SATUAN ACARA PERKULIAHAN SISTEM CERDAS

PENGENALAN INTELEGENSI BUATAN

1.1 PENGENALAN INTELEGENSI 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. Dengan suatu pendekatan yang kurang lebih fleksibel dan efisien dapat diambil tergantung dari keperluan, yang mempengaruhi bagaimana wujud dari perilaku kecerdasan buatan.

1.2 INTELEGENSI BUATAN DAN INTELEGENSI ALAMI

         Keuntungan Intelegensi Buatan :

1. Intelegensi buatan lebih bersifat permanen. Intelegensi alami akan cepat mengalami perubahan. Hal ini dimungkinkan karena sifat manusia yang pelupa. Intelegensi buatan tidak akan berubah sepanjang sistem komputer dan program tidak mengubahnya.
2. Intelegensi buatan lebih mudah diduplikasi dan disebarkan. Mentransfer pengetahuan manusia dari satu orang ke orang lain butuh proses dan waktu lama. Disamping itu suatu keahlian tidak akan pernah bisa diduplikasi secara lengkap. Sedangkan jika pengetahuan terletak pada suatu sistem komputer, pengetahuan tersebuat dapat ditransfer atau disalin dengan mudah dan cepat dari satu komputer ke komputer lain
3. Intelegensi 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 yang sangat lama.
4. Intelegensi buatan bersifat konsisten. Hal ini disebabkan karena intelegensi buatan adalah bagian dari teknologi komputer. Sedangkan intelegensi alami senantiasa berubah-ubah.
5. Intelegensi buatan dapat didokumentasikan. Keputusan yang dibuat komputer dapat didokumentasikan dengan mudah dengan melacak setiap aktivitas dari sistem tersebut. Intelegensi alami sangat sulit untuk direproduksi.
6. Intelegensi buatan dapat mengerjakan pekerjaan lebih cepat dibanding dengan intelegensi alami
7. Intelegensi buatan dapat mengerjakan pekerjaan lebih baik dibanding dengan intelegensi alami.

Keuntungan intelegensi alami:

1. Kreatif. Kemampuan untuk menambah ataupun memenuhi pengetahuan itu sangat melekat pada jiwa manusia. Pada intelegensi buatan, untuk menambah pengetahuan harus dilakukan melalui sistem yang dibangun
2. Intelegensi alami memungkinkan orang untuk menggunakan pengalaman secara langsung. Sedangkan pada intelegensi buatan harus bekerja dengan input-input simbolik
3. Pemikiran manusia dapat digunakan secara luas, sedangkan intelegensi buatan sangat terbatas.

1.3 KOMPUTASI INTELEGENSI 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.  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. 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. 

1.4 SEJARAH INTELEGENSI BUATAN

            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”.

C. Awal Perkembangan Kecerdasan Buatan (1956 – 1969)

• diawali dengan kesuksesan Newell dan Simon dengan sebuah program yang disebut ”General Prbolem Solver”. Program ini dirancang untuk memulai penyelesaian masalah secara manusiawi. 
• tahun 1958, McCarthy mendefenisikan bahasa pemrograman tingkat tinggi, yaitu LISP, yang sekarang mendominasi pembuatan program-program kecerdasan buatan. 
• McCarthy membuat program yang dinamakan programs with Common Sense. Di dalam program tersebut, dibuat rancangan untuk menggunakan pengetahu-an dalam mencari solusi.
• Tahun 1959, Nathaniel Rochester dari IBM dan mahasiswa-mahasiswanya mengeluarkan program, kecerdasan buatan, yaitu geometry Theorm Prover. Program ini dapat membuktikan suatu teorema menggunakan axioma-axioma yang ada. 
• Tahun 1963, program yang dibuat James Slagle mampu menyelesaikan masalah integral untuk mata kuliah kalkulus. 
• Tahun 1968, program analogi buatan Tom Evan menyelesaikan masalah analogi geometris yang ada pada tes IQ.

D. Sistem Berbasis Pengetahuan (1969 – 1979)

     Pengetahuan adalah kekuatan pendukung KB. Hal ini dibuktikan dengan program yang dibuat oleh Ed Feigenbaum, Bruce Buchanan dan Joshua Lederberg yang membuat program untuk memecahkan masalah struktur molekul dari informasi yang didapatkan dari spectometer massa.

