Representasi Pengetahuan ( Materi 6 )

Representasi Pengetahuan

Pengetahuan merupakan kemampuan untuk membentuk model mental yang menggambarkan obyek dengan tepat dan merepresantasikannta dalam aksi yang dilakukan terhadap suatu obyek (Martin dan Oxman, 1988).

Agar pengetahuan dapat diguanakan dalam sistem, pegetahuan harus direpresentasikan dalam format tertentu yang kemudian dihimpun dalam suatu basis pengetahuan. Cara sistem pakar merepresentasikan pengetahuan akan mempengaruhi perkembangan, efisiensi, dan perbaikan sistem.

Representasi pengetahuan merupakan metode yang digunakan untuk mengodekan pengetahuan dalam sebuah sistem pakar yang berbasis pengetahuan. Perepresentasian dimaksudkan untuk menangkap sifat-sifat penting problema dan membuat informasi itu dapat diakses oleh prosedur pemecahan problema.

Bahasa representasi harus dapat membuat seorang pemrogram mampu mengekspresikan pengetahuan yang diperlukan untuk mendapatkan solusi dari masalah yang ada. Dapat diterjemahkan ke dalam bahasa pemrograman dan dapat disimpan. Harus dirancang agar fakta-fakta dan pengetahuan lain yang terkandung di dalamnya dapat digunakan untuk penalaran.

Pegetahuan dapat direpresentasikan dalam bentuk yang sederhana atau kompleks, tergantung dati masalahnya (Schnupp, 1989). Beberapa model representasi pegetahuan yang penting adalah :

1.      Logika

Logika merupakan suatu pengkajian ilmiah tentang serangkaian penalaran, sistem kaidah, dan prosedur yang membantu proses penalaran. Logika merupakan bentuk representasi pengetahuan yang paling tua, yang menjadi dasar dari teknik representasi high level.

Dalam melakukan penalaran, computer harus dapat menggunakan proses penalaran deduktif dan induktif ke dalam bentuk yang sesuai dengan manipulasi dengan manipulasi koputer, yaitu logika simbolik atau logikan matematik. Metode itu disebut Logika Komputasional. Bentuk logika komputasional ada 2 macam, yaitu : Logika proposional atau Kalkulus dan Logika Predikat.

Penalaran deduktif ini bergerak dari penalarn umum menuju ke konklusi khusus. Umumnya dimualai dari suatu silogisme, atau pernyataan premis dan inferensi yang biasanya terdiri dari 3 bagian, yaitu premis mayor, premis minor, dan konklusi. Contoh penalaran secara deduktif :

Premis mayor            : Jika hujan turun saya tidak akan lari pagi

Premis Minor             : Pagi ini hujan turun

Konklusi                     : Oleh Karen itu pagi ini saya tidak akan lari pagi

Penalaran induktif merupakan kebalikan dari penalaran deduktif, dimulai dari masalah khusus menuju ke masalah umum. Penalaran ini menggunakan sejumlah fakta atau premis yang mantap untuk menarik kesimpulan umum. Contoh penalaran secara induktif.

Premis                        :Dioda yang salah menyebabkan peralatan elektronika rusak.

Premis                        : Transistor rusak menyebabkan eletronik rusak

Premis                        :IC rusak menyebabkan peralatan tidak berfungsi

Konklusi                    : Maka, peralatan semikonduktor rusak merupakan penyebab utama rusaknya peralatan elektronik.

Pada penalaran induktif, konklusi tidak selalu mutlak, dapat berubah bilamana ditemukan fakta-fakta baru.

1.      Jaringan Semantik

Konsep jaringan sematik diperkenalkan pada tahun 1968 oleh Ross Quillian. Jaringan sematik meupakan teknik representasi kecerdasan buaran klasik yang digunakan untuk informasi proposional (Giarrantano dan Riley, 1994). Yang dimaksud dengan informasi prposionala adalah pertanyaan yang mempunyai nilai benar atau salah. Informasi proposional merupakan bahasa deklaratif karena menyatakan fakta.

Representasi jaringan semantic merupakan penggambaran grafis dari pengetahuan yang memperlihatkan hubungan hirarkis dari obyek-obyek. Komponen dasar untuk merepresentasikan pegetahuan dalam bentuk jaringan semantik adalah simpul (node) dan penghubung (link). Simpul mempresentasikan obyek, konsep, atau situasi. Simpul digambarkan dengan kotak atau lingkaran. Penghubung menghubungkan antarsimpul. Penghubung digambarkan dengan panah berarah dan diberi label untuk menyatakan hubungan yang direpresentasikan. adalah sebuah contoh bagaimana pengetahuan dapat direpresentasikan menggunakan jaringan semantic.

Jaringan semantic merepresentasikan pertanyaan bahwa semua computer merupakan alat elektronik, semua PC merupakan computer, dan semua komputer memiliki monitor. Dari pernyataan tersebut dapat diketahui bahwa semua PC memiliki monitor dan hanya sebagian alat elektronik yang memiliki monitor.

1.      Object-Attribute-Value (OAV)

Object dapat berupa bentuk fisik atau konsep. Attribute adalah karakteristik atau sifat dari object tersebut. Value (nilai) – besaran/nilai/takaran spesifik dari attribute tersebut pada situasi tertentu, dapat berupa numerik, string dan boelan.

