KECERDASAN BUATAN

(ARTIFICIAL INTELLIGENCE)

PENGANTAR KECERDASAN BUATAN

Part 1
PEMBAHASAN

• Pengantar Kecerdasan Buatan

- Definisi kecerdasan buatan
- Kecerdasan buatan vs kecerdasan alami
- Sejarah kecerdasan buatan
- Perkembangan dan aplikasinya
PEMAHAMAN TUJUAN PERKULIAHAN

Kuliah ini memberikan prinsip-prinsip dasar dan metode

utama dari Kecerdasan Buatan, menyiapkan mahasiswa
untuk membangun sistem yang kompleks dalam kaitan
kemampuan dalam pemrosesan pintar informasi.
DEFINISI
KECERDASAN BUATAN
PENGANTAR
• Bisakah mesin berpikir?
• Jika bisa, bagaimana caranya?
• Dan jika tidak bisa, kenapa tidak?
• Dan apa yang dikatakan sebagai pikiran (mind)?
 ARTI KECERDASAN
kemampuan untuk …
• belajar atau mengerti dari pengalaman,
• memahami pesan yang kontradiktif dan ambigu,
• menanggapi dengan cepat dan baik atas
situasi yang baru,
• menggunakan penalaran dalam memecahkan masalah serta
menyelesaikannya dengan efektif

(Winston dan Pendergast, 1994)

 APA ITU AI?

• Merupakan kawasan penelitian, aplikasi dan instruksi

yang terkait dengan pemrograman komputer untuk
melakukan sesuatu hal - yang dalam pandangan manusia
adalah – cerdas (H. A. Simon [1987])

• Sebuah studi tentang bagaimana membuat komputer

melakukan hal-hal yang pada saat ini dapat dilakukan
lebih baik oleh manusia (Rich and Kinight [1991])
KATEGORI DEFINISI AI
• Dikelompokkan menjadi 4 macam :
DETAIL KECERDASAN BUATAN
• Sudut Pandang Kecerdasan
Kecerdasan buatan mampu membuat mesin menjadi
cerdas (berbuat seperti yang dilakukan manusia)

• Sudut Pandang Penelitian

Kecerdasan buatan adalah studi bagaimana membuat
komputer dapat melakukan sesuatu sebaik yang
dilakukan manusia
• Sudut Pandang Bisnis
Kecerdasan buatan adalah kumpulan peralatan yang
sangat powerful dan metodologis dalam menyelesaikan
masalah bisnis

• Sudut Pandang Pemrogram

Kecerdasan buatan meliputi studi tentang pemrograman
simbolik, problem solving, dan pencarian (searching)
2 BAGIAN UTAMA AI

• Basis Pengetahuan (knowledge base)

berisi fakta-fakta, teori, pemikiran dan hubungan
komponen satu dengan yang lainnya

• Motor Inferensi (inference engine)

Kemampuan menarik kesimpulan berdasar pengalaman.
Berkaitan dengan representasi dan duplikasi proses
tersebut melalui mesin (misalnya, komputer dan robot).
 KONSEP KECERDASAN BUATAN
• 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.
• Heuristic
Suatu strategi untuk melakukan proses pencarian
(search) ruang problem secara efektif, yang memandu
proses pencarian yang kita lakukan di sepanjang jalur
yang memiliki kemungkinan sukses paling besar.
• Inferensi (Penarikan Kesimpulan)  AI mencoba
membuat mesin memiliki kemampuan berpikir atau
mempertimbangkan (reasoning), termasuk didalamnya
proses (inferencing) berdasarkan fakta-fakta dan aturan
dengan menggunakan metode heuristik, dll

