1

BAB 1

1.1 PENDAHULUAN

Manusia mempunyai kapasitas mental dan pikiran yang sangat penting dalam

kehidupannya. Bidang intelijensia buatan berusaha untuk memahami entitas-entitas cerdas.

Satu alasan kenapa mempelajarinya adalah untuk lebih memahami diri kita sendiri. Tetapi

tidak seperti filosofi dan psikologi, yang juga berhubungan dengan kecerdasan, AI berusaha

membangun entitas-entitas cerdas sesuai dengan pemahaman manusia. Alasan lain mengapa

mempelajari AI adalah bahwa entitas-entitas cerdas yang dibangun ini menarik dan berguna

dalam kebenarannya sendiri. AI telah menghasilkan banyak produk yang berarti dan

mengesankan bahkan pada tahap awal perkembangannya. Walaupun tidak seorangpun dapat

memprediksi masa depannya secara detail, tetapi jelas bahwa komputer-komputer dengan

kecerdasan setingkat manusia akan mempunyai pengaruh yang sangat besar pada kehidupuan

kita dan pada sebagian dari peradaban masa depan.

Perkembangan perangkat keras (hardware) saat ini sudah berada pada tingkat yang

sangat tinggi. Perkembangan teknologi komputer yang kini masih ditunggu adalah dibuatnya

komputer tanpa kawat (wireless computer). Dalam wireless computer data ditransfer

sepenuhnya melalui berkas cahaya (light beams) yang dapat saling berpotongan tanpa

terjadinya interferensi. Saat ini orang sudah mampu membuat processor yang sepenuhnya

optikal. Suatu komputer optikal dalam bentuk awal (rudimentary), yang mampu mengerjakan

matematika sederhana telah berhasil dibuat oleh para peneliti dari University of Colorado

[CAR93]. Suatu komputer optikal yang beroperasi dengan kecepatan cahaya dan kemampuan

komunikasi melalui ribuan jalur dalam serat optik akan meningkatkan kemampuan komputer

yang luar biasa. Komputer yang demikian merupakan impian dan dambaan para peneliti.

Namun dana yang sangat besar untuk pengembangan alat tersebut, saat ini, masih merupakan

ganjalan utama dalam realisasinya. Suatu usaha yang realistis saat ini adalah

mengembangkan komputer hibrida dengan mengkombinasikan teknologi elektronik dengan

teknologi fotonik, yaitu dengan mengembangkan hubungan optik antara berbagai electronic

processor, memory units, dan communication ports. Hal ini akan memberikan transfer data

yang cepat dan sekaligus menghindarkan terjadinya wiring bottle necks yang banyak terjadi

pada komputer elektronik saat ini. Banyak lagi yang diharapkan datang dari teknologi

optoelektronik, namun yang sudah jelas dalam teknologi tersebut adalah perubahan radikal

dalam cara memproses informasi. Unit informasi dalam komputer optik tidak lagi bit-bit

seperti pada komputer elektronik, tetapi suatu image yang berisi miliaran bit.

2

BAB 2

KECERDASAN BUATAN

2.1 Dasar Artificial Intellegenci

Ada berbagai definisi tentang kecerdasan buatan (artificial intellegensi atau disingkat

AI), sebagaimana diperlihatkan pada Tabel di bawah. Pada dasarnya AI adalah suatu

pengetahuan yang membuat komputer dapat meniru kecerdasan manusia sehingga diharapkan

komputer (atau berupa suatu mesin) dapat melakukan hal-hal yang apabila dikerjakan

manusia memerlukan kecerdasan; misalnya melakukan penalaran untuk mencapai suatu

kesimpulan atau melakuakn suatu translasi dari suatu bahasa manusia ke bahasa manusia

yang lain.

Tabel berbagai definisi AI

Sumber Definisi

Schalkoff (1990) AI adalah bidang studi yang berusaha menerangkan dan meniru

perilaku cerdas dalam bentuk proses komputasi

Rich and Knight

(1991)

AI adalah studi cara membuat komputer membuat komputer

melakukan sesuatu yang sampai saat ini orang dapat melakukannya

lebih baik.

Luger dan

Stubblefield (1993)

AI adalah cabang ilmu komputer yang berhubungan dengan

otomasi perilaku yang cerdas.

Haag dan Keen (1996) AI adalah bidang studi yang berhubungan dengan penagkapan,

pemodelan, dan penyimpanan kecerdasan manusia dalam system

teknologi informasi sehingga system tersebut dapat memfasilitasi

proses penghambilan keputusan yang biasanya diambil oleh

manusia.

