Kata
Pengantar.........................................................................................i
Daftar Isi...................................................................................................ii
Referensi..................................................................................................iii
BAB
II ARSITEKTUR DAN LINGKUNGAN SISTEM KECERDASAN BUATAN…………………………………………………………............................2
1.1
Arsitektur Sistem Kecerdasan
Buatan…………………………………………….…………………………2
1.2 DOMAIN
PENELITIAN DALAM KECERDASAN BUATAN ………………….………………………….3
1.3 KONSEP DAN DEFINISI DALAM KECERDASAN BUATAN………………….............................3-4
1.4 PerbandinganKecerdasanBuatandenganKecerdasanAlamiah…………………..............5-6
1.5 Sejarah KB………………………………………………………………………………………………………………..7-8
1.6
SistemdanLingkunganPengembanganKecerdasanBuatan………………………..............9-10
1.7
LingkupKecerdasanBuatan………………………………………………………………………………….. 11-15
1.8 SOFT Computing………………………………………………………………………………………………………15-18
BAB III RepresentasiPengetahuanlogika………………………………………............19-24
2.0
PERTANYAAN SEDERHANA PADA BASIS DATA PENGETAHUAN………………………………..24-25
2.1 KOMBINASI PERTANYAAN PADA BASIS
DATA PENGETAHUAN……….............................25-26
2.2
DESKRIPSI RELASI DI ANTARA PENGETAHUAN………………………………………………………….26
2.3 DESKRIPSI SECARA REKURSIF DARI
RELASI………………………………...................................26-29
2.4 LOGIKA
PROSISI…………………………………………………………………………………………………………29-32
2.5 LogikaPredikat Order
pertama…………………………………………………………………………………32-33
BAB IV
2.6
Kesimpulan...................................................................................................................34
2.7 Saran.............................................................................................................................34
KATA PENGANTAR
Puji dan syukur kehadirat Tuhan Yang
Maha Esa, atas kasih dan karunia-Nya, sehingga penulis dapat menyelesaikan
penulisan tugas makalah ini dengan baik. Makalah ini disusun untuk memenuhi tugas
mata kuliah Intelegensi Buatan. Adapun judul makalah ini “Arsitektur Kecerdasan
Buatan”. Penulis menyadari sepenuhnya bahwa penulisan tugas ini masih jauh dari
sempurna, karena keterbatasan pengetahuan, pengalaman serta referensi yang
penulis miliki. Untuk itu penulis mengharapkan saran dan kritik demi perbaikan
pada masa – masa mendatang.
BAB I
A.
Latar Belakang
AI(Artificial
Intelegensi) adalah bagian dari salah satu cabang Ilmu pengetahuan berhubungan
dengan pemanfaatan mesin untuk memecahkan persoalan yang rumit dengan cara yang
lebih manusiawi. Ligkungan sistem kecerdasan buatan berkembang dan berubah
sesuai dengan perkembangan dan perubahan konsep dan persepsi manusia terhadap
pendidikan dan kehidupan itu sendiri. Kecerdasan buatan pada mulanya dikonsep
sebagai kemampuan yang dapat memecahkan suatu permasalahan sesuai kemampuan
manusia bahkan lebih.
Karena perubahan pandangan manusia-masyarakat kecerdasan buatan semakin
berkembang. Telah banyak bermunculan mesin – mesin yang mempermudah pekerjaan
manusia.
B.
Rumusan Masalah
1.
Apa Pengertian Arsitektur Kecerdasan
Buatan ?
2.
Bagaimana menyelesaikan masalah dengan representasi pengetauan dan Contoh Representasi Pengetahuan ?
C.
Tujuan
1. Menjelaskan
Definisi Arsitektur Kecerdasan Buatan
2. Menjelaska
Representasi Pengetahuan
3. Mengetahui
Pemecahan Masalah Dengan Representasi Pengetahuan
BAB II
ARSITEKTUR
DAN LINGKUNGAN SISTEM KECERDASAN BUATAN
1.1 Arsitektur
Sistem Kecerdasan Buatan
Cerdas = memiliki pengetahuan + pengalaman, penalaran
(bagaimana membuat keputusan &
mengambil tindakan), moral yang baik
Dalam
mengimplementasi sistem Kecerdasan Buatan, diperlukan algoritma-algoritma
paralel. Algoritma-algoritma tersebut antara lain untuk pencarian, optimasi,
pengukuran kepuasan, sistem produksi, pencocokan pola dan graf. Untuk mendukung
algoritma-algoritma tersebut, diperlukan struktur data untuk merepresentasikan
pengetahuan yang mampu melakukan manipulasi paralel.
Oleh karena
itu, dalam desain arsitektur sistem pengetahuan harus melibatkan
komponen-komponen berikut:
●
Penyederhanaan
representasi
●
Struktur
pengetahuan
●
Mekanisme
inferensi
Perangkat
keras atau arsitektur komputer yang diminta oleh sistem Kecerdasan Buatan
adalah sebuah komputer yang dapat melaksanakan pemrosesan paralel. Sedangkan
perangkat lunaknya harus dikembangkan dengan bahasa yang mempunyai kemampuan
paralel dan logika yang handal, seperti Lisp dan Prolog.
Untuk
meningkatkan kecepatan pemrosesan dan ukuran memori dimungkinkan untuk tidak
melakukan peningkatan kecepatan perangkat keras, tetapi melalui pembuatan
arsitektur perangkat lunak dan perangkat keras yang berbeda secara radikal.
Solusi yang ditawarkan dalam hal ini adalah:
●
Desain
pemrograman dengan kemampuan paralel.
●
Keefisienan
programer dalam menggunakan bahasa tersebut.
●
Implementasi
bahasa tersebut pada arsitektur/perangkat keras yang tepat.
