SISTEM CERDAS

1.PENGENALAN INTELEGENSI BUATAN

DEFINISI KECERDASAN BUATAN

Kecerdasan Buatan adalah salah satu cabang Ilmu pengetahuan berhubungan dengan pemanfaatan mesin untuk memecahkan persoalan yang rumit dengan cara yang lebih manusiawi. Hal Ini biasanya dilakukan dengan mengikuti/mencontoh karakteristik dan analogi berpikir dari kecerdasan/Inteligensia manusia, dan menerapkannya sebagai algoritma yang dikenal oleh komputer.

Kecerdasan buatan & kecerdasan alami :
Kecerdasan Alami : kecerdasan yang dimiliki oleh manusia.

Keuntungan Kecerdasan Buatan :

1. Kecerdasan buatan lebih bersifat permanen
2. Kecerdasan buatan lebih mudah diduplikasi dan disebarkan
3. Kecerdasan buatan lebih murah dibanding dengan kecerdasan alami. Menyediakan layanan komputer akan lebih mudah dan lebih murah dibanding dengan harus mendatangkan seseorang untuk mengerjakan sejumlah pekerjaan dalam jangka waktu panjang.
4. Kecerdasan buatan bersifat konsisten. Hal ini disebabkan karena kecerdasan busatan adalah bagian dari teknologi komputer. Sedangkan kecerdasan alami senantiasa berubah-ubah.
5. Kecerdasan buatan dapat didokumentasikan. Keputusan yang dibuat komputer dapat didokumentasikan dengan mudah dengan melacak setiap aktivitas dari sistem tersebut. Kecerdasan alami sangat sulit untuk direproduksi.
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. Kemampuan untuk menambah ataupun memenuhi pengetahuan itu sangat melekat pada jiwa manusia. Pada kecerdasan buatan, untuk menambah pengetahuan harus dilakukan melalui sistem yang dibangun
2. Kecerdasan alami memungkinkan orang untuk menggunakan pengalaman secara langsung. Sedangkan pada kecerdasan buatan harus bekerja dengan input-input simbolik
3. Pemikiran manusia dapat digunakan secara luas, sedangkan kecerdasan buatan sangat terbatas.

Komputasi Itelegensi Buatan dan Komputasi Konvensional

·         KOMPUTASI KONVENSIONAL
Teknik pembuatan Program AI sangat berbeda dengan teknik pemrograman menggunakan bahasa konvensional. Dalam software konvensional,kita memerintah komputer bagaimana menyelesaikan suatu masalah. Sebaliknya, dalam AI kita tidak memerintah komputer untuk menyelesaikan masalah, tetapi memeberitahu komputer tentang adanya masalah. Dalam komputasi konvensional, kita memberikan data kepada komputer dan program yang telah kita susun terlebih dahulu dengan langkah demi langkah memspesifikasikan cara data digunakan sampai komputer bisa memberikan solusi. Dalam komputasi AI, komputer mendapatkan pengetahuan tentang suatu wilayah subyek masalah tertentu dengan ditambah kemampuan inferensi. kita tidak memerintahkan komputer untukmemecahkan masalah tetapi sebaliknya komputer dan software-nya yang menentukan metode untuk mencapai suatu solusi.
program komputer konvensional didasarkan pada suatu algoritma yang disusun dengan jelas, rinci, serta langkah sampai pada hasil yang sudah ditentukan sebelumnya. program bisa berupa rumus matematika atau prosedur berurutan yang tersusun dengan jelas yang mengarah ke suatu solusi. algoritma tersebut kemudian dipindahkan ke dalam program komputer. daftar instruksi disusun berurutan untuk mengarahkan komputer agar bisa sampai pada hasil yang didinginkan. selanjutnya, algoritma bisa digunakan untuk mengolah data bilangan, huruf, atau kata lainnya.

·         KOMPUTASI AI
Sebaliknya, software AI tidak didasarkan pada algoritma, tetapi didadasarkan pada representasi dan manipulasi simbol. Didalam AI, sebuah simbol bisa merupakan huruf, kata, atau bilangan yang digunakan untuk menggambarkan objek, proses, dan huungannya. sumber bisa merupakan cetakan atau elektronik. objek bisa berupa orang, benda, ide, pikiran, peristiwa, atau pernyataan suatu fakta. Dengan menggunakan simbol, komputer bisa menciptakan suatu basis pengetahuan yang menyatakan fakta, pikiran, dan hubungannya satu sama lain. berbagai proses digunakan unutk memanipulasi simbol agar mampu memecahkan masalah. Pengolahannya bersifat kuantitatif, bukan kulaitatif seperti halnya komputasi yang didasarkan pada algoritma.

