Rabu, 18 Oktober 2017

Pengetahuan dan Penalaran (Representasi Pengetahuan)










6.1 Rekayasa ontologi


Ontologi merupakan salah satu kajian filsafat yang paling kuno dan berasal dari Yunani. Studi tersebut membahas keberadaan sesuatu yang bersifat konkret. Tokoh Yunani yang memiliki pandangan yang bersifat ontologis dikenal seperti Thales, Plato, dan Aristoteles . Pada masanya, kebanyakan orang belum membedaan antara penampakan dengan kenyataan. Thales terkenal sebagai filsuf yang pernah sampai pada kesimpulan bahwa air merupakan substansi terdalam yang merupakan asal mula segala sesuatu. Namun yang lebih penting ialah pendiriannya bahwa mungkin sekali segala sesuatu itu berasal dari satu substansi belaka (sehingga sesuatu itu tidak bisa dianggap ada berdiri sendiri).


Hakikat kenyataan atau realitas memang bisa didekati ontologi dengan dua macam sudut pandang:


1. kuantitatif, yaitu dengan mempertanyakan apakah kenyataan itu tunggal atau jamak?


2. Kualitatif, yaitu dengan mempertanyakan apakah kenyataan (realitas) tersebut memiliki kualitas tertentu, seperti misalnya daun yang memiliki warna kehijauan, bunga mawar yang berbau harum.


Secara sederhana ontologi bisa dirumuskan sebagai ilmu yang mempelajari realitas atau kenyataan konkret secara kritis.


Beberapa aliran dalam bidang ontologi, yakni realisme, naturalisme, empirisme


Istilah istilah terpenting yang terkait dengan ontologi adalah:


· yang-ada (being)


· kenyataan/realitas (reality)


· eksistensi (existence)


· esensi (essence)


· substansi (substance)


· perubahan (change)


· tunggal (one)


· jamak (many)


Ontologi ini pantas dipelajari bagi orang yang ingin memahami secara menyeluruh tentang dunia ini dan berguna bagi studi ilmu-ilmu empiris (misalnya antropologi, sosiologi, ilmu kedokteran, ilmu budaya, fisika, ilmu teknik dan sebagainya).






6.2 pengkatagorian dan objek:komposisi fisik,pengukuran,substansi dan objek






· -Komposisi fisik


Komposisi adalah tata susunan yang menyangkut
keseimbangan, kesatuan, irama, dan keselarasan dalam
suatu karya seni rupa.jadi komposisi fisik adalah susunan kesatuan dari suatu bentuk fisik / yg dapat dilihat.


· -pengukuran


Pengukuran adalah penentuan besaran, dimensi, atau kapasitas, biasanya terhadap suatu standar atau satuan ukur. Pengukuran juga dapat diartikan sebagai pemberian angka tehadap suatu atribut atau karakteristik tertentu yang dimiliki oleh seseorang, hal, atau objek tertentu menurut aturan atau formulasi yang jelas dan disepakati. Pengukuran dapat dilakukan pada apapun yang dibayangkan, namun dengan tingkat kompleksitas yang berbeda. Misalnya untuk mengukur tinggi, maka seseorang dapat mengukur dengan mudah karena objek yang diukur merupakan objek kasat mata dengan satuan yang sudah disepakati secara internasional. Namun hal ini akan berbeda jika objek yang diukur lebih abstrak seperti kecerdasan, kematangan, kejujuran, kepribadian, dan lain sebagainya sehingga untuk melakukan pengukuran diperlukan keterampilan dan keahlian tertentu.


· -substansi


Watak sebenarnya,inti dari sesuatu.


· -objek


Sesuatu yang sedang dibicarakan/dijadikan pokok acuan/target.






6.3 aksi,situasi dan kejadian/event






· aksi


Adalah tindakan yang dilakukan berdasarkan suatu kejadian.


· situasi


Keadaan sekitar yang sedang berlangsung.






6.4 mental objek dan mental objek : pengetahuan dan kepercayaan,pengetahuan waktu dan aksi.






-Pengetahuan dan kepercayaan


Pengetahuan adalah informasi yang diketahui atau disadari oleh manusia, atau pengetahuan adalah berbagai gejala yang ditemui dan diperoleh manusia melalui pengamatan indrawi. Pengetahuan akan muncul ketika orang menggunakan akal atau indranya untuk mengenali benda atau peristiwa tertentu yang belum pernah dilihat atau dirasakan. Misalnya, saat pertama kali orang makan cabai maka Dia akan tahu bagaimana rasa cabai itu, bentuknya, warnanya, atau bahkan akan bertanya-tanya apa zat-zat apa yang dikandungnya.


Pengetahuan empiris menekankan pada pengamatan dan pengalaman indrawi, sedangkan pengetahuan rasional didapatkan melalui akal budi. Misalnya, orang mengetahui bahwa cabai rasanya pedas karena dia pernah memakannya. Tidak mungkin hanya dengan dipikir-pikir orang itu akan mengetahui bahwa rasa cabai adalah pedas. Nemun, pernyataan 1+1=2 adalah hasil dari pemikiran (akal) manusia, bukan merupakan suatu pengamatan empiris.


Keyakinan adalah suatu sikap yang ditunjukkan manusia saat dia merasa cukup tahu dan menyimpulkan bahwa dirinya telah mencapai kebenaran. Maksudnya adalah orang akan merasa yakin kalau apa yang mereka ketahui adalah benar. Jadi, keyakinan terjadi setelah orang percaya adanya suatu kebenaran.


Mmenurut teori kebenaran sebagai kesesuaian, keyakinan adalah suatu pernyataan yang tidak disertai bukti yang nyata. Misalnya, petir disebabkan oleh amukan para dewa. Pernyataan ini tidak bisa dibuktikan, sehingga hanya bisa dikatakan sebagai suatu keyakinan. Sementara pernyataan petir disebabkan kerena adanya tabrakan antara awan yang bermuatan positif dan negative adalah suatu kebenaran, karena dapat dibuktikan. Sehingga pernyataan ini disebut sebagai pengetahuan.


