Download - HO AI Representasi Pengetahuan_#6 & 7
5/10/2018 HO AI Representasi Pengetahuan_#6 & 7 - slidepdf.com
http://slidepdf.com/reader/full/ho-ai-representasi-pengetahuan6-7 1/14
A RTIFICIAL I NTELLIGENCE
V. REPRESENTASI PENGETAHUAN
Hampir semua aplikasi Kecerdasan Buatan tersusun dari dua bagian
pokok, yaitu basis pengetahuan (knowledge base) dan mekanismeinferensi (inference mechanism).
Basis pengetahuan berisis fakta-fakta tentang objek dalam domain yangditentukan dan saling hubungannya satu sama lain. Basis pengetahuan juga bisa berisi pikiran, teori, prosedur praktis dan saling hubungannya.Basis pengetahuan membentuk sumber sistem kecerdasan dan digunakanoleh mekansme inferensi untuk melakukan penalaran dan menarikkesimpulan.
Mekanisme inferensi adalah suatu rangkaian prosedur yang digunakan
untuk menguji basis pengetahuan dengan cara yang sistematik pada saatmenjawab pertanyaaan, memecahkan persoalan atau membuat keputusandalam suatu domain yang telah ditentukan.
Terdapat banyak bentuk representasi pengetahuan dan basisnya.
5.1.Skema Representasi PengetahuanAgar komputer bisa bertingkah laku seperti seorang cerdas, maka iaharus mempunyai pengetahuan terlebih dahulu tentang sesuatudomain tertentu.
Pengetahuan dapat diperoleh dari/terdapat dalam otak seorang pakaratau berupa buku, artikel, jurnal ilmiah, memo, dan prosedur atau apasaja yang penting sudah terkodifikasi.
Proses pengumpulan dan pengorganisasian pengetahuan disebutrekayasa pengetahuan (knowledge engineering).
Proses ini barangkali merupakan langkah yang paling sulit danmemerlukan waktu yang banyak dalam pembuatan programKecerdasan Buatan.
Representasi skema pengetahuan memiliki dua karakteristik umum :1. Bisa diprogram dengan bahasa komputer yang ada dan disimpan
dalam memori.2. Dirancang agar fakta-fakta dan pengetahuan lain yang terkandung
di dalamnya bisa digunakan untuk penalaran.
Mylopoulos dan Levesque telah mengklasifikasikan susunan ataupola representasi menjadi empat kategori:1. Representasi Logika. Menggunakan ekspresi-ekspresi dalam
logika formal untuk merepresentasikan basis pengetahuan. Aturan-aturan inferensi dan prosedur pembuktian menerapkanpengetahuan ini pada problema yang harus dipecahkan.
2. Representasi Prosedural. Menggambarkan pengetahuan sebagaisekumpulan instruksi untuk memecahkan suatu problema. Iniberlawanan dengan representasi deklarasi yang ditangani oleh jaringan logika dan semantik. Contoh : sistem produksi ( productionsystem) / kaidah produksi ( production method ).
BY TONI KHALIMI, S.SI Hal. #1
5/10/2018 HO AI Representasi Pengetahuan_#6 & 7 - slidepdf.com
http://slidepdf.com/reader/full/ho-ai-representasi-pengetahuan6-7 2/14
A RTIFICIAL I NTELLIGENCE
3. Representasi Jaringan (Network ). Menangkap pengetahuansebagai sebuah graf dimana simpul-simpulnya menggambarkanobyek atau konsep dalam problema yang dihadapi, sedangkanbusur/lengkungnya menggambarkan atau asosiasi antar mereka.
Contoh : graf konseptual dan jaringan semantik.
4. Representasi Terstruktur. Bahasa-bahasa representasiterstruktur memperluas jaringan dengan cara membuat setiapsimpulnya menjadi struktur data kompleks yang berisi tempat-tempat bernama dengan nilai-nilai tertentu. Nilai-nilai ini dapatberupa data numerik atau simbol sederhana, pointer ke bingkai(frame) lain, atau bahkan merupakan prosedur untuk mengerjakantugas tertentu. Contoh: skrip (script ), bingkai (frame), dan obyek(object ).
