Kecerdasan Buatan, 2009 1. Jelaskan komponen-komponen sistem cerdas serta fungsi masing-masing dan ketekaitan antar komponen tersebut Jawab: a. User Interface/Antar muka pengguna Antar muka pengguna adalah mekanisme komunikasi antara pengguna dan sistem, yang mana pengguna dapat memasukkan perintah yang dapat dimengerti oleh sistem dan sistem menyajikan informasi yang juga dapat dimengerti oleh pengguna. b. Basis Pengetahuan/Knowladge Base Basis pengetahuan yang mengandung pengetahuan untuk: pemahaman, formulasi, dan penyelesaian masalah. Knowlladge Base terdiri dari 2 komponen: Fakta: Informasi tentang obyek dalam masalah tertentu Aturan: Tentang bagaimana cara memperoleh fakta yang baru dari fakta yang telah diketahui. c. Akuisisi Pengetahuan/Knowladge Acquisition Adalah akumulasi, transfer, dan transformasi keahlian dalam penyelesaikan masalah dari sumber pengetahuan kedalam computer. Metode akuisisi pengetahuan: Wawancara (mewawancarai seorang pakar secara langsung) Analisis protocol (seorang pakar diminta untuk mengungkapkan keahliannya dalam bentuk kata-kata yang kemudian di rekam, ditulis dan di analisis) Observasi pada pekerjaan pakar (pekerjaan dalam bidang tertentu diamati kemudian direkam dan diobservasi) Induksi aturan dari contoh(mengumpulkan contoh-contoh kasus yang telah diketehui yang kemudian sebagai library untuk menyelesaikan masalah yang belum diketahui)

d. Inference Engine Adalah mesin Inferensi adalah program computer yang memberikan metodologi untuk penalaran tentang informasi yang ada dalam basis pengetahuan dan dalam workplace, dan untuk memformulasi kesimpulan e. Workplace/blackboard Adalah working memori atau memori kerja yang digunakan untuk merekam kejadian yang sedang berlangsung termasuk keputusan sementara. Ada 3 keputusan yang dapat direkam: Rencana : bagaimana menghadapi masalah Agenda : aksi-aksi potensial yang sedang mengunggu untuk dieksekusi. Solusi : calon aksi yang akan dibangkitkan. f. Fasilitas Penjelasan Komponen tambahan dalam meningkatkan kemampuan system pakar, digunakan untuk melacak respon dan memberikan penjelasan tentang kelakuan system pakar secara interaktif melalui pertanyaan: - mengapa suatu pertanyaan ditanyakan oleh system pakar? - Bagaimana konklusi dicapai? - Mengapa ada alternatif yang dibatalkan? - Rencana apa yang digunakan untuk mencapatkan solusi? g. Perbaikan pengetahuan/ Revisi Knowladge Adalah kemampuan pembelajaran untuk menilai suatu pekerjaan yang berhasil ataupun yang gagal dan mengevaluasi apakah pengetahuan-pengetahuan yang ada masih relevan digunakan untuk masa yang akan datang.

Keterkaitan antar komponen : aturan) dating) Knowladge Acquisition (memproses kejadian berdasarkan Inference Engine (dari hasil proses memformulasi suatu Workplace (menyimpan kesimpulan sementara dari proses Fasilitas Penjelasan(memberikan penjelasan secara interaktif) Perbaikan Pengetahuan (mengevaluasi keberhasilan dan pengetahuan yang ada) kesimpulan dari suatu kejadian) Inference Engine) Interface (Memasukkan Kejadian) Knowladge Base (mengolah kejadian berdasarkan fakta dan

kegagalan dan memperbaiki keahlian agar tetap relevan dimasa yang akan

2. Jelaskan beberapa penyajian knowledge yang anda ketahui, serta beberapa contohnya Jawab: Penyajian knowledge ada 2 a. Penalaran berbasis Aturan (Rule base reasoning) Contoh: Rule 1: If Hewan memiliki daun telinga then hewan tersebut reproduksikan beranak Rule 2 : If hewan beranak then Hewan Mamalia Dst. b. Penalaran bernabais kasus (Case Base Reasoning) Contoh: Mendapatkan solusi dari suatu kasus berdasarkan suatu kejadian yang pernah ada.

Misalnya Sakit Kepala atau demam: Untuk mengatasi problem ini biasanya cukup diberi pil penurun panas, nah dalam mengatasi masalah ini berdasarkan pengetahuan sebelumnya.