Ada dua istilah yang berhubungan dengan keyakinan dan pengetahuan.


1. Magic power- (kekuatan magis) –> fenomena kekuatan gaib. Orang yang lebih percaya pada sesuatu yang aneh(karena tidak tahu sebabnya) sebagai kekuatan magis


2. Naturalisme, berarti sesuatu yang alami.


-pengetahuan waktu dan aksi










6.5 sistem penalaran untuk pengkatagorian : jaringan semantik , logika deskripsi






-jaringan semnatik


Jaringan semantik adalah gambaran pengetahuan grafis yang menunjukkan hubungan antar berbagai objek, terdiri dari lingkaran-lingkaran yang dihubungkan dengan anak panah yang menunjukkan objek dan informasi tentang objek-objek tersebut.





Dari gambar di atas dapat dibentuk beberapa kalimat yang menunjukkan suatu peristiwa, seperti :


· Reza adalah siswa tingkat SMA di Jakarta


· Reza menonton film di bioskop daerah Jakarta


· Reza menonton film berjudul Avatar di bioskop daerah Jakarta


· Reza menonton film di Australia


· Reza kekasih Renata


· Reza bermain sepabola di kejuaraan antar SMA


· SMA memiliki klub olahraga sepabola


· Renata bermain drama di Australia


· Renata menonton sepakbola di televisi


· Film berjudul Avatar disutradarai James Cameron


· James Cameron membuat film bergenre drama di Australia


Dalam mata kuliah Pengantar Kecerdasan Buatan script merupakan representasi pengetahuan berdasarkan karakteristik yang sudah dikenal sebagai pengalaman-pengalaman yang menggambarkan urutan peristiwa.


Terdapat enam elemen script, yaitu :


1. Kondisi input, merupakan kondisi yang harus dipenuhi sebelum terjadi


2. Track, yaitu variasi kemungkinan yang terjadi


3. Prop, yaitu objek yang digunakan dalam suatu peristiwa


4. Role, yaitu peran dalam suatu peristiwa


5. Scene, yaitu adegan dalam suatu peristiwa


6. Hasil, yaitu kondisi setelah terjadinya urutan peristiwa






-deskripsi logika


deskripsi logika (deskripsi jamak logika) (logika) Salah satu keluarga bahasa representasi pengetahuan yang dapat digunakan untuk mewakili definisi konsep domain aplikasi (dikenal sebagai pengetahuan terminologi) dalam cara yang terstruktur dan formal dipahami dengan baik.


6.6 penalaran dengan informasi default


Manusia memecahkan masalah melalui kombinasi antara fakta dan pengetahuan (knowledge). Penalaran (reasoning) adalah proses yang berhubungan dengan pengetahuan, fakta, dan strategi pemecahan masalah (problem solving) untuk mendapatkan konklusi/penyelesaian. Berbagai metode penalaran yang lazim adalah deduksi, induksi, abduktip, analogi, dan akal sehat, berikut ini penjelasan singkatnya.


Deduksi (deduction)


Manusia menggunakan deduksi untuk mendapatkan informasi baru dari informasi yang sudah diketahui (pengetahuan) yang ada relasinya. Penalaran deduksi menggunakan fakta-fakta dari masalah yang ada dan pengetahuan umum yang sesuai yang pada umumnya berbentuk aturan (rules) atau implikasi (implications), jadi dari hal yang umum, dikenakan pada hal yang khusus, model deduksi adalah:


Fakta + Rule -> Efek dengan rule dalam bentuk:


If <cause/premise> then <effect/conclusion>


Jika <sebab/premis> Maka <akibat/konklusi>


Sebagai contoh:


Aturan/implikasi: Jika saya berdiri di hujan, maka saya akan basah.


Fakta/premis : saya berdiri di hujan


Konklusi : saya akan basah


Penalaran deduksi sangat menarik secara logika dan merupakan teknik solusi masalah yang paling umum digunakan oleh manusia. Aturan inferensi (penyimpulan) yang disebut modus ponens adalah bentuk dasar dari penalaran deduksi dengan formula sbb.:


Jika A adalah benar, dan Jika A maka B adalah benar, maka B adalah benar


Induksi (Induction)


Manusia menggunakan induksi untuk mendapatkan kesimpulan umum (general conclusion) dari sekumpulan/himpunan fakta melalui proses generalisasi. Ini bagaikan transisi dari jumlah sedikit ke semua. Model induksi adalah:


Cause + Effect -> Rule


Proses induksi dijelaskan oleh Firebaugh (1988) sbb.:


Untuk suatu himpunan objek X = {a,b,c,d, …}, jika sifat P adalah benar untuk a, dan jika sifat P adalah benar untuk b, dan jika sifat P adalah benar untuk c, …, maka sifat P adalah benar untuk semua X.


Sebagai contoh:


Fakta/premis : aluminium dipanaskan memuai


Fakta/premis : besi dipanaskan memuai


Fakta/premis : tembaga dipanaskan memuai


Konklusi : secara umum, semua besi bila dipanaskan akan memuai


Abduktip (Abductive)


Abduktip adalah bentuk deduksi yang memungkinkan menarik kesimpulan yang bersifat “plausible”. Plausible (masuk akal) adalah konklusi yang ditarik dari informasi yang tersedia, namun ada kemungkinan konklusi itu salah, jadi model abduktip adalah:


Jika B adalah benar, dan Jika A maka B adalah benar, maka A adalah benar?


Atau effect + rule -> cause


Sebagai contoh:


Aturan : Tanah basah jika hari hujan.


Fakta : Tanah basah.


Konklusi : Hari hujan?


