3. Representasi Pengetahuan.pdf

 KLASIFIKASI REPRESENTASI PENGETAHUAN : 1. REPRESENTASI LOGIKA 2. REPRESENTASI PROSEDURAL 3. REPRESENTASI NETWORK 4. REPRESENTASI TERSTRUKTUR

Representasi Prosedural menggambarkan prosedur sebagai kumpulan instruksi untuk memecahkan masalah . Digunakan dalam pemrograman IF…THEN Pendekatan lain untuk membuktikan teorema yang menggunakan aturan/rule (dinamakan Rules of inference), adalah dengan cara mendeduksi konsekeunsi logis dari premispremis yang diketahui atau diberikan.

Dalam Representasi Prosedural digunakan aturan produksi yang digambarkan dalam IF….THEN….else Sering digunakan untuk merumuskan pengetahuan pada SISTEM PAKAR Contoh:  IF temp > 30 C THEN hidupkan AC  IF permintaan meningkat AND persediaan menipis THEN pemesanan barang  IF pelamar <= 25 OR lulusan komputer THEN bisa diterima menjadi pegawai

Representasi Pengetahuan dengan sistem produksi berupa aplikasi aturan (rule) yang berupa : 1. Antecedent, yaitu bagian yang mengekspresikan situasi atau premis (pernyataan berawalan IF) 2. Konsekuen, yaitu bagian yang menyatakan suatu tindakan tertentu atau konklusi yang diterapkan jika suatu situasi atau premis bernilai benar (pernyataan berawalan THEN)

 Konklusi yang dinyatakan pada bagian THEN baru dinyatakan benar, jika bagian IF bernilai benar

 CONTOH : If lalulintas pagi ini padat Then saya naik sepeda motor saja

 Aturan dapat ditulis dalam beberapa bentuk, yaitu : 1. If premis then kesimpulan Contoh : Jika pendapatan tinggi MAKA pajak yang harus dibayar juga tinggi 2. Kesimpulan if premis Contoh : Pajak yang harus dibayar tinggi JIKA pendapatan tinggi 3. Inclusion of ELSE Contoh : IF pendapatan tinggi OR pengeluaran tinggi , THEN pajak yang harus dibayar tinggi ELSE pajak yang harus dibayar rendah 4. Aturan yang lebih kompleks Contoh : IF rating kredit tinggi AND gaji lebih besar dari 30.000 OR aset lebih dari 75.000 AND sejarah pembayaran tidak pernah menunggak THEN pinjaman diatas 10.000 disetujui dan daftar pinjaman masuk kategori “B”

 Metode Penalaran yang dapat digunakan dalam Sistem Prosedural : 1. Forward Reasoning (Penalaran Maju) Pelacakan dimulai dari keadaan awal (informasi atau fakta yang ada) dan kemudian dicoba untuk mencocokkan dengan tujuan yang diharapkan 2. Backward Reasoning (Penalaran Mundur) Penalaran dimulai dari tujuan atau hipotesa, baru dicocokkan dengan keadaan awal atau fakta-fakta yang ada

 Faktor yang mempengaruhi pemilihan metode penalaran : 1. Banyaknya keadaan awal dan tujuan  Jika jumlah keadaan awal lebih kecil daripada tujuan  Penalaran Forward  Jika jumlah tujuan lebih banyak daripada keadaan awal  Penalaran Backward 2. Bentuk kejadian yang akan memicu penyelesaian masalah  Jika kejadian itu berupa fakta baru  Penalaran Forward  Jika kejadian itu berupa query  Penalaran Backward

 Dimulai dari data-data dan aturan yang ada untuk menghasilkan lebih banyak data sampai tujuan dicapai  Motor Inferensi menggunakan pencarian Forward Chaining untuk mencari aturan inferensi sampai ditemukan satu dimana Antecedent bernilai TRUE  Ketika ditemukan, bisa ditarik kesimpulan, menghasilkan INFORMASI BARU

 Contoh :  Menentukan warna binatang bernama Fritz. Data awal adalah Frits melompat dan memakan serangga.  Misalkan ada 4 aturan : 1. If x melompat dan memakan serangga, maka x adalah katak 2. If x terbang dan bernyanyi, maka x adalah burung kenari 3. If x adalah katak, maka x berwarna hijau 4. If x adalah burung kenari, maka x berwarna kuning

 CONTOH :  Yang dicari pertama adalah aturan nomor 1,karena anteseden-nya cocok dengan data awal (if fritz melompat dan memakan serangga)  Konsekuen (then fritz adalah katak)ditambahkan ke data yang dimiliki  If fritz adalah katak, maka Fritz berwarna hijau (tujuan)

 Dimulai dari daftar tujuan dan bergerak kebelakang dari konsekuen ke anteseden untuk melihat data yang mendukung konsekuen.  Mencari sampai ada konsekuen (then clause) yang merupakan tujuan. Jika antecedent (If clause) belum diketahui nilainya (bernilai benar/salah), maka ditambahkan ke daftar tujuan.

