1. 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.”
• 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”
menurut john McCarthy stanford sebagai kemampuan untuk mencapai sukses dalam menyelesaikan masalah.
Selain itu keserdasan dapat pula didefinisikan sebagai berikut:
sutu study yang mengupayakan bagaimana komputer agar dapat berlaku cerdas
suatu studi yang mengupayakan supaya komputer dapat menyelesaikan masalah yang sulit
teknologi yang mensimulasikan kecerdasan manusia,yaitu bagai mana
medefinisikan dan mencoba menyelesaikan persoalan menggunakan komputer
dengan meniru manusia menyelesaikan dengan cepat.
Jadi dari definisi di atas dapat saya artikan bahwa kecerdasan
buata itu adalah suatu study yang mengupayakan bayaimana computer agar
dapat berlaku cerdas dan dapat menyelesaikan masalah yang sulit
sepertimana manusia itu menyeleaikan dengan cepan masalah tersebut.
Tujuan dari kecerdasan buatan menurut Winston dan Prendergast [1984]:
1. Membuat mesin menjadi lebih pintar (tujuan utama)
2. Memahami apa itu kecerdasan (tujuan ilmiah)
3. Membuat mesin lebih bermanfaat (tujuan entrepreneurial)
Untuk mrnyelsaikan masalah tersebut diperlukan penakran yang logis.dan
musia mempuanyai pemikiran yang logis tersebut dengan cara:
berhayal
menganalisis
memperaktekkan
berfikir
Selain dari definisi diatas kecerdasan buatan sapan juga diartikan dari berbagai perpektif sebagai berikut:
perpektif kecerdasan :membuat mesin memjadi cerdas(mampu berbuat seperti manusia)
perpektif penelitian:suatu study bagaimana computer dapat melaukan sesuatu sebaik yang dikesankan manusia.
Perfektif bisnis:kumpulan peralatan yang sangan punerful (metode lgis dalam menyelesaikan masalah – masalah bisni.
Perfektif pemograman :melputi studi tetang pemograman simbolit,penyelesain masalah pensarian.
2. SEJARAH KECERDASAN BUATAN
pada tahun 1950-an para ilmuwan dan penelii mualai memikirkan bagaimana
agar mesin dapat melakukan pekerjaan seperti yang bisa dikerjakan oleh
manusia.Alan turingdeorangmatematikawan inggris yag
pertama kalimengusulkan adanya tes untuk melihat bisa tidaknya suatu
mesin dikatakan cerdas.hasil tes tersebut dikenal dengan nama turing tesk.turing beranggapan bahwah,jika mesin dapat berlaku selayaknya mausia maka mesin tersebut dapat dikatakan cerdas.
Kecerdasan buata sendiri dimunculkan oleh john McCarthy pad tahun 1956,dia adalah seorang profesor dari MASSACHUSETTS INSTITUTE OF TECHNOLOGY.dalam suatu koperensi yang bernama dartmouth conference yang dihadiri oleh peneliti AI.pada konperensi tersebut juga didefinisikan tujuan dari kecerdasa buatan yaitu: mengetahui dan memodelkan proses – proses berfikir manusia dan mendesain mesin agar dapat meniru kelakuan manusia tersebut.
3. KECERDASAN BUATAN DILIHAT DARI BERBAGAI SUDUT PANDANG
KB dilihat dari berbagai sudut
pandang :
1. Sudut pandang Kecerdasan : mesin menjadi ‘cerdas’ (mampu berbuat apa yang dilakukan oleh manusia)
2. Sudut pandang Penelitian : studi bagaimana membuat agar komputer dapat melakukan sesuatu sebaik yang dilakukan oleh manusia.
Domain penelitian :
– 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 (desain, pencarian, kegagalan, perencanaan,
manufaktur)
3. Sudut pandang Bisnis : kumpulan peralatan yang sangat powerful dan metodologis dalam menyelesaikan masalah-masalah bisnis
4. Sudut pandang Pemrograman : studi tentang pemrograman simbolik, penyelesaian masalah
(problem solving) dan pencarian (searching).
KECERDASAN ALAMI
Menurut Kaplan,
diutarakan oleh Turban, McLean dan Wetherbe tahun 1999, pada halam 478,
AI atau Artificial Intelligence mempunyai beberapa kelebihan
dibandingkan dengan kecerdasan alami (Kecerdaran Manusia). Kelebihan
tersebut dipaparkan sebagai berikut:
1. AI Lebih Bersifat Permanen
2. AI Menawarkan Kemudahan untuk digandakan dan disebarkan
3. AI dapat lebih murah daripada kecerdasan Alami
4. AI bersifat konsisten dan teliti
5. AI dapat didokumentasi
Penjabaran dari kelima kelebihan AI adalah:
- AI Lebih bersifat Permanen
Berbeda
dengan AI, kecerdasan Alami yang dipunyai oleh seseorang tidak dapat
disimpan. Ketika orang tersebut pindah kerja, pengetahuan yang
dimilikinya ikut terbawa. AI lebih bersifat Permanen karena tetap ada
sepanjang sistem komputer dan program masih terpelihara.
