REPRESENTASI

PENGETAHUAN

Kecerdasan Buatan
Pokok Bahasan

 Logika
 Pohon
 Jaringan Semantik
 Frame
 Naskah (script)
 Kaidah Produksi
LOGIKA

 Penalaran DEDUKTIF & INDUKTIF

 Logika Proposisi
 Logika Predikat
Penalaran Deduktif
 Penalaran dimulai dari prinsip umum untuk
mendapatkan konklusi yang lebih khusus.
 Contoh:
Premis Mayor : Jika hari hujan, saya tidak akan berangkat
kuliah.
Premis Minor : Hari ini hujan turun.
Konklusi : Hari ini saya tidak akan berangkat kuliah.
Penalaran Induktif
 Penalaran 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.
 Munculnya premis baru bisa mengakibatkan
gugurnya konklusi yang sudah diperoleh.
Logika Proposisi
 Proposisi adalah suatu pernyataan yang dapat
bernilai benar (B) atau salah (S).
 Simbol-simbol seperti P dan Q menunjukkan
proposisi.
 Dua atau lebih proposisi dapat digabungkan dengan
menggunakan operator logika:
 Konjungsi :  (and);
 Disjungsi :  (or);
 Negasi :  (not);
 Implikasi :  (if-then);
 Ekuivalensi : 
 Operator NOT
 Operator NOT digunakan untuk memberikan nilai
negasi (lawan) dari pernyataan yang telah ada.

P NOT(P)

B S

S B
 Operator AND
 Operator AND digunakan untuk mengkombinasikan 2
buah proposisi.
 Hasil yang diperoleh akan bernilai benar jika kedua
proposisi bernilai benar, dan akan bernilai salah jika
salah satu dari kedua proposisi bernilai salah.

P Q P AND Q

B B B

B S S

S B S

S S S
 Operator OR
 Operator OR digunakan untuk mengkombinasikan 2
buah proposisi.
 Hasil yang diperoleh akan bernilai benar jika salah
satu dari kedua proposisi bernilai benar, dan akan
bernilai salah jika kedua proposisi bernilai salah

P Q P OR Q

B B B

B S B

S B B

S S S
 Operator IMPLIKASI
 Implikasi: Jika P maka Q akan menghasilkan nilai
salah jika P benar dan Q salah, selain itu akan selalu
bernilai benar.

P Q PQ

B B B

B S S

S B B

S S B
 Operator EKUVALENSI
 Ekuivalen akan menghasilkan nilai benar jika P dan Q
keduanya benar atau keduanya salah.

P Q PQ

B B B

B S S

S B S

S S B
Conjunctive Normal Form (CNF)
 Untuk melakukan inferensi pada logika proposisi dapat dilakukan
dengan menggunakan resolusi.
 Resolusi adalah suatu aturan untuk melakukan inferensi yang
dapat berjalan secara efisien dalam suatu bentuk khusus. Bentuk
khusus tersebut dikenal dengan nama conjunctive normal form
(CNF).
 Bentuk CNF ini memiliki ciri-ciri sebagai berikut:
 Setiap kalimat merupakan disjungsi literal.

 Semua kalimat terkonjungsi secara implisit.

 Kalimat yang ditulis dengan menggunakan logika proposisi dapat

dikonversi ke bentuk CNF.
 Kita perlu menghapus operator-operator selain OR tanpa harus
mengubah arti dari kalimat tersebut.
Untuk mengubah suatu kalimat ke dalam bentuk CNF,
dapat digunakan langkah-langkah sebagai berikut:
 Hilangkan implikasi dan ekuivalensi.
 x  y menjadi x  y.
 x  y menjadi (x  y)  (y  x).
 Kurangi lingkup semua negasi menjadi satu negasi saja.
  (x) menjadi x
  (x  y) menjadi ( x  y)

  (x  y) menjadi ( x  y)

 Gunakan aturan assosiatif dan distributif untuk mengkonversi

menjadi conjunction of disjunction.
 Assosiatif:(A  B)  C = A  (B  C).

 Distributif: (A  B)  C = (A  C)  (B  C).

 Buat satu kalimat terpisah untuk tiap-tiap konjungsi.

Pada logika proposisi, prosedur untuk membuktikan proposisi P
dengan beberapa aksioma F yang telah diketahui, dengan
menggunakan resolusi, dapat dilakukan melalui algoritma sebagai
berikut:
 Konversikan semua proposisi F ke bentuk CNF.

