Artificial Intelligence (Kecerdasan Buatan)

Dibuat untuk memenuhi salah satu tugas Pengantar Teknologi Informasi

disusun oleh :

Pernik Dessi Yustiza

NIM : 1703473

Prodi : Pendidikan Ilmu Komputer

UNIVERSITAS PENDIDIKAN INDONESIA

2017
 1. Pengertian Artificial Intelligence (AI)
Pengertian Artificial Intelligence (kecerdasan buatan)
Kecerdasan buatan atau Artificial Intelligence (AI) istilah yang mungkin
akan mengingatkan kita akan kehebatan optimus prime dalam film The
Transformers. Kecerdasan buatan memang kerap diidentikkan dengan
kemampuan robot yang dapat berperilaku seperti manusia.

Berbagai definisi diungkapkan oleh para ahli untuk dapat memberi

Gbr 1.1 H.A Simons gambaran mengenai kecerdasan buatan beberapa diantaranya :

1. Menurut Herbert Alexander Simons pada tahun 1987, kecerdasan buatan (Artificial
Intelligence) merupakan kawasan penelitian, aplikasi dan instruksi yang terkait dengan
pemrograman komputer untuk melakukan sesuatu hal yang dalam pandangan manusia adalah
cerdas.

2. Menurut Rich and Knight tahun 1991, kecerdasan buatan (AI) merupakan sebuah studi tentang
bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik
oleh manusia.

3. Lalu ada menurut Ensiklopedia Britannica yang menyebutkan bahwa kecerdasan buatan (AI)
merupakan cabang dari ilmu komputer yang dalam merepresentasi pengetahuan lebih banyak
menggunakan bentuk simbol-simbol daripada bilangan, dan memproses informasi berdasarkan
metode heuristic atau dengan berdasarkan sejumlah aturan.

2. Tujuan Artificial Intelligence (AI)

Tujuan dari kecerdasan buatan menurut Winston dan Prendergast (Tuban, McLean, dan
Wetherbe 1999:

1. Membuat mesin menjadi lebih pintar (tujuan utama)

2. Memahami apa itu kecerdasan (tujuan ilmiah)
3. Membuat mesin lebih bermanfaat (tujuan entrepreneurial)

Namun sekarang, tujuan AI tidak sekedar membuat komputer dapat berpikir, tetapi juga bisa
melihat, mendengar, berjalan, bermain, dan bahkan merasakan. O’Brien (2001 : 371)
menyebutkan atribut perilaku cerdas adalah sebagai berikut :
1. Berpikir dan bernalar.
2. Memakai penalaran untuk memecahkan persoalan.
3. Menyerap dan menerapkan pengetahuan.
 4. Memperlihatkan kretivitas dan imajinasi.
5. Bekerja dengan situasi yang kompleks dan membingungkan.
6. Melakukan tanggapan dengan cepat dan berhasil terhadap situasi baru.
7. Mengenali elemen-elemen yang relatif penting dalam suatu situasi.
8. Menangani informasi yang rancu, tak lengkap, atau salah.

3. Contoh Artificial Intelligence (AI) dan Cara Kerjanya

Sudah banyak alat atau aplikasi yang menggunakan Artificial Intellegence baik dalam
kehidupan sehari-hari maupun dipakai di ranah industrial berikut adalah contoh penggunaan AI
beserta cara kerjanya :

a. MYCIN

Mycin adalah awal sistem pakar yang dikembangkan selama lima atau enam tahun
pada awal tahun 1970 di Stanford University . Ini ditulis dalam Lisp sebagai disertasi doktor
Edward Shortliffe dibawah arahan Bruce Buchanan , Stanley N. Cohen dan lain-lain. Ini
muncul di laboratorium yang telah menciptakan sebelumnya Dendral sistem pakar, tetapi
menekankan penggunaan aturan menghakimi bahwa memiliki unsur-unsur ketidakpastian
(dikenal sebagai faktor kepastian) terkait dengan mereka. Sistem pakar ini dirancang untuk
mengidentifikasi bakteri yang menyebabkan infeksi berat, seperti bakteremia dan meningitis,
dan merekomendasikan antibiotik dengan dosis yang disesuaikan untuk berat badan pasien -
nama berasal dari antibiotik itu sendiri, sebagai antibiotik banyak akhiran "Mycin" . Sistem
Mycin juga digunakan untuk diagnosis penyakit pembekuan darah.
Mycin dioperasikan menggunakan cukup sederhana mesin inferensi , dan basis
pengetahuan dengan 600 aturan. Program ini dijalankan oleh perintah dokter melalui rangkaian
yang panjang tetapi dengan menggunakan pertanyaan sederhana ya / tidak atau pertanyaan
tekstual. Pada akhirnya, itu memberikan doagnosis daftar bakteri penyebab yang mungkin ada
dalam tubuh pasien, namun penggunaan mycin masih menjadi perdebatan.