- AI Menawarkan Kemudahan untuk digandakan dan disebarkan
Pemindahan
pengetahuan dari satu orang ke orang lain memerlukan waktu yang panjang
dan bahkan mungkin pengetahuan itu tidak dapat diduplikasi secara
lengkap. Adapun pengetahuan dalam sistem komputer mudah sekali untuk
disalin dan dipidahkan ke sistem lain.
- AI dapat lebih murah daripada kecerdasan alami
Telah
banyak dibuktikan bahwa biaya membeli jasa dengan komputer lebih murah
daripada biaya untuk membiayai manusia yang melaksanakan tugas yang
sama.
- AI bersifat Konsisten dan Teliti
Hal ini berbeda dengan manusia yang sering tak menentu atau tidak konsisten.
- AI dapat didokumentasi
Keputusan
yang dibuat oleh komputer dapat didokumentasi dengan mudah dengan cara
mencatat semua kegiatan yang dilakukan sistem. Kecerdasan alami sulit
untuk didokumentasi.
Sebagai contoh, seseorang bisa
jadi melakukan penyimpulan, tetapi pada saat yang lain mungkin tidak
dapat melakukan kembali proses penalaran yang membimbingnya ke
kesimpulan ataupun mengingat kembali asumsi-asumsi yang mendasari
keputusan
SOFT COMPUTING
Dalam beberapa dekade terakhir, perkembangan sistem
proses informasi di dalam model kotak hitam, telah membuat prospek
evolusi ilmiah menuju kepada perkembangan sistem kecerdasan, dengan
memungkinkan dibuat model-model dari fenomena alam secara otomatis oleh
mereka sendiri, dan pada akhirnya perumusan mereka merupakan hukum-hukum
fisik di dalam batas hubungan-hubungan yang abstrak. Sistem kecerdasan
pada dasarnya merupakan suatu sistem yang berusaha meniru cara berfikir
manusia. Peniruan cara berfikir tersebut terdiri atas dua bagian yaitu
peniruan proses berfikir dan peniruan proses komputasi. Pengembangan
suatu sistem yang memiliki kecerdasan komputasional dikenal dengan
istilah soft computing. Soft computingberusaha untuk mengintegrasikan beberapa paradigma model perhitungan meliputi artificial neural network, fuzzy logic dan genetic algorithms.
1. PENGERTIAN
Soft Computing adalah kumpulan teknik – teknik perhitungan dalam ilmu komputer, inteligensia semu, machine learning dan
beberapa disiplin ilmu teknik lainnya, yang berusaha untuk mempelajari,
memodelkan, dan menganalisa fenomena yang sangat rumit : untuk metoda
yang lebih konvensional yang tidak memberikan biaya rendah, analitis dan
solusi lengkap.
Soft Computing adalah
segolongan metoda yang mampu mengolah data dengan baik walaupun
didalamnya terdapat ketidakpastian, ketidakakuratan maupun kebenaran
parsial (Prof. Lotfi A Zadeh, 1992).
2. SEJARAH
Istilah soft computing dicetus pertama kali pada tahun 1990 sehubungan dengan ide untuk mendirikan BISC (Berkeley Initiative in Soft Computer) oleh Prof. L.A.Zadeh dari BerkeleyUniversity. Soft computing, berbeda dengan conventional (hard) computing, memungkinkan toleransi terhadap input, proses dan output yang bersifat tidak akurat(imprecision), tidak pasti (uncertainty) dan setengah benar (partial truth).
SOFT COMPUTING SEBAGAI SOLUSI
Metoda soft computing menempati
posisi yang menarik dalam perkembangan metoda komputasi dan pemecahan
masalah pada saat ini. Hal ini karena ditawarkan solusi yang menarik dan
kemudahan implementasi dari metoda ini untuk memecahkan masalah-masalah
yang tadinya sangat sulit dipecahkan dengan komputer dengan menggunakan
metoda komputasi konvensional.
Dengan adanya toleransi terhadap imprecision, uncertainty dan partial truth, diharapkan akan dapat menciptakan suatu system yang cerdas (intelligent systems), handal (robustness), mudah diproses atau dijalankan (tractability) dan membutuhkan biaya yang lebih murah (low solution cost). Karakteristik ini menempatkan soft computing sebagai salah satu solusi yang dapat digunakan untuk memecahkan berbagai masalah yang terdapat pada domain dunia nyata (real-world domain).
