Kecerdasan
Buatan
Kecerdasan
Buatan atau kecerdasan yang ditambahkan kepada suatu sistem yang bisa
diatur dalam konteks ilmiah atau Intelegensi Artifisial (bahasa
Inggris: Artificial
Intelligence atau hanya disingkat AI) didefinisikan sebagai
kecerdasan entitas ilmiah. Sistem seperti ini umumnya dianggap
komputer. Kecerdasan diciptakan dan dimasukkan ke dalam suatu mesin (komputer)
agar dapat melakukan pekerjaan seperti yang dapat dilakukan manusia.
Beberapa macam bidang yang menggunakan kecerdasan buatan antara lain sistem
pakar, permainan komputer (games), logika fuzzy, jaringan
syaraf tiruan dan robotika.
Secara
garis besar, AI terbagi ke dalam dua paham pemikiran yaitu AI Konvensional dan Kecerdasan
Komputasional (CI, Computational
Intelligence). AI konvensional kebanyakan melibatkan metode-metode yang
sekarang diklasifiksikan sebagai pembelajaran mesin, yang ditandai dengan
formalisme dan analisis statistik.
Dikenal juga sebagai AI simbolis, AIlogis, AI murni dan AI
cara lama (GOFAI, Good Old Fashioned
Artificial Intelligence). Metode-metodenya meliputi:
1)
Sistem pakar:
menerapkan kapabilitas pertimbangan untuk mencapai kesimpulan. Sebuah sistem
pakar dapat memproses sejumlah besar informasi yang diketahui dan menyediakan
kesimpulan-kesimpulan berdasarkan pada informasi-informasi tersebut.
4)
AI berdasar
tingkah laku: metode modular pada pembentukan sistem AI secara
manual
Kecerdasan
komputasional melibatkan pengembangan atau pembelajaran iteratif (misalnya
penalaan parameter seperti dalam sistem koneksionis. Pembelajaran ini
berdasarkan pada data empiris dan diasosiasikan dengan AI non-simbolis, AI yang
tak teratur dan perhitungan lunak. Metode-metode pokoknya meliputi:
1)
Jaringan
Syaraf: sistem dengan kemampuan pengenalan pola yang sangat kuat
2)
Sistem Fuzzy:
teknik-teknik untuk pertimbangan di bawah ketidakpastian, telah digunakan
secara meluas dalam industri modern dan sistem kendali produk konsumen.
3)
Komputasi Evolusioner:
menerapkan konsep-konsep yang terinspirasi secara biologis seperti populasi,
mutasi dan “survival of
the fittest” untuk menghasilkan pemecahan masalah yang lebih baik.
Metode-metode
ini terutama dibagi menjadi algoritma evolusioner (misalnya algoritma
genetik) dan kecerdasan berkelompok (misalnya algoritma
semut)
Dengan
sistem cerdas hibrid, percobaan-percobaan dibuat untuk menggabungkan kedua
kelompok ini. Aturan inferensi pakar dapat dibangkitkan melalui jaringan syaraf
atau aturan produksi dari pembelajaran statistik seperti dalam ACT-R. Sebuah pendekatan
baru yang menjanjikan disebutkan bahwa penguatan kecerdasan mencoba untuk
mencapai kecerdasan buatan dalam proses pengembangan evolusioner sebagai efek
samping dari penguatan kecerdasan manusia melalui teknologi.
Expert System
Sistem
Pakar (dalam bahasa Inggris : expert system) adalah
sistem informasi yang berisi dengan pengetahuan dari pakar sehingga dapat
digunakan untuk konsultasi. Pengetahuan dari pakar di dalam sistem ini
digunakan sebagi dasar oleh Sistem Pakar untuk menjawab pertanyaan
(konsultasi). Kepakaran (expertise)
adalah pengetahuan yang ekstensif dan spesifik yang diperoleh melalui rangkaian
pelatihan, membaca, dan pengalaman. Pengetahuan membuat pakar dapat mengambil
keputusan secara lebih baik dan lebih cepat daripada non-pakar dalam memecahkan
problem yang kompleks. Kepakaran mempunyai sifat berjenjang, pakar top memiliki
pengetahuan lebih banyak daripada pakar yunior. Tujuan Sistem Pakar adalah
untuk mentransfer kepakaran dari seorang pakar ke komputer, kemudian ke orang
lain (yang bukan pakar).
Sistem
pakar adalah suatu program
komputer yang mengandung pengetahuan dari
satu atau lebih pakar manusia mengenai
suatu bidang spesifik. Jenis program ini pertama kali dikembangkan oleh periset kecerdasan
buatan pada dasawarsa 1960-an dan 1970-an dan diterapkan secara
komersial selama 1980-an. Bentuk umum sistem pakar adalah suatu program yang
dibuat berdasarkan suatu set aturan yang menganalisis informasi (biasanya
diberikan oleh pengguna suatu sistem) mengenai suatu kelas masalah spesifik
serta analisis matematis dari masalah tersebut. Tergantung dari desainnya,
sistem pakar juga mampu merekomendasikan suatu rangkaian tindakan pengguna
untuk dapat menerapkan koreksi. Sistem ini memanfaatkan kapabilitas penalaran
untuk mencapai suatu simpulan.