Program ini dinamakan Dendral Programs yang berfokus pada segi pengetahuan kimia. Dari segi diagnosa medis juga sudah ada yang menemukannya, yaitu Saul Amarel dalam proyek Computer in Biomedicine. Proyek ini diawali dengan keinginan untuk mendapatkan diagnosa penyakit berdasarkan pengetahuan yang ada pada mekanisme penyebab proses penyakit.

E. KB menjadi sebuah industri (1980 – 1988)

• Industrialisasi KB diawali dengan ditemukannya ”sistem pakar” (expert system) yang dinamakan R1 yang mampu mengonfigurasi sistem-sistem komputer baru. Program tersebut mulai dioperasikan di Digital Equipment Corporation (DEC), McDermot tahun 1982. 
• Tahun 1986, program tersebut mampu menghemat biaya US$ 40 juta /tahun. 
• Tahun 1988, Kelompok KB di DEC menjalankan 40 sistem pakar.
• Booming KB ini juga melibatkan perusahaan-perusahaan besar seperti Carnegie Group, Inference, Intellicorp dan Technoledge yang menawarkan software tools untuk membangun sistem pakar. 
• Perusahaan Hardware seperti LISP Machines Inc, Texas Instruments, Symbolics dan Xerox juga turut berperan dalam membangun workstation yang dioptimasi untuk pembangunan LISP.

F. Era Kembalinya Jaringan Syaraf Tiruan (1986 – Sekarang)

• Para ahli fisika seperti Hopfield (1982) menggunakan teknik-teknik mekanika statistika untuk menganalisa sifat-sifat penyimpanan dan optimasi pada jaringan syaraf. 
• Para ahli psikologi, David Rumelhart dan Geoff Hinton, melanjutkan penelitian mengenai model jaringan syaraf pada memori. 
• Pada tahun 1985-an, sedikitnya empat kelompok riset menemukan kembali algoritma belajar propagasi balik (Back-Propagation learning). Algoritma ini berhasil diimplementasikan ke dalam ilmu komputer dan psikologi.

 1.5 LINGKUP INTELEGENSI BUATAN

          Ruang Lingkup Kecerdasan Buatan Dalam kehidupan manusia sehari-hari, kecerdasan buatan dapat membantu dalam berbagai bidang sebagai berikut : 

1. Bidang komunikasi : Komputer dapat menuliskan secara otomatis apa yang  diucapkan pengguna.
2. Bidang Kesehatan : USG untuk mengetahui kondisi janin yang ada di dalam kandungan ibu hamil,  Sistem pakar untuk mendiagnosa suatu penyakit, untuk melakukan stimulasi atau treatment pada pasien.
3. Bidang Lalu Lintas Udara : komputer digunakan untuk mengatur signal lalu l;intas penerbangan diudara, memantau radar.
4. Bidang Pertanian: komputer digunakan untuk mengontrol mesin panen secara otomatis, penyiraman tanaman otomatis dengan jangka waktu yg telah ditentukan oleh user, mesin pembasmi hama secara otomatis.
5. Pabrik : mengontrol robot yang harus melakukan pekerjaan yang berbahaya jika dilakukan oleh manusia, pekerjaan yang sangat membosankan, memerlukan ketelitian tinggi, pengawasan dan maintenance.

   1.6 SOFT COMPUTING 

Soft Computing adalah 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.

Bagian-bagian dari Soft Computing sendiri adalah :
1. Fuzzy Logic
2. Neural Networks
3. Probabilistic Reasoning

Fuzzy Logic
Fuzzy Logic merupakan 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.

Neural Networks
Kompleksnya pikiran manusia juga merupakan masa depan dari komputer yang menggunakan Soft Computing. Neural Networks adalah 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.

Probabilistic Reasoning
Probabilistic Reasoning adalah 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.

     Banyak contoh-contoh riset yang sekarang mulai mengimplementasikan Soft Computing, seperti AC yang hanya hidup ketika AC tersebut merasakan adanya panas dari sensornya, dan TV yang menggunakan "Eye Recognition" dimana TV tersebut akan Shut Down otomatis ketika yang menonton TV sudah memejamkan mata dan tertangkap sensor TV.

