KECERDASAN BUATAN ARTIFICIAL INTELLIGENCE SKS/JS : 3/3 - PowerPoint PPT Presentation

anik nur handayani st mt l.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
KECERDASAN BUATAN ARTIFICIAL INTELLIGENCE SKS/JS : 3/3 PowerPoint Presentation
Download Presentation
KECERDASAN BUATAN ARTIFICIAL INTELLIGENCE SKS/JS : 3/3

play fullscreen
1 / 72
KECERDASAN BUATAN ARTIFICIAL INTELLIGENCE SKS/JS : 3/3
696 Views
Download Presentation
zihna
Download Presentation

KECERDASAN BUATAN ARTIFICIAL INTELLIGENCE SKS/JS : 3/3

- - - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript

  1. ANIK NUR HANDAYANI ST., MT KECERDASAN BUATANARTIFICIAL INTELLIGENCESKS/JS : 3/3

  2. Mata Kuliah:KecerdasanBuatan (Artificial Intelligence/AI) DeskripsiMengenaiKecerdasanBuatan Kecerdasanbuatanataudalambahasainggrisnya Artificial Intelligence seringdisingkatdengan AI yang merupakancabangterpentingdalamduniakomputer. Akhir-akhirini, teknologi AI telahbegitubanyakmempengaruhikehidupanmanusia. AI kiniberadadisekelilingkita, didalamkehidupansehari-harikita, bolehdikatakantidakadasatu pun peralatan yang tidakmenggunakanteknologi AI. Di rumah, radio, mesincuci, kulkas, ponsel, dlldilengkapidengan Integrated Circuit komputer yang mempunyai AI. Dengankata lain AI ialahilmudanrekayasa yang membuatmesinmempunyaiintelligensitertentukhususnya program komputer yang ‘cerdas’ (John McCarthy, 1956). ARTIFICIAL INTELLIGENCE

  3. DeskripsiPerkuliahan Perkuliahaniniakanmemberikandasartentangkecerdasanbuatan yang berfokuspadabeberapaaplikasidarikecerdasanbuatandanbeberapateknikpenyelesaianmasalahdalamkecerdasanbuatan yang biasadisebutdenganistilahsoft computing. Selainmempelajaribeberapateoridanaplikasidarisistemcerdas, mahasiswajugadiharapkanmampumenuangkanide-idesederhanauntukmenciptakansuatusistemcerdas yang dapatmembantumeringankantugasmanusia. ARTIFICIAL INTELLIGENCE

  4. Satuanacaraperkuliahan

  5. Kusumadewi; Sri. 2003. Artificial Intelligence (Teknik & Aplikasinya). Yogyakarta: GrahaIlmu Suyoto. 2004. IntelegensiBuatan (TeoridanPemrograman). Yogyakarta : Gava media. Russell, Stuart; danNorvig, Peter. 2003. Artificial Intelligence A Modern Approach. International Edition, Edisi 2. New Jersey: Pearson Prentice-Hall Education International. Rich,E. dan Knight, K. 1991. Artificial Intelligence. Edisi 2. New York: McGraw-Hill Inc. Kusumadewi; Sri danPurnomo, Hari. 2004. Logika Fuzzy untukPendukungKeputusan. Yogyakarta: GrahaIlmu. Kusumadewi; Sri. 2004. MembangunJaringanSyarafTiruandenganMatlab & Excel Link. Yogyakarta: GrahaIlmu. Fausett, Laurence. 1994. Fundamentals of Neural Networks (Architectures, Algorithms, and Applications). New Jersey: Prentice-Hall. Michalewicz, Zbigniew. 1996. Genetic Algorithms + Data Structures = Evolution Programs. Springer-Verlag. Turban, Efraim; Aronson, Jay, E.; Liang, Ting-Peng. 2005. Decision Support Systems and Intelligent Systems. International Edition, Edisi 7, New Jersey: Pearson Prentice-Hall Education International. Kuswadi; Son. 2004. KendaliCerdas: TeoridanAplikasiPraktisnya. Yogyakarta : Andi Referensi

  6. Mengapamempelajari ARTIFICIAL INTELLIGENCE atau AI (dalamBahasa Indonesia = KecerdasanBuatan) ? Bisakahmesinberpikir? Jikabisa, bagaimanacaranya? Dan jikatidakbisa, kenapatidak? Dengan AI berusahamembangunentitas- entitascerdas yang sesuaidengan pemahamanmanusia. PENDAHULUAN