• Pencocokan Pola (Pattern Matching)  Berusaha untuk

menjelaskan obyek, kejadian (events) atau proses, dalam
hubungan logik atau komputasional
 “STATE OF THE ART” AI
• Deep Blue mengalahkan Kasparov, juara dunia Catur.
• PEGASUS, suatu sistem memahami ucapan yang mampu
menangani transaksi seperti mendapatkan informasi tiket udara
termurah.
• MARVEL: suatu sistem pakar real-time memonitor arus data dari
pesawat Voyager dan setiap anomali sinyal.
• Sistem robot mengemudikan sebuah mobil dengan kecepatan yang
cepat pada jalan raya umum.
• Suatu diagnostik sistem pakar sedang mengkoreksi hasil diagnosis
pakar yang sudah punya reputasi.
• Agent pintar untuk bermacam-macam domain yang bertambah pada
laju yang sangat tinggi .
• Subjek materi pakar mengajar suatu learning agent penalarannya
dalam pusat penentuan gravitasi.
 TUJUAN KECERDASAN BUATAN
• Membuat komputer lebih cerdas
• Mengerti tentang kecerdasan
• Membuat mesin lebih berguna
KECERDASAN BUATAN
VS
KECERDASAN ALAMI
 PERBEDAAN KECERDASAN BUATAN
DENGAN KECERDASAN ALAMI
• Lebih permanen
• Menawarkan kemudahan duplikasi dan penyebaran
• Lebih murah daripada kecerdasan alami
• Konsisten dan menyeluruh
• Dapat didokumentasikan
• Dapat mengeksekusi tugas tertentu lebih cepat daripada manusia
• Dapat menjalankan tugas tertentu lebih baik dari banyak atau
kebanyakan orang.
 KELEBIHAN KECERDASAN ALAMI DIBANDING AI
• Bersifat lebih kreatif
• Dapat melakukan proses pembelajaran secara langsung,
sementara AI harus mendapatkan masukan berupa
simbol dan representasi-representasi
• Menggunakan fokus yang luas sebagai referensi untuk
pengambilan keputusan. Sebaliknya, AI menggunakan
fokus yang sempit
SEJARAH
KECERDASAN BUATAN

PERKEMBANGAN DAN
APLIKASINYA
 SEJARAH KECERDASAN BUATAN
Jaman “batu” (1943-1956)

• Awal kerja JST dan logika

• Teori Logika (Alan Newell and Herbert Simon)
• Kelahiran AI: Dartmouth workshop - summer 1956
• John McCarthy’s memberi nama bidang: artificial
intelligence
 AWAL ANTUSIAS, HARAPAN BESAR
(1952-1969)

• McCarthy (1958)
- mendefinisikan Lisp
- menemukan time-sharing
- Advice Taker
• Pembelajaran tanpa pengetahuan
• Pemodelan JST
• Pembelajaran Evolusioner
• Samuel’s checkers player: pembelajaran
• Metode resolusi Robinson.
• Minsky: the microworlds (e.g. the block’s world).
• Banyak demonstrasi kecil ttg perilaku “intelligent”
• Prediksi over-optimistic Simon
 MASA GELAP (1966-1973)

• AI tidak mengalami perkembangan: ledakan

perkembangan combinatorial
• Fakta bahwa suatu program bisa mendapatkan suatu
solusi secara prinsip tidak berarti bahwa program
memuat beberapa mekanisme yang dibutuhkan untuk
mendapatkannya secara praktis.
• Kegagalan dari pendekatan terjemahan bahasa alami
berbasis pada grammars sederhana dan kamus kata.
• Penterjemahan kembali yang populer
English->Russian->English
• Penemuan untuk pemrosesan bahasa natural
dihentikan.
• Kegagalan perceptron untuk belajar dari fungsi
sederhana sebagaimana disjunctive/eksclusive OR.
• Penelitian pada JST dihentikan.
• Realisasi dari kesukaran dalam proses learning dan
keterbatasan dari metode yang dieksplorasi
• Konsep pembelajaran simbolik (Winston’s influential
thesis, 1972)
RENAISSANCE (1969-1979)

• Perubahan pada paradigma penyelesaian:

• Dari penyelesaian masalah berbasis “search-based” menjadi penyelesaian
masalah berbasis pengetahuan.

• Sistem pakar pertama

• Dendral: menginferensi struktur molecular dari informasi yang
disediakan oleh spektrometer massa.
• Mycin: diagnoses blood infections
• Prospector: merekomendasikan eksplorasi pengeboran pada
lokasi geologi yang menyediakan suatu deposit mineral
molybdenum.
 ERA INDUSTRIAL
(1980-SEKARANG)
• Sukses pertama Sistem Pakar secara komersial.The.
• Many AI companies.
• Eksplorasi dari strategi pembelajarqan yqang
bermacam-macam (Explanation-based learning, Case-
based Reasoning, Genetic algorithms, Neural
networks, etc.)
 KEMBALINYA NEURAL NETWORKS
(1986-SEKARANG)
• Penggalian kembali algoritma learning back propagation untuk
neural networks yang pertama dikenalkan dalam tahun 1969
oleh Bryson and Ho.

