MATERI 1

KECERDASAN BUATAN
Materi ini membahas tentang apa itu kecerdasan buatan,sejarah kecerdasn buatan
dan apa peranan kecerdasn buatan dalam kehidupan sehari-hari.

KECERDASAN BUATAN
A.DEFINISI
Kecerdasan Buatan merupakan bagian dari ilmu komputer yang mempelajari
bagaimana membuat mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik
yang dilakukan manusia bahkan bisa lebih baik daripada yang dilakukan manusia.
Menurut John McCarthy, 1956, AI:
* Untuk mengetahui dan memodelkan proses-proses berpikir manusia dan mendesain
mesin agar dapat menirukan perilaku manusia.

2 bagian utama yang dibutuhkan untuk aplikasi kecerdasan buatan:

* Basis pengetahuan(knowledge base)
* Monitor inferensi(inference engine)

B.KECERDASAN BUATAN VS KECERDASAN ALAMI

Kelebihan kecerdasan buatan:
* Lebih bersifat permanen
* Lebih mudah
* Lebih murah
* Dapat didokumentasikan

Kelebihan kecerdasan alami:

* Kreatif
* Pengalaman secara langsung
* Pemikiran luas

1 ARTIFICIAL INTELLIGENCE
C.SEJARAH KECERDASAN BUATAN
Tahun 1950-an Alan Turing, seorang pionir AI dan ahli matematika Inggris melakukan
percobaan Turing(turing test) yaitu sebuah komputer melalui terminalnya ditempatkan
pada jarak jauh. Turing beranggapan bahwa mesin bisa cerdas(selayaknya manusia).

D.BIDANG AI(KECERDASAN BUATAN)

1. Sistem pakar
2. Pengolahan bahasa alami(natural language processing)
3. Pengenalan ucapan
4. Robotika dan sistem sensor
5. Computer vision
6. Intelligent computer-aided instruction
7. Game playing

E.SOFT COMPUTING
Soft computing merupakan inovasi baru dalam membangun sistem cerdas
Metodologi-metodologi dalam soft computing adalah:
* Logika Fuzzy
* Jaringan syaraf tiruan
* Probabilistic reasoning
* Evolutionary computing

2 ARTIFICIAL INTELLIGENCE
 MATERI 2

MASALAH,RUANG KEADAN dan PENCARIAN

Materi ini membahas tentang bagaimana menganalisis suatu masalah,keadaan yang
mungkin terjadi serta pencarian penyelesaian suatu masalah dalam membuat project
yang berkaitan dengan kecerdasan buatan.

MASALAH,RUANG KEADAAN dan PENCARIAN

SISTEM AI
Input->Computer->output
Masalah->Computer->Jawaban
Pertanyaan->computer->Solusi

MASALAH
untuk membangun sistem yang mampu untuk menyelesaikan suatu masalah perlu
mempertimbangkan 4 hal yaitu :
1. Mendefinisikan masalah dengan tepat
2. Menganalisis masalah
3. Mencari beberapa teknik penyelesaian masalah yang sesuai
4. Mempresentasikan pengetahuan yang perlu untuk menyelesaikan maslah
5. Memilih teknik penyelesaian masalah yang terbaik

RUANG KEADAAN (State Space)

Suatu ruang yang berisi semua keadaan yang mungkin sehingga secara umum untuk
mendeskripsikan masalah yang baik harus :

• Mendefinisikan suatu ruang keadaan

• Menetapkan satu atau lebih keadaan awal
• Menetapkan satu atau lebih tujuan
• Menetapkan kumpulan aturan

3 ARTIFICIAL INTELLIGENCE
Ada beberapa cara untuk mempresentasikan Ruang keadan :

• Graph Keadaan
• Pohon Pelacakan

METODE PENCARIAN dan PELACAKAN

Dua Teknik pencarian dan pelacakan :

1. Pencarian Buta(Blind Search)

2. Pencarian Terbimbing (Heuristic Search)

MATERI 3

4 ARTIFICIAL INTELLIGENCE
PENCARIAN
Materi ini membahas tentang bagaimana sebuah pencarian data ataupun pelacakan
suatu data dengan berbagai macam metode yang ada.

