Representasi Pengetahuan dan Penalaran

Representasi Pengetahuan dan
Penalaran
PENGETAHUAN
 Pengetahuan (knowledge) adalah pemahaman secara praktis maupun teoritis terhadap
suatu obyek atau domain tertentu.
 Pengetahuan merupakan hal yang penting dalam sistem pakar, meurut teori klasik Wirth
(Giarratano dan Riley,2005) dituliskan sebagai berikut:
Algoritma + Struktur Data = Program
Pengetahuan + Inferensi = Sistem Pakar
 Hirarki pengetahuan
 Noise adalah sesuatu item yang tidak memiliki maksud (tidak ada artinya). Data adalah
item yang memiliki makna potensial. Informasi adalah hasil pengolahan data.
Pengetahuan adalah sekumpulan informasi dalam domain tertentu. Meta-knowledge
adalah pengetahuan tentang pengetahuan dan keahlian.
 Keahlian atau kepakaran adalah pemahaman yang luas dari tugas/pengetahuan spesifik
yang diperoleh dari hasil pembelajaran, pelatihan, pembacaan, dan dari pengalaman.
Pengetahuan dapat digolongkan menjadi 3 kategori yaitu pengetahuan deklaratif,
pengetahuan prosedural, dan pengetahuan tacit.
 Pengetahuan deklaratif terkait dengan nilai kebenaran, apakah sesuatu itu bernilai
salah atau benar serta mengacu pada fakta dan assersi serta diasosiasikan/dihubungkan
dengan apa yang terlibat dalam pemecahan masalah.
 Pengetahuan prosedural terkait dengan bagaimana melakukan sesuatu serta mengacu
pada serangkaian tindakan dan konsekuensinya serta diasosiasikan dengan bagaimana
menerapkan strategi atau prosedur penggunaan pengetahuan yang tepat untuk
memecahkan masalah.
 Pengetahuan tacit adalah sesuatu yang kita ketahui dan alami, namun sulit untuk
diungkapkan secara jelas dan lengkap.
Explicit knowledge adalah hasil pengetahuan yang telah berwujud, misalnya buku, laporan
penelitian, jurnal desertasi, tesis, skripsi, tugas akhir, media cetak dan semacamnya serta
tacit knowledge.
MODEL REPRESENTASI PENGETAHUAN
 Representasi pengetahuan dimaksudkan untuk mengorganisasikan pengetahuan dalam
bentuk dan format tertentu untuk bisa dimengerti oleh komputer.
 Beberapa model representasi pengetahuan:
1.
2.
3.
4.
Jaringan semantik (Semantic Rule)
Bingkai (Frame)
Kaidah produksi (Production Rule)
Logika predikat (Predicate Logic)
JARINGAN SEMANTIK
 Jaringan semantik adalah teknik representasi pengetahuan untuk informasi
proporsional, sedangkan informasi proporsional adalah pernyataan yang mempunyai
nilai benar atau salah.
 Representasi jaringan semantik merupakan penggambaran grafis dari pengetahuan yang
memeperlihatkan hubungan hirarkis dari obyek-obyek.
 Komponen dasarnya adalah simpul (node) yang merepresentasikan obyek, dan
hubungan antar obyek dinyatakan dengan penghubung (link) yang diberi label untuk
menyatakan hubungannya.
 Contoh:
BINGKAI
 Bingkai berupa kumpulan slot-slot yang berisi atribut untuk mendeskripsikan
pengetahuan.
 Pengetahuan yang termuat dapat berupa kejadian, lokasi, situasi ataupun elemenelemen lainnya.
 Contoh:
bingkai sepeda motor
Slots
Fillers
Nama
Sepeda motor
Spesialisasi
Produk
Jenis kendaraan beroda dua
Honda, Yamaha, Kawasaki, Suzuki, Ducati
Bahan bakar
Bensin
bingkai sepeda motor Honda
Slots
Fillers
Nama
Honda
Spesialisasi dari
Type
Produk sepeda motor
Vario, Revo, Supra, Karisma, Scoopy
Buatan
Bensin
Kaidah Produksi
 Kaidah menyediakan cara formal untuk merepresentasikan rekomendasi, arahan, atau
strategi.
 Ditulliskan dalam bentuk IF-THEN
 Berbagai struktur kaidah if-then yang menghubungkan obyek atau atribut sebagai
berikut (Adedeji, 1992):
IF
IF
IF
IF
IF
IF
IF
IF
IF
premis THEN konklusi
masukan THEN keluaran
kondisi THEN tindakan
anteseden THEN konsekuen
data THEN hasil
tindakan THEN tujuan
aksi THEN reaksi
sebab THEN akibat
gejala THEN diagnosa
 Untuk dapat membuat kaidah produksi, terlebih dahulu menyajikan pengetahuan dalam
bentuk tabel keputusan (decision table) lalu dibuat pohon keputusan (decision tree).
 Contoh:
Kondisi 1
Kondisi 2
Kondisi 3
Goal 1

Goal 2


