bab 1 · 2011-12-02 · bab 2 kecerdasan buatan 2.1 dasar artificial intellegenci ada berbagai...
TRANSCRIPT
1
BAB 1
1.1 PENDAHULUAN
Manusia mempunyai kapasitas mental dan pikiran yang sangat penting dalam
kehidupannya. Bidang intelijensia buatan berusaha untuk memahami entitas-entitas cerdas.
Satu alasan kenapa mempelajarinya adalah untuk lebih memahami diri kita sendiri. Tetapi
tidak seperti filosofi dan psikologi, yang juga berhubungan dengan kecerdasan, AI berusaha
membangun entitas-entitas cerdas sesuai dengan pemahaman manusia. Alasan lain mengapa
mempelajari AI adalah bahwa entitas-entitas cerdas yang dibangun ini menarik dan berguna
dalam kebenarannya sendiri. AI telah menghasilkan banyak produk yang berarti dan
mengesankan bahkan pada tahap awal perkembangannya. Walaupun tidak seorangpun dapat
memprediksi masa depannya secara detail, tetapi jelas bahwa komputer-komputer dengan
kecerdasan setingkat manusia akan mempunyai pengaruh yang sangat besar pada kehidupuan
kita dan pada sebagian dari peradaban masa depan.
Perkembangan perangkat keras (hardware) saat ini sudah berada pada tingkat yang
sangat tinggi. Perkembangan teknologi komputer yang kini masih ditunggu adalah dibuatnya
komputer tanpa kawat (wireless computer). Dalam wireless computer data ditransfer
sepenuhnya melalui berkas cahaya (light beams) yang dapat saling berpotongan tanpa
terjadinya interferensi. Saat ini orang sudah mampu membuat processor yang sepenuhnya
optikal. Suatu komputer optikal dalam bentuk awal (rudimentary), yang mampu mengerjakan
matematika sederhana telah berhasil dibuat oleh para peneliti dari University of Colorado
[CAR93]. Suatu komputer optikal yang beroperasi dengan kecepatan cahaya dan kemampuan
komunikasi melalui ribuan jalur dalam serat optik akan meningkatkan kemampuan komputer
yang luar biasa. Komputer yang demikian merupakan impian dan dambaan para peneliti.
Namun dana yang sangat besar untuk pengembangan alat tersebut, saat ini, masih merupakan
ganjalan utama dalam realisasinya. Suatu usaha yang realistis saat ini adalah
mengembangkan komputer hibrida dengan mengkombinasikan teknologi elektronik dengan
teknologi fotonik, yaitu dengan mengembangkan hubungan optik antara berbagai electronic
processor, memory units, dan communication ports. Hal ini akan memberikan transfer data
yang cepat dan sekaligus menghindarkan terjadinya wiring bottle necks yang banyak terjadi
pada komputer elektronik saat ini. Banyak lagi yang diharapkan datang dari teknologi
optoelektronik, namun yang sudah jelas dalam teknologi tersebut adalah perubahan radikal
dalam cara memproses informasi. Unit informasi dalam komputer optik tidak lagi bit-bit
seperti pada komputer elektronik, tetapi suatu image yang berisi miliaran bit.
2
BAB 2
KECERDASAN BUATAN
2.1 Dasar Artificial Intellegenci
Ada berbagai definisi tentang kecerdasan buatan (artificial intellegensi atau disingkat
AI), sebagaimana diperlihatkan pada Tabel di bawah. Pada dasarnya AI adalah suatu
pengetahuan yang membuat komputer dapat meniru kecerdasan manusia sehingga diharapkan
komputer (atau berupa suatu mesin) dapat melakukan hal-hal yang apabila dikerjakan
manusia memerlukan kecerdasan; misalnya melakukan penalaran untuk mencapai suatu
kesimpulan atau melakuakn suatu translasi dari suatu bahasa manusia ke bahasa manusia
yang lain.
Tabel berbagai definisi AI
Sumber Definisi
Schalkoff (1990) AI adalah bidang studi yang berusaha menerangkan dan meniru
perilaku cerdas dalam bentuk proses komputasi
Rich and Knight
(1991)
AI adalah studi cara membuat komputer membuat komputer
melakukan sesuatu yang sampai saat ini orang dapat melakukannya
lebih baik.
Luger dan
Stubblefield (1993)
AI adalah cabang ilmu komputer yang berhubungan dengan
otomasi perilaku yang cerdas.
