Nama : Saripa Hasipah

NIM : D0218516
Kelas : Informatika B

TEKNIK ARTIFICAL INTELLEGENCE

A. Learning

Learning merupakan sebuah persoalan sulit untuk program AI, dalam mencapai
kesuksesan diperlukan dalam pemecahan persoalan. Bagian kemampuan untuk mempelajari
komponen terpenting dari tindak tanduk atau jalan kecerdasan. Sebuah sistem pakar harus
berkemampuan ekstensif dan dapat menghitung kerugian dalam memecahkan sebuah
persoalan. Tidak seperti manusia, bilamana jika ia diberikan persoalan yang serupa pada waktu
berikutnya, dia tidak akan ingat solusinya. Dia membentuk urutan yang sama untuk
menghitung lagi. Learning merupakan sebuah area yang sulit diteliti, beberapa program telah
ditulis dengan tujuan bahwa ini bukan merupakan hasil (goal) yang diinginkan.
Beberapa Teknik Learning :
Rote Learning Seperti yang telah dibahas sebelumnya, rote learning adalah sebuah cara
memperoleh knowledge yang paling sederhana. Dengan cara ini komputer menyimpan data
hasil perhitungan kedalam cache. Setelah itu, komputer tidak perlu melakukan kalkulasi
kembali karena hasil perhitungan telah tersimpan. Cara ini sangat efektif untuk mempersingkat
waktu proses karena komputer tinggal mengambil data. Namun sebagai trade-off, cara ini akan
membutuhkan media penyimpanan yang besar.
Learning by Taking Advice Pada awalnya manusia tidak memiliki pengetahuan
apapun. Namun seiring berjalannya waktu, kita selalu mendapatkan knowledge dari orang tua
dan guru Demikian juga sebuah komputer.Komputer tidak memiliki kemampuan apabila tidak
diprogram terlebih dahulu.
Learning in Problem Solving. Cara ini dapat digunakan sebagai alternatif dari 2 cara
yang telah dibahas diatas. Dengan cara ini tidak diperlukan seorang ahli untuk memberikan
knowledgennya. Komputer dapat menambah pengetahuannya dengan cara menggeneralisasi
pengalaman yang telah dia dapatkan.
Learning from Example Teknik belajar melalui contoh merupakan salah 1 cara dari
learning in problem solving. Dalam menggunakan cara ini dibutuhkan contoh- contoh. Contoh
yang tersedia akan diproses dan diklasifikasikan.
Contoh Penerapan Learning:
Dalam bidang transportasi:
Software ALVINN digunakan pada sebuah mobil tanpa dikemudikan manusia dengan
menggunakan JST yang dilatih dengan berbagai gambar kondisi jalan raya yang ditangkap
kamera pada mobil.
Dalam bidang speech processing:
Telah berhasil dibuat berbagai sistem pengenalan suara, pengenalan pembicara dan
bahkan sistem speech to speech Machine Translation (S2SMT). Dengan S2SMT, seseorang
bisa berbicara dengan orang lain yang menggunakan bahasa berbeda. S2SMT terdiri dari tiga
komponen utama, yaitu ”Automatic Speech Recognition” (ASR) yang mengubah suara
manusia menjadi teks, Machine Translation (MT) yang menerjemahkan teks suatu bahasa ke
dalam teks bahasa lain, dan Text to Speech (TTS) yang mengubah teks menjadi suara.

B. Searching

Pada moment kali ini kita akan coba belajar tentang metode searching dalam
ArtificialIntelligence Searching di dalam AI (Artificial Intelligence) adalah salah satu motode
penyelesaian masalah dengan pencarian solusi pada suatu permasalahan yang dihadapi.
Teknik searching sendiri terbagi menjadi dua, yaitu:
1. Blind searching
2. Heuristic searching

1. Blind Searching
Blind Searching adalah model pencarian buta atau pencarian yang tidak memiliki inforamasi
awal, model pencarian ini memiliki tiga ciri – ciri utama yaitu:
 Membangkitkan simpul berdasarkan urutan
 Kalau ada solusi maka solusi akan ditemukan
 Hanya memiliki informasi tentang node yang telah dibuka (node selanjutnya tidak
diketahui).
Blind Searching sendiri dibagi menjadi tiga macam yaitu :

1. BFS (Breadth First Search)

Breadth First Search yaitu model pencarian yang memakai metode melebar. Untuk
mencari hasilnya, model BFS ini menggunakan teknik pencarian persoalannya dengan cara
membuka node (titik) pada tiap levelnya.
2.DFS (Depth-first Search)
DFS (Depth-first Search) sering disebut juga pencarian mendalam. Sesuai dengan
namanya “pencarian mendalam”, DFS tidak mencari solusi per level, namun mencari pada
kedalaman sebelah kiri terlebih dahulu, kemudian bila belum ditemuakn “goal”nya dilanjutkan
ke sisi sebelah kanan dan seterusnya sampai ditemukan target/goal.Dengan menggunakan
permasalahan yang sama dengan penjelasan di awal tadi.
3.UCS (Uniform Cost Search)
UCS (Uniform Sost Search) adalah perpaduan antara BFS dan DFS. Pada UCS, teknik
pencariannya memperhatikan cost/jarak antara 1 node ke node lain.
2. Heuristic Searching
Heuristic Search merupakan metode pencarian yang memperhatikan nilai heuristik
(nilai perkiraan).Teknik pencarian heuristik (heuristic searching) merupakan suatu strategi
untuk melakukan proses pencarian ruang keadaan (state space) suatu problema secara selektif,
yang memandu proses pencarian yang kita lakukan di sepanjang jalur yang memiliki
kemungkinan sukses paling besar, dan mengesampingkan usaha yang bodoh dan memboroskan
waktu.
Heuristik adalah sebuah teknik yang mengembangkan efisiensi dalam proses pencarian, namun
dengan kemungkinan mengorbankan kelengkapan (completeness).
Heuristic Search memperkirakan jarak menuju Goal (yang disebut dengan fungsi
heuristik). Fungsi heuristik ini digunakan untuk mengevaluasi keadaan-keadaan problema
individual dan menentukan seberapa jauh hal tersebut dapat digunakan untuk mendapatkan
solusi yang diinginkan. Jenis-jenis Heuristic Searching :
Generate and Test
Hill Climbing
Best First Search
Alpha Beta Prunning
Means-End-Anlysis
Constraint Satisfaction

