil daripada tujuan &
kejadian itu berupa fakta baru
Penalaran Mundur (Backward Reasoning)
Memiliki
Adalah
Hiu
Ikan
Bergerak
Berenang
Representasi Terstruktur?
Cari contoh Representasi Terstruktur.
Sertakan sumber referensi