TUGAS SOFTSKILL2 ARTIFICIAL INTELEGENT (PENGANTAR TEKNOLOGI SISTEM CERDAS)

Alexander Joharico (10114786) :
Anggit Pangestu (11114242) :http://anggitpangestuuu.blogspot.co.id/2016/11/tugas-softskill2-artificial-intelegent.html
Ridho Satria (19114301) : http://myridhosatria.blogspot.co.id/2016/11/tugas-softskill2-artificial-intelegent.html


Unsur PEAS :

- Performance Measurement : Mengikuti pergerakan manusia, bias menendang bola , bisa senam ,      

                                                 bisa membuat minuman

- Environment : Bola, gawang ,tempat minum, gelas , manusia, lapangan futsal
- Actuators : Ekspresi gembira,sedih, menari, senam
- Sensor : Kamera , Biometric

Sumber : https://www.youtube.com/watch?v=QdQL11uWWcI

METODE PENCARIAN DAN PELACAKAN

METODE PENCARIAN DAN PELACAKAN
(Alexander Joharico 10114786,

Ridho Satria 19114301, Anggit Pangestu 11114242,

·         Hal penting dalam menentukan keberhasilan sistem cerdas adalah kesuksesan dalam pencarian.

·      Pencarian = suatu proses mencari solusi dari suatu permasalahan melalui sekumpulan kemungkinan ruang keadaan (state space).

·         Ruang keadaan = merupakan suatu ruang yang berisi semua keadaan yang mungkin.

·         Untuk mengukur perfomansi metode pencarian, terdapat 4 kriteria yang dapat digunakan :

1.      Completeness : apakah metode tersebut menjamin penemuan solusi jika solusinya memang ada?

2.      Time complexity : berapa lama waktu yang diperlukan? [semakin cepat, semakin baik]

3.      Space complexity : berapa banyak memori yang diperlukan

4.      Optimality : apakah metode tersebut menjamin menemukan solusi yang terbaik jika terdapat beberapa solusi berbeda?

Dua teknik pencarian dan pelacakan

– Pencarian buta (blind search)

Blind Searching adalah model pencarian buta atau pencarian yang tidak memiliki inforamasi awal, model pencarian ini memiliki tiga ciri – ciri utama yaitu:

-          Membangkitkan simpul berdasarkan urutan

-          Kalau ada solusi maka solusi akan ditemukan

-          Hanya memiliki informasi tentang node yang telah dibuka (node selanjutnya tidak diketahui).

Blind Searching sendiri dibagi menjadi dua macam yaitu :

• Pencarian melebar pertama (Breadth – First Search)

Breadth First Search yaitu model pencarian yang memakai metode melebar. Untuk mencari hasilnya, model BFS ini menggunakan teknik pencarian persoalannya dengan cara membuka node (titik) pada tiap levelnya.

Lebih jelasnya dapat dilihat pada gambar dibawah ini :

·         Semua node pada level n akan dikunjungi terlebih dahulu sebelum level n+1

·         Mulai dari akar terus ke level 1 dari kiri ke kanan

·         Kemudian ke level  selanjutnya hingga solusi ditemukan

Keuntungan :

– Tidak akan menemui jalan buntu

– Menjamin ditemukannya solusi (jika solusinya memang ada) dan solusi yang ditemukan pasti yang paling baik

– Jika ada satu solusi maka bread-first search akan menemukannya

Kelemahannya :

– Membutuhkan memori yang cukup banyak

– Membutuhkan waktu yang cukup lama

• Pencarian mendalam pertama (Depth – First Search)

DFS (Depth-first Search) sering disebut juga pencarian mendalam. Sesuai dengan namanya “pencarian mendalam”, DFS tidak mencari solusi per level, namun mencari pada kedalaman sebelah kiri terlebih dahulu, kemudian bila belum ditemuakn “goal”nya dilanjutkan ke sisi sebelah kanan dan seterusnya sampai ditemukan target/goal.

Dengan menggunakan permasalahan yang sama dengan penjelasan di awal tadi, maka pada model DFS akan di dapatkan solusi seperti gambar di bawah ini :

Keuntungan :

– Memori yang relatif kecil

– Secara kebetulan, akan menemukan solusi tanpa harus menguji lebih banyak lagi

– Pencarian terbimbing (heuristic search)

Heuristic Search merupakan metode pencarian yang memperhatikan nilai heuristik (nilai perkiraan).