1.7 DEFINISI MASALAH DAN RUANG MASALAH

Secara umum, untuk mendeskripsikan masalah dengan baik, hendaknya:

1. Mendefenisikan suatu ruang keadaan
2. Menetapkan satu atau lebih keadaan awal
3. Menetapkan satu atau lebih tujuan
4. Menetapkan kumpulan aturan

Cara Merepresentasikan Ruang Keadaan
Graph Keadaan : terdiri dari node-node yang menunjukkan keadaan yaitu keadaan awal dan keadaan baru yang akan dicapai dengan menggunakan operator.

Graph Keadaan
[inspic=15,,fullscreen,0]

Pohon Pelacakan

Struktur Pohon digunakan untuk menggambarkan keadaan secara hirarkis. Terdiri atas beberapa node yang terbagi dalam beberapa level.
[inspic=13,,fullscreen,0]

Pohon AND/OR
Pohon AND/OR digunakan untuk memperpendek level pencapaian tujuan.

Contoh : Masalah Teko Air
Ada dua buah teko masing-masing berkapasitas 4 galon (Teko A) dan 3 galon (Teko B). Tidak ada tanda yang menunjukkan batas ukuran pada kedua teko tersebut. Ada sebuah pompa air yang akan digunakan untuk mengisikan air pada kedua teko tersebut. Permasalahan: Bagaimana kita dapat mengisikan tepat 2 galon air ke dalam teko yang berkapasitas 4 galon?

Solusi Teko Air

Isi Teko B sampai penuh

Tuang isi teko B ke dalam teko A

Isi teko B sampai penuh

Tuang isi teko B sampai teko A penuh

Tumpahkan semua isi teko A

Pindahkan isi teko B ke teko A

PENGENALAN INTELLIGENT AGENTS

2.1 AGEN DAN LINGKUNGANNYA

         Agent adalah faktor yang menyebabkan penyakit. Diabetes mellitus bukan penyakit menular yang disebabkan oleh satu agent yang pasti. Kejadian diabetes mellitus lebih tinggi dialami oleh individu yang berasal dari kondisi sosial ekonomi yang baik. Hal ini kemungkinan dikaitkan juga dengan obesitas yang terjadi karena ketidakseimbangan gizi. Prevalensi yang tinggi juga ditunjukkan oleh penderita wanita dari pada pria, dan komplikasi lebih sering terjadi pada penderita usia dewasa dari pada anak – anak.

2.2 RASIONALITAS

    Rasionalitas merupakan konsep normatif yang mengacu pada kesesuaian keyakinan seseorang dengan alasan seseorang untuk percaya, atau tindakan seseorang dengan alasan seseorang untuk bertindak. Namun, istilah "rasionalitas" cenderung digunakan secara berbeda dalam berbagai disiplin ilmu, termasuk diskusi khusus ekonomi, sosiologi, psikologi, biologi evolusioner dan ilmu politik.

       

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

     PEAS adalah singkatan dari Performance Measure, Environment, Actuators, dan Sensor. Dimana harus dispesifikasikan terlebih dahulu mengenai rancangan intelligent agent.

Misalkan untuk task yang didesain untuk agent pengemudi taksi otomatis:
Performance Measure: Aman, Cepat, Legal, Perjalanan yang nyaman, Keuntungan Maksimal
Environment : Jalan, Lalu lintas kendaraan lain, Pejalan kaki, Pelanggan
Actuators: Setir, Akselerator, Rem, Lampu Sinyal, Klakson
Sensors: Kamera, Sonar, Spedometer, GPS, odometer, sensor mesin, keyboard

2.4 TIPE-TIPE LINGKUNGAN AGEN

      Agen sosialisasi  berikutnya adalah pendidikan formal atau sekolah. Disini seseorang akan mempelajari hal baru yang tidak diajarkan di dalam keluarga, maupun kelompok sepermainannya. Sekolah memepersiapkannya untuk peran-peran baru dimasa mendatang, saat ia tidak tergantung lagi pada orang tua. Di lingkungan rumah seorang anak mengharapkan bantuan dari orang tuanya dalam melaksanakan berbagai pekerjaan, tetapi di sekolah sebagian besar tugas sekolah harus dilakukan sendiri dengan penuh rasa tanggung jawab.

