Representasi Pengetahuan

(Knowledge Representation)

Representasi adalah untuk menangkap sifat penting problema & membuat   informasi dapat diakses oleh prosedur pemecahan masalah.Bahasa representasi harus dapat membuat seorang program mampu mengekspresikan pengetahuan yang diperlukan untuk mendapatkan solusi permasalahan.

Banyak cara untuk merepresentasikan pengetahaua, Secara teknik representasi pengetahuan terdiri dari lima kelompok yaitu :

1. Produksi
2. Jaringan Semantik
3. Schemata
4. Frame
5. Logika

1. PRODUKSI

Sistem produksi memiliki struktur seperti struktur proses pencarian (search).  

Secara umum, sistem produksi terdiri dari komponen-komponen: 

Ruang Keadan     : berisi keadaan awal, tujuan dan kumpulan aturan yang digunakan untuk mencapai                                           tujuan.

Memori Aktif         : berisi deskripsi keadaan semesta pembicaraan saat ini dalam proses penalaran.

Strategi Kontrol    : berguna untuk mengarahkan bagaimana proses pencarian akan berlangsung dan                                           mengendalikan arah eksplorasi.

Representasi pengetahuan dengan sistem produksi dinamakan kaidah/aturan produksi (production method) sering disebut produksi saja.

2. Jaringan Semantik ( Semantic nets)

Jaringan Semantik adalah tehnik representasi dalam artificial intelligence klasik untuk informasi proposional, sehingga sering kali disebut sebagai poporsional network. Proposisi adalah pernyataan yang dapat bernilai benar atau salah dan merupakan bentuk pengetahuan deklaratif. Semantic network pertama kali dikembangkan untuk AI (Artificial Intelligence) sebagai cara untuk mempresentasikan memory dan pemahaman bahasa manusia. Struktur semantic nets berupa grafik dengan node (simpul) dan arc (ruas) yang menghubungkannya.

- Dibangun oleh M.R.Quillian, sebagai model memori manusia.

- Representasi grafis dari informasi Propositional.

- Proposisi adalah pernyataan yang dapat bernilai benar atau salah.

- Disajikan dalam bentuk graf berarah

- Node merepresentasikan konsep, objek atau situasi :

• Label ditunjukkan melalui penamaan

• Node dapat berupa objek tunggal atau kelas

- Links merepresentasikan suatu hubungan :

• Links adalah struktur dasar untuk pengorganisasian pengetahuan

• Contoh jaringan semantic.

Contoh Jaringan Semantik dalam Representasi Pengetahuan

Jaringan semantik merupakan model memori manusia yang dibangun oleh M. R. Quillian sebagai representasi grafis dari informasi proposisional. Informasi proposisional adalah pernyataan yang dapat bernilai benar atau salah. Jaringan semantik ini disajikan dalam bentuk graf berarah.

3. chemata : Frame dan Script

Salah satu tipe skema yang digunakan dalam beberapa aplikasi AI adalah frame. Frame merupakan struktur yang baik untuk mempresentasikan objek yang tipikal dalam situasi tertentu. Karakteristik dasar frame adalah frame mempresentasikan pengetahuan yang terkait mengenai sebuah subjek yang sempit dan memiliki default. Sistem frame adalah pilihan yang baik untuk mendeskripsikan peralatan mekanik seperti mobil. Frame mencoba memodelkan obyek yang ada di dunia nyata menggunakan pengetahuan generik untuk atribut yang banyak dimiliki oleh obyek dan pengetahuan spesifik untuk kasus khusus.

4. Frame

Frames: merupakan semantic net dilengkapi dengan properties. Suatu Frame menggambarkan entitas sebagai set dari attribute dan nilai yang bersesuaian. Suatu frame dapat berelasi dengan frame yang lainnya.

Tiga komponen utama dari frame

• frame name
• attributes (slots)
• values (subslots)

5. Logika

Logika didefinisikan sebagai ilmu untuk berpikir dan menalar dengan benar sehingga didapatkan kesimpulan yang absah.

Tujuan dari logika: memberikan aturan-aturan penalaran sehingga orang dapat menentukan apakah suatu kalimat bernilai benar atau salah.

