PENGANTAR TEKNOLOGI SISTEM CERDAS
DISUSUN OLEH
CLAUDYA TUPAMAHU
11115533
11115533
3KA12
4.1. KNOWLADGE BASE AGENT (AGEN BERBASIS PENGETAHUAN)
Agen
Berbasis Pengetahuan, Knowledge Base (KB) menyatakan apa yang “diketahui” oleh
si agent Pendekatan deklaratif membangun agent: “beritahu” informasi yang
relevan, simpan dalam KB. Agen dapat ditanya (atau bertanya diri sendiri) apa
yang sebaiknya dilakukan berdasarkan KB. Maka sebuah agen berbasis pengetahuan
harus bisa mereprentasikan world, state, action, dst. Menerima informasi baru
(dan meng-update representasinya). Menyimpulkan pengetahuan lain yang tidak
eksplisit (hidden property). q
Menyimpulkan action apa yang perlu diambil.
Agen
Berbasis Pengetahuan atau Knowledge Base (KB) merupakan Himpunan representasi
fakta yang diketahui tentang lingkungannya. Tiap fakta disebut sebagai
sentence. Fakta tersebut dinyatakan dalam bahasa formal sehingga bisa diolah,
menambahkan sentence baru ke KB. Inference Engine merupakan menentukan fakta
baru yang dapat diturunkan dari pengetahuan yang sudah ada dalam KB.
Agen
Berbasis Pengetahuan dalam representasi, agent dapat dipandang dari knowledge
level. Apa saja informasi yang diketahui? Misal sebuah robot “mengetahui” bahwa
gedung B di antara gedung A dan gedung C. Agent dapat dipandang dari
implementation level Bagaimana representasi informasi yang diketahuinya?
Logical sentence di_antara(gdB, gdA, gdC). Natural language “Gedung B ada di
antara gedung A dan gedung C”.
Agen
Berbasis Pengetahuan, pilihan representasi berpengaruh terhadap apa yang bisa
dilakukan inference engine. Pada pendekatan deklaratif programmer memberitahu
agent informasi tentang environment. Kalau informasi kurang, agen bisa
melengkapinya sendiri. Jika dibandingkan dengan pendekatan prosedural
programmer secara eksplisit memrogram agen untuk bertindak. Sehingga bagaimana
jika program tidak benar, maka akan besar kemungkinan menyebabkan kesalahan.
Agen
Berbasis Pengetahuan, permasalahannya adalah bagaimana representasi yang tepat,
sehingga ada dua hal yang harus diperhatikan expressive bisa menyatakan fakta
tentang environment, Tractable bisa mengolah/ memproses inference engine
(dengan cepat). Knowledge merupakan power atau kekuatan dari pemrograman secara
deklaratif. Representasi dan penalaran membentuk suatu Intelligence.
4.2 LOGIKA
Secara
etimologis, logika adalah istilah yang dibentuk dari kata logikos
yang berasal dari kata benda logos. Kata logos, berarti sesuatu yang
diutarakan, suatu pertimbangan akal (pikiran), kata, percakapan, atau ungkapan
lewat bahasa. Kata logikos, berarti mengenal kata, mengenai percakapan
atau yang berkenaan dengan ungkapan lewat bahasa. Dengan
demikian, dapatlah dikatan bahwa logika adalah suatu pertimbangan akal
atau pikiran yang diutrakan lewat kata dan dinyatakan dalam bahasa.
