PENGANTAR KECERDASAN BUATAN

Part 1

Pengampu : Ir. Hasanuddin, SIrait, MT

Kontrak Perkuliahan
Pemahaman Tujuan Perkuliahan

Pengantar Kecerdasan Buatan

- Definisi kecerdasan buatan
- Kecerdasan buatan vs kecerdasan alami
- Sejarah kecerdasan buatan
- Perkembangan dan aplikasinya
 Berisi:
-Materi kuliah
-aturan perkuliahan
-aturan penilaian
-daftar pustaka
Kuliah ini memberikan prinsip-prinsip dasar dan
metode utama dari Kecerdasan Buatan,
menyiapkan mahasiswa untuk membangun
sistem yang kompleks dalam kaitan kemampuan
dalam pemrosesan pintar informasi.
 Bisakah mesin berpikir?
 Jika bisa, bagaimana caranya?
 Dan jika tidak bisa, kenapa tidak?
 Dan apa yang dikatakan sebagai
pikiran (mind)?
kemampuan untuk …
 belajar atau mengerti dari
pengalaman,
 memahami pesan yang
kontradiktif dan ambigu,
 menanggapi dengan cepat
dan baik atas
situasi yang baru,
 menggunakan penalaran
dalam memecahkan
masalah serta
menyelesaikannya dengan
efektif

(Winston dan Pendergast,

1994)
Merupakan kawasan penelitian, aplikasi dan instruksi
yang terkait dengan pemrograman komputer untuk
melakukan sesuatu hal - yang dalam pandangan
manusia adalah – cerdas (H. A. Simon [1987])

Sebuah studi tentang bagaimana membuat komputer

melakukan hal-hal yang pada saat ini dapat dilakukan
lebih baik oleh manusia (Rich and Kinight [1991])
 Dikelompokkan menjadi 4 macam :
Sudut Pandang
Kecerdasan
Kecerdasan buatan
mampu membuat mesin
menjadi cerdas (berbuat
seperti yang dilakukan
manusia)
Sudut Pandang
Penelitian
Kecerdasan buatan
adalah studi bagaimana
membuat komputer
dapat melakukan
sesuatu sebaik yang
dilakukan manusia
Sudut Pandang Bisnis
Kecerdasan buatan adalah kumpulan peralatan yang
sangat powerful dan metodologis dalam
menyelesaikan masalah bisnis

Sudut Pandang Pemrogram

Kecerdasan buatan meliputi studi tentang
pemrograman simbolik, problem solving, dan
pencarian (searching)
Basis Pengetahuan (knowledge base)
berisi fakta-fakta, teori, pemikiran dan hubungan
komponen satu dengan yang lainnya

Motor Inferensi (inference engine)

Kemampuan menarik kesimpulan berdasar
pengalaman. Berkaitan dengan representasi dan
duplikasi proses tersebut melalui mesin (misalnya,
komputer dan robot).
Turing Test
Metode Pengujian Kecerdasan (Alan Turing).
Proses uji ini melibatkan seorang penanya (manusia)
dan dua obyek yang ditanyai.

Pemrosesan Simbolik
Sifat penting dari AI adalah bahwa AI merupakan
bagian dari ilmu komputer yang melakukan proses
secara simbolik dan non-algoritmik dalam penyelesain
masalah.
Heuristic
Suatu strategi untuk melakukan proses pencarian
(search) ruang problem secara efektif, yang memandu
proses pencarian yang kita lakukan di sepanjang jalur
yang memiliki kemungkinan sukses paling besar.
Inferensi (Penarikan Kesimpulan)  AI mencoba
membuat mesin memiliki kemampuan berpikir atau
mempertimbangkan (reasoning), termasuk
didalamnya proses (inferencing) berdasarkan fakta-
fakta dan aturan dengan menggunakan metode
heuristik, dll