 Negasikan P, dan konversikan hasil negasi tersebut ke bentuk

klausa. Tambahkan ke himpunan klausa yang telah ada pada
langkah 1.
 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, eliminir dari resolvent.
 Jika resolvent berupa klausa kosong, maka ditemukan
kontradiksi. Jika tidak, tambahkan ke himpunan klausa yang
telah ada.
Contoh …

Diketahui basis pengetahuan (fakta-fakta yang

bernilai benar) sebagai berikut:
 P
 (P  Q)  R
 (S  T)  Q
 T
Buktikanlah kebenaran R!
Penyelesaian …

 Apabila kita ingin membuktikan kebenaran R dengan

menggunakan resolusi, maka pertama-tama kita harus
ubah dulu keempat fakta di atas menjadi bentuk CNF.
 Konversi ke CNF dapat dilakukan sebagai berikut:
 Kalimat Langkah-langkah CNF

1. P sudah merupakan bentuk P

CNF
2. (P  Q)  R Menghilangkan implikasi: P  Q  R
 (P  Q)  R
Mengurangi lingkup negasi:
(P  Q)  R
Gunakan asosiatif:
P  Q  R
3. (S  T)  Q Menghilangkan implikasi: S  Q
 (S  T)  Q T  Q
Mengurangi lingkup negasi:
(S  T)  Q
Gunakan distributif:
(S  Q)  (T  Q)
4. T sudah merupakan bentuk T
CNF
 Kemudian kita tambahkan kontradiksi pada
tujuannya, R menjadi R sehingga fakta-fakta
(dalam bentuk CNF) dapat disusun menjadi:
 P
 P  Q  R
 S  Q
 T  Q
 T
 R
P Q  R R

2
P Q P

1
T Q Q

4
T T

5
Logika Predikat

 Representasi Sederhana
 Resolusi
Representasi Sederhana
 Logika predikat digunakan untuk 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).
 Misal:
Andi adalah seorang laki-laki : A
Ali adalah seorang laki-laki : B
Amir adalah seorang laki-laki : C
Anto adalah seorang laki-laki : D
Agus adalah seorang laki-laki : E
 Bisa ditulis sebagai:
laki2(X)
 dimana X adalah variabel yang bisa disubstitusikan dengan Andi,
Ali, Amir, Anto, Agus dan laki-laki yang lain.
Contoh …
Misalkan terdapat pernyataan-pernyataan sebagai
berikut:
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 pasti tidak suka terhadap
matakuliah tersebut.
8. Andi tidak pernah hadir kuliah matakuliah kalkulus.
Ketujuh pernyataan di atas dapat dibawa ke bentuk
logika predikat sebagai berikut:
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).
 Andaikan kita akan menjawab pertanyaan:
“Apakah Andi suka matakuliah kalkulus?”
maka dari pernyataan ke-7 kita akan membuktikan
bahwa Andi tidak suka dengan matakuliah kalkulus.
 Dengan menggunakan penalaran backward bisa
dibuktikan bahwa:
suka(Andi,Kalkulus)
dengan menggunakan penalaran backward,
sebagai berikut:
suka(Andi,Kalkulus)
(7, substitusi)
mahasiswa(Andi) 
sulit(Kalkulus) 
hadir(Andi,Kalkulus)
(1)
sulit(Kalkulus) 
hadir(Andi,Kalkulus)
(4)
hadir(Andi,Kalkulus)
(8)
Resolusi

 Resolusi merupakan suatu teknik pembuktian

yang lebih efisien, sebab fakta-fakta yang
akan dioperasikan terlebih dahulu dibawa ke
bentuk standar yang sering disebut dengan
nama klausa.
 Pembuktian suatu pernyataan menggunakan
resolusi ini dilakukan dengan cara
menegasikan pernyataan tersebut, kemudian
dicari kontradiksinya dari pernyataan-
pernyataan yang sudah ada.
Konversi ke Bentuk Klausa
 Eliminir a  b menjadi  a  b
 Reduksi skope dari  sebagai berikut:
  ( a  b)  ab
  ( a  b)  ab
  "x:P(x)  $ x:  P(x)
  $ x:P(x)  "x:  P(x)

 Standarisasi variabel sehingga semua qualifiaer ("

