P. 1
Pertemuan 1 Artificial Intelligence

Pertemuan 1 Artificial Intelligence

|Views: 306|Likes:
Dipublikasikan oleh phy09

More info:

Published by: phy09 on May 08, 2011
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

04/20/2014

pdf

text

original

Materi Kuliah – [1]: KECERDASAN BUATAN

Artificial Intelligence
Dr. Sri Kusumadewi

Sasaran
Mahasiswa mengenal pengertian dan ruang lingkup Kecerdasan Buatan.
Referensi Utama
Russell, Stuart; dan Norvig, Peter. 2003. Artificial Intelligence A Modern Approach. International Edition, Edisi 2. New Jersey: Pearson Prentice-Hall Education International. Kusumadewi; Sri. 2003. Artificial Intelligence (Teknik & Aplikasinya). Yogyakarta: Graha Ilmu.

2/10/2010

2

Materi
Pengertian Bagaimana AI bekerja? Hard Computing vs Soft Computing Kapan menggunakan AI?

2/10/2010

3

2/10/2010 4 .Pengertian 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 Sistem cerdas (intelligent system) adalah sistem yang dibangun dengan menggunakan teknik-teknik artificial intelligence. 2/10/2010 5 .

Alan Turing (1912-1954) 2/10/2010 6 .Sejarah Dimulai dengan uji mesin Turing: AI lulus tes apabila integrator tidak bisa membedakan dialog yang dilakukan oleh komputer – mesin. dengan komputer – manusia.

Sejarah Tahun 1943-1956: ◦ Program catur pertama oleh Shanon & Turing (1950) ◦ Deklarasi AI (1956) pada Workshop Dartmouth oleh John McCarthy John McCarthy (Stanford University ) 2/10/2010 7 .

diprogram oleh Robert K. Lindsay (1960).Sejarah Tahun 1956-1966 ◦ Logic Theorist (mampu membuktikan teoremateorema matematika) ◦ Sad Sam. Program ini dapat mengetahui kalimat-kalimat sederhana yang ditulis dalam bahasa Inggris dan mampu memberikan jawaban dari fakta-fakta yang didengar dalam sebuah percakapan. ◦ General Problem Solver 2/10/2010 8 .

◦ Problem AI yang akan dipecahkan tidak mudah ditangani ◦ Sistem berbasis pengetahuan -> terutama untuk sistem pakar: MYCIN DENDRAL PROSPECTOR XCON & XSEL FOLIO DELTA 2/10/2010 9 .Sejarah Tahun 1966 – 1979 ◦ Program AI hanya bisa melakukan manipulasi simbolik dan hanya bisa memuat sedikit sekali pengetahuan.

pembuatan komputer cerdas dengan Prolog (Jepang). Daya jual produk AI: beberapa juta dolar (1980) – mencapai $2 miliar (1988). Proyek “Generasi Kelima” .Sejarah Tahun 1980-sekarang: ◦ AI telah menjadi komoditi industri: R1 Sistem Pakar komersial pertama yg dibuat oleh Digital Equipment Corporation (DEC). 2/10/2010 10 . 1982. 1981.

Cabang-cabang AI Logical AI ◦ Logika (matematis) yang merepresentasikan sekumpulan fakta dan tujuan ---> RUANG KEADAAN: Graph Tree 2/10/2010 11 .

Cabang-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 2/10/2010 12 .

Cabang-cabang AI Representation ◦ Representasi fakta-fakta (pengetahuan) dalam ruang keadaan: Logika (proposisi & predikat) Tree Jaringan Semantik Frame Naskah Kaidah Produksi 2/10/2010 13 .

Pengolahan Bahasa Alami Jaringan Syaraf Tiruan 2/10/2010 14 .Cabang-cabang AI Pattern Recognition ◦ Pengenalan & pencocokan suatu pola terhadap sekumpulan pola.

Cabang-cabang AI Inference ◦ Kemampuan untuk menarik kesimpulan berdasarkan pengetahuan. Forward Reasoning Backward Reasoning Fuzzy Inference System (FIS) 2/10/2010 15 .

Cabang-cabang AI Learning from Experience ◦ Melakukan proses pembelajaran (pelatihan) dari pengetahuan atau pengalaman yang ada pada basis pengetahuan. Jaringan Syaraf Tiruan 2/10/2010 16 .