1.2 DOMAIN PENELITIAN DALAM KECERDASAN BUATAN
• Formal
tasks (matematika, games)
• Mundane
task (perception, robotics, natural language, common sense, reasoning)
• Expert
tasks (financial analysis, medical diagnostics, engineering, scientific
analysis, dll)
PERMAINAN (Game)
• Kebanyakan
permainan dilakukan dengan menggunakan sekumpulan aturan.
• Dalam
permainan digunakan apa yang disebut dengan pencarian ruang.
• Teknik
untuk menentukan alternatif dalam menyimak problema ruang merupakan sesuatu
yang rumit.
• Teknik
tersebut disebut dengan HEURISTIC.
• Permainan
merupakan bidang yang menarik dalam studi heuristic NATURAL LANGUAGE Suatu
teknologi yang memberikan kemampuan kepada komputer untuk memahami bahasa
manusia sehingga pengguna komputer dapat berkomunikasi dengan komputer dengan
menggunakan bahasa sehari -hari.
ROBOTIK DAN SISTEM SENSOR Sistem
sensor, seperti sistem vision, sistem tactile, dan sistem pemrosesan sinyal
jika dikombinasikan dengan AI, dapat dikategorikan kedalam suatu sistem yang
luas yang disebut sistem robotik.
EXPERT SYSTEM Sistem pakar (Expert System) adalah program penasehat
berbasis komputer yang mencoba meniru proses berpikir dan pengetahuan dari
seorang pakar dalam menyelesaikan masalah -masalah spesifik.
1.3 KONSEP DAN DEFINISI DALAM KECERDASAN BUATAN
TURING TEST – Metode Pengujian Kecerdasan
• Turing
Test merupakan sebuah metode pengujian kecerdasan yang dibuat oleh Alan Turing.
• Proses uji ini melibatkan seorang penanya (manusia) dan dua obyek yang
ditanyai. Yang satu adalah seorang manusia dan satunya adalah sebuah mesin yang
akan diuji.
• Penanya
tidak bisa melihat langsung kepada obyek yg ditanyai
• Penanya
diminta untuk membedakan mana jawaban komputer dan mana jawaban manusia
berdasarkan jawaban kedua obyek tersebut.
• Jika
penanya tidak dapat membedakan mana jawaban mesin dan mana jawaban manusia maka
Turing berpendapat bahwa mesin yang diuji tersebut dapat diasumsikan CERDAS.
TKE -392 Sistem Pakar
PEMROSESAN
SIMBOLIK
• Komputer semula didisain untuk memproses
bilangan/angka-angka (pemrosesan numerik). • Sementara manusia dalam berpikir dan
menyelesaikan masalah lebih bersifat simbolik, tidak didasarkan kepada sejumlah
rumus atau melakukan komputasi matematis.
• Sifat
penting dari AI adalah bahwa AI merupakan bagian dari ilmu komputer yang
melukan proses secara simbolik dan non-algoritmik dalam penyelesaian masalah
HEURISTIC
HEURISTIC
• Istilah
Heuristic diambil dari bahasa Yunani yang berarti menemukan
• Heuristic
merupakan suatu strategi untuk melakukan proses pencarian (search) ruang
problema secara selektif, yang memandu proses pencarian yang kita lakukan
disepanjang jalur yang memiliki kemung kinan sukses paling besar.
PENARIKAN
KESIMPULAN (INFERENCING)
• AI mecoba
membuat mesin memiliki kemampuan berpikir atau mempertimbangkan (reasoning)
• Kemampuan
berpikir (reasoning) termasuk didalamnya proses penarikan kesimpulan
(inferencing) berdasarkan fakta-fakta dan aturan dengan menggunakan metode heuristik
atau metode pencarian lainnya.
PENCOCOKAN POLA (PATTERN MATCHING)
• AI bekerja dengan metode pencocokan pola
(pattern matching) yang berusaha untuk menjelaskan obyek, kejadian ( events)
atau proses, dalam hubungan logik atau komputasional.
1.4 Perbandingan Kecerdasan Buatan dengan Kecerdasan
Alamiah
|
Kecerdasan Buatan
|
Kecerdasan Alami
|
|
bersifat permanen
|
cepat mengalami perubahan
|
|
lebih mudah diduplikasi
dan disebarkan
|
proses transfer dari manusia satu
ke lainnya membutuhkanproses yang lama
|
|
lebih murah
|
Lebih mahal, karena tidakjarang
harus mendatangkanorang untuk suatu pekerjaan
|
|
Konsisten
|
Sering berubah-ubah (sifat manusia)
|
|
dapat didokumentasi
|
sulit direproduksi
|
|
lebih cepat
|
lebih lambat
|
|
dapat mengerjakan pekerjaan lebih
baik
|
seringkali kurang teliti
|
Keuntungan
kecerdasan alami :
• Kreatif, kemampuan menambah pengetahuan sangat lekat pada jiwa manusia.
• Memungkinkan orang menggunakan pengalaman secaralangsung.
• Pemikiran manusia dapat digunakan secara luas.
Kelebihan
kecerdasan buatan :
1. Lebih bersifat permanen.
Kecerdasan alami bisa berubah karena sifat
manusia pelupa.
Kecerdasan buatan tidak berubah
selama sistem komputer & program tidak mengubahnya.
2. Lebih mudah diduplikasi &
disebarkan. Mentransfer pengetahuan manusia dari 1 orang ke
orang lain membutuhkan proses yang
sangat lama & keahlian tidak akan pernah dapatdiduplikasi dengan
lengkap.Jadi jika pengetahuan terletak pada suatu sistem komputer,
pengetahuan tersebut dapat disalin
dari komputer tersebut & dapat dipindahkan dengan mudahke komputer yang lain.