Teknik pencarian heuristik (heuristic searching) merupakan suatu strategi untuk melakukan proses pencarian ruang keadaan (state space) suatu problema secara selektif, yang memandu proses pencarian yang kita lakukan di sepanjang jalur yang memiliki kemungkinan sukses paling besar, dan mengesampingkan usaha yang bodoh dan memboroskan waktu.

Heuristik adalah sebuah teknik yang mengembangkan efisiensi dalam proses pencarian, namun dengan kemungkinan mengorbankan kelengkapan (completeness).

Heuristic Search memperkirakan jarak menuju Goal (yang disebut dengan fungsi heuristik).
Fungsi heuristik ini digunakan untuk mengevaluasi keadaan-keadaan problema individual dan menentukan seberapa jauh hal tersebut dapat digunakan untuk mendapatkan solusi yang diinginkan.

Jenis-jenis Heuristic Searching :

·                     Generate and Test

·                     Hill Climbing

·                     Best First Search

·                     Alpha Beta Prunning

·                     Means-End-Anlysis

·                     Constraint Satisfaction

Kali ini yang akan dibahas adalah metode Generate and Test, Hill Climbing dan Best First Search. Karena ketiga metode tersebut adalah metode Heursistic Searching yang paling sering digunakan dan paling optimal hasilnya.

• Pendakian Bukit (Hill Climbing)

Hill Climbing (mendaki bukit) merupakan salah satu variasi metode buat dan uji (generate and test) dimana umpan balik yang berasal dari prosedur uji digunakan untuk memutuskan arah gerak dalam ruang pencarian (search).

Dalam prosedur buat dan uji yang murni, respon fungsi uji hanyalah ya atau tidak. Dalam prosedurHill Climbing, fungsi uji dikombinasikan dengan fungsi heuristik yang menyediakan pengukuran kedekatan suatu keadaan yang diberikan dengan tujuan (goal).
Prosedur Hill Climbing :

1.    Buatlah solusi usulan pertama dengan cara yang sama seperti yang dilakukan dalam prosedur buat dan uji (generate and test). Periksalah apakah solusi usulan itu merupakan sebuah solusi. Jika ya, berhentilah. Jika tidak, kita lanjutkan ke langkah berikutnya.

2.    Dari solusi ini, terapkan sejumlah aturan yang dapat diterapkan untuk membuat sekumpulan solusi usulan yang baru.

3.    Untuk setiap elemen kumpulan solusi tersebut, lakukanlah hal-hal berikut ini :

1.      Kirimkanlah elemen ini ke fungsi uji. Jika elemen ini merupakan sebuah solusi, berhentilah.

2.      Jika tidak, periksalah apakah elemen ini merupakan yang terdekat dengan solusi yang telah diuji sejauh ini. Jika tidak, buanglah.

3.      Ambilah elemen terbaik yang ditemukan di atas dan pakailah sebagai solusi usulan berikutnya. Langkah ini bersesuaian dengan langkah dalam ruang problema dengan arah yang muncul sebagai yang tercepat dalam mencapai tujuan.

4.      Kembalilah ke langkah 2.

Masalah-masalah yang mungkin timbul pada prosedur Hill Climbing :

-        Maksimum lokal adalah suatu keadaan yang lebih baik daripada semua tetangganya namun masih belum lebih baik dari suatu keadaan lain yang jauh letaknya darinya.

-        Daratan  (Plateau) adalah suatu daerah datar dari ruang pencarian (search) dimana semua himpunan keadaan tetangganya memiliki nilai yang sama.

-        Punggung (Ridge) adalah suatu daerah ruang pencarian (search) yang lebih tinggi daripada daerah sekitarnya, namun tidak dapat dibalikkan oleh langkah–langkah tunggal ke arah manapun.

Solusinya:

-        Melakukan langkah balik (backtracking) ke simpul yang lebih awal dan mencoba bergerak ke arah yang lain.

-        Melakukan lompatan besar ke suatu arah untuk mencoba bagian ruang pencarian yang baru.

-        Menerapkan dua atau lebih aturan sebelum melakukan uji coba. Ini bersesuaian dengan bergerak ke beberapa arah sekaligus.

• Pencarian Terbaik Pertama (Best First Search)

Pencarian terbaik pertama (Best First Search) merupakan suatu cara yang menggabungkan keuntungan atau kelebihan dari pencarian Breadth-First Search dan Depth-First Search. Pada setiap langkah proses pencarian terbaik pertama, kita memilih node-node dengan menerapkan fungsi heuristik yang memadai pada setiap node/simpul yang kita pilih dengan menggunakan aturan-aturan tertentu untuk menghasilkan penggantinya.