b. IRobot Roomba 650 Robotic Vacuum Cleaner dan WINBOT W730

Kalau tadi di point a telah membahas contoh penerapan AI di bidang kesehatan kali
ini ada penerapan AI dalam membantu pekerjaan rumah tangga. Yang pertama ada IRobot
Roomba 650 Robotic Vacuum Cleaner sudah jelas yah dari namanya, pembaca bisa
mengetahui kegunaan dari benda itu dan bahkan pembaca juga sudah mengetahui bentuk dari
benda tersebut, ya benar itu adalah robot untuk membantu mebersihkan kotoran yang ada di
lantai, cara kerja dari robot ini adalah menggunakan rangkaian penuh sensor untuk navigasi
dan menyesuaikan diri dengan situasi rumah. Terdapata sikat yang mampu membersihkan
lantai dengan cepat. Robot ini juga bisa diatur sesuai jadwal dalam 7 kali seminggu untuk
membersihkan rumah, pengguna cukup menekan “clean” pada tombol dan atur waktu serta
tanggalnya. Yang kedua adalah WINBOT W730 robot sama seperti robot yang tadi disebutkan
fungsinya sama untuk membantu pekerjaan rumah tangga lebih khusus lagi fungsinya adalah
 membersihkan kaca pada rumah secara otomatis, secara garis besar cara kerja dan
komponennya hampir sama dengan Irobot Roomba 650 Vacuum Cleaner hanya saja
perbedaannya terletak pada alat yang digunakan untuk melakukan pekerjaan kalau IRobot
menggunakan sapu maka Winbot menggunakan pembersih kaca, Winbot juga bisa digunakan
disegala permukaan bahkan di permukaan tanah, ia juga mampu mencapai jendela yang sangat
tinggi.

c. Eco Cycle

Yang ketiga adalah Eco Cycle, apasih eco cycle? Eco Cycle adalah sistem parkir sepeda
bawah tanah otomatis yang ada di negeri Sakura, dimana sistem ini dioperasikan oleh robot,
ruang penyimpanan sepeda ini terletak sedalam 11 meter dibawah tanah dan mampu menampung
204 unit sepeda.
Untuk menggunakan Eco Cycle, kita memerlukan sebuah kartu pembayaran khusus yang
mirip dengan tiket kereta berbasis RFID, Dengan menempelkan kartu didepan pintu sistem Eco
Cycle dan menekan tombol , maka sepeda kita akan secara otomatis ditarik untuk disimpan
didalam tanah . Secara otomatis saldo yang terdaftar dalam kartu yang kita miliki akan terpotong.
Solusi parkir seperti ini sangat cocok untuk daerah perkotaan yang minim lahan untuk parkir,
mungkin bisa dimodifikasi misalnya membuat gedung yang tinggi, kalau di Jepang
penggunaannya untuk sepeda di Indonesia bisa dirubah untuk kendaraan bermotor.

4. Algoritma dan Pseudo Code

Gbr 4.1 Contoh Pseudo-code.

