SISTEM BERBASIS PENGETAHUAN
“REPRESENTASI PENGETAHUAN”
Kelompok 4
3KA29
1. Debi Fajrianingrum (12113092)
2. Fatma Intan S (13113311)
3. Sandra Bella M (18113226)
FAKULTAS ILMU KOMPUTER
DAN TEKNOLOGI INFORMASI
JURUSAN SISTEM
INFORMASI
UNIVERSITAS GUNADARMA
2015/2016
BAB I
PENDAHULUAN
A.
Latar Belakang
Representasi dimaksudkan untuk menangkap
sifat-sifat penting problema dan membuat informasi tsb dapat diakses oleh prosedur pemecahan masalah. Bahasa
representasi harus dapat membuat seorang
pemrogram mamppu mengekspresikan pengetahuan yang diperlukan untuk mendapatkan
solusi permasalahan. Banyak cara untuk merepresentasikan pengetahuan (fakta)
dalam program Al.
B.
Rumusan Masalah
1.
Mengapa Representasi
Pengatahuan itu penting dalam ES?
2.
Mengapa Shell Expert
System di design untuk Representasi Pengetahuan?
3.
Bagaimana Expert
System menunjukkan pengetahuan?
C.
Tujuan
1.
Untuk memahami
Representasi Pengatahuan yang penting dalam Expert System.
2.
Untuk memahami Shell
Expert System yang di design untuk Representasi Pengetahuan.
3.
Mengetahui cara dimana
Expert System menunjukkan pengetahuan.
BAB II
PEMBAHASAN
A.
Arti dan Pengetahuan
Pengetahuan, seperti cinta, merupakan salah satu kata dimana
seseorang mengetahui artinya, tetapi sulit untuk mendefinisikannya. Seperti
cinta pengetahuan mempunyai banyak arti. Dengan kata lian, kata seperti data,
fakta dan informasi sering digunakan secara sinonim dengan pengetahuan.
Definisi umum pengetahuan (Knowledge) adalah fakta atau kondisi sesuatu atau keadaan yang
timbul karena suatu pengalaman.
Pelajaran dari Knowledge merupakan suatu Epistemology
yang merupakan bagian dari ilmu filsafat yang berkenaan dengan sifat, struktur
dan keaslian dari Knowledge.
Priori Knowledge
Bentuk
“A Priori” berasal dari bahasa Latin yang berarti “mendahului”. Pengetahuan “A
Priori” dating sebelumnya dan bebas dari pengetahuan dari arti. Seperti contoh
pernyataan “segalanya memiliki sebab” dan “seluruh triangle dalam pesawat
mempunyai 180 derajat” adalah contoh dari pengetahuan “A Priori”. Pengetahuan
“A Priori” disebut secara universal benar dan tidak dapat ditentukan tanpa
kontradiksi . pernyataan logika, hokum matematika, dan pengetahuan diproses oleh
orang muda adalah contoh dari pengetahuan “A Priori”.
Posteriori Knowledge
Kebenaran
atau kesalahan “A Posterori” dapat bervariasi dengan menggunakan arti
pengalaman, seperti dalam pernyataan “sinar hijau”. Namun jika pengalaman
sensori mungkin tidak selalu dapat dipercaya. Pengetahuan “A Posteriori” dapat
disangkal pada basis pengetahuan baru tanpa memerlukan kontradiksi.
Kategori Knowledge
1.
Procedural Knowledge
Bagaimana melakukan sesuatu. Contoh
dari pengetahuan procedural adalah diketahui bagaimana menumpahkan pot air.
2.
Declarative Knowledege
Mengetahui sesuatu itu benar atau
salah. Hal ini dihubungkan dengan pengetahuan yang mengekspresikan dalam
pernyataan deklaratif seperti “Jangan letakkan jarimu dalam pot pemanas air”.
3.
Tacit Knowledge
Pengetahuan Tacit kadang-kadang
disebut dengan “unconscious knowledge” karena
tidak dapat dieksresikan dengan bahasa. Suatu contoh diketahui bagaimana
memindahkan tangan kita. Pada skala gross, kita mungkin dapat mengatakan bahwa
kita memindahkan tangan kita dengan kaku atau rileks otot dan urat daging.
