Aplikasi Bidang-bidang Kecerdasan Buatan

Aplikasi Kecerdasan Buatan:

1. Bidang Sistem Pakar

Pada bidang sistem pakar ini terdapat beberapa contoh yang menggunakan bidang sistem pakar, salah satunya yaitu pada bidang kedokteran dan engineering.

Pada bidang kedokteran kita dapat membuat aplikasi yang berhubungan dengan kesehatan manusia. Sistem pakar dalam bidang diagnosis telah dikembangkan pada pertengahan tahun 1970 di Stanford University. Sistem tersebut diberi nama MYCIN dan digunakan untuk melakukan diagnosis dan terapi terhadap penyakit miningitis dan infeksi bacremia. Penyakit yang tidak kalah penting yaitu penyakit epilepsi, disini kita akan mebuat sebuah sistem pakar untuk melakukan diagnosis dan memberikan terapi penyakit epilepsi. Dalam melakukan pemeriksaan, terkadang dokter harus memutuskan suatu penyakit dengan menggunakan data yang kurang lengkap. Untuk itu diperlukan suatu sistem yang mampu menghitung besarnya kemungkinan keberadaan suatu penyakit meskipun didasarkan pada data yang kurang lengkap. Dan untuk mengurangi kesalahan diperlukan ketelitian hasil pemeriksaan juga dibutuhkan adanya keterlibatan matematika modern. Sistem pakar harus mampu bekerja dalam ketidakpastian.

Pada bidang engineering, kita dapat membuat aplikasi yaitu mengidentifikasi kerusakan gangguan sambungan telepon. Pilihan solusi adalah seluruh kemungkinan solusi yang dapat dihasilkan oleh sistem.
Perancangan Sistem:

A. Perangkat Keras (Hardware)
Sistem pakar untuk mendeteksi dan mendiagnosa kerusakan sambungan telepon dirancang dan dibangun untuk komputer PC (stand alone). Konfigurasi minimum yang dibutuhkan adalah komputer dengan processor 486, RAM 16 Mb, Hardisk dan Mouse.

B. Perangkat Lunak (Software)
Sistem ini merupakan bagian dari sistem informasi kerusakan sambungan telepon yang dibuat dengan WinExsys dan beroperasi pada sistem operasi windows 97. Perangkat lunak yang digunakan untuk menyusun sistem pakar ini adalah WinExsys Profesional VERSI 5,0.

C. Pengembangan Sistem
Pengembangan sistem akan dilaksanakan berdasarkan metode choice/pilihan. Metode ini terdiri dari:
1. Rekayasa sistem dan analisis.
Dalam tahap ini dilakukan komunikasi antar pencari dan pengguna sistem untuk membahas masalah yang dihadapi.
2. Analisa kebutuhan Software (Software Requiment Analisys).
Analisis tahap ini lebih dalam lagi mengenai sistem, tujuan atau fungsi yang akan dilakukan sistem.
3. Desain (Design).
Tahap ini ditentukan konfigurasi yang dibutuhkan oleh sistem dan metode yang digunakan dalam mengambil keputusan.
4. Pengkodean (Coding)
Pada tahap ini dilakukan perubahan hasil desain menjadi program yang dapat dibaca oleh komputer.
5. Pengujian (Testing)
Pada tahap ini dilakukan pengujian dari kinerja sistem, mencari dan memperbaiki kesalahan/error yang ada.
6. Pemeliharaan (Maintanance)
Pemeliharaan sistem dilakukan dengan kaidah pengambil keputusan.

D. Alur Program
Urutan proses dari sistem ini mengikuti alur sebagai berikut:
Pemasukan data dilakukan pada queri yang telah terbentuk. Setiap pertanyaan kerusakan sambungan telepon, dari data yang dimasukkan selanjutnya sistem akan mengambil keputusan berdasarkan kaidah dalam basis pengetahuan, kemudian sistem akan memberikan prediksi dari kerusakan sambungan telepon.




2. Aplikasi Bidang Generic Algoritma

Pada aplikasi bidang generic algoritma salah satu bidangnya yaitu pada game. Permainan kartu merupakan permainan yang digemari oleh kalangan mahasiswa dan pelajar SMA. Dalam penerapannya ke dalam perangkat lunak, telah banyak game developer yang mengembangkan perangkat lunak permainan ini. Rancangan artificial intelligence yang mereka terapkan pada program tersebut memungkinkan permainan tersebut dapat dimainkan oleh seorang saja. Namun, ada kalanya langkah-langkah yang diterapkan oleh komputer dalam permainan tersebut kurang cerdas atau dapat dikatakan kurang solutif dan terkesan monoton. Hal ini dirasakan oleh user, khususnya user dari Indonesia akibat adanya pebedaan peraturan yang diterapkan permainan tersebut di berbagai tempat. Hal ini membuat versi peraturan yang berkembang di Indonesia memiliki perbedaan dalam berbagai hal dengan versi peraturan permainan tersebut di negara lain. Oleh karena itu, diperlukan adanya suatu pemecahan yang dapat menjadi standarisasi skema perancangan kecerdasan buatan tersebut dengan menetapkan beberapa algoritma. Rancangan kecerdasan buatan ini merupakan hasil dari observasi dan pengalaman serta keterkaitannya dengan algoritma-algoritma yang lain. Penerapan dari kecerdasan buatan ini dirasakan cukup solutif untuk memberi kemampuan pada komputer unutk mengimbangi kecerdasan user pada umumnya.



sumber :

dosen.amikom.ac.id/download/artikel/sistem%20pakar-full%20paper.pdf

www.informatika.org/~rinaldi/stmik/2006-2007/makalah_2007/makalahstmik2007/

Bidang-bidang Kecerdasan Buatan

Bidang-bidang yang termasuk dalam kecerdasan buatan antara lain adalah :

1. Sistem pakar

Sistem pakar merupakan suatu program komputer yang mengandung pengetahuan dari beberapa pakar manusia mengenai suatu bidang yang spesifik. Tujuan utama dari sistem pakar ini adalah sebagai cara untuk pengalihan keahlian dari para ahli dalam bidangnya ke dalam media elektronik seperti computer, yang kemudian keahlian tersebut dialihkan lagi pada orang yang bukan ahli. Bentuk umum dari sitem pakar adalah suatu program yang dibuat berdasarkan suatu set aturan yang menganalisis informasi (biasanya diberikan oleh pengguna suatu sistem) mengenai kelas suatu masalah spesifik serta analisis matematis dari masalah tersebut.

Berdasarkan pada desainnya, sistem pakar juga mampu merekomendasikan suatu rangkaian tindakan pengguna untuk dapat menerapkan koreksi. Sistem ini memanfaatkan kapabilitas penalaran untuk mencapai suatu simpulan. Sistem pakar memiliki potensi terbesar untuk memecahkan masalah bisnis. Pengembangan sistem pakar dibagi menjadi dua generasi. Kebanyakan sistem pakar generasi pertama menggunakan aturan “jika-maka” untuk merepresentasikan dan menyimpan pengetahuannya. Sistem pakar generasi kedua jauh lebih fleksibel dalam mengadopsi banyak representasi pengetahuan dan metode pertimbangan.

Model Sistem Pakar terdiri dari 4 bagian utama, yaitu :
1. User Interface, model ini memungkinkan pemakai untuk beriteraksi dengan sistem pakar.
2. Knowledge Base, model ini dapat menyimpan akumulasi pengetahuan dari masalah yang akan diselesaikan.
3. Inference Engine, model inference engine ini menyediakan kemampuan penalaran yang menafsirkan isi knowledge base.
4. Development Engine, model yang terakhir ini digunakan oleh pakar dan analis sistem untuk menciptakan sistem pakar.

Ciri-ciri Sistem Pakar
1. Memiliki informasi yang handal.
2. Mudah dimodifikasi.
3. Heuristik dalam menggunakan pengetahuan (yang sering kali tidak sempurna) untuk mendapatkan penyelesaiannya.
4. Dapat digunakan dalam berbagai jenis komputer.
5. Memiliki kemampuan untuk beradaptasi.

Keuntungan dan kerugian menggunakan suistem pakar
1. Keuntungan bagi Manager.
• Mempertimbangkan lebih banyak alternatif.
• Menerapkan logika yang lebih tinggi.
• Menyediakan lebih banyak waktu untukmengevaluasi hasil keputusan.
• Membuat keputusan yang lebih konsisten.
2. Keuntungan sistem pakar bagi perusahaan.
• Kinerja perusahaan lebih baik.
• Mempertahankan pengendalian atas pengetahuan perusahaan.