Secara umum, skema representasi pengetahuan dapat puladikategorikan sebagai deklaratif atau prosedural.
Skema deklaratif digunakan untuk menggambarkan fakta-faktapernyataan (assertion). Termasuk metoda ini adalah logika (logic), jaringan semantik (semantic networking), bingkai (frame) dan naskah(script ).
Skema prosedural berhubungan dengan aksi dan prosedur. Skemarepresentasi pengetahuan prosedural meliputi prosedur atau upa rutindan sistem produksi.
Kunci keberhasilan setiap pembuatan program Kecerdasan Buatantertelak pada pemilihan skema representasi pengetahuan yang palingbaik dan paling tepat serta yang sesuai dengan domain pengetahuanserta masalah yang akan dipecahkan.
5.2.Representasi Logika (Logic)
Merupakan bentuk representasi pengetahuan yang paling tua.Logika merupakan suatu pengkajian ilmiah tentang serangkaianpenalaran, sistem kaidah dan prosedur yang membantu proses
penalaran.
Gambar 5.1. Menggunakan logika menuju penalaran
Terdapat dua bentuk dasar penalaran dalam logika untuk membuatinferensi yang diambil dari premis :a. Deduktif
Penalaran ini bergerak dari prinsip/premis umum menuju konklusikhusus. Proses deduktif umumnya dimulai dari suatu silogisme ataupernyataan premis dan inferensi.Proses deduktif umumnya terdiri dari tiga bagian : premis mayor,premis minor, dan konklusi.
BY TONI KHALIMI, S.SI Hal. #2
LOGICALPROCESS
INPUTPREMISES
ORFACTS
OUTPUTINFERENCES
ORCONCLUSIONS
S
5/10/2018 HO AI Representasi Pengetahuan_#6 & 7 - slidepdf.com
http://slidepdf.com/reader/full/ho-ai-representasi-pengetahuan6-7 3/14
A RTIFICIAL I NTELLIGENCE
Contoh :Premis mayor : Jika Hujan turun, saya tidak akan lari
pagi.
Premis minor : Pagi ini hujan turun.Konklusi : Oleh karena itu, pagi ini saya tidak akan
lari pagi.
b. Induktif Penalaran induktif dimulai dari masalah khusus menuju ke masalahumum. Atau dengan perkataan lain, penalaran induktif menggunakan sejumlah fakta atau premis yang mantap untukmenarik kesimpulan umum.
Contoh:
Premis 1 : Dioda yang salah menyebabkan peralatanelektronik rusak.
Premis 2 : Transistor rusak menyebabkan elektronik
rusak.
Premis 3 : Sirkuit terpadu (IC) rusak menyebabkan
peralatan elektronik tidak berfungsi.
Konklusi : Maka, peralatan semi-konduktor rusakmerupakan penyebab utama rusaknya peralatan
elektronik.
Satu hal yang menarik dari penalaran induktif adalah konklusinyatidak pernah final atau mutlak. Konklusi dapat berubah jika faktabaru sudah ditemukan. Jika semua fakta yang mungkin tidakdimasukkan ke dalam salah satu premis, maka selalu akan timbulketidakpastian di dalam konklusi. Akibatnya, hasil penalaraninduktif akan selalu mengandung beberapa ukuran ketidakpastian.Walaupun demikian, jika lebih banyak fakta dan premis yangdigunakan dalam penalarannya, maka ketidakpastian konklusi ituakan berkurang. Semakin banyak pengetahuan yang dimiliki,semakin banyak inferensi konklusi yang akan terjadi.
Dalam melaksanakan penalaran menggunakan logika, sebuahkomputer harus menggunakan konversi silogisme dan prosespenalaran deduktif atau induktif ke dalam bentuk yang sesuai denganmanipulasi komputer.
Hal ini merupakan sistem kaidah dan prosedur yang memungkinkankomputer bisa menarik inferensi dari berbagai premis yangmenggunakan berbagai teknik logika. Metoda ini dikenal denganlogika komputasional (computational logic).
