RIKO RONALDO: PIB

BAB I

PENDAHULUAN

1.1 KECERDASAN BUATAN

Kecerdasan Buatan adalah salah satu cabang Ilmu pengetahuan berhubungan dengan pemanfaatan mesin untuk memecahkan persoalan yang rumit dengan cara yang lebih manusiawi. Hal Ini biasanya dilakukan dengan mengikuti/mencontoh karakteristik dan analogi berpikir dari kecerdasan/Inteligensia manusia, dan menerapkannya sebagai algoritma yang dikenal oleh komputer. Dengan suatu pendekatan yang kurang lebih fleksibel dan efisien dapat diambil tergantung dari keperluan, yang mempengaruhi bagaimana wujud dari perilaku kecerdasan buatan. AI biasanya dihubungkan dengan Ilmu Komputer, akan tetapi juga terkait erat dengan bidang lain seperti Matematika, Psikologi, Pengamatan, Biologi, Filosofi, dan yang lainnya. Kemampuan untuk mengkombinasikan pengetahuan dari semua bidang ini pada akhirnya akan bermanfaat bagi kemajuan dalam upaya menciptakan suatu kecerdasan buatan.

Lingkup utama kecerdasan buatan:

Sustem pakar. Komputer digunakan sebagai saran untuk menyimpan pengetahuan para pakar. Dengan demikian komputer akan memiliki keahlian untuk menyelesaikan masalah dengan meniru keahlian yang dimiliki para pakar
Pengolahan bahasa alami. Dengan pengolahan bahasa alami ini diharapkan user mampu berkomunikasi dengan komputer dengan menggunakan bahasa sehari-hari.
Pengenalan ucapan. Melalui pengenalan ucapan diharapkan manusia mampu berkomunikasi dengan komputer dengan menggunakan suara.
Robotika dan Sistem sensor
Computer vision, mencoba untuk dapat mengintrepetasikan gambar atau objek-objek tampak melalui komputer
Intelligent Computer aid Instruction. Komputer dapat digunakan sebagai tutor yang dapat melatih dan mengajar

Keuntungan Kecerdasan Buatan :

Kecerdasan buatan lebih bersifat permanen. Kecerdasan alami akan cepat mengalami perubahan. Hal ini dimungkinkan karena sifat manusia yang pelupa. Kecerdasan buatan tidak akan berubah sepanjang sistem komputer dan program tidak mengubahnya.
Kecerdasan buatan lebih mudah diduplikasi dan disebarkan. Mentransfer pengetahuan manusia dari satu orang ke orang lain butuh proses dan waktu lama. Disamping itu suatu keahlian tidak akan pernah bisa diduplikasi secara lengkap. Sedangkan jika pengetahuan terletak pada suatu sistem komputer, pengetahuan tersebuat dapat ditransfer atau disalin dengan mudah dan cepat dari satu komputer ke komputer lain
Kecerdasan buatan lebih murah dibanding dengan kecerdasan alami. Menyediakan layanan komputer akan lebih mudah dan lebih murah dibanding dengan harus mendatangkan seseorang untuk mengerjakan sejumlah pekerjaan dalam jangka waktu yang sangat lama.
Kecerdasan buatan bersifat konsisten. Hal ini disebabkan karena kecerdasan busatan adalah bagian dari teknologi komputer. Sedangkan kecerdasan alami senantiasa berubah-ubah.
Kecerdasan buatan dapat didokumentasikan. Keputusan yang dibuat komputer dapat didokumentasikan dengan mudah dengan melacak setiap aktivitas dari sistem tersebut. Kecerdasan alami sangat sulit untuk direproduksi.
Kecerdasan buatan dapat mengerjakan pekerjaan lebih cepat dibanding dengan kecerdasan alami
Kecerdasan buatan dapat mengerjakan pekerjaan lebih baik dibanding dengan kecerdasan alami.

1.2 REPRESENTASI PENGETAHUAN

Representasi Pengetahuan adalah metode yang digunakan untuk mengodekan pengetahuan dalam suatu sistem pakar. Yang dimaksudkan untuk menangkap sifat-sifat penting problema dan membuat informasi itu dapat diakses oleh prosedur pemecahan problema.

Pengetahuan dibedakan menjadi 3 klasifikasi yaitu:

Prodecural Knowledge adalah pengetahuan yang berkaitan dengan prosedur atau cara untuk melakukan sesuatu. Contohnya, bagaimana cara mendidihkan air dalam panci.
Declarative Knowledge adalah pengetahuan untuk dapat menentukan nilai benar dan salah suatu hal. Contohnya, jangan celupkan tangan anda dalam air yang mendidih.
Tacid Knowledge kadang disebut juga sebagai “unconscious knowledge”, karena pengetahuan tidak dapat diekspresikan atau didefinisikan dengan bahasa. Contohnya, bagaimana menggerakkan tangan.

Model Representasi Pengetahuan

Pengetahuan dapat dipresentasikan dalam bentuk yang sederhana atau kompleks, tergantung dari masalahnya. (Schnupp, 1989)

Terdapat beberapa model atau bentuk representasi pengetahuan yang telah dikembangkan, yaitu :

Logika
Jaringan Semantik (Semantic nets)
Object-Attribute-Value (OAV)
Bingkai (Frame)
Aturan Produksi (production rule)

Logika

Suatu pengkajian ilmiah tentang serangkaian penalaran, sistem kaidah, dan prosedur yang membantu penalaran.

Komputer harus dapat menggunakan proses penalaran deduktif dan induktif kedalam bentuk yang sesuai dengan manipulasi komputer, yaitu logika simbolik atau matematika.

