NAMA : MILYANI

NIM : 2204411654
KELAS : 2Q
RINGKASAN MATERI KECERDASAN BUATAN

BAB 1

Sejarah Kecerdasan Buatan

1. Sejarah kecerdasan buatan

Istilah kecerdasan buatan pertama kali dikemukakan pada tahun 1956 di

Konferensi Darthmouth. Sejak saat itu, kecerdasan buatan terus dikembangkan sebab
berbagai penelitian mengenai teori-teori dan prinsip-prinsipnya juga terus berkembang.
Meskipun istilah kecerdasan buatan baru muncul tahun 1956, tetapi teori-teori yang
mengarah ke kecerdasan buatan sudah muncul sejak tahun 1941.
2. Era komputer elektronik (1941)
Pada tahun 1949, berhasil dibuat komputer yang mampu menyimpan program
sehingga membuat pekerjaan untuk memasukkan program menjadi lebih mudah.
Penemuan ini menjadi dasar pengembangan program yang mengarah ke kecerdasan
buatan.
3. Masa-masa Persiapan AI (1943 - 1956 )
Pada tahun 1943, Warren McCulloch dan Walter Pitt mengemukakan tiga hal :
pengetahuan fisiologi dasar dan fungsi sel syaraf dalam otak, analisis formal tentang
logika proposisi, dan teori komputasi Turing.
Pada tahun 1956, John McCarthy meyakinkan Minsky, Claude Shannon dan
Nathaniel Rochester untuk membantunya melakukan penelitian dalam bidan Otomata,
Jaringan Syaraf dan pembelajaran intelijensia.
4. Awal Perkembangan AI ( 1952 – 1969 )
Pada tahun-tahun pertama perkembangannya, kecerdasan buatan mengalami
banyak kesuksesan. Diawali dengan kesuksesan Newell dan Simon dengan ssebuah
program yang disebut General Problem Solver. Program ini dirancang untuk memulai
penyelesaian masalah secara manusiawi.
5. Perkembangan Kecerdasan Buatan Melambat ( 1966 – 1974 )
  Program-program kecerdasan buatan yang bermunculan hanya mengandung sedikit
atau bahkan tidak mengandung sama sekali pengetahuan (knowledge) pada
subjeknya.
 Banyak masalah yang harus diselesaikan oleh kecerdasan buatan.
 Ada beberapa batasan pada struktur dasar yang digunakan untuk menghasilkan
perilaku intelijensia.
6. Sistem berbasis Pengetahuan ( 1969 - 1979 )
Pengetahuan adalah kekuatan pendukung kecerdasan buatan. Hal ini dibuktikan
dengan program yang dibuat oleh Ed Feingenbaum, Bruce Buchanan dan Joshua
Lederberg yang membuat program untuk memecahkan masalah struktur molekul dari
informasi yang didapatkan dari spectrometer massa.
7. Kecerdasan Buatan menjadi Sebuah Industri ( 1980 - 1988 )
Program tersebut mulai dioperasikan di Digital Equipment Corporation (DEC),
McDermott, pada tahun 1982. Pada tahun 1986, R1 telah berhasil menghemat US$ 40
juta per tahun. Pada tahun 1988, kelompok kecerdasan buatan di DEC menjalankan 40
sistem pakar.
8. Kembalinya Jaringan Syaraf Tiruan ( 1986 - Sekarang )
Meskipun bidang ilmu komputer menolak jaringan syaraf tiruan setelah
diterbitkannya buku “Perceptrons” karangan Minsky dan Papert, para ilmuwan masih
mempelajari bidang ilmu tersebut dari sudut pandang yang lain, yaitu fisika.

BAB 2

Sistem Pakar

1. Definisi Sistem Pakar

Sistem Pakar merupakan suatau program komputer atau sistem informasi yang
mengandung beberapa pengetahuan dari satu atau lebih pakar manusia terkait suatu
bidang yang cenderung spesifik. Pakar yang dimaksudkan merupakan seseorang yang
memiliki keahlian khusus dibidangnya masing-masing, contohnya dokter, psikolog,
mekanik, dan lain sebagainya.
2. Tujuan sistem pakar
 Interpretasi
 Prediksi
 Diagnosis
  Perancangan Desain
 Perencanaan
 Monitoring
 Debuging
 Instruksi
 Kontrol
3. Manfaat dan Kegunaan Sistem Pakar
 Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli.
 Bisa melakukan proses secara berulang secara otomatis.
 Menyimpan pengetahuan dan keahlian para pakar.
4. Metode sistem pakar
 AHP (Analytical Hierarchy Process)
 Breadth First Search
 BFS (Best First Search)
 DFS (Depth First Search)
 Penelusuran ke Depan (Forward Chaining)
 Penelusuran ke Belakang (Backward Chaining)
5. Struktur sistem pakar
 User Interface (Antarmuka Pengguna)
 Basis Data
 Knowledge Acquisition (Akuisisi Pengetahuan)
 Inference Engine (Mesin atau Motor Inferensi)
 Workplace/blackboard
 Fasilitas Penjelasan
 Perbaikan Pengetahuan
6. Karakteristik sistem pakar
 Kinerja Tinggi
 Dapat Dimengerti
 Andal
 Sangat Responsif
7. Prinsip kerja sistem pakar
 Sistem pakar mengumpulkan pengalaman dan fakta dalam knowledge base dan
mengintegrasikannya dengan inference engine.