Sebelum membahas contohnya, pengertian dari algoritma dan pseudo-code itu sendiri apa sih?
Nah, algoritma adalah urutan atau langkah-langkah untuk perhitungan atau untuk menyelesaikan
suatu masalah yang ditulis secara berurutan.
Sedangkan, pseudocode atau kode palsu yang ditujukan untuk dibaca oleh manusia dan bukan
oleh mesin.
Dan dibawah ini, beberapa contoh algoritma dan pseudo-code :

1. IDA* (Iterative Deepening A*)

Metode Iterative-Deepening A* (IDA*) search algorithm adalah pengembangan dari
A*search algorithm yang dikombinasikan dengan iterative deepening search. IDA* search
algorithm merupakan best-first searches yang optimal dalam hal solution cost, time, dan space.
Prinsip algoritma iterative deepening search adalah melakukan depth-limited search secara
bertahap dengan nilai l yang incremental . Contoh cara kerja iterative deepening search dapat
dilihat pada gambar:
Pada metode IDA* search algorithm digunakan fungsi evaluasi yang sama seperti metode A*
yaitu sebagai berikut:
f(n) = g(n) + h(n) (6)
Dimana: f(n) = estimasi total cost suatu path dari node awal ke node tujuan melalui node n g(n) =
cost dari suatu path untuk mencapai node n dari node awal h(n) = estimasi cost suatu path
Iteratif memperdalam kedalaman-pertama pencarian (IDS) adalah pencarian ruang
strategi di mana pencarian mendalam-terbatas dijalankan berulang kali, meningkatkan batas
kedalaman dengan setiap iterasi sampai mencapai, kedalaman negara tujuan dangkal. IDS setara
dengan luas-pertama pencarian, tetapi menggunakan memori lebih sedikit, pada setiap iterasi, ia
mengunjungi node dalam pohon pencarian dalam urutan yang sama seperti depth-first search,
tapi urutan kumulatif di mana node pertama kali mengunjungi secara efektif luasnya -pertama.
IDS menggabungkan depth-first pencari ruang-efisiensi dan kelengkapan luas-pertama pencarian
ini (ketika faktor percabangan terbatas). Ini adalah optimal ketika biaya jalan adalah fungsi non-
penurunan kedalaman node.
Kompleksitas ruang IDS adalah, di mana merupakan faktor percabangan dan kedalaman
dangkal gawang. Karena berulang memperdalam kunjungan menyatakan beberapa kali, hal itu
mungkin tampak sia-sia, tapi ternyata menjadi tidak begitu mahal, karena di pohon sebagian
besar node berada di tingkat bawah, sehingga tidak terlalu menjadi masalah jika tingkat atas
yang dikunjungi beberapa kali.
Keuntungan utama dari IDS dalam mencari permainan pohon adalah bahwa pencarian
sebelumnya cenderung meningkatkan heuristik yang biasa digunakan, seperti heuristik
pembunuh dan pemangkasan alpha-beta, sehingga perkiraan yang lebih akurat dari skor berbagai
node pada pencarian kedalaman akhir dapat terjadi, dan pencarian selesai lebih cepat karena
dilakukan dalam urutan yang lebih baik. Misalnya, alpha-beta pemangkasan yang paling efisien
jika ia mencari langkah terbaik pertama.

2. SMA (Simplified Memory-Bounded A*)

SMA* adalah contoh dari sebuah mekanisme pencarian “lossy“. Dalam rangka untuk
mengurangi konsumsi memori, hal ini membuang informasi, dengan asumsi bahwa informasi
yang dibuang itu tidak penting. Bagaimanapun, tidak ada jaminan bahwa hal itu tidak penting.
Dalam semua kasus dengan SMA*, jalur yang ditemukan tidak memiliki jaminan menjadi jalur
yang optimal. Pada awal pencarian, node yang tidak menjanjikan bisa saja dibuang.
Menetapkan limit yang besar pada ukuran open list dapat membantu meringankan masalah ini,
namun fungsi untuk mengurangi penggunaan memori menjadi terbuang. Pada kasus ekstrem
yang lain, dengan memberi limit 1 simpul pada open list, ini bisa mempercepat sekaligus
mengurangi penggunaan memori dalam pencarian, namun jalur yang ditemukan bisa tidak
optimal [3].
SMA* memiliki beberapa sifat sebagai berikut :
1. F-cost digunakan untuk mendapatkan node dengan nilai terkecil diantara semua node yang
berada di open list.
2. SMA* selalu memperluas node yang memiliki nilai terbaik pada keturunannya yang belum
diperiksa.
3. SMA* dijamin mendapatkan solusi yang optimal, jika disediakan max setidaknya sama besar
dengan jumlah node pada jalur solusi optimal.
4. SMA* berperilaku identik dengan A* bila max lebih besar dari jumlah node yang dihasilkan
oleh A*.
Adapun deskripsi atau pseucode dari algoritma SMA* bisa dilihat di bawah :
Algorithm SMA*(start):
put start on OPEN; USED – 1; loop
if empty(OPEN) return with failure;
best ← deepest least f-cost leaf in OPEN;
if goal(best) then return with success;
succ ← next successor (best);
f(succ) ← max(f(best),g(succ) + h(succ));
if completed(best), BACKUP(best);
if S(best) all in memory, remove best from OPEN
USED ← USED +1;
if USED > MAX then
delete shallowest, highest f-cost node in OPEN;
remove it from its parent’s successor list;
insert its parent on OPEN if necessary;
USED ← USED -1;
insert succ on OPEN.
Procedure BACKUP(n)
if n is completed and has parent then
f(n)=least f cost of all successors;
if f(n) changed, BACKUP(parent(n));

