Staffsite STMIK PPKIA Pradnya Paramita
KECERDASAN BUATAN
REPRESENTASI PENGETAHUAN
(PART - I)
ERWIEN TJIPTA WIJAYA, ST., M.KOM
KERANGKA MASALAH
Logika
Logika Predikat
Pengukuran Kuantitas
PENGETAHUAN
Diklasifikasikan menjadi 3 :
1. Procedural Knowledge
2. Declarative Knowledge
3. Tacit Knowledge
PROCEDURAL KNOWLEDGE
Bagaimana melakukan sesuatu
1. Bagaimana mendidihkan air dalam mangkok
2. Bagaimana memasak mie instan
3. Bagaimana menjalankan mobil
DECLARATIVE KNOWLEDGE
Mengetahui sesuatu itu benar atau salah
1. Mobil dapat berjalan tanpa Bahan Bakar Minyak
2. Fakultas Teknologi Informasi mempunyai 3 program
studi.
TACIT KNOWLEDGE
Tidak dapat diungkapkan dengan bahasa
1. Bagaimana kita menggerakkan tangan
2. Bagaimana memejamkan mata
PENGETAHUAN
Kunci utama dari sistem pakar
Analogi
1. Algoritma + Struktur Data = Program
2. Pengetahuan + Inferensi = Sistem Pakar
REPRESENTASI PENGETAHUAN
Metode yang digunakan untuk mengodekan
pengetahuan dalam sebuah sistem pakar
Dimaksudkan untuk
1. Menangkap sifat-sifat penting problema
2. Membuat informasi itu dapat diakses oleh prosedur
pemecahan problema
REPRESENTASI PENGETAHUAN
Dua bagian dasar sistem kecerdasan buatan (menurut Turban) :
1. Basis pengetahuan
a.fakta tentang objek-objek dalam domain yang dipilih
b.hubungan di antara domain-domain tersebut
2. Inference Engine
a.Merupakan sekumpulan prosedur
b.Menguji
basis
pertanyaan,
keputusan
pengetahuan
menyelesaikan
dalam
masalah,
menjawab suatu
atau membuat
Karakteristik representasi pengetahuan
1. Dapat diprogram dengan bahasa komputer dan disimpan dalam memori
2. Fakta dan pengetahuan lain yang terkandung di dalamnya dapat digunakan
untuk melakukan penalaran
MODEL REPRESENTASI PENGETAHUAN
Pengetahuan dapat direpresentasikan dalam bentuk yang
sederhana atau kompleks, tergantung dari masalahnya.
(Schnupp, 1989)
Beberapa model representasi pengetahuan
1. Logika (logic)
2. List & Tree
3. Jaringan semantik (semantic nets)
4. Bingkai (frame)
5. Tabel Keputusan (decision table)
6. Pohon Keputusan (decision tree)
7. Naskah (script)
8. Kaidah/Sistem produksi (production rule)
LOGIKA
Suatu pengkajian ilmiah tentang serangkaian
penalaran, sistem kaidah, dan prosedur yang
membantu penalaran.
Komputer harus dapat menggunakan proses
penalaran deduktif dan induktif ke dalam bentuk
yang sesuai dengan manipulasi komputer, yaitu
logika simbolik atau matematika
Disebut Logika Komputasional
Logika Proporsional
Logika Predikat
PENALARAN DEDUKTIF
Bergerak dari
konklusi khusus
penalaran
umum
menuju ke
Atau pernyataan premis dan inferensi
Premis Mayor
Premis Minor
Konklusi
Contoh
Premis mayor : Jika hujan turun saya tidak
akan kuliah
Premis minor : Pagi ini hujan turun
Konklusi : Oleh karena itu pagi ini saya tidak
akan kuliah
LOGIKA PROPORSIONAL
Proposisi
merupakan suatu
statemen
atau pernyataan
yang
menyatakan benar
(TRUE) atau salah (FALSE)
LOGIKA PROPORSIONAL
A
B
~A
~B
A
RESOLUSI
Resolusi digunakan untuk melakukan inferensi
pada logika proposisi
Resolusi adalah suatu aturan untuk melakukan
inferensi yang dapat berjalan secara efisien
dalam suatu bentuk khusus yaitu conjunctive
normal form (CNF)
CNF
Langkah-langkah untuk mengubah suatu kalimat (konversi)
ke bentuk CNF :
Hilangkan implikasi dan ekuivalensi
x -> y menjadi ¬ x V y
x y menjadi (¬ x V y)
CONTOH RESOLUSI
Diketahui basis pengetahuan (fakta-fakta yang
bernilai benar) :
P
(P
CONTOH RESOLUSI
Diketahui basis pengetahuan (fakta-fakta yang
bernilai benar) :
P
(P
CONTOH : PENYELESAIAN RESOLUSI
Ubah ke dalam bentuk CNF
CONTOH: PENYELESAIAN RESOLUSI
Tambahkan Kontradiksi pada tujuannya, sehingga
fakta-fakta dalam CNF menjadi :
CONTOH: PENYELESAIAN RESOLUSI
CONTOH: PENYELESAIAN RESOLUSI
LOGIKA PREDIKAT
Suatu logika yang lebih canggih yang seluruhnya
menggunakan konsep dan kaidah proporsional yang sama.