Pencocokan Pola (Pattern Matching)  Berusaha

untuk menjelaskan obyek, kejadian (events) atau
proses, dalam hubungan logik atau komputasional
 Deep Blue mengalahkan Kasparov, juara dunia Catur.
 PEGASUS, suatu sistem memahami ucapan yang mampu
menangani transaksi seperti mendapatkan informasi tiket
udara termurah.
 MARVEL: suatu sistem pakar real-time memonitor arus data
dari pesawat Voyager dan setiap anomali sinyal.
 Sistem robot mengemudikan sebuah mobil dengan kecepatan
yang cepat pada jalan raya umum.
 Suatu diagnostik sistem pakar sedang mengkoreksi hasil
diagnosis pakar yang sudah punya reputasi.
 Agent pintar untuk bermacam-macam domain yang bertambah
pada laju yang sangat tinggi .
 Subjek materi pakar mengajar suatu learning agent
penalarannya dalam pusat penentuan gravitasi.
Membuat komputer lebih cerdas
Mengerti tentang kecerdasan
Membuat mesin lebih berguna
 Lebih permanen
 Menawarkan kemudahan duplikasi dan penyebaran
 Lebih murah daripada kecerdasan alami
 Konsisten dan menyeluruh
 Dapat didokumentasikan
 Dapat mengeksekusi tugas tertentu lebih cepat daripada
manusia
 Dapat menjalankan tugas tertentu lebih baik dari banyak atau
kebanyakan orang.
Bersifat lebih kreatif
Dapat melakukan proses pembelajaran secara
langsung, sementara AI harus mendapatkan masukan
berupa simbol dan representasi-representasi
Menggunakan fokus yang luas sebagai referensi untuk
pengambilan keputusan. Sebaliknya, AI menggunakan
fokus yang sempit
 Jaman “batu” (1943-1956)

Awal kerja JST dan logika

Teori Logika (Alan Newell and Herbert Simon)
Kelahiran AI: Dartmouth workshop - summer 1956
John McCarthy’s memberi nama bidang: artificial
intelligence
 Awal antusias, harapan besar
(1952-1969)

 McCarthy (1958)
- mendefinisikan Lisp
- menemukan time-sharing
- Advice Taker
 Pembelajaran tanpa pengetahuan
 Pemodelan JST
 Pembelajaran Evolusioner
 Samuel’s checkers player: pembelajaran
 Metode resolusi Robinson.
 Minsky: the microworlds (e.g. the block’s world).
 Banyak demonstrasi kecil ttg perilaku “intelligent”
 Prediksi over-optimistic Simon
 Masa Gelap (1966-1973)

AI tidak mengalami perkembangan: ledakan

perkembangan combinatorial
Fakta bahwa suatu program bisa mendapatkan
suatu solusi secara prinsip tidak berarti bahwa
program memuat beberapa mekanisme yang
dibutuhkan untuk mendapatkannya secara praktis.
Kegagalan dari pendekatan terjemahan bahasa
alami berbasis pada grammars sederhana dan
kamus kata.
Penterjemahan kembali yang populer
English->Russian->English
Penemuan untuk pemrosesan bahasa natural
dihentikan.
Kegagalan perceptron
untuk belajar dari fungsi
sederhana sebagaimana
disjunctive/eksclusive
OR.
Penelitian pada JST
dihentikan.
Realisasi dari kesukaran
dalam proses learning
dan keterbatasan dari
metode yang
dieksplorasi
Konsep pembelajaran
simbolik (Winston’s
influential thesis, 1972)
 Renaissance (1969-1979)

 Perubahan pada paradigma penyelesaian:

 Dari penyelesaian masalah berbasis “search-based” menjadi penyelesaian masalah berbasis
pengetahuan.

 Sistem pakar pertama

 Dendral: menginferensi struktur molecular dari informasi
yang disediakan oleh spektrometer massa.
 Mycin: diagnoses blood infections
 Prospector: merekomendasikan eksplorasi pengeboran
pada lokasi geologi yang menyediakan suatu deposit
mineral molybdenum.
 Era Industrial
Sukses pertama
(1980-sekarang)
Sistem Pakar secara
komersial.The.
Many AI companies.
Eksplorasi dari strategi
pembelajarqan yqang
bermacam-macam
(Explanation-based
learning, Case-based
Reasoning, Genetic
algorithms, Neural
networks, etc.)
 Kembalinya neural networks
(1986-sekarang)

 Penggalian kembali algoritma learning back propagation

untuk neural networks yang pertama dikenalkan dalam
tahun 1969 oleh Bryson and Ho.
 Banyak aplikasi sukses dari Neural Networks.
 Kehilangan respek terhadap sulitnya membangun sistem
pakar (macetnya knowledge acquisition).
 Kematangan
(1987-sekarang)

Perubahan dalam cakupan dan metodologi

penelitian bidang Kecerdasan Buatan:
 Membangun di atas teori yang ada, bukan cuma
mengusulkan teori baru;
 berbasis klaim pada theorema dan eksperimen,
bukan pada intuisi;
 menunjukkan relevansi ke aplikasi nyata, bukan
pada contoh “mainan”.
 Agent Cerdas (1995-sekarang)

• Realisasi yang pada mulanya dipisahkan dalam sub dari

Kecerdasan Buatan (speech recognition, problem solving
and planning, robotics, computer vision, machine learning,
knowledge representation, etc.) perlu direorganisasi
bilamana hasil-hasilnya diikat bersama-sama kedalam suatu
desain agent tunggal.

 Suatu proses reintegrasi dari sub-area yang berbeda dari KB

untuk membentuk “whole agent”:
 “agent perspective” of AI
 agent architectures (e.g. SOAR, Disciple);
 multi-agent systems;
 agent untuk aplikasi tipe-tipe yang berbeda, web agents.
Mundane Task
- Persepsi (vision & speech)
- Bahasa alami (understanding, generation & translation)
- Pemikiran yang bersifat commonsense
- Robot control

Formal Task
- Permainan / Games
- Matematika (Geometri, logika, kalkulus integral, pembuktian)
Expert Task
- Analisis finansial
- Analisis medikal
- Analisis ilmu pengetahuan
- Rekayasa (design, pencarian kegagalan, perencanaan
manufaktur)
link
Kecerdasan buatan
terdiri dari knowledge
base dan motor
inference
Digunakan untuk
membantu
menyelesaikan
permasalahan manusia
Kecerdasan buatan
mengalami
perkembangan terus
menerus sampai saat ini
Semakin banyak objek
yang mampu
diselesaikan oleh
Kecerdasan buatan
 Sri Kusumadewi, Artificial
Intelligence (Teknik dan
Aplikasinya), Graha Ilmu,
2003, Yogyakarta
 William Siler and James J.
Buckley, “Fuzzy Expert
System and Fuzzy
Reasoning”, Wiley-
Interscience, 2005
 Laurene Fauset,
“Fundamental of Neural
Network”, Prentice Hall,
2000
Part 2
H. A. Simon [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”

Rich and Knight [1991]:

“Kecerdasan Buatan (AI) merupakan sebuah studi tentang
bagaimana membuat komputer melakukan hal-hal yang
pada saat ini dapat dilakukan lebih baik oleh manusia.”
Encyclopedia Britannica:

“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”
1. Membuat mesin menjadi lebih pintar (tujuan utama)
2. Memahami apa itu kecerdasan (tujuan ilmiah)
3. Membuat mesin lebih bermanfaat (tujuan entrepreneurial)
Mengembangkan metode dan sistem untuk
menyelesaikan masalah AI tanpa mengikuti cara
manusia menyelesaikannya (sistem pakar / expert
systems)
Mengembangkan metode dan sistem untuk
menyelesaikan masalah AI melalui pemodelan cara
berpikirnya manusia, atau cara bekerjanya otak
manusia (neural networks).
Dari perspektif Kecerdasan (Intelligence)
AI adalah bagaimana membuat mesin yang “cerdas” dan dapat
melakukan hal-hal yang sebelumnya dapat dilakukan oleh
manusia
Dari perspektif bisnis
AI adalah sekelompok alat bantu (tools) yang berdaya guna,
dan metodologi yang menggunakan tool-tool tersebut guna
menyelesaikan masalah-masalah bisnis.
Dari perspektif pemrograman (Programming),
AI termasuk didalamnya adalah studi tentang pemrograman
simbolik, pemecahan masalah, proses pencarian (search)
Sistem yang berpikir Sistem yang berpikir
seperti manusia secara rasional
Thinking humanly Thinking rationally

Sistem yang bertindak Sistem yang bertindak

seperti manusia secara rasional
Acting humanly Acting rationally
1. Diperlukan suatu cara untuk mengetahui
bagaimana manusia berfikir
2. Diperlukan pemahaman tentang bagaimana
pikiran manusia bekerja

