Betha Nurina Sari, M.Kom
Pertemuan 4
Representasi
Pengetahuan
Betha Nurina Sari,
M.Kom
NEXT > >
REPRESENTASI
PENGETAHUAN
Representasi
Pengetahuan
Pengetahuan
Naskah
Frame
Aturan
Jaringan
Logika
List
Pohon
Representasi
Pengetahuan
• Fakta atau kondisi sesuatu atau keadaan
yang timbul karena suatu pengalaman.
• Hirarki Pengetahuan
Meta knowledge : knowledge
dan keahlian
Knowledge : Informasi yang
telah diproses
Informasi : Data yang telah
diproses
Data : Hal yang paling
potensial, berasal dari
fakta/obyek/kejadian
Klasifkasi
Pengetahuan
• Pengetahuan prosedural
(procedural knowledge)
• Lebih menekankan pada
bagaimana melakukan sesuatu.
• Contoh:
– pengetahuan tentang bagaimana
mencuci dengan menggunakan
mesin
– Pengetahuan tentang bagaimana
membuat puding
– Pengetahuan tentang bagaimana
cara mengobati luka bakar
Klasifkasi
Pengetahuan
• Pengetahuan deklaratif
(declarative knowledge)
• Menjawab pertanyaan apakah
sesuatu bernilai salah atau benar.
• Contoh:
– Jangan berikan pisau pada anak
dibawah 3 tahun
– Buah apel berwarna hijau dan
berbentuk bulat
– Ada asosiasi positif antara merokok
dan penyakit kanker
Klasifkasi
Pengetahuan
• Pengetahuan tacit (tacit
knowledge)
• Pengetahuan yang tidak bisa
diungkapkan dengan bahasa
– Bagaimana cara mengayuh sepeda
– Bagaimana cara berjinjit untuk
menari balet
– Bagaimana kita menggerakkan
tangan
– Bagaimana memejamkan mata
Representasi
Pengetahuan
• Representasi Pengetahuan
dimaksudkan untuk menangkap sifatsifat penting masalah dan membuat
infomasi dapat diakses oleh prosedur
pemecahan masalah.
• Bahasa representasi harus dapat
membuat seorang programmer mampu
mengekspresikan pengetahuan untuk
mendapatkan solusi suatu masalah.
Karakter Model
Representasi Pengetahuan
• Harus bisa diprogram dengan bahasa
pemrograman atau dengan shells dan hasilnya
disimpan dalam memori
• Dirancang sedemikian sehingga isinya dapat
digunakan untuk proses penalaran
• Model representasi pengetahuan merupakan
sebuah struktur data yang dapat dimanipulasi
oleh mesin inferensi dan pencarian untuk
aktivitas pencocokan pola
• Menangkap sifat-sifat penting problema
• Membuat informasi itu dapat diakses oleh
prosedur pemecahan problema/masalah
Klasifkasi Representasi
Pengetahuan [Mylopoulos
dan Levesque]
• Representasi Logika : Menggunakan
ekspresi-ekspresi logika formal untuk
merepresentasikan basis pengetahuan
• Representasi Prosedural:
Menggambarkan pengetahuan sebagai
kumpulan instruksi
• Representasi Network (Jaringan) :
Menangkap pengetahuan sebagai sebuah
graf, dimana node-nodenya menggambarkan
objek atau konsep dalam problem yang
dihadapi
• Representasi Terstruktur : Representasi
TOPIK BAHASAN
REPRESENTASI P
ENGETAHUAN
REPRESENTASI
LOGIKA
• Representasi logika terdiri dari dua
jenis yaitu Kalkulus proposisional
(Propositional logic) dan Kalkulus
predikatif (Predicate logic).
Representasi Logika
• Representasi pengetahuan yang paling tua
• Menggunakan ekspresi-ekspresi logika untuk
merepresentasikan basis pengetahuan
• Proses logika adalah proses menarik
kesimpulan/inferensi berdasarkan fakta yang ada
• Inputnya berupa premis atau fakta-fakta yang
diakui kebenarannya
• Outputnya berupa kesimpulan/inferensi/konklusi
yang benar
• PROLOG merupakan bahasa pemrograman ideal
dalam mengimplementasikan representasi logika
REPRESENTASI
LOGIKA
• Kalkulus Proposisional (Propositional
Logic)
• Proposisi adalah suatu model untuk
mendeklarasikan suatu fakta.