Jaringan Semantik ( Semantic nets)

Jaringan Semantik adalah tehnik representasi dalam artificial intelligence klasik untuk informasi proposional, sehingga sering kali disebut sebagai poporsional network. Proposisi adalah pernyataan yang dapat bernilai benar atau salah dan merupakan bentuk pengetahuan deklaratif.

Semantic network pertama kali dikembangkan untuk AI sebagai cara untuk mempresentasikan memory dan pemahaman bahasa manusia. Struktur semantic nets berupa grafik dengan node (simpul) dan arc (ruas) yang menghubungkannya

Bentuk object-attribute-value triple daapat digunakan untuk mempresentasikan semua karakteristik pengetahuan dalam semantic net dan digunakan pada sistem pakar MYCIN untuk mendiagnosa penykit infeksi.

Bingkai (Frame)

Salah satu tipe skema objek yang tipikal dalam situasi tertentu. Karakteristik dasar frame adalah frame mempresentasikan pengetahuan yang terkait mengenai sebuah subjek yang sempit dan memiliki default. Sistem frame adalah pilihan yang baik untuk mendeskripsikan peralatan mekanik seperti mobil.
Frame mencoba memodelkan obyek yang ada di dunia nyata menggunakan pengetahuan generik untuk atribut yang banyak dimiliki oleh obyek dan pengetahuan spesifik untuk kasus khusus.

Aturan_Produksi (Production Rule)

Aturan produksi adalah jenis representasi pengetahuan yang paling umum digunakan karena memiliki keuntungan yang lebih dibandingkan dengan kekurangannya.

BAB II

PEMBAHASAN

Dalam menyelesaikan masalah tentu membutuhkan pengetahuan yang cukup. Selain itu sistem harus bissa untuk menalar. Representasi pengetahuan dan kemampuan untuk melakukan penalaran dalam bidang kecerdasan buatan merupakan hal yang penting. Meskipun suatu sistem memiliki banyak pengetahua, namun jika tidak memiliki kemampuan untuk menalar akan percuma saja. Sebaliknya jika sistem memiliki kemampuan yang handal untuk menalar tapi basis pengetahuan yang dimilikinya tidak cukup, maka solusi yang diperolehnya menjadi tidak maksimal. Banyak cara untuk menyatakan representasi pengetahuan dan setiap cara mempunyai kelebihan dan kelemahan masing-masing. Adapun cara untuk representasi pengetahuan adalah:

· Kalkulus Predikat

· Logika

· Pohon

· Frame

· Script.

· Semantic Network

Di sini saya mengambil contoh sebuah kasus dari kategori representasi pengetahuan yakni LOGIKA ATAU PROLOG.

Logika adalah bentuk representasi yang paling tua. Representasi jenis ini menggunakan ekspresi-ekspresi dalam logika formal untuk mempresentasikan basis pengetahuan. Pada dasarnya proses logika adalah proses membentuk kesimpulan dan menarik suatu inferensi berdasarkan fakta yang telah ada. Input dari proses logika berupa premis atau fakta-fakta yang diakui kebenarannya sehingga dengan melakukan penalaran pada proses logika dapat dibentuk suatu inferensi atau kesimpulan yang benar pula.

Contoh fakta atau studi kasus sederhana yang akan direpresentasikan secara logika adalah sbb :

Helder adalah anjing

Fakta dalam bahasa Inggris tersebut dapat direpresentasikan secara logika, yaitu :

Anjing(Helder)

Contoh lain representasi pengetahuan dalam prolog :

Dari parse tree di atas dapat dibuat representasinya secara logika sebagai berikut :

Putra Labiba adalah Raihan

Putra Raihan adalah Arif,Putrinya Raihan adalah Farah

Putra Arif adalah Farhan dan Arfan

Putrinya Farah adalah Naura

Putranya Farhan adalah Yudas dan Dens

Putrnya Arfan adalah Jeksi

Putranya Naura adalah Frangko

Putrnya Yudas adalah Yusuf dan Denis

Putranya Dens adalah Ferry

Putranya Jeksi adalah Odi

Putranya Frangko adalah Theo

Putranya Denis adalah Stev dan Jum

Putrinya Ferry adalah Madah

Putranya Odi adalah Doni, Putrinya Odi adalah Novi

Putrinya Theo adalah Yuni

BAB III

KESIMPULAN

Kecerdasan buatan lebih bersifat permanen. Kecerdasan alami akan cepat mengalami perubahan. Hal ini dimungkinkan karena sifat manusia yang pelupa. Kecerdasan buatan tidak akan berubah sepanjang sistem komputer dan program tidak mengubahnya.
Kecerdasan buatan lebih mudah diduplikasi dan disebarkan. Mentransfer pengetahuan manusia dari satu orang ke orang lain butuh proses dan waktu lama. Disamping itu suatu keahlian tidak akan pernah bisa diduplikasi secara lengkap. Sedangkan jika pengetahuan terletak pada suatu sistem komputer, pengetahuan tersebuat dapat ditransfer atau disalin dengan mudah dan cepat dari satu komputer ke komputer lain
Kecerdasan buatan lebih murah dibanding dengan kecerdasan alami. Menyediakan layanan komputer akan lebih mudah dan lebih murah dibanding dengan harus mendatangkan seseorang untuk mengerjakan sejumlah pekerjaan dalam jangka waktu yang sangat lama.

4. Adapun cara untuk representasi pengetahuan adalah:

· Logika

· Pohon

· Frame

· Script.

· Semantic Network

5. Jika suatu masalah dideskripsikan dengan menggunakan representasi yang tepat, maka dapat dipastikan bahwa permasalahan tersebut dapat diselesaikan.

6. Dengan representasi yang tepat akan didapatkan jawaban yang tepat pula terhadap suatu permasalahan.

7. Membangun sebuah system kecerdasan buatan membutuhkan beberapa pertanyaan mendasar tentang pengetahuan.