Winston dan Prendergast (Turban, McLean, Wetherbe, 1999) mengungkapkan bahwa

tujuan AI meliputi:

1) Membuat mesin lebih pintar,

2) Memahami kecerdasan, dan

3) Membuat mesin lebih berguna.

3

Namun sekarang, tujuan AI tidak sekedar membuat komputer dapat berpikir, tetapi juga bisa

melihat, mendengar, berjalan, bermain, dan bahkan merasakan.

O’Brien (2001, hal. 371) menyebutkan atribut perilaku cerdas adalah sebagai berikut:

Berpikir dan bernalar.

Memakai penalaran untuk memecahkan persoalan.

Menyerap dan menerapkan pengetahuan.

Memperlihatkan kreatifitas dan imajinasi.

Bejkerja dengan situasi yang kompleks dan membingungkan.

Melakuakn tanggapan dengan capat dan berhasil terhadap situasi baru.

Mengenali elemen-elemen yang relatif penting dalam suatu situasi.

Menangani informasi yang rancu, tak lengkap, atau salah.

Atribut-atribut inilah yang antara lain ingin diterapkan dalam komputer.

Benarkah AI membuat komputer secerdas manusia ? Benarkah komputer dapat

melakuakan hal-hal ytang dijabarkan di depan ? Pertanyaan seperti ini sering muncul dan

jawabannya adalah memang itulah yang diharapkan. Namun dalam praktiknya kecerdasan

yang dimiliki komputer berbeda dengan kecerdasan manusia. Komputer dapat menyelesaikan

suatu persoalan yang apabila dikerjakan manusia memerlukan kecerdasan, tetapi cara yang

dilakukan komputer tidak harus sama denagn cara manusia memecahkan persoalan tersebut.

2.2 Perbandingan Kecerdasan Buatan dan Kecerdasan Manusia

Menurut Kaplan, sebagaimana telah diutarakan oleh Turban, McLean, dan Wetherbe

(1999, hal. 478), AI mempunyai beberapa kelebihan dibandingkan dengan kecerdasan alami

(kecerdasan manusia). Kelebihan AI adalah sebagai berikut:

AI lebih bersifat permanen. Berbeda dengan AI, kecerdasan alami yang dipunyai

seseorang tidak dapat disimpan. Ketika orang tersebut pindah kerja, pengetahuan yang

dimilikinya ikut terbawa. AI lebih bersifat permanen karena tetap ada sepanjang

system komputer dan program masih terpelihara.

AI menawarkan kemudahan untuk digandakan dan disebarkan. Pemindahan

pengetahuan dari satu orang ke orang lain memrlukan waktu yang panjang dan

bahkan mungkin pengetahuan itu tidak dapat diduplikasi secara lengkap. Adapaun

pengetahuan dalam system komputer modah sekali untuk disalin dan dipindahkan ke

sistem lain.

4

AI dapat lebih murah dari kecerdasan alami. Telah banyak dibuktikan bahwa

biaya membeli jasa dengan komputer lebih murah daripada bniaya untuk membiayai

manusia yang melaksanakan tugas yang sama.

AI bersifat konsisten dan teliti. Hal ini berbeda dengan manusia yang sering tak

menentu atau tidak konsisten.

AI dapat didokumentasi. Keputusan yang dibuat oleh komputer dapat

didokumentasikan dengan mudah denagn cara mencatat semua kegiatan yang

dilakuakn oleh sistem. Kecerdasan alami sulit untuk didokumentasi. Sebagai contoh,

seseorang bisa jadi melakukan penyimpualan, tetapi pada saat yang lain mungkin

tidak dapat melakuakan kembali proses penalaran yang membimbingnya ke

kesimpulan ataupun mengingat kembali asumsi-asumsi yang mendasari keputusan.

2.3 Bidang-bidang Aplikasi AI

Sejauh ini AI telah dipakai untuk melakuakn berbagai hal. Dengan segala

keterbatasannya, AI telah dipergunakan untuk:

Membuat aplikasi komputer yang sangat mudah bagi pemakai.

Meningkatakan pemecahan masalah secara cepat dan konsisten.

Membantu menyelesaikan masalah yang tidak dapat dipecahkan dengan cara

konvensional.

Membantu menyelesaikan masalah yang mengandung data yang tidak lengkap atau

kurang jelas.

Menangani informasi yang berlebihan (dengan cara melakukan pengikhtisaran

penginterpretasian informasi).

Meningkatkan produktifitas dalam melaksanakan banyak tugas.