SEJARAH INTELEGENSI BUATAN

Teori-teori yang mengarah ke KB sudah muncul sejak tahun 1941. Berikut ini tahap-tahap sejarah perkembangan KB :

A. Era Komputer Elektronik (1941)

• Ditemukannya pertama kali alat penyim-panan dan pemprosesan informasi yang disebut komputer elektronik. Penemuan ini menjadi dasar pengembangan program yang mengarah ke KB.

B. Masa Persiapan KB (1943 – 1956)

• Tahun 1943, Warren McCulloch dan Walter Pitts 

mengemukakan tiga hal, yaitu :

a. pengetahuan fisiologi dasar dan fungsi sel syaraf dalam otak
b. analisis formal tentang logika proposisi (propositional logic)
c. teori komputasi Turing

• Tahun 1950, Norbert Wiener membuat penelitian mengenai prinsip-prinsip teori feedback. Contoh yang terkenal adalah thermostat. Penemuan ini juga merupakan awal dari perkembangan KB.
• Tahun 1956, John McCarthy meyakinkan Minsky, Claude Shannon dan Nathaniel Rochester untuk membantunya melakukan penelitian dalam bidang Automata, Jaringan Syaraf dan pembelajaran intelijensia. 

Mereka kerjakan projek ini selama dua tahun di Dartmouth. Hasilnya adalah program yang mampu berpikir non-numerik dan menyelesaikan masalah pemikiran yang dinamakan Principia Mathematica. Hal ini menjadikan McCarthy disebut sebagai ”Bapak Kecerdasan Buatan”.

Lingkup utama kecerdasan buatan:

1. 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
2. Pengolahan bahasa alami. Dengan pengolahan bahasa alami ini diharapkan user mampu berkomunikasi dengan komputer dengan menggunakan bahasa sehari-hari.
3. Pengenalan ucapan. Melalui pengenalan ucapan diharapkan manusia mampu berkomunikasi dengan komputer dengan menggunakan suara.
4. Robotika dan Sistem sensor
5. Computer vision, mencoba untuk dapat mengintrepetasikan gambar atau objek-objek tampak melalui komputer
6. Intelligent Computer aid Instruction. Komputer dapat digunakan sebagai tutor yang dapat melatih dan mengajar

SOOFT 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, robustness, dan biaya penyelesaiannya murah. Definisi ini pertama kali diungkapkan oleh Prof. Lotfi A. Zadeh pada tahun 1992.
Unsur Pokok dalam Soft Computing :
1. Sistem Fuzzy (mengakomodasi ketidaktepatan);
2. Jaringan Syaraf (menggunakan pembelajaran);
3. Probabilistic Reasoning (mengakomodasi ketidakpastian);
4. Evolutionary Computing (optimasi).

Karakteristik Soft Computing :
1. Soft computing memerlukan keahlian manusia, apabila direpresentasikan dalam bentuk aturan (IF – THEN).
2. Model komputasinya diilhami oleh proses biologis.
3. Soft computing merupakan teknik optimasi baru.
4. Soft computing menggunakan komputasi numeris.
5. Soft computing memiliki toleransi kegagalan (meskipun kualitasnya berangsur-angsur memburuk).

2.PENGENALAN INTELIGENT AGENT

Agent dan Lingkungannya
Agent adalah sesuatu yang dapat mengesan ( percieving ) lingkungan ( environment ) nya
melalui  sensors dan bertindak ( Acting ) terhadap lingkungan tersebut melalui actuators.
contoh agent dan lingkungannya :
-Manusia sebagai agent,Sensor nya ada pada mata , telinga , dan  sementara actuators ada pada tangan , kaki , mulut.
fungsi agent adalah pemenataan dari urutan persepsi menjadi tindakan ( Actions ). 

RASIONALITAS 

Agen rasional adalah untuk setiap deretan persepsi yang mungkin , sebuah agen rasional hendaklah memilih satu tindakan yang di harapkan memaksimalkan ukuran performancenya  dengan adanya bukti yang di berikan oleh deretan presepsi dan apapun pengetahuan terpasang yang di miliki agen itu.Sebuah agen haruslah mengarah kepada "lakukan hal yang benar" , berdasarkan kepada apa yang dapat di pahaminya dan tindakan yang dapat dilakukannya. Tindakan yang benar adalah tindakan yang akan menyebabkan agen tersebut paling berhasil.

Rasional tergantung pada 4 hal :

·         Kemampuan yang terukur,

·         Pengetahuan lingkungan sebelumnya/ terdahulu,

·         Tindakan,

·         Urutan persepsi (sensors).

PEAS 

·         PEAS : Perfomance measure , Environment , Actuators , Sensors 

·         Pertama-tama harus menentukan pengaturan untuk desain agen cerdas

·         Pertimbangkan Mis., tugas merancang supir taksi otomatis  

·         perfomance measure : Aman , cepat , legal , perjalanan menyenangkan , maksimumkan keuntungan 

·         Environment : jalan , trafik lain , pejalan kaki , pelanggan

·         actuators : kemudi , gas , rem , lampu sign , horn 

·         Sensors : kamera , sonar , speedometer , GPS , odometer , engine sensors , keyboard

Jenis-Jenis Lingkungan 

1.      Fully observable ( vs. partially obervable ): Sensor-Sensor Sebuah agen memberinya akses ke keadaan lengkap lingkungannya pada setiap jangka waktu.

• Determenistic( vs. stochastic ): Keadaan lingkungan berikutnya sepenuh di tentukan oleh keadaan sekarang dan tindakan yang di laksanakan oleh agen. ( jika lingkungan itu determenistik kecuali untuk tindakan agen-agen lain , maka lingkungannya adalah strategic )
• Episodic( vs.sequential ): Pengalamn agen dibagi kedalam "episode-episode"atomik ( setiap episode terdiri dari si agen memahami ( perceiving ) dan kemudian melaksanakan satu tindakan dan pilihan tindakan dalam tiap episode hanya tergantung pada episode itu sendiri.

STRUKTUR AGEN 

• Perilaku agen : tindakan yang di lakukan setelah di berikan sembarang sekuen persepsi
• Tugas Al adalah merancang program agen yang mengimplementasikan , fungsi agen yang memetakan persepsi ke tindakan 
• Diasumsikan program ini berjalan di beberapa alat komputasi yang di lengkapi sensors dan actuators ( di sebut arsitektur
•  Program yang di pilih harus sesuai dengan arsitektur tersebut.

 PROGRAM-PROGRAM AGEN

• Empat jenis dasar untuk menambah generalitas :
• Simple reflex agents
• model-based reflex agents
• goal-based agents
• utility-based agents

3.PENGENALAN LOGICAL AGENTS

Logic merupakan jantung dari program, para pemrogram mempunyai keyakinan bahwa sebuah computer dapat dibuat mengerti logika, maka computer dapat dibuat untuk berfikir, karena logika kelihatannya menjadi inti dari kecerdasan.

1.      Problem solving agent hanya bisa menyelesaikan masalah yang lingkungannya accessible

2.      Kita membutuhkan agen yang dapat menambah pengetahuan dan menyimpulkan keadaan

3.       Agent yang akan membantu seperti ini kita beri nama knowledge based agent

Knowledge based agent

Komponen utama dari knowledge based agent adalah knowledge basenya. Knowledge base (KB) adalah kumpulan representasi fakta tentang lingkungan atau dunia yang berhubungan atau menjadi daerah bekerjanya agen. Setiap representasi dalam KB disebut sebagai sebuah sentence yang diekspresikan dalam sebuah bahasa yakni knowledge representation language.