  7. Definisikecerdasan kemampuanuntuk … belajarataumengertidaripengalaman, memahamipesan yang kontradiktifdanambigu, menanggapidengancepatdanbaikatas situasi yang baru, menggunakanpenalarandalammemecahkanmasalahsertamenyelesaikannyadenganefektif (Winston danPendergast, 1994) PENDAHULUAN

  8. Apaitu AI ? Merupakankawasanpenelitian, aplikasidaninstruksi yang terkaitdenganpemrogramankomputeruntukmelakukansesuatuhal - yang dalampandanganmanusiaadalah – cerdas (H. A. Simon [1987]) Sebuahstuditentangbagaimanamembuatkomputermelakukanhal-hal yang padasaatinidapatdilakukanlebihbaikolehmanusia (Rich and Kinight [1991]) PENDAHULUAN

  9. Para ahlimendefinisikan AI menjadiempatkategori: • Systems that think like humans • Systems that act like humans • Systems that think rationally • Systems that act rationally Acting rationally denganpendekatanrational agent, berdasarkanpemikiranbahwakomputerbisamelakukanpenalaransecaralogisdanjgabisamelakukanaksisecrarasioanlberdasardarihasilpenalaran. Kategori AI

  10. Sudut Pandang Kecerdasan Kecerdasan buatan mampu membuat mesin menjadi cerdas (berbuat seperti yang dilakukan manusia) Sudut Pandang Penelitian Kecerdasan buatan adalah studi bagaimana membuat komputer dapat melakukan sesuatu sebaik yang dilakukan manusia DETAIL AI

  11. Sudut Pandang Bisnis Kecerdasan buatan adalah kumpulan peralatan yang sangat powerful dan metodologis dalam menyelesaikan masalah bisnis Sudut Pandang Pemrogram Kecerdasan buatan meliputi studi tentang pemrograman simbolik, problem solving, dan pencarian (searching) DETAIL AI

  12. Era Komputer elektronik *1941* Masa Persiapan AI *1943-1956* Awal perkembangan AI *1952-1969* Perkembangan AI melambat *1966-1974* Sistem berbasis pengetahuan *1969-1979* AI menjadi sebuah industri *1980-1988* Kembalinya jaringan syaraf tiruan *1986-sekarang* SEJARAH AI

  13. Searching Teknikpencarian, yaituteknikpenyelesaianmasalah yang mempresentasikanmasalahkedalamruangkeadaan (state) dansecarasistematismelakukanpembangkitandanpengujianstate-statedariinitial state sampaiditemukansuatugoal state. Searching : digunakandalampencarianrute optimum untukmemanduseseorangdiperjalanan, misaldiswediasetiaptaksidilengkapidengan GPS (Global Positioning System) EMPAT TEKNIK PEMECAHAN MASALAH

  14. Reasoning :Teknikpenalaran, yaituteknikpenyelesaianmasalah yang merepresentasikanmaslahkedalm logic (mathematics tools yang digunakanuntukmerepresentasikandanmemanipulasifaktadanaturan). Reasoning : software permainancatur HITECH adalahsistem AI pertamaygberhasilmengalahkan grandmaster dunia Arnold Danker EMPAT TEKNIK PEMECAHAN MASALAH

  15. Planning : Suatumetodepenyelesaianmasalahdengancaramemecahmasalahdalam sub-sub masalah yang lebihkecil, menyelesaikan sub-sub masalahsatudemisatu, kemudianmenggabungkansolusi-solusidari sub-sub masalahtersebutmenjadisebuahsolusilengkapdengantetapmengingatdanmenanganiinteraksi yang terdapatpada sub-sub masalahtersebut Planning : dalamduniamanufakturdanrobotik. Software Optimum – AIV adalahsuatu planner yang digunakanoleh European Space Agency untukperakitanpesawatterbang. EMPAT TEKNIK PEMECAHAN MASALAH

  16. Learning :secaraotomatismenemukanatuan yang diharapkanbisaberlakuumumuntukdat-data angbelumpernahkitaketahui. Learning : digunakandalambidangtransportasi. Software ALVINN digunakanpadasebuahmobiltanpadikemudikanmanusia dg menngunakan JST ygdilatihdenganberbagaigambarkondisijalan ray ygditangkapkamerapadamobil. EMPAT TEKNIK PEMECAHAN MASALAH