Membantu melaksanakan pencarian data atau suatu pola berdasarkan jumlah data

yang sangat besar.

Bebrapa contoh penerapan AI :

Deep Blue adalah program catur yang pada tahun 1997 dapat mengalahkan pecatur

dunia Garry Kasparov dengan kedudukan 3,5-2,5.

Logic Theorist adalah program yang mampu membuktikan beberapa teorema yang

terdapat pada bab pertama buku Principia Matematica karya Whitehead dan Rusell.

5

SYSTRAN (http://www.systran.com) adalah perangkat kunak yang dapat dipakai

untuk melakukan penerjemahan dari dan ke bahasa-bahasa berikut: Jerman, Prancis,

Italia, Jepang, Korea, Rusia, Portugis, dan Spanyol.

Delco Electronic menciptakan sebuah mobil yang dapat mengemudi sendiri. Mobil ini

menggunakan pendeteksi tepi untuk tetap bertahan di jalan.

Volkeswagen AG (Jerman) menciptakan sistem kemudi otomatis.

Rich dan Knight (1991) memberikan domain tugas-tugas AI sebagaimana tercantum

dalam table di bawah ini:

6

Tugas-tudas biasa

Persepsi

o Visi

o Percakapan

Bahasa alami

o Pemahaman

o Pembangkitan

o Penerjemahan

Penalaran

Pengontrolan robot

Tugas-tugas formal

Permainan

o Catur

o Backgammon

o Checker

o Go

Matematika

o Geometri

o Logika

o Kalkulus integral

o Pembuktian sifat-sifat program

Tugas-tugas ahli

Keteknikan

o Perancangan

o Penemuan kesalahan

o Perencanaan mnufaktur

Analisis pengetahuan

Diagnosis pengetahuan

Analisis keuangan

.

7

AI

Aplikasi

Robotika

Aplikasi

Pengetahuan

Kognitif

Aplikasi

Antarmuka

Alami

O’Brien (2001) mengelompokan domain aplikasi utama AI saeperti terlihat pada

gambar di bawah, yang mencakup materi-materi baru seperti algoritma genetika dan agen

cerdas.

Sistem Pakar Persepsi Visual Bahasa Alami

Sistem Belajar Rangsanagn Pengenalan Percakapan

Logika Kabur Ketangkasan Antarmuka Multisensor

Algoritma Genetika Daya Penggerak Virtual Reality

Jaringan syaraf Navigasi

Agen Cerdas

1. Pengolahan Bahasa Alami

Pengolahan bahasa alami (natural language processing atau NLP) adalah bidang AI

yang berurusan dengan pemahaman bahasa manusia (Inggris, Jepang, Indonesia, dsb).

Kemajuan di bidang ini membuat komputer antara lain dapat malakukan penerjemahan dari

satu bahasa manusia ke bahasa manusia yang lain. SYSTRAN merupakan contoh program

yang mampumelakukan penerjemahan antarbahasa manuisa. Di lingkungan Web, Altavista

menyediakan program serupa yang diberi nama Babel Fish Translation. Intellect merupakan

contoh sistem permintaan berbahasa alami yang dapat digunakan untuk mengakses basis data.

Inti pengolahan bahasa alami ada dalam parser. Parser adalah bagian yang membaca

kaliamt dari bahasa sumber dan menguraikan serta menganalisis kata-kata yang terdapat di

dalam kalimat tersebut dan mencocokan dengan tatabahasa yang benar. Pendukung parser

adalah kamus yang berisi kosa kata. Keluaran parser akan diproses oleh bagian yang disebut

representasi pengetahuan, yang berperan dalam mengartikan kalimat masukan.

8

2. Visi Komputer

Istilah yang serupa dengan istilah ini yaitu persepsi visual dan pengenalan gambar.

Visi komputer adalah suatu bidang AI yang berurusan dengan pengnalan terhadap suatu

objek dan kemudian digunakan untuk pengambilan keputusan.

Konsep visi komputer sangat sederhana. Komputer dilengkapi dengan kemera vidieo ,

Kamera menangkap gambar dan mengolahnya menjadi isyarat-isyarat digital dan

menempatkannya dalam memori. Selanjutnya program AI akan menlakukan analisi terhadap

data gambar yang sudah ada dalam memori. Program inilah yang dapat mendeteksi

keberadaan objek-objek. Program seperti ini biasanya menggunakan pengolahan citra (image

processing), yaitu suatu bidang ilmu komputer yang berhubungan dengan mengolah gambar

untuk kepentingan seperti penjernihan gambar, pemerolehan tepi benda,dan pemampatan

gambar.

