Slide 1

PERTEMUANXIXIIXIIISistem cerdas (intelligent system) adalah sistem yang dibangun dengan menggunakan teknik-teknik artificial intelligence.

PengertianCabang AI6Pendahuluan, Pengantar kecerdasan buatan Kecerdasan buatan atau artificial intelligence merupakan salah satu bagian ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia.

PengertianCabang AI5Sudut pandang kecerdasan Kecerdasan Buatan akan membuat mesin menjadi cerdas (mampu berbuat seperti apa yang dilakukan oleh manusia) Sudut pandang penelitian.Kecerdasan Buatan adalah suatu studi bagaimana membuat agar komputer dapat melakukan sesuatu sebaik yang dikerjakan oleh manusia Sudut pandang bisnis.Kecerdasan buatan adalah kumpulan peralatan yang sangat powerful dan metodologis dalam menyelesaikan masalah-masalah bisnis.Sudut pandang pemrograman.Kecerdasan buatan meliputi studi tentang pemrograman simbolik, penyelesaian masalah (problem solving) dan pencarian (searching).belajar atau memahami dari pengalaman menemukan inti dari pesan yang ambigu atau bertentangan merespon dengan cepat dan tepat pada situasi baru menggunakan pertimbangan dalam memecahkan persoalan atau mengarahkan tindakan secara efektif menghadapi situasi yang membingungkan memahami dan menyimpulkan dengan cara rasional biasa menerapkan pengetahuan untuk memanipulasi lingkungan berfikir dan mempertimbangkan

Kecerdasan buatan lebih bersifat permanen Kecerdasan buatan lebih mudah diduplikasi & disebarkan Kecerdasan buatan lebih murah dibanding dengan kecerdasan alami Kecerdasan buatan bersifat konsisten Kecerdasan buatan dapat didokumentasi Kecerdasan buatan dapat mengerjakan pekerjaan lebih cepat dibanding dengan kecerdasan alami Kecerdasan buatan dapat mengerjakan pekerjaan lebih baik dibanding dengan kecerdasan alami Kreatif Kecerdasan alami memungkinkan orang untuk menggunakan pengalaman secara langsung. Sedangkan pada kecerdasan buatan harus bekerja dengan input-input simbolik.Pemikiran manusia dapat digunakan secara luas, sedangkan kecerdasan buatan sangat terbatas Cabang-cabang AILogical AILogika (matematis) yang merepresentasikan sekumpulan fakta dan tujuan ---> RUANG KEADAAN:GraphTreePengertianCabang AI14SearchPencarian keadaan baru dari keadaan sekarang yang akan menentukan pergerakan:Blind SearchDepth-First SearchBreadth-Firsh Search Heuristic SearchGenerate & TestHill ClimbingBest-First searchSimulated-AnnealingTabu SearchAlgoritma GenetikaPengertianCabang AI15RepresentationRepresentasi fakta-fakta (pengetahuan) dalam ruang keadaan:Logika (proposisi & predikat)TreeJaringan SemantikFrameNaskahKaidah ProduksiPengertianCabang AI16Pattern RecognitionPengenalan & pencocokan suatu pola terhadap sekumpulan pola.Pengolahan Bahasa AlamiJaringan Syaraf TiruanPengertianCabang AI17InferenceKemampuan untuk menarik kesimpulan berdasarkan pengetahuan.Forward ReasoningBackward ReasoningFuzzy Inference System (FIS)PengertianCabang AI18Learning from ExperienceMelakukan proses pembelajaran (pelatihan) dari pengetahuan atau pengalaman yang ada pada basis pengetahuan.Jaringan Syaraf TiruanPengertianCabang AI19Representasi pengetahuan Pertemuan IVREPRESENTASI PENGETAHUAN (KNOWLEDGE REPRE-SENTATION)Dimaksudkan untuk menangkap sifat-sifat penting masalah dan membuat infomasi dapat diakses oleh prosedur pemecahan masalah. Bahasa representasi harus dapat membuat seorang programmer mampu mengekspresikan pengetahuan untuk mendapatkan solusi suatu masalah.21REPRESENTASI PENGETAHUAN 1. Representasi Logika Representasi ini menggunakan ekspresi-ekspresi dalam logika formal untuk merepresentasikan basis pengetahuan.

