3.2 Sebutkan & jelaskan serta berikan contoh bentuk bagian2 utama dari sistem pakar!
3.4 Sebutkan & jelaskan serta berikan contoh komponen arsitektur dari sistem pakar!
4.1 Jelaskan & berikan contoh tentang pemahaman bahasa alami dan pembangkitan
bahasa alami dalam pemrosesan di sistem pakar!
4.2 Jelaskan & berikan contoh tentang sistem cerdas dalam rekayasa power!
4.3 Jelaskan & berikan contoh tentang pemrosesan simbolik dalam sistem pakar!
4.4 Jelaskan & berikan contoh cara penguncian dengan menggunakan metode touring
test pada sistem cerdas!
Untuk itu manusia membutuhkan suatu system computer yang cerdas untuk membantu
penyelesaian masalah dalam bidang – bidang tertentu diantaranya : menyelesaikan
permasalahan kesehatan dalam bidang kedokteran, menyelesaikan permasalahan
keuangan, analaisis pasar, pemasaran, penjualan, investasi, dalam bidang perekonomian
global. Menyelesaikan permasalahan dalam bidang otomotif, penerbangan, militer dan
banyak lagi permasalahan yang tidak terstruktur yang bisa dipecahkan oleh computer
dengan cara memberikan solusi layaknya seorang pakar.
Permasalahan yang ditangani oleh seorang pakar bukan hanya permasalahan yang
mengandalkan algoritma, namun terkadang juga permasalahan yang sulit dipahami.
Permasalahan tersebut dapat diatasi oleh seorang pakar
dengan pengetahuan dan pengalamannya. Sistem Pakar dibangun bukan
berdasarkan Algoritma tertentu tetapi bedasarkan basis pengetahuan (Knowledge-Base)
dan aturan (Rule).
Beberapa ilmuan mengartikan sistem pakar sesuai dengan pendefinisiannya masing –
masing diantaranya Turban, mengartikan Sistem Pakar adalah program computer yang
menirukan penalaran seorang pakar dengan keahlian pada wilayah tertentu (Turban,
1995). Martin dan Oxman mengartikannya, Sistem Pakar adalah sistem berbasis
komputer yang menggunakan pengetahuan, fakta, dan teknik penalaran dalam
memecahkan masalah yang hanya dapat dipecahkan oleh seorang pakar dalam bidang
tersebut (Martin dan Oxman, 1988).
Pada dasarnya sistem pakar diterapkan untuk mendukung aktivitas pemecahan masalah.
Beberapa aktivitas pemecahan yang dimaksud antara lain :
1. Penelitian tentang penggunaan system pakar dalam bidang pendidikan dilakukan oleh
prof. Gordon S. Novack Jr. pada Universitas of Texas, Austin, tahun 1990. Aplikasi
system pakar ini diberi nama ISAAC yang memiliki parser yang mampu membaca kalimat
(dalam bahasa Inggris) dalam kecepatan 5000 kata/menit dan mampu menyelesaikan
soal-soal Fisika Mekanik (Statika) dalam waktu kurang dari 5 menit. Aplikasi ini
dikerjakan oleh 1 tim terdiri dari 60 0rang dan membutuhkan waktu 1 tahun. (E.S.
Handbook, 1992).
2. Studi system pakar untuk proses belajar Fisika dilakukan oleh seorang dosen Fisika yang
menempuh pendidikan S2 pada salah satu perguruan tinggi di Jakarta. Latar belakang
dari dilakukannya studi ini adalah karena Fisika merupakan disiplin ilmu yang sangat
fundamental yang menjadi dasar dari sains dan teknologi.
Melihat kepentingan tersebut, maka para siswa/mahasiswa perlu menguasai ilmu ini, tapi
kenyataannya sering dianggap momok oleh sebagian besa siswa/mahasiswa selain itu
juga kurangnya tenaga guru / dosen Fisika serta kurangnya sarana prasarana yang
diperlukan dalam proses belajar mengajar Fisika, seperti alat banto audio maupun visual.
Dalam studi ini dibuat aplikasi sitem pakar yang mampu menyelesaikan persoalan
rangkaian arus bolak-balik yang terdiri dari komponen resistor dan inductor baik seri
maupun pararel.