Representasi Logika dibagi menjadi dua:

       1. Propositional Logic (Logika Proposisi)

Suatu Proposisi merupakan suatu statemen atau pernyataan yang menyatakan benar (TRUE) atau salah (FALSE). Dalam Propositional Logic fakta dilambangkan dengan simbol misalnya P, Q dan R. Lambang-lambang tersebut dihubungkan dengan relasi-relasi logika

       2. Predicate Logic (Logika Predikat)

Pada logika predikat proposisi dibedakan menjadi argumen (obyek) dan predikat (keterangan). Secara umum penulisan proposisi dalam logika predikat dapat dinyatakan sebagai berikut:

Predikat (argumen-1, argumen-2,…, argumen-3)

Contoh:

Proposisi: “Nagisa mencintai Touko”

Dalam logika predikat disajikan dalam bentuk:

Mencintai (Nagisa, Pak Touko)

     P         Argumen-1            Argumen-2

Read More →

Model Expert Sistem

Model Expert System

Sistem Pakar (Expert System) mempunyai beberapa karakteristik dasar yang membedakan dengan program komputer biasa umumnya, yaitu :

1. Mempunyai Kepakaran dalam menyelesaikan masalah bukan hanya mendapatkan solusi yang bener saja, namun juga bagaimana mendapatkan pemecahan dengan cepat dan mahir.
2. Domain tertentu sistem pakar mengutamakan kedalaman mengenai bidang tertentu.
3. Memiliki kemampuan mengolah data yang mengandung ketidakpastian kadang-kadang data yang tersedia tidak lengkap sistem harus dapat memberikan pertimbangan saran atau anjuran sesuai dengan kondisi yang ada
4. Dirancang untuk dapat dikembangkan secara bertahap Program Komputer dirancang untuk memberikan jawaban yang tepat setiap waktu.

Model Sistem Pakar

Model system pakar terdiri dari empat bagian utama:

      1. User Interface memungkinkan pemakai beinteraksi dengan system pakar.

Input system pakar, format interface paling popular saat ini graphical user interface yang menyajikan tampilan window.

                Output system pakar, pemecahan ini dilengkapi dengan dua jenis penjelasan:

a. Penjelasan atas pertanyaan

b. Penjelasan atas penyelesaian masalah

      2. Knowledge Base

Memuat fakta-fakta yang menjeolaskan area masalah dan juga tekhnik menerangkan masalah yang menjelaskan bagaimana fakta-fakta tersebut cocok satu dengan yang lain dalam urutan yang logis.

      3.  Aturan

Aturan menentukan apa yang harus dilakukan dalam situasi tertentu dan terdiri dari dua bagian: suatu kondisi yang mungkin benar, mungkin tidak ada tindakan yang harus diambil jika kondisinya benar.

      4. Development Engine

Pakar dan analis sistem menggunakan ini untuk menciptakan sistem pakar.

User Interface 

    Memungkinkan manager untuk memasukkan intruksi dan informasi kedalam sistem pakar dan menerima informasi dari sistempakar. Intruksi tersebut  menentukan parameter yang mengarahkan sistem pakar melalui proses panalaran.  Informasi tersebut berupa nilai yang diberikan pada variable tersebut.

Input sistem Pakar

    Format interface yang sangat populer saat ini adalah graphical user interface, yang menampilkan tampilan windows.

Output Sistem Pakar

    Sistem pakar dirancang untuk menyarankan pemecahan. Pemecahan ini dilengkapi dengan penjelasasan.Ada 2 jenis penjelassan  : 

1. Penjelasan atas pertanyaan : sistem pakar akan memeinta manager untuk memasukkan sejumlah informasi. Manager menanyakan mengapa informasi itu diperlukan dan sistem pakar menyediakan penjelasanya. 

2. Penjelasan atas masalah. Setelah sistem pakar memberikan pemecahan masalah, manager dapat meminta penyelesaian bagaimana itu dicapai. sistem pakar akan menampilkan tiap langkah-langkah penalaran yang menuju penyelesaian.

Knowledge Base 

    Memuat fakta-fakta yang menjelaskan area masalah dan menerangkan bagaimana bagaimana fakta-fakta tersebut bisa cocok satu dengan yang lain dengan urutan yang logis. Problem Domain digunakan unutk menjelaskan area masalah.

