Pert 2 PENGANTAR KECERDASAN BUATAN Materi Pembelajaran 1

Pert 2 PENGANTAR KECERDASAN BUATAN

Materi Pembelajaran 1. 2. 3. 4. 5. 6. 7. 8. Pengertian dan Sejarah Artificial Intelligence Konsep AI Soft Computing System Fuzzy Probabilistic Reasoning Jaringan Syaraf Tiruan Algoritma Revolusioner Kapan menggunakan AI?

Kecerdasan a. belajar atau memahami dari pengalaman b. menemukan inti dari pesan yang ambigu atau bertentangan c. merespon dengan cepat dan tepat pada situasi baru d. menggunakan pertimbangan dalam memecahkan persoalan atau mengarahkan tindakan secara efektif e. menghadapi situasi yang membingungkan f. memahami dan menyimpulkan dengan cara rasional biasa g. menerapkan pengetahuan untuk memanipulasi lingkungan h. berfikir dan mempertimbangkan

Kecerdasan Buatan Kecerdasan buatan atau artificial intelligence merupakan salah satu bagian ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia.

Sistem Cerdas Sistem cerdas (intelligent system) adalah sistem yang dibangun dengan menggunakan teknik-teknik artificial intelligence.

Sudut Pandang Kecerdasan (1) Sudut pandang kecerdasan • Kecerdasan Buatan akan membuat mesin menjadi cerdas (mampu berbuat seperti apa yang dilakukan oleh manusia) Sudut pandang penelitian. • Kecerdasan Buatan adalah suatu studi bagaimana membuat agar komputer dapat melakukan sesuatu sebaik yang dikerjakan oleh manusia

Sudut Pandang Kecerdasan (2) Sudut pandang bisnis. • Kecerdasan buatan adalah kumpulan peralatan yang sangat powerful dan metodologis dalam menyelesaikan masalah-masalah bisnis. Sudut pandang pemrograman. • Kecerdasan buatan meliputi studi tentang pemrograman simbolik, penyelesaian masalah (problem solving) dan pencarian (searching).

Keuntungan Kecerdasan Buatan 1. Kecerdasan buatan lebih bersifat permanen 2. Kecerdasan buatan lebih mudah diduplikasi & disebarkan 3. Kecerdasan buatan lebih murah dibanding dengan kecerdasan alami 4. Kecerdasan buatan bersifat konsisten 5. Kecerdasan buatan dapat didokumentasi 6. Kecerdasan buatan dapat mengerjakan pekerjaan lebih cepat dibanding dengan kecerdasan alami 7. Kecerdasan buatan dapat mengerjakan pekerjaan lebih baik dibanding dengan kecerdasan alami

Keuntungan Kecerdasan Alami 1. 2. 3. Kreatif Kecerdasan alami memungkinkan orang untuk menggunakan pengalaman secara langsung. Sedangkan pada kecerdasan buatan harus bekerja dengan input-input simbolik. Pemikiran manusia dapat digunakan secara luas, sedangkan kecerdasan buatan sangat terbatas

Sejarah AI (1) 1. Tahun 1943 -1956 : • Program catur pertama oleh Shanon & Turing (1950) • Deklarasi AI (1956) pada Workshop Dartmouth oleh John Mc. Carthy 2. Tahun 1956 -1966 • Logic Theorist (mampu membuktikan teorema-teorema matematika) • Sad Sam, diprogram oleh Robert K. Lindsay (1960). Program ini dapat mengetahui kalimat-kalimat sederhana yang ditulis dalam bahasa Inggris dan mampu memberikan jawaban dari fakta yang didengar dalam sebuah percakapan. • General Problem Solver

Sejarah AI (2) 4. Tahun 1966 – 1979 • Program AI hanya bisa melakukan manipulasi simbolik dan hanya bisa memuat sedikit sekali pengetahuan. • Problem AI yang akan dipecahkan tidak mudah ditangani • Sistem berbasis pengetahuan -> terutama untuk sistem pakar : o MYCIN o DENDRAL o PROSPECTOR o XCON & XSEL o FOLIO o DELTA

Sejarah AI (3) 5. Tahun 1980 -sekarang : AI telah menjadi komoditi industry : • R 1 Sistem Pakar komersial pertama yg dibuat oleh Digital Equipment Corporation (DEC), 1982. • Proyek “Generasi Kelima” , pembuatan komputer cerdas dengan Prolog (Jepang), 1981. • Daya jual produk AI : beberapa juta dolar (1980) – mencapai $2 miliar (1988).

Konsep AI (1) • Turing Test Metode Pengujian Kecerdasan (Alan Turing). Proses uji ini melibatkan seorang penanya (manusia) dan dua obyek yang ditanyai. • Pemrosesan Simbolik Sifat penting dari AI adalah bahwa AI merupakan bagian dari ilmu komputer yang melakukan proses secara simbolik dan non-algoritmik dalam penyelesain masalah.