Tetapi pada level lebih rendah berikutnya, bagaimana kita mengikat atau rileks
otot dan urat? Contoh lain adalah berjalan atau mengendarai sepeda. Dalam
system computer, ANS dihubungkan pada pengetahuan tacit karena secara normal
jaringan neural tidak dapat secara langsung menjelaskan pengetahuan, tetapi
mungkin dapat jika diberikan program yang semestinya.
Knowledge
pada Sistem Pakar
Pengetahuan
pada pokoknya penting dalam expert system. Kenyataannya Analogi dengan ekspresi
klasik Wirth:
ALGORITMA + STRUKTUR DATA = PROGRAM
Knowledge
pada Expert System:
KNOWLEDGE + INFERENSI = Expert System
Hierarki Knowledge
Meta
Knowledge : Knowledge dan pengetahuan
Knowledge
: Informasi yang sangat khusus
Informasi
: Data yang telah diproses
Data
: Hal yang paling potensial
Noise
: Data yang masih kabur
B.
Produksi
Sejumlah teknik representasi
pengetahuan telah dibagi. Hal ini mencakup baris, jaringan semantic, frames,
scripts, bahsa representasi pengetahuan seperti KL-1 (Wood 83) dan KRYPTON
(Brachman 83), grafik konsep (Sowa 84) dll. Baris produksi sangatlah umum
digunakan sebagai basis pengetahuan dalam expert system jika keuntungannya
melebihi kerugiannya.
Satu format notasi untuk menentukan
produksi adalah bentuk Backus Naus Form (BNF) (McGetrrick 80). Notasi ini
adalah “Metalanguage” untuk menentukan syntax bahasa. Syntax akan menentukan bentuk,
sementara “semantic” akan mengacu ke arti. Metalanguage adalah bahasa untuk
menjelaskan bahasa. Prefik meta berarti diatas, dengan demikian metalanguage
adalah diatas bahasa formal.
Ada beberapa type bahasa seperti
bahasa natural, bahasa logika, matematika dan bahasa computer. Notasi BNF untuk
baris bahasa inggris sederhana dimana kalimat berisi kata benda dan kata kerja
diikuti oleh titik adalah baris produksi sebagai berikut:
<sentence> ::=
<subject> <verb> <end-mark>
Dimana “angka brackets” < >
dan ::= adalah symbol dari metalanguage dan bukan bahsa yang ditentukan. Symbol
“::=” berarti “ditentukan sebagai” dan BNF sama dengn tanda panah, à
digunakan dengan baris produksi. Untuk menghindari kebingungan dengan operator
susunan Pascal, ::= kita akan menggunakan tanda anak panah.
Bentuk didalam tanda kurung disebut
dengan symbol “nonterminal” atau nonterminal sederhana. Nonterminal adalah
variable yang menunjukan bentuk lain. Bentuk lain mungkin berupa nonterminal
atau “terminal”. Terminal tidak dapat diganti dengan sesuatu yang lain sehingga
menjadi konstan.
Nonterminal <sentence> adalah
special karena merupakan satu satunya “start symbol” dimana symbol lain
ditentukan. Dalam definisi bahasa pemrograman, start symbol biasanya diberi
nama <program>. Baris produksi:
<sentence> à
<subject> <verb>
<end-mark>
Menunjukan bahwa suatu kalimat disusun dari subjek yang
diikuti oleh kata kerja, diikuti oleh tanda akhir. Baris berikut ini melengkapi
nonterminal dengan menentukan terminal kemungkinan. “Bar” berarti “atau” dalam
metalanguage.
<subject>
à I | You | We
<verb> à left |
came
<end-mark> à | ? | !
Seluruh kemungkinan kalimat dalam bahasa, produksi, dapat dibuat dengan
mengganti secara sukses setiap nonterminal dengan sisi kanan nonterminal atau
terminal hingga seluruh nonterminal hilang. Berikut ini adalah beberapa
produksi:
I left.
I left?
I left!
You left.
You left?
You left!
We left.
We left?
We left!
Serangkaian terminal disebut dengan
“string” bahasa. Jika string dapat didapatkan dari start symbol dengan
mengganti nonterminal dengan baris definisinya, maka string disebut dengan
“kalimat” valid. Misalnya, “We”, “WeWe”, dan “leftcamecame” seluruhnya adalah
string valid dari suatu bahasa tetepai bukan kalimat valid.
