slide1 n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
Pendahuluan, Pengantar kecerdasan buatan PowerPoint Presentation
Download Presentation
Pendahuluan, Pengantar kecerdasan buatan

Loading in 2 Seconds...

play fullscreen
1 / 61

Pendahuluan, Pengantar kecerdasan buatan - PowerPoint PPT Presentation


  • 397 Views
  • Uploaded on

Pendahuluan, Pengantar kecerdasan buatan . Kecerdasan buatan atau artificial intelligence merupakan salah satu bagian ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia. Pengertian. Cabang AI. .

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'Pendahuluan, Pengantar kecerdasan buatan' - iliana


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
slide5
Kecerdasan buatan atau artificial intelligence merupakan salah satu bagian ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia.

Pengertian

Cabang AI

slide6
Sistemcerdas (intelligent system) adalahsistem yang dibangundenganmenggunakanteknik-teknikartificial intelligence.

Pengertian

Cabang AI

slide7

Sudut pandang kecerdasan

    • Kecerdasan Buatan akan membuat mesin menjadi ‘cerdas’ (mampu berbuat seperti apa yang dilakukan oleh manusia)
  • Sudut pandang penelitian.
    • Kecerdasan Buatan adalah suatu studi bagaimana membuat agar komputer dapat melakukan sesuatu sebaik yang dikerjakan oleh manusia
slide8

Sudut pandang bisnis.

    • Kecerdasan buatan adalah kumpulan peralatan yang sangat powerful dan metodologis dalam menyelesaikan masalah-masalah bisnis.
  • Sudut pandang pemrograman.
    • Kecerdasan buatan meliputi studi tentang pemrograman simbolik, penyelesaian masalah (problem solving) dan pencarian (searching).
slide9

belajar atau memahami dari pengalaman

  • menemukan inti dari pesan yang ambigu atau bertentangan
  • merespon dengan cepat dan tepat pada situasi baru
  • menggunakan pertimbangan dalam memecahkan persoalan atau mengarahkan tindakan secara efektif
slide10

menghadapi situasi yang membingungkan

  • memahami dan menyimpulkan dengan cara rasional biasa
  • menerapkan pengetahuan untuk memanipulasi lingkungan
  • berfikir dan mempertimbangkan
slide11

Kecerdasan buatan lebih bersifat permanen

  • Kecerdasan buatan lebih mudah diduplikasi & disebarkan
  • Kecerdasan buatan lebih murah dibanding dengan kecerdasan alami
  • Kecerdasan buatan bersifat konsisten
slide12

Kecerdasan buatan dapat didokumentasi

  • Kecerdasan buatan dapat mengerjakan pekerjaan lebih cepat dibanding dengan kecerdasan alami
  • Kecerdasan buatan dapat mengerjakan pekerjaan lebih baik dibanding dengan kecerdasan alami
slide13

Kreatif

  • Kecerdasan alami memungkinkan orang untuk menggunakan pengalaman secara langsung. Sedangkan pada kecerdasan buatan harus bekerja dengan input-input simbolik.
  • Pemikiran manusia dapat digunakan secara luas, sedangkan kecerdasan buatan sangat terbatas
cabang cabang ai

Pengertian

Cabang AI

Cabang-cabang AI
  • Logical AI
    • Logika (matematis) yang merepresentasikansekumpulanfaktadantujuan ---> RUANG KEADAAN:
      • Graph
      • Tree

slide15

Pengertian

Cabang AI

  • Search
    • Pencarian keadaan baru dari keadaan sekarang yang akan menentukan pergerakan:
      • Blind Search
        • Depth-First Search
        • Breadth-Firsh Search
      • Heuristic Search
        • Generate & Test
        • Hill Climbing
        • Best-First search
        • Simulated-Annealing
        • Tabu Search
        • Algoritma Genetika

slide16

Pengertian

Cabang AI

  • Representation
    • Representasi fakta-fakta (pengetahuan) dalam ruang keadaan:
      • Logika (proposisi & predikat)
      • Tree
      • Jaringan Semantik
      • Frame
      • Naskah
      • Kaidah Produksi

slide17

Pengertian

Cabang AI

  • Pattern Recognition
    • Pengenalan & pencocokan suatu pola terhadap sekumpulan pola.
      • Pengolahan Bahasa Alami
      • Jaringan Syaraf Tiruan

slide18

Pengertian

Cabang AI

  • Inference
    • Kemampuan untuk menarik kesimpulan berdasarkan pengetahuan.
      • Forward Reasoning
      • Backward Reasoning
      • Fuzzy Inference System (FIS)

slide19

Pengertian

Cabang AI

  • Learning from Experience
    • Melakukan proses pembelajaran (pelatihan) dari pengetahuan atau pengalaman yang ada pada basis pengetahuan.
      • Jaringan Syaraf Tiruan
representasi pengetahuan knowledge repre sentation
REPRESENTASI PENGETAHUAN (KNOWLEDGE REPRE-SENTATION)
  • Dimaksudkanuntukmenangkapsifat-sifatpentingmasalahdanmembuatinfomasidapatdiaksesolehprosedurpemecahanmasalah.
  • Bahasarepresentasiharusdapatmembuatseorang programmer mampumengekspresikanpengetahuanuntukmendapatkansolusisuatumasalah.
representasi pengetahuan1
REPRESENTASI PENGETAHUAN

1. RepresentasiLogika

  • Representasiinimenggunakanekspresi-ekspresidalamlogika formal untukmerepresentasikan basis pengetahuan.

2.Representasi Prosedural

  • Menggambarkanpengetahuansebagaisekumpulaninstruksiuntukmemecahkansuatumasalah. Dalamsistem yang berbasisaturan, aturanif-thendapatditafsirkansebagaisebuahproseduruntukmencapaitujuanpemecahanmasalah.
representasi pengetahuan2
REPRESENTASI PENGETAHUAN

3. Representasi Network

  • Menyatakanpengetahuansebagaisebuahgrafdimanasimpul-simpulnyamenggambarkanobyekataukonsepdalammasalah yang dihadapi, sedangkanlengkungannyamenggambarkanhubunganantarmereka.
  • Contohnyaadalahjaringansemantik.
representasi pengetahuan3
REPRESENTASI PENGETAHUAN

4.Representasi Terstruktur

  • Memperluas network dengancaramembuatsetiapsimpulnyamenjadisebuahstruktur data kompleks yang berisitempat-tempatbernama slot dengannilai-nilaitertentu. Nilai-nilaiinidapatmerupakan data numerikatausimboliksederhana, pointer kebingkai (frame) lain, ataubahkanmerupakanproseduruntukmengerjakantugastertentu.
  • Contoh : skrip (script), bingkai (frame) danobyek (object).
representasi pengetahuan4
Representasi Pengetahuan
  • Logika
  • Pohon
  • JaringanSemantik
  • Frame
  • Naskah (script)
  • KaidahProduksi
klasifikasi logika
Klasifikasi Logika
  • Terdapat 5 jenis logika:
    • Logika Proposisi (proportional logic)
    • Logika Predikat (first-order logic)
    • Logika Temporal (temporal logic)
    • Teori probabilitas (probability theory)
    • Logika Fuzzy (fuzzy logic)
slide28

PenalaranDeduktif

  • PenalaranInduktif
penalaran deduktif
PenalaranDeduktif
  • Penalarandimulaidariprinsipumumuntukmendapatkankonklusi yang lebihkhusus.
  • Contoh:

Premis Mayor : Jikaharihujan, sayatidakakanberangkat

kuliah.

Premis Minor : Hariinihujanturun.

Konklusi : Hariinisayatidakakanberangkatkuliah.

penalaran induktif
PenalaranInduktif
  • Penalarandimulaidarifakta-faktakhususuntukmendapatkankesimpulanumum.
  • Contoh:

Premis-1 : Aljabaradalahpelajaran yang sulit.

Premis-2 : Geometriadalahpelajaran yang sulit.

Premis-3 : Kalkulusadalahpelajaran yang sulit.

