PTSC 3

Konsep Dasar Artificial Intelligence

&

Pemrosesan Bahasa Alami

Konsep dasar AI dianntaranya ;

1. Acting Humanly : Pendekatan Uji Turing
2. Thinking Humanly : Pendekatan Model Kognitif
3. Thinking Rationally : The Laws of Thought Approach
4. Acting Rationally : The Rational Agent Approach

Disiplin Ilmu Artificial Intelligence ;

1. Natural Languange Processing (NLP)
2. Expert System (ES)
3. Pattern Recognition (PR)
4. Robotic

Pemrosesan Bahasa Alami

Dua alasan utama mengapa agen komputer kita ingin dapat memproses bahasa alami: untuk berkomunikasi dengan manusia dan untuk memperoleh informasi dari bahasa tertulis. Faktor umum dalam menangani tugas-tugas ini adalah penggunaan model bahasa: model yang memprediksi distribusi probabilitas dari ekspresi bahasa.

Model Bahasa

Bahasa pemrograman seperti Java atau Python, telah tepat mendefinisikan model bahasa. Model bahasa kita adalah sebuah perkiraan.

Model karakter N-gram

Sebuah teks tertulis terdiri dari karakter. Dengan demikian, salah satu model bahasa yang paling sederhana adalah distribusi probabilitas atas urutan karakter. Salah satu tugas model karakter n-gram adalah identifikasi bahasa.

Merapikan Model n-gram

Komplikasi utama dari model n-gram yaitu corpus pelatihan hanya menyediakan perkiraan distribusi probabilitas benar.

Evaluasi Model

Bagaimana kita tahu untuk memilih model apa? Kita dapat mengevaluasi model dengan cross-validasi. Membagi korpus menjadi korpus pelatihan dan korpus validasi.

Model kata N-gram

Semua mekanisme yang sama berlaku sama untuk model kata dan karakter. Model   kata   n-gram   perlu   berurusan   dengan   kosa   kata. Tapi  dengan  model  kata  selalu  ada  kesempatan  untuk  sebuah  kata  baru  yang  tidak dilihat dalam  pelatihan  korpus

Klasifikasi Teks

Klasifikasi teks juga dikenal sebagai kategorisasi. Identifikasi bahasa dan klasifikasi genre adalah contoh dari klasifikasi teks, seperti analisis sentiment dan deteksi spam.

Klasifikasi oleh kompresi data

Sebuah algoritma kompresi lossless mengambil urutan simbol, mendeteksi pola yang diulang di dalamnya, dan menulis deskripsi dari urutan yang lebih padat daripada yang asli.

Pengambilan Informasi

Pengambilan informasi (IR) merupakan pencarian informasi berupa dokumen-dokumen yang relevan dengan kebutuhan pengguna informasi sehingga dapat memenuhi keinginan user.

Fungsi Penilaian IR

Fungsi penilaian atau Scroing Function berasal dari proyek Okapi Stephen Robertson dan Karen Sparck Jones di London City College yang telah digunakan dalam mesin pencarian atau search engine.

Sistem Evaluasi IR

Sistem evaluasi IR mengevaluasi apakah sebuah system IR bekerja dengan baik atau tidak, dengan menerjemahkan kebutuhan informasi kedalam kueri. Didalam evaluasi IR ini terdapat 3 level pengukuran yaitu pemrosesan, pencarian, dan kepuasan pemakai.

Penyempurnaan IR

Sebagai  penyempurnaan  akhir,  IR  dapat  ditingkatkan  dengan  mempertimbangkan metadata-data  di  luar  teks  dokumen.

Algoritma PageRank

PageRank adalah salah satu ide – ide asli dua yang mengatur pencarian google dari mesin telusuri Web lain ketika diperkenalkan pada tahun 1997.

PageRank untuk halaman p didefinisikan sebagai : +

The HITS algorithm ( Algoritma HITS )

Algoritma HITS (Hyperlink-Induced Topic Search algorithm), juga dikenal sebagai “Hub dan Otoritas”, merupakan algoritma link-analisis berpengaruh lainnya.

Question answering

Sistem Question answering NLP ( pengolahan bahasa alami ) telah ada sejak 1960-an, namun barulah sejak 2001 sistem tersebut menggunakan pencarian informasi Web untuk meningkatkan cangkupan mereka secara radikal.

Information Extraction

Information extraction adalah proses memperoleh pengetahuan dengan membaca sekilas teks dan mencari kejadian dari kelas objek dan hubungan antara objek – objek. Tugasnya adalah untuk mengesktrak contoh alamat dari halaman Web.

