Tugas Kecerdasan Buatan

Komponen Utama pada AI

Disusun Oleh :

Ria Kurnianti (0810963065)

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

JURUSAN MATEMATIKA
PRODI ILMU KOMPUTER
UNIVERSITAS BRAWIJAYA

2010
 KOMPONEN UTAMA PADA KECERDASAN BUATAN
(MAJOR COMPONENT OF AI)

1. Pengolahan bahasa alami (natural language processing)

1.1. Pengertian NLP
Mengubah informasi yang diekspresikan dalam bahasa pembicaraan dan
tertulis dari manusia menjadi masukan untuk komputer lewat perangkat lunak yang
telah dikhususkan. Natural language processing adalah ujung tombak dari usaha
untuk memindahkan beban pada komunikasi manusia-komputer yang efektif ke
komputer. Perintah – perintahnya merupakan bahasa sehari-hari.
 Tujuannya adalah untuk melakukan proses pembuatan model komputasi dari
bahasa, sehingga dapat terjadi suatu interaksi antara manusia dan computer dengan
perantara bahasa alami. Model komputasi ini dapat berguna untuk pengetahuan
ilmiah.

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.

1.2 Komponen Utama NLP

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.
1.3 Bidang Pengetahuan pada NLP
Ada beberapa tingkat pengolahan pada NLP, yaitu dibagi dalam beberapa
bidang pengetahuan seperti :
a. Fonetik dan Fonologi
Berhubungan dengan suara yang menghasilkan kata yang dapat dikenali. Bidang
ini menjadi penting dalam proses aplikasi yang memakai metode Speech based
system.

b. Morfologi
Pengetahuan tentang kata dan bentuknya dimanfaatkan untuk membedakan satu
kata dengan yang lainnya. Pada tingkat ini jg dapat dipisahkan antara kata dan
elemen lain seperti tanda baca. Contoh : kata Going èGo(root), ing(suffix).

c. Sintaksis
Pemahaman urutan kata dalam pembentukkan kalimat dan hubungan antara kata
tersebut dalam proses perubahan bentuk dari kalimat menjadi bentuk yang
sistematis. Meliputi proses pengaturan tata letak suatu kata dalam kalimat yang
akan membentuk kalimat yang dapat dikenali.

d. Semantik
Pemetaa bentuk struktur sintaksis dengan memanfaatkan tiap kata ke dalam
bentuk yang lebih mendasar dan tidak tergantung struktur kalimat. Dalam
tingkatan ini belum mencakup konteks dari kalimat tersebut.

e. Pragmatik
Pengetahuan pada tingkatan ini berhubungan dengan konteks yang berbeda – beda
tergantung pada situasi dan tujuan pembuatan system.

f. Discourse Knowledge
Melakukan suatu pengenalan apakah suatu kalimat yang sudah dibaca atau
dikenali sebelumnya akan mempengaruhi arti dari kalimat selanjutnya. Informasi
 ini penting diketahui untuk melakukan pengolahan arti terhadap kata ganti orang
dan untuk mengartikan aspek sementara dari informasi.

g. World Knowledge
Mencakup arti sebuah kata secara umum dan apakah ada arti khusus pada suatu
kata dalam percakapan dengan konteks tertentu.

Namun masih ada satu masalah yang terjadi dalam bidang ini yaitu terjadinya
ambiguitas ( makna ganda dari suatu kata atau kalimat).

1.4 Aplikasi pada bidang NLP

Ada dua jenis aplikasi yang dapat dibuat pada bidang ini yaitu : text-based
application dan dialogue-based application. Pada text-based application mencakup
segala macam applikasi yang melakukan proses terhadap teks tertulis, seperti misalnya
buku, berita di surat kabar, e-mail, dll. Contoh penggunaan dari text-based application
adalah :
a. Mencari topic tertentu dari buku di perpustakaan
b. Mencari isi dari surat atau e-mail
c. Menterjemahkan dokumen dari satu bahasa ke bahasa lainnya