Konklusi : Matematikaadalahpelajaran yang sulit.

  • Munculnyapremisbarubisamengakibatkangugurnyakonklusi yang sudahdiperoleh.
teori logika
Teori Logika
  • Logika Proposisi
    • Logika paling sederhana dengan satu proposisi (fakta) yang bisa bernilai benar atau salah tapi tidak kedua-duanya.
    • Simbol proposisi bisa dihubungkan dengan Boolean Connectives sehingga membentuk suatu kalimat
    • Berkorespondensi dengan 1 dan 0 dalam dunia digital.
contoh proposisi
Contoh Proposisi

“Gajah lebih besar daripada kucing.”

Ini suatu pernyataan ?

yes

Ini suatu proposisi ?

yes

Apa nilai kebenaran dari

proposisi ini ?

true

contoh proposisi 2
Contoh Proposisi (2)

“1089 < 101”

Ini pernyataan ?

yes

Ini proposisi ?

yes

Apa nilai kebenaran dari proposisi ini ?

false

contoh proposisi 3
Contoh proposisi (3)

“y > 15”

Ini pernyataan ?

yes

Ini proposisi ?

no

Nilai kebenarannya bergantung pada nilai y, tapi nilai ini tidak spesifik.

Kita katakan tipe pernyataan ini adalahfungsi proposisiataukalimat terbuka.

contoh proposisi 4
Contoh proposisi (4)

“Bulan ini Februari dan 24 < 5.”

Ini pernyataan ?

yes

Ini proposisi ?

yes

Nilai kebenaran dari proposisi tersebut ?

false

contoh proposisi 5
Contoh proposisi (5)

“Jangan tidur di kelas.”

Ini pernyataan ?

no

Ini permintaan.

Ini proposisi ?

no

Hanya pernyataan yang dapat menjadi proposisi.

contoh proposisi 6
Contoh proposisi (6)

“Jika gajah berwarna merah,

mereka dapat berlindung di bawah pohon cabe.”

Ini pernyataan ?

yes

Ini proposisi ?

yes

Apa nilai kebenaran proposisi tersebut ?

probably false

contoh proposisi 7
Contoh proposisi (7)

Ini pernyataan ?

yes

“x < y jika dan hanya jika y > x.”

Ini proposisi ?

yes

… sebab nilai kebenarannya tidak bergantung pada nilai x dan y.

Apa nilai kebenaran dari proposisi tsb ?

true

menggabungkan proposisi
Menggabungkan proposisi

Seperti dalam contoh sebelumnya, satu atau lebih proposisi dapat digabung membentuk sebuah proposisi majemuk (compound proposition).

Selanjutnya, notasi proposisi diformalkan dengan menggunakan alfabet seperti p, q, r, s, dan dengan memperkenalkan beberapa operator logika.

operator logika
Operator Logika
  • Negasi (NOT)
  • Konjungsi - Conjunction (AND)
  • Disjungsi - Disjunction (OR)
  • Eksklusif Or (XOR)
  • Implikasi (JIKA – MAKA)
  • Bikondisional (JIKA DAN HANYA JIKA)

Tabel kebenaran dapat digunakan untuk menunjukkan bagaimana operator-operator tsb menggabungkan proposisi-proposisi.

negasi not
Negasi (NOT)

Operator Uner, Simbol: 

conjunction and
Conjunction (AND)

Operator Biner, Simbol: 

conjunction and1
Conjunction (AND)
  • Hasil yang diperolehakanbernilaibenarjikakeduaproposisibernilaibenar, danakanbernilaisalahjikasalahsatudarikeduaproposisibernilaisalah.
disjunction or
Disjunction (OR)

Operator Biner, Simbol: 

disjunction or1
Disjunction (OR)
  • Hasil yang diperolehakanbernilaibenarjikasalahsatudarikeduaproposisibernilaibenar, danakanbernilaisalahjikakeduaproposisibernilaisalah
exclusive or xor
Exclusive Or (XOR)

Operator Biner, Simbol: 

implikasi jika maka

P

Q

PQ

true

true

true

true

false

false

false

true

true

false

false

true

Implikasi (JIKA - MAKA)