Bagaimana caranya?
1. Melalui introspeksi atau mawas diri;
mencoba menangkap bagaimana pikiran kita
berjalan
2. Melalui percobaan psikologis
Cara berfikirnya memenuhi aturan logika yang
dibangun oleh Aristotles
 Pola struktur argumentasi yang selalu memberi konklusi yang
benar bila premis benar
 Menjadi dasar bidang logika
Tradisi logicist dalam AI adalah membangun program
yang menghasilkan solusi berdasarkan logika
Problem:
 Pengetahuan informal sukar diuraikan dan dinyatakan
 dalam bentuk notasi logika formal
 Penyelesaian secara prinsip vs. praktis
 Bertindak secara rasional artinya bertindak didalam upaya mencapai goal
 Didalam lingkungan yang rumit tidaklah mungkin mendapatkan rasionalisasi
sempurna yang selalu melakukan sesuatu dengan benar
 Rasionalisasi terbatas
 AI Komputasi
Konvensional
Representasi dan Algoritama
Manipulasi simbol
Memberitahu Memerintah
komputer tentang komputer untuk
suatu masalah menyelesaikan
masalah
Komputer diberi Memberi data kepada
pengetahuan dan komputer dan
kemampuan inferensi program
 Lebih bersifat permanen.
 Lebih mudah diduplikasi & disebarkan.
 Lebih murah.
 Bersifat konsisten dan teliti karena kecerdasan buatan adalah
bagian dari teknologi komputer sedangkan kecerdasan alami
senantiasa berubah-ubah
 Dapat didokumentasi.Keputusan yang dibuat komputer dapat
didokumentasi dengan mudah dengan cara melacak setiap
aktivitas dari sistem tersebut. Kecerdasan alami sangat sulit
untuk direproduksi.
 Dapat mengerjakan beberapa task lebih cepat dan lebih baik
dibanding manusia
1. Kreatif : manusia memiliki kemampuan untuk menambah
pengetahuan, sedangkan pada kecerdasan buatan untuk
menambah pengetahuan harus dilakukan melalui sistem
yang dibangun.
2. Memungkinkan orang untuk menggunakan pengalaman
atau pembelajaran secara langsung. Sedangkan pada
kecerdasan buatan harus mendapat masukan berupa input-
input simbolik.
3. Pemikiran manusia dapat digunakan secara luas, sedangkan
kecerdasan buatan sangat terbatas.
 Wilayah AI
AI diterapkan didunia bisnis dalam bentuk sistem pakar,
jaringan saraf tiruan, algoritme genetik, dan agen cerdas.
Sistem Pakar (expert system) adalah program komputer yang
berusaha untuk mewakili pengetahuan keahlian manusia
dalam bentuk heuristik. Istilah heuristik berasal dari kata
yunani eureka, yang berarti menemukan. Heuristik adalah
aturan yang menjadi patokan atau aturan untuk menebak
dengan baik.
Jaringan Saraf Tiruan (Neutral Networks) meniru fisiologi otak
manusia. Jaringan ini mampu menemukan dan membedakan
pola, sehingga membuatnya amat berguna dalam bisinis
siwilayah pengenalan suara dan pengenalan karakter optis.
Algoritme genetik (genetic algorithms) menerapkan proses “yang
terkuat yang selamat” untuk memungkinkan para pemecah
masalah agar menghasilkan solusi masalah yang semakin lebih
baik. sebagai contoh, bankir investasi dapat menggunakan nya
untuk memilih portfolio investasi yang terbaik bagi kliennya.
Agen cerdas (intelligent agent) digunakkan untuk melakukan
tugas yang berkaitan dengan komputer yang berulang-ulang.
Salah satu contoh adalah data, dimana penemuan pengetahuan
memungkinkan sistem gudang data untuk mengidentifikasi
hubungan data yang sebelumnya tidak di kenal.
 Konfigurasi Sistem Pakar

Sistem pakar tediri dari empat bagian

utama antaralain :

1. Antarmuka Pengguna
2. Basis Pengetahuan (knowledge basis)
3. Mesin Inferensi (inference engine)
4. Mesin Pengembangan
 1. Antarmuka Pengguna

Memungkinkan manajer untuk memasukan instruksi dan informasi kedalam sistem pakar
yang menerima informasi dari sistem tersebut. Intruksi ini menentukan parameter yang
mengarahkan sistem pakar dalam prosespemikirannya. Input informasi berbentuk nilai yang
dikaitkan dengan penjelasan. Terdapat dua penjelasan : penjelasan dari pertanyaan yang
diberikan manajer dan penjelasan mengenai solusi masalah
 2. Basis Pengetahuan (knowledge
basis).

Berisikan fakta yang menggambarkan masalah serta tekhnik penggambaran

pengetahuan yang menjelaskan bagaimana fakta bersentuhan secara logis. Istilah Domain
masalah (problaim domain) digunakan untuk menggambarkan area permasalahan.
 3. Mesin Inferensi (inference
engine)

Bagian dari sistem pakar yang melakukan pemikiran dengan cara menggunakan isi
basis pengetahuan dalam urutan tertentu. Selama konsultasi, mesin inferensi memeriksa
aturan-aturan basis peengetahuan satu demi satu, dan jika persyaratan satu aturan benar,
maka suatu tindakan dilaksanakan . Dalam terminologi sistem pakar, aturan diberhentikan jika
tindakan diambil.
 4. Mesin Pengembangan

Sistem pengembangan, yang digunakan untuk membuat sistem pakar. Ada dua
pendekatan yang tersedia : bahasa pemograman dan kerangka sistem pakar. Kerangka
sistem pakar (expert system shell) adalah prosesor siap pakai dan dapat disesuaikan untuk
masalah tertentu dengan cara menambahkan basis pengetahuan yang sesuai. Cara pikir
berbasis kasus (casebased reasoning – CBR) pendekatan ini menggunakan data historis
sebagai dasar untuk pengidentifikasian masalah dan merekomendasikan solusi.
 Pembuatan produk makanan dan minuman seperti Coca cola dan Mie Instan yang
ditangani mesin produksi
 Pembuatan Mobil dalam prosesnya dibantu oleh robot mekanik untuk mempercepat
proses pembuatannya.