Lambang-lambang proposisional
menunjukkan proposisi atau
pernyataan tentang segala sesuatu
yang dapat benar atau salah.
LOGIKA PROPOSISI
(PROPOSITIONAL LOGIC)
• Logika Proposisi : Logika yang hanya
mempunyai nilai benar atau salah
• Proposisi : Suatu pernyataan (fakta) yang dapat
bernilai Benar atau Salah
Konjungsi : ^ (and / dan )
Disjungsi : v (or / atau)
Negasi : ¬ (not / tidak / bukan)
Implikasi : → (if then / jika ... maka ...)
Ekuivalensi : ↔ (if and only if / jika dan hanya
jika)
CONTOH LOGIKA
PROPOSISI
• Contoh 1:
Diketahui preposisi-preposisi berikut:
P : Hari ini hujan
Q : Murid-murid diliburkan dari sekolah
Maka
P ^ Q : Hari ini hujan dan murid-murid diliburkan dari sekolah
P v Q : Hari ini hujan atau murid-murid diliburkan dari sekolah
~P : Tidak benar hari ini hujan (Hari ini tidak hujan)
• Contoh 2:
P : Hujan turun sekarang
Q : Saya tidak akan ke pasar
P Q : Jika hujan turun sekarang maka saya tidak akan ke pasar
Tabel Logika
• Contoh
A = Dewi Rajin Belajar
B = Dewi Lulus Ujian
C = Dewi mendapat hadiah istimewa
• Dalam ekspresi logika:
Jika Dewi rajin belajar maka Dewi lulus ujian dan mendapat hadiah
istimewa : A B ^ C
Jika Dewi rajin belajar maka Dewi lulus ujian dan mendapat hadiah
istimewa : (A (B ^ C))
Jika Dewi rajin belajar maka Dewi lulus ujian dan mendapat hadiah
istimewa : ((A B) ^ C)
Logika Predikat
• Logika yang digunakan untuk merepresentasikan masalah yang tidak
dapat dilakukan atau direpresentasikan dengan menggunakan logika
preposisi
• Misal: Diketahui fakta-fakta sebagai berikut:
Andi adalah seorang laki-laki : A
Ali adalah seorang laki-laki : B
Amir adalah seorang laki-laki : D
Agus adalah seorang laki-laki : E
• Jika kelima fakta tersebut dinyatakan dengan menggunakan
proposisi, maka akan terjadi pemborosan. Dimana beberapa
pernyataan dengan predikat yang sama akan dibuat dalam preposisi
yang berbeda.
• Pernyataan diatas apabila dinyatakan dalam bentuk logika predikat
adalah sebagai berikut:
seorang(x(Andi, Ali, Amir, Anto, Agus), laki-laki).