Logika Informatika
Logika
disebut juga “the calculus of computer science” karena logika memegang peranan
yang sangat penting di bidang ilmu komputer. Peran kalkulus (matematika) sama
pentingnya untuk ilmu-ilmu bidang sains, misalnya ilmu fisika, ilmu
elektronika, ilmu kimia, dan sebagainya. Oleh karena itu, biasanya pelajar,
mahasiswa, guru, dan dosen setuju bahwa logika memainkan peranan penting dalam
berbagai bidang keilmuan, bahkan dalam kehidupan manusia sehari-hari. Logika,
komputasi numerik, dan matematika diskrit memiliki peran penting dalam ilmu
komputer karena semuanya berperan dalam pemrograman. Logika merupakan
dasar-dasar matemtis suatu perangkat lunak, digunakan untuk memformalkan
semantik bahasa pemrograman dan spesifikasi program, serta menguji ketepatan
suatu program. Hal ini menunjukkan betapa pentingnya logika matematika karena
banyak ilmu, khususnya dalam bidang ilmu komputer, yang memerlukan logika untuk
berkembang. Logika dalam ilmu komputer dalam ilmu komputer digunakan sebagai
dasar dalam belajar bahasa pemrograman, struktur data, kecerdasan buatan,
teknik/sistem digital, basis data, teori komputasi, rekayasa perangkat lunak,
sistem pakar, jaringan syaraf tiruan, dan lainlainnya yang mempergunakan logika
secara intensif. Salah satu contoh yang populer adalah sistem digital, yaitu
bidang ilmu yang didasari oleh logika untuk membuat gerbang logika (logic
gates) dan arsitektur komputer sebagai inti mikroprosesor, otak komputer atau
central processing unit.
4.3
LOGIKA PROPOSISI
Sintaks Logika
Proposisi
Sintak
sebuah bahasa berhubungan dengan struktur bahasa. Sebagai contoh, untuk
membentuk sebuah kalimat yang valid dalam bahasa kita memakai struktur:
[subyek] + [kata kerja] + [kata benda]. Dengan memakai struktur ini, kita bisa
membentuk kalimat, sebagai contoh: Saya makan nasi. Dalam hubungannya
dengan bahasa pemrograman, kita harus memenuhi sintak (baca: aturan struktur
bahasa) agar program dapat berjalan. Sebagai contoh, dalam bahasa BASIC,
untuk mengassign sebuah variabel dengan sebuah nilai, kita memakai operand
‘=’, tetapi kalau dalam Pascal, kita pakai ‘:=’. Contoh dalam
BASIC: a=1, tapi dalam bahasa Pascal, a:=1..
Atau jika lebih spesifik lagi
sintak dapat diartikan aturan-aturan peng-code-an struktur suatu bahasa
pemograman, ibarat grammar dalam berbahasa Inggris. Setiap jenis bahasa
pemograman mempunyai aturan sintak yang berbeda.
Formula
Logika Proposisi
Formula
(atau kalimat) logika proposisi dibentuk dari:
1.
konstanta proposisi: > (benar) dan ? (salah)
2.
variabel proposisi atom: p, q, r, p1, p2, p2, . . .
3.
operator logika proposisi: :;^;_;_;!;$, (termasuk operator biner lain bila
diperlukan)
dengan
aturan sebagai berikut:
1.
setiap proposisi (atom) merupakan formula logika proposisi,
2.
Semantik
Semantik sebuah bahasa
menggambarkan hubungan antara sintak dan model komputasi. Sederhananya,
semantik menjelaskan arti dari program. Analoginya sebagai berikut. Apabila
kita memakai sintak [subyek] + [kata kerja] + [kata benda], kita bisa
menghasilkan kalimat-kalimat.
Apabila kita mengasilkan kalimat Saya
makan nasi, maka kalimat ini memenuhi aturan sintak. Tapi, apabila saya
membuat kalimat Saya makan batu, secara sintak kalimat ini sudah benar.
Namun, secara semantik, kalimat ini tidak mengandung makna yang berarti.
JARINGAN SEMANTIK
Konsep
jaringan semantik diperkenalkan pada tahun 1968 oleh Ross Quillin. Jaringan semantic merupakan teknik representasi kecerdasan
buatan klasik yang digunakan untuk informasi proposional (Giarrantano
dan Riley, 1994). Yang dimaksud denganinformasi proporsional adalah pernyataan
yang mempunyai nilai benar atau salah.Informasi
proporsional merupakan bahasa deklaratif karena menyatakan fakta.
Jaringan semantik merupakan penggambaran grafis
dari pengetahuan yang melibatkan hubungan antara obyek-obyek.
* Obyek direpesentasikan sebagai simpul
(node) pada
suatu
grafik berbentuk lingkaran dan hubungan antara
obyek-obyek
dan faktor deskriptif dinyatakan oleh
garis
penghubung (link) atau garis lengkung (arch)
berlabel.
