SISTEM BERBASIS PENGETAHUAN WAHYU PRATAMA, S.Kom., MMSI.
PERTEMUAN 1 SBP Pengenalan SBP (Bagian 1) Kecerdasan Buatan (Artificial Intelligent): Pengertian Kecerdasan Buatan. Area Kecerdasan Buatan. Pengenalan Terhadap Masalah dan Metode Pemecahannya. Teknik Pencarian Heuristik.
Kecerdasan Buatan John Mc Carthy (1956), Kecerdasan buatan (artificial intelligence) adalah memodelkan proses berpikir manusia dan mendesain mesin agar menirukan perilaku manusia. H. A. Simon (1987), Kecerdasan buatan (artificial intelligence) adalah tempat sebuah 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 (artificial intelligence) adalah sebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik oleh manusia. Encyclopedia Britannica, Kecerdasan buatan (artificial intelligence) adalah cabang dari ilmu komputer yang dalam merepresentasikan pengetahuan lebih banyak menggunakan bentuk simbol-simbol daripada bilangan dan memproses informasi berdasarkan metode heuristik atau dengan berdasarkan sejumlah aturan.
Kecerdasan Buatan selanjutnya Bagian Kecerdasan Buatan Input, Masalah, Pertanyaan, dll Knowledge Based Inference Engine Output, Solusi, Jawaban, dll Bagian utama yang dibutuhkan untuk aplikasi kecerdasan buatan adalah: Basis Pengetahuan (Knowledge Base), merupakan bagian yang berisi fakta-fakta, teori, pemikiran dan hubungan antara satu dengan lainnya. Motor Inferensi (Inference Engine), merupakan bagian yang memiliki kemampuan menarik kesimpulan berdasarkan pengalaman.
Kecerdasan Buatan selanjutnya Contoh Kecerdasan Buatan [1] [2] [3] [4]
Kecerdasan Buatan selanjutnya Perbedaan Kecerdasan Buatan dan Kecerdasan Alami 1. Bersifat permanen 2. Mudah diduplikasi 3. Lebih murah dan cepat 4. Konsisten 5. Dapat didokumentasi [5] 1. Lebih Kreatif 2. Penggunaan pengalaman 3. Digunakan secara luas
Area Kecerdasan Buatan Vision Expert System Robotic Natural Language Speech Smart System Understanding
Pengenalan Terhadap Masalah dan Metode Pemecahannya Natural Language Processing (NLP), mempelajari bagaimana bahasa alami itu diolah sedemikian hingga pengguna dapat berkomunikasi dengan komputer. Konsentrasi ilmu ini adalah interaksi antara komputer dengan bahasa natural yang digunakan manusia. Contoh dari penerapan NLP adalah asisten komputer pribadi. Computer Vision, cabang ilmu ini erat kaitannya dengan pembangunan arti/makna dari image ke objek secara fisik. Kebutuhan objek didalamnya adalah metode-metode untuk memperoleh, melakukan proses, menganalisis dan memahami image. Contoh penerapan dari computer vision adalah alat pendeteksi wajah. Robotic and Navigation System, bidang ilmu ini yang mempelajari bagaimana merancang robot yang berguna bagi industri dan mampu membantu manusia, bahkan yang nantinya bisa menggantikan fungsi manusia. Robot mampu melakukan beberapa tugas dengan berinteraksi dengan lingkungan sekitar dan untuk melakukan hal tersebut, robot diperlengkapi dengan actuator seperti lengan, roda, kaki, dll. Contoh penerapan dari robotic and navigation system adalah smart car.
