bab2laporankecerdasanbuatan

7/21/2019 Bab2LaporanKecerdasanBuatan

1/15

1

BAB II

TINJAUAN PUSTAKA

2.1 Kecerdasan Buatan

2.1.1 Pengertian Kecerdasan Buatan

Kecerdasan buatan (artificial intelligence) adalah bagian dari ilmu

komputer yang mempelajari tentang bagaimana sebuah komputer bisa

dibuat dengan sedemikian rupa agar dapat melakukan pekerjaan seperti

dan sebaik yang dilakukan oleh manusia. Menurut John McCarthy (1956),

kecerdasan buatan adalah suatu sistem komputer yang terbentuk untuk

mengetahui dan memodelkan proses-proses berpikir manusia dan

mendesain mesin agar dapat menirukan perilaku manusia.

Manusia bisa dengan pandai menyelesaikan masalah-masalah yang

muncul karena manusia memiliki pengetahuan dan pengalaman yang dapat

membantu dalam memecahkan masalah. Agar komputer dapat bertindak

seperti dan sebaik manusia maka komputer diberikan pengetahuan dan

kemampuan untuk menalar agar dapat memberikan pengalaman seperti

layaknya manusia.

Ada tiga tujuan kecerdasan buatan, yaitu: membuat komputer lebih

cerdas, mengerti tentang kecerdasan, dan membuat mesin lebih berguna.

Yang dimaksud kecerdasan adalah kemampuan untuk belajar atau

mengerti dari pengalaman, memahami pesan yang kontradiktif dan

ambigu, menanggapi dengan cepat dan baik atas situasi yang baru,

menggunakan penalaran dalam memecahkan masalah serta

menyelesaikannya dengan efektif (Winston dan Prendergast, 1994).

Kecerdasan buatan dapat dikelompokkan menjadi empat bagian,

yaitu:

a.

Sebuah sistem yang berpikir seperti manusia

b. Sebuah sistem yang dapat berpikir secara rasional

c.

Sebuah sistem yang berperilaku seperti manusia


2/15

2

d.

Sebuah sistem yang dapat berperilaku secara rasional

Lebih jauh lagi, berikut adalah beberapa definisi mengenai

kecerdasan buatan yang dapat diketahui, yaitu:

a.

Menurut Rich dan Knight (1991, p3)

Kecerdasan buatan merupakan ilmu yang mempelajari

bagaimana membuat sebuah komputer dan mengerjakan

sesuatu yang masih lebih baik dikerjakan manusia.

b. Menurut Rolston (1988, p15)

Kecerdasan buatan merupakan solusi berbasis komputer

terhadap masalah yang ada, yang menggunakan aplikasi

yang mirip dengan proses berpikir menurut manusia.

c. Menurut Setiawan (1993, p1)

Kecerdasan buatan dapat didefinisikan sebagai cabang ilmu

komputer yang mempelajari otomatisasi tingkah laku

cerdas.

2.1.2

Konsep Kecerdasan Buatan

Terdapat dua bagian utama yang diperlukan agar dapat melakukan

aplikasi kecerdasan buatan, seperti dapat terlihat pada Gambar 2.1, yaitu:

a. Basis pengetahuan (knowledge base), yang berisi fakta,

teori, pemikiran, dan hubungan satu dengan yang lainnya,

b. Motor inferensi (inference engine), yang berupa

kemampuan mesin untuk menarik kesimpulan berdasarkan

pengalaman.

Gambar 2.1Penerapan Konsep Kecerdasan Buatan di Komputer (Turban dan

Frenzel, 1992, p12)


3/15

3

2.1.3 Bidang-bidang Terapan pada Kecerdasan Buatan

Kecerdasan buatan adalah sebuah ilmu pengetahuan dan teknologi

yang berisikan ide-ide dan konsep yang diperuntukkan untuk sebuah

penelitian dan tidak untuk dipasarkan (Turban dan Aronson, 2001, p402-

406). Namun kecerdasan buatan menyediakan dasar-dasar ilmu

pengetahuan pada beberapa bidang teknologi yang dapat digunakan secara

komersial, di antaranya adalah:

a.