Bentuk selanjutnya yaitu dialogue-based application. Idealnya pendekatan ini

melibatkan bahasa lisan dan pengenalan suara, akan tetapi pendekatan ini juga
memasukkan interaksi dengan cara memasukkan teks pertanyaan melalui keyboard.
Aplikasi yang sering ditemui dalam bidang ini antara lain :
a. Sistem Tanya jawab, dimana natural language digunakan untuk mendapatkan
informasi pada database.
b. Sistem otomatis pelayanan melalui telepon
c. Kontrol suara pada peralatan elektronik
d. Sistem problem solving yang membatu pada pemecahan masalah yang umum
yang dihadapai dalam suatu pekerjaan.
 Tetapi semua system yang dapat melakukan interaksi melalui bahasa lisan
masuk ke dalam bagian terpisah, yaitu speech recognition yang terpisah dari natural
language.

1.5 Grammar dan Parsing

Grammar suatu bahasa dapat dilihat sebagai suatu aturan yang menentukan
apakah suatu kumpulan kata dapat diterima sebagai sebuah kalimat oleh bahasa
tersebut. Grammar dari Chomsky Hierarchy yaitu context free grammar memiliki sifat
lebih mudah dipahami perilakunya serta pengolahannya serta masih dapat diolah
dalam bentuk program terstruktur. Parsing adalah suatu proses menganalisa suatu
kumpulan kata dengan cara memisahkan struktur kata tersebut dan menentukkan
struktur sintaksis dari tiap kata tersebut. Gramatika yang digunakkan juga sangat
berkaitan dengan proses parsing apa yang digunakkan.

2. Knowledge Representation( Representasi Pengetahuan)

Representasi pengetahuan sistem cerdas bertujuan untuk menyelesaikan suatu masalah.

Sebuah sistem cerdas sistem tidak hanya butuh pengetahuan yang cukup tetapi juga perlu
memiliki kemampuan penalaran. Basis pengetahuan dan kemampuan untuk menalar
merupakan bagian yang penting, karena meskipun system mempunyai basis pengetahuan
yang banyak tetapi tidak memiliki kemampuan penalaran yang baik tentu akan menjadi
percuma saja.
Ada beberapa teknik yang biasa dilakukan pada knowledge representation ini, yaitu :
2.1 Rule-Based Knowledge
Pengetahuan direpresentasikan dalam suatu bentuk fakta (facts) dan aturan
(rules). Bentuk representasi ini terdiri atas premise dan kesimpulan.
2.2 Frame-Based Knowledge
Pengetahuan direpresentasikan dalam suatu bentuk hirarki atau jaringan frame.
2.3 Object-Based Knowledge
Pengetahuan direpresentasikan sebagai jaringan dari obyek-obyek. Obyek adalah
elemen data yang terdiri dari data dan metoda (proses).
 2.4 Case-Base Reasoning
Pengetahuan direpresentasikan dalam bentuk kesimpulan kasus (cases).

Ada 4 struktur dalam representasi pengetahuan ini, yaitu :

