Kamis, 28 September 2017

Pert 2 : Penyelesaian Masalah dalam Kecerdasan Buatan

Tomy Febriyandi
3 KA 10
16115925
Dosen : Essy Malays Sari Sakti

2.1 Agen Pemecah Permasalahan
Searching di dalam AI (Artificial Intelligence) adalah salah satu motode penyelesaian masalah dengan pencarian solusi pada suatu permasalahan yang dihadapi.
Teknik searching sendiri terbagi menjadi dua, yaitu:
1.       Blind searching
  1. Heuristic searching 
1.       Blind Searching
          Blind Searching adalah model pencarian buta atau pencarian yang tidak memiliki inforamasi awal, model pencarian ini memiliki tiga ciri – ciri utama yaitu:
-          Membangkitkan simpul berdasarkan urutan
-          Kalau ada solusi maka solusi akan ditemukan
-          Hanya memiliki informasi tentang node yang telah dibuka (node selanjutnya tidak diketahui).

Blind Searching sendiri dibagi menjadi tiga macam yaitu :
  • Breadth First Search (BFS)
  • Depth First Search (DFS)
  • Uniform Cost Search (UCS)
Dalam menentukan teknik penyelesaian terbaik dalam AI memang tidak mudah, untuk itu ada beberapa teknik penyelesaian masalah yang perlu kita pahami, antara lain:

1. Searching
          Teknik penyelesaian masalah yang mempresentasikan masalah kedalam ruang keadaan (state) dan secara sistematis melakukan pembangkitan dan pengujian state-state dari initial state sampai ditemukan suatu goal state.

2. Reasoning
          Teknik penyelesaian masalah yang mempresentasikan masalah kedalam logic (Mathematical Tools yang digunakan untuk merepresentasikan dan memanipulasi fakta dan aturan)

3. Planning
          Memecah masalah dalam sub-sub masalah yang lebih kecil, menyelesaikan sub-sub masalah satu demi satu, kemudian menggabungkan solusi-solusi dari sub masalah tersebut menjadi sebuah solusi lengkap.

4. Learning
          Program komputer yang secara otomatis sanggup belajar dan meningkatkan performancenya  melalui pengalaman

2.2 Strategi Pencarian yang tidak berbentuk
Searching adalah mekanisme pemecahan masalah yang paling umum di dalam kecerdasan buatan. Di dalam permasalahan-permasalahan kecerdasan buatan, urutan langkah-langkah yang dibutuhkan untuk memperoleh solusi merupakan suatu isu yang penting untuk diformulasikan. Hal ini harus dilakukan dengan mengidentifikasikan proses try and error secara sistematis pada eksplorasi setiap alternatif jalur yang ada.

Algoritma searching di dalam kecerdasan buatan yang umumnya dikenal adalah
1.       Uninformed Search Algorithm
Algoritma yang tidak memberikan informasi tentang permasalahan yang ada, hanya sebatas definisi dari algoritma tersebut.

2.       Informed Search Algorithm
Walaupun dengan menggunakan Uninformed Search Algorithm, banyak permasalahan dapat dipecahkan, namun tidak semuanya dari algoritma tersebut dapat menyelesaikan masalah dengan efisien

3.       Uninformed Search Algorithm
Uninformed Search sering disebut juga dengan Blind Search. Istilah tersebut menggambarkan bahwa teknik pencarian ini tidak memiliki informasi tambahan mengenai kondisi diluar dari yang disediakan oleh definisi masalah. Yang dilakukan oleh algoritma ini adalah melakukan generate dari successor dan membedakan goal state dari non-goal state. Pencarian dilakukan berdasarkan pada urutan mana saja node yang hendak di-expand.

4.       Breadth First Search (BFS)
Pencarian dengan Breadth First Search menggunakan teknik dimana langkah pertamanya adalah root node diekspansi, setelah itu dilanjutkan semua successor dari root node juga di-expand. Hal ini terus dilakukan berulang-ulang hingga leaf (node pada level paling bawah yang sudah tidak mempunyai successor lagi).

5.       Uniform Cost Search (UCS)
Pencarian dengan Breadth First Search akan menjadi optimal ketika nilai pada semua path adalah sama. Dengan sedikit perluasan, dapat ditemukan sebuah algoritma yang optimal dengan melihat kepada nilai tiap path di antara node-node yang ada.
Selain menjalankan fungsi algoritma BFS, Uniform Cost Search melakukan ekspansi node dengan nilai path yang paling kecil. Hal ini bisa dilakukan dengan membuat antrian pada successor yang ada berdasar kepada nilai path-nya (node disimpan dalam bentuk priority queue).