Inference engine menggunakan salah satu dari dua metode berikut untuk memperoleh
informasi dari knowledge base:

 Forward Chaining
 Backward Chaning

Sistem pakar bergantung pada ketersediaan knowledge base yang baik. Proses
penambahan informasi ke knowledge base dilakukan oleh pakar ahli, dan pengguna
umum menggunakan sistem untuk memecahkan masalah kompleks.

8. Contoh penerapan sistem pakar

 CaDet (Cancer Decision Support Tool) digunakan untuk mengidentifikasi kanker

pada tahap awal.
 DENDRAL membantu ahli kimia mengidentifikasi molekul organik yang tidak
diketahui.
 MYCIN mengidentifikasi bakteri seperti bakteremia dan meningitis, dan
merekomendasikan antibiotik dan dosis.
 PXDES menentukan jenis dan tingkat keparahan kanker paru-paru yang dimiliki
seseorang.
 R1/XCON adalah sistem pakar manufaktur awal yang secara otomatis memilih dan
memesan komponen komputer berdasarkan spesifikasi pelanggan.
9. Kelebihan dan Kelemahan Sistem Pakar
a. Kelebihan
 Sistem pakar tidak rentan terhadap kesalahan manusia atau pengaruh emosional.
Sistem pakar membuat keputusan berdasarkan aturan dan fakta yang ditentukan.
 Sistem pakar menarik kesimpulan dari fakta yang ada dengan menggunakan
berbagai jenis aturan, seperti aturan jika-maka (if-else).
 Sistem pakar relatif murah dibandingkan dengan biaya mempekerjakan ahli
manusia. Sistem pakar dapat membantu mencapai keputusan dengan lebih
efisien, yang menghemat waktu dan memangkas anggaran biaya.

b. Kelemahan
  Pendekatan oleh setiap pakar untuk suatu situasi atau problem bisa berbeda-
beda, meskipun sama-sama benar.
 Transfer pengetahuan pada sistem pakar dapat bersifat subjektif dan bias.
 Kurangnya rasa percaya pengguna dapat mengahalngi pemakaian sistem pakar.

BAB 3

Natural Language Processing

1. Pengertian NLP
Natural Language Processing “NLP” adalah salah satu ilmu/bidang dalam ilmu
komputer, kecerdasan buatan, dan bahasa (linguistik) yang selalu berkaitan dengan
interaksi antara komputer dengan bahasa alami manusia.
2. Sejarah NLP
Sejarah Natural Language Processing “NLP” sendiri dimulai pada tahun 1950-an, Dan
pada tahun 1950, Alan Turing mempublikasikan sebuah artikel terkenal yang berjudul
“Computing Machinery and Intelligence” yang sekarang terkenal disebut dengan istilah
Turing Test.
3. Bidang Pengetahuan Dalam NLP
 Fonetik dan fonologi
 Morfologi
 Sintaksis
 Semantic
 Pragmatic
 Discourse knowledge
 World knowledge
4. Komponen Utama NLP
 Parser
 Output translator
 Sistem representasi pengetahuan
5. Kategori aplikasi NLP
 Natural language translator
 Data translator Bahasa alami ke bahasa buatan
 Text summarization
6. Aplikasi NLP
Secara umum, Jenis aplikasi yang bisa dibuat dalam bidang ilmu NLP terbagi dua,
yaitu text-based application dan dialogue-based application
7. Kelebihan Dan Kekurangan NLP
 Kelebihan :
1. Tidak memerlukan syntax
2. Luwes dan powerfull
3. Mudah melakukan interaksi
4. Merupakan inisiatif campuran.
 Kekurangan
1. Mempunyai dualisme
2. Tidak presis
3. Bertele-tele
4. Perancangan perangkat lunak yang rumit
5. Tidak efisien.