Sistem pakar (expert system)

Sebuah sistem komputer yang digunakan sebagai sarana

untuk menyimpan pengetahuan yang dimiliki oleh seorang

atau lebih pakar dengan tujuan agar komputer memiliki

keahlian untuk menyelesaikan permasalahan dengan meniru

keahlian yang dimiliki pakar tersebut.

b. Pengolahan bahasa alami (natural language processing)

Pemrograman sistem komputer dimana pengguna dapat

berkomunikasi dengan komputer dengan menggunakan

bahasa sehari-hari.

c. Pengenalan suara/ucapan (speech recognition)

Pengguna dapat berkomunikasi dengan komputer/memberi

perintah kepada komputer untuk melakukan suatu

pekerjaan.

d.

Robotika dan sistem sensorik (robotic and sensory systems)

Sebuah organ tubuh robotik yang dilengkapi oleh berbahai

sensor yang diprogram untuk mampu mendeteksi jenis

pekerjaan yang perlu dilakukan oleh organ tubuh tersebut.

e. Computer vision

Pemrograman sistem yang bertujuan untuk

menginterpretasikan gambar dan objek tampak melalui

komputer untuk proses lebih jauh.

f.

Intelligent computer-aided instruction


4/15

4

Sistem komputer yang digunakan untuk proses

pembelajaran/sebagai tutor yang dapat melatih dan

mengajar.

g.

Game playing

2.14 Kelebihan Kecerdasan Buatan

Kecerdasan buatan memiliki beberapa kelebihan dibandingkan

dengan kecerdasan yang dimiliki oleh manusia (Kusumadewi, 2003, p3-4),

yaitu:

a.

Bersifat lebih permanen. selama sistem dan program tidak

berubah, maka kecerdasan buatan tersebut tidak akan

berubah;

b. Lebih mudah untuk diduplikasi dan disebarkan dari satu

komputer ke komputer lain dibandingkan dengan

memindahkan pengetahuan dari satu manusia ke manusia

yang lain;

c.

Lebih murah dibandingkan dengan mendatangkan seorang

ahli;

d. Konsisten. Kecerdasan buatan merupakan sebuah teknologi

komputer sedangkan kecerdasan alami memiliki

kecenderungan untuk berubah;

e. Bisa didokumentasi. Tiap aktivitas yang dilakukan oleh

kecerdasan buatan dapat dilacak dengan mudah sedangkan

kecerdasan alamai termasuk sulit untuk direproduksi.

f. Mengerjakan pekerjaan dengan waktu lebih cepat dan lebih

baik.

2.2 Algoritma A*

2.2.1 Pengertian Algoritma A*

A* (A Star) adalah algoritma komputer untuk pncarian jarak

terdekat dan penelusuran rute yang dipublikasikan pada tahun 1968 oleh


5/15

5

Peter Hart, Nils Nilsson, dan Bertram Raphael (RSA) di Stanford Research

Institute (sekarang SRI International).

Algoritma ini menggunakan fungsi distance-plus-cost (dinotasikan

dengan f(x)) untuk menentukan urutan kunjungan pencarian titik pada

graf. f(x) merupakan penjumlahan dari dua fungsi path-cost (dinotasikan

dengan g(x)), dan perkiraan heuristik acak ke titik tujuan (dinotasikan

dengan h(x)). h(x) mungkin mewakili garis lurus jarak ke titik tujuan,

karena itu mungkin ada jarak terpendek antara dua titik.

Fungsi heuristik pada A* digunakan untuk memperhitungkan jarak

yang didapat dari jarak sebenarnya ditambah jarak perkiraan. Dalam notasi

matematika dituliskan sebagai berikut:

f(x) = g(x) + h(x)

Keterangan:

g(x) = total jarak didapat dari node awal ke node sekarang

h(x) = jarak estimasi node tujuan, sebuah fungsi heuristik untuk

membuat perkiraan seberapa jauh lintasan yang akan diambil ke

node tujuan

f(x) = jumlah dari g(x) dan h(x)