3. Lebih murah. Menyediakan layanan komputer akan lebih mudah & murah
dibandingkan
mendatangkan seseorang untuk mengerjakan sejumlah pekerjaan dalam jangka
waktu yang
sangat lama.
4. Bersifat konsisten dan teliti karena kecerdasan buatan adalah bagian
dari teknologi komputer
sedangkan kecerdasan alami senantiasa berubah-ubah
5. Dapat didokumentasi.Keputusan yang dibuat komputer dapat didokumentasi
dengan mudah
dengan cara melacak setiap aktivitas dari sistem tersebut. Kecerdasan alami
sangat sulit untuk
direproduksi.
6. Dapat mengerjakan beberapa task lebih cepat dan lebih baik dibanding
manusia
1.5 Sejarah
KB
•1950-an, Alan Turing mengusulkan tes untukmelihat bisa/tidaknya mesin
memberikan respon terhadap serangkaian pertanyaan (agar mesin dapat dikatakan
cerdas)
•Istilah “Artificial Intelligence” dimunculkan olehJohn McCarthy (MIT),
tahun 1956 pada
Dartmouth Conference. Dalam konferensi itu juga didefinisikan tujuan AI,
yaitu mengetahui dan memodelkan proses-proses berpikir manusia dan mendesain
mesin agar dapat menirukan
kelakukan manusia tersebut.
• Beberapa program AI periode 1956-1966 :
– Logic Theorist, untuk pembuktian teoremamatematik
– Sad Sam (oleh Robert K.Lindsay, 1960), program yang dapat mengetahui
kalimat sederhana dalam bahasa Inggris dan memberikan jawaban dari fakta yang
didengar dalam sebuah percakapan.
– ELIZA (Joseph Weizenbaum, 1967), program untuk terapi pasien dengan
memberikan jawaban.
• Fokus yang luas sebagai referensi untuk pengambilan keputusan sebaliknya
AI menggunakan fokus yang sempit Komputer dapat digunakan untuk mengumpulkan
informasi tentang obyek, kegiatan (events), proses dan dapat memproses sejumlah
besar informasi dengan lebih efisien dari yang dapat dikerjakan manusia, tetapi
disisi lain manusia –dengan menggunakan insting- dapat melakukan hal yang sulit
untuk diprogram pada komputer, yaitu: manusia dapat mengenali (recognize)
hubungan antara hal-hal tersebut, menilai kualitas dan menemukan pola yang
menjelaskan hubungan tersebut. 1.5 Perbedaan Komputasi AI dengan Proses
Komputasi Konvensional Bagaimana komputer konvensional memproses data Proses
yang dikerjakan Kalkulasi mengerjakan operasi-operasi matematis: tambah,
kurang, bagi, kali, atau mencari akar. Menyelesaikan rumus/persamaan. Logika
mengerjakan operasi logika: “and”, “or”, atau “invert” penyimpanan menyimpan
data dan gambar pada file retrieve mengakses data yang disimpan pada file
translate mengkonversi data dari satu bentuk ke bentuk yang lain Sort memeriksa
data dan menampilkan dalam urutan yang diinginkan Edit melakukan perubahan,
penambahan, penghapusan pada data monitor mengamati event external dan internal
dan melakukan tindakan jika kondisi tertentu tercapai kontrol Memberikan
perintah atau mengendalikan peralatan diluar Perbandingan AI dengan Pemrograman
Konvensional Dimensi Artificial Intelligence Pemrograman konvensional
Processing simbolik Algoritmik input Tidak harus lengkap Harus lengkap Search
heuristic Algoritmik explanation tersedia Tidak tersedia Major interest
knowledge Data dan informasi struktur Terpisah antara kontrol dan Kontrol
terintegrasi dengan knowledge data output Tidak harus lengkap Harus tepat
Maintenance dan Mudah karena menggunakan Umumnya susah dilakukan update
modul-modul hardware Workstation dan PC Semua tipe Kemampuan Terbatas tetapi
dapat Tidak ada pemikiran ditingkatkan TKE -392 Sistem Pakar
1.6 Sistem dan Lingkungan Pengembangan Kecerdasan
Buatan
Komputasi
Kecerdasan Buatan adalah komputasi simbolik, dimana dia sangat berbeda dari
komputasi konvensional (numerik). Perbedaan komputasi – seperti juga yang telah
dikemukakan pada “Proses Komputasi Kecerdasan Buatan” – itu dapat dilihat pada Tabel 5.1.
Karena
perbedaan komputasi tersebut, maka sistem pengembangan perangkat lunak
Kecerdasan Buatan dan lingkungannya berbeda dengan sistem komputer
konvensional.
Tabel 5.1. Perbedaan Komputasi Konvensional
dengan Komputasi Kecerdasan Buatan.
|
Komputasi Konvensional
|
Komputasi Kecerdasan Buatan
|
|
Format
keluaran berupa bit, byte, angka, dan fungsi
|
Hubungan
simbol, konsep, dan aturan-aturan
|
|
Menggunakan
algoritma prosedural yang menyelesaikan problem
|
Bahasa
deskriptif (menguraikan fakta-fakta yang diketahui dan hubungan)
|
|
Menggunakan
tahap-tahap urutan tertentu untuk penyelesaian (algoritma).
|
Penggunaan
search untuk menemukan penyelesaian (heuristik).
|
|
Kesimpulan
(conclusion)-nya bersifat determistik.
|
Tidak tahu
apakah algoritma memusat (converge).
