Pendekatan Teknik (An Engineering Approach)
Merupakan proses di mana peralatan mekanik dapat melaksanakan kegiatan-kegiatan yang berdasarkan pada pemikiran atau kecerdasan buatan.
Pendekatan Ilmiah (A Scientific Approach) Merupakan ilmu yang mempelajari bagaimana sebuah komputer dapat melakukan kegiatan yang dapat dilakukan oleh manusia.
Sejarah AI
• 1955, Pengembangan dalam bidang permainan atau game Catur oleh Shannon
• 1956, Istilah AI mulai dipopulerkan oleh John McCarthy sebagai suatu tema ilmiah di bidang komputer yang diadakan di Dartmouth College.
• 1956, Komputer berbasis AI pertama kali dikembangkan dengan nama Logic Theorist yang melakukan penalaran terbatas untuk teorema alkulus. Perkembangan ini mendorong para peneliti untuk mengembangkan program lain yang disebut sebagai General Problem Solver (GPS).
• 1963, Checkers-playing program diperkenalkan oleh Samuel, program ini dapat digunakan untuk memainkan game dan punya kemampuan untuk menyimpan pengalaman untuk digunakan pada permainan berikutnya.
• 1972, Newell dan Simon memperkenalkan Teori Logika secara konseptual yang kemudian berkembang pesat dan menjadi acuan pengembangan sistem berbasis AI lainnya.
• 1978, Buchanan dan Feigenbaum mengembangkan bahasa pemrograman DENDRAL, bahasa pemragraman ini dibuat untuk Badan Antariksa AS (NASA) dan digunakan untuk penelitian kimia di planet Mars.
• Pada perkembangan selanjutnya studi pada AI
difokuskan pada pemecahan masalah sehari-hari atau
memberi pertimbangan yang masuk akal
(commonsense reasoning) terhadap permasalahan
yang dihadapi manusia
• Hal ini mencakup pertimbangan mengenai suatu objek
dan hubungannya dengan objek yang lain (mis : suatu
objek mungkin berada dalam objek yang lain) dan
pertimbangan tindakan apa yang dapat dilakukan
terhadap objek dan konsekuensinya (mis : bila kita
melepaskan objek dari genggaman objek tsb akan jatuh
dan mungkin pecah).
Beberapa bidang Tugas AI
Bidang Umum
• Perception : Vision, Speech
• Natural Language : Understanding, Generation,
Translation
• Commonsense Reasoning
• Robot control
Bidang Formal
• Games : Chess, Bakgammon, Checkers, Go
• Mathematics : Geometry, Logic, Integral Calculus
Bidang Ahli
• Engineering : Design, Fault finding, Manufacturing
planning
• Scientific analysis
• Medical diagnosis
• Financial analysis
Teknik-Teknik AI
Beberapa teknik AI yang penting diantaranya
1. Search (Pencarian)
menyediakan cara penyelesaian masalah untuk kasus
dimana bila tidak ada lagi pendekatan langsung yang
dapat digunakan maka pindahkan kerangka kerja kpd
teknik langsung yang mungkin untuk dilekatkan.
2. Use of Knowledge (Penggunaan Pengetahuan)
menyediakan cara penyelesaian masalah yang lebih
kompleks dengan mengekploitasi struktur dari objek yang
terkait dengan masalah tsb.
3. Abstraction
menyediakan cara untuk memilah/memisahkan keterangan
dan variasi yang penting dari sekian banyak yang tidak
penting dimana akan mempercepat penyelesaian masalah.
Pertemuan 2
Pengenalan Expert System (Sistem Pakar)
Definisi Sistem Pakar
Sistem Pakar adalah suatu sistem yang menggabungkan
pengetahuan dan penelusuran data untuk memecahkan
masalah yang secara normal memerlukan keahlian seorang
pakar.
Yang diperlukan untuk membangun sitem pakar adalah
sejumlah pengetahuan dan suatu mekanisme untuk
mengakses pengetahuan itu secara efisien (mekanisme
inferensi) untuk memecahkan masalah.
