Breaking News

Sunday, 10 November 2013

Kecerdasan Buatan


(bahasa Inggris: Artificial Intelligence atau AI) didefinisikan sebagai kecerdasan entitas ilmiah. Sistem seperti ini umumnya dianggap komputer. Kecerdasan diciptakan dan dimasukkan ke dalam suatu mesin (komputer) agar dapat melakukan pekerjaan seperti yang dapat dilakukan manusia. Beberapa macam bidang yang menggunakan kecerdasan buatan antara lain sistem pakar, permainan komputer (games), logika fuzzy, jaringan syaraf tiruan dan robotika.
Banyak hal yang kelihatannya sulit untuk kecerdasan manusia, tetapi untuk Informatika relatif tidak bermasalah. Seperti contoh: mentransformasikan persamaan, menyelesaikan persamaan integral, membuat permainan catur atau Backgammon. Di sisi lain, hal yang bagi manusia kelihatannya menuntut sedikit kecerdasan, sampai sekarang masih sulit untuk direalisasikan dalam Informatika. Seperti contoh: Pengenalan Obyek/Muka, bermain sepak bola.
Walaupun AI memiliki konotasi fiksi ilmiah yang kuat, AI membentuk cabang yang sangat penting pada ilmu komputer, berhubungan dengan perilaku, pembelajaran dan adaptasi yang cerdas dalam sebuah mesin. Penelitian dalam AI menyangkut pembuatan mesin untuk mengotomatisasikan tugas-tugas yang membutuhkan perilaku cerdas. Termasuk contohnya adalah pengendalian, perencanaan dan penjadwalan, kemampuan untuk menjawab diagnosa dan pertanyaan pelanggan, serta pengenalan tulisan tangan, suara dan wajah. Hal-hal seperti itu telah menjadi disiplin ilmu tersendiri, yang memusatkan perhatian pada penyediaan solusi masalah kehidupan yang nyata. Sistem AI sekarang ini sering digunakan dalam bidang ekonomi, obat-obatan, teknik dan militer, seperti yang telah dibangun dalam beberapa aplikasi perangkat lunak komputer rumah dan video game.
'Kecerdasan buatan' ini bukan hanya ingin mengerti apa itu sistem kecerdasan, tapi juga mengkonstruksinya.
Tidak ada definisi yang memuaskan untuk 'kecerdasan':

  1. kecerdasan: kemampuan untuk memperoleh pengetahuan dan menggunakannya
  2. atau kecerdasan yaitu apa yang diukur oleh sebuah 'Test Kecerdasan

Kecerdasan menurut beberapa ahli
H. A. Simon [1987] :
“ Kecerdasan buatan (artificial intelligence) merupakan kawasan
penelitian, aplikasi dan instruksi yang terkait dengan pemrograman
komputer untuk melakukan sesuatu hal yang -dalam pandangan
manusia adalah- cerdas”
· Rich and Knight [1991]:
“Kecerdasan Buatan (AI) merupakan sebuah studi tentang bagaimana
membuat komputer melakukan hal-hal yang pada saat ini dapat
dilakukan lebih baik oleh manusia.”
· Encyclopedia Britannica:
“Kecerdasan Buatan (AI) merupakan cabang dari ilmu komputer yang
dalam merepresentasi pengetahuan lebih banyak menggunakan bentuk
simbol-simbol daripada bilangan, dan memproses informasi berdasarkan
metode heuristic atau dengan berdasarkan sejumlah aturan”
Penyelesaian Masalah
Penyelesaian atau pemecahan masalah adalah bagian dari proses berpikir. Sering dianggap merupakan proses paling kompleks di antara semua fungsi kecerdasan, pemecahan masalah telah didefinisikan sebagai proses kognitif tingkat tinggi yang memerlukan modulasi dan kontrol lebih dari keterampilan-keterampilan rutin atau dasar. Proses ini terjadi jika suatu organisme atau sistem kecerdasan buatan tidak mengetahui bagaimana untuk bergerak dari suatu kondisi awal menuju kondisi yang dituju.