Bentuk logika komputasional ada dua macam :1. Logika Proposisional / Kalkulus Proposisional
Suatu proposisi tidak lebih daripada suatu pernyataan (statement )yang menyatakan benar atau salah. Ini merupakan premis yangdapat digunakan untuk memperoleh proposisi baru atau inferensi.Kaidah ini digunakan untuk menentukan benar atau salah suatuproposisi baru.
BY TONI KHALIMI, S.SI Hal. #3
5/10/2018 HO AI Representasi Pengetahuan_#6 & 7 - slidepdf.com
http://slidepdf.com/reader/full/ho-ai-representasi-pengetahuan6-7 4/14
A RTIFICIAL I NTELLIGENCE
Suatu proposisi, premis atau kaidah disimbolkan denagnmengunakan huruf besar. Misalnya,
A = Tukang pos mengantar surat mulai senin sampai SabtuB = Hari ini Hari Minggu
C = Maka, hari ini tukang pos tidak mengantar surat
Dua atau lebih proposisi bisa digabungkan dengan menggunakanpenghubung logika/operator logika, yaitu and, or, not dan
implies.
Penggunaan penghubung logika / operator logika ini sama denganpenggunaan aljabar Boolean.
a. Not
Tabel nilai kebenaran untuk not A not A
T FF T
Contoh :A = Hari ini hujanNot A = Hari ini tidak hujan
b. And
Kombinasi dua proposisi menggunakan and akan bernilai benar
jika kedua proposisi awal bernilai benar. Tabel nilaikebenarannya adalah sebagai berikut
A B A and B
T T T
T F F
F T FF F F
Contoh :A = Mobil saya berwarna hitamB = Mesin mobil berwarna hitam itu 6 silinderC = A and B
= Mobil saya berwarna hitam dan mesinnya 6 silinder
Contoh lain:Sebuah perusahaan akan menerima karyawan baru dengansyarat :1. Seorang wanita berusia tidak lebih dari 25 tahun and
2. Lulusan InformatikaDengan demikian, seorang pelamar baru bisa diterima menjadikaryawan bila kedua syarat tersebut dipenuhi.
c. Or
Kombinasi dua proposisi menggunakan or akan bernilai benar
jika salah satu atau kedua proposisi awal bernilai benar. Tabelnilai kebenarannya adalah sebagai berikut
A B A or B
T T T
BY TONI KHALIMI, S.SI Hal. #4
5/10/2018 HO AI Representasi Pengetahuan_#6 & 7 - slidepdf.com
http://slidepdf.com/reader/full/ho-ai-representasi-pengetahuan6-7 5/14
A RTIFICIAL I NTELLIGENCE
T F T
F T T
F F F
Jika kita tinjau contoh di atas,
A = Seorang wanita berusia tidak lebih dari 25 tahunB = Lulusan InformatikaC = A or B
Maka cukup salah satu persyaratan dipenuhi, seseorang dapatditerima sebagai karyawan.
Bentuk or ini dikenal dengan inclusive or . Bentuk or yang lain
adalah exclusive or . Or eksklusif bernilai benar jika salah satuprososisi awal bernilai benar tapi tidak keduanya sekaligus.Notasi yang digunakan untuk eksklusif or adalah xor.
d. ImpliesPenghubung logika implies dimaksudkan, bahwa jika proposisi
A benar, maka proposisi B pun harus benar. Kebenaran Amemasukkan kebenaran B.
Pengertian yang sama untuk operator logika ini adalah if_then.
Tabel nilai kebenaran untuk operator ini adalah sebagai berikut
A B A → B
T T T
T F F
F T T
F F T
Misalnya,A = Mobil rusakB = Saya tidak bisa naik mobilC = A implies B
= Mobil rusak, ‘karena itu’ saya tidak bisa naik mobil.= If mobil rusak, then saya tidak bisa naik mobil.
Perhatikan kemungkinan bentuk-bentuk yang lain dari implikasidi atas:1. If mobil tidak rusak, then saya tidak bisa naik mobil.
