(ARTIFICIAL INTELLIGENCE)
A. Dasar
Artificial Intelligence
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.
'Kecerdasan buatan' ini bukan hanya
ingin mengerti apa itu sistem kecerdasan, tapi juga mengkonstruksinya.
Tidak ada definisi yang memuaskan
untuk 'kecerdasan':
a.
Kecerdasan: kemampuan untuk memperoleh pengetahuan dan menggunakannya, atau
b.
atau kecerdasan yaitu apa yang diukur oleh sebuah Test Kecerdasan.
Kecerdasan Buatan adalah salah satu
cabang Ilmu pengetahuan yang 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.
Untuk itu AI akan mencoba untuk
memberikan beberapa metoda untuk membekali komputer dengan kedua komponen
tersebut agar komputer bisa menjadi mesin pintar.
1.
Sejarah Kecerdasan Buatan
Kecerdasan buatan merupakan bidang
ilmu komputer yang sangat penting di era kini dan masa yang akan datang untuk
mewujudkan sistem komputer yang cerdas. Bidang ini telah berkembang
sangat pesat di 20 tahun terakhir seiring dengan kebutuhan perangkat cerdas
pada industry dan rumah tangga.
Kata “intelligence” berasal dari
bahasa Latin “intelligo” yang berarti “saya paham”. Berarti dasar dari
intelligence ialah kemampuan untuk memahami dan melakukan aksi.
Sebenarnya, area Kecerdasan Buatan (Artificial Intelligence) atau disingkat
dengan AI, bermula dari kemunculan komputer sekitar th 1940-an, meskipun
sejarah perkembangannya dapat dilacak sejak zaman Mesir kuno. Pada masa ini,
perhatian difokuskan pada kemampuan komputer mengerjakan sesuatu yang dapat
dilakukan oleh manusia. Dalam hal ini, komputer tersebut dapat meniru
kemampuan kecerdasan dan perilaku manusia.
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.
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 di mana kendaraan dikemudikan sendiri tanpa komunikasi dengan manusia,
menggunakan GPS, komputer dan susunan sensor yang canggih, melintasi beberapa
ratus mil daerah gurun yang menantang.
Sejarah Penting Pengembangan
Bidang Kecerdasan Buatan
No.
Tahun
Deskripsi
1.
1206 Robot humanoid pertama karya
Al-Jazari
2. 1796
Boneka penuang the dari jepang bernama Karakuri
3. 1941
Komputer elektronik pertama
4. 1949
Komputer dengna program tersimpan pertama
5. 1956
Kelahiran dari Artificial Intelligence pada Dartmouth conference
6. 1958
Bahasa LISP dibuat
7. 1963
Penelitian intensif departemen pertahanan Amerika
8. 1970
Sisem pakaer pertama diperkenalkan secara luas
9. 1972
Bahasa Prolog diciptakan
10. 1986
Perangkat berbasis AI dijual luas mencapai $425 juta
11. 1994
AC berbasis Neuro fuzzy dijual
12. 2010
Sistem kecerdasan buatan untuk Pesawat komersial BOEING 900-ER ramai digunakan
13. 2011
Service Robot untuk restoran berhasil dibuat di Indonesia
14. 2012
Sistem Pakar Troubleshooting Komputer berbasis Fuzzy dan Self Learning
15.
2012 Sistem immune pada Deteksi spam
diciptakan
Saat ini, hampir semua perangkat
komputer dan perangkat elektronika canggih menerapkan kecerdasan buatan untuk
membuat sistem lebih handal. Di masa yang akan datang, diperkirakan semua
perangkat elektronika dan komputer menjadi jauh lebih cerdas karena telah
ditanamkan berbagai metode kecerdasan buatan.
2.
Kecerdasan
Dari kamus, arti kecerdasan adalah:
kemampuan untuk mengerti/memahami (The faculty of understanding). Perilaku
cerdas dapat ditandai dengan:
a.
Belajar atau mengerti dari pengalaman
b.
Memecahkan hal yang bersifat mendua atau kontradiktif
c.
Merespon situasi baru dengan cepat (fleksibel)
Sebuah ujian yang dapat dilakukan
untuk menentukan apakah sebuah komputer/ mesin menunjukkan perilaku cerdas
didesain oleh Alan Turing. Tes Turing menyatakan sebuah mesin dikatakan pintar
hanya apabila seorang pewawancara (manusia) yang berbicara dengan orang lain
dan mesin yang dua-duanya tidak terlihat olehnya, tidak mampu menentukan mana
yang manusia dan mana yang mesin, meskipun dia telah berulang-ulang melontarkan
pertanyaan yang sama.