“Grammar” merupakan set/serangkaian
baris produksi lengkap yang menentukan suatu bahasa secara tidak ambigu. Jika
baris sebelumnya menentukan grammar, maka akan sangat terbatas karena aka nada
beberapa kemungkinan produksi. Misalnya, grammar yang lebih teliti daoat juga
mencakup objek langsung, seperti dalam produksi:
<sentence>
à <subject> <verb> <object> <end-mark>
<object> à home | work | school
Meskipun ini merupakan grammar valid, tetapi terlalu
sederhana untuk penggunaan praktis.
C.
Jaringan Semantik
“Semantic Network” atau net atau jaringan,
merupakan teknik representasi Al klasik yang digunakan untuk informasi
proposional (Stillings 87). Jaringan semantic kadang-kadang disebut dengan
“Proportional Net”. Seperti didiskusikan sebelumnya, suatu proporsi merupakan
kalimat baik yang benat maupun slah, seperti “all dogs are animals” dan “a
triangle has three sides”. Proporsi merupakan bentuk dari pengetahuan
deklaratif karena proporsi tersebut menyatakan fakta. Dalam bentuk matematika,
jaringan semantic diberi label, grafik langsung. Proporsi selalu benar atau
salah dan disebut dengan “atomic” karena angka benarnya tidak dapat dibagi
lagi. Disini bentuk atomic digunakan dalam arti klasikal dari obyek yang tidak
dapat dibagi.
Jaringan semantic pertama kali
dikembangkan untuk Al sebagai cara untuk menunjukkan memori manusia dan
pemahaman bahasa (Qullian 68). Qullian menggunakan jaringan semantic untuk
menganalisa arti kata dalam kalimat. Sejak saat itu, jaringan semantic kemudian
diterapkan pada banyak problem termasuk representasi pengetahuan.
Struktur jaringan semantic ditunjukkan secara
grafik dalam bentuk “nodes” dan “arcs” yang menghubungkannya. Nodes sering
disebut dengan “obyek” dan arcs sering disebut dengan “links” atau “edges”.
Link jaringan semantic digunakan untuk mengekspresikan suatu relasi. Sedangkan
node pada umumnya digunakan untuk menunjukkan objek fisik, konsep atau situasi.
Jaringan semantic kadang-kadang
disebut dengan “Assosiative Nets” karena node digabungkan atau dihubungkan
dengan yang lainnya. Kenyataannya, kerja Qullian asli diberi model memori
manusia sebagai jaringan gabungan dimana konsep merupakan node dan link
membentuk hubungan antar konsep. Menurut model ini, karena satu konsep node,
distimulasi dengan membaca kata dengan kalimat, maka akan me-link me node
lainnya yang diaktifkan dalam pola penyebaran. Jika node lainnya menerima
aktifasi yang penting, maka konsep akan dihadapkan kedalam pemikiran yang membingungkan. Misalnya,
meskipun kita tahu beribu-ribu kata, kita hanya memikirkan kata tertentu dalam
kalimat tersebut seperti kita baca.
Type hubungan
tertentu telah dibuktikan sangat berguna dalamberbagai representasi pengetahuan
secara luas. Bukannya menentukan hubungan baru untuk problem yang berbeda, hal
ini biasanya menggunakan type yang biasa. Penggunaan type umum akan membuat
lebih mudah untuk orang yang berbeda untuk memahami jaringan yang belum
dikenal.
Dua type pada
umumnya menggunakan link adalah IS-A dan A-KIND-OF, yang kadang ditulis dengan
ISA dan AKO (Winston 84).
IS-A berarti “jarak
dari” (is a instance of) dan mengacu pada anggota kelas tertentu. “Class”
dihubungkan pada konsep matematika dari rangkaian dimana mengacu pada kelompok
objek. Ketika suatu rangkaian dapat mempunyai elemenuntuk suatu type, objek
dalam kelas mempunyai beberapa hubungan ke yang lainnya.
Link AKO digunakan
disini untuk menghubungkan satu jenis ke jenis yang lainnya. AKO bukan
digunakan untuk menghubungkan individual khusus karena merupakan fungsi dari
IS-A, AKO akan menghubungkan jenis individual ke jenis induk dari jenis dimana
individual merupakan anak dari jenis.
