Pengenalan Teknologi Sistem Cerdas
A. Pengertian
Kecerdasan Buatan
Kecerdasan Buatan adalah salah satu cabang Ilmu pengetahuan
berhubungan dengan pemanfaatan mesin untuk memecahkan persoalan yang rumit
dengan cara yang lebih manusiawi. Hal Ini biasanya dilakukan dengan
mengikuti/mencontoh karakteristik dan analogi berpikir dari
kecerdasan/Inteligensia manusia, dan menerapkannya sebagai algoritma yang
dikenal oleh komputer. Dengan suatu pendekatan yang kurang lebih fleksibel dan
efisien dapat diambil tergantung dari keperluan, yang mempengaruhi bagaimana
wujud dari perilaku kecerdasan buatan. AI biasanya dihubungkan dengan Ilmu
Komputer, akan tetapi juga terkait erat dengan bidang lain seperti Matematika,
Psikologi, Pengamatan, Biologi, Filosofi, dan yang lainnya. Kemampuan untuk
mengkombinasikan pengetahuan dari semua bidang ini pada akhirnya akan
bermanfaat bagi kemajuan dalam upaya menciptakan suatu kecerdasan buatan.
Pengertian lain dari kecerdasan buatan adalah bagian ilmu komputer
yang membuat agar mesin komputer dapat melakukan pekerjaan seperti dan sebaik
yang dilakukan manusia. Pada awal diciptakannya, komputer hanya difungsikan
sebagai alat hitung saja. Namun seiring dengan perkembangan jaman, maka peran
komputer semakin mendominasi kehidupan manusia. Komputer tidak lagi hanya
digunakan sebagai alat hitung, lebih dari itu, komputer diharapkan untuk dapat
diberdayakan untuk mengerjakan segala sesuatu yang bisa dikerjakan oleh
manusia.
B. Bidang –
bidang kecerdasan buatan
1. Sistem
Pakar
Sistem pakar adalah suatu program komputer yang dirancang untuk
mengambil keputusan seperti keputusan yang diambil oleh seorang atau beberapa
orang pakar. Menurut Marimin (1992), sistem pakar adalah sistem perangkat lunak
komputer yang menggunakan ilmu, fakta, dan teknik berpikir dalam pengambilan
keputusan untuk menyelesaikan masalah-masalah yang biasanya hanya dapat
diselesaikan oleh tenaga ahli dalam bidang yang bersangkutan.
Algoritma Genetika adalah suatu algoritma pencarian yang meniru mekanisme dari genetika alam. Algoritma Genetika ini banyak dipakai pada aplikasi bisnis, teknik maupun pada bidang keilmuan.Algoritma ini dapat dipakai untuk mendapatkan solusi yang tepat untuk masalah optimal dari satu variabel atau multi variabel. Sebelum Algoritma ini dijalankan, masalah apa yang ingin dioptimalkan itu harus dinyatakan dalam fungsitujuan, yang dikenal dengan fungsi fitness. Jika nilai fitness semakin besar, maka sistem yang dihasilkan semakin baik. Operasi yang dilakukan adalah reproduksi, crossover, dan mutasi untuk mendapatkan sebuah solusi menurut nilai fitnessnya.
Selanjutnya konstruksi dasar dari Algoritma Genetika adalah sebagai berikut:
• Pendefinisian Chromosome
• Pendefinisian Fungsi Fitness
• Membangkitkan Sebuah Populasi Awal
• Reproduksi
• Crossover
• Mutasi
Contoh: Aplikasi Algoritma Genetika Untuk Merancang Fungsi Keanggotaan Pada Kendali Logika Fuzzy.
3.Logika Fuzzy
Logika Fuzzy ( logika samar ) merupakan logika yang berhadapan langsung dengan konsep kebenaran sebagian, dimana logika klasik menyatakan bahwa segala hal dapat di ekspresikan dalam binary 0 atau 1. logika fuzzy memungkinkan nilai keanggotaan antara 0 dan 1. Karena alasan diatas maka pada penelitian ini akan dibuat perancangan perangkat lunak dan perangkat keras robot avoider dengan mengunakan aplikasi Fuzzy Logic sebagai kendali system.
Perlu diketahui bahwa Teori Himpunan Samar dan Logika Samar sangat berkembang pesat pada saat ini. Banyak sekali masalah-masalah nyata yang lebih tepat diselesaikan menggunakan Teori Himpunan Samar dan Logika Samar. Banyak sekali muncul teori-teori baru pada saat ini misalnya: Topologi Fuzzy, Analisa Fuzzy, Aljabar Fuzzy (Fuzzy Semi Group, Fuzzy Ring, Fuzzy Group, dan sebagainya.