Dalam dunia pertanian banyak sekali hal yang harus dipelajari agar dapat
menghasilkan sesuatu yang bermanfaat. Begitu banyaknya hal yang harus diingat seperti
media tanam yang berbeda bagi tiap jenis tanaman, takaran pupuk, hama dan penyakit
tanaman, dan banyak sekali cara agar tanaman yang ditanam dapat menghasilkan hasil
yang lebih baik.
Oleh karena itu dalam hal ini system pakar dapat memberikan tambahan
pengetahuan kepada petani mengenai macam-macam penyakit yang berhasil di
identifikasi oleh sistem dan dapat mengetahui tanaman apa saja yang biasa diserang oleh
penyakit tersebut, dengan adanya pengetahuan ini maka ketika para petani sadar
tanamannya terkena hama atau penyakit, maka petani dapat dengan mudah untuk
mengatasi hama dan menanggulangi penyakit tersebut.
Salah satu implementasi yang diterapkan sistem pakar dalam bidang psikologi, yaitu
untuk sistem pakar menentukan jenis gangguan perkembangan pada anak. Anak-anak
merupakan fase yang paling rentan dan sangat perlu diperhatikan satu demi satu tahapan
perkembangannya. Contoh satu bentuk gangguan perkembangan adalah conduct
disorder. Conduct disorder adalah satu kelainan perilaku dimana anak sulit membedakan
benar salah atau baik dan buruk, sehingga anak merasa tidak bersalah walaupun sudah
berbuat kesalahan. Dampaknya akan sangat buruk bagi perkembangan sosial anak
tersebut. Oleh karena itu dibangun suatu sistem pakar yang dapat membantu para
pakar/psikolog anak untuk menentukan jenis gangguan perkembangan pada anak dengan
menggunakan metode Certainty Factor (CF).
Contoh lain implementasinya adalah tes kepribadian. aplikasi tes kepribadian
berbasiskan sistem pakar ini, lebih mudah dan lebih cepat dalam proses pengukuran
kepribadian dibandingkan metode terdahulu, sehingga memberikan banyak keuntungan
dari segi penghematan waktu, tenaga, dan memudahkan kinerja user (pemakai) dalam
mengukur kepribadiannya masing-masing. Selain itu aplikasi tes kepribadian ini dikemas
dengan tampilan yang cukup menarik.
Aplikasi sistem pakar dalam bidang kedokteran yang dibuat dengan proses
penelusuran maju (forward chaining) mampu mengenali jenis penyakit pada manusia,
terutama jenis penyakit mata. Aplikasi sistem pakar ini dapat menjadi sarana untuk
menyimpan pengetahuan tentang penyakit terutama yang berkenaan dengan jenis
penyakit mata dari para pakar atau ahlinya. Sistem pakar mampu membantu pasien
maupun dokter dalam menyediakan sistem pendukung keputusan dan saran dari pakar.
Pada aplikasi sistem pakar umumnya user akan diminta untuk menjawab pertanyaan
sesuai dengan gejala yang dirasakan. Dalam aplikasi ini, user menjawab dengan ya atau
tidak. Setelah menjawab beberapa pertanyaan, maka aplikasi akan menghasilkan
kesimpulan mengenai jenis penyakit mata yang diderita user. Pada aplikasi sistem pakar
lainnya, tidak jarang juga sudah memberikan solusi atau cara penanganan terhadap jenis
penyakit yang diderita tersebut.
1. Membuat orang yang masih awam dapat bekerja seperti layaknya seorang pakar.
4. Menyederhanakan pekerjaan.
2. Sulit dikembangkan. Hal ini tentu saja erat kaitannya dengan ketersediaan pakar
dibidangnya.
Referensi :
https://www.scribd.com/document/370317936/Bagian-bagian-Sistem-Pakar
https://www.mariobd.com/2018/09/pengertian-dan-komponen-struktur-sistem-pakar.html
3.2 Bagian-Bagian Utama Sistem Pakar
Bagian-bagian Sistem Pakar
Sistem pakar terdiri dari beberapa bagian yaitu :
1. Fasilitas akuisisi pengetahuan
Fasilitas ini merupakan suatu proses untuk mengumpulkan data-data
pengetahuan akan suatu masalah dari pakar. Bahan pengetahuan dapat ditempuh
dengan beberapa cara, misalnya mendapatkan pengetahuan dari buku, jurnal
ilmiah, para pakar di bidangnya, laporan, literatur, dan seterusnya. Sumber
pengetahuan tersebut dijadikan dokumentasi untuk dipelajari, diolah dan
diorganisasikan secara terstruktur menjadi basis pengetahuan.
2. Basis Pengetahuan dan Basis Aturan
Setelah proses akuisisi pengetahuan selesai dilakukan, maka pengetahuan
tersebut harus direpresentasikan menjadi basis pengetahuan dan basis aturan
yang selanjutnya dikumpulkan, dikodekan, diorganisasikan dan digambarkan
dalam bentuk rancangan lain menjadi bentuk yang sistematis.
Secara umum ada dua teknik utama yang digunakan dalam mekanisme inferensi
untuk pengujian aturan, yaitu penalaran maju (forward chaining) dan penalaran mundur
(backward chaining).
Ada 2 jenis dari mesin inferensi yang ada pada saat ini, yaitu :
1. Depth – First Search, proses pencarian akan dilakukan pada semua anaknya
sebelum dilakukan pencarian ke node-node yang selevel. Pencarian dimulai dari
node akar ke level yang lebih tinggi. Proses ini diulangi terus hingga ditemukan
solusinya.
B C D
E G H I J L
2. Breadth – First Search, semua node pada level n akan dikunjungi terlebih dahulu
sebelum mengunjungi node-node pada level n+1. Pencarian dimulai dari node
akar terus ke level ke-1 dari kiri ke kanan, kemudian berpindah ke level berikutnya
demikian pula dari kiri ke kanan hingga ditemukan solusinya.
B C D
E F G H I J K L
B C D
E G H I
Referensi :
https://www.scribd.com/document/370317936/Bagian-bagian-Sistem-Pakar
http://arulsagita.blogspot.com/p/sistem-pakar.html
Gambar 2.1 menggambarkan konsep dasar suatu sistem pakar. Pengguna (user)
menyampaikan fakta atau informasi untuk sistem pakar dan kemudian menerima
saran dari pakar atau jawaban ahlinya. Bagian dalam sistem pakar terdiri dari dua
komponen utama, yaitu knowledge base yang berisi pengetahuan dasar dari
pakar atau ahlinya dan mesin inferensi yang menggambarkan kesimpulan.
Kesimpulan tersebut merupakan respon dari sistem pakar atas permintaan
pengguna.
Suatu pengetahuan (knowledge) dari sistem pakar bersifat khusus untuk satu
domain masalah saja. Sistem pakar menyerupai kepakaran manusia yang secara
umum dirancang untuk menjadi pakar dalam satu domain masalah saja. Sebagai
contoh, sistem pakar kedokteran yang dirancang untuk mendiagnosis infeksi
penyakit akan mempunyai suatu uraian pengetahuan (knowledge) tentang gejala-
gejala penyakit yang disebabkan oleh infeksi penyakit. Dalam kasus ini domain
pengetahuan (knowledge-nya) adalah bidang kedokteran yang terdiri dari knowledge
tentang penyakit, gejala, dan cara pengobatan.
Menurut Turban [Ami05] terdapat tiga orang yang terlibat dalam lingkungan sistem
pakar, yaitu:
1. Pakar
Orang yang memiliki pengetahuan khusus, pendapat, pengalaman, dan
metode, serta kemampuan untuk mengaplikasikan keahliannya tersebut
untuk menyelesaikan masalah.
2. Perekeyasa sistem
Orang yang membantu pakar dalam menyusun area permasalahan
dengan menginterpretasikan dan mengintegrasikan jawaban pakar atas
pertanyaan yang diajukan, menggambarkan analogi, dan menerangkan
kesulitan-kesulitan konseptual.
3. Pengguna
Sistem pakar memiliki beberapa pengguna yaitu pengguna bukan
pakar, pelajar, pembangun sistem pakar yang ingin meningkatkan dan
menambah basis pengetahuan, dan 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.
Sistem Pakar merupakan salah satu bidang teknik kecerdasan buatan yang sangat diminati
karena penerapannya di berbagai bidang teknik baik bidang ilmu pengetahuan maupun
bisnis yang terbukti sangat membantu di dalam mengambil keputusan dan sangat luas
penerapannya. Sistem pakar adalah suatu sistem yang dirancang agar dapat melakukan
penalaran seperti layaknya seorang pakar pada suatu bidang keahlian tertentu. (Ferdian,
dkk, 2004).
