PENGANTAR
TEKNOLOGI SISTEM CERDAS
BAB 1
PENGENALAN KECERDASAN BUATAN
1.1 Pengenalan
kecerdasan buatan / Artical Intellegence
Kecerdasaan
buatan atau artical intelligence (AI) istilah yang mungkin akan mengingatkan
kita akan kehebatan optimus prime dalam film The Transformers. Kecerdasan
buatan memang kerap diidentikkan dengan kemampuan robot yang berperilaku
seperti manusia. Definisi kecerdasan buatan merupakan kawasan
penelitin,aplikasi dan intruksi yang terkait dengan pemrograman computer
untukmelakukan sesuatu hal yang dalam pandangan manusia adalah cerdas. Program
computer standar hanya dapat menyelesaikan persoalan yang di program secara
spesifik. Jika sebuah program standar program perlu dirubah untuk menyelesaikan
diri dengan informasi baru, seluruh program harus dilihat satu persatu sampai
kita dapatkan ruang optimal untuk menyisipkam perubahan atau modifikasi
tersebut. Cara seperti ini tidak hanya memboroskan waktu, namun juga dapat
mempengaruhi bagian tertentu dari program itu sehingga menyebabkan terjadinya
eror.
Teknik
yang digunakan dalam kecerdasan buatan memungkinkan dibuatnya sebuah program
yang setiapbagiannya mengandung langkah-langkah independen dan dapat
diidentifikasikan dengan baik untuk dapat memecahkan sebuah atau sejumlah
persoalan. Setiap potong bagian program adalah seperti sepotong informasi dalam
pikiran manusia. Jika informasi tadi diabaikan, pikiran kita secara otomatis
dapat mengatur cara kerjanya untuk menyesuaikan diri dengan fakta atau informsi
yang baru tersebut. Kita tidak perlu selalu mengingat setiap potong informasi
yang telah kita pelajari. Hanya relevan dengan persoalan yang kita hadapi yang
kita gunakan. Demikian pula dalam kecerdasan buatan, setiap potong bagian
program kecerdasan buatan dapat dimodifikasi tanpa mempengaruhi struktur
seluruh programnya. Keluwesan ini dapat menghasilkan program yang semakin
efisien dan mudah di pahami.
1.2 Bidang
ilmu yang menjadi dasar kecerdasan buatan
A. Sistem Pakar
B. Algoritma Genetika
C. Logika Fuzzy
D. Jaringan Syaraf Tiruan
E. Robotika
A.
Sistem Pakar
Sistem pakar adalah suatu program komputer yang dirancang untuk
mengambil keputusan seperti keputusan yang diambil oleh seorang atau beberapa
orang pakar. Menurut Marimin (1992), sistem pakar adalah sistem perangkat lunak
komputer yang menggunakan ilmu, fakta, dan teknik berpikir dalam pengambilan
keputusan untuk menyelesaikan masalah-masalah yang biasanya hanya dapat
diselesaikan oleh tenaga ahli dalam bidang yang bersangkutan. Dalam
penyusunannya, sistem pakar mengkombinasikan kaidah-kaidah penarikan kesimpulan
(inference rules) dengan basis pengetahuan tertentu yang diberikan oleh satu
atau lebih pakar dalam bidang tertentu. Kombinasi dari kedua hal tersebut
disimpan dalam komputer, yang selanjutnya digunakan dalam proses pengambilan
keputusan untuk penyelesaian masalah tertentu.
Suatu sistem pakar disusun oleh tiga modul utama (Staugaard,
1987), yaitu :
a.
Modul Penerimaan
Pengetahuan Knowledge Acquisition Mode)
Sistem berada pada modul ini, pada saat ia menerima pengetahuan
dari pakar. Proses mengumpulkan pengetahuan-pengetahuan yang akan digunakan
untuk pengembangan sistem, dilakukan dengan bantuan knowledge engineer. Peran
knowledge engineer adalah sebagai penghubung antara suatu sistem pakar dengan
pakarnya
b.
ModulKonsultasi(ConsultationMode)
Pada saat sistem berada pada posisi memberikan jawaban atas
permasalahan yang diajukan oleh user, sistem pakar berada dalam modul
konsultasi. Pada modul ini, user berinteraksi dengan sistem dengan menjawab
pertanyaan-pertanyaan yang diajukan oleh sistem
c.
Modul
Penjelasan(Explanation Mode)
Modul ini menjelaskan proses pengambilan keputusan oleh sistem
(bagaimana suatu keputusan dapat diperoleh).
Ø Struktur Sistem Pakar
Komponen utama pada struktur sistem pakar (Hu et al, 1987)
meliputi:
ü Basis Pengetahuan (Knowledge Base)
Basis pengetahuan merupakan inti dari suatu sistem pakar, yaitu
berupa representasi pengetahuan dari pakar. Basis pengetahuan tersusun atas
fakta dan kaidah. Fakta adalah informasi tentang objek, peristiwa, atau
situasi. Kaidah adalah cara untuk membangkitkan suatu fakta baru dari fakta
yang sudah diketahui. Menurut Gondran (1986) dalam Utami (2002), basis
pengetahuan merupakan representasi dari seorang pakar, yang kemudian dapat
dimasukkan kedalam bahasa pemrograman khusus untuk kecerdasan buatan (misalnya
PROLOG atau LISP) atau shell sistem pakar (misalnya EXSYS, PC-PLUS, CRYSTAL,
dsb.
ü Mesin Inferensi (Inference Engine)
Mesin inferensi berperan sebagai otak dari sistem pakar. Mesin
inferensi berfungsi untuk memandu proses penalaran terhadap suatu kondisi,
berdasarkan pada basis pengetahuan yang tersedia. Di dalam mesin inferensi
terjadi proses untuk memanipulasi dan mengarahkan kaidah, model, dan fakta yang
disimpan dalam basis pengetahuan dalam rangka mencapai solusi atau kesimpulan.
Dalam prosesnya, mesin inferensi menggunakan strategi penalaran dan strategi
pengendalian.
Strategi penalaran terdiri dari strategi penalaran pasti (Exact
Reasoning) dan strategi penalaran tak pasti (Inexact Reasoning). Exact
reasoning akan dilakukan jika semua data yang dibutuhkan untuk menarik suatu
kesimpulan tersedia, sedangkan inexact reasoning dilakukan pada keadaan
sebaliknya.
Strategi pengendalian berfungsi sebagai panduan arah dalam
melakukan prose penalaran. Terdapat tiga tehnik pengendalian yang sering
digunakan, yaitu forward chaining, backward chaining, dan gabungan dari kedua
tehnik pengendalian tersebut.
ü Basis Data (Database)
Basis data terdiri atas semua fakta yang diperlukan, dimana
fakta-fakta tersebut digunakan untuk memenuhi kondisi dari kaidah-kaidah dalam
sistem. Basis data menyimpan semua fakta, baik fakta awal pada saat sistem
mulai beroperasi, maupun fakta-fakta yang diperoleh pada saat proses penarikan
kesimpulan sedang dilaksanakan. Basis data digunakan untuk menyimpan data hasil
observasi dan data lain yang dibutuhkan selama pemrosesan.
ü Antarmuka Pemakai (User Interface)
Fasilitas ini digunakan sebagai perantara komunikasi antara
pemakai dengan sistem. Hubungan antar komponen penyusun struktur sistem pakar
dapat dilihat pada Gambar di bawah ini :
B.
Algoritma genetika
Algoritma Genetika adalah suatu algoritma pencarian yang meniru
mekanisme dari genetika alam. Algoritma Genetika ini banyak dipakai pada
aplikasi bisnis, teknik maupun pada bidang keilmuan.Algoritma ini dapat dipakai
untuk mendapatkan solusi yang tepat untuk masalah optimal dari satu variabel
atau multi variabel. Sebelum Algoritma ini dijalankan, masalah apa yang ingin
dioptimalkan itu harus dinyatakan dalam fungsitujuan, yang dikenal dengan
fungsi fitness. Jika nilai fitness semakin besar, maka sistem yang dihasilkan
semakin baik. Operasi yang dilakukan adalah reproduksi, crossover, dan mutasi
untuk mendapatkan sebuah solusi menurut nilai fitnessnya.
Selanjutnya konstruksi dasar dari Algoritma Genetika adalah
sebagai berikut:
• Pendefinisian Chromosome
• Pendefinisian Fungsi Fitness
• Membangkitkan Sebuah Populasi Awal
• Reproduksi
• Crossover
• Mutasi
Contoh: Aplikasi Algoritma Genetika Untuk Merancang Fungsi
Keanggotaan Pada Kendali Logika Fuzzy.
C.
Logika Fuzzy
Logika Fuzzy ( logika samar ) merupakan logika yang berhadapan
langsung dengan konsep kebenaran sebagian, dimana logika klasik menyatakan
bahwa segala hal dapat di ekspresikan dalam binary 0 atau 1. logika fuzzy
memungkinkan nilai keanggotaan antara 0 dan 1. Karena alasan diatas maka pada
penelitian ini akan dibuat perancangan perangkat lunak dan perangkat keras
robot avoider dengan mengunakan aplikasi Fuzzy Logic sebagai kendali system.
Perlu diketahui bahwa Teori Himpunan Samar dan Logika Samar
sangat berkembang pesat pada saat ini. Banyak sekali masalah-masalah nyata yang
lebih tepat diselesaikan menggunakan Teori Himpunan Samar dan Logika Samar.
Banyak sekali muncul teori-teori baru pada saat ini misalnya: Topologi Fuzzy,
Analisa Fuzzy, Aljabar Fuzzy (Fuzzy Semi Group, Fuzzy Ring, Fuzzy Group, dan
sebagainya.
Logika fuzzy telah lama dikenal dan digunakan dalam berbagai
bidang oleh para ahli dan insinyur. Penggunaan logika fuzzy pada awalnya
digunakan untuk beberapa bidang, seperti sistem diagnosa penyakit (dalam bidang
kedokteran); pemodelan sistem pemasaran, riset operasi (dalam bidang ekonomi);
kendali kualitas air, prediksi adanya gempa bumi, klasifikasi dan pencocokan
pola (dalam bidang teknik). Penggunaan logika fuzzy dalam bidang sistem daya
(power system) juga sudah dilakukan, antara lain dalam analisis kemungkinan,
prediksi dan pengaturan beban, identifikasi gangguan pada generator dan
penjadwalan pemeliharaan generator.
D.
Jaringan
Syaraf Tiruan
Jaringan saraf tiruan (JST) (Bahasa Inggris: artificial neural
network (ANN), atau juga disebut simulated neural network (SNN), atau umumnya
hanya disebut neural network (NN)), adalah jaringan dari sekelompok unit
pemroses kecil yang dimodelkan berdasarkan jaringan saraf manusia. JST
merupakan sistem adaptif yang dapat mengubah 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.
E.
Robotika
Robotika adalah salah satu wacana teknologi untuk menuju
peradaban yang lebih maju. Kebanyakan orang selalu beranggapan bahwa robot
adalah kemajuan teknologi yang mampu menggeser tingkah laku seseorang untuk
melakukan suatu tindakan. Dengan kemajuan yang pesat, maka kebutuhan akan SDM
akan merosot tajam. Layaknya revolusi pada bangsa Eropa.
Sangat disayangkan selali bila titik ikon kemajuan teknologi
tersebut tidak seiring dengan cepat nya pemahaman masyarakat pada umumnya yang
selalu meng-analogikan robot adalah biang kerok hilangnya tenaga buruh untuk
memacu pertumbuhan perekonomian. Hal ini layaknya dua sisi perbedaan yang tidak
akan bisa menyatu sama lain. Tapi bisa dicermati kembali, bila orang pelukis
ternama akan tergusur karena kemampuan sebuah robot pelukis yang bisa membuat
lukisan yang sama. Sebuah robot yang mampu untuk memahat patung yang hampir
mirip pula. Seluruh ilustrasi tersebut memang sepintas robot bisa menguasai
semua, tapi sangat disayangkan hasil kerja robot adalah tak lebih dari sebuah
alat cetak dan seonggok besi aluminium dan komponen elektronika yang dirakit
pada papan PCB. Sebuah lukisan dari Afandi tentunya akan bernilai ratusan juta beda
ukuran dengan lukisan robot yang paling-paing laku di jual 10 ribuan di pinggir
jalan.
·
Robot Bukanlah
Pemegang Kekuasaan
Istilah robot yang dahulu kala berjulukan Robota, tak lain
adalah kata lain dari seorang buruh. Lain halnya dengan seorang manusia yang
diciptakan se-sempurna mungkin oleh sang Pencipta. Sampai kapanpun robot adalah
pembantu manusia. Bila sang teknokrat menciptakan robot untuk menjadi penguasa
dunia, semoga saja dia tidak berumur panjang. Namun robot adalah sarana untuk
membangun peradaban yang lebh maju dan memberikan kemudahan bagi manusia
sebagai penciptanya. Dengan hasil demikian maka seluruh kajian tentang robotika
menjadi lebih memasyarakat diseluruh elemen masyarakat. Dan buakan menjadi
momok yang harus ditakuti.
·
Robotika sebagai Ikon
dan Kajian Ke-ilmuan
Robot adalah simbol dari kamajuan dari sebuah teknologi, karena
didalam nya mencakup seluruh elemen keilmuan. Elektronika, Mekanika,
Mekatronika, Kinematika, Dimamika, dan lain sebagainya. Hal ini menjadi suatu
alasan yang sangat tepat untuk mengash ilmu didalam nya. Ikon pendidikan akan
menjadi semakin termasyur bila selalu mengutamakan teknologi didalam nya.
Sebuah ikon ini sangat penting untuk membangun semangat kemajuan, karena hal
ini akan menjadi sebuah patokan awal dari sebuah perjuangan untuk selalu
dilanjutkan kepada generasi penerus.
1.3 Sejarah
kecerdasan buatan
Kecerdasan buatan termasuk bidang ilmu yang
relative muda. Pada tahun 1950-an para ilmuwan dan peneliti mulai memikirkan
bagaimana caranya agar mesin dapat melakukan pekerjaannya seperti yang bisa
dikerjakan oleh manusia. Alan Tauring, seorang matematikawan
inggris pertama kali mengusulkan adanya tes untuk melihat bisa tidaknya sebuah
mesin dikatakan cerdas. Hasil tes tersebut kemudian dikenal dengan Turing
Tes dimana si mesin tersebut menyamar seolah-olah sebagai seseorang
didalam suatu permainan yang mampu memberikan respon terhadap serangkaian
pertanyaan yang diajukan. Turing beranggappan bahwa, jika mesin dapat membuat
seseorang percaya bahwa dirinya mampu berkomunikasi dengan orang lain, maka
dapat dikatakan bahwa mesin tersebut cerdas (seperti layaknya manusia)
Kecerdasan buatan sendiri dimunculkan oleh
seorang professor dariMassachusetts Institute of Technology yang
bernama John McCarthy pada tahun 1956 pada Dartmouth Conference yang dihadiri
oleh para peneliti AI. Pada konferensi tersebut juga didefinisikan tujuan utama
dari kecerdasan buatan yaitu : mengetahui dan memodelkan proses-proses berfikir
manusia dan mendesain mesin agar dapat menirukan kelakuakan manusia tersebut.
Beberapa program AI yang mulai dibuat pada
tahun 1950-1966, antara lain :
1. Tahun
1950-an
2. Selama
tahun 1960-an dan 1970-an,
Joel Moses mendemonstrasikan
kekuatan pertimbangan simbolis untuk mengintegrasikan masalah di dalam
program Macsyma,
program berbasis pengetahuan yang sukses pertama kali dalam bidang
matematika. Marvin Minsky dan Seymour
Papertmenerbitkan Perceptrons,
yang mendemostrasikan batas jaringan syaraf sederhana dan Alain
Colmerauer mengembangkan bahasa komputer Prolog. Ted
Shortliffe mendemonstrasikan kekuatan sistem berbasis aturan untuk representasi pengetahuan
dan inferensi dalam
diagnosa dan terapi medis yang kadangkala disebut sebagai sistem pakar
pertama. Hans
Moravec mengembangkan kendaraan terkendali komputer pertama
untuk mengatasi jalan berintang yang kusut secara mandiri.
3. Pada
tahun 1980-an,
Jaringan syaraf digunakan
secara meluas dengan algoritma perambatan balik, pertama kali diterangkan
oleh Paul
John Werbospada 1974. Pada tahun 1982, para ahli fisika
seperti Hopfieldmenggunakan
teknik-teknik statistika untuk menganalisis sifat-sifat penyimpanan dan
optimasi pada jaringan syaraf. Para ahli psikologi, David Rumelhart dan Geoff Hinton, melanjutkan penelitian mengenai model jaringan syaraf pada memori.
Pada tahun 1985-an sedikitnya empat kelompok riset menemukan kembali algoritma
pembelajaran propagansi balik (Back-Propagation learning). Algoritma ini berhasil diimplementasikan ke dalam ilmu
komputer dan psikologi.
4. Tahun
1990-an
Ditandai perolehan besar
dalam berbagai bidang AI dan demonstrasi berbagai macam aplikasi. Lebih khusus Deep Blue, sebuah komputer permainan catur,
mengalahkan Garry Kasparovdalam
sebuah pertandingan 6 game yang terkenal pada tahun 1997. DARPA menyatakan
bahwa biaya yang disimpan melalui penerapan metode AI untuk unit penjadwalan
dalam Perang Teluk pertama telah mengganti seluruh investasi dalam penelitian
AI sejak tahun 1950 pada pemerintah AS. Tantangan Hebat DARPA, yang dimulai
pada 2004 dan berlanjut hingga hari ini, adalah sebuah pacuan untuk hadiah $2
juta dimana kendaraan dikemudikan sendiri tanpa komunikasi dengan manusia,
menggunakan GPS, komputer dan susunan sensor yang canggih, melintasi beberapa
ratus mil daerah gurun yang menantang.
1.4 Agen Intellegent
a. Agen
dan lingkungan
Didefinisikan
sebagai segala sesuatu yang dapat merasakan lingkungannya melalui peralatan
sensor-sensor, bertindak sesuai dengan lingkungannya dan dengan mengunakan peralatan penggeraknya /actuator
(Russel dan Norvig).
Agen –
Sensors/Actuator – Percepts/Actions – Lingkungan
Diperlihatkan abstraksi dari model komputasi
sebuah agen. Pada gambar terlihat setiap tindakan atau aktivitas akan
dikerjakan oleh agen adalah untuk memenuhi kondisi lingkungannya.
Diperlihatkan komponen internal dari sebuah model
agen BDI (belief-desire-intention) yang memiliki :
1.
events (pemacu indera),
2.
beliefs (pengetahuan),
3.
actions (tindakan),
4.
goals
(tujuan),
5.
dan
plans (agenda dan rencana).
·
Human Agen memiliki :
·
Mata, telinga, dan organ sejenisnya sebagai
sensor.
