Makalah

SISTEM BERBASIS PENGETAHUAN (SBP)

“REPRESENTASI PEGETAHUAN”

Disusun oleh :

Kelompok : 3

Nama kelompok :

1. Devi Natalia (10.1.03.02.0145)

2. Devi Ratnasari (10.1.03.02.0146)

3. Doni Salmunniarto (10.1.03.02.0160)

4. Eka Desi Ratnasari (10.1.03.02.0169)

5. Eko Teddy Kurniawan (10.1.03.02.0173)

6. Fathul Amin (10.1.03.02.0190)

7. Fatimah Wulan Sari (10.1.03.02.0191)

8. Henky Dwi Trisdiantoro (10.1.03.02.0216)

9. Sukma Pristiani (10.1.03.02.0429)

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS TEKNIK

UNIVERSITAS NUSANTARA PGRI KEDIRI

2013

Kata Pengantar

Puji syukur kami panjatkan kehadirat Alloh SWT yang telah melimpahkan rahmat-

Nya sehingga kami dpat menyelesaikan makalah ini dengan baik.

Makalah tentang “Representasi Pengetahuan” ini disusun untuk memenihi tugas

Sistem Berbasis Pengetahuan (SBP) yang berisikan meteri tentang Representasi

Pengetahuan.

Kami berharap makalah ini dapat berguna untuk memacu mahasiswa dalam meraih

prestasi yang maksimal. Makalah ini tentu masih memiliki banyak kekurangan. Oleh

karena itu, saran maupun kritikan yang membangun sangat kami harapkan untuk

penyempurnaan dalam pembuatan makalah berikutnya.

Kediri, 22 Maret 2013

Penulis

1

DAFTAR ISI

COVER

KATA PENGANTAR ................................................................................................... i

DAFTAR ISI .................................................................................................................. ii

BAB I PENDAHULUAN

1.1 Latar Belakang ..................................................................................... 1

1.2 Rumusan Masalah ................................................................................ 1

1.3 Tujuan .................................................................................................. 1

BAB II REPRESENTASI PENGETAHUAN

2.1 Pengertian Representasi Pengetahuan ................................................. 2

2.2 Klasifikasi Representasi Pengetahuan ................................................ 3

2.3 Logika ................................................................................................ 3

2.4 Pohon .................................................................................................. 13

2.5 Jaringan Simantik ................................................................................. 14

2.6 Frame ................................................................................................... 16

2.7 Script .................................................................................................... 17

2.8 Sistem Produksi (Production Rule) ...................................................... 20

2.9 Keuntungan Represenatasi Pengetahuan ............................................. 22

BAB III PENUTUP

1.1 Kesimpulan .......................................................................................... 24

1.2 Saran .................................................................................................... 24

DAFTAR PUSTAKA .................................................................................................... 25

2

BAB I

PENDAHULUAN

1.1. Latar Belakang

Basis pengetahuan dan kemampuan melakukan penalaran

merupakan bagian terpenting dari sistem yang menggunakkan

kecerdasan buatan. Sistem berbasis pengetahuan (SBP) atau

Knowledge-Bases System adalah sistem yang melakukan sebuah

tugas dengan menggunakan aturan-aturan yang diubah ke sebuah

representasi simbolik pengetahuan dan juga memakai banyak

metode algoritmik atau statistik.

Basis pengetahuan berisi struktur data yang dapat

dimanipulasi oleh suatu sistem inferensi yang menggunakan

pencarian dan teknik pencocokan pola pada basis pengetahuan

yang bermanfaat untuk menjawab pertanyaan, menggambarkan

kesimpulan atau bentuk lainnya sebagai fungsi kecerdasan. Dalam

menyelesaikan masalah harus dibutuhkan pengetahuan yang cukup

dan sistem yang memiliki kemampuan untuk menalar. Basis

pengetahuan dan kemampuan untuk melakukan penalaran

merupakan terpenting dalam sistem yang menggunakkan

kecerdasan buatan.

1.2. Rumusan Masalah

Apakah yang dimaksud bengan representasi pengetahuan ?

Bagaimana karakteristik dari representasi pengetahuan?

Apa saja klasifikasi dalam representasi pengetahuan ?

Apa keuntungan menggunakan representasi pengetahuan ?

1.3. Tujuan

Agar pembaca dapat mengerti tentang representasi

pengetahuan.

Agar pembaca mengetahui klasifikasi representasi

pengetahuan dan perbedaan setiap klasifikasinya.