3. Greedy
Pernah mendengar permainan android Ludo King? Pasti pernah dong, permainan
tradisional ini berasal dari India dan sekarang lagi terkenal kembali, taukah Anda apa algoritma
yang dipakai pada permainan Ludo King? Algoritma yang dipakai salah satunya adalah Greedy.
Greedy adalah salah satu algoritma yang paling sering digunakan untuk menyelesaikan
sebuah persoalan optimasi. Persoalan optimasi adalah persoalan dimana kita mencari suatu
solusi yang dapat menyelesaikan persoalan tersebut secara optimum. Berikut Pseudo Codenya
yang saya kutip dari makalah “Penentuan Langkah dengan Greedy dalam Permainan Ludo”
karya Lio Franklyn Kemit.
Berikut rumus pseudo-code nya :
4. Minimax
Kali ini algoritma, saya membahas algoritma yang dipakai dalam sebuah virtual game, apakah
anda pernah bermain tic-tac-toe? Rumus algoritma nya adalah :
5. Penerapan AI di Bidang Pendidikan
Dalam pendidikan AI sangat berperan dalam menyampaikan segala informasi dan
pengelaman belajar yang akan membuat peoses belajar mengajar lebih efektif. Dengan
menggunakan media-media pembelajaran yang dikembangkan dengan menggunakan prinsip-
prinsip dan teknik-teknik artificial intelligence, pebelajar/learner dapat belajar tanpa harus
berhadapan langsung berhadapan dengan guru, dan informasi dalam media-media pendidikan
tentunya akan lebih mempermudah dan meringankan tugas guru/pendidik dalam
mentransformasikan ilmu dan pengalaman belajar mereka terhadapa peserta didik. Jadi dapat
pula dikatakan bahawa aplikasi kecerdasan buatan dalam bidang pendidikan yang bertindak
sebagai partner bagi pelajar atau mahasiswa dalam mempelajari suatu bidang.
AI dalam mengambil keputusan dalam bidang pendidikan bagi pimpinan lembaga pendidikan
akan lebih mempermudah baginya karena data, basis dan pebetahuan informasi yang diperoleh
akan lebih akurat dari pada secara manual. Kepala sekolah misalnya, akan lebih mudah dan lebih
tepat dalam mengambil keputusan dan kebijakan untuk meningkatkat kualitas pembelajaran dari
data yang diperoleh dari sistem AI.