Logika Predikat
• Contoh logika predikat lainnya:
Diana adalah nenek dari Ibu Amir
Bentuk logika predikat: Nenek(Diana,
Ibu(Amir))
Mahasiswa berada didalam kelas
Bentuk logika predikat : Di dalam
(Mahasiswa, Kelas)
Dari contoh diatas dapat dijabarkan
sebagai berikut:
Penalaran
(Reasoning)
• Jika ruang masalah sangat besar penggunaan logic
dan teknik penalaran (reasoning) akan lebih efsien
dibanding penggunaan teknik pencarian (searching)
• Pada bagian ini dibahas teknik penalaran
(reasoning) yakni teknik penyelesaian masalah
dengan cara merepresentasikan masalah ke
dalam basis pengetahuan (knowledge base)
dan
melakukan
proses
penalaran
untuk
membuat kesimpulan/keputusan menggunakan
logic atau bahasa formal (bahasa yang dipahami oleh
komputer)
Penalaran
(Reasoning)
• Sistem akan mencoba untuk
memberikan output berupa solusi dari
suatu masalah berdasarkan kumpulan
pengetahuan yang ada
Tree / Pohon
• Struktur sederhana untuk representasi
pengetahuan
• Merupakan struktur grafk hirarki
Decision Tree
• Pohon keputusan mudah dikonversi
ke dalam bentuk aturan (rule)
JARINGAN SEMANTIK
(SEMANTIC NETWORK)
• Mengekspresikan solusi dan permasalahan
dengan menggunakan grafk
• Disajikan dalam bentuk graph berarah
• Menggunakan node (simpul) sebagai kondisi
dan arc (link) sebagai relasi antar simpul
• Dapat menggambarkan relasi
“adalah/contoh dari” (IS-A)
• Dapat menggambarkan relasi “bagian dari”
(A Kind Of /AKO/ is part), merelasikan
individu ke induknya
• Dapat menggambarkan relasi “mempunyai”
Perhatikan Jaringan Semantic
sederhana berikut ini:
Sayap
Memiliki
Kenari
Adalah
Burung
Berpindah tempat
terbang
Perluasan yang bisa dilakukan
dengan penambahan
• Objek yang sama
– Ditambahkan node penguin yang
sama dengan node kenari
• Objek yang lebih khusus
– Penambahan node tweety yang lebih
khusus dari kenari. Juga
penambahan informasi bahwa
tweety termasuk burung
• Objek yang lebih umum
– Ditambahkan node hewan yang
merupakan bentuk lebih umum dari
Sehingga kita dapatkan:
udara
tweety
Sayap
adalah
Memiliki
Kenari
bernafas
Adalah
Adalah
Burung
Adalah
Berpindah tempat
penguin
terbang
hewan
Jaringan semantik
• Kalimat-kalimat yang akan di bentuk menjadi
representasi jaringan semantik adalah :
• Agung adalah mahasiswa yang kuliah di Universitas
Gunadarma.
• Agung adalah mahasiswa yang kuliah hingga semester 8
agar lulus dan mendapat gelar S1.
• Agung mengerjakan PI sebagai syarat lulus dan
mendapat gelar S1.
• Agung mengerjakan PI bertema aplikasi berbasis telepon
selular.
• Agung mengerjakan PI menggunakan bahasa
pemrograman yaitu J2ME.
• Agung menyukai bahasa pemrograman saat belajar di
BINGKAI (FRAME)
• Metode menampilkan pengetahuan
mengenai obyek tertentu (misal: lokasi,
benda, peristiwa, situasi, dll)
• Digunakan untuk merepresentasikan
pengetahuan yang didasarkan pada
karakteristik yang sudah dikenal
(berdasarkan pengalaman)
Contoh
FRAME
CONTO
H
BINGK
AI
(FRAME)
Hirarki Frame
Contoh
SCRIPT (Naskah)
• Merepresentasikan pengetahuan
dengan menggambarkan urutan
kejadian
• Merepresentasikan situasi,
pengetahuan dan pengalaman
• Penggambaran urutan peristiwa
menggunakan serangkaian slot yang
berisi informasi tentang orang, objek,
dan tindakan-tindakan yang terjadi
dalam suatu peristiwa
ELEMEN DALAM
•SCRIPT
Beberapa elemen yang terdapat dalam script
yaitu (Suparman: 1991):
1. Kondisi masukan: menggambarkan situasi yang
harus dipenuhi sebelum terjadinya sebuah
peristiwa yang ada dalam script
2. Prop: mengacu kepada objek yang digunakan
dalam urutan peristiwa yang terjadi
3. Role: mengacu pada orang-orang yang terlibat
dalam script
4. Track: mengacu pada variasi yang mungkin
terjadi dalam script
5. Scene: menggambarkan urutan peristiwa aktual
yang terjadi
CONTOH SCRIPT
Script berangkat ke restoran seperti berikut ini:
SCRIPT RESTORAN
– Jalur (Track): Restoran Swalayan (Fast Food)
– Peran (Roles) : Tamu, Pelayan
– Pendukung (Prop) : Counter, baki, makanan, uang, serbet, garam,
merica, kecap, sedotan dan lain-lain
– Kondisi masukan
: Tamu Lapar - Tamu punya uang
Adegan (Scene) 1: Masuk
–
–
–
–
Tamu parkir mobil
Tamu masuk restoran
Tamu antri
Tamu baca menu di daftar menu dan mengambil putusan tentang apa
yang akan dipesan
Adegan 2: Pesanan
–
–
–
Tamu memberikan pesanan kepada pelayan
Pelayan mengambil pesanan dan meletakkan makanan diatas baki.
