Agen Logika

4.1         Pengetahuan berbasis agen

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  Menyimpulkan action apa yang perlu diambil. q(hidden property).

Agen Berbasis Pengetahuan atau Knowledge Base (KB) merupakan Himpunan representasi fakta yang diketahui tentang lingkungannya. Tiap fakta disebut sebagai sentence. Fakta tersebut dinyatakan dalam bahasa formal sehingga bisa diolah, menambahkan sentence baru ke KB. Inference Engine merupakan menentukan fakta baru yang dapat diturunkan dari pengetahuan yang sudah ada dalam KB.

1.     Wumpus World

Aturan main Wumpus :

·         Performance measure: emas +1000, mati -1000, gerak -1, panah -10

·         Environment: Matriks 4x4 kamar. Initial state [1,1]. Ada gold, wumpus dan pit yang lokasinya dipilih secara acak.

·         Percept:
Breeze: kamar di samping lubang jebakan ada hembusan angin
Glitter: kamar di mana ada emas ada kilauan/sinar
Smell: kamar di samping Wumpus berbau busuk

·         Action: maju, belok kiri 90◦ , kanan 90◦ , tembak panah (hanya 1!), ambil benda.

Sifat Wumpus :

·         (Fully) observable? Tidak, hanya bisa persepsi local

·         Deterministic? Ya, hasil tindakan jelas & pasti

·         Episodic? Tidak, tergantung action sequence

·         Static? Ya, gold, wumpus, pit tidak bergerak

·         Discrete? Ya

·         Single agent? Tidak

2.    Logic in General models and Entailment

Logic adalah bahasa formal untuk merepresentasikan informasi sedemikian hingga kesimpulan dapat dibuat dalam pembuatan kesimpulan pasti harus menggunakan bahasa yg benar dalam pembuatan bahasa yang tepat Syntax mendefinisikan kalimat-kalimat pada bahasa kemudian Semantics mendefinisikan arti kalimat; misal, mendefinisikan kebenaran sebuah kalimat. Entailment berarti sesuatu fakta bisa disimpulkan dari (kumpulan) fakta lain Entailment dapat juga berarti sebuah hubungan antar kalimat ( syntax) yang didasarkan pada semantics kemudian Model adalah sebuah “dunia” di mana kebenaran suatu sentence bisa diuji.

Contoh:
Entailment :
KB mengandung sentence “Anto ganteng” dan “Ani cantik”.
KB |= α1: “Anto ganteng dan Ani cantik”
KB 2 α2: “Anto pintar”
x + y = 4 |= 4 = x + y

Contoh :
Model :
M(α) adalah himpunan semua model dari α
KB= Anto ganteng dan Ani cantik.
α = Anto ganteng

Logika

Secara etimologis, logika adalah istilah yang dibentuk dari kata logikos yang berasal dari kata benda logos. Kata logos, berarti sesuatu yang diutarakan, suatu pertimbangan akal (pikiran), kata, percakapan, atau ungkapan lewat bahasa. Kata logikos, berarti mengenal kata, mengenai percakapan atau yang berkenaan dengan ungkapan lewat bahasa. Dengan demikian, dapatlah dikatan bahwa logika adalah suatu pertimbangan akal atau pikiran yang diutrakan lewat kata dan dinyatakan dalam bahasa.

Logika Proposi/logika sederhana

Logika merupakan studi penalaran yang secara khusus membahas apakah penalaran tersebut benar. Logika berfokus pada hubungan antara pernyataan-pernyataan yang dipertentangkan dengan isi pernyataan tertentu.

Metode logika digunakan dalam matematika untuk membuktikan teorema dan dalam ilmu computer untuk membuktukan bahwa program-program berjalan seperti yang diharapkan.Kalimat yang bia benar bisa salah, tetapi tidak sekaligus keduanya, disebut Proposisi (kalimat terbuka). Proposisi buasanya dinyatakan sebagai kalimat berita (bukan kalimat tanya, kalimat perintah, dan sebagainya).

Proposisi merupakan bangunan dasar dari teori logika. Biasanya proposisi dinyatakan dengan huruf kecil seperti p, q, r dan untuk mengkombinasikan Proposisi dengan proposisi lain, digunakan kata hubung seperti dan, atau. Kombinasi dari proposisi-proposisi disebut sebagai Proposisi Majemuk.