1.      Representasi Pengetahuan yang bersifat general.

2.       Kemampuan beradaptasi sesuai temuan fakta.

3.      Kemampuan menyimpulkan sesuatu dari pengetahuan yang sudah ada.

Logic Models

            Logic Models merupakan cara logis untuk membuat perencanaan yang mudah dievaluasi dan logis. Logic Models memberikan gambaran atas suatu program, yang berbentuk grafik dan tulisan yang menunjukan hubungan antara berbagai aktivitas dalam suatu program dengan hasil dan outcome yang akan dicapai. Logic Models dapat didefinisikan sebagai alat atau rerangka konsep yang membantu mengidentifikasi suatu program melalui perencanaan dengan analisis atas sumber daya (resources), proses dan aktivitas yang akan dilakukan (activities), Outputs yang ingin dicapai, orang yang menjadi sasaran program (Customers), dan Outcomes.
            Logic Models dapat digunakan untuk mengevaluasi hasil dari suatu program. Tahap pertama dalam mengimplementasi Logic Models terhadap suatu program adalah analisis mengenai How to do the Program. Suatu program akan menggunakan sumber daya tersentu, untuk melakukan suatu proses, yang menghasilkanoutput tertentu, sehingga customer dapat melakukan perubahan sesuai outcome yang ingin dituju. Dengan demikian, hasil dari suatu progam sesuai target.

4.METODE PENCARIAN DAN PELACAKAN 1

Pencarian adalah suatu proses mencari solusi dari suatu permasalahan melalui sekumpulan kemungkinan ruang keadaan (state space).
Pelacakan adalah teknik untuk pencarian. Didalam pencarian ada dua kemungkinan hasil yang didapat yaitu menemukan dan tidak menemukan. Sehingga pencarian merupakan teknik yang penting dalam AI. Hal penting dalam menentukan keberhasilan sistem berdasarkan kecerdasan adalah kesuksesan dalam pencarian dan pencocokan.

Metode pencarian buta (Blind Search):

·         Pencarian Melebar Pertama (Breadth-First Search)

1.      Semua node pada level n akan dikunjungi terlebih dahulu sebelum level n+1

2.      Mulai dari akar terus ke level 1 dari kiri ke kanan

3.      Kemudian ke level selanjutnya hingga solusi ditemukan

Keuntungan

Ø  Tidak akan menemui jalan buntu

Ø  Menjamin ditemukannya solusi (jika solusinya memang ada) dan solusi yang ditemukan pasti yang paling baik

Ø  Jika ada satu solusi maka bread-first search akan menemukannya

 Kelemahannya

Ø  Membutuhkan memori yang cukup banyak

Ø  Membutuhkan waktu yang cukup lama

2.      Pencarian mendalam pertama (Depth-First Search)
 Proses pencarian dilakukan pada semua anaknya sebelum dilakukan pencarian ke node-node yang selevel.
Keuntungan:
- Memori yang relatif kecil
-Secara kebetulan, akan menemukan solusi tanpa harus menguji lebih banyak lagi

Metode Pencarian Heuristik

            Metode heuristic search diharapkan bisa menyelesaikan permasalahan yang lebih besar.Metode heuristic search menggunakan suatu fungsi yang menghitung biaya perkiraan (estimasi) dari suatu simpul tertentu menuju ke simpul tujuan disebut fungsi heuristic.

1.      Pembangkit & Pengujian (Generate and Test)
Pada prinsipnya metode ini merupakan penggabungan antara depth-first search dengan pelacakan mundur (backtracking), yaitu bergerak ke belakang menuju pada suatu keadaan awal.

2.      Pendakian Bukit (Hill Climbing)
 Metode ini hampir sama dengan metode pembangkitan & pengujian, hanya saja proses pengujian dilakukan dengan menggunakan fungsi heuristik.Pembangkitan keadaan berikutnya sangat tergantung pada feedback dari prosedur pengetesan.Tes yang berupa fungsi heuristic ini akan menunjukkan seberapa baiknya nilai terkaan yang diambil terhadap keadaan-keadaan lainnya yang mungkin.

Sumber : 

https://rehulina.wordpress.com/2009/08/05/pengertian-kecerdasan-buatan/

http://nine-pro.blogspot.co.id/2015/01/kecerdasan-buatan-dan-kecerdasan-alami.html

https://ecoariel3.wordpress.com/2013/10/17/makalah-kecerdasan-buatan/

http://hadieswd.blogspot.co.id/2015/03/kecerdasan-buatan-intelligent-agents.html

https://aiukswkelasgkelompok7.wordpress.com/metode-pencarian-dan-pelacakan/

https://rinnooberta.wordpress.com/2013/10/18/2-logical-agents/