Jenis-Jenis Expert System
1) Interpretasi : Menghasilkan deskripsi situasi
berdasarkan data sensor.
2) Prediksi : Memperkirakan akibat yang mungkin dari
situasi yang diberikan.
3) Diagnosis : Menyimpulkan kesalahan sistem
berdasarkan gejala.
4) Design : Menyusun objek-objek berdasarkan kendala.
5) Planning : Merencanakan tindakan.
6) Monitoring : Membandingkan hasil pengamatan dengan
proses perencanaan.
7) Debugging : Menentukan penyelesaian dari kesalahan
sistem.
8) Reparasi : Melaksanakan rencana perbaikan.
9) Instruction : Diagnosis, debugging dan reparasi
kelakuan pelajar.
10) Control : Diagnosis, debugging dan reparasi kelakuan
sistem.
Komponen Expert System
1.
User Interface
User interface digunakan manajer untuk memasukkan instruksi dan
informasi dari sistem. Metode input yang digunakan oleh manajer yaitu:
a. Menu
a. Menu
b. Command
c. Natural Language
d. Output
Expert System memakai 2 bentuk penjelasan (explanation) :
Ø Explanation of
Question
Ø Explanation of
Problem Solution
2.
Knowledge Base
Knowledge base terdiri dari fakta yang menggambarkan problem
domain dan juga teknik penyajian yang menggunakan fakta sesuai logika.
Aturan(rules) merupakan rincian dalam situasi yang tidak berubah: Kondisi benar dan tidak benar, tindakan yang diambil bila kondisi benar.
Aturan(rules) merupakan rincian dalam situasi yang tidak berubah: Kondisi benar dan tidak benar, tindakan yang diambil bila kondisi benar.
3.
Interface Engine
Inference Engine merupakan bagian dari Expert System yang membentuk Reasoning
dengan menggunakan isi dari knowledge
base dalam urutan tertentu.
Dua metode yang digunakan dalam Expert System untuk mengamati Rules, yaitu:
Dua metode yang digunakan dalam Expert System untuk mengamati Rules, yaitu:
a.
Penalaran ke
depan (Forward) atau Forward Chaining.
b.
Penalaran ke
Belakang (Revierse) atau Backward Chaining.
4. Development
Engine
Development Engine membangun Rule Set dengan pendekatan :
Development Engine membangun Rule Set dengan pendekatan :
a.
Bahasa
Pemrograman (Programming Language).
b.
Bagian Expert System (Expert System Shell)
Proses Pengembangan Sistem
1)
Permulaan proses
pengembangan
2)
Prototype
pengembangan Expert system
3)
Partisipasi User
4)
Pemeliharaan Expert system
Kelebihan
Sistem Pakar
Secara garis besar,
banyak manfaat yang dapat diambil dengan adanya sistem pakar, antara
lain :
1)
Memungkinkan orang awam bisa mengerjakan
pekerjaan para ahli.
2)
Bisa melakukan proses secara berulang
secara otomatis.
3)
Menyimpan pengetahuan dan keahlian para
pakar.
4)
Meningkatkan output dan produktivitas.
5)
Meningkatkan kualitas.
6)
Mampu mengambil dan melestarikan
keahlian para pakar (terutama yang termasuk keahlian langka).
7)
Mampu beroperasi dalam lingkungan yang
berbahaya.
8)
Memiliki kemampuan untuk mengakses
pengetahuan.
9)
Memiliki reliabilitas.
10)
Meningkatkan kapabilitas sistem komputer.
11)
Memiliki kemampuan untuk bekerja dengan
informasi yang tidak lengkap dan mengandung ketidakpastian.
12)
Sebagai media pelengkap dalam pelatihan.
13)
Meningkatkan kapabilitas dalam
penyelesaian masalah.
14)
Menghemat waktu dalam pengambilan
keputusan
Kelemahan
Sistem Pakar
Di samping memiliki
beberapa keuntungan, sistem pakar juga memiliki beberapa kelemahan, antara
lain :
1)
Biaya yang diperlukan untuk membuat dan
memeliharanya relatif mahal karena diperlukan banyak data.
2)
Perlu admin khusus yang selalu update
informasi dalam bidang yang sesuai dengan sistem pakar.
3)
Pengembangan perangkat lunak sistem
pakar lebih sulit dibandingkan perangkat lunak konvensional.
4)
Susah di kembangkan.
5)
Membutuhkan waktu yang lama.
Contoh
Sistem Pakar
1)
MYCIN : diagnosa penyakit
2)
Dendral : mengidintifikasikan
struktur molekul campuran kimia yang tidak dikenal
3)
XCON & XSEL : konfigurasi
sistem komputer besar,
4)
Prospector : bidang biologi
Sumber :
https://elhasbyblog.wordpress.com/kuliah-2/expert-system-sistem-pakar/
0 komentar:
Posting Komentar