Haag dan Keen (1996) AI adalah bidang studi yang berhubungan dengan penagkapan,
pemodelan, dan penyimpanan kecerdasan manusia dalam system
teknologi informasi sehingga system tersebut dapat memfasilitasi
proses penghambilan keputusan yang biasanya diambil oleh
manusia.
Winston dan Prendergast (Turban, McLean, Wetherbe, 1999) mengungkapkan bahwa
tujuan AI meliputi:
1) Membuat mesin lebih pintar,
2) Memahami kecerdasan, dan
3) Membuat mesin lebih berguna.
3
Namun sekarang, tujuan AI tidak sekedar membuat komputer dapat berpikir, tetapi juga bisa
melihat, mendengar, berjalan, bermain, dan bahkan merasakan.
O’Brien (2001, hal. 371) menyebutkan atribut perilaku cerdas adalah sebagai berikut:
Berpikir dan bernalar.
Memakai penalaran untuk memecahkan persoalan.
Menyerap dan menerapkan pengetahuan.
Memperlihatkan kreatifitas dan imajinasi.
Bejkerja dengan situasi yang kompleks dan membingungkan.
Melakuakn tanggapan dengan capat dan berhasil terhadap situasi baru.
Mengenali elemen-elemen yang relatif penting dalam suatu situasi.
Menangani informasi yang rancu, tak lengkap, atau salah.
Atribut-atribut inilah yang antara lain ingin diterapkan dalam komputer.
Benarkah AI membuat komputer secerdas manusia ? Benarkah komputer dapat
melakuakan hal-hal ytang dijabarkan di depan ? Pertanyaan seperti ini sering muncul dan
jawabannya adalah memang itulah yang diharapkan. Namun dalam praktiknya kecerdasan
yang dimiliki komputer berbeda dengan kecerdasan manusia. Komputer dapat menyelesaikan
suatu persoalan yang apabila dikerjakan manusia memerlukan kecerdasan, tetapi cara yang
dilakukan komputer tidak harus sama denagn cara manusia memecahkan persoalan tersebut.
2.2 Perbandingan Kecerdasan Buatan dan Kecerdasan Manusia
Menurut Kaplan, sebagaimana telah diutarakan oleh Turban, McLean, dan Wetherbe
(1999, hal. 478), AI mempunyai beberapa kelebihan dibandingkan dengan kecerdasan alami
(kecerdasan manusia). Kelebihan AI adalah sebagai berikut:
AI lebih bersifat permanen. Berbeda dengan AI, kecerdasan alami yang dipunyai
seseorang tidak dapat disimpan. Ketika orang tersebut pindah kerja, pengetahuan yang
dimilikinya ikut terbawa. AI lebih bersifat permanen karena tetap ada sepanjang
system komputer dan program masih terpelihara.
AI menawarkan kemudahan untuk digandakan dan disebarkan. Pemindahan
pengetahuan dari satu orang ke orang lain memrlukan waktu yang panjang dan
bahkan mungkin pengetahuan itu tidak dapat diduplikasi secara lengkap. Adapaun
pengetahuan dalam system komputer modah sekali untuk disalin dan dipindahkan ke
sistem lain.
4
AI dapat lebih murah dari kecerdasan alami. Telah banyak dibuktikan bahwa
biaya membeli jasa dengan komputer lebih murah daripada bniaya 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
didokumentasikan dengan mudah denagn cara mencatat semua kegiatan yang
dilakuakn oleh sistem. Kecerdasan alami sulit untuk didokumentasi. Sebagai contoh,
seseorang bisa jadi melakukan penyimpualan, tetapi pada saat yang lain mungkin
tidak dapat melakuakan kembali proses penalaran yang membimbingnya ke
kesimpulan ataupun mengingat kembali asumsi-asumsi yang mendasari keputusan.
2.3 Bidang-bidang Aplikasi AI
Sejauh ini AI telah dipakai untuk melakuakn berbagai hal. Dengan segala
keterbatasannya, AI telah dipergunakan untuk:
Membuat aplikasi komputer yang sangat mudah bagi pemakai.
Meningkatakan pemecahan masalah secara cepat dan konsisten.
Membantu menyelesaikan masalah yang tidak dapat dipecahkan dengan cara
konvensional.
Membantu menyelesaikan masalah yang mengandung data yang tidak lengkap atau
kurang jelas.
Menangani informasi yang berlebihan (dengan cara melakukan pengikhtisaran
penginterpretasian informasi).
Meningkatkan produktifitas dalam melaksanakan banyak tugas.
Membantu melaksanakan pencarian data atau suatu pola berdasarkan jumlah data
yang sangat besar.