Kelebihan Sistem Pakar
1. Increased Availability
Pengetahuan seorang pakar yang sudah diadaptasi
kebentuk software dapat diperbanyak dan
disebarluaskan dalam jumlah yang tidak terbatas
2. Reduced cost
biaya memperbanyak software lebih murah dibanding
menghadirkan atau melatih seorang pakar
3. Reduced danger
dapat digunakan pada keadaan dan atau lokasi yang
membahayakan manusia
4. Permanence
software sistem pakar dapat digunakan kapan saja
tanpa ada batas waktu
5. Multiple expertise
sistem pakar dapat dibuat dan digunakan secara
simultan dengan penggabungan beberapa pengetahuan
dari banyak pakar
6. Increased reliability
Sifat komputer yang pasti dan selalu benar selama
masukan dan algoritma yang diberikan benar shg
keluaran sistem pakar dapat menjadi penunjang
keputusan yang dapat diterima
7. Explanation
Sistem pakar dibuat dengan mekanisme inferensi yang
mengahasilkan suatu keluaran disertai penjelasan yang
masuk akal, shg sistem pakar dapat juga digunakan
untuk menjelaskan suatu teori atau keadaan tertentu
8. Fast Response
Kecepatan proses hardware komputer dapat terus
ditingkatkan tanpa batas, shg kecepatan penyelesaian
masalah dengan sistem pakar ikut meningkat
9. Steady, unemotional, complete
komputer bekerja dalam keadaan yang relatif tetap
setiap saat, keadaan yang sulit sekali dicapai oleh
manusia
10. Intelligent tutor
sistem pakar dapat dijadikan sumber belajar yang baik
bagi siswa dengan menjalankan kasus-kasus
11. Intelligent database
komputer tidak memiliki sifat lupa, sistem pakar akan
memberikan informasi yang sesuai selama tersimpan
dalam database nya
Kelemahan Pengembangan Sistem Pakar
Beberapa kelemahan Sistem pakar diantaranya :
• Daya kerja dan produktivitas manusia menjadi
berkurang karena semuanya dilakukan secara
otomatis oleh sistem
• Pengembangan perangkat lunak sistem pakar lebih
sulit dibandingkan perangkat lunak konvensional.
Perangkat Lunak Konvensional Perangkat Lunak Sistem Pakar
Fokus Pada Solusi Fokus Pada Permasalahan
Pengembangan dapat dilakukan secara individu Pengembangan dilakukan oleh tim kerja
Pengembangan secara sekuensial Pengembangan secara iteratif
Karakteristik Sistem Pakar
1. High Performance
Sistem pakar harus dapat bekerja pada level
kompetensi yang sama atau lebih baik dari seorang
pakar
2. Adequate response time
Sistem pakar harus dapat bekerja dan
menghasilkan solusi atau kesimpulan lebih cepat
dari pakar manusia
3. Good reliability
Sistem pakar harus dapat dipercaya dimana solusi
yang dihasilkan tidak cenderung atau mengacu
kepada satu hal atau keadaan tertentu saja
4. Understandable
Sistem pakar harus dapat menjelaskan setiap solusi yang dihasilkan sebagaimana juga seorang pakar dapat menjelaskan setiap kesimpulan yang dibuat, bukan black box system
5. Flexibility
Karena pengetahuan terus berkembang dan berubah, maka sebuah sistem pakar juga harus memiliki mekanisme untuk menambah, merubah dan memperbaharui pengetahuan yang ada di dalamnya.
6. Hipotesis
Sistem pakar dapat melakukan serangkaian hipotesa yang dapat dibandingkan dan tidak bertentangan dengan hipotesa dari seorang pakar dalam masalah yang nyata
Pembagian Sistem Pakar berdasar kelas
1. Konfigurasi
Merakit komponen sistem dengan cara yang benar
2. Diagnosa
Menarik kesimpulan terhadap masalah yang dihadapi berdasarkan bukti-bukti yang diobservasi
3. Instruksi
Metode pengajaran yang cerdas sehingga siswa sbg user dapat melakukan tanya jawab dengan
sistemmseolah berhadapan dengan pengajar atau seorang pakar
4. Interpretasi
Menjelaskan data-data yang diobservasi
5. Monitoring
Membandingkan data yang diamati dengan data acuan yang diharapkan untuk memberi penilaian terhadap prestasi, kinerja atau masalah tertentu
6. Perencanaan
6. Perencanaan
Merancang tindakan atau menentukan langkah yang harus diambil untuk mendapatkan hasil yang dikehendaki
7. Prognosis
7. Prognosis
Membuat perkiraan hasil dari data yang ada atau keadaan yang sudah atau sedang terjadi
8. Perbaikan
Menjelaskan tindakan yang berlaku atau yang valid untuk suatu masalah atau keadaan tertentu
9. Kontrol
mengatur proses yang berasal dari penggabungan kelas
sistem pakar yang lain
Pertemuan 3
Model Expert System
Unsur Penting Pengembangan
Sistem Pakar
Ada tiga unsur penting dalam pengembangan
Sistem Pakar, yaitu :
Pakar > Sistem > Pemakai
Komponen Sistem Pakar
Komponen Sistem Pakar terdiri dari :
1. Fasilitas Akuisisi pengetahuan
2. Basis Pengetahuan dan Basis Aturan
3. Mekanisme Inferensi
4. Fasilitas Belajar Mandiri
5. Fasilitas Penjelasan Sistem
6. Antarmuka Pemakai
1. Fasilitas Akuisisi Pengetahuan
Merupakan suatu proses untuk mengumpulkan
data-data pengetahuan tentang suatu masalah
dari pakar.
