• Tidak ada hasil yang ditemukan

ARTIFICIAL INTELLIGENCE

N/A
N/A
Protected

Academic year: 2021

Membagikan "ARTIFICIAL INTELLIGENCE"

Copied!
40
0
0

Teks penuh

(1)

ARTIFICIAL INTELLIGENCE

Andri Pranolo



W : apranolo.tif.uad.ac.id



M : 081392554050



E : andri.pranolo@tif.uad.ac.id

Informatics Engineering, Universitas Ahmad Dahlan, Yogyakarta - 2015 Team teaching: Sri Winiarti, Andri Pranolo, dan Anna Hendri SJ

(2)

POKOK BAHASAN

1.

Masalah, Ruang Keadaan, dan Pencarian

2.

Refresentasi Pengetahuan

3.

Metode Inferensi

4.

Penalaran (Penentuan Ketidakpastian dan Keyakinan)

5.

Sistem Pakar

6.

Pengolahan Bahasa Alami

7.

Jaringan Syaraf Tiruan

8.

Logika Fuzzy

9.

Algoritma Genetika

(3)

15 OKTOBER 2015

Pokok Bahasan :

Representasi Pengetahuan Outcome:

Mahasiswa memahami representasi pengetahuan yang umum digunakan dalam Kecerdasan Buatan

Referensi:

[1] Kusumadewi, S. Artificial Intelligence: Teknik dan Aplikasinya, Graha Ilmu, Yogyakarta, 2003

[2] Komputer Masa Depan, Pengenalan Artificial Intelligence, Suparman & Marlan, Andi Offset, 2007

[3] Konsep Kecerdasan Buatan: Anita Desiani & Muhammad Arhami, Andi Offset, 2006

[4] Artificial Intelligence, Searching, Reasoning, Planning, and Learning, Suyanto, Penerbit Informatika, 2007

[5] Bahan-bahan dari Internet

(4)

1. REPRESENTASI

 Representasi secara umum:

Deskripsi Dunia ideal (tidak hanya sekedar simbolik)

 Simbolis Representasi internal:

memerlukan bahasa simbol yang umum, di mana kita dapat mengekspresikan dan memanipulasi proposisi tentang dunia

 Pilihan bagus

untuk representasi simbolik dengan bahasa logika

Namun, beberapa persiapan harus dibuat ...

(5)

2. PENGETAHUAN

 Definisi umum : fakta atau kondisi sesuatu atau keadaan yang timbul karena suatu

pengalaman.



Diklasifikasikan menjadi 3



Procedural Knowledge



Declarative Knowledge



Tacit Knowledge

(6)

2.1. Procedural knowledge : 2.1. Procedural knowledge : 2.1. Procedural knowledge :

2.1. Procedural knowledge : Bagaimana melakukan sesuatu



Bagaimana mendidihkan air dalam mangkok



Bagaimana memasak mie instan



Bagaimana menjalankan mobil 2.2. Declarative knowledge :

2.2. Declarative knowledge : 2.2. Declarative knowledge :

2.2. Declarative knowledge : Mengetahui sesuatu itu benar atau salah



Fakultas Teknologi Industri mempunyai 4 program studi.



Dekan Fakultas Teknologi Informasi adalah Kartika Firdausy, S.T, M.T.

2.3. Tacit knowledge : 2.3. Tacit knowledge : 2.3. Tacit knowledge :

2.3. Tacit knowledge : Tidak dapat diungkapkan dengan bahasa



Bagaimana kita menggerakkan tangan



Bagaimana memejamkan mata

(7)

3. REPRESENTASI PENGETAHUAN



Metode yang digunakan untuk mengodekan pengetahuan dalam sebuah sistem cerdas (ex. sistem pakar)



Dimaksudkan untuk



Menangkap sifat-sifat penting problema



Membuat informasi itu dapat diakses oleh prosedur pemecahan problema



Karakteristik representasi pengetahuan



Dapat diprogram dengan bahasa komputer dan disimpan dalam memori



Fakta dan pengetahuan lain yang terkandung di dalamnya

dapat digunakan untuk melakukan penalaran

(8)



Bagaimana merepresentasikan pengetahuan ke dalam basis pengetahuan dan menguji kebenaran penalaran



Cara-cara lama:



List, digunakan pada LISP



Predicate Calculus, digunakan pada Prolog



Tree, untuk heuristic search



Harus terdiri dari struktur data dan prosedur untuk penafsiran



Hal yang berhubungan dengan RP:



Object pengetahuan itu sendiri



Event: kejadian-kejadian dalam dunia nyata dan hubungannya



Performa: bagaimana melakukan suatu tugas tertentu



Meta knowledge: pengetahuan tentang pengetahuan yang

direpresentasikan

(9)

4. PENGGUNAAN PENGETAHUAN



Acuisition Acuisition: mengintegrasikan informasi baru kedalam pengetahuan sistem. Acuisition Acuisition



Dua level:



Menyusun fakta ke dalam database



Pembuatan fungsi untuk mengintegrasikannya dengan cara “belajar dan mengadaptasikannya” terlebih dahulu



Retrieval Retrieval: mengingat kembali, menyusun ulang pengetahuan berdasarkan Retrieval Retrieval hubungan pengetahuan terhadap masalah



Linking: mengekstrak informasi baru tersebut



Lumping: mengelompokkan hasil ekstraksi pengetahuan baru tersebut kedalam struktur yang lebih besar seperti yang dibutuhkan dalam

menyelesaikan masalah



Reasoning Reasoning: pengetahuan digunakan untuk menalar suatu permasalahan Reasoning Reasoning



Formal reasoning: menggunakan logika proporsional



Procedural reasoning: menggunakan aturan produksi ( IF-THEN)



Analogical reasoning: sangat sulit

(10)

5. MODEL/TEKNIK REPRESENTASI PENGETAHUAN



Pengetahuan dapat direpresentasikan dalam bentuk yang sederhana atau kompleks, tergantung dari masalahnya.

(Schnupp, 1989)



Beberapa model/teknik representasi pengetahuan

1.

Logika (logic)

2.

List

3.

Jaringan semantik (semantic nets)

4.

Bingkai (frame)

5.

Tabel Keputusan (decision table)

6.

Graph/Pohon Keputusan (decision tree)

7.

Kaidah/aturan produksi (production rule)

8.

Naskah (script)

(11)



Klasifikasi kategori representasi pengatahuan menurut Mylopoulus dan Levesque:



Representasi Logika Representasi Logika Representasi Logika Representasi Logika: menggunakan logika formal.

Digunakan pada PROLOG



Representasi Prosedural Representasi Prosedural Representasi Prosedural Representasi Prosedural: menggambarkan prosedur

sebagai kumpulan instruksi untuk memecahkan masalah.

Digunakan dalam pemrograman: IF-THEN



Representasi Network Representasi Network Representasi Network Representasi Network: menggambarkan pengetahuan sebagai Graph dan Tree



Representasi Terstruktur Representasi Terstruktur Representasi Terstruktur Representasi Terstruktur: memperluas konsep Representsi

Network dengan membuat node-nodenya menjadi struktur

data yang kompleks. Contoh: script, frame, dan object

(12)

MODEL/TEKNIK

REPRESENTASI PENGETAHUAN

(13)

5.1. LOGIKA



Adalah representasi pengetahuan yang paling tua.



Proses menarik kesimpulan dari fakta yang sudah ada



Input: premis-premis dan Ouput: kesimpulan



Terdiri dari: sintaks (simbol), semantik (fakta), dan proses pengambilan keputusan (inferensi)



Proses penalaran:



Deduktif (umum-khusus)



Induktif (khusus-umum)



Logika (disebut logika komputasional):



Logika Preposisi: and, or, not, implikasi, dan ekuivalensi



Logika Predikat: representasi fakta dalam bentuk well formed formula



Lihat dibuku Artificial Intelligence Artificial Intelligence Artificial Intelligence Artificial Intelligence (Sri Kusuma Dewi)

(14)

14



Suatu pengkajian ilmiah tentang serangkaian penalaran, sistem kaidah, dan prosedur yang membantu penalaran.