Bebrapa contoh penerapan AI :
Deep Blue adalah program catur yang pada tahun 1997 dapat mengalahkan pecatur
dunia Garry Kasparov dengan kedudukan 3,5-2,5.
Logic Theorist adalah program yang mampu membuktikan beberapa teorema yang
terdapat pada bab pertama buku Principia Matematica karya Whitehead dan Rusell.
5
SYSTRAN (http://www.systran.com) adalah perangkat kunak yang dapat dipakai
untuk melakukan penerjemahan dari dan ke bahasa-bahasa berikut: Jerman, Prancis,
Italia, Jepang, Korea, Rusia, Portugis, dan Spanyol.
Delco Electronic menciptakan sebuah mobil yang dapat mengemudi sendiri. Mobil ini
menggunakan pendeteksi tepi untuk tetap bertahan di jalan.
Volkeswagen AG (Jerman) menciptakan sistem kemudi otomatis.
Rich dan Knight (1991) memberikan domain tugas-tugas AI sebagaimana tercantum
dalam table di bawah ini:
6
Tugas-tudas biasa
Persepsi
o Visi
o Percakapan
Bahasa alami
o Pemahaman
o Pembangkitan
o Penerjemahan
Penalaran
Pengontrolan robot
Tugas-tugas formal
Permainan
o Catur
o Backgammon
o Checker
o Go
Matematika
o Geometri
o Logika
o Kalkulus integral
o Pembuktian sifat-sifat program
Tugas-tugas ahli
Keteknikan
o Perancangan
o Penemuan kesalahan
o Perencanaan mnufaktur
Analisis pengetahuan
Diagnosis pengetahuan
Analisis keuangan
.
7
AI
Aplikasi
Robotika
Aplikasi
Pengetahuan
Kognitif
Aplikasi
Antarmuka
Alami
O’Brien (2001) mengelompokan domain aplikasi utama AI saeperti terlihat pada
gambar di bawah, yang mencakup materi-materi baru seperti algoritma genetika dan agen
cerdas.
Sistem Pakar Persepsi Visual Bahasa Alami
Sistem Belajar Rangsanagn Pengenalan Percakapan
Logika Kabur Ketangkasan Antarmuka Multisensor
Algoritma Genetika Daya Penggerak Virtual Reality
Jaringan syaraf Navigasi
Agen Cerdas
1. Pengolahan Bahasa Alami
Pengolahan bahasa alami (natural language processing atau NLP) adalah bidang AI
yang berurusan dengan pemahaman bahasa manusia (Inggris, Jepang, Indonesia, dsb).
Kemajuan di bidang ini membuat komputer antara lain dapat malakukan penerjemahan dari
satu bahasa manusia ke bahasa manusia yang lain. SYSTRAN merupakan contoh program
yang mampumelakukan penerjemahan antarbahasa manuisa. Di lingkungan Web, Altavista
menyediakan program serupa yang diberi nama Babel Fish Translation. Intellect merupakan
contoh sistem permintaan berbahasa alami yang dapat digunakan untuk mengakses basis data.
Inti pengolahan bahasa alami ada dalam parser. Parser adalah bagian yang membaca
kaliamt dari bahasa sumber dan menguraikan serta menganalisis kata-kata yang terdapat di
dalam kalimat tersebut dan mencocokan dengan tatabahasa yang benar. Pendukung parser
adalah kamus yang berisi kosa kata. Keluaran parser akan diproses oleh bagian yang disebut
representasi pengetahuan, yang berperan dalam mengartikan kalimat masukan.
8
2. Visi Komputer
Istilah yang serupa dengan istilah ini yaitu persepsi visual dan pengenalan gambar.
Visi komputer adalah suatu bidang AI yang berurusan dengan pengnalan terhadap suatu
objek dan kemudian digunakan untuk pengambilan keputusan.
Konsep visi komputer sangat sederhana. Komputer dilengkapi dengan kemera vidieo ,
Kamera menangkap gambar dan mengolahnya menjadi isyarat-isyarat digital dan
menempatkannya dalam memori. Selanjutnya program AI akan menlakukan analisi terhadap
data gambar yang sudah ada dalam memori. Program inilah yang dapat mendeteksi
keberadaan objek-objek. Program seperti ini biasanya menggunakan pengolahan citra (image
processing), yaitu suatu bidang ilmu komputer yang berhubungan dengan mengolah gambar
untuk kepentingan seperti penjernihan gambar, pemerolehan tepi benda,dan pemampatan
gambar.
