Bidang-Bidang dalam Artificial Intelligence

Tugas	Tgl Tugas	Tgl Selesai
1	18 Februari 2010	24 Februari 2010

Nama	NPM	TUGAS
Dwi Ferdiana	0415031047	Mencari bahan, memasukan ke blog
Anisa Ulya D	0855031005	Mencari bahan, memasukan ke blog
Yuly Indriani	0815031097	Mencari bahan, memasukan ke blog
Novia Utami P	0815031077	Mencari bahan, memasukan ke blog

Bidang-bidang yang termasuk kecerdasan buatan adalah sebagai berikut:

1. Sistem Pakar (Expert System)

Secara umum sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia
ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan
oleh para ahli.

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.
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

Disamping 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 bidangnnya.
3. Sistem pakar tidak 100% bernilai benar.

Konsep Dasar Sistem Pakar

Menurut Efraim Turban, konsep dasar sistem pakar mengandung keahlian, ahli, pengalihan keahlian,
inferensi, aturan, dan kemampuan menjelaskan.

Keahlian adalah suatu kelebihan penguasaan pengetahuan di bidang tertentu yang diperoleh dari
pelatihan, membaca atau pengalaman.
Seorang ahli adalah seorang yang mampu menjelaskan suatu tanggapan, mempelajari
hal-hal baru seputar topik permasalahan, menyusun kembali pengetahuan jika dipandang perlu,
memecah aturan-aturan jika dibutuhkan, dan menentukan relevan setidaknya keahlian mereka.
Pengalihan keahlian dari para ahli ke komputer untuk kemudian dialihkan lagi ke orang lain
yang bukan ahli, merupakan tujuan utama dari sistem pakar.
Pengetahuan yang disimpan di komputer disebut dengan nama basis pengetahuan. Ada 2 tipe
pengetahuan yaitu: fakta dan prosedur (biasanya berupa aturan).
Jika keahlian-keahlian sudah tersimpan sebagai basis pengetahuan dan sudah tersedia
program yang mampu mengakses basis data, maka komputer harus dapat diprogram untuk
membuat inferensi.
Sebagian besar sistem pakar komersial dibuat dalam bentuk rule based sistem, yang mana pengetahuan
disimpan dalam bentuk aturan-aturan. Aturan tersebut biasanya berbentuk IF-THEN.
Fitur lainnya dari sistem pakar adalah kemampuan untuk merekomendasi. Kemampuan inilah
yang membedakan sistem pakar dengan sistem konvensional.

Struktur Sistem Pakar

Sistem pakar terdiri dari 2 bagian pokok, yaitu: lingkungan pengembangan (development environment)
dan lingkungan konsultasi (consultation environment). Lingkungan pengembangan digunakan sebagai
pembangun sistem pakar baik dari segi pembangun komponen maupun basis pengetahuan.
Lingkungan konsultasi digunakan oleh seseorang yang bukan ahli untuk berkonsultasi.


2. Logika Fuzzy (Fuzzy Logic)

Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input ke dalam
suatu ruang output.
Ada beberapa hal yang perlu diketahui dalam memeahami sistem fuzzy, yaitu:
1. Variable Fuzzy
Variable fuzzy merupakan variable yang hendak dibahas dalam suatu sistem fuzzy.
Contoh: temperatur, umur, permintaan, dll.
2. Himpunan Fuzzy
Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu
dalam suatu variable fuzzy.
3. Semesta Pembicaraan
Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan
dalam suatu variable fuzzy. Semesta pembicaraan merupakan himpunan bilangan real
yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan.
4. Domain
Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan dalam semesta pembicaraan
dan boleh dioperasikan dalam suatu himpunan fuzzy.

Aplikasi Logika Fuzzy

Beberapa aplikasi logika fuzzy, antara lain:
1. Pada tahun 1990 pertama kali dibuat mesin cuci dengan logika fuzzy di Jepang.
Sistem fuzzy digunakan untuk menentukan putaran yang tepat secara otomatis
berdasarkan jenis dan banyaknya kotoran serta jumlah yang akan dicuci.
2. Transmisi otomatis pada mobil. Mobol Nissan telah menggunakan sistem fuzzy
pada transmisi otomatis dan mampu menghemat bensin 12-17%.
3. Kereta bawah tanah Sendai mengontrol pemberhentian otomatis pada area tertentu.