Logika fuzzy telah lama dikenal dan digunakan dalam berbagai bidang oleh para ahli dan insinyur. Penggunaan logika fuzzy pada awalnya digunakan untuk beberapa bidang, seperti sistem diagnosa penyakit (dalam bidang kedokteran); pemodelan sistem pemasaran, riset operasi (dalam bidang ekonomi); kendali kualitas air, prediksi adanya gempa bumi, klasifikasi dan pencocokan pola (dalam bidang teknik). Penggunaan logika fuzzy dalam bidang sistem daya (power system) juga sudah dilakukan, antara lain dalam analisis kemungkinan, prediksi dan pengaturan beban, identifikasi gangguan pada generator dan penjadwalan pemeliharaan generator.
4. Jaringan Syaraf Tiruan
Jaringan saraf tiruan (JST) (Bahasa Inggris: artificial
neural network (ANN), atau juga disebut simulated neural network (SNN),
atau umumnya hanya disebut neural network (NN)), adalah jaringan dari
sekelompok unit pemroses kecil yang dimodelkan berdasarkan jaringan saraf
manusia. JST merupakan sistem adaptif yang dapat mengubah strukturnya untuk
memecahkan masalah berdasarkan informasi eksternal maupun internal yang
mengalir melalui jaringan tersebut.
C. Sejarah
Kecerdasan Buatan
Teori-teori yang mengarah ke KB sudah muncul sejak tahun 1941.
Berikut ini tahap-tahap sejarah perkembangan KB :
A. Era
Komputer Elektronik (1941)
Ditemukannya pertama kali alat penyim-panan dan pemprosesan
informasi yang disebut komputer elektronik. Penemuan ini menjadi dasar
pengembangan program yang mengarah ke KB.
B. Masa
Persiapan KB (1943 – 1956)
Tahun 1943, Warren McCulloch dan Walter Pitts
mengemukakan tiga hal, yaitu :
a. pengetahuan fisiologi dasar dan fungsi sel syaraf
dalam otak
b. analisis formal tentang logika proposisi (propositional logic)
c.teori komputasi Turing
Tahun 1950, Norbert Wiener membuat penelitian mengenai
prinsip-prinsip teori feedback. Contoh yang terkenal adalah thermostat.
Penemuan ini juga merupakan awal dari perkembangan KB.
Tahun 1956, John McCarthy meyakinkan Minsky, Claude Shannon dan
Nathaniel Rochester untuk membantunya melakukan penelitian dalam bidang
Automata, Jaringan Syaraf dan pembelajaran intelijensia.
Mereka kerjakan projek ini selama dua tahun di Dartmouth. Hasilnya
adalah program yang mampu berpikir non-numerik dan menyelesaikan masalah
pemikiran yang dinamakan Principia Mathematica. Hal ini menjadikan McCarthy
disebut sebagai ”Bapak Kecerdasan Buatan”.
C. Awal
Perkembangan Kecerdasan Buatan (1956 – 1969)
diawali dengan kesuksesan Newell dan Simon dengan sebuah program
yang disebut ”General Prbolem Solver”. Program ini dirancang untuk memulai
penyelesaian masalah secara manusiawi.
tahun 1958, McCarthy mendefenisikan bahasa pemrograman tingkat
tinggi, yaitu LISP, yang sekarang mendominasi pembuatan program-program
kecerdasan buatan.
McCarthy membuat program yang dinamakan programs with Common
Sense. Di dalam program tersebut, dibuat rancangan untuk menggunakan
pengetahu-an dalam mencari solusi.
Tahun 1959, Nathaniel Rochester dari IBM dan
mahasiswa-mahasiswanya mengeluarkan program, kecerdasan buatan, yaitu geometry
Theorm Prover. Program ini dapat membuktikan suatu teorema menggunakan
axioma-axioma yang ada.
Tahun 1963, program yang dibuat James Slagle mampu menyelesaikan
masalah integral untuk mata kuliah kalkulus.
Tahun 1968, program analogi buatan Tom Evan menyelesaikan masalah
analogi geometris yang ada pada tes IQ.
D. Sistem Berbasis
Pengetahuan (1969 – 1979)
Pengetahuan adalah kekuatan pendukung KB. Hal ini dibuktikan
dengan program yang dibuat oleh Ed Feigenbaum, Bruce Buchanan dan Joshua
Lederberg yang membuat program untuk memecahkan masalah struktur molekul
dari informasi yang didapatkan dari spectometer massa.
Program ini dinamakan Dendral Programs yang berfokus pada segi
pengetahuan kimia. Dari segi diagnosa medis juga sudah ada yang menemukannya,
yaitu Saul Amarel dalam proyek Computer in Biomedicine. Proyek ini diawali
dengan keinginan untuk mendapatkan diagnosa penyakit berdasarkan pengetahuan
yang ada pada mekanisme penyebab proses penyakit.