2.Representasi Prosedural Menggambarkan pengetahuan sebagai sekumpulan instruksi untuk memecahkan suatu masalah. Dalam sistem yang berbasis aturan, aturan if-then dapat ditafsirkan sebagai sebuah prosedur untuk mencapai tujuan pemecahan masalah.22REPRESENTASI PENGETAHUAN3. Representasi Network Menyatakan pengetahuan sebagai sebuah graf dimana simpul-simpulnya menggambarkan obyek atau konsep dalam masalah yang dihadapi, sedangkan lengkungannya menggambarkan hubungan antar mereka. Contohnya adalah jaringan semantik.

23REPRESENTASI PENGETAHUAN4.Representasi Terstruktur Memperluas network dengan cara membuat setiap simpulnya menjadi sebuah struktur data kompleks yang berisi tempat-tempat bernama slot dengan nilai-nilai tertentu. Nilai-nilai ini dapat merupakan data numerik atau simbolik sederhana, pointer ke bingkai (frame) lain, atau bahkan merupakan prosedur untuk mengerja kan tugas tertentu. Contoh : skrip (script), bingkai (frame) dan obyek (object).

24Representasi PengetahuanLogikaPohonJaringan SemantikFrameNaskah (script)Kaidah Produksi

2527Klasifikasi LogikaTerdapat 5 jenis logika:Logika Proposisi (proportional logic)Logika Predikat (first-order logic)Logika Temporal (temporal logic)Teori probabilitas (probability theory)Logika Fuzzy (fuzzy logic)

Penalaran DeduktifPenalaran InduktifPenalaran DeduktifPenalaran dimulai dari prinsip umum untuk mendapatkan konklusi yang lebih khusus. Contoh:Premis Mayor:Jika hari hujan, saya tidak akan berangkat kuliah.Premis Minor:Hari ini hujan turun.Konklusi:Hari ini saya tidak akan berangkat kuliah.29Penalaran InduktifPenalaran dimulai dari fakta-fakta khusus untuk mendapatkan kesimpulan umum.Contoh:Premis-1 :Aljabar adalah pelajaran yang sulit.Premis-2 :Geometri adalah pelajaran yang sulit.Premis-3 :Kalkulus adalah pelajaran yang sulit.Konklusi:Matematika adalah pelajaran yang sulit. Munculnya premis baru bisa mengakibatkan gugurnya konklusi yang sudah diperoleh. 3032Contoh ProposisiGajah lebih besar daripada kucing.Ini suatu pernyataan ?yesIni suatu proposisi ?yesApa nilai kebenaran dari proposisi ini ?true33Contoh Proposisi (2)1089 < 101Ini pernyataan ?yesIni proposisi ?yesApa nilai kebenaran dari proposisi ini ?false34Contoh proposisi (3)y > 15Ini pernyataan ?yesIni proposisi ?noNilai kebenarannya bergantung pada nilai y, tapi nilai ini tidak spesifik. Kita katakan tipe pernyataan ini adalah fungsi proposisi atau kalimat terbuka. 36Contoh proposisi (5)Jangan tidur di kelas.Ini pernyataan ?noIni proposisi ?noHanya pernyataan yang dapat menjadi proposisi.Ini permintaan.37Contoh proposisi (6)Jika gajah berwarna merah,mereka dapat berlindung di bawah pohon cabe.Ini pernyataan ?yesIni proposisi ?yesApa nilai kebenaran proposisi tersebut ?probably false38Contoh proposisi (7)x < y jika dan hanya jika y > x.Ini pernyataan ?yesIni proposisi ?yesApa nilai kebenaran dari proposisi tsb ?true sebab nilai kebenarannya tidak bergantung pada nilai x dan y. 39Menggabungkan proposisiSeperti dalam contoh sebelumnya, satu atau lebih proposisi dapat digabung membentuk sebuah proposisi majemuk (compound proposition).

Selanjutnya, notasi proposisi diformalkan dengan menggunakan alfabet seperti p, q, r, s, dan dengan memperkenalkan beberapa operator logika. 40Operator Logika Negasi (NOT) Konjungsi - Conjunction (AND) Disjungsi - Disjunction (OR) Eksklusif Or (XOR) Implikasi (JIKA MAKA) Bikondisional (JIKA DAN HANYA JIKA)Tabel kebenaran dapat digunakan untuk menunjukkan bagaimana operator-operator tsb menggabungkan proposisi-proposisi.41Negasi (NOT)Operator Uner, Simbol: PPtruefalsefalsetrue42Conjunction (AND)Operator Biner, Simbol: PQPQtruetruetruetruefalsefalsefalsetruefalsefalsefalsefalseConjunction (AND)Hasil yang diperoleh akan bernilai benar jika kedua proposisi bernilai benar, dan akan bernilai salah jika salah satu dari kedua proposisi bernilai salah.44Disjunction (OR)Operator Biner, Simbol: PQPQtruetruetruetruefalsetruefalsetruetruefalsefalsefalseDisjunction (OR)Hasil yang diperoleh akan bernilai benar jika salah satu dari kedua proposisi bernilai benar, dan akan bernilai salah jika kedua proposisi bernilai salah