Bahan pengetahuan dapat diperoleh dengan
berbagai cara, seperti dari buku, jurnal ilmiah,
pakar di bidangnya, laporan, literatur dsb. Sumber
pengetahuan tsb dijadikan dokumentasi untuk
dipelajari, diolah dan diorganisir secara terstruktur
menjadi basis pengetahuan.
2. Basis Pengetahuan dan Basis Aturan
Ada beberapa cara merepresentasikan data
menjadi basis pengetahuan, seperti dalam
bentuk atribut, aturan-aturan, jaringan semantik,
frame dan logika. Semua bentuk representasi
data tsb bertujuan untuk menyederhanakan data
sehingga mudah dimengerti dan mengefektifkan
proses pengembangan program.
Dalam pemrograman visual umumnya disediakan
sarana untuk mengembangkan tabel-tabel
penyimpanan data yang terangkum dalam
sebuah database.
3. Mekanisme Inferensi
Adalah bagian sistem pakar yang melakukan
penalaran dengan menggunakan isi daftar aturan
berdasarkan urutan dan pola tertentu. Selama
proses konsultasi antara sistem dan pemakai,
mekanisme inferensi menguji aturan satu persatu
sampai kondisi aturan itu benar.
Secara umum ada dua teknik utama yang
digunakan dalam mekanisme inferensi untuk
pengujian aturan, yaitu penalaran maju (forward
reasoning) dan penalaran mundur (reverse
reasoning)
4. Fasilitas Belajar Mandiri
Fasilitas ini memungkinkan sistem untuk
mengembangkan dirinya sendiri dengan memilah
atau mengelompokan kembali fakta yang sudah
ada, memasukkan fakta-fakta baru kedalam basis
pengetahuan yang merupakan hasil penurunan
(iterasi) dari fakta-fakta sebelumnya dan dapat
mengembalikan fakta ke pada mekanisme
inferensi sehingga dapat dimintakan fakta lainnya
dari pemakai melalui antarmuka pemakai
5. Fasilitas Penjelasan Sistem
Merupakan bagian komponen sistem pakar yang
memberikan penjelasan tentang bagaimana
program dijalankan, apa yang harus dijelaskan
kepada pemakai tentang suatu masalah,
memberikan rekomendasi kepada pemakai,
mengakomodasi kesalahan pemakai dan
menjelaskan bagaimana suatu masalah terjadi.
Dalam sistem pakar, fasilitas penjelasan sistem
sebaiknya diintegrasikan ke dalam tabel basis
pengetahuan dan basis aturan karena hal ini
lebih memudahkan perancangan sistem
6. Antarmuka Pemakai
Komponen ini memberikan fasilitas komunikasi
antara pemakai dan sistem, memberikan
berbagai fasilitas informasi dan berbagai
keterangan yang bertujuan untuk membantu
mengarahkan alur penelusuran masalah sampai
ditemukan solusi.
Syarat utama membangun antarmuka pemakai
adalah kemudahan dalam menjalankan sistem,
tampilan yang interaktif, komunikatif dan
mudah bagi pemakai
Arti dari Pengetahuan
Pengetahuan merupakan salah satu kata dimana banyak
orang mengetahui maknanya, tetapi sulit untuk
mendefinisikannya.