*
Obyek dapat berupa jenis fisik, seperti:
buku,mobil, meja, atau bahkan orang; erupakan pikiran, seperti: hukum
Ohm; suatu peristiwa/ kejadian, seperti: piknik atau suatu pemilihan; atau
tindakan, seperti: membuat rumah atau menulis buku.
Atribut obyek, seperti: ukuran, warna,
kelas, umur, asal-usul, atau
karakteristik lainnya bisa digunakan sebagai node. Dalam hal ini, informasi rinci tentang sesuatu obyek
bisa ditampilka dengan baik.
TUJUAN
Tujuan pembuatan jaringan semantik adalah
untuk merepresentasikan organisasi dari ide-ide dalam materi pembelajaran agar
dapat dimanfaatkan sebagai alat bantu pembelajaran. Dengan mengajak siswa menganalisis struktur
ide-ide yang dipelajari, berarti membantu kita untuk menganalisis struktur
pengetahuannya, yang akan membantunya untuk memadukan ide baru dengan ide yang
sudah ada. Sebagai hasilnya, pengetahuan
yang diperoleh lebih utuh dan dapat digunakan dengan lebih akurat.
Contoh :
Bentuk
jaringan semantik yang terekam di dalam sistem ingatan seseorang, dapat
dipetakan melalui serangkaian pertanyaan yang diajukan kepadanya. Berikut ini
merupakan contoh model diskusi untuk melihat pola jaringan semantik.
Di tengah suasana belajar mengajar, di dalam kelas,
seorang dosen mencoba membangkitkan kembali semangat belajar anak-anak
didiknya. Saat itu, para mahasiswa agaknya lelah dan mengantuk, karena
energinya “terkuras” untuk berkonsentrasi, ketika mereka mencoba untuk mengerti
penjelasan dari dosennya.
Analisis model diskusi pada kasus
di dibawa ini :
Dosen tersebut mengajukan pertanyaan sebagai berikut :
· "Saya ingin melihat pola jaringan semantik
kalian. Apa yang kalian ketahui tentang kata ‘mobil’ ? "
Jawaban yang cukup menarik, antara lain :
· "Kendaraan bermotor. Rodanya empat.
Membutuhkan BBM. Bisa dipakai untuk angkot. Kalau ukurannya
besar namanya bis. Harganya mahal. Penumpangnya tidak kehujanan. Bisa dipakai
ngebut. Tidak berdaya jika jalanan macet. Pemiliknya harus punya BPKB. Pengemudinya
harus punya SIM dan membawa STNK".
· "Kalau tidak dirawat dengan baik, gampang
mogok"
INFERENSI
A. LOGIKA
PREDIKAT URUTAN PERTAMA (First Order Predicate Logic)
- Representasi 4 kategori silogis me menggunakan logika predikat
|
Bentuk
|
Skema
|
Representasi Predikat
|
|
A
|
Semua S adalah P
|
("x) (S(x)àP(x))
|
|
E
|
Tidak S adalah P
|
("x) (S(x)à~P(x))
|
|
I
|
Beberapa S adalah P
|
($x) (S(x)àP(x))
|
|
O
|
Beberapa S bukan P
|
($x) (S(x)à~P(x))
|
- Kaidah Universal Instatiation merupakan
state dasar, dimana suatu individual dapat digantikan (disubsitusi) ke dalam
sifat universal.
- Contoh :
Misal, f merupakan
fungsi proposisi :
("x) f(x)
\ f(a)
merupakan
bentuk yang valid, dimana a menunjukkan spesifik individual, sedangkan x adalah
suatu variabel yang berada dalam jangkauan semua individu (universal)
Contoh
lain : ("x) H(x)
\ H(Socrates)
dimana H(x) : fungsi proposissional dg x adalah human
- Berikut ini adalah contoh pembuktian
formal silogisme:
All men
are mortal
Socrates
is a man
Therefore,
Socrates is mortal
Misal : H
= man, M = mortal, s = Socrates
Solusi:
1. ("x) (H (x) à M(x))
2. H(s)
3. \ M(s)
4. H(s) à M(s)
5. M(s)
B. SISTEM LOGIKA
- Sistem logika adalah kumpulan objek
seperti kaidah (rule), aksioma, statement dan lainnya yang diatur dalam cara
yang konsisten.
