Pengantar Kecerdasan Buatan

Knowledge Representation
Basis Pengetahuan

 Langkah pertama untuk membangun

Kecerdasan Buatan adalah bagaimana
membangun sebuah knowledge base
 Selanjutnya kita akan bisa
menggunakan mesin inference untuk
memproses menjadi output
Basis Pengetahuan

ARTIFICIAL
INTELLIGENCE
Input: Output:
MASALAH SOLUSI
Knowledge Inference
Base Engine
Basis Pengetahuan

 Knowledge engineering: process of

collecting and organizing the knowledge

 Knowledge representation: process

of how knowledge is represented to
form a knowledge base
Representasi Pengetahuan
 Bagaimana merepresentasikan pengetahuan ke dalam
basis pengetahuan dan menguji kebenaran penalaran
• Cara-cara lama:
– List, digunakan pada LISP
– Predicate Calculus, digunakan pada Prolog
– Tree, untuk heuristic search
 Karakteristik RP:
– Dapat diprogramkan
– Dapat dimanfaatkan untuk penalaran,
menggambarkan kesimpulan sebagai fungsi
kecerdasan
Representasi Pengetahuan (2)

 Harus terdiri dari struktur data dan prosedur

untuk penafsiran
 Hal yang berhubungan dengan RP:
 Object pengetahuan itu sendiri
 Event: kejadian-kejadian dalam dunia nyata dan
hubungannya
 Performa: bagaimana melakukan suatu tugas tertentu
 Meta knowledge: pengetahuan tentang pengetahuan
yang direpresentasikan
Penggunaan Pengetahuan
 Acuisition: mengintegrasikan informasi baru kedalam
pengetahuan sistem.
Terdapat dua level:
 Menyusun fakta ke dalam database
 Pembuatan fungsi untuk mengintegrasikannya dengan cara
“belajar dan mengadaptasikannya” terlebih dahulu
 Retrieval: mengingat kembali, menyusun ulang
pengetahuan berdasarkan hubungan pengetahuan
terhadap masalah
• Linking: mengekstrak informasi baru tersebut
• Lumping: mengelompokkan hasil ekstraksi pengetahuan baru
tersebut kedalam struktur yang lebih besar seperti yang
dibutuhkan dalam menyelesaikan masalah
Penggunaan Pengetahuan
 Reasoning: pengetahuan digunakan untuk menalar
suatu permasalahan
 Formal reasoning: menggunakan logika proporsional
 Procedural reasoning: menggunakan aturan produksi
( IF-THEN)
 Analogical reasoning: sangat sulit
 Jika suatu permasalahan
dideskripsikan dengan menggunakan
representasi yang tepat, maka dapat
dipastikan bahwa permasalahan
tersebut dapat diselesaikan.
Klasifikasi Kategori RP
 Menurut Mylopoulus dan Levesque: (declarative)
 Representasi Logika: menggunakan logika formal. Digunakan
pada PROLOG
 Representasi Prosedural: menggambarkan prosedur sebagai
kumpulan instruksi untuk memecahkan masalah. Digunakan
dalam pemrograman: IF-THEN
 Representasi Network: menggambarkan pengetahuan sebagai
Graph dan Tree
 Representasi Terstruktur: memperluas konsep Representsi
Network dengan membuat node-nodenya menjadi struktur data
yang kompleks. Contoh: script, frame, dan object
 LOGIKA
 Adalah representasi pengetahuan yang paling tua.
 Proses menarik kesimpulan dari fakta yang sudah ada
 Input: premis-premis dan Ouput: kesimpulan
 Terdiri dari: sintaks (simbol), semantik (fakta), dan proses
 pengambilan keputusan (inferensi)
 Proses penalaran:
– Deduktif (umum-khusus)
– Induktif (khusus-umum)
 Logika:
– Logika Preposisi: and, or, not, implikasi, dan ekuivalensi
– Logika Predikat: representasi fakta dalam bentuk well formed formula
Ilustrasi Representasi Pengetahuan
secara logik (Representasi Logika)

Contoh sederhana fakta adalah sebagai

berikut:
helder adalah anjing

Fakta tersebut dapat direpresentasikan

secara logika, yaitu:
anjing(helder)
 Kita juga dapat merepresentasikan secara logik fakta
lain, yaitu bahwa semua anjing mempunyai ekor
Ɐx : anjing(x)  mempunyai_ekor(x)
 Kemudian secara deduktif dari mekanisme logik ini kita
bisa mendapatkan representasi baru:
mempunyai_ekor(anjing)
 Dengan menggunakan fungsi mapping secara
backward, kita dapat men-generate suatu kalimat yang
berbunyi
helder mempunyai ekor
Contoh kasus Representasi
Pengetahuan

Cobalah representasi pengetahuan dari

silsilah keluarga berikut ini
Hasil Representasi

 anaklaki(hari, agus).  dibaca sebagai anak

laki-laki dari hari adalah agus
 anaklaki(agus, budi).
 anakperempuan(agus, ani).
 anakperempuan(budi, ria).
 anakperempuan(budi, ita).
 anaklaki(ani, rudi).
Catatan

 Kita dapat menggunakan kalimat apapun

sebagai predikat
 Ide dasar untuk membuat notasi adalah

predicate (argument, argument ).

Simple Query
on Knowledge Database

Adalah bagaimana mencari suatu pengetahuan

dari representasi yang ada

Contoh:
anakperempuan(agus,P).

hasilnya adalah P = ani  yang menandakan

bahwa ani adalah anak perempuan dari agus
Contoh lain:

anaklaki(OT,AL).

Hasil : OT=hari AL=agus

OT=agus AL=budi
OT=ani AL=rudi
Contoh lain:
anaklaki(P,budi), anakperempuan(P,D).
 untuk menanyakan saudara perempuan dari
budi

Hasil : P=agus D=ani

Meng-extend hubungan antara
knowledge

Kita dapat menambahkan hubungan antara

knowledge, misalnya antara anak laki dan anak
perempuan diextend menjadi hubungan orangtua
orangtua(C,P):-anaklaki(P,C).
orangtua(C,P):-anakperempuan(P,C)
Recursive description
of relationship

Jika ingin mencari turunan, berikut cara

merepresentasikannya:
turunan(OT,TR):-orangtua(TR, OT).  anak
turunan(OT,TR):-orangtua(TR, P), orangtua(P, OT).  cucu
turunan(OT,TR):- orangtua(TR, P), orangtua(P,GP),orangtua(GP,
OT).  cicit
Fakta di atas dapat diekspresikan dengan proses
rekursif sbb:
turunan(OT,TR):-orangtua(TR,OT).  anak
turunan(OT,TR):- orangtua(TR,P),turunan(OT,P).