Kata pengetahuan memiliki banyak arti, dan kata-kata lain
seperti data, fakta dan informasi sering digunakan sebagai
sinonim dari pengetahuan.
Epistemology adalah suatu studi tentang pengetahuan,
studi ini dihubungkan dengan alam, struktur dan keaslian
pengetahuan. Epistemology mengekspresikan pengetahuan
dalam tiga bentuk, yaitu secara philosopy, priori dan posteriori
Philosophy digunakan untuk mengekspresikan kebenaran
umum (general truth) yang terjadi di alam
Pengetahuan “a priori” datang sebelumnya dan bebas
dari arti, secara universal benar dan tidak menimbulkan
kontradiksi.
Contoh : “semua kejadian pasti ada sebabnya”
“jumlah sudut dalam segitiga 180 derajat”
Pengetahuan “a posteriori” adalah pengetahuan yang
diperoleh dari arti. Kebenaran atau kesalahan
pengetahuan posteriori dapat bervariasi, suatu
pernyataan yang benar pada suatu saat, dapat disangkal
dan menjadi salah pada saat yang lain.
Klasifikasi lebih lanjut
Pengetahuan diklasifikasikan lebih lanjut kedalam
procedural knowledge, declarative knowledge dan tacit
knowledge.
Pengetahuan prosedural sering disebut sebagai
pengetahuan tentang bagaimana melakukan sesuatu.
Pengetahuan deklaratif mengacu pada pengetahuan
bahwa sesuatu itu benar atau salah, sehingga biasanya
menghasilkan anjuran atau larangan.
Pengetahuan tacit kadang disebut sebagai “unconscius
knowledge” karena tidak dapat diekspresikan dengan
bahasa. Contoh : bagaimana cara mengangkat tangan,
berjalan, mengendarai sepeda, dsb.
Analogi Wirth
Pengetahuan merupakan hal penting dalam sistem pakar, seperti
yang dianalogikan Nicklaus Wirth dalam ekspresi :
Algoritma + Struktur Data = Program
Dan
Pengetahuan + Inferensi = Sistem Pakar
Hirarki Pengetahuan
Meta
Knowledge
KNOWLEDGE
INFORMATION
DATA
NOISE
Bentuk Representasi Pengetahuan
1. Produksi
2. Jaringan Semantik
3. Schemata
4. Frame
5. Logika
Produksi
Produksi atau sering juga disebut himpunan produksi, baris
produksi atau baris, merupakan bentuk representasi
pengetahuan yang menggunakan Backus-Nour Form (BNF)
sebagai metalanguage untuk menentukan sintaks bahasa.
Metalanguage adalah suatu bahasa yang digunakan untuk
menjelaskan bahasa.
Suatu string atau deretan kata dapat dinyatakan sebagai kata
atau kalimat yang valid jika dapat diturunkan atau diderivasi
mulai dari simbol start sampai terbentuk kalimat dengan
menggunakan baris produksi yang ditentukan.
Grammar merupakan set / rangkaian baris produksi lengkap
yang menentukan suatu bahasa secara tidak ambigius.
Parse tree atau Derivation tree merupakan bentuk representasi
grafis dari kalimat yang diuraikan kedalam simbol terminal dari
seluruh simbol nonterminal yang digunakan untuk mendapatkan
kalimat.
Compiler akan membuat parse tree pada saat mencoba
menentukan apakah suatu pernyataan dalam program sesuai
atau tidak dengan sintaks yang ditentukan.
Cara alternatif penggunaan produksi adalah untuk membuat
kalimat dengan mengganti seluruh simbol terminal dengan
simbol nonterminal sampai mencapai start (metode backward)
Jaringan Semantik
Merupakan teknik representasi AI klasik yang digunakan untuk
informasi proporsional, sehingga jaringan semantik sering disebut
juga sebagai jaringan proporsional.
Proporsi merupakan kalimat, baik benar maupun salah.
Proporsi merupakan bentuk dari pengetahuan deklaratif karena
proporsi menyatakan fakta. Proporsi selalu benar atau salah dan
disebut sebagai atomic karena nilai kebenarannya tidak dapat
dibagi lagi.