- Sistem logika mempunyai beberapa tujuan
:
1. Menentukan bentuk argumen.
Awalnya
argumen logika tidak memiliki arti dalam semantic sense, bentuk yang valid pada
dasarnya dapat dicapai jika validitas dari argumen tersebut dapat ditentukan.
Fungsi
terpenting dari logika sistem adalah menentukan well formed formulas (wffs) dari argumen yang digunakan.
Contoh
: All S is
P
…..
merupakan wffs
tapi…. All
All is S P
….. bukan
wffs
Is S all
2. Menunjukkan kaidah inferensi yang valid.
3. Mengembangkan dirinya sendiri dengan menemukan kaidah
baru inferensi dan memperluas jangkauan argumen yang dapat dibuktikan.
- Sistem logika dibangun melalui Sentential
atau kalkulus proposisi, kalkulus predikat dst.
- Setiap sistem disandarkan pada aksioma atau postulat, yang merupakan definisi mendasar dari sistem.
Suatu aksioma merupakan fakta sederhana atau
assertion yang tidak dapat dibuktikan dalam sistem. Terkadang, kita menerima
aksioma dikarenakan ada sesuatu yang menarik atau melalui pengamatan.
- Sistem formal membutuhkan :
1. simbol
alfabet.
2. suatu set
finite string dari simbol tertentu, wffs
3. aksioma,
definisi dari sistem
4. kaidah
inferensi, yang memungkinkan wffs, A untuk dikurangi sebagai kesimpulan dari
set finite G wff lain dimana G = {A1,A2,…An}. Wffs harus berupa aksioma atau
teori lain dari sistem logis. Sebagai contoh : sistem logika dapat
didefinisikan menggunakan modus pones untuk diturunkan menjadi teorema baru.
- Jika
terdapat argumen :
A1, A2, ……., AN;
\ A
yang
valid, maka A disebut teorema dari sistem logika formal dan ditulis dengan
simbol (metasymbol)
yang menunjukkan wff adalah suatu teorema
.
A1,
A2, ……., AN A
Contoh :
teorema silogisme tentang Socrates yang
ditulis dalam bentuk logika predikat.
("x)
(H (x)àM(x)), H(s) M(s)
M(s)
dapat dibuktikan dari aksioma di sisi kiri, hal tersebut menunjukkan aksioma
- Suatu teorema merupakan tautology, ditunjukkan melalui G
sebagai set null dimana wff selalu bernilai null dan tidak tergantung dari
aksioma atau teorema yang lain.
Teorema
dengan tautology ditulis dengan simbol , misalnya
A.
Contoh :
Jika A º p Ú ~p maka p Ú ~p
- Suatu model adalah interpretasi wff
bernilai benar.
Suatu wff
disebut konsisten atau satifiable jika interpretasi yang
dihasilkan benar, dan disebut inkonsisten
atau unsatisfiable jika wff
menghasilkan nilai yang salah pada semua interpretasi.
EKUIVALEN
Ekuivalen adalah dua atau lebih pernyataan majemuk yang memiliki
nilai kebenaran yang sama.
Dua kalimat
disebut ekuivalen (secara logika) bila dan hanya bila keduanya mempunyai nilai
kebenaran yang sama untuk semua substitusi nilai kebenaran masing-masing
kalimat penyusunnya.
Jika p dan q
adalah kalimat-kalimat yang ekuivalen, maka dituliskan p q. Jika p q maka q p juga.
Dua atau lebih pernyataan majemuk yang mempunyai nilai kebenaran sama
disebut ekuivalensi logika dengan notasi “ dua buah pernyataan majemuk
dikatakan ekuivalen, jika kedua pernyataan majemuk itu mempunyai nilai
kebenaran yang sama untuk semua kemungkinan nilai kebenaran
pernyataan-pernyataan komponen-komponennya.
EKUIVALEN LOGIS ( ≡ )
Kapan dikatakan
suatu ekspresi logika ekuivalen logis???
1.
Jika kedua ekspresi logika adalah Tautologi ( T dan T pada
Tabel Kebenaran ).
2.
Jika kedua ekspresi logika adalah Kontradiksi ( F dan F pada
Tabel Kebenaran ).
3. Pada Contingen, jika urutan T
dan F atau sebaliknya pada Tabel Kebenaran tetap pada urutan yang sama.