2. If mobil rusak, then saya bisa naik mobil.
3. If mobil tidak rusak, then saya bisa naik mobil.
Dengan menggunakan berbagai simbol proposisi danmenghubungkannya dengan penghubung logika, maka serangkaianpremis yang lengkap dengan konklusinya bisa diekpresikan.
Karena masih berkaitan dengan pernyataan, kemampuan untuk
merepresentasikan pengetahuan dalam kehidupan nyata denganbenar masih diragukan atau setidaknya masih terbatas. Sehinggapenggunaannya dalam Kecerdasan Buatan tidak begitu berarti.Oleh karena itu, dalam Kecerdasan Buatan lebih baik menggunakanlogika predikat/kalkulus predikat.
2. Logika Predikat / Kalkulus Predikat.
BY TONI KHALIMI, S.SI Hal. #5
5/10/2018 HO AI Representasi Pengetahuan_#6 & 7 - slidepdf.com
http://slidepdf.com/reader/full/ho-ai-representasi-pengetahuan6-7 6/14
A RTIFICIAL I NTELLIGENCE
Logika predikat merupakan suatu bentuk logika yang seluruhnyamenggunakan konsep dan kaidah logika proposisional yang sama.Logika predikat dapat memecah pernyataan ke dalam bagiankomponen yang disebut obyek , karakteristik obyek , ataubeberapa keterangan obyek . Logika predikat dapat
menggunakan variabel dan fungsi variabel di dalam pernyataanlogika simbolik. Dengan demikian. Logika simbolik dapat diterapkanuntuk pemecahan masalah-masalah praktis.
Dalam kalkulus predikat, suatu proposisi atau premis dibagimenjadi 2 bagian, yaitu:
- argumen (obyek), dan- predikat (keterangan / karakteristik)
Argumen adalah individu atau obyek yang membuat keterangan.Dalam bahasa Inggris, obyek dan individu merupakan kata benda
yang berfungsi sebagai subyek dan obyek suatu kalimat(sentence).
Dalam sebuah kalimat, predikat bisa berupa kata kerja ataubagian kata kerja. Untuk membuat suatu proposisi, keduanya(argumen dan predikat) digabungkan. Bentuk umumnya sebagaiberikut:
predikat (individu[obyek]_1, individu[obyek]_2)
Contoh:
1. Proposisi : Jhony mencintai Marry.Ekspresi kalkulus predikat : mencintai(Jhony, Mary).
Di sini,Mencintai -> produk (keterangan)
Jhony -> argumen (obyek)
Mary -> argumen (obyek)
2. Proposisi : Baju disimpan di lemari.
Ekspresi kalkulus predikat : disimpan_di(lemari, baju).
3. Proposisi : Mobil berada di dalam garasi.
Ekspresi kalkulus predikat : di_dalam(mobil, garasi).
Dalam banyak hal, predikat mungkin hanya mempunyai satuargumen saja.
Contoh:4. Proposisi : Pintu terbuka.
Ekspresi kalkulus predikat : buka(pintu).
5. Proposisi : Ban gembos.
Ekspresi kalkulus predikat : gembos(ban).
6. Proposisi : Krishna adalah seorang laki-laki.
Ekspresi kalkulus predikat : laki-laki(Krishna).
Argumen dapat juga berupa peubah (variable).
BY TONI KHALIMI, S.SI Hal. #6
5/10/2018 HO AI Representasi Pengetahuan_#6 & 7 - slidepdf.com
http://slidepdf.com/reader/full/ho-ai-representasi-pengetahuan6-7 7/14
A RTIFICIAL I NTELLIGENCE
Contoh:7. Proposisi : Jhony suka Marry.
Bila Jhony = x, dan Marry = y, maka ekspresi kalkulus
predikatnya : suka(x, y).
Dengan menggunakan peubah, basis pengetahuan dapatterbentuk. Pada contoh 7 di atas basis pengetahuannya ialahsuka(x, y), yang berarti “x suka y”. Pengetahuan diekspresikan
dalam kalkulus predikat yang bisa dimanipulasi agar menimbulkaninferensi.