Heuristik yang digunakan pada tulisan ini yaitu Manhattan

Distance. Fungsi heuristik ini akan menjumlahkan selisih nilai x dan nilai

y dari dua buah titik. Perhitungan dapat ditulis sebagai berikut:

h(x) = abs(n.x - goal.x) + abs(n.y - goal.y)

Keterangan:

h(x) = perkiraan jarak dari node sekarang ke node tujuan

n.x = koordinat x dari node n

goal.x = koordinat x dari node tujuan

n.y = koordinat y dari node n

goal.y = koordinat y dari node tujuan


6/15

6

Pada algoritma ini pencarian node yang paling mendekati solusi

nantinya akan disimpan suksesornya ke dalam list sesuai dengan ranking

yang paling mendekati hasil terbaik. Algoritma ini akan mengunjungi

setiap node selama node itu adalah yang terbaik. Bila node yang

dikunjungi ternyata tidak mengarah ke hasil yang diinginkan, maka akan

melakukan penelusuran balik ke arah node yang terakhir dikunjungi.

Apabila tidak dapat ditemukan juga, maka akan terus menelusuri ulang

mencari ke arah node awal sampai dapat ditemukan node yang lebih baik

kemudian untuk dibandingkan dengan suksesornya (Phaneendhar R V,

2011).

2.2.2 Cara Kerja Algoritma A*

Dalam penerapannya, untuk merepresentasikan node-node pada

graph/tree, maka digunakan dua buah himpunan, yaitu open list dan close

list. Setiap kali menelusuri sebuah node yang baru, maka node tersebut

dibandingkan dengan node-node lain yang berada di dalam open list dan

close list, untuk memeriksa apakah node baru tersebut sudah pernah

ditelusuri atau belum. Open listberisi node-node yang telah ditelusuri dan

telah dihitung nilai heuristic-nya, tetapi belum diperiksa (misalnya

suksesor suatu node). Sedangkan close listberisi node-node dari open list

yang telah diperiksa.

Menurut Rich dan Knight (1001, p76), cara kerja Algoritma A*

adalah:

1.

Dimulai dengan open list yang hanya berisi initial node. Set nilai g

dari node tersebut menjadi 0, dan nilai h sesuai heuristic sehingga

nilai f adalah h-0 = h. Set close listberupa list kosong.

2. Hingga node tujuan ditemukan, ulangi prosedur berikut:

Jika tidak ada node yang terdapat pada open list, maka laporkan

kekeliruan. Jika tidak, ambil node pada open list yang memiliki

nilai f terendah dan namakan sebagai best node. Pindahkan lagi

dari open list, masukkan ke close list. Periksa apakah best node


7/15

7

merupakan node tujuan. Jika ya, maka keluar dari prosedur ini dan

laporkan hasilnya (termasuk node yang telah dihasilkan dari node

awal ke node tujuan). Jika tidak, buat suksesor-suksesor dari best

node, tetapi jangan menentukan best node menunjuk ke mereka.

Suksesor-suksesor tersebut perlu diperiksa apakah pernah dibuat

sebelumnya. Untuk setiap suksesor, lakukan langkah-langkah

berikut:

Set suksesor menunjuk kembali ke best node. Link ke

belakang ini memungkinkan jalur yang terbentuk

dipulihkan setelah hasilnya ditemukan.

Hitung g(suksesor) = g(best node) + biaya yang diperlukan

untuk mencapai dari best node ke suksesor.

Lihat apakah suksesor sama dengan node yang berada di

open list. Jika ya, maka namakan sebagai old. Bila node ini

ada dalam tree, maka suksesor dapat dikeluarkan dari tree

dan ditambahkan old dalam daftar suksesornya best node.

Sekarang harus ditentukan apakah link ke parent dari old

perlu diubah menjadi menunjuk ke best node. Hal ini dapat

terjadi bila rute yang baru saja ditemukan menuju suksesor

lebih murah atau lebih baik dari rute terbaik yang ada

sekarang ke old (bila old dan suksesor adalah titik yang

sama). Jadi lihat apakah lebih murah untuk menuju ke old

melaluiparent yang sekarang atau kesuksesor melalui best

node dengan membandingkan nilai g-nya. Jika old lebih

murah atau sama, maka tidak dilakukan apapun. Jika

suksesor lebih murah, maka ubah link parent dari old

menunjuk ke best node lalu simpan rute ke dalam g(old)

dan perbarui f(old).

Jika suksesor tidak terdapat pada open list, lihat apakah

terdapat pada close list. Jika ya, maka namakan sebagai

close list old dan tambahkan ke daftar suksesor dan best


8/15

8

node.periksa apakah rute yang baru ini lebih baik daripada

rute pada langkah 2(c) dan set link parent, nilai g dan f. Jika

rutenya lebih baik, maka lakukan perbaikan pada suksesor

dari old dengan pergerakan secara depth-first dimulai dari

old, ubah nilai g dan f tiap node, akhiri tiap cabang bila

telah mencapai node yang tidak memiliki suksesor atau

menentukan rute yang lebih baik dari sebelumnya. Tiap link

parent dari node menunjuk ke parent terbaiknya. Saat

menyebarkan node ke bawah, lihat apakah parent-nya

menunjuk ke titik awal. Jika ya, maka lanjutkan

penyebaran. Jika tidak, maka nilai g-nya mencerminkan

rute yang lebih baik dan penyebaran dihentikan di sini.

Tetapi mungkin dengan nilai baru g yang node-nya

disebarkan ke bawah menjadi rute yang lebih baik dari rute

yang melalui parent yang sekarang. Jika dibandingkan

keduanya. Jika rute melalui parent yang sekarang masih

lebih baik, maka hentikan penyebaran.

Jika suksesor tidak pernah ada di open list atau close list,

maka masukkan ke open list dan tambahkan ke daftar

suksesor dari best node. Hitung f(suksesor) = g(suksesor) +

h(suksesor).

2.2.3 Contoh Algoritma A*

Gambar 2.2 Kondisi Awal


9/15

9

Posisi node awal = Ax : 0, Ay : 0

Posisi node tujuan = goal.x : 2, goal.y : 2

a. Langkah kesatu

n (1,1) : g (1,1) = 1

h_orthogonal(n) = (abs(n.x-goal.x) + abs(n.y-goal.y))

h_orthogonal(1,1) = (abs(1 - 2) + abs(1 - 2))

= (abs(-1) + abs(-1))

= 2

h_diagonal(n) = min(abs(n.x-goal.x) + abs(n.y-

goal.y))

h_diagonal(1,1) = min(abs(1 - 2)+abs(1 - 2))

= min(abs(-1)+abs(-1))

= min 2

h(n) = h_diagonal(n) + (h_orthogonal (n)(2 * h_diagonal(n)))

h(1,1) = (-2) + (2-(2*(-2)))

= -2 + 6

= 4

f (1,1) = g (1,1) + h (1,1)

= 1 + 4

= 5

n (1,0) : g (1,0) = 1



= (abs(-1) + abs(-2))

= 3

h_diagonal(n) = min(abs(n.x-goal.x), abs(n.y-

goal.y))




10/15

10

= min 3


h(1,0) = (- 3) + (3-(2*(-3)))

= -3 + 9

= 6

f (1,0) = g (1,0) + h (1,0)

= 1 + 6

= 7

n (0,1) : g (0,1) = 1



= (abs(-2) + abs(-1))

= 3


goal.y))



= min 3


h(0,1) = (-3) + (3-(2*(-3)))

= -3 + 9

= 6

f (0,1) = g (0,1) + h (0,1)

= 1 + 6

= 7


11/15

11

Gambar 2.3 Langkah Pertama

Pada Gambar 2.3 terdapat tiga node yang mungkin menjadi

best node, yaitu (1,0) dengan f(n) = 1, (1,1) dengan f(n) = 5, dan

(0,1) dengan f(n) = 7. Maka dipilih node (1,1) dengan biaya

terkecil, yaitu 5.

b. Langkah kedua

n (2,2) : g (2,2) = 2



= (abs(0) + abs(0))

= 0


goal.y))


= min(abs(0)+abs(0))

= min 0


h(0,1) = (-0) + (0-(2*(-0)))

= 0 + 0

= 0

f (2,2) = g (2,2) + h (2,2)

= 2 + 0

= 2


12/15

12

Gambar 2.4 Langkah Kedua

Pada Gambar 2.4 terdapat satu node yang mungkin menjadi

best node, yaitu (2,2) dengan f(n) = 2 dan dikenali sebagai node

tujuan, yaitu (2,2). Maka solusi telah ditemukan.