Contoh 1 :
(1). Indah
sangat cantik dan peramah.
(2). Indah
peramah dan sangat cantik.
Kedua pernyataan diatas, tanpa pikir panjang, akan dikatakan ekuivalen atau
sama saja. Dalam bentuk ekspresi logika dapat ditampilkan berikut ini :
A = Indah
sangat cantik
B = Indah itu ramah
Ekspresi
logikanya adalah
: (1).
A ^ B
(2). B ^ A
Jika dikatakan kedua ekspresi logika tersebut ekuivalen secara logis, maka
dapat ditulis : ( A ^ B ) ≡ ( B ^ A )
Ekuivalen logis
dari kedua ekspresi logika dapat dibuktikan dengan Tabel Kebenaran :
|
A
|
B
|
A ^ B
|
B ^ A
|
|
B
|
B
|
B
|
B
|
|
B
|
S
|
S
|
S
|
|
S
|
B
|
S
|
S
|
|
S
|
S
|
S
|
S
|
Contoh 2 :
(1). Badu tidak
pandai, atau dia tidak jujur.
(2). Adalah
tidak benar jika Badu pandai dan jujur.
Secara intuitif dapat ditebak kalau kedua pernyataan diatas sebenarnya sama
saja, tetapi bagaimana jika dibuktikan dengan tabel kebenaran berdasarkan
ekspresi logika.
A = Badu pandai
B = Badu jujur
Ekspresi logikanya adalah : (1). ¬ A v ¬
B
(2). ¬( A ^ B )
Dengan tabel
kebenaran dapat dibuktikan bahwa kedua ekspresi logika di atas ekuivalen.
|
A
|
B
|
¬A
|
¬B
|
A ^ B
|
¬A v ¬B
|
¬ (A ^ B)
|
|
B
|
B
|
S
|
S
|
B
|
S
|
S
|
|
B
|
S
|
S
|
B
|
S
|
B
|
B
|
|
S
|
B
|
B
|
S
|
S
|
B
|
B
|
|
S
|
S
|
B
|
B
|
S
|
B
|
B
|
Ekspresi logika diatas belum dikatakan ekuivalen logis meskipun nilainya di
tabel kebenaran sama.
Untuk menjadikannya ekuivalen logis maka digunakan perangkai ekuivalensi
antara kedua ekspresi logika tersebut, dan akhirnya menghasilkan tautology.
|
(¬ A v ¬ B) ↔ ¬( A ^ B )
|
|
T
|
|
T
|
|
T
|
|
T
|
VALIDITAS
Konklusi
sebaiknya diturunkan dari premis-premis atau premis-premis selayaknya
mengimplikasikan konklusi. Dalam argumentasi yang valid, konklusi akan bernilai
benar jika setiap premis yang digunakan di dalam argumen juga bernilai benar.
Jadi validitas argumen tergantung pada bentuk argumen itu dan dengan bantuan
tabel kebenaran.Konklusi itu benar jika mengikuti hukum-hukum logika yang valid
dari aksioma-aksioma sistem itu, dan negasinya adalah salah. Untuk menentukan
validitas suatu argumen dengan selalu mengerjakan tabel kebenarannya tidaklah
praktis. Cara yang lebih praktis banyak bertumpu pada tabel kebenaran dasar dan
bentuk kondisional. Bentuk argumen yang paling sederhana dan klasik adalah
Modus ponens dan Modus tolens.
SATISFIABILITAS
1. Pengertian satisfiability /
Propositional Satisfiability
Sebuah proposisi majemuk dikatakan satisfiable jika
ada minimal satu nilai tabel kebenarannya yang bernilai TRUE (benar), Jika
proposisi majemuk tersebut tidak memiliki nilai TRUE (benar) sama sekali dalam
tabel kebenarannya, maka proposisi majemuk tersebut disebut tidak satisfiable.