Disekeliling kita terdapat banyak contoh dari berbagai masalah yang berkarakteristik demikian, antara lain :
bagaimana kita mampu membaca berbagai macam corak tulisan tangan, atau bahkan pada tulisan itu ada sebagian yang terhapus
bagaimana membuat AC agar mengatur sendiri suhunya secara otomatis, sehingga udara didalam ruangan terasa nyaman
bagaimana mengenali sesorang, padahal tidak seluruh wajahnya dapat terlihat
Solusi berbagai masalah yang terdapat pada domain ini
tidak mudah dihitung dengan berbagai model analitik yang ada.
Diperlukan solusi yang seolah memiliki kecerdasan sehingga mampu
menyelesaikan masalah – masalah yang sedemikian kompleks itu. Disinilah soft computing menjadi suatu solusi atas permasalahan tersebut.
Metoda soft computing diinspirasikan
oleh cara manusia memecahkan suatu masalah. Namun pendekatan soft
computing ini berbeda dengan metoda Artificial Intelligence yang
menggunakan pendekatan simbolik. Pada pendekatan simbolik yang bertumpu
pada Physical Symbol System (PSS), jawaban suatu masalah harus
berdasarkan dari keadaan yang konsisten dari data yang ada (Newel and
Simon, 1976) karena Physical Symbol System tak dapat memberikan solusi
bila keadaan chaos. Dengan kata lain knowledge base yang menjadi basis
dari pencarian solusi harus bersifat koheren, konsisten, dan reasonable
(Delgrande and Mylopulos, 1986).
Pada sistem konvensional, jawaban akan diberikan
apabila seluruh syarat dari permasalahan terpenuhi. Ini menyebabkan
sebagian besar dari pendekatan simbolik akan berakhir pada sistem yang
bersifat semi-decidable.
Sistem tidak akan memberikan jawaban bila seluruh kondisi yang
diketahui tidak dipenuhi. Bila keadaan tidak terpenuhi, atau jawaban
tidak tertemukan sistem ini akan memberikan jawaban yang bersifat
negatif, sifat inilah yang dikenal dengan sifat semi-decidable dari sistem ini.
4. PENCARIAN SOLUSI DENGAN METODA SOFT COMPUTING
Metoda soft computing,
tidak menggunakan satu algoritma yang pasti untuk memecahkan suatu
masalah. Suatu teknik hanyalah mendeskripsikan interaksi antar sub
sistem, bukanlah langkah pemecahan permasalahan secara detail.
Pada problem space, untuk problem yang ingin dipecahkan, telah diketahui
contoh penyelesaian, yang biasanya dilakukan oleh human. Informasi yang
bersifat pemetaan dari masalah ke solusi inilah yang akan diberikan
kepada perangkat soft computing. Dengan memberikan sistem secara terus
menerus melalui proses pelatihan maupun optimasi, solusi untuk seluruh
problem space dapat ditemukan. Jadi dalam perancangan sistem, tidak
perhan didefinisikan bagaimana solusi tersebut dicapai, yang ada
hanyalah contoh-contoh, ataupun aturan-aturan kecil dari sistem
tersebut.
5. METODA SOFT COMPUTING
Mengacu pada definisi yang diberikan oleh Zadeh, metoda – metoda dalam soft computing dapat dikategorikan ke dalam tiga kategori besar:
Kemudian ditambah dengan :
Genetic Algorithm
Evolutionary Computation
Belief Network
Chaos Theory
Metoda – metoda ini sebenarnya bukanlah sesuatu yang baru yang diadakan setelah konsep soft computing yang dirumuskan. Yang terjadi justru sebaliknya. Metoda – metoda Fuzzy Logic, Artificial Neural Network, Probabilistic Reasoning maupun Genetic Algorithm telah ada lebih dahulu. Fuzzy Logic telah berkembang sejak tahun 1965. Konsep – konsep dasar Neural Networktelah digali sejak tahun 1940an. Demikian halnya dengan Probabilistic Reasoning dan Genetic Algorithm yang bukan merupakan hal baru. Oleh karena itu, Zadeh menyebut soft computingsebagai reinkarnasi dari metoda – metoda diatas
.
Walaupun semua konsep dan teori diatas adalah untuk memproses system dan menyelesaikan masalah yang bersifat uncertainty, keberadaan semua konsep dan teori tersebut seharusnya tidak dilihat sebagai suatu persaingan (competitive) tetapi lebih dilihat sebagai saling melengkapi (complementary). Tidak ada satu konsep atau teoripun yang bersifat perfect, powerful, dangeneral untuk menyelesaikan semua masalah dalam real-world application,
sehingga penggunaan suatu konsep atau teori bergantung dan disesuaikan
dengan jenis dan karakteristik dari permasalahan dan aplikasinya.