Gambar 2.5 Hasil

2.3 Java

Java adalah bahasa pemrograman yang disusun oleh James Gosling dan

rekan-rekannya seperti Patrick Naughton, Chris Warth, Ed Rank, dan Mike

Sheridan di suatu perusahaan perangkat lunak yang bernama Sun Microsystems

pada tahun 1991. Bahasa pemrograman ini mula-mula diinisialisasi dengan nama

Oak, namun pada tahun 1995 diganti menjadi Java.

2.3.1 Arsitektur Java

Secara arsitektur, Java tidak berubah sedikit pun semenjak awal

mula bahasa tersebut dirilis. Kompiler Java (yang disebut dengan javac

atau Java Compiler) akan mentransformasikan kode-kode dalam bahasa

Java ke dalam suatu bytecode.Bytecode adalah sekumpulan perintah hasil

kompilasi yang kemudian dapat dieksekusi melalui sebuah mesin


13/15

13

komputer abstrak, yang disebut dengan JVM (Java Virtual Machine).

JVM juga sering dinamakan sebagai interpreter, karena sifatnya yang

selalu menerjemahkan kode-kode yang tersimpan dalam bytecode dengan

cara baris demi baris.

2.3.2 Java 1

Pada awal rilisnya, versi lama Java masih dikenal dengan sebutan

JDK (Java Development Kit). Semua kebutuhan untuk pengembangan dan

eksekusi program dalam JDK masih terdabung menjadi satu. Penamaan ini

berlaku sampai Java 1.1. Setelah Java 1. 2 rilis, Sun Microsystems

menamainya dengan JDSK (Java Software Development Kit). Pada JDSK,

kebutuhan untuk pengembangan program dipisahkan dengan kebutuhan

eksekusi program. Bagian software yang digunakan untuk kebutuhan

eksekusi program disebut dengan JRE (Java Runtime Environment).

2.3.3 Java 2

Pada perkembangan selanjutnya, Sun Micorsystems

memperkenalkan Java versi 1.2 atau lebih dikenal dengan nama Java 2

yang terdiri atas JDK dan JRE versi 1.2. Aplikasi-aplikasi Java yang

kompatibel dengan Java ini dikenal denganJava 2 Compliant. Pada Java 2

ini, Java dibagi menjadi tiga kategori, yaitu:

1. Java 2 Standard Edition (J2SE)

Kategori ini digunakan untuk menjalankan dan

mengembangkan aplikasi-aplikasi Java pada level PC (Personal

Computer).

2. Java 2 Enterprise Edition (J2EE)


mengembangkan aplikasi-aplikasi Java pada lingkungan

enterprise, dengan menambah fungsionalitas-fungsionalitas Java

semacam EJB (Enterprise Java Bean), Java COBRA, servlet dan

JSP, serta Java XML (Extensible Markup Language).


14/15

14

3.

Java 2 Micro Edition (J2ME)


mengembangkan aplikasi-aplikasi Java pada handled devices atau

perangkat-perangkat semacam handphone, PDA, dan PocketPC.


15/15

15

DAFTAR PUSTAKA

1. http://library.binus.ac.id/eColls/eThesisdoc/Bab2/2010-2-00250-

if%20bab%202.pdf

2. http://repository.usu.ac.id/bitstream/123456789/42380/4/Chapter%20II.pd

f

3. http://thesis.binus.ac.id/Asli/Bab2/2008-1-00087-IF%20Bab%202.pdf

4. http://elib.unikom.ac.id/files/disk1/439/jbptunikompp-gdl-dwirezekim-

21927-11-12uniko-i.pdf

5.