Fungsi Heuristik yang digunakan merupakan prakiraan (estimasi) cost dari initial state ke goal state, yang dinyatakan dengan :

f’ = g + h’

dimana

f’ = prakiraan cost dari initial ke goal

g = cost dari initial state ke current state

h’ = prakiraan cost dari current state ke goal state

Terdapat dua jenis algoritma Best First Search, yaitu:

- Greddy Best yang hanya memperhitungkan biaya perkiraan saja.

- A* yang memperhitungkan gabungan dua biaya, biaya sebenarnya dan biaya perkiraan.

1. Greddy Best

Greedy Best First Search hanya memperhitungkan biaya perkiraan (estimated cost) saja, yakni:

f(n) = h(n)

Dimana : h(n)= perkiraan biaya dari simpul n ke goal.

Biaya yang sebenarnya (actual cost) tidak diperhitungkan. Dengan hanya memperhitungkan biaya perkiraan yang belum tentu kebenarannya maka algoritma ini menjadi tidak optimal.
Algoritma greddy best ini membentuk solusi langkah per langkah (step by step). Pada setiap langkah, terdapat banyak pilihan yang perlu dieksplorasi. Oleh karena itu, pada setiap langkah harus dibuat keputusan yang terbaik dalam menentukan pilihan.

2. A*

Algoritma ini merupakan algoritma Best First Search yang menggabungkan Uniform Cost Search danGreddy Best First Search.

Algoritma ini memperhitungkan biaya dari biaya sebenarnya ditambah dengan biaya perkiraan.
Dalam notasi matematika dituliskan sebagai:

f(n) = g(n) + h(n)

dimana :

g(n) = biaya sebenarnya untuk mencapai simpul n

h(n) = perkiraan biaya dari simpul n ke goal.

f(n) = perkiraan total biaya jalur yang melalui simpul n ke goal.

Dengan perhitungan biaya seperti ini, algoritma A* adalah complete dan optimal.

REFERENSI :

http://blognyacomel.blogspot.com/2013/11/best-first-search.html

          diakses 3 Oktober 2015 pukul 12.23

http://buatugasai.blogspot.com/2013/04/metode-pencarian-dan-pelacakan_4.html

          diakses 1 Oktober 2015 pukul 01.14

 

Pengantar Inteligensia Buatan – Heuristic Searching (Anonymous Writer)

https://aiukswkelasgkelompok7.wordpress.com/metode-pencarian-dan-pelacakan/

http://najibzot.blogspot.co.id/p/teknik-searching-kecerdasan-buatan-di.html

Mata Kuliah : PENG. TEKNOLOGI SISTEM CERDAS

Pengenalan Artificial Intelligence/ Kecerdasan Buatan (KB)

(Alexander Joharico 10114786, Ridho Satria 19114301, Anggit Pangestu 11114242)

Kecerdasan buatan (Artificial Intelligence) :

Bagian dari ilmu komputer yang mempelajari bagaimana membuat mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia bahkan bisa lebih baik daripada yang dilakukan manusia.

Menurut John McCarthy, 1956, AI :

Untuk mengetahui dan memodelkan proses – proses berpikir manusia dan mendesain mesin agar dapat menirukan perilaku manusia.

Cerdas = memiliki pengetahuan + pengalaman, penalaran (bagaimana membuat keputusan &

mengambil tindakan), moral yang baik

Manusia cerdas (pandai) dalam menyelesaikan permasalahan karena manusia mempunyai pengetahuan & pengalaman. Pengetahuan diperoleh dari belajar. Semakin banyak bekal pengetahuan yang dimiliki tentu akan lebih mampu menyelesaikan permasalahan. Tapi bekal pengetahuan saja tidak cukup, manusia juga diberi akal untuk melakukan penalaran,mengambil kesimpulan berdasarkan pengetahuan & pengalaman yang dimiliki. Tanpa memiliki kemampuan untuk menalar dengan baik, manusia dengan segudang pengalaman dan pengetahuan tidak akan dapat menyelesaikan masalah dengan baik. Demikian juga dengan kemampuan menalar yang sangat baik,namun tanpa bekal pengetahuan dan pengalaman yang memadai,manusia juga tidak akan bisa menyelesaikan masalah dengan baik.

Agar mesin bisa cerdas (bertindak seperti & sebaik manusia) maka harus diberi bekal pengetahuan & mempunyai kemampuan untuk menalar.