Contoh:8. Proposisi : Jhony suka Marry
Ramona suka Marry
Misalkan Jhony = x, Marry = y, dan Ramona = z.
Maka ekspresi
Suka(x,y) dan tidak suka(z,y) implies tidak suka(x,z)menerangkan bahwa“Jika Jhony suka Marry dan Ramona tidak suka Mary, maka Jhony tidak suka Ramona”.
Pemberian nilai (assigning) nama individu atau obyek tertentukepada suatu peubah dinamakan instantiasi. Individu atau obyekitu menjadi suatu “instance” (contoh) variabel tersebut. Padacontoh 8 di atas, varibel untuk Jhony, Marry, dan Ramona adalah x,y, dan z.
Pengukuraan kuantitas (quantifier ) adalah simbol yangmengijinkan untuk menyatakan suatu rangkaian atau cakrawaladalam suatu ekspresi logika.Ada dua pengukuran kuantitas yang digunakan, yaitu:
- ukuran kuantitas universal.
Simbol yang digunakan ∀, berarti “untuk semua” atau “untuksetiap”. Simbol ini menyatakan bahwa ekspresi berlaku secarauniversal benar, yaitu untuk semua nilai.
Contoh:1. Semua orang Texas adalah warga negara Amerika
Serikat
Dengan quantifier ditulis
(∀x)[Orang Texas(x), warga negara AmerikaSerikat(x)]
- ukuran kuantitas eksistensial.
Simbol yang digunakan ∃ , berarti “terdapat” atau “ada”.
Contoh:2. Beberapa mobil berwarna merah
Dengan quantifier ditulis(∃x)[mobil(x)dan berwarna merah(x)]
Apa yang telah diuraikan pada bagian di atas merupakan suatu sistemuntuk mengekspresikan pengetahuan (berupa fakta-fakta) ke dalambentuk simbolik. Yang selanjutnya dilakukan adalah menggunakan
BY TONI KHALIMI, S.SI Hal. #7
5/10/2018 HO AI Representasi Pengetahuan_#6 & 7 - slidepdf.com
http://slidepdf.com/reader/full/ho-ai-representasi-pengetahuan6-7 8/14
A RTIFICIAL I NTELLIGENCE
simbol itu untuk membuat inferensi. Yakni bagaimana caramenggunakan pengetahuan itu untuk menjawab pertanyaan, menalar,atau menarik kesimpulan.
Berbagai kaidah digunakan untuk memanipulasi ekspresi logika dalam
rangka membuat ekspresi baru. Kaidah yang dimaksud diantaranyaadalah modus ponens, modul tollens, dan sillogisma. Apabila proposisiawal benar, maka – dengan langkah-langkah yang correct – akanmenghasilkan kesimpulan yang juga benar.
Pengetahuan prosedural dapat direpresentasikan dalam bentuk logikapredikat. Pernyataan a1, a2, a3, . . ., an -> B dapat dipandang
sebagai prosedur yang digunakan untuk menghasilkan keadaan yangmemenuhi kondisi B.
5.3.Jaringan Semantik (Semantic Network ) Jaringan semantik merupakan penggambaran grafis dari pengetahuanyang melibatkan hubungan antara obyek-obyek.
Obyek direpesentasikan sebagai simpul (node) pada suatu grafikberbentuk lingkaran dan hubungan antara obyek-obyek dan faktordeskriptif dinyatakan oleh garis penghubung (link ) atau garis lengkung(arch) berlabel.
Obyek dapat berupa jenis fisik , seperti: buku, mobil, meja, ataubahkan orang; merupakan pikiran, seperti: hukum Ohm; suatu
peristiwa/kejadian, seperti: piknik atau suatu pemilihan; atautindakan, seperti: membuat rumah atau menulis buku.
Atribut obyek , seperti: ukuran, warna, kelas, umur, asal-usul, ataukarakteristik lainnya bisa digunakan sebagai node. Dalam hal ini,informasi rinci tentang sesuatu obyek bisa ditampilkan dengan baik.
Contoh penerapan jaringan semantik yang mudah ditemui adalahstruktur kepegawaian dan garis keturunan.