3. Jelaskan peran modus ponen dalam model penalaran. Berikan contoh sederhana Jawab: Modus Ponen adalah konjungsi dari hipotesa-hipotesanya berimplikasi kesimpulan Modus Tollens adalah

4. Berikan penjelasan singkat mengenai penalaran maju, dan penalaran mundur. Dalam persoalan tipe apakah kita menggunakan masing-masing penalaran tersebut.? Jawab: Penalaran Maju atau forword chaining, adalah pencocokan fakta atau pernyataan dimulai dari bagian kiri terlebih dahulu(IF dulu) . dengan kata lain penalaran dimulai dari fakta terlebih dahulu untuk menguji kebenaran hipotesis. Dalam penalaran maju ini biasa digunakan untuk mengetahui hasil akhir dari suatu fakta, misalnya apa yang terjadi dikemudian hari bila melakukan suatu tindakan? Penalaran Mundur atau Backword chaining adalah pencocokan

fakta atau pernyataan dimulai dari bagian kanan terlebih dahulu (Then dulu). Dengan kata lain penelaran dimulai dari hipotesis terlebih dahulu, dan untuk menguji kebenaran hipotesis tersebut dicari faktafakta yang ada yang ada dalam basis pengetahuan.

Dalam Backword chaining sering digunakan untuk persoalan criminal, misalnya penelusuran suatu kejadian yang dicari adalah awal dari suatu kejadian.

5. Toni, Mike, dan Jon termasuk anggota klub mapala. Setiap anggota klub pasti seorang penski atau pendaki gunung. Tidak ada pendaki gunung yang menyukai hujan, dan setiap penski menyukai salju. Mike tidak menyukai apa yang disukai toni, tetapi sebaliknya menyukai apa yang tidak disukai Toni. Toni menyukai hujan dan salju. a. Tuliskan pengetahuan tersebut dalam logika predikat b. Berdasarkan pengetahuan tersebut, adakah anggota klub yang pendaki tetapi bukan penski dangan CNF 6. Selesaikan persoalan galon air jika diketahui galon yang ada berukuran 5 lt dan 3 lt, sedangkan yang ditargetkan adalah air 4 lt. Tuliskan terlebih dahulu basis pengetahuannya, kemudian selesaikan dengan Depth First Search dengan sistematika rule order.

Kecerdasan Buatan, 2008 1. Berikan penjelasan konsep Test Turing kaitannya dengan sistem cerdas. Jawab: TURING TEST Turing Test merupakan sebuah metode pengujian kecerdasan yang dibuat oleh Allen Turing . Proses uji ini melibatkan seorang penanya (manusia) dan dua obyek yang ditanyai. Manusia dan Mesin Penanya tidak bisa melihat langsung kepada obyek yang ditanyai Penanya diminta untuk membedakan mana jawaban komputer dan mana jawaban manusia berdasarkan jawaban kedua obyek tersebut. Jka penanya tidak dapat membedakan mana jawaban mesin dan mana jawaban manusia maka Turing berpendapat bahwa mesin yang diuji tersebut dapat diasumsikan CERDAS .

Contoh Mesin Cerdas Komputer Cerdas mengalahkan Grand Master Catur Tahun 1997, Deep Blue , sistem komputer dengan AI mengalahkan juara dunia catur Gary Kasparov (pecatur terbaik yg pernah ada). Dalam pertandingan 6 game Deep Blue , mesin IBM RS/6000 SP, mampu memeriksa 200 juta langkah perdetik atau 50 milyar posisi dalam 3 menit 2. Jelaskan pengertian knowledge dalam system cerdas. Jawab: knowledge-based expert system (sistim cerdas berbasis pengetahuan), dimana suatu sistem yang menggunakan pengetahuan manusia (human knowledge) yang dimasukkan ke dalam komputer untuk memecahkan masalah yang umumnya memerlukan keahlian seorang pakar/expert. Atau dapat juga dikatakan, sebuah program komputer yang menggunakan pengetahuan dan teknik inferensi (pengambilan kesimpulan) untuk memecahkan persoalan seperti yang dilakukan oleh seorang pakar. 3. Sebutkan 3 bidang kajian dalam system cerdas, dan knowledge apa yang diperlukan untuk masing-masing bidang tersebut Jawab:

Basis pengetahuan (knowledge-base): berisi pengetahuan yang spesifik megenai domain tertentu ang mana basis pengetahuan ini dapat diperbaharui sesuai dengan tingkat kemampuan seorang expert terhadap pemecahan suatu masalah. Mesin inferensi (Inference Engine) : sustu program yang bertugas mengolah data masukan sesuai pengetahuan dalam basis pengetahuan, menurut kaidah-kaidah tertentu. Bagian kendali/user interface : bagian yang berkomunikasi langsung dengan pengguna (user) sistem. Ada 2 (dua) macam mesin inferensi, yaitu yang bersifat pasti (deterministik) dan kemungkinan (probabilistik).