  17. ARTIFICIAL INTELLIGENCE LEARNING REASONING PLANNING SEARCHING DECISION TREE LEARNING NEURAL NETWORK GENETIC ALGORITHM BLIND/UN-INFORMED SEARCH METODE PENCARIAN HEURISTIK FUNGSI HEURISTIK PROPORTIONAL LOGIC FIRST ORDER LOGIC FUZZY SYSTEMS GOAL STACK PLANNING CONSTRAINT POSTING

  18. Menurut Anda seberapa penting bid. Ilmu AI untuk kehidupan manusia? Jelaskan justifikasi anda. Untuk mempercepat perkembangan AI sehingga menghasilkan produk2 yag berguna bagi manusia, menurut Anda definisi AI seperti apa? Carilah contoh perkembangan AI dalam dunia pendidikan. Jelaskan contoh aplikasi tersebut. TUGAS 1

  19. An agent is anything that can be viewed as perceiving its environment through sensors and acting upon that environment through actuators. (Stuart, Norvig. 2003) INTELLIGENT AGENTS

  20. Example: Human agent Sensors  eyes, ears Actuators  hands, legs, mouth Robotic agent Sensors  cameras, infra red Actuators  motors INTELLIGENT AGENTS

  21. A performances measure embodies the criterion for success of an agents behaviour. When an agent is plunked down in a environment, it generates a sequence of actions according to the percepts it receives. This sequence of actions causes the environment go to through a sequence of states. PERFORMANCES MEASURES

  22. PERFORMANCES MEASURES

  23. A problem can be defined formally by four components: States Initial state Successor function Goal test Path cost Well-defined problems and solutions

  24. Example: VACUUM WORLD States The agent is one of two locations, each of which might or might not contain dirt. Thus there are 2 x 2 2 = 8 possible world states

  25. Initial state : Any state can be designed as the initial state Successor function : This generates the legal states that result from trying the tree actions (Left, Right, Suck) Goal test : This checks whether all the squares clean Path cost : Each step cost 1, so the path cost is the number of steps in the path.

  26. Search technique that is solving problems that present a problem into a state space (state) and are systematically generating and testing state-of the initial state to find a goal state. SeArChInG

  27. Dibedakandalamduajenis: • Pencarianbuta/tanpainformasi (Blind Un-informed search) • PencarianHeuristik/denganinformasi (Informed search) Setiapmetodemempunyaikarakteristik yang berbeda-bedadengankelebihandankekuranganmasing-masing. SeArChInG Metode-metodepencarian

  28. Untukmengukurperformansimetodepencarian (karenaberhubungndengansimpul-simpul), terdapatempatkriteria yang dapatdigunakan: Completeness:Apakahmetodetersebutmenjaminpenemuansolusijikasolusinyamemangada? Time complexity :Berapa lama waktu yang diperlukan? Space complexity :Berapabanyakmemori yang diperlukan? Optimality:Apakahmetodetersebutmenjaminmenemukansolusi yang terbaikjikaterdapatbeberapasolusiberbeda? SeArChInG

  29. b = faktorpercabangan (juml. Simpul child/ sucessor node yang dimilikidarisuatusimpul parent/root node) d = kedalamansolusi Jumlahsimpul yang harusdisimpansebanyak O(b pangkat d) Misal : b = 10 dan d = 8 Maka BFS membangkitkandanmenyimpansebanyak 100 + ….. + 108 = 111.111.111 = 108

  30. Time and memory requirements for breadth-firs serach. The numbers shown assuming brnching factor b = 10; 10.000 nodes/second; 1000 bytes/node

  31. Tidakadainformasiawal yang digunakandalamprosespencarian. √ Breadth-First Search (BFS) √ Depth-First Search (DFS) Depth-Limited Search (DLS) Uniform Cost Search (UCS) Iterative-Deepening Search (IDS) Bi-Directional Search(BDS) SeArChInG BLIND/UN-INFORMED SEARCH

  32. Breadth-first serach is a simple strategy in which the root node is expanded firs, then all the successors of the root node are expanded next, then their successor and so on. Pencariandilakukanpadasemuasimpuldalamsetiap level secaraberurutandarikirikekanan. Jikapadasatu level belumditemukansolusi, makapencariandilanjutkanpada level berikutnyadst… sampaisolusiterpenuhi Membutuhkanmemoribesar, sulitdiimplementasikanpadadunianyata. Breadth-First Search (BFS)