a. Frame
Frame merupakan kumpulan pengetahuan tentang suatu obyek tertentu,
peristiwa, lokasi, situasi, dll. Frame merupakan kumpulan atribut (slot) dan nilai
atribut yang mendeskripsikan suatu entitas, nilai slot dapat berupa:
• identifikasi frame,
• relasi dengan frame lain,
• batasan nilai,
• nilai,
• default nilai (dapat diubah),
• prosedur untuk mendapatkan nilai,
• prosedur yang dibangkitkan data (data driven): prosedur yang harus
dilakukan jika nilai diubah, misalnya: periksa konsistensi, dan
• kosong: untuk ditelusuri pada subclass-nya.
Frame biasa dipakai untuk merepresentasikan pengetahuan yang
didasarkan pada karateristik yang sudah dikenal dengan baik, yang dapat berupa
pengalamanpengalaman. Sebagai contoh, Gambar 1 merupakan reperesentasi
pengetahuan tentang alat-alat transportasi dalam bentuk frame.
b. Script
Script secara garis besar sama dengan frame yaitu merupakan kumpulan
pengetahuan tentang suatu obyek tertentu, peristiwa, lokasi, situasi, dll yang
dipakai untuk merepresentasikan pengetahuan didasarkan pada karateristik yang
sudah dikenal dengan baik, yang dapat berupa pengalaman-pengalaman. Untuk
menggambarkan suatu peristiwa sript disusun berdasakan elemen-elemen script
sebagai berikut :
• Kondisi input, yaitu kondisi yang harus dipenuhi sebelum terjadi atau
berlaku
suatu peristiwa dalam script.
• Track, yaitu variasi yang mungkin terjadi dalam suatu script.
• Prop, berisi obyek-obyek pendukung yang digunakan selama peristiwa
terjadi.
• Role, yaitu peran yang dimainkan oleh seseorang dalam peristiwa.
• Scene, yaitu adegan yang dimainkan yang menjadi bagian dari suatu
peristiwa.
• Hasil, yaitu kondisi yang ada setelah urutan peristiwa dalam script terjadi.

c. Semantic Net
Semantic Net (Jaringan Semantik) merupakan gambaran pengetahuan
secara grafis, yang menunjukkan hubungan antar berbagai obyek. Jaringan
semantik terdiri dari lingkaran-lingkaran yang menunjukkan obyekobyek dan
informasi tentang obyek-obyek tersebut. Obyek disini dapat berupa benda atau
peristiwa. Antara 2 obyek dihubungkan dengan arc yang menunjukkan hubungan
antar obyek.

• Katagori
Obyek-obyek yang mempunyai kemiripan karakteristik dapat
digolongkan dalam katagori tertentu. Katagori merupakan
pengorganisasian obyek yang merupakan representasi pengetahuan yang
 vital dalam semantic net. Sebagai contoh: jika ada dua obyek ”elang” dan
”perkutut”, maka kedua obyek tersebut dapat diturunkan dari katagori
”burung”.
• Obyek
Obyek merupakan individu tersendiri yang mempunyai sifat-sifat
karakteristik yang spesifik. Dalam kaitan dengan katagori, jika sebuah
obyek diturunkan dari katagori, maka obyek akan mempunyai sifat dari
katagori secara keseluruhan dan juga mempunyai sifat spesifik obyek itu
sendiri.

Dari gambar 2. dapat dilihat bahwa obyek “Manusia pria”

merupakan turunan dari katagori “Manusia”, obyek “Manusia pria” selain
mempunyai sifat-sifat individu ( C dan D) juga mempunyai sifat dari
“Manusia” yaitu punya 2 kaki.

d. Conceptual Dependency (CD)

Merupakan Strong Slot-and-Filler structure karena menambahkan
gagasan khusus tentang: apa tipe objek dan relasi yang diijinkan.
 Conceptual Dependency (CD) didefinisikan: Teori untuk
merepresentasikan pengetahuan tentang kejadian yang terkandung dalam
kalimat bahasa natural. Dengan catatan: menggambarkan penalaran kalimat dan
tidak bergantung bahasa apa. Dalam CD, representasi pengetahuan dibangun dari
himpunan aksi primitif, seperti:
• ATRANS Transfer of abstract relationship (e.g., give)
• PTRANS Transfer of physical location of an object (e.g., go)
• PROPEL Application of the physical force to an object (e.g., push)
• MOVE Movement of a body part by its owner (e.g., kick)
• GRASP Grasping of an object by an actor (e.g., clutch)
• INGEST Ingestion of an object by an animal (e.g., eat)
• EXPEL Expulsion of something from the body of an animal (e.g., cry)
• MTRANS Transfer of mental information (e.g., go)
• MBUILD Building new information out of old (e.g., decide)
• SPEAK Production of sound (e.g., say)
• ATTEND Focusing of a sense organ toward a stimulus (e.g., listen)