Aturan

    Teknik penyelesaian masalah yang populer adalh penggunaan aturan. Aturan menentukan apa yang harus dilakukan dalam situasi & terdiri dari 2 bagian: suatu kondisi yang mungkin benar, mungkin tidak dan tindakan yang harus diambil jika kodisinya benar.

Inference Engine

    Adalah bagian dari sistem pakar yg melakukan penalaran dgn menggunakan isi knowledge base berdasarkan urutan.

Development Engine

    Pada proses ini melibatkan perangkat aturan. Ada 2 pendekatan dasar :

• Bahasa Pemrograman
• Shell sistem pakar

Read More →

Apa itu Expert System? 

Sistem Pakar (Expert System) merupakan suatu sistem yang menggunakan pengetahuan manusia dalam komputer untuk memecahkan masalah yang biasanya dikerjakan oleh seorang pakar, misalnya : Dokter, Lawyer, Analist Keuangan, Tax Advisor. Sistem pakar dapat mendorong perhatian besar diantara ahli komputer dan spesialist informasi untuk mengembangkan sistem membantu manajer dan non manajer memecahkan masalah. Sistem Pakar terdiri dari 4 bagian yaitu:

1. User Interface

2. Knowledge Base

3. Inference Engine

4. Development Engine

Jenis-jenis Expert System

a. Interpretasi : Menghasilkan deskripsi situasi berdasarkan data sensor.

b. Prediksi : Memperkirakan akibat yang mungkin dari situasi yang diberikan.

c. Diagnosis : Menyimpulkan kesalahan sistem berdasarkan gejala.

d. Design : Menyusun objek-objek berdasarkan kendala.

e. Planning : Merencanakan tindakan.

f. Monitoring : Membandingkan hasil pengamatan dengan proses perencanaan.

g. Debugging : Menentukan penyelesaian dari kesalahan sistem.

h. Reparasi : Melaksanakan rencana perbaikan.

i. Instruction : Diagnosis, debugging dan reparasi kelakuan pelajar.

j. Control : Diagnosis, debugging dan reparasi kelakuan sistem.

Tujuan Sistem Expert

    Sistem pakar (expert system) sendiri merupakan paket perangkat lunak atau paket program komputer yang ditujukan sebagai penyedia nasihat dan sarana bantu dalam memecahkan masalah di bidang-bidang spesialisasi tertentu seperti sains, perekayasaan, matematika, kedokteran, pendidikan dan sebagainya. Sistem pakar merupakan merupakan subset dari Artificial Intelegence (Arhami, 2005).

1. Penerapan expert system atau sistem pakar pada bidang kesehatan

Aplikasi E2gLite yaitu sistem yang didesain untuk menerima masukan konsultasi dari user atau pengguna, sistem ini di develop oleh Expertise2Go (berbasis internet). Aplikasi ini memiliki kelebihan yaitu mengedepankan usability dari user atau pengguna dalam mengakses aplikasi ini. Dan aplikasi ini dapat diakses menggunakan browser yang terintegrasi fitur java.

2. Penerapan expert system atau sistem pakar pada bidang medical

Pada bidang kedokteran, sistem pakar digunakan untuk mendiagnosis penyakit sesuai dengan gejala, dan berdasarkan itu Greader dapat memberikan solusi dalam menyembuhkan penyakit tersebut. Dalam bidang ini, dilakukan analisis berdasarkan jenis penyakit menggunakan algoritma program yang sudah dikembangkan oleh tim dan ahli dalam mengatasi penyakit seseorang.

3. Penerapan expert system atau sistem pakar pada bidang manajerial

Pada bidang manajerial, sistem pakar melakukan analisis, sintesa, dan integrasi untuk membangun perusahaan dengan analisis pada expert system.

4. Penerapan expert system atau sistem pakar pada bidang kesehatan (farmakologi & terapi)

Pada bidang terapi dan farmakologi merupakan sistem yang besar dan kompleks karena sistem diharuskan untuk menganalisa penggunaan obat secara benar, tepat, dan akurat dalam tindakan medis

5. Penerapan expert system atau sistem pakar pada bidang psikologis

Pada bidang psikologis digunakan sistem pakar salah satunya untuk menganalisis gangguan pada pertumbuhan anak. Analisis yang dilakukan menggunakan certainty factor untuk mengetahui gangguan yang terjadi pada pertumbuhan anak.

