Rabu, 16 Maret 2016

PENGANTAR KECERDASAN BUATAN

Kemajuan teknologi yang pesat, berpengaruh pada perkembangan perangkat mobile saat ini, sehingga penggunaan perangkat mobile semakin memasyarakat. Perkembangan ini sangatlah membantu dalam menyajikan informasi yang cepat dan efisien dengan layar penyajian yang sangat terbatas, tetapi penyajian informasinya pun tidak kalah optimal layaknya informasi yang diakses dari personal computer, tergantung bagaimana cara penyajiannya.

Kecerdasan Buatan atau Artificial Intelligence merupakan salah satu bagian ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan manusia

Dengan adanya kecerdasan buatan, diharapkan tidak menutup kemungkinan hanya dengan data pengetahuan yang terbatas, sebuah komputer dapat berpikir seperti manusia dalam menghadapi masalah.

4 Konsep dasar Ai(Kecerdasan Buatan)

1. Acting Humanly

Acting humanly ialah system yang melakukan pendekatan dengan menirukan tingkah laku seperti manusia.

2. Thinking Humanly

Yaitu system yang dilakukan dengan cara intropeksi yaitu penangkapan pemikiran psikologis.

3. Thinking Rationaly

Ini merupakn system yang sangat sulit ,karena sering terjadi kesalahan dalam , prinsip dan prakteknya,system ini dikenal dengan penalaran komputasi.

4. Actng Rationaly

Yaitu system yang melakukan aksi dengan cara menciptakan suatu robotika cerdas yang menggantikan tugas manusia.

Metode dan Teknik kecerdasan buatan

TURING TEST – Metode Pengujian Kecerdasan

• Turing Test merupakan sebuah metode pengujian kecerdasan yang dibuat oleh Alan Turing.

• Proses uji ini melibatkan seorang penanya (manusia) dan dua obyek yang ditanyai. Yang satu adalah seorang manusia dan satunya adalah sebuah mesin yang akan diuji.

• Penanya tidak bisa melihat langsung kepada obyek yg ditanyai

• Penanya diminta untuk membedakan mana jawaban komputer dan mana jawaban manusia berdasarkan jawaban kedua obyek tersebut.

• Jika penanya tidak dapat membedakan mana jawaban mesin dan mana jawaban manusia maka Turing berpendapat bahwa mesin yang diuji tersebut dapat diasumsikan CERDAS.

Pengantar Kecerdasan Buatan - 4

PEMROSESAN SIMBOLIK

• Komputer semula didisain untuk memproses bilangan/angka-angka (pemrosesan numerik).

• Sementara manusia dalam berpikir dan menyelesaikan masalah lebih bersifat simbolik, tidak didasarkan kepada sejumlah rumus atau melakukan komputasi matematis.

• Sifat penting dari AI adalah bahwa AI merupakan bagian dari ilmu komputer yang melukan proses secara simbolik dan non-algoritmik dalam penyelesaian masalah

HEURISTIC

• Istilah Heuristic diambil dari bahasa Yunani yang berarti menemukan • Heuristic merupakan suatu strategi untuk melakukan proses pencarian (search) ruang problema secara selektif, yang memandu proses pencarian yang kita lakukan disepanjang jalur yang memiliki kemungkinan sukses paling besar.

PENARIKAN KESIMPULAN (INFERENCING)

• AI mecoba membuat mesin memiliki kemampuan berpikir atau mempertimbangkan (reasoning) • Kemampuan berpikir (reasoning) termasuk didalamnya proses penarikan kesimpulan (inferencing) berdasarkan fakta-fakta dan aturan dengan menggunakan metode heuristik atau metode pencarian lainnya.

PENCOCOKAN POLA (PATTERN MATCHING)

• AI bekerja dengan metode pencocokan pola (pattern matching) yang berusaha untuk menjelaskan obyek, kejadian (events) atau proses, dalam hubungan logik atau komputasional.

Manfaat kecerdasan buatan dapat diterapkan pada bidang:

Visualisasi komputer

Kecerdasan buatan pada bidang visualisasi komputer ini memungkinkan sebuah sistem komputer mengenali gambar sebagai input.

Contohnya mengenali sebuah pola pada suatu gambar.

Pengenalan Suara

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.

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.