Perluasan Jaringan Semantik
Jaringan semantic
merupakan pengetahuan secara grafis yang menunjukkan hubungan antara berbagai
objek, kita juga dapat memperluas jaringan semantic dengan menambah node dan menghubungkan
nodeyang berkesesuaian pada jaringan semantic.
Pada umumnya
penambahan dapat dilakukan dengan 3 cara yaitu :
1.
Objek yang sama
Penambahan node pada objek yang sama dengan menggunakan
hubungan “IS-A”.
2.
Objek yang lebih
khusus
Penambahan node yang merupakan objek khusus.
3.
Objek yang lebih umum
Kita dapat menambah node yang merupakan representasi yang
lebih umum dari suatu node, yang melakukan link dengan arc “IS-A”.
D.
Triple Objek - Atribut – Angka
Salah satu problem dengan menggunakan jaringan semantikk
adalah tidak adanya standar definisi nama link.
Ada 3 hal yaitu Object,
Attribute dan Value (OAV)
Triplet, yang sering digunakan untuk membangun jaringan semantic.
Object : Datap berupa fisik atau konsepsi.
Attribute : Karateristik objek.
Value : Ukuran spesifik dari atribut dalam situasi tertentu.
Triplet OAV secara khusus digunakan untuk merepresentasikan
fakta dan pola guna menyesuaikan fakta dalam aturan yang antecedent. Jaringan semnatic untuk beberapa system terdiri dari
node untuk objek, atribut dan nilai yang dihubungkan dengan IS A dan HAS A.
jika hanya objek tunggal yang ditunjukkan dan pewarisan tidak diperlukan, maka
representasi yang sederhana disebut dengan “Attribute-Value Pairs” atau AV
sederhana, mungkin sesuai.
E.
Prolog dan Jaringan Semantik
Jaringan semantic mudah untuk menterjemahkan ke dalam
PROLOG. Misalnya :
Is_a (goodyear)_blimp,blimp).
Is_a
(spirit_of_st_louis,special).
Has_shape (blimp, ellipsoidal).
Has_shape (balloon, round).
Adalah pernyataan
PROLOG yang mengekspresikan beberapa hubungan dalam jaringan semantic. Tanda
titik menunjukan akhir dari pernyataan.
Esensial PROLOG
Setiap pernyataan
diatas adalah “predicate expression” PROLOG, atau predikat sederhana, karena
bergantung pada logika predikat. Namun demikian, bukan merupakan bahasa logika
predikat karena ini merupakan bahasa computer dengan pernyataan yang dapat
dibuat. Dalam PROLOG, ekspresi predikat berisi nama predikat, seperti is_a diikuti oleh nol atau argument lain
yang dilampirkan dalam tanda kurung dan dipisahkan dengan koma.
Penelitian dalam PROLOG
Suatu system untuk
pembuatan pernyataan PROLOG pada umumnya merupakan interpreter, meskipun
beberapa system dapat membuat code yang di compiled. Pemakai akan berinteraksi
dengan PROLOG dengan memasukan predikat yang diminta dan menerima jawabannya.
“Predicate Database” berisi baris dan predikat fakta yang telah dimasukan dan
membentuk basis pengetahuan. Interpreter akan berusaha untuk menentukan jika
suatu predikat query dimana pemakai memasukan adalah ada dalam basis data.
Jawaban yang dikembalikan adalag yes jika ada dalam basis data atau no jika
tidak ada dalam basis data. Jika query merupakan baris, maka interpreter akan
mencoba untuk memenuhi sub tujuan dengan memperlakukan “Depth-First Search”,
sebaliknya “Breadth-First Search” juga ditunjukan meskipun bukan merupakan mode
normal dari PROLOG.
Dalam “Depth-First
Seacrh” penelitiannya turun sejauh mungkin dan kemudian kembali naik. Dalam
PROLOG penelitian juga berawal dari kiri ke kanan, “Breadth-First Search” akan
mendahului satu label pada satu waktu sebelum kejadian sebelumnya pada level
yang lebih rendah berikutnya.
