SAP SISTEM CERDAS Pertemuan Minggu ke-1 dan Minggu ke-2
 
1.      Pengenalan Intelegensi Buatan (KB)

1.1  Pengertian Intelegensi Buatan

Kecerdasan Buatan atau kecerdasan yang ditambahkan kepada suatu sistem yang bisa diatur dalam konteks ilmiah atau Intelegensi Artifisial (Artificial Intelligence atau hanya disingkat 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.

1.2  Intelegensi Buatan dan Intelegensi Alami

-        Intelegensi Alami
Kecerdasan yang dimiliki oleh manusia.
1.      Bersifat lebih kreatif.
2.      Dapat melakukan proses pembelajaran secara langsung.
3.      Fokus yang luas referensi untuk pengambilan keputusan.
-        Intelegensi Buatan
Kecerdasan yang diciptakan dan dimasukkan kedalam suatu mesin (komputer).
1.      Al lebih bersifat permanen.
2.      Al menawarkan kemdaha untuk digandakan dan disebarkan.
3.      Al dapat lebih murah daripada kecerdasan alami.
4.      Al bersifat konsisten dan teliti.
5.      Al dapat didokumentasi.


1.3  Komputasi Intelegensi Buatan dan Komputasi Konvensional

Data yang diproses oleh komputer konvensional dapat dilihat pada tabel berikut ini:

Table 1.2 Pemrosesan data komputer konvensional

Proses
Tugas
K             Kalkulasi
Mengerjakan operasi-operasi matematis seperti: +, -, x, :, atau mencari akar persamaan, menyelesaikan rumus/persamaan
            Logika
Mengerjakan operasi logika seperti and, or, invert
Pe                 Penyimpanan
Menyimpan data dan gambar pada file
               Retrieve
Mengakses data yang disimpan pada file
              Translate
Mengonversi data dari satu bentuk ke bentuk yang lain
        Sort
Memeriksa data dan menampilkan dalam urutan yang diinginkan
       Edit
Melakukan perubahan, penambahan penghapusan pada data
             Monitor
Mengamati event eksternal dan internal serta melakukan tindakan jika kondisi tertentu tercapai
             Kontrol
Memberikan perintah atau mengendalikan peralatan luar
 
1.4  Sejarah Intelegensi Buatan

Pada awal abad 17, René Descartes mengemukakan bahwa tubuh hewan bukanlah apa-apa melainkan hanya mesin-mesin yang rumit. Blaise Pascal menciptakan mesin penghitung digital mekanis pertama pada 1642. Pada 19, Charles Babbage dan Ada Lovelace bekerja pada mesin penghitung mekanis yang dapat diprogram.
Bertrand Russell dan Alfred North Whitehead menerbitkan Principia Mathematica, yang merombak logika formal. Warren McCulloch dan Walter Pitts menerbitkan "Kalkulus Logis Gagasan yang tetap ada dalam Aktivitas" pada 1943 yang meletakkan pondasi untuk jaringan syaraf.
Tahun 1950-an adalah periode usaha aktif dalam AI. Program AI pertama yang bekerja ditulis pada 1951 untuk menjalankan mesin Ferranti Mark I di University of Manchester (UK) : sebuah program permainan naskah yang ditulis oleh Christopher Strachey dan program permainan catur yang ditulis oleh Dietrich Prinz. John McCarthy membuat istilah "kecerdasan buatan" pada konferensi pertama yang disediakan untuk pokok persoalan ini, pada 1956. Dia juga menemukan bahasa pemrograman Lisp. Alan Turing memperkenalkan "Turing test" sebagai sebuah cara untuk mengoperasionalkan test perilaku cerdas. Joseph Weizenbaum membangun ELIZA, sebuah chatterbot yang menerapkan psikoterapi Rogerian.
Selama tahun 1960-an dan 1970-an, Joel Moses mendemonstrasikan kekuatan pertimbangan simbolis untuk mengintegrasikan masalah di dalam program Macsyma, program berbasis pengetahuan yang sukses pertama kali dalam bidang matematika. Marvin Minsky dan Seymour Papert menerbitkan Perceptrons, yang mendemostrasikan batas jaringan syaraf sederhana dan Alain Colmerauer mengembangkan bahasa komputer Prolog. Ted Shortliffe mendemonstrasikan kekuatan sistem berbasis aturan untuk representasi pengetahuan dan inferensi dalam diagnosa dan terapi medis yang kadangkala disebut sebagai sistem pakar pertama. Hans Moravec mengembangkan kendaraan terkendali komputer pertama untuk mengatasi jalan berintang yang kusut secara mandiri.
Pada tahun 1980-an, jaringan syaraf digunakan secara meluas dengan algoritma perambatan balik, pertama kali diterangkan oleh Paul John Werbos pada 1974. Tahun 1990-an ditandai perolehan besar dalam berbagai bidang AI dan demonstrasi berbagai macam aplikasi. Lebih khusus Deep Blue, sebuah komputer permainan catur, mengalahkan Garry Kasparov dalam sebuah pertandingan 6 game yang terkenal pada tahun 1997. DARPA menyatakan bahwa biaya yang disimpan melalui penerapan metode AI untuk unit penjadwalan dalam Perang Teluk pertama telah mengganti seluruh investasi dalam penelitian AI sejak tahun 1950 pada pemerintah AS.
Tantangan Hebat DARPA, yang dimulai pada 2004 dan berlanjut hingga hari ini, adalah sebuah pacuan untuk hadiah $2 juta dimana kendaraan dikemudikan sendiri tanpa komunikasi dengan manusia, menggunakan GPS, komputer dan susunan sensor yang canggih, melintasi beberapa ratus mil daerah gurun yang menantang.