  33. Breadth-First Search (BFS)

  34. Breadth-First Search (BFS) Boat fox duck corn _ _ _ _

  35. B f d c ll f d c ll B f c ll B d f d ll B c d c ll B f B f c ll d C ll b f d f ll B d c A B

  36. A B bcll f d Bdcll f bf ll dc Bfdll c D llbfc Bdllfc Fdcll b ll bf dc

  37. Depth-first search always expands the deepest node in the current fringe of the search tree. Pencariandilakukanpadasuatusimpuldalamsetiap level dari yang paling kiri. Jikapada level yang terdalamsolusibelumditemukan, makapencariandilanjutkanpadasimpulsebelahkanandansimpul yang kiridapatdihapsdarimemori. Demikianseterusnyasampaiditemukansolusi. KelebihanPemakaianmemorilebihsedikit, jikasolusi yang dicariberadapada level yang dalm paling kiri, mka DFS akanmenemukannyadengancepat. Depth-First Search (DFS)

  38. Depth-First Search (DFS)

  39. For the depth limited search, the problem of unbounded tress can be alleviated by supplying depth-first-search with pre-determined depth limit l are treated as if they have no successors. Berusahamengatasikelemahan DFS (ygmempunyaikelemahantidakcomplete) denganmembatasikedalamanmaksimumdarisuatujalursolusi. Dengansyaratharusmengetahuiberapa level maksimumdarisuatusolusi. Jikabatasankedalamanterlalukecil, DLS tidakdapatmenemukansolusi yang ada. Depth-Limited Search (DLS)

  40. Hampirsamadengan BFS Menggunakanurutanpath cost dari paling kecilsampai yang terbesar. UCS berusahamenemukansolusidengan total path cost yang terendah yang dihitungbedasarkan path cost dari node asals.d node tujuan. Uniform Cost Search (UCS)

  41. A 5 7 S 8 B 2 G 10 12 C Uniform cost search (UCS) Sebuahmasalahpencarianrutedarikota S menujukota G. Padamasalahinidigunakan basis data berupa path cost antarasatukotadengankotalainnya. (Suyanto, 2007:10)

  42. S S S S 0 5 8 12 12 8 12 5 8 5 A B C A B C A B C 7 2 7 G G G Uniform Cost Search (UCS) Angkapadasetiapsimpulmenyatakanpath cost . Padaakhirnya UCS menemukan S-B-G sebagairutedengan minimum path cost 10. (Suyanto, 2007:10)

  43. IDS merupakanmetode yang menggabungkankelebihan BFS (completedanoptimal) dan DFS (space complexitirendahataumembutuhkansedikitmemori). IDS melakukanpencariansecaraiteratifmenggunakanpenelusuran DLS dimulaidenganbatasan level 0. Jikabelumditemukansolusi, makadilanjutkanpada level 1, dstsampaiditemukansolusi. Iterative Deepening Search (IDS)

  44. Iterative Deepening Search (IDS)

  45. SUMMARY

  46. Pencarianbutatidakselaludapatditerapkandenganbaik, halinidisebabkanwaktuaksesnya yang cukup lama sertabesarnyamemori yang dibutuhkan. Kelemahaninisebenarnyadapatdiatasijikaadainformasitambahan (fungsiheuristik) dari domain yang bersangkutan. MetodePencarianHeuristik

  47. Heuristikadalahsebuahteknik yang mengembangkanefisiensidalamprosespencarian, namundengankemungkinanmengorbankankelengkapan (completeness). Untukdapatmenerapkanheuristiktersebutdenganbaikdalamsuatu domain tertentu, diperlukansuatuFungsiHeuristik. Fungsiheuristikdigunakanuntukmenghitungpathcostsuatu node tertentumenujuke node tujuan. MetodePencarianHeuristik

  48. Kasus 8-puzzle Ada 4 operator yang dapatdigunakanuntukmenggerakkandarisatukeadaan (state) kekeadaan yang baru. • Geserubinkosongkekiri • Geserubinkosongkekanan • Geserubinkosongkeatas • Geserubinkosongkebawah FungsiHeuristik