Pertemuan 1

PENGANTAR
KECERDASAN BUATAN
Materi Pembelajaran
1. Pengertian dan Sejarah Artificial Intelligence
2. Konsep AI
3. Soft Computing
4. System Fuzzy
5. Probabilistic Reasoning
6. Jaringan Syaraf Tiruan
7. Algoritma Revolusioner
8. Kapan menggunakan AI?
Kecerdasan
a. belajar atau memahami dari pengalaman
b. menemukan inti dari pesan yang ambigu atau
bertentangan
c. merespon dengan cepat dan tepat pada situasi baru
d. menggunakan pertimbangan dalam memecahkan
persoalan atau mengarahkan tindakan secara efektif
e. menghadapi situasi yang membingungkan
f. memahami dan menyimpulkan dengan cara rasional biasa
g. menerapkan pengetahuan untuk memanipulasi lingkungan
h. berfikir dan mempertimbangkan
Kecerdasan Buatan
Kecerdasan buatan atau artificial intelligence
merupakan salah satu bagian ilmu komputer yang
membuat agar mesin (komputer) dapat
melakukan pekerjaan seperti dan sebaik yang
dilakukan oleh manusia.
Sistem Cerdas
Sistem cerdas (intelligent system) adalah
sistem yang dibangun dengan menggunakan
teknik-teknik artificial intelligence.
Sudut Pandang Kecerdasan (1)
Sudut pandang kecerdasan
• Kecerdasan Buatan akan membuat mesin menjadi
cerdas (mampu berbuat seperti apa yang dilakukan
oleh manusia)
Sudut pandang penelitian.
• Kecerdasan Buatan adalah suatu studi bagaimana
membuat agar komputer dapat melakukan sesuatu
sebaik yang dikerjakan oleh manusia
Sudut Pandang Kecerdasan (2)
Sudut pandang bisnis.
• Kecerdasan buatan adalah kumpulan peralatan yang
sangat powerful dan metodologis dalam
menyelesaikan masalah-masalah bisnis.
Sudut pandang pemrograman.
• Kecerdasan buatan meliputi studi tentang
pemrograman simbolik, penyelesaian masalah
(problem solving) dan pencarian (searching).
Keuntungan Kecerdasan Buatan
1. Kecerdasan buatan lebih bersifat permanen
2. Kecerdasan buatan lebih mudah diduplikasi &
disebarkan
3. Kecerdasan buatan lebih murah dibanding dengan
kecerdasan alami
4. Kecerdasan buatan bersifat konsisten
5. Kecerdasan buatan dapat didokumentasi
6. Kecerdasan buatan dapat mengerjakan pekerjaan
lebih cepat dibanding dengan kecerdasan alami
7. Kecerdasan buatan dapat mengerjakan pekerjaan
lebih baik dibanding dengan kecerdasan alami
Keuntungan Kecerdasan Alami
1. Kreatif
2. Kecerdasan alami memungkinkan orang untuk
menggunakan pengalaman secara langsung.
Sedangkan pada kecerdasan buatan harus bekerja
dengan input-input simbolik.
3. Pemikiran manusia dapat digunakan secara luas,
sedangkan kecerdasan buatan sangat terbatas
Sejarah AI (1)
1. Tahun 1943-1956 :
• Program catur pertama oleh Shanon & Turing (1950)
• Deklarasi AI (1956) pada Workshop Dartmouth oleh John
McCarthy
2. Tahun 1956-1966
• Logic Theorist (mampu membuktikan teorema-teorema
matematika)
• Sad Sam, diprogram oleh Robert K. Lindsay (1960). Program ini
dapat mengetahui kalimat-kalimat sederhana yang ditulis dalam
bahasa Inggris dan mampu memberikan jawaban dari fakta-
fakta yang didengar dalam sebuah percakapan.
• General Problem Solver
Sejarah AI (2)
4. Tahun 1966 – 1979
• Program AI hanya bisa melakukan manipulasi simbolik dan
hanya bisa memuat sedikit sekali pengetahuan.
• Problem AI yang akan dipecahkan tidak mudah ditangani
• Sistem berbasis pengetahuan -> terutama untuk sistem pakar :
o MYCIN
o DENDRAL
o PROSPECTOR
o XCON & XSEL
o FOLIO
o DELTA
Sejarah AI (3)
5. Tahun 1980-sekarang :
AI telah menjadi komoditi industry :
• R1 Sistem Pakar komersial pertama yg dibuat oleh
Digital Equipment Corporation (DEC), 1982.
• Proyek “Generasi Kelima” , pembuatan komputer
cerdas dengan Prolog (Jepang), 1981.
• Daya jual produk AI : beberapa juta dolar (1980) –
mencapai $2 miliar (1988).
Konsep AI (1)
• 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.
Konsep AI (2)
• Heuristic
Suatu strategi untuk melakukan proses pencarian (search) ruang problem
secara efektif.