Dalam dunia industri visi komputer dapat digunakan untuk melakukan otomasi
terhadap kegiatan pengendaliaan kualitas produk. Dengan cara seperti ini produk yang cacat
dan yang baik dapat di pisahkan oleh mesin.
3. Pengenalaan Percakapan
Pengenalaan percakapan (voice/speech recorgnition ) adalah suatu proses yang
memungkinkan komputer dapat mengenali suara.teknologi seperti ini membuat khayalan
tentang penyamun dalam kisah Ali Baba yang membuka pintu gua dengan sauara dapat
diwujudkan.
Penerapaan pengenalaan percakapan antara lain digunakan untuk melakukan
pengetikan dokumen melalui suara dan untuk analisis sauara dalam program pemebelajaraan
bahasa asing,untuk menentukan pengucapakan kata oleh seseorang sesuai dengan penutur asli
atau tidak.
Saat ini teknologi sisntesis suara telah banyak digunakan. Sistesis suara adalah
teknologi yang memungkinkan computer dapat berbicara. Penerapannya pada berbagai
perusahaan dapat dilihat pada table di bawah ini:
9
Perusahaan Aplikasi
Scandinavian
Airlines
Menjawab permintaan informasi tentnag reservasi dan jadwal dan
bahkan mapu menangani keluhan tentnag bagasi.
Citibank Memberikan berbagai informasi kepada pemegang kartu.
Hospital Corporation
of America
Mengirimkan dan menerima data pasien dengan suara.
Weidner Insurance Melaksanakan riset pemasaran dan telemarketing.
Perusahaan mobil Mengaktifkan radio, pemanas, dan lain-lain dengan menggunakan
suara.
4. Robotika
Robot adalah peranti elektromagnetik yang dapat deprogram untuk melakukan
otomasi terhadap suatu tugas yang biasanya dilakukan manusia. Adapun robotika adalah studi
yang berhubungan dengan pembuatan robot. Robot banyak digunakan dalam dunia industri;
misalnya untuk melakukan pengelasan atau bahkan merakit mobil.
Dengan sentuhan AI, robot dapat dibuat menjadi cerdas, sehingga bias melakukan
pengambilan keputusan seperti halnya manusia. Robot seperti ini biasanya dilengkapi dengan
kamera yang bertindak sebagai sensor mata. Salah satu contoh robot seperti ini yaitu
RoboCup (http://www.robocup.org). Robot ini mampu bermain sepakbola. Pada tahun 2050
ditargetkan akan tercipta tim robot yang dapat mengalahkan tim sepakbola manusia yang
menjadi juara dunia.
Beberapa contoh robot yang lain:
Scrubmate adalah robot yang dapat membersihkan kamar mandi. Robot ini dilengkapi
dengan kontrol terkomputerisasi, memiliki sensor mata ultrasonic dan dilengkapi dengan
peralatan pembersih. Diciptakan oleh Joe Engleberger.
Sojourner adalah kendaraan robot beroda enam yang digunakan NASA pada ahun
1997 dalam ekxplorasi di planet Mars. Robot yang dilengkapi dengan mata laser ini dapat
mengambil sample atsmosfir dan tanah dan mengirimkan data dan foto ke bumi.
SICO adalah robot yang dikenal sebagai “The Robot Therapist” ini digunakan pada
sebuah rumah sakit di New York, yang membantu anak-anak yang memiliki masalah emosi.
Diciptakan oleh Robert Doornick.
10
5. System Pakar
System pakar adalah system yang meniru kepakaran (keahlian) seseorang dalam bidang
tertentu dalam menyelesaikan suatu permasalahan (Horn, 1986). Menurut Weiss dan
Kulikowski (1984), sistem pakar adalah system yang:
Menangani masalah-masalah kompleks dan nyata, yang memerlukan interpretasi seorang
pakar.
Menyelesaikan masalah-masalah tersebut dengan menggunakan model computer yang
memakai penalaran manusia asli dan menghasilkan kesimpulan yang sama dengan
kesimpulan yang akan dicapai manusia ahli jika menghadapi masalah-masalah yang sama.
Kadang kala system pakar juga disebut system berbasis pengetahuan (knowledge-
based system). Namun sebenarnya system pakar hanyalah salah satu macam system yang
berbasis pengetahuan.
Tabel bebrgai system pakar.
System Pakar Keterangna
BERT Merupakan system pakar untuk merancang bangunan.
DART/DASD Digunakan untuk mendiagnosis kerusakan computer.
DELTA Merupakan system pakar untuk mendiagnosis kerusakan pada mesin-
mesin diesel dan General Electric.