Jaringan semantik pertama kali dikembangkan untuk AI sebagai
cara untuk menunjukkan memory manusia dan pemahaman
bahasa. Jaringan semantik digunakan untuk menganalisa arti
kata dalam kalimat, diterapkan juga pada banyak problem,
termasuk representasi pengetahuan.
Struktur jaringan semantik digambarkan secara grafis dalam
bentuk nodes dan arcs yang menghubungkannya. Nodes sering
juga disebut sebagai objek dan arcs sering juga disebut
sebagai links atau edges. Link digunakan untuk
mengekspresikan suatu relasi, sedangkan node pada umumnya
digunakan untuk menunjukkan objek fisik, konsep atau situasi.
Relasi didalam jaringan semantik sangatlah penting karena
relasi tersebut menyediakan struktur pokok untuk
pengorganisasian pengetahuan. Tanpa suatu relasi, maka
pengetahuan hanya akan merupakan koleksi sederhana dari
fakta yang tidak saling berhubungan. Dengan relasi,
pengetahuan merupakan struktur kohesif tentang hubungan
pengetahuan lain yang dapat disimpulkan.
Tipe Relasi/Link dlm Jaringan Semantik
Dua tipe relasi atau link yang sering digunakan pada jaringan
semantik adalah is-a (IS-A) dan a-kind-of (AKO).
Link IS-A biasa digunakan untuk menyatakan jarak antar node
atau untuk menyatakan suatu objek merupakan anggota dari
suatu kelompok objek atau kelas objek tertentu.
Link AKO digunakan untuk merelasikan satu jenis abjek ke jenis
objek lainnya. AKO juga akan menghubungkan jenis individual ke
jenis induk dari jenis dimana individual merupakan anak dari jenis
tersebut.
Objek didalam jenis/kelas memiliki satu atau lebih atribut secara
umum. Setiap atribut memiliki nilai, gabungan atribut dan nilai
disebut properti.
Contoh Jaringan Umum
13
JKT BGR BDG
BKS TNG
Contoh Jaringan Semantik
14
Ann Bill
Tom
Carol
Susan
John
Dave
husband-of
wife-of
mother-of father-of
wife-of
husband-of
mother-of father-of
brother-of
sister-of
uncle-of
OAV dlm Jaringan Semantik
Object-attribute-value triple (OAV) atau triplet dapat digunakan
untuk memberi karakter semua pengetahuan dalam jaringan
semantik dan digunakan dalam sistem pakar MYCIN untuk
diagnosa penyakit infeksi.
Representasi triple OAV sangat sesuai untuk pembuatan daftar
pengetahuan dalam bentuk tabel dan menterjemah kan tabel
ke dalm code komputer dengan induksi baris.
Objeck Attribute Value
Apel warna Merah
Apel kuantitas 100
Anggur warna Ungu
Anggur tipe Tanpa biji
Keterbatasan Jaringan Semantik
1. Kesulitan untuk membuat standar nama link, sehingga
berakibat sulit memahami suatu desain jaringan semantik,
untuk apa dibuat dan bagaimana dibuat
2. Jaringan semantik, aslinya diusulkan sebagai memori
gabungan manusia dimana satu node punya link ke node
lainnya, namun ada sekitar 10 pangkat 10 neuron dan 10
pangkat 15 link dalam pikiran manusian, kalau semua
dipetakan dengan jaringan semantik akan diperlukan waktu
yang sangat lama untuk mendapat jawaban, terutama untuk
pertanyaan negatif (yang sebenarnya tidak perlu dijawab)
3. Jaringan semantik secara logika tidak memadai karena tidak
menentukan pengetahuan dengan cara yang dapat dilakukan
oleh logika.
4. Jaringan semantik secara heuristik tidak memadai karena tidak
ada cara untuk memasukkan informasi heuristik dalam
jaringan untuk mengefisienkan kerja jaringan.
Schemata
Dalam AI, bentuk skema (schema, schemas, shematas)
digunakan untuk menjelaskan struktur pengetahuan yang lebih
kompleks dibandingkan dengan jaringan semantik.
Bentuk skema berasal dari psikologi dimana menunjukkan
organisasi pengetahuan yang kontinyu atau merespond suatu
stimuli.
Yaitu seperti menciptakan pelajaran hubungan tidak
formal antara sebab dan akibat atau cara mengatasinya,
penyebab akan diulangi jika menyenangkan atau dihindari jika
menyakitkan.
