kecerdasan buatan a rtificial i ntelligence ai n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
Kecerdasan Buatan ( A rtificial I ntelligence ( AI )) PowerPoint Presentation
Download Presentation
Kecerdasan Buatan ( A rtificial I ntelligence ( AI ))

Loading in 2 Seconds...

play fullscreen
1 / 28

Kecerdasan Buatan ( A rtificial I ntelligence ( AI )) - PowerPoint PPT Presentation


  • 175 Views
  • Uploaded on

Kecerdasan Buatan ( A rtificial I ntelligence ( AI )). Rahmat D.R. Dako , ST., M.Eng. Definisi AI. Bidang Studi yang berusaha menerangkan dan meniru perilaku cerdas dalam bentuk proses komputasi ( Schalkoff , 1990)

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 'Kecerdasan Buatan ( A rtificial I ntelligence ( AI ))' - quamar-slater


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
definisi ai
Definisi AI

BidangStudi yang berusahamenerangkandanmeniruperilakucerdasdalambentukproseskomputasi (Schalkoff, 1990)

Studitentangcaramembuatkomputermelakukansesuatu yang, sampaisaatini, orangdapatmelakukannyadenganbaik (Rich dan Knight, 1991)

Cabangilmukomputer yang berhubungandenganotomasiperilaku yang cerdas (Luger dan Stubblefield, 1993)

Bidangstudi yang berhubungandenganpenangkapan, pemodelan, danpenyimpanankecerdasanmanusiadalamsebuahsistemteknologiinformasisehinggasistemtersebutdapatmemfasilitasiprosespengambilankeputusan yang biasanyadilakukanolehmanusia(Haag dan Keen, 1996)

tujuan ai
Tujuan AI

Winston dan Prendergast mengungkapkantujuan AI meliputi :

  • Membuatmesinlebihpintar.
  • Memahamikecerdasan, dan
  • Membuatmesinlebihberguna

Namun, seiringperkembangantujuan AI tidakhanyamembuatkomputerberpikir, tetapijugabisamelihat, mendengardanberjalan, bahkanbermaindanmerasakan.

perbandingan kecerdasan buatan dan kecerdasan manusia
PerbandinganKecerdasanBuatandanKecerdasanManusia

Menurut Kaplan yang diutarakanoleh Turban, McLean danWheterbe (1999), AI memiliki “kelebihan” :

  • AI lebihbersifatpermanen
  • AI menawarkankemudahanuntukdigandakandandisebarkan
  • AI dapatlebihmurahdaripadakecerdasanalami.
  • AI bersifatkonsistendanteliti
  • AI dapatdidokumentasi
bidang bidang aplikasi ai
Bidang-BidangAplikasi AI

AI telahdipergunakanuntuk :

  • Membuataplikasikomputer yang sangatmudahbagipemakai
  • Meningkatkanpemecahanmasalahsecaratepatdankonsisten
  • Membantumenyelesaikanmasalah yang tidakdapatdipecahkansecarakonvensional
  • Membantumenyelesaikanmasalah yang mengandung data yang tidaklengkapataukurangjelas.
  • Menanganiinformasi yang berlebihan (pengikhtisarandanpeinginterpretasianinformasi)
  • Meningkatkanproduktifitasdalammelaksanakanbanyaktugas.
  • Membantumelaksanakanpencarian data atausuatupolaberdasarkanjumlah data yang sangatbesar
domain tugas tugas ai rich dan knight 1991
Domain Tugas-Tugas AI (Rich dan Knight, 1991)

Tugas-TugasBiasa

  • Persepsi
    • Visi
    • Percakapan
  • BahasaAlami
    • Pemahaman
    • Pembangkitan
    • Penerjemahan
  • Penalaran
  • Pengontrolan robot
domain tugas tugas ai 2
Domain Tugas-Tugas AI (2)

Tugas-Tugas Formal

  • PermainanCatur
    • Catur
    • Backgammon
    • Checker
    • Go
  • Matematika
    • Geometri
    • Logika
    • Kalkulus (diferensial/integral)
domain tugas tugas ai 3
Domain Tugas-Tugas AI (3)

Tugas-TugasAhli

  • Keteknikan
    • Perancangan
    • PenemuanKesalahan
    • Perencanaanmanufaktur
  • AnalisisPengetahuan
  • DiagnosaPengobatan
  • AnalisisKeuangan
domain aplikasi utama ai o brien 2001
Domain AplikasiUtama AI (O’Brien, 2001)