3. Automated Reasoning

Reasoning adalah kemampuan untuk menarik suatu simpulan. Sedangkan

Automated Reasoning adalah kemampuan dari suatu sistem komputer untuk menarik
suatu simpulan dari data yang didapatkannya. Meskipun penarikan simpulan yang
didapatkan dari suatu mesin berbeda dengan lainnya karena pada dasarnya mesin
mendapatkanya dari suatu proses matemetik dan logic.
Aspek penting dalam memecahkan suatu masalah utama dalam suatu program
adalah menemukan jawaban dari suatu teka teki dan kemudian memutuskan bahaasa apa
yang digunakan untuk mewakili dalam pemberian informasi tentang bagaimana cara
memecahkan teka teki tersebut,setelah menyelesaikan semua itu maka akan dapat
menarik kesimpulan. Jika suatu program telah berjalan maka programmer akan membuat
komputasi yang kiranya rumit menjadi lebih efisien. Ketika penelitan utama dari
 pekerjaan telah didapatkan maka dibuat di buat kerangka teori yang didalanya membahas
beberapa point diantara adalah automated reasoning yang pembahasan didalamnya
menjawab segala pertanyaan didalam suatu masalah dengan logika dan matematika.

Beberapa metode yang digunakan dalam automata dalam mengambil sebuah

keputusan, diantaranya kalkulasi sekuensial, Deduksi , Metode hubungan matriks, term
rewriting, induksi matematika.

Contohnya:
• Logika Pemrograman
• Aljabar Komputer Deduktif
• Verifikasi Formal Perangkat Keras

4. Machine Learning

Secara umum 'Machine Learning' punya pengertian sebagai suatu sistem yang
mempunyai kemampuan untuk 'learn' atau belajar. Machine disini adalah machine dalam
pengertian lebih mendekati 'sistem', bukan dalam arti mesin mekanik. Karena
implementasi sistem berkemampuan learn yang ada sekarang adalah sistem berbasis
komputer, dan kita tahu bahwa hardware semakin menjadi platform generik, sedangkan
fungsi lebih ditentukan oleh software, sehingga implementasi kemampuan Learning
tersebut menjadi dominan ditentukan oleh kemampuan software atau algoritmanya.
Dengan demikian muncul satu kecenderungan bahwa Machine Learning = algoritma.

Dengan adanya mechine learning, kita dapat menggabungkan dua buah mesin
dengan programming meta level untuk memudahkan dalam mengoptimalisasikan sebuah
penyusunan rencana keputusan, untuk itu dibutuhkan :
1. Kemampuan ahli dalam memecahkan masalah
2. Menjawab pertanyaan dari teori objek. Filosofi yang baik mampu
melakukan:
• Memperbaiki segala keadaan yang ditimbulkan contoh negatif diluar
atribut.
 Keadaan ini sangatlah mungkin karena Memperbaiki struktur
rancangan keputusan yang dibuat oleh analisis sendiri
• Memperbaiki struktur rancangan keputusan yang ditimbulkan dari
kebiasaan positif contoh.

Untuk menyelesaikan suatu permasalahan maka kita harus mengkaji beberapa

banyak pengetahuan, namun tidak sepenuhnya pengetahuan yang kita kumpulkan
tersebut dapat menyelesaikan permasalahan secara menyeluruh.

5. Computer vision

Computer Vision adalah salah satu bentuk aplikasi teknologi komputer dalam
kehidupan dunia nyata (real world). Konsep dasar yang melandasi computer vision
adalah computer becomes seeing machines, menjadikan komputer sebagai mesin yang
mampu menangkap informasi visual yang ada di lingkungannya.

Proses yang ada computer vision adalah menjadikan computer acts like human
sight, sehingga mendekati kemampuan manusia dalam menangkap informasi visual.
Untuk mendukung proses ini, maka dalam computer vision dilakukan dalam empat
tahapan utama yaitu :

5.1 Image acquisition (proses penangkapan informasi visual dan proses pengubahan
sinyal analog menjadi data digital, yang siap untuk diporoses oleh komputer)
5.2 Image Processing (proses pengolahan informasi image yang telah diidgitalisasi
oleh converter analog ke digital)
5.3 Image Analysis (proses analisa terhadap image visual yang telah di proses
sebelumnya)
5.4 Image Understanding (dengan menerapkan konsep-konsep kecerdasan buatan -
artificial intelligent-untuk memahami data visual yang ditangkapnya)

Proses pada Computer Vision dapat diuraikan sebagai berikut :

 Sebuah komputer yang menyerupai kemampuan manusia dalam menangkap
sinyal visual (human sight) dilakukan dalam empat tahapan proses dasar : Proses
penangkapan citra/gambar (image acquisition), Proses pengolahan citra (image
processing), Analisa data citra (image analysis) dan Proses pemahaman data citra (image
understanding)

a. Image Acqusition
Image Acqusition pada manusia dimulai dengan mata, kemudian
informasi visual diterjemahkan ke dalam suatu format yang kemudian dapat
dimanipulasi oleh otak. Senada dengan proses itu, computer vision membutuhkan
sebuah mata untuk menangkap sebuah sinyal visual. Umumnya mata pada
computer vision adalah sebuah kamera video. Kamera menerjemahkan sebuah
scene atau image Kemudian sinyal listrik ini diubah menjadi bilangan biner yang
akan digunakan oleh komputer untuk pemrosesan. Keluaran dari kamera adalah
berupa sinyal analog, dimana frekuensi dan amplitudonya (frekuensi berhubungan
dengan jumlah sinyal dalam satu detik, sedangkan amplitude berkaitan dengan
tingginya sinyal listrik yang dihasilkan) merepresentasikan detail ketajaman
(brightness) pada scene. Kamera mengamati sebuah kejadian pada satu jalur
dalam satu waktu, memindainya dan membaginyamenjadi ratusan garis horizontal
yang sama. Tiap‐tiap garis membuat sebuah sinyal analog yang amplitudonya
menjelaskan perubahan brightness sepanjang garis sinyal tersebut.
Karena komputer tidak bekerja dengan sinyal analog, maka sebuah
analog‐to‐digital converter (ADC), dibutuhkan untuk memproses semua sinyal
tersebut oleh komputer. ADC ini akan mengubah sinyal analog yang
direpresentasikan dalam bentuk informasi sinyal tunggal ke dalam sebuah aliran
(stream) sejumlah bilangan biner. Bilangan biner ini kemudian disimpan di dalam
memori dan akan menjadi data raw yang akan diproses.

b. Image Processing…
Tahapan berikutnya computer vision akan melibatkan sejumlah
manipulasi utama (initial manipulation) dari data binary tersebut. Image
 processing membantu peningkatan dan perbaikan kualitas image, sehingga dapat
dianalisa dan di olah lebih jauh secara lebih efisien.
Image processing akan meningkatkan perbandingan sinyal terhadap noise
(signal‐to‐noise ratio = s/n). Sinyal‐sinyal tersebut adalah informasi yang akan
merepresentasikan objek yang ada dalam image. Sedangkan noise adalah segala
bentuk interferensi, kekurang pengaburan, yang terjadi pada sebuah objek.

c. Image Analysis
Image analysis akan mengeksplorasi scene ke dalam bentuk karateristik
utama dari objek melalui suatu proses investigasi. Sebuah program komputer akan
mulai melihat melalui bilangan biner yang merepresentasikan informasi visual
untuk mengidentifikasi fitur‐fitur spesifik dan karekteristiknya. Lebih khusus lagi
program image analysis digunakan untuk mencari tepi dan batas‐batasan objek
dalam image.
Sebuah tepian (edge) terbentuk antara objek dan latar belakangnya atau
antara dua objek yang spesifik. Tepi ini akan terdeteksi sebagai akibat dari
perbedaan level brightness pada sisi yang berbeda dengan salah satu batasnya.

d. Image Understanding
Ini adalah langkah terakhir dalam proses computer vision, yang mana
sprsifik objek dan hubungannya di identifikasi. Pada bagian ini akan melibatkan
kajian tentang teknikteknik artificial intelligent. Understanding berkaitan dengn
template matching yang ada dalam sebuah scene. Metoda ini menggunakan
program pencarian (search program)dan teknik penyesuaian pola (pattern
matching techniques).

6. Robotik

Robot adalah sebuah alat mekanik yang dapat melakukan tugas fisik, baik
menggunakan pengawasan dan kontrol manusia, ataupun menggunakan program yang
telah didefinisikan terlebih dulu (kecerdasan buatan). Robot biasanya digunakan untuk
tugas yang berat, berbahaya, pekerjaan yang berulang dan kotor. Biasanya kebanyakan
robot industri digunakan dalam bidang produksi. Penggunaan robot lainnya termasuk
untuk pembersihan limbah beracun, penjelajahan bawah air dan luar angkasa,
pertambangan, pekerjaan “cari dan tolong” (search and rescue), dan untuk pencarian
tambang.

Belakangan ini robot mulai memasuki pasaran konsumen di bidang hiburan, dan
alat pembantu rumah tangga, seperti penyedot debu, dan pemotong rumput
Robot yang selama ini kita kenal adalah sebuah mesin berbentuk manusia
yang dapat berbicara dan berjalan layaknya manusia. Robot tersebut adalah salah satu
dari jenis robot berdasarkan bentuknya yaitu kategori Android. Berdasarkan bentuk,
robot terdiri dari kategori:

a. Turtle
Diciptakan tahun 1970 an dan nama Turtle diambil dari bentuknya yang mirip
rumah kura-kura

b. Vehicle
Robot jenis ini berbentuk seperti kendaraan yang dilengkapi dengan roda dan
bergerak seperti sebuah mobil. Perbedaan dengan mobil adalah kemampuan
programmablenya

c. Rover
Bentuk robot ini cenderung pendek dan juga dilengkapi roda seperti jenis
vehicle seperti pada R2-D2 dalam film Star Wars. Robot jenis ini juga
dilengkapi beberapa fungsi contohnya kemampuan untuk mendeteksi api atau
mendeteksi obyek.

d. Walker
Robot jenis ini tidak dilengkapi dengan roda seperti jenis vehicle dan rover
 melainkan bergerak dengan menggunakan kaki. Biasanya robot ini berbentuk
mirip serangga dan dilengkapi dengan 6 kaki.

e. Appendage
Robot ini berupa lengan yang biasanya digunakan untuk mengambil dan
memindahkan barang. Lengan ini dapat terpasang pada robot yang bergerak
atau pada sebuah tempat yang statis.

f. Android

Robot ini didisain menyerupai manusia dan mempunyai kemampuan

untuk berkomunikasi dengan manusia. Sedangkan berdasarkan proses kendalinya
robot terdiri dari:

• Automatic Robot
Automatic Robot bergerak berdasarkan perintah-perintah yang
telah diprogramkan sebelumnya atau berdasarkan masukan dari sensor-
sensornya
• Teleoperated
Robot jenis ini bergerak berdasarkan perintah-perintah yang
dikirimkan secara manual baik melalui remote control, PC atau joystick.

Berdasarkan tugasnya robot dibagi menjadi 2,yaitu :

- Robot Pribadi : ditujukan untuk membantu pekerjaan rumah tangga

- Robot Industri : ditujukan untuk membantu proses produksi. Contoh :

a. Motionmate: merupakan robot industri yang paling sederhana untuk

melakukan proses mengambil dan meletakkan komponen-komponen di
dalam proses produksi. Robot ini dapat mengangkat komponen sebesar 5
pound (sekitar 2,268 Kg).
b. The Rhino Charger: robot ini dibuat oleh pabrik Rhino Robots, Inc. dan
dengan menggunakan komputer Apple serta disk drive dapat untuk
mengontrol gerak dalam 6 arah sumbu. Dengan daya angkatnya sampai
dengan 50 pound (sekitar 22,68 Kg) dan tingkat gerak maksimumnya
adalah 200 inches per detik.