1. Robot Pendidikan (Educational Robots)

Digunakan untuk membantu dalam proses mengajar tentang operasi dan penggunaan dari
robot industri.
Contoh robot yang digunakan dalam bidang pendidikan, diantaranya sebagai berikut:
a. Rhino Robot XR-2 System: Robot ini dibuat oleh Rhino, Inc., dan digunakan untuk simulasi
tentang operasi dari robot-robot industri. Rhino XR-2 dapat diprogram melalui komputer Apple
dan programnya dapat disimpan di disk.
b. Microbot: Microbot mempunyai dua macam robot, yaitu Microot Minimower dan Microbot
Teachmower. Minimower dapat diprogram dengan komputer Apple atau TRS-80. Teachmower
digunakan untuk simulasi robot industri dan menggunakan teach pendant untuk memprogramnya
serta dapat digunakan komputer Apple atau TRS-80 untuk menyimpan program.
c. Hero-1: Robot ini dibuat oleh Heath/Zenith, merupakan robot yang dapat bergerak dan
dirancang untuk membantu mempelajari robot industri. Robot ini mempunyai beberapa unit
sensor. Unit sensor ini dapat mendeteksi gerak, mengukur jarak sampai 15 feet, mendeteksi
perubahan tinggkat cahaya, membedakan dua buah suku kata dan menggunakan speech
synthesizer, sehingga dapat berbicara. Hero-1 juga dilengkapi dengan teach pendant.

2. Computer Assisted Instruction (CAI )

Intelligence Computer-Aided Instruction "CAI” juga termasuk ke dalam lingkup
kecerdasan buatan. Komputer ini digunakan sebagai tutor yang dapat melatih dan mengajar. CAI
merupakan pengembangan lebih lanjut dari Computer Assisted Instruction “CAI”. CAI dapat
diartikan sebagai penggunaan komputer secara langsung dengan siswa untuk menyampaikan isi
pelajaran, memberikan latihan dan mengetes kemajuan belajar siswa. AI juga bermacam-macam
bentuknya bergantung kecakapan pendesain dan pengembang pembelajarannya, bisa berbentuk
permainan. Dikutip dari (Modul proposal pembelajaran berbasis AI Universitas Pendidikan
Indonesia).

3. Expert System (Sistem Pakar)

Kemampuan, keahlian dan pengetahuan tiap orang berbeda-beda. komputer dapat
diprogram untuk berbuat seperti orang yang ahli dalam bidang tertentu. Komputer yang
demikian dapat dijadikan seperti konsultan atau tenaga ahli di bidang tertentu yang dapat
menjawab pertanyaan dan memberikan nasehat-nasehat yang dibutuhkan, sistem demikian
disebut Expert System
Untuk mengembangkan expert system harus diciptakan terlebih dahulu suatu knowledge
base yang dibutuhkan oleh aplikasinya. Suatu knowledge base terdiri dari kumpulan datatertentu
untuk permasalahan yang spesifik dan aturan-aturan bagaimana memanipulasi datayang
disimpan tersebut. Berbeda dengan database biasa, knowledge base mungkin dapat juga terdiri
dari asumsi-asumsi, kepercayaan-kepercayaan, pendugaan-pendugaan dan metode-metode
heuristic. Untuk membuat knowledge base perencanaan sistem harus bekerja sama atau
memintanasehat dari ahli di bidangnya. orang yang menciptakan expert system disebut dengan
knowledge engineer.

