Anak Panah di Tangan Pahlawan: BAB 6. REPRESENTASI PENGETAHUAN

PENGANTAR TEKNOLOGI SISTEM CERDAS

DISUSUN OLEH

CLAUDYA TUPAMAHU
11115533

3KA12

Representasi Pengetahuan dimaksudkan untuk menangkap sifat-sifat penting problema dan membuat informasi itu dapat diakses oleh prosedur pemecahan problema.

Ontology merupakan suatu teori tentang makna dari suatu objek, property dari suatu objek, serta relasi objek tersebut yang mungkin terjadi pada suatu domain pengetahuan. Pada tinjauan filsafat, ontology adalah studi tentang sesuatu yang ada. Selain itu ontology adalah sebuah konsep yang secara sistematik menjelaskan tentang segala sesuatu yang ada atau nyata. Dalam bidang Artificial Intelligence (AI) ontology memiliki dua pengertian yang berkaitan. Pertama ontology merupakan
kosakata representasi yang sering dikhususkan untuk domain atau subyek pembahasan tertentu. Kedua, sebagai suatu body of knowledge untuk menjelaskan suatu bahasan tertentu. Secara umum, ontology digunakan pada Artificial Intelligence (AI) dan persentasi pengetahuan. Segala bidang ilmu yang ada di dunia, dapat menggunakan metode ontology untuk dapat berhubungan dan saling berkomunikasi dalam hal pertukaran informasi antara sistem-sistem yang berbeda. Untuk dapat digunakan, sebuah ontology harus diekspresikan dalam notasi yang nyata. Sebuah bahasa ontology adalah sebuah Bahasa formal dari sebuah pembuatan ontology. Beberapa komponen yang menjadi struktur ontology, antara lain :
• XML Menyediakan sintaksis untuk output dokumen terstruktur, tetapi belum dipaksakan untuk dokumen XML menggunakan semantic constrains.
• XML Schema Bahasa untuk pembatasan struktur dari dokumen XML.
• RDF Model data untuk objek (’resources’) dan relasi diantaranya, menyediakan semantic yang
sederhana untuk model data tersebut, dan data model ini dapat disajikan dalam sintaks XML.
• RDF Schema Adalah kosa kata untuk menjelaskan properties dan classes dari sumber RDF, dengan
sebuah semantics untuk hirarki penyamarataan dari properties dan classes.
• OWL Manambahkan beberapa kosa kata untuk menjelaskan properties dan Classes, antara lain :
relasi antara classes (misalkan disjointness), kardinalitas (misalkan ’tepat satu’), equality, berbagai tipe dari properties, karakteristik dari properties (misalkan symmetry), menyebutkan satu persatu classes.

Berbagai bahasa yang menyusun ontology, seperti yang telah dijelaskan di atas memiliki kedudukan
tertentu dalam struktur ontology. Setiap layer akan memiliki fungsi tambahan dan kompleksitas
tambahan dari layer sebelumnya. Pengguna atau User yang memiliki fungsi pemrosesan layer paling
rendah dapat memahami walaupun tidak seluruh ontology yang terletak di layer atasnya.

Dalam setiap layer tersebut, masing-masing bagian memiliki fungsi masing-masing :
• XML memiliki fungsi menyimpan isi halaman web
• RDF adalah layer untuk merepresentasikan semantik dari isi halaman tersebut
• Ontology layer untuk menjelaskan vocabulary dari domain
• Logic Layer memungkinkan untuk mengambil data yang diinginkan

Ada dua entity yang yang perlu diperhatikan dalam merepresentasikan pengetahuan dalam program kecerdasan buatan:

1. Fakta: kejadian sebenernya. Fakta inilah yang akan kita representasikan.

2. Representasi dari fakta. Dari representasi ini kita akan dapat memanipulasinya menggunakan sintaks logika yang mempunyai kemungkinan.

• Cara-cara lama:

– List, digunakan pada LISP

– Predicate Calculus, digunakan pada Prolog

– Tree, untuk heuristic search

• Karakteristik RP (Representasi Pengetahuan) :

– Dapat diprogramkan

– Dapat dimanfaatkan untuk penalaran, menggambarkan kesimpulan sebagai fungsi kecerdasan

· 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

Secara singkat, represntasi pengetahuan diklasifikasikan menjadi 4 kategori.

Representasi logika

Representasi jenis ini menggunakan ekspresi-ekspresi dalam logika formal untuk merepresentasikan basis pengetahuan.