AI

AplikasiPengetahuanKognitif

AplikasiRobotika

AplikasiAntarmukaAlami

  • Persepsi Visual
  • Rangsangan
  • Ketangkasan
  • DayaPenggerak
  • Navigasi
  • BahasaAlami
  • Pengenalanpercakapan
  • Antarmukamultisensor
  • Virtual Reality
  • SistemPakar
  • SistemBelajar
  • LogikaKabur
  • AlgoritmaGenetika
  • Jaringansaraf
  • AgenCerdas
pengolahan bahasa alami n atural l anguage p rocessing nlp
PengolahanBahasaAlami(Natural Language Processing  NLP)

BidangIlmu AI yang berurusandenganpemahamanbahasamanusia.

pengolahan bahasa alami n atural l anguage p rocessing nlp 2
PengolahanBahasaAlami(Natural Language Processing  NLP) (2)

Intipengolahanbahasaalami  “PARSER”

Parser : bagian yang membacakalimatdaribahasasumberdanmenguraikansertamenganalisiskata-kata yang terdapatdalamkalimattersebutdanmencocokkannyadengantatabahasa yang benar.

Pendukung parser adalahkamus (kosakata)

Keluaran parser  representasepengetahuan(mengartikankalimatmasukan)

visi komputer
VisiKomputer

Bidang AI  pengenalanobjek yang selanjutnyauntukpengambilankeputusan

Program AI

Keputusan

robotika
Robotika

Robot  Perantielektromekanik yang dapatdiprogramuntukmelakukanotomasiterhadapsuatutugas yang biasadilakukanmanusia.

Robotika ilmu yang berhubungandenganpembuatan robot.

AI  robot menjadicerdas (Android & Animatronic)

Android (humanoid)  orang

Animatronic  binatang.

sistem pakar
SistemPakar

Sistem yang menirukepakaran (keahlian) seseorangdalambidangtertentudalammenyelesaikansuatupermasalahan (Horn, 1986)

Weiss & Kulikowski (1984) menyatakan :

  • Menanganimasalah-masalahkompleksdannyata yang memerlukaninterpretasiseorangpakar.
  • Menyelesaikanmasalah-masalahtersebutdenganmenggunakan model yang memakaipenalaranmanusiaahli yang menghasilkankesimpulan yang samadengankesimpulan yang akandicapaimanusiaahlijikamenghadapimasalah-masalah yang sama.
contoh sistem pakar
Contohsistempakar

BERT, sistempakaruntukmerancangbangunan.

DART/DASD, untukmediagnosiskerusakankomputer

DELTA, sistempakarmengdiagnosiskerusakanpadamesin-mesin diesel pada General Electric.

DENDRAL, sistempakaruntukmenganalisisstrukturmolekulsuatusenyawakimia.

EL, sistempakaruntukmenganalisisrangkaianelektronika yang mengandung transistor, diodadan resistor

FOLIO,sistempakaruntukmengevaluasiinvestasipengetahuan

HEATINGS, sistempakaruntukmengendalikanprosespembakaranbatubara.

Etc,…

model konseptual sistem pakar
Model konseptualsistempakar

Model konseptualsistempakar yang paling umummengandung :

  • Basis pengetahuan (Knowledge base)
  • MesinInferensi (Inference engine)
  • FasilitasPenjelas
  • Antarmukapemakai
basis pengetahuan
Basis Pengetahuan

Komponen yang berisi pengetahuan-pengetahuan yang berasala dari pakar, berisi sekumpulan fakta (fact) dan aturan (rule).

Fakta

Berupa situasi masalah dan teori tentang area masalah

Aturan

Suatu arahan yang menggunakan pengetahuan untuk memecahkan masalah pada bidang tertentu.

contoh basis pengetahuan
Contoh Basis Pengetahuan

Jeruk :

  • Buahberbentukbulat
  • Warnahijauketikamudadankuningketikasudahtua
  • Berbatang
  • Batangberduri

Apel :

  • Buahberbentukbulat
  • Warnahijauketikamudadanmerahketikasudahtua
  • Berbatang.

Jikapertanyaan, Apakahbuahberbentukbulat ?Dijawabdengan “YA” olehpemakai, makapemakaimemberikan ?

fakta.

mesin inferensi fasilitas penjelas dan antarmuka pemakai
MesinInferensi, FasilitasPenjelasdanAntarmukapemakai

MesinInferensi : otakdarisistempakardanmerupakankomponen yang berfungsimelakukanpenalarandanmengambilkesimpulan.

FasilitasPenjelas : memberikanpenjelasankepadapemakai yang memintanya.