Teknik Pencarian Heuristik Heuristik adalah sebuah teknik yang mengembangkan efisiensi dalam proses pencarian, namun dengan kemungkinan mengorbankan kelengkapan (completeness). Fungsi heuristik digunakan untuk mengevaluasi keadaan-keadaan masalah individual dan menentukan seberapa jauh hal tersebut dapat digunakan untuk mendapatkan solusi yang diinginkan. Jenis-jenis pencarian heuristik dapat berupa: Generate and Test Hill Climbing Best-First Search Problem Reduction Constraint Satisfaction Means-End Analysis
Teknik Pencarian Heuristik selanjutnya Generate and Testing, metode ini merupakan penggabungan antara depth-first search dengan pelacakan mundur (backtracking), yaitu bergerak ke belakang menuju pada suatu keadaan awal. Algoritma: Bangkitkan suatu kemungkinan solusi (membangkitkan suatu titik tertentu atau lintasan tertentu dari keadaan awal). Uji untuk melihat apakah node tersebut benar-benar merupakan solusinya dengan cara membandingkan node tersebut atau node akhir dari suatu lintasan yang dipilih dengan kumpulan tujuan yang diharapkan. Jika solusi ditemukan, maka selesai. Jika tidak, ulangi kembali langkah pertama. Contoh : Travelling Salesman Problem (TSP) Seorang salesman ingin mengunjungi n kota dengan jarak antara setiap kota sudah diketahui. Salesman tersebut ingin mengetahui rute terpendek untuk mengunjungi seluruh n kota dimana setiap kota hanya boleh dikunjungi tepat hanya satu kali.
Teknik Pencarian Heuristik selanjutnya Sebagai contoh terdapat n kota dengan jarak antara setiap kota sebagai berikut: A 8 3 4 B 7 5 D C 6 n = 4 kota (A, B, C, D) A B C D B C D C D B D C B D C D B B C
Teknik Pencarian Heuristik selanjutnya Alur Pencarian dengan Generate and Test Langkah-langkah pencarian rute terpendek sebagai berikut: Tentukan jumlah alternatif rute yang mungkin dilalui oleh salesman. Hitunglah jumlah bobot masing-masing rute tersebut. Dari hasil perhitungan bobot masing-masing rute, carilah rute terpendek sebagai hasil keputusan salesman untuk mengunjungi seluruh kota.
Teknik Pencarian Heuristik selanjutnya Alur Pencarian dengan Generate and Test Pencarian ke- Rute Panjang Rute Rute Terpilih Panjang Rute Terpilih 1 A-B-C-D 19 A-B-C-D 19 2 A-B-D-C 18 A-B-D-C 18 3 A-C-B-D 12 A-C-B-D 12 4 A-C-D-B 13 A-C-B-D 12 5 A-D-C-B 18 A-C-B-D 12 6 A-D-B-C 16 A-C-B-D 12 7 B-A-C-D 17 A-C-B-D 12 8 B-A-D-C 21 A-C-B-D 12 9 B-C-A-D 15 A-C-B-D 12 10 B-C-D-A 18 A-C-B-D 12
Teknik Pencarian Heuristik selanjutnya Alur Pencarian dengan Generate and Test Pencarian ke- Rute Panjang Rute Rute Terpilih Panjang Rute Terpilih 11 B-D-A-C 14 A-C-B-D 12 12 B-D-C-A 13 A-C-B-D 12 13 C-A-B-D 15 A-C-B-D 12 14 C-A-D-B 14 A-C-B-D 12 15 C-B-A-D 20 A-C-B-D 12 16 C-B-D-A 16 A-C-B-D 12 17 C-D-A-B 21 A-C-B-D 12 18 C-D-B-A 18 A-C-B-D 12 19 D-A-B-C 20 A-C-B-D 12 20 D-A-C-B 15 A-C-B-D 12
Teknik Pencarian Heuristik selanjutnya Alur Pencarian dengan Generate and Test Pencarian ke- Rute Panjang Rute Rute Terpilih Panjang Rute Terpilih 24 D-B-A-C 15 A-C-B-D 12 22 D-B-C-A 12 A-C-B-D/D-B-C-A 12 23 D-C-A-B 17 A-C-B-D/D-B-C-A 12 24 D-C-B-A 19 A-C-B-D/D-B-C-A 12 Hasil dengan Generate and Test terdapat dua rute alternatif sebagai berikut: A-C-B-D sebanyak 12 poin D-B-C-A sebanyak 12 poin Rute terpendek berbobot 12, yaitu rute A-C-B-D atau D-B-C-A.
Referensi Materi Perkuliahan Kecerdasan Buatan https://bit.ly/2nbvqq8 Materi Perkuliahan Teknik Pencarian Heuristik https://bit.ly/2nvforo Gambar [1] https://bit.ly/2xpndhp Gambar [2] https://bit.ly/2npf4gs Gambar [3] https://bit.ly/2dkam62 Gambar [4] https://bit.ly/2oq0pu7 Gambar [5] https://bit.ly/2xx27g3