DENDRAL System pakar untuk menganalisis struktur molekul suatu senyawa kimia.
EL Merupakan system pakar yang dapat digunakan untuk
menganalisisrangkaian elektronika yang mengandung transistor, diode,
dan resistor.
FOLIO Merupakan system pakar untuk mengevaluasi investasi saham.
HEATINGS System pakar yang digunakan untuk mengendalikan proses pembajarna
batubara.
MYCIN System ini dikembangkan di Universitas Stanford pada pertengahan
1970-an dengan tujuan untuk membantu jurumedis dalam mendiagnosis
penyakit yang disebabkan bakteri.
OPERA System pakar ini berguna untuk mendiagnosis gangguan pada jaringan
computer PDP 11/70.
PROSPECTOR System ini diciptakan oleh Richard Duda, Peter Hard, dan Rene Reboh
pada tahun 1978 yang menyediakan kemampuan seperti seorang pakar
di bidang geologi.
11
PUFF System ini digunakan untuk mendiagnosis gangguan paru-paru.
REBES System pakar yang memebantu detektif menangani masalh kejahatan.
SHEARER System pakar untuk mendiagnosis kerusakan meisn pemotong batubatra.
XSEL System pakar ini dapat bertidak sebagai asisten penjual, yang membantu
penjual computer DEC memilihkan pesanan pelanggan sesuai
kebutuhan.
Aplikasi sistem pakar dapat dikelompokan ke dalam beberapa kategori, sebagaimana
tercantum di dalam table berikut:
Kategori Keterangan
Interpretasi Memberikan deskripsi terhadap suatu situasi melalui pengamatan.
Prediksi Perkiraan terhadap akibat dari suatu situasi.
Diagnosis Pendugaan terhadap suatu kesalahan atau gangguan system melalui
pengamatna.
Perancangan Melakukan konfigurasi objek berdasarkan kendala yang ada.
Perencanaan Pembuatna rencana unbtuk mencapai sasaran.
Pemntauan Melakukan perbandingan antara pengamatan dan rencana.
Debugging Melakukan pemecahan terhadap suatu kesalahan.
Reparasi Melakukan perbaikan.
Instruksi Melakukan diagnosis, debugging, dan pembetulan kinerja murid dan
system pembelajaran.
Kontrol Malakukan pengendalian terhadap system.
Sebuah system pakar mempunyai kemampuan berdialog dengan pemakai dan
kemudian memberikan suatu saran, pandangan, atau kesimpulan. Seperti halnya contoh di
bawah ini.
System pakar: Apakah buah berbentuk bulat?
Pemakai: Ya
System pakar: Apakah buah berwarna hijau ketika muda dan kuning ketika
sudah tua?
Pemakai: Tidak
System pakar: Apakah buah berwarna hijau ketika muda dan merah ketika
sudah tua?
12
Basis
Pengetahua
n
Mesin
Inferensi
Antarmuka
Pemakai
Fasilitas
Penjelas
Pemakai: Ya
System pakar: Apakah berbatang?
Pemakai: Ya
System pakar: Menurut pengetahuan yang saya miliki, Apel memiliki kriteria
yang Anda sebutkan.
Model konseptual system pakar yang paling umum mengandung 4 buah komponen
penting: basis pengetahuan (knowledge base), mesin inferensi (inference engine), fasilitas
penjelas, dan antarmuka pemakai. Hubungan keempat komponen ini diperlihatkan seperti
gambar berikut:
Pemakai
Basis pengetahuan merupakan komponen yang berisi pengetahuan-pengetahuan yang
berasal dari pakar, berisis sekumpulan fakta (fact) dan aturan (rule). Fakta berupa situasi
masalah dan teori tentang area masalah. Aturan adalah suatu arahan yang menggunakan
pengetahuan untuk memecahkan maslah pada bidang tertentu.
13
Buah berbentuk bulat
Warna hijau ketika muda dan kuning ketika sudah tua
Jeruk
Berbatang
Batang berduri
Buah berbentuk bulat
Warna hijau ketika muda dan hijau ketika sudah tua
Apel
Bebatang
Pada contoh di atas, terdapat dua buah aturan. Aturan pertama mendeskripsikan tanaman
jeruk dan yang kedua menjabarkan tanamna apel.
Ketika pemakai Ya untuk menjawab pertanyaan:
Apakah buah berbentuk bulat?
Pemakai dikatakan memberikan fakta berupa “Buah berbentuk bulat”.
Mesin inferensi adalah komponen yang menjadi otak system pakar. Bagian inilah
yanbg berfungsi melakukan penalaran dan mengambil kesimpulan.