Gambar 5.2. Jaringan semantik garis keturunan
BY TONI KHALIMI, S.SI Hal. #8
BUDISEKOLAH
pergi ke
WATI
p u n y a a n a k
ANAK LAKI-LAKI MANUSIA
PRIA
WANITA
IWAN
p u n y a i s t
r i
p u n y a
a n a k
adalah
adalah
a d a l a h
a d a l a h
adalah
a d a l a h
5/10/2018 HO AI Representasi Pengetahuan_#6 & 7 - slidepdf.com
http://slidepdf.com/reader/full/ho-ai-representasi-pengetahuan6-7 9/14
A RTIFICIAL I NTELLIGENCE
5.4.Skema (Scheme)Skema adalah metoda pengorganisasian, presentasi dan penggunaanpengetahuan tiruan (stereotype) agar komputer bisa menalar.
Pengetahuan tiruan merupakan pengetahuan yang sudah pasti dansudah dikenal dengan baik. Hal ini didasarkan kepada berbagaipenampilan, situasi, dan obyek-obyek khusus, seperti: pengalamanbiasa yang konvensional dan proses yang tak bervariasi.
Kita representasikan pengetahuan semacam itu ke dalam sistemskema. Ada dua jenis skema: skema kerangka / bingkai (frame), danskema naskah (script ).
5.4.1. Skema Kerangka / Bingkai (Frame)
Bingkai adalah blok-blok atau potongan-potongan yang berisipengetahuan mengenai obyek-obyek khusus, kejadian, lokasi,situasi ataupun elemen-elemen lainnya dengan ukuran yangrelatif besar.
Blok-blok ini menggambarkan obyek-obyek tersebut dengansangat rinci.
Detail diberikan dalam bentuk rak (slot ) yang menggambarkanberbagai atribut (attribute) dan karakteristik dari obyektersebut.
Sebuah slot dapat berisi nilai default , yaitu nilai yang sudahmelekat dan menjadi ciri dari suatu obyek. Misalnya bingkaipengetahuan slot mobil sedan, memiliki nilai untuk slot jumlahban otomatis 4 buah.
Sebuah slot juga dapat mempunyai nilai procedural attachment ,yaitu suatu nilai yang besarnya relatif. Akselerasi mesinmisalnya, mempunyai nilai yang relatif terhadap waktu.Contohnya akselerasi suatu mesin memiliki nilai 0 – 60 km/jamdalam waktu 4 detik. Dalam waktu 2 detik, mesin tersebut
memilki akselerasi yang berbeda.
Sebuah slot dapat berisi bingkai, dimana bingkai ini jugatersusun atas slot-slot. Misalnya slot mesin berisi sebuah bingkaimesin yang terdiri atas slot-slot rasio kompresi, sistempengapian, besarnya daya dan besarnya torsi.
BY TONI KHALIMI, S.SI Hal. #9
5/10/2018 HO AI Representasi Pengetahuan_#6 & 7 - slidepdf.com
http://slidepdf.com/reader/full/ho-ai-representasi-pengetahuan6-7 10/14
A RTIFICIAL I NTELLIGENCE
Gambar 5.3. Pengetahuan yang ditampilkan dalam hirarki bingkai yangmewariskan property tingkat bingkai pendahuluan.
Diperoleh kesimpulan,
BINGKAI MOBILKelas : TransportasiPabrik : AudiNegara asal : JermanModel : 5000 Turbo Tipe : SedanBerat : 3300 lb Jumlah roda : 4BINGKAI MESIN
Ukuran Silinder : 3.19 inchRasio Kompresi : 7.9 – 1 Tenaga : 140 HP
5.4.2. Naskah (Script )
BY TONI KHALIMI, S.SI Hal. #10
SPECIFICAUTOMOBILE FRAME(AUDI 5000 TURBO)
AUTO SLOTAUTO SLOT
GENERALCAR FRAMECAR SLOTCAR SLOT
MODE OF TRANSPORTATION
FRAME
ENGINE SLOTENGINE SLOT
ENGINEFRAME
5/10/2018 HO AI Representasi Pengetahuan_#6 & 7 - slidepdf.com
http://slidepdf.com/reader/full/ho-ai-representasi-pengetahuan6-7 11/14
A RTIFICIAL I NTELLIGENCE
Naskah menggambarkan urutan peristiwa. Naskah biasanyadirepresentasikan ke dalam konteks tertentu. Dalammenggambarkan urutan peristiwa, naskah menggunakanserangkaian slot yang berisi informasi tentang orang, obyek, dantindakan-tindakan yang terjadi dalam suatu peristiwa.
