Makalah Pengertian Kecerdasan Buatan Definisi Artificial

Intelligence Sejarah, Konsep, Aplikasi, Materi

Pengertian Kecerdasan Buatan Definisi Artificial Intelligence - Kecerdasan Buatan (bahasa Inggris:
Artificial Intelligence atau AI) didefinisikan sebagai kecerdasan yang ditunjukkan oleh suatu entitas buatan.
Sistem seperti ini umumnya dianggap komputer. Kecerdasan diciptakan dan dimasukkan ke dalam suatu mesin
(komputer) agar dapat melakukan pekerjaan seperti yang dapat dilakukan manusia. Beberapa macam bidang
yang menggunakan kecerdasan buatan antara lain sistem pakar, permainan komputer (games), logika fuzzy,
jaringan syaraf tiruan dan robotika.

Judul artikel ini (Makalah Pengertian Kecerdasan Buatan Definisi Artificial Intelligence Sejarah, Konsep,
Aplikasi, Materi)
Banyak hal yang kelihatannya sulit untuk kecerdasan manusia, tetapi untuk Informatika relatif tidak
bermasalah. Seperti contoh: mentransformasikan persamaan, menyelesaikan persamaan integral, membuat
permainan catur atau menyelesaikan permainan puzzle geser angka. Di sisi lain, hal yang bagi manusia
kelihatannya menuntut sedikit kecerdasan, sampai sekarang masih sulit untuk direalisasikan dalam
Informatika. Seperti contoh: Pengenalan Obyek/Muka, bermain Sepakbola.

Walaupun Artificial Intelligence memiliki konotasi fiksi ilmiah yang kuat, AI membentuk cabang yang sangat
penting pada ilmu komputer, berhubungan dengan perilaku, pembelajaran dan adaptasi yang cerdas dalam
sebuah mesin. Penelitian dalam AI menyangkut pembuatan mesin untuk mengotomatisasikan tugas-tugas yang
membutuhkan perilaku cerdas. Termasuk contohnya adalah pengendalian, perencanaan dan penjadwalan,
kemampuan untuk menjawab diagnosa dan pertanyaan pelanggan, serta pengenalan tulisan tangan, suara dan
wajah. Hal-hal seperti itu telah menjadi disiplin ilmu tersendiri, yang memusatkan perhatian pada penyediaan
solusi masalah kehidupan yang nyata. Sistem AI sekarang ini sering digunakan dalam bidang ekonomi, obat-
obatan, teknik dan militer, seperti yang telah dibangun dalam beberapa aplikasi perangkat lunak komputer
rumah dan video game.

Kecerdasan buatan ini bukan hanya ingin mengerti apa itu sistem kecerdasan, tapi juga mengkonstruksinya.
Tidak ada definisi yang memuaskan untuk 'kecerdasan':
1. Kecerdasan: kemampuan untuk memperoleh pengetahuan dan menggunakannya
2. atau kecerdasan yaitu apa yang diukur oleh sebuah 'Test Kecerdasan'

Tujuan dari Artificial Intelligence adalah untuk memecahkan persoalan dunia nyata (bersifat praktis) dan
memahami intelijensia (bersifat memahami). AI merupakan salah satu bagian ilmu komputer yang
mempelajari tentang bagaimana cara membuat agar komputer dapat melakukan pekerjaan seperti yang
dilakukan oleh manusia. Pada awal diciptakannya, komputer hanya difungsikan sebagai alat hitung saja.
Namun seiring dengan perkembangan zaman, maka peran komputer semakin mendominasi kehidupan umat
manusia. Komputer tidak lagi hanya digunakan sebagai alat hitung, lebih dari itu, komputer diharapkan untuk
dapat diberdayakan untuk mengerjakan segala sesuatu yang bisa dikerjakan oleh manusia. Manusia bisa
menjadi pandai dalam menyelesaikan segala permasalahan di dunia ini karena manusia mempunyai
pengetahuan dan pengalaman. Pengetahuan diperoleh dari belajar. Semakin banyak bekal pengetahuan yang
dimiliki oleh seseorang tentu saja diharapkan akan lebih mampu dalam menyelesaikan permasalahan. Namun
bekal pengetahuan saja tidak cukup, manusia juga diberi akal untuk melakukan penalaran, mengambil
kesimpulan berdasarkan pengetahuan dan pengalaman yang mereka miliki. Tanpa memiliki kemampuan
menalar yang baik, manusia dengan segudang pengalaman dan pengetahuan tidak akan dapat menyelesaikan
masalah dengan baik. Demikian pula, dengan kemampuan menalar yang sangat baik, namun tanpa bekal
pengetahuan dan pengalaman yang memadai, manusia juga tidak akan bisa menyelesaikan masalah dengan
baik.