Jadi, diberikan fakta satu-satunya bahwa tanah basah, penyimpulan plausible menghasilkan konklusi hari hujan. Padahal, konklusi ini bisa salah, karena ada banyak hal yang menyebabkan tanah basah, misalnya seseorang siram-siram tanaman. Abduktip, sebagai salah satu metode penalaran, sering dipakai oleh dokter dalam mendiagnose pasien, maka diagnose dapat saja salah.


Analogi


Manusia membentuk model mental tentang konsep melalui pengalaman. Manusia menggunakan model ini melalui penalaran analogi untuk membantu memahami suatu masalah/situasi. Mereka lalu menarik analogi diantara masalah dan model, mencari kesamaan dan perbedaan untuk dapat menyimpulkan.


Sebagai contoh:


Misalkan seorang dokter yang sudah puluhan tahun praktek, maka pengalamannya dalam bentuk kasus-kasus sudah sedemikian banyaknya. Bila kasus-kasus tersebut dapat disimpan secara cerdik dalam database kasus, maka dapat dipergunakan untuk menyelesaikan masalah baru bagi pasien baru tanpa dokter itu hadir (otomasi). Pasien baru memasukan karakter berikut data-data (keluhan) dari sakitnya, kemudian sistem mencari kasus pasien lama yang serupa keluhannya untuk ditampilkan solusinya, yaitu obat beserta dosisnya. Pengalaman adalah guru terbaik, maka pengalaman perlu disimpan secara cerdik untuk memecahkan persoalan baru yang mirip!


Akal Sehat (Common-sense)


Lewat pengalaman, manusia belajar memecahkan persoalan secara effisien. Mereka menggunakan akal sehat untuk dengan cepat menarik kesimpulan. Akal sehat lebih cenderung berdasar pada kebijakan-kebijakan (judgments) yang baik daripada logika yang eksak. Contoh akal sehat adalah: Di suatu bengkel ditemukan suara klik-klik-klik dalam mesin sepeda motor, seorang montir yang berpengalaman, tanpa membongkar mesinnya, langsung dapat menyimpulkan bahwa ring piston pada silinder mesin itu perlu diganti. Pengetahuan akal sehat ini diperoleh dari pengalamannya mengerjakan banyak sepeda motor selama bertahun-tahun. Jenis pengetahuan seperti ini disebut sebagai heuristik (heuristic) atau rule-of-thumb. Akal sehat tidak menjamin ditemukannya solusi, namun ia menjamin kecepatan menemukan solusi.


Penalaran Tidak Monoton (non-monotonic)


Penalaran pada suatu masalah pada umumnya menggunakan informasi yang statis, artinya selama melakukan penyelesaian masalah, keadaan (nilai benar atau salah) bermacam fakta dianggap tetap konstan. Penalaran semacam ini disebut sebagai penalaran monoton (monotonic reasoning). Dalam beberapa masalah, ditemukan bahwa keadaan beberapa fakta (variabel) bersifat dinamis, sebagai ilustrasi adalah aturan sbb.:


IF Angin berhembus


THEN Kursi goyang akan berayun


Kemudian coba amati kejadian berikut, lalu apa yang terjadi dengan aturan diatas:


Hei, ada angin topan! -> ada Angin berhembus -> Kursi berayun


Seiring berlalunya angin topan, kita berharap kursi berayun. Namun, saat angin topan telah berlalu, kita berharap bahwa kursi sudah berhenti berayun. Namun sistem yang menggunakan penalaran monoton akan tetap menganggap bahwa kursi tetap berayun!


Manusia dengan ke enam inderanya tidak merasa sulit untuk mengikuti perubahan status informasi variabel yang dinamis. Bila terjadi perubahan yang dinamis, mereka dengan mudah menyesuaikan diri. Gaya penalaran semacam ini disebut penalaran yang tidak monoton. Untuk bidang AI, seperti expert system, dibutuhkan suatu sistem untuk memelihara kebenaran yang dinamis bila ingin melakukan penalaran yang tidak monoton.














Sumber :


https://id.wikipedia.org/wiki/Ontologi


https://id.wikipedia.org/wiki/Pengukuran


http://handikap60.blogspot.co.id/2013/10/pengertian-proporsi-komposisi.html


http://gadung-gadung.blogspot.co.id/2010/01/pengetahuan-dan-keyakinan-beda-dan.html


https://ariesre.wordpress.com/2010/10/25/jaringan-sematik-dan-script/


http://pbsabn.lecture.ub.ac.id/2012/05/penalaran-manusia/



Pengetahuan dan Penalaran (Logika orde pertama)







5.1 Pengenalan Logika Orde Pertama






First order logic adalah sebuah bahasa formal yang digunakan di ilmu matematika, philosophy, bahasa dan ilmu computer. Disebut juga kalkulus predikat, merupakan logika yang digunakan untuk merepresentasikan masalah yang tidak dapat direpresentasikan dengan menggunakan proposisi. Logika predikat dapat memberikan representasi fakat-fakta sebagai suatu pernyataan yang mapan (well form).






Kalkulus predikat bisa menganalisakan kalimat-kalimat ke dalam subjek dan argumen dalam berbagai cara yang berbeda-beda, yang pada akhirnya kalkulus predikat bisa digunakan untuk memecahkan problem of multiple generality (masalah dalam berbagai keadaan umum) yang telah membingungkan sebagian besar ahli-ahli logika abad pertengahan. Dengan menggunakan logika predikat ini, untuk pertama kalinya, para ahli-ahli logika bisa memberikan quantifier yang cukup umum untuk merepresentasikan semua argumen yang terdapat pada natural language.






5.2 sintak dan semantik logika oorde pertama : model,simbol,interpretasi,istilah,kalimat atomik,kalimat kompleks,quantifier,equality.