1.5  Lingkup Intelegensi Buatan

-        Sustem pakar. Komputer digunakan sebagai saran untuk menyimpan pengetahuan para pakar. Dengan demikian komputer akan memiliki keahlian untuk menyelesaikan masalah dengan meniru keahlian yang dimiliki para pakar
-        Pengolahan bahasa alami. Dengan pengolahan bahasa alami ini diharapkan user mampu berkomunikasi dengan komputer dengan menggunakan bahasa sehari-hari.
-        Pengenalan ucapan. Melalui pengenalan ucapan diharapkan manusia mampu berkomunikasi dengan komputer dengan menggunakan suara.
-        Robotika dan Sistem sensor
-        Computer vision, mencoba untuk dapat mengintrepetasikan gambar atau objek-objek tampak melalui komputer
-        Intelligent Computer aid Instruction. Komputer dapat digunakan sebagai tutor yang dapat melatih dan mengajar.

1.6  Soft Computing

-        Pengertian Soft Computing
Kumpulan teknik – teknik perhitungan dalam ilmu komputer, inteligensia semu, machine learning dan beberapa disiplin ilmu teknik lainnya, yang berusaha untuk mempelajari, memodelkan, dan menganalisa fenomena yang sangat rumit : untuk metoda yang lebih konvensional yang tidak memberikan biaya rendah, analitis dan solusi lengkap. Soft computing berusaha untuk mengintegrasikan beberapa paradigma model perhitungan meliputi artificial neural network, fuzzy logic dan genetic algorithms.
Soft Computing adalah segolongan metoda yang mampu mengolah data dengan baik walaupun didalamnya terdapat ketidakpastian, ketidakakuratan maupun kebenaran parsial (Prof. Lotfi A Zadeh, 1992).
Soft Computing dicetus pertama kali pada tahun 1990 sehubungan dengan ide untuk mendirikan BISC (Berkeley Initiative in Soft Computer) oleh Prof. L.A.Zadeh dari BerkeleyUniversity. Soft computing, berbeda dengan conventional (hard) computing, memungkinkan toleransi terhadap input, proses dan output yang bersifat tidak akurat(imprecision), tidak pasti (uncertainty) dan setengah benar (partial truth).
-      Tujuan Soft Computing
Tujuan soft computing adalah terbentuknya High Machine Intelligence Quotient (HMIQ), suatu system yang mampu mengolah informasi seperti cara berpikir manusia, mempunyai kemampuan untuk menyelesaikan permasalahan non-linier dan tidak ada model matematisnya (tractability), serta dapat diimplementasikan dengan biaya rendah.
Adapun tujuan metode soft computing adalah :
  1. Non-linearitas dan kompleksitas problema. Kemampuan menyelesaikan problematika yang sulit dan tidak bisa diselesaikan dengan metoda biasa
  2. Kemampuan memanipulir parameter yang tidak pasti (sesuatu yang tidak bisa diukur secara pasti, misalnya mengukur kadar cinta)
  3. Kemampuan men-generalisir solusi
  4. Kemampuan klasifikasi dan kuantifikasi data, misalnya dengan lebih mudahnya pengerjaan kasus regresi linier dengan teknologi ini daripada dengan fuzzy logic.
  5. Kemampuan mengatasi keterbatasan data, misalnya pada dunia statistic.
-      Bagian-bagian dari Soft Computing :
1.      Fuzzy Logic
Suatu representasi dari pengetahuan yang direkonstruksi dengan if-then rules. Sederhananya, Fuzzy Logic adalah suatu metode untuk mengontrol sesuatu. Misalnya rekonstruksi if-then, "Jika cuaca panas, Maka turunkan suhu AC". Disinilah Fuzzy Logic berperan dalam Teknologi Komputer nantinya.
2.      Neural Networks
Tiruan dari jaringan saraf-saraf manusia yang terhubung dan membentuk sistem. Jadi metode ini ditujukan untuk meniru saraf manusia yang kompleks dan dapat menyimpan memori.
3.      Probabilistic Reasoning
Metode Soft Computing juga untuk membuat komputer atau suatu device mengambil keputusan layaknya makhluk hidup. Jadi, dari semua data-data yang sudah dimiliki, metode ini memberikan pola-pola tertentu untuk mengambil keputusan.