Kesulitan dengan Jaringan Semantik
Meskipun jaringan
semantic dapat sangat berguna dalam menunjukkan pengetahuan, tetapi jaringan
tersebut mempunyai batasan seperti kekurangan standard nama link yang
didiskusikan sebelumnya. Hal ini akan membuatnya sukar untuk memahami apa
sebenarnya jaringa yang di design untuk dan apakah di design dengan cara yang
konsisten. Problem komplementary pada link pemberian nama adalah pembuatan nama
node. Jika suatu node diberi label dengan “chair” maka menunjukkan:
A specific chair
The class of all chairs
The concept of a chair
The person who is the chair of a meeting
Atau arti lain?
Untuk jaringan semantic untuk menunjukkan “pengetahuan definite”, yaitu
pengetahuan yang dapat ditentukan, link dan nama node harus secara kuat
ditentukan. Tentu saja, problem yang sama mungkin terjadi dalam bahasa
pemrograman.
Problem lain adalah
ekslosi kombinasi dari node penelitian, khususnya jika yang merespond ke query
adalah negative. Yaitu untuk query yang membuat hasil negative, beberapa atau
seluruh link dalam jaringan harus diteliti. Sejumlah link merupkan factorial
dari sejumlah node minus satu jika seluruhnya dihubungkan. Meskipun tidak semua
representasi akan memerulkan tingkat hubungan ini, namun kemungkinan dari eksplosi
kombinasi akan muncul.
Jaringan semantic
aslinya diusulkan sebagai model memori gabungan manusia dimana satu node
mempunyai link ke yang lainnya dan penerimaan informasi tejadi karena
penyebaran aktifasi node. Namun demikian, mekanisme lain hatus juga ada pada
pikiran manusia sejak tidak memerlukan waktu lama bagi manusia untuk menjawab
pertanyaan – Adakah team sepak bola di Pluto? Ada sekitar 10 pangkat 10 neutron
dalam pikiran manusia kira-kira 10 pangkat 15 link. Jika semua pengetahuan
ditunjukkan dengan jaringan semantic, maka akan memerlukan waktu yang sangat
lama untuk menjawab pertanyaan negative seperti pertanyaan sepak bola karena
seluruh penelitian dicakup dalam 10 pangkat 15 link.
Jaringan semantic
secara logical tidak memadai karena tidak dapat menentukan pengetahuan dengan
cara yang dapat dilakukan oleh logika. Representasi logika dapat menentukan
kursi tertentu, beberapa kursi, semua kursi, tidak ada kursi dsbnya. Problem
lain adalah bahwa jaringan semantic secara heuristic dalam jaringan atas
bagaimana mengefisiensi penelitian jaringan. “Heuristic” merupakan baris
(thumb) yang, mungkin membantu dalam menentukan solusi tetapi tidak dijamin
seperti algoritma yang dijamin menemukan solusi. Heuristic sangatlah penting
dalam Al karena problem Al tipikal begitu sukar atau keras dimana solusi
algoritma tidak akan muncul atau terlalu tidak efisien untuk penggunaan
praktis. Satu-satunya strategi control standard dibuat ke dalam jaringan yang
mungkin membantu adalah pewarisan tetapi tidak semua problem mempunyai struktur
ini.
Sejumlah pendekatan
telah dicobakan untuk membenarkan problem pewarisan dari jaringan semantic.
Penambahan logika telah dibuat, dan penambahan heuristic telah dicobakan dengan
melawankan prosedur pada node. Prosedur akan dibuat jika node menjadi aktif.
Namun demikian, system yang dihasilkan diperoleh kecil dalam kemampuan pada
biaya jaringan semantic yang dapat diekspresikan natural. Kesimpulan dari
seluruh usaha ini adalah bahwa seperti suatu peralatan, jaringan semantic harus
digunakan untuk sesuatu yang mereka kerjakan terbaik dengan menunjukkan
hubungan binary dan tidak disimpan ke dalam peralatan universal.
F.
Schemata
Jaringan semantic adlah suatu contoh dari “Shallow
Knowledge Structure”. (Shallow) terjadi karena seluruh pengetahuan di dalam
jaringan semantic diisikan dalam link dan node. Bentuk struktur pengetahuan
adalah analogous pada struktur data dimana menunjukkan koleksi pesanan
pengetahuan bukannya hanya data. Struktur pengetahuan yang dalam mempunyai
pengetahuan casual atau tidak formal yang menjelaskan mengapa sesuatu terjadi.