E. KB
menjadi sebuah industri (1980 – 1988)
Industrialisasi KB diawali dengan ditemukannya ”sistem pakar”
(expert system) yang dinamakan R1 yang mampu mengonfigurasi sistem-sistem
komputer baru. Program tersebut mulai dioperasikan di Digital Equipment
Corporation (DEC), McDermot tahun 1982.
Tahun 1986, program tersebut mampu menghemat biaya US$ 40 juta
/tahun.
Tahun 1988, Kelompok KB di DEC menjalankan 40 sistem pakar.
Booming KB ini juga melibatkan perusahaan-perusahaan besar seperti
Carnegie Group, Inference, Intellicorp dan Technoledge yang menawarkan software
tools untuk membangun sistem pakar.
Perusahaan Hardware seperti LISP Machines Inc, Texas Instruments,
Symbolics dan Xerox juga turut berperan dalam membangun workstation yang
dioptimasi untuk pembangunan LISP.
F. Era Kembalinya Jaringan Syaraf Tiruan (1986 – Sekarang)
Para ahli fisika seperti Hopfield (1982) menggunakan teknik-teknik
mekanika statistika untuk menganalisa sifat-sifat penyimpanan dan optimasi pada
jaringan syaraf.
Para ahli psikologi, David Rumelhart dan Geoff Hinton, melanjutkan
penelitian mengenai model jaringan syaraf pada memori.
Pada tahun 1985-an, sedikitnya empat kelompok riset menemukan
kembali algoritma belajar propagasi balik (Back-Propagation learning).
Algoritma ini berhasil diimplementasikan ke dalam ilmu komputer dan psikologi.
D.Agent Inteligent
a. Agen dan Lingkungan
Program yang
dapat diberi tugas dan dapat menyelesaikan tugasnya secara mandiri, serta
mempunyai inteligensi.Dengan bantuan sistem agen tersebut, maka pekerjaan yang
membutuhkan waktu lama dapat
diselesaikan dengan baik dan lebih cepat.Dengan adanya agen cerdas pada aplikasi diharapkan aplikasi tersebut dapat
berpikir dan dapat menentukan pilihan
langkah terbaik sehingga dapat
mengalahkan manusia.
b. Konsep Rasional
Sebuah agen selalu mencoba untuk mengoptimasikan sebuah nilai
ukuran kinerja yang disebut agen memiliki rasional (rational agent).Sebuah
agen adalah rasional jika dapat memilih kemungkinan untuk bertindak yang
terbaik setiap saat, menurut apa yang ia ketahui mengenai lingkungannya pada
saat itu. Untuk setiap deretan persepsi yang mungkin,
sebuah agen rasional hendaklah memilih satu tindakan yang diharapkan
memaksimalkan ukuran kemampuannya, dengan adanya bukti yang diberikan oleh
deretan persepsi dan apapun pengetahuan terpasang yang dimiliki agen itu.
c. Lingkungan Alami
Apabila sensor pada sebuah agen dapat mengakses keseluruhan keadaan pada
lingkungan, maka lingkungan itu dapat dikatakan fully observable terhadap agen.Lebih
efektif lagi lingkungan dikatakan fully observable jika sensor dapat mendeteksi
seluruh aspek yang berhubungan dengan pilihan aksi yang akan dilakukan.Lingkungan
yang fully observable biasanya sangat memudahkan, karena agen tidak perlu
mengurus keadaan internal untuk terus melacak keadaan lingkungan.Suatu lingkungan bisa menjadi partially observable akibat
ada gangguan dan ketidakakurasian sensor ataupun karena ada bagian keadaan yang
hilang dari data sensor.
d. Struktur agent
o
Black Box :
Pada
konsep black box,agen menerima masukan(percepts) dari luar lalu memprosesnya
sehingga bisa dihasilkan keluaran (action) yang berdasarkan masukan
tadi. Brenner mengemukan suatu model untuk
proses ini yang berisi tahapan
: interaction, information fusion(peleburan, penyatuan), information
processing dan action.
o
BDI Agent :
Kepercayaan
atau Belief :
Ø
Apa-apa saja yang diketahui dan tidak
diketaui oleh agen tentang lingkunganya.
Ø
Atau belief merupakan pengetahuan agen
atau informasi yang diperoleh agen tentang lingkungannya.
Keinginan
atau desire :
Ø
Tujuan, tugas yang harus diselesaikan oleh agen atau sesuatu yang ingin dicapai oleh agen.
Kehendak
atau intention :
Ø
Rencana-rencana yang disusun untuk mencapai.
Sumber :
Komentar
Posting Komentar