Cabang-cabang AI Cabang-cabang lain: ◦ Pengolahan bahasa alami (Natural Language Processing) ◦ Robotika (robotics) ◦ Game playing ◦ Persepsi (vision and speech) 2/10/2010 17 .

2/10/2010 18 . berisi fakta-fakta. pemikiran dan hubungan antara satu dengan lainnya. teori. yaitu kemampuan menarik kesimpulan berdasarkan pengalaman. ◦ Inference engine.Bagaimana AI bekerja? Bagian terpenting AI: ◦ Knowledge base (basis pengetahuan).

Bagaimana AI bekerja? ARTIFICIAL INTELLIGENCE Input: MASALAH Output: SOLUSI Knowledge Base Inference Engine 2/10/2010 19 .

dan saya berangkat dari rumah jam 6.75. maka tidak lama kemudian perut saya akan terasa sakit. ◦ Contoh: Jika saya makan cabe > 5 buah. 2/10/2010 20 . maka y=100.45.Analogi AI dan Kecerdasan Manusia? Basis Pengetahuan: ◦ Kumpulan pengetahuan & pengalaman yang dimiliki oleh manusia. maka saya akan terlambat. Jika kuliah mulai jam 7. Jika x=3.

2/10/2010 21 .Analogi AI dan Kecerdasan Manusia? Inferensi: ◦ Kemampuan manusia untuk menalar berdasarkan pengetahuan/pengalaman yang dimiliki. Kesimpulan: Tidak lama lagi perut saya akan sakit. ◦ Contoh: Pengetahuan: Jika saya makan cabe > 5 buah. apabila muncul suatu fakta. maka tidak lama kemudian perut saya akan terasa sakit. Fakta: Saya baru saja makan cabe 15 buah.

2/10/2010 22 . untuk mendapatkan konklusi yang khusus.Bentuk Penalaran Penalaran Deduktif ◦ Penalaran dimulai dari premis yang bersifat umum. ◦ Contoh: Premis1: Jika hari hujan. Premis2: Hari ini turun hujan. maka saya tidak datang. Konklusi: Hari ini saya tidak datang.

Premis5: Ikan paus bernafas dengan paru-paru. Premis4: Ikan kakap bernafas dengan insang. Konklusi: Ikan adalah hewan yang bernafas dg insang Konklusi kurang tepat!!!!! 2/10/2010 23 . ◦ Contoh: Premis1: Ikan mujaer bernafas dengan insang. untuk mendapatkan konklusi yang bersifat umum. Premis2: Ikan mas koki bernafas dengan insang.Bentuk Penalaran Penalaran induktif: ◦ Penalaran dimulai dari premis-premis yang bersifat khusus. Premis3: Ikan bawal bernafas dengan insang.

Teknik Pemecahan Masalah Conventional Hard Computing Logika penalaran berbentuk simbol Precise Precise Models Models Pencarian & Pemodelan masalah dilakukan secara numeris (tradisional) Soft Computing Approximate Approximate Models Models Penalaran melalui pendekatan Pendekatan fungsional & Pencarian random 2/10/2010 24 .

dan biaya penyelesaiannya murah. 2/10/2010 25 Soft computing adalah koleksi dari .Soft Computing beberapa metodologi yang bertujuan untuk mengeksploitasi adanya toleransi terhadap ketidaktepatan. Definisi ini pertama kali diungkapkan oleh Prof. ketidakpastian. dan kebenaran parsial untuk dapat diselesaikan dengan mudah. Lotfi A. Zadeh pada tahun 1992. robustness.

2/10/2010 26 . Functional Approximation/ Randomized Search: ◦ Neural Network (Jaringan Syaraf) ◦ Evolutionary Algorithm (Algoritma evolusioner).Komponen Soft Computing Approximate reasoning: ◦ Fuzzy System. ◦ Probabilistic Reasoning.

Menggunakan derajat keanggotaan fuzzy untuk menunjukkan seberapa besar suatu nilai masuk dalam suatu himpunan fuzzy. 2/10/2010 27 . Bidang kajian: ◦ ◦ ◦ ◦ ◦ Fuzzy Inference System Fuzzy Clustering Fuzzy Database Fuzzy Mathematical Programming dll.Sistem Fuzzy Konsepnya menggunakan teori himpunan.

