NIM :19SA1284
KELAS : IF19E
BAB I
Artificial Intelligence
Cabang dari ilmu komputer yang fokus pada pengembangan komputer untuk dapat memiliki
kemampuan dan berperilaku seperti manusia
Sistem Cerdas
Sistem yang memiliki keahlian seperti manusia pada domain tertentu, mampu beradaptasi,
dan belajar agar dapat bekerja dengan baik jika terjadi perubahan pada lingkungan
Implementasi Konsep AI
Sistem AI
-Knowledge Base
-Inference Engine
Intelligent System
Masalah
Untuk membangun sebuah sistem cerdas, kita harus mendefinisikan masalah dengan jelas.
Identifikasi masalah dengan tepat merupakan langkah awal yang penting agar kita bisa
menemukan metode yang tepat pula.
• Graf
• Pohon Pelacakan
• Pohon AND/OR
-Blind Search merupakan pencarian asal. Jika solusi sudah ditemukan, maka pencarian akan
dihentikan.
-Heuristik merupakan sebuah teknik yang mengembangkan efisiensi dalam proses pencarian,
namun dengan kemungkinan mengorbankan kelengkapan (completeness).
3.Kelebihan dan kelemahan hill climbing dan breadth first search
Hill Climbing
Metode hill climbing berhenti apabila solusinya sudah di temukan tanpa kita harus
membandingkan lagi node-node yang lainnya.
Pencarian menggunakan hill climbing prosesnya lebih cepat mendekati tujuannya.
Metode hill climbing node yang akan ditujukan tidak bisa langsung ketujuan tetapi
harus melewati level sedikit demi sedikit demi mendapatkan tujuannya.
Apabila hill climbing sudah mendapatkan solusi maka dia harus mencari solusi yang
lain untuk membandingkannya karena untuk mencari node awal dengan tujuan yang
dekat.(Ade)
Kelebihan :
Menjamin ditemukannya solusi (jika solusinya memang ada) dan solusi yang ditemukan pasti
yang paling baik.
Kelemahan :
BAB III
dijelaskan bahwa setiap user maupun pengguna antar muka dapat mengerti akan dasar
pengetahuan tentang mesin sistem kecerdasan buatan dari pengetahuan sang ahli maupun
orang yang dinilai lebih tahu tentang kecerdasan buatan. Sehingga dapat menarik minat
pengguna antar muka tersebut untuk membuat suatu project sistem kecerdasan buatan untuk
pemakaian sendiri maupun kebutuhan publik. Pengetahuan tersebut bisa pengetahuan ahli
tentang domain, dan pengetahuan ini juga yang diperlukan oleh suatu sistem untuk dapat
beroperasi. Pengetahuan ini mungkin mewakili suatu aturan untuk mengoperasikan suatu
mesin sprinkle api. Ada beberapa cara, pengetahuan ini harus dimasukkan ke sistem dengan
cara tertentu. Yang kemudian dapat dimanfaatkan dalam program dan algoritma yang
biasanya dituliskan dalam mesin antarmuka untuk membuat suatu keputusan yang tepat dan
bisa mendapatkan fakta dari pengetahuan ini. Suatu pengetahuan harus diwakili dengan cara
yang mudah digunakan untuk pemrograman dan juga untuk mempermudah mesin komputer
dan antarmuka mesin untuk memahaminya. Ada beberapa cara untuk mempermudah tersebut
yaitu dengan menggunakan logika, aturan, frame dan semantic network.
Ada 3 persyaratan sistem termasuk untuk mewakili semua jenis kemampuan pengetahuan
yaitu :
Pengetahuan representasi menggunakan aturan misalnya ‘’jika tingkat inflasi turun, maka
harga emas turun’’Jika data yang dibutuhkan tersebut tidak ada dalam sistem, maka mintalah
dari pengguna. Program yang digunakan seperti Basic, C++, Cobol, dst dapat digunakan
untuk bekerja pada pengetahuan procedural berdasarkan aturan sedangkan Sql dapat
digunakan untuk bekerja pada tipe pengetahuan deklaratif berdasarkan aturan.
BAB IV
KONSEP DASAR
To put it simply , Sistem pakar adalah suatu program yang dapat menirukan seorang pakar.
Konsep dasar system pakar terdiri dari 6 hal,yaitu:
2. Expert : Untuk dapat dikualifikasikan sebagai pakar, harus mampu: mengenal dan
merumuskan, memecahkan masalah, menentukan dan menjelaskan, serta belajar dari
pengalaman
4. Inferencing :system pakar harus memiliki kemampuan nalar sehingga mampu mengambil
keputusan
5. Rule : untuk membangun sistem pakar, pengetahuan disimpan dalam bentuk aturan-aturan
sebagai prosedur pemecahan masalah
CIRI-CIRISISTEMPAKAR
• Dapat mengemukakan rangkaian alasan-alasan yang diberikan dengan cara yang bisa
dipahami.
• Dirancang untuk dapat dikembangkan secara bertahap agar bisa menghasilkan informasi
yang lebih baik dan akurat.