Teknik Searching
Ini dimana kita mencari solusi dengan beberapa tahapan dari mulai mendefinisian hingga proses sampai pada tahap memberikan solusi untuk menyelesaikan masalah.
Read more ...
Posted by: Tutorial NgeblIg, informasi Komputer dan Gadget nama blog, Updated at: 23:44

Teknik Pemecahan Masalah 1

 Untuk membangun sistem yang mampu menyelesaikan masalah, perlu dipertimbangkan 4 hal yaitu :
1. Mendefinisikan masalah dengan tepat.
2. Menganalisis masalah serta mencari beberapa teknik penyelesaian masalah yang             sesuai.
3.  Merepresentasikan yang perlu untuk menyelesaikan masalah
4.  Memilih teknik penyelesaian masalah yang terbaik


Contoh
Petani,sayur,kambing dan serigala




 Seorang petani akan menyeberangkan seekor
kambing, seekor serigala, dan sayur-sayuran
dengan sebuah boat yang melalui sungai.

• Boat hanya bisa memuat petani dan satu
penumpang yang lain (kambing, serigala atau
sayur-sayuran).

• Jika ditinggalkan oleh petani tersebut, maka
sayur-sayuran akan dimakan oleh kambing, dan
kambing akan dimakan oleh serigala.

Penyelesaian masalah
secara umum

• Mendefinisikan suatu ruang keadaan;
• Menetapkan satu atau lebih keadaan awal;
• Menetapkan satu atau lebih tujuan;
• Menetapkan kumpulan aturan.

Penyelesaian
• Identifikasi ruang keadaan
– Permasalahan ini dapat dilambangkan dengan
(JumlahKambing, JumlahSerigala, JumlahSayuran,
JumlahBoat).


– Sebagai contoh: Daerah asal (0,1,1,1) berarti pada daerah
asal tidak ada kambing, ada serigala, ada sayuran, dan ada
boat.

• Keadaan Awal
– Daerah asal: (1,1,1,1)
– Daerah seberang: (0,0,0,0)
– Tujuan 
– Daerah asal: (0,0,0,0)
– Daerah seberang: (1,1,1,1)



Aturan-aturan
Solusi Penyelesain Masalah

Contoh lain Pemecahan Masalah Menara Hanoi dengan 4 buah balok

Menara Hanoi adalah sebuah permainan matematis atau teka-teki.Permainan ini terdiri dari tiga tiang dang sejumlah cakram dengan ukuran berbeda-beda yang dimasukan ke tiang mana saja.Permainan dimulai dengan cakram-cakram yang tertumpuk rapi berurutan berdasarkan ukurannya dalam salah satu tiang.cakram terkecil diletakan di paling atas,sehingga membentuk kerucut.
Permainan Menara Hanoi sering digunakan dalam penelitian psikologis dalam hal pemecahan masalah.Permainan ini juga dugunakan sebagai ujian ingatan oleh ahli psikolog syaraf dalam berupaya mengevaluasi amnesia.
Di bawah ini adalah gambar Menara Hanoi sebelum di susun dan di urutkan ke tiang C

                                          


Disini saya tugaskan bagaimana cara memecahkan masalah menara Hanoi dengan greedy.Suatu masalah apabila akan dipecahkan menggunakan greedy harus memenuhi 5 elemen-elemen greedy dianataranya:



1.  Himpunan kandidat dari menara Hanoi di atas adalah 1234.
2. Himpunan solusinya adalah apakah semua balok yang akan dipindahkan ke tiang Ctelah memenuhi syarat tersusunnya menara Hanoi tersebut.
3. Fungsi seleksi dari menara tersebut adalah cara penyusunan dari balok terbesar ke balok terkecil.
4. Fungsi kelayakan dari menara tersebut adalah balok besar tidak boleh diletakan diatas balok kecil sehingga balok tersebut layak disimpan di tiang C.
5. Fungsi obyektif dari menara adalah dimana hasil akhirnya balok-balok yang terdapat di tiang A harus berada di tiang C dengan tersusun rapih dari terbesar hingga terkecil.

Maka dari itu di bawah ini langkah-langkah bagaimana cara memindahkan balok-balok yang berada di tiang A dapat di pindahkan dan tersusun dengan rapih di tiang C. 