2. Algoritma Genetika

Algoritma genetik adalah algoritma pencarian yang berdasarkan pada mekanisme sistem natural yakni genetik dan seleksi alam. Dalam aplikasi algoritma genetik, variabel solusi dikodekan ke dalam struktur string yang merepresentasikan barisan gen, yang merupakan karakteristik dari solusi problem.

Siklus Algoritma Genetika :





Beberapa definisi penting dalam Algoritma Genetika :
• Genotype (Gen), sebuah nilai yang menyatakan satuan dasar yang membentuk suatu arti tertentu dalam satu kesatuan gen yang dinamakan kromosom. Dalam algoritma genetika, gen ini bisa berupa nilai biner, float, integer maupun karakter.
• Allele, nilai dari gen.
• Kromosom, gabungan gen-gen yang membentuk nilai tertentu.
• Individu, menyatakan satu nilai atau keadaan yang menyatakan salah satu solusi yang mungkin dari permasalahan yang diangkat.
• Populasi, merupakan sekumpulan individu yang akan diproses bersama dalam satu siklus proses evolusi.
• Generasi, menyatakan satu-satuan siklus proses evolusi.
• Nilai Fitness, menyatakan seberapa baik nilai dari suatu individu atau solusi yang didapatkan.


Hal-hal yang harus dilakukan untuk menggunakan Algoritma Genetika adalah sebagai berikut :
a. Mendefinisikan individu, dimana individu menyatakan salah satu solusi (penyelesaian) yang mungkin dari permasalahan yang diangkat.
b. Mendefinisikan nilai fitness, yang merupakan ukuran baik-tidaknya sebuah individu atau baik-tidaknya solusi yang didapatkan.
c. Menentukan proses pembangkitan populasi awal. Hal ini biasanya dilakukan dengan menggunakan pembangkitan acak seperti random-walk.
d. Menentukan proses seleksi yang akan digunakan.
e. Menentukan proses perkawinan silang (cross-over) dan mutasi gen yang akan digunakan.



3. Fuzzy logic

Fuzzy Logic adalah suatu cara untuk memetakan suatu ruang input ke dalam suatu ruang output.
Skema Logika Fuzzy :




Antara input dan output terdapat suatu kotak hitam yang harus memetakan input ke output yang sesuai.

Misal :




Pemetaan input-output pada masalah produksi: “diberikan data persediaan barang, berapa jumlah barang yang harus diproduksi?”

Terdapat beberapa cara/metode yang mampu bekerja di kotak hitam tersebut, misal :
• Sistem Fuzzy
• Jaringan Syaraf Tiruan
• Sistem Linear
• Sistem Pakar
• Persamaan Diferensial, dll.

Alasan menggunakan Logika Fuzzy :
1) Konsep Logika Fuzzy mudah dimengerti
2) Logika Fuzzy sangat fleksibel
3) Memiliki toleransi terhadap data-data yang tidak tepat
4) Dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan
5) Logika Fuzzy didasarkan pada bahasa alami



4. Jaringan Syaraf Tiruan (Neural Network)


Jaringan Syaraf Tiruan adalah paradigma pemrosesan suatu informasi yang terinspirasi oleh sistim sel syaraf biologi, sama seperti otak yang memproses suatu informasi. Elemen mendasar dari paradigma tersebut adalah struktur yang baru dari sistem pemrosesan informasi. Jaringan Syaraf Tiruan, seperti manusia, belajar dari suatu contoh. Jaringan Syaraf Tiruan dibentuk untuk memecahkan suatu masalah tertentu seperti pengenalan pola atau klasifikasi karena proses pembelajaran.
Jaringan Syaraf Tiruan biasanya mempunyai 3 lapisan yaitu unit-unit lapisan input yang terhubung dengan lapisan tersembunyi yang selanjutnya terhubung dengan lapisan output.
• Aktifitas unit-unit lapisan input menunjukkan informasi dasar yang kemudian digunakan dalam Jaringan Syaraf Tiruan.
• Aktifitas setiap unit-unit lapisan tersembunyi ditentukan oleh aktifitas dari unit-unit input dan bobot dari koneksi antara unit-unit input dan unit-unit lapisan tersembunyi.
• Karakteristik dari unit-unit output tergantung dari aktifitas unit-unit lapisan tersembunyi dan bobot antara unit-unit lapisan tersembunyi dan unit-unit output.