1.     Sintaks

Sintaks sebuah bahasa berhubungan dengan struktur bahasa. Sebagai contoh, untuk membentuk sebuah kalimat yang valid dalam bahasa kita memakai struktur: [subyek] + [kata kerja] + [kata benda]. Dengan memakai struktur ini, kita bisa membentuk kalimat, sebagai contoh: Saya makan nasi. Dalam hubungannya dengan bahasa pemrograman, kita musti memenuhi sintaks (baca: aturan struktur bahasa) agar program dapat berjalan. Sebagai contoh, dalam bahasa BASIC, untuk mengassign sebuah variabel dengan sebuah nilai, kita memakai operand ‘=’, tetapi kalau dalam Pascal, kita pakai ‘:=’. Contoh dalam BASIC: a=1, tapi dalam bahasa Pascal, a:=1.

2.    Semantik

Semantik sebuah bahasa menggambarkan hubungan antara sintaks dan model komputasi. Sederhananya, semantik menjelaskan arti dari program.
Analoginya sebagai berikut. Apabila kita memakai sintaks [subyek] + [kata kerja] + [kata benda], kita bisa menghasilkan kalimat-kalimat. Apabila kita mengasilkan kalimat Saya makan nasi, maka kalimat ini memenuhi aturan sintaks. Tapi, apabila saya membuat kalimat Saya makan batu, secara sintaks kalimat ini sudah benar. Namun, secara semantik, kalimat ini tidak mengandung makna yang berarti.
Dalam hubungannya dengan bahasa pemrograman, kadang ada kalanya seorang programmer tidak bisa mengaitkan sintaks dengan model komputasi. Kesalahan logika bisa dengan mudah terjadi.

   

3.    Inferensi

Inferensi adalah tindakan atau proses yang berasal kesimpulan logis dari premis-premis yang diketahui atau dianggap benar. Kesimpulan yang ditarik juga disebut sebagai idiomatik. Hukum valid inference dipelajari dalam bidang logika . Inferensi manusia (yaitu bagaimana manusia menarik kesimpulan) secara tradisional dipelajari dalam bidang psikologi kognitif ; kecerdasan buatan para peneliti mengembangkan sistem inferensi otomatis untuk meniru inferensi manusia. inferensi statistik memungkinkan untuk kesimpulan dari data kuantitatif.

4.    Ekuivalen

Proposisi yang bernilai benar jika proposisi p dan q memiliki nilai kebenaran yang sama.Di dalam matematika diskrit ini secara simbolik, proposisi biasanya dilambangkan dengan huruf kecil seperti p, q, r  dan seperti ini permisalannya :

p : 6 adalah bilangan genap.

q : Soekarno adalah Presiden Indonesia yang pertama. 

r :  3+3 = 6

Untuk mendefinisikan p sebagai preposisi "6 adalah bilangan genap" , begitu dengan q dan r.

5.    validitas dan satisfiabilitas

Dalam logika matematika , satisfiability  adalah konsep dasar dari semantik . Sebuah rumus adalah satisfiable apakah mungkin untuk menemukan interpretasi ( Model ) yang membuat formula yang benar. Sebuah formula berlaku jika semua interpretasi membuat formula yang benar. Kebalikan dari konsep-konsep ini unsatisfiability dan ketidakabsahan, yaitu, formula adalah unsatisfiable jika tidak ada interpretasi membuat formula yang benar, dan tidak sah jika beberapa penafsiran tersebut membuat formula palsu.

Menurut Azwar (1986) validitas berasal dari kata validity yang mempunyai arti sejauh mana ketepatan dan kecermatan suatu alat ukur dalam melakukan fungsi ukurnya. Menurut Arikunto (1999) validitas adalah suatu ukuran yang menunjukkan tingkat kesahihan suatu tes. Menurut Nursalam (2003) validitas adalah suatu ukuran yang menunjukkan tingkat kevalidan atau kesahihan suatu instrumen.