Konsep sistem pakar adalah menirukan metodologi dan kinerja seorang manusia yang ahli
dalam bidang atau domain tertentu yang spesifik.(Setiawan, 1993). Sistem pakar adalah
program pemberian nasehat (advice giving) atau program konsultasi yang mengandung
pengetahuan dan pengalaman yang dimasuki oleh satu atau banyak pakar kedalam satu
domain pengetahuan tertentu. Agar setiap orang biasa memanfaatkannya untuk
memecahkan suatu masalah. (Suparman,1991).
Sistem pakar sangat inovatif dalam menghimpun dan mengemas pengetahuan, keunggulan
yang utam terletak pada kemampuan dan penggunaan praktisnya bila disuatu tempat tidak
ada seorang pakar dalam suatu bidang ilmu.(Andi, 2003).
Pengembangan sistem pakar sangat sulit, seorang pakar yang baik sulit diperoleh.
Memedatkan pengeahuan seorang pakar dan mengalihkannya menjadi sebuah
program merupakan pekerjaan yang melelahkan dan memerlukan biaya yang besar.
Sistem pakar sangat mahal untuk mengembangkan, mencoba dan mengirimkannya
ke pemakai terakhir memerlukan biaya tinggi.
Hampir semua sistem pakar (expert system) masih harus dapatdimplementasikan
dalam komputer besar, sistem pakar yang dijalankan pada komputer pribadi
tergolong sistem apkar kecil dan kurang canggih.
Sistem pakar tidak 100 % menguntungkan karena produk seseorang tidak ada yang
sempurna dan tidak selalu benar, oleh karena itu perlu dikaji ulang secara teliti
sebelum digunakan.
Tahapan-tahapan pengembangan sistem pakar
Tahapan-tahapan pengembangan sistem pakar antara lain:
Referensi:
elib.unikom.ac.id › download
https://dianagita.wordpress.com/2016/11/06/konsep-sistem-pakar/
Menurut Turban dan Aronson,1998. berikut ini struktur dari sistem pakar :
AKUISISI PENGETAHUAN
BASIS PENGETAHUAN
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 men ginginkan untuk tahu lebih banyak lagi pada
kasus-kasus yang hampir sama.
A. MESIN INTRUKSI
Mesin inferensi berfungsi à untuk melakukan penelusuran pengetahuan yang terdapat
dalam basis pengetahuan untuk mencapai kesimpulan tertentu. Ada 3 elemen utama dalam
mesin inferensi, yaitu :
B. BLACKBOARD
area memori kerja yang digunakan untuk menggambarkan masalah dan mencatat hasil
sementara sebelum mendapat solusi akhir. Tiga tipe keputusan yang dapat disimpan
pada blackboard adalah rencana, agenda, dan solusi
D. FASILITAS PENJELASAN
1. Backward Chaining
suatu penalaran, dimana konklusi yang didapat berkebalikan dengan hypothesis,
potensial konklusinya mungkin akan terjadi atau terbukti, karena adanya facta yang
mendukung akan hypothrsis tersebut (Giarratano and Riley, 2004).
2. Forward Chaining
suatu penalaran yang dimulai dari facta untuk mendapatkan kesimpulan (conclusion) dari
facta tersebut (Giarratano and Riley, 2004).
Berikut ini grapt pelacakan dari Forward Chaining:
Referensi :
matkul.xyz/pengertian-konsep-dan-implementasi-sistem-pakar/
https://www.seputarpengetahuan.co.id/2018/04/pengertian-sistem-pakar-tujuan-struktur.html
4.1 Pemrosesan Bahasa Alami(Natural Languange Processing)
Pengertian Bahasa Alami
Sebagaimana diketahui, bahasa dapat dibedakan menjadi bahasa buatan dan bahasa
alami (natural language). Bahasa buatan adalah bahasa yang dibuat secara khusus untuk
memenuhi kebutuhan tertentu, misalnya bahasa pemrograman komputer. Bahasa alami
adalah bahasa yang biasa digunakan untuk berkomunikasi antar manusia, misalnya bahasa
Indonesia, Sunda, Jawa, Inggris, dan Jepang. Bentuk representasi bahasa alami dapat
berwujud lisan (audio) dan tulisan (teks). Komunikasi antara manusia dengan komputer
menjadi perhatian khusu dalam perkembangan di bidang kecerdasan buatan. Salah satu
bidang kecerdasan buatan yang mengembangkan bahasa alami manusia unruk
berkomunikasi dengan komputer adalah bahasa alami.
