Disusun oleh :
NAMA : AKMAL IRMANSYAH
NIM : 3922150020
PRODY : TEKNIK INFORMATIKA
SEMESTER : IV
MATA KULIAH : ARTIFICIAL INTELEGENCE
DOSEN PENGAMPU : Bapak PARDO PRANS, M.KOM
KOMPUTASI AI
Sebaliknya, software AI tidak didasarkan pada algoritma, tetapi
didadasarkan pada representasi dan manipulasi simbol. Didalam AI, sebuah
simbol bisa merupakan huruf, kata, atau bilangan yang digunakan untuk
menggambarkan objek, proses, dan huungannya. sumber bisa merupakan
cetakan atau elektronik. objek bisa berupa orang, benda, ide, pikiran, peristiwa,
atau pernyataan suatu fakta. Dengan menggunakan simbol, komputer bisa
menciptakan suatu basis pengetahuan yang menyatakan fakta, pikiran, dan
hubungannya satu sama lain. berbagai proses digunakan unutk memanipulasi
simbol agar mampu memecahkan masalah. Pengolahannya bersifat kuantitatif,
bukan kulaitatif seperti halnya komputasi yang didasarkan pada algoritma.
SOFT COMPUTING
Soft computing adalah koleksi dari beberapa metodologi yang bertujuan
untuk mengeksploitasi adanya toleransi terhadap ketidaktepatan, ketidakpastian
dan kebenaran parsial untuk dapat diselesaikan dengan mudah, robustness, dan
biaya penyelesaiannya murah. Definisi ini pertama kali diungkapkan oleh Prof.
Lotfi A. Zadeh pada tahun 1992. Soft computing merupakan inovasi baru dalam
membangun sistem cerdas. Sistem cerdas ini merupakan sistem yang memiliki
keahlian seperti manusia pada domain tertentu, mampu beradaptasi dan belajar
agar dapat bekerja lebih baik jika terjadi perubahan lingkungan.
Unsur-unsur pokok dalam Soft Computing, adalah:
1. Sistem Fuzzy (mengakomodasi ketidaktepatan).
2. Jaringan Syaraf (menggunakan pembelajaran).
3. Probabilistic Reasoning (mengakomodasi ketidakpastian).
4. Evolutionary Computing (optimasi).
Keempat unsur tersebut bukan merupakan pesaing antara satu dengan
lainnya, namun diantaranya bisa saling melengkapi. Bahkan, pada
kenyataannya, biasanya unsur-unsur pokok tersebut akan digunakan secara
sinergis ketimbang dikerjakan secara sendiri-sendiri. Sehingga, Zadeh juga
mendefinisikan bahwa soft computing itu merupakan hubungan antara logika
fuzzy, neuro-computing, probabilistic reasoning, dan algoritma genetik.
Karakteristik Soft Computing:
• Soft computing memerlukan keahlian manusia, apabila direpresentasikan
dalam bentuk aturan (IF-THEN).
• Mode komputasinya diilhami oleh proses biologis.
• Soft computing merupakan teknik optimasi baru.
• Soft computing menggunakan komputasi numeris.
• Soft computing memiliki toleransi kegagalan (meskipun kualitasnya
berangsur-angsur memburuk).
SISTEM PAKAR
Sistem pakar (expert system) merupakan cabang dari AI dan juga
merupakan bidang ilmu yang muncul seiring perkembangan ilmu komputer
saat ini. Sistem ini adalah sistem komputer yang bisa menyamai atau meniru
kemampuan sorang pakar (Giarratano dan Riley, 1994). Sistem ini bekerja untuk
mengadopsi pengetahuan manusia ke komputer yang menggabungkan dasar
pengetahuan (knowledge base) dengan sistem inferensi untuk menggantikan
fungsi seorang pakar dalam menyelesaikan suatu masalah.
Tujuan dari sistem ini adalah mentransfer kepakaran yang dimiliki seoarang
pakar ke dalam komputer, dan kemudian kepada orang lain (non-expert).
Aktivitas yang dilakukan untuk memindahkan kepakaran adalah:
1. Knowledge Acquisition (dari pakar atau sumber lainnya)
2. Knowledge Representation (ke dalam komputer)
3. Knowledge Inferencing
4. Knowledge Transfering
.
Sistem pakar sebagai paket perangkat lunak atau paket program komputer
yang ditujukan sebagai penyedia nasihat dan sarana bantu dalam memecahkan
masalah di bidang-bidang spesialisasi tertentu seperti sains, perekayasaan,
matematika, kedokteran, pendidikan dan sebagainya. Sistem pakar merupakan
subset dari AI.
