ARTIFICIAL INTELLIGENCE

Andri Pranolo

� W : apranolo.tif.uad.ac.id

� M : 081392554050

� E : andri.pranolo@tif.uad.ac.id

Informatics Engineering, Universitas Ahmad Dahlan, Yogyakarta - 2015

Team teaching: Sri Winiarti, Andri Pranolo, dan Anna Hendri SJ

POKOK BAHASAN1. Masalah, Ruang Keadaan, dan

Pencarian

2. Refresentasi Pengetahuan

3. Metode Inferensi

4. Penalaran (Penentuan Ketidakpastian dan Keyakinan)

5. Sistem Pakar

6. Pengolahan Bahasa Alami

7. Jaringan Syaraf Tiruan

8. Logika Fuzzy

9. Algoritma Genetika

15 OKTOBER 2015

Pokok Bahasan :

Representasi Pengetahuan

Outcome:

Mahasiswa memahami representasi pengetahuan yang umum

digunakan dalam Kecerdasan Buatan

Referensi:

[1] Kusumadewi, S. Artificial Intelligence: Teknik dan Aplikasinya,

Graha Ilmu, Yogyakarta, 2003

[2] Komputer Masa Depan, Pengenalan Artificial Intelligence,

Suparman & Marlan, Andi Offset, 2007

[3] Konsep Kecerdasan Buatan: Anita Desiani & Muhammad

Arhami, Andi Offset, 2006

[4] Artificial Intelligence, Searching, Reasoning, Planning, and

Learning, Suyanto, Penerbit Informatika, 2007

[5] Bahan-bahan dari Internet

1. REPRESENTASI

� Representasi secara umum:

Deskripsi Dunia ideal (tidak hanya sekedar simbolik)

� Simbolis Representasi internal:

memerlukan bahasa simbol yang umum, di mana kita

dapat mengekspresikan dan memanipulasi proposisi

tentang dunia

� Pilihan bagus

untuk representasi simbolik dengan bahasa logika

Namun, beberapa persiapan harus dibuat ...

2. PENGETAHUAN

� Definisi umum : fakta atau kondisi sesuatu

atau keadaan yang timbul karena suatu

pengalaman.� Diklasifikasikan menjadi 3

� Procedural Knowledge

� Declarative Knowledge

� Tacit Knowledge

2.1. Procedural knowledge : 2.1. Procedural knowledge : 2.1. Procedural knowledge : 2.1. Procedural knowledge : Bagaimana melakukan sesuatu

� Bagaimana mendidihkan air dalam mangkok

� Bagaimana memasak mie instan

� Bagaimana menjalankan mobil

2.2. Declarative knowledge : 2.2. Declarative knowledge : 2.2. Declarative knowledge : 2.2. Declarative knowledge : Mengetahui sesuatu itu benar atau

salah

� Fakultas Teknologi Industri mempunyai 4 program studi.

� Dekan Fakultas Teknologi Informasi adalah Kartika

Firdausy, S.T, M.T.

2.3. Tacit knowledge : 2.3. Tacit knowledge : 2.3. Tacit knowledge : 2.3. Tacit knowledge : Tidak dapat diungkapkan dengan bahasa

� Bagaimana kita menggerakkan tangan

� Bagaimana memejamkan mata

3. REPRESENTASI PENGETAHUAN

� Metode yang digunakan untuk mengodekan pengetahuan

dalam sebuah sistem cerdas (ex. sistem pakar)

� Dimaksudkan untuk

� Menangkap sifat-sifat penting problema

� Membuat informasi itu dapat diakses oleh prosedur

pemecahan problema

� Karakteristik representasi pengetahuan

� Dapat diprogram dengan bahasa komputer dan disimpan dalam memori

� Fakta dan pengetahuan lain yang terkandung di dalamnya dapat digunakan untuk melakukan penalaran

� Bagaimana merepresentasikan pengetahuan ke dalam basis pengetahuan dan menguji kebenaran penalaran

� Cara-cara lama:

� List, digunakan pada LISP

� Predicate Calculus, digunakan pada Prolog

� Tree, untuk heuristic search

� Harus terdiri dari struktur data dan prosedur untuk penafsiran

� 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

4. PENGGUNAAN PENGETAHUAN

� AcuisitionAcuisitionAcuisitionAcuisition: mengintegrasikan informasi baru kedalam pengetahuan sistem.

� Dua level:

� Menyusun fakta ke dalam database

� Pembuatan fungsi untuk mengintegrasikannya dengan cara “belajar dan mengadaptasikannya” terlebih dahulu

� RetrievalRetrievalRetrievalRetrieval: mengingat kembali, menyusun ulang pengetahuan berdasarkan hubungan pengetahuan terhadap masalah

� Linking: mengekstrak informasi baru tersebut

� Lumping: mengelompokkan hasil ekstraksi pengetahuan baru tersebut kedalam struktur yang lebih besar seperti yang dibutuhkan dalam menyelesaikan masalah

� ReasoningReasoningReasoningReasoning: pengetahuan digunakan untuk menalar suatu permasalahan

� Formal reasoning: menggunakan logika proporsional

� Procedural reasoning: menggunakan aturan produksi ( IF-THEN)

� Analogical reasoning: sangat sulit

5. MODEL/TEKNIK REPRESENTASI PENGETAHUAN

� Pengetahuan dapat direpresentasikan dalam bentuk yang sederhana atau kompleks, tergantung dari masalahnya. (Schnupp, 1989)

� Beberapa model/teknik representasi pengetahuan

1. Logika (logic)

2. List

3. Jaringan semantik (semantic nets)

4. Bingkai (frame)

5. Tabel Keputusan (decision table)

6. Graph/Pohon Keputusan (decision tree)

7. Kaidah/aturan produksi (production rule)

8. Naskah (script)

� Klasifikasi kategori representasi pengatahuan menurut Mylopoulus dan Levesque:

� Representasi LogikaRepresentasi LogikaRepresentasi LogikaRepresentasi Logika: menggunakan logika formal. Digunakan pada PROLOG

� Representasi ProseduralRepresentasi ProseduralRepresentasi ProseduralRepresentasi Prosedural: menggambarkan prosedur sebagai kumpulan instruksi untuk memecahkan masalah. Digunakan dalam pemrograman: IF-THEN

� Representasi NetworkRepresentasi NetworkRepresentasi NetworkRepresentasi Network: menggambarkan pengetahuan sebagai Graph dan Tree

� Representasi TerstrukturRepresentasi TerstrukturRepresentasi TerstrukturRepresentasi Terstruktur: memperluas konsep Representsi Network dengan membuat node-nodenya menjadi struktur data yang kompleks. Contoh: script, frame, dan object

MODEL/TEKNIK

REPRESENTASI PENGETAHUAN

5.1. LOGIKA

� Adalah representasi pengetahuan yang paling tua.

� Proses menarik kesimpulan dari fakta yang sudah ada

� Input: premis-premis dan Ouput: kesimpulan

� Terdiri dari: sintaks (simbol), semantik (fakta), dan proses pengambilan keputusan (inferensi)

� Proses penalaran:� Deduktif (umum-khusus)

� Induktif (khusus-umum)

� Logika (disebut logika komputasional):� Logika Preposisi: and, or, not, implikasi, dan ekuivalensi

� Logika Predikat: representasi fakta dalam bentuk well formed formula

� Lihat dibuku Artificial IntelligenceArtificial IntelligenceArtificial IntelligenceArtificial Intelligence (Sri Kusuma Dewi)

14

� Suatu pengkajian ilmiah tentang serangkaian

penalaran, sistem kaidah, dan prosedur yang

membantu penalaran.

� Komputer harus dapat menggunakan proses penalaran

deduktif dan induktif ke dalam bentuk yang sesuai

dengan manipulasi komputer, yaitu logika simbolik atau

matematika

15

5.1.1 PENALARAN DEDUKTIF

� Bergerak dari penalaran umum menuju ke konklusi khusus

� Atau pernyataan premis dan inferensi

� Premis Mayor

� Premis Minor

� Konklusi

� Contoh

� Premis mayorPremis mayorPremis mayorPremis mayor :::: Jika hujan turun saya tidak akan kuliah

� Premis minor : Premis minor : Premis minor : Premis minor : Pagi ini hujan turun

� Konklusi : Konklusi : Konklusi : Konklusi : Oleh karena itu pagi ini saya tidak akan kuliah

16

5.1.2 PENALARAN INDUKTIF

� Bergerak dari masalah khusus ke masalah umum

� Menggunakan sejumlah fakta atau premis yang mantap untuk

menarik kesimpulan umum

� Contoh

� Premis 1 : Premis 1 : Premis 1 : Premis 1 : Aljabar adalah pelajaran yang sulit

� Premis 2 : Premis 2 : Premis 2 : Premis 2 : Geometri adalah pelajaran yang sulit

� Premis 3 : Premis 3 : Premis 3 : Premis 3 : Kalkulus adalah pelajaran yang sulit

� Konklusi :Konklusi :Konklusi :Konklusi : Matematika adalah pelajaran yang sulit

�Konklusi tidak selalu mutlak, dapat berubah jika ditemukan

fakta baru

�Contoh

� Premis 4 : Premis 4 : Premis 4 : Premis 4 : AI adalah pelajaran yang sulit

5.1.3 LOGIC: PROPOSITION LOGIC

P Q P AND Q

T T T

T F F

F T F

F F F

P Q P Q

T T T

T F F

F T T

F F T

P Q P OR Q

T T T

T F T

F T T

F F F

P Q P Q

T T T

T F F

F T F

F F T

⇔→

18

5.2. LIST

� Struktur sederhana untuk representasi pengetahuan

� Daftar dari rangkaian materi yang terkait

� List digunakan untuk objek yang dikelompokkan,

dikategorikan atau digabungkan

19

5.3. TREE / POHON

� Struktur sederhana untuk representasi pengetahuan

� Merupakan struktur grafik hirarki

20

5.4. JARINGAN SEMANTIK

� Struktur sederhana untuk representasi pengetahuan grafis yang menunjukkan hubungan antar berbagai objek

21

5.5. FRAME

� Frame � kumpulan pengetahuan tentang suatu objek tertentu, peristiwa, lokasi, situasi, berdasarkan pengalaman

� Frame � memiliki slot yang menggambarkan rincian (atribut) dan karakteristik objek.

� Hirarki Frame � susunan hirarki dari frame mengijinkan pewarisan frame

22

HIRARKI FRAME

23

HIRARKI FRAME

24

5.6 TABEL KEPUTUSAN (DECISION TABLE)

� Tabel keputusan � dalam format tabel� Tabel dibagi 2 � bagian pertama untuk atribut & bagian

kedua untuk nilai & kesimpulan

25

5.7. POHON KEPUTUSAN (DECISION TREE)

� Pohon keputusan � mudah dikonversi ke dalam bentuk aturan (rule)

Contoh : Gejala Utama : Daun Menguning (GU1)

NoNoNoNo PenyakitPenyakitPenyakitPenyakitGejalaGejalaGejalaGejala pendukungpendukungpendukungpendukung Tanda

G1 G2 G3 G4 G5 G6 G7 G8 G9 G10 T1 T2 T3

1.1.1.1. Embun tepung

2.2.2.2. Damping off

3.3.3.3. Embun Jelaga

4.4.4.4. Karat puru

5.5.5.5. Antraknosa

6.6.6.6. Busuk akar x x x x x x

7.7.7.7. Madu x x x x X

8.8.8.8. Kanker

Kaidah 1.Kaidah 1.Kaidah 1.Kaidah 1. IFIFIFIF daun menguning ANDANDANDAND daun pucat ANDANDANDAND daun rontok ANDANDANDAND layu ANDANDANDAND

terdapat tubuh buah ANDANDANDAND terdapat miselium ANDANDANDAND terdapat spora THENTHENTHENTHEN busuk akar

Kaidah 2.Kaidah 2.Kaidah 2.Kaidah 2. IFIFIFIF daun menguning ANDANDANDAND daun pucat ANDANDANDAND daun rontok ANDANDANDAND layu ANDANDANDAND

terdapat miselium ANDANDANDAND terdapat spora THENTHENTHENTHENmadu

5.8. SCRIPT

� Mirip dengan frame, merepresentasikan pengetahuan berdasarkan pengalaman-pengalaman

� Frame menggambarkan obyek, sedangkan script menggambarkan urutan peristiwa

� Elemen script:� Kondisi input: start, awal

� Track: variasi yang mungkin terjadi

� Prop: obyek pendukung

� Role: peran yang dimainkan oleh suatu obyek

� Scence: adegan yang terjadi

� Hasil (result): kondisi akhir yang terjadi

28

NASKAH (SCRIPT)

� Naskah � sama dengan frame, bedanya menggambarkan urutan peristiwa

� Elemen script meliputi :1. Kondisi input � kondisi yang harus dipenuhi

2. Track � variasi yang mungkin terjadi

3. Prop � berisi objek-objek pendukung

4. Role � peran yang dimainkan oleh seseorang

5. Scene � adegan yang dimainkan

6. Hasil �kondisi yang ada setelah urutan peristiwa dalam script terjadi.

29

CONTOH NASKAH (SCRIPT)

� Berikut ini adalah contoh script kejadian yang ada di “Ujian Akhir”

� Jalur (track) : ujian tertulis matakuliah Kecerdasan Buatan

� Role (peran) : mahasiswa, pengawas

� Prop (pendukung) : lembar soal, lembar jawab, presensi, pena, dll

� Kondisi input : mahasiswa terdaftar untuk mengikuti ujian � Adegan (scene) -1 : Persiapan pengawas

� Pengawas menyiapkan lembar soal

� Pengawas menyiapkan lembar jawab

� Pengawas menyiapkan lembar presensi

� Adegan-2 : Mahasiswa masuk ruangan

� Pengawas mempersilahkan mahasiswa masuk

� Pengawas membagikan lembar soal

� Pengawas membagikan lembar jawab

� Pengawas memimpin doa

30

� Adegan – 3 : Mahasiswa mengerjakan soal ujian

� Mahasiswa menuliskan identitas di lembar jawab

� Mahasiswa menandatangai lembar jawab

� Mahasiswa mengerjakan soal

� Mahasiswa mengecek jawaban

� Adegan – 4 : Mahasiswa telah selesai ujian

� Pengawas mempersilahkan mahasiswa keluar ruangan

� Mahasiswa mengumpulkan kembali lembar jawab

� Mahasiswa keluar ruangan

31

� Adegan – 5 : Mahasiswa mengemasi lembar jawab

� Pengawas mengurutkan lembar jawab

� Pengawas mengecek lembar jawab dan presensi

� Pengawas meninggalkan ruangan

� Hasil :

� Mahasiswa merasa senang dan lega

� Mahasiswa merasa kecewa

� Mahasiswa pusing

� Mahasiswa memaki – maki

� Mahasiswa sangat bersyukur

SCHEMAS: SCRIPTS

5.9. ATURAN PRODUKSI

� Paling populer (sejak tahun 1943-Post, 1957-Chomsky, 1972-Alan Newell)

� Terdiri dari antecedent/premis/situasi dan konsekuen/kesimpulan/tindakan

� Digambarkan dalam IF-THEN rules

� Digunakan pada Sistem Pakar

� Contoh: � IF temp > 30 C THEN hidupkan AC

� IF permintaan meningkat AND persediaan menipis THEN pemesanan barang

� IF pelamar <= 25 OR lulusan komputer THEN bisa diterima menjadi pegawai

� Memiliki 3 elemen:

�Global Database: mulai dari matriks sederhana, list, atau basis data untuk menyimpan aturan produksi dan memory kerja

� Aturan Produksi: berisi aturan IF-THEN

� Sistem Kontrol: program pengkontrol urutan mana aturan kaidah-kaidah produksi yang harus dipilih dan menyelesaikan konflik pada saat pemilihan

35

2 metode penalaran yang menggunakan aturan :� Forward Reasoning (penalaran maju)

� Pelacakan dimulai dari keadaan awal (informasi atau fakta yang ada) dan kemudian dicoba untuk mencocokkan dengan tujuan yang diharapkan

� Gunakan jika jumlah keadaan awal lebih kecil daripada tujuan & kejadian itu berupa fakta baru

� Backward Reasoning (Penalaran mundur)� Penalaran dimulai dari tujuan atau hipotesa,

baru dicocokkan dengan keadaan awal atau fakta-fakta yang ada.

� Jika jumlah keadaan awal lebih banyak daripada tujuan

� Jika kejadian itu berupa query

36

CONTOH FORWARD REASONING

� R1 : IF suku bunga turun THEN harga obligasi naik

� R2 : IF suku bunga naik THEN harga obligasi turun

� R3 : IF suku bunga tidak berubah THEN harga obligasi tidak berubah

� R4 : IF dolar naik THEN suku bunga turun

� R5 : IF dolar turun THEN suku bunga naik

� R6 : IF harga obligasi turun THEN beli obligasi

� Apabila diketahui bahwa dolar turun, apa keputusan yang diambil, apakah akan membeli obligasi atau tidak

� Forward ReasoningForward ReasoningForward ReasoningForward Reasoning ::::� Dari fakta dolar turun,

� berdasarkan Rule 5, diperoleh konklusi suku bunga naik.

� Dari Rule 2, suku bunga naik menyebabkan harga obligasi turun.

� Dengan Rule 6, jika harga obligasi turun, maka kesimpulan yang diambil adalah membeli obligasi.

37

CONTOH BACKWARD REASONING

� R1 : IF suku bunga turun THEN harga obligasi naik

� R2 : IF suku bunga naik THEN harga obligasi turun

� R3 : IF suku bunga tidak berubah THEN harga obligasi tidak berubah

� R4 : IF dolar naik THEN suku bunga turun

� R5 : IF dolar turun THEN suku bunga naik

� R6 : IF harga obligasi turun THEN beli obligasi

� Apabila diketahui bahwa dolar turun, apa keputusan yang diambil, apakah akan membeli obligasi atau tidak

� Backward ReasoningBackward ReasoningBackward ReasoningBackward Reasoning ::::� Dari solusi yaitu membeli obligasi

� dengan menggunakan Rule 6 diperoleh anteseden harga obligasi turun

� Dari Rule 2 dibuktikan harga obligasi turun bernilai benar jika suku bunga naik bernilai benar .

� Dari Rule 5 suku bunga naik memang bernilai benar karena diketahui fakta dolar turun.

RESOLUSI KONFLIK

� Urutkan aturan berdasarkan prioritas,

kemudian pilih aturan pertama yang memiliki

prioritas tertinggi

� Pilih aturan yang paling strict (ketat)

� Pilih aturan yang paling sering digunakan

� Pilih aturan yang paling akhir dimasukkan di

dalam sistem

� Pilih semua aturan yang memungkinkan

METODE PENALARAN

� Forward reasoning (data driven): dimulai dari

keadaan awal (dari fakta), kemudian menuju ke

arah kesimpulan / tujuan

� Backward reasoning (goal driven): dimulai dari

tujuan / hipotesa baru dicocokkan dengan

keadaan awal / fakta-fakta

ALASAN PEMILIHAN METODE

� Tergantung dari banyaknya keadaan awal dan

tujuan.

� Jika jml awal lebih kecil dari tujuan gunakan

penalaran maju.

� Jika jml tujuan lebih banyak dari awal, gunakan

penalaran mundur