Pengguna manusia mengkomunikasikan keinginannya ke mesin melalui bahasa alami dan
mesin dapat menanggapi dengan cara serupa, sebagaimana bentuk komunikasi antar
manusia dengan manusia yang lain. Meniru jenis komunikasi alami seperti ini, antarmuka
komputer pun dirupakan dalam bentuk maujud, berupa karakter virtual hidup (life-like virtual
character).
Pemrosesan Bahasa Alami (Natural Language Processing), yang memberi kemampuan
pengguna komputer untuk berkomunikasi dengan komputer dalam bahasa mereka sendiri
(bahasa manusia). Sehingga komunikasi dapat dilakukan dengan cara percakapan
menggunakan perintah yang biasa digunakan dalam bahasa komputer biasa. Bidang ini
dibagi menjadi 2 :
1. Pemahaman bahasa alami, yang mempelajari metode yang memungkinkan
komputer mengerti perintah yang diberikan dalam bahasa manusia biasa. Dengan
kata lain, komputer dapat memahami manusia.
2. Pembangkitan bahasa alami, sering disebut juga sintesa suara, yang membuat
komputer dapat membangkitkan bahasa manusia biasa sehingga manusia dapat
memahami komputer secara mudah.
Sistem speech recognition yang dapat mengenali seluruh kata dalam suatu
bahasa melakukan pengenalan untuk setiap unit bunyi pembentuk ucapan (fonem),
selanjutnya mencoba mencari kemungkinan kombinasi hasil ucapan yang paling dapat
diterima. Sistem yang lebih sederhana adalah sistem yang hanya dapat mengenal
sejumlah kata yang jumlahnya terbatas. Sistem ini biasanya lebih akurat dan lebih
mudah dilatih, tetapi tidak dapat mengenal kata yang berada di luar kosa kata yang
pernah diajarkan.
Sistem speech recognition biasanya dapat dioperasikan pada dua mode yang
berbeda. Pertama adalah mode belajar. Pada mode ini, sistem akan dilatih
menggunakan sejumlah kata atau kalimat yang memenuhi suatu kriteria tertentu. Setiap
contoh kata atau kalimat ajar tersebut akan menghasilkan pola tertentu yang akan
dipelajari oleh sistem dan disimpan sebagai template atau referensi.
Kedua adalah mode produksi atau pengenalan ucapan. Pada mode ini, setiap kalimat
yang ingin dikenali akan dianalisis polanya. Berdasarkan hasil perbandingan dengan
template atau referensi, modul klasifikasi pola serta pengambil keputusan akan
mengidentifikasikan kata atau kalimat yang diucapkan tersebut. Pada prinsipnya, teknik-
teknik atau algoritma yang digunakan pada sistem Pengenal Ucapan tidak bersifat sensitif
terhadap bahasa. Artinya, sistem yang sama dapat digunakan untuk bahasa apapun.
Namun demikian, kemampuan sistem untuk mengenali ucapan pada bahasa tertentu
sangat tergantung dari template atau referensi yang diperoleh melalui proses belajar di
dalam sistemnya itu sendiri.
Gambar 3.11 Urutan Proses Konversi Teks Menjadi Ucapan (Text to Speech)
Bagian Konverter Teks ke Fonem berfungsi untuk mengolah kalimat masukan dalam
suatu bahasa tertentu yang berbentuk teks menjadi urutan kode-kode bunyi yang
direpresentasikan dengan kode fonem, durasi serta pitch-nya. Kode-kode fonem adalah
kode yang merepresentasikan unit bunyi yang ingin diucapkan. Pengucapan kata atau
kalimat pada prinsipnya adalah urutan bunyi atau secara simbolik adalah urutan kode
fonem. Setiap fonem harus dilengkapi dengan informasi durasi dan pitch. Informasi
durasi diperlukan untuk menentukan berapa lama suatu fonem diucapkan, sedangkan
informasi pitch diperlukan untuk menentukan tinggi rendahnya nada pengucapan suatu
fonem. Durasi dan pitch bersama-sama akan membentuk intonasi suatu ucapan. Kedua
informasi ini dalam suatu sistem TTS biasanya dibangkitkan oleh modul
pembangkit/model intonasi. Bagian Konverter Fonem ke Ucapan akan menerima
masukan kode-kode fonem serta pitch dan durasi yang telah dihasilkan oleh bagian
sebelumnya. Berdasarkan kode-kode tersebut, bagian ini akan menghasilkan bunyi atau
sinyal ucapan yang sesuai dengan kalimat yang ingin diucapkan.