Fasilits penjelas merupakan komponen yang berfungsi memberikan penjelasan kepada
pemakai yang memintanya. Jenis pertanyaan yang dapat ditangani biasanyha berupa
“Mengapa” dan “Bagaimana”. Tidak semua system pakar menyediakan bagian ini.
Antarmuka pemakai merupakan bagian yang menjembatani antara system dan
pemakai. Melalui bagian inilah pemakai berkomunikasi dengan system.
6. Logika Kabur
Logika kabur (Fuzzy logic) adalah suatu teknik yang digunakan untuk menangani
ketidakpastian pada masalah-masalh yang memiliki banyak jawaban. Teknik ini pertama kali
dikembangkan oleh Lofi A. Zadeh pada tahun 1965.
Banyak aktifitas manusia yang menggunakan pemikiran yang bersifat tidak pasti.
Sebagai contoh, adalah definisi usia muda, usia menengah, dan usia tua. Definisi tentang usia
seperti ini sebenarnya bersifat relative. Mungkin kita dengan mudah mengatakan bahwa usia
80 adalah usia tua, tapi bagaimana halnya dengan usia 50? Mungkin ada yang mengatakan
14
usia 50 tergolong usia menengah, tetapi orang lain barangkali akan mengklasifikasikannya
ke dalam usia tua.
Persoalan seperti di atas dapat ditangani dengan menggunakan logika kabur. Dalam
hal ini, setiap klasifikasi usi memiliki keanggotaan tersendiri, sebagaimana diperlihatkan
pada gambar di bawah ini.
Berdasarkan gambar di atas kita bisa mengatakan dengan tegas bahwa usia 80 adalah
usia tua (dengan derajat keanggotaan sama dengan 1) dan usia 10 adalah usia muda.
Berdasarkan gambar itu pula, kita bisa mengatakan bahwa uisa 30 tahun adalah usia
menengah ataupun usia muda dengan derajat keanggotaan sebesar 0,5.
Beberapa contoh aplikasi logika kabur :
Pengontrolan kereta bawah tanah di Sendai, Jepang.
Pengaturan mekanisme otofokus pada kamera dengan camcorder dan untuk
menghilangkan ganggua tangan karena tangan yang gemetar.
System pengereman mobil (Nissan).
Penghematan konsumsi daya listrik pada AC (Mitsubishi Heavy Industries, Tokyo).
Pemilihan saham.
7. Jaringan Saraf
Jaringan saraf (neurall network), terkadang disebut artificial neural network / ANN
atau komputasi saraf (neural computing), adalah suatu bidang AI yang meniru pola
pemrosesan dalam otak manusia yang berbasiskan pada pengenalan pola. Dalam prakteknya,
jaringan saraf tentu saja tidak sekompleks yang terjadi dalam otak manusia.
Tua
1
0,75
0,50
0,25
0
10 20 70 40 80 50 30 60
Muda Menengah
15
Otak manusia diperkirakan memiliki lebih dari 100 milyar sel otak yang dinamakan
neuron (yang berfungsi sebagai elemen pemrosesan). Setiap neuron memiliki kira-kira 1000
dendrite. Gambar 9.14 memperlihatkan keadaan dua buah sel dalam otak manusia
ANN adalah sekumpulan elemen pemrosesan dengan masing-masing subkelompok
melakukan komputasi tersendiri dan melewatkan hasilnya ke subkelompok berikutnya. Setiap
subkelompok bersifat independen.
Di dalam ANN, sekelompok elemen pemroses disebut lapisan (Layer). Lapisan
pertama dikenal dengan sebutan lapisan masukan dan lapisan terakhir dinamakan lapisan
keluaran. Adapun lapisan yang terletak di antara lapisan keluaran dan lapisan masukan
dinamakan lapisan tersembunyi.
Masukan
Keluaran
Lapisan
Masukan
Lapisan
Tersembun
yi
Lapisan
Keluaran
Lapisan
Simpulan
16
ANN menggunakan berbagai istilah yang berbeda dengan saraf manusia. Tabel di
bawah nini memperlihatkan perbedaan tersebut.
Saraf biologis Saraf buatan
Soma/neuron Simpul
Dendrites Masukan
Axon Keluaran
Synapse Bobot
Kecepatan rendan Kecepatan tinggi
Neuron sangat banyak
(milyaran)
Simpul terbatas (ratusam)
Seperti halnya manusia yang belajar dari contoh-contoh yang diterima, ANN juga dapat
mempelajari sesuatu dengan cara diberi pelatihan. Setelah melalui masa pelatihan, ANN
dapat melakukan pencocokan pola atau melakukan klasifikasi.