Finite-state automata untuk ekstraksi informasi

Tipe paling sederhana dari sistem ekstraksi informasi adalah sistem ekstraksi berbasis atribut yang mengasumsikan keseluruhan teks mengacu pada objek tunggal.

Model Probabilistik Untuk Ekstraksi Informasi(Informasi Turunan)

Model probabilistik sederhana untuk urutan dengan keadaan tersembunyi adalah model Markov yang tersembunyi, atau HMM. 18.  Bidang acak bersyarat untuk ekstraksi informasi

Model HMM untuk mengurai teks dan memulihkan pembicara dan Semua yang kita butuhkan untuk memahami teks adalah model diskriminatif, yang bersyarat dari atribut tersembunyi

Ekstraksi ontologi dari korporasi besar

Sebuah aplikasi yang berbeda dari teknologi ekstraksi adalah membangun basis pengetahuan besar atau ontologi fakta dari korpus.

Konstruksi template otomatis

Skema template-generasi sederhana dapat menemukan template untuk menjelaskan pencocokan. Bahasa template ini dirancang agar dekat pemetaan untuk pencocokan sendiri

Pembacaan mesin

Untuk membangun ontologi besar dengan banyak ribuan hubungan; Kami ingin memiliki sistem ekstraksi tanpa masukan manusia apapun — sebuah sistem yang bisa membaca sendiri dan membangun database-nya sendiri.

PTSC 2

Teknologi Sistem Cerdas

Sistem pakar (expert system)

Komputer sebagai sarana untuk menyimpan pengetahuan para pakar sehingga komputer memiliki keahlian menyelesaikan permasalahan dengan meniru keahlian yang dimiliki pakar.

1. Diagnosa Penyakit

Diagnosa Penyakit THT

Apakah Anda demam (Y/T) ? y

Apakah Anda sakit kepala (Y/T) ? y

Apakah Anda merasa nyeri pada saat berbicara atau menelan (Y/T) ? y

Apakah Anda batuk (Y/T) ? y

Apakah Anda mengalami nyeri tenggorokan (Y/T) ? y

Apakah selaput lendir Anda berwarna merah dan bengkak (Y/T) ? y

Penyakit Anda adalah TONSILITIS

Ingin mengulang lagi (Y/T) ?

2. Sistem sensor

Sistem sensor pada mesin cuci yaitu menggunakan sensor optik, mengeluarkan cahaya ke air dan mengukur bagaimana cahaya tersebut sampai ke ujung lainnya. Makin kotor, maka sinar yang sampai makin redup. Sistem juga mampu menentukan jenis kotoran tersebut daki/minyak. Sistem juga bisa menentukan putaran yang tepat secara otomatis berdasarkan jenis dan banyaknya kotoran serta jumlah yang akan dicuci.

3. Pengolahan bahasa alami (natural language processing)

User dapat berkomunikasi dengan komputer menggunakan bahasa sehari-hari, misal bahasa inggris, bahasa indonesia, dll, contoh :

Pengguna sistem dapat memberikan perintah dengan bahasa sehari-hari, misalnya, untuk menghapus semua file, pengguna cukup memberikan perintah ”komputer, tolong hapus semua file !” maka sistem akan mentranslasikan perintah bahasa alami tersebut menjadi perintah bahasa formal yang dipahami oleh komputer, yaitu ”delete *.* <ENTER>”.

Translator bahasa inggris ke bahasa indonesia begitu juga sebaliknya,dll, tetapi sistem ini tidak hanya sekedar kamus yang menerjemahkan kata per kata, tetapi juga mentranslasikan sintaks dari bahasa asal ke bahasa tujuan. Text summarization : suatu sistem yang dapat membuat ringkasan hal-hal penting dari suatu wacana yang diberikan.

4. Pengenalan ucapan (speech recognition)

Manusia dapat berkomunikasi dengan komputer menggunakan suara.

Contoh :

Memberikan instruksi ke komputer dengan suara

Alat bantu membaca untuk tunanetra, mempunyai masukan berupa teks tercetak (misalnya buku) dan mempunyai keluaran berupa ucapan dari teks tercetak yang diberikan.

5. Soft computing

Merupakan inovasi baru dalam membangun sistem cerdas yaitu sistem yang memiliki keahlian seperti manusia pada domain tertentu, mampu beradaptasi dan belajar agar dapat bekerja lebih baik jika terjadi perubahan lingkungan. Soft computing mengeksploitasi adanya toleransi terhadap ketidaktepatan, ketidakpastian, dan kebenaran parsial untuk dapat diselesaikan dan dikendalikan dengan mudah agar sesuai dengan realita (Prof. Lotfi A Zadeh, 1992).

DISPLIN ILMU SUB BAGIAN DARI ARTIFICIAL INTELLIGENCE

• Sistem Pakar (Expert System)
• Pengolahan Bahasa Alami (Natural Language Processing)
• Pengenalan Ucapan (Speech Recognition)
• Robotika & Sistem Sensor (Robotics & Sensory System)
• Computer Vision
• Intelligent Computer-aided Intruction
• Game Playing

ROBOTIKA

Robot adalah agen – agen fizikal yang melakukan tugas dengan memanipulasi dunia fisik. Untuk melakukannya, dilengkapi dengan effectors seperti kaki, roda, sendi, dan grippers.

Tiga katagori utama robot :

• Manipulator
• Mobile Robot
• Mobile Manipulator.

PERANGKAT KERAS ROBOT

Sensor adalah antarmuka persepsi antara robot dan lingkungan.

Sensor terbagi menjadi 2, yaitu :

• Sensor pasif: menangkap sinyal yang dihasilkan oleh sumber lain di lingkungan.
• Sensor aktif: mengandalkan pada kenyataan bahwa energi ini dipantulkan kembali ke sensor.

Efektor adalah cara suatu robot bergerak atau merubah bentuk tubuhnya yang ada kaitannya dengan pembahasan tentang derajat kebebasan atau degree of freedom

ARSITEKTUR PERANGKAT LUNAK ROBOT

Perangkat Lunak Arsitektur adalah sebuah metodologi untuk penataan algoritma. Arsitektur termasuk bahasa dan alat untuk menulis sebuah program, serta dimana program dapat digabungkan bersama-sama.

Subsumption Arsitektur (Brooks, 1986) adalah kerangka kerja pengendali reaktif dari negara yang terbatas menggunakan mesin.

Arsitektur Hibrida menggabungkan reaksi dengan pertimbangan. Arsitektur hibrida yang paling populer adalah arsitektur tiga lapisan, yang terdiri dari lapisan raektif, lapisan eksekutif, dan lapisan deliberatif.

Arsitektur Pipa Saluran adalah arsitektur yang menjalankan banyak proses secara paralel berupa modul-modul mirip arsitektur tiga lapis dan mirip cara kerja otak manusia.

Kesimpulan

Teknologi sistem cerdas merupakan alat yang dibuat sebagai sarana untuk menyediakan kebutuhan bagi kelangsungan dan kenyamanan hidup manusia. Sistem ini dibuat agar dapat berpikir dan berperilaku layaknya seperti manusia bahkan bisa lebih baik dari yang dilakukan manusia. Kecerdasan buatan dan alami memiliki beberapa perbedaan, keduanya memiliki kelebihan yang memberikan dampak baik, yaitu untuk memudahkan manusia dalam menyelesaikan tugas- tugasnya. Kecedasan buatan jika tidak digunakan secara bijak dapat memberikan dampak buruk terhadap penggunanya, jadi kita harus menggunakan teknologi dengan sewajarnya dan sesuai porsinya. Sebagai manusia, sebaiknya kita tidak boleh terlalu bergantung pada teknologi, agar kita tidak diperbudak oleh teknologi dan dapat memaksimalkan kemampuan alamiah yang kita miliki. 

Referensi :

http://www.pendidikanmu.com/2015/04/pengertian-kecerdasan-buatan-menurut-para-ahli.html/24/09/2017

https://id.wikipedia.org/wiki/Sistem_kendali_cerdas23/09/2017

https://simponi.mdp.ac.id/materi201020112/SI413/052123/SI413-052123-709-1.ppt/23/09/2017

PTSC 1

PENGERTIAN ARTIFICIAL INTELLIGENCE (AI)

Kecerdasan buatan (Artificial Intelligence) merupakan bagian dari ilmu komputer yang mempelajari bagaimana membuat mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia bahkan bisa lebih baik daripada yang dilakukan manusia.

PERBEDAAN KECERDASAN BUATAN DAN KECERADASAN ALAMI

Kelebihan Kecerdasan Buatan :

• Kecerdasan buatan lebih bersifat permanen.
• Kecerdasan buatan lebih mudah diduplikasi dan disebarkan.
• Kecerdasan buatan Lebih murah.
• Kecerdasan buatan bersifat konsisten
• Kecerdasan buatan dapat didokumentasi.
• Kecerdasan buatan lebih cepat dibandingan kecerdasan alami.
• Kecerdasan buatan lebih baik dibandingkan kecerdasan alami.

