modul 1 pengenalan kecerdasan buatan

Ir. Ahmad Haidaroh, M.Kom.STIKOM Artha Buana.

Artificial Intelligence

Sekilas Kecerdasan BuatanKonsep-konsep kecerdasan buatanMetode-metode untuk membangun sebuah

sistem cerdas

2STIKOM Artha Buana

Pengertian Kecerdasan Buatan

3STIKOM Artha Buana

Pengertian Kecerdasan BuatanKecerdasan yang ditunjukkan oleh entitas (Entitas

adalah orang, tempat, objek, kejadian, atau konsep tentang data

yang tercatat) buatanStudi dan desain agen cerdasCerdas pengetahuan + pengalaman +

penalaranAgen cerdas :

autonomous bereaksi terhadap lingkungannyamengambil tindakan yang memaksimalkan

kesempatan untuk sukses / berhasil

4STIKOM Artha Buana

Jenis Kecerdasan BuatanWeak AI – mesin

bertindak seakan-akan mempunyai kecerdasan (contoh smartphone-call by voice, seacrh by voice, find & replace)

Strong AI – mesin berpikir dan bertindak seperti manusia (robot pabrik, pengenalan pola kunci ruangan dg mata, suara, dll)

5STIKOM Artha Buana

Agen Cerdas

6STIKOM Artha Buana

Permaian & Matematika dg peraturan yg harus dipatuhi

Bidang2 profesional analisis finansial, Analisis medical, Analisis pengetahuan dan Rekayasa

AI digunakan untuk melakukan hal-hal yang sifatnya duniawi untuk melakukankegiatan yang dapat membantu manusia

7STIKOM Artha Buana

Lingkup Utama AISistem pakarBahasa alamiPengenalan ucapanRobotika & sistem sensorComputer vision Game playingIntelligent computer-aided instruction

8STIKOM Artha Buana

Penerapan Kecerdasan BuatanMenyelesaikan persamaanPermainan caturPengenalan wajahBahasa alamiDll

9STIKOM Artha Buana

Soft ComputingMenangani ketidakpastian

Jaringan Syaraf TiruanFuzzy logic

10STIKOM Artha Buana

Konsep dan Definisi Dalam AI

Turing TestSeorang penanya dan 2 objek

yang ditanyaiPenanya tidak melihat langsung

kepada obyek yang ditanyai Penanya diminta untuk

membedakan jawaban komputer / jawaban manusia berdasarkan jawaban kedua obyek tersebut

Jika tidak dapat membedakan (manusia yg mana & mesin yg mana) - CERDAS


Konsep dan Definisi Dalam AIPemrosesan simbolik


Konsep dan Definisi Dalam AIHeuristic

Mencari dari beberapa solusi yang adaBerbasis pengalaman (mencoba tiap solusi)Trial and error

Memilih solusi yang optimal


Konsep dan Definisi Dalam AIPenarikan Kesimpulan (inferencing)

Kemampuan berpikir / mempertimbangkan (reasoning)

Menarik kesimpulan berdasarkan fakta dan aturan


AI vs Human BrainAI Human Brain

Permanen Y N

Transferable Y N

Cost Murah Mahal

Consistent Y Bisa berubah

Documentable Y N

Time-consuming Fast Not fast

Creativity N Y

Experience N Y

Case-dependent Y N15STIKOM Artha Buana

Ketentuan KuliahAbsen : minimal 75% kehadiran (11x masuk

dari 14x pertemuan)

Persentase PenilaianTugas : 35%UTS : 25%UAS : 30%Kehadiran : 10%


Logika FuzzyLogika Fuzzy adalah peningkatan dari logika

Boolean yang berhadapan dengan konsep kebenaran sebagian. Saat logika klasik menyatakan bahwa segala hal dapat diekspresikan dalam istilah biner (0 atau 1, hitam atau putih, ya atau tidak), logika fuzzy menggantikan kebenaran boolean dengan tingkat kebenaran.

Logika Fuzzy memungkinkan nilai keanggotaan antara 0 dan 1, tingkat keabuan dan juga hitam dan putih, dan dalam bentuk linguistik, konsep tidak pasti seperti "sedikit", "lumayan", dan "sangat". Logika ini berhubungan dengan set fuzzy dan teori kemungkinan. Logika fuzzy diperkenalkan oleh Dr. Lotfi Zadeh dari Universitas California, Berkeley pada 1965.

BACK17STIKOM Artha Buana

Contoh Penggunaan Logika Fuzzy


1. Manajer pergudangan mengatakan pada manajer produksi seberapa banyak persediaan barang pada akhir minggu ini, kemudian manajer produksi akanmenetapkan jumlah barang yang harus diproduksi esok hari.

2. Pelayan restoran memberikan pelayanan terhadap tamu, kemudian tamu akan memberikan tip yang sesuai atas baik tidaknya pelayan yang diberikan;

3. Anda mengatakan pada saya seberapa sejuk ruangan yang anda nginkan, saya akan mengatur putaran kipas yang ada pada ruangan ini.

4. Penumpang taksi berkata pada sopir taksi seberapa cepat laju kendaraan yang diinginkan, sopir taksi akan mengatur pijakan gas taksinya.

Contoh Penggunaan Logika Fuzzy

BACKBACK19STIKOM Artha Buana

Jaringan Syaraf TiruanJaringan saraf tiruan (JST) (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 dataContoh JSTContoh JST


Contoh JST


Agen Cerdasperangkat lunak yang dapat bertindak seperti orang yangmampu berinteraksi dengan lingkungan

BACK 22STIKOM Artha Buana

modul 1 pengenalan kecerdasan buatan

Education