Berbagai aplikasi ANN :
Validasi tanda tangan.
Data mining (yaitu menemukan pola pada sekumpulan data yang besar).
Pengenalan wajah.
Pemilihan saham dan obligasi.
8. Alogaritma Genetika
Alogaritma genetika (biasa juga disebut komputasi adaptif (adaptive comuting)
diperkenalkan pertama kali oleh John H. Holland pada tahun 1975. Beliau adalah seorang
profesor psikologi dan ilmu komoputer di Universitas Michigin.
Alogaritma genetika adalah suatu pendekatan yang meniru kemampuan makhluk
hidup dalam beradaptasi dengan lingkun sehingga terbentuk proses evolusi untuk mengatasi
masalah dengan lebih baik. Teknik ini berhasil digunakan untuk menyimulasikan evolusi
biologi, geologi, dan ekosistem yang dalam dunia nyata memakan waktu waktu jutaan tahun.
Simulasinya hanya dilakukan dalam bebarapa menit (O’Brien, 2001).
Alogaritma genetika menggunakan aturan-aturan proses matematika yang dipakai
untuk menentukan cara kembinasi dari komponen-komponen proses dibentuk. Ada tiga cara
yang digunakan, yaitu mutasi, coressover, dan seleksi.
17
Mutasi : Mencoba kombinasi ptoses secara acak dengan mengevaluasi hasilnya.
Coressover : Mengombinasikan bagian dari hasil yang baik dengan harapan dapat
memperolah hasil yang lebih baik.
Seleksi : Memilih proses-proses yang baik dan membuang yang jelek.
Contoh aplikasi alogaritma genetika :
Para insinyur dari General Electric menggunakannya untuk merancang mesin pesawat
terbang berturbin jet, yang melibatkan persamaan-persamaan dengan kurang lebih 100
variabel dan 50 kekangan (Laudon dan Laudon, 1998, hal. 578).
Departemen psikologi pada New Mexico State University mengembangkan
alogaritma genetika untuk mengidentifikasi tersangka berdasarkan gambar rekaan dari
saksi (Haag, Cummings, dan Dawkins, 2000, hal 207).
9. Sistem Al Hibrida
System Al Hibrida atau terkadang dinamakan system cerdas hibrida (hybrid
intelligent system) adalah system yang menggabungkan beberapa teknologi AI untuk
memanfaatkan atau memadukan keunggulan masing-masing teknologi. Istilah seperti soft
computing (Jang, Sun, dan Mizutani, 1997), yang menggabungkan ANN, logika kabur,
alogaritma genetika, dan teknik AI konvensional, merupakan contoh system Al Hibrid.
Neurofuzzy merupakan contoh lain yang menggabungkan pemakaian ANN dan logika kabur.
System yang terakhir disebutkan ini banyak digunakan oleh perusahaan Jepang seperti
Matsushita dan Sharp; antara lain diterapkan pada mesin cuci dan kulkas.
18
10. Agen Cerdas
Agen cerdas (intelligent agent) kian populer seiring dengan perkembangan internet.
Namun, pengertian agen cerdas tidak harus selalu terkait dengan internet. Perlu diketahui,
beberapa nama lain yang juga menyatakan agen cerdas yaitu software agent, wizard,
knowbot, dan softbot.
Sebelum memahami makna agen cerdas, ada baiknya mengenali terlebih dulu makna
agen. Russel dan Norvig (1995, hal. 31) mendefinisikan agen sebagai “Segala sesuatu yang
dapat dipandang menangkap lingkungannya melalui sensor dan bertindak terhadap
lingkungan melalui efektor.” Sensor adalah bagian yang merangsang tindakan agen,
sedangkan efektor adalah bagian yang digunakan oleh agen untuk melakukan tindakan. Jika
dikatan dengan agen manusia, yang dimaksud dengan sensor antara lain adalah mata dan
telinga, sedangkan efektor antara lain berupa tangan, lengan, dan mulut. Pada agen berupa
robot, kamera atau inframerah bertindak sebagai sensor dan motor berfungsi sebagai efektor.