Misalnya, akan mungkin untuk membuat medical ES dengan pengetahuan Shallow
sebagai berikut:
If a person has a fever
THEN take an aspirin
Tetapi system
tersebut tidak mengetahui biokimia fundamental dari body dan mengapa aspirin
menurunkan demam. Baris dapat ditentukan sebagai:
If a person has a pink monkey
THEN take a refrigerator
Dengan kata lain,
pengetahuan expert system adlah shallow karena berdasarkan pada syntax dan
bukan pada semantic, dimana ada dua kata yang dapat diganti untuk X dan Y dalam
baris berikut ini:
If a person has a (X)
THEN take a (Y)
Perhatikan bahwa X
dan Y bukanlah variable dalam baris tersebut, tetapi menunjukkan dua kata.
Dokter mempunyai pengetahuan tidak formal karena mereka telah mengambil kursus
dan telah berpengalaman dalam menangani atau merawat orang sakit. Jika suatu
perawatan tidak bekerja dengan baik, maka dokter dapat memberikan alas an
tentangnya untuk menemukan alternative. Dengan kata lain, expert akan mengetahui
kapan memecah baris.
Beberapa type
pengetahuan dunia nyata tidak dapat ditunjukkan oleh struktur jaringan semantic
yang sederhana. Struktur yang lebih komplek dipperlukan untuk menunjukkan
struktur pengetahuan yang komplek. Dalam Al, bentuk skema (plural “Schemas atau
Schematas”) digunakan untuk menjelaskan struktur pengetahuan yang lebih komplek
dibandingkan dengan jaringan semantic. Bentuk skema berasal dari psikologi
dimana menunjukkan organisasi pengetahuan yang continue atau merespond dengan
suatu oembuat karena stimuli. Yaitu seperti menciptakan pelajaran yang hubungan
tidak formal antara penyebab dan cara mengatasinya, mereka akan mencoba
mengulang penyebab jika yang menyenangkan atau menghindari penyebab tidak
menyakitkan.
Misalnya, aksi
makan dan minum adalah menyenangkan skematas “sensorimotor” yang mencakup
koordinasi informasi dari rasa dengan perpindahan motor (otot) yang diperlukan
untuk makan dan minum. Seseorang tidak harus memikirkan tentang pengetahuan
tacit ini untuk mengetahui bagaimana melakukan aksi tersebut, dan sangat sulit
untuk menjelaskan sebenarnya bagimana hal itu dikerjakan pada level
pengontrolan otot. Bahkan sekam yang lebih sulit menjelaskan bagimana
mengendarai sepeda. Cobalah menjelaskan rasa keseimbangan.
Type skema lainnya
adalah “Concept Schema” yang dengan
skema tersebut kita dapat menunjukkan konsep. Misalnya, seseorang mempunyai
konsep binatang. Jika hamper setiap orang ditanya untuk menjelaskan apa
binatang itu, maka mereka akan mungkin menjelaskannya dalam bentuk sesuatu yang
mempunyai empat kaki dan bulu. Tentu saja konsep binatang akakn berbeda
tergantung pada apakah seseorang tersebut tumbuh dan besar dikebun, dikota,
dekat sungai dsb. Namun demikian, kita semua mempunyai “Stereotypes” dalam
pikiran konsep kita. Jika bentuk stereotypes mempunyai arti yang menghina dalam
bahasa tidak formal, dalam Al mungkin berarti contoh tipikal. Dengan demikian
stereotypes menewarkan suatu binatang yang mungkin berupa sesuatu seperti
anjing pada banyak orang.
Skema konseptual
adalah abstraksi dimana objek khusus diklasifikasikan dengan property umum.
Misalnya, jika kita melihat merah kecil, objek seperti bundar dengan tangkai
hijau dibawah tanda yang mengatakan artificial Frut, kita akan menentukannya
sebagai artificial apel. Suatu objek mempunyai property applehood yang kita
gabungkan dengan skema apel konseptual, kecuali untuk apel sesungguhnya, tentu
saja.
Skema konseptual
dari apel sesungguhnya akan mencakup property apel umum seperti ukuran, warna,
rasa, penggunaan dsb. Sekma tidak akan mencakup secara detail dimana apel
tersebut dipetik, truk yang mengirimkan ke supermarket, nama orang yang
meletakannya di rak dsb. Detail ini tidak penting untuk property yang
membandingkan konsep abstrak kita atas apel. Jjuga memperhatikan bahwa
seseorang yang buta mungkin mempunyai skema konsep yang sangat berbeda atas
apel dimana susunannya sangat penting.