Dalam dunia industri visi komputer dapat digunakan untuk melakukan otomasi

terhadap kegiatan pengendaliaan kualitas produk. Dengan cara seperti ini produk yang cacat

dan yang baik dapat di pisahkan oleh mesin.

3. Pengenalaan Percakapan

Pengenalaan percakapan (voice/speech recorgnition ) adalah suatu proses yang

memungkinkan komputer dapat mengenali suara.teknologi seperti ini membuat khayalan

tentang penyamun dalam kisah Ali Baba yang membuka pintu gua dengan sauara dapat

diwujudkan.

Penerapaan pengenalaan percakapan antara lain digunakan untuk melakukan

pengetikan dokumen melalui suara dan untuk analisis sauara dalam program pemebelajaraan

bahasa asing,untuk menentukan pengucapakan kata oleh seseorang sesuai dengan penutur asli

atau tidak.

Saat ini teknologi sisntesis suara telah banyak digunakan. Sistesis suara adalah

teknologi yang memungkinkan computer dapat berbicara. Penerapannya pada berbagai

perusahaan dapat dilihat pada table di bawah ini:

9

Perusahaan Aplikasi

Scandinavian

Airlines

Menjawab permintaan informasi tentnag reservasi dan jadwal dan

bahkan mapu menangani keluhan tentnag bagasi.

Citibank Memberikan berbagai informasi kepada pemegang kartu.

Hospital Corporation

of America

Mengirimkan dan menerima data pasien dengan suara.

Weidner Insurance Melaksanakan riset pemasaran dan telemarketing.

Perusahaan mobil Mengaktifkan radio, pemanas, dan lain-lain dengan menggunakan

suara.

4. Robotika

Robot adalah peranti elektromagnetik yang dapat deprogram untuk melakukan

otomasi terhadap suatu tugas yang biasanya dilakukan manusia. Adapun robotika adalah studi

yang berhubungan dengan pembuatan robot. Robot banyak digunakan dalam dunia industri;

misalnya untuk melakukan pengelasan atau bahkan merakit mobil.

Dengan sentuhan AI, robot dapat dibuat menjadi cerdas, sehingga bias melakukan

pengambilan keputusan seperti halnya manusia. Robot seperti ini biasanya dilengkapi dengan

kamera yang bertindak sebagai sensor mata. Salah satu contoh robot seperti ini yaitu

RoboCup (http://www.robocup.org). Robot ini mampu bermain sepakbola. Pada tahun 2050

ditargetkan akan tercipta tim robot yang dapat mengalahkan tim sepakbola manusia yang

menjadi juara dunia.

Beberapa contoh robot yang lain:

Scrubmate adalah robot yang dapat membersihkan kamar mandi. Robot ini dilengkapi

dengan kontrol terkomputerisasi, memiliki sensor mata ultrasonic dan dilengkapi dengan

peralatan pembersih. Diciptakan oleh Joe Engleberger.

Sojourner adalah kendaraan robot beroda enam yang digunakan NASA pada ahun

1997 dalam ekxplorasi di planet Mars. Robot yang dilengkapi dengan mata laser ini dapat

mengambil sample atsmosfir dan tanah dan mengirimkan data dan foto ke bumi.

SICO adalah robot yang dikenal sebagai “The Robot Therapist” ini digunakan pada

sebuah rumah sakit di New York, yang membantu anak-anak yang memiliki masalah emosi.

Diciptakan oleh Robert Doornick.

10

5. System Pakar

System pakar adalah system yang meniru kepakaran (keahlian) seseorang dalam bidang

tertentu dalam menyelesaikan suatu permasalahan (Horn, 1986). Menurut Weiss dan

Kulikowski (1984), sistem pakar adalah system yang:

Menangani masalah-masalah kompleks dan nyata, yang memerlukan interpretasi seorang

pakar.

Menyelesaikan masalah-masalah tersebut dengan menggunakan model computer yang

memakai penalaran manusia asli dan menghasilkan kesimpulan yang sama dengan

kesimpulan yang akan dicapai manusia ahli jika menghadapi masalah-masalah yang sama.

Kadang kala system pakar juga disebut system berbasis pengetahuan (knowledge-

based system). Namun sebenarnya system pakar hanyalah salah satu macam system yang

berbasis pengetahuan.

Tabel bebrgai system pakar.

System Pakar Keterangna

BERT Merupakan system pakar untuk merancang bangunan.

DART/DASD Digunakan untuk mendiagnosis kerusakan computer.

DELTA Merupakan system pakar untuk mendiagnosis kerusakan pada mesin-

mesin diesel dan General Electric.