Beberapa elemen naskah yang tipikal meliputi: kondisimasukan (entry condition / descriptor ), jalur (track ),peran (role), pendukung ( prop), dan adegan (scene).
Kondisi masukan menggambarkan situasi (dunia sekitar) yangharus dipenuhi sebelum terjadi atau berlaku suatu peristiwayang ada dalam naskah agar skrip dapat dipanggil. Jalur mengacu kepada variasi yang mungkin terjadi dalamnaskah tertentu.Pendukung mengacu kepada obyek yang digunakan dalam
urutan peristiwa yang terjadi.Peran mengacu kepada orang-orang terlibat dalam naskah.Merupakan tindakan yang dilakukan oleh partisipan individual. Adegan merupakan kejadian yang menunjukkan aspek waktudari skrip, menggambarkan urutan peristiwa aktual yang terjadi.Dan akhirnya, hasil ( output ) adalah kondisi yang ada (faktayang benar) sesudah peristiwa dalam naskah berlangsung.
Gambaran naskah tipikal variasi restoran klasik sebagai contohrepresentasi pengetahuan dalam format naskah diberikansebagai berikut.
NASKAH RESTORAN
Jalur : Restoran swalayan (fast food )Peran : Tamu, PelayanPendukung : Counter, baki, makanan, uang,
serbet, garam, merica, kecap,sedotan, dll.
Kondisi Masukan : Tamu lapar – Tamu punya uang.
Adegan_1 : Masuk
Tamu parkir mobil Tamu masuk restoran
Tamu antri
Tamu baca menu dan mengambil keputusan tentangapa yang dipesan
Adegan_2 : Pesanan
Tamu memberikan pesanan kepada pelayan
Pelayan mengambil pesanan dan meletakkan makanandi atas baki
Tamu membayar
Adegan_3 : Makan
Tamu mengambil serbet, sedotan, garam, dll.
Tamu membawa baki makanan ke meja kosong
Tamu makan dengan cepat
BY TONI KHALIMI, S.SI Hal. #11
5/10/2018 HO AI Representasi Pengetahuan_#6 & 7 - slidepdf.com
http://slidepdf.com/reader/full/ho-ai-representasi-pengetahuan6-7 12/14
A RTIFICIAL I NTELLIGENCE
Adegan_3a (option ) : Membawa pulang
Tamu membawa makanan dan pulang
Adegan_4 : Pulang
Tamu membereskan meja
Tamu membuang sampah Tamu meninggalkan restoran
Tamu naik mobil dan pulang
Hasilnya
Tamu merasa kenyang
Uang tamu jadi berkurang
Tamu senang
Tamu kecewa
Tamu sakit perut
Pergi ke restoran merupakan situasi stereotype yang semuaelemennya seperti: kondisi masukan, hasil, pendukung, peran,dan adegan adalah sama. Tampak bahwa, naskah dapatmenggambarkan dengan akurat situsasi yang terjadi di hampirsemua restoran swalayan (cepat saji / fast food ). Adegan-adeganmerupakan naskah mini yang ada di dalam naskah utama yangmelukiskan berbagai upa-bagian dari seluruh proses.
Naskah sangat baik untuk meramalkan apa yang akan terjadi
dalam situasi tertentu. Walaupun peristiwa itu tidak pernahdiobservasi terlebih dahulu, tapi naskah dapat memberikankemungkinan kepada komputer untuk meramalkan apa yangakan terjadi, kepada siapa dan kapan. Bila kmputer bisa‘menembak’ naskah, maka pertanyaan apapun bisa diajukandan jawaban akurat akan keluar, walaupun komputer hanyadiberi sedikit input pengetahuan orisinil atau sama sekali tidakdiberi input apapun.