  • Antarmuka : bagian yang menjembataniantarasistemdanpemakai.
logika kabur fuzzy logic
LogikaKabur (fuzzy Logic)
  • Suatuteknikuntukmenanganiketidakpastianpadamasalah-masalah yang banyakmemilikijawaban.
  • Logika kabur pertama kali diformulasikan dalam sebuah seminar oleh Lotfi A Zadeh dari University of Califonia, Berkeley tahun 1965
  • Metode ini diformulasikan dalam rangka mencari nilai tengah antara bilangan Aristoteles 0 dan 1
  • Logika fuzzy merupakan peningkatan dari logika boolean
  • Menggantikan kebenaran boolean dengan tingkat kebenaran
  • Dasar logika fuzzy adalah memformulasikan bilangan antara 0 dan 1 atau lebih tepat 0.0 dan 1.0
aplikasi logika kabur fuzzy logic
AplikasiLogikaKabur (fuzzy Logic)
  • Mesin cuci satu tabung
    • Masukkan baju, tekan tombol
    • Mengisi air dengan jumlah yang cukup
    • Mengisi deterjen dan mencuci dengan waktu yang sesuai.
    • Mesin ini bekerja meniru cara ibu rumahtangga mencuci dengan mesin cuci konvensional.
    • Jika pakaian lebih kotor maka timer dibuat lebih lama.
  • Di sinilah contohnya metode logika fuzzy dipakai, dengan menjawab pernyataan jika dan maka (IF THEN).
  • Jika pakaian yang dicuci tidak terlalu kotor maka mencuci mestinya harus lebih cepat.
  • Dengan menimbang tingkat kekotoran kain yang direalisasikan dengan mengukur tingkat kekeruhan air cucian dengan sensor cahaya, mesin dapat memutuskan berapa lama harus mencuci pakaian supaya lebih hemat dan efisien.
jaringan saraf neurall network
JaringanSaraf (Neurall Network)

Sering pula disebutArtificial Neural Network (ANN) ataukomputasisaraf (Neural computing).

Suatubidang AI yang menirupolapemrosesandalamotakmanusia yang berbasiskanpadapengenalanpola.

Contohaplikasi ANN:

  • Validasitandatangan
  • Data mining (yaitumenemukanpolapadasekumpulan data yang besar)
  • Pengenalanwajah
  • Pemilihansahamdanobligasi.
algoritma genetika
AlgoritmaGenetika

Sering pula disebutkomputasiadaptif (adaptive computing)  John H. Holland (1975)

Suatupendekatan yang menirupadamahlukhidupdalamberadaptasiterhadaplingkungansehinggaterbentukprosesevolusiuntukmengatasimasalahlebihbaik.

AlgoritmaGenetika aturan-aturanprosesmatematika yang dipakaiuntukmenentukancarakombinasidarikomponen-komponenprosesdibentuk

Tigacara yang digunakan :

  • Mutasi, mencobakombinasiprosessecaraacakdanmengevaluasihasilnya.
  • Crossover, mengkombinasibagiandarihasil yang baik, harapannyamemperolehhasil yang lebihbaik.
  • Seleksi, memilihproses yang baikdanmembuang yang jelek.
contoh aplikasi algoritma genetika
ContohaplikasiAlgoritmaGenetika

Para insinyurdi General Electric menggunakannyauntukmerancangmesihpesawatterbangberturbin jet, yang melibatkanpersamaan-persamaandengankuranglebih 100 variabeldan 50 kekangan.

Departemenpsikologipada New Mexico State University mengembangkanalgoritmagenetikauntukmengidentifikasitersangkaberdasarkangambarrekaandarisaksi.

sistem ai hibrida hybrid intelligent system
Sistem AI Hibrida (Hybrid Intelligent System)

Sistem yang menggabungkanbeberapateknologi AI untukmemanfaatkandanmemadukankeunggulanmasing-masingteknologi.

Soft Computing, menggabungkan ANN, logikakabur, algoritmagenetika, danteknikkonvensional AI.

Neurofuzzy, menggabungkanpemakaian ANN logikakabur  diterapkanoleh Matsushita dan Sharp padamesincucidankulkas.

agen cerdas intelligent agent
AgenCerdas (intelligent agent)

Agen segalasesuatu yang dapatdipandangmenangkaplingkungannyamelalui sensor danbertindakterhadaplingkunganmelaluiefektor (Russell danNorvig, 1995)

Sensor  bagian yang merangsangtindakanagen.

Efektor  bagian yang digunakanolehagenuntukmelakukantindakan

Agen yang berupaperangkatlunak agencerdas

next week
Next Week…
  • Software Engineering (RekayasaPerangkatLunak)