Kecerdasan Buatan

Kembali ke => Kumpulan mata kuliah Teknik Informatika

Pengenalan Kecerdasan Buatan

POKOK BAHASAN:

• Definisi Kecerdasan Buatan
• Sejarah Kecerdasan Buatan
• Sub Disiplin Hmu dalam Kecerdasan Buatan
• Lingkup Kecerdasan Buatan pada Aplikasi Komersial
• Kecerdasan Buatan dan Kecerdasan Alami

TUJUAN BELAJAR:

Setelah mempelajari bab ini, mahasiswa diharapkan mampu :

• Memahami definisi dari Kecerdasan Buatan
• Memahami mengapa Kecerdasan Buatan penting, sebagai cabang dari Teknologi Informasi dan sumbangannya dalam perkembangan ilmu pengetahuan
• Mengetahui aplikasi-aplikasi yang berkembang dalam kerangka KecerdasanBuatan
• Memahami perbedaan Kecerdasan Alami dan Kecerdasan Buatan.

DEFINISI KECERDASAN BUATAN

Banyak cara untuk mendefinisikan Kecerdasan Buatan, diantaranya adalah :

• Suatu studi yang mengupayakan bagaimana agar komputer berlaku cerdas
• Studi yang membuat komputer dapat menyelesaikan persoalan yang sulit
• Teknologi yang mensimulasikan kecerdasan manusia, yaitu bagaimana mendefinisikan
  dan   mencoba   menyelesaikan   persoalan   menggunakan   komputer   dengan   meniru
  bagaimana manusia menyelesaikan dengan cepat.
• Kecerdasan didefinisikan oleh John McCarthy, Stanford sebagai kemampuan untuk mencapai sukses dalam menyelesaikan suatu permasalahan.

Dengan definisi ini, Kecerdasan Buatan menawarkan baik media maupun uji teori kecerdasan. Teori-teori ini dapat dinyatakan dalam bahasa program komputer dan dibuktikan eksekusinya pada komputer nyata.

Program komputer standar hanya dapat menyelesaikan persoalan yang diprogram secara spesifik. Jika sebuah program standar perlu dirubah untuk menyesuaikan diri dengan suatu informasi baru, seluruh program harus dilihat satu persatu sampai kita dapatkan ruang optimal untuk menyisipkan perubahan atau modifikasi tersebut. Cara seperti ini tidak hanya memboroskan waktu, namun juga dapat mempengaruhi bagian tertentu dari program itu sehingga menyebabkan terjadinya error.

Sebaliknya, Kecerdasan Buatan dapat memungkinkan komputer untuk ‘berpikir’. Dengan cara menyederhanakan program,Kecerdasan Buatan dapat menirukan proses belajar manusia sehingga informasi baru dapat diserap dan digunakan sebagai acuan di masa-masa yang akan datang. Manusia dapat menyerap informasi baru tanpa perlu mengubah atau mempengaruhi informasi lain yang telah tersimpan. Menggunakan program Kecerdasan Buatan membutuhkan cara yang jauh lebih sederhana dibandingkan dengan memakai program standar tanpa Kecerdasan Buatan di dalamnya.

Teknik yang digunakan dalam Kecerdasan Buatan memungkinkan dibuatnya sebuah program yang setiap bagiannya mengandung langkah-langkah independen dan dapat diidentifikasi dengan baik untuk dapat memecahkan sebuah atau sejumlah persoalan. Setiap potong bagian program adalah seperti sepotong informasi dalam pikiran manusia. Jika informasi tadi diabaikan, pikiran kita secara otomatis dapat mengatur cara kerjanya untuk menyesuaikan diri dengan fakta atau informasi yang baru tersebut. Kita tidak perlu selalu mengingat setiap potong informasi yang telah kita pelajari. Hanya yang relevan dengan persoalan yang kita hadapi yang kita gunakan. Demikian pula dalam Kecerdasan Buatan, setiap potong bagian program Kecerdasan Buatan dapat dimodifikasi tanpa mempengaruhi struktur seluruh programnya. Keluwesan ini dapat menghasilkan program yang semakin efisien dan mudah dipahami.

