Home
Contact
- Google+
- Blogger
- Facebook
- Email
Categories
Anime
- Winter
- Summer
- Spring
Staf
- Staf a
- Staf b
- Staf c
Portfolio
Guestbook

Archive for April 2021

Representasi Pengetahuan

►
- Representasi Pengetahuan
  
  Pembahasan
     Representasi pengetahuan adalah bidang kecerdasan buatan (AI) yang didedikasikan untuk merepresentasikan informasi tentang dunia dalam bentuk yang dapat digunakan oleh sistem komputer untuk menyelesaikan tugas-tugas kompleks seperti mendiagnosis kondisi medis atau berdialog dalam bahasa alami. Representasi pengetahuan menggabungkan temuan dari psikologi tentang bagaimana manusia memecahkan masalah dan merepresentasikan pengetahuan untuk merancang formalisme yang akan membuat sistem yang kompleks lebih mudah untuk dirancang dan dibangun.
  
  Format dan Contoh-Contoh Representasi Pengetahuan Secara Visual
     Format representasi visual memiliki berbagai macam bentuk dan mewakili karakteristik pengetahuan tertentu. Dengan perkembangan teknologi komputer saat ini, selain menggambar menggunakan media kertas dan alat tulis, dapat juga menggunakan bantuan aplikasi perangkat lunak komputer. Eppler & Burkhard (2004) membagi format gambar menjadi enam bentuk, yaitu: sketsa heuristik, diagram konseptual, metafora visual, animasi pengetahuan, peta pengetahuan, dan bagan ilmiah.
  
  Dalam representasi pengetahuan, ada dua hal yang harus diperhatikan, yakni:
  1. FaktaFakta adalah objek yang direpresentasikan. Ini menerangkan tentang benda yang ada dalam domain masalah. Fakta dapat berupa keterangan atau kalimat dalam bahasa alami, logika atau benda.
  2. Formulayakni bentuk representasi yang dapat dimanipulasi dalam proses pemecahan soal. Bentuk ini harus dapat menggambarkan hubungan antar komponen domain masalah.
  Kelebihan dan Kekurangan Representasi Pengetahuan Secara Visual
     Beberapa studi empiris menunjukkan bahwa representasi visual lebih unggul daripada representasi sekuensial verbal dalam tugas yang berbeda, yaitu untuk menggambarkan hubungan, untuk mengidentifikasi pola, untuk menyajikan gambar secara umum ataupun secara detail, untuk mendukung penyelesaian masalah dan untuk mengkomunikasikan berbagai jenis pengetahuan (Burkhard, 2004). Namun, Menyajikan data / informasi dalam bentuk visual tidak menjamin bahwa itu akan berguna. Visualisasi hanya berguna jikadigunakan dengan benar dan dapat berbahaya jika digunakan dengan buruk. Bresciani et al (dalam Kumar, 2016) mempelajari berbagai bahaya risiko visualisasi dan mengklasifikasikan kekurangan visualisasi terhadap kognitif, emosional dan sosial. Berikut ini merupakan kekurangan dari visualisasi yang dirangkum oleh Kumar (2016) berdasarkan ketiga kategori tersebut menurut perspektif desainer atau pengguna:
  
  1.Visualisasi mungkin ambigu, membingungkan, tidak jelas, tidak akurat, menyesatkan dan tidak konsisten karena duplikasi data, penyederhanaan berlebihan, penggunaan logika, label & warna yang digunakan untuk presentasi sulit untuk ditafsirkan.
  
  2.Visualisasi mungkin tidak fokus, makna tersembunyi, tidak tersirat dan tidak merata karena teknis, pengembangan logis dan fungsional serta kendala yang diinginkan gagal dalam memberikan makna jelas.
  
  3.Visualisasi mungkin berlebihan, komputasional kompleks, multidimensi, multi-nilai, heterogen, dan multi[1]sumber data yang gagal memberikan hasil real-time dan interaktif.
  
  4.Visualisasi mungkin tidak dapat diterima secara universal karena tidak tersedianya format visual standar seperti penggunaan simbol, label, warna, skrip dll yang digunakan untuk visualisasi serta domain masalah yang beragam.
  
  5.Para pengguna dan pengembang alat visualisasi membutuhkan berbagai jenis pengetahuan dan keahlian seperti teknis, wawasan, visualisasi interaktif, pemahaman masalah dan domain. Kurangnya pengetahuan dalam mengembangkan dan menggunakan alat visualisasi tidak hanya menghasilkan inferensi yang salah tetapi mungkin berakibat fatal untuk pengambilan keputusan strategis tertentu.
  
