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,
pengetahuan
menyelesaikan
dalam masalah,
menjawab suatu atau membuat
keputusan 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
AΛB
AVB
A -> B
A<=>B
T
T
F
F
T
T
T
T
T
F
F
T
F
T
F
F
F
T
T
F
F
T
T
F
F
F
T
T
F
F
T
T
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) Λ (¬ y Λ x) Kurangi lingkup semua negasi menjadi satu negasi saja
¬ (¬ x) menjadi x ¬ (x V y) menjadi (¬ x Λ ¬ y) ¬ (x Λ y) menjadi (¬ x V ¬ y) Gunakan aturan assosiatif dan distributif untuk mengkonversi menjadi conjuction of disjunction
Assosiatif : (A V B) V C menjadi A V (B V C) Distributif : (A Λ B) V C menjadi (A V C) Λ (B V C)
CONTOH RESOLUSI Diketahui basis pengetahuan (fakta-fakta yang bernilai benar) : P (P Λ Q) -> R (S V T) -> Q T Tentukan kebenaran R
CONTOH RESOLUSI Diketahui basis pengetahuan (fakta-fakta yang bernilai benar) : P (P Λ Q) -> R (S V T) -> Q T Tentukan kebenaran R
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) Λ sulit(y) Λ ¬hadir(x,y) → ¬suka(x,y) ¬hadir(andi,kalkulus)
CONTOH : PENYELESAIAN Pertanyaan “Apakah andi suka matakuliah kalkulus ?” Gunakan penalaran backward :
TERIMA KASIH