·
Tangan,
kaki, mulut dan anggota tubuh lainnya sebagai effector.
·
Agent
Robot :
·
Sensor
: kamera, infrared, dll
·
Effector
: peralatan penggerak.
·
Agent
Software :
·
Antarmuka pengguna grafis sebagai sensor dan sekaligus sebagai
pengeraknya .
b. Struktur
Agen
·
Jadi,
sebuah architecture membuat kesan-kesan lingkungan dapat diterima dengan baik
oleh sensor-sensor yang dimilikinya, lalu dapat menjalankan program agennya dan
dapat memberikan tindakan terhadap lingkungan menggunakan actuators. Hubungan
agen, architecture, dan program dapat diasumsikan sebagai berikut:
·
agen
= architecture + program
c. Konsep
Rasionalitas
·
Sebuah agen selalu mencoba untuk mengoptimasikan sebuah nilai
ukuran kinerja yang disebut agen memiliki rasional (rational agent).
·
Untuk
setiap deretan persepsi yang mungkin, sebuah agen rasional hendaklah memilih
satu tindakan yang diharapkan memaksimalkan ukuran kemampuannya, dengan adanya
bukti yang diberikan oleh deretan persepsi dan apapun pengetahuan terpasang
yang dimiliki agen itu.
·
Ukuran kinerja (dari rational agent) biasanya didefinisikan oleh
perancang agen dan merefleksikan apa yang diharapkan mampu dilakukan dari agen
tersebut.
·
Sebuah agen berbasis rasional juga disebut sebuah agen cerdas.
d. Lingkungan
Alami
- Fully
observable – partially observable
o Apabila sensor pada sebuah agen dapat mengakses
keseluruhan keadaan pada lingkungan, maka lingkungan itu dapat dikatakan fully
observable terhadap agen.
o Suatu lingkungan bisa menjadi partially observable akibat
ada gangguan dan ketidakakurasian sensor ataupun karena ada bagian keadaan yang
hilang dari data sensor.
- Deterministic
– stochastic
o Apabila keadaan lingkungan selanjutnya sepenuhnya
bergantung pada keadaan sekarang dan juga tindakan yang akan dilakukan oleh
agen, maka lingkungan tersebut bersifat deterministic.
o Apabila lingkungan bersifat deterministic terkecuali
untuk tindakan dari agen, maka lingkungan tersebut bersifat strategic.
- Episodic
– sequential
o Untuk lingkungan yang bersifat episodic, pengalaman agen
dibagi-bagi menjadi beberapa epidose pendek.
o Tiap episode terdiri dari apa yang dirasakan agen dan
kemudian melakukan satu tindakan tertentu.
o Kualitas dari tindakan agen hanya tergantung pada episode
itu saja, karena tindakan selanjutnya tidak tergantung pada tindakan apa yang
akan dilakukan di episode sebelumnya.
o Lingkungan episodic lebih sederhana karena agen tidak
perlu memikirkan langkah-langkah pada keadaan selanjutnya.
o Sedangkan pada lingkungan sequential, tindakan saat
sekarang dapat mempengaruhi tindakan selanjutnya. Permainan Reversi bersifat
sequential karena agen berpikir untuk langkah-langkah selanjutnya dan seluruh
langkah yang akan diambil oleh agen saling bergantung.
- Static
– dynamic
o Apabila lingkungan dapat berubah saat agen sedang
mengambil keputusan, maka lingungan tersebut bersifat dynamic, sebaliknya
bersifat static.
o Apabila lingkungan tidak berubah seiring waktu berjalan,
namun menyebabkan nilai kemampuan agen berubah-ubah, maka
lingkungan tersebut bersifat semidynamic.
- Discrete
– continuous
o Apabila kesan dan tindakan yang akan diterima dan
dilakukan oleh agen telah ditetapkan dengan jelas, maka lingkungan tersebut
bersifat discrete.
Sumber :