· Complex sentences


Merupakan kalimat kompleks yang tersusun dari beberapa atomic sentence yang saling terhubung berdasarkan logika dengan menggunakan connective.






· Atomic sentences


Merupakan komponen yang dapat terbentuk dari Predicate(Term, ...) atauTerm=Term. Atomic sentence merupakan kalimat paling sederhana dan belummemiliki komponen logika lainnya.






· UniversalQuantifier


Definisi: Jika Asuatu ekspresi logika dan x adalah variable, maka jika ingin menentukanbahwa A adalah bernilai benar untuk semua nilai yang dimungkinkan untuk x,maka akan ditulis. Disini disebut kuantoruniversal, dengan A adalah scope dari kuantor tersebut. Variabel xdisebut terikat (bound) dengan kuantor.






Simbol UniversalQuantifier menggantikan kata ‘untuksemua’, ‘untuk seluruh’.Dan digunakan pada pembentukan formula dengan bentuk:


(x) P(x)


(x) P(x) bernilai benar apabila predikat P(x)bernilai benar. Formula tersebut dapat dibaca sebagai ‘Seluruh x untuk P(x)’ atau ‘Setiap x untuk P(x)’






· ExistentialQuantifier


Definisi: Jika Asuatu ekspresi logika dan x adalah variable, maka jika ingin menentukanbahwa A adalah bernilai benar untuk sekurang-kurangnya satu dari x,maka akan ditulis . Disini disebut kuantoreksistensial, dengan A adalah scope dari kuantor tersebut. Variabel xdisebut terikat (bound) dengan kuantor.






Simbol ExistentialQuantifier menggantikan kata ‘ada’, ‘beberapa’, ‘tidaksemua’, ‘terdapat’.Dan digunakan pada pembentukan formula dengan bentuk:


(x) P(x)


(x) P(x) bernilai benar apabila ada x yang menyebabkan P(x)bernilai benar. Formula tersebut dapat dibaca sebagai ‘Ada x untuk P(x)’


· Equality


Merupakan logika yang membandingkan kesamaan antara dua atau lebihkalimat yang memiliki kesamaan nilai logika. Equality disimbolkan dengantanda =


· Properties


sifat yang dimiliki oleh objek dan merupakan pembeda dengan objek lainnya (merah, besar, lingkaran, ...)


· Relations


aksi atau aktifitas yang menjadi penghubung antar objek dalam berelasi(saudara dari, lebih tinggi dari, bagian dari).


· Functions


merupakan relation yang memiliki satu nilai (ayah dari, teman baik,...).






5.3 penggunaan logika orde pertama : assertion dan query,kinship domain,number-set-list.






· Assertion and querry


Permintaan Kueri / Permintaan menentukan suatu cara untuk meminta pernyataan yang ada menggunakan pengenal unik. Pemohon memulai profil dengan mengirimkan permintaan pernyataan, yang diacu oleh pengenal, ke otoritas SAML v2. Otoritas SAML v2 memproses permintaan tersebut, memeriksa cache asersi untuk pengenal, dan menimbulkan respons terhadap pemohon. Sebuah pemeriksa pernyataan digunakan oleh otoritas SAML v2 untuk memproses permintaan ID pernyataan






· Kinship Domain


Proses pengambilan pada percobaan sebelumnya ditentukan oleh dua faktor: himpunan untuk verifikasi dan struktur domain yang diaktualisasikan oleh tugas dan kriteria. Tujuan dari bagian ini adalah untuk menyelidiki sejauh mana prinsip-prinsip model sebelumnya dapat digeneralisasikan ke domain lain yang tidak diorganisasikan secara hierarkis. Untuk mempelajari hal ini, percobaan verifikasi dilakukan di bidang paradigmatik, yaitu domain kerabat, sebuah domain yang secara jelas tidak diorganisasikan. , serupa dengan yang dilakukan pada domain hierarkis, Kata pasangan terbentuk dengan istilah kerabat dari keluarga inti. Subjek harus menilai apakah kedua kata tersebut memiliki jenis kelamin yang sama atau tidak, atau apakah kedua kata tersebut mengungkapkan hubungan orang tua atau anak atau tidak. Bab ini membahas peran struktur domain kekerabatan dalam proses verifikasi.






5.4 rekayasa pengetahuan pada logika orde pertama.


Representasi pengetahuan merupakan kelanjutan dari proses akuisisi pengetahuan. Setelah pengetahuan berhasil disarikan dari pakar, maka selanjutnya yang dilakukan adalah merepresentasikan bentuk-bentuk pengetahuan tersebut menjadi bentuk yang dikenali oleh sistem (komputer).


Beberapa cara yang dapat digunakan untuk merepresentasikan bentuk ini antara lain jaringan semantik (semantic net), bingkai (frame), aturan produksi (production rule), logika (logic), bahasa natural (natural language), dan sistem basis data (database system).


Representasi pengetahuan dimaksudkan untuk menangkap sifat-sifat penting suatu pengetahuan agar dapat diakses dan digunakan dalam metode pemecahan masalah. Bahasa representasi haruslah mampu membuat seorang pemrogram mengekspresikan pengetahuan yang diperlukan untuk mendapatkan solusi permasalahan.


Representasi pengetahuan yang baik haruslah memiliki sifat-sifat berikut:
Mengemukakan hal secara eksplisit
Membuat masalah menjadi transparan
Komplit dan efisien
Menampilkan batasan-batasan alami yang ada
Menekan dan menghilangkan detil-detil yang diperlukan
Dapat dilakukan komputasi terhadapnya (memiliki batasan).