|
|
Tipe data
: angka dan karakter
|
Tipe data
: atom, obyek, list (program)
|
|
Perlu
deklarasi awal dan tipe variabel
|
Tidak
perlu deklarasi awal atau tipe data (variabel tipe-tipe tertentu dapat dapat
dibuat apabila ia diperlukan selama proses penyelesaian)
|
|
Dimensi
variabel yang tetap
|
Dimensi
struktur data dapat tumbuh atau menyusut selama proses
|
|
Representasi
informasi yang eksak
|
Representasi
informasi yang tidak eksak
|
|
Jawaban
yang eksak
|
Jawaban
yang memuaskan
|
Sistem
pengembangan perangkat lunak Kecerdasan Buatan membutuhkan fitur-fitur berikut
ini:
1. Kemungkinan
untuk mengembangkan model-model dan mekanisme penyimpulan secara incemental,
dengan dekomposisi penyelesaian problem ke ukuran yang lebih kecil, unit-unit
penyelesaian interelated. Incremental adalah program dapat
dikembangkan pada compiler/interpreter (sistem) yang berbeda tapi
harus dapat dipadukan hasil akhirnya menjadi satu kesatuan.
2. (a).
Struktur kontrol yang fleksibel untuk memudahkan pengarahan pemrograman kepada
tujuan akhir.
(b). Struktur kontrol yang fleksibel untuk memfasilitasi pengarahan program
data.
(c). Struktur kontrol yang fleksibel untuk memfasilitasi rekursi.
(d). Struktur kontrol yang fleksibel untuk memfasilitasi pemrograman
paralel.
3. Kemampuan
komunikasi sistem yang interaktif.
4. Debugger untuk
mencek program, khususnya untuk unifikasi, rekursi, dan lain-lain.
5. Fasilitas
representasi data simbolik yang buitl-in, dan cara untuk memperluas
representasi tersebut menuju struktur pengetahuan yang kompleks.
6. Fasilitas pattern-matching.
7. Fasilitas
strategi-strategi pengikatan variabel sebagaimana pendekatan penyelesaian trial
and error.
Fitur-fitur
lingkungan perangkat lunak Kecerdasan Buatan yang diharapkan adalah sebagai
berikut:
1. Pengembangan
program bersifat incremental.
2. Editor yang
terpadu (cerdas) sebagai bagian sistem.
3. Compiler/interpreter yang
bersifat incremental.
4. Debugger yang user
friendly dan cerdas.
5. Kemampuan
layar berkecepatan dan beresolusi yang tinggi.
6. Antarmuka
yang khusus untuk instrumentasinya.
7. Kapasitas
memori yang besar.
1.7 Lingkup Kecerdasan Buatan
Ruang lingkup kecerdasan buatan bermacam-macam misalnya :
1. Sistem Pakar (Expert System)
Komputer memiliki keahlian untuk menyelesaikan masalah dengan meniru keahlian yang dimiliki oleh pakar.
Ruang lingkup kecerdasan buatan bermacam-macam misalnya :
1. Sistem Pakar (Expert System)
Komputer memiliki keahlian untuk menyelesaikan masalah dengan meniru keahlian yang dimiliki oleh pakar.
Diagnosa
Penyakit THT
Apakah Anda
demam (Y/T) ? y
Apakah Anda
sakit kepala (Y/T) ? y
Apakah Anda
merasa nyeri pada saat berbicara atau menelan (Y/T) ? y
Apakah Anda
batuk (Y/T) ? y
Apakah Anda
mengalami nyeri tenggorokan (Y/T) ? y
Apakah
selaput lendir Anda berwarna merah dan bengkak (Y/T) ? y
Penyakit
Anda adalah TONSILITIS
Ingin
mengulang lagi (Y/T) ?
2. Pengolahan Bahasa Alami (Natural Language Processing)
Diharapkan user dapat berkomunikasi dengan komputer menggunakan bahasa sehari-hari, misal bahasa inggris, bahasa indonesia, bahasa jawa, dll, contoh :
-pengguna sistem dapat memberikan perintah dengan bahasa sehari-hari,
misalnya,untuk menghapus semua file, pengguna cukup memberikan perintah
”komputer, tolong hapus semua file !” maka sistem akan mentranslasikan perintah
bahasa alami tersebut menjadi perintah bahasa formal yang dipahami oleh
komputer, yaitu
”delete *.* <ENTER>”.
-Translator bahasa inggris ke bahasa indonesia begitu juga sebaliknya,dll,
tetapi sistemini tidak hanya sekedar kamus yang menerjemahkan kata per kata,
tetapi juga mentranslasikan sintaks dari bahasa asal ke bahasa tujuan
-Text summarization : suatu sistem yang dapat membuat ringkasan hal-hal
penting darisuatu wacana yang diberikan.
3. Pengenalan Ucapan (Speech Recognition)
Melalui pengenalan ucapan, diharapkan manusia dapat berkomunikasi dengan komputer menggunakan suara.
Contoh :
- memberikan instruksi ke komputer dengan suara
- alat bantu membaca untuk tunanetra, mempunyai masukan berupa teks
tercetak (misalnya buku) dan mempunyai keluaran berupa ucapan dari teks
tercetak yang diberikan.
- Telpon untuk penderita bisu-tuli
konversi dari SMS (Short Message
System) ke ucapan sehingga pesan SMS dapat didengar. Dengan demikian
memungkinkan untuk mendengar pesan SMS sambil melakukan aktivitas yang
menyulitkan untuk membacanya, seperti mengendarai mobil.
4. Robotika dan Sistem Sensor (Robotics & Sensory Systems)
-Sistem sensor pada mesin cuci yaitu
menggunakan sensor optik, mengeluarkan cahayake air dan mengukur bagaimana
cahaya tersebut sampai ke ujung lainnya. Makin kotor, maka sinar yang sampai
makin redup. Sistem juga mampu menentukan jenis kotoran tersebut
daki/minyak.Sistem juga bisa menentukan putaran yang tepat secara otomatis
berdasarkan jenis dan banyaknya kotoran serta jumlah yang akan dicuci.