• Banyak aplikasi sukses dari Neural Networks.

• Kehilangan respek terhadap sulitnya membangun sistem pakar

(macetnya knowledge acquisition).
 KEMATANGAN
(1987-SEKARANG)
• Perubahan dalam cakupan dan metodologi penelitian
bidang Kecerdasan Buatan:
• Membangun di atas teori yang ada, bukan cuma
mengusulkan teori baru;
• berbasis klaim pada theorema dan eksperimen,
bukan pada intuisi;
• menunjukkan relevansi ke aplikasi nyata, bukan pada
contoh “mainan”.
AGENT CERDAS (1995-SEKARANG)
• Realisasi yang pada mulanya dipisahkan dalam sub dari
Kecerdasan Buatan (speech recognition, problem solving and
planning, robotics, computer vision, machine learning,
knowledge representation, etc.) perlu direorganisasi bilamana
hasil-hasilnya diikat bersama-sama kedalam suatu desain
agent tunggal.

• Suatu proses reintegrasi dari sub-area yang berbeda dari KB

untuk membentuk “whole agent”:
• “agent perspective” of AI
• agent architectures (e.g. SOAR, Disciple);
• multi-agent systems;
• agent untuk aplikasi tipe-tipe yang berbeda, web agents.
 DOMAIN YANG SERING DIBAHAS
• Mundane Task
- Persepsi (vision & speech)
- Bahasa alami (understanding, generation & translation)
- Pemikiran yang bersifat commonsense
- Robot control

• Formal Task
- Permainan / Games
- Matematika (Geometri, logika, kalkulus integral, pembuktian)
• Expert Task
- Analisis finansial
- Analisis medikal
- Analisis ilmu pengetahuan
- Rekayasa (design, pencarian kegagalan, perencanaan
manufaktur)
 TUGAS
• Cari contoh aplikasi kecerdasan buatan, dan jelaskan fungsi dari aplikasi tersebut di
masyarakat !
SUMMARY
• Kecerdasan buatan terdiri dari knowledge base dan
motor inference
• Digunakan untuk membantu menyelesaikan
permasalahan manusia
• Kecerdasan buatan mengalami perkembangan terus
menerus sampai saat ini
• Semakin banyak objek yang mampu diselesaikan oleh
Kecerdasan buatan
DAFTAR PUSTAKA
• Sri Kusumadewi, Artificial Intelligence (Teknik dan Aplikasinya),
Graha Ilmu, 2003, Yogyakarta
• William Siler and James J. Buckley, “Fuzzy Expert System and
Fuzzy Reasoning”, Wiley-Interscience, 2005
• Laurene Fauset, “Fundamental of Neural Network”, Prentice
Hall, 2000
DEFINISI KECERDASAN BUATAN

Part 2
 DEFINISI KECERDASAN
BUATAN
• H. A. Simon [1987] :
“ Kecerdasan buatan (artificial intelligence) merupakan
kawasan penelitian, aplikasi dan instruksi yang terkait
dengan pemrograman komputer untuk melakukan sesuatu
hal yang -dalam pandangan manusia adalah- cerdas ”

• Rich and Knight [1991]:

“Kecerdasan Buatan (AI) merupakan sebuah studi tentang
bagaimana membuat komputer melakukan hal-hal yang pada
saat ini dapat dilakukan lebih baik oleh manusia. ”
 DEFINISI KECERDASAN
BUATAN
Encyclopedia Britannica:

“ Kecerdasan Buatan (AI) merupakan cabang dari ilmu

komputer yang dalam merepresentasi pengetahuan lebih
banyak menggunakan bentuk simbol-simbol daripada
bilangan, dan memproses informasi berdasarkan metode
heuristic atau dengan berdasarkan sejumlah aturan ”
 TUJUAN DARI KECERDASAN BUATAN
1. Membuat mesin menjadi lebih pintar (tujuan utama)
2. Memahami apa itu kecerdasan (tujuan ilmiah)
3. Membuat mesin lebih bermanfaat (tujuan entrepreneurial )
ARAH AI

