pertemuan 1 artificial intelligence
TRANSCRIPT
![Page 1: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/1.jpg)
Materi Kuliah – [1]:KECERDASAN BUATAN
Artificial Intelligence
Dr. Sri Kusumadewi
![Page 2: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/2.jpg)
SasaranMahasiswa mengenal pengertiandan ruang lingkup KecerdasanBuatan.
Referensi Utama
Russell, Stuart; dan Norvig, Peter. 2003. Artificial Intelligence A Modern Approach. International Edition, Edisi 2. New Jersey: Pearson Prentice-Hall Education International. Kusumadewi; Sri. 2003. Artificial Intelligence (Teknik & Aplikasinya). Yogyakarta: Graha Ilmu.
2/10/2010 2
![Page 3: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/3.jpg)
MateriPengertianBagaimana AI bekerja?Hard Computing vs Soft ComputingKapan menggunakan AI?
2/10/2010 3
![Page 4: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/4.jpg)
Pengertian
Kecerdasan buatan atau artificial intelligence merupakan salah satu bagian ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia.
2/10/2010 4
![Page 5: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/5.jpg)
Pengertian
Sistem cerdas (intelligent system) adalah sistem yang dibangundengan menggunakan teknik-teknikartificial intelligence.
2/10/2010 5
![Page 6: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/6.jpg)
Sejarah
Dimulai dengan uji mesin Turing: AI lulus tes apabila integrator tidakbisa membedakan dialog yang dilakukan oleh komputer – mesin, dengan komputer – manusia.
Alan Turing(1912-1954)
2/10/2010 6
![Page 7: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/7.jpg)
Sejarah
Tahun 1943-1956:◦ Program catur pertama oleh
Shanon & Turing (1950)◦ Deklarasi AI (1956) pada
Workshop Dartmouth oleh John McCarthy
John McCarthy(Stanford University )
2/10/2010 7
![Page 8: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/8.jpg)
SejarahTahun 1956-1966◦ Logic Theorist (mampu membuktikan teorema-
teorema matematika)◦ Sad Sam, diprogram oleh Robert K. Lindsay (1960).
Program ini dapat mengetahui kalimat-kalimat sederhana yang ditulis dalam bahasa Inggris dan mampu memberikan jawaban dari fakta-fakta yang didengar dalam sebuah percakapan.◦ General Problem Solver
2/10/2010 8
![Page 9: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/9.jpg)
Tahun 1966 – 1979◦ Program AI hanya bisa melakukan
manipulasi simbolik dan hanya bisamemuat sedikit sekali pengetahuan.◦ Problem AI yang akan dipecahkan tidak
mudah ditangani◦ Sistem berbasis pengetahuan ->
terutama untuk sistem pakar:MYCINDENDRALPROSPECTORXCON & XSELFOLIODELTA
Sejarah
2/10/2010 9
![Page 10: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/10.jpg)
SejarahTahun 1980-sekarang:◦ AI telah menjadi komoditi industri:
R1 Sistem Pakar komersial pertama ygdibuat oleh Digital Equipment Corporation (DEC), 1982.Proyek “Generasi Kelima” , pembuatankomputer cerdas dengan Prolog (Jepang), 1981.Daya jual produk AI: beberapa juta dolar(1980) – mencapai $2 miliar (1988).
2/10/2010 10
![Page 11: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/11.jpg)
Cabang-cabang AILogical AI◦ Logika (matematis) yang
merepresentasikan sekumpulanfakta dan tujuan ---> RUANG KEADAAN:
GraphTree
2/10/2010 11
![Page 12: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/12.jpg)
Cabang-cabang AISearch◦ Pencarian keadaan baru dari keadaan
sekarang yang akan menentukanpergerakan:
Blind SearchDepth-First SearchBreadth-Firsh Search
Heuristic SearchGenerate & TestHill ClimbingBest-First searchSimulated-AnnealingTabu SearchAlgoritma Genetika
2/10/2010 12
![Page 13: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/13.jpg)
Cabang-cabang AIRepresentation◦ Representasi fakta-fakta
(pengetahuan) dalam ruangkeadaan:
Logika (proposisi & predikat)TreeJaringan SemantikFrameNaskahKaidah Produksi
2/10/2010 13
![Page 14: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/14.jpg)
Cabang-cabang AIPattern Recognition◦ Pengenalan & pencocokan suatu
pola terhadap sekumpulan pola.Pengolahan Bahasa AlamiJaringan Syaraf Tiruan
2/10/2010 14
![Page 15: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/15.jpg)
Cabang-cabang AIInference◦ Kemampuan untuk menarik
kesimpulan berdasarkanpengetahuan.
Forward ReasoningBackward ReasoningFuzzy Inference System (FIS)
2/10/2010 15
![Page 16: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/16.jpg)
Cabang-cabang AILearning from Experience◦ Melakukan proses pembelajaran
(pelatihan) dari pengetahuan ataupengalaman yang ada pada basis pengetahuan.