3. Jaringan Syaraf Tiruan

Jaringan syaraf adalah merupakan salah satu representasi buatan dari otak manusia
yang selalu mencoba untuk mensimulasikan proses pembelajaran pada otak manusia tersebut.
Istilah buatan disini digunakan karena jaringan syaraf ini diimplementasikan dengan
menggunakan program komputer yang mampu menyelesaikan sejumlah proses perhitungan
selama proses pembelajaran.

Komponen Jaringan Syaraf

Seperti halnya otak manusia, jaringan syaraf juga terdiri dari beberapa neuron dan
ada hubungan antara neuron-neuron tersebut. Neuron-neuron tersebut akan mentransformasikan
informasi yang diterima melalui sambungan keluarnya menuju ke neuron-neuron yang lain.
Pada jaringan syaraf, hubungan ini dikenal dengan nama bobot. Informasi tersebut
disimpan pada suatu nilai tertentu pada bobot tersebut.

Arsitektur Jaringan syaraf

Ada beberapa arsitektur jaringan syaraf, antara lain:
1. Jaringan dengan lapisan tunggal (single layer net)
Jaringan dengan lapisan tunggal hanya memiliki satu lapisan dengan bobot-bobot terhubung.
Jaringan ini hanya menerima input kemudian secara langsung akan mengolahnya menjadi
output tanpa harus melalui lapisan tersembunyi.
2. Jaringan dengan banyak lapisan (multi layer net)
Jaringan dengan banyak lapisan memiliki 1 atau lebih lapisan yang terletak diantara lapisan
input dan lapisan output (memiliki satu atau lebih lapisan tersembunyi).
Umumnya, ada lapisan bobot-bobot yang terletak antara 2 lapisan yang bersebelahan.
Jaringan dengan banyak lapisan ini dapat menyelesaikan permasalahan yang lebih sulit
dari pada jaringan dengan lapisan tunggal, tentu saja dengan pembelajaran yang lebih rumit.
Namun demikian, pada banyak kasus, pembelajaran pada jaringan dengan banyak lapisan
ini lebih sukses dalam menyelesaikan masalah.
3. Jaringan dengan lapisan Kompetitif (competitive layer net)
Umumnya, hubungan antar neuron pada lapisan kompetitif ini tidak diperlihatkan
pada diagram arsitektur.

Fungsi Aktivasi

Ada beberapa fungsi aktivasi yang sering digunakan dalam jaringan syaraf tiruan, yaitu:
1. Fungsi Undak biner (hard limit)
Jaringan dengan lapisan tunggal sering menggunakan fungsi undak untuk mengkonversikan
input dari suatu variable yang bernilai kontinu ke suatu output biner (0 atau 1).
2. Fungsi undak biner (Threshold)
Fungsi undak biner dengan menggunakan nilai ambang sering juga disebut dengan nama
fungsi nilai ambang (threshold) atau fungsi Heaviside.
3. Fungsi bipolar (symetric hard limit)
Fungsi bipolar sebenarnya hampir sama dengan fungsi undak biner, hanya saja
output yang dihasilkan berupa 1, 0 atau -1.
4. Fungsi bipolar dengan threshold
Fungsi bipolar sebenarnya hampir sama dengan fungsi undak biner dengan threshold,
hanya saja output yang dihasilkan berupa 1, 0 atau -1.
5. Fungsi linear (identitas)
Fungsi linear memiliki nilai output yang sama dengan nilai inputnya.
6. Fungsi saturating linear
Fungsi ini akan bernilai 0 jika inputnya kurang dari - 1/2 dan akan bernilai 1
jika inputnya lebih dari 1/2. Sedangkan jika nilai input terletak antara
-1/2 dan 1/2, maka outputnya akan bernilai sama dengan nilai input ditambah 1/2.
7. Fungsi simetric saturating linear
Fungsi ini akan bernilai -1 jika inputnya kurang dari -1 dan akan bernilai 1
jika inputnya lebih dari 1. Sedangkan jika nilai input terletak antara -1 dan 1
maka outputnya akan bernilai sama dengan nilai inputnya.
8. Fungsi sigmoid biner
Fungsi ini digunakan untuk jaringan syaraf yang dilatih dengan menggunakan
metode backpropagation. Fungsi sigmoid biner memiliki nilai pada range 0 sampai 1.
oleh karena itu, fungsi ini sering digunakan untuk jaringan syaraf yang membutuhkan
nilai output yang terletak pada interval 0 sampai 1. Namun, fungsi ini bisa juga
digunakan oleh jaringan syaraf yang nilai outputnya 0 atau 1.
9. Fungsi sigmoid bipolar
Fungsi sigmoid bipolar hampir sama dengan fungsi sigmoid biner, hanya saja
output dari fungsi ini memiliki range antara -1 sampai 1.