Representasi pengetahuan dikelompokkan ke dalam empat jenis, yaitu:
Representasi Logika


Representasi jenis ini menggunakan ekspresi-ekspresi logika formal dalam melakukan representasi.
Representasi Prosedural


Sementara jenis kedua ini menggambarkan pengetahuan sebagai kumpulan instruksi untuk memecahkan suatu problema.
Representasi Jaringan (Network)


Representasi ini menangkap pengetahuan sebagai suatu graf di mana simpul-simpulnya merupakan obyek atau konsep dari problema yang dihadapi, sementara garisnya (edge) menggambarkan hubungan di antara mereka.
Representasi Terstruktur


Dalam representasi ini, jaringan diperluas dengan cara membuat tiap simpulnya menjadi sebuah struktur data kompleks.


Prinsip representasi pengetahuan adalah jika suatu permasalahan dideskripsikan dengan menggunakan representasi yang tepat, maka dapat dipastikan bahwa masalah tersebut dapat diselesaikan.






5. Ontologi


Kunci dari suatu basis pengetahuan adalah ontologi, yaitu sistem konsep-konsep yang terorganisir yang menjadikan sesuatu yang ada dalam domain menjadi eksplisit[7]. Ontologi merupakan spesifikasi dari suatu konseptualisasi, atau suatu teori logis yang memberikan suatu akun eksplisit yang parsial dari suatu konseptualisasi[8]; atau bahkan sinonim dari konseptualisasi itu sendiri.


Ontologi digunakan untuk menjelaskan mengenai properti dari suatu domain, dan juga untuk mendefinisikan domain tersebut.


Komponen-komponen dari ontologi antara lain:
Konsep (concept) digunakan dalam pemahaman yang luas. Sebuah konsep dapat sesuatu yang dikatakan, sehingga dapat pula merupakan penjelasan dari tugas, fungsi, aksi, strategi, dan sebagainya.
Relasi (relation) merupakan representasi sebuah tipe dari interaksi antara konsep dari sebuah domain. Secara formal dapat didefinisikan sebagai subset dari sebuah pruduk dari n set,





Sebagai contoh dari relasi biner termasuk subclass-of dan connected-to.
Fungsi (function) adalah sebuah relasi khusus di mana elemen ke-n dari relasi adalah unik untuk elemen ke-(n-1).





Contohnya adalah Mother-of.
Aksioma (axiom) digunakan untuk memodelkan sebuah kalimat yang selalu benar.
Instans (instance) digunakan untuk merepresentasikan elemen.


Menurut Tom Gruber dari Stanford University, makna ontologi dalam konteksnya di ilmu komputer adalah “suatu deskripsi konsep dan relasi yang ada dalam suatu agen maupun komunitas agen”[9].


Sebuah ontologi memberikan pengertian untuk penjelasan secara eksplisit dari konsep terhadap representasi pengetahuan pada sebuah basis pengetahuan (Bernaras, proyek KACTUS). Sementara menurut proyek SENSUS, Sebuah ontologi adalah sebuah struktur hirarki dari istilah untuk menjelaskan sebuah domain yang dapat digunakan sebagai landasan untuk sebuah basis pengetahuan.










5.5 logika proposisi vs inferensi logika orde pertama.






Logika


— Logika merupakan dasar dari semua penalaran (reasoning).


— Penalaran didasarkan pada hubungan antara proposisi atau pernyataan (statements).






Proposisi


— PROPOSISI merupakan kalimat deklaratif yang bernilai benar (true) atau salah (false), tetapi tidak keduanya.


— Nama lain proposisi: kalimat terbuka.


— Logika proposisi merupakan ilmu dasar untuk mempelajari algortima dan logika, yang berperan sangat penting dalam pemrograman.






Inferensi pada logika proposisi dapat dilakukan dengan menggunakan resolusi. RESOLUSI adalah suatu aturan untuk melakukan inferensi yg dapat berjalan secara efisien dalam suatu bentuk khusus yg disebut Conjunctive Normal Form (CNF).


• CNF ini memiliki ciri-ciri sebagai berikut :


– Setiap kalimat merupakan disjungsi literal


– Semua kalimat terkonjungsi secara implisit


• Dua atau lebih proposisi dapat digabungkan dengan menggunakan operator logika :


a. Negasi : Ø (NOT)


b. Konjungsi : Ù (AND)


c. Disjungsi : Ú (OR)


d. Implikasi : ® (IF-THEN)


e. Ekuivalen : Û


• Operator NOT : digunakan untuk memberikan nilai negasi (lawan) dari pernyataan yang telah ada.


• Langkah-langkah mengubah kalimat ke dalam bentuk CNF, sebagai berikut :


> hilangkan implikasi dan ekuivalensi


mis. X ® Y menjadi ØX Ú Y (hukum implikasi)


X Û Y menjadi (X=>Y) Ù (Y=>X) (hukum bi-implikasi)


(ØX Ú Y)Ù(ØY Ú X) (hukum implikasi)


> kurangi lingkup semua negasi menjadi satu negasi saja


mis. Ø(Ø X) menjadi X (hukum negasi ganda)


Ø(X Ú Y) menjadi (ØX Ù ØY) (hukum de’Morgan)


Ø(X Ù Y) menjadi (ØX Ú ØY) (hukum de’Morgan)


> gunakan aturan assosiatif dan distributif untuk mengkonversi menjadi conjunction of disjunction


mis. Assosiatif : (A Ú B) Ú C = A Ú (B Ú C)


Distributif : (A Ù B) Ú C = (A Ú C) Ù (B Ú C)






5.6 Unifikasi dan Lifting


Unifikasi adalah usaha untuk mencoba membuat dua ekspresi menjadi identik (mempersatukan keduanya) dengan mencari substitusi-substitusi tertentu untuk mengikuti peubah-peubah dalam ekspresi mereka tersebut. Unifikasi merupakan suatu prosedur sistematik untuk memperoleh peubah-peubah instan dalam wffs. Ketika nilai kebenaran predikat adalah sebuah fungsi dari nilai-nilai yang diasumsikan dengan argumen mereka, keinstanan terkontrol dari nilai-nilai selanjutnya yang menyediakan cara memvalidasi nilai-nilai kebenaran pernyataan yang berisi predikat. Unifikasi merupakan dasar atas kebanyakan strategi inferensi dalam Kecerdasan Buatan. Sedangkan dasar dari unifikasi adalah substitusi.


