Kecerdasan Buatan-7SI-2: Diskusi Pertemuan 5

1. Representasi pengetahuan dalam kecerdasan buatan (AI) adalah cara menyusun, menyimpan, dan mengorganisasi informasi sehingga mesin dapat menggunakannya untuk memahami, membuat keputusan, atau memecahkan masalah. Komponen ini penting karena memungkinkan sistem AI mengenali pola, menyimpulkan informasi baru, dan memberikan respons yang sesuai berdasarkan pemahaman konteks, sehingga memperkuat kemampuan AI dalam pemrosesan bahasa alami, visi komputer, dan pengambilan keputusan yang kompleks.

Referensi : Buku "Kecerdasan Buatan" oleh Suyanto (2018), Buku "Sistem Pakar: Teori dan Aplikasi" oleh Eris Septian dan Dewi Oktaviani (2019)

Menurut saya representasi pengetahuan dalam kecerdasan buatan adalah cara untuk menyimpan, mengorganisir, dan menggunakan informasi agar komputer bisa "mengerti" dan bekerja dengan data tersebut.
Representasi pengetahuan menjadi kunci dalam pengembangan AI karena ini adalah dasar bagi sistem untuk "memahami" dan "memikirkan" sesuatu. Misalnya, agar AI bisa mengenali wajah, merespons pertanyaan, atau merekomendasikan produk, ia perlu cara yang terstruktur untuk memahami data dan pengetahuan yang dimilikinya.

2. Jenis-jenis Representasi Pengetahuan

- Logika Proposisional: Merupakan representasi dengan menggunakan proposisi atau pernyataan yang bisa bernilai benar atau salah. Jenis ini efektif untuk situasi yang memiliki aturan-aturan sederhana atau kasus-kasus biner, misalnya dalam logic gates atau sistem yang hanya membutuhkan respons "ya/tidak."

- ┬áLogika Predikat: Memperluas logika proposisional dengan menambahkan variabel dan kuantifikasi, sehingga bisa menangani objek dan hubungan antarobjek. Logika predikat cocok untuk situasi yang membutuhkan representasi hubungan yang kompleks, seperti dalam sistem pemahaman bahasa alami atau inferensi berbasis data yang lebih detail.

-┬á Jaringan Semantik: Menggambarkan pengetahuan sebagai grafik, di mana node mewakili konsep dan edge menunjukkan hubungan antar konsep. Ini berguna dalam aplikasi seperti ontologi atau representasi pengetahuan dunia nyata yang membutuhkan pemetaan hubungan yang jelas antara konsep, misalnya dalam chatbot atau mesin pencari yang membutuhkan pemahaman konteks.

-┬á Sistem Berbasis Aturan: Menggunakan aturan "jika-maka" (IF-THEN) untuk mendefinisikan aksi berdasarkan kondisi tertentu. Ini efektif dalam sistem pakar, diagnosis, atau pengambilan keputusan otomatis di mana sejumlah aturan tetap dapat menghasilkan tindakan atau keputusan yang jelas.

Referensinya : Rahardjo, Budi. (2012). Dasar-Dasar Logika. Yogyakarta: Andi.
┬á┬á┬á┬á┬á┬á┬á┬á┬á┬á┬á ┬á┬á┬á┬á┬á┬á┬á┬á┬á┬á Nugroho, S. (2018). Penerapan Jaringan Semantik dalam Sistem Informasi.
┬á┬á┬á┬á┬á┬á┬á┬á┬á┬á┬á ┬á┬á┬á┬á┬á┬á┬á┬á┬á┬á Supriyono, E. (2015). Sistem Pakar Berbasis Aturan untuk Diagnosa Penyakit.
┬á┬á┬á┬á┬á┬á┬á┬á┬á┬á┬á ┬á┬á┬á┬á┬á┬á┬á┬á┬á┬á Harun, A. R. (2020). Representasi Pengetahuan dalam Kecerdasan Buatan.
┬á┬á┬á┬á┬á┬á┬á┬á┬á┬á┬á ┬á┬á┬á┬á┬á┬á┬á┬á┬á┬á Suyanto, H. (2011). Kecerdasan Buatan: Teori dan Implementasi.