PENGETAHUAN DAN PENALARAN
Syifa Alya Nabila
16115777
3KA12
Sistem Informasi
Universitas Gunadarma
1.
Pengetahuan Berbasis Agen
AGENT
adalah sesuatu yang dapat mengesan ( percieving ) lingkungan (environment)
nya melalui sensors dan bertindak ( Acting ) terhadap
lingkungan tersebut melalui actuators.
Dalam
kecerdasan buatan, intelligent agent (IA) adalah sebuah entitas otonom yang
mengamati dan bertindak atas lingkungan (yaitu membutuhkan agen) dan
mengarahkan aktivitasnya untuk mencapai tujuan
yaitu rasional.Intelligent agen juga dapat belajar atau menggunakan
pengetahuan untuk mencapai tujuan mereka. Russell & Norvig (2003)
mengartikan Rational Agent yang
mengerjakan segala sesuatu hal dengan benar.
Selanjutnya
saya akan membahas tentang PEAS. PEAS adalah singkatan dari Performance
Measure, Environment, Actuators, dan Sensor. Dimana harus dispesifikasikan
terlebih dahulu mengenai rancangan intelligent agent.
Lalu
tipe tipe agent yang terdapat dalam intelegent agent ada 5 tipe, yaitu:
1.
Simple Reflex Agents
2.
Model Based Reflex Agents
3.
Goal-Based Agents
4.
Utility-Based Agents
5.
Learning Agents
2.
Logika
Logic
merupakan jantung dari program, para pemrogram mempunyai keyakinan bahwa sebuah
computer dapat dibuat mengerti logika, maka computer dapat dibuat untuk
berfikir, karena logika kelihatannya menjadi inti dari kecerdasan.
1. Problem
solving agent hanya bisa menyelesaikan masalah yang lingkungannya accessible
2. Kita membutuhkan agen yang dapat menambah pengetahuan
dan menyimpulkan keadaan
3. Agent yang akan membantu seperti ini kita beri nama
knowledge based agent
Knowledge
based agent
Komponen
utama dari knowledge based agent adalah knowledge basenya. Knowledge base (KB)
adalah kumpulan representasi fakta tentang lingkungan atau dunia yang berhubungan
atau menjadi daerah bekerjanya agen. Setiap representasi dalam KB disebut
sebagai sebuah sentence yang diekspresikan dalam sebuah bahasa yakni knowledge
representation language
1. Representasi Pengetahuan yang bersifat general.
2. Kemampuan beradaptasi
sesuai temuan fakta.
3. Kemampuan
menyimpulkan sesuatu dari pengetahuan yang sudah ada.
Syarat
Representasi KB:
1 .
Representational Adequacy
kemampuan
merepresentasikan semua pengetahuan yang dibutuhkan dalam domainnya
2. Inferential Adequacy
kemampuan
memanipulasi struktur pengetahuan untuk membentuk struktur baru dalam menampung
pengetahuan baru hasil inferensi
3 .
Inferential Efficiency
kemampuan
untuk manambahkan informasi untuk mempercepat pencarian dalam inferensi
4 .
Acquisitional Efficiency
kemampuan
untuk menambah informasi baru secara mudah.
Pengetahuan
yang dimiliki agent tidak berguna jika ia tidak melakukan apapun Karenanya kita
perlu menambahkan aturan agar dia dapat bergerak (complete the knowledge base).
Beberapa
tahapan yang dilakukan dalam menyusun knowledge based agent:
·Untuk dapat menyusun
sebuah knowledge based agent maka kita harus terlebih dulu bisa menyusun
knowledge basenya itu sendiri.
·Untuk menyusun
knowledge base kita perlu menentukan bagaimana cara kita merepresentasikan
pengetahuan kita (knowledge representation).
Knowledge
representation kita harus merupakan bentuk yang mudah disimpan dan digunakan
pada komputer. Dalam perkuliahan ini kita menggunakan beberapa macam knowledge
representation language.