1.7  Definisi Masalah dan Ruang Masalah

-        Definisi Masalah
a.       Mendefinisikan masalah dengan tepat
b.      Menganalisis masalah tersebut serta mencari beberapa teknik penyelesaian masalah yang sesuai
c.       Merepresentasikan pengetahuan yang perlu untuk menyelesaikan masalah tersebut
d.      Memilih teknik penyelesaian masalah yang terbaik
-        Ruang Masalah
Suatu ruang yang berisi semua keadaan yang mungkin.
a.       Mendefinisikan suatu ruang keadaan(state space)
b.      Menetapkan satu atau lebih keadaan awal(initial space)
c.       Menetapkan satu atau lebih tujuan(goal state)
d.      Menetapkan kumpulan aturan

2.      Pengenalan Intelligent Agents

Dalam kecerdasan buatan, intelligent agent (IA) adalah sebuah entitas otonom yang mengamati dan bertindak atas lingkungan (yaitu membutuhkan agen) dan mengarahkan aktivitasnya untuk mencapai tujuan  yaitu rasional. Intelligent agen juga dapat belajar atau menggunakan pengetahuan untuk mencapai tujuan mereka. Russell & Norvig (2003) mengartikan Rational Agent  yang mengerjakan segala sesuatu hal dengan benar.

-        Kelebihan Intelligent Agent
a.       Kecerdasan buatan akan terus mengingat dan menjalakan sistem dan perintah sesuai dengan apa yang sudah diprogramkan secara permanen.
b.      Kecerdasan buatan lebih mudah diduplikasi dan disebarkan. Mentransfer pengetahuan manusia dari satu orang ke orang lain butuh proses dan waktu lama. Sedangkan jika pengetahuan terletak pada suatu sistem komputer, pengetahuan tersebuat dapat ditransfer atau disalin dengan mudah dan cepat dari satu komputer ke komputer lain
c.       Kecerdasan buatan lebih murah dibanding dengan kecerdasan alami. Menyediakan layanan komputer akan lebih mudah dan  murah dibanding dengan harus mendatangkan seseorang untuk mengerjakan sejumlah pekerjaan dalam jangka waktu yang sangat lama.
d.      Kecerdasan buatan dapat mengerjakan pekerjaan lebih cepat dibanding dengan kecerdasan alami.


-        Karakteristik Dalam Intelligent Agent
a.       Autonomous          : Berkemampuan dalam menjalani tugas dan mengambil keputusan secara mandiri (otomatis).
b.      Reaktif                   : Kemampuan agen utuk cepat dalam beradaptasi dengan informasi yang berada disekitar lingkunagnnya.
c.       Proaktif                  : Kemampuan agen dalam mengambil inisiatif dengan sangat cepat demi mencapai tujuan yang diharapkan.
d.      Fleksibel                : Agen memiliki beberapa cara demi mencapai tujuannya.
e.       Robust                   : Agen harus dapat kembali seperti semula jika mengalami kegagalan dam menjalan kan rencana yang diharapkan.

-        Fungsi Global Intelegant Agent
Intelligent agent bisa dikatakan juga sebagai software yang mempelajari tentang bagaimana manusia melakukan tugas-tugasnya dan kemudian software tersebut memberikan bantuan pada tugas-tugas tersebut. Ada banyak jenis intelligent agents. Di dalam masalah yang ditemukan intelligent agents bisa membantu dalam berbagai bentuk. Pada umumnya, digunakan untuk memperoleh dan mengidentifikasi knowledge. Intelligent Agent lebih dikaitkan dengan dunia kerja yang sangat membantu dalam proses pengerjaannya terhadap suatu pekerjaan.