B.
Perbandingan Kecerdasan Buatan dengan Kecerdasan Manusia
Menurut Kaplan, diutarakan oleh
Turban, McLean dan Wetherbe tahun 1999, pada halam 478, AI atau Artificial
Intelligence mempunyai beberapa kelebihan dibandingkan dengan kecerdasan alami
(Kecerdaran Manusia). Kelebihan tersebut dipaparkan sebagai berikut:
1. AI Lebih bersifat Permanen
Berbeda dengan AI, kecerdasan Alami
yang dipunyai oleh seseorang tidak dapat disimpan. Ketika orang tersebut pindah
kerja, pengetahuan yang dimilikinya ikut terbawa. AI lebih bersifat Permanen
karena tetap ada sepanjang sistem komputer dan program masih terpelihara.
2.
AI Menawarkan Kemudahan untuk digandakan dan disebarkan
Pemindahan pengetahuan dari satu
orang ke orang lain memerlukan waktu yang panjang dan bahkan mungkin
pengetahuan itu tidak dapat diduplikasi secara lengkap. Adapun pengetahuan
dalam sistem komputer mudah sekali untuk disalin dan dipidahkan ke sistem lain.
3. AI
dapat lebih murah daripada kecerdasan alami
Telah banyak dibuktikan bahwa biaya
membeli jasa dengan komputer lebih murah daripada biaya untuk membiayai manusia
yang melaksanakan tugas yang sama.
C. Bidang-bidang
Aplikasi AI
1.
Pengolahan Bahasa Alami
Natural Language Processing atau
Pemrosesan Bahasa Alami merupakan salah satu tujuan jangka panjang dari
Artficial Intelegence(kecerdasan buatan) yaitu pembuatan program yang memiliki
kemampuan untuk memahami bahasa manusia.
Pada prinsipnya bahasa alami adalah
suatu bentuk representasi dari suatu pesan yang ingin dikomunikasikan antar
manusia. Bentuk utama representasinya adalah berupa suara/ucapan (spoken
language), tetapi sering pula dinyatakan dalam bentuk tulisan.
Inti dari pemrosesan bahasa alami
adalah penguraian kalimat atau sering disebut dengan parser. Parser berfungsi
untuk membaca kalimat, kata demi kata dan menentukan jenis kata apa saja yang
boleh mengikuti kata tersebut.
Dalam pemahaman suatu bahasa ada
beberapa bidang yang harus disertakan yaitu morfologi, sintaksis, semantik,
pragmatik, fonologi, dan pengetahuan tentang dunia sekitar.
Komponen Utama Bahasa Alami
Pengolahan bahasa alami terdiri dari
dua bagian utama, yaitu : parser, sistem representasi pengetahuan dan
pengolahan output.
a.Parser
Suatu sistem yang mengambil kalimat
input bahasa alami dan menguraikannya ke dalam beberapa bagian gramatikal (kata
benda, kata kerja, kata sifat, dan lain-lain).
b.Sistem Representasi Pengetahuan
Suatu sistem yang menganalisis
output parser untuk menentukan maknanya.
c.Output Translator
Suatu terjemahan yang
merepresentasikan sistem pengetahuan dan melakukan langkah- langkah yang bisa
berupa jawaban atas bahasa alami atau output khusus yang sesuai dengan program
komputer lainnya.
c.1 Kategori Aplikasi Pengolahan
Bahasa Alami
Teknologi Natural Language
Processing (NLP) atau Pemrosesan Bahasa Alami adalah teknologi yang
memungkinkan untuk melakukan berbagai macam pemrosesan terhadap bahasa alami
yang biasa digunakan oleh manusia. Sistem ini biasanya mempunyai masukan dan keluaram
berupa bahasa tulisan (teks). NLP mempunyai aplikasi yang sangat luas. Beberapa
diantara berbagai kategori aplikasi NLP adalah sebagai berikut:
c.1.1 Natural Language
Translator, yaitu translator dari satu bahasa alami ke bahasa alami lainnya, misalnya
translator bahasa Inggris ke bahasa Indonesia, Bahasa Indonesia ke Bahasa Jawa
dan sebagainya. Translator bahasa alami bukan hanya kamus yang menerjemahkan
kata per kata, tetapi harus juga mentranslasikan sintaks dari bahasa asal ke
bahasa tujuannya.
c.1.2 Translator bahasa alami ke
bahasa buatan, yaitu translator yang mengubah perintah-perintah dalam bahasa
alami menjadi bahasa buatan yang dapat dieksekusi oleh mesin atau komputer.