Seseorang tidak perlu memikirkan pengetahuan untuk
mengetahui bagaimana atau mengapa melakukan sesuatu yang
memang sulit untuk dijelaskan.
Concept Schema
Concept schema merupakan tipe lain dari skema yang
dengan skema jenis ini kita dapat menunjukkan konsep.
Jika tiap orang ditanya tentang konsep sesuatu,
jawabannya bisa berbeda-beda, karena tiap orang
memiliki stereotypes dalam konsep pikirannya masingmasing.
Skema konseptual adalah abstraksi dimana obyek khusus
diklasifikasikan dengan properti umum.
Dengan memfokuskan pada property umum dari obyek,
maka akan lebih mudah memberi alasan tentangnya
tanpa menjadi membingungkan dengan detail yang tidak
relevan.
Perbedaan Schema & Semantik
Secara umum, schema memiliki struktur internal di
dalam node nya, sedangkan jaringan semantik tidak.
Tabel jaringan semantik seluruhnya adalah pengetahuan
tentang node.
Jaringan semantik seperti struktur data
dalam pengetahuan komputer dimana kunci penelitian
juga merupakan data yang disimpan dalam node.
Skema adalah seperti struktur data diamana node berisi
record, setiap record mungkin berisi data tunggal, record
lain atau pointer ke node yang lainny
Frames
Diajukan sebagai metode untuk melihat pemahaman bahasa
natural dan bidang lain, frame menyediakan struktur yang cocok
untuk menunjukkan objek yang tipikal pada situasi tertentu yang
diberikan, seperti stereotype.
Jika jaringan semantik pada dasarnya adalah representasi dua
dimensi dari pengetahuan, frame menambahkan dimensi ketiga
dengan memungkinkan node untuk mempunyai struktur.
Struktur ini dapat berupa nilai sederhana atau frame yang
lainnya.
Karakteristik pokok dari frame adalah bahwa frame tersebut
menunjukkkan pengetahuan yang dihubungkan dengan subyek
yang sempit yang mempunyai banyak pengetahuan default.
Frame merupakan kebalikan dari jaringan semantik yang pada
umumnya digunakan untuk representasi pengetahuan yang luas
Frame dapat dianalogikan sebagai struktur record pada bahasa
tingkat tinggi seperti Pascal.
Berhubungan dengan bidang dan nilai record, dalam frame
terdapat slot dan filler yang menentukan stereotype dari suatu
objek.
Dalam bentuk OAV, slot berhubungan dengan atribut dan
filler berhubungan dengan nilai.
Kelebihan frame adalah dalam sistem frame berlaku sifat hirarki
dan pewarisan. Dengan menggunakan frame dalam slot dan filler
serta pewarisan, maka kita dapat membuat suatu representasi
pengetahuan yang kuat.
Khususnya expert system yang berdasarkan pada frame sangat
berguna untuk menunjukkan pengetahuan tidak formal karena
informasinya disusun berdasarkan pada sebab dan akib
Contoh Frame untuk obyek Mobil
Slot Filler
Pabrik Toyota Astra
Model Corolla Altis
Tahun 2002
Transmisi Automatic
Mesin Bensin
Roda 4
Warna Silver
Procedural attachments pada Frame
Filler mungkin berupa nilai seperti properti dalam nama
slot, atau rentang nilai dalam type slot. Slot mungkin
berisi prosedur yang dihadapkan pada slot, atau disebut
dengan procedural attachments, yang biasanya terdiri
dari tiga type, yaitu :
8
1. If-needed, merupakan prosedur yang dibuat jika nilai
filler yang diperlukan tidak ada atau nilai default tidak
sesuai
2. If-added, merupakan prosedur yang dibuat jika akan
menambahkan nilai ke slot
3. If-removal, akan digunakan jika suatu nilai dipindahkan
atau dikeluarkan dari slot.