Konsep AI (2) • Heuristic Suatu strategi untuk melakukan proses pencarian (search) ruang problem secara efektif. • Inferensi (Penarikan Kesimpulan) AI mencoba membuat mesin memiliki kemampuan berpikir atau mempertimbangkan (reasoning), termasuk di dalamnya proses (inferencing) berdasarkan fakta-fakta dan aturan dengan menggunakan metode heuristik, dan lain-lain • Pencocokan Pola (Pattern Matching) Berusaha untuk menjelaskan obyek, kejadian (events) atau proses, dalam hubungan logik atau komputasional

Bagaimana AI bekerja? Bagian terpenting AI : • Knowledge base (basis pengetahuan), berisi fakta-fakta, teori, pemikiran dan hubungan antara satu dengan lainnya. • Inference engine, yaitu kemampuan menarik kesimpulan berdasarkan pengalaman. ARTIFICIAL INTELLIGENCE Output: SOLUSI Input: MASALAH Knowledge Base Inference Engine

Analogi dengan kecerdasan manusia Basis Pengetahuan : Kumpulan pengetahuan & pengalaman yang dimiliki oleh manusia. Contoh : • Jika saya makan sambal > 5 sendok, maka tidak lama kemudian perut saya akan terasa sakit. • Jika kuliah mulai jam 8, dan saya berangkat dari rumah jam 7. 45, maka saya akan terlambat. • Jika x=75, maka y=100.

Analogi dengan kecerdasan manusia Inferensi : Kemampuan manusia untuk menalar berdasarkan pengetahuan/pengalaman yang dimiliki, apabila muncul suatu fakta. Contoh: 1. Pengetahuan : ◦ Jika saya makan sambal > 5 sendok, maka tidak lama kemudian perut saya akan terasa sakit. 2. Fakta : ◦ Saya baru saja makan sambal 10 sendok. ◦ Kesimpulan : ◦ Tidak lama lagi perut saya akan sakit.

Teknik Pemecahan Masalah Conventional Hard Computing Logika penalaran berbentuk simbol Precise Models Soft Computing Pencarian & Pemodelan masalah dilakukan secara numeris (tradisional) Penalaran melalui pendekatan Approximate Models Pendekatan fungsional & Pencarian random

Soft Computing Soft computing adalah koleksi dari beberapa metodologi yang bertujuan untuk mengeksploitasi adanya toleransi terhadap ketidaktepatan, ketidakpastian, dan kebenaran parsial untuk dapat diselesaikan dengan mudah dan biaya penyelesaiannya murah. Definisi ini pertama kali diungkapkan oleh Prof. Lotfi A. Zadeh pada tahun 1992.

Komponen Soft Computing Approximate reasoning : • Fuzzy System; • Probabilistic Reasoning; Functional Approximation/ Randomized Search : • Neural Network (Jaringan Syaraf) • Evolutionary Algorithm (Algoritma evolusioner).

Sistem Fuzzy Konsepnya menggunakan teori himpunan. Menggunakan derajat keanggotaan fuzzy untuk menunjukkan seberapa besar suatu nilai masuk dalam suatu himpunan fuzzy. Bidang kajian : • • Fuzzy Inference System Fuzzy Clustering Fuzzy Database Fuzzy Mathematical Programming

Probabilistic Reasoning Mengakomodasi adanya faktor ketidakpastian. Teori-teori yang berkembang: • Teorema Bayes • Certainty Factor (statistic reasoning) • Teorema Dempster-Shafer (statistic reasoning)

Jaringan Syaraf Tiruan Menggunakan algoritma pembelajaran untuk mendapatkan bobot-bobot yang optimum. Jenis pembelajaran : supervised learning, dan unsupervised learning.

Algoritma Evolusioner 1. Menggunakan pendekatan teori evolusi. 2. Dipelopori oleh algoritma genetika. 3. Terutama digunakan untuk optimasi. 4. Algoritma yang sudah dikembangkan: • Algoritma Genetika • Ant System • Fish Schooling • Bird Flocking • Particle Swarm

Bekal ilmu yang harus disiapkan untuk lebih memudahkan mempelajari Soft Computing : ALJABAR KALKULUS LOGIKA KOMPUTASI NUMERIS SOFT COMPUTING

Kapan Menggunakan AI? Masalah: • Carilah nilai minimum dari : y=x 2+2 x-3; pada kawasan [-10 10]. • Dengan mudah dapat diselesaikan secara analitis. • Solusi eksak, Nilai Minimum = -4, terletak pada x=-1. Untuk masalah sederhana yang bisa diselesaikan secara analitis, selesaikanlah secara ANALITIS.

Masalah: 1. Carilah akar persamaan : f(x)= sin(x)cos(x)-2 x+3 sin(x)ln(x)+5 sin(2 x 2 -5 x) / cos(x 3 -2 x), dekat dengan 3. 2. Sangat sulit untuk diselesaikan secara analitis, gunakan pendekatan METODE NUMERIS: (Metode biseksi, regulafalsi, secant, Newton). 3. Hasil=3, 0846.

Masalah: 1. Carilah nilai minimum dari : f(x)= sin(x)cos(x)-2 x+3 sin(x)ln(x)+5 sin(2 x 2 -5 x) /cos(x 3 -2 x), dekat pada kawasan [1 5]. 2. Sangat sulit untuk diselesaikan secara analitis. Secara numeris memungkinkan, namun kumungkinan diperoleh nilai minimum lokal sangat tinggi. Cara terbaik gunakan pendekatan ARTIFICIAL INTELLIGENCE (Simulated Annealing, Algoritma Genetika). 3. Nilai minimum=-547. 3730, pada x=133

TUGAS Cari contoh aplikasi kecerdasan buatan, dan jelaskan fungsi dari aplikasi tersebut di masyarakat !