Suatu substitusi (substitution) adalah suatu himpunan penetapan istilah-istilah kepada peubah, tanpa ada peubah yang ditetapkan lebih dari satu istilah. Sebagai pengetahuan jantung dari eksekusi Prolog, adalah mekanisme unifikasi.


Aturan-aturan unifikasi :


1. Dua atom (konstanta atau peubah) adalah identik.


2. Dua daftar identik, atau ekspresi dikonversi ke dalam satu buah daftar.


3. Sebuah konstanta dan satu peubah terikat dipersatukan, sehingga peubah menjadi terikat kepada konstanta.


4. Sebuah peubah tak terikat diperssatukan dengan sebuah peubah terikat.


5. Sebuah peubah terikat dipersatukan dengan sebuah konstanta jika pengikatan pada peubah terikat dengan konstanta tidak ada konflik.


6. Dua peubah tidak terikat disatukan. Jika peubah yang satu lainnya menjadi terikat dalam upa-urutan langkah unifikasi, yang lainnya juga menjadi terikat ke atom yang sama (peubah atau konstanta).


7. Dua peubah terikat disatukan jika keduanya terikat (mungkin melalui pengikatan tengah) ke atom yang sama (peubah atau konstanta).






5.7 Forward dan Backward Chaining


Forward chaining


merupakan metode inferensi yang melakukan penalaran dari suatu masalah kepada solusinya. Jika klausa premis sesuai dengan situasi (bernilai TRUE), maka proses akan menyatakan konklusi. Forward chaining adalah data-driven karena inferensi dimulai dengan informasi yang tersedia dan baru konklusi diperoleh. Jika suatu aplikasi menghasilkan tree yang lebar dan tidak dalam, maka gunakan forward chaining.


Backward Chaining






Menggunakan pendekatan goal-driven, dimulai dari harapan apa yang akan terjadi (hipotesis) dan kemudian mencari bukti yang mendukung (atau berlawanan) dengan harapan kita. Sering hal ini memerlukan perumusan dan pengujian hipotesis sementara. Jika suatu aplikasi menghasilkan tree yang sempit dan cukup dalam, maka gunakan backward chaining.


Contoh :


Seperti pada contoh forward chining, terdapat 10 aturan yang sama pada basis pengetahuan dan fakta awal yang diberikan hanya A dan E. ingin membuktikan apakah K bernilai benar.






5.8 Resolusi


Arti resolusi adalah Kepercayaan diri dan tekad dalam mencapai tujuan, harapan, cita-cita atau bisa juga planning yang akan kita capai setahun ke depan. Perubahan secara cepat yang dapat merubah sendi-sendi pokok kehidupan.






























Sumber :
http://otnaites.blogspot.co.id/2015/10/logika-first-order.html


Rabu, 11 Oktober 2017

Pengetahuan dan Penalaran (Agen Logika)

Pengetahuan dan Penalaran (Agen Logika)



4.1 Pengetahuan Berbasis Agen

Agen Berbasis Pengetahuan, Knowledge Base (KB) menyatakan apa yang “diketahui” oleh si agent Pendekatan deklaratif membangun agent: “beritahu” informasi yang relevan, simpan dalam KB. Agen dapat ditanya (atau bertanya diri sendiri) apa yang sebaiknya dilakukan berdasarkan KB. Maka sebuah agen berbasis pengetahuan harus bisa mereprentasikan world, state, action, dst. Menerima informasi baru (dan meng-update representasinya). Menyimpulkan pengetahuan lain yang tidak eksplisit (hidden property).

Agen Berbasis Pengetahuan atau Knowledge Base (KB) merupakan Himpunan representasi fakta yang diketahui tentang lingkungannya. Tiap fakta disebut sebagai sentence. Fakta tersebut dinyatakan dalam bahasa formal sehingga bisa diolah, menambahkan sentence baru ke KB. Inference Engine merupakan menentukan fakta baru yang dapat diturunkan dari pengetahuan yang sudah ada dalam KB. 

Agen Berbasis Pengetahuan, pilihan representasi berpengaruh terhadap apa yang bisa dilakukan inference engine. Pada pendekatan deklaratif programmer memberitahu agent informasi tentang environment. Kalau informasi kurang, agen bisa melengkapinya sendiri. Jika dibandingkan dengan pendekatan prosedural programmer secara eksplisit memrogram agen untuk bertindak. Sehingga bagaimana jika program tidak benar, maka akan besar kemungkinan menyebabkan kesalahan. 

Agen Berbasis Pengetahuan, permasalahannya adalah bagaimana representasi yang tepat, sehingga ada dua hal yang harus diperhatikan expressive bisa menyatakan fakta tentang environment, Tractable bisa mengolah/ memproses inference engine (dengan cepat). Knowledge merupakan power atau kekuatan dari pemrograman secara deklaratif. Representasi dan penalaran membentuk suatu Intelligence.

4.2 Logika

Logika berasal dari kata Yunani kuno λόγος (logos) yang berarti hasil pertimbangan akal pikiran yang diutarakan lewat kata dan dinyatakan dalam bahasa. Logika adalah salah satu cabang filsafat.Sebagai ilmu, logika disebut dengan logike episteme (bahasa Latin: logica scientia) atau ilmu logika (ilmu pengetahuan) yang mempelajari kecakapan untuk berpikir secara lurus, tepat, dan teratur.

Ilmu di sini mengacu pada kemampuan rasional untuk mengetahui dan kecakapan mengacu pada kesanggupan akal budi untuk mewujudkan pengetahuan ke dalam tindakan. Kata logis yang dipergunakan tersebut bisa diartikan dengan masuk akal.



