REPRESENTASI PENGETAHUAN

1. ARTI PENGETAHUAN

Representasi pengetahuan adalah cara untuk menyajikan pengetahuan yang diperoleh ke dalam suatu skema/diagram tertentu sehingga dapat diketahui relasi antara suatu pengetahuan dengan pengetahuan yang lain dan dapat dipakai untuk menguji kebenaran penalarannya.

Pengetahuan dibedakan menjadi 3 klasifikasi yaitu:

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

METODE PENCARIAN DAN PELACAKAN 2

1. BEST FIRST SEARCH

Algoritma best first search ini merupakan kombinasi dari algoritma depth first search dengan algoritma breadth first search dengan mengambil kelebihan dari kedua algoritma tersebut. Apabila pada pencarian dengan algoritma hill climbing tidak diperbolehkan untuk kembali ke node pada level yang lebih rendah meskipun node di level yang lebih rendah tersebut memiliki nilai heuristik yang lebih baik, lain halnya pada algoritma best first search, pencarian diperbolehkan mengunjungi node yang ada di level yang lebih rendah, jika ternyata node di level yang lebih tinggi memiliki nilai heuristik yang lebih buruk.

Algoritma best first search merupakan salah satu bagian dari tipe informed search. Algoritma ini menggunakan nilai-nilai heuristik tiap simpul yang dibuka. Simpul dengan nilai heuristik terbaik akan dibuka lebih dahulu. Bila goal state belum ditemukan, akan dilakukan pemeriksaan pada simpul berikutnya dengan nilai heuristik terbaik pada kedalaman yang sama. Simpul tersebut kemudian dibuka dan diperiksa apakah terdapat goal state pada cabang-cabangnya. Bila goal state belum ditemukan, akan dilakukan proses yang sama pada simpul berikutnya.

Merupakan metode yang membangkitkan suksesor dengan mempertim- bangkan harga (didapat dari fungsi heuristik tertentu) dari setiap node, bukan dari aturan baku seperti DFS maupun BFS. Gambar 3.4 mengilustrasikan langkah-langkah yang dilakukan oleh algoritma Best First Search. Pertama kali, dibangkitkan node A. Kemudian semua suksesor A dibangkitan, dan dicari harga paling minimal. Pada langkah 2, node D terpilih karena harganya paling rendah, yakni 1. Langkah 3, semua suksesor D dibangkitkan, kemudian harganya akan dibandingkan dengan harga node B dan C. Ternyata harga node B paling kecil dibandingkan harga node C, E, dan F. Sehingga B terpilih dan selanjutnya akan dibangkitkan semua suksesor B. Demikian seterusnya sampai ditemukan node Tujuan.

METODE PENCARIAN DAN PELACAKAN 1

• Hal penting dalam menentukan keberhasilan sistem cerdas adalah kesuksesan dalam pencarian.
• Pencarian = suatu proses mencari solusi dari suatu permasalahan melalui sekumpulan kemungkinan ruang keadaan (state space).
• Ruang keadaan = merupakan suatu ruang yang berisi semua keadaan yang mungkin.
• Untuk mengukur perfomansi metode pencarian, terdapat 4 kriteria yang dapat digunakan :
  - Completeness : apakah metode tersebut menjamin penemuan solusi jika solusinya memang ada?
  - Time complexity : berapa lama waktu yang diperlukan? [semakin cepat, semakin baik]
  -Space complexity : berapa banyak memori yang diperlukan
  -Optimality : apakah metode tersebut menjamin menemukan solusi yang terbaik jika terdapat beberapa solusi berbeda?

1. METODE PENCARIAN BUTA (BLIND  SEARCH)

Breadth-First Search

Pada metode breadth-first search, semua node pada level n akan dikunjungi terlebih dahulu sebelum mengunjungi node-node pada level n+1.

PENGENALAN LOGICAL AGENTS

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). 

1. KNOWLADGE BASE AGENT

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).  Menyimpulkan action apa yang perlu diambil. 

PENGENALAN INTELLIGENT AGENTS

Kecerdasan buatan atau dalam bahasa inggrisnya Artificial Intelligence sering disingkat dengan AI yang merupakan cabang terpenting dalam dunia komputer. A
khir-akhir ini, teknologi AI telah begitu banyak mempengaruhi kehidupan manusia. AI kini berada disekeliling kita, di dalam kehidupan sehari-hari kita, boleh dikatakan tidak ada satu pun peralatan yang tidak menggunakan teknologi AI. Di rumah, radio, mesin cuci, kulkas, ponsel, dll dilengkapi dengan Integrated Circuit komputer yang mempunyai AI. Dengan kata lain AI ialah ilmu dan rekayasa yang membuat mesin mempunyai intelligensi tertentu khususnya program komputer yang ‘cerdas’ (John McCarthy, 1956).

Pengertian sebuah AGENT adalah segala sesuatu yang dipandang sebagaimana mengamati lingkungannya melalui sensor dan bertindak atas lingkungan yang melalui efektor. Agen manusia memiliki mata, telinga, dan organ lain untuk sensor, dan tangan, kaki, mulut, dan bagian tubuh lainnya untuk efektor. Sebuah pengganti agen robot kamera dan berbagai pencari inframerah untuk sensor dan berbagai motor untuk efektor.

PENGENALAN INTELEGENSI BUATAN (KB)

1. PENGENALAN INTELEGENSI BUATAN

Intelegensi Buatan (Artificial Intelligence) merupakan cabang terpenting dalam dunia Komputer yang membuat agar mesin (computer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan manusia. Pada awal diciptakan computer hanya bersfunsi sebagai alat hitung. Tapi sekarang peran computer makin mendominasi kehidupan manusia. Komputer diarapkan dapat diberdayaan untuk mengerjakan sesuatu segala sesuatu yang bias dikerjakan oleh manusia.

Agar computer bisa bertindak seperti dan sebaik manusia, maka computer juga harus diberi bekal pengetahuan dan mempunyai kemampuan untuk menalar. Untuk itu pada Aritifcial Intelligence akan mencoba untuk memberikan beberapa metode untuk membekali computer dengan kedua komponen tersebut agar computer bisa menjadi yang mesin yang pintar. Lebih detailnya pengertian Arificial Intelligence dapat dipandang dari berbagai sudut pandang antara lain:

1. Sudut Pandang Kecerdasan. Kecerdasan Buatan akan membuat mesin menjadi "cerdas" (mampu berbuat seperti apa yang dilakukan oleh manusia).
2. Sudut Pandang Penelitian. Bagaimana membuat computer dapat melakukan sesuatu sebaik yang dikerjakan oleh manusia.
3. Sudut Pandang Pemrogaman. Kecerdasan Buatan meliputi studi tentang pemrogaman simbolik, penyelesaian masalah (problem solveing) dan pencarian (searching).