Tamu membayar
CONTOH SCRIPT
Adegan 3: Makan
- Tamu mengambil serbet, sedotan, garam dan
lain-lain
- Tamu membawa baki makanan ke meja
kosong
- Tamu makan
Adegan 4: Pulang
- Tamu membersihkan meja
- Tamu membuang sampah
- Tamu meninggalkan restoran
- Tamu naik mobil dan pulang
Hasil
- Tamu merasa kenyang
- Uang tamu jadi habis
- Tamu senang
- Tamu kecewa
List
• Struktur sederhana untuk representasi pengetahuan
• Daftar dari rangkaian materi yang terkait
• List digunakan untuk objek yang dikelompokkan,
dikategorikan atau digabungkan
Aturan / Sistem
Produksi
• Pengetahuan dalam kaidah produksi
direpresentasikan dalam bentuk
JIKA [kondisi] MAKA [Aksi]
JIKA [premis] MAKA [Konklusi]
Contoh
• Aturan 1:
JIKA terjadi luka
MAKA berikan Betadine
• Aturan 2:
JIKA tidak punya uang Cash
MAKA ambil tabungan
• Aturan 3 :
JIKA bersin-bersin
MAKA terserang infuensa
• Aturan 3 :
JIKA bensin habis
MAKA Motor tidak akan hidup
Contoh
• Aturan terkadang menggunakan operator
logika AND atau OR. Misalnya:
• Aturan 5:
JIKA dana mencukupi
DAN pengiriman bisa dilakukan kurang dari 1
bulan
MAKA beli laser printer
• Aturan 6:
JIKA kontraktor tidak bisa menyelesaikan
pekerjaan tepat waktu
ATAU biaya melebihi anggaran
MAKA kontrak batal
Aturan ->
Kompleksitas
• Untuk hasil yang lebih akurat dalam
memecahkan masalah dalam suatu
domain, biasanya dibutuhkan aturan
yang cukup banyak karena masingmasing aturan berisi detail
pengetahuan
• Jumlah aturan akan menggambarkan
kompleksitas dari sistem pakar /
produk kecerdasan buatan
Contoh kasus
• Akan dibangun sebuah sistem pakar untuk memberikan
saran kepada usaha kecil tentang paket software apa
yang harus digunakan
• Variabel dari pemberian sarannya tampak pada tabel 1
Variabel
Makna
Nilai dari variabel
Fungsi
derajat kompleksitas dari
dokumen
simple, kompleks
Biaya
Anggaran yang
disediakan untuk
pembelian software
Rendah, Tinggi
Produk
paket software untuk
mengelola dokumen
A, B, C
Contoh kasus
• Pengetahuan akan di representasikan dengan
metode kaidah produksi
• Untuk mempermudah representasi pengetahuan,
akan dibuat table aturan (Tabel 2) dan Pohon
Fungsi
Biaya
Produk
Simple
rendah
A
simple
tinggi
A
compleks
rendah
Tidak ada
Compleks
tinggi
B atau C
Representasi Pengetahuan
- Pohon
Kaidah produksi
• Aturan 1:
JIKA fungsi simple
DAN biaya rendah atau tinggi
MAKA pilih WP A
• Aturan 2:
JIKA fungsi kompleks
DAN biaya rendah
MAKA tidak ada yang bisa dipilih
• Aturan 2:
JIKA fungsi kompleks
DAN biaya tinggi
MAKA pilih WP B atau C
NEXT >>>
Representasi Pengetahuan
• Download PROLOG (Programming in
Logic)
http://www.swi-prolog.org/download/stabl
e
• Praktikum Representasi Pengetahuan :
Logika
• Tentukan kelompok Anda (maksimal 1
kelompok beranggotakan 5 orang) untuk
persiapan pembahasan pekan depan.