BAB 4

SPEECH RECOGNITION

A. Definisi Speech Recognition

Speech recognition atau speech-to-text adalah kemampuan mesin atau program untuk
mengidentifikasi kata-kata yang diucapkan oleh manusia dan mengubahnya menjadi teks
yang dapat dibaca.

B. Sejarah Speech Recognition

Sejarah perkembangan speech recognition dimulai pada tahun 1952 dengan

ditemukannya Audrey (automatic digit recognizer) oleh Bell Laboratories yang mampu
mengenali suara angka. Namun pada tahun 1962 dikembangkannya teknologi shoebox,
dimana teknologi ini mampu memahami 16 kata, 9 konsonan dan 4 vocal dalam bahasa
inggris.

C. Pemodelan Speech Recognition

Ada dua pemodelan dasar untuk speech recognition, yaitu:
 a. Hidden Markov model (HMM) - based speech recognition.
b. Speech recognition diimplementasikan menggunakan Dynamic
D. Cara Kerja Speech Recognition

Teknologi pengenalan ucapan mengubah suara yang direkam oleh mikrofon menjadi
bahasa tertulis yang dapat dipahami oleh komputer dan manusia, umumnya mengikuti 4
prosedur berikut:

 menganalisis audio
 memecah audio menjadi beberapa bagian
 mendigitalkan audio ke dalam format yang dapat dibaca komputer
 menggunakan algoritma untuk mencocokkan audio dengan representasi teks yang
paling sesuai

E. Implementasi speech recognition

Sebagian besar industri saat ini memanfaatkan berbagai aplikasi teknologi speech
recognition, membantu bisnis dan konsumen menghemat waktu dan bahkan nyawa.
Beberapa contoh di antaranya

a. Otomotif
b. Teknologi mobile
c. Pendidikan.
d. Layanan pelanggan
e. Aplikasi kesehatan
f. Keamanan
g. Bantuan disabilitas
h. Pelaporan pengadilan
i. Pengenalan emosi

BAB 5
VISION KOMPUTER
1. Definisi vision komputer ( computer vision )
Vision komputer merupakan proses otomatis yang mengintegrasikan sejumlah besar
proses untuk persepsi visual, seperti akuisisi citra, pengolahan citra, pengenalan dan
membuat keputusan.
2. Elemen-elemen vision komputer
 Light sources
 Scence
 Image Device
3. Tahapan-tahapan proses dalam komputer vision
 Pengolahan Tingkat Rendah (Image to image)
 Pengolahan Tingkat Menengah (Image to dimbolic)
 Pengolah Tingkat Tinggi (Simbolic to simbolic)
4. Proses vision komputer
 Image Acqusition
 Image Processing
 Image Analysis
 Image Understanding
5. Aplikasi vision komputer
 Google Translate
 Facebook 3D Photo
 FaceApp
 SentioScope
6. Implementasi visi komputer pada mesin ocr
 Data Capture
 Preprocessing
 Segmentation
 Normalization
 Feature Extraction
 Recognition
 Postprocessing

BAB 6
FUZZY LOGIC
1. Sejarah Fuzzy Logic
Sejarah Logika Fuzzy Fuzzy Set pertama kali diperkenalkan oleh Prof. Lotfi
Zadeh, 1965 orang Iran yang menjadi guru besar di University of California at Berkeley
dalam papernya yang monumental “Fuzzy Set
2. Definisi Logika Fuzzy
Logika Fuzzy merupakan suatu logika yang memiliki nilai kekaburan atau
kesamaran (fuzzyness) antara benar atau salah.
3. Himpunan Fuzzy
 Himpunan tegas (crisp) merupakan himpunan yang terdefinisi secara tegas dalam
arti bahwa untuk setiap elemen dalam semestanya selalu dapat ditentukan secara tegas
apakah ia merupakan anggota dari himpunan atau tidak.
4. Dasar Logika Fuzzy
Dasar Logika Fuzzy Salah satu aplikasi logika fuzzy yang telah berkembang sangat
luas dewasa ini adalah sistem inferensi fuzzy, yaitu sistem komputasi yang bekerja atas
dasar prinsip penalaran fuzzy, seperti halnya manusia melakukan penalaran dengan
nalurinya. Misalnya penentuan produksi barang, sistem pendukung keputusan, sistem
klasifikasi data, sistem pakar, sistem pengenalan pola, robotika, dan sebagainya.
5. Proses Sistem Kontrol Logika Fuzzy
Sistim kendali tradisional (PID) dapat menangani perubahan-perubahan masukan,
namun penanganannya dilakukan dengan cara yang sangat bersifat satu dimensi, dalam
hal ini hanya dengan menggunakan persamaan atau model matematis. Sebagai contoh,
suatu pengendali proporsional dapat menanggapi suatu nilai dengan rentang antara 0
hingga 100%, namun cara penanganannya akan tetap sama, yakni melakukan perkalian
dengan KP.
6. Fuzzy Inference System (FIS)
Fuzzy Inference System adalah proses merumuskan pemetaan dari input yang
diberikan ke ouput dengan menggunakan logika fuzzy (Kusumadewi, 2010). Gambaran
dari alur fuzzy dapat dilihat dari gambar dibawah ini : di mulai dengan membentuk
himpunan fuzzy, lalu mengaplikasikan fungsi aplikasi, setelah ini mengkomposisi aturan
yang ada dari nilai Max dan Minnya.
Adapun Langkah Langkah Fuzzy Inference System yaitu:
1) Memasukkan input fuzzy.
2) Mengaplikasikan operator fuzy.
3) Mengaplikasikan metode implikasi.
4) Komposisi semua output.
5) Defuzifikasi.