PENCARIAN DAN PELACAKAN

Hal yang terpenting dalam menentukan keberhasilan sistem cerdas adalah
kesuksesannya dalam pencarian.
pengertian pencarian : proses mencari solusi dari suatu permasalahan melalui
sekumpilan kemungkinan ruang keadaan.
Untuk mengukur performansi metode pencarian,terdapat empat kriteria yang dapat di
gunakan :

• Completeness : apakah metode tersebut menjamin penemuan solusi jika solusi

memang ada ?
• Time Complexity : berapa lama waktu yang diperluakan
• Space Complexity : berapa banyak memori yang diperlukan
• Optimality : apakah metode tersebut menjamin menemukan solusi yang terbaik
jika terdapat beberapa solusi berbeda

Dua Teknik Pencarian & Pelacakan

1. Pencarian Buta (Blind Search)

• Pencarian Melebar pertama (Breadth-First Search)

• Pencarian mendalam pertama (Depth-First Search)

2. Pencarian Terbimbing (Heuristic Search)

• Pendakian Bukit (Hill Climbing)

• Pencarian Terbaik Pertama (Best First Search)

PENCARIAN MELEBAR PERTAMA

5 ARTIFICIAL INTELLIGENCE
 • Semua node pada level n akan dikunjungi terlebih dahulu sebelum level n+1
• Mulai dari akar terus ke level 1 dari kiri ke kanan
• Keuntungan : Tidak menemui jalan buntu,Menjamin di temukannya solusi yang
paling baik,Jika ada satu solusi maka Bredth-First Search akan menemukannya
• Kelemahan : Membutuhkan memori yang cukup banyak

PENCARIAN MENDALAM PERTAMA

• Proses pencarian dilakukan pada semua anaknya sebelum dilakukan pencarian

ke node-node yang selevel
• Keuntungan : Memori relatif kecil,Secara kebetulan akan menemukan solusi
tanpa harus meguji lebih banyak lagi

PENCARIAN HEURISTIK

• Pencarian buta tidak selalu dapat diterapkan dengan baik

• Metode Heuristic Search diharapkan bisa menyelesaikan permasalahan yang
lebih besar
• Mettode Heuristic Search menggunakan suatu fungsi yang menghitung biaya
perkiraan dari suatu simpul tertentu menuju ke simpul tujuan

Ada 4 Metode Pencarian Heuristik

• Pembangkit & Pengujian (Generate & Test)

• Pendakian bukit (Hill Climbing)
• Pencarian terbaik pertama (Best First Search)
• Simulated Annealing

Pembangkit & Pengujian (Generate & Test)

• Pada prinsipnya metode ini merupakan penggabungan antara Depth-First Search

dengan pelacakan mundur,yaitu bergerak ke belakang menuju pada suatu
keadaan awal
• Algoritma :

6 ARTIFICIAL INTELLIGENCE
 1. Bangkitkan suatu kemungkinan solusi
2. Uji untuk melihat apakah node tersebut benar-benar merupakan solusinya
dengan cara mebandingkan node tersebut atau node akhir dari suatu lintasan
yang dipilih dengan kumpulan tujuan yang di harapkan
3. Jika soulsi ditemukan ,keluar.Jika tidak ulangi langkah pertama

• Kelemahan : Perlu membangkitkan semua kemungkinan sebelum dilakuka

pengujian,Membutuhkan Waktu yang lama dalam pencariannya

Pendakian Bukit (Hill Climbing)

• Metode ini hampir sama dengan metode pembangkitan & pengujian hanya saja
proses pengujian dilakukan dengan menggunakan fungsi heuristik
• Pembangkitan keadaan berikutnya sangat tergantung pada feedback dari
prosedur pengetesan

Simple Hill Climbing

• Algoritma :

1. Mulai dari keadaan awal, lakukan pengetesan,jika merupakan tujuan maka

berhenti dan jika tidak, lanjutkan dengan keadaan sekarang sebagai keadaan
awal.
2. Kerjakan Llangkah-langkah berikut sampai solusinya ditemukan atau sampai
tidak ada operator baru yang akan di aplikasikan pada keadaan sekarang
3. Cari operator yang belum digunakan sebagai keadann awal
4. Evaluasi keadaan awal tersebut
5. Jika keadaan merupakan tujuan maka keluar
6. Jika bukan keadaan tujuan,namun nilainya lebih baik daripada keadaan
sekarang,maka jadikan keadaan baru tersebut menjadi keadaan sekarang.
7. Jika keadaan baru tidak lebih baik daripada keadaan sekarang maka lanjutkan
iterasi.

Steepest Ascent Hill Climbing

7 ARTIFICIAL INTELLIGENCE
 • Steepest Ascent Hill Climbing sebenarnya hampir sama dengan simple hill
climbing hanya saja gerakan pencarian tidak dimulai dari posisi paling kiri
• Algoritma :

1. Mulai dari keadaan awal lakukan pengujian,jiak merupakan tujuan maka

berhenti dan jika tidak,lanjutkan dengan keadaan sekarang sebagai keadaan
awal
2. Kerjakan hingga tujuan tercapai atau hingga iterasi tidak memberikan
perubahan pada keadaan sekarang
3. Tentukan SUCC sebagai nilai heuristic terbaik dari success or successor
4. Kerjakan untuk tiap operator yang digunakan oleh keadaan sekarang
5. Gunakan operator tersebut dan bentuk keadaan baru
6. Evaluasi keadaan baru tersebut
7. Jika SUCC lebih baik daripada nilai heuristic keadaan sekarang,ubah node SUCC
menjadi keadaan sekarang

MATERI 4

8 ARTIFICIAL INTELLIGENCE
PENCARIAN
Materi ini membahas lanjutan dari materi sebelumnya,di materi ini kita akan
membahas lebih dalam tentang Pencarian Heuristik.