Contoh Generic Frame untuk Property
Slot Filler
Nama Properti
Spesialisasi dari Jenis Obyek
Tipe (rumah, mobil, kapal)
Bila ditambah Prosedur : Add_Property
Pemilik Default : Pribadi
Bila diperlukan Prosedur : Find_Pemilik
Lokasi (rumah, kantor, berpindah)
Status (bagus, jelek, hilang)
Dalam Garansi (ya, tidak)
Contoh Frame mobil
Slot Filler
Nama Mobil Heru
Spesialisasi dari Adalah sedan
Pabrik Toyota
Pemilik Heru Sutimbul
Transmisi Manual
Mesin Bensin
Status Bagus
Dalam Garansi Ya
Contoh Frame mobil
Slot Filler
Nama Mobil Heru
Spesialisasi dari Adalah sedan
Pabrik Toyota
Pemilik Heru Sutimbul
Transmisi Manual
Mesin Bensin
Status Bagus
Dalam Garansi Ya
Kalsifikasi frame berdasarkan aplikasinya
1. Situational frame, berisi pengetahuan
tentang bagaimana terjadinya situasi yang
diinginkan.
2. Action frame, berisi slot yang menentukan
aksi yang akan dilakukan dalam situasi yang
diberikan.
3. Casual knowledge frame, gabungan antara
situational dan action frame yang digunakan
untuk menjelaskan hubungan sebab dan
akibat.
Kelemahan Frame
• Pengetahuan dalam frame tidak dapat
dipertimbangkan menjadi definisi dari suatu
obyek.
D • Slot pada frame dapat dikurangi, ditambah
atau bahkan dirubah yang juga berarti
merubah atribut dari suatu frame obyek, jika
ini terjadi pada suatu frame generic yang
memiliki sub frame maka akan menyebabkan
sifat pewarisan atribut menjadi tidak valid atau
dapat dibatalkan karena propertinya tidak lagi
bersifat umum (primitif).
Logika dan Himpunan
Syllogisme
Adalah logika formal pertama yang dikembangkan oleh
filsuf Yunani, Aristotle pada abad ke-4 SM.
Syllogisme mempunyai dua premises dan satu conclusion.
Premise adalah proporsi atau pernyataan yang selalu
bernilai benar atau salah karena berdasarkan fakta.
Conclusion adalah kesimpulan yang diturunkan dari dua
pernyataan sebelumnya.
Contoh :
premise : All man are mortal
premise : Socrates is a man
Conclusion : Socrates is mortal
Diagram Venn
Socrates
Man
Mortal
Symbolic Logic
Diperkenalkan pertama kali oleh GW Leibnitz abad ke-17
dan disempurnakan oleh ahli matematika Inggris, George
Boole yang menerbitkan bukunya tentang symbolic logic
pada tahun 1897.
Konsep baru yang diperkenalkan Boole adalah
memodifikasi pandangan Aristotle tentang subyek yang
harus memiliki keberadaan (existensial import).
Dalam pandangan modern Boole dapat menyebutkan
subyek yang tidak ada atau jenis yang tidak ada elemennya
(himpunan kosong) sebagai premises.
Co/: All mermaids swim well
Aksioma
Kontribusi Boole yang lain adalah serangkaian
aksioma, yang berisi symbol untuk menunjukkan
obyek dan jenis, dan operasi aljabar untuk
memanipulasi symbol.
Aksioma merupakan definisi fundamental dari
system logika seperti matematika dan logika itu
sendiri. Dengan hanya menggunakan aksioma
dapat menghasilkan teori.
Teori adalah pernyataan yang dapat dibuktikan
dengan menunjukkan bagaimana teori tersebut
diperoleh, yaitu dengan menggunakan aksioma.
Logika Proporsional
Kadang disebut sebagai proportional calculus, merupakan
logika simbol untuk memanipulasi proporsi, khususnya
yang berhubungan dengan manipulasi variabel logika yang
mewakili atau menunjukkan suatu proporsi.
Bentuk lain yang digunakan untuk logika proporsional
adalah statement calculus atau sentential calculus, dimana
statement/sentence atau kalimat pada umumnya dapat
diklasifikasikan menjadi 4 type, yaitu :
1. Imperatif / perintah
2. Interogatif / pertanyaan
3. Kalimat seru
4. Deklaratif / pernyataan
Logika proporsional dihubungkan dengan kalimat-kalimat
deklaratif yang dapat diklasifikasi sebagai pernyataan benar
atau salah. Suatu kalimat deklaratif yang memiliki nilai benar
atau salah yang pasti atau dapat ditentukan disebut dengan
statement/pernyataan atau proposition/proposisi.
Suatu pernyataan disebut juga sebagai closed sentence
(kalimat tertutup) karena nilai kebenarannya tidak perlu
dipertanyakan lagi.