-Robotika
5. Computer Vision Menginterpretasikan gambar atau obyek-obyek tampak melalui komputer
6. Intelligence Computer – aided Instruction
Komputer digunakan sebagai tutor yang dapat melatih dan mengajar.
Contoh : Learn to speak English
7. Game Playing.
1997, Deep Blue mengalahkan Garry
Kasparov, the World Chess ChampionDeep Blue chess machine menggunakan komputer
IBM,
dibuat tahun 1990-an oleh Hsu,
Campbell, Tan, Hoane, Brody, BenjaminDeep Blue mampu mengevaluasi 200juta
posisi bidakcatur /detik
1.8 SOFT
Computing
Soft computing merupakan inovasi
baru dalam membangun sistem cerdas yaitu sistem yang memiliki keahlian seperti
manusia pada domain tertentu, mampu beradaptasi dan belajar agar dapat bekerja
lebih baik jika terjadi perubahan lingkungan. Soft computing mengeksploitasi
adanya toleransi terhadap ketidaktepatan, ketidakpastian, dan kebenaran parsial
untuk dapat diselesaikan dan dikendalikan dengan mudah agar sesuai dengan
realita (Prof. Lotfi A Zadeh, 1992).
Metodologi-metodologi yang digunakan
dalam Soft computing adalah :
1. Sistem Fuzzy (mengakomodasi
ketidaktepatan) ? Logika Fuzzy (fuzzy logic)
2. Jaringan Syaraf (menggunakan
pembelajaran) ? Jaringan Syaraf Tiruan (neurall network)
3. Probabilistic Reasoning
(mengakomodasi ketidakpastian)
4. Evolutionary Computing (optimasi)
? Algoritma Genetika
|
|
Pembelajaran
|
Ekstraksi Pengetahuan
|
Operasi RealTim
|
Representasi Pengetahuan
|
Optimasi
|
|
Fuzzy/ProbabilisticReasoning
|
Tidak
|
Ya
|
Ya
|
Simbolik/numerik
|
Tidak
|
|
Jaringan Syaraf Tiruan
|
Ya
|
Tidak
|
Ya
|
numerik
|
Tidak
|
|
Sistem Evolusioner
|
Ya
|
Tidak
|
Tidak
|
numerik
|
Ya
|
|
Sistem AIkonvensional
|
Tidak
|
Ya
|
Tidak
|
Simbolik/ numerik
|
Tidak
|
Aplikasi KB memiliki 2bagian utama, yaitu :
• Basis Pengetahuan
(KnowledgeBase) : berisi fakta-fakta, teori,pemikiran dan hubungan antara
satu dengan lainnya.
• Motor Inferensi
(Inference Engine) : kemampuan menarik kesimpulan
berdasarkan pengalaman.
KB
dilihat dari berbagai sudut pandang
:
1. Sudut pandang
Kecerdasan : mesin menjadi ‘cerdas’ (mampu berbuat apa yang dilakukan oleh
manusia)
2. Sudut pandang
Penelitian : studi bagaimana membuat agar komputer dapat melakukan sesuatu
sebaik yang dilakukan oleh manusia.
Domain penelitian :
–Mundane task
•Persepsi (vision &
speech)
•Bahasa alami
(understanding, generation & translation)
•Pemikiran yang
bersifat commonsense
•Robot control
–Formal task
•Permainan/games
•Matematika (geometri,
logika, kalkulus, integral, pembuktian)
–Expert task
•Analisis finansial
•Analisis medikal
•Analisis ilmu
pengetahuan
•Rekayasa (desain,
pencarian, kegagalan, perencanaan,manufaktur)
3. Sudut pandang Bisnis
: kumpulan peralatan yang sangat powerful dan metodologis dalam
menyelesaikanmasalah-masalah bisnis
4. Sudut pandang
Pemrograman : studi tentang
pemrograman simbolik,
penyelesaian masalah (problem solving) dan pencarian (searching).
BAB
III
Representasi Pengetahuan logika
Representasi Pengetahuan logika
Logika dikembangkan
oleh filusuf Yunani, Aristoteles (abad ke 4 SM) didasarkan pada silogisme,
dengan dua premis dan satu konklusi.
Contoh :
Contoh :
– Premis : Semua laki-laki adalah makhlukhidup
– Premis : Socrates adalah laki-laki
– Konklusi : Socrates adalah makhluk hidup
Representasi pengetahuan dengan symbol logika merupakan bagian dari penalaran eksak. Bagian yang paling penting dalam penalaran adalah mengambil kesimpulan dari premis. Representasi harus dapat membuat seorang pemrogram mampu mengekspresikan pengetahuan yang diperlukan untuk mendapatkan solusi permasalahan. Logika adalah bentuk representasi pengetahuan yang paling tua. Representasi jenis ini menggunakan ekspresi-ekspresi dalam logika formal untuk merepresentasikan basis pengetahuan. Pada dasarnya proses logika adalah proses membentuk kesimpulan dan menarik suatu inferensi berdasarkan fakta yang telah ada. Input dari proses logika berupa premis atau fakta-fakta yang diakui kebenarannya sehingga dengan melakukan penalaran pada proses logika dapat dibentuk suatu inferensi atau kesimpulan yang benar pula. Representasi dimaksudkan untuk menangkap sifat-sifat penting problema & membuat informasi tsb. dapat diakses oleh prosedur pemecahan permasalahan.Bahasa representasi harus dapat membuat seorang pemrogram mampu mengekspresikan pengetahuan yang diperlukan untuk mendapatkan solusi permasalahan. Banyak cara untuk merepresentasikan pengetahuan (fakta) dalam program AI. Ada dua entiti yang perlu diperhatikan:
– Fakta: kejadian
sebenarnya. Fakta inilah yang akan kita representasikan.