C. Reasoning

Teknik reasoning (penalaran) yang merupakan teknik penyelesaian masalah dengan

cara merepresentasikan masalah ke dalam basis pengetahuan (knowledge base) mengunakan
logic atau bahasa formal (bahasa yang dipahami komputer.
Contohnya yaitu Apel adalah buah-buahan. Itu merupakan fakta yang benar dan nyata.
Semantic network adalah bentuk link yang memiliki arah atau representasi garis
deklaratif yang dapat digunakan baik untuk mewakili pengetahuan atau pendukung penalaran
pengetahuan sistem otomatis.
Contoh dari analogi sematic network yaitu ada seorang petani, serigala, ayam dan padi.
Petani tersebut ingin pindah dengan membawa seekor srigala, ayam dan padi untuk
menyebrangi sungai. Sayangnya perahunya terbatas. Yang dapat petani lakukan yaitu dengan
membawa 1 object. Petani tersebut tidak bisa meninggalkan ayam dan serigala dalam satu
tempat karena ayam tersebut akan di mayam oleh srigala. Demikian pula petani tidak bisa
meninggallkan ayam dan padi dalam satu tempat karena padi akan dihabiskan oleh ayam. Dari
permasalahan tersebut kita dapat menggunakan semantic network untuk
mempresentasikannya.
Contoh hasil dari implementasi pembuatan app seperti pada permasalahan diatas yaitu:

D. Planning

Planning adalah suatu metode penyelesaian masalah dengan cara memecah masalah ke
dalam sub-sub masalah yang lebih kecil, menyelesaikan sub-sub masalah satudemi satu,
kemudian menggabungkan solusi-solusi dari sub-sub masalah tersebut menjadisebuah solusi
lengkap dengan tetap mengingat dan menangani interaksi yang ada antar sub masalah.
Pengujian keberfungsian suatu metode perencanaan dapat dilakukan pada suatu domain
yang dinamakan Dunia Balok (Blocks-World). Dunia Balok dinilai cukup layak sebagai lahan
pengujian karena tingkat kompleksitas permasalahan yang mungkin timbuldi dalamnya. Di
dalam Dunia Balok dikenal istilah initial-state dan goal-state yang masing-masing
direpresentasikan oleh suatu komposisi dari sejumlah balok. Kemudian,ada satu set operator
yang dapat diaplikasikan oleh sebuah tangan robot untuk memanipulasi balok. Permasalahan
yang ada di dalam Dunia Balok adalah: Rangkaianoperator seperti apa yang dapat mengubah
initial-state menjadi goal-state? Rangkaian operator tersebut biasa disebut sebagai Rencana
Penyelesaian
Dua metode perencanaan yang cukup populer dan sudah pernah diuji pada Dunia Balok
adalah Goal-Stack-Planning (GSP) dan Constraint-Posting (CP). GSP dan CP memiliki
kelemahan dan keunggulan masing-masing. Dari segi kemudahan implementasidan biaya
komputasi, GSP lebih unggul dibanding CP. Sedangkan, dari segi efisiensiRencana
Penyelesaian yang dihasilkan, CP pada umumnya lebih unggul dibanding GSP.
Tetapi, dari seluruh kemungkinan permasalahan yang timbul pada Dunia
Balok,meskipun GSP dan CP mampu menghasilkan rencana-rencana penyelesaian, namun
rencana-rencana penyelesaian yang dihasilkan pada umumnya tidak efisien[RIC91]. Padahal,
rencana penyelesaian yang efisien adalah salah satu hal yang penting, terutama pada sistem-
sistem raksasa. Pada domain tertentu, pemecahan masalah menggunakan komputer perlu
dilakukan dengan cara bekerja pada bagian-bagian kecil dari masalah secara terpisah kemudian
menggabungkan solusi-solusi per bagian kecil tersebut menjadi sebuah solusi lengkap dari
masalah. Karena, jika hal-hal tersebut tidak dilakukan, jumlah kombinasi state dari komponen
masalah menjadi terlalu besar untuk dapat ditangani dipandang dari segiwaktu yang tersedia.
Dua syarat untuk melakukan dekomposisi di atas adalah :
 Menghindari penghitungan ulang dari seluruh state masalah ketika terjadi
perubahandari suatu state ke state lainnya.
 Membagi masalah ke dalam beberapa sub masalah yang relatif lebih mudah untuk
diselesaikan.

Penggunaan metode-metode yang terfokus pada cara mendekomposisi masalah ke dalam sub-
sub masalah yang sesuai dan cara untuk mengingat dan menangani interaksi antar sub masalah
ketika terjadi proses penyelesaian masalah tersebut diistilahkan dengan Perencanaan.