 CONTOH :  Menentukan warna binatang bernama Fritz. Data awal adalah Frits melompat dan memakan serangga.  Misalkan ada 4 aturan : 1. If x melompat dan memakan serangga, maka x adalah katak 2. If x terbang dan bernyanyi, maka x adalah burung kenari 3. If x adalah katak, maka x berwarna hijau 4. If x adalah burung kenari, maka x berwarna kuning

 CONTOH  Pertama akan mencari aturan 3 dan 4(sesuai dengan tujuan kita mencari warna)  Belum diketahui bahwa Fritz adalah katak,maka kedua anteseden (If Fritz adalah katak,If Fritz adalah burung kenari) ditambahkanke daftar tujuan.  Lalu mencari aturan 1 dan 2, karena konsekuen-nya (then x adalah katak, then xadalah burung kenari) cocok dengan daftar tujuan yang baru ditambahkan.  Anteseden (If Fritz melompat dan memakan serangga) bernilai true/benar, maka disimpulkan Fritz adalah katak, dan bukan burung kenari.  Tujuan menentukan warna Fritz sekarang sudah dicapai (Fritz berwarna hijau jika katak, dan kuning jika burung kenari, Fritz adalah katak karena melompat dan memakan serangga, jadi Fritz berwarnahijau).

 Suatu network yang disebut dengan network semantik merepresentasikan pengetahuan dalam bentuk graf, dimana sim-pul pada graf tersebut menunjukkan fakta atau konsep, sedangkan lengkungan (arc) menggambarkan hubungan atau relasi antar konsep tersebut  Bagian yang menyusun JARINGAN SEMANTIK, meliputi :  Node merepresentasikan konsep, objek, atau situasi  Label : ditunjukkan melalui penamaan  Node dapat berupa objek tunggal atau kelas, seperti : buku, mobil, meja, orang, dll  Link merepresentasikan suatu hubungan :  Links adalah struktur dasar untuk pengorganisasian pengetahuan

 TYPE LINK dalam Jaringan Semantik :  IS-A (ISA) berarti “contoh dari” dan merupakan anggota tertentu dari kelas.  A KIND OF (AKO) berarti “jenis dari” dan merelasikan antara suatu kelas dengan kelas lainnya. AKO merelasikan kelas individu ke kelas induk dari kelaskelas dimana individu tersebut merupakan kelas anak.  HAS-A berarti “mempunyai” yang merelasikan suatu kelas menjadi subkelas. HAS-A berlawanan dengan AKO dan sering digunakan untuk merelasikan suatu objek ke bagian dari objek.

 Point-point penting tentang jaringan semantic : 1. Jaringan Semantic disusun dari NODE dan ARC (Lines) 2. Node merupakan representasi dari objek, objek propoerti atau property value (digambarkan dengan lingkaran) 3. Arc merupakan representasi dari hubungan antar node (digambarkan dengan garis) 4. Baik node maupun arc memiliki label yang secara jelas menjelaskan representasi dari objek dan hubungan antar node. 5. Hampir semua objek, atribut, pemikiran atau apapun dapat dirumuskan dan dihubungkan antara satu dengan lainnya oleh garis-garis (arc) 6. Arc umumnya menggunakan istilah seperti : “IS-A”, “HAS-A”, dll. 7. Sistem jaringan semantik ini selalu tergantung pada jenis masalah yang akan dipecahkan. 8. Jika masalah itu bersifat umum, maka hanya memerlukan sedikit rincian. Jika ternyata masalah itu banyak melibatkan hal-hal lain, maka di dalam jaringan awalnya diperlukan penjelasan yang lebih rinci lagi.

 Contoh Jaringan Semantik :

Air

Wings

HAS Tweety

IS A

Canary

IS A IS A

Bird

TRAVEL Walk

IS A

TRAVEL Fly

Penguin

BREATHE Animal

 Operasi pada Jaringan Semantik  Kasus-1:  Bertanya pada “Bird” : “How do you Travel ?”  Jawab : “Fly”  Untuk menjawab, node tersebut akan mengecek pada arc dengan label travel dan kemudian menggunakann informasi (value) yang ada pada arc tersebut sebagai jawabannya. USER

How do you Travel ?