– Representasi dari fakta. Dari representasi ini, kita akan dapat memanipulasinya.
Dalam representasi sebuah fakta yang kita gunakan dalam sebuah program, kita juga harus konsisten dengan representasi yang menggunakan bahasa natural (bahasa Inggris). Representasi yang baik, harus:
– Representasi dari fakta. Dari representasi ini, kita akan dapat memanipulasinya.
Dalam representasi sebuah fakta yang kita gunakan dalam sebuah program, kita juga harus konsisten dengan representasi yang menggunakan bahasa natural (bahasa Inggris). Representasi yang baik, harus:
- Mengemukakan hal secara eksplisit
- Membuat masalah menjadi transparan
-Komplit dan efisien
- Menampilkan batasan-batasan alami yang ada
-Menekan/menghilangkan detil-detil yang diperlukan
- Dapat dilakukan komputasi (ada batasan/konstraint) Secara singkat, representasi pengetahuan diklasifikasikan menjadi 4 kategori:
- Representasi logika: Representasi jenis ini menggunakan ekspresi-ekspresi dalam logika formal untuk merepresentasikan basis pengetahuan
- Representasi prosedural: Representasi menggambarkan pengetahuan sebagai kumpulan instruksi untuk memecahkan suatu problema.
- Membuat masalah menjadi transparan
-Komplit dan efisien
- Menampilkan batasan-batasan alami yang ada
-Menekan/menghilangkan detil-detil yang diperlukan
- Dapat dilakukan komputasi (ada batasan/konstraint) Secara singkat, representasi pengetahuan diklasifikasikan menjadi 4 kategori:
- Representasi logika: Representasi jenis ini menggunakan ekspresi-ekspresi dalam logika formal untuk merepresentasikan basis pengetahuan
- Representasi prosedural: Representasi menggambarkan pengetahuan sebagai kumpulan instruksi untuk memecahkan suatu problema.
- Representasi network: Representasi ini menangkap pengetahuan sebagai sebuah graf dimana simpul-simpulnya menggambarkan obyek atau konsep dari problema yang dihadapi, sedangkan edgenya menggambarkan hubungan atau asosiasi antar mereka (dibahas di bab 3).
- Representasi terstruktur: Representasi terstruktur memperluas network dengan cara membuat setiap simpulnya menjadi sebuah struktur data kompleks (dibahas di bab 3).
Dengan representasi, banyak hal yang akan kita dapatkan dalam kita menyelesaikan suatu permasalahan. Di bawah ini adalah beberapa keuntungan yang akan kita dapatkan ketika kita membuat representasi pengetahuan, yaitu:
•Dengan representasi
yang baik, membuat objek dan relasi yang penting menjadi
jelas.
•Representasi
menyingkap constraint(batasan) dalam suatu permasalahan. Kita
dapat mengungkapkan
pengaruh sebuah objek atau relasi terhadap objek atau
relasi yang lain.
•Dengan representasi
kita akan dapatkan objek dan relasi secara bersama-sama.
Kita
akan dapat melihat semua yang kita inginkan dalam satu waktu.
Kita dapat menghilangkan semua komponen 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 membutuhkannya kita dapat menampilkan kembali.
Kita dapat menghilangkan semua komponen 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 membutuhkannya kita dapat menampilkan kembali.
•Dengan
representasi akan membuat permasalahan yang sedang kita selesaikan menjadi
transparan. Kita akan memahami
permasalahan yang kita selesaikan.
•Dengan
representasi kita akan dapat menyingkap suatu permasalahan secara
lengkap,
sehingga permasalahan dapat diselesaikan.
•Dengan
representasi akan membuat permasalahan menjadi ringkas. Kita akan
berpikir
ringkas (merepresentasikan apa yang ingin kita representasikan secara
efficient).
•Dengan
representasi, maka akan menjadikan pekerjaan kita menjadi cepat. Dan
yang
penting
•Dengan
representasi, menjadikan permasalahan yang kita selesaikan dapat
terkomputerisasi.
Dengan representasi ini kita akan dapat melakukan prosedur-
prosedur
dalam menyelesaikan suatu permasalahan.
Disamping
keuntungan-keuntungan diatas satu hal yang menjadi prinsip dalam
representasi
pengetahuan adalah Jika suatu permasalahan dideskripsikan dengan
menggunakan
representasi yang tepat, maka dapat dipastikan bahwa
permasalahan
tersebut dapat diselesaikan.
Contoh
fakta sederhana yang akan kita representasikan secara logika adalah sbb:
ü Helder
adalah anjing
Fakta
dalam bahasa Inggris tsb dapat direpresentasikan secara logika, yaitu:
anjing(Helder)
Kita
juga dapat merepresentasikan secara logik fakta lain, yaitu bahwa semua
anjing
mempunyai ekor
∀x : anjing(x)
→berekor(x)
Kemudian
secara deduktif (penalaran dimulai dari prinsip umum untuk
mendapatkan
konklusi yang lebih khusus) dari mekanisme logik ini kita bisa
mendapatkan
representasi baru:
berekor(anjing)
Dengan
menggunakan fungsi mapping secara backward, kita dapat men-
generate
kalimat dalam bahasa Inggris
Helder berekor.
1.9
CONTOH REPRESENTASI PENGETAHUAN DALAM PROLOG
Representasi
Pengetahuan secara logika untuk tree di bawah ini adalah sebagai
berikut
Gambar 2.1 Tree Sebuah
Silsilah Keluarga
Dari tree di atas kita
dapat membuat representasinya secara logika sbb:
labiba
raihan
afif
farah
farhan
arfan
naura
putra(labiba, raihan).
putra(raihan, afif).
putra(afif, farhan).
putra(afif, arfan).
putri(raihan, farah).
putri(farah, naura).
