SISTEM BERBASIS PENGETAHUANwahyu_pratama.staff.gunadarma.ac.id/Downloads/files/63849/SBP... ·...
Transcript of SISTEM BERBASIS PENGETAHUANwahyu_pratama.staff.gunadarma.ac.id/Downloads/files/63849/SBP... ·...
PERTEMUAN 1 – SBPPengenalan SBP (Bagian 1)
Kecerdasan Buatan (Artificial Intelligent):
Pengertian Kecerdasan Buatan.
Area Kecerdasan Buatan.
Pengenalan Terhadap Masalah dan Metode Pemecahannya.
Teknik Pencarian Heuristik.
Kecerdasan Buatan
John Mc Carthy (1956), “Kecerdasan buatan (artificial intelligence) adalah
memodelkan proses berpikir manusia dan mendesain mesin agar menirukan
perilaku manusia”.
H. A. Simon (1987), “Kecerdasan buatan (artificial intelligence) adalah tempat
sebuah penelitian, aplikasi dan instruksi yang terkait dengan pemrograman
komputer untuk melakukan sesuatu hal yang dalam pandangan manusia adalah
cerdas”.
Rich and Knight (1991), “Kecerdasan buatan (artificial
intelligence) adalah sebuah studi tentang bagaimana membuat komputer
melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik oleh manusia”.
Encyclopedia Britannica, “Kecerdasan buatan (artificial
intelligence) adalah cabang dari ilmu komputer yang dalam merepresentasikan
pengetahuan lebih banyak menggunakan bentuk simbol-simbol daripada bilangan
dan memproses informasi berdasarkan metode heuristik atau dengan berdasarkan
sejumlah aturan”.
Kecerdasan Buatan selanjutnya …
Bagian Kecerdasan Buatan
Knowledge
Based
Inference
Engine
Input, Masalah,
Pertanyaan, dllOutput, Solusi,
Jawaban, dll
Bagian utama yang dibutuhkan untuk aplikasi kecerdasan buatan adalah:
Basis Pengetahuan (Knowledge Base), merupakan bagian yang berisi fakta-fakta,
teori, pemikiran dan hubungan antara satu dengan lainnya.
Motor Inferensi (Inference Engine), merupakan bagian yang memiliki
kemampuan menarik kesimpulan berdasarkan pengalaman.
Kecerdasan Buatan selanjutnya …
Perbedaan Kecerdasan Buatan dan Kecerdasan Alami
1. Bersifat permanen
2. Mudah diduplikasi
3. Lebih murah dan cepat
4. Konsisten
5. Dapat didokumentasi
1. Lebih Kreatif
2. Penggunaan pengalaman
3. Digunakan secara luas
[5]
Area Kecerdasan Buatan
Vision
Robotic
Speech
Understanding
Expert System
Natural Language
Smart System
Pengenalan Terhadap Masalah dan Metode Pemecahannya
Natural Language Processing (NLP), mempelajari bagaimana bahasa alami itu
diolah sedemikian hingga pengguna dapat berkomunikasi dengan komputer.
Konsentrasi ilmu ini adalah interaksi antara komputer dengan bahasa natural yang
digunakan manusia. Contoh dari penerapan NLP adalah asisten komputer pribadi.
Computer Vision, cabang ilmu ini erat kaitannya dengan pembangunan
arti/makna dari image ke objek secara fisik. Kebutuhan objek didalamnya adalah
metode-metode untuk memperoleh, melakukan proses, menganalisis dan
memahami image. Contoh penerapan dari computer vision adalah alat pendeteksi
wajah.
Robotic and Navigation System, bidang ilmu ini yang mempelajari bagaimana
merancang robot yang berguna bagi industri dan mampu membantu manusia,
bahkan yang nantinya bisa menggantikan fungsi manusia. Robot mampu
melakukan beberapa tugas dengan berinteraksi dengan lingkungan sekitar dan
untuk melakukan hal tersebut, robot diperlengkapi dengan actuator seperti
lengan, roda, kaki, dll. Contoh penerapan dari robotic and navigation system
adalah smart car.
Teknik Pencarian Heuristik
Heuristik adalah sebuah teknik yang mengembangkan efisiensi dalam proses
pencarian, namun dengan kemungkinan mengorbankan kelengkapan
(completeness).
Fungsi heuristik digunakan untuk mengevaluasi keadaan-keadaan masalah
individual dan menentukan seberapa jauh hal tersebut dapat digunakan untuk
mendapatkan solusi yang diinginkan.