Fly

Bird

TRAVEL Fly

 Operasi pada Jaringan Semantik  Kasus-2:  Bertanya pada “Tweety” : “How do you Travel ?”  Jawab : “Fly”  Jika node tidak menemukan jawaban pada local arc, maka akan mencari pada link dengan hubungan “IS A” yang dimiliki node tersebut. How do you Travel ?

Tweety

USER

Fly

How do you Travel ?

Fly

How do you Travel ?

Bird

Canary

Fly

TRAVEL Fly

 Kelebihan Jaringan Semantik : 1. Dapat diperluas Kita dapat dengan mudah memperluas (expanding) jaringan semantic dengan menambah NODE dan menghubungkan dengan NODE yang bersesuaian pada Jaringan Semantik Node baru tersebut dapat merupakan objek tambahan atau property Tambahan. Umumnya penambahan dapat dilakukan dalam 3 cara: a. Objek yang sama Penambahan node “Penguin” yang merupakan objek yang sama dengan “Canary” yang merupakan hubungan “IS-A” dari node “Bird”.

 Kelebihan Jaringan Semantik : b. Objek yang lebih khusus Penambahan node “Tweety” yang merupakan objek khusus dari node “Canary”. Penambahan tersebut memberikan informasi bahwa “Tweety” adalah juga termasuk “Bird”. c. Objek yang lebih umum Kita dapat menambahkan node yang merupakan representasi yang lebih umum dari suatu node, yang dilink dengan arc “IS-A”. Misalnya penambahan node “Animal” pada node “Bird” yang menginformasikan bahwa “Bird” termasuk dalam objek “Animal”

 Kelebihan Jaringan Semantik : 2. Dapat Diwariskan (inheritance) Node yang ditambahkan pada Jaringan Semantik secara otomatis mewarisi informasi yang telah ada pada Jaringan. Penambahan node “Tweety” otomatis juga mewariskan sifat-sifat dari “Animal” pada objek “Tweety” Misalnya: ‘“Tweety” breathes air’, karena ‘“Animal” breathes air’.

3. Mudah melacak asosiasinya Salah satu cara untuk menggunakan Jaringan Semantik adalah dengan bertanya pada node

 Salah satu kelebihan dari jaringan semantik adalah “bisa mewariskan” (inheritance)  Contoh :

 Pertanyaan : Apakah Budi makhluk hidup  Jawab :  Runut garis dari makhluk hidup  laki-laki  Budi  Jadi, terbukti bahwa Budi adalah makhluk hidup

 Contoh :

 Contoh :  Dari gambar jaringan semantik diatas, dapat direpresentasikan sebagai berikut : 1. Darma menonton TV saluran Olahraga klub Man Utd 2. Darma hoby Olahraga main Futsal 3. Darma fans Man Utd 4. Darma hoby Olahraga main Futsal jatuh Cedera 5. Darma fans Blink 182 6. Darma fans Blink 182 lagu Lama 7. Darma hoby Musik artis Blink 182 8. Darma hoby Musik artis Blink 182 lagu Lama 9. Darma hoby Tiduran menyalakan Radio 10. Darma hoby Tiduran menyalakan Radio model Lama 11. Darma hoby Tiduran menyalakan Radio mendengarkan Musik 12. Darma hoby Tiduran menyalakan Radio mendengarkan Musik artis Blink 182 13. Darma hoby Tiduran menyalakan Radio mendengarkan Musik artis Blink 182 lagu Lama 14. Darma beli Radio model Lama 15. Darma hoby Olahraga klub Man Utd

 TUGAS : Buat jaringan semantik , jika diketahui representasi pengetahuan adalah sebagai berikut : 1. Fadhli adalah mahasiswa 2. Fadhli kuliah di kampus STIKI 3. Kampus untuk menuntut ilmu 4. Fadhli pergi ke kampus naik mobil 5. Mobil adalah kendaraan yang beroda 4 6. Kendaraan mempunyai surat izin 7. STNK, BPKB dan SIM adalah surat izin 8. Fadhli adalah manusia 9. Manusia adalah makhluk hidup 10. Fadhli saudara Agus 11. Agus memasak beras 12. Beras berasal dari padi 13. Padi adalah tumbuhan 14. Tumbuhan adalah makhluk hidup 15. Memasak beras menggunakan dandang dan kompor 16. Kompor memakai minyak tanah 17. Minyak tanah adalah BBM 18. Mobil menggunakan BBM