Knowledge Base

Representasi Pengetahuan

 

Representasi pengetahuan merupakan kelanjutan dari proses akuisisi pengetahuan. Setelah pengetahuan berhasil disarikan dari pakar, maka selanjutnya yang dilakukan adalah merepresentasikan bentuk-bentuk pengetahuan tersebut menjadi bentuk yang dikenali oleh sistem (komputer).

 

Beberapa cara yang dapat digunakan untuk merepresentasikan bentuk ini antara lain jaringan semantik (semantic net), bingkai (frame), aturan produksi (production rule), logika (logic), bahasa natural (natural language), dan sistem basis data (database system).

Representasi pengetahuan dimaksudkan untuk menangkap sifat-sifat penting suatu pengetahuan agar dapat diakses dan digunakan dalam metode pemecahan masalah. Bahasa representasi haruslah mampu membuat seorang pemrogram mengekspresikan pengetahuan yang diperlukan untuk mendapatkan solusi permasalahan.

 

Representasi pengetahuan yang baik haruslah memiliki sifat-sifat berikut:

      ·         Mengemukakan hal secara eksplisit

      ·         Membuat masalah menjadi transparan

      ·         Komplit dan efisien

      ·         Menampilkan batasan-batasan alami yang ada

      ·         Menekan dan menghilangkan detil-detil yang diperlukan

      ·         Dapat dilakukan komputasi terhadapnya (memiliki batasan).

 

Representasi pengetahuan dikelompokkan ke dalam empat jenis, yaitu:

 

      ·         Representasi Logika

Representasi jenis ini menggunakan ekspresi-ekspresi logika formal dalam melakukan representasi.

 

      ·         Representasi Prosedural

Sementara jenis kedua ini menggambarkan pengetahuan sebagai kumpulan instruksi untuk memecahkan suatu problema.

 

      ·         Representasi Jaringan (Network)

Representasi ini menangkap pengetahuan sebagai suatu graf di mana simpul-simpulnya merupakan obyek atau konsep dari problema yang dihadapi, sementara garisnya (edge)  menggambarkan hubungan di antara mereka.

 

      ·         Representasi Terstruktur

Dalam representasi ini, jaringan diperluas dengan cara membuat tiap simpulnya menjadi sebuah struktur data kompleks.

Prinsip representasi pengetahuan adalah jika suatu permasalahan dideskripsikan dengan menggunakan representasi yang tepat, maka dapat dipastikan bahwa masalah tersebut dapat diselesaikan.

Ontologi

 

Kunci dari suatu basis pengetahuan adalah ontologi, yaitu sistem konsep-konsep yang terorganisir yang menjadikan sesuatu yang ada dalam domain menjadi eksplisit[7]. Ontologi merupakan spesifikasi dari suatu konseptualisasi, atau suatu teori logis yang memberikan suatu akun eksplisit yang parsial dari suatu konseptualisasi[8]; atau bahkan sinonim dari konseptualisasi itu sendiri.

Ontologi digunakan untuk menjelaskan mengenai properti dari suatu domain, dan juga untuk mendefinisikan domain tersebut.

 

Komponen-komponen dari ontologi antara lain:

 

     ·         Konsep (concept) digunakan dalam pemahaman yang luas. Sebuah konsep dapat sesuatu yang dikatakan, sehingga dapat pula merupakan penjelasan dari tugas, fungsi, aksi, strategi, dan sebagainya.

 

    ·         Relasi (relation) merupakan representasi sebuah tipe dari interaksi antara konsep dari sebuah domain. Secara formal dapat didefinisikan sebagai subset dari sebuah pruduk dari n set,

Sebagai contoh dari relasi biner termasuk subclass-of dan connected-to.

      ·         Fungsi (function) adalah sebuah relasi khusus di mana elemen ke-n dari relasi adalah unik untuk elemen ke-(n-1).

Contohnya adalah Mother-of.

      ·         Aksioma (axiom) digunakan untuk memodelkan sebuah kalimat yang selalu benar.

 

      ·         Instans (instance) digunakan untuk merepresentasikan elemen.

 

Menurut Tom Gruber dari Stanford University, makna ontologi dalam konteksnya di ilmu komputer adalah “suatu deskripsi konsep dan relasi yang ada dalam suatu agen maupun komunitas agen”[9].

Sebuah ontologi memberikan pengertian untuk penjelasan secara eksplisit dari konsep terhadap representasi pengetahuan pada sebuah basis pengetahuan (Bernaras, proyek KACTUS). Sementara menurut proyek SENSUS, Sebuah ontologi adalah sebuah struktur hirarki dari istilah untuk menjelaskan sebuah domain yang dapat digunakan sebagai landasan untuk sebuah basis pengetahuan.

Sistem Perbaikan Pengetahuan

 

Sistem Perbaikan Pengetahuan (Knowledge Refining System) merupakan suatu sistem untuk memperbaiki kinerja sistem pakar. Dengan sistem ini, pakar dapat melakukan analisis kinerja, lalu melakukan pembelajaran, dan kemudian meningkatkannya pada konsultasi berikutnya.

Pada pembelajaran mesin, tujuan dari perbaikan basis pengetahuan (knowledge base refinement) adalah meningkatkan performa sistem dengan pembelajaran empiris, di mana performa sistem diukur dari jumlah kesalahan yang terdeteksi ketika sistem dieksekusi untuk kasus-kasus yang ada dalam pustaka sistem.