3.Logika
Proposisi
Proposional logic berupa kalimat-kalimat lengkap dari
fakta atau kenyataan, atau bisa dikatakan sebuah propositional logic bisa
merupakan sebuah proposisi adalah kalimat yang berbentuk dengan sendirinya,
apakah kalimat itu bernar atau kalimat itu salah. Propositional logic merupakan
operator-operator untuk menghubungkan proposisi-proposisi dalam bentuk,
ungkapan dan ekspresi, sebagai kata penyambung logika.
Penggunaan dari propositional logic sebagai langkah
atau cara mempresentasikan dari pengetahuan dunia yang diperlukan dari sebuah
sistem yang sudah terorganisir (AI). Ekspresi-ekspresi dibentuk menurut semua
tata bahasa sederhana, dan ekspresi yang sesuai dengan tata bahasa ini disebut
well formed formulae (wffs). Tanda kurung digunakan untuk membuat kelas urutan
dari penempatan nilai kebenaran, jika tidak yang lain jelas. Suatu well formed
formulae merupakan salah satu proposisi atau akan memiliki salah satu bentuk.
SINTAKS
Seringkali kita mendengar sintak dalam istilah
pemrograman. Namun, terkadang kita tidak mengetahui dengan jelas apa arti
sintak sebenarnya.
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 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.
Sintaks berfungsi menyediakan bentuk-bentuk notasi
untuk komunikasi antar programmer dan pemroses bahasa pemrograman sehingga
dapat mempermudah pembuatan suatu program.
Suatu bahasa pemrograman juga dibangun berdasarkan
elemen-elemen syntactic, yang dapat membentuk suatu statement-statement dalam
bahasa pemrograman. Elemen-elemen tersebut antara lain :
a. Himpunan karakter
b. Identifier.
c. Simbol untuk operator.
d. Keyword dan reserved word.
e. Noise word.
f. Komentar.
g. Blank.
h. Delimiter dan tanda kurung.
i. Ekspresi.
SEMANTIK
Sintak mendifinisikan suatu bentuk program yang benar
dari suatu bahasa. Semantic mendefinisikan arti dari program yang benar secara
sintak dari bahasa tersebut. Semantic suatu bahasa membutuhkan semacam ekspresi
untuk mengirimkan suatu nilai kebenaran (TRUE, FALSE, NOT atau nilai integer).
Dalam banyak kasus, program hanya dapat dieksekusi jika benar, serta mengikuti
aturan sintak dan semantic. Semantik suatu bahasa pemrograman mempunyai banyak
potensial / keunggulan, beberapa diantara nya adalah :
a. Standarisasi bahasa pemrograman.
b. Referensi untuk user.
c. Pembuktian dari program yang benar.
d. Referensi untuk implementor.
e. Implementasi otomatis.
Jika suatu rumusan semantic sulit untuk di
deskripsikan secara formal maka rumusan semantic tersebut juga akan sulit
digunakan oleh programmer.
Teknik semantic :
a. Operational semantic
b. Detonational semantic.
c. Axiomatic semantic.
d. Algebraic semantic.
e. Structured operational semantic atau natural
semantic.
Inferensi
Inferensi pada logika proposisi dapat dilakukan dengan
menggunakan resolusi. Metode inferensi adalah mekanisme berfikir dan pola-pola
penalaran yang digunakan oleh sistem untuk mencapai suatu kesimpulan. Metode
ini akan menganalisa masalah tertentu dan selanjutnya akan mencari jawaban atau kesimpulan yang terbaik.
Ekuivalen
Dua atau lebih pernyataan majemuk yang mempunyai nilai
kebenaran sama disebut ekuivalensi logika dengan notasi “ dua buah pernyataan majemuk dikatakan
ekuivalen, jika kedua pernyataan majemuk itu mempunyai nilai kebenaran yang
sama untuk semua kemungkinan nilai kebenaran pernyataan-pernyataan
komponen-komponennya, terdapat formula-formula yang memiliki operator logika
yang berbeda tetapi nilai kebenaran dari formula tersebut bernilai sama, entah
itu bernilai TRUE atau FALSE.