1.        Balok 1 pindah dari tiang A ke tiang B
2.        Balok 2 pindah dari tiang A ke tiang C
3.        Balok 1 pindah dari tiang B ke tiang C
4.        Balok 3 pindah dari tiang A ke tiang B
5.        Balok 1 pindah dari tiang C ke tiang A
6.         Balok 2 pindah dari tiang C ke tiang B
7.          Balok 1 pindah dari tiang A ke tiang B
8.          Balok 4pindah dari tiang A ke tiang  C
9.         Balok 1 pindah dari tiang B ke tiang C
10.     Balok 2 pindah dari tiang B ke tiang A
11.      Balok 1 pindah dari tiang C ke tiang A
12.      Balok 3 pindah dari tiang B ke tiang C
13.       Balok 1 pindah dari tiang A ke tiang B
14.       Balok 2 pindah dari tiang A ke tiang C
15.        Balok 1 pindah dari tiang B ke tiang C


Dan hasilnya adalah sebagai berikut :







Read more ...
Posted by: Tutorial NgeblIg, informasi Komputer dan Gadget nama blog, Updated at: 23:30

Teknik Pemecahan Masalah 2


Contoh Lain Teknik Pemecahan Masalah (menghitung total keeping )

Soal
1.     Diketahui 15 keping berapa total ?
2.     Jika total 1788 ada di keeping berapa ?
3.     Jika total 1798 ada di keeping berapa ?
4.     Jika total 1792 ada di keeping berapa ?
5.     Jika di keping 5 berapa grm ?
6.     Jika di keping 12 berapa grm ?
7.     Jika di keping 14 berapa grm ?
8.     Jika di keping  9 berapa grm ?

Jawab
1.        Pertama hitung terlebih dahulu jumlah keping ada berapa contoh ada 15 keping : 1+2+3+4+5+6+7+8+9+10+11+12+13+14+15=120x15 jmlah keeping = 1800 grm
2.        Hasil perkalian di kurangi total contoh 1800-1788 = 12 keping
3.        Hasil perkalian di kurangi total contoh 1800-1798 = 2 keping
4.        Hasil perkalian di kurangi total contoh 1800-1792 = 8 keping
5.        Hasil perkalian di kurangi jumlah keeping contoh 1800-5 = 1795 grm
6.        Hasil perkalian di kurangi jumlah keeping contoh 1800-12 = 1788 grm
7.        Hasil perkalian di kurangi jumlah keeping contoh 1800-14 = 1786 grm
8.        Hasil perkalian di kurangi jumlah keeping contoh 1800-9 = 1781 grm

Contoh:
Read more ...
Posted by: Tutorial NgeblIg, informasi Komputer dan Gadget nama blog, Updated at: 22:53

TEKNIK SEARCING

Menggunakan Teory Graph
1. Titik simpul di gambarkan dengan lingkaran




2. Busur di lambangkan dengan garis

3. Simpul berikut menunjukan arah jalan yang boleh jalan bersamaan


4. Simpul berikut menunjukan arah jalan yang tidak boleh jalan bersamaan



Contoh Kasus


Penyelesaian masalah dengan menggunakan cara berikut ini :
1. Notasi gambar
 2. Tabel Pengelompokan

3. Teori Graph
Read more ...
Posted by: Tutorial NgeblIg, informasi Komputer dan Gadget nama blog, Updated at: 22:45

Friday, 27 September 2013

Pengertian dan Sejarah Kecerdasan Buatan (Artificial Intelligence)


