Representasi Pengetahuan

1. Representasi Pengetahuan
Sherly Christina, S.Kom., M.Kom

2. Definisi
 Pengetahuan (Knowledge )
Pengertian pada suatu area subjek.
 Representasi Pengetahuan (Knowledge Representation)
Suatu metode untuk mengkodekan pengetahuan di
dalam basis pengetahuan sebuah sistem pakar.

3. Tujuan Representasi Pengetahuan
 Bertujuan menangkap sifat-sifat penting suatu
permasalahan dan membuat informasi tersebut dapat
diakses oleh prosedur pemecahan permasalahan.
 Bahasa representasi pengetahuan harus dapat membuat
seorang pemrogram mampu mengekspresikan
pengetahuan yang diperlukan untuk mendapatkan solusi
permasalahan.

4. Representasi Pengetahuan
 Dua hal yang perlu diperhatikan:
1.Fakta
 Objek yang direpresentasikan.
 Menerangkan keadaan benda yang ada dalam domain
masalah.
 Berupa keterangan/kalimat dalam bahasa alami, logika atau
benda.
2. Formula
 Bentuk representasi yang dapat dimanipulasi dalam proses
pemecahan masalah.
 harus dapat melukiskan hubungan antara komponen-
komponen domain masalah.

5. Karakteristik Representasi yang baik:
 Mengemukakan hal secara eksplisit
 Membuat masalah menjadi transparan
 Komplit dan efisien
 Menampilkan batasan-batasan alami yang ada

6. Jenis-Jenis Representasi Pengetahuan
 Representasi logika: Menggunakan ekspresi-ekspresi
dalam logika formal untuk merepresentasikan basis
pengetahuan
 Representasi prosedural: menggambarkan
pengetahuan bagi sekumpulan instruksi untuk
memecahkan suatu permasalahan

7. Jenis-Jenis Representasi Pengetahuan
 Representasi network: Menangkap pengetahuan sebagai sebuah graph
dimana simpul-simpulnya menggambarkan obyek atau konsep dari
permasalahan yang dihadapi, sedangkan edge menggambarkan hubungan
atau asosiasi antar simpul.
 Representasi terstruktur: memperluas network dengan cara membuat
setiap simpul menjadi sebuah struktur data kompleks
 Dan lain-lain : fuzzy logic, jaringan syaraf tiruan, algoritma genetika

8. Logika
 proses membentuk kesimpulan/inferensi berdasarkan
fakta yang telah ada.
 Input => premis atau fakta-fakta yang diakui
kebenarannya

9. Logika

10. Logika-Penalaran
1. Penalaran deduktif : dimulai dari prinsip
umum untuk mendapatkan konklusi yang
lebih khusus.
Contoh :
 Premis mayor : Jika hujan turun saya tidak
akan berangkat kuliah
 Premis minor : Hari ini hujan turun
 Konklusi : Hari ini saya tidak akan berangkat
kuliah

11. Logika-Penalaran
2. Penalaran induktif : dimulai dari fakta-
fakta khusus untuk mendapatkan
kesimpulan umum.
Contoh :
Premis -1 :Aljabar adalah pelajaran yang sulit
Premis -2 : Geometri adalah pelajaran yang sulit
Premis -3 : Kalkulus adalah pelajaran yang sulit
Konklusi : Matematika adalah pelajaran yang sulit

12. Logika-Penalaran
 Munculnya premis baru mungkin mengakibatkan gugurnya
konklusi yang sudah diperoleh, misal :
 Premis -4 : Kinematika adalah pelajaran yang sulit .
 Premis tersbt menyebabkan konklusi :“Matematika adalah
pelajaran yang sulit”, menjadi salah, karena Kinematika bukan
merupakan bagian dari Matematika, sehingga bila menggunakan
penalaran induktif sangat dimungkinkan adanya ketidakpastian.

13. Logika-Proposisi
 Proposisi: suatu pernyataan yang dapat bernilai Benar atau
Salah.
 Simbol-simbol P dan Q menunjukkan proposisi.
 Dua atau lebih proposisi dapat digabungkan dengan
menggunakan operator logika :
a. Konjungsi : ∧ (and)
b. Disjungsi : ∨ (or)
c. Negasi : ¬ (not)
d. Implikasi : → (if then)
e. Ekuivalensi : ↔ (if and only if)

14. Logika-Proposisi

15. Logika-Proposisi
 Inferensi (pada logika proposisi) => Resolusi.
 Resolusi : suatu aturan untuk melakukan inferensi yang
dapat berjalan secara efisien dalam suatu bentuk khusus
yaitu conjunctive normal form (CNF), ciri – cirinya :
setiap kalimat merupakan disjungsi literal
semua kalimat terkonjungsi secara implisit

16. Logika-Proposisi
 Langkah-langkah untuk mengubah/konversi suatu kalimat ke
bentuk CNF :
1. Hilangkan implikasi dan ekuivalensi
x → y menjadi ¬ x ∨ y
x ↔ y menjadi (¬ x ∨ y) ∧ (¬ y ∨ x)
2. Kurangi lingkup semua negasi menjadi satu negasi saja
1. ¬ (¬ x) menjadi x
2. ¬ (x ∨ y) menjadi (¬ x ∧ ¬ y)
3. ¬ (x ∧ y) menjadi (¬ x ∨ ¬ y)
3. Gunakan aturan assosiatif dan distributif untuk mengkonversi
menjadi conjuction of disjunction
1. Assosiatif : (A∨ B)∨ C menjadi A∨ (B∨ C)
2. Distributif : (A ∧ B)∨ C menjadi (A∨ C) ∧ (B ∨ C)
4. Buat satu kalimat terpisah untuk tiap-tiap konjungsi

17. Logika-Proposisi , Resolusi
 Prosedur untuk membuktikan proposisi P dengan
beberapa aksioma F yang telah diketahui,dengan
resolusi dapat dilakukan melalui algoritma sebagai
berikut.
 Konversikan semua preposisi F ke bentuk CNF
 Negasi P, dan konversikan hasil negasi ke bentuk
klausa.Tambahkan ke himpunan klausa yang telah ada
pada langkah 1.

18. Logika-Proposisi , Resolusi
 Kerjakan hingga terjadi kontradiksi atau proses tidak
mengalami kemajuan
 Seleksi 2 klausa sebagai klausa parent
 Bandingkan (resolve) secara bersama-sama. Klausa hasil
resolve tersebut dinamakan resolvent. Jika ada pasangan
literal L dan ¬L, eliminasi dari resolvent
 Resolvent. Berupa klausa kosong, maka ditemukan
kontradiksi. Jika tidak tambahkan ke himpunan klausa yang
telah ada.

19. Logika-Proposisi , Resolusi
 Contoh:

20. Logika-Proposisi , Resolusi
 Kalimat yang terbentuk:

21. Logika-Proposisi , Resolusi
 Setelah dilakukan CNF diperoleh:

22. Logika Predikat
 Merepresentasikan hal-hal yang tidak dapat
direpresentasikan dengan menggunakan logika proposisi.
 Pada logika predikat kita dapat merepresentasikan fakta-
fakta sebagai suatu pernyataan yang disebut dengan wff
(well – formed formula).
 Eg.
laki-laki(x)
dimana x adalah variabel yg disubstitusikan dengan Andi,
Ali,Amir,Anto,Agus, & laki-laki yang lain.

23. Logika Predikat
 proposisi atau premis :
 argumen (objek) : individu atau objek
 dan predikat (keterangan)
 Contoh :
1. Jika besok tidak hujan, Tommy pergi ke gunung
¬ cuaca(hujan,besok) → pergi(tommy, gunung)
2. Diana adalah nenek dari ibu Amir
nenek(Diana,ibu(Amir))
3. Mahasiswa berada di dalam kelas
didalam(mahasiswa,kelas)

24. Logika Predikat
 Dari contoh diatas dapat dijabarkan sebagai
berikut :
 di dalam = predikat (keterangan)
 mahasiswa = argumen (objek)
 kelas = argumen (objek)

25. Logika Predikat
 operator-operator yang digunakan dalam logika predikat
:→, ¬ , ∧ , ∨ , ∀ (untuk setiap), ∃ (terdapat)

26. Logika Predikat
 Eg.
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 pasti akan suka terhadap suatu matakuliah
7. Mahasiswa yang tidak pernah hadir pada kuliah matakuliah sulit,
maka mereka pastitidak suka terhadap matakuliah tersebut.
8.Andi tidak pernah hadir kuliah matakuliah kalkulus

27. Logika Predikat
 Eg.
1. mahasiswa(Andi)
2. elektro(Andi)
3. ∀x : elektro(x) → teknik(x)
4. sulit(kalkulus)
5. ∀x : teknik(x) → suka(x,kalkulus) ∨ benci(x,kalkulus)
6. ∀x : ∃y : suka(x,y)
7. ∀x : ∀y : mahasiswa(x) ∧ sulit(y) ∧ ¬hadir(x,y) → ¬suka(x,y)
8. ¬hadir(Andi,kalkulus)

28. List
 Adalah serangkaian jenis objek tertulis
 Untuk merepresentasikan hirarki pegetahuan
 Objek dikelompokkan, dikategorikan atau digabungkan sesuai
dengan urutan atau hubungannya.
 Objek dibagi dalam kelompok atau jenis yang sama.
 Kemudian hubungan ditampilkan dengan menghubungkan
satu sama lain.

29. List

30. POHON
 Struktur pohon = struktur grafik hirarki.
menggambarkan list & hirarki pengetahuan lainnya.

32. Semantic Networks

33. Semantic Networks
 Merupakan gambaran pengetahuan grafis yang
menunjukkan hubungan antar berbagai objek.
 Jaringan semantik => lingkaran-lingkaran yang
menunjukkan objek & informasi tentang
objek-objek tersebut.
 Objek =>benda atau peristiwa.
 Antara 2 objek dihubungkan oleh arc yang
menunjukkan hubungan antar objek.