Implikasipq adalah proposisi yang bernilai salah jika p benar dan q salah, dan bernilai benar jika lainnya.

implikasi p q
Jika p, maka q

Jika p, q

p mengakibatkan q

p hanya jika q

p cukup untuk q

Syarat perlu untuk p adalah q

q jika p

q ketika p

q diakibatkan p

q setiap kali p

q perlu untuk p

Syarat cukup untuk q adalah p

Implikasipq
slide49
P  Q
  • P : Besok cuaca cerah
  • Q : Aku akan datang ke rumahmu.
contoh implikasi
Contoh Implikasi

Implikasi

“Jika hari ini hari Jumat maka 2+3 > 7.”

bernilai benar untuk semua hari kecuali hari Jumat, walaupun 2+3 > 7 bernilai salah.

Kapan pernyataan berikut bernilai benar?

“Jika hari tidak hujan maka saya akan pergi ke Lembang.”

bikondisional jika dan hanya jika
Bikondisional (JIKA DAN HANYA JIKA)

Operator Biner, Simbol: 

pernyataan dan operasi
Pernyataan dan Operasi

Pernyataan-pernyataan dapat digabungkan dengan operasi untuk membentuk pernyataan baru.

pernyataan yang ekivalen
Pernyataan yang Ekivalen

Pernyataan (PQ) dan (P)(Q) ekivalen secara logika, karena (PQ)(P)(Q) selalu benar.

soal latihan
Soal latihan
  • Misal nya p : dia tampan

q : dia tinggi

Tulislah setiap pernyataan berikut ke dalam bentuk simbol logika proposisi dengan menggunakan simbol p dan q

  • Dia tinggi dan tampan
  • Dia tinggi tetapi tidak tampan
  • Tidak benar bahwa dia pendek atau tampan
  • Dia tidak tinggi maupun tampan
  • Dia tinggi, atau dia pendek dan tampan
  • Tidak benar bahwa dia pendek atau tidak tampan
buat tabel kebenaran
Buat Tabel kebenaran
  • ¬(¬P V ¬Q)
  • ¬(¬P  Q)
  • (P  Q) Λ¬(P V Q)
  • (¬P Λ (¬Q Λ R)) V (Q Λ R) V (P Λ R)
tautologi dan kontradiksi
Tautologi dan Kontradiksi

Tautologi adalah pernyataan yang selalu benar.

Contoh:

  • R(R)
  • (PQ)(P)(Q)

Jika ST suatu tautologi, kita tulis ST.

Jika ST suatu tautologi, kita tulis ST.

tautologi dan kontradiksi 2
Tautologi dan Kontradiksi (2)

Kontradiksi adalah pernyataan yang selalu bernilai salah.

Contoh:

  • R(R)
  • ((PQ)(P)(Q))

Negasi dari suatu tautologi adalah suatu kontradiksi, negasi dari kontradiksi adalah suatu tautologi.

contoh
Contoh

Tunjukkan tautologi :

(P Λ Q)  Q

Q  (P v Q)

konversi kontrapositif invers
Konversi, Kontrapositif, & Invers
  • q  p disebut konversi dari p  q
  • q  p disebut kontrapositif dari p  q
  • p  q disebut invers dari p  q
ekspresi logika
Ekspresi Logika

Contoh 4. Ubah ke dalam ekspresi logika:

“Anda mempunyai akses internet hanya jika anda mahasiswa Matematika ITB atau anda bukan mahasiswa TPB”

Solusi. Misal a : “Anda punya akses internet”

m: “Anda mhs Matematika ITB”

f : “Anda mhs TPB”

a  (m  f)

ekspresi logika 2
Ekspresi Logika (2)

Soal 1. Ubah kedalam ekspresi logika.

“Anda tidak boleh naik roller coaster jika tinggi anda kurang dari 100 cm, kecuali usia anda sudah melebihi 16 th.”

“Saya akan ingat tentang kuliah besok hanya jika kamu mengirim sms.”

“Pantai akan erosi ketika ada badai”