- Home >
- Pengantar Teknologi Sistem Cerdas
Posted by : aditya
Kamis, 02 November 2017
Sebenarnya apa itu pengetahuan, pengetahuan dalam Kecerdasan Buatan terbagi dalam 3 klasifikasi :
1. Procedural Knowledge
· Tentang Bagaimana melakukan sesuatu
· Bagaimana mendidihkan air dalam mangkok
· Bagaimana memasak mie instan
· Bagaimana menjalankan mobil
2. Declarative Knowledge
· Mengetahui sesuatu itu benar atau salah
Contoh :
a) Jangan celupkan tangan anda ke dalam air mendidih
b) Jangan tidur di kelas
3. Tacit Knowledge
· Suatu pengetahuan bawaan yang tidak dapat diungkapkan dengan bahasa
· Bagaimana kita menggerakkan tangan
· Bagaimana memejamkan mata
Pengetahuan merupakan kunci utama dalam sistem pakar (AI). Tanpa kita beri pengetahuan, AI tidak dapat bekerja dengan baik dan berguna untuk kita. Untuk itu, dapat di analogikan apabila Algoritma + Struktur Data dapat menjadi Program kemudian berdasar pengetahuan yang ada serta Inferensi yang pasti menjadi suatu Sistem Pakar. Representasi Pengetahuan merupakan metode yang digunakan untuk mengodekan pengetahuan dalam sebuah sistem pakar. Hal ini dimaksudkan untuk menangkap sifat-sifat penting problema, membuat informasi itu dapat diakses oleh prosedur pemecahan problema.
Dua bagian dasar sistem kecerdasan
Buatan (menurut Turban) :
a. Basis pengetahuan
b. Inference Engine
Karakteristik representasi pengetahuan
· Dapat diprogram dengan bahasa komputer dan disimpan dalam memori
· Fakta dan pengetahuan lain yang terkandung di dalamnya dapat digunakan untuk melakukan penalaran.
· Pengetahuan dapat direpresentasikan dalam bentuk yang sederhana atau kompleks, tergantung dari masalahnya. (Schnupp, 1989).
Beberapa model representasi pengetahuan :
a. Logika (logic)
b. List & Tree
c. Jaringan semantik (semantic nets)
d. Bingkai (frame)
e. Tabel Keputusan (decision table)
f. Pohon Keputusan (decision tree)
g. Naskah (script)
h. Kaidah/Sistem produksi (production rule)
Pengetahuan dibedakan menjadi 3 klasifikasi yaitu:
1) Prodecural Knowledge adalah pengetahuan yang berkaitan dengan prosedur atau cara untuk melakukan sesuatu. Contohnya, bagaimana cara mendidihkan air dalam panci.
2) Declarative Knowledge adalah pengetahuan untuk dapat menentukan nilai benar dan salah suatu hal. Contohnya, jangan celupkan tangan anda dalam air yang mendidih.
3) Tacid Knowledge kadang disebut juga sebagai "unconscious knowledge", karena pengetahuan tidak dapat diekspresikan atau didefinisikan dengan bahasa. Contohnya, bagaimana menggerakkan tangan.
Representasi pengetahuan adalah suatu teknik untuk merepresentasikan basis pengetahuan yang diperoleh ke dalam suatu skema/diagram tertentu sehingga dapat diketahui relasi/keterhubungan antara suatu data dengan data yang lain sehingga dapat diuji kebenaran penalarannya. Representasi pengetahuan biasanya digunakan untuk pembuatan sistem pakar di mana komputer dirancang untuk dapat mengambil keputusan seperti manusia agar dapat memecahkan permasalahan. Secara singkat, representasi pengetahuan diklarifikasikan menjadi 4 kategori :
a) Representasi logika. Representasi jenis ini menggunakan ekspresi-ekspresi dalam logika formal untuk merepresentasikan basis pengetahuan.
b) Representasi prosedural. Representasi yang menggambarkan pengetahuan sebagai kumpulan instruksi untuk memecahkan suatu problema.
c) Representasi network. Representasi ini menangkap pengetahuan sebagai sebuah graf dimana simpul-simpulnya menggambarkan obyek atau konsep dari problema yang dihadapi, sedangkan edgenya menggambarkan hubungan atau asosiasi antar mereka.
d) Representasi terstruktur. Representasi terstruktur memperluas network dengan cara membuat setiap simpulnya menjadi struktur data kompleks.
Adapun bentuk representasi pengetahuan yang telah dikembangkan, yaitu :
a. Logika
Suatu pengkajian ilmiah tentang serangkaian penalaran, sistem kaidah, dan prosedur yang membantu penalaran. Komputer harus dapat menggunakan proses penalaran deduktif dan induktif kedalam bentuk yang sesuai dengan manipulasi komputer, yaitu logika simbolik atau matematika.
1) Penalaran Deduktif
· Bergerak dari penalaran umum menuju ke konklusi khusus.
· Umumnya dimulai dari suatu silogisme
· 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
2) Penalaran Induktif
· Bergerak dari masalah khusus ke masalah umum.
· Menggunakan sejumlah fakta atau premis yang mantap untuk menarik kesimpulan umum.
Contoh :
Premis : Dioda yang salah menyebabkan peralatan elektronik rusak.
Premis : Transistor rusak menyebabkan peralatan elektronik rusak.
Premis : IC rusak menyebabkan peralatan elektronik tidak berfungsi.
Konklusi : Maka, peralatan semikonduktor merupakan penyebab utama rusaknya peralatan elektronik.
i. Logika Predikat
· 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 mempresentasikan pengetahuan dengan cermat dan rinci.
ii. Logika Proposional
· Logika Proporsisi merupakan suatu statement atau pernyataan yang menyatakan benar (TRUE) atau salah (FALSE).
b. 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.
c. Object-Attribute-Value/Nilai (OAV)
Bentuk object-attribute-value triple dapat digunakan untuk mempresentasikan semua karakteristik pengetahuan dalam semantic net dan digunakan pada sistem pakar MYCIN untuk mendiagnosa penyakit infeksi.
d. Bingkai (Frame)
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.
e. Aturan Produksi (Production Rule)
Aturan produksi adalah jenis representasi pengetahuan yang paling umum digunakan karena memiliki keuntungan yang lebih dibandingkan dengan kekurangannya.
REFERENSI :