35. Frame
 Merupakan kumpulan pengetahuan tentang suatu objek tertentu, peristiwa,
lokasi, situasi, dll.
 Frame memiliki slot yang menggambarkan rincian (atribut) & karakteristik
objek.
 Frame biasanya digunakan untuk merepresentasikan pengetahuan yang
didasarkan pada karakteristik yang sudah dikenal, yang merupakan
pengalaman-pengalaman.
 Dengan menggunakan frame, sangat mudah untuk membuat inferensi
tentang objek, peristiwa, atau situasi baru, karena frame menyediakan basis
pengetahuan yang ditarik dari pengalaman.

36. Frame
Frame Name: Object1
Class: Object2
Properties Property1 Value1
Property2 Value2
... ...
... ...

37. Frame
Frame Name: Bird
Properties Color Unknown
Eats Worm
No._Wings 2
Flies True
Hungry Unknown
Activity Unknown

38. Frame
Frame Name: Tweety
Class: Bird
Properties Color Yellow
Eats Worm
No._Wings 1
Flies False
Hungry Unknown
Activity Unknown
Lives Cage

40. NASKAH (SCRIPT)
 Script adalah skema representasi pengetahuan yang
sama dengan frame, yaitu merepresentasikan
pengetahuan berdasarkan karakteristik yang sudah
dikenal.
 Perbedaannya, frame menggambarkan objek,
sedangkan script menggambarkan urutan peristiwa.
 Script menggunakan slot yang berisi informasi tentang
orang, objek, & tindakan-tindakan yang terjadi dalam
suatu peristiwa.

41. NASKAH (SCRIPT)
Elemen script meliputi :
1. Kondisi input, yaitu kondisi yg harus dipenuhi sebelum terjadi
asuatu peristiwa dalam script
2.Track, yaitu variasi yang mungkin terjadi dalam suatu script
3. Prop, berisi objek-objek pendukung yang digunakan selama
peristiwa terjadi
4. Role, yaitu peran yang dimainkan oleh seseorang dalam
peristiwa
5. Scene, yaitu adegan yang dimainkan yang menjadi bagian dari
suatu peristiwa
6. Hasil, yaitu kondisi yang ada setelah urutan peristiwa dalam
script terjadi.

42. Contoh: Script pergi ke restoran
 SCRIPT Restoran
 Jalur(track): fast food restoran
 Peran(roles): tamu, pelayan
 Pendukung (prop): conter, baki, makanan, uang, serbet,
garam, merica, kecap, sedotan, dll
 Kondisi masukan : tamu lapar –tamu punya uang

43. Contoh: Script pergi ke restoran
 Adegan(scene) 1 : Masuk
 Tamu parkir mobil
 Tamu masuk restoran
 Tamu antri
 Tamu baca menu dilist menu dan mengambil keputusan tentang
apa yang akan diminta.
 Adegan(scene) 2 : Pesanan
 Tamu memberikan pesanan pada pelayan
 Pelayan mengambil pesanan dan meletakkan makanan di atas
baki
 Tamu membayar

44. Contoh: Script pergi ke restoran
 Adegan(scene) 3 : Makan
 Tamu mengambil serbet, sedotan, garam, dll
 Tamu makan dengan cepat
 Adegan(scene) 4 : Pulang
 Tamu membersihkan meja
 Tamu membuang sampah
 Tamu meninggalkan restoran
 Tamu naik mobil dan pulang
 Hasil
 Tamu merasa kenyang
 Tamu senang
 Tamu kecewa
 Tamu sakit perut

45. Sistem Produksi (Production Rule)
terdiri atas:
 Ruang masalah (Initial state,Goal State dan kumpulan
aturan/production rule).
 Strategi Kontrol, mengarahkan bagaimana proses
pencarian akan berlangsung dan mengendalikan arah
eksplorasi.

46. Sistem Produksi (Production Rule)

47. Sistem Produksi -Penalaran
 Bila pengetahuan direpresentasikan dengan aturan,
maka ada 2 penalaran yaitu:
 Forward Reasoning ( Penalaran Maju)
Pelacakan dimulai dari keadaan awal (informasi atau fakta
yang ada) dan kemudian dicoba untuk mencocokkan dengan
tujuan yang diharapkan
 Backward Reasoning (Penalaran Mundur)
Dimulai dari tujuan atau hipotesa, baru dicocokkan dengan
keadaan awal atau fakta yang ada

48. Tugas KELOMPOK
1. Cari 1 contoh penggunaan representasi pengetahuan (dalam
sistem pakar/sistem cerdas/sistem penunjang
keputusan/game/aplikasi mobile/program berbasis
web/aplikasi “apa saja”).
2. Buat dalam bentuk laporan, berisi:
a. Pembahasan mengenai jenis representasi pengetahuan yang
dilaporkan
b. Pembahasan mengenai implementasi representasi pengetahuan
pada aplikasi yang dipilih.
c. Referensi dituliskan dengan jelas dalam daftar pustaka.
3. Laporan setiap kelompok harus berbeda.
4. Tugas dikumpulkan tanggal 26 september paling lambat pukul
12.00 wib.