Sebagai contoh, translator yang memungkinkan kita memberikan perintah bahasa
alami kepada komputer. Dengansistem seperti ini, pengguna sistem dapat
memberikan perintah dengan bahasa sehari-hari, misalnya, untuk menghapus semua
file, pengguna cukup memberikan perintah ”komputer, tolong hapus semua file !”
Translator akan mentranslasikan perintah bahasa alami tersebut menjadi perintah
bahasa formal yang dipahami oleh komputer, yaitu ”dir *.* ”.
c.1.3 Text Summarization, yaitu
suatu sistem yang dapat ”membuat ringkasan” hal-hal yang penting dari suatu
wacana yang diberikan.
Dalam dunia kecerdasan buatan
pengolahan bahasa alami merupakan aplikasi terbesar setelah sistem pakar.
Banyak para ahli Artificial Intelligence berpendapat bahwa bidang yang penting
yang dapat dipecahkan oleh Artificial Intelligence adalah Natural Language Processing
(Pengolahan Bahasa Alami).
2.
Visi Komputer
Contoh bidang lain pengembangan
kecerdasan buatan adalah Penerapan Computer Vision. Visi komputer adalah ilmu
dan teknologi mesin yang melihat, di mana dalam hal ini berarti bahwa mesin
mampu mengekstrak informasi dari gambar yang diperlukan untuk menyelesaikan
tugas tertentu. Visi komputer berkaitan dengan teoridi balik sistem buatan
bahwa ekstrak informasi dari gambar. Data gambar dapat mengambil banyak bentuk,
seperti urutan video, pandangan dari beberapa kamera, atau data multi-dimensi
dari scanner medis.
Contoh aplikasi dari visi komputer
mencakup sistem untuk :
•
Pengendalian proses (misalnya, sebuah robot industri atau kendaraan otonom).
• Mendeteksi peristiwa (misalnya,
untuk pengawasan visual atau orang
menghitung).
• Mengorganisir informasi
(misalnya, untuk pengindeksan database foto dan gambar urutan).
• Modeling benda atau
lingkungan (misalnya, inspeksi industri, analisis citra medis atau model
topografi).
• Interaksi (misalnya, sebagai
input ke perangkat untuk interaksi komputer-manusia).
Begitu banyak hasil kajian Computer
Vision yang ada selama ini. Hal itu mendatangkan banyak manfaat untuk
kepentingan manusia. Diantaranya terletak pada bidang militer)
2.
SISTEM PAKAR
Secara umum, sistem pakar adalah
sistem yang berusaha mengadopsi pengetahuan manusia ke komputer yang dirancang
untuk memodelkan kemampuan menyelesaikan masalah seperti layaknya seorang
pakar. Dengan sistem pakar ini, orang awam pun dapat menyelesaikan masalahnya
atau hanya sekedar mencari suatu informasi berkualitas yang sebenarnya hanya
dapat diperoleh dengan bantuan para ahli di bidangnya. Sistem pakar ini juga
akan dapat membantu aktivitas para pakar sebagai asisten yang berpengalaman dan
mempunyai asisten yang berpengalaman dan mempunyai pengetahuan yang dibutuhkan.
Dalam penyusunannya, sistem pakar mengkombinasikan kaidah-kaidah penarikan
kesimpulan (inference rules) dengan basis pengetahuan tertentu yang diberikan
oleh satu atau lebih pakar dalam bidang tertentu. Kombinasi dari kedua hal
tersebut disimpan dalam komputer, yang selanjutnya digunakan dalam proses
pengambilan keputusan untuk penyelesaian masalah tertentu.
Ciri-Ciri Sistem Pakar
Sistem pakar yang baik harus
memenuhi ciri-ciri sebagai berikut :
• Memiliki informasi yang handal.
• Mudah dimodifikasi.
• Dapat digunakan dalam berbagai
jenis komputer.
