jawaban uts

6
ANDRI GANDA SAPUTRA 2015 POLITEKNIK TEDC BANDUNG [UJIAN TENGAN SEMESTER] KECERDASAN BUATAN

Upload: andri-saputra-nico-waas

Post on 07-Nov-2015

10 views

Category:

Documents


1 download

DESCRIPTION

sepp

TRANSCRIPT

  • ANDRI GANDA SAPUTRA

    2015

    POLITEKNIK TEDC BANDUNG

    [UJIAN TENGAN SEMESTER] KECERDASAN BUATAN

  • JAWABAN UTS

    KECERDSAN BUATAN

    NAMA : ANDRI GANDA SAPUTRA

    PROGRAM STUDI :TEKNIK INFORMATIKA

    1. Kecerdasan Buatan adalah bidang ilmu komputer (computer science) yang khusus ditujukan untuk

    membuat perangkat lunak dan perangkat keras yang sepenuhnya bisa menirukan beberapa fungsi otak

    manusia

    Konsep Kecerdasan Buatan

    struktur data yang digunakan dalam representasi pengetahuan (knowledge

    representation),

    algoritma yang diperlukan dalam penerapan pengetahuan itu.

    Teknik-teknik bahasa dan pemrograman yang dipakai dalam implementasinya

    2. Perbedaan kecerdasan Buatan dan Alami

    Kecerdasan buatan memiliki kelebihan-kelebihan, yaitu memiliki logika dan dapat menyelesaikan

    masalah, dapat berpikir, dan berlogika seperti pikiran manusia ada juga yang tidak seperti manusia.

    3. Representasi Pengetahuan adalah penangkapan sifat sifat penting problema dan membuat

    informasi tersebut dengan dapat diakses oleh prosedur pemecahan masalah. Klasifikasi dari

    representasi pengetahuan di bagi menjadi 4 kategori :

    a. Representasi logika

    Representasi jenis ini menggunakan ekspresi-ekspresi dalam logika formal untuk merepresentasikan

    basis pengetahuan.

    b. Representasi procedural

    Representasi yang menggambarkan pengetahuan sebagai kumpulan instruksi untuk memcahkan suatu

    problema.

    c. Representasi network

    Representasi ini menangkap pengetahuan sebagai sebuah graf dimana simpul-simpulnya

    menggambarkan obyek atau konsep dari problema yang dihadapi, sedangkan edgenya mengambarkan

    hubungan atau asosiasi antar mereka.

    d. Representasi terstruktur

    Representasi terstruktur memperluas network dengan cara membuat setiap simpulnya menjadi struktur

    data kompleks.

    4. Model Representasi Pengetahunan

    Terdapat beberapa model atau bentuk representasi pengetahuan yang telah dikembangkan, yaitu :

  • Logika

    Jaringan Semantik (Semantic nets)

    Object-Attribute-Value (OAV)

    Bingkai (Frame)

    Aturan Produksi (production rule)

    5. Perbedaan komputansi Konvensional dan Komputasi berbasis Kecerdasan

    KOMPUTASI KONVENSIONAL KECERDASAN BUATAN

    Menggunakan fungsi otak manusia Meniru beberapa fungsi otak manusia

    Komputer diperintahkan untuk

    menyelesaikan suatu masalah

    Komputer diberitahu tentang suatu

    masalah

    Hanya dapat ditulis dalam bahasa

    pemrograman biasa

    Programnya dapat ditulis dalam semua

    bahasa pemrograman termasuk bahasa

    pemrograman khusus untuk aplikasi KB

    Dapat dijalankan pada semua jenis

    komputer tetapi tidak dibuatkan hardware

    khusus

    Dapat dibuatkan hardware khusus dan

    dapat pula dijalankan pada semua jenis

    komputer

    Komputer diberikan data dan program yang

    berisi spesifikasi langkah demi langkah

    bagaimana cara data itu digunakan dan

    diolah untuk menghasilkan solusi

    Komputer diberi pengetahuan tentang

    suatu wilayah subyek masalah tertentu

    dengan ditambah kemampuan inferensi

    Didasarkan pada suatu algoritma yang

    dapat berupa rumus matematika atau

    prosedur berurutan yang tersusun jelas

    Didasarkan pada repesentasi dan

    manipulasi simbol

    Pengolahan obyek bersifat kualitatif Pengolahan obyek bersifat kuantitatif

    Representasi informasi dan jawaban yang

    eksak

    Representasi informasi yang tidak eksak

    dan jawaban yang memuaskan

  • 6. Pertimbangan dalam membangun system berbasis kecerdasan buatan agar mampu menyelesaikan

    permasalahan adalah

    Mendefinisikan masalah dengan tepat. Pendefinisian ini mencakup spesifikasi yang tepat

    mengenai keadaan awal dan solusi yang diharapkan.

    Menganalisis masalah tersebut serta mencari beberapa teknik penyelesaian masalah yang

    sesuai.