Contoh :Bujursangkar memiliki empat sisi yang sama (pasti)
Harimau berkaki empat (benar / salah)
Berikut contoh yg tidak termasuk proposisi :
Durian enak sekali (kebenarannya relatif)
Orang itu tinggi (kalimat terbuka)
Compound statement
Adalah pernyataan yang dibuat dengan cara menggabungkan atau menghubungkan beberapa pernyataan tunggal menggunakan konektor logika, spt :
Konektor Arti
^ AND; konjungsi
v OR; disjungsi
~ NOT; negasi
→ If . . . Then; kondisional
↔ If and only if; bikondisional
Tabel kebenaran logika compound statement
p q p ^ q p v q p → q p ↔ q
T T T T T T
T F F T F F
F T F T T F
F F F F T T
Tautology, adalah pernyataan gabungan yang selalu bernilai benar, dimana pernyataan individualnya benar atau salah, mis
: p v ~p
Contradiction, adalah pernyataan gabungan yang selalu bernilai salah, dimana pernyataan individualnya benar atau salah, mis
: p ^ ~p
Contoh pernyataan kondisional
p → q dapat diterjemahkan kebahasa natural menjadi :
p menyatakan q
jika p, maka q
p, hanya jika q
p cukup untuk q
q jika p
q dengan syarat p
p : anda berusia 18 tahun atau lebih
q : anda berhak memilih
Kondisional p → q dapat berarti :
Anda berusia 18 tahun atau lebih menyatakan anda berhak memilih
Jika anda berusia 18 tahun atau lebih maka anda berhak memilih
Anda berusia 18 tahun atau lebih, hanya jika anda berhak memilih
Anda berusia 18 tahun atau lebih adalah cukup (memenuhi syarat)
bagi anda untuk memilih
Anda berhak memilih jika anda berusia 18 tahun atau lebih
Anda berhak memilih dengan syarat anda berusia 18 tahun atau
lebih
Problem utama logika proporsianal adalah tidak memiliki batasan dan hanya dapat dihubungkan dengan kalimat yang lengkap, yaitu tidak dapat menguji struktur internal suatu pernyataan. Logika proporsional tidak dapat menguji validitas sylogisme spt :
All humans are mortal
All man are humans
Therefor, all women are mortal
Untuk menganalisa kasus lebih luas, dikembangkan logika predikat, yang dihubungkan dengan penggunaan kata khusus yang disebut quantifiers, spt : all, some dan no yang secara eksplisit memberi kuantitas kata lain dan
membuat suatu kalimat lebih nyata. Seluruh quantifier dihubungkan dengan how many shg penya cakupan lebih luas dari logika proportional.
Quantifier Universal (All : V)
Digunakan untuk kalimat yang diberi kuantitas memiliki nilai kebenaran yang sama untuk semua pengganti / elemen alam domain yang sama.
Mis :(V x) (x + x = 2x)
jika pernyataan x + x = 2x diganti dengan p, jadinya
(V x) (p)
Jika p adalah kalimat “All triangels are polygon”, ditulis
(V x) (if x is triangle → x is polygon)
dipersingkat dengan predikat function menjadi :
(V x) (triangel (x) → polygon (x))
Kesamaan logika :
(V x) P(x) Ξ P(x1) ^ P(x2) ^ P(x3) . . . P(xn)
Quantifier Eksistensi (some : 3)
Menjelaskan suatu pernyataan yang benar untuk minimal satu anggota domain.
Quantifier eksistensi dapat dibaca atau ditulis dalam bahasa natural menjadi :
there exist, at least one, for some, there is one, some
Untuk menyatakan “some elephants has three-legged” :
( 3 x) (Elephant(x) ^ three-legged(x))
Kesamaan logika
( 3 x ) P(x) Ξ P(x1) v P(x2) v P(x3) . . . P(xn)
Quantifier dan Himpunan
Ekspresi Himpunan Kesamaan Logika Quantifier
A = B V x (x e A ↔ x e B)
A C B V x (x e A → x e B)
A ∩ B V x (x e A ^ x e B)
A U B V x (x e A v x e B)
A’ V x (x e V | ~(x e A))
V (Universe) T (true)
Ø (himpunan kosong) F (false)
No comments:
Post a Comment