• Memiliki kemampuan untuk belajar
beradaptasi.
Keuntungan Sistem Pakar
Secara garis besar, banyak manfaat
yang dapat diambil dengan adanya sistem pakar, antara lain :
1. Memungkinkan orang awam bisa
mengerjakan pekerjaan para ahli.
2. Bisa melakukan proses secara
berulang secara otomatis.
3. Menyimpan pengetahuan dan
keahlian para pakar.
4. Meningkatkan output dan
produktivitas.
5. Meningkatkan kualitas.
6. Mampu mengambil dan melestarikan
keahlian para pakar (terutama yang termasuk keahlian langka).
7. Mampu beroperasi dalam lingkungan
yang berbahaya.
8. Memiliki kemampuan untuk mengakses
pengetahuan.
9. Memiliki reabilitas.
10. Meningkatkan kapabilitas sistem
komputer.
11. Memiliki kemampuan untuk bekerja
dengan informasi yang tidak lengkap dan mengandung ketidakpastian.
12. Sebagai media pelengkap dalam
pelatihan.
13. Meningkatkan kapabilitas dalam
penyelesaian masalah.
14. Menghemat waktu dalam
pengambilan keputusan
Kelemahan Sistem Pakar
Di samping memiliki beberapa
keuntungan, sistem pakar juga memiliki beberapa kelemahan, antara lain :
1. Biaya yang diperlukan untuk
membuat dan memeliharanya sangat mahal.
2. Sulit dikembangkan. Hal ini tentu
saja erat kaitannya dengan ketersediaan pakar di bidangnya.
3. Sistem Pakar tidak 100% bernilai
benar.
Alasan Pengembangan Sistem Pakar,
sistem pakar sendiri dikembangkan lebih lanjut dengan alasan :
• Dapat menyediakan kepakaran setiap
waktu dan di berbagai lokasi.
• Secara otomatis mengerjakan
tugas-tugas rutin yang membutuhkan seorang pakar.
• Seorang pakar akan pensiun atau
pergi.
• Seorang pakar adalah mahal.
• Kepakaran dibutuhkan juga pada
lingkungan yang tidak bersahabat.
Modul Penyusun Sistem Pakar
Menurut Staugaard (1987) suatu
sistem pakar disusun oleh tiga modul utama yaitu :
1. Modul Penerimaan Pengetahuan
(Knowledge Acquisition Mode) Sistem berada pada modul ini, pada saat ia
menerima pengetahuan dari pakar. Proses mengumpulkan pengetahuan-pengetahuan
yang akan digunakan untuk pengembangan sistem, dilakukan dengan bantuan
knowledge engineer. Peran knowledge engineer adalah sebagai penghubung antara
suatu sistem pakar dengan pakarnya.
2. Modul Konsultasi (Consultation
Mode)
Pada saat sistem berada pada posisi
memberikan jawaban atas permasalahan yang diajukan oleh user, sistem pakar
berada dalam modul konsultasi. Pada modul ini, user berinteraksi dengan sistem
dengan menjawab pertanyaan-pertanyaan yang diajukan oleh sistem.
3. Modul Penjelasan (Explanation
Mode)
Modul ini menjelaskan proses
pengambilan keputusan oleh system (bagaimana suatu keputusan dapat diperoleh).
Struktur Sistem Pakar, komponen
utama pada struktur sistem pakar menurut Hu et al (1987) meliputi:
1. Basis Pengetahuan (Knowledge
Base)
Basis pengetahuan merupakan inti
dari suatu sistem pakar, yaitu berupa representasi pengetahuan dari pakar.
Basis pengetahuan tersusun atas fakta dan kaidah. Fakta adalah informasi
tentang objek, peristiwa, atau situasi. Kaidah adalah cara untuk membangkitkan
suatu fakta baru dari fakta yang sudah diketahui.