2.0 PERTANYAAN SEDERHANA PADA BASIS DATA
PENGETAHUAN
Seperti diungkapkan di
atas, dengan representasi secara logika kita dapat
memberikan pertanyaan dari fakta-fakta yang sudah
direpresentasikan. Bentuk
pertanyaan Siapa putri dari farah?, maka untuk
representasi secara logikanya kita dapat
dinyatakan sbb:
D adalah sebuah variabel yang kita gunakan untuk
menampung jawaban dari pertanyaan
siapa putri dari farah. Dari pertanyaan yang
direpresentasikan secara logika
putri(farah, D) kita dapatkan jawabannya adalah D =
naura.
Bentuk pertanyaan lain yang dapat direpresentasikan
secara logika adalah seperti
di bawah ini. Bentuk pertanyaannya adalah siapa saja
dari struktur keluarga di atas yang
mempunyai putri dan siapa nama putrinya. P merupakan
variabel yang menampung
pertanyaan siapa yang mempunyai putri, sementara D
merupakan variabel yang
menampung nama putrinya.
2.1
KOMBINASI PERTANYAAN PADA BASIS DATA PENGETAHUAN
Jika kita menanyakan
“apakah afif mempunyai saudara perempuan atau tidak?
dan jika mempunyai, siapa namanya?" maka Query
dengan representasi logika adalah
sbb:
P adalah variabel yang menampung nama orang tua dari
afif, sementara D adalah
variabel yang menampung nama saudara perempuan afif.
Sehingga didapatkan jawaban:
putri(farah, D).
D = naura
putri(P, D).
P = raihan D = farah
P = farah D = naura
putra(P,afif),putri(P,D).
P = raihan D = farah
P = raihan D = farah
2.2 DESKRIPSI RELASI DI ANTARA PENGETAHUAN
Dari sebuah
representasi secara logika, kita dapat menambahkan hubungan
antara pengetahuan, misalnya antara orang tua (ortu)
dengan putra atau putri sbb:
Sehingga kita dapat memberikan pertanyaan sbb
2.3
DESKRIPSI SECARA REKURSIF DARI RELASI
Dari sebuah representasi secara logika, kita juga
dapat menambahkan deskripsi
hubungan secara rekursif dari sebuah fakta. Jika
anda ingin mencari keturunan, maka
kita dapat mengekspresikan:
Fakta di atas dapat diekspresikan dengan proses
rekursif sbb:
ortu(raihan,P)
ortu(C,P)=putra(P,C).
ortu(C,P)=putri(P,C).
keturunan(Org,Desc)=ortu(Desc, Org). /* orang tua */
keturunan(Org,Desc)=ortu(Desc,
P),
ortu(P,
Org).
/*
kakek/nenek */
keturunan(Org,Desc)= ortu(Desc, P), ortu(P,GP),ortu(GP,
Org). /* buyut */
keturunan(Org,Desc) = ortu(Desc,Org). /* orang tua */
keturunan(Org,Desc) =
ortu(Desc,P),ortu(Org,P). /* orang
tua ke atas */
ortu(raihan,P)
ortu(C,P)=putra(P,C).
ortu(C,P)=putri(P,C).
keturunan(Org,Desc)=ortu(Desc, Org). /* orang tua */
keturunan(Org,Desc)=ortu(Desc,
P),
ortu(P,
Org).
/*
kakek/nenek */
keturunan(Org,Desc)= ortu(Desc, P), ortu(P,GP),ortu(GP,
Org). /* buyut */
keturunan(Org,Desc) = ortu(Desc,Org). /* orang tua */
keturunan(Org,Desc) =
ortu(Desc,P),ortu(Org,P). /* orang
tua ke atas */
a. Jika suatu
permasalahan dideskripsikan dengan menggunakan representasi yang
tepat, maka dapat
dipastikan bahwa permasalahan tersebut dapat diselesaikan.
b. Dengan representasi
yang tepat akan didapatkan jawaban yang tepat pulaterhadap suatu permasalahan.
c. Membangun sebuah
sistem Kecerdasan Buatan membutuhkan beberapapertanyaan mendasar tentang
pengetahuan. Beberapa adalah : Pengetahuan apa
yang
terlibat
di
dalamnya,
Bagaimana
seharusnya
pengetahuan
direpresentasikan, Berapa pengetahuan yang
dibutuhkan dan yang mana yang
benar-benar dibutuhkan.
ü Cara lain merepresentasikan
pengetahuan adalah
dengan Diagram Venn.
•Diagram Venn merepresentasikan sebuah himpunan yang
merupakan kumpulan objek.
•Objek dalam himpunan disebut elemen.
– A ={1,3,5,7}
– B = {….,-4,-2,0,2,4,…..}
– C = {pesawat, balon}
•Symbol epsilon ε menunjukkan bahwa suatu elemen
merupakan anggota dari suatu himpunan, contoh : 1 ε
A .
Jika suatu elemen bukan anggota dari suatu himpunan
maka symbol yang digunakan ∉,
contoh : 2 ∉ A.