5.5.Sistem Produksi (Production System)Arti sistem produksi di sini hendaklah jangan dikacaukan denganmakna produksi seperti menggambarkan makna apa yang dilakukandi pabrik.Sistem produksi memiliki struktur seperti struktur proses pencarian(search).Sistem produksi menyediakan pengendalian berdasar pola dari prosespemecahan problema dan terdiri dari sekumpulan aturan produksi,memori aktif , dan kontrol mekanisme inferensi.
Kaidah/aturan produksi ( production method ). Ini
sering disebut produksi saja. Merupakan seperangkat aturan yangmasing-masing berisi pola sisi kiri (bagiankondisi/anteseden/premis) yang menentukan pemakaian aturantertentu, dan sisi kanan (bagian tindakan/konsekuen/konklusi) yangmenggambarkan tindakan yang harus dilakukan jika aturantertentu tersebut digunakan.
BY TONI KHALIMI, S.SI Hal. #12
5/10/2018 HO AI Representasi Pengetahuan_#6 & 7 - slidepdf.com
http://slidepdf.com/reader/full/ho-ai-representasi-pengetahuan6-7 13/14
A RTIFICIAL I NTELLIGENCE
Memori aktif . Berisi deskripsi keadaan semestapembicaran saat ini dalam proses penalaran. Merupakan satu ataulebih basis data (database) yang berisi informasi tentang tugas-tugas khusus. Beberapa bagian basis data mungkin bersifatpermanen, sedangkan yang lain hanya berisi solusi problema yang
sedang dihadapi saat ini. Informasi yang terdapat di dalam basisdata tersebut mungkin terstruktur dengan cara tertentu.
Kontrol mekanisme inferensi. Suatu strategipengendalian (controlling strategy ) yang menentukan urutanpembandingan suatu aturan dengan basis data dan caramenyelesaikan suatu konflik yang muncul bila beberapa aturansaling bertumbukan pada saat yang bersamaan. Proses berakhirbila tak ada kondisi aturan yang cocok dengan isi memori aktif.
Pada bagian kondisi (kiri) merupakan pernyataan dengan awalan if,
sedangkan bagian tindakan (kanan) merupakan pernyataan denganawalan then.
Contoh kaidah tipikal :▪ If harga stok turun di bawah Rp 1 juta, then beli 100 saham.
▪ If suhu lebih dari 30 °C, then hidupkan alat pendingin.
▪ If berada di bawah garis belakang lawan and bola berada di garis
30 meter dari gawang, then bikinlah ruang untuk mencetak gol.
▪ If pelamar itu wanita berusia tidak lebih dari 25 tahun or pelamar
itu lulusan perguruan tinggi komputer, then bisa diterima sebagai
karyawan.
Contoh sebuah sistem produksi adalah teka-teki 8 berikut.
Keadaan awal
2 8 3
1 6 4
7 5
Keadaan tujuan2 8 3
1 6 4
7 5
Himpunan kaidah produksi:
Kondisi Tindakan
keadaan tujuan dl memoriaktif
→ diam saja
blank tidak berada di tepiatas
→ gerakan blank keatas
blank tidak berada di tepibawah
→ gerakan blank kebawah
blank tidak berada di tepikanan
→ gerakan blank kekanan
blank tidak berada di tepi → gerakan blank ke kiri
BY TONI KHALIMI, S.SI Hal. #13
5/10/2018 HO AI Representasi Pengetahuan_#6 & 7 - slidepdf.com
http://slidepdf.com/reader/full/ho-ai-representasi-pengetahuan6-7 14/14
A RTIFICIAL I NTELLIGENCE
kiri
Memori aktif adalah keadaan papan saat ini dan keadaan tujuan.
Pengendalian:
1. Mencoba setiap produksi secara urut.2. Loop tidak diperkenankan.3. Hentikan bila tujuan telah ditemukan.
BY TONI KHALIMI, S.SI Hal. #14