c. Prab Model 4200: robot ini dibuat oleh Prab Robots, Inc. dengan daya
angkatnya sebesar 75 pound (sekitar 34,02 Kg). Lengan robot ini dapat
berputar secara horisontal sebesar 250 derajat.

d. Cincinnati/Milacron T3: Robot ini oleh Cincinnati/Milacron Corporation

dengan daya angkatnya sebesar 100 pound (sekitar 45,36 Kg). Robot ini
sangat fleksibel dalam arah geraknya. Dapat bergerak dalam 6 arah
sumbu.

e. Pra FC: Robot ini mempunyai daya angkat sebesar 1 ton. Kemampuan ini
dapat digunakan untuk memindahkan sebuah mesin mobil atau benda
berat lainnya selama proses produksi.

f. Cybotech P15: Robot ini diproduksi oleh Cybotech Corporation dan dapat
mengangkat seberat 15 Kg. Robot ini banyak digunakan utuk pekerjaan
mengecat.

g. Puma Model 500: Robot ini merupakan produksi dari Unimation, Inc.
yang kemudian perusahaan tersebut dibeli oleh Westinghouse. Puma
Model 500 merupakan robot elektronik teknologi tinggi yang dapat
bergerak dalam 5 sumbu, yaitu putaran pinggang (waist rotation), putaran
bahu (shoulder rotation), putaran siku (elbow rotation), anggukan
pergelangan tangan (wrist bend) dan putaran pinggiran roda (flange
rotation).
 h. IBM Assembly Robots: IBM memproduksi dua macam robot dan
menggunakannya untuk proses produksi komputer IBM dan produk-
produk lainnya. Robot ini digunakan untuk memasukkan komponen ke
dalam suatu lubang atau memasang komponen satu yang dilekatkan
dengan komponen lainnya. Robot yang kedua berupa robot yang lebih
kecil yang dapat diprogram dengan komputer IBM PC yang digunakan
untuk memprogram dapat dilepas dan digunakan untuk keperluan lainnya.

i. GMF Robots: Robot ini dibuat oleh General Motors Corporation dan
Fanuc Machine Works dari Jepang. Kedua perusahaan tersebut bekerja
sama memproduksi GMF robots untuk dijual dan digunakan sendiri untuk
kedua perusahaan tersebut.
- Robot Pendidikan : ditujukan untuk membantu dalam mengajar
tentang operasi dan penggunaan dari robot industri. Contoh :

- Rhino Robot XR-2 System: Robot ini dibuat oleh Rhino, Inc., dan
digunakan untuk simulasi tentang operasi dari robot-robot industri. Rhino
XR-2 dapat diprogram melalui komputer Apple dan programnya dapat
disimpan di disk.