Ada beberapa keunggulan sistem pakar, di antaranya adalah kemampuan
berikut:
1. Menghimpun data dalam jumlah yang sangat besar.
2. Menyimpan data tesebut untuk jangka waktu yang panjang dalam suatu
bentuk tertentu.
3. Mengerjakan perhitungan secara cepat dan tepat serta tanpa jemu mencari
kembali data yang tersimpan dengan kecepatan tinggi.
LOGIKA FAUZZY
Derajat keanggotaan 0 (nol) artinya nilai bukan merupakan anggota
himpunan dan 1 (satu) berarti nilai tersebut adalah anggota himpunan. Logika
fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam
suatu ruang output, mempunyai nilai kontinyu. Fuzzy dinyatakan dalam derajat
dari suatu keanggotaan dan derajat dari kebenaran.
Oleh sebab itu sesuatu dapat dikatakan sebagian benar dan sebagian salah
pada waktu yang sama. Logika Fuzzy memungkinkan nilai keanggotaan antara
0 dan 1, tingkat keabuan dan juga hitam dan putih, dan dalam bentuk linguistik,
konsep tidak pasti seperti "sedikit", "lumayan" dan "sangat". Kelebihan dari
teori logika fuzzy adalah kemampuan dalam proses penalaran secara bahasa
(linguistic
reasoning). Sehingga dalam perancangannya tidak memerlukan persamaan
matematik dari objek yang akan dikendalikan.
Fuzzy secara bahasa diartikan sebagai kabur atau samar samar. Suatu
nilai dapat bernilai besar atau salah secara bersamaan. Dalam fuzzy dikenal
derajat keanggotaan yang memiliki rentang nilai 0 (nol) hingga 1(satu).
Berbeda dengan himpunan tegas yang memiliki nilai 1 atau 0 (ya atau tidak).
Logika Fuzzy merupakan seuatu logika yang memiliki nilai kekaburan atau
kesamaran (fuzzyness) antara benar atau salah. Dalam teori logika fuzzy suatu
nilai bias bernilai benar atau salah secara bersama. Namun berapa besar
keberadaan dan kesalahan suatu tergantung pada bobot keanggotaan yang
dimilikinya.
Logika fuzzy memiliki derajat keanggotaan dalam rentang 0 hingga 1.
Berbeda dengan logika digital yang hanya memiliki dua nilai 1 atau 0. Logika
fuzzy digunakan untuk menterjemahkan suatu besaran yang diekspresikan
menggunakan bahasa (linguistic), misalkan besaran kecepatan laju kendaraan
yang diekspresikan dengan pelan, agak cepat, cepat, dan sangat cepat. Dan
logika fuzzy menunjukan sejauh mana suatu nilai itu benar dan sejauh mana
suatu nilai itu salah. Tidak seperti logika klasik (scrisp)/tegas, suatu nilai hanya
mempunyai 2 kemungkinan yaitu merupakan suatu anggota himpunan atau
tidak.
Ada beberapa alasan mengapa orang menggunakan logika fuzzy antara lain:
1. Konsep logika fuzzy mudah dimengerti. Karena logika fuzzy
menggunakan dasar teori himpunan, maka konsep matematis yang
mendasari penalaran fuzzy tersebut cukup mudah dimengerti.
2. Logika fuzzy sangat fleksibel, artinya mampu beradaptasi dengan
perubahan-perubahan dan ketidakpastian yang menyertai permasalahan.
3. Logika fuzzy memiliki toleransi terhadap data yang tidak tepat. Jika
diberikan sekelompok data yang cukup homogen dan kemudian ada
beberapa data yang ‘eksklusif’, maka logika fuzzy memiliki
kemampuan untuk menangani data tersebut.
4. Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang sangat
kompleks.
5. Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-
pengalaman para pakar secara langsung tanpa harus melalui proses
pelatihan.
6. Logika fuzzy dapat bekerja sama dengan teknik-teknik kendali secara
konvensional. Hal ini umumnya terjadi pada aplikasi di bidang teknik
mesin maupun teknik elektro.
7. Logika fuzzy didasarkan pada bahasa alami.Logika fuzzy menggunakan
bahasa sehari-hari sehingga mudah dimengerti.
SEARCH METHOD
Metode Pencarian/Pelacakan (Search Method) Pada Artificial Intelligence
Pada saat menentukan suatu keberhasilan pada sistem kecerdasan yaitu melalui
kesuksesan pencarian dan pencocokan.
