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

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