4.3 Logika Proposi/logika sederhana : sintaks,semantik,inferensi,ekuivalen,validitas.dan satisfibilitas

Ilmu logika lebihmengarah pada bentuk kalimat (sintaks) daripada arti kalimat itu sendiri(semantik). Ilmu logika selalu berhubungan dengan kalimat-kalimat (argument) dan hubungan yang ada diantarakalimat-kalimat tersebut. Argumentasi adalah kumpulan sebuah kesimpulanbeserta fakta-faktanya.

Kesimpulan dikatakan benar apabila merupakanakibat dari fakta-fakta yang diajukan. Apabila semua fakta-fakta yang diajukanberikut kesimpulan adalah benar dan terdapat hubungan logis di antarakeduannya, maka argumentasi tersebut adalah benar atau valid. Akan tetapi,terkadang meskipun fakta-fakta yang diajukan tidak diragukan lagi kebenarannya,bisa saja kesimpulan yang diambil menjadi salah akibat dari cara berfikir yangtidak logis dan akhirnya menyebabkan suatu argumentasi menjadi tidak valid. 

          Dasar Logika Proposisi

-         Proposisi adalah ekspresi yangmengandung variabel (yaitu variableproposisional) berupa pernyataan danoperator (yaitu operator logika) sebagaikonektor.

-         Pernyataan (Statement) adalah kalimatdeklaratif yang memiliki nilai kebenaran (True dan False)
-         Syntactics Rule (AturanSintaktik) adalah aturan yang diperlukan untuk mengkombinasikan antarapropositions dan propositional connectives untuk menghasilkan sentences(kalimat logika). Dapat dibuat alurnya sebagai berikut Propositions + Propositional Connectives à Sentences Propositional connective yang digunakan: Not, And, Or, If-Then,If-Then-Else, dan If-And-Only-If

-         Interpretasi adalah pemberiannilai kebenaran (true atau false) pada setiap symbol proposisi dari suatukalimat logika.

-         Semantic Rule (Aturan Semantik)adalah suatu aturan yang digunakan untuk menentukan “truth value” dari suatusentence.


·         Pengertian Sintak

Sintak  sebuah bahasa berhubungan dengan struktur bahasa. Sebagai contoh, untuk membentuk sebuah kalimat yang valid dalam bahasa kita memakai struktur: [subyek] + [kata kerja] + [kata benda]. Dengan memakai struktur ini, kita bisa membentuk kalimat, sebagai contoh: Saya makan nasi. Dalam hubungannya dengan bahasa pemrograman, kita harus memenuhi sintak (baca: aturan struktur bahasa) agar program dapat berjalan. Sebagai contoh, dalam bahasa BASIC, untuk mengassign sebuah variabel dengan sebuah nilai, kita memakai operand ‘=’, tetapi kalau dalam Pascal, kita pakai ‘:=’. Contoh dalam BASIC: a=1, tapi dalam bahasa Pascal, a:=1..
Atau jika lebih spesifik lagi sintak dapat diartikan aturan-aturan peng-code-an struktur suatu bahasa pemograman, ibarat grammar dalam berbahasa Inggris. Setiap jenis bahasa pemograman mempunyai aturan sintak yang berbeda.


·         Pengertian Semantik

Semantik sebuah bahasa menggambarkan hubungan antara sintak dan model komputasi. Sederhananya, semantik menjelaskan arti dari program. Analoginya sebagai berikut. Apabila kita memakai sintak [subyek] + [kata kerja] + [kata benda], kita bisa menghasilkan kalimat-kalimat.
Apabila kita mengasilkan kalimat Saya makan nasi, maka kalimat ini memenuhi aturan sintak. Tapi, apabila saya membuat kalimat Saya makan batu, secara sintak kalimat ini sudah benar. Namun, secara semantik, kalimat ini tidak mengandung makna yang berarti.





4.4 Pola penalaran (reasoning pattern) pada logika proporsi : resolusi,backward & forward chaining.

Chain (rantai) : perkalian inferensi yangmenghubung-kan suatu permasalahan dengansolusinya.

•Forward chaining :
 Suatu rantai yang dicari atau dilewati/dilintasi darisuatu permasalahn untuk memperoleh solusi. –Penalaran dari fakta menuju konklusi yang terdapatdari fakta.

•Backward chaining :
 Suatu rantai yang dilintasi dari suatu hipotesakembali ke fakta yang mendukung hipotesatersebut. –Tujuan yang dapat dipenuhi dengan pemenuhansub tujuannya.

4.5 inferensi proposi yang efektif : algortima backtracking,algoritma pencarian lokal


Algoritma Backtraking

Algoritma backtracking merupakan salah satu metode pemecahan masalah yang termasuk dalam strategi yang berbasis pencarian pada ruang status. Algoritma backtracking bekerja secara rekursif dan melakukan pencarian solusi persoalan secara sistematis pada semua kemungkinan solusi yang ada. Oleh karena algoritma ini berbasis pada algoritma Depth-First Search (DFS), maka pencarian solusi dilakukan dengan menelusuri struktur berbentuk pohon berakar secara preorder. Algoritma backtracking merupakan bentuk tipikal  dari algoritma rekursif.Saat ini algoritma backtracking banyak diterapkan untuk program games (seperti permainan tic-tac-toe, menemukan jalan keluar dalam sebuah labirin, catur, dll) dan masalah-masalah  pada bidang kecerdasan buatan (artificial intelligence).