Pola penalaran (reasoning pattern) pada logika proposisi

Penalaran adalah proses berpikir yang bertolak dari pengamatan indera (pengamatan empirik) yang menghasilkan sejumlah konsep dan pengertian. Berdasarkan pengamatan yang sejenis juga akan terbentuk proposisi-proposisi yang sejenis, berdasarkan sejumlah proposisi yang diketahui atau dianggap benar, orang menyimpulkan sebuah proposisi baru yang sebelumnya tidak diketahui. Proses inilah yang disebut menalar.

1.     Resolusi

Strategi inferensi yang digunakan pada sistem logika untuk menentukan kebenaran dari suatu assertion (penegasan) `Metoda Resolusi mencoba untuk membuktikan bahwa beberapa teorema atau ekspresi sebagai proposisi P adalah TRUE, dengan memberikan sejumlahaksiomadarimasalahtersebut sejumlah aksioma dari masalah tersebut.

2.    Backward & Forward chaining

Forward chaining merupakan metode inferensi yang melakukan penalaran dari suatu masalah kepada solusinya. Jika klausa premis sesuai dengan situasi (bernilai TRUE), maka proses akan menyatakan konklusi. Forward chaining adalah data-driven karena inferensi dimulai dengan informasi yang tersedia dan baru konklusi diperoleh. Jika suatu aplikasi menghasilkan tree yang lebar dan tidak dalam, maka gunakan forward chaining.

Backward Chainning menggunakan pendekatan goal-driven, dimulai dari harapan apa yang akan terjadi (hipotesis) dan kemudian mencari bukti yang mendukung (atau berlawanan) dengan harapan kita. Sering hal ini memerlukan perumusan dan pengujian hipotesis sementara. Jika suatu aplikasi menghasilkan tree yang sempit dan cukup dalam, maka gunakan backward chaining.

Inferensi proposi yang efektif 

1. Algoritma backtracking merupakan salah satu metode pemecahan masalah yang termasuk dalam strategi yang berbasis pencarian pada ruang status. Algoritma backtracking bekerja secara rekursif dan melakukan pencarian solusi persoalan secara sistematis pada semua kemungkinan solusi yang ada. Oleh karena algoritma ini berbasis pada algoritma Depth-First Search (DFS), maka pencarian solusi dilakukan dengan menelusuri struktur berbentuk pohon berakar secara preorder. Algoritma backtracking merupakan bentuk tipikal  dari algoritma rekursif.Saat ini algoritma backtracking banyak diterapkan untuk program games (seperti permainan tic-tac-toe, menemukan jalan keluar dalam sebuah labirin, catur, dll) dan masalah-masalah  pada bidang kecerdasan buatan (artificial intelligence).

2. Pencarian lokal berusaha untuk melakukan optimasi, misalnya dengan teknik Hill Climbing. Teknik Hill Climbing dapat digunakan untuk memecahkan persoalan yang memiliki banyak alternatif solusi untuk kemudian memilih solusi yang terbaik. Cara kerjanya dimulai dengan memilih solusi acak, kemudian dilakukan perubahan sedikit demi sedikit, setiap perubahan menghasilkan solusi yang lebih baik. Saat perubahan yang dilakukan tidak lagi mendapatkan solusi yang lebih baik, algoritma Hill Climbing akan berhenti mencari dan menentukan solusi terakhir sebagai solusi yang optimal. Contoh penggunaan Hill Climbing pada kecerdasan buatan adalah pencarian rute terbaik, dari berbagai kemungkinan rute yang ada.

  

Agen berbasis logika proposisi

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). 

  

Daftar pustaka

http://yogipratama97.blogspot.co.id/2016/10/pengenalan-logical-agents.html

https://dedhelia.wordpress.com/2011/04/13/pengertian-sintaks-semantik-dan-pragmatik/

http://definisimu.blogspot.co.id/2012/10/definisi-logika.html

https://priandhantoputratama.wordpress.com/2016/10/08/satisfiability-validity-consequent/  

https://id.wikipedia.org/wiki/Penalaran 

https://diskusikuliah.wordpress.com/2010/10/18/forward-chaining-dan-backward-chaining/ 

https://id.wikipedia.org/wiki/Basis_pengetahuan

TUGAS PENGETAHUAN TEKNOLOGI SISTEM CERDAS

MINGGU KE-4

HERI JULIYANTO

13115135

3KA12

UNIVERSITAS GUNADARMA