DENDRAL System pakar untuk menganalisis struktur molekul suatu senyawa kimia.

EL Merupakan system pakar yang dapat digunakan untuk

menganalisisrangkaian elektronika yang mengandung transistor, diode,

dan resistor.

FOLIO Merupakan system pakar untuk mengevaluasi investasi saham.

HEATINGS System pakar yang digunakan untuk mengendalikan proses pembajarna

batubara.

MYCIN System ini dikembangkan di Universitas Stanford pada pertengahan

1970-an dengan tujuan untuk membantu jurumedis dalam mendiagnosis

penyakit yang disebabkan bakteri.

OPERA System pakar ini berguna untuk mendiagnosis gangguan pada jaringan

computer PDP 11/70.

PROSPECTOR System ini diciptakan oleh Richard Duda, Peter Hard, dan Rene Reboh

pada tahun 1978 yang menyediakan kemampuan seperti seorang pakar

di bidang geologi.

11

PUFF System ini digunakan untuk mendiagnosis gangguan paru-paru.

REBES System pakar yang memebantu detektif menangani masalh kejahatan.

SHEARER System pakar untuk mendiagnosis kerusakan meisn pemotong batubatra.

XSEL System pakar ini dapat bertidak sebagai asisten penjual, yang membantu

penjual computer DEC memilihkan pesanan pelanggan sesuai

kebutuhan.

Aplikasi sistem pakar dapat dikelompokan ke dalam beberapa kategori, sebagaimana

tercantum di dalam table berikut:

Kategori Keterangan

Interpretasi Memberikan deskripsi terhadap suatu situasi melalui pengamatan.

Prediksi Perkiraan terhadap akibat dari suatu situasi.

Diagnosis Pendugaan terhadap suatu kesalahan atau gangguan system melalui

pengamatna.

Perancangan Melakukan konfigurasi objek berdasarkan kendala yang ada.

Perencanaan Pembuatna rencana unbtuk mencapai sasaran.

Pemntauan Melakukan perbandingan antara pengamatan dan rencana.

Debugging Melakukan pemecahan terhadap suatu kesalahan.

Reparasi Melakukan perbaikan.

Instruksi Melakukan diagnosis, debugging, dan pembetulan kinerja murid dan

system pembelajaran.

Kontrol Malakukan pengendalian terhadap system.

Sebuah system pakar mempunyai kemampuan berdialog dengan pemakai dan

kemudian memberikan suatu saran, pandangan, atau kesimpulan. Seperti halnya contoh di

bawah ini.

System pakar: Apakah buah berbentuk bulat?

Pemakai: Ya

System pakar: Apakah buah berwarna hijau ketika muda dan kuning ketika

sudah tua?

Pemakai: Tidak

System pakar: Apakah buah berwarna hijau ketika muda dan merah ketika

sudah tua?

12

Basis

Pengetahua

n

Mesin

Inferensi

Antarmuka

Pemakai

Fasilitas

Penjelas

Pemakai: Ya

System pakar: Apakah berbatang?

Pemakai: Ya

System pakar: Menurut pengetahuan yang saya miliki, Apel memiliki kriteria

yang Anda sebutkan.

Model konseptual system pakar yang paling umum mengandung 4 buah komponen

penting: basis pengetahuan (knowledge base), mesin inferensi (inference engine), fasilitas

penjelas, dan antarmuka pemakai. Hubungan keempat komponen ini diperlihatkan seperti

gambar berikut:

Pemakai

Basis pengetahuan merupakan komponen yang berisi pengetahuan-pengetahuan yang

berasal dari pakar, berisis sekumpulan fakta (fact) dan aturan (rule). Fakta berupa situasi

masalah dan teori tentang area masalah. Aturan adalah suatu arahan yang menggunakan

pengetahuan untuk memecahkan maslah pada bidang tertentu.

13

Buah berbentuk bulat

Warna hijau ketika muda dan kuning ketika sudah tua

Jeruk

Berbatang

Batang berduri

Buah berbentuk bulat

Warna hijau ketika muda dan hijau ketika sudah tua

Apel

Bebatang

Pada contoh di atas, terdapat dua buah aturan. Aturan pertama mendeskripsikan tanaman

jeruk dan yang kedua menjabarkan tanamna apel.

Ketika pemakai Ya untuk menjawab pertanyaan:

Apakah buah berbentuk bulat?

Pemakai dikatakan memberikan fakta berupa “Buah berbentuk bulat”.