Kelebihan Kecerdasan Alami :

• Kecerdasan alami lebih kreatif
• Kecerdasan alami memungkinkan seseorang untuk menggunakan pengalaman secara langsung.
• Kecerdasan alami menggunakan pemikiran manusia yang dapat digunakan secara luas

SEJARAH KECERDASAN BUATAN

Kecerdasan Buaran Sendiri dimunculkan oleh seorang profesor dari Massachus Institute of Tecnology yang bernama John McCarthy pada tahun 1956 pada Dartmouth Conferense yang dihadiri oleh para peneliti AI. Pada konferensi tersebut juga didefinisikan tujuan utama dari Kecerdasan Buatan, yaitu : mengetahui dan memodelkan proses-proses berfikir manusia dan mendesain mesin agar menirukan kelakuan manusia tersebut.

DASAR-DASAR KONSEP ARTIFICIAL INTELLIGENCE

Thinking Humanly : The cognitive meodeling approach

Pendekatan ini dilakukan dengan dua cara, yaitu :

Melalui intropeksi dengan mencoba menangkap pemikiran-pemikiran kita sendiri pada saat kita berpikir. Melalui penelitian penelitian atau eksperimen dari segi psikologi.

Acting Humanly : The Turing Test Approach Tahun 1950 , Alan Turing merancang suatu ujian bagi komputer yang berintelijensia (Bot Cerdas) untuk menguji apakah komputer tersebut mampu mengelabuhi seorang manusia. Tentunya komputer tersebut harus memiliki kemampuan : natural language proccessing , knowledge representation, autotmated reasoning, machine learning, computer vision, robotics. Thinking Rationally : The “Laws of Thought” Approach

Dalam pendekatan ini tedapat dua masalah, yaitu :

Tidak mudah untuk membuat pengetahuan informal dan menyatakan pengetahuan tersebut ke dalam formalterm yang diperlukan oleh notasi logika.

Terdapat perbedaan besar antara dapat memecahkan masalah “secara prinsip” dan memecahkannya “dalam dunia nyata”. Acting Rationally : The Rational Agent Approach

Membuat inferensi logis merupakan bagian dari suatu rational agent .

Dengan menalar secara logis, maka bisa didapatkan kesimpulan bahwa aksi yang dilakukan akan mencapai tujuan atau tidak.

KESIMPULAN

Dari pemaparan diatas dapat disimpulkan bahwa Artificial Intelligence atau Kecerdasan Buatan adalah kecerdasan yang dibuat agar mesin (komputer) dapat melakukan pekerjaan sebaik atau bahkan lebih dari manusia. Salah satu implementasi dari kecerdasan buatan ini adalah robotika dan sensor. Robotika adalah agen-agen fisik yang melakukan tugas dengan memanipulasi dunia fisik. Jika manusia mempunyai otak sebagai pusat syarafnya, maka robot mempunyai kecerdasan buatan sebagai pusat syarafnya. Penggunaan robot saat ini sangaat beragam mulai dari industri, pertanian, mobil robot, kesehatan, sampai hiburan dan augmentasi manusia.

Sumber Referensi :

http://sunny.staff.gunadarma.ac.id/Downloads/files/20201/Kecerdasan_buatan+Ibu+Idha.pdf

https://books.google.co.id/books?id=MocuEV7C96YC&pg=PA3&dq=TEORI+KECERDASAN+BUATAN&hl=id&sa=X&ved=0ahUKEwi8gf3x_rbPAhWFmpQKHcmOA7kQ6AEIGjAA#v=onepage&q=TEORI%20KECERDASAN%20BUATAN&f=false

http://yuliana.lecturer.pens.ac.id/Kecerdasan%20Buatan/Buku/Bab%201%20Pengenalan%20Kecerdasan%20Buatan.pdf

http://lppm.trigunadharma.ac.id/public/fileJurnal/hpOmJurnal%2012-2-2013%20Zulfian_7.pdf

http://entin.lecturer.pens.ac.id/Kecerdasan%20Buatan/Buku/Bab%201%20Pengenalan%20Kecerdasan%20Buatan.pdf

http://library.binus.ac.id/eColls/eThesisdoc/Bab2/2013-2-00421-MTIF%20Bab2001.pdf

http://yuliana.lecturer.pens.ac.id/Kecerdasan%20Buatan/Buku/Bab%201%20Pengenalan%20Kecerdasan%20Buatan.pdf

http://entin.lecturer.pens.ac.id/Kecerdasan%20Buatan/Buku/Bab%201%20Pengenalan%20Kecerdasan%20Buatan.pdf