Online translator
Referensi :
http://repository.uinjkt.ac.id/dspace/bitstream/123456789/44538/2/naskah%20kecerdasan%20buatan.pdf
https://teknikinformatikasahid.wordpress.com/2016/02/09/mata-kuliah-bahasa-alami/
Bahan kursus, perangkat lunak alat dan robot mencerminkan keadaan terbaru dari seni dan
kesempatan lebih lanjut untuk keterlibatan akan timbul selama proses tesis dengan mungkin
kesempatan untuk belajar untuk PhD.
Secara garis besar, tahapan pembuatan robot dapat dilihat pada gambar berikut:
1. Tahap perencanan
Dalam tahap ini, kita merencanakan apa yang akan kita buat, sederhananya, kita mau
membuat robot yang seperti apa? berguna untuk apa? Hal yang perlu ditentukan dalam
tahap ini:
Dimensi, yaitu panjang, lebar, tinggi, dan perkiraan berat dari robot.
Struktur material, apakah dari alumunium, besi, kayu, plastik, dan sebagainya.
Cara kerja robot, berisi bagian-bagian robot dan fungsi dari bagian-bagian itu.
Misalnya lengan, konveyor, lift, power supply.
Sensor-sensor apa yang akan dipakai robot.
Mekanisme, bagaimana sistem mekanik agar robot dapat menyelesaikan tugas.
Metode pengontrolan, yaitu bagaimana robot dapat dikontrol dan digerakkan,
mikroprosesor yanga digunakan, dan blok diagram sistem.
Strategi untuk memenangkan pertandingan, jika memang robot itu akan diikutkan
lomba/kontes robot Indonesia/Internasional.
2. Tahap pembuatan
Ada tiga perkerjaan yang harus dilakukan dalam tahap ini, yaitu pembuatan mekanik,
elektronik, dan programming. Masing-masing membutuhkan orang dengan spesialisasi yang
berbeda-beda, yaitu:
Spesialis Mekanik, bidang ilmu yang cocok adalah teknik mesin dan teknik industri.
Spesialis Elektronika, bidang ilmu yang cocok adalah teknik elektro.
Spesialis Programming, bidang ilmu yang cocok adalah teknik informatika.
Jadi dalam sebuah tim robot, harus ada personil-personil yang memiliki kemampuan tertentu
yang saling mengisi.
Pembuatan mekanik
Setelah gambaran garis besar bentuk robot dirancang, maka rangka dapat mulai dibuat.
Umumnya rangka robot terbuat dari alumunium kotak atau alumunium siku. Satu ruas
rangka terhubung satu sama lain dengan keling alumunium. Keling adalah semacam paku
alumunium yang berguna untuk menempelkan lembaran logam dengan erat. R
1. Sensor jarak, bisa menggunakan SRF04, GP2D12, atau merakit sendiri modul sensor
ultrasonik atau inframerah.
2. Sensor arah, bisa menggunakan sensor kompas CMPS03 atau Dinsmore.
3. Sensor suhu, bisa menggunakan LM35 atau sensor yang lain.
4. Sensor nyala api/panas, bisa menggunakan UVTron atau Thermopile.
5. Sensor line follower / line detector, bisa menggunakan led & photo transistor.
Pembuatan Software/Program
Pembuatan software dilakukan setelah alat siap untuk diuji. Software ini ditanamkan
(didownload) pada mikrokontroler sehingga robot dapat berfungsi sesuai dengan yang
diharapkan.
1. Perancangan Algoritma atau alur program Untuk fungsi yang sederhana, algoritma dapat
dibuat langsung pada saat menulis program. Untuk fungsi yang kompleks, algoritma
dibuat dengan menggunakan flow chart.
2. Penulisan Program Penulisan program dalam Bahasa C, Assembly, Basic, atau Bahasa
yang paling dikuasai.
3. Compile dan download, yaitu mentransfer program yang kita tulis kepada robot.
4. Uji coba, Setelah kita mendownload program ke mikrokontroler (otak robot) berarti kita
siap melakukan tahapan terakhir dalam membuat robot, yaitu uji coba. misalnya, ujicoba
dilakukan pada arena seluas sekitar 4×4 meter dan berbentuk seperti puzzle. Dalam
arena ini di diletakkan lilin-lilin yang harus dipadamkan oleh robot cerdas pemadam api.