4. Algoritma Genetika

Algoritma genetika adalah algoritma pencarian heuristik yang di dasarkan atas
mekanisme evolusi biologis.
Algoritma genetika pertama kali dikembangkan oleh John Hollan dari Universitas
Michigan (1975). John Hollan mengatakan bahwa tiap masalah yang berbentuk adaptasi
(alami maupun buatan) dapat diformulasikan dalam terminologi genetika.
Algoritma genetika adalah simulasi dari proses evolusi Darwin dan operasi genetika
atas kromosom.

Komponen Utama Algoritma Genetika

Ada 6 komponen utama dalam algoritma, yaitu:

1. Teknik penyandian
Teknik penyandian disini meliputi penyandian gen dari kromosom.
Gen merupakan bagian dari kromosom. Satu gen biasanya akan mewakili satu variable.
Gen dapat direpresentasikan dalam bentuk: string, bit, pohon, array bilangan real,
daftar aturan, elemen permutasi, elemen program atau representasi lainnya
yang dapat diimplementasikan untuk operator genetika.
2. Prosedur inisialisasi
Ukuran populasi tergantung pada masalah yang akan dipecahkan dan jenis operator
genetika yang akan diimplementasikan. Setelah ukuran populasi ditentukan,
kemudian harus dilakukan inisialisasi terhadap kromosom yang terdapat pada populasi tersebut.
Inisialisasi kromosom dilakukan secara acak, namun demikian
harus tetap memperhatikan domain solusi dan kendala permasalahan yang ada.
3. Fungsi evaluasi
Ada 2 hal yang harus dilakukan dalam melakukan evaluasi kromosom, yaitu:
evaluasi fungsi objektif (fungsi tujuan) dan konversi fungsi objektif ke dalam
fungsi fitness. Secara umum, fungsi fitness diturunkan dari fungsi objektif dengan nilai
yang tidak negatif. Apabila ternyata fungsi objektif memiliki nilai negatif,
maka perlu ditambahkan suatu konstanta C agar nilai fitness
yang terbentuk menjadi tidak negatif.
4. Seleksi
Seleksi ini bertujuan untuk memberikan kesempatan reproduksi yang lebih besar
bagi anggota populasi yang paling fit.
5. Operator genetika
Ada 2 operator genetika, yaitu:
a. Operator untuk melakukan rekombinasi, yangterdiri dari:
- Rekombinasi bernilai real
- Rekombinasi bernilai biner (crossover)
- Crossover dengan permutasi
b. Mutasi
- Mutasi bernilai real
- Mutasi bernilai biner
6. Penentuan parameter
Yang disebut parameter disini adalah parameter kontrol algoritma genetika,
yaitu: ukuran populasi (popsize), peluang crossover (pc), dan peluang mutasi (pm).
Parameter ini ditentukan juga berdasarkan permasalahan yang akan dipecahkan.

5. Robotika

Kecerdasan Buatan (Artificial Intelligence) dalam robotik adalah
suatu algorithma (yang dipandang) cerdas yang diprogramkan ke dalam kontroler robot.
Pengertian cerdas di sini sangat relatif, karena tergantung dari sisi mana sesorang memandang.
Para filsuf diketahui telah mulai ribuan tahun yang lalu mencoba untuk
memahami dua pertanyaan mendasar: bagaimanakah pikiran manusia itu bekerja,
dan dapatkah yang bukan-manusia itu berpikir? (Negnevitsky, 2004).
Hingga sekarang, tak satupun mampu menjawab dengan tepat dua pertanyaan ini.
Pernyataan cerdas yang pada dasarnya digunakan untuk
mengukur kemampuan berpikir manusia selalu menjadi perbincangan menarik karena
yang melakukan penilaian cerdas atau tidak adalah juga manusia.
Sementara itu, manusia tetap bercita-cita untuk menularkan (kecerdasan manusia) kepada mesin.


referensi: Sri Kusumadewi, Artificial Intellegence (Teknik dan Aplikasinya).
http://alpensteel.com/article/55-114-artikel-non-energi/
254--kecerdasan- buatan-dalam-robotika.html