PERTEMUAN II. Disiplin Ilmu Kecerdasan Buatan
PERTEMUAN II. Disiplin Ilmu Kecerdasan Buatan
Tujuan Belajar :
Setelah mempelajari bab ini, mahasiswa diharapkan
mampu:
1. Memahami bidang ilmu kecerdasan buatan
2. Memahami Penggunaan Kecerdasan Buatan di Bidang
Komputer
A. Pengantar
Kecerdasan buatan memiliki sebuah istilah yang
berasal dari bahasa Inggris yaitu Artificial
Intelligence. Jika diartikan perkata maka “Artificial”
memiliki makna buatan, sedangkan “Intelligence” adalah
kata sifat yang memiliki makna “cerdas”. Jadi
Artificial Intelligence (AI) merupakan suatu buatan
atau suatu tiruan yang cerdas. Arti cerdas yaitu
memiliki pengetahuan dan pengalaman, penalaran
bagaimana membuat keputusan kemudian mengambil
tindakan, moral yang baik. Agar mesin bisa cerdas maka
bertindaklah seperti dan sebaik manusia yang harus
diberi bekal pengetahuan dan mempunyai kemampuan untuk
menalar.
Kecerdasan diciptakan menjadi sebuah algoritma dan
dimasukkan ke dalam mesin (komputer) sehingga mesin
memiliki kemampuan untuk melakukan pekerjaan seperti
yang dapat dilakukan manusia, kepandaian atau ketajaman
dalam berpikir, seperti halnya otak manusia dalam
menyelesaikan suatu masalah. Pengertian lain dari
kecerdasan buatan adalah bagian ilmu komputer yang
membuat agar mesin komputer dapat melakukan pekerjaan
seperti dan sebaik yang dilakukan manusia. Pada awal
diciptakannya, komputer hanya difungsikan sebagai alat
hitung saja. Namun seiring dengan perkembangan jaman,
1
maka peran komputer semakin mendominasi kehidupan
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. Dalam pengembangan
Kecerdasan Buatan (Artificial Intelligence, AI).
Pesatnya perkembangan teknologi menyebabkan adanya
perkembangan dan perluasan lingkup yang membutuhkan
kehadiran Kecerdasan Buatan. Karakteristik cerdas sudah
mulai dibutuhkan di berbagai disiplin ilmu dan
teknologi. Kecerdasan Buatan tidak hanya merambah di
berbagai disiplin ilmu yang lain. Irisan antara
psikologi dan kecerdasan buatan melahirkan sebuah area
yang dikenal dengan nama cognition & psycolinguistics.
Irisan antara teknik elektro dengan kecerdasan buatan
melahirkan berbagai ilmu seperti: pengolahan citra,
teori kendali, pengenalan pola dan robotika.
Dewasa ini, Kecerdasan Buatan juga memberikan
kontribusi yang cukup besar di bidang manajemen. Adanya
sistem pendukung keputusan, dan Sistem Informasi
Manajemen juga tidak lepas dari andil Kecerdasan
Buatan.
Adanya irisan penggunaan Kecerdasan Buatan di
berbagai disiplin ilmu tersebut menyebabkan cukup
rumitnya untuk mengklasifikasikan Kecerdasan Buatan
menurut disiplin ilmu yang menggunakannya. Untuk
memudahkan hal tersebut, maka pengklasifikasian lingkup
Kecerdasan Buatan didasarkan pada output yang diberikan
yaitu pada aplikasi komersial (meskipun sebenarnya
Kecerdasan Buatan itu sendiri bukan merupakan medan
komersial)
2
2. Sistem yang dapat berfikir secara rasional (
Winston, 1992)
3. Sistem yang dapat beraksi seperti manusia (Rich
and Knight, 1991)
4. Sistem yang dapat beraksi secara rasional
(Nilsson, 1998)
Secara garis besar bidang ilmu yang dipelajari dalam
bidang kecerdasan buatan (Artificial Intelligence) bisa
dilihat pada gambar di bawah ini:
1. Game Playing
Game playing biasanya memiliki karakter yang
dikontrol oleh user, dan karakter lawan yang dikontrol
oleh game itu sendiri. Dimana kita harus merancang
aturan-aturan yang nantinya akan dikerjakan oleh
karakter lawan. Game akan menjadi menarik apabila
karakter lawan (non-player) bereaksi dengan baik
terhadap apa yang dilakukan oleh player. Hal ini akan
memancing penasaran user dan membuat game menarik untuk
dimainkan. Tujuan intinya adalah membuat non-player
memiliki strategi yang cerdas untuk mengalahkan player.