6.       Depth First Search (DFS)
Teknik pencarian dengan Depth First Search adalah dengan melakukan ekspansi menuju node yang paling dalam pada tree. Node paling dalam dicirikan dengan tidak adanya successor dari node itu. Setelah node itu selesai diekspansi, maka node tersebut akan ditinggalkan, dan dilakukan ke node paling dalam lainnya yang masih memiliki successor yang belum diekspansi.

7.        Depth Limited Search
Pencarian menggunakan DFS akan berlanjut terus sampai kedalaman paling terakhir dari tree. Permasalahan yang muncul pada DFS adalah ketika proses pencarian tersebut menemui infinite state space. Hal ini bisa diatasi dengan menginisiasikan batas depth pada level tertentu semenjak awal pencarian. Sehingga node pada level depth tersebut akan diperlakukan seolah-olah mereka tidak memiliki successor.

8.        Iterative Deepening Depth First Search
Iterative deepening search merupakan sebuah strategi umum yang biasanya dikombinasikan dengan depth first tree search, yang akan menemukan berapa depth limit terbaik untuk digunakan. Hal ini dilakukan dengan secara menambah limit secara bertahap, mulai dari 0,1, 2, dan seterusnya sampai goal sudah ditemukan.

9.        Bidirectional Search
Pencarian dengan metode bidirectional search adalah dengan menjalankan dua pencarian secara simultan, yang satu dikerjakan secara forward dari initial state menuju ke goal, sedangkan yang satu lagi dikerjakan secara backward mulai dari goal ke initial state. Yang kemudian diharapkan bahwa kedua pencarian itu akan bertemu di tengah-tengah.

Referensi :



Pert 1 : Pengenalan Kecerdasan Buatan


Tomy Febriyandi
3 KA 10
16115925
Dosen : Essy Malays Sari Sakti
1.1 Pengertian
          Kecerdasan buat an (artificial intelligence) adalah bagian dari ilmu komputer yang mempelajari tentang bagaimana sebuah komputer bisa dibuat dengan sedemikian rupa agar dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia.

          Menurut John McCarthy (1956), kecerdasan buatan adalah suatu sistem komputer yang terbentuk untuk mengetahui dan memodelkan proses-proses berpikir manusia dan mendesain mesin agar dapat menirukan perilaku manusia.

          Manusia bisa dengan pandai menyelesaikan masalah- masalah yang muncul karena manusia memiliki pengetahuan dan pengalaman yang dapat membantu dalam memecahkan masalah. Agar komputer dapat bertindak seperti dan sebaik manusia maka komputer diberikan pengetahuan dan kemampuan untuk menalar agar dapat mendapatkan pengalaman seperti layaknya manusia.

1.2 Bidang Ilmu yang menjadi dasar kecerdasan buatan
       Kecerdasan Buatan dapat diterapkan dalam berbagai bidang seperti Sistem Pakar (Expert System), Pengolahan Bahasa Alami (Natural Language Processing), Pengenalan Ucapan (Speech Recognition), Pattern Recognition (PR), Robotika, serta yang paling menarik adalah penerapannya dalam permainan (game)

1. Expert System (ES)
            Expert System (ES) atau Sistem Pakar, merupakan salah satu cabang AI yang mempelajari pembuatan sebuah sistem yang dapat bekerja layaknya seorang pakar. ES dapat menyimpan pengetahuan seorang pakar dan memberikan solusi berdasarkan pengetahuan yang dimilikinya tadi. ES juga merupakan salah satu cabang AI yang sering melakukan kerja sama dengan disiplin ilmu lain karena sifatnya yang dapat menyimpan pengetahuan.
Contohnya program komputer yang dapat mendiagnosa penyakit dengan memasukan gejala-gejala yang dialami pasien.

2. Natural Languange Processing (NLP)
            Natural Languange Processing (NLP) atau Pemrosesan Bahasa Alami, merupakan salah satu cabang AI yang mempelajari pembuatan sistem untuk menerima masukan bahasa alami manusia. Dalam perkembangannya, NLP berusaha untuk mengubah bahasa alami komputer (bit dan byte) menjadi bahasa alami manusia yang dapat kita mengerti. NLP merupakan ilmu dasar yang dapat dijadikan jembatan untuk membuat komunikasi antara mesin dengan manusia.
Contohnya hasil program komputer web broser google yang dapat menghasilkan suara serta bahasa alami manusia melalui google voice.

3. Pengenalan Ucapan (Speech Recognition)
            Kecerdasan buatan pada pengenalan suara ini dapat mengenali suara manusia. Cara mengenali suara ini dengan mencocokannya pada acuan yang telah diprogramkan terlebih dahulu. Contohnya perintah komputer dengan menggunakan suara user.