Jaringan Syaraf Tiruan Menggunakan algoritma pembelajaran untuk mendapatkan bobot-bobot yang optimum. Jenis pembelajaran: supervised learning. dan paling sering diaplikasikan: ◦ ◦ ◦ ◦ ◦ ◦ Perceptron Radial Basis Backpropagation (sederhana & lanjut) Self Organizing Learning Vector Quantization dll 2/10/2010 28 . dan unsupervised learning. Algoritma pembelajaran yang sudah dikembangkan.

Terutama digunakan untuk optimasi. Algoritma yang sudah dikembangkan: ◦ ◦ ◦ ◦ ◦ Algoritma Genetika Ant System Fish Schooling Bird Flocking Particle Swarm 2/10/2010 29 .Algoritma Evolusioner Menggunakan pendekatan teori evolusi. Dipelopori oleh algoritma genetika.

Teori-teori yang berkembang: ◦ Teorema Bayes ◦ Certainty Factor (statistic reasoning) ◦ Teorema Dempster-Shafer (statistic reasoning) 2/10/2010 30 .Probabilistic Reasoning Mengakomodasi adanya faktor ketidakpastian.

Hybrid system merupakan perpaduan antar komponen dalam soft computing. melainkan justru saling ‘melengkapi’. 2/10/2010 31 .Hybrid System Setiap komponen dalam Soft computing tidak saling ‘berkompetisi’.

Hybrid System Neuro-fuzzy Systems Fuzzy Neural Network Fuzzy Genetic Algorithms Neuro-genetic Systems 2/10/2010 32 .

Menggunakan AI: kapan? Masalah: ◦ Carilah nilai minimum dari: y=x2+2x-3. 2/10/2010 33 . Untuk masalah sederhana yang bisa diselesaikan secara analitis. selesaikanlah secara ANALITIS. terletak pada x=-1. ◦ Solusi eksak. ◦ Dengan mudah dapat diselesaikan secara analitis. pada kawasan [-10 10]. Nilai Minimum = -4.

Menggunakan AI: kapan? f(x )= x 2 + 2x -3 120 100 80 60 y 40 20 m inim um 0 -20 -10 -8 -6 -4 -2 0 x 2 4 6 8 10 2/10/2010 34 .

dekat dengan 3. regulafalsi. ◦ Sangat sulit untuk diselesaikan secara analitis. secant.Menggunakan AI: kapan? Masalah: ◦ Carilah akar persamaan: f(x)= sin(x)cos(x)2x+3sin(x)ln(x)+5sin(2x2-5x) / cos(x3-2x). 2/10/2010 35 . ◦ Hasil=3. gunakan pendekatan METODE NUMERIS: (Metode biseksi. Newton).0846.

5 5 2/10/2010 36 .Menggunakan AI: kapan? s in(x )c os (x )-2x + 3s in(x )ln(x )+ 5s in(2x 2 -5x )/c os (x 3 -2x ) 300 200 y = 0.5 3 x 3. x dek at dengan 3 100 0 -100 y -200 -300 -400 -500 -600 1 1.5 2 2.5 4 4.

dekat pada kawasan [1 5]. namun kumungkinan diperoleh nilai minimum lokal sangat tinggi. Cara terbaik gunakan pendekatan ARTIFICIAL INTELLIGENCE (Simulated Annealing.Menggunakan AI: kapan? Masalah: ◦ Carilah nilai minimum dari: f(x)= sin(x)cos(x)- 2x+3sin(x)ln(x)+5sin(2x2-5x) /cos(x3-2x). pada x=133 2/10/2010 37 . ◦ Sangat sulit untuk diselesaikan secara analitis.3730. ◦ Nilai minimum=-547. Algoritma Genetika). Secara numeris memungkinkan.

5 5 2/10/2010 38 .5 4 4.Menggunakan AI: kapan? s in(x )c os (x )-2x + 3s in(x )ln(x )+ 5s in(2x 2 -5x )/c os (x 3 -2x ) 300 200 100 0 -100 y -200 -300 -400 -500 m inim um global -600 1 1.5 2 2.5 3 x 3.

Bekal ilmu yang harus ‘disiapkan’ untuk lebih memudahkan mempelajari Soft Computing: ALJABAR KALKULUS LOGIKA KOMPUTASI NUMERIS SOFT COMPUTING 2/10/2010 39 .

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->