Jaringan Syaraf Tiruan mulai dilirik banyak kalangan karena mempunyai banyak kelebihan dibandingkan sistem konvensional. Jaringan Syaraf Tiruan mewakili pikiran manusia untuk mendekatkan diri dengan komputer, maksudnya Jaringan Syaraf Tiruan dirancang agar komputer dapat bekerja seperti/layaknya otak manusia. Berikut ini beberapa keunggulan dari Jaringan Syaraf Tiruan adalah :
1) Adaptive learning: Suatu kemampuan untuk melakukan suatu kegiatan yang didasarkan atas data yang diberikan pada saat pembelajaran atau dari pengalaman sebelumnya.
2) Self-Organisation: Dapat membuat organisasi sendiri atau me-representasikan informasi yang didapat pada saat pembelajaran.
3) Real Time Operation: Dapat menghasilkan perhitungan parallel dan dengan device hardware yang khusus yang dibuat akan memberikan keuntungan dengan adanya kemampuan tersebut.
4) Fault Tolerance melalui Redundant Information Coding: Kerusakan pada bagian tertentu dari jaringan akan mengakibatkan penurunan kemampuan. Beberapa jaringan mempunyai kemampuan untuk menahan kerusakan besar pada jaringan.
5) Kelebihan Jaringan Syaraf Tiruan terletak pada kemampuan belajar yang dimilikinya. Dengan kemampuan tersebut pengguna tidak perlu merumuskan kaidah atau fungsinya. Jaringan Syaraf Tiruan akan belajar mencari sendiri kaidah atau fungsi tersebut. Dengan demikian Jaringan Syaraf Tiruan mampu digunakan untuk menyelesaikan masalah yang rumit dan atau masalah yang terdapat kaidah atau fungsi yang tidak diketahui.
6) Kemampuan Jaringan Syaraf Tiruan dalam menyelesaikan masalah yang rumit telah dibuktikan dalam berbagai macam penelitian.



sumber :

http://www.eepis-its.edu/~basuki/lecture/AlgoritmaGenetika.pdf

personal.ftsl.itb.ac.id/djunaedi/files/2009/03/ga-011.pdf

http://arflstxtx.blogspot.com/2010/02/sistem-pakar-dan-kecerdasan-buatan.html

http://www.snapdrive.net/files/544779/FUZZY%201.pdf

Kecerdasan Buatan

Konsep Dasar Kecerdasan Buatan (Artficial Intelligence)

Istilah kecerdasan buatan sebenarnya berasal dari bahasa Inggris: “Artificial Intelligence”. Jika diartikan tiap kata, artificial artinya buatan, sedangkan intelligence adalah kata sifat yang berarti cerdas. Jadi artificial intelligence maksudnya adalah sesuatu buatan atau suatu tiruan yang cerdas. Cerdas di sini kemungkinan maksudnya adalah kepandaian atau ketajaman dalam berpikir, seperti halnya otak manusia dalam menyelesaikan suatu masalah. Kecerdasan buatan dapat memungkinkan komputer untuk berfikir.

Kecerdasan Buatan dapat menirukan proses belajar manusia sehingga informasi baru dapat diserap dan digunakan sebagai acuan di masa yang akan datang.

Istilah AI (Artificial Intelegent) atau kecerdasan buatan merupakan bidang ilmu yang memang baru berkembang th 90-an dan aplikasinya dah banyak diterapkan orang mulai dari games komputer, sistem kontrol cerdas, robotik, malah sampai ke pemecahan masalah bidang ekonomi dan lain-lain

Perbedaan antara Kecerdasan Buatan (Komputer) dengan Kecerdasan Alami (Manusia).

Kecerdasan Buatan:

• Bersifat permanen

• Mudah diduplikasi dan disebarluaskan

• Dapat lebih murah daripada manusia cerdas

• Konsisten dan menyeluruh

• Dapat didokumentasikan

Kecerdasan Alami:

• Bersifat kreatif

• Menggunakan pengalaman panca indra secara

Langsung

Berkembangnya kecerdasan buatan ini dikarenakan adanya keterbatasan-keterbatasan dalam diri manusia, seperti otak manusia yang hanya mampu berpikir dengan frekuensi kira-kira 100 Hz dan karena manusia mempunyai rasa capai. Bandingkan dengan komputer sekarang yang mampu mengolah data dengan frekuensi 4 GHz. Komputer juga tidak mempunyai rasa capai walau pun harus mengolah data yang sama berulang-ulang.

