NIM : 2204411654
KELAS : 2Q
RINGKASAN MATERI KECERDASAN BUATAN
BAB 1
BAB 2
Sistem Pakar
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.
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
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
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.
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
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
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
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.