Definisi Kecerdasan Buatan  

 Bisakah mesin berpikir?  Jika bisa, bagaimana caranya? Dan jika tidak bisa, kenapa tidak? Dan apa yang dikatakan sebagai pikiran (mind)?
Arti Kecerdasan
kemampuan untuk:
1.  belajar atau mengerti dari pengalaman, 
2.  memahami pesan yang kontradiktif dan ambigu,
3.  menanggapi dengan cepat dan baik atas situasi yang baru,
4.  menggunakan penalaran dalam memecahkan masalah serta menyelesaikannya dengan efektif (Winston dan Pendergast, 1994)
Apa itu AI?
  • Merupakan kawasan penelitian, aplikasi dan instruksi yang terkait dengan pemrograman komputer untuk melakukan sesuatu hal - yang dalam pandangan manusia adalah – cerdas (H. A. Simon [1987])
  • Sebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik oleh manusia (Rich and Kinight [1991])
Kategori Definisi AI
Dikelompokkan menjadi 4 macam :
Detail Kecerdasan Buatan
  •  Sudut Pandang Kecerdasan, Kecerdasan buatan mampu membuat mesin menjadi cerdas (berbuat seperti yang dilakukan manusia)
  • Sudut Pandang Penelitian, Kecerdasan buatan adalah studi bagaimana membuat komputer dapat melakukan sesuatu sebaik yang dilakukan manusia
  • Sudut Pandang Bisnis, Kecerdasan buatan adalah kumpulan peralatan yang sangat powerful dan metodologis dalam menyelesaikan masalah bisnis
  • Sudut Pandang Pemrogram, Kecerdasan buatan meliputi studi tentang pemrograman simbolik, problem solving, dan pencarian (searching)
Bagian Utama AI
  •  Basis Pengetahuan (knowledge base), berisi fakta-fakta, teori, pemikiran dan hubungan komponen satu dengan yang lainnya
  •  Motor Inferensi (inference engine), Kemampuan menarik kesimpulan berdasar pengalaman. Berkaitan dengan representasi dan duplikasi proses tersebut melalui mesin (misalnya, komputer dan robot).
Konsep Kecerdasan Buatan
  • 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.
  • Heuristic, Suatu strategi untuk melakukan proses pencarian (search) ruang problem secara efektif, yang memandu proses pencarian yang kita lakukan di sepanjang jalur yang memiliki kemungkinan sukses paling besar.
  •  Inferensi (Penarikan Kesimpulan) à AI mencoba membuat mesin memiliki kemampuan berpikir atau mempertimbangkan (reasoning), termasuk didalamnya proses (inferencing) berdasarkan fakta-fakta dan aturan dengan menggunakan metode heuristik, dll
  • Pencocokan Pola (Pattern Matching) à Berusaha untuk menjelaskan obyek, kejadian (events) atau proses, dalam hubungan logik atau komputasional
“State of the Art” AI
  • Deep Blue mengalahkan Kasparov, juara dunia Catur.
  • PEGASUS, suatu sistem memahami ucapan yang mampu menangani transaksi seperti mendapatkan informasi tiket udara termurah.
  • MARVEL: suatu sistem pakar real-time memonitor arus data dari pesawat Voyager dan setiap anomali sinyal.
  • Sistem robot mengemudikan sebuah mobil dengan kecepatan yang cepat pada jalan raya umum.
  • Suatu diagnostik sistem pakar sedang mengkoreksi hasil diagnosis pakar yang sudah punya reputasi.
  • Agent pintar untuk bermacam-macam domain yang bertambah pada laju yang sangat tinggi .
  • Subjek materi pakar mengajar suatu learning agent penalarannya dalam pusat penentuan gravitasi.
Tujuan Kecerdasan Buatan
  • Membuat komputer lebih cerdas
  • Mengerti tentang kecerdasan
  • Membuat mesin lebih berguna
Kecerdasan Buatan VS Kecerdasan Alami
Perbedaan Kecerdasan Buatan dengan Kecerdasan Alami
  • Lebih permanen
  •  Menawarkan kemudahan duplikasi dan penyebaran
  •  Lebih murah daripada kecerdasan alami
  •  Konsisten dan menyeluruh
  •  Dapat didokumentasikan
  •  Dapat mengeksekusi tugas tertentu lebih cepat daripada manusia
  •  Dapat menjalankan tugas tertentu lebih baik dari banyak atau kebanyakan orang.
Kelebihan Kecerdasan Alami dibanding AI
  •  Bersifat lebih kreatif
  •  Dapat melakukan proses pembelajaran secara langsung, sementara AI harus mendapatkan masukan berupa simbol dan representasi-representasi
  •  Menggunakan fokus yang luas sebagai referensi untuk pengambilan keputusan. Sebaliknya, AI menggunakan fokus yang sempit
Sejarah Kecerdasan Buatan
Perkembangan dan Aplikasinya