• See you, Good Luck !
Representasi
Pengetahuan
Betha Nurina Sari,
M.Kom
NEXT > >
REPRESENTASI
PENGETAHUAN
Representasi
Pengetahuan
Pengetahuan
Naskah
Frame
Aturan
Jaringan
Logika
List
Pohon
Representasi
Pengetahuan
• Fakta atau kondisi sesuatu atau keadaan
yang timbul karena suatu pengalaman.
• Hirarki Pengetahuan
Meta knowledge : knowledge
dan keahlian
Knowledge : Informasi yang
telah diproses
Informasi : Data yang telah
diproses
Data : Hal yang paling
potensial, berasal dari
fakta/obyek/kejadian
Klasifkasi
Pengetahuan
• Pengetahuan prosedural
(procedural knowledge)
• Lebih menekankan pada
bagaimana melakukan sesuatu.
• Contoh:
– pengetahuan tentang bagaimana
mencuci dengan menggunakan
mesin
– Pengetahuan tentang bagaimana
membuat puding
– Pengetahuan tentang bagaimana
cara mengobati luka bakar
Klasifkasi
Pengetahuan
• Pengetahuan deklaratif
(declarative knowledge)
• Menjawab pertanyaan apakah
sesuatu bernilai salah atau benar.
• Contoh:
– Jangan berikan pisau pada anak
dibawah 3 tahun
– Buah apel berwarna hijau dan
berbentuk bulat
– Ada asosiasi positif antara merokok
dan penyakit kanker
Klasifkasi
Pengetahuan
• Pengetahuan tacit (tacit
knowledge)
• Pengetahuan yang tidak bisa
diungkapkan dengan bahasa
– Bagaimana cara mengayuh sepeda
– Bagaimana cara berjinjit untuk
menari balet
– Bagaimana kita menggerakkan
tangan
– Bagaimana memejamkan mata
Representasi
Pengetahuan
• Representasi Pengetahuan
dimaksudkan untuk menangkap sifatsifat penting masalah dan membuat
infomasi dapat diakses oleh prosedur
pemecahan masalah.
• Bahasa representasi harus dapat
membuat seorang programmer mampu
mengekspresikan pengetahuan untuk
mendapatkan solusi suatu masalah.
Karakter Model
Representasi Pengetahuan
• Harus bisa diprogram dengan bahasa
pemrograman atau dengan shells dan hasilnya
disimpan dalam memori
• Dirancang sedemikian sehingga isinya dapat
digunakan untuk proses penalaran
• Model representasi pengetahuan merupakan
sebuah struktur data yang dapat dimanipulasi
oleh mesin inferensi dan pencarian untuk
aktivitas pencocokan pola
• Menangkap sifat-sifat penting problema
• Membuat informasi itu dapat diakses oleh
prosedur pemecahan problema/masalah
Klasifkasi Representasi
Pengetahuan [Mylopoulos
dan Levesque]
• Representasi Logika : Menggunakan
ekspresi-ekspresi logika formal untuk
merepresentasikan basis pengetahuan
• Representasi Prosedural:
Menggambarkan pengetahuan sebagai
kumpulan instruksi
• Representasi Network (Jaringan) :
Menangkap pengetahuan sebagai sebuah
graf, dimana node-nodenya menggambarkan
objek atau konsep dalam problem yang
dihadapi
• Representasi Terstruktur : Representasi
TOPIK BAHASAN
REPRESENTASI P
ENGETAHUAN
REPRESENTASI
LOGIKA
• Representasi logika terdiri dari dua
jenis yaitu Kalkulus proposisional
(Propositional logic) dan Kalkulus
predikatif (Predicate logic).
Representasi Logika
• Representasi pengetahuan yang paling tua
• Menggunakan ekspresi-ekspresi logika untuk
merepresentasikan basis pengetahuan
• Proses logika adalah proses menarik
kesimpulan/inferensi berdasarkan fakta yang ada
• Inputnya berupa premis atau fakta-fakta yang
diakui kebenarannya
• Outputnya berupa kesimpulan/inferensi/konklusi
yang benar
• PROLOG merupakan bahasa pemrograman ideal
dalam mengimplementasikan representasi logika
REPRESENTASI
LOGIKA
• Kalkulus Proposisional (Propositional
Logic)
• Proposisi adalah suatu model untuk
mendeklarasikan suatu fakta.