Walaupun terasa sangat futuristik dan terlihat berbahaya, karena mesin nantinya akan memiliki kecerdasan dan emosi, para pakar AI menganggap pengembangan disiplin ilmu ini penting karena bisa diterapkan di Internet nantinya. Misalnya saja, di masa mendatang ketika Anda mengunjungi sebuah situs agen perjalanan, maka di layar komputer akan muncul wajah seorang wanita yang sangat sempurna karena semuanya berupa ciptaan komputer. Uniknya, Anda akan mampu bercakap-cakap dengan wanita artifisial ini, seperti layaknya Anda berbicara dengan staff wanita beneran di counter biro perjalanan. Kalau ini tercapai, maka pelayanan dapat diberikan 100% online, dengan akurasi yang sangat tinggi. Terutama dari konsistensi, keramahan, kecepatan dan akurasi pelayanan. Lain kalau kita menggunakan staff manusia asli yang konsistensinya tidak bisa akurat karena terpengaruh kepada kondisi fisik dan emosi saat itu.

Aplikasi-aplikasi logika fuzzy dalam kecerdasan buatan terdapat pada contoh-contoh berikut ini:

· Tahun 1990 pertama kali mesin cuci dengan logika fuzzy di Jepang (Matsushita Electric Industrial Company). Sistem fuzzy digunakan untuk menentukan putaran yang tepat secara otomatis berdasarkan jenis dan banyaknya kotoran serta jumlah pakaian yang akan dicuci. Input yang digunakan adalah seberapa kotor, jenis kotoran, dan banyaknya yang dicuci.

Mesin ini menggunakan sensor optic, mengeluarkan cahaya ke air dan mengukur bagaimana chaya tersebut sampai ke ujung lainnya. Makin kotor, maka sinar yang sampai makin redup. Sistem juga mampu menentukan jenis kotoran tersebut daki/minyak.

· Transmisi otomatis pada mobil Nissan, menghemat bensin 12-17%.

· Kereta bawah tanah Sendai mengontrol pemberhentian otomatis pada area tertentu.

· Ilmu kedokteran dan biologi, seperti sistem diagnosis kanker.

· Manajemen dan pengamnbilan keputusan misal tata letak pabrik berdasarkan logika fuzzy, pembuatan games berdasarkan logika fuzzy, dll.

Sedangkan Kecerdasan Buatan (Artificial Intelligence) dalam robotik adalah suatu algorithma (yang dipandang) cerdas yang diprogramkan ke dalam kontroler robot. Penggunaan AI dalam kontroler dilakukan untuk mendapatkan sifat dinamik kontroler, karena kontrol P, I, D atau kombinasi, tidak dapat melakukan adaptasi terhadap perubahan dinamik sistem selama operasi karena parameter P, I dan D itu secara teoritis hanya mampu memberikan efek kontrol terbaik pada kondisi sistem yang sama ketika parameter tersebut di-tune. Di sinilah kemudian dikatakan bahwa kontrol klasik ini (belum cerdas) karena belum mampu mengakomodasi sifat-sifat nonlinieritas atau perubahan-perubahan dinamik, baik pada sistem robot itu sendiri maupun terhadap perubahan beban atau gangguan lingkungan. Dalam aplikasi lain, AI juga dapat digunakan untuk membantu proses identifikasi model dari sistem robot, model lingkungan atau gangguan, model dari tugas robot (task) seperti membuat rencana trajektori, dan sebagainya.

Aplikasi yang dapat diselesaikan dengan jaringan syaraf tiruan ukup banyak antara lain penenalan suara, pengenalan pola, system control, diagnosa suatu penyakit dalam bidang kedokteran, segmentasi dan pengolahan citra.
Jaringan syaraf tiruan tersusun atas beberapa element pemroses, yaitu: neuron, unit, sel atau node, yang saling terhubung dalam bentuk directed graph melalui jalur sinyal searah yang disebut dengan koneksi.

sumber :

www.akademik.unsri.ac.id/download/journal/files/gdr/konsep_dasar_ai.pdf

www.snapdrive.net/files/544779/fuzzy%201.pdf

lonelinesman.blogspot.com/2009/01/kecerdasan-buatan-dalam-robotik.html