Adapun 2 (dua) teknik pencarian / pelacakan yang dipakai, yaitu:
1. Pencarian buta (blind search)
2. Pencarian terbimbing (heuristic search)
Pada metode pencarian buta (blind search) umumnya menggunakan 2 metode
yang digunakan, antara lain:
• Pencarian Melebar Pertama (Breadth-First Search)
Pada metode Breadth-First Search, semua node pada level n akan dikunjungi
terlebih dahulu sebelum mengunjungi node-node pada level n+1. Pencarian
dimulai dari node akar terus ke level ke-1 dari kiri ke kanan, kemudian
berpindah ke level berikutnya demikian pula dari kiri ke kanan hingga
ditemukannya solusi.
• Pencarian Mendalam Pertama (Depth-First Search)
Metode Depth-First Search ini akan dilakukan pada proses pencarian semua
anaknya sebelum dilakukan pencarian ke node-node yang selevel. Pencarian
dimulai dari node akar ke level yang lebih tinggi. Proses ini akan terus diulangi
hingga mendapatkan solusi.
Pencarian Heuristik / dengan informasi (Heuristic Search)
Dalam pencarian buta tidak dapat sering diterapkan dengan baik, hal ini
dikarenakan dalam waktu aksesnya cukup lama dan besarnya memori yang
dipakai. Kelemahan ini dapat diatasi jika memiliki informasi tambahan dari
domain yang bersangkutan.
Ada 4 metode dalam pencarian heuristik, antara lain:
1. Pembangkit dan penggujian (Generate and Test)
Metode ini merupakan penggabungan antara depth-first search dengan
pelacakan mundur (backtracking), yaitu bergerak ke belakang menuju suatu
keadaan awal. Nilai Pengujian berupa jawaban baik berupa ‘ya’ atau ‘tidak’.
2. Pendakian bukit (Hill Climbing)
Pada metode ini hampir sama seperti metode pembangkitan dan pengujian,
namun proses pengujian ini dilakukan dengan fungsi heuristik. Pembangkitan
kondisi yang berikutnya sangat tergantung pada feedback dari prosedur
pengetesan. Tes fungsi heuristik akan menunjukan seberapa baiknya nilai
perkiraan yang diambil terhadap kondisi-kondisi lainnya yang mungkin terjadi.
3. Pencarian terbaik pertama (Best First Search)
Metode best-first search merupakan metode yang mengambil kelebihan dari
kedua metode kombinasi dari metode depth-first search dengan metode breadth-
first search. Apabila ada pencarian dengan metode hill climbing tidak dapat
untuk balik ke node pada level yang lebih rendah walaupun node pada level
yang lebih rendah tersebut memiliki nilai heuristik yang lebih baik, lain halnya
dengan metode best-first search ini. Pada metode best-first search, pencarian
dapat mengunjungi node yang ada dilevel yang lebih rendah, jika node pada
level yang lebih tinggi memiliki nilai heuristik yang lebih buruk.
4. Simulated Annealing
Ide dasar terbentuk simulated Annealing yaitu dari pemrosesan logam.
Annealing (memanaskan kemudian mendinginkan) dalam pemrosesan logam
adalah suatu proses bagaimana membuat bentuk cair yang sedikit demi sedikit
menjadi bentuk yang lebih padat seiring dengan penurunan pada temperatur.
Simulated annealing umumnya digunakan dalam penyelesaian masalah yang
dimana perubahan keadaan dari suatu kondisi ke kondisi yang lainnya
membutuhkan ruang yang sangat besar, misalkan perubahan gerakan dengan
menggunakan permutasi pada masalah Travelling Salesman Problem.
ALGORITMA GENETIKA
Algoritma genetika merupakan evolusi atau perkembangan dunia
komputer dalam bidang kecerdasan buatan (artificial intelligence). Algoritma ini
memanfaatkan proses seleksi alamiah yang dikenal dengan proses evolusi.
Dalam proses evolusi, individu secara terus-menerus mengalami perubahan gen
untuk menyesuaikan dengan lingkungan hidupnya. Proses seleksi alamiah ini
melibatkan perubahan gen yang terjadi pada individu melalui proses
perkembangbiakan. Sementara itu dewasa ini perkembangan perangkat keras
komputer sangatlah cepat.
Keadaan yang sama terjadi dengan periferal lainnya. Belum lagi
persaingan produsen penghasil perangkat keras komputer dalam meluncurkan
produk terbarunya, maka akan semakin banyak jenis perangkat keras komputer
yang beredar di pasaran. Hal ini tentunya membingungkan pengguna dalam
memilih spesifikasi yang sesuai dengan kebutuhannya. Tidak jarang komputer
yang dibeli memiliki spesifikasi yang tidak memenuhi kebutuhan atau malah
melebihi dari kebutuhannya. Hal yang terjadi kemudian adalah komputer yang
dibeli menjadi tidak optimal penggunaannya. Dengan dukungan algoritma
genetika ini diharapkan mampu memberikan solusi atas masalah ini.