4.6 agen berbasis logika prposisi

Agen logika merupakan agen yang memiliki kemampuan bernalar secara logika.Ketika beberapa solusi tidak secara eksplisit diketahui, maka diperlukan suatu agen berbasis logika.Logika sebagai Bahasa Representasi Pengetahuan memiliki kemampuan untuk merepresentasikan fakta sedemikian sehingga dapat menarik kesimpulan (fakta baru, jawaban).Sedangkan pengetahuan merupakan komponen yang penting, sehingga terdapat perbedaan jika diterapkan pada dua agent, yakni problem solving agent dan knowledge-based agent.













Sumber :


Selasa, 03 Oktober 2017

Pencarian Berbentuk /heuristik search dan Eksplorasi

3.1.) Strategi pencarian berbentuk / heuristic search strategy :

         Heuristik adalah sebuah teknik yang mengembangkan efisiensi dalam proses pencarian, namum dengan kemungkinan mengorbankan kelengkapan (completeness).


  • greedy best first search 
          Algoritma ini Merupakan jenis Best First Search yang hanya mempertimbangkan harga perkiraan (estimated cost) yaitu f(n) = h(n). Sedangkan harga sesungguhnya tidak digunakan. Sehingga solusi yang dihasilkan tidak optimal. Algoritma greedy ini membentuk solusi langkah per langkah (step by step). Pada setiap langkah, terdapat banyak pilihan yang perlu dieksplorasi. Oleh karena itu, pada setiap langkah harus dibuat keputusan yang terbaik dalam menentukan pilihan.

  • A search
          Bentuk dari Best First Search yang paling dikenal adalah algoritma pencarian A* (dibaca dengan “A-star”). Sedikit berbeda dengan Greedy yang hanya melihat kepada nilai h(n), pencarian dengan A* melihat kepada kombinasi nilai dari pathnya yaitu g(n) dengan nilai estimasi yaitu h(n).

f(n) = g(n) + h(n)

3.2.) Fungsi heuristik

      Fungsi heuristik digunakan untuk mengevaluasi keadaan-keadaan problema individual dan menentukan seberapa jauh hal tersebut dapat digunakan untuk mendapatkan solusi yang diinginkan.

3.3 ) Algoritma pencarian lokal dan masalah optimisasi : 

  • hill climbing search
          Metode ini hampir sama dengan metode pembangkitan dan pengujian, hanya saja proses pengujian dilakukan dengan menggunakan fungsi heuristic. Pembangkitan keadaan berikutnya tergantung pada feedback dari prosedur pengetesan. Tes yang berupa fungsi heuristic ini akan menunjukkan seberapa baiknya nilai terkaan yang diambil terhadap keadaan-keadaan lainnyayang mungkin.

  • simulated annealing search 
           Simulated annealing (SA) adalah salah satu algoritma untuk untuk optimisasi yang bersifat generik. Berbasiskan probabilitas dan mekanika statistik, algoritma ini dapat digunakan untuk mencari pendekatan terhadap solusi optimum global dari suatu permasalahan. Masalah yang membutuhkan pendekatan SA adalah masalah-masalah optimisasi kombinatorial, di mana ruang pencarian solusi yang ada terlalu besar, sehingga hampir tidak mungkin ditemukan solusi eksak terhadap permasalahan itu.Simulated Annealing berjalan berdasarkan analogi dengan proses annealing yang telah dijelaskan di atas. Pada awal proses SA, dipilih suatu solusi awal, yang merepresentasikan kondisi materi sebelum proses dimulai.

  • local beem search
          Beam Search adalah algoritma pencarian heuristik yangmerupakan optimasi dari pencarian best-first search yang mengurangikebutuhan memorinya. Dalam Beam Search, hanya jumlah solusiparsial terbaik yang telah ditetapkan yang disimpan sebagai kandidat.

Beam Search membutuhkan tiga komponen sebagai inputnya, yaitu :

a. Masalah yang akan di selesaikan
    Biasanya di tampilkan dalam bentuk grafik dan berisi kumpulan node yang tiap satu atau lebih node mengarah ke goal/hasil.

b. Kumpulan aturan-aturan heuristik untuk pemangkasan
    Adalah aturan-aturan spesifik yang mengarah ke ruang masalah dan memangkas node yang tidak menguntungkan dari memori yang berhubungan dengan ruang masalah.

c. Memori dengan kapasitas yang terbatas
    Adalah memori tempat menyimpan beam, dimana ketika memori dalam keadaan penuh dan node akan di tambahkan ke beam, maka node yang nilainya paling besar yang dihapus, jadi tidak akan melebihi memori yang tersedia.

     Beam Search memiliki keuntungan yang berpotensi mengurangi perhitungan dan waktu pencarian. Selain itu, pemakaian memori daripencarian ini jauh lebih sedikit daripada metode yang mendasari mtode pencarian ini. Kelemahan utama Beam Search adalah metode pencarian ini mungkin tidak dapat mencapai tujuan/hasil yang optimaldan bahkan mungkin tidak mencapai tujuan sama sekali.

  • Genetic Algoritma
        Genetic Algorithm(atau GA) adalah teknik pencarian dalam bidang komputasi untuk menemukan solusi benar atau pendekatan untuk masalah optimasi dan pencarian. Teknik dalam GA didasarkan pada biologi evolusioner seperti pewarisan, mutasi, seleksi dan crossover.

3.4 ) Agen pencarian online dan lingkungan yang tidak diketahui

Sumber : 

https://blogaqu.wordpress.com/2009/11/09/penerapan-greedy-best-first-search-dalam-implementasi-pencarian-lintasan-terpendek-dan-efisien-berdasarkan-jalur-dan-tarif-relatif-angkutan-kota-angkot-dari-pancoran-ke-manggarai/

http://socs.binus.ac.id/2013/04/23/uninformed-search-dan-informed-search/

https://shabri-prayogi.blogspot.co.id/2013/08/teknik-pencarian-heuristik-heuristic.html

https://id.wikipedia.org/wiki/Simulated_annealing

http://principessaprincipe.blogspot.co.id/2011/05/beam-search.html