Agen berupa perangkat lunak, atau bisa disebut agen cerdas, adalah perangkat lunak
yang dapat bertindak seperti orang yang mampu berinteraksi dengan lingkungan. Agen
seperti ini telah banyak digunakan pada berbagai keperluan. Contoh :
Agen system operasi
Agen spreadsheet
Masukan
Praprosesor
Logika Kabur
Keluaran
19
Agen perdagangan elektronis
Agen system operasi dugunakan utnuk membantu pengguna system operasi. Contoh,
Microsoft memiliki sejumlah agen yang dinamakan Wizard pada system operasi yang
dibuatnya; misalnya Windows NT. Agen ini digunakan antara lain untuk menambah nama
pemakai, mengelola grup pemakai, dan manajemen berkas.
Agen spreadsheet digunakan untuk membuat program spreadsheet menjadi lebih
mudah digunakan oleh pemakai. Contoh, Office Assistant pada Excel dapat “mengamati”
pemakai dan jika terjadi sesuatu yang dipandang perlu untuk dibantu, agen cerdas ini akan
memberikan saran.
Agen untuk perdagangan elektronis digunakan untuk membantu pemakai yang akan
melakukan belanja secara online. Perangkat lunak seperti ini dapat membantu pemakai
dengan berbagai cara berikut (Agung dan Ibrahim, 2000, hal. 162).
1) Membantu pemakai menentukan produk yang dibeli.
2) Mencarkan spesifikasi dan mengkajinya.
3) Membuat rekomendasi.
4) Membandingkan belanja untuk mendapatkan harga terbaik untuk produk yang
dikehendaki.
5) Mengamati dan mengenalkan kepada pemakai penawaran dan diskon khusus.
Berbagai aplikasi yang lain antara lain untuk menyortir surat elektronis dan
mengamati hasil pertandingan suatu olahraga tertentu (misalnya sepakbola) dari berbagai
situs Web dan kemudian melaporkan hasilnya dalam bentuk surat elektronis ke para anggota
yang inginkan hasil tersebut.
2.4 Topik Lain-lain
Berbagai topik lain yang berhubungan dengan AI yang perlu untuk diketahui adalah
cyborg, artificial life, dan pembelajaran mesin (machine learning).
1. Cyborg
Yang dimaksud dengan cyborg adalah campuran antara mesin dan makhluk hidup.
Dalam film-film, cyborg sering digambarkan sebagai makhluk hidup yang dikontrol oleh
pihak lain. Dalam dunia nyata sebenarnya banyak manusia yang tergolong sebagai cyborg,
yaitu manusia yang telah dipasangi peranti-peranti elektronik di dalam tubuhnya (misalnya
alat pemacu jantung).
20
Di masa mendatang, cyborg dapat beruapa (1) bakteri yang diletakan dalam cip
komputer dan dapat digunakan untuk memetakan polutan, (2) serangga yang menjadi bagian
sensor pendeteksi senjata kimia, dan (3) otak binatang mengerat yang dipakai untuk
membantu mengidentifikasi obat baru (Williams dan Sewyer, 2003, hal. 390).
2. Rtificial Life
Artificial life atau A-Life adalah bidang sturi yang mempelajari dan memahami
kehidupan biologis dengan cara melakukan perpaduan dengan bentuk kehidupan buatan.
Bidang ini pertama kali diperkenalkan oleh Chris Langton.
Contoh A-Life yang paling terkenal adalah robot ikan yang dibuat Mitsubishi Heavy
Industries, Ltd (MHI) dan diberi nama Colecanth. Ikan buatan dengan panjang 70 cm ini
dapat berenang seperti layaknya ikan.
3. Pembelajaran Mesin
Pembelajaran mesin (machine learning) adalah system yang secara otomatis dapat
meningkatkan kinerjanya melalui pengalaman. Seperti halnya manusia, komputer diharapkan
dapat selalu belajar dari waktu ke waktu. Salah satu contoh yang menunjukan program yang
dapat belajar adalah program permainan dam yang diciptakan oleh AL. Samuel (1959).
Program ini dapat belajar cara mengalahkan pembuatnya maupun orang lain.
21
DAFTAR PUSTAKA
Kadir, Abdul & Terra CH. Triwahyuni. 2003. Pengenalan Teknologi Informasi. Yogyakarta:
Penerbit ANDI Yogyakarta
file:///E:/Image/5%20Artikel%20tentang%20Kecerdasan%20Buatan%20%E2%80%9CArtifi
cial%20Intelligent%E2%80%9D%20%C2%AB%20Butterfly%E2%80%99s%20Weblog
.htm
file:///E:/Image/Aplikasi%20Kecerdasan%20Buatan%20%28AI%29%20%C2%AB%20Blog
-TeKom%20_%20Belajar%20ilmu%20komputer.htm
file:///E:/Image/Kecerdasan_buatan.htm