SEJARAH KECERDASAN BUATAN

Kecerdasan Buatan termasuk bidang ilmu yang relatif muda. Pada tahun 1950-an para ilmuwan dan peneliti mulai memikirkan bagaimana caranya agar mesin dapat melakukan pekerjaannya seperti yang bisa dikerjakan oleh manusia. Alan Turing, seorang matematikawan Inggris pertama kali mengusulkan adanya tes untuk melihat bisa tidaknya sebuah mesi dikatakan cerdas. Hasil tes tersebut kemudian dikenal dengan

Turing Test, dimana si mesin tersebut menyamar seolah-olah sebagai seseorang di dalan suatu permainan yang mampu memberikan respon terhadap serangkaian pertanyaan yang diajukan. Turing beranggapan bahwa, jika mesin dapat membuat seseorang percaya bahwa dirinya mampu berkomunikasi dengan orang lain, maka dapat dikatakan bahwa mesin tersebut cerdas (seperti layaknya manusia).

Kecerdasan Buatan sendiri dimunculkan oleh seorang profesor dari Massachusetts Institute of Technology yang bernama John McCarthy pada tahun 1956 pada Dartmouth Conference yang dihadiri oleh para peneliti AI. Pada konferensi tersebut juga didefmisikan tujuan utama dari Kecerdasan Buatan, yaitu: mengetahui dan memodelkan proses-proses berfikir manusia dan mendesain mesin agar rapat menirukan kelakuan manusia tersebut.

Beberapa program AI yang mulai dibuat pada tahun 1956-1966, antara lain:

1. Logic Theorist, diperkenalkan pada Dartmouth Conference, program ini dapat membuktikan teorema-teorema matematika.
2. 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-fakta yang didengar dalam sebuah percakapan.
3. ELIZA,   diprogram   oleh   Joseph   Weinzenbaum   (1967).   Program   ini   mampu melakukan terapi terhadap pasien dengan memberikan beberapa pertanyaan.

SUB DISIPLIN ILMU DALAM KECERDASAN BUATAN

Persoalan-persoalan yang mula-mula ditangani oleh Kecerdasan Buatan adalah pembuktian teorema dan permainan (game). Seorang periset Kecerdasan Buatan yang bernama Samuel menuliskan program permainan catur yang tidak hanya sekedar bermain catur, namun program tersebut juga dibuat agar dapat menggunakan pengalamannya untuk meningkatkan kemampuannya. Sementara itu, Newell, seorang ahli teori logika berusaha membuktikan teorema-teorema matematika.

Makin pesatnya perkembangan teknologi menyebabkan adanya perkembangan dan perluasan lingkup yang membutuhkan kehadiran Kecerdasan Buatan. Karakteristik cerdas sudah mulai dibutuhkan di berbagai disiplin ilmu dan teknologi. Kecerdasan Buatan tidak hanya merambah di berbagai disiplin ilmu yang lain. Irisan antara psikologi dan kecerdasan buatan melahirkan sebuah area yang dikenal dengan nama cognition & psycolinguistics. Irisan antara teknik elektro dengan kecerdasan buatan melahirkan berbagai ilmu seperti: pengolahan citra, teori kendali, pengenalan pola dan robotika.

Dewasa ini, Kecerdasan Buatan juga memberikan kontribusi yang cukup besar di bidang manajemen. Adanya sistem pendukung keputusan, dan Sistem Informasi Manajemen juga tidak lepas dari andil Kecerdasan Buatan.