Mesin inferensi adalah komponen yang menjadi otak system pakar. Bagian inilah

yanbg berfungsi melakukan penalaran dan mengambil kesimpulan.

Fasilits penjelas merupakan komponen yang berfungsi memberikan penjelasan kepada

pemakai yang memintanya. Jenis pertanyaan yang dapat ditangani biasanyha berupa

“Mengapa” dan “Bagaimana”. Tidak semua system pakar menyediakan bagian ini.

Antarmuka pemakai merupakan bagian yang menjembatani antara system dan

pemakai. Melalui bagian inilah pemakai berkomunikasi dengan system.

6. Logika Kabur

Logika kabur (Fuzzy logic) adalah suatu teknik yang digunakan untuk menangani

ketidakpastian pada masalah-masalh yang memiliki banyak jawaban. Teknik ini pertama kali

dikembangkan oleh Lofi A. Zadeh pada tahun 1965.

Banyak aktifitas manusia yang menggunakan pemikiran yang bersifat tidak pasti.

Sebagai contoh, adalah definisi usia muda, usia menengah, dan usia tua. Definisi tentang usia

seperti ini sebenarnya bersifat relative. Mungkin kita dengan mudah mengatakan bahwa usia

80 adalah usia tua, tapi bagaimana halnya dengan usia 50? Mungkin ada yang mengatakan

14

usia 50 tergolong usia menengah, tetapi orang lain barangkali akan mengklasifikasikannya

ke dalam usia tua.

Persoalan seperti di atas dapat ditangani dengan menggunakan logika kabur. Dalam

hal ini, setiap klasifikasi usi memiliki keanggotaan tersendiri, sebagaimana diperlihatkan

pada gambar di bawah ini.

Berdasarkan gambar di atas kita bisa mengatakan dengan tegas bahwa usia 80 adalah

usia tua (dengan derajat keanggotaan sama dengan 1) dan usia 10 adalah usia muda.

Berdasarkan gambar itu pula, kita bisa mengatakan bahwa uisa 30 tahun adalah usia

menengah ataupun usia muda dengan derajat keanggotaan sebesar 0,5.

Beberapa contoh aplikasi logika kabur :

Pengontrolan kereta bawah tanah di Sendai, Jepang.

Pengaturan mekanisme otofokus pada kamera dengan camcorder dan untuk

menghilangkan ganggua tangan karena tangan yang gemetar.

System pengereman mobil (Nissan).

Penghematan konsumsi daya listrik pada AC (Mitsubishi Heavy Industries, Tokyo).

Pemilihan saham.

7. Jaringan Saraf

Jaringan saraf (neurall network), terkadang disebut artificial neural network / ANN

atau komputasi saraf (neural computing), adalah suatu bidang AI yang meniru pola

pemrosesan dalam otak manusia yang berbasiskan pada pengenalan pola. Dalam prakteknya,

jaringan saraf tentu saja tidak sekompleks yang terjadi dalam otak manusia.

Tua

1

0,75

0,50

0,25

0

10 20 70 40 80 50 30 60

Muda Menengah

15

Otak manusia diperkirakan memiliki lebih dari 100 milyar sel otak yang dinamakan

neuron (yang berfungsi sebagai elemen pemrosesan). Setiap neuron memiliki kira-kira 1000

dendrite. Gambar 9.14 memperlihatkan keadaan dua buah sel dalam otak manusia

ANN adalah sekumpulan elemen pemrosesan dengan masing-masing subkelompok

melakukan komputasi tersendiri dan melewatkan hasilnya ke subkelompok berikutnya. Setiap

subkelompok bersifat independen.

Di dalam ANN, sekelompok elemen pemroses disebut lapisan (Layer). Lapisan

pertama dikenal dengan sebutan lapisan masukan dan lapisan terakhir dinamakan lapisan

keluaran. Adapun lapisan yang terletak di antara lapisan keluaran dan lapisan masukan

dinamakan lapisan tersembunyi.

Masukan

Keluaran

Lapisan

Masukan

Lapisan

Tersembun

yi

Lapisan

Keluaran

Lapisan

Simpulan

16

ANN menggunakan berbagai istilah yang berbeda dengan saraf manusia. Tabel di

bawah nini memperlihatkan perbedaan tersebut.

Saraf biologis Saraf buatan

Soma/neuron Simpul

Dendrites Masukan

Axon Keluaran

Synapse Bobot

Kecepatan rendan Kecepatan tinggi

Neuron sangat banyak

(milyaran)

Simpul terbatas (ratusam)

Seperti halnya manusia yang belajar dari contoh-contoh yang diterima, ANN juga dapat

mempelajari sesuatu dengan cara diberi pelatihan. Setelah melalui masa pelatihan, ANN

dapat melakukan pencocokan pola atau melakukan klasifikasi.