• Mengembangkan metode dan sistem untuk

menyelesaikan masalah AI tanpa mengikuti cara manusia
menyelesaikannya (sistem pakar / expert systems)
• Mengembangkan metode dan sistem untuk
menyelesaikan masalah AI melalui pemodelan cara
berpikirnya manusia, atau cara bekerjanya otak manusia
(neural networks).
 AI DAPAT DIPANDANG DALAM BERBAGAI
PERSPEKTIF.
• Dari perspektif Kecerdasan (Intelligence)
AI adalah bagaimana membuat mesin yang “cerdas” dan dapat
melakukan hal-hal yang sebelumnya dapat dilakukan oleh
manusia
• Dari perspektif bisnis
AI adalah sekelompok alat bantu ( tools) yang berdaya guna, dan
metodologi yang menggunakan tool-tool tersebut guna
menyelesaikan masalah-masalah bisnis.
• Dari perspektif pemrograman (Programming),
AI termasuk didalamnya adalah studi tentang pemrograman
simbolik, pemecahan masalah, proses pencarian (search)
WHAT IS AI ?

Sistem yang berpikir Sistem yang berpikir

seperti manusia secara rasional
Thinking humanly Thinking rationally

Sistem yang bertindak Sistem yang bertindak

seperti manusia secara rasional
Acting humanly Acting rationally
BERFIKIR SEPERTI MANUSIA

1. Diperlukan suatu cara untuk mengetahui

bagaimana manusia berfikir
2. Diperlukan pemahaman tentang bagaimana
pikiran manusia bekerja

Bagaimana caranya?
3. Melalui introspeksi atau mawas diri;
mencoba menangkap bagaimana pikiran kita
berjalan
4. Melalui percobaan psikologis
UJI TURING DARI AI BERTINDAK SEPERTI
MANUSIA
BERFIKIR RASIONAL
• Cara berfikirnya memenuhi aturan logika yang dibangun
oleh Aristotles
• Pola struktur argumentasi yang selalu memberi konklusi yang
benar bila premis benar
• Menjadi dasar bidang logika
• Tradisi logicist dalam AI adalah membangun program
yang menghasilkan solusi berdasarkan logika
• Problem:
• Pengetahuan informal sukar diuraikan dan dinyatakan
• dalam bentuk notasi logika formal
• Penyelesaian secara prinsip vs. praktis
 BERTINDAK RASIONAL
• Bertindak secara rasional artinya bertindak didalam upaya mencapai goal
• Didalam lingkungan yang rumit tidaklah mungkin mendapatkan rasionalisasi sempurna yang
selalu melakukan sesuatu dengan benar
• Rasionalisasi terbatas
PERBEDAAN ANTARA PEMROGRAMAN AI DAN
KONVENSIONAL
AI Komputasi
Konvensional
Representasi dan Algoritama
Manipulasi simbol
Memberitahu Memerintah
komputer tentang komputer untuk
suatu masalah menyelesaikan
masalah
Komputer diberi Memberi data kepada
pengetahuan dan komputer dan
kemampuan inferensi program
 KELEBIHAN KECERDASAN BUATAN
• Lebih bersifat permanen.
• Lebih mudah diduplikasi & disebarkan.
• Lebih murah.
• Bersifat konsisten dan teliti karena kecerdasan buatan adalah
bagian dari teknologi komputer sedangkan kecerdasan alami
senantiasa berubah-ubah
• Dapat didokumentasi.Keputusan yang dibuat komputer dapat
didokumentasi dengan mudah dengan cara melacak setiap
aktivitas dari sistem tersebut. Kecerdasan alami sangat sulit untuk
direproduksi.
• Dapat mengerjakan beberapa task lebih cepat dan lebih baik
dibanding manusia
 KELEBIHAN KECERDASAN ALAMI
1. Kreatif : manusia memiliki kemampuan untuk menambah
pengetahuan, sedangkan pada kecerdasan buatan untuk
menambah pengetahuan harus dilakukan melalui sistem yang
dibangun.
2. Memungkinkan orang untuk menggunakan pengalaman atau
pembelajaran secara langsung. Sedangkan pada kecerdasan
buatan harus mendapat masukan berupa input-input simbolik.
3. Pemikiran manusia dapat digunakan secara luas, sedangkan
kecerdasan buatan sangat terbatas .
 WILAYAH AI
AI diterapkan didunia bisnis dalam bentuk sistem pakar,
jaringan saraf tiruan, algoritme genetik, dan agen cerdas.
• Sistem Pakar (expert system) adalah program komputer yang
berusaha untuk mewakili pengetahuan keahlian manusia dalam
bentuk heuristik. Istilah heuristik berasal dari kata yunani eureka,
yang berarti menemukan. Heuristik adalah aturan yang menjadi
patokan atau aturan untuk menebak dengan baik.
• Jaringan Saraf Tiruan (Neutral Networks) meniru fisiologi otak
manusia. Jaringan ini mampu menemukan dan membedakan pola,
sehingga membuatnya amat berguna dalam bisinis siwilayah
pengenalan suara dan pengenalan karakter optis.
• Algoritme genetik (genetic algorithms) menerapkan proses “yang
terkuat yang selamat” untuk memungkinkan para pemecah
masalah agar menghasilkan solusi masalah yang semakin lebih
baik. sebagai contoh, bankir investasi dapat menggunakan nya
untuk memilih portfolio investasi yang terbaik bagi kliennya.
• Agen cerdas (intelligent agent) digunakkan untuk melakukan
tugas yang berkaitan dengan komputer yang berulang-ulang.
Salah satu contoh adalah data, dimana penemuan pengetahuan
memungkinkan sistem gudang data untuk mengidentifikasi
hubungan data yang sebelumnya tidak di kenal.
 KONFIGURASI SISTEM PAKAR