Adanya irisan penggunaan Kecerdasan Buatan di berbagai disiplin ilmu tersebut menyebabkan cukup rumitnya untuk mengklasifikasikan Kecerdasan Buatan menurut disiplin ilmu yang menggunakannya. Untuk memudahkan hal tersebut, maka pengklasifikasian lingkup Kecerdasan Buatan didasarkan pada output yang diberikan yaitu pada aplikasi komersial (meskipun sebenarnya Kecerdasan Buatan itu sendiri bukan merupakan medan komersial).

Lingkup utama dalam Kecerdasan Buatan adalah:

1. Sistem Pakar (Expert System). Disini komputer digunakan sebagai sarana untuk menyimpan pengetahuan para pakar. Dengan demikian komputer akan memiliki keahlian untuk menyelesaikan permasalahan dengan meniru keahlian yang dimiliki
   oleh pakar.
2. Pengolahan Bahasa Alami (Natural Language Processing). Dengan pengolahan bahasa alami ini diharapkan user dapat berkomunikasi dengan komputer dengan menggunakan bahasa sehari-hari.
3. Pengenalan Ucapan (Speech Recognition). Melalui pengenalan ucapan diharapkan manusia dapat berkomunikasi dengan komputer menggunakan suara.
4. Robotika & Sistem Sensor (Robotics & Sensory Systems).
5. Computer Vision, mencoba untuk dapat menginterpretasikan gambar atau obyek- obyek tampak melalui komputer.
6. Intelligent Computer-aided Instruction. Komputer dapat digunakan sebagai tutor yang dapat melatih dan mengajar.
7. Game playing.

Seiring dengan perkembangan teknologi, muncul beberapa teknologi yang juga bertujuan untuk membuat agar komputer menjadi cerdas sehingga dapat menirukan kerja manusia sehari-hari.

Teknologi ini juga mampu mengakomodasi adanya ketidakpastian dan ketidaktepatan data input. Dengan didasari pada teori himpunan, maka pada tahun 1965 muncul Logika Fuzzy. Kemudian pada tahun 1975 John Holland mengatakan bahwa setiap problem berbentuk adaptasi (alami maupu buatan) secara umum dapat diformulasikan dalam terminologi genetika. Algoritma Genetika ini merupakan simulasi proses evolusi Darwin dan operasi genetika atas kromosom.

LINGKUP KECERDASAN BUATAN PADA APLIKASI KOMERSIAL

Sejalan dengan berkembangnya permasalahan manusia, maka manusia harus menggunakan sumber daya secara eficien. Untuk melakukan hal tersebut, maka kita membutuhkan bantuan dengan kualitas yang tinggi dari komputer. Dalam kehidupan manusia, komputer dapat membantu dalam bidang:

• Pertanian, komputer dapat mengkontrol robot yang melakukan kontrol terhadap hama, pemangkasan pohon, pemilihan hasil panen.
• Pabrik, komputer dapat menkontrol robot yang harus mengerjakan pekerjaan berbahaya dan membosankan, inspeksi dan melakukan maintenance pekerjaan.
• Kesehatan, komputer dapat membantu untuk mendiagnosis penyakit, melakukan monitoring kondisi pasien, memberikan treatment yang cocok.
• Pekerjaan Rumah Tangga, komputer dapat memberikan nasihat dalam memasak dan berbelanja, membantu membersihkan lantai, memotong rumput, mencuci pakaian, dan melakukan maintenance terhadap pekerjaan.



KECERDASAN BUATAN DAN KECERDASAN ALAMI

Jika dibanding kecerdasan alami, kecerdasan buatan memiliki keuntungan komersial, antara lain:

1. Kecerdasan buatan lebih bersifat permanen.
2. Kecerdasan alami  akan cepat mengalami perubahan.
3. Kecerdasan buatan lebih mudah diduplikasi dan disebarkan.
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. Kreatif.
2. Kecerdasan alami memungkinkan orang untuk menggunakan pengalaman secara langsung. Sedang pada kecerdasan buatan hams bekerja dengan input-input simbolik.
3. Pemikiran manusia dapat digunakan secara luas, sedangkan kecerdasan buatan sangat terbatas.