1

Agar pembaca mengetahui tentang keuntungan menggunakan

representasi pengetahuan.

BAB II

REPRESENTASI PENGETAHUAN

2.1. Pengertian Representasi Pengetahuan

Dalam menyelesaikan masalah tentu membutuhakan

pengetahuan-pengetahuan yang cukup. Selain itu sistem harus

biasa menalarkan. Representasi pengetahuan dan kemampuan

untuk melakukan penalaran dalam bidang kecerdasan buatan

merupakan hal yang penting. Meskipun suatu sistem memiliki

banyak pengetahuan, namun jika tidak memiliki kemampuan untuk

menalar akan percuma. Sebaliknya jika siste memiliki kemampuan

yang handal untuk menalar tapi basis pengetahuan yang dimiliki

tidak cukup, maka solusi yang diperolehnya menjadi tidak maksimal.

Representasi pengetahuan adalah proses bagaimana

pengatahuan direpresentasikan untuk membentuk basis

pengetahuan. Dapat juga diartikan sebagai suatu proses untuk

menangkap sifat-sifat penting problem dan membuat informasi

tersebut dapat diakses oleh prosedur pemecah masala. Bahasa

representasi harus dapat membuat seorang programer mampu

mengekspresikan pengetahuan yang diperlukan untuk mendapatkan

solusi permasalahan.

Karakteristik representasi pengetahuan antara lain yaitu :

Dapat di program dengan bahasa komputer dan dapat

disimpan dalam memori.

Fakta dan pengetahuan lain yang terkandung di

dalamnya dapat digunakan untuk melakukan penalaran.

2

Hal-hal yang berhubungan dengan representasi pengetahuan

antara lain :

Object pengetahuan itu sendiri.

Event yaitu kejadian-kejadian dalam dunia nyata dan

hubunganya.

Performa yaitu bagaimana melakukan suatu tugas

tertentu.

Meta knowledge yaitu pengetahuan tentang

pengetahuan yang direpresentasikan.

Representasi yang baik harus :

Mengemukakan hal secara eksplisit

Membuat masalah menjadi transparan

Komplit dan efisien

Menampilkan batasan-batasan alami yang ada

Menekankan / menghilangkan detil-detil yang diperlukan

Dapat dilakukan komputasi ( ada batasan / konstraint )

2.2. Klasifikasi Representasi Pengetahuan

Representasi pengetahuan diklasifikasikan menjadi 4 kategori

yaitu :

Representasi logika yaitu representasi yang

menggunakan ekspresi-ekspresi dalam logika formal

untuk mempresentasikan basis pengetahuan.

Representasi prosedural yaitu representasi yang

menggambarkan pengetahuan sebagai kumpulan

intruksi untuk memecahkan suatu problema.

Representasi network yaitu representasi yang

menangkap pengetahuan sebagai sebuah graf dimana

simpul-simpulnya mengambarkan objek atau konsep

dari problema yang dihadapi, sedangkan edgednya

mengggambarkan hubungan atau asosiasi antara

mereka.

Representasi terstruktur yaitu representasi yang

terstruktur memperluas network dengan cara membuat

3

Proses LogikaInput : Premis, Fakta Output : Inferensi, Konklusi

setiap simpulnya menjadi sebuah struktur data

kompleks.

2.3. Logika

Logika adalah betntuk representasi pengetahuan yang paling

tua. Pada dasarnya proses logika adalah proses membentuk

kesimpulan atau menarik inferensi berdasarkan fakta yang ada.

Input dari proses logika berpa premis atau fakta yang diakui

kebenaranya sehingga dengan melakukan penalaran pada proses

logika dapat dibentuk suatu inferensi atau kesimpulan yang benar

pula.

Ada dua penalaran yag dapat dilakukan untuk mendapatkan

konklusi yaitu :

1. Penalaran deduktif yaitu penalaran yang dimulai dari

prinsip umum untuk mendapatkan konkusi yang lebih

khusus.

Contoh :

Premis mayor : Jika hujan turun saya tidak akan

berangkat kuliah

Premis minor : Hari ini turun hujan

Konklusi: Hari ini saya tidak akan berangkat kuliah

2. Penalaran induktif yaitu penalaran yang dimuulai dari

fakta-fakta khusus untuk mendapatkan kesimpulan

umum.