Representasi prosedural

Representasi yang menggambarkan pengetahuan sebagai kumpulan instruksi untuk memcahkan suatu problema.

Representasi network

Representasi ini menangkap pengetahuan sebagai sebuah graf dimana simpul-simpulnya menggambarkan obyek atau konsep dari problema yang dihadapi, sedangkan edgenya mengambarkan hubungan atau asosiasi antar mereka.

Representasi terstruktur

Representasi terstruktur memperluas network dengan cara membuat setiap simpulnya menjadi struktur data kompleks.

Keuntungan dalam menggunakan representasi pengetahuan.

a. Dapat membuat objek dan relasi yang penting menjadi jelas

b. Menyingkap constraint (batasan) dalam suatu permasalahan sehingga suatu masalah dapat diungkap dengan menggunakan suatu relasi dengan relasi yang lain terhadap objek yang dihadapi.

c. Mendapatkan objek dan relasi secara bersama-sama dan kita bisa melihat semuanya dalam satu waktu.

d. Dapat menghilangkan semua komponen yang tidak berhubungan dalam masalah yang sedang kita selesaikan. Atau menyembunyikan beberapa informasi yang tidak di butuhkan untuk sementara.

e. Membuat permasalahan menjadi transparan, kita dapat memahami dengan jelas dan menyelesaikannya.

f. Membuat permasalahan menjadi ringkas, kita akan berpikir ringkas (merepresentasikan secara efisien dah fokus terhadap masalah).

g. Membuat pekerjaan kita menjadi cepat dan menjadi penting.

h. Menjadikan permasalahan secara terkomputerisasi, dengan ini kita dapat melakukan prosedur-prosedur dalam menyelesaikannya.

Representasi Pengetahuan Logika

Logika adalah bentuk representasi pengetahuan yang paling tua. Representasi jenis ini menggunakan ekspresi-ekspresi dalam logika formal untuk merepresentasikan basis pengetahuan. Pada dasaranya proses logika adalah proses membentuk kesimpulan dan menarik suatu inferensi berdasarkan fakta yang telah ada. Input dari proses logika berupa premsi atau fakta-fakta yang diakui kebenarannya sehingga dengan melakukan penalaran pada proses logika dapat dibentuk suatu inferensi atau kesimpulan yang benar pula.

Sebagai contoh :

Helder adalah anjing, faktanya secara logika anjing(Helder)

secara logika yang lain bisa direpesentasikan bahwa anjing mempunyai ekor

µx = anjing(x) -> berekor(x)

kemudia secara deduktif (penalaran dimulai dari prinsip umum untuk mendaptkan konklusi

yang lebih khusus) kita dapat merepresntasikan yang baru yaitu,

berekor(anjing)

dengan logika yang lain kita dapat meg-generate kalimat sebagai berikut

helder(berekor)

Contoh representasi pengetahuan dalam prolog

Representasi pengetahuan secara logika untuk Tree :

Gambar 2.1 Tree sebuah silsilah keluarga

Dari tree di atas dapat di buat representasinya secara logika sebagai berikut :

Pertanyaan sederhana pada basis data pengetahuan
Dari representasi tree di atas, kita dapat memberikan pertanyaan dari fakta-fakta yang sudah ada. Misalkan bentuk pertanyaannya “Siapa putri farah?” maka, representasinya dapat dinyatakan:

Dapat di jelaskan bahwa D adalah variabel yang digunakan untuk menampung jawaban dari pertanyaan “Siapa putri farah?”. Secara logika representasinya adalah putri ( farah, D ) kita dapatkan jawabannya adalah D = naura

Kombinasi pertanyaan pada basis data pengetahuan
Dari tree di atas kita dapat menanyakan “apakah afif mempunyai saudara perempuan atau tidak? Dan jika mempunyai, siapa namanya?” maka representasi logikanya :

Dapat di jelaskan bahwa P adalah variabel yang menampung nama orang tua dari afif, sementara D adalah variabel yang menampung nama saudara afif. Sehingga di dapatkan jawaban : P = raihan D = farah.

JARINGAN SEMANTIK

Jaringan semantik adalah gambaran pengetahuan grafis yang menunjukkan hubungan antar berbagai objek, terdiri dari lingkaran-lingkaran yang dihubungkan dengan anak panah yang menunjukkan objek dan informasi tentang objek-objek tersebut. Gambar berikut menunjukkan representasi pengetahuan menggunakan jaringan semantik.

Jaringan Semantik