• Sistem pakar dikembangkan dengan tujuan sebagai penyedia nasihat dan sarana bantu
dalam memecahkan masalah di bidang-bidang spesialisasi tertentu seperti sains,
perekayasaan, matematika, kedokteran, Pendidikan dan sebagainya
Secara umum ada beberapa kategori dan area permasalahan system pakar:
mentah
6. Pengawasan: membandingkan tingkah laku suatu sistem yang teramati dengan tingkah laku
yang diharapkan darinya
Keuntungan:
1. Meningkatkan output dan produktivitas
2. Meningkatkan proses pengambilan keputusan
3. Meningkatkan proses dan kualitas produk
4. Handal dan fleksibel
5. Integrasi beberapa pendapat pakar
6. Dapat bekerja dengan informasi yang tidak lengkap atau tidak pasti
7. Memberikan pelatihan
8. Kemampuan untuk memecahkan masalah yang kompleks
Kekurangan:
1. Kesulitan pengumpulan pengetahuan
2. Beberapa sistem pakar terlalu mahal
3. Tidak dapat memberikan kami 100% rekomendasi yang sangat berkualitas, perlu diuji
secara menyeluruh oleh para ahli
BAB V
Pada pertemuan sebelumnya kita sudah mengenal tentang Sistem Pakar. Salah satu konsep
dasar sistem pakar yaitu adanya proses inferencing atau proses nalar sehingga mampu
menghasilkan informasi baru atau solusi atau
rekomendasidariinformasiataufaktayangtelahdiketahui.
Inferensipadasistempakardapatdilakukandengan2carayaitu:
1.Forward Chaining
Yaitu pencocokan fakta atau pernyataan dimulai dari IF dulu atau dari keadaan awal. Dengan
kata lain, penalaran dimulai dari fakta dulu untuk menguji kebenaran hipotesis.
2. Backward Chaining
Yaitu pencocokan fakta atau pernyataan dimulai dari THEN dulu, atau dimulai dari
hipotesa,baru dicocokkan dengan fakta atau keadaan awal dan menguji kebenaran yang dicari
pada basis pengetahuan.
KETIDAKPASTIAN
Pada bab sebelumnya, kita telah mempelajari teknik penalaran atau inferensi dengan model
yang lengkap dan konsisten. Namun pada kenyataannya,ada banyak sekali permasalahan
didunia ini yang tidak dapat dimodelkan secara lengkap dan konsisten. Suatu penalaran,
dengan adanya penambahan fakta baru, mengakibatkan sebuah ketidak konsistenan . Ketidak
konsistenan ini disebut Penalaran Non-Monotonis,ciri-cirinya adalah:
1. Mengandung ketidakpastian
3. Adanya penambahan fakta baru dapat mengubah konklusi yang sudah dibentuk
Sumber ketidakpastian:
1. Data
Kehilangan data, Data ganda, Data tidak dapat diandalkan, Inconsistency data
2. Pengetahuan pakar
Antara pakar satu dengan yang lain tidak konsisten, Kualitas pemahaman
dalam pengetahuan dan pengamatan
3. Representasi pengetahuan
Keterbatasan model pada system riil
4. Proses inferensi
Deduktif: hasil yang diperoleh benar, tapi pada system salah, Induktif:
konklusi baru tidak ditemukan dengan baik, Metode penalaran tidak valid
Tools utama yang dapat digunakan untuk mengukur derajat kepercayaan adalah teori
probabilitas. Probabilitas menyediakan cara untuk merangkum segala ketidak pastian.Ketidak
pastian dapat ditangani dengan beberapa pendekatan,yaitu:
-Teori Bayes
Teori Bayes digunakan untuk menghitung probabilitas terjadinya suatu peristiwa berdasarkan
pengaruh yang didapat dari pengujian. Teori bayes menerangkan hubungan antara
probabilitas terjadinya hipotesis Hi dengan terdapat fakta ( evidence ) E telah terjadi dan
probabilitas terjadinya evidence E dengan syarat hipotesis Hi telah terjadi Teori ini
didasarkan pada prinsip bahwa jika terdapat tambahan informasi atau evidence , maka nilai
probabilitas dapat diperbaiki.
-Certainty Factor
Certainty factor menyatakan belief dalam suatu event (atau fakta atau hipotesis) yang
didasarkan Pada evidence,dinyatakan dengan notasi:
MB = ukuran kepercayaan terhadap hipotesis h, jika diberikan evidence e dengan nilai antara
0 sampai1( measure of belief )
BAB VI
FUZZY LOGIC
Fuzzy logic dapat mengontrol system yang kompleks, non-linier, dan system yang sulit
direpresentasikan secara matematis. Beberapa kelebihan lainnya antara lain:
6. Fuzzy logic dapat bekerja sama dengan teknik-teknik kendali secara konvensional
7. Fuzzy logic didasarkan pada Bahasa Alami
6. Kereta bawah tanah dengan sistem kontrol untuk pemberhentian otomatis pada area
tertentu
HIMPUNAN FUZZY
FUNGSI KEANGGOTAAN
1. Representasi linear
5. Representasi kurva S