Contoh :

Premis-1 : Aljabar adalah pelajaran yang sulit

Premis-2 : Geomatri adalah pelajaran yang sulit

Premis-3 : Kalkulus adalah pelajaran yang sulit

Konklusi: Matematika adalah pelajaran yang sulit

Pada representasi logika terdapat dua metode yaitu :

4

1. Logika Proposisi

2. Logika Predikat

A. Logika Proposisi

Preposisi adalah suatu pernyataan yang dapat bernilai

benar (B) atau salah (S). Simbol-simbol seperti P dan Q

meunjukkan proposisi. Dua atau lebih proposisi dapat

digabungkan dengan operalor logika yaitu :

a. Konjungsi : (and)

b. Operator And digunakkan untuk mengkombinasikan 2

preposisi. Hasil yang diperoleh akan bernilai benar jika

kedua preposisi bernilai benar, dan akan salah jika salah

satu dari kedua preposisi bernilai salah.

c. Disjungsi : (or)

Hasil yang diperoleh akan bernilai benar jika slah

satu dari kedua preposisi bernilai benar, dan akan salah

jika kedua preposisi bernilai salah.

d. Negasi : (not)

Operator NOT digunakan untuk memberikan nilai negasi

(lawan) dari pernyataan yang telah ada.

e. Implikasi : (if then)

Hasil yang diperoleh akan bernilai salah jika premis-1 (P)

bernilai benar dan premis-2 (Q) bernilai salah, selain itu

akan selalu bernilai benar.

f. Ekuivelensi : (if and only if)

Hasil yang diperoleh akan bernilai benar jika kedua

preposisi benar atau keduanya salah.

Untuk nilai kebenaran dari semua operator logika dapat

dilihat dapat dilaihat di tabel kebenaran (truth table) berikut :

Not

P

B S

S B

5

And, Or, If Then, If and Only If

P QB B B B B B

B S S B S S

S B S B B S

S S S S B B

Untuk melakukan inferensi dengan logika proposisi dapat

dilakukan dengan menggunakkan resolusi. Resolusi adalah suatu

aturan untuk melakukan iferensi yang dapat berjalan secara

efisien dalam suatu bentuk khusus yaitu Conjunctive Normal Fom

(CNF), ciri-cirinya yaitu :

Setiap kalimat merupakan disjungsi literal.

Semua kalimat terkonjungsi secara implicit.

Untuk mengubah suatu kalimat logika proposisi ke dalam

bentuk CNF, dapat digunakkan langkah-langkah berikut :

1. Hilangkan implikasi dan ekuivalensi

a. menjadi

b. menjadi

2. Kurangi lingkup semua negasi menjadi satu negasi saja

a. menjadi x

b. menjadi

c. menjadi

3. Gunakan aturan asosiatif dan distributif untuk

mengkonversi menjadi conjunction dan disjunction.

a. Assosiatif : menjadi

b. Distributif : menjadi

4. Buatlah satu kalimat terpisah untuk setiap konjungsi.

Pada logika preposisi, prosedur untuk membuktikan

preposisi P dengan beberapa aksikoma F yang telah diketahui,

6

dengan menggunakkan resolusi dapat dilakukan melalui

algoritma sebagai berikut :

1. Konversikan semua propose F ke bentuk CNF

2. Negasikan P, dan konversikan hasil negasi ke bentuk

klausa. Tambahkan ke himpunan klausa yang telah

ada pada langkah 1.

3. Kerjakan hingga terjadi “kontradiksi” atau proses

tidak mengalami kemajuan.

a. Seleksi 2 klausa sebagai klausa parent

b. Bandingkan (resolve) secara bersama-sama.

Klausa hasil resolve tersebut dinamakan

resolvent. Jika ada pasangan literal L dan –L,

eleminir dari resolve.

c. Resolvent. Berupa klausa kosong, maka

ditentukan kontradiksi. Jika tidak, tambahkan ke

himpunan clausa yang telah ada.

Contoh:

Diketahui basis pengetahuan (fakta-fakta yang bernilai benar

sebagai berikut:

1. P

2.

3.

4. T

Buktikan kebenaran R !

Apabila akan dibuktikan kebenaran R dengan menggunakan

resolusi maka kita harus ubah keempat fakta diatas menjadi

CNF. Konversikan ke CNF dapat dilakukka sebagai berikut :

Kalimat Langkah-langkah CNF

1. P Sudah dalam bentuk P

7

CNF

2. Menghilangkan

implikasi

Mengurangi lingkup

negasi

Gunakan asosiatif

3. Menghilangkan

implikasi

Mengurangi lingkup

negasi

Gunakan distributif

4. T Sudah dalam bentuk

CNF

T

Kemudian tambahkan kontradiksi pada tujuannya, R menjadi –R

sehinggga fakta-fakta (dalam bentuk CNF) dapat di susun

menjadi :

1. P

2.