BAB 7

ROBOTIKA DAN SISTEM SENSOR

1. Sistem sensor
 Sensor adalah piranti yang menerima input berupa suatu besaran/sinyal fisik yang
kemudian mengubahnya menjadi besaran/sinyal lain yang diteruskan ke kontroler.
Terdapat banyak jenis sensor yang digunakan pada robot.
2. Persyaratan umumn sensor
a. Linearitas
b. Sensitivitas
c. Jangkauan
d. Tanggapan Waktu
3. Jenis sensor
a. Sensor Sentuh (Tactile Sensor)
b. Sensor Cahaya
c. Sensor Inframerah
d. Sensor Ultrasonik
e. Enkoder
f. Kompas
g. Akselerometer
4. Klasifikasi sensor
a. Berdasarkan Ouput
 Output biner
 Output analog
 Output pewaktu
 Output serial
b. Berdasarkan aplikasi
 Internal
 eksternal
c. Berdasarkan Fungsi
 Thermal sensor (sensor panas)
 Optic sensor (sensor cahaya),
 Mechanic sensor (sensor mekanis)
 Sensor Ultrasonic
 Sensor Jarak (Proximity Sensor)
5. Definisi robot dan robotic
 Sebuah robot adalah sesuatu yang dapat di program dan diprogram ulang, dengan
memiliki manipulator mekanik / pengerak yang didisain untuk memindahkan barang-
barang, komponen-komponen atau alat-alat khusus dengan berbagai program yang
fleksibel / mudah disesuaikan untuk melaksanakan berbagai macam tugas

Teknologi yang behubungan dengan mendesain, membuat, dan mengoperasikan

robot

6. Istilah robot
Istilah robot berawal bahasa Ceko “robota” yang berarti pekerja atau kuli yang
tidak mengenal lelah atau bosan. Robot biasanya digunakan untuk tugas yang berat,
berbahaya, pekerjaan yang berulang dan kotor.
7. Komponen dasar sebuah robot
 Manipulator
 Controler
 Power suplay
 End effector
8. Tingkatan teknologi robot
 Robot teknologi rendah
 Robot teknologi menengah
 Robot teknologi tinggi
9. Geometri robot dan istilah-istilahnya

Degrees Of Freedom (DOF) adalah setiap titik sumbu gerakan mekanik pada
robot, tidak terhitung untuk End Effector.

Degrees Of Movement (DOM) adalah kebebasan / kemampuan untuk melakukan

sebuah gerakan.

10. Konfigurasi robot

 Konfigurasi Koordinat Kartesian
 Konfigurasi Koordinat Silinder
 Konfigurasi Koordinat Polar
 Sistem Koordinat Articulate
 SCARA ( Selective Compliance Assembly Robot Arm)
11. Spesifikasi teknis lain
  Work Volume (area kerja)
 Precision Of Movement ( keakuratan gerak)
 Weight Carrying Capacity (daya angkat beban)
 Type Of Drive System (jenis pengerak)
12. Sistem kontrol
a. Jenis Robot Control
 Limite Sequence Robot
 Point to Point
 Countouring
 Line Tracker
 Intelligent Robot
13. Bagian-Bagian Pada Kontrol Robot
 Low Technology Controllers
 Medium Technology Controllers
 High Technology Controllers
14. Aplikasi robot di industri/manufaktur
 Material transfer
 Machine loading
 Welding
 Spray coating
 Processing operations
 Assembly
 Inspection