Lambang-lambang proposisional
menunjukkan proposisi atau
pernyataan tentang segala sesuatu
yang dapat benar atau salah.
LOGIKA PROPOSISI
(PROPOSITIONAL LOGIC)
• Logika Proposisi : Logika yang hanya
mempunyai nilai benar atau salah
• Proposisi : Suatu pernyataan (fakta) yang dapat
bernilai Benar atau Salah
Konjungsi : ^ (and / dan )
Disjungsi : v (or / atau)
Negasi : ¬ (not / tidak / bukan)
Implikasi : → (if then / jika ... maka ...)
Ekuivalensi : ↔ (if and only if / jika dan hanya
jika)
CONTOH LOGIKA
PROPOSISI
• Contoh 1:
Diketahui preposisi-preposisi berikut:
P : Hari ini hujan
Q : Murid-murid diliburkan dari sekolah
Maka
P ^ Q : Hari ini hujan dan murid-murid diliburkan dari sekolah
P v Q : Hari ini hujan atau murid-murid diliburkan dari sekolah
~P : Tidak benar hari ini hujan (Hari ini tidak hujan)
• Contoh 2:
P : Hujan turun sekarang
Q : Saya tidak akan ke pasar
P Q : Jika hujan turun sekarang maka saya tidak akan ke pasar
Tabel Logika
• Contoh
A = Dewi Rajin Belajar
B = Dewi Lulus Ujian
C = Dewi mendapat hadiah istimewa
• Dalam ekspresi logika:
Jika Dewi rajin belajar maka Dewi lulus ujian dan mendapat hadiah
istimewa : A B ^ C
Jika Dewi rajin belajar maka Dewi lulus ujian dan mendapat hadiah
istimewa : (A (B ^ C))
Jika Dewi rajin belajar maka Dewi lulus ujian dan mendapat hadiah
istimewa : ((A B) ^ C)
Logika Predikat
• Logika yang digunakan untuk merepresentasikan masalah yang tidak
dapat dilakukan atau direpresentasikan dengan menggunakan logika
preposisi
• Misal: Diketahui fakta-fakta sebagai berikut:
Andi adalah seorang laki-laki : A
Ali adalah seorang laki-laki : B
Amir adalah seorang laki-laki : D
Agus adalah seorang laki-laki : E
• Jika kelima fakta tersebut dinyatakan dengan menggunakan
proposisi, maka akan terjadi pemborosan. Dimana beberapa
pernyataan dengan predikat yang sama akan dibuat dalam preposisi
yang berbeda.
• Pernyataan diatas apabila dinyatakan dalam bentuk logika predikat
adalah sebagai berikut:
seorang(x(Andi, Ali, Amir, Anto, Agus), laki-laki).