3.

4.

5. T

6. –R

8

–R

–T

P

–Q

T

2

5

4

1

Bengan demikian dapat dilakukan untuk membuktikan R

sebagai berikut :

B. Logika Predikat

Logika predikat digunakan untuk mempresentasikan hal-

hal yang tidak dapat dipresentasikan dengan logika poposisi.

Pada logika predikat kita dapat mempresentasikan fakta-fakta

sebagai suatu pernyataan yang disecut dengan wff (well-formed

formula.

Logika predikat membagi sebbuh pernyataan menjadi 2

bagian yaitu :

Argumen

Predikat

PREDICATE (Individual [objec]1, Individual [object]2)

Misalkan diketahui fakta-fakta sebagai berikut :

Andi adalah seorang laki-laki : A

9

Ali adalah seorang laki-laki : B

Amir adalah seorang laki-laki : C

Anto adalah seorang laki-laki : D

Agus adalah seorang laki-laki : E

Pada contoh diatas dapat dituliskan :

laki(x)

Dimana x adalah variabel yang bisa disubtitusikan dengan Andi,

Ali, Amir, Anto, Agus dan anak laki-laki lainnya.

Quantifiar :

Universal quantifier (untuk setiap)

Existensial quantifier (terdapat)

Misalkan terdapat pertanyaan-pertanyaan sebagai berikut :

1. Andi adalah seorang mahasiswa

2. Andi masuk jurusan elektro

3. Setiap mahasiswa elektro pasti mahasiswa teknik

4. Kalkulus adalah matakuliah yang sulit

5. Setiap mahasiswa teknik pasti akan suka kalkulus atau

membencinya

6. Setiap mahasiswa pasti akan seka terhadap suatu

matakuliah

7. Mahasiswa yang tidak pernah hadir pada matakuliah yang

sulit, maka mereka pasti tidak suka terhadap matakuliah

tersebut.

8. Andi tidak pernah hadir kulih mata kuliah kalkulus

Logika predikat pernyataan diatas adalah

1. Mahsiswa(Andi)

2. Elektro(Andi)

3.

4. sulit(Kalkulus)

5.

6.

7.

10

8. –hadir(Andi, Kalkulus)

Andaikan kita menjawab pertanyaan:

“apakah Andi suka mata kuliah kalkulus?”

Maka dari pernyataan ke-7 kita akan membuktikan bahwa

Andi tidak suka dengan matakuliah kalkulus. Dengan

menggunakkan penalaran backword bisa dibuktikan bahwa

suka(Andi, Kalkulus)

sebagai berikut :

Daripenalaran diatas dapat dibuktikan bahwa andi tidak

suka dengan mata kuliah kalkulus.

Resolusi Pada Logika Predikat

Resolusi pada logika predikat pada dasarnya sama

dengan pada logika proposisi, hanya saja ditambah dengan

unufikasi. Pada logika predikat, prosedur untuk

membuktikan pernyataan P dengan beberapa pernyataan F

yang telah diketahui, dengan menggunakkan resolusi, dapat

dilakukan melalui algoritma sebagai berikut :

1. Konversikan semua proposisi F ke bentuk klausa

11

(8)

(4)

(1)

(7)

2. Negasikan P, dan konversikan hasil negasi ke bentuk

klausa. Tambahkan ke himpunan klausa yang telah ada

pada langkah 1.

3. Kerjakan hingga terjadi “kontradiksi” atau proses tidak

mengalami kemajuan.

a. Seleksi 2 klausa sebagai klausa parent

b. Bandingkan (resolve) secara bersama-sama.

Klausa hasil resolve tersebut dinamakan

resolvent. Jika ada pasangan literal T dan –T2,

sedemikian hingga keduanya dapat dilakuksn

unifikasi, maka salah satu T1 atau T2 tidak

muncul lagi dalam resolvent. T1 dan T2 disebuts

sebagai complementary literal. Jika ada lebih

dari complementary literal, maka hanya

sepasang yang dapat meninggalkan resolvent.

c. Resolvent. Berupa klausa kosong, maka

ditentukan kontradiksi.Jika tidak, tambahkan ke

himpunan clausa yang telah ada.