Dengan memfokuskan
pada property umum dari objek, maka akan lebih mudah memberi alas an tentangnya
tanpa memberi alas menjadi membingungkan dengan detail yang tidak relevan.
Secara umum, skema mempunyai struktur internal pada nodenya sementara jaringan
semantic tidak. Table jaringan semantic seluruhnya adalah pengetahuan tentang
node. Jaringan semantic adalah seperti struktur data dalam pengetahuan computer
dimana kunci penelitian juga merupakan data yang disimpan dalam node. Skema
adalah seperti struktur data dimana node berisi record. Setiap record mungkin
berisi data, record atau pointer ke node yang lainnya.
G.
Frames
Salah satu tipe skema telah dikunalah dalam beberapa
aplikasi Al adalah “frame” (Mansky 75). Tipe skema yang lain adalah “script”,
yang pada pokoknya merupakan rangkaian frame yang diorder oleh waktu (Schank
77). Diajukan sebagai metode untuk melihat pemahaman, bahasa natural dan bidang
lain, frame menyediakan struktur yang cocok untuk menunjukan objek yang tipikal
pada situasi yang diberikan seperti stereorype. Sebenarnya, frame sangat
berguna untuk simulasi pengetahuan aru umum, yang merupakan bidang yang sulit
bagi computer untuk pemilik. Jika jaringan semantic jaringan pokokny adalah
representasi data memungkinkan node untuk mempunyai struktur. Struktur ini
dapat berupa angka sederhana atau frame lainnya.
Karateristik pokok dari frame adalah bahwa frame tersebut
menunjukan pengetahuan yang dihubunngan tentang subjek yang sempit yang
mempunyai banyak pengetahuan default. System frame akan menjadi pilihan yang
baik untuk menjelaskan bagian mekanik seperti mobil. Komponen mobil seperti
mesin, body, rem dsb akan dihubungkan untuk memberikan keseluruhan pandangan
tentang hubungannua. Detail lebih jauh tentang komponen dapat diperoleh dengan
menguji struktur frame. Meskipun jenis mobil individual bervariasi, tetapi
hamper semua mobil mempunyai karateristik umum seperti roda, mesin, body,
transmisi dsb. Frame merupakan kebalikan dengan jaaringan semantic pada umumnya
digunakan unruk representasi pengetahuan uang luas.
Hanya seperti dengan jaringan semantic, tidak ada strandar
untuk menentukan system yang berdasarkan frame. Sejumlah bahasa dengan tujuan
khusus telah didesign untuk frame, seperti FRL, SRL, KRL, KEE, HP-RL dan
feature pewarisan frame untuk LISP seperti LOOPS dan FLAVORS (Finin 86).
Frame merupakan analogous pada struktur record dalam bahasa
dengan level tinggi seperti Pascal atau atom dalam daftar propertynya dala
LISP. Berhubungan dengan suatu bidang dan angka record adalah “slots” dan “fillers”
slot dari frame. Frame pada pokoknya adalah kelompok slots dan filler yang
menentukan objek stereotype. Dalam bentuk OAV, mobil merupakan objek, nama slot
berhubungan dengan atribut, sementara filler merupakan angka.
Hamipr semua frame tidak sesederhana yang ada dalam Gambar
2.5. peralatan frame terletak pada system frame secara hierarki dan pewarisan.
Dengan menggunakan frame dalam slot filler dan pewarisan, maka system
representasi pengetahuan yang kuat dapat dibuat. Khususnya, expert system yang
berdasarkan pada frame sangat berguna untuk menunjukkan pengetahuan yang tidak
formal karena informasinya diorganisasikan oleh penyebab dan efek. Sebeliknya
expert system berdasarkan pada barias pada umumnya terletak dalam pengetahuan
yang tidak terorganisasi yang tidak casual.
Beberapa peralatan yang berdasarkan frame seperti KEE,
memungkinkan item yang lebar untuk disimpan dalam slot. Slot frame mungkin
berisi baris, grafik, perintah, debugging informasi, pertanyaan untuk pemakai,
hypotesa yang berhubungan dengan situasi atau frame lainnya.