Komputer juga harus diberi bekal pengetahuan dan mempunyai kemampuan untuk menalar, agar komputer
bisa bertindak seperti dan sebaik manusia. Untuk itu pada artificial intelligence, akan mencoba untuk
memberikan beberapa metode untuk membekali komputer dengan kedua komponen tersebut agar komputer
bisa menjadi mesin yang pintar. Untuk menciptakan aplikasi kecerdasan buatan ada 2 bagian utama yang
sangat dibutuhkan, yaitu:

1. Basis Pengetahuan (Knowledge Base)

Basis pengetahuan berisi fakta-fakta, teori, pemikiran dan hubungan antara satu dengan yang lainnya.

2. Motor Inferensi (Inference Engine)

Motor Inferensi merupakan kemampuan menarik kesimpulan berdasarkan pengalaman. Atau dapat juga
disebut dengan penalaran.

Sejarah Artificial Intelligence (AI)

Pada awal abad 17, René Descartes mengemukakan bahwa tubuh hewan bukanlah apa-apa melainkan hanya
mesin-mesin yang rumit. Blaise Pascal menciptakan mesin penghitung digital mekanis pertama pada 1642.
Pada 19, Charles Babbage dan Ada Lovelace bekerja pada mesin penghitung mekanis yang dapat diprogram.

Bertrand Russell dan Alfred North Whitehead menerbitkan Principia Mathematica, yang merombak logika
formal. Warren McCulloch dan Walter Pitts menerbitkan "Kalkulus Logis Gagasan yang tetap ada dalam
Aktivitas " pada 1943 yang meletakkan pondasi untuk jaringan syaraf.

Tahun 1950-an adalah periode usaha aktif dalam AI. Program AI pertama yang bekerja ditulis pada 1951 untuk
menjalankan mesin Ferranti Mark I di University of Manchester (UK): sebuah program permainan naskah
yang ditulis oleh Christopher Strachey dan program permainan catur yang ditulis oleh Dietrich Prinz. John
McCarthy membuat istilah "kecerdasan buatan " pada konferensi pertama yang disediakan untuk pokok
persoalan ini, pada 1956. Dia juga menemukan bahasa pemrograman Lisp. Alan Turing memperkenalkan
"Turing test" sebagai sebuah cara untuk mengoperasionalkan test perilaku cerdas. Joseph Weizenbaum
membangun ELIZA, sebuah chatterbot yang menerapkan psikoterapi Rogerian.

Selama tahun 1960-an dan 1970-an, Joel Moses mendemonstrasikan kekuatan pertimbangan simbolis untuk
mengintegrasikan masalah di dalam program Macsyma, program berbasis pengetahuan yang sukses pertama
kali dalam bidang matematika. Marvin Minsky dan Seymour Papert menerbitkan Perceptrons, yang
mendemostrasikan batas jaringan syaraf sederhana dan Alain Colmerauer mengembangkan bahasa komputer
Prolog. Ted Shortliffe mendemonstrasikan kekuatan sistem berbasis aturan untuk representasi pengetahuan dan
inferensi dalam diagnosa dan terapi medis yang kadangkala disebut sebagai sistem pakar pertama. Hans
Moravec mengembangkan kendaraan terkendali komputer pertama untuk mengatasi jalan berintang yang kusut
secara mandiri.

Pada tahun 1980-an, jaringan syaraf digunakan secara meluas dengan algoritma perambatan balik, pertama kali
diterangkan oleh Paul John Werbos pada 1974. Tahun 1990-an ditandai perolehan besar dalam berbagai bidang
AI dan demonstrasi berbagai macam aplikasi. Lebih khusus Deep Blue, sebuah komputer permainan catur,
mengalahkan Garry Kasparov dalam sebuah pertandingan 6 game yang terkenal pada tahun 1997. DARPA
menyatakan bahwa biaya yang disimpan melalui penerapan metode AI untuk unit penjadwalan dalam Perang
Teluk pertama telah mengganti seluruh investasi dalam penelitian AI sejak tahun 1950 pada pemerintah AS.