Sebuah object dapat memiliki beberapa attribute, biasa disebut OAV Multi-Attribute.

Contoh representasi pengetahuan dengan OAV ditunjukan pada table.

Table . representasi pengetahuan dengan OAV

Object	Attribute	Value
Mangga	Warna	Hijau, Orange
Mangga	Berbiji	Tunggal
Mangga	Rasa	Asam, Manis
Mangga	Bentuk	Oval
Pisang	Warna	Hijau, Kunig
Pisang	Bentuk	Lonjong

1.      Bingkai (Frame)

Bingkai berupoa ruang-ruang yang berisi attribut untuk mendekripsikan pengetahuan. Pengetahuan yang termuat dalam slot dapat berupa kejadian, lokasi, situasi, ataupun elemen-elemen lainya. Bingkai digunakan untuk merepresentasikan pengetahuan deklaratif (Giarrantano dan Riley, 1994).

Bingkai memuat deskripsi sebuah obyek dengan menggunakan tabulasi informasi yang berhubungan dengan obyek. Dengan demikian bingkai membantu menirukan cara seseorang mengorganisasikan informaso tentang sebuah obeyek yang menjadi kumupulan data.

Bingkai merupakan cara yang lebih kompleks untuk menyimpan obyek dan nilai atributnya bila dibandingkan dengan jaringan semantik. Bingkai menambahkan kecerdasan pada representasi data dan mengijinkan obyek untuk menurunkan nilai dari obyek yang lain. Pada table. dapat dilihat contoh bingkai penyakit.

Tabel .Contoh bingkai penyakit

Ruang (slots)	Isi (fillers)
Nama	Flu
Gejala	1.      Bersin 2.      Pusing 3.      Demam
Obat	1.      Ultraflu 2.      Mixagrib

Seperi pada jaringan semantic tidak ada standar untuk mendefinisikan sistem berbasiskan bingkai. Binakai dapat dipandang sebagai suatu struktur record pada bahasa tingkat tinggi atau sebuah atom dengan mendaftar propertinya.

1.      Kaidah produksi

Kaidah nmenyediakan cara formal untuk mempresentasikan rekomendasi, arahan, atau strategi. Kaidah produksi dituliskandalam bentuk jika-maka (if-then). Kaidah if-then menghubungkan anteseden (antecedent) dengan konskuensi yang diakibatkannya. Berbagai struktur kaidah if-then yang menghubungkan obyek atau atribut adalah sebagai berikut:[5]

JIKA premis MAKA konklusi

JIKA masukan MAKA keluaran

JIKA kondisi MAKA konsekuen

JIKA data MAKA hasil

JIKA tindakan MAKA tujuan

Premis mengacu pada fakta yang harus benar sebelum konklusi tertentu dapat diperoleh. Masukan mengacu pada data yang harus tersedia sebelum keluaran dapat diperoleh. Kondisi mengacu pada keadaan yang harus berlaku sebelum tindakan dapat diambil. Anteseden mengacu pada situasi yang terjadi sebelum konsekuensi dapat diamati. Data mengacu pada kegiatan yang harus dilakukan sebelum hasil dapat diharapkan. Tindakan mengacu pada kegiatan yang harus dilakukan sebelum hasil dapat diharapkan (Hanifah, 1998).

Kaidah dapat diklasifikasikan menjadi dua, yaitu kaidah derajat pertama (first order rule) dan kaidah meta (meta rule) (Giarrantano dan Riley, 1994). Kaidah derajat pertama adalah kaidah sederhana yang terdiri dari anteseden dan konsekuen. Misalnya :

JIKA bersin-bersin dan pusing

MAKA terserang penyakit flu

Kaidah meta adalah kaidah yang anteseden atau konsekuenya mengandung informasi tentang kaidah yang lain. Misalnya :

JIKA               mengalami kehilangan kesadaran yang berlangsung singkat, sehinnga aktivitas yang sedang berjalan terhenti

DAN               terkadang disertau dengan mata yangmenatap kosong dan gerakan mioklonik dari sekelompok otot mata atau wajah, otomatisme, kehilangan tanus otot (sehingga barang yang dipegang bisa terjatuh atau bila sedang berdiri bisa jatuh).

DAN               serangan berakhirdengan diikuti oleh pulihnya kesadaran

DAN               berlangsung beberapa detik sampai setengah menit, dan dapat berlangsung puluhan kali dalam sehari

MAKA           mengalami tipe sawan lena.

Aturan 2 :

JIKA               tipe sawan umum

ATAU            tipe sawan mioklonik

ATAU            tipe sawan lena

ATAU            tipe sawan tonik-klonik

DAN               EEG tidak menunjukan adanya kelainan fokal

DAN               penyebab tidak diketahui

DAN               awitan berhubungan dengan usia

MAKA           terkenan epilepsi idiopatik

LINK PPT :

SUMBER :

https://rindiyfratama.wordpress.com/spk-pakar/representasi-pengetahuan/

http://lutfiatulm.blogspot.com/2013/03/representasi-pengetahuan.html