46Exclusive Or (XOR)Operator Biner, Simbol: PQPQtruetruefalsetruefalsetruefalsetruetruefalsefalsefalse47Implikasi (JIKA - MAKA)Implikasi p q adalah proposisi yang bernilai salah jika p benar dan q salah, dan bernilai benar jika lainnya.falsefalsetruetruetruefalsetruefalsefalsetruetruetruePQQP48Implikasi p qJika p, maka qJika p, qp mengakibatkan qp hanya jika qp cukup untuk qSyarat perlu untuk p adalah qq jika pq ketika pq diakibatkan pq setiap kali pq perlu untuk pSyarat cukup untuk q adalah p49P QP : Besok cuaca cerahQ : Aku akan datang ke rumahmu.50Contoh ImplikasiImplikasi Jika hari ini hari Jumat maka 2+3 > 7. bernilai benar untuk semua hari kecuali hari Jumat, walaupun 2+3 > 7 bernilai salah.

Kapan pernyataan berikut bernilai benar?Jika hari tidak hujan maka saya akan pergi ke Lembang.51Bikondisional (JIKA DAN HANYA JIKA)Operator Biner, Simbol: PQPQtruetruetruetruefalsefalsefalsetruefalsefalsefalsetrue52Pernyataan dan OperasiPernyataan-pernyataan dapat digabungkan dengan operasi untuk membentuk pernyataan baru. PQPQ (PQ)(P)(Q)truetruetruefalsefalsetruefalsefalsetruetruefalsetruefalsetruetruefalsefalsefalsetruetrue53Pernyataan yang EkivalenPQ(PQ)(P)(Q)(PQ)(P)(Q)truetruefalsefalsetruetruefalsetruetruetruefalsetruetruetruetruefalsefalsetruetruetruePernyataan (PQ) dan (P)(Q) ekivalen secara logika, karena (PQ)(P)(Q) selalu benar.54Soal latihan Misal nya p : dia tampan q : dia tinggi Tulislah setiap pernyataan berikut ke dalam bentuk simbol logika proposisi dengan menggunakan simbol p dan q Dia tinggi dan tampan Dia tinggi tetapi tidak tampan Tidak benar bahwa dia pendek atau tampan Dia tidak tinggi maupun tampan Dia tinggi, atau dia pendek dan tampan Tidak benar bahwa dia pendek atau tidak tampan 5455Buat Tabel kebenaran(P V Q)(P Q)(P Q) (P V Q)(P (Q R)) V (Q R) V (P R)56Tautologi dan KontradiksiTautologi adalah pernyataan yang selalu benar.

Contoh: R(R)(PQ)(P)(Q)

Jika ST suatu tautologi, kita tulis ST.Jika ST suatu tautologi, kita tulis ST.57Tautologi dan Kontradiksi (2)Kontradiksi adalah pernyataan yang selalu bernilai salah.

Contoh: R(R)((PQ)(P)(Q))

Negasi dari suatu tautologi adalah suatu kontradiksi, negasi dari kontradiksi adalah suatu tautologi. 58ContohTunjukkan tautologi :(P Q) QQ (P v Q)PQP QP v Q(P Q) QQ (P v Q)TTTTTTTFFTTTFTFTTTFFFFTT59Konversi, Kontrapositif, & Inversq p disebut konversi dari p qq p disebut kontrapositif dari p qp q disebut invers dari p q60Ekspresi LogikaContoh 4. Ubah ke dalam ekspresi logika:Anda mempunyai akses internet hanya jika anda mahasiswa Matematika ITB atau anda bukan mahasiswa TPB

Solusi. Misal a : Anda punya akses internet m: Anda mhs Matematika ITB f : Anda mhs TPB a (m f)61Ekspresi Logika (2)Soal 1. Ubah kedalam ekspresi logika.Anda tidak boleh naik roller coaster jika tinggi anda kurang dari 100 cm, kecuali usia anda sudah melebihi 16 th.Saya akan ingat tentang kuliah besok hanya jika kamu mengirim sms.Pantai akan erosi ketika ada badai