1. 📌 Pengertian Representasi Pengetahuan
7
🔎 Definisi
Representasi Pengetahuan (Knowledge Representation) adalah cara bagaimana pengetahuan dunia nyata dimodelkan, disimpan, dan digunakan oleh sistem AI agar dapat melakukan penalaran (reasoning) dan pengambilan keputusan.
📖 Narasi
Dalam AI, komputer tidak “mengerti” seperti manusia. Oleh karena itu, pengetahuan harus:
- Disusun dalam bentuk struktur formal
- Dapat diproses oleh mesin
- Mendukung proses inferensi
🧠 Tujuan Representasi Pengetahuan
- Menyimpan informasi secara terstruktur
- Memudahkan pengambilan keputusan
- Mendukung pembelajaran mesin
- Meniru cara manusia berpikir
2. 🧠 Jenis-Jenis Pengetahuan
📊 Tabel Jenis Pengetahuan
| Jenis Pengetahuan | Deskripsi | Contoh |
|---|---|---|
| Deklaratif | Fakta atau informasi | “Air mendidih pada 100°C” |
| Prosedural | Cara melakukan sesuatu | Langkah memasak nasi |
| Heuristik | Aturan praktis | “Jika hujan, bawa payung” |
| Meta-knowledge | Pengetahuan tentang pengetahuan | Strategi belajar |
📖 Narasi
AI harus mampu menangani berbagai jenis pengetahuan agar dapat bekerja secara fleksibel dalam berbagai situasi.
3. 🏗️ Teknik Representasi Pengetahuan
6
🔍 Metode Utama
1. Logika (Logic Representation)
- Logika proposisional
- Logika predikat (First Order Logic)
📖 Digunakan untuk menyatakan fakta dan aturan secara formal.
2. Semantic Network
- Representasi berbentuk graf (node & edge)
- Menunjukkan hubungan antar konsep
📖 Contoh:
“Burung → memiliki → sayap”
3. Frame
- Struktur data berbasis objek
- Memiliki atribut (slot) dan nilai
📖 Contoh:
Frame: “Mobil”
- Warna: merah
- Roda: 4
4. Production Rules (Rule-Based System)
- Format IF–THEN
📖 Contoh:
IF hujan THEN jalan basah
4. 🔗 Logika dalam Representasi Pengetahuan
📊 Logika Proposisional
| Simbol | Arti |
|---|---|
| ∧ | DAN |
| ∨ | ATAU |
| ¬ | TIDAK |
| → | IMPLIKASI |
📖 Contoh:
- P: “Hujan”
- Q: “Jalan basah”
- P → Q
📊 Logika Predikat
Contoh:
- Manusia(Andi)
- Suka(Andi, AI)
📖 Narasi:
Lebih kompleks karena melibatkan objek dan relasi.
5. 🔄 Inferensi (Penalaran)
7
🔍 Jenis Inferensi
| Metode | Deskripsi |
|---|---|
| Forward Chaining | Dari fakta ke kesimpulan |
| Backward Chaining | Dari tujuan ke fakta |
📖 Narasi
Inferensi memungkinkan AI untuk:
- Menarik kesimpulan baru
- Mengambil keputusan
- Menyelesaikan masalah
6. 🧩 Ontologi dalam AI
8
🔎 Definisi
Ontologi adalah representasi formal tentang konsep dalam suatu domain dan hubungan antar konsep tersebut.
📖 Contoh
- Kelas: Hewan
- Subkelas: Mamalia
- Relasi: “memiliki”
📌 Fungsi
- Standarisasi pengetahuan
- Interoperabilitas sistem
7. ⚙️ Knowledge Base dan Inference Engine
📊 Komponen Sistem AI
| Komponen | Fungsi |
|---|---|
| Knowledge Base | Menyimpan fakta dan aturan |
| Inference Engine | Melakukan penalaran |
📖 Narasi
Kedua komponen ini adalah inti dari sistem AI berbasis pengetahuan (Knowledge-Based System).
8. 💡 Studi Kasus: Sistem Pakar
5
📖 Contoh
Sistem pakar untuk diagnosa penyakit:
- Input: gejala
- Knowledge base: aturan medis
- Output: diagnosis
📌 Analisis
Sistem pakar menggunakan:
- Representasi pengetahuan
- Inferensi
- Basis aturan
9. ⚠️ Tantangan Representasi Pengetahuan
🔍 Permasalahan
- Pengetahuan tidak lengkap
- Ambiguitas bahasa
- Kompleksitas tinggi
- Kesulitan pemodelan dunia nyata
10. 🎯 Kesimpulan
- Representasi pengetahuan adalah inti AI berbasis logika
- Berbagai metode digunakan untuk menyimpan dan mengolah pengetahuan
- Inferensi memungkinkan AI berpikir dan mengambil keputusan
- Ontologi membantu strukturisasi pengetahuan kompleks
📚 Aktivitas Pembelajaran
- Diskusi: “Metode representasi mana yang paling efektif?”
- Latihan: Membuat rule IF–THEN
- Praktikum: Representasi logika sederhana di Python