& $) terletak pada satu variabel yang unik.
 "x:P(x)  "x:Q(x) menjadi "x:P(x)  "y:Q(y)
 Pindahkan semua qualifier ke depan tanpa
mengubah urutan relatifnya.
 Pindahkan semua qualifier ke depan tanpa
mengubah urutan relatifnya.
 Eliminasi qualifier “$ “.
"x: $y:P(y,x) menjadi "x: P(S(x),x)
 Buang semua prefiks qualifier “"“.
 Ubah menjadi conjunction of disjunctiuon:
(a  b)  c  (a  b)  (b  c)
 Bentuk klausa untuk tiap-tiap bagian konjungsi.
 Standarisasi variabel di tiap klausa
Contoh …
 Andaikan ada pernyataan:
“Setiap orang yang mengenal Hitler, maka ia akan
menyukainya atau berpikir bahwa orang yang
membunuh orang lain itu gila ”.
 Apabila dibawa ke bentuk wff:
"x: [orang(x)  kenal(x,Hitler)] 
[suka(x,Hitler)  ("y: $z: bunuh(y,z)  gila(x,y))]
Konversi ke clausa:
 "x:  [orang(x)  kenal(x,Hitler)]  [suka(x,Hitler) 
("y:  ($ z:bunuh(y,z))  gila(x,y))]
 "x: [ orang(x)   kenal(x,Hitler)]  [suka(x,Hitler) 
("y: ("z:  bunuh(y,z))  gila(x,y))]
 sesuai
 "x: "y: "z: [ orang(x)   kenal(x,Hitler)] 
[suka(x,Hitler)  ( bunuh(y,z))  gila(x,y))]
 sesuai
 [ orang(x)   kenal(x,hitler)] 
[suka(x,Hitler)  ( bunuh(y,z))  gila(x,y))]
  orang(x)   kenal(x,Hitler) 
suka(x,Hitler)   bunuh(y,z)  gila(x,y)
 sesuai
 sesuai
Resolusi pada Logika Predikat
 Pada logika predikat, prosedur untuk membuktikan
pernyataan P dengan beberapa pernyataan F yang telah
diketahui, dengan menggunakan resolusi, dapat
dilakukan melalui algoritma sebagai berikut:
 Konversikan semua proposisi F ke bentuk klausa.

 Negasikan P, dan konversikan hasil negasi tersebut

ke bentuk klausa. Tambahkan ke himpunan klausa
yang telah ada pada langkah 1.
 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 T1 dan T2 sedemikian hingga keduanya dapat
dilakukan unifikasi, maka salah satu T1 atau T2 tidak muncul
lagi dalam resolvent. T1 dan T2 disebut sebagai
complementary literal. Jika ada lebih dari 1 complementary
literal, maka hanya sepasang yang dapat meninggalkan
resolvent.
 Jika resolvent berupa klausa kosong, maka ditemukan
kontradiksi. Jika tidak, tambahkan ke himpunan klausa yang
telah ada.
Contoh …
Pada contoh sebelumnya, pernyataan-pernyataan yang ada dapat
dibawa ke dalam bentuk klausa sebagai berikut:
1. mahasiswa(Andi)
2. Elektro(Andi)
3. Elektro(x1)  Teknik(x1)
4. sulit(Kalkulus)
5. Teknik(x2)  suka(x2,Kalkulus) 
benci(x2,Kalkulus)
6. suka(x3,fl(x3))
7. mahasiswa(x4)  sulit(y1) 
hadir(x4,y1)  suka(x4,y1)
8. hadir(Andi,Kalkulus)
 Apabila ingin dibuktikan apakah Andi benci
kalkulus, maka kita bisa lakukan dengan
membuktikan:
benci(Andi,Kalkulus)
 benci(Andi,Kalkulus) 5

Andi/x2
3 Teknik(Andi) suka(Andi,Kalkulus)

Andi/x1
Elektro(Andi) suka(Andi,Kalkulus) 2

7 suka(Andi,Kalkulus)

Andi/x4; Kalkulus/y1
1 mahasiswa(Andi) sulit(Kalkulus) hadir(Andi,Kalkulus)

sulit(Kalkulus) hadir(Andi,Kalkulus) 4

hadir(Andi,Kalkulus) 8
Latihan 1

Consider the following sentences

 All who can read are literate.
 Dolphins are not literate.
 Some dolphins are intelligent.
 Some who are intelligent cannot read.