Jaringan Syaraf Tiruan
2/10/2010 16
![Page 17: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/17.jpg)
Cabang-cabang AICabang-cabang lain:◦ Pengolahan bahasa alami (Natural
Language Processing)◦ Robotika (robotics)◦ Game playing◦ Persepsi (vision and speech)
2/10/2010 17
![Page 18: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/18.jpg)
Bagaimana AI bekerja?Bagian terpenting AI:◦ Knowledge base (basis
pengetahuan), berisi fakta-fakta, teori, pemikiran dan hubungan antara satu dengan lainnya.◦ Inference engine, yaitu
kemampuan menarik kesimpulan berdasarkan pengalaman.
2/10/2010 18
![Page 19: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/19.jpg)
Bagaimana AI bekerja?
Knowledge Base
InferenceEngine
Input:MASALAH
Output:SOLUSI
ARTIFICIAL ARTIFICIAL INTELLIGENCEINTELLIGENCE
2/10/2010 19
![Page 20: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/20.jpg)
Analogi AI dan Kecerdasan Manusia?
Basis Pengetahuan:◦ Kumpulan pengetahuan & pengalaman
yang dimiliki oleh manusia.◦ Contoh:
Jika saya makan cabe > 5 buah, maka tidaklama kemudian perut saya akan terasa sakit.Jika kuliah mulai jam 7, dan saya berangkatdari rumah jam 6.45, maka saya akanterlambat.Jika x=3.75, maka y=100.
2/10/2010 20
![Page 21: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/21.jpg)
Analogi AI dan Kecerdasan Manusia?
Inferensi:◦ Kemampuan manusia untuk menalar
berdasarkan pengetahuan/pengalamanyang dimiliki, apabila muncul suatufakta.◦ Contoh:
Pengetahuan: Jika saya makan cabe > 5 buah, maka tidaklama kemudian perut saya akan terasasakit.
Fakta:Saya baru saja makan cabe 15 buah.
Kesimpulan:Tidak lama lagi perut saya akan sakit.
2/10/2010 21
![Page 22: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/22.jpg)
Bentuk PenalaranPenalaran Deduktif◦ Penalaran dimulai dari premis
yang bersifat umum, untukmendapatkan konklusi yang khusus.◦ Contoh:
Premis1: Jika hari hujan, maka saya tidakdatang.Premis2: Hari ini turun hujan.Konklusi: Hari ini saya tidak datang.
2/10/2010 22
![Page 23: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/23.jpg)
Penalaran induktif:◦ Penalaran dimulai dari premis-premis
yang bersifat khusus, untukmendapatkan konklusi yang bersifatumum.◦ Contoh:
Premis1: Ikan mujaer bernafas dengan insang.Premis2: Ikan mas koki bernafas dengan insang.Premis3: Ikan bawal bernafas dengan insang.Premis4: Ikan kakap bernafas dengan insang.
Konklusi: Ikan adalah hewan yang bernafas dg insang
Bentuk Penalaran
Premis5: Ikan paus bernafas dengan paru-paru.
Konklusi kurang tepat!!!!!2/10/2010 23
![Page 24: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/24.jpg)
Teknik Pemecahan MasalahConventional Hard ComputingConventional Hard Computing
Soft ComputingSoft Computing
Precise Models
Precise Models
Logika penalaranberbentuk simbol
Pencarian & Pemodelan masalahdilakukan secara
numeris (tradisional)
Approximate Models
Approximate Models
Penalaran melaluipendekatan
Pendekatan fungsional &Pencarian random
2/10/2010 24
![Page 25: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/25.jpg)
Soft ComputingSoft computing adalah koleksi dari beberapa metodologi yang bertujuan untuk mengeksploitasi adanya toleransi terhadap ketidaktepatan, ketidakpastian, dan kebenaran parsial untuk dapat diselesaikan dengan mudah, robustness, dan biaya penyelesaiannya murah. Definisi ini pertama kali diungkapkanoleh Prof. Lotfi A. Zadeh pada tahun1992.
2/10/2010 25
![Page 26: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/26.jpg)
Komponen Soft ComputingApproximate reasoning:◦ Fuzzy System;◦ Probabilistic Reasoning;Functional Approximation/ Randomized Search:◦ Neural Network (Jaringan Syaraf)◦ Evolutionary Algorithm (Algoritma
evolusioner).
2/10/2010 26
![Page 27: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/27.jpg)
Sistem FuzzyKonsepnya menggunakan teorihimpunan.Menggunakan derajat keanggotaanfuzzy untuk menunjukkan seberapabesar suatu nilai masuk dalam suatuhimpunan fuzzy.Bidang kajian:◦ Fuzzy Inference System◦ Fuzzy Clustering◦ Fuzzy Database◦ Fuzzy Mathematical Programming◦ dll.