Validitas
adalah suatu ukuran yang menunjukkan tingkat keabsahan
atau kesahihan suatu tes atau sejauh mana ketepatan dan kecermatan suatu alat
ukur dalam melakukan fungsi ukurnya.
Suatu tes dikatakan valid apabila mengukur apa yang
hendak diukur. Tes memiliki validitas yang tinggi apabila hasilnya sesuai
dengan kriteria, dalam arti memiliki kesejajaran antara tes dan kriteria.
Jenis-jenis validitas adalah :
·
Validitas isi
(Content Validity)
·
Validitas konstruk
(Construct Validity)
·
Validitas Ukuran
·
Validitas Sejalan
(Concurrent Validity)
Satisfiabilitas
Sebuah
proposisi majemuk dikatakan satisfiable jika ada minimal satu nilai tabel
kebenarannya yang bernilai TRUE (benar), Jika proposisi majemuk tersebut tidak memiliki
nilai TRUE (benar) sama sekali dalam tabel kebenarannya, maka proposisi majemuk
tersebut disebut tidak satisfiable.
4.Pola Penalaran (Reasoning Pattern).
Resolusi
Resolusi
adalah suatu aturan untuk melakukan inferensi yang dapat berjalan secara efisien
dalam suatu bentuk khusus conjunctive normal form (CNF). Pada logika proposisi,
prosedur untuk membuktikan proposisi P dengan beberapa aksioma F yang telah
diketahui, dengan menggunakan resolusi.
Algoritma
resolusi :
(1)
Konversikan semua proposisi F ke bentuk CNF.
(2)
Negasikan P, dan konversikan hasil negasi tersebut ke bentuk klausa. Tambahkan
ke himpunan klausa yang telah ada pada langkah 1.
(3)
Kerjakan hingga terjadi kontradiksi atau proses tidak mengalami kemajuan.
Resolusi
merupakan suatu teknik pembuktian yang lebih efisien, sebab fakta-fakta yang
akan dioperasikan terlebih dahulu dibawa ke bentuk standar yang sering disebut
dengan nama klausa. Pembuktian suatu pernyataan menggunakan resolusi ini
dilakukan dengan cara menegasikan pernyataan tersebut, kemudian dicari
kontradiksinya dari pernyataan-pernyataan yang sudah ada.
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.
Forward
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.
5.Inferensi Proposisi yang efektif.
Backtracking
Algoritma
backtracking mempunyai prinsip dasar yang sama seperti brute-force yaitu
mencoba segala kemungkinan solusi. Perbedaan utamanya adalah pada ide dasarnya,
semua solusi dibuat dalam bentuk pohon solusi (pohon ini tentunya berbentuk
abstrak) dan algoritma akan menelusuri pohon tersebut secara DFS (depth field
search) sampai ditemukan solusi yang layak. Nama backtrack didapatkan dari
sifat algoritma ini yang memanfaat karakteristik himpunan solusinya yang sudah
disusun menjadi suatu pohon solusi.
6.Agen Berbasis Logika Proposisi
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.
Perbedaan
dua agent, problem solving agent dan knowledge-based agent. Problem solving
agent memilih solusi di antara kemungkinan yang ada. Apa yang ia “ketahui”
tentang dunia, pengetahuannya tidak berkembang untuk mencapai problem solution
(initial state, successor function, goal test) tetapi jika Knowledge-based
agent lebih “pintar”. Ia “mengetahui” hal-hal tentang dunia dan dapat melakukan
reasoning (berpikir, bernalar) mengenai Hal-hal yang tidak diketahui sebelumnya
(imprefect/ partial information). Tindakan yang paling baik untuk diambil (best
action).
SUMBER :
Tidak ada komentar:
Posting Komentar