Tantangan Hebat DARPA, yang dimulai pada 2004 dan berlanjut hingga hari ini, adalah sebuah pacuan untuk
hadiah $2 juta dimana kendaraan dikemudikan sendiri tanpa komunikasi dengan manusia, menggunakan GPS,
komputer dan susunan sensor yang canggih, melintasi beberapa ratus mil daerah gurun yang menantang.

Paham Pemikiran Artificial Intelligence (AI)

Secara garis besar, AI terbagi ke dalam dua faham pemikiran yaitu AI Konvensional dan Kecerdasan
Komputasional (CI, Computational Intelligence). AI konvensional kebanyakan melibatkan metoda-metoda
yang sekarang diklasifikasikan sebagai pembelajaran mesin, yang ditandai dengan formalisme dan analisis
statistik. AI konvensional dikenal juga dengan sebutan AI simbolis, AI logis, AI murni dan AI cara lama
(GOFAI, Good Old Fashioned Artificial Intelligence). Metoda-metodanya meliputi:
1. Sistem pakar: menerapkan kapabilitas pertimbangan untuk mencapai kesimpulan. Sebuah sistem pakar
dapat memproses sejumlah besar informasi yang diketahui dan menyediakan kesimpulan-kesimpulan
berdasarkan pada informasi-informasi tersebut.
2. Petimbangan berdasar kasus
3. Jaringan Bayesian
4. AI berdasar tingkah laku: metoda modular pada pembentukan sistem AI secara manual

Kecerdasan komputasional melibatkan pengembangan atau pembelajaran iteratif (misalnya penalaan parameter
seperti dalam sistem koneksionis. Pembelajaran ini berdasarkan pada data empiris dan diasosiasikan dengan AI
non-simbolis, AI yang tak teratur dan perhitungan lunak.

Metoda-metoda pokoknya meliputi:

1. Jaringan Syaraf: sistem dengan kemampuan pengenalan pola yang sangat kuat
2. Sistem Fuzzy: teknik-teknik untuk pertimbangan di bawah ketidakpastian, telah digunakan secara meluas
dalam industri modern dan sistem kendali produk konsumen.
3. Komputasi Evolusioner: menerapkan konsep-konsep yang terinspirasi secara biologis seperti populasi,
mutasi dan “survival of the fittest” untuk menghasilkan pemecahan masalah yang lebih baik.

Metoda-metoda ini terutama dibagi menjadi algoritma evolusioner (misalnya algoritma genetik) dan
kecerdasan berkelompok (misalnya algoritma semut).

Dengan sistem cerdas hibrid, percobaan-percobaan dibuat untuk menggabungkan kedua kelompok ini. Aturan
inferensi pakar dapat dibangkitkan melalui jaringan syaraf atau aturan produksi dari pembelajaran statistik
seperti dalam ACT-R. Sebuah pendekatan baru yang menjanjikan disebutkan bahwa penguatan kecerdasan
mencoba untuk mencapai kecerdasan buatan dalam proses pengembangan evolusioner sebagai efek samping
dari penguatan kecerdasan manusia melalui teknologi.

Lingkup AI (Artificial Intelligence) pada Aplikasi Komersial

Dewasa ini, AI juga memberikan konstribusi yang cukup besar di bidang manajemen. Adanya sistem
pendukung keputusan dan Sistem Informasi Manajemen juga tidak terlepas dari andil AI. Makin pesatnya
perkembangan teknologi menyebabkan adanya perkembangan dan perluasan lingkup yang membutuhkan
kehadiran AI. Karakteristik ‘cerdas’ sudah mulai dibutuhkan di berbagai disiplin ilmu dan teknologi. AI tidak
hanya dominan di bidang ilmu komputer (informatika), namun juga sudah merambah di berbagai disiplin ilmu
yang lain. Irisan antara psikologi dan AI melahirkan sebuah area yang dikenal dengan nama cognition &
psycolinguistics. Irisan antara teknik elektro dengan AI melahirkan berbagai ilmu, seperti: pengolahan citra,
teori kendali, pengenalan pola dan robotika.