Rereferensi :
http://adityarezamanan.blogspot.com/2016/10/peng-teknologi-sistem-cerdas-1.html
https://ismibloggy.wordpress.com/author/ismibloggy/page/4/
Definisi :
Kecerdasan Buatan atau kecerdasan yang ditambahkan kepada suatu sistem yang bisa
diatur dalam konteks ilmiah atau Intelegensi Artifisial (bahasa Inggris: Artificial Intelligence
atau hanya disingkat AI) didefinisikan sebagai kecerdasan entitas ilmiah. 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.
Bagian ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan
seperti dan sebaik yang dilakukan oleh manusia Kecerdasan dibutuhkan untuk
menyelesaikan masalah
H. A. Simon [1987] :
NATURAL LANGUAGE
Sistem sensor, seperti sistem vision, sistem tactile, dan sistem pemrosesan sinyal jika
dikombinasikan dengan AI, dapat dikategorikan kedalam suatu sistem yang luas yang
disebut sistem robotik.
EXPERT SYSTEM
Sistem pakar (Expert System) adalah program penasehat berbasis computer yang mencoba
meniru proses berpikir dan pengetahuan dari seorang pakar dalam menyelesaikan masalah-
masalah spesifik.
Turing Test merupakan sebuah metode pengujian kecerdasan yang dibuat oleh Alan
Turing.
Proses uji ini melibatkan seorang penanya (manusia) dan dua obyek yang ditanyai.
Yang satu adalah seorang manusia dan satunya adalah sebuah mesin yang akan diuji.
Penanya tidak bisa melihat langsung kepada obyek yg ditanyai
Penanya diminta untuk membedakan mana jawaban komputer dan mana jawaban
manusia berdasarkan jawaban kedua obyek tersebut.
Jika penanya tidak dapat membedakan mana jawaban mesin dan mana jawaban
manusia maka Turing berpendapat bahwa mesin yang diuji tersebut dapat diasumsikan
CERDAS.
PEMROSESAN SIMBOLIK
HEURISTIC
Sistem Pakar adalah hasil akhir dari seorang Sarjana Science. Untuk membangun suatu
sistem yang dapat memecahkan permasalahan yang sudah ditentukan, seorang sarjana
akan memulai dengan membaca literatur terkait dengan permasalahan Sebagai pondasi
sistem itu. Seorang sarjana pengetahuan kemudian melakukan wawancara ekslusif dengan
satu atau lebih tenaga ahli untuk “memperoleh” pengetahuan mereka. yang akhirnya,
sarjana pengetahuan tersebut mengorganisir hasil wawancara dan menterjemahkan ke
dalam perangkat lunak komputer yang dapat digunakan oleh seseorang yang sama sekali
tidak memiliki suatu keahlian.
Sistem Pakar adalah suatu perangkat lunak komputer yang dirancang untuk memberikan
pemecahan masalah suatu tenaga ahli didalam suatu bidang. Sistem Pakar terdiri atas
suatu dasar pengetahuan(informasi, heuristik, dll.), mesin kesimpulan(untuk meneliti dasar
pengetahuan), dan alat penghubung (input dan output). Cara yang memimpin ke arah
pengembangan Sistem Pakar adalah berbeda dari teknik programan konvensional.
Ciri-Ciri Sistem Pakar :
6. FOLIO : Menbantu memberikan keutusan bagi seorang manajer dalam hal stok broker
dan investasi
Referensi :
https://budiakademikablog.wordpress.com/tag/kecerdasan-buatan/
http://andreasandiyana.blogspot.com/2016/11/artificial-intelligence-kecerdasan.html
4.4 Turing Test
Seorang ahli matematika dan Kecerdasan Buatan bernama Allan Turing berkebangsaan
Inggris yang memiliki sumbangan dalam teori kemampuan penghitungan (computability),
bergumul dengan pertanyaan apakah sebuah mesin dapat berpikir atau tidak? dengan
melakukan sebuah percobaan yang disebut dengan imitasi permainan (pseudo game).
Dalam uji ini, dilibatkan seorang penanya (manusia) dan 2 objek yang ditanyai (manusia
dan mesin). Penanya dan 2 objek yang ditanyai itu terletak pada jarak yang jauh sehingga
tidak dapat melihat atau berbicara dengan kedua objek yang ditanyai itu. Penanya hanya
dapat berkomunikasi dengan keduanya lewat suatu alat terminal komputer. Penanya
mengira bahwa ia sedang berhubungan dengan dua operator lainnya. Dalam mengajukan
pertanyaan, penanya bebas memilih pertanyaan. Misalnya, untuk mengetahui mana objek
yang benar-benar manusia, penanya dapat mengajukan pertanyaan yang didasarkan
pada sifat emosi kedua objek yang ditanyai, yakni pertanyaan tentang suatu puisi atau
karya seni lain. Walaupun secara dasar percobaan itu masih menimbulkan kesangsian
manusiawi, tetapi Turing berpendapat bahwa jika penanya tidak dapat membedakan
mana yang manusia dan mana yang mesin, maka mesin tersebut dapat diasumsikan
sebagai cerdas. Beberapa hal penting dari uji ini adalah:
Uji Turing ini menjadi dasar bagi banyak strategi yang digunakan dalam
menilai program-program Kecerdasan Buatan modern. Setiap percobaan untuk
inteligensia mempunyai nilai dan kedayagunaan yang terbatas. Dia mungkin
bisa mengerjakan suatu kasus, tapi belum tentu bisa mengerjakan kasus yang
lain.
turing test adalah metode untuk menguji kepintaran mesin yang menyerupai manusia. Alan
Turing mendefinisikan perilaku kepintaran sebagai kemampuan untuk mencapai level
kepintaran manusia selama percakapaan berlangsung. Performa ini harus cukup untuk
menipu seorang interrogrator untuk berpikir apakah jawaban tersebut dari manusia.
TURING TEST – Metode Pengujian Kecerdasan
Turing Test merupakan sebuah metode pengujian kecerdasan yang dibuat oleh Alan
Turing.
Proses uji ini melibatkan seorang penanya (manusia) dan dua obyek yang ditanyai.
Yang satu adalah seorang manusia dan satunya adalah sebuah mesin yang akan diuji.
Penanya tidak bisa melihat langsung kepada obyek yg ditanyai
Penanya diminta untuk membedakan mana jawaban komputer dan mana jawaban
manusia berdasarkan jawaban kedua obyek tersebut.
Jika penanya tidak dapat membedakan mana jawaban mesin dan mana jawaban
manusia maka Turing berpendapat bahwa mesin yang diuji tersebut dapat diasumsikan
CERDAS.
turing test
untuk melihat jika sebuah mesin dapat melakukan hal diatas, dia mengusulkan sebuah
metode: dia mengatakan bahwa manusia harus menginterogasi mesin lewat tampilan teks.
batasan lain adalah manusia tidak bisa mengetahui siapa lawan bicaranya, yang mana itu
bisa mesin atau manusia. untuk membuat serangkaian proses ini, manusia akan berinteraksi
dengan 2 entitas lewat tampilan teks. dua entitas ini disebut reponden, salah satu dari
mereka adalah manusia dan sisanya mesin.
mesin akan lulus test jika interrogrator tidak bisa membedakan apakah jawaban yang datang
dari mesin atau manusia.
seperti yang anda bisa banyangkan, rangkaian ini sangat sulit untuk mesin. dalam rangkaian
itu bisa banyak hal yang terjadi. biasanya mesin harus fasih dengan syarat syarat sebagai
berikut:
1. Natural Language Processing, mesin harus bisa berkomunikasi dengan interrogrator.
mesin harus bisa mengurai kalimat, mengekstrak konteksnya, dan memberikan jawaban
yang sesuai.
4. Machine Learning, hal ini sangat diperlukan sehingga mesin bisa beradaptasi dengan
kondisi baru secara real time. mesin harus bisa menganalisas dan mendeteksi pola-pola
sehingga mesin dapat menyimpulkan.
mungkin bertanya tanya mengapa manusia berkomunikasi lewat text interface. menurut
turing, simulasi fisik dari manusia tidak diperlukan untuk kecerdasan. itulah mengapa turing
test menghindari kontak fisik secara langsung antara manusia dan mesin. ada hal lain
namanya Total Turing Test yang mana mesin menghadapi task yang lebih sulit dengan
pengelihatan dan pergerakan. untuk lulus dari tes ini, mesin harus melihat objek
menggunakan computer vision dan bergerak menggunakan robotics. dikutip dari bukunya
Prateek Joshi, Artificial Intelligence with Python
referensi :
https://medium.com/@andreaschandra/menguji-kecerdasan-buatan-menggunakan-turing-test-9553ff521f0f