•Jika suatu himpunan sembarang, misal X dan Y
didefinisikan bahwa setiap elemen X merupakan elemen
Y, maka X adalah subset dari Y, dituliskan : X ⊂ Y atau Y
Operasi-operasi Dasar dalam Diagram Venn:
Operasi-operasi Dasar dalam Diagram Venn:
– Interseksi (Irisan)
C = A ∩ B
C = {x ∈
U | (x ∈ A) ∧ (x ∈ B)}
Dimana : ∩ menyatakan irisan himpunan
| dibaca “sedemikian hingga”
∧
operator logika AND
– Union (Gabungan)
C = A ∪
B
C = {x ∈
U | (x ∈ A) ∨ (x ∈ B)}
Dimana : ∪
menyatakan gabungan himpunan
∨
operator logika OR
– Komplemen
A’ = {x ∈
U | ~(x ∈ A) }
Dimana : ’ menyatakan komplemen himpunan
~ operator logika NOT
2.4 LOGIKA PROSISI
Disebut juga kalkulus proposisi yang merupakan
Disebut juga kalkulus proposisi yang merupakan
logika simbolik untuk memanipulasi proposisi.
•Proposisi merupakan pernytaan yang dapat
bernilai benar atau salah.
•Operator logika yang digunakan :
Operator
Fungsi
∧
Konjungsi (AND/DAN)
∨
Disjungsi (OR/ATAU)
~
Negasi (NOT/TIDAK)
?
Implikasi/Kondisional (IF..THEN../JIKA.. MAKA….)
↔
Equivalensi/Bikondisional
(IF AND ONLY IF / JIKA DAN HANYA JIKA)
p ↔ q ≡ (p?q) ∧
(q?p)
Kondisional merupakan operator yang analog dengan
production rule.
•
Contoh 1 :
“ Jika hujan turun sekarang maka saya tidak pergi ke
pasar”
Kalimat di atas dapat ditulis : p ? q
Dimana : p = hujan turun
q = saya tidak pergi ke pasar
•
Contoh 2 :
p = “Anda berusia 21 atau sudah tua”
q = “Anda mempunyai hak pilih”
•
Kondisional p ? q dapat ditulis/berarti :
Kondisional
Berarti
p implies q
Anda berusia 21 tahun atau sudah tua implies Anda
mempunyaihak pilih.
Jika p maka q
Jika Anda berusia 21 tahun atau sudah tua, maka
Andamempunyai hak pilih.
p hanya jika q
Anda berusia 21 tahun atau sudah tua, hanya jika
Andamempunyai hak pilih.
p adalah (syarat
cukup untuk q)
Anda berusia 21 tahun atau sudah tua adalah syarat
cukupAnda mempunyai hak pilih.
q jika p
Anda mempunyai hak pilih, jika Anda berusia 21 tahun
atausudah tua.
q adalah (syaratperlu untuk p)
Anda mempunyai hak pilih adalah syarat perlu Anda
berusia 21tahun atau sudah tua.
Representasi Pengetahuan : LOGIKA
8/16
Pengantar Kecerdasan Buatan (AK045218)
Tautologi : pernyataan gabungan yang selalu
bernilaibenar.
•Kontradiksi : pernyataan gabungan yang
selalubernilai salah.
•Contingent : pernyataan yang bukan tautologyataupun
kontradiksi.
2.5 Logika Predikat Order pertama
Disebut juga kalkulus predikat, merupakan logikayang digunakan untuk merepresentasikanmasalah yang tidak dapat direpresentasikandengan menggunakan proposisi.
•Logika predikat dapat
memberikan representasifakat-fakta sebagai suatu pernyataan yang mapan(well
form).
•Syarat-syarat symbol
dalam logika predikat :
– himpunan huruf, baik
huruf kecil maupun huruf
besar dalam abjad.
– Himpunan digit
(angka) 0,1,2,…9
– Garis bawah “_”
– Symbol-simbol dalam
logika predikat dimulaidengan sebuah huruf dan diikuti oleh sembarangrangkaian
karakter-karakter yang diijinkan.
– Symbol-simbol logika
predikat dapatmerepresentasikan variable, konstanta, fungsi atau predikat.
Konstanta : objek atau
sifat dari semesta pembicaraan.
Penulisannya diawali
dengan huruf kecil, seperti : pohon,
tinggi. Konstanta true
(benar) dan false (salah) adalahsymbol kebenaran (truth symbol).
•Variable : digunakan
untuk merancang kelas objek atausifat-sifat secara umum dalam semesta
pembicaraan.
Penulisannya diawali
dengan huruf besar, seperti : Bill,Kate.
•Fungsi : pemetaan
(mapping) dari satu atau lebih elemendalam suatu himpunan yang disebut domain
fungsi kedalam sebuah elemen unik pada himpunan lain yangdisebut range fungsi.
Penulisannya dimulai dengan huruf kecil. Suatu ekspresi fungsi merupakan symbol
fungsi yangdiikuti argument.
•Argument adalah
elemen-elemen dari fungsi, ditulis diapittanda kurung dan dipisahkan dengan
tanda koma.
•Predikat : menamai
hubungan antara nol atau lebih objekdalam semesta pembicaraan. Penulisannya
dimulaidengan huruf kecil, seperti : equals, sama dengan, likes,near.
•Contoh kalimat dasar :teman(george,allen)
teman(ayah_dari(david),ayah_dari(andrew))
2.6 Kesimpulan
Kecerdasan
Buatan digunakan untuk mengatur/mengontrol robot yang harus melakukan pekerjaan
yang dilakukan oleh manusia atau bahkan pekerjaan yang sangat berbahaya jika
dilakukan oleh manusia/membosankan, memerlukan ketelitian tinggi, pengawasan
dan maintenance.
2.7 Saran
Setiap hasil karya tentunya masih jauh dari sempurna dan masih ada hal-hal
yang perlu dikembangkan. Berdasarkan pengamatan lebih lanjut, terdapat beberapa
yang masih terbuka untuk dapat diteliti antara lain dalam
prakteknya, untuk memproduksi dokumen yang lengkap dan konsisten. Untuk itu penulis berharap di masa yang akan datang, ada yang menyempurnakan
kebutuhan makalah ini, sehingga menjadi sebuah
sistem informasi yang lengkap.
REFERENSI