Adanya irisan penggunaan AI di berbagai disiplin ilmu tersebut menyebabkan cukup rumitnya untuk
mengklasifikasikan AI menurut disiplin ilmu yang menggunakannya. Untuk memudahkan hal tersebut, maka
pengklasifikasian lingkup AI didasarkan pada output yang diberikan, yaitu pada aplikasi komersial (meskipun
sebenarnya AI itu sendiri bukan merupakan medan komersial).

Lingkup utama dalam kecerdasan buatan adalah:

1. Sistem Pakar (Expert System).
Disini, komputer digunakan sebagai sarana untuk menyimpan pengetahuan para pakar. Dengan demikian,
komputer akan memiliki keahlian untuk menyelesaikan permasalahan dengan meniru keahlian yang
dimiliki oleh pakar.
2. Pengolahan Bahasa Alami (Natural Language Processing).
Dengan pengolahan bahasa alami ini diharapkan user dapat berkomunikasi dengan komputer dengan
menggunakan bahasa sehari-hari.
3. Pengenalan Ucapan (Speech Recognition).
Melalui pengenalan ucapan diharapkan manusia dapat berkomunikasi dengan komputer menggunakan
suara.
4. Robotika & Sistem Sensor (Robotics & Sensory Systems).
5. Computer Vision, mencoba untuk dapat menginterpretasikan gambar atau objek-objek tampak melalui
komputer.
6. Intelligent Computer-aided Instruction. Komputer dapat digunakan sebagai tutor yang dapat melatih dan
mengajar.
7. Game Playing.

Seiring dengan perkembangan teknologi, muncul beberapa teknologi yang juga bertujuan untuk membuat agar
komputer menjadi cerdas sehingga dapat menirukan kerja manusia sehari-hari. Teknologi ini juga mampu
mengakomodasi adanya ketidakpastian dan ketidaktepatan data input. Dengan didasari pada teori himpunan,
maka pada tahun 1965 muncul Logika Fuzzy. Kemudian pada tahun 1975, John Holland mengatakan bahwa
setiap problem berbentuk adaptasi (alami maupun buatan) secara umum dapat diformulasikan dalam
terminologi genetika. Algoritma genetika ini merupakan simulasi proses evolusi Darwin dan operasi genetika
atas kromosom.

Daftar Pustaka - Makalah Pengertian Kecerdasan Buatan Definisi Artificial Intelligence Sejarah,
Konsep, Aplikasi, Materi

Kusumadewi.S, Artificial Intelligence (Teknik dan Aplikasinya), Edisi 2, Penerbit Graha Ilmu, 2002.

Desiani.A dan Arhami.M, Konsep Kecerdasan Buatan, Penerbit Graha Ilmu, 2002.

Sandi.S, Artificial Intelegencia, Andi Offset Yogyakarta, 1993.

Contoh Makalah Sistem Pakar (Pengertian, Prinsip Dasar dan
Ciri-cirinya)
November 17th, 2013 Materi Kuliah No Comments »

Dalam contoh makalah sistem pakar ini atau ulasan mengenai sistem pakar ini akan dibahas mengenai pengertian
sistem pakar, ciri-ciri sistem pakar, keuntungan sistem pakar /kekurangan menggunakan sistem pakar, konsep dasar
sistem pakar, diagram struktur sistem pakar, serta contoh sistem pakar yang secara detailnya bisa anda baca berikut
ini.

Pengertian sistem pakar (Expert System) menurut para ahli, Martin dan Oxman (1998) Sistem berbasis komputer
yang menggunakan pengetahuan, fakta, dan teknik penalaran dalam memecahkan masalah yang biasanya hanya
dapat dipecahkan oleh seorang pakar dalam bidang tersebut. menurut Durkin sistem pakar merupakan program
komputer yang dirancang untuk memodelkan kemampuan penyelesaian masalah yang dilakukan oleh seorang
pakar. Sedangkan menurut Giarratano dan Riley sistem pakar merupakan sistem komputer yang bisa menyamai
atau meniru kemampuan seorang pakar.

Sistem pakar merupakan sistem yang menggunakan pengetahuan manusia yang terekam dalam komputer untuk
memecahkan persoalan yang membutuhkan keahlian manusia, selain itu sistem pakar juga bisa berarti sistem
informasi berbasis komputer yang menggunakan pengetahuan pakar untuk mencapai performa keputusan tingkat
tinggi dalam domain persoalan yang sempit.

Sistem pakar sendiri pertama kali dikembangkan oleh komunitas AI pada pertengahan tahun 1960. ES yang muncul
pertama kali adalah General-purpose Problem Solver (GPS) yang dikembangkan oleh Newel dan Simon. Dan
sampai saat ini sudah banyak model sistem pakar yang sudah dibuat, misal :
Ciri-ciri sistem pakar, diantaranya :

 Dapat digunakan dalam berbagai jenis komputer

 Memiliki fasilitas informasi yang handal
 Terbatas pada bidang yang spesifik
 Berdasarkan pada rule atau kaidah tertentu
 Outputnya bersifat nasihat atau anjuran
 Output tergantung dari dialog dengan user
 Mudah dimodifikasi

Keuntungan menggunakan sistem pakar antara lain :

 Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli

 Menyimpan pengetahuan dan keahlian para pakar
 Meningkatkan output dan produktivitas
 Menghemat waktu dalam pengambilan keputusan
 Menigkatkan kualitas

Kelemahan dari sistem pakar, antara lain :

 Biaya yang diperlukan untuk membuat dan memeliharanya sangat mahal

 Sulit dikembangkan karena pakar (orang yang ahli) sesuai bidangnya terbatas
 Tidak 100% bernilai benar

Konsep dasar sistem pakar

Menurut Efraim Turban, konsep dasar sistem pakar mengandung beberapa hal yang di antaranya:

a) Keahlian

Merupakan suatu kelebihan penguasaan pengetahuan di bidang tertentu yang diperoleh dari pelatihan, membaca
atau pengalaman. Contoh bentuk pengetahuan ; Strategi-strategi global untuk menyelesaikan masalah

b) Ahli (Pakar)
Merupakan seseorang yang memiliki pengetahuan, penilaian, pengalaman, metode tertentu, serta mampu
menerapkan keahlian dalam memberikan advise untuk pemecahan persoalan, serta mampu menjelaskan suatu
tanggapan, mempelajari hal-hal baru seputar topik permasalahan, mengenali & merumuskan permasalahan,
menyusun kembali pengetahuan jika dipandang perlu, memecah aturan-aturan jika dibutuhkan, dan mampu
menentukan relevan tidaknya keahlian mereka.

c) Pengalihan Keahlian

Merupakan pengalihan keahlian dari para ahli ke komputer untuk kemudian dialihkan lagi ke orang lain yang bukan
ahli, dimana pengetahuan yang disimpan di komputer ini disebut dengan nama basis pengetahuan. Ada 2 tipe
pengetahuan, yaitu: fakta dan prosedur (biasanya berupa aturan).

d) Inferensi

Kemampuan untuk melakukan penalaran dengan menggunakan pengetahuan yang ada untuk menghasilkan suatu
kesimpulan atau hasil akhir. dengan menggunakan motor interafe yang merupakan permodelan proses berfikir dan
bernalar layaknya manusia.

e) Aturan

Sebagian besar sistem pakar dibuat dalam bentuk rule-based system, dimana pengetahuan disimpan dalam bentuk
aturan-aturan yang biasanya berbentuk IF-THEN

f) Kemampuan Menjelaskan

Kemampuan untuk menjelaskan dan merekomendasi, yang membedakan sistem pakar dengan sistem konvensional.

Diagram Struktur Sistem Pakar

Struktur sistem pakar bisa dijelaskan seperti berikut :

—Basis pengetahuan : Berupa pengetahuan-pengetahuan yang dibutuhkan untuk memahami, memformulasi, dan
memecahkan masalah. Diaman basis pengetahuan tersusun atas 2 elemen dasar:

1. Fakta, misalnya: situasi, kondisi, dan kenyataan dari permasalahan yang ada, serta teori dalam bidang itu
2. Aturan, yang mengarahkan penggunaan pengetahuan untuk memecahkan masalah yang spesifik dalam
bidang yang khusus

Ada 2 bentuk pendekatan basis pengetahuan yang sangat umum digunakan, yaitu:

1. Penalaran berbasis aturan (Rule-Based Reasoning) : pengetahuan direpresentasikan dengan

menggunakan aturan berbentuk: IF-THEN.
2. Penalaran berbasis kasus (Case-Based Reasoning) dimana pada penalaran berbasis kasus, basis
pengetahuan akan berisi solusi-solusi yang telah dicapai sebelumnya, kemudian akan diturunkan suatu
solusi untuk keadaan yang terjadi sekarang (fakta yang ada). Bentuk ini digunakan apabila user
menginginkan untuk tahu lebih banyak lagi pada kasus-kasus yang hampir sama (mirip). Selain itu, bentuk
ini juga digunakan apabila kita telah memiliki sejumlah situasi atau kasus tertentu dalam basis pengetahuan

— Mesin inferensi: Merupakan otak dari Sistem Pakar yang juga dikenal sebagai penerjemah aturan (rule
interpreter). Komponen ini berupa program komputer yang menyediakan suatu metodologi untuk memikirkan
(reasoning) dan memformulasi kesimpulan.

Kerja mesin inferensi meliputi: Menentukan aturan mana akan dipakai, Menyajikan pertanyaan kepada pemakai,
ketika diperlukan. Menambahkan jawaban ke dalam memori Sistem Pakar. Menyimpulkan fakta baru dari sebuah
aturan dan Menambahkan fakta tadi ke dalam memori.
— Blackboard : Merupakan area dalam memori yang digunakan untuk merekam kejadian yang sedang berlangsung
termasuk keputusan sementara

— Antarmuka pengguna : Media komunikasi antara user dan program, Pertanyaan – jawaban, Menu, formulir, grafik.

— Subsistem penjelasan : Digunakan untuk melacak respon dan memberikan penjelasan tentang kelakuan sistem
pakar secara interaktif melalui pertanyaan

Mengapa suatu pertanyaan ditanyakan oleh sistem pakar?

Bagaimana konklusi dicapai?

Rencana apa yang digunakan untuk mendapatkan solusi?

— Sistem penyaring pengetahuan : Sistem ini digunakan untuk mengevaluasi kinerja sistem pakar itu sendiri untuk
melihat apakah pengetahuan-pengetahuan yang ada masih cocok untuk digunakan di masa mendatang.

Sistem pakar melakukan inferensi dengan :

Forward Chaining : Pencocokan fakta atau pernyataan dimulai dari bagian sebelah kiri (IF dulu). Dengan kata lain,
penalaran dimulai dari fakta terlebih dahulu untuk menguji kebenaran hipotesis.

Backward Chaining : Pencocokan fakta atau pernyataan dimulai dari bagian sebelah kanan (THEN dulu). Dengan
kata lain penalaran dimulai dari hipotesis terlebih dahulu, dan untuk menguji kebenaran hipotesis tersebut harus
dicari fakta-fakta yang ada dalam basis pengetahuan.

Contoh :

R1 : IF suku bunga turun THEN harga obligasi naik

R2 : IF suku bunga naik THEN harga obligasi turun

R3 : IF suku bunga tidak berubah THEN harga obligasi tidak berubah

R4 : IF dolar naik THEN suku bunga turun

R5 : IF dolar turun THEN suku bunga naik

R6 : IF harga obligasi turun THEN beli obligasi

Apabila diketahui bahwa dolar turun, maka apakah akan membeli obligasi atau tidak?

Forward Chaining

 Dari fakta dolar turun, berdasarkan Rule 5, diperoleh konklusi suku bunga naik.
 Dari Rule 2 suku bunga naik menyebabkan harga obligasi turun.
 Dengan Rule 6, jika harga obligasi turun, maka kesimpulan yang diambil adalah membeli obligasi.

Backward Chaining

 Dari solusi yaitu membeli obligasi, dengan menggunakan Rule 6 diperoleh anteseden harga obligasi turun.
 Dari Rule 2 dibuktikan harga obligasi turun bernilai benar jika suku bunga naik bernilai benar .
 Dari Rule 5 suku bunga naik bernilai memang bernilai benar karena diketahui fakta dolar turun.