2. Mesin Inferensi (Inference
Engine)
Mesin inferensi berperan sebagai
otak dari sistem pakar. Mesin inferensi berfungsi untuk memandu proses
penalaran terhadap suatu kondisi, berdasarkan pada basis pengetahuan yang
tersedia. Di dalam mesin inferensi terjadi proses untuk memanipulasi dan mengarahkan
kaidah, model, dan fakta yang disimpan dalam basis pengetahuan dalam rangka
mencapai solusi atau kesimpulan. Dalam prosesnya, mesin inferensi menggunakan
strategi penalaran dan strategi pengendalian. Strategi penalaran terdiri dari
strategi penalaran pasti (Exact Reasoning) dan strategi penalaran tak pasti
(Inexact Reasoning). Exact reasoning akan dilakukan jika semua data yang
dibutuhkan untuk menarik suatu kesimpulan tersedia, sedangkan inexact reasoning
dilakukan pada keadaan sebaliknya.Strategi pengendalian berfungsi sebagai
panduan arah dalam melakukan prose penalaran. Terdapat tiga tehnik pengendalian
yang sering digunakan, yaitu forward chaining, backward chaining, dan gabungan
dari kedua teknik pengendalian tersebut.
3. Basis Data (Data Base)
Basis data terdiri atas semua fakta
yang diperlukan, dimana fakta fakta tersebut digunakan untuk memenuhi kondisi
dari kaidah-kaidah dalam sistem. Basis data menyimpan semua fakta, baik fakta
awal pada saat sistem mulai beroperasi, maupun fakta-fakta yang diperoleh pada
saat proses penarikan kesimpulan sedang dilaksanakan. Basis data digunakan
untuk menyimpan data hasil observasi dan data lain yang dibutuhkan selama
pemrosesan.
4. Antarmuka Pemakai (User
Interface)
Fasilitas ini digunakan sebagai
perantara komunikasi antara pemakai.dengan komputer.
Teknik Representasi Pengetahuan
Representasi pengetahuan adalah
suatu teknik untuk merepresentasikan basis pengetahuan yang diperoleh ke dalam
suatu skema/diagram tertentu sehingga dapat diketahui relasi/keterhubungan
antara suatu data dengan data yang lain. Teknik ini membantu knowledge engineer
dalam memahami struktur pengetahuan yang akan dibuat sistem pakarnya. Terdapat
beberapa teknik representasi pengetahuan yang biasa digunakan dalam
pengembangan suatu sistem pakar, yaitu
a. Rule-Based Knowledge
Pengetahuan direpresentasikan dalam
suatu bentuk fakta (facts) dan aturan (rules). Bentuk representasi ini terdiri
atas premise dan kesimpulan.
b. Frame-Based Knowledge
Pengetahuan direpresentasikan dalam
suatu bentuk hirarki atau jaringan frame.
c. Object-Based Knowledge
Pengetahuan direpresentasikan
sebagai jaringan dari obyek-obyek. Obyek adalah elemen data yang terdiri dari
data dan metoda (proses).
d. Case-Base Reasoning
Pengetahuan direpresentasikan dalam
bentuk kesimpulan kasus (cases).
Inferencing dengan Rule : Forward
dan Backward Chaining
Inferensi dengan rules merupakan
implementasi dari modus ponen, yang direfleksikan dalam mekanisme search
(pencarian). Dapat pula mengecek semua rule pada knowledge base dalam arah
forward maupun backward. Proses pencarian berlanjut sampai tidak ada rule yang
dapat digunakan atau sampai sebuah tujuan (goal) tercapai. w:st=”on”Ada dua
metode inferencing dengan rules, yaitu forward chaining atau data-driven dan
backward chaining atau goal-driven.
a. Backward chaining
• Menggunakan pendekatan
goal-driven, dimulai dari ekspektasi apa yang diinginkan terjadi (hipotesis),
kemudian mengecek pada sebab-sebab yang mendukung (ataupun kontradiktif) dari
ekspektasi tersebut.
• Jika suatu aplikasi menghasilkan
tree yang sempit dan cukup dalam, maka gunakan backward chaining.
b. Forward chaining
• Forward chaining merupakan grup
dari multiple inferensi yang melakukan pencarian dari suatu masalah kepada
solusinya.
• Jika klausa premis sesuai dengan
situasi (bernilai TRUE), maka proses akan meng-assert konklusi.
• Forward chaining adalah
data-driven karena inferensi dimulai dengan informasi yang tersedia dan baru
konklusi diperoleh.
• Jika suatu aplikasi menghasilkan
tree yang lebar dan tidak dalam, maka gunakan forward chaining.
daftar pustaka :
http://asa-fachrulmg.blogspot.com/2014/12/makalah-kecerdasan-buatan.html
https://3onoikom.wordpress.com/materi-kuliah/sistem-pakar/
http://informatika.web.id/definisi-sistem-pakar.htm