2 bagian utama yg dibutuhkan untuk aplikasi kecerdasan buatan :

a)      basis pengetahuan (knowledge base): berisi fakta-fakta, teori, pemikiran & hubungan antara satu dengan lainnya.

b)      motor inferensi (inference engine) : kemampuan menarik kesimpulan berdasarkan pengalaman

BEDA KECERDASAN BUATAN & KECERDASAN ALAMI

Kelebihan kecerdasan buatan :

1. Lebih bersifat permanen. Kecerdasan alami bisa berubah karena sifat manusia pelupa. Kecerdasan buatan tidak berubah selama sistem komputer & program tidak mengubahnya.

2. Lebih mudah diduplikasi & disebarkan. Mentransfer pengetahuan manusia dari 1 orang ke orang lain membutuhkan proses yang sangat lama & keahlian tidak akan pernah dapat diduplikasi dengan lengkap.Jadi jika pengetahuan terletak pada suatu sistem komputer, pengetahuan tersebut dapat disalin dari komputer tersebut & dapat dipindahkan dengan mudah ke komputer yang lain.

3. Lebih murah. Menyediakan layanan komputer akan lebih mudah & murah dibandingkan mendatangkan seseorang untuk mengerjakan sejumlah pekerjaan dalam jangka waktu yang sangat lama.

4. Bersifat konsisten karena kecerdasan buatan adalah bagian dari teknologi komputer sedangkan kecerdasan alami senantiasa berubah-ubah

5. Dapat didokumentasi.Keputusan yang dibuat komputer dapat didokumentasi dengan mudah dengan cara melacak setiap aktivitas dari sistem tersebut. Kecerdasan alami sangat sulit untuk direproduksi.

6. Lebih cepat

7. Lebih baik 

 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 secara langsung. Sedangkan pada kecerdasan buatan harus bekerja dengan input-input simbolik.

3. Pemikiran manusia dapat digunakan secara luas, sedangkan kecerdasan buatan sangat terbatas. 

     BEDA KECERDASAN BUATAN & PROGRAM KONVENSIONAL

	Kecerdasan Buatan	Komputasi Konvensional
Fokus pemrosesan	Konsep simbolik / numerik (pengetahuan)	Data & informasi
Pencarian	Heuristik	Algoritma
Sifat input	Bisa tidak lengkap	Harus lengkap
Keterangan	Disediakan	Biasanya tidak disediakan
Struktur	Kontrol dipisahkan dari pengetahuan	Kontrol terintegrasi dengan informasi (data)
Sifat output	Kuantitatif	Kualitatif
Kemampuan menalar	Ya	Tidak

SEJARAH KECERDASAN BUATAN

Tahun 1950 – an Alan Turing, seorang pionir AI dan ahli matematika Inggris melakukan percobaan Turing (Turing Test) yaitu sebuah komputer melalui terminalnya ditempatkan pada jarak jauh. Di ujung yang satu ada terminal dengan software AI dan diujung lain ada sebuah terminal dengan seorang operator. Operator itu tidak mengetahui kalau di ujung terminal lain dipasang software AI. Mereka berkomunikasi dimana terminal di ujung memberikan respon terhadap serangkaian pertanyaan yang diajukan oleh operator. Dan sang operator itu mengira bahwa ia sedang berkomunikasi dengan operator lainnya yang berada pada terminal lain.

Turing beranggapan bahwa jika mesin dapat membuat seseorang percaya bahwa dirinya mampu berkomunikasi dengan orang lain, maka dapat dikatakan bahwa mesin tersebut cerdas (seperti layaknya manusia).

KECERDASAN BUATAN PADA APLIKASI KOMERSIAL

Lingkup utama kecerdasan buatan :

1. Sistem pakar (expert system) : komputer sebagai sarana untuk menyimpan pengetahuan para pakar sehingga komputer memiliki keahlian menyelesaikan permasalahan dengan meniru keahlian yang dimiliki pakar.

2. Pengolahan bahasa alami (natural language processing) : user dapat berkomunikasi dengan komputer menggunakan bahasa sehari-hari, misal bahasa inggris, bahasa indonesia, bahasa jawa, dll

3. Pengenalan ucapan (speech recognition) : manusia dapat berkomunikasi dengan komputer menggunakan suara.

4. Robotika & sistem sensor

5. Computer vision : menginterpretasikan gambar atau objek-objek tampak melalui komputer

6. Intelligent computer-aided instruction : komputer dapat digunakan sebagai tutor yang dapat melatih & mengajar

7. Game playing 

SOFT Computing

Soft computing merupakan inovasi baru dalam membangun sistem cerdas yaitu sistem yang memiliki keahlian seperti manusia pada domain tertentu, mampu beradaptasi dan belajar agar dapat bekerja lebih baik jika terjadi perubahan lingkungan. Soft computing mengeksploitasi adanya toleransi terhadap ketidaktepatan, ketidakpastian, dan kebenaran parsial untuk dapat diselesaikan dan dikendalikan dengan mudah agar sesuai dengan realita (Prof. Lotfi A Zadeh, 1992).