Contoh :

1. Andi adalah seorang mahasiswa

2. Andi masuk jurusan elektro

3. Setiap mahasiswa elektro pasti mahasiswa teknik

4. Kalkulus adalah matakuliah yang sulit

5. Setiap mahasiswa teknik pasti akan suka kalkulus

atau membencinya

6. Setiap mahasiswa pasti akan seka terhadap suatu

matakuliah

7. Mahasiswa yang tidak pernah hadir pada matakuliah

yang sulit, maka mereka pasti tidak suka terhadap

matakuliah tersebut.

8. Andi tidak pernah hadir kulih mata kuliah kalkulus

Logika predikat pernyataan diatas adalah

12

1. Mahsiswa(Andi)

2. Elektro(Andi)

3.

4. sulit(Kalkulus)

5.

6.

7.

8. –hadir(Andi, Kalkulus)

Logika predikat diatas kita ubah ke bentuk klausa CNF

yaitu :

1. Mahsiswa(Andi)

2. Elektro(Andi)

3.

4. sulit(Kalkulus)

5.

6.

7.

8. –hadir(Andi, Kalkulus)

Apabila ingin dibuktikan apakah Andi benci kalkulus, maka

kita biasa lakukan dengan membuktikan :

benci(Andi, Kalkulus)

menggunakkan resolusi sebagai berikut :

13

benci(Andi, Kalkulus) Andi/ x2

Mahsiswa(Andi)

sulit(Kalkulus)

–hadir(Andi, Kalkulus)

Andi/ x1

Andi/ x4Kalkulus/y1

Elektro(Andi)

2.4. Pohon

Pohon merupakan strutur penggambaran pohon secara

dirarkis. Struktur pohon terdiri dari node-node yang menunjukkan

objek, dan acr (busur) yang menunjukkan hubungan antara objek.

14

GFE

DCB

IH LJ

A

K

2.5. Jaringan Simantik

Jaringan simantik merupakan gambaran pengetahuan grafis

yang menunjukkan hubungan antara berbagai objek. Jaringan

simantik sering disebut juga dengan propotional net. Jarngan

simantik terdiridari :

Nodes disebut juga dengan objek, digunakan

untuk menunjukkan objek phisik, konsep, situasi,

dam menunjukkan informasi tentang objek-objek

tersebut.

links atau edges atau arch, untuk

mengekspresikan suatu relasi

Salah stau kelebihan dari jaringan simantik adalah bisa

mewariskan. Sebagai contoh : ada garis yang menghubungkan atara

Budi dengan laki-laki, dan laki-laki ke mahluk hidup. Sehingga

apabila ada pertanyaan : Apakah Budi mahlik hidup? Maka kita bisa

menarik garis dari mahluk hidup, kemudian ke laki-laki, dan akhirnya

ke Budi. Sehingga terbukti bahwa Budi adalah mahluk hidup.

15

Si kancilLaki-laki

WanitaMahluk hidup

binatang

BajuAni

Pagiroda

dua

SepedaSekolah

merah

adalah

adalah

adalah

adalah

adalah

adalah

membaca

berjudul

berwarna

kakak

punya

Budi

Buku berwarna

punya

naik

jumlahnya

masuk

pergi

Budi

sawahKebun binatang

Toko

Masjid

Sekolah

Pergi

Sistem jaringn simantik ini selalu tergantung pada jenis

masalah yang akan dipecahkan. Jika masalah itu bersifat umum,

maka hanya memerlukan sedikit rincian. Jika masalah itu banyak

melibatkan hal-hal lain, maka di dalam jaringan awalnya diperlukan

penjelasan yang lebih rinci.

16

Gambar ini menunjukkan rincian dari node awal Budi, apabila

Budi hendak pergi ke berbagai tempat. Mode Budi dihubungkan

dengan node baru yaitu pergi.

2.6. Frame

Frame merukan kumpulan pengetahuan tentang suatu objek

tertetu, peristiwa, lokasi, situasi, dll. Frame memiliki slot yang

menggambarkan rincian (atrinut) dan karakteristik objek. Frame

biasanya digunakan untuk mempresentasikan pengetahuan yang

didasarkan pada karakteristik yang sudah dikenal, yang merupakan

pengalaman-pengalaman. Dengan menggunakan frame, sangatlah

mudah untuk membuat inferensi tentang objek, peristiwa atau

situasi baru, karena frame menyediakan basis pengtahuan yang

ditarik dari pengalaman

Trans. Darat

Slot mobil

Slot sedan

Slot bensin

17

Frame alat-alat transportasi

Frame macam-macam angkutan darat

Frame jenis bahan bakar sedan

Frame macam-macam mobil

Frame Kendaraan

Frame Kerata Api Frame Sampan Frame Mobil Frame Pesawat Frame Kapal

Frame BusFrame TrukFrame Mobil Penumpang

Frame Mobil Ukuran Sedang

Frame mobil Lengkap (compact car)

Mobilnya Bob Mobilnya Jane

Slot solar

Gambar tersebut menunjukan frame alat-alt transportasi.