Bagian-bagian Robot
Gambar di atas menunjukkan bagian-bagian robot secara garis besar. Tidak
seluruh bagian ada pada setiap robot, hal ini dibedakan berdasarkan fungsinya saja.
 Contohnya, sistem kendali hanya digunakan pada robot yang kategori
teleoperated saja. Tak ada manusia yang berharap dunia di masa depan akan dikuasai
oleh komputer atau AI (artificial intelligence, kecerdasan buatan) seperti dalam The
Matrix atau film-film fiksi sains lainnya. Tapi anehnya, para ilmuwan komputer dan mind
philosopher berlomba membuat mesin yang mampu berpikir seperti manusia. Riset-riset
mereka didanai dan didukung oleh pihak yang dalam film fiksi sains Hollywood akan
menjadi musuh utama AI: angkatan bersenjata Amerika Serikat.
Menurut Marvin Minsky, ilmuwan komputer dan matematika yang membuat
Laboratorium AI di MIT, setidaknya ada dua alasan kenapa para ilmuwan ingin
mewujudkan mimpi ini. Pertama, kita yakin mesin cerdas akan berguna. Hal ini
didasarkan atas pengalaman kita pada mesin-mesin yang lebih dulu diciptakan untuk
meringankan pekerjaan otot manusia. "Begitu otot manusia digantikan oleh mesin pada
revolusi industri pertama, otak manusia akan digantikannya pada revolusi kedua," kata
Clive Sinclair, penemu dari Inggris. Kedua, ada "alasan negatif" di baliknya, yaitu
kenyataan bahwa konsep tradisional psikologi tidak lagi mampu memberi jawaban
terhadap misteri cara kerja otak. Psikologi eksperimental tak pernah lagi memberi
jawaban yang meyakinkan terhadap soal-soal, seperti bagaimana manusia mengenali
sesuatu? Bagaimana otak kita membuat keputusan? Bagaimana kita menciptakan ide
baru? Bagaimana kita belajar dari pengalaman? Semua pertanyaan lain yang terkait
dengan cara berpikir, berkesadaran, dan berperasaan.
Sejak beberapa dekade terakhir ini, peran robot dalam industri maupun kehidupan
sehari-hari semakin meningkat. Hampir tidak ada cabang industri teknologi tinggi yang
tidak dibantu robot. Dalam kehidupan sehari-hari, berbagai bentuk robot diciptakan untuk
membantu atau memudahkan aktivitas manusia. Tapi robot-robot yang dimaksud jangan
dibayangkan bentuknya seperti robot dalam film. Banyak robot industrial yang bentuknya
hanya seperti lengan mekanis. Atau robot rumah tangga untuk membersihkan lantai, yang
bentuknya hanya seperti cakram.
Semakin canggih dan berbahaya pekerjaan di sebuah industri, pemanfaatan alat
bantu robot makin tidak dapat dihindarkan. Misalnya saja robot pengelas di industri
mobil, robot untuk mencari dan memusnahkan ranjau, robot di perusahaan pertambangan
bawah tanah atau pengeboran minyak, serta robot yang bekerja menangani bahan kimia
beracun dan berbahaya.
Para ilmuwan bidang teknologi robotik menyebutkan, berbagai robot cerdas
diciptakan untuk membuat pekerjaan tertentu menjadi lebih manusiawi. Kedengarannya
ironis. Di satu sisi penggunaan robot akan mendesak lapangan kerja bagi manusia Di sisi
lainnya, ternyata pemanfaatan robot memang membuat pekerjaan menjadi lebih
manusiawi. Misalnya saja di pabrik mobil. Sejak beberapa dekade terakhir, semakin
banyak robot pengelas digunakan untuk menggantikan manusia. Seperti diungkapkan
Hubert Grosser, kepala bagian Humas Institut Fraunhofer untuk teknik produksi dan
otomatisasi di Stuttgart, pekerjaan mengelas body mobil tergolong pekerjaan tidak
manusiawi. Teknisi hanya bekerja secara monoton dan rutin, mengelas bagian-bagian
body, menjadi body mobil utuh. Begitu setiap hari, selama bertahun-tahun.Tentu saja
sesuai perkembangan teknologi, semakin banyak robot yang cerdas dikembangkan.
Dalam hal ini teknologi kecerdasan buatan memainkan peranan menentukan.
 DAFTAR PUSTAKA

http://repository.gunadarma.ac.id:8000/SIT_04_787.pdf
http://blog.math.uny.ac.id/nurmanita/2010/01/15/natural-language-processing/
http://lecturer.eepis-
its.edu/~kangedi/materi%20kuliah/Kecerdasan%20Buatan/Bab%205%20Natural%20Lan
guage%20Processing.pdf
http://www.total.or.id
http://imammahdi.blog.upi.edu/files/2009/07/karya-ilmiah.pdf
http://lecturer.ukdw.ac.id/anton/download/AI/Representasi%20Pengetahuan.ppt
http://www.opensubscriber.com/message/delphindo@yahoogroups.com/8827703.html
http://muhammadadri.net/wp-content/uploads/2009/04/computer-vision-01.pdf
http://yanesta-qorry.blogspot.com/2009/07/robot-dan-komputer-vision.html