2/10/2010 27
![Page 28: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/28.jpg)
Jaringan Syaraf TiruanMenggunakan algoritma pembelajaranuntuk mendapatkan bobot-bobot yang optimum.Jenis pembelajaran: supervised learning, dan unsupervised learning.Algoritma pembelajaran yang sudahdikembangkan, dan paling seringdiaplikasikan:◦ Perceptron◦ Radial Basis◦ Backpropagation (sederhana & lanjut)◦ Self Organizing ◦ Learning Vector Quantization◦ dll
2/10/2010 28
![Page 29: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/29.jpg)
Algoritma EvolusionerMenggunakan pendekatan teori evolusi.Dipelopori oleh algoritma genetika.Terutama digunakan untuk optimasi.Algoritma yang sudah dikembangkan:◦ Algoritma Genetika◦ Ant System◦ Fish Schooling◦ Bird Flocking◦ Particle Swarm
2/10/2010 29
![Page 30: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/30.jpg)
Probabilistic ReasoningMengakomodasi adanya faktorketidakpastian.Teori-teori yang berkembang:◦ Teorema Bayes◦ Certainty Factor (statistic reasoning)◦ Teorema Dempster-Shafer (statistic
reasoning)
2/10/2010 30
![Page 31: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/31.jpg)
Hybrid SystemSetiap komponen dalam Soft computing tidak saling‘berkompetisi’, melainkan justrusaling ‘melengkapi’.Hybrid system merupakanperpaduan antar komponen dalamsoft computing.
2/10/2010 31
![Page 32: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/32.jpg)
Hybrid SystemNeuro-fuzzy SystemsFuzzy Neural NetworkFuzzy Genetic AlgorithmsNeuro-genetic Systems
2/10/2010 32
![Page 33: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/33.jpg)
Menggunakan AI: kapan?Masalah:◦ Carilah nilai minimum dari: y=x2+2x-3;
pada kawasan [-10 10].◦ Dengan mudah dapat diselesaikan
secara analitis.◦ Solusi eksak, Nilai Minimum = -4,
terletak pada x=-1.Untuk masalah sederhana yang bisadiselesaikan secara analitis, selesaikanlah secara ANALITIS.
2/10/2010 33
![Page 34: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/34.jpg)
Menggunakan AI: kapan?
-10 -8 -6 -4 -2 0 2 4 6 8 10-20
0
20
40
60
80
100
120f(x )=x2+2x-3
x
y
m inim um
2/10/2010 34
![Page 35: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/35.jpg)
Menggunakan AI: kapan?Masalah: ◦ Carilah akar persamaan:
f(x)= sin(x)cos(x)-2x+3sin(x)ln(x)+5sin(2x2-5x) / cos(x3-2x),dekat dengan 3.◦ Sangat sulit untuk diselesaikan secara
analitis, gunakan pendekatan METODE NUMERIS: (Metode biseksi, regulafalsi, secant, Newton).◦ Hasil=3,0846.
2/10/2010 35
![Page 36: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/36.jpg)
Menggunakan AI: kapan?
1 1.5 2 2.5 3 3.5 4 4.5 5-600
-500
-400
-300
-200
-100
0
100
200
300s in(x )c os (x )-2x + 3s in(x )ln(x )+ 5s in(2x 2-5x )/c os (x 3-2x )
x
y
y = 0, x dek at dengan 3
2/10/2010 36
![Page 37: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/37.jpg)
Menggunakan AI: kapan?Masalah: ◦ Carilah nilai minimum dari:
f(x)= sin(x)cos(x)-2x+3sin(x)ln(x)+5sin(2x2-5x) /cos(x3-2x),dekat pada kawasan [1 5].◦ Sangat sulit untuk diselesaikan secara
analitis. Secara numeris memungkinkan, namun kumungkinan diperoleh nilaiminimum lokal sangat tinggi. Cara terbaik gunakan pendekatanARTIFICIAL INTELLIGENCE (Simulated Annealing, Algoritma Genetika).◦ Nilai minimum=-547.3730, pada x=133
2/10/2010 37
![Page 38: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/38.jpg)
Menggunakan AI: kapan?
1 1.5 2 2.5 3 3.5 4 4.5 5-600
-500
-400
-300
-200
-100
0
100
200
300s in(x )cos (x )-2x+3s in(x )ln(x )+5s in(2x 2-5x )/cos(x 3-2x )
x
y
m inim um global
2/10/2010 38
![Page 39: Pertemuan 1 Artificial Intelligence](https://reader033.vdocument.in/reader033/viewer/2022052322/5571fab8497959916992ed55/html5/thumbnails/39.jpg)
Bekal ilmu yang harus ‘disiapkan’ untuk lebihmemudahkan mempelajari Soft Computing:
ALJABAR KALKULUS LOGIKA
KOMPUTASI NUMERIS
SOFTSOFTCOMPUTINGCOMPUTING
2/10/2010 39