4.  Pattern Recognition (PR)
            Pattern Recognition (PR) atau Pengenalan Pola, merupakan salah satu cabang AI yang mempelajari pembuatan sebuah sistem untuk dapat mengenali suatu pola tertentu. Misalnya sistem PR untuk mengenali huruf dari tulisan tangan, walaupun terdapat perbedaan penulisan huruf A dari masing-masing orang tetapi PR dapat mengenali bahwa huruf tersebut adalah huruf A. Beberapa aplikasi dari PR antara lain : voice recognition, Fingerprint Identification, Face Identification, Handwriting Identification, Optical Character Recognition, Biological Slide Analysis, Robot Vision dan lainnya.

 5. Robotic
            Robotic atau Robotika, merupakan salah satu cabang AI yang menggabungkan cabangcabang AI yang lain termasuk ketiga cabang di atas untuk membentuk sebuah sistem robotik Seiring perkembangan riset dalam AI, dapat dimungkinkan akan muncul cabang-cabang baru yang melengkapi unsur AI sehingga AI menjadi sebuah sistem lengkap dan akan mencapai goal-nya yang sampai sekarang masih belum sempurna.

6. Permainan
            Kecerdasan buatan pada permainan ini memungkinkan sebuah sistem komputer untuk memiliki cara berpikir manusia dalam bermain. Contohnya permainan yang memiliki fasilitas orang melawan komputer. Komputer sudah di program sedemikian rupa agar memiliki cara bermain seperti seorang manusia bahkan bisa melebihi seorang manusia.

1.3 Sejarah

          Tahun 1950-1970 merupakan tahun pembuka bagi kecerdasan buatan, dimana para ilmuan mulai memukurkan cara agar mesin dapat melakukan pekerjaan seperti yang dikerjakan oleh manusia.
Februari 1951, University of Manchester “ mengembangkan komputer elektronik pertama didunia yang diberi nama Ferranti Mark I .
1951 sebuah program pemain catur berhasil dibuat oleh Dietrich Prinz.

          Alan Turing seorang pionir AI dan ahli matematika inggris melakukan percobaan Turing (Turing Test) yaitu sebuah komputer melalui terminalnya ditempatkan pada jarak jauh. Di ujung yang satu ada terminal dengan software AI dan diujung lain ada sebuah terminal dengan seorang operator. Operator itu tidak mengetahui kalau ujung terminal lain dipasang software AI. Mereka berkomunikasi dimana terminal di ujung memberikan respon terhadap serangkaian pertanyaan yang diajukan oleh operator. Dan sang operator itu mengira bahwa ia sedang berkomunikasi dengan operator lainnya yang berada pada terminal lain. Turing beranggapan bahwa jika mesin dapat membuat seseorang percaya bahwa dirinya mampu berkomunikasi dengan orang lain, maka dapat dikatakan bahwa mesin tersebut cerdas.

1.4 Agent dan lingkungan
          Pengertian sebuah AGENT adalah segala sesuatu yang dapat dipandang sebagaimana mengamati lingkungannya melalui sensor dan bertindak atas lingkungan yang melalui efektor. agen manusia memiliki mata,telinga sedangkan kan organ lain untuk mensensor tangan, kaki, mulut dan yang lain nya. sebuah pengganti agen robot kamera dan berbagai pencarian framer untuk sensor dan berbagai motor untuk efektor
Dalam Kecerdasan Buatan (Artificial Intelligent), sebuah Agen Cerdas (Intelligent Agent) adalah sebuah entitas otonom yang mengamati dan bertindak berdasarkan suatu lingkungan (yaitu sebuah agen) dan mengarahkan aktivitasnya ke arah pencapaian tujuan (yakni, rasional). Agen Kecerdasan dapat juga belajar atau menggunakan pengetahuan untuk mencapai tujuan mereka. Mereka mungkin sangat sederhana atau sangat kompleks: sebuah mesin refleks seperti termostat adalah agen yang cerdas, seperti manusia, seperti komunitas manusia bekerja bersama menuju tujuan.
          Agen Kecerdasan sering digambarkan secara skematik sebagai sistem fungsional abstrak mirip dengan program komputer. Untuk alasan ini, agen cerdas kadang-kadang disebut abstrak agen cerdas (Abstract Intelligent Agent) untuk membedakan mereka dari dunia nyata implementasi sebagai sistem komputer, sistem biologis, atau organisasi. Beberapa definisi agen cerdas menekankan otonomi mereka, dan jadi lebih suka istilah otonom agen cerdas. Yang lain (terutama Russell & Norvig (2003)) dianggap perilaku terarah tujuan sebagai esensi dari cerdas dan jadi lebih suka istilah yang dipinjam dari ekonomi, “agen rasional”.

 a. Rasionalitas
          Sebuah keputusan yang rasional adalah salah satu yang tidak hanya beralasan, tetapi juga dioptimalkan untuk mencapai suatu tujuan atau memecahkan masalah. Menentukan optimal untuk perilaku rasional membutuhkan formulasi diukur dari masalah, dan membuat beberapa asumsi utama. Ketika tujuan atau masalah melibatkan membuat keputusan, faktor rasionalitas dalam berapa banyak informasi yang tersedia (misalnya lengkap atau pengetahuan yang tidak lengkap).
Secara kolektif, perumusan dan latar belakang asumsi model rasionalitas mana yang berlaku. Menggambarkan relativitas rasionalitas: jika seseorang menerima model optimal yang menguntungkan diri mereka sendiri, maka rasionalitas disamakan dengan perilaku egois untuk titik yang egois; sedangkan jika seseorang menerima model menguntungkan optimal, maka perilaku murni egois tidak rasional. Oleh karena itu sarana untuk menegaskan rasionalitas tanpa juga menentukan asumsi dari model yang menggambarkan bagaimana latar belakang masalah dibingkai dan dirumuskan.

 b. PEAS (performance measure,environment,actuators,sensors)
          PEAS adalah singkatan dari Performance Measure, Environment, Actuators, dan Sensor. Dimana harus dispesifikasikan terlebih dahulu mengenai rancangan intelligent agent.
          Misalkan untuk task yang didesain untuk agent pengemudi taksi otomatis:
Performance Measure: Aman, Cepat, Legal, Perjalanan yang nyaman, Keuntungan Maksimal
Environment : Jalan, Lalu lintas kendaraan lain, Pejalan kaki, Pelanggan
Actuators: Setir, Akselerator, Rem, Lampu Sinyal, Klakson
Sensors: Kamera, Sonar, Spedometer, GPS, odometer, sensor mesin, keyboard
          Misalkan untuk task yang disusun untuk agent sistem diagnosis medis:
Performance Measure : Kesehatan Pasien, Biaya minimal, Hukum
Environment: Pasien, Rumah Sakit, Staf
Actuator : Tampilan Layar (Pertanyaan, Tes, Diagnosa, Perawatan, Rujukan)
Sensors : Keyboars(Entri gejala, pencarian penyakit, jawaban untuk pasien)
          Misalkan untuk task yang disusun untuk agent robot pengambil suku cadang:
Performance Measure : Persentase suku cadang di tempat yang benar
Environment :  sabuk konveyor, tempat pengumpulan suku cadang
Actuator : Lengan dan tangan robot
Sensor : Kamera, sensor di lengan robot.

c. lingkungan agent
Sebuah agent diharapkan melakukan tindakan yang benar sesuai dengan tujuan diciptakan agent tersebut. Tindakan yang dilakukan oleh agent tersebut yang akan digunakan sebagai tolak ukur terhadap keberhasilan sebuah agent.
Berikut 4 buah dasar yang dapat digunakan untuk menentukan tolak ukur sebuah agent :
Performance measure (tolak ukur terhadap kesuksesan hasil kerja) yang menyatakan derajat kesuksesan.
Semua imput yang diterima oleh agent, dapat dilacak kembali (imput disimpan dalam serangkaian data/memory).
Segala sesuatu yang diketahui agen terhadap lingkunganya.
Setiap indakan yang akan dilakukan oleh agen.
Pada umumnya sebuah agent terdiri dari dua buah komponen dasar yaitu suatu program dan sebuah piranti perangkat keras (arsitektur/computer). Sebagai ilustrasi terhadap hubungan keduanya, sebuah arsitektur memberikan sebuah percept dari sensor kemudian siap digunakan kedalam program, menjalankan program dan memberikan pilihan-pilihan tindakan program ke efektor.
Dua hal penting dalam proses pembuatan program agent.
Menyatakan mapping (pemetaan) sebagai sebuah fungsi dan urutan precepsi ke tindakan. Program agent hanya menerima sebuah presepsi berdasarkan jangka waktu tertentu. Kemudian menyimpan setiap prepsesi sesuai dengan urutan tertentu kedalam memory .
Tujuan dan performance tidak termaksud kedalam rangka program.
Terdapat 4 hal yang harus diperhatikan dalam merancang sebuah agent. Yaitu Percept, Action, Goal dan Enviroment. Biasa disingkat PAGE. Aget harus menangapi setiap rangsangan (precpt) yang ada disekitarnya, kemudian memberikan tindakan (action) yang tepat terhadap rangsangan tersebut, dan yang pasti setiap tindakan tersebut harus sesuai dengan tujuan (Goal) awal diciptakanya agent tersebut. Selain itu setiap aksi yang dilakukan aleh agent tersebut harus memperhatikan lingkungan (Environment) dimana agent tersebut di tempatkan.



Referensi :


https://library.binus.ac.id/eColls/eThesisdoc/Bab2/2010-2-00250-if%20bab%202.pdf