 Using only the predicates read, literate, dolphins,

intelligent, represent the above sentences in
predicate calculus

 Ubah ke bentuk clausal form

Latihan 1

 Find out the response by using resolution:

 Jack owns a dog.
 Every dog owner is an animal lover.

 No animal lover kills an animal.

 Either Jack or John killed the cat, who is named

Tuna.
 Cat is an animal.

Did John kill the cat?

 3. JARINGAN SEMANTIK
(SEMANTIC NETWORKS)
 Merupakan pengetahuan secara grafis yang
menunjukkan hubungan antar berbagai objek

 Disusun dari NODE dan ARC (Lines)

 Node : representasi dari objek, objek properti

atau properti value. (digambarkan dengan
lingkaran)

 Arc : representasi dari hubungan antar node.

(digambarkan dengan garis)
39
Contoh jaringan semantik sederhana:

Wings

Has
Is a
Canary Bird

node “Canary” dan travel

“Bird” menjelaskan
hubungan “spesific-
to-general” fly

40
PERLUASAN JARINGAN SEMANTIK
 Perluasan dilakukan dengan menambah NODE
dan menghubungkan dengan NODE

 Node baru tersebut dapat merupakan objek

tambahan atau properti tambahan

 Umumnya penambahan dapat dilakukan dalam

3 cara:

(1) objek yang sama

(2) objek yang lebih khusus
(3) objek yang lebih umum
41
 PEWARISAN (INHERITANCE) PADA
JARINGAN SEMANTIK
Node yang ditambahkan pada Jaringan Semantik
secara otomatis mewarisi informasi yang telah
ada pada Jaringan

 OPERASI PADA JARINGAN SEMANTIK

 Salah satu cara untuk menggunakan Jaringan
Semantik adalah dengan bertanya pada node

42
 Misalnya:

 Pertanyaan pada “Bird”, “How do you Travel?”

 Jawabannya: “Fly”

 Untuk menjawab, maka node tersebut akan

mengecek pada arc dengan label travel dan
kemudian menggunakan informasi (value)
yang ada pada arc tersebut sebagai
jawabannya

43
Catatan:
 Jaringan semantik pada dasarnya berbentuk
grafik, tapi dalam komputer tidak tampak
karena objek dan hubungannya dinyatakan
dalam istilah verbal

 Titik awal biasanya ditentukan oleh sebuah

pertanyaan.

44
 4. FRAME
 Definisi: kumpulan pengetahuan tentang
suatu obyek tertentu, peristiwa lokasi, situasi,
dll.

 Secara umum frame memiliki 2 elemen dasar

SLOT dan FACET
 Slot : merupakan kumpulan atribut/properti yang
menjelaskan objek yang direpresentasi oleh frame
 Facet (atau disebut juga: subslot) menjelaskan
pengetahuan atau prosedur dari atribut pada slot

45
Frame alat-alat
transportasi

Frame
Trans. Darat
macam-macam
angkutan darat

Slot Mobil Frame

macam-macam
Frame mobil
jenis bahan bakar
Slot Sedan
Slot bensin
Slot solar

46
Struktur dari sebuah frame :

Frame Name : Objek 1

Class : Objek 2

Properti :
Properti 1 Value 1
Properti 2 Value 2
Properti 3 Value 3
Properti n Value n

47
 Frame dapat memiliki field tambahan yang
disebut Class

 Class dapat berisi object2 yang merupakan

nama dari frame lain yang berhubungan
dengan object1

 Biasanya dalam hubungan IS A 

Object 1 is a object 2

48
Frame Kelas (Class)

 Merepresentasi karaktistik (sifat-sifat) umum dari

suatu objek
 Mendefinisikan properti-properti umum yang
biasanya dimiliki oleh semua objek dalam kelas
tersebut.
 Ada 2 jenis properti : statik dan dinamik
 Properti Statik merupakan fitur dari objek yang
tidak dapat berubah
 Properti dinamik merupakan fitur yang dapat
berubah selama sistem berjalan
49
Contoh Kelas Frame dari “Bird”

 Properti : sifat-sifat umum dari objek “Bird”

 Properti Color dan Wings : statik (karena

merupakan ciri-ciri yang nilainya tidak
berubah)

 Properti Hungry dan Activity : dinamik

(karena selama sistem berjalan value-nya
bisa berubah)

50
 5. NASKAH (SCRIPT)
 Sama dengan frame, tetapi yang digambarkan
adalah URUTAN PERISTIWA (bukan objek).