Disebut juga kalkulus predikat, yang memberi tambahan
kemampuan
untuk
merepresentasikan pengetahuan
dengan sangat cermat dan rinci
Memungkinkan memecah statemen ke dalam bagian
komponen yang disebut obyek, karakteristik obyek atau
beberapa keterangan obyek
Suatu proposisi atau premis dibagi menjadi dua bagian
Argumen (atau obyek)
Individu atau obyek yang membuat keterangan
Predikat (keterangan)
Keterangan yang membuat argumen dan predikat
LOGIKA PREDIKAT
Dalam suatu kalimat, predikat dapat berupa kata kerja atau
bagian kata kerja
PREDIKAT (individu[obyek]1, individu[obyek]2)
Misalnya proposisi:
Mobil berada dalam garasi
Dinyatakan menjadi
Di dalam (mobil, garasi)
Di dalam = produk (keterangan)
Mobil = Argumen (obyek)
Garasi = Argumen (obyek)
LOGIKA PREDIKAT
Contoh lain
Proposisi : Rojali suka Juleha
Kalkulus Predikat : SUKA (Rojali, Juleha)
Proposisi : Pintu Terbuka
Kalkulus Predikat : BUKA (pintu)
Proposisi : Sensor cahaya aktif
Kalkulus Predikat : AKTIF (sensor cahaya)
LOGIKA PREDIKAT
Pengetahuan diekspresikan dalam kalkulus predikat yang
dapat dimanipulasi agar dapat diinferensi/dinalar
Pangkalan pengetahuan dibentuk dengan menggunakan
variabel sebagai simbol-simbol untuk merancang obyek
misalnya
x = Rojali
y = Juleha
Maka proposisinya menjadi Suka(x,y)
LOGIKA PREDIKAT
Predikat kalkulus membolehkan penggunaan simbol untuk
mewakili fungsi-fungsi
Misalnya
ayah(Juleha) = Jojon
ibu(Rojali) = Dorce
Fungsi dapat digunakan bersamaan dengan predikat
Misalnya predikat berikut menjelaskan bahwa Jojon dan
Dorce adalah berteman
teman(ayah(Juleha),ibu(Rojali))=teman(Jojon,Dorce)
PENGUKURAN KUANTITAS
Simbol
yang
mengijinkan
untuk
menyatakan suatu
rangkaian atau cakrawala variabel dalam suatu ekspresi
logika
Dua pengukuran kuantitas, yaitu:
Kuantitas universal (V)
Untuk semua
Kuantitas eksistensial (E)
Ada / terdapat
Contoh:
Semua sapi berkaki empat
(Vx)[Sapi(x), berkaki empat(x)]
Beberapa sapi berwarna putih
(Ex)[Sapi(x), berwarna putih(x)]
CONTOH
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
matakuliah
pasti
akan
suka
terhadap suatu
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
CONTOH : PENYELESAIAN
mahasiswa(Andi)
elektro(Andi)
Vx : elektro(x) → teknik(x)
sulit(Kalkulus)
Vx : teknik(x) → suka(x,kalkulus) V benci(x,kalkulus)
Vx : Ey : suka(x,y)
Vx : Vy : mahasiswa(x)
CONTOH : PENYELESAIAN
Pertanyaan
“Apakah andi suka matakuliah kalkulus ?”