Jenis-jenis pencarian heuristik dapat berupa:
Generate and Test
Hill Climbing
Best-First Search
Problem Reduction
Constraint Satisfaction
Means-End Analysis
Teknik Pencarian Heuristik selanjutnya …
Generate and Testing, metode ini merupakan penggabungan antara depth-first
search dengan pelacakan mundur (backtracking), yaitu bergerak ke belakang
menuju pada suatu keadaan awal.
Algoritma:
Bangkitkan suatu kemungkinan solusi (membangkitkan suatu titik tertentu atau lintasan
tertentu dari keadaan awal).
Uji untuk melihat apakah node tersebut benar-benar merupakan solusinya dengan cara
membandingkan node tersebut atau node akhir dari suatu lintasan yang dipilih dengan
kumpulan tujuan yang diharapkan.
Jika solusi ditemukan, maka selesai. Jika tidak, ulangi kembali langkah pertama.
Contoh : Travelling Salesman Problem (TSP)
Seorang salesman ingin mengunjungi n kota dengan jarak antara setiap kota
sudah diketahui. Salesman tersebut ingin mengetahui rute terpendek untuk
mengunjungi seluruh n kota dimana setiap kota hanya boleh dikunjungi tepat
hanya satu kali.
Teknik Pencarian Heuristik selanjutnya …
Sebagai contoh terdapat n kota dengan jarak antara setiap kota sebagai berikut:
A B
CD
8
5
6
7
3 4
A B C D
B C D
C
D
D
C
B
D
D
B
C
B
B
C
n = 4 kota (A, B, C, D)
Teknik Pencarian Heuristik selanjutnya …
Alur Pencarian dengan Generate and Test
Langkah-langkah pencarian rute terpendek sebagai berikut:
Tentukan jumlah alternatif rute yang mungkin dilalui oleh salesman.
Hitunglah jumlah bobot masing-masing rute tersebut.
Dari hasil perhitungan bobot masing-masing rute, carilah rute terpendek sebagai hasil
keputusan salesman untuk mengunjungi seluruh kota.
Teknik Pencarian Heuristik selanjutnya …
Alur Pencarian dengan Generate and Test
Pencarian ke- Rute Panjang Rute Rute TerpilihPanjang Rute
Terpilih
1 A-B-C-D 19 A-B-C-D 19
2 A-B-D-C 18 A-B-D-C 18
3 A-C-B-D 12 A-C-B-D 12
4 A-C-D-B 13 A-C-B-D 12
5 A-D-C-B 18 A-C-B-D 12
6 A-D-B-C 16 A-C-B-D 12
7 B-A-C-D 17 A-C-B-D 12
8 B-A-D-C 21 A-C-B-D 12
9 B-C-A-D 15 A-C-B-D 12
10 B-C-D-A 18 A-C-B-D 12
Teknik Pencarian Heuristik selanjutnya …
Alur Pencarian dengan Generate and Test
Pencarian ke- Rute Panjang Rute Rute TerpilihPanjang Rute
Terpilih
11 B-D-A-C 14 A-C-B-D 12
12 B-D-C-A 13 A-C-B-D 12
13 C-A-B-D 15 A-C-B-D 12
14 C-A-D-B 14 A-C-B-D 12
15 C-B-A-D 20 A-C-B-D 12
16 C-B-D-A 16 A-C-B-D 12
17 C-D-A-B 21 A-C-B-D 12
18 C-D-B-A 18 A-C-B-D 12
19 D-A-B-C 20 A-C-B-D 12
20 D-A-C-B 15 A-C-B-D 12
Teknik Pencarian Heuristik selanjutnya …
Alur Pencarian dengan Generate and Test
Pencarian ke- Rute Panjang Rute Rute TerpilihPanjang Rute
Terpilih
24 D-B-A-C 15 A-C-B-D 12
22 D-B-C-A 12 A-C-B-D/D-B-C-A 12
23 D-C-A-B 17 A-C-B-D/D-B-C-A 12
24 D-C-B-A 19 A-C-B-D/D-B-C-A 12
Hasil dengan Generate and Test terdapat dua rute alternatif sebagai berikut:
A-C-B-D sebanyak 12 poin
D-B-C-A sebanyak 12 poin
Rute terpendek berbobot 12, yaitu rute A-C-B-D atau D-B-C-A.
Referensi
Materi Perkuliahan – Kecerdasan Buatan
https://bit.ly/2NbvQq8
Materi Perkuliahan – Teknik Pencarian Heuristik
https://bit.ly/2NVFORO
Gambar [1]
https://bit.ly/2xPNDhP
Gambar [2]
https://bit.ly/2NPF4gS
Gambar [3]
https://bit.ly/2DKAM62
Gambar [4]
https://bit.ly/2Oq0PU7
Gambar [5]
https://bit.ly/2xX27g3