Bahkan, untuk dapat membentuk suatu complicated system yang cerdas (intelligent system), harus diperlukan suatu hybrid system melalui penggabungan beberapa konsep dan teori dari soft computing .
Lebih lanjut lagi, dalam konsep soft computing, metoda – metoda
ini ibarat pilar , slaing mendukung dan bekerjasama dalam memecahkan
suatu permasalahan. Keunggulan yang diperoleh dari kerjasama metoda –
metoda itu lebih ditekankan daripada keunggulan individual salah
satu daripadanya. Kekurangan satu metoda akan ditutup dengan kelebihan
metoda lainnya. Keunggulan satu metoda disumbangkan, sehingga segi –
segi positif dari metode yang ada tersebut dapat dimanfaatkan secara
optimal ().
6 . TUJUAN SOFT COMPUTING
Tujuan soft computing adalah terbentuknya High Machine Intelligence Quotient (HMIQ),
suatu system yang mampu mengolah informasi seperti cara berpikir
manusia, mempunyai kemampuan untuk menyelesaikan permasalahan non-linier
dan tidak ada model matematisnya (tractability), serta dapat diimplementasikan dengan biaya rendah.
Adapun tujuan metode soft computing adalah :
Non-linearitas dan kompleksitas problema. Kemampuan menyelesaikan
problematika yang sulit dan tidak bisa diselesaikan dengan metoda biasa
Kemampuan memanipulir parameter yang tidak pasti ( sesuatu yang tidak bisa diukur secara pasti, misalnya mengukur kadar cinta )
Kemampuan men-generalisir solusi
Kemampuan klasifikasi dan kuantifikasi data, misalnya dengan lebih
mudahnya pengerjaan kasus regresi linier dengan teknologi ini daripada
dengan fuzzy logic.
Kemampuan mengatasi keterbatasan data, misalnya pada dunia statistic.
PEMOGRAMAN KOVENSIONAL
| dimensi | Intelegensi buatan | Pemograman konvensional |
| pemrosesan | Mengantung konseb – konseb simbolik | algotitma |
| Sifat input | Bisa tidak lengkp | Harus lengkap |
| pencarian | Kebnyakan bersifat heuristik | Biasaya didasarkan pada algoritma |
| keterangan | disediakan | Biasany tidak disediakan |
| fokos | pengetahuan | Data dan informasi |
| struktur | Kontrol dipisahkan dari pengetahuan | Kontrol terintegrasi dengan informasi |
| Sifat output | kuatitatif | kualitatif |
| Pemilihan dan update | Relatif murah | sulit |
| Kemampuan menalar | ya | tidak |
PERBANDINGAN ANTARA AI DAN PROGRAM KONVENSIONAL
Program komputer konvensional prosesnya berbasis algoritma, yakni
formula matematis atau prosedur sekuensial yang mengarah kepada suatu
solusi. Algoritma tersebut dikonversi ke program komputer yang
memberitahu komputer secara pasti instruksi apa yang harus dikerjakan.
Algoritma yang dipakai kemudian menggunakan data seperti angka, huruf,
atau kata untuk menyelesaikan masalah.
Perangkat lunak AI berbasis representasi serta manipulasi simbolik. Di
sini simbol tersebut berupa huruf, kata, atau angka yang
merepresentasikan obyek, proses dan hubungan keduanya. Sebuah obyek bisa
jadi seorang manusia, benda, pikiran, konsep, kejadian, atau pernyataan
suatu fakta. Menggunakan simbol, kita dapat menciptakan basis
pengetahuan yang berisi fakta, konsep, dan hubungan di antara keduanya.
Kemudian beberapa proses dapat digunakan untuk memanipulasi simbol
tersebut untuk menghasilkan nasehat atau rekomendasi untuk penyelesaian
suatu masalah.
Teknik
Informatika mempersiapkan mahasiswa untuk mempunyai kemampuan dalam
mengembangkan aplikasi perangkat lunak dengan memanfaatkan teknologi
terkini dengan kekhususan penerapan pada bidang life science,
seperti kedokteran, farmasi, pangan dan kesehatan. Kompetensi utama
lulusan adalah mengembangkan dan membuat aplikasi perangkat lunak (software engineering), selain itu mahasiswa berkesempatan untuk memfokuskan pengetahuan pada salah satu bidang peminatan, soft-computing atau mobile technology.
Kamis, Oktober 23, 2014