Bisa dilihat contoh dari satisfiability sebagai berikut :
p => q satisfiable? – q => – p satisfiable?
|
p
|
q
|
p=>q
|
–q => –p
|
|
0
|
0
|
1
|
1
|
|
0
|
1
|
1
|
1
|
|
1
|
0
|
0
|
0
|
|
1
|
1
|
1
|
1
|
p – p v q satisfiable?
|
p
|
q
|
p – p v q
|
|
0
|
0
|
1
|
|
0
|
1
|
1
|
|
1
|
0
|
1
|
|
1
|
1
|
1
|
p ^ – p satisfiable?
|
p
|
p ^ (- p)
|
|
0
|
0
|
|
1
|
0
|
4.5 POLA PENALARAN PADA LOGIKA PROPOSISI
- Forward chaining
systems.
Dimulai
dengan fakta awal dan tetap menggunakan rules untuk menarik kesimpulan baru
(atau mengambil tindakan tertentu).
– Backward chaining systems.
Dimulai dengan beberapa hipotesis (atau goal) untuk membuktikan, dan
terus mencari rules yang memungkinkan penyimpulan terhadap hipotesis tersebut,
dengan mengatur sub-goal baru untuk dibuktikan.
•Sistem forwardchaining utamanya
bersifat data-driven, sedangkan backward chainingbersifat goal-driven.
4.6 INFERENSI PROPORSI YANG EFEKTIF
·
Algoritma
Runut Balik (backtracking)
Algoritma runut balik pertama kali diperkenalkan oleh D.H Lehmer pada
tahun 1950. Algoritma ini cukup mangkus untuk digunakan dalam beberapa
penyelesaian masalah dan juga untuk memberikan kecerdasan buatan dalam game.
Beberapa game populer semisal Sudoku, Labirin, Catur juga bisa
diimplementasikan dengan menggunakan algoritma runut balik.
Algoritma runut balik (backtracking)
merupakan algoritma yang digunakan untuk mencari solusi persoalan secara lebih
mangkus daripada menggunakan algoritma brute force. Algoritma ini akan
mencari solusi berdasarkan ruang solusi yang ada secara sistematis namun tidak
semua ruang solusi akan diperiksa, hanya pencarian yang mengarah kepada solusi
yang akan diproses. (Rinaldi Munir, Diktat Strategi Algoritmik, Teknik
Informatika ITB. 2005).
Algoritma runut balik berbasis pada DFS (Depth First Search)
sehingga aturan pencariannya akan mengikut kepada aturan pencarian DFS yaitu
dengan mencari solusi dari akar ke daun (dalam pohon ruang solusi) dengan
pencarian mendalam. Simpul-simpul yang sudah dilahirkan (diperiksa) dinamakan
simpul hidup (live node). Simpul hidup yang sedang diperluas dinamakan
simpul-E atau Expand Node.
Algoritma backtracking mempunyai prinsip dasar yang sama seperti brute-force
yaitu mencoba segala kemungkinan solusi. Perbedaan utamanya adalah pada ide
dasarnya, semua solusi dibuat dalam bentuk pohon solusi (pohon ini tentunya
berbentuk abstrak) dan algoritma akan menelusuri pohon tersebut secara DFS (depth
field search) sampai ditemukan solusi yang layak.
4.6 AGEN BERBASIS LOGIKA
PROPOSISI
Agen
logika merupakan agen yang memiliki kemampuan bernalar secara logika. Ketika
beberapa solusi tidak secara eksplisit diketahui, maka diperlukan suatu agen
berbasis logika. Logika sebagai Bahasa Representasi Pengetahuan memiliki
kemampuan untuk merepresentasikan fakta sedemikian sehingga dapat menarik
kesimpulan (fakta baru, jawaban). Sedangkan pengetahuan merupakan komponen yang
penting, sehingga terdapat perbedaan jika diterapkan pada dua agent, yakni
problem solving agent dan knowledge-based agent.
Perbedaan
dua agent, problem solving agent dan knowledge-based agent. Problem solving
agent memilih solusi di antara kemungkinan yang ada. Apa yang ia “ketahui”
tentang dunia, pengetahuannya tidak berkembang untuk mencapai problem solution
(initial state, successor function, goal test) tetapi jika Knowledge-based
agent lebih “pintar”. Ia “mengetahui” hal-hal tentang dunia dan dapat melakukan
reasoning (berpikir, bernalar) mengenai Hal-hal yang tidak diketahui sebelumnya
(imprefect/ partial information). Tindakan yang paling baik untuk diambil (best
action).
SUMBER :
Tidak ada komentar:
Posting Komentar