 Elemen dalam script:

 Kondisi Input : Situasi yang harus dipenuhi sebelum
terjadi
 Track / jalur : variasi script
 Prop / pendukung : obyek yang digunakan dalam urutan
peristiwa yang terjadi
 Role / peran : orang-orang yang terlibat
 Scene / adegan : urutan peristiwa aktual
 Hasil
51
 CONTOH:
 Script : Restoran
 Track : Restoran swalayan
 Role : Tamu, pelayan
 Prop : Counter, baki, makanan, tisu, dll
 Kondisi masukan : Tamu Lapar – Tamu punya
uang

 Adegan (Scene1) : masuk

 Tamu parkir mobil
 Tamu masuk restoran
 Tamu duduk
 Tamu baca menu

52
 Adegan (Scene 2) : memesan
 Tamu memesan
 Pelayan membawa makanan
 Pelayan meletakkan makanan di meja
 Tamu membayar

 Adegan (Scene3) : makan

 Hasilnya:
 Tamu kenyang
 Uang tamu berkurang
 Tamu senang
 Tamu sakit perut

53
 2. RULES
 Rules (aturan-aturan), merupakan pengetahuan
prosedural

 Menghubungkan informasi yang diberikan

dengan tindakan (action)

 Struktur rule, secara logika menghubungkan

satu atau lebih antecedent (atau premises)
yang berada pada bagian IF, dengan satu atau
lebih consequents (atau conclusions /
kesimpulan) pada bagian THEN.
54
 Misalnya:
IF Warna baju itu merah
THEN Saya suka baju itu

 Sebuah rule dapat memiliki multiple premise

yang tergabung dengan menggunakan operasi
logika (AND, OR)

 Bagian Konklusi dapat berupa kalimat tunggal

atau gabungan dengan menggunakan operasi
logika (AND) dan dapat pula memiliki kalimat
ELSE.
55
 Contoh operasi sistem berbasis aturan

Knowledge Base

IF Warna baju itu merah

THEN Saya suka baju itu

IF Saya suka baju itu

THEN Saya akan beli baju itu

Working Memori
Q: Warna Baju?
A: Merah Warna baju itu merah

Saya suka baju itu

Saya akan beli baju itu

56
 Rule dapat melakukan beberapa operasi

 Untuk operasi-operasi yang kompleks, sistem

berbasis aturan dirancang untuk mengakses
program eksternal

 Contoh: (Database)
IF terjadi situasi darurat
AND NAMA = Smith
THEN OPEN TELEPHONE
AND FIND NAMA, NAMA-FIELD
AND TELEPHONE = TELEPHONE FIELD

57
JENIS-JENIS RULES

 RELATIONSHIP/HUBUNGAN
IF Baterai sudah soak
THEN Mobil tidak bisa distarter

 REKOMENDASI
IF Mobil tidak bisa distarter
AND Sistem bahan bakar OK
THEN Periksa bagian elektrikal

58
 STRATEGI
IF Mobil tidak bisa distarter
THEN Pertama periksa sistem bahan
bakar, lalu periksa sistem elektrikal

 HEURISTIC
IF Mobil tidak bisa distarter
AND Mobilnya adalah Ford tahun 1957
THEN Periksa float-nya

59
 INTERPRETASI
IF Tegangan Resistor R1 lebih besar dari 2.0 volt
AND Tegangan Kolektor pada Q1 kurang dari 1.0 volt
THEN Bagian Pre-Amp berada pada range normal

 DIAGNOSA
IF stain dari organisme adalah grampos
AND morfologi dari organisme adalah coccus
AND pertumbuhan dari organisme adalah chains
THEN organisme tersebut adalah streptococcus

 DISAIN
IF task sekarang adalah menempatkan catu daya
AND posisi dari catu daya pada kabinet sudah diketahui
AND ada ruang tersedia dalam kabinet untuk catu daya
THEN letakkan catu daya pada kabinet tersebut

60
 Keunggulan Sistem berbasis RULES:
 Modifikasi dan perawatan relatif mudah
 Uncertainty dapat dikombinasikan dengan rules
 Tiap rules biasanya independent dari yang lainnya
 Keterbatasan:
 Pengetahuan yang kompleks membutuhkan rules
yang sangat banyak
 Sistem dengan banyak rules mungkin mempunyai
keterbatasan dalam proses pencarian pada
bagian program kontrol

61