Sistem pakar tediri dari empat bagian utama

antaralain :

1. Antarmuka Pengguna
2. Basis Pengetahuan (knowledge basis)
3. Mesin Inferensi (inference engine)
4. Mesin Pengembangan
 1. ANTARMUKA PENGGUNA
Memungkinkan manajer untuk memasukan instruksi dan informasi kedalam sistem pakar yang
menerima informasi dari sistem tersebut. Intruksi ini menentukan parameter yang mengarahkan sistem
pakar dalam prosespemikirannya. Input informasi berbentuk nilai yang dikaitkan dengan penjelasan.
Terdapat dua penjelasan : penjelasan dari pertanyaan yang diberikan manajer dan penjelasan mengenai
solusi masalah
 2. BASIS PENGETAHUAN (KNOWLEDGE
BASIS).

Berisikan fakta yang menggambarkan masalah serta tekhnik penggambaran pengetahuan

yang menjelaskan bagaimana fakta bersentuhan secara logis. Istilah Domain masalah (problaim
domain) digunakan untuk menggambarkan area permasalahan.
 3. MESIN INFERENSI (INFERENCE
ENGINE)
Bagian dari sistem pakar yang melakukan pemikiran dengan cara menggunakan isi basis
pengetahuan dalam urutan tertentu. Selama konsultasi, mesin inferensi memeriksa aturan-aturan basis
peengetahuan satu demi satu, dan jika persyaratan satu aturan benar, maka suatu tindakan
dilaksanakan . Dalam terminologi sistem pakar, aturan diberhentikan jika tindakan diambil.
 4. MESIN PENGEMBANGAN
Sistem pengembangan, yang digunakan untuk membuat sistem pakar. Ada dua pendekatan
yang tersedia : bahasa pemograman dan kerangka sistem pakar. Kerangka sistem pakar ( expert
system shell) adalah prosesor siap pakai dan dapat disesuaikan untuk masalah tertentu dengan cara
menambahkan basis pengetahuan yang sesuai. Cara pikir berbasis kasus ( casebased reasoning –
CBR) pendekatan ini menggunakan data historis sebagai dasar untuk pengidentifikasian masalah dan
merekomendasikan solusi.
 CONTOH ARTIFICAL INTELEGENCE DAN
SISTEM PAKAR
• Pembuatan produk makanan dan minuman seperti Coca cola dan Mie Instan yang ditangani mesin
produksi
• Pembuatan Mobil dalam prosesnya dibantu oleh robot mekanik untuk mempercepat proses
pembuatannya.