Berbagai aplikasi ANN :

Validasi tanda tangan.

Data mining (yaitu menemukan pola pada sekumpulan data yang besar).

Pengenalan wajah.

Pemilihan saham dan obligasi.

8. Alogaritma Genetika

Alogaritma genetika (biasa juga disebut komputasi adaptif (adaptive comuting)

diperkenalkan pertama kali oleh John H. Holland pada tahun 1975. Beliau adalah seorang

profesor psikologi dan ilmu komoputer di Universitas Michigin.

Alogaritma genetika adalah suatu pendekatan yang meniru kemampuan makhluk

hidup dalam beradaptasi dengan lingkun sehingga terbentuk proses evolusi untuk mengatasi

masalah dengan lebih baik. Teknik ini berhasil digunakan untuk menyimulasikan evolusi

biologi, geologi, dan ekosistem yang dalam dunia nyata memakan waktu waktu jutaan tahun.

Simulasinya hanya dilakukan dalam bebarapa menit (O’Brien, 2001).

Alogaritma genetika menggunakan aturan-aturan proses matematika yang dipakai

untuk menentukan cara kembinasi dari komponen-komponen proses dibentuk. Ada tiga cara

yang digunakan, yaitu mutasi, coressover, dan seleksi.

17

Mutasi : Mencoba kombinasi ptoses secara acak dengan mengevaluasi hasilnya.

Coressover : Mengombinasikan bagian dari hasil yang baik dengan harapan dapat

memperolah hasil yang lebih baik.

Seleksi : Memilih proses-proses yang baik dan membuang yang jelek.

Contoh aplikasi alogaritma genetika :

Para insinyur dari General Electric menggunakannya untuk merancang mesin pesawat

terbang berturbin jet, yang melibatkan persamaan-persamaan dengan kurang lebih 100

variabel dan 50 kekangan (Laudon dan Laudon, 1998, hal. 578).

Departemen psikologi pada New Mexico State University mengembangkan

alogaritma genetika untuk mengidentifikasi tersangka berdasarkan gambar rekaan dari

saksi (Haag, Cummings, dan Dawkins, 2000, hal 207).

9. Sistem Al Hibrida

System Al Hibrida atau terkadang dinamakan system cerdas hibrida (hybrid

intelligent system) adalah system yang menggabungkan beberapa teknologi AI untuk

memanfaatkan atau memadukan keunggulan masing-masing teknologi. Istilah seperti soft

computing (Jang, Sun, dan Mizutani, 1997), yang menggabungkan ANN, logika kabur,

alogaritma genetika, dan teknik AI konvensional, merupakan contoh system Al Hibrid.

Neurofuzzy merupakan contoh lain yang menggabungkan pemakaian ANN dan logika kabur.

System yang terakhir disebutkan ini banyak digunakan oleh perusahaan Jepang seperti

Matsushita dan Sharp; antara lain diterapkan pada mesin cuci dan kulkas.

18

10. Agen Cerdas

Agen cerdas (intelligent agent) kian populer seiring dengan perkembangan internet.

Namun, pengertian agen cerdas tidak harus selalu terkait dengan internet. Perlu diketahui,

beberapa nama lain yang juga menyatakan agen cerdas yaitu software agent, wizard,

knowbot, dan softbot.

Sebelum memahami makna agen cerdas, ada baiknya mengenali terlebih dulu makna

agen. Russel dan Norvig (1995, hal. 31) mendefinisikan agen sebagai “Segala sesuatu yang

dapat dipandang menangkap lingkungannya melalui sensor dan bertindak terhadap

lingkungan melalui efektor.” Sensor adalah bagian yang merangsang tindakan agen,

sedangkan efektor adalah bagian yang digunakan oleh agen untuk melakukan tindakan. Jika

dikatan dengan agen manusia, yang dimaksud dengan sensor antara lain adalah mata dan

telinga, sedangkan efektor antara lain berupa tangan, lengan, dan mulut. Pada agen berupa

robot, kamera atau inframerah bertindak sebagai sensor dan motor berfungsi sebagai efektor.