Metodologi-metodologi yang digunakan dalam Soft computing adalah :

1. Sistem Fuzzy (mengakomodasi ketidaktepatan) /  Logika Fuzzy (fuzzy logic)

2. Jaringan Syaraf (menggunakan pembelajaran)  / Jaringan Syaraf Tiruan (neurall network)

3. Probabilistic Reasoning (mengakomodasi ketidakpastian)

4. Evolutionary Computing (optimasi)  / Algoritma Genetika 

Secara umum, untuk membangun suatu sistem yang mampu menyelesaikan masalah, perlu dipertimbangkan 4 hal :

1. Mendefinisikan masalah dengan tepat.

Pendefinisian ini mencakup spesifikasi yang tepat mengenai keadaan awal dan solusi yang diharapkan.

2. Menganalisis masalah tersebut serta mencari beberapa teknik penyelesaian masalah yang sesuai.

3. Merepresentasikan pengetahuan yang perlu untuk menyelesaikan masalah tersebut.

4. Memilih teknik penyelesaian masalah yang terbaik

MENDEFINISIKAN MASALAH SEBAGAI SUATU RUANG KEADAAN

Misalkan permasalahan yang dihadapi adalah permainan catur, maka harus ditentukan :

1. posisi awal pada papan catur

posisi awal setiap permainan catur selalu sama, yaitu semua bidak diletakkan di atas papan catur dalam 2 sisi, yaitu kubu putih dan kubu hitam.

2. aturan – aturan untuk melakukan gerakan

aturan – aturan ini sangat berguna untuk menentukan gerakan suatu bidak, yaitu melangkah dari satu keadaan ke keadaan lain. Misalkan untuk mempermudah menunjukkan posisi bidak, setiap kotak ditunjukkan dalam huruf (a,b,c,d,e,f,g,h) pada arah horisontal dan angka (1,2,3,4,5,6,7,8) pada arah vertikal. Suatu aturan untuk menggerakkan bidak dari posisi (e,2) ke (e,4) dapat ditunjukkan dengan aturan :

if bidak putih pada kotak(e,2),

and kotak(e,3) kosong,

and kotak(e,4) kosong

then gerakkan bidak dari (e,2) ke (e,4)

3. tujuan (goal)

tujuan yang ingin dicapai adalah posisi pada papan catur yang menunjukkan kemenangan seseorang terhadap lawannya. Kemenangan ini ditandai dengan posisi raja yang sudah tidak dapat bergerak lagi.

      Contoh tersebut menunjukkan representasi masalah dalam Ruang Keadaan (State Space), yaitu suatu ruang yang berisi semua keadaan yang mungkin. Kita dapat memulai bermain catur dengan menempatkan diri pada keadaan awal, kemudian bergerak dari satu keadaan ke keadaan yang lain sesuai dengan aturan yang ada, dan mengakhiri permainan jika salah satu telah mencapai tujuan.

Jadi untuk mendeskripsikan masalah dengan baik harus :

1. Mendefinisikan suatu ruang keadaan (state space)

2. Menetapkan satu atau lebih keadaan awal (initial state)

3. Menetapkan satu atau lebih tujuan (goal state)

4. Menetapkan kumpulan aturan 

Referensi : 

Gabriel, J.F., 1998, Fisika Kedokteran, Penerbit Buku Kedokteran, Bali.

Rao, V.B., & Rao, H.V., 1993, Neural networks and Fuzzy Logic, Management Information Source, Inc., New York.

Suparman,1991, Mengenal Artificial Intelligence, Andi Offset, Yogyakarta.

Turban, E., 1992, Expert System and Applied Artificial Intelligence, Macmillan Publishing Company, New york.

Tuttle, D.F., 1977, Circuits, McGraw Hill Kogakusha LDT, Tokyo

Yan, J., Ryan, M., Power, J., 1994, Using Fuzzy Logic Towards Intelligent System, Prentice Hall, London.

Mervin J. Goldman, MD, 1973, Principles of Clinical 

MATA KULIAH :

PENG. TEKNOLOGI SISTEM CERDAS