http://elib.unikom.ac.id/files/disk1/483/jbptunikompp-gdl-dewinurulr-

24110-5-unikom_d-i.pdf
http://library.binus.ac.id/eColls/eThesisdoc/Bab2/2010-2-00250-if%20bab%202.pdfhttp://library.binus.ac.id/eColls/eThesisdoc/Bab2/2010-2-00250-if%20bab%202.pdfhttp://library.binus.ac.id/eColls/eThesisdoc/Bab2/2010-2-00250-if%20bab%202.pdfhttp://library.binus.ac.id/eColls/eThesisdoc/Bab2/2010-2-00250-if%20bab%202.pdfhttp://library.binus.ac.id/eColls/eThesisdoc/Bab2/2010-2-00250-if%20bab%202.pdfhttp://repository.usu.ac.id/bitstream/123456789/42380/4/Chapter%20II.pdfhttp://repository.usu.ac.id/bitstream/123456789/42380/4/Chapter%20II.pdfhttp://repository.usu.ac.id/bitstream/123456789/42380/4/Chapter%20II.pdfhttp://repository.usu.ac.id/bitstream/123456789/42380/4/Chapter%20II.pdfhttp://repository.usu.ac.id/bitstream/123456789/42380/4/Chapter%20II.pdfhttp://thesis.binus.ac.id/Asli/Bab2/2008-1-00087-IF%20Bab%202.pdfhttp://thesis.binus.ac.id/Asli/Bab2/2008-1-00087-IF%20Bab%202.pdfhttp://elib.unikom.ac.id/files/disk1/439/jbptunikompp-gdl-dwirezekim-21927-11-12uniko-i.pdfhttp://elib.unikom.ac.id/files/disk1/439/jbptunikompp-gdl-dwirezekim-21927-11-12uniko-i.pdfhttp://elib.unikom.ac.id/files/disk1/439/jbptunikompp-gdl-dwirezekim-21927-11-12uniko-i.pdfhttp://elib.unikom.ac.id/files/disk1/439/jbptunikompp-gdl-dwirezekim-21927-11-12uniko-i.pdfhttp://elib.unikom.ac.id/files/disk1/439/jbptunikompp-gdl-dwirezekim-21927-11-12uniko-i.pdfhttp://elib.unikom.ac.id/files/disk1/483/jbptunikompp-gdl-dewinurulr-24110-5-unikom_d-i.pdfhttp://elib.unikom.ac.id/files/disk1/483/jbptunikompp-gdl-dewinurulr-24110-5-unikom_d-i.pdfhttp://elib.unikom.ac.id/files/disk1/483/jbptunikompp-gdl-dewinurulr-24110-5-unikom_d-i.pdfhttp://elib.unikom.ac.id/files/disk1/483/jbptunikompp-gdl-dewinurulr-24110-5-unikom_d-i.pdfhttp://elib.unikom.ac.id/files/disk1/483/jbptunikompp-gdl-dewinurulr-24110-5-unikom_d-i.pdfhttp://elib.unikom.ac.id/files/disk1/483/jbptunikompp-gdl-dewinurulr-24110-5-unikom_d-i.pdfhttp://elib.unikom.ac.id/files/disk1/483/jbptunikompp-gdl-dewinurulr-24110-5-unikom_d-i.pdfhttp://elib.unikom.ac.id/files/disk1/439/jbptunikompp-gdl-dwirezekim-21927-11-12uniko-i.pdfhttp://elib.unikom.ac.id/files/disk1/439/jbptunikompp-gdl-dwirezekim-21927-11-12uniko-i.pdfhttp://thesis.binus.ac.id/Asli/Bab2/2008-1-00087-IF%20Bab%202.pdfhttp://repository.usu.ac.id/bitstream/123456789/42380/4/Chapter%20II.pdfhttp://repository.usu.ac.id/bitstream/123456789/42380/4/Chapter%20II.pdfhttp://library.binus.ac.id/eColls/eThesisdoc/Bab2/2010-2-00250-if%20bab%202.pdfhttp://library.binus.ac.id/eColls/eThesisdoc/Bab2/2010-2-00250-if%20bab%202.pdf

bab2laporankecerdasanbuatan

Documents