Sejarah Kecerdasan Buatan

Tahapan Perkembangan AI (Russel,95) Era Komputer elektronik (1941) Masa Persiapan AI (1943-1956) Awal perkembangan AI (1952-1969) Perkembangan AI melambat (1966-1974) Sistem berbasis pengetahuan (1969-1979) AI menjadi sebuah industri (1980-1988) Kembalinya jaringan syaraf tiruan (1986-sekarang)

Era Komputer elektronik (1941) Pada tahun 1941 telah ditemukan alat penyimpanan dan pemrosesan informasi. Penemuan tersebut dinamakan komputer elektronik yang dikembangkan di USA dan Jerman. komputer melibatkan konfigurasi ribuan kabel untuk menjalankan suatu program. Hal ini sangat merepotkan para programmer. Pada tahun 1949, berhasil dibuat komputer yang mampu menyimpan program sehingga membuat pekerjaan untuk memasukkan program menjadi lebih mudah. Penemuan ini menjadi dasar pengembangan program yang mengarah ke AI.

Masa Persiapan AI (1943-1956) 1943, Warren McCulloch dan Walter Pitts mengemukakan tiga hal: pengetahuan fisiologi dasar dan fungsi sel syaraf dalam otak, analisis formal tentang logika proposisi, dan teori komputasi Turing. berhasil membuat suatu model syaraf tiruan di mana setiap neuron digambarkan sebagai ‘on’ dan ‘off’. Mereka menunjukkan bahwa setiap fungsi dapat dihitung dengan suatu jaringan sel syaraf dan bahwa semua hubungan logis dapat diimplementasikan dengan struktur jaringan yang sederhana.

Awal perkembangan AI (1952-1969) Pada tahun-tahun pertama perkembangan AI mengalami banyak kesuksesan. Diawali dengan kesuksesan Newell dan Simon dengan sebuah program yang disebut general problem solver. Program ini dirancang untuk memulai penyelesaian masalah secara manusiawi. Pada tahun 1958, McCarthy di MIT AI Lab Memo mendefinisikan bahasa pemrograman tingkat tinggi yaitu LISP, yang sekarang mendominasi pembuatan program-program AI. McCarthy membuat program yang dinamakan programs with common sense. Di dalam program tersebut, dibuat rancangan untuk menggunakan pengetahuan dalam mencari solusi. 1959, Nathaniel Rochester dari IBM dan para mahasiswanya mengeluarkan program AI yaitu geometry theorm prover.

Awal perkembangan AI (1952-1969) 1963, program yang dibuat James Slagle mampu menyelesaikan masalah integral tertutup untuk mata kuliah Kalkulus. 1968, program analogi buatan Tom Evan menyelesaikan masalah analogi geometri yang ada pada tes IQ.

Perkembangan AI melambat (1966-1974) 10 tahun kemudian, perkembangan AI melambat. Hal ini disebabkan adanya 3 kesulitan utama yang dihadapi AI, yaitu: 1. Program-program AI yang bermunculan hanya mengandung sedikit atau bahkan tidak mengandung sama sekali pengetahuan pada subjeknya. Program-program AI berhasil hanya karena manipulasi sisntetis yang sederhana. Sebagai contoh adalah Weizenbaum’s ELIZA program (1965) yang dapat melakukan percakapan serius pada berabgai topik, sebenarnya hanya peminjaman dan manipulasi kalimat-kalimat yang diketikkan oleh manusia.

Perkembangan AI melambat (1966-1974) 2. Banyak masalah yang harus diselesaikan oleh AI, karena terlalu banyaknya masalah yang berkaitan, maka tidak jarang banyak terjadi kegagalan pada pembuatan program AI. 3. Ada beberapa batasan pada struktur dasar yang digunakan untuk menghasilkan perilaku intelijensia. Sebagai contoh adalah pada tahun 1969, buku Minsky dan Papert Perceptrons membuktikan bahwa meskipun program-program perceptron dapat mempelajari segala sesuatu, tetapi program-program tersebut hanya merepresentasikan sejumlah kecil saja. Sebagai contoh masukan perceptron yang berbeda tidak dapat dilatihkan untuk mengenali kedua masukan berbeda tersebut.

Sistem berbasis pengetahuan (1969- 1979) Pengetahuan adalah kekuatan pendukung AI. Hal ini dibuktikan dengan program yang dibuat oleh Ed Feigenbaum, Bruce Buchanan, dan Joshua Lederberg yang membuat program untuk memecahkan masalah struktur molekul dari informasi yang didapatkan dari spectometer massa. Program tersebut dinamakan dendral programs yang berfokus pada segi pengetahuan kimia.