Frame tersebut memiliki tiga slot, yaitu alat-alat transportasi di

udara, di darat, dan di laut. Ada beberapa slot yang bernilai tetap an

ada pula yang tidak tetap (prosedural). Slot yang bernilai tetap

misalkan jumlah roda pada sedan yaitu 4. Jenis slot lain yang

bersifat prosedural, artinya slot yang memungkinkan penambahan

nformasi baru yang bisa ditambahkan pada aturan IF. Misalnya

informasi tengtang kecepatan perjalanan, pengisian tengki bahan

bakar atau pemakaian bahan bakat tiap km.

Kebanyakan sistem AI menggunakkan kumpulan frame yang

saling terkait satu dengan lainnya bersama-sama. Contohnya :

hirarki frame kendaraan, terdiri dari 5 frame yaitu frame kereta api,

frame sampan, frame mobil, frame kapal, frame pesawat. Masing-

masing fare masih dapat dipecah lagi mrnjadi beberapa farme yang

rinci, misal frame mobil terdiri dari frame penumpang mobil, frame

truk,frame bus.

18

Susunan hirarki dari frame mengijinkan pewarisa freme. Akar

dari tree terletak di puncak, dimana level tertnggi dari abtraksi

disajikan. Freme pada bagian dasar (bawah) disebut daun dari tree.

Hirarki mengijinkan pewarisan sifat-sifat. Setiap frame biasanya

mewarisi sifat-sifat dari frame dengan level yang lebih tinggi.

Pewarisan merupakn mekanisme untuk membentuk pengetahuan

yang menyediakan nilai slot dari frame ke frame. Didalam hirarki

diata, masing-masing frame dirinci fubungannya seperti hubungan

antar frame orangtua (parent frame) dan anak (child frame).

2.7. Script

Script adalah skema representasi pengetahuan yang sama

dengan frame,, yaitu mempresentasikan pemgetahuan berdasarkan

karakteristik yang sudah dikenal sebagai pengalaman-pengalaman.

Perbedaan script dengan frame yaitu frame mengambarkan object

secangkan script mengambarkan urutan peristiwa.

Dalam mengambarkan uruan peristiwa, script menggunakan

slot yang berisi informasi tentang orang, objek, dan tindakan-

tindakan yang terjadi dalam suatu peristiwa.

Elemen-elemen scripr meliputi :

1. Kondisi input, yaitu kondisi yang darus dipenuhi sebelum

terjadi atau berlaku suatu peristiwa dalam script.

2. Track, yaitu variasi yang mungkin terjadi dalam suatu script.

3. Prop, berisi tentang objek-objek pendukung yang digunakan

selama peristiwa terjadi.

4. Role, yaitu peran yang dimainkan oleh seseorang dalam

peristiwa.

5. Scene, yaitu adegan yang dimainkan yang menjadi bagian

dari suatu peristiwa.

6. Hasil, yaitu kondisi yang ada setelah urutan peristiwa dalam

script terjadi.

Komponen-komponen dalam script adalah :

Kondisi entri atau deskriptor dunia sekitar kita harus benar

agar script dapat dipangil. Contoh hal script restoran, ini

19

mencakup restoran yang sedang buka dan pelangan yang

sedang lapar.

Hasil atau fakta yang benar begitu script diakhiri. Misalnya,

pelanggan sudah kenyang dan pemilik restoran memiliki uang

yang lebih banyak (karena pembayaran makanan oleh

pelanggan).

Penyangga atau apa saja yang merupakan isi script.

Contohnya disini meliputi meja, kursi, pelayan, dan menu.

Peran adalah tindakan yang dilakukan oleh partisipan

individual. Misalnya, pelayan yang mengantar pesanan, dan

memberikan tagihan kepada pelanggan, serta pesanan

pelanggan , makan, membayar.

Adegan yang merupakan kejadian yang menunjukkan

aspekwaktu dan script. Di sini dapat berupa, masuk ke

restoran, memesan makanan, dan lai-lannya.

Contoh : script pergi ke restoran

SCRIPT Restoran

Jalur (track) : fast food restoran

Peran (reles) : tamu, pelayan

Pendukung (prop) : counter, baki, makanan, uang, serbet,

garam, sedotan

Kondisi masukkan : - tamu lapar -tamu punya uang

Adegan (scene) 1 : Masuk

Tamu parkir mobil

Tammu masuk restoran

Tamu antri

Tamu baca menu di list menu dan

mengambil keputusan tentang apa

yang akan diminta.

Adegan (scane) 2 : Pesanan

20

Tamu memberikan daftar pesanan

pada pelayan

Pelayan mengambil pesanan dan

meletakan makanan di atas baki

Tamu membayar

Adegan (scene) 3 : Makan

Tamu mengambil serbet, sedotan,

garam, dll

Tamu makan

Adegan (scane) 4 : Pulang

Pelayan membersihkan meja

Pelayang membuang sampah

Tamu meninggalkan restoran

Tamu naik mobil dan pulang

Hasil :

Tamu kenyang

Tamu senang

Tamu kecewa

Tamu sakit perut

Keistimewaan script :

1. Script menyediakan beberaa cara yang sangat alami untuk

mempresentasikan “suatu informasi” dengan masalah yang

bersumber dari sistem AI dari mula.

2. Script menyediakan struktur hirrarki untuk mempresentasikan

informasi melalui inklusi sunscript dengan script.

2.8. Sistem Produksi (Production Rule)

Sistem produksi memiliki struktur seperti struktur proses

pencarian (search). Sistem produksi merupakan salah satu bentuk

representasi pengetahuan yang sangat populer dan banyak

digunakan. Sistem produksi secara umum terdiri dari komponen-

komponen sebagai berikut :

21

Aktif Memori

Keadaan Awal

Aturan Produksi

Keadaan Tujuan

Strategi Kontrol

1. Ruang keadaan, berisi keadaan awal, tujuan, kumpulan aturan

yang digunakkan untuk mencapai tujuan.

2. Strategi kontrol, berguna untuk mengarahkan begaimana proses

pencarian akan berlangsung dan mengendalikan arah eksplorasi.

Strategi kontrol merupakan suatu strategi pengendalian

(contoling strategy) yang menentukan urutan perbandingan

suatu aturan dengan basis data dengan cara menyelesaikan

suatu konflik yang muncul bila beberapa aturan bertumbukan

pada saat yang bersamaan. Proses berkkhir bila tidak ada kondisi

aturan yang cocok dengan isi memori aktif.

3. Memori aktif, berisi deskiksi keadaan semesta pembicatra saat

ini dalam proses penalaran. Memori katif merupakan satu atau

lebih basis data (database) yang berisi informasi tentang tugas-

tugas khusus. Beberapa bagisn basisdata mungkin bersifat

permanen, sedangkan yang lainya hanya berisi solusi problema

yang dihadapi saat ini.informasi yang terdapat dalam basis data

tersebut mungkin terstruktur dengan cara tertentu.

Arsitektur dalam sistem produksi sebagai berikut :

Representasi pengetahuan dengan sistemprouksi pada

dasarnya berupa aplikasi yang berupa :

1. Antecedent yaitu bagian yang mengekspresikan situasi atau

premis (pernyataan berawalan IF).

22

GFE

DCB

IH LJ

A

M PO

Tujuan Tujuan

K

Keadaan Awal

TujuanTujuan

N

2. Konsekuen yitu bagian yang menyatakan suatu tindakan

tertentu atau konklusi yang diterapkan jika suatu situasi atau

premis bernilai benar (pernyataan berawalan THEN).

Konsekuensi atau konkusi yang dinyatakan pada bagian THEN

baru dinyatakkan benar, jika bagian IF pada sistem tersebut juga

benar atau sesuai dengan aturan tertentu. Contohnya :

IF lalulintas pagi ini padat

THEN saya naik sepeda motor saja

Apabila pengetahuan direpresentasikan dengan aturan, maka

ada 2 metode penalaran yang dapat digunakan :

1. Forword Reasoning

Pelacakan dimulai dari keadaan awal (informasi atau fakta

yang ada) dan kemudian dicoba untuk mencocokkan dengan

tujuan yang diharapkan.

2. Backword Reasoning

Pada pealaran ini dimulai dari tujuan atau hipotesa, baru

dicocokkan dengan keadaan awal atau fakta-fakta yang ada.

23

GFE

DCB

IH LJ

A

M PO

Keadaan Awal

N

Keadaan Awal

K

Tujuan

Keadaan AwalKeadaan Awal

Ada beberapa faktor yang mempengaruhi pemilihan Forword

Reasoning dan BackwordReasoning dalam memilih metode

penalaran yaitu :

Banyaknya keadaan awal dan tujuan. Jika jumlah keadaan

awal lebih kecil dari pada tujuan, maka digunakkan Forword

Reasoning dan sebaliknya.

Jumlah simpul yang dapat diraih secara langsung. Lebih baik

dipilih yang jumlah simpul tiap cabangnya lebih sedikit.

Apakah program butuh menanyai pengguna untuk melakukan

justifikasi terhadap proses penalaran? Jika ya, maka alangkah

baiknya jika dipilih arah yang lebih memudahkan akan.

Bentuk kejadian yang akan memicu penyelesaian masalah.

Jika kejadian itu berupa fakta baru, maka lebih baik dipilih

penalaran Forword. Namun jika kejadian itu berupa query,

maka lebih baik digunakan penalaran Backword.

2.9. Keuntungan Representasi Pengetahuan

Keuntungan yang akan kita dapatkan ketika kita membuat

representasi pengetahuan, yaitu :

Dengan representasi yang baik,membuat objek dan relasi

penting menjadi jelas.

Representasi menyikap constraint (batasan) dalam suatu

permasalahan. Kita dapat mengungkapkan pengaruh sebuah

objek atau relasi terhadap objek atau relasi lain.

24

Dengan representasi kita sakan dapatkan objek dan relasi

secara bersama-sama. Kita akan dapat melihat semua yang

kita inginkan dalam satu waktu.

Kita dapat menghilangkan semua kompenen yang tidak

berhubungan dengan permasalahan yang sedang kita

selesaikan. Atau kita dapat menyembunyikan beberapa

informasi yang tidak kita butuhkan untuk sementara, dan pada

saat kita membutuhkan kita dapat menampilkan kembali.

Dengan representasi akan membuat permasalahan yang

sedang kita selesaikan menjadi transparan. Kita akan

memehami permasalahan yang kita selesaikan

Dengan representasi kita akan dapat menyikap suatu

permasalahan secara lengkap, sehingga permasalahan dapat

diselesaikan.

Dengan representasi akan membuat permasalahan menjadi

ringkas.

Dengan representasi, maka akan menjadikan pekerjaan

menjadi cepat

Dengan representasi, menjadikan permasalahan yang kita

selesaikan dapat terkomputerisasi. Dengan representasi ini

kita akan dapat melakukan prosedur-prosedur dalam

menyelesaikan suatu permasalahan.

Dismping keuntungan-keuntungan distas satu hal yang

merupkan menjadi prisip dalam representasi pengetahuan adalah

jika suatu permasalahan dideskripsikan dengan menggunakkan

representasi yang tepat, maka dapat dipastikan bahwa

permasalahan tersebut dapat diselesaikan.

25

BAB III

PENUTUP

3.1. Penutup

Representasi pengetahuan adalah proses bagaimana

pengatahuan direpresentasikan untuk membentuk basis

pengetahuan. Bahasa representasi harus dapat membuat seorang

programer mampu mengekspresikan pengetahuan yang diperlukan

untuk mendapatkan solusi permasalahan. Karakteristik representasi

pengetahuan antara lain yaitu dapat di program dengan bahasa

komputer dan dapat disimpan dalam memori dan fakta dan

pengetahuan lain yang terkandung di dalamnya dapat digunakan

untuk melakukan penalaran. Representasi pengetahuan

diklasifikasikan menjadi 4 kategori yaitu representasi logika,

representasi prosedural, representasi network, dan representasi

terstruktur.

3.2. Saran

Jika ada yang belum dimenger ti di anjurkan untuk membaca

bukau tentang AI (kecerdasan buatan) atau Sistem Berbasis

Pengetahuan (SBP) dan bertanya kepada dosen atau guru.karena

makalah ini belun tentu sempurna.

26

DAFTAR PUSTAKA

Riyanto, Sigit. 2005. Modul Ajar Kecerdasan Buatan. Surabaya: Politeknik Elektronika

Negeri Surabaya.

Andoko, Andrey. 1991. Tuntunan Praktis Pemrograman Bahasa Prolog. Jakarta: Elex

Media Komputindo.

STMIK Triguna Dharma. 2013. Buku Panduan Belajar Kecerdasan Buatan BAB 3 Representasi Pengetahuan. Medan.

27

28