Jaman “batu” (1943-1956)
  • Awal kerja JST dan logika
  • Teori Logika (Alan Newell and Herbert Simon)
  • Kelahiran AI: Dartmouth workshop - summer 1956
  • John McCarthy’s memberi nama bidang: artificial intelligence
Awal antusias, harapan besar (1952-1969)
  • McCarthy (1958)
- mendefinisikan Lisp
- menemukan time-sharing
- Advice Taker
  • Pembelajaran tanpa pengetahuan
  • Pemodelan JST
  • Pembelajaran Evolusioner
  • Samuel’s checkers player: pembelajaran
  • Metode resolusi Robinson.
  • Minsky: the microworlds (e.g. the block’s world).
  • Banyak demonstrasi kecil ttg perilaku “intelligent”
  • Prediksi over-optimistic Simon
Masa Gelap (1966-1973)
  •  AI tidak mengalami perkembangan: ledakan perkembangan combinatorial
  • Fakta bahwa suatu program bisa mendapatkan suatu solusi secara prinsip tidak berarti bahwa program memuat beberapa mekanisme yang dibutuhkan untuk mendapatkannya secara praktis.
  • Kegagalan dari pendekatan terjemahan bahasa alami berbasis pada grammars sederhana dan kamus kata.
  • Penterjemahan kembali yang populer                      English->Russian->English
  • Penemuan untuk pemrosesan bahasa natural dihentikan.
  • Kegagalan perceptron untuk belajar dari fungsi sederhana sebagaimana disjunctive/eksclusive OR.
  • Penelitian pada JST dihentikan.
  • Realisasi dari kesukaran dalam proses learning dan keterbatasan dari metode yang dieksplorasi
  • Konsep pembelajaran simbolik (Winston’s influential thesis, 1972)
Renaissance (1969-1979)
  • Perubahan pada paradigma penyelesaian:
  • Dari penyelesaian masalah berbasis “search-based” menjadi  penyelesaian masalah berbasis pengetahuan.
  •  Sistem pakar pertama
  • Dendral: menginferensi struktur molecular dari informasi yang disediakan oleh spektrometer massa.
  • Mycin: diagnoses blood infections
  • Prospector: merekomendasikan eksplorasi pengeboran pada lokasi geologi yang menyediakan suatu deposit mineral  molybdenum.
Era Industrial
(1980-sekarang)
  • Sukses pertama Sistem Pakar secara komersial.The.
  • Many AI companies.
  • Eksplorasi dari strategi pembelajarqan yqang bermacam-macam (Explanation-based learning, Case-based Reasoning, Genetic algorithms, Neural networks, etc.)
Kembalinya neural networks
(1986-sekarang)
  • Penggalian kembali algoritma learning back propagation untuk neural networks yang pertama dikenalkan dalam tahun 1969 oleh Bryson and Ho.
  • Banyak aplikasi sukses dari Neural Networks.
  • Kehilangan respek terhadap sulitnya membangun sistem pakar (macetnya knowledge acquisition).
Kematangan
(1987-sekarang)
  • Perubahan dalam cakupan dan metodologi penelitian bidang Kecerdasan Buatan:
  • Membangun di atas teori yang ada, bukan cuma mengusulkan teori baru;
  • berbasis klaim pada theorema dan eksperimen, bukan pada intuisi;
  •  menunjukkan relevansi ke aplikasi nyata, bukan pada contoh “mainan”.
Agent Cerdas (1995-sekarang)
  • Realisasi yang pada mulanya dipisahkan dalam sub dari Kecerdasan Buatan (speech recognition, problem solving and planning, robotics, computer vision, machine learning, knowledge representation, etc.) perlu direorganisasi bilamana hasil-hasilnya diikat bersama-sama kedalam suatu desain agent tunggal.
  • Suatu proses reintegrasi dari sub-area yang berbeda dari KB untuk membentuk “whole agent”: 
  •  “agent perspective” of AI
  • agent architectures (e.g. SOAR, Disciple);
  •  multi-agent systems;
  •  agent untuk aplikasi tipe-tipe yang berbeda, web agents.
Domain Yang Sering Dibahas
  •  Mundane Task
                - Persepsi (vision & speech)
                - Bahasa alami (understanding, generation & translation)
                - Pemikiran yang bersifat commonsense
                - Robot control
  •  Formal Task
                - Permainan / Games
                - Matematika (Geometri, logika, kalkulus integral, pembuktian)
  • Expert Task
                - Analisis finansial
                - Analisis medikal
                - Analisis ilmu pengetahuan
                - Rekayasa (design, pencarian kegagalan, perencanaan
                  manufaktur)
  
Summary
  •  Kecerdasan buatan terdiri dari knowledge base dan motor inference
  • Digunakan untuk membantu menyelesaikan permasalahan manusia
  • Kecerdasan buatan mengalami perkembangan terus menerus sampai saat ini
  • Semakin banyak objek yang mampu diselesaikan oleh Kecerdasan buatan
Daftar Pustaka
  • Sri Kusumadewi, Artificial Intelligence (Teknik dan Aplikasinya), Graha Ilmu, 2003, Yogyakarta
  • William Siler and James J. Buckley, “Fuzzy Expert System and Fuzzy Reasoning”, Wiley-Interscience, 2005
  • Laurene Fauset, “Fundamental of Neural Network”, Prentice Hall, 2000
Read more ...
Posted by: Tutorial NgeblIg, informasi Komputer dan Gadget nama blog, Updated at: 22:55
Designed By