Read More →

Artificial Intelligence ( Kecerdasan Buatan)

 Artificial Intelligence

Artificial Intelligence saat ini sudah banyak bertebaran dan diterapkan di berbagai bidang kehidupan. Bahkan AI bisa kamu jumpai dalam kehidupan sehari-hari, seperti asisten virtual Google dan Siri contohnya. Kecerdasan buatan memang bukan hal yang baru, namun perkembangannya selalu menjadi sesuatu yang menarik perhatian.

Dalam perkembangan AI selain karena perannya sangat membantu manusia, juga didukung banyaknya kehadiran film fiksi ilmiah yang berkaitan dengan AI. Sehingga semakin menambah ketertarikan orang-orang terhadap AI. Perlu kamu ketahui juga, AI tidak selalu berupa asisten virtual seperti Jarvis pada film Iron Man atau selalu dalam bentuk robot. Namun AI lebih luas dari itu, AI bisa diterapkan dalam berbagai hal dengan menekankan pada kecerdasan mesin yang bisa memberikan respon layaknya manusia.

Saat ini hampir semua perangkat komputer atau teknologi modern telah banyak menerapkan  kecerdasan buatan. Seperti yang diungkapkan sebelumnya AI bisa kamu rasakan saat menggunakan smartphone melalui asisten virtual Google  atau Siri. AI diprediksi akan terus berkembang dan lebih cerdas lagi dan kamu tidak dapat menghindarinya.

Mengenal Kecerdasan Buatan

Kecerdasan buatan atau Artificial Intelligence (AI) adalah simulasi dari kecerdasan yang dimiliki oleh manusia yang dimodelkan di dalam mesin dan diprogram agar bisa berpikir seperti halnya manusia. Sedangkan menurut Mc Leod dan Schell,  kecerdasan buatan adalah aktivitas penyediaan mesin seperti komputer dengan kemampuan untuk menampilkan perilaku yang dianggap sama cerdasnya dengan jika kemampuan tersebut ditampilkan oleh manusia.

Dengan kata lain AI merupakan sistem komputer yang bisa melakukan pekerjaan-pekerjaan yang umumnya memerlukan tenaga manusia atau kecerdasan manusia untuk menyelesaikan pekerjaan tersebut.

AI sendiri merupakan teknologi yang memerlukan data untuk dijadikan pengetahuan, sama seperti manusia. AI membutuhkan pengalaman dan data supaya kecerdasannya bisa lebih baik lagi. Poin penting dalam proses AI adalah learning, reasoning dan self correction. AI perlu belajar untuk memperkaya pengetahuannya. Proses belajar AI pun tidak selalu disuruh oleh manusia, melainkan AI akan belajar dengan sendirinya berdasarkan pengalaman AI saat digunakan oleh manusia.

Hal yang cukup menarik dari AI adalah ia mampu melakukan self correction atau mengoreksi diri sendiri. Jika kamu pernah mendengar ungkapan AI “Jika aku tidak pernah menang, maka setidaknya aku tidak boleh kalah” sedikit ngeri juga ya. AI memang diprogram untuk itu terus belajar dan membenahi diri sendiri dari kesalahan yang pernah dibuatnya.

Contoh Penerapan AI

1. Kunci Layar Ponsel

menggunakan Neural Engine dan Pengenalan Wajah

memungkinkan hanya dengan menggunakan wajah Anda sebagai kata sandi.

2.  Navigasi Google

Google Maps, dengan bantuan Machine Learning, mempelajari tentang perjalanan kerja sehari-hari Anda dan memberi tahu Anda tentang perlambatan lalu lintas saat waktunya berangkat.  

3.Rekomendasi E-Commerce

Penyempurnaan pada rekomendasi produk menggunakan Machine Learning, dengan memperhatikan pola penggunaan Anda untuk menyarankan produk dan membantu pencarian Anda.

4. Chatbots

Sedangkan, chatbot tingkat lanjut yang memanfaatkan Pemrosesan Bahasa Alami dapat dengan mudah meniru orang sungguhan dan memberikan percakapan yang terdengar lebih alami bahkan dengan menjawab pertanyaan percakapan yang rumit.

5.Pencarian suara 

menggunakan AI untuk menentukan hasil terbaik untuk kata kunci berekor panjang dan pertanyaan percakapan.

Read More →