• Inferensi (Penarikan Kesimpulan)

AI mencoba membuat mesin memiliki kemampuan berpikir atau
mempertimbangkan (reasoning), termasuk di dalamnya proses (inferencing)
berdasarkan fakta-fakta dan aturan dengan menggunakan metode heuristik,
dan lain-lain

• Pencocokan Pola (Pattern Matching)

Berusaha untuk menjelaskan obyek, kejadian (events) atau proses, dalam
hubungan logik atau komputasional
Bagaimana AI bekerja?
Bagian terpenting AI :
• Knowledge base (basis pengetahuan), berisi fakta-fakta, teori,
pemikiran dan hubungan antara satu dengan lainnya.
• Inference engine, yaitu kemampuan menarik kesimpulan
berdasarkan pengalaman.
ARTIFICIAL
INTELLIGENCE

Input: Output:
MASALAH SOLUSI
Knowledge Inference
Base Engine
Analogi dengan kecerdasan manusia

Basis Pengetahuan :
Kumpulan pengetahuan & pengalaman yang dimiliki
oleh manusia.
Contoh :
• Jika saya makan sambal > 5 sendok, maka tidak
lama kemudian perut saya akan terasa sakit.
• Jika kuliah mulai jam 8, dan saya berangkat dari
rumah jam 7.45, maka saya akan terlambat.
• Jika x=75, maka y=100.
Analogi dengan kecerdasan manusia

Inferensi :
Kemampuan manusia untuk menalar berdasarkan
pengetahuan/pengalaman yang dimiliki, apabila muncul suatu
fakta.
Contoh:
1. Pengetahuan :
◦ Jika saya makan sambal > 5 sendok, maka tidak lama kemudian
perut saya akan terasa sakit.
2. Fakta :
◦ Saya baru saja makan sambal 10 sendok.
◦ Kesimpulan :
◦ Tidak lama lagi perut saya akan sakit.
Teknik Pemecahan Masalah
Conventional Hard Computing

Logika penalaran
berbentuk simbol
Precise
Precise
Models
Models Pencarian & Pemodelan masalah
dilakukan secara
numeris (tradisional)

Soft Computing
Penalaran melalui
pendekatan
Approximate
Approximate
Models
Models
Pendekatan fungsional &
Pencarian random
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 dan biaya
penyelesaiannya murah.

Definisi ini pertama kali diungkapkan oleh Prof. Lotfi A.

Zadeh pada tahun 1992.
Komponen Soft Computing
Approximate reasoning :
• Fuzzy System;
• Probabilistic Reasoning;

Functional Approximation/ Randomized Search :

• Neural Network (Jaringan Syaraf)
• Evolutionary Algorithm (Algoritma evolusioner).
Sistem Fuzzy
Konsepnya menggunakan teori himpunan.
Menggunakan derajat keanggotaan fuzzy untuk
menunjukkan seberapa besar suatu nilai masuk dalam
suatu himpunan fuzzy.
Bidang kajian :
• Fuzzy Inference System
• Fuzzy Clustering
• Fuzzy Database
• Fuzzy Mathematical Programming
Probabilistic Reasoning
Mengakomodasi adanya faktor ketidakpastian.
Teori-teori yang berkembang:
• Teorema Bayes
• Certainty Factor (statistic reasoning)
• Teorema Dempster-Shafer (statistic reasoning)
Jaringan Syaraf Tiruan
Menggunakan algoritma pembelajaran untuk
mendapatkan bobot-bobot yang optimum.
Jenis pembelajaran : supervised learning, dan
unsupervised learning.
Algoritma Evolusioner
1. Menggunakan pendekatan teori evolusi.
2. Dipelopori oleh algoritma genetika.
3. Terutama digunakan untuk optimasi.
4. Algoritma yang sudah dikembangkan:
• Algoritma Genetika
• Ant System
• Fish Schooling
• Bird Flocking
• Particle Swarm
Bekal ilmu yang harus disiapkan untuk lebih memudahkan
mempelajari Soft Computing :

ALJABAR KALKULUS LOGIKA

KOMPUTASI NUMERIS

SOFT
COMPUTING
Kapan Menggunakan AI?
Masalah:
• Carilah nilai minimum dari : y=x2+2x-3; pada kawasan [-10
10].
• Dengan mudah dapat diselesaikan secara analitis.
• Solusi eksak, Nilai Minimum = -4, terletak pada x=-1.

Untuk masalah sederhana yang bisa diselesaikan

secara analitis, selesaikanlah secara ANALITIS.
 f(x)=x 2+2x-3
120

100

80

60
y

40

20
minimum

-20
-10 -8 -6 -4 -2 0 2 4 6 8 10
x
Masalah:
1. Carilah akar persamaan :
f(x)= sin(x)cos(x)-2x+3sin(x)ln(x)+5sin(2x2-5x) / cos(x3-2x),
dekat dengan 3.
2. Sangat sulit untuk diselesaikan secara analitis, gunakan
pendekatan METODE NUMERIS: (Metode biseksi,
regulafalsi, secant, Newton).
3. Hasil=3,0846.
 sin(x)cos(x)-2x+3sin(x)ln(x)+5sin(2x 2-5x)/cos(x 3-2x)
300

200
y=0, x dekat dengan 3
100

-100
y

-200

-300

-400

-500

-600
1 1.5 2 2.5 3 3.5 4 4.5 5
x
Masalah:
1. Carilah nilai minimum dari :
f(x)= sin(x)cos(x)-2x+3sin(x)ln(x)+5sin(2x2-5x) /cos(x3-2x),
dekat pada kawasan [1 5].
2. Sangat sulit untuk diselesaikan secara analitis. Secara
numeris memungkinkan, namun kumungkinan diperoleh
nilai minimum lokal sangat tinggi. Cara terbaik gunakan
pendekatan ARTIFICIAL INTELLIGENCE (Simulated
Annealing, Algoritma Genetika).
3. Nilai minimum=-547.3730, pada x=133
 sin(x)cos(x)-2x+3sin(x)ln(x)+5sin(2x 2-5x)/cos(x 3-2x)
300

200

100

-100
y

-200

-300

-400

-500
minimum global
-600
1 1.5 2 2.5 3 3.5 4 4.5 5
x
TUGAS

Cari contoh aplikasi kecerdasan buatan,

dan jelaskan fungsi dari aplikasi tersebut
di masyarakat !