AI menjadi sebuah industry (1980-1988) Industralisasi AI diawali dengan ditemukannya sistem pakar yang dinamakan R1 yang mampu mengkonfigurasi sistem- sistem komputer baru. Program tersebut mulai dioperasikan di digital equipment corporation (DEC), McDermott, pada tahun 1982. Tahun 1986, program ini telah berhasil menghemat US$ 40 juta per tahun. Pada tahun 1988, kelompok AI di DEC menjalankan 40 sistem pakar. Hampir semua perusahaan besar di USA mempunyai divisi AI sendiri yang menggunakan ataupun mempelajari sistem pakar.

Kembalinya jaringan syaraf tiruan (1986 – sekarang) Meskipun bidang ilmu komputer menolak JST setelah diterbitkannya buku ‘Perceptrons’ karangan Minsky dan Papert, tetapi para ilmuwan masih mempelajari bidang ilmu tersebut dari sudut pandang yang lain, yaitu fisika. Para ahli fisika seperti Hopfield (1982)) menggunakan teknik-teknik mekanika statistika untuk menganalisa sifat-sifat penyimpanan dan optimasi pada jaringan syaraf. Para ahli psikolog, David Rumhelhart dan Geoff Hinton, melanjutkan penelitian mengenai model jaringan syaraf pada memori. Th 1985-an sedikitnya empat kelompok riset menemukan kembali algoritma belajar propagasi balik. Algoritma ini berhasil diimplementasikan ke dalam ilmu bidang komputer dan psikologi.

Beberapa aplikasi AI Logic Theorist, diperkenalkan pada Dartmouth Conference, program ini dapat membuktikan teorema-teorema matematika. Sad Sam, diprogram oleh Robert K. Lindsay (1960). Program ini dapat mengetahui kalimat-kalimat sederhana yang ditulis dalam bahasa Inggris dan mampu memberikan jawaban dari fakta-fakta yang didengar dalam sebuah percakapan

sumber :
1.http://irpantips4u.blogspot.co.id/2012/12/konsep-dasar-artificial-intelligence-ai.html
2.http://masadrian.blogspot.co.id/2016/03/pengantar-kecerdasan-buatan.html
3.http://slideplayer.info/slide/2321929/
4.http://informatika.web.id/category/kecerdasan-buatan/

Rabu, 05 November 2014

Bilangan Biner

Bilangan Biner

Sistem bilangan biner atau sistem bilangan basis dua adalah sebuah sistem penulisan angka dengan menggunakan dua simbol yaitu 0 dan 1. Sistem bilangan biner modern ditemukan oleh Gottfried Wilhelm Leibniz pada abad ke-17. Sistem bilangan ini merupakan dasar dari semua sistem bilangan berbasis digital. Dari sistem biner, kita dapat mengkonversinya ke sistem bilangan Oktal atau Hexadesimal. Sistem ini juga dapat kita sebut dengan istilah bit, atau Binary Digit. Pengelompokan biner dalam komputer selalu berjumlah 8, dengan istilah 1 Byte/bita. Dalam istilah komputer, 1 Byte = 8 bit. Kode-kode rancang bangun komputer, seperti ASCII, American Standard Code for Information Interchange menggunakan sistem peng-kode-an 1 Byte.

2⁰=1

2¹=2

2²=4

2³=8

2⁴=16

2⁵=32

2⁶=64

dst

Ԃ== Perhitungan ==

Desimal	Biner (8 bit )
0	0000 0000
1	0000 0001
2	0000 0010
3	0000 0011
4	0000 0100
5	0000 0101
6	0000 0110
7	0000 0111
8	0000 1000
9	0000 1001
10	0000 1010
11	0000 1011
12	0000 1100
13	0000 1101
14	0000 1110
15	0000 1111
16	0001 0000

Perhitungan dalam biner mirip dengan menghitung dalam sistem bilangan lain. Dimulai dengan angka pertama, dan angka selanjutnya. Dalam sistem bilangan desimal, perhitungan menggunakan angka 0 hingga 9, sedangkan dalam biner hanya menggunakan angka 0 dan 1.

contoh: mengubah bilangan desimal menjadi biner

desimal = 10.