4. Jelaskan kelebihan dan kekurangn penyajian pengetahuan dengan logika proposisi dan dengan logika predikat. Berikan contoh Jawab: 5. Diketahui pengetahuan dalam logika proposisi sebagai berikut: a. Jika saya belajar, maka saya tidak akan gagal dalam ujian AI b. Jika saya tidak main basket, maka saya akan belajar c. Tetapi saya gagal dalam ujian AI Tunjukkan apakah bisa disimpulkan bahwa saya bermain basket? 6. Toni, Mike, dan Jon termasuk anggota klub mapala. Setiap anggota klub pasti seorang penski atau pendaki gunung. Tidak ada pendaki gunung yang menyukai hujan, dan setiap penski menyukai salju. Mike tidak menyukai apa yang disukai toni, tetapi sebaliknya menyukai apa yang tidak disukai Toni. Toni menyukai hujan dan salju. a. Tuliskan pengetahuan tersebut dalam logika predikat b. Berdasarkan pengetahuan tersebut, adakah anggota klub yang pendaki tetapi bukan penski dangan CNF

[Cetak] 12 September 2007 00:00:00

Kajian Pemanfaatan Teknologi Knowledge-based Expert System di dalam Pengelolaan Sumber Daya Alam Senin, 10 September 2007 Steps towards AI". Semenjak itu istilah AI menjadi semakin populer, dan kemajuan bidang ini mencapai puncaknya dengan munculnya pengetahuan tentang Sistem Pakar. Di dalam perspektif ilmu pengetahuan dan teknologi, sistem cerdas merupakan bagian dari bidang inteligensia semu (Artificial Intelligence/AI). Istilah expert system berasal dari knowledge-based expert system (sistim cerdas berbasis pengetahuan), dimana suatu sistem yang menggunakan pengetahuan manusia (human knowledge) yang dimasukkan ke dalam komputer untuk memecahkan masalah yang umumnya memerlukan keahlian seorang pakar/expert. Atau dapat juga dikatakan, sebuah program komputer yang menggunakan pengetahuan dan teknik inferensi (pengambilan kesimpulan) untuk memecahkan persoalan seperti yang dilakukan oleh seorang pakar. Berbeda dengan program komputer biasa, sistem cerdas dapat digunaan untuk memecahkan masalah yang tidak terstruktur dan dimana tidak ada suatu prosedur tertentu untuk memecahkan masalah tersebut. Sedangkan definisi pengetahuan (knowledge) menurut Webster\\\\\\\'s New World Dictionary of the American Language: persepsi tentang sesuatu yang jelas dan tentu, semua yang telah dirasakan dan diterima oleh otak, serta merupakan informasi terorganisasi yang dapat diterapkan untuk penyelesaian masalah. Penggunaan Knowledge-based expert system (sistem pakar berbasis pengetahuan) ini tidak menjamin solusi yang lebih akurat, tetapi paling tidak mampu menghasilkan keputusan-keputusan yang didasari informasi relatif lebih banyak/terstruktur. Sesuai dengan namanya, suatu "Sistem Pakar" akan sangat tergantung pada pengetahuan (knowledge) yang didapat dari pakar yang menyumbangkan keahlian dan pengalamannya. Biasanya suatu "sistem cerdas" dapat dibagi menjadi beberapa bagian: (1). Basis pengetahuan (knowledge-base): berisi pengetahuan yang spesifik mengenai domain tertentuyang mana basis pengetahuan ini dapat diperbaharui sesuai dengan tingkat kemampuan seorang expert terhadap pemecahan suatu masalah, (2). Mesin inferensi (Inference Engine) : sustu program yang bertugas mengolah data masukan sesuai pengetahuan dalam basis pengetahuan, menurut kaidah-kaidah tertentu. (3). Bagian kendali/user interface : bagian yang berkomunikasi langsung dengan pengguna (user) sistem. Ada 2 (dua) macam mesin inferensi, yaitu yang bersifat pasti (deterministik) dan kemungkinan (probabilistik). Struktur dari sistem cerdas diperlihatkan pada Gambar 1. Sistem konvensional yang berlandaskan logika konvensional berdasarkan pada dua

keadaan -benar atau salah (true or false)-, ternyata kurang serasi untuk mengadopsi cara berfikir manusia yang banyak mengandung hal ketidak-pastian (uncertainty), proses belajar (learning process), penalaran, sifat adaptif dan sebagainya. Cara penalaran otak manusia tidaklah sama dengan komputer, karena komputer menalar dengan langkah yang jelas/pasti, sedangkan manusia menalar dengan istilah seharihari, misalnya: udara sejuk, airnya hangat, kecepatannya rendah, dan lainnya.

Gambar 2. Blok Diagram Modul Expert System untuk solusi Pengelolaan SDA Identifikasi obyek (object identification) merupakan suatu teknik untuk mengidentifikasi obyek di permukaan bumi dengan menggunakan satelit penginderaan jauh. Proses klasifikasi dapat dilakukan menggunakan pendekatan fuzzy-neural network model. Parameter-parameter jaringan saraf tiruan (artificial neural network) diestimasi dengan proses pembelajaran (learning process) secara supervisi untuk daerah yang telah diketahui (known-sites). Parameter-parameter yang sudah di estimasi selanjutnya digunakan untuk mengidentifikasi jenis-jenis obyek, seperti hutan, sumberdaya air, lahan pertanian, sumberdaya kelautan, mineral, dan lainnya. Pada tahapan pemodelan (modeling stage), obyek yang telah diidentifikasi digunakan untuk kalibrasi model matematika, model berbasis pengetahuan dan keluarannya merupakan model estimasi untuk pengelolaan dan perencanaan sumber daya alam. Sedangkan, tahap optimasi (optimization stage) merupakan tahapan untuk pemanfaatan optimal dari sumberdaya alam, untuk itu perlu dikembangkan suatu sistem pendukung keputusan secara cerdas (intelligent decision support system) dengan memformulasikan sebuah fungsi obyektif biaya minimum (cost minimizing objective function), serta bermanfaat secara ekonomi. Integrasi dari ketiga tahapan tersebut (pada Gambar 2) merupakan suatu proses pendekatan dalam memberi solusi penyelesaian permasalahan sumberdaya alam. Pengembangan Sistem Pakar Pengembangan sistem pakar melibatkan 4 (empat) pihak yaitu analis sistem, knowledge engineer, pakar dan pemakai sistem (users). Keempat pihak ini akan terlibat dalam tahapan pengembangan sistemnya sebagai berikut: (a). Studi awal. Bertujuan untuk mempelajari domain dari permasalahannya dan kelayakannya apakah dapat dibuatkan sistem pakarnya atau tidak. Studi ini dilakukan oleh analis sistem. (b). Pemilihan perangkat lunak yang akan digunakan, apakah akan membangun sendiri

inference-engine atau menggunakan ES shell. Tahap ini dilakukan oleh analis sistem bersama-sama dengan pemakai sistem. (c). Pemilihan pakar. (d). Pengambilan pengetahuan. Tahap pengambilan pengetahuan (knowledge acquisition) dilakukan ole analis sistem bersama-sama dengan knowledge engineer dan pemakai sistem. (d). Membangun sistem pakar. Membangun sistem pakar melibatkan ke empat pihak dengan langkah-langkah sebagai berikut: - mengidentifikasi sasaran (goal). - mengidentifikasi atribut item-item dan nilai-nilainya. - menderivasi aturan-aturan. - membuat prototip. (e). Menguji sistem (f). Mengimplementasikan sistem (g). Mengoperasikan sistem (h). Merawat sistem (maintenance) Kesimpulan Mengingat begitu kompleksnya permasalahan yang dihadapi di dalam pengelolaan sumber daya alam, khususnya di negara kita. Maka tidak ada pilihan lain kita harus segera menguasai dan mengembangkan teknologi yang mampu memberikan solusi nyata. Teknologi berbasis pengetahuan (knowledge-based expert system) dengan berbagai kehandalannya merupakan suatu terobosan baru yang mampu memberi nilai tambah di dalam pengelolaan sumber daya alam secara lebih baik. Dampak dari kemajuan teknologi komputer yang mampu menggantikan tugas manusia di era intelijensi ini tidak akan mengurangi lapangan pekerjaan, bahkan sebaliknya akan membuka lapangan kerja baru yang lebih efisien. Bermimpi tentang kehebatan teknologi expert system sudah waktunya dihentikan, sekarang mimpi itu harus segera diwujudkan dengan melakukan kajian-kajian di dalam pengembangan teknologi ini sebagai suatu paradigma baru di dalam pengelolaan sumberdaya alam di Indonesia. Semoga! Daftar Pustaka 1. Jogiyanto HM, Ph.D. "Sistem , Teknologi Informasi", Penerbit ANDI Yogyakarta, 2003. 2. Marvin Minsky,"Steps towards AI", MIT Press, 1961. 3. B.G. Buchaman and E.H. Shortliffe. Rule-Based Expert Systems: The MYCIN Experiments of the Stanford Heuristic Programming Project. Addison-Wesley, 1984. 4. Leung Y.,"Intelligent Spatial Decision Support Systems", Berlin-Springer-Verlag, 1997.

Muhamad Sadly, Pusat Teknologi Inventarisasi Sumberdaya Alam (P-TISDA), Badan Pengkajian dan Penerapan Teknologi (BPPT)

Sumber: www.beritaiptek.com