 

RINGKASAN

• Kecerdasan Buatan adalah studi yang berusaha membuat komputer menjadi cerdas.
• Tujuan   dari   sisi   teknologi   dari   Kecerdasan   Buatan   adalah   untuk menyelesaikan permasalahan nyata.
• Dari  sisi ilmiah tujuan Kecerdasan Buatan adalah untuk menjelaskan variasi kecerdasan
• Kecerdasan Buatan dapat membantu kita untuk menyelesaikan kesulitan, permasalahan nyata, menciptakan kesempatan baru dalam bisnis, teknologi dan area aplikasi yang lain. o     Kecerdasan   Buatan   merupakan   gudang   untuk menjawab   pertanyaan tradisional yang biasa ditanyakan pada ahli bahasa, philosophi, dokter dsb. Sehingga dengan demikian dapat membantu kita untuk menjadi semakin pintar.

 

Kecerdasan Buatan 

Definisi

• Bagian dari ilmu komputer yang membuat aga mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia.
• Komputer tidak hanya digunakan sbg alat hitung tapi diharapkan untuk dapat diberdayakan untuk mengerjakan segala sesuatu yang bisa dikerjakan oleh manusia

Komputer harus dibekali pengetahuan dan kemampuan untuk menalar agar dapat bertindak seperti dan sebaik manusia.

 

 Sudut Pandang Pengertian AI

Sudut Pandang Kecerdasan

Kecerdasan buatan akan membuat mesin menjadi ‘cerdas’ (mampu berbuat seperti apa yang dilakukan oleh manusia)

Sudut pandang penelitian

Kecerdasan buatan adlh suatu studi bgm membuat agar komputer dapat melakukan sesuatu sebaik yang dikerjakan oleh manusia.

Domain yang sering dibahas oleh para peneliti:

a. Mundane Task

• Persepsi (vision & speech)
• Bahasa alami (understanding, generation & translation)
• Pemikiran yang bersifat commonsense
• Robot control

b. Formal Task

• Permainan/games
• Matematika (geometri, logika, kalkulus integral, pembuktian)

c. Expert Task

• Analisis finansial
• Analisis medikal
• Analisis ilmu pengetahuan
• Rekayasa (desain, pencarian gagal, perencanaan manufaktur)

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)

Dua bagian utama dalam aplikasi kecerdasan buatan:

• Basis Pengetahuan (Knowledge Base), berisi fakta-fakta teori, pemikiran dan hubungan
  antara satu dengan lainnya.
• Motor Inferensi (Inference Engine), yaitu kemampuan menarik kesimpulan berdasarkan pengalama

 

Kecerdasan Buatan Vs Kecerdasan Alami

 Keuntungan Kecerdasan Buatan:

• Lebih bersifat permanen, sdgkan kec. alami akancepat mengalami perubahan. Faktor sifat manusiayang pelupa.
• Lebih mudah diduplikasi dan disebarkan, sdgkan mentransfer pengetahuan manusia dari satu org ke org lain membutuhkan proses yg sangat lama.
•  Lebih murah dibanding dengan kec. alami.
• Menyediakan layanan komputer akan lebih mudah dan lebih murah dibandingkan dengan mendatangkan seseorang utk mengerjakan sejumlah pekerjaan dalam jangka waktu lama
• Bersifat konsisten, krn merupakan bagian dari teknologi komputer sdgkan kec. alami akan senantiasa berubah-ubah
• Dapat didokumentasikan, keputusan yang dibuat oleh komputer dapat didokumentasikan dengan mudah melalui log systemnya sdgkan kec. alami sangat sulit untuk direproduksi
• Dapat mengerjakan pekerjaan lebih cepat Dapat mengerjakan pekerjaan lebih baik

Keuntungan Kecerdasan Alami:

• Kreatif, kemampuan untuk menambah ataupun memenuhi pengetahuan sangat melekat di jiwa manusia.
• Memungkinkan untuk menggunakan pengalaman secara langsung
• Pemikiran manusia dapat digunakan secara luas, sdgkan kec. buatan sangat terbatas

Pemrograman Kec. Buatan Vs Konvesional

Dimensi	Kec. Buatan	Konvesional
Pemrosesan	Mengandung konsep-konsep simbolik	Algoritmik
Sifat Input	Bisa tidak lengkap	Harus Lengkap
Pencarian	Kebanyakan bersifat heuristik	Biasanya didasarkan pada algoritma
Keterangan	Disediakan	Biasanya tidak disediakan
Fokus	Pengetahuan	Data & informasi
Struktur	Kontrol dipisahkan dari pengetahuan	Kontrol terintegrasi dgn informasi
Sifat output	Kuantitatif	Kualitatif
Pemeliharaan & update	Relatif mudah	Sulit
Kemampuan menalar	Ya	tidak

 

Lingkup Kec. Buatan pada Aplikasi

Komersial

Lingkup Utama:

–         Sistem Pakar (Expert System)

–         Pengolahan Bahasa Alami (Natural Language Processing)

–         Pengenalan Ucapan (Speech Recognition)

–         Robotika&Sistem Sensor (Robotics&Sensory Systems)

–         Computer Vision

–         Intelligent Computer-aided Instruction

–         Game Playing

Soft Computing

Definisi

Koleksi dari beberapa metodologi yang bertujuan untuk mengeksploitasi adanya toleransi terhadap ketidaktepatan, ketidakpastian, dan kebenaran parsial untuk dapat diselesaikan dengan mudah, robustness, dan biaya penyelesaiannya murah.

Unsur-unsur pokok dalam Soft Computing

–         Sistem Fuzzy (mengakomodasi ketidaktepatan)

–         Jaringan Syaraf (mengakomodasi pembelajaran)

–         Probabilistic Reasoning (mengakomodasi ketidakpastian)

–         Evolutionary Computing (optimasi)

Karakteristik Soft Computing:

–         Memerlukan keahlian manusia, apabila direpresentasikan dalam bentuk aturan (IF-THEN)

–         Model komputasinya diilhami oleh proses biologis

–         Merupakan teknik optimasi baru

–         Menggunakan komputasi numeris

–         Memiliki toleransi kegagalan (meskipun kualitasnya berangsur-angsur memburuk)

 

Based Knowledge System

 Dua pendekatan basis pengetahuan yang sangat umum digunakan,yaitu:

Penalaran berbasis aturan (Rule-Based Reasoning)

• Pengetahuan direpresentasikan dengan menggunakan aturan berbentuk:IF-THEN.
• Bentuk ini digunakan apabila kita memiliki sejumlah pengetahuan pakar pada suatu permasalahan tertentu,dan si pakar dapat menyelesaikan masalah tersebut secara berurutan.

Penalaran berbasis kasus (Case-Based Reasoning)

• Basis pengetahuan akan berisi solusi-solusi yang telah dicapai sebelumnya,kmd akan diturunkan suatu solusi untuk keadaan yg terjadi sekarang (fakta yang ada).

 Motor Inferensi (Inference Engnine)

Ada 2 cara dalam melakukan inferensi :

Forward Chaining

Pencocokan fakta atau pernyataan dimulai dari bagian sebelah kiri (IF dulu). Dengan kata lain, penalaran dimulai dari fakta terlebih dahulu untuk menguji kebenaran hipotesis

Backward Chaining

Pencocokan fakta atau pernyataan dimulai dari bagian sebelah kanan (THEN dulu). Dengan kata lain, penalaran dimulai dari hipotesis terlebih dahulu,dan untuk menguji kebenaran hipotesis tersebut dicari, harus dicari fakta-fakta yang ada dalam basis pengetahuan

Expert System

 Ciri-ciri sistem pakar:

• Memiliki fasilitas informasi yang handal
• Mudah dimodifikasi
• Dapat digunakan dalam berbagai jenis komputer.
• Memiliki kemampuan untuk belajar beradaptasi

 Permasalahan yang disentuh oleh Sistem Pakar:

• Interpretasi. Pengambilan keputusan dari hasil observasi,misal: pengawasan, pengenalan ucapan, analisis citra, interpretasi sinyal.
• Prediksi. Misal: peramalan, prediksi demografis, peramalan ekonomi, prediksi lalulintas, estimasi hasil, militer, pemasaran, atau peramalan keuangan.
• Diagnosa. Misal: medis, elektronis, mekanis, dan diagnosis perangkat lunak.
• Perancangan. Misal: layout sirkuit dan perancangan bangunan.
• Perencanaan. Misal: perencanaan keuangan, komunikasi, militer, pengembangan produk, routing,
  dan manajemen proyek.
• Monitoring. Misal: Computer-Aided Monitoring System.
• Debugging, memberikan resepobat terhadap suatu kegagalan

 Perbaikan.

• Instruksi. Melakukan instruksi untuk diagnosis, debugging, dan perbaikan kinerja.
• Kontrol. Melakukan kontrol terhadap interpretasi, prediksi, perbaikan,dan monitoring kelakuan sistem.

 Garis besar pengembangan sistem pakar:

• Mengidentifikasi masalah dan kebutuhan
• Menentukan masalah yang cocok
• Mempertimbangkan alternatif, menggunakan system pakar atau komputer tradisional
• Menghitung pengembalian investasi
• Memilih alat pengembangan
• Rekayasa Pengetahuan
• Merancang sistem
• Melengkapi pengembangan
• Menguji dan mencari kesalahan sistem
• Memelihara sistem

 PARADIGMS

 Tipe-Tipe

Classification

• Paradigma yang paling mudah untuk digunakan karena tujuan dari klaisifikasi ini hanya mengidentifikasikan pola umum atau trennya saja, bukan secara detail.
• Disebut sebagai one-to-many-to-one selection exercise.
• Contoh: Validasi hubungan kekeluargaan, general cek repair autocar.

Diagnosis

• Sedikit lebih susah dibandingkan dengan klasifikasi karena tujuan utamanya adalah mengidentifikasikan secara detail pola hubungan penyebab dan efek/akibat nya dalam berbagai macam kemungkinan.
• Disebut sebagai one-to-many-to-one exercise
• Biasanya direpresentasikan dengan cara pohon keputusan and/or tabel pohon.

 Hypothesize and Test

• Sebuah paradigma untuk mengidentifikasikan tindakan terbaik dari sebuah ujicoba, kemudian melakukan evaluasi walaupun tindakan yang dilakukan tersebut tidak mendapat hasil sesuai yang diinginkan.
• Bila tidak sukses akan dilakukan ujicoba lagi.
• Secara operasional merupakan gabungan antara klasifikasi dan diagnosa.

Collisions

• sebuah identifikasi ketentuan/batasan dalam paradigma untuk menentukan pola yang tidak diinginkan.
• Analisa Collision ini seperti tujuan yang harus dilakukan oleh seorang tester.

Design and Configuration

• Merupakan kumpulan dari berbagai paradigma dan akitifitas.
• Salah satu contoh alat yang digunakan adalah MICON (Microprosessor Configurer), yang terdiri dari Logic Knowledge, Refinement Knowledge, Component Knowledge, Component Knowledge, Problem-solving Knowledge.

Planning And Scheduling

• Secara umum berkaitan dengan jejaring dari bermacam paradigma lainnya.
• Hasil akhir yang diharapkan dalam hal ini adalah bukan yang ‘salah satu’ terbaik dari perencanaan atau penjadwalan, tetapi salah satu yang bisa mengakomodasi semua batasan2/ketentuan yang diinginkan oleh user dan cukup memuaskan bagi user