  Banyak cara untuk menyatakan representasi pengetahuan dan setiap cara mempunyai kelebihan dan kelemahan masing-masing.
  Beberapa cara atau teknik representasi pengetahuan antara lain :Logika,Frame,Schema,Jaringan Semantik,Kaidah produksi (Production rules),List, digunakan pada LISP,Tree, untuk heuristic search,dan lain-lain.
- Posted by Muvan12
- 0 Comments
- Readmore . . .
- Add Comment

Model Expert System

►
- Model Expert System
  Model Sistem Pakar
  Model system pakar terdiri dari empat bagian utama:
  
  1. User Interface memungkinkan pemakai beinteraksi dengan system pakar.
  
  Input system pakar, format interface paling popular saat ini graphical user interface yang menyajikan tampilan window.
  
  Output system pakar, pemecahan ini dilengkapi dengan dua jenis penjelasan:
  
  a. Penjelasan atas pertanyaan
  
  b. Penjelasan atas penyelesaian masalah
  
  2. Knowledge Base
  
  Memuat fakta-fakta yang menjeolaskan area masalah dan juga tekhnik menerangkan masalah yang menjelaskan bagaimana fakta-fakta tersebut cocok satu dengan yang lain dalam urutan yang logis.
  
  3. Aturan
  
  Aturan menentukan apa yang harus dilakukan dalam situasi tertentu dan terdiri dari dua bagian: suatu kondisi yang mungkin benar, mungkin tidak ada tindakan yang harus diambil jika kondisinya benar.
  
  4. Development Engine
  
  Pakar dan analis sistem menggunakan ini untuk menciptakan sistem pakar.
  User Interface
     Memungkinkan manager untuk memasukkan intruksi dan informasi kedalam sistem pakar dan menerima informasi dari sistempakar. Intruksi tersebut menentukan parameter yang mengarahkan sistem pakar melalui proses panalaran. Informasi tersebut berupa nilai yang diberikan pada variable tersebut.
  
  Input sistem Pakar
  
     Format interface yang sangat populer saat ini adalah graphical user interface, yang menampilkan tampilan windows.
  
  Output Sistem Pakar
  
     Sistem pakar dirancang untuk menyarankan pemecahan. Pemecahan ini dilengkapi dengan penjelasasn.
  
    Ada 2 jenis penjelassan :
  - Penjelasan atas pertanyaan. sistem pakar akan memeinta manager untuk memasukkan sejumlah informasi. Manager menanyakan mengapa informasi itu diperlukan dan sistem pakar menyediakan penjelasanya.
  - Penjelasan atas masalah. Setelah sistem pakar memberikan pemecahan masalah, manager dapat meminta penyelesaian bagaimana itu dicapai. sistem pakar akan menampilkan tiap langkah-langkah penalaran yang menuju penyelesaian.
  Knowledge Base
  
     Memuat fakta-fakta yang menjelaskan area masalah dan menerangkan bagaimana bagaimana fakta-fakta tersebut bisa cocok satu dengan yang lain dengan urutan yang logis. Problem Domain digunakan unutk menjelaskan area masalah.
  
  Aturan
  
     Teknik penyelesaian masalah yang populer adalh penggunaan aturan. Aturan menentukan apa yang harus dilakukan dalam situasi & terdiri dari 2 bagian: suatu kondisi yang mungkin benar, mungkin tidak dan tindakan yang harus diambil jika kodisinya benar.
  
  Inference Engine
  
     Adalah bagian dari sistem pakar yg melakukan penalaran dgn menggunakan isi knowledge base berdasarkan urutan.
  
  Development Engine
  
     Pada proses ini melibatkan perangkat aturan. Ada 2 pendekatan dasar :
  1. Bahasa Pemrograman
  2. Shell sistem pakar
  Shell sistem pakar membuat kecerdasan buatan terjangkau oleh perusahaan yang tidak memiliki SD yang diperlukan untuk mengembangkan sistem sendiri dengan menggunakan bahassa pemrograman. Ini merupakan cara terpopuler bagi perusahaan yang menerapkan sistem berbasis pengetahuan.
- Posted by Muvan12
- 0 Comments
- Readmore . . .
- Add Comment

- Copyright © 2013 Shiro Activity - Oreshura - Powered by Blogger - Designed by Johanes Djogan -