Logika Predikat
• Contoh logika predikat lainnya:
Diana adalah nenek dari Ibu Amir
Bentuk logika predikat: Nenek(Diana,
Ibu(Amir))
Mahasiswa berada didalam kelas
Bentuk logika predikat : Di dalam
(Mahasiswa, Kelas)
Dari contoh diatas dapat dijabarkan
sebagai berikut:
Penalaran
(Reasoning)
• Jika ruang masalah sangat besar penggunaan logic
dan teknik penalaran (reasoning) akan lebih efsien
dibanding penggunaan teknik pencarian (searching)
• Pada bagian ini dibahas teknik penalaran
(reasoning) yakni teknik penyelesaian masalah
dengan cara merepresentasikan masalah ke
dalam basis pengetahuan (knowledge base)
dan
melakukan
proses
penalaran
untuk
membuat kesimpulan/keputusan menggunakan
logic atau bahasa formal (bahasa yang dipahami oleh
komputer)
Penalaran
(Reasoning)
• Sistem akan mencoba untuk
memberikan output berupa solusi dari
suatu masalah berdasarkan kumpulan
pengetahuan yang ada
Tree / Pohon
• Struktur sederhana untuk representasi
pengetahuan
• Merupakan struktur grafk hirarki
Decision Tree
• Pohon keputusan mudah dikonversi
ke dalam bentuk aturan (rule)
JARINGAN SEMANTIK
(SEMANTIC NETWORK)
• Mengekspresikan solusi dan permasalahan
dengan menggunakan grafk
• Disajikan dalam bentuk graph berarah
• Menggunakan node (simpul) sebagai kondisi
dan arc (link) sebagai relasi antar simpul
• Dapat menggambarkan relasi
“adalah/contoh dari” (IS-A)
• Dapat menggambarkan relasi “bagian dari”
(A Kind Of /AKO/ is part), merelasikan
individu ke induknya
• Dapat menggambarkan relasi “mempunyai”
Perhatikan Jaringan Semantic
sederhana berikut ini:
Sayap
Memiliki
Kenari
Adalah
Burung
Berpindah tempat
terbang
Perluasan yang bisa dilakukan
dengan penambahan
• Objek yang sama
– Ditambahkan node penguin yang
sama dengan node kenari
• Objek yang lebih khusus
– Penambahan node tweety yang lebih
khusus dari kenari. Juga
penambahan informasi bahwa
tweety termasuk burung
• Objek yang lebih umum
– Ditambahkan node hewan yang
merupakan bentuk lebih umum dari
Sehingga kita dapatkan:
udara
tweety
Sayap
adalah
Memiliki
Kenari
bernafas
Adalah
Adalah
Burung
Adalah
Berpindah tempat
penguin
terbang
hewan
Jaringan semantik
• Kalimat-kalimat yang akan di bentuk menjadi
representasi jaringan semantik adalah :
• Agung adalah mahasiswa yang kuliah di Universitas
Gunadarma.
• Agung adalah mahasiswa yang kuliah hingga semester 8
agar lulus dan mendapat gelar S1.
• Agung mengerjakan PI sebagai syarat lulus dan
mendapat gelar S1.
• Agung mengerjakan PI bertema aplikasi berbasis telepon
selular.
• Agung mengerjakan PI menggunakan bahasa
pemrograman yaitu J2ME.
• Agung menyukai bahasa pemrograman saat belajar di
BINGKAI (FRAME)
• Metode menampilkan pengetahuan
mengenai obyek tertentu (misal: lokasi,
benda, peristiwa, situasi, dll)
• Digunakan untuk merepresentasikan
pengetahuan yang didasarkan pada
karakteristik yang sudah dikenal
(berdasarkan pengalaman)
Contoh
FRAME
CONTO
H
BINGK
AI
(FRAME)
Hirarki Frame
Contoh
SCRIPT (Naskah)
• Merepresentasikan pengetahuan
dengan menggambarkan urutan
kejadian
• Merepresentasikan situasi,
pengetahuan dan pengalaman
• Penggambaran urutan peristiwa
menggunakan serangkaian slot yang
berisi informasi tentang orang, objek,
dan tindakan-tindakan yang terjadi
dalam suatu peristiwa
ELEMEN DALAM
•SCRIPT
Beberapa elemen yang terdapat dalam script
yaitu (Suparman: 1991):
1. Kondisi masukan: menggambarkan situasi yang
harus dipenuhi sebelum terjadinya sebuah
peristiwa yang ada dalam script
2. Prop: mengacu kepada objek yang digunakan
dalam urutan peristiwa yang terjadi
3. Role: mengacu pada orang-orang yang terlibat
dalam script
4. Track: mengacu pada variasi yang mungkin
terjadi dalam script
5. Scene: menggambarkan urutan peristiwa aktual
yang terjadi
CONTOH SCRIPT
Script berangkat ke restoran seperti berikut ini:
SCRIPT RESTORAN
– Jalur (Track): Restoran Swalayan (Fast Food)
– Peran (Roles) : Tamu, Pelayan
– Pendukung (Prop) : Counter, baki, makanan, uang, serbet, garam,
merica, kecap, sedotan dan lain-lain
– Kondisi masukan
: Tamu Lapar - Tamu punya uang
Adegan (Scene) 1: Masuk
–
–
–
–
Tamu parkir mobil
Tamu masuk restoran
Tamu antri
Tamu baca menu di daftar menu dan mengambil putusan tentang apa
yang akan dipesan
Adegan 2: Pesanan
–
–
–
Tamu memberikan pesanan kepada pelayan
Pelayan mengambil pesanan dan meletakkan makanan diatas baki.