Frame pada umumnya di design untuk menunjukkan pengetahuan
generic dan spesifik. Gambar 2.6 mengilustrasikan frame generic untuk konsep
properti manusia.
Filter mungkin berupa angka seperti property dalam nama
slot, atauu rentangan angka seperti dalam tipe slot. Slot mungkin juga berisi
prosedur yang dihadapkan pada slot,
disebut dengan “procedural attachments”. Hal ini pada umumnya tiga tipe. Tipe
“if-needed” merupakan prosedur untuk dibuat jika angka filler diperlukan tetapi
tidak ada (present) atau angka “default”
yang tidak sesuai. Default merupakan yang sangat penting dalam frame karena
mereka memberi model beberapa aspek pikiran manusia. Default berhubungan dengan
pengharapan situasi yang kita buat berdasarkan. Jika kita menemukan situasi
yang baru, frame yang paling dekat akan dimodifikasi untuk membantu kita dalam
mengatur ke situasi. Orang tidak mulai
dari scratch dalam setiap situasi baru.
Sebagai pengganti, default atau filler lainnya dimodifikasi. Default sering
digunakan untuk menunjukkan pengtahuan arti-umum. Yaitu, pengetahuan arti umum
yang dapat disebut dengan pengetahuan yang pada umumnya diketahui bahwa kita
menggunakan jika tidak ada situasi pengetahuan khusus lagi yang ada.
Tipe “if-added” berjalan untuk prosedur untuk dibuat jika
angka ditambahkan ke slot. Dalam tipe slot, prosedur if-added membuat suatu
prosedur yang disebut dengan ADD-PROPERTY untuk menambahkan tipe property baru,
jika perlu.
Type “if-removal” akan berjalan jika angka dipindahkan dari
slot. Tipe prosedur ini akan berjalan jika angka telah absoult.
Kesulitan
dengan Frame
Frame aslinya disusun sebagai paradigm untuk menunjukkan
pengetahuan stereotype. Karateristik yang penting dari stereotype adalah bahwa
stereotype mempunyai feature yang ditentukan dengan baik sehingga banyak
slot-nya mempunyai angka default. Konsep matematika merupakan contoh yang baik
dari stereotype yang disusun dengan baik untuk frames. Paradigmf frame
mempunyai intutif yang menarik karena representasi pengetahuannya yang
terorganisasi pada umumnya lebih mudah dimengerti dibandingkan dengan logika,
atau system produksi dengan beberapa baris (Jackson 86). Namun demikian,
problem utama telah muncul bahwa di dalam system frame yang memungkinkan
alterasi yang tidak dikirimkan atau penundaan slot (Brachman 85).
BAB III
PENUTUP
A.
Kesimpulan
Dalam bab ini, kita telah melihat elemen dari teori
pengetahuan dan beberapa teknik untuk menunjukkan pengetahuan. Representasi
pengetahuan adalah pokok penting dalam expert system. Pengetahuan dapat
dikalsifikasikan dengan sejumlah cara seperti “A Priori’ dan “A Posteriori”,
Procedural, Declarative dan Tacit. Baris produksi, jaringan semantic, skemana
dan frame adalah metode yang umum dimana pengetahuan ditunjukkan dalam expert
system. Setiap paradigm ini mempunyai keuntungan dan kekurangan. Sebelum
men-design expert system kita harus memutuskan paradigm terbaik untuk problem
agar diselesaikan. Bukannya mencoba untuk mengguanakan satu peralatan untuk
seluruh problem, tetepi ambil peralatan terbaik untuk suatu problem.
B. Saran
Dengan
selesainya makalah ini, kami menyadari akan jauhnya makalah ini dari
kesempurnaan dan terdapat berbagai kekurangan. Adapun kelebihan dan kebaikan
dalam makalah ini semoga dapat memberikan manfaat bagi pembaca.
Oleh karena itu kritik dan saran sangat di
butuhkan, guna perbaikan makalah kami kedepannya, semoga apa yang menjadi
kekurangan, dapat menbuka wawasan pembaca untuk semakin mencari tahu ketidaklengkapan
atas segala sesuatu,terutama dalam makalah ini.
by Unknown
15 Januari 2016