PENCARIAN
Ada empat metode pencarian heuristik :

• Pembangkit dan Pengujian (Generate & Test)

• Pendakian Bukit (Hill Climbing)
• Pencarian terbaik pertama (Best First Search)
• Simulated Annealing

Pencarian terbaik pertama (Best First Search)

Pengertian : Metode best-first search ini merupakan kombinasi dari metode depth-first
search dan metode breadth-first search dengan mengambil kelebihan dari kedua
metode tersebut.
1. Penentuan node berikutnya adalah node yang terbaik yang pernah di bangkitkan
2. Menggunakan informasi

• Biaya perkiraan

Biaya sebenarnya
3. Terdapat dua jenis

• Greedy Best First Search = biaya perkiraan f(n)=h(n)

• A* = f(n)=g(n) + h(n)

Keuntungan :

• Memperbolehkan kembali ke node pada level lebih rendah meskipun node pada
level terendah tersebut memiliki nilai heuristik lebih rendah

Untuk mengimplementasikan metode ini menggunakan graph keadaan,dibutuhkan 2

antrian yang berisi node-node yaitu :

9 ARTIFICIAL INTELLIGENCE
 • OPEN,Merupakan node yang telah dibangkitkan namun belum di uji
• CLOSED,Merupkan node yang telah di bangkitkan dan telah di uji

ALGORITMA

• Tempatkan node awal A pada antrian OPEN

• Kerjakan langkah-langkah berikut hingga tujuan ditemukan atau antrian OPEN
sudah kosong :
• Ambil node terbaik dari OPEN
• Bangkitkan semua successornya
• Untuk tiap-tiap successor kerjakan :
• Jika node tersebut belum pernah dibangkitkan sebelumnya,evaluasi node
tersebut dan masukkan ke OPEN;
• Jika node tersebut sudah pernah dibangkitkansebelumnya,ubah parent jika
lintasan baru lebih menjanjikan.Hapus node tersebut dari antrian OPEN.

MATERI 5

10 ARTIFICIAL INTELLIGENCE
SISTEM PAKAR
Materi ini membahas tentang seputar Sistem Pakar yaitu dimana sistem yang
digunakan untuk menyelesaikan masalah.

SISTEM PAKAR
Sistem Pakar digunakan untuk mendukung pemecahan masalah antara lain :

1. Pembuatan Keputusan (Decision Making)

2. Pemaduan Pengetahuan (Knowledge Fusing)
3. Pembuatan Design (Designing)
4. Perencanaan (Planning)
5. Perkiraan/Prakiraan (Forecasting)
6. Pengaturan (Regulating)
7. Pengendalian (Controling)
8. Diagnosis (Diagnosing)
9. Perumusan (Prescribing)
10.Penjelasan (Explanning)
11.Pemberian Nasihat (Advising)
12.Pelatihan (Tutoring)

Contoh Sistem Pakar :

1. MYCIN : Diagnosa penyakit miningitis & infeksi

2. FOLIO : Membantu memberikan keputusan bagi seorang manager dalam hal stok
broker & investasi
3. XCON & XSEL : Membantu konfigurasi sistem komputer besar
4. DELTA : Pemeliharaan lokomotif listrik diesel
5. DENDRAL : Mengidentifikasi struktur molekular

Ciri - ciri Sistem Pakar :

11 ARTIFICIAL INTELLIGENCE
 • Terbatas pada bidang yang spesifik
• Berdasarkan pada rule atau kaidah tertentu
• Outputnya bersifat nasihat & anjuran
• Outputnya tergantung dari dialog dengan user

Keuntungan Sistem Pakar :

• Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli

• Menyimpan pengetahuan & keahlian para pakar
• Meningkatkan Output & produktifitas
• Menghemat waktu & Pengambilan keputusan
• Meningkatkan kualitas

Kelemahan Sistem Pakar :

• Biaya yang diperlukan untuk membuat & memeliharanya sangat mahal

• Sulit dikembangkan
• Ketersediaan pakar di bidangnya
• Tidak 100% bernilai benar

Konsep Dasar :

• Keahlian
• Ahli
• Pengalihan keahlian
• Aturan
• Inferensi

Struktur Sistem Pakar :

• Basis pengetahuan o Interface pengguna

• Blackboard o Subsistem penjelasan
• Mesin Inferensi o Sistem penyaring pengetahuan

12 ARTIFICIAL INTELLIGENCE