Gunakan penalaran backward :
TERIMA KASIH
REPRESENTASI PENGETAHUAN
(PART - I)
ERWIEN TJIPTA WIJAYA, ST., M.KOM
KERANGKA MASALAH
Logika
Logika Predikat
Pengukuran Kuantitas
PENGETAHUAN
Diklasifikasikan menjadi 3 :
1. Procedural Knowledge
2. Declarative Knowledge
3. Tacit Knowledge
PROCEDURAL KNOWLEDGE
Bagaimana melakukan sesuatu
1. Bagaimana mendidihkan air dalam mangkok
2. Bagaimana memasak mie instan
3. Bagaimana menjalankan mobil
DECLARATIVE KNOWLEDGE
Mengetahui sesuatu itu benar atau salah
1. Mobil dapat berjalan tanpa Bahan Bakar Minyak
2. Fakultas Teknologi Informasi mempunyai 3 program
studi.
TACIT KNOWLEDGE
Tidak dapat diungkapkan dengan bahasa
1. Bagaimana kita menggerakkan tangan
2. Bagaimana memejamkan mata
PENGETAHUAN
Kunci utama dari sistem pakar
Analogi
1. Algoritma + Struktur Data = Program
2. Pengetahuan + Inferensi = Sistem Pakar
REPRESENTASI PENGETAHUAN
Metode yang digunakan untuk mengodekan
pengetahuan dalam sebuah sistem pakar
Dimaksudkan untuk
1. Menangkap sifat-sifat penting problema
2. Membuat informasi itu dapat diakses oleh prosedur
pemecahan problema
REPRESENTASI PENGETAHUAN
Dua bagian dasar sistem kecerdasan buatan (menurut Turban) :
1. Basis pengetahuan
a.fakta tentang objek-objek dalam domain yang dipilih
b.hubungan di antara domain-domain tersebut
2. Inference Engine
a.Merupakan sekumpulan prosedur
b.Menguji
basis
pertanyaan,
keputusan
pengetahuan
menyelesaikan
dalam
masalah,
menjawab suatu
atau membuat
Karakteristik representasi pengetahuan
1. Dapat diprogram dengan bahasa komputer dan disimpan dalam memori
2. Fakta dan pengetahuan lain yang terkandung di dalamnya dapat digunakan
untuk melakukan penalaran
MODEL REPRESENTASI PENGETAHUAN
Pengetahuan dapat direpresentasikan dalam bentuk yang
sederhana atau kompleks, tergantung dari masalahnya.
(Schnupp, 1989)
Beberapa model representasi pengetahuan
1. Logika (logic)
2. List & Tree
3. Jaringan semantik (semantic nets)
4. Bingkai (frame)
5. Tabel Keputusan (decision table)
6. Pohon Keputusan (decision tree)
7. Naskah (script)
8. Kaidah/Sistem produksi (production rule)
LOGIKA
Suatu pengkajian ilmiah tentang serangkaian
penalaran, sistem kaidah, dan prosedur yang
membantu penalaran.
Komputer harus dapat menggunakan proses
penalaran deduktif dan induktif ke dalam bentuk
yang sesuai dengan manipulasi komputer, yaitu
logika simbolik atau matematika
Disebut Logika Komputasional
Logika Proporsional
Logika Predikat
PENALARAN DEDUKTIF
Bergerak dari
konklusi khusus
penalaran
umum
menuju ke
Atau pernyataan premis dan inferensi
Premis Mayor
Premis Minor
Konklusi
Contoh
Premis mayor : Jika hujan turun saya tidak
akan kuliah
Premis minor : Pagi ini hujan turun
Konklusi : Oleh karena itu pagi ini saya tidak
akan kuliah
LOGIKA PROPORSIONAL
Proposisi
merupakan suatu
statemen
atau pernyataan
yang
menyatakan benar
(TRUE) atau salah (FALSE)
LOGIKA PROPORSIONAL
A
B
~A
~B
A
RESOLUSI
Resolusi digunakan untuk melakukan inferensi
pada logika proposisi
Resolusi adalah suatu aturan untuk melakukan
inferensi yang dapat berjalan secara efisien
dalam suatu bentuk khusus yaitu conjunctive
normal form (CNF)
CNF
Langkah-langkah untuk mengubah suatu kalimat (konversi)
ke bentuk CNF :
Hilangkan implikasi dan ekuivalensi
x -> y menjadi ¬ x V y
x y menjadi (¬ x V y)
CONTOH RESOLUSI
Diketahui basis pengetahuan (fakta-fakta yang
bernilai benar) :
P
(P
CONTOH RESOLUSI
Diketahui basis pengetahuan (fakta-fakta yang
bernilai benar) :
P
(P
CONTOH : PENYELESAIAN RESOLUSI
Ubah ke dalam bentuk CNF
CONTOH: PENYELESAIAN RESOLUSI
Tambahkan Kontradiksi pada tujuannya, sehingga
fakta-fakta dalam CNF menjadi :
CONTOH: PENYELESAIAN RESOLUSI
CONTOH: PENYELESAIAN RESOLUSI
LOGIKA PREDIKAT
Suatu logika yang lebih canggih yang seluruhnya
menggunakan konsep dan kaidah proporsional yang sama.