    Merepresentasikan pengetahuan yang perlu untuk menyelesaikan masalah tersebut.

    Memilih teknik penyelesaian masalah yang terbaik

    7. Pencarian Buta ( Blind Search ) adalah tidak ada informasi awal yang digunakan dalam proses

    pencarian. Contoh metode Blind Search :

    a. Pencarian melebar pertama (Breadth First Search)

    Semua node pada level n akan dikunjungi terlebih dahulu sebelum mengunjungi node-node

    pada level n+1.

    Pencarian dimulai dari node akar terus ke level 1 dari kiri ke kanan, kemudian berpindah ke level

    berikutnya dari kiri ke kanan hingga solusi ditemukan.

    b. Pencarian mendalam pertama (Depth First Search)

    Pencarian dilakukan pada suatu simpul dalam setiap level dari yang paling kiri.

    Jika pada level yang paling dalam tidak ditemukan solusi, maka pencarian dilanjutkan pada

    simpul sebelah kanan dan simpul yang kiri dapat dihapus dari memori.

    Jika pada level yang paling dalam tidak ditemukan solusi, maka pencarian dilanjutkan pada level

    sebelumnya. Demikian seterusnya sampai ditemukan solusi.

    8. Pencarian Heuristik Search adalah adanya informasi awal yang digunakan dalam proses pencarian.

    a. Generate and Test (Pembangkitan dan Pengujian)

    b. Best First Search

    c. Hill Climbing (Pendakian Bukit)

    1. Simple HC

    2. Steepest-Ascent HC

    9. Logika Fuzzy adalah Suatu cara untuk merepresentasikan dan menangani masalah ketidakpastian

    (keraguan, ketidaktepatan, kekurang-lengkapan informasi, dan kebenaran yang bersifat sebagian).

    Perbedaan mendasar logika tegas dengan logika fuzzy adalah nilai keluarannya. Logika tegas hanya

    memiliki dua nilai output yaitu 0 atau 1, sedangkan logika fuzzy meimiliki nilai antara 0 sampai 1, logika

    fuzzy memiliki banyak nilai keluaran yang dikenal dengan derajat keanggotaannya.

    10. Jaringan Saraf Tiruan ( JSN) adalah jaringan dari sekelompok unit pemroses kecil yang dimodelkan

    berdasarkan jaringan saraf manusia/suatu sistem pemrosesan informasi yang mencoba meniru kinerja

    otak manusia.

  • Jaringan Saraf Tiruan merupakan sistem adaptif yang dapat merubah strukturnya untuk

    memecahkan masalah berdasarkan informasi eksternal maupun internal yang mengalir melalui jaringan

    tersebut.

    Secara sederhana, JST adalah sebuah alat pemodelan data statistik non-linier. JST dapat digunakan

    untuk memodelkan hubungan yang kompleks antara input dan output untuk menemukan pola-pola

    pada data. Jaringan Syaraf Tiruan merupakan generalisasi model matematis dari sel saraf biologis.

    Perbedaan Jaringan Syaraf Tiruan dan Biologi

    Jaringan Syaraf Tiruan Jaringan Syaraf Alami ( Biologi )

    Memformulasikan model matematis sel-

    sel otak

    Kinerja sel sel otak manusia dari berfikir sampai

    gerakan

    Asumsi model matematis strukturnya :

    Pemrosesan informasi terjadi pada

    elemen sederhana (neuron)

    Sinyal dikirimkan diantara neuron

    neuron melalui penghubung (dendrit

    dan akson)

    Penghubung antar elemen memiliki

    bobot yang akan menambah atau

    mengurangi sinyal

    Untuk menentukan output, setiap

    neuron memiliki fungsi aktivasi (biasanya

    non linier) yang dikenakan pada semua

    input

    Besar output akan dibandingkan

    dengan threshold

    Dilihat struktur sel sel alami nya :

    Dendrit merupakan suatu perluasan

    dari somayang menyerupai rambut dan

    bertindak sebagai saluran masukan.

    Saluran masukan ini menerima masukan

    dari sel saraf lainnya melalui sinapsis.

    Soma dalam hal ini kemudian memproses

    nilai masukan menjadi sebuah output yang

    kemudian dikirim ke sel saraf lainnya

    melalui akson dan sinapsis.

    Memodelkan hubungan yang kompleks

    antara input dan output untuk

    menemukan pola-pola pada data

    Sel saraf biologi mempunyai struktur yang lebih

    kompleks dan lebih canggih

    11. Mengapa Sistem Pakar diperlukan dalam dunia nyata, karena kita mengharapkan agar computer

    dapat melakukan kegiatan sebagaimana mestinya atau sebagaima yang telah pakar/para ahli lakukan.

    12. Contoh aplikasi sistem pakar :

    medical diagnostic

    electronics circuit diagnostic

    mineral exploration

    CAI (Computer Aided Instruction)

    Delta