Komputer harus dapat menggunakan proses penalaran deduktif dan induktif ke dalam bentuk yang sesuai

dengan manipulasi komputer, yaitu logika simbolik atau

matematika

(15)

15

5.1.1 PENALARAN DEDUKTIF



Bergerak dari penalaran umum menuju ke konklusi khusus



Atau pernyataan premis dan inferensi



Premis Mayor



Premis Minor



Konklusi



Contoh



Premis mayor Premis mayor :::: Jika hujan turun saya tidak akan kuliah Premis mayor Premis mayor



Premis minor : Premis minor : Pagi ini hujan turun Premis minor : Premis minor :



Konklusi : Konklusi : Oleh karena itu pagi ini saya tidak akan kuliah Konklusi : Konklusi :

(16)

16

5.1.2 PENALARAN INDUKTIF



Bergerak dari masalah khusus ke masalah umum



Menggunakan sejumlah fakta atau premis yang mantap untuk menarik kesimpulan umum



Contoh



Premis 1 : Premis 1 : Premis 1 : Premis 1 : Aljabar adalah pelajaran yang sulit



Premis 2 : Premis 2 : Premis 2 : Premis 2 : Geometri adalah pelajaran yang sulit



Premis 3 : Premis 3 : Premis 3 : Premis 3 : Kalkulus adalah pelajaran yang sulit



Konklusi : Konklusi : Konklusi : Konklusi : Matematika adalah pelajaran yang sulit

 Konklusi tidak selalu mutlak, dapat berubah jika ditemukan fakta baru

 Contoh



Premis 4 : Premis 4 : Premis 4 : Premis 4 : AI adalah pelajaran yang sulit

(17)

5.1.3 LOGIC: PROPOSITION LOGIC

P Q P AND Q

T T T

T F F

F T F

F F F

P Q P Q

T T T

T F F

F T T

F F T

P Q P OR Q

T T T

T F T

F T T

F F F

P Q P Q

T T T

T F F

F T F

F F T

(18)

18

5.2. LIST



Struktur sederhana untuk representasi pengetahuan



Daftar dari rangkaian materi yang terkait



List digunakan untuk objek yang dikelompokkan,

dikategorikan atau digabungkan

(19)

19

5.3. TREE / POHON



Struktur sederhana untuk representasi pengetahuan



Merupakan struktur grafik hirarki

(20)

20

5.4. JARINGAN SEMANTIK



Struktur sederhana untuk representasi pengetahuan grafis

yang menunjukkan hubungan antar berbagai objek

(21)

21

5.5. FRAME



Frame  kumpulan

pengetahuan tentang suatu objek tertentu, peristiwa, lokasi, situasi, berdasarkan pengalaman



Frame  memiliki slot yang menggambarkan rincian

(atribut) dan karakteristik objek.



Hirarki Frame  susunan

hirarki dari frame mengijinkan

pewarisan frame

(22)

22

HIRARKI FRAME

(23)

23

HIRARKI FRAME

(24)

24

5.6 TABEL KEPUTUSAN (DECISION TABLE)



Tabel keputusan  dalam format tabel



Tabel dibagi 2  bagian pertama untuk atribut & bagian

kedua untuk nilai & kesimpulan

(25)

25

5.7. POHON KEPUTUSAN (DECISION TREE)



Pohon keputusan  mudah dikonversi ke dalam bentuk

aturan (rule)

(26)

Contoh : Gejala Utama : Daun Menguning (GU1)

No No No

No PenyakitPenyakitPenyakitPenyakit GejalaGejala pendukungGejalaGejalapendukungpendukungpendukung Tanda

G1 G2 G3 G4 G5 G6 G7 G8 G9 G10 T1 T2 T3

1.

1.

1.

1. Embun tepung 2.2.

2.2. Damping off 3.3.

3.3. Embun Jelaga 4.4.

4.4. Karat puru 5.

5.

5.

5. Antraknosa 6.

6.

6.

6. Busuk akar x x x x x x

7.7.

7.7. Madu x x x x X

8.8.

8.8. Kanker

Kaidah 1.

Kaidah 1.Kaidah 1.

Kaidah 1. IFIFIFIF daun menguning ANDANDAND daun pucat ANDAND ANDAND daun rontok ANDAND ANDANDAND layu ANDANDANDAND terdapat tubuh buah ANDANDANDAND terdapat miselium ANDANDANDAND terdapat spora THENTHENTHENTHEN busuk akar Kaidah 2.

Kaidah 2.Kaidah 2.

Kaidah 2. IFIFIF daun menguning ANDIF ANDAND daun pucat ANDAND ANDANDAND daun rontok ANDANDANDAND layu ANDANDANDAND terdapat miselium ANDANDANDAND terdapat spora THENTHENTHENTHEN madu

(27)

5.8. SCRIPT

 Mirip dengan frame, merepresentasikan pengetahuan berdasarkan pengalaman-pengalaman

 Frame menggambarkan obyek, sedangkan script menggambarkan urutan peristiwa

 Elemen script:



Kondisi input: start, awal



Track: variasi yang mungkin terjadi



Prop: obyek pendukung



Role: peran yang dimainkan oleh suatu obyek



Scence: adegan yang terjadi



Hasil (result): kondisi akhir yang terjadi

(28)

28

NASKAH (SCRIPT)



Naskah  sama dengan frame, bedanya menggambarkan urutan peristiwa



Elemen script meliputi :

1.