4. Intelligent Tutoring Systems (ITS)

Sebelumnya, apakah Intelligent Tutoring Systems (ITS) itu?
Kebutuhan akan penggunaan kecerdasan buatan semakin meningkat seiring dengan besarnya
manfaat yang didapatkan. Intelligent Tutoring System (ITS) merupakan satu tipe dari sistem
kecerdasan buatan yang menangani masalah pembelajaran atau pelatihan. Keuntungan utama
digunakannya ITS ini dibandingkan dengan metode yang sering digunakanadalah terciptanya
suatu pembelajaran yang lebih efektif. Dalam hal ini pengguna dituntut tidak hanya memberikan
jawaban-jawaban dari permasalahan yang ada dengan benar saja, namun dengan efektif pula,
sesuai dengan solusi optimal yang diciptakan oleh sistem kecerdasan buatan yang ada. Sehingga
akan membantu user di dalam pembelajaran masalah dengan sangat baik.ITS yang mana
didalamnya memuat suatu metode dari sistem kecerdasan buatan akan menghasilkan suatu solusi
yang optimal dari permasalahan yang ada. Berdasarakan solusi optimal tersebut, jawaban
langkah-langkah yang telah diinputkan akan dibandingkan. Kemudian dengan menggunakan
algoritma yang ada, akan dihasilkan suatu keluaran apakah jawaban yang diinputkan sudah
efektif atau masih belum. ITS juga memberikan suatu keluaran berupa evaluasi dari
pembelajaran yang dilakukan oleh pengguna, dimana acuan yang didapatkan diperoleh pada saat
pengguna melakukan uji coba. Konsep ITS tidak hanya berguna untuk menyelesaikan masalah
saja namun juga berguna sebagai suatu sistem yang memberikan evaluasi atau saran kepada
pengguna di dalam menyelesaikan masalah dalam proses pembelajaran, ITS dapat menerapkan
berbagai macam metode pembelajaran yang ada. Pada implementasinya, pemilihan metode
pembelajaran akan mempengaruhi jenis teknologi apa yang nantinya akan digunakan pada ITS
tersebut.
ITS memiliki begitu banyak efektifitas bagi para pelajar, terutama dalam mengenal dan
membiasakan diri dengan dunia teknologi dan alat pembelajaran yang modern. Tetapi sepertinya,
metode ini belum cocok untuk diterapkan di Indonesia, karena ITS tentunya hanya dapat
disediakan untuk sekolah-sekolah yang elit, yang sudah memiliki kemampuan untuk
menyediakan sarana pembelajaran ini. Sedangkan seperti yang kita lihat, sekolah-sekolah di
Indonesia belum seluruhnya memiliki kemampuan yang cukup dalam menyediakan sarana ini.
Seharusnya, program ini sudah diberlakukan untuk seluruh sekolah di Indonesia agar seluruh
pelajar di Indonesia tidak akan canggung lagi saat berhadapan dengan teknologi khususnya
komputer di masa-masa yang akan datang. Sebenarnya ini adalah tanggungan pemerintah untuk
memajukan pendidikan dan pengetahuan umum paragenerasi muda di Indonesia. Semoga di
masa-masa yang akan datang, pemerintah sudah sanggup untuk menyediakan program ini untuk
seluruh sekolah di Indonesia.

DAFTAR PUSTAKA

http://web.if.unila.ac.id/purmanailuswp/2015/09/13/pengertian-artificial-intelligence-kecerdasan-
buatan/

https://www.google.co.id/search?
q=Herbert+Simon&stick=H4sIAAAAAAAAAONgecToyC3w8sc9YSmLSWtOXmM04uIKzsgvd80rySypFFLhYo
OypLh4pDj0c_UNjAtScjQYpLi44DweAH9g89lGAAAA&source=lnms&tbm=isch&sa=X&ved=0ahUKEwi-
rPrdwPLWAhVRv5QKHYgZCpEQ_AUICigB&biw=1366&bih=613#imgrc=jxwPyqSa51HCHM: (gbr 1.1)

https://aiukswgkelompok11.wordpress.com/definisi-artificial-intelligence/

Makalah ALGORITMA MINIMAX SEBAGAI PENGAMBIL KEPUTUSAN DALAM GAME TIC-TAC-TOE karya
Mahasiswa Teknik Informatika STIKOM AMIKOM Yogyakarta.[2016].

Makalah Penentuan Langkah dengan Greedy dalam Permainan Ludo karya Lio Franklyn Kemit/13509053
Program Studi Teknik Informatika.[2011].

Tugas Akhir “INTELLIGENT TUTORING SYSTEM UNTUK E-LEARNING DENGAN PENDEKATAN BAYESIAN
NETWORK INTELLIGENT TUTORING SYSTEM FOR E-LEARNING WITH BAYESIAN NETWORK APPROACH.”
Karya mahasiswa Telkom University[2007].

http://emagz.blog.uns.ac.id/kuliah/dasar-artificial-intelligence/

https://tugasdenny.wordpress.com/2012/03/05/macam-serta-fungsi-dari-aplikasi-kecerdasan-
buatan/
https://www.academia.edu/19715245/Penerapan-kecerdasan-buatan-dalam-dunia-pendidikan
https://www.google.co.id/search?
q=pseudo+code&source=lnms&tbm=isch&sa=X&ved=0ahUKEwiAyar90_LWAhWGFpQKHeRVDMEQ_AUI
CigB&biw=1366&bih=613#imgrc=EK9zWtW4y4h8xM: (gbr 4.1)

https://duniait2016.wordpress.com/2016/02/26/metode-search-dalam-kecerdasan-buatan/