2.5 TIPE-TIPE AGEN

• Utility‐based agents 
• Learning‐based Agent
• Simple reflex agents Berdasarkan pada percept terakhir saja
• Model‐based agents Memiliki representasi internal mengenai keadaan lingkungan
• Goal‐based agents Memiliki informasi mengenai tujuan, memilih tindakan yang mengarah ke tujuan

PENGENALAN LOGICAL AGENTS

3.1 KNOWLEDGE-BASED AGENTS

1.  Agen cerdas adalah kode program yang mampu melakukan tindakan otonom secara tepat waktu.
2.  Mereka dapat menunjukkan tujuan diarahkan perilaku dengan mengambil inisiatif.
3. Mereka dapat diprogram untuk berinteraksi dengan agen lain atau manusia dengan menggunakan beberapa bahasa komunikasi agen.

     3.2 WUMPUS WORLD

           Wumpus merupakan seekor monster yang tinggal di sebuah gua yang terbagi menjadi 16 ruangan. Wumpus dapat mengeluarkan bau busuk (stench). Wumpus akan menjerit dan mati jika terkena panah. Di dalam gua terdapat 3 lubang mematikan (Pit) yang mengeluarkan angin (breeze) yang terasa sampai ruangan-ruangan di sekitarnya.

     3.3 LOGIC IN GENERAL-MODELS AND ENTAILMENT

           Konsekuensi logis (juga entailment) adalah salah satu konsep yang paling mendasar dalam logika. Ini adalah hubungan antara pernyataan yang berlaku ketika salah satu secara logis "berikut dari" satu atau lebih orang lain. Sebuah argumen yang logis yang valid adalah satu di mana kesimpulan mengikuti dari tempat yang, dan kesimpulannya merupakan konsekuensi dari bangunan.

METODE PENCARIAN DAN PELACAKAN 1

   4.1 METODE PENCARIAN BUTA (BLIND SEARCH)

          4.1.1 BREADTH FIRST SEARCH

          Breadth-first search adalah algoritma yang melakukan pencarian secara melebar yang mengunjungi simpul secara preorder yaitu mengunjungi suatu simpul kemudian mengunjungi semua simpul yang bertetangga dengan simpul tersebut terlebih dahulu. Selanjutnya, simpul yang belum dikunjungi dan bertetangga dengan simpulsimpul yang tadi dikunjungi , demikian seterusnya. Jika graf berbentuk pohon berakar, maka semua simpul pada aras d dikunjungi lebih dahulu sebelum simpul-simpul pad arasd+1.

         4.1.2 DEPTH FIRST SEARCH

            Depth-first search (DFS) adalah algoritma untuk melintasi atau mencari sebuahpohon , struktur pohon , atau grafik Satu dimulai pada akar (memilih beberapa node sebagai root dalam kasus grafik) dan mengeksplorasi sejauh mungkin sepanjang masing-masing cabang sebelum mundur .

4.2 METODE PENCARIAN HEURISTIK

        4.2.1 GENERATE AND TEST

     

             Generate and Test adalah Teknik penyelesaian masalah dengan komputer dengan cara menyusun daftar penyelesaian yang mungkin dan menguji satu per satu untuk menentukan solusi yang tepat

 4.2.2  Hill Climbing

Dalam ilmu komputer , mendaki bukit adalah optimasi matematika teknik yang dimiliki oleh keluarga pencarian lokal . Meskipun algoritma yang lebih maju bisa memberikan hasil yang lebih baik, dalam beberapa situasi mendaki bukit bekerja sama dengan baik.

Mendaki bukit dapat digunakan untuk memecahkan masalah-masalah yang banyak solusi, beberapa yang lebih baik daripada yang lain.

     

https://rehulina.wordpress.com/2009/08/05/pengertian-kecerdasan-buatan/
http://sigitprabowoo.blogspot.co.id/2013/01/kecerdasan-buatan-sejarah-kecerdasan.html
http://syahrulzzadie.blogspot.co.id/2014/10/pengertian-soft-computing.html
http://blog.wardany.net/2007/08/10/masalah-ruang-keadaan-dan-pencarian/
http://denyidung.blogspot.co.id/