Kondisi input  kondisi yang harus dipenuhi

2.

Track  variasi yang mungkin terjadi

3.

Prop  berisi objek-objek pendukung

4.

Role  peran yang dimainkan oleh seseorang

5.

Scene  adegan yang dimainkan

6.

Hasil kondisi yang ada setelah urutan peristiwa dalam script

terjadi.

(29)

29

CONTOH NASKAH (SCRIPT)



Berikut ini adalah contoh script kejadian yang ada di “Ujian Akhir”



Jalur (track) : ujian tertulis matakuliah Kecerdasan Buatan



Role (peran) : mahasiswa, pengawas



Prop (pendukung) : lembar soal, lembar jawab, presensi, pena, dll



Kondisi input : mahasiswa terdaftar untuk mengikuti ujian

 Adegan (scene) -1 : Persiapan pengawas

 Pengawas menyiapkan lembar soal

 Pengawas menyiapkan lembar jawab

 Pengawas menyiapkan lembar presensi

 Adegan-2 : Mahasiswa masuk ruangan

 Pengawas mempersilahkan mahasiswa masuk

 Pengawas membagikan lembar soal

 Pengawas membagikan lembar jawab

 Pengawas memimpin doa

(30)

30

 Adegan – 3 : Mahasiswa mengerjakan soal ujian

 Mahasiswa menuliskan identitas di lembar jawab

 Mahasiswa menandatangai lembar jawab

 Mahasiswa mengerjakan soal

 Mahasiswa mengecek jawaban

 Adegan – 4 : Mahasiswa telah selesai ujian

 Pengawas mempersilahkan mahasiswa keluar ruangan

 Mahasiswa mengumpulkan kembali lembar jawab

 Mahasiswa keluar ruangan

(31)

31

 Adegan – 5 : Mahasiswa mengemasi lembar jawab

 Pengawas mengurutkan lembar jawab

 Pengawas mengecek lembar jawab dan presensi

 Pengawas meninggalkan ruangan

 Hasil :

 Mahasiswa merasa senang dan lega

 Mahasiswa merasa kecewa

 Mahasiswa pusing

 Mahasiswa memaki – maki

 Mahasiswa sangat bersyukur

(32)

SCHEMAS: SCRIPTS

(33)

5.9. ATURAN PRODUKSI

 Paling populer (sejak tahun 1943-Post, 1957- Chomsky, 1972-Alan Newell)

 Terdiri dari antecedent/premis/situasi dan konsekuen/kesimpulan/tindakan

 Digambarkan dalam IF-THEN rules

 Digunakan pada Sistem Pakar

 Contoh:



IF temp > 30 C THEN hidupkan AC



IF permintaan meningkat AND persediaan menipis THEN pemesanan barang



IF pelamar <= 25 OR lulusan komputer THEN bisa diterima

menjadi pegawai

(34)

 Memiliki 3 elemen:

 Global Database: mulai dari matriks sederhana, list, atau basis data untuk menyimpan aturan produksi dan memory kerja

 Aturan Produksi: berisi aturan IF-THEN

 Sistem Kontrol: program pengkontrol urutan mana

aturan kaidah-kaidah produksi yang harus dipilih

dan menyelesaikan konflik pada saat pemilihan

(35)

35

2 metode penalaran yang menggunakan aturan :

 Forward Reasoning (penalaran maju)

 Pelacakan dimulai dari keadaan awal (informasi atau fakta yang ada) dan kemudian dicoba untuk mencocokkan dengan tujuan yang diharapkan

 Gunakan jika jumlah keadaan awal lebih kecil daripada tujuan & kejadian itu berupa fakta baru

 Backward Reasoning (Penalaran mundur)

 Penalaran dimulai dari tujuan atau hipotesa, baru dicocokkan dengan keadaan awal atau fakta-fakta yang ada.