Tamu membayar
CONTOH SCRIPT
Adegan 3: Makan
- Tamu mengambil serbet, sedotan, garam dan
lain-lain
- Tamu membawa baki makanan ke meja
kosong
- Tamu makan
Adegan 4: Pulang
- Tamu membersihkan meja
- Tamu membuang sampah
- Tamu meninggalkan restoran
- Tamu naik mobil dan pulang
Hasil
- Tamu merasa kenyang
- Uang tamu jadi habis
- Tamu senang
- Tamu kecewa
List
• Struktur sederhana untuk representasi pengetahuan
• Daftar dari rangkaian materi yang terkait
• List digunakan untuk objek yang dikelompokkan,
dikategorikan atau digabungkan
Aturan / Sistem
Produksi
• Pengetahuan dalam kaidah produksi
direpresentasikan dalam bentuk
JIKA [kondisi] MAKA [Aksi]
JIKA [premis] MAKA [Konklusi]
Contoh
• Aturan 1:
JIKA terjadi luka
MAKA berikan Betadine
• Aturan 2:
JIKA tidak punya uang Cash
MAKA ambil tabungan
• Aturan 3 :
JIKA bersin-bersin
MAKA terserang infuensa
• Aturan 3 :
JIKA bensin habis
MAKA Motor tidak akan hidup
Contoh
• Aturan terkadang menggunakan operator
logika AND atau OR. Misalnya:
• Aturan 5:
JIKA dana mencukupi
DAN pengiriman bisa dilakukan kurang dari 1
bulan
MAKA beli laser printer
• Aturan 6:
JIKA kontraktor tidak bisa menyelesaikan
pekerjaan tepat waktu
ATAU biaya melebihi anggaran
MAKA kontrak batal
Aturan ->
Kompleksitas
• Untuk hasil yang lebih akurat dalam
memecahkan masalah dalam suatu
domain, biasanya dibutuhkan aturan
yang cukup banyak karena masingmasing aturan berisi detail
pengetahuan
• Jumlah aturan akan menggambarkan
kompleksitas dari sistem pakar /
produk kecerdasan buatan
Contoh kasus
• Akan dibangun sebuah sistem pakar untuk memberikan
saran kepada usaha kecil tentang paket software apa
yang harus digunakan
• Variabel dari pemberian sarannya tampak pada tabel 1
Variabel
Makna
Nilai dari variabel
Fungsi
derajat kompleksitas dari
dokumen
simple, kompleks
Biaya
Anggaran yang
disediakan untuk
pembelian software
Rendah, Tinggi
Produk
paket software untuk
mengelola dokumen
A, B, C
Contoh kasus
• Pengetahuan akan di representasikan dengan
metode kaidah produksi
• Untuk mempermudah representasi pengetahuan,
akan dibuat table aturan (Tabel 2) dan Pohon
Fungsi
Biaya
Produk
Simple
rendah
A
simple
tinggi
A
compleks
rendah
Tidak ada
Compleks
tinggi
B atau C
Representasi Pengetahuan
- Pohon
Kaidah produksi
• Aturan 1:
JIKA fungsi simple
DAN biaya rendah atau tinggi
MAKA pilih WP A
• Aturan 2:
JIKA fungsi kompleks
DAN biaya rendah
MAKA tidak ada yang bisa dipilih
• Aturan 2:
JIKA fungsi kompleks
DAN biaya tinggi
MAKA pilih WP B atau C
NEXT >>>
Representasi Pengetahuan
• Download PROLOG (Programming in
Logic)
http://www.swi-prolog.org/download/stabl
e
• Praktikum Representasi Pengetahuan :
Logika
• Tentukan kelompok Anda (maksimal 1
kelompok beranggotakan 5 orang) untuk
persiapan pembahasan pekan depan.
• See you, Good Luck !