Disebut juga kalkulus predikat, yang memberi tambahan
kemampuan
untuk
merepresentasikan pengetahuan
dengan sangat cermat dan rinci
Memungkinkan memecah statemen ke dalam bagian
komponen yang disebut obyek, karakteristik obyek atau
beberapa keterangan obyek
Suatu proposisi atau premis dibagi menjadi dua bagian
Argumen (atau obyek)
Individu atau obyek yang membuat keterangan
Predikat (keterangan)
Keterangan yang membuat argumen dan predikat
LOGIKA PREDIKAT
Dalam suatu kalimat, predikat dapat berupa kata kerja atau
bagian kata kerja
PREDIKAT (individu[obyek]1, individu[obyek]2)
Misalnya proposisi:
Mobil berada dalam garasi
Dinyatakan menjadi
Di dalam (mobil, garasi)
Di dalam = produk (keterangan)
Mobil = Argumen (obyek)
Garasi = Argumen (obyek)
LOGIKA PREDIKAT
Contoh lain
Proposisi : Rojali suka Juleha
Kalkulus Predikat : SUKA (Rojali, Juleha)
Proposisi : Pintu Terbuka
Kalkulus Predikat : BUKA (pintu)
Proposisi : Sensor cahaya aktif
Kalkulus Predikat : AKTIF (sensor cahaya)
LOGIKA PREDIKAT
Pengetahuan diekspresikan dalam kalkulus predikat yang
dapat dimanipulasi agar dapat diinferensi/dinalar
Pangkalan pengetahuan dibentuk dengan menggunakan
variabel sebagai simbol-simbol untuk merancang obyek
misalnya
x = Rojali
y = Juleha
Maka proposisinya menjadi Suka(x,y)
LOGIKA PREDIKAT
Predikat kalkulus membolehkan penggunaan simbol untuk
mewakili fungsi-fungsi
Misalnya
ayah(Juleha) = Jojon
ibu(Rojali) = Dorce
Fungsi dapat digunakan bersamaan dengan predikat
Misalnya predikat berikut menjelaskan bahwa Jojon dan
Dorce adalah berteman
teman(ayah(Juleha),ibu(Rojali))=teman(Jojon,Dorce)
PENGUKURAN KUANTITAS
Simbol
yang
mengijinkan
untuk
menyatakan suatu
rangkaian atau cakrawala variabel dalam suatu ekspresi
logika
Dua pengukuran kuantitas, yaitu:
Kuantitas universal (V)
Untuk semua
Kuantitas eksistensial (E)
Ada / terdapat
Contoh:
Semua sapi berkaki empat
(Vx)[Sapi(x), berkaki empat(x)]
Beberapa sapi berwarna putih
(Ex)[Sapi(x), berwarna putih(x)]
CONTOH
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
matakuliah
pasti
akan
suka
terhadap suatu
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
CONTOH : PENYELESAIAN
mahasiswa(Andi)
elektro(Andi)
Vx : elektro(x) → teknik(x)
sulit(Kalkulus)
Vx : teknik(x) → suka(x,kalkulus) V benci(x,kalkulus)
Vx : Ey : suka(x,y)
Vx : Vy : mahasiswa(x)
CONTOH : PENYELESAIAN
Pertanyaan
“Apakah andi suka matakuliah kalkulus ?”
Gunakan penalaran backward :
TERIMA KASIH