 Jika jumlah keadaan awal lebih banyak daripada tujuan

 Jika kejadian itu berupa query

(36)

36

CONTOH FORWARD REASONING



R1 : IF suku bunga turun THEN harga obligasi naik



R2 : IF suku bunga naik THEN harga obligasi turun



R3 : IF suku bunga tidak berubah THEN harga obligasi tidak berubah



R4 : IF dolar naik THEN suku bunga turun



R5 : IF dolar turun THEN suku bunga naik



R6 : IF harga obligasi turun THEN beli obligasi



Apabila diketahui bahwa dolar turun, apa keputusan yang diambil, apakah akan membeli obligasi atau tidak



Forward Reasoning Forward Reasoning :::: Forward Reasoning Forward Reasoning



Dari fakta dolar turun,



berdasarkan Rule 5, diperoleh konklusi suku bunga naik.



Dari Rule 2, suku bunga naik menyebabkan harga obligasi turun.



Dengan Rule 6, jika harga obligasi turun, maka kesimpulan yang

diambil adalah membeli obligasi.

(37)

37

CONTOH BACKWARD REASONING

 R1 : IF suku bunga turun THEN harga obligasi naik

 R2 : IF suku bunga naik THEN harga obligasi turun

 R3 : IF suku bunga tidak berubah THEN harga obligasi tidak berubah

 R4 : IF dolar naik THEN suku bunga turun

 R5 : IF dolar turun THEN suku bunga naik

 R6 : IF harga obligasi turun THEN beli obligasi



Apabila diketahui bahwa dolar turun, apa keputusan yang diambil, apakah akan membeli obligasi atau tidak



Backward Reasoning Backward Reasoning :::: Backward Reasoning Backward Reasoning

 Dari solusi yaitu membeli obligasi

 dengan menggunakan Rule 6 diperoleh anteseden harga obligasi turun

 Dari Rule 2 dibuktikan harga obligasi turun bernilai benar jika suku bunga naik bernilai benar .

 Dari Rule 5 suku bunga naik memang bernilai benar karena diketahui fakta dolar turun.

(38)

RESOLUSI KONFLIK

 Urutkan aturan berdasarkan prioritas,

kemudian pilih aturan pertama yang memiliki prioritas tertinggi

 Pilih aturan yang paling strict (ketat)

 Pilih aturan yang paling sering digunakan

 Pilih aturan yang paling akhir dimasukkan di dalam sistem

 Pilih semua aturan yang memungkinkan

(39)

METODE PENALARAN

 Forward reasoning (data driven): dimulai dari

keadaan awal (dari fakta), kemudian menuju ke arah kesimpulan / tujuan

 Backward reasoning (goal driven): dimulai dari tujuan / hipotesa baru dicocokkan dengan

keadaan awal / fakta-fakta

(40)

ALASAN PEMILIHAN METODE

 Tergantung dari banyaknya keadaan awal dan tujuan.

 Jika jml awal lebih kecil dari tujuan gunakan penalaran maju.

 Jika jml tujuan lebih banyak dari awal, gunakan

penalaran mundur

Referensi

Dokumen terkait

Untuk mengatasi hambatanyang berasal dari pemilik warnet Polsek Panakkukang akan melakukan penyuluhan agar mereka menyadari dampak negatif dari pornografi

Pada tahun pertama ini selain pembentukan organisasi internal Senat Akademik, beberapa keputusan penting dan strategis telah ditetapkan seperti pemilihan anggota Majelis Wali

Begitu pula dengan hasil observasi siswa menunjukkan adanya peningkatan pada tanggung jawab, kerjasama dan kedisiplinan saat pembelajaran dengan memperoleh nilai

Pengelolaan keuangan daerah pada dasarnya dimaksudkan untuk menghasilkan gambaran tentang kapasitas atau kemampuan keuangan daerah dalam mendanai penyelenggaraan

Pada saat peraturan ini mulai berlaku, Peraturan LPSK Nomor 1 Tahun 2009 tentang Kode Etik, Peraturan LPSK Nomor 2 Tahun 2009 tentang Disiplin Pegawai dan Peraturan LPSK Nomor 4

Dari daerah asal dapat dilihat bahwa jumlah penderita TB Paru BTA positif yang datang berobat ke BP4 Lubuk Alung paling banyak berasal dari Provinsi Sumatera Barat

Penulisan data ke register perintah digunakan untuk memberikan perintah- perintah pada Modul M1632 sesuai dengan data-data yang dikirimkan ke register tersebut.. Gambar