2.1  Agen dan Lingkungannya

Agen adalah segala sesuatu yang dapat merasakan lingkungannya melalui sensor dan bertindak atas lingkungan yang melalui efektor.
-        Seorang agen manusia memiliki organ sensorik seperti mata, telinga, hidung, lidah dan sejajar kulit ke sensor, dan organ lainnya seperti tangan, kaki, mulut, untuk efektor.
-        Seorang agen robot menggantikan kamera dan pejejak infra merah untuk sensor, dan berbagai motor dan aktuator untuk efektor.
-        Seorang agen perangkat lunak telah dikodekan string bit sebagai program dan tindakan.
 
2.2  Rasionalitas

Rasionalitas hanyalah status menjadi wajar, masuk akal, dan memiliki rasa yang baik penghakiman. Rasionalitas berkaitan dengan tindakan yang diharapkan dan hasil tergantung pada apa agen telah dirasakan. Melakukan tindakan dengan tujuan memperoleh informasi yang berguna adalah bagian penting dari rasionalitas.

2.3  PEAS (Performance measure, Environment, Actuators, Sensors)

To design a rational agent we must specify its task environment. PEAS description of the environment :
-        Performance
-        Environment
-        Actuators
-        Sensors
Contoh :
1.      Agent : Sistem Diagnosis Medis
-        Performance measure        : Kesembuhan pasien, biaya minim, sengketa.
-        Environment                      : Pasien, pegawai rumah sakit.
-        Sensors                              : Keyboard (gejala, temuan, pertanyaan pasien)

2.4  Tipe-tipe Lingkungan Agen

Environment (Lingkungan)
Lingkungan sangat lah penting dalam proses perancangan sebuah agent. Hal ini dikarenakan setiap tindakan yang akan dilakukan oleh agent harus mempertimbangkan kondisi lingkungan. Terdapat beberapa kriteria pembegian lingkungan.
-        Accessible (dapat diakses)
Jika sensor agent dapat mendeteksi semua keadaan lingkungan, terutama yang berhubungan dengan pengambilan keputusan.
-        Deterministic
Merupakan suatu lingkungan dimana lingkungan yang akan datang ditentukan oleh keadaan saat ini dan setiap aksi yang dilakukan oleh agen saat ini.
-        Dynamic
Suatu lingkungan yang keadaanya selalu berubah-ubah.
-        Discrete (diskrit)
Keadaan dimana lingkungan saat ini dapat digambarkan dengan pasti, dengan tingkat kesalahan seminimal mungkin.
-        Diamati
Jika mungkin untuk menentukan keadaan lengkap lingkungan pada setiap titik waktu dari persepsi itu diamati.
-        Tunggal agen
Lingkungan mungkin berisi agen lain yang mungkin dari jenis yang sama atau berbeda seperti yang dari agen.
-        Episodik
Dalam lingkungan episodik, setiap episode terdiri dari agen menerima dan bertindak. Kualitas tindakan tergantung hanya pada episode itu sendiri. episode berikutnya tidak bergantung pada tindakan dalam episode sebelumnya. lingkungan episodik yang lebih sederhana karena agen tidak harus berpikir ke depan.

2.5  Tipe-tipe Agen

-        Simple Reflex Agent
Merupakan agent yang bekerja berdasarkan reflex. Contohnya, sebuah driver agent(supir taxi otomatis), harus memberikan reflex mengerem ketika terdapat mobil yang berhenti didepanya.
-        Agent That Keep Track the World
Merupakan agent yang tetap melakukan pengecekan terhadap keadaan lingkungan, sehingga dapat memberikan respon yang tepat.
-        Goal Based Agent(Agent berbesis pada tujuan/sasaran)
Merupakan sebuah agent yang mendasarkan setiap tindakannya untuk mencapai tujuan yang telah ditentukan. Setiap agent akan mempertimbangkan setiap kemungkinan yang akan terjadi pada mesa depan berdasarkan tindakan yang akan/telah dilakukanya.
-        Utility Based Agent
Merupakan sebuah fungsi yang memetakan suatu keadaan kedalam bilangan real, yang menggambarkan derajak kesenangan/kepuasan. Sedikit berbeda dengan Goal Based Agent, tipe ini tidak mengutamakan semua tujua, tetapi akan mengutamakan tujuan mana yang mungkin tercapai berdasarkan kondisi tertentu(tujuan kepuasan, kenyamanan, keefisienan).


Sumber :

Comments (0)