Agen berupa perangkat lunak, atau bisa disebut agen cerdas, adalah perangkat lunak

yang dapat bertindak seperti orang yang mampu berinteraksi dengan lingkungan. Agen

seperti ini telah banyak digunakan pada berbagai keperluan. Contoh :

Agen system operasi

Agen spreadsheet

Masukan

Praprosesor

Logika Kabur

Keluaran

19

Agen perdagangan elektronis

Agen system operasi dugunakan utnuk membantu pengguna system operasi. Contoh,

Microsoft memiliki sejumlah agen yang dinamakan Wizard pada system operasi yang

dibuatnya; misalnya Windows NT. Agen ini digunakan antara lain untuk menambah nama

pemakai, mengelola grup pemakai, dan manajemen berkas.

Agen spreadsheet digunakan untuk membuat program spreadsheet menjadi lebih

mudah digunakan oleh pemakai. Contoh, Office Assistant pada Excel dapat “mengamati”

pemakai dan jika terjadi sesuatu yang dipandang perlu untuk dibantu, agen cerdas ini akan

memberikan saran.

Agen untuk perdagangan elektronis digunakan untuk membantu pemakai yang akan

melakukan belanja secara online. Perangkat lunak seperti ini dapat membantu pemakai

dengan berbagai cara berikut (Agung dan Ibrahim, 2000, hal. 162).

1) Membantu pemakai menentukan produk yang dibeli.

2) Mencarkan spesifikasi dan mengkajinya.

3) Membuat rekomendasi.

4) Membandingkan belanja untuk mendapatkan harga terbaik untuk produk yang

dikehendaki.

5) Mengamati dan mengenalkan kepada pemakai penawaran dan diskon khusus.

Berbagai aplikasi yang lain antara lain untuk menyortir surat elektronis dan

mengamati hasil pertandingan suatu olahraga tertentu (misalnya sepakbola) dari berbagai

situs Web dan kemudian melaporkan hasilnya dalam bentuk surat elektronis ke para anggota

yang inginkan hasil tersebut.

2.4 Topik Lain-lain

Berbagai topik lain yang berhubungan dengan AI yang perlu untuk diketahui adalah

cyborg, artificial life, dan pembelajaran mesin (machine learning).

1. Cyborg

Yang dimaksud dengan cyborg adalah campuran antara mesin dan makhluk hidup.

Dalam film-film, cyborg sering digambarkan sebagai makhluk hidup yang dikontrol oleh

pihak lain. Dalam dunia nyata sebenarnya banyak manusia yang tergolong sebagai cyborg,

yaitu manusia yang telah dipasangi peranti-peranti elektronik di dalam tubuhnya (misalnya

alat pemacu jantung).

20

Di masa mendatang, cyborg dapat beruapa (1) bakteri yang diletakan dalam cip

komputer dan dapat digunakan untuk memetakan polutan, (2) serangga yang menjadi bagian

sensor pendeteksi senjata kimia, dan (3) otak binatang mengerat yang dipakai untuk

membantu mengidentifikasi obat baru (Williams dan Sewyer, 2003, hal. 390).

2. Rtificial Life

Artificial life atau A-Life adalah bidang sturi yang mempelajari dan memahami

kehidupan biologis dengan cara melakukan perpaduan dengan bentuk kehidupan buatan.

Bidang ini pertama kali diperkenalkan oleh Chris Langton.

Contoh A-Life yang paling terkenal adalah robot ikan yang dibuat Mitsubishi Heavy

Industries, Ltd (MHI) dan diberi nama Colecanth. Ikan buatan dengan panjang 70 cm ini

dapat berenang seperti layaknya ikan.

3. Pembelajaran Mesin

Pembelajaran mesin (machine learning) adalah system yang secara otomatis dapat

meningkatkan kinerjanya melalui pengalaman. Seperti halnya manusia, komputer diharapkan

dapat selalu belajar dari waktu ke waktu. Salah satu contoh yang menunjukan program yang

dapat belajar adalah program permainan dam yang diciptakan oleh AL. Samuel (1959).

Program ini dapat belajar cara mengalahkan pembuatnya maupun orang lain.

21

DAFTAR PUSTAKA

Kadir, Abdul & Terra CH. Triwahyuni. 2003. Pengenalan Teknologi Informasi. Yogyakarta:

Penerbit ANDI Yogyakarta

file:///E:/Image/5%20Artikel%20tentang%20Kecerdasan%20Buatan%20%E2%80%9CArtifi

cial%20Intelligent%E2%80%9D%20%C2%AB%20Butterfly%E2%80%99s%20Weblog

.htm

file:///E:/Image/Aplikasi%20Kecerdasan%20Buatan%20%28AI%29%20%C2%AB%20Blog

-TeKom%20_%20Belajar%20ilmu%20komputer.htm

file:///E:/Image/Kecerdasan_buatan.htm