berdasarkan referensi diatas yang mendekati bilangan 10 adalah 8 (2³), selanjutnya hasil pengurangan 10-8 = 2 (2¹). sehingga dapat dijabarkan seperti berikut

10 = (1 x 2³) + (0 x 2²) + (1 x 2¹) + (0 x 2⁰).

dari perhitungan di atas bilangan biner dari 10 adalah 1010

dapat juga dengan cara lain yaitu 10 : 2 = 5 sisa 0 (0 akan menjadi angka terakhir dalam bilangan biner), 5(hasil pembagian pertama) : 2 = 2 sisa 1 (1 akan menjadi angka kedua terakhir dalam bilangan biner), 2(hasil pembagian kedua): 2 = 1 sisa 0(0 akan menjadi angka ketiga terakhir dalam bilangan biner), 1 (hasil pembagian ketiga): 2 = 0 sisa 1 (1 akan menjadi angka pertama dalam bilangan biner) karena hasil bagi sudah 0 atau habis, sehingga bilangan biner dari 10 = 1010

atau dengan cara yang singkat

10:2=5(0),

5:2=2(1),

2:2=1(0),

1:2=0(1) sisa hasil bagi dibaca dari belakang menjadi 1010

Tabel kebenaran

Dalam logika matematika, tabel kebenaran adalah tabel dalam matematika yang digunakan untuk melihat nilai kebenaran dari suatu premis/pernyataan. Jika hasil akhir adalah benar semua (dilambangkan B, T, atau 1), maka disebut tautologi. Sedangkan jika salah semua (S, F, atau 0) disebut kontradiksi. Premis yang hasil akhirnya gabungan benar dan salah disebut kontingensi.

Operasi Binary

Tabel kebenaran untuk semua logikal operasi binary

P	Q	0	1	2	3	4	5	6	7	8	9	10	11	12	13	14	15
T	T	F	F	F	F	F	F	F	F	T	T	T	T	T	T	T	T
T	F	F	F	F	F	T	T	T	T	F	F	F	F	T	T	T	T
F	T	F	F	T	T	F	F	T	T	F	F	T	T	F	F	T	T
F	F	F	T	F	T	F	T	F	T	F	T	F	T	F	T	F	T

dimana T = benar and F = salah.

Kunci:

				Nama operasi
0	Opq	xand	salah	Kontradiksi
1	Xpq	NOR	↓	Logika NOR
2	Mpq	Xq		Nonimplikasi berlawanan
3	Fpq	Np	¬p	Negasi
4	Lpq	Xp	↛	Nonimplikasi
5	Gpq	Nq	¬q	Negasi
6	Jpq	XOR	⊕	Disjungsi eksklusif
7	Dpq	NAND	↑	Logika NAND
8	Kpq	AND	∧	Konjungsi
9	Epq	XNOR	Jika dan hanya jika	Bikondisional
10	Hpq	q		Fungsi proyeksi
11	Cpq	XNp	jika/maka	Implikasi
12	Ipq	p		Fungsi proyeksi
13	Bpq	XNq	maka/jika	Implikasi berlawanan
14	Apq	OR	∨	Disjungsi inklusif
15	Vpq	xnand	true	Tautologi

Logical operators can also be visualized using Venn diagrams.

Jenis-jenis operasi pada tabel kebenaran

Operasi yang digunakan adalah

Negasi

Tabel kebenaran untuk TIDAK p (juga ditulis ¬p, Np, Fpq, or ~p) adalah dibawah ini:

**Logika negasi**
p	$\negp$
S	B
B	S

Konjungsi

Tabel kebenaran untuk p DAN q (juga ditulis p ∧ q, Kpq, p & q, atau p

⋅ q) adalah dibawah ini:

**Logika konjungsi**
p	q	p ∧ q
B	B	B
B	S	S
S	B	S
S	S	s

Disjungsi inklusif (sering disebut sebagai disjungsi saja)

Tabel kebenaran untuk p ATAU q (juga ditulis p ∨ q, Apq, p || q, or p + q) adalah dibawah ini:

**Logika Disjungsi**
p	q	p ∨ q
B	B	B
B	S	B
S	B	B
S	S	S

Kesamaan

Tabel kebenaran untuk p XNOR q (juga ditulis p ↔ q, Epq, p = q, or p ≡ q) adalah dibawah ini:

**Logika kesamaan**
p	q	p ