Representasi Pengetahuan

Pengetahuan dibedakan menjadi 3 klasifikasi yaitu:

1. Prodecural Knowledge adalah pengetahuan yang berkaitan dengan prosedur atau cara untuk melakukan sesuatu. Contohnya, bagaimana cara mendidihkan air dalam panci.
   
2. Declarative Knowledge adalah pengetahuan untuk dapat menentukan nilai benar dan salah suatu hal. Contohnya, jangan celupkan tangan anda dalam air yang mendidih.
   
3. Tacid Knowledge kadang disebut juga sebagai "unconscious knowledge", karena pengetahuan tidak dapat diekspresikan atau didefinisikan dengan bahasa. Contohnya, bagaimana menggerakkan tangan.

Pengetahuan adalah hal yang utama dalam sistem pakar.

Representasi Pengetahuan adalah metode yang digunakan untuk mengodekan pengetahuan dalam suatu sistem pakar. Yang dimaksudkan untuk menangkap sifat-sifat penting problema dan membuat informasi itu dapat diakses oleh prosedur pemecahan problema.

Model Representasi Pengetahuan

Pengetahuan dapat dipresentasikan dalam bentuk yang sederhana atau kompleks, tergantung dari masalahnya. (Schnupp, 1989)

Terdapat beberapa model atau bentuk representasi pengetahuan yang telah dikembangkan, yaitu :

• Logika
• Jaringan Semantik (Semantic nets)
• Object-Attribute-Value (OAV)
• Bingkai (Frame)
• Aturan Produksi (production rule)

Logika

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

• Komputer harus dapat menggunakan proses penalaran deduktif dan induktif kedalam bentuk yang sesuai dengan manipulasi komputer, yaitu logika simbolik atau matematika.

Penalaran Deduktif

• Bergerak dari penalaran umum menuju ke konklusi khusus.
• Umumnya dimulai dari suatu silogisme
• Atau pernyataan premis dan inferensi

- Premis Mayor
- Premis Minor
- Konklusi

Contoh:
Premis Mayor : Jika hujan turun saya tidak akan kuliah
Premis Minor : Pagi ini hujan turun
Konklusi : Oleh karena itu pagi ini saya tidak akan kuliah

Penalaran Induktif

• Bergerak dari masalah khusus ke masalah umum.
• Menggunakan sejumlah fakta atau premis yang mantap untuk menarik kesimpulan umum.
• Contoh :

• Premis : Dioda yang salah menyebabkan peralatan elektronik rusak.
• Premis : Transistor rusak menyebabkan peralatan elektronik rusak.
• Premis : IC rusak menyebabkan peralatan elektronik tidak berfungsi.
• Konklusi : Maka, peralatan semikonduktor merupakan penyebab utama rusaknya peralatan elektronik.

• Disebut logika Komputasional

• Logika Proposional
• Logika Predikat

Logika Proposional

• Proporsisi merupakan suatu statement atau pernyataan yang menyatakan benar (TRUE) atau salah (FALSE).

Logika Predikat

• Suatu logika yang lebih canggih yang seluruhnya menggunakan konsep dan kaidah proporsional yang sama.
• Disebut juga kalkulus predikat, yang memberi tambahan kemampuan untuk mempresentasikan pengetahuan dengan cermat dan rinci.
  

Jaringan Semantik ( Semantic nets)

Jaringan Semantik adalah tehnik representasi dalam artificial intelligence klasik untuk informasi proposional, sehingga sering kali disebut sebagai poporsional network. Proposisi adalah pernyataan yang dapat bernilai benar atau salah dan merupakan bentuk pengetahuan deklaratif.

Semantic network pertama kali dikembangkan untuk AI sebagai cara untuk mempresentasikan memory dan pemahaman bahasa manusia. Struktur semantic nets berupa grafik dengan node (simpul) dan arc (ruas) yang menghubungkannya.

Object-Attribute-Value (OAV)
Bentuk object-attribute-value triple daapat digunakan untuk mempresentasikan semua karakteristik pengetahuan dalam semantic net dan digunakan pada sistem pakar MYCIN untuk mendiagnosa penykit infeksi.

Bingkai (Frame)
Salah satu tipe skema yang digunakan dalam beberapa aplikasi AI adalah frame. Frame merupakan struktur yang baik untuk mempresentasikan objek yang tipikal dalam situasi tertentu. Karakteristik dasar frame adalah frame mempresentasikan pengetahuan yang terkait mengenai sebuah subjek yang sempit dan memiliki default. Sistem frame adalah pilihan yang baik untuk mendeskripsikan peralatan mekanik seperti mobil.
Frame mencoba memodelkan obyek yang ada di dunia nyata menggunakan pengetahuan generik untuk atribut yang banyak dimiliki oleh obyek dan pengetahuan spesifik untuk kasus khusus.

Aturan Produksi (Production Rule)
Aturan produksi adalah jenis representasi pengetahuan yang paling umum digunakan karena memiliki keuntungan yang lebih dibandingkan dengan kekurangannya.