Pada bidang ini, AI dibutuhkan, yaitu untuk merancang
3
dan menghasilkan game yang fun serta antarmuka antara
man-machine yang cerdas dan menarik untuk dimainkan.
4
mencari obyek yang diinginkan, inspeksi lingkungan dan
lainnya. Vision pada robot menjadi sangat penting
karena informasi yang diterima lebih detail dibanding
hanya sensor jarak atau sensor lainnya. Misalnya dengan
vision, robot dapat mengenal apakah obyek yang
terdeteksi merupakan wajah orang atau bukan. Lebih jauh
lagi, sistem vision yang canggih pada robot membuat
robot dapat membedakan wajah A dengan wajah B secara
akurat (Face recognition system menggunakan metode PCA,
LDA dan lainnya). Proses pengolahan dari input image
dari kamera hingga memiliki arti bagi robot dikenal
sebagai visual perception, dimulai dari akuisisi image,
image preprocessing untuk memperoleh image yang
diinginkan dan bebas noise misalnya, ekstrasi fitur
kemudian untuk identifikasi pelanggan dan penghindaran
multiple moving obstacles berbasis vision, atau untuk
menggerakan servo sebagai aktuator untuk mengarahkan
kamera agar tetap mengarah ke wajah seseorang (face
tracking) seperti pada gambar 2
5
Gambar 3. Model Sistem Pakar
1. Basis pengetahuan
Merupakan representasi pengetahuan dari seorang
pakar yang diperlukan untuk memahami,
memformulasikan dan memecahkan masalah. Terdiri
dari 2 elemen dasar yaitu :
a. Fakta yang berupa informasi tentang situasi
permasalahan, teori dari area
permasalahan atau informasi tentang objek.
b. Spesial heuristik yang merupakan informasi
tentang cara bagaimana membangkitkan fakta.
2. Mesin inferensi
Membuat inferensi yang memutuskan rule-rule mana
yang akan digunakan atau kemampuan menarik
kesimpulan berdasarkan pengalaman.
6
3. Antarmuka pengguna.
Merupakan bagian dari sistem pakar yang berfungsi
sebagai pengendali masukan dan keluaran. User
interface melayani user selama proses konsultasi
mulai dari tanya-jawab untuk mendapatkan fakta-
fakta yang dibutuhkan oleh inference engine sampai
menampilkan output yang merupakan kesimpulan dan
solusi. Informasi dari pakar harus dijadikan
pengetahuan bagi system pakar yang akan kita
kembangkan. Pengetahuan dari system pakar
selanjutnya dapat direpresentasikan dengan
beberapa cara.
1. Bidang Pertanian
Pada bidang Pertanian, dibuat sistem pakar untuk
memprediksi kerusakan pada jagung yang disebabkan
oleh ulat hitam dan memberikan konsultasi untuk
mendiagnosa kerusakan pada kacang kedelai dengan
menggunakan pengetahuan tentang gejala kerusakan
dan lingkungan tanaman.
7
2. Bidang Kimia
Pada bidang Kimia, dibuat sistem pakar untuk
menganalisa struktur DNA dari pembatasan
segmentasi data enzim dengan menggunakan
paradigmagenerate dan test.
4. Bidang Elektronik
Pada bidang Elektronik, dibuat sistem pakar untuk
mengidentifikasi masalah pada jaringan telepon,
sistem pakar untuk simulasi perancangan DLC
(digital logic circuits) dan mengajari pelajar
bagaimana cara mengatasi masalah pada sirkuit
elektronik.
5. Bidang Hukum
Pada bidang Hukum, dibuat sistem pakar untuk
membantu para auditor profesional dalam
mengevaluasi potensi kegagalan pinjaman klien
berdasarkan sejarah pinjaman, status ekonomi,
kondisi piutang.
6. Bidang Militer
Pada bidang Militer, dibuat sistem pakar untuk
membantu menganalisa perkiraan situasi
pertempuran, memberikan interpretasi taktik
laporan sensor intelijen dan memberikan
rekomendasi alokasi senjata kepada komandan
militer pada saat situasi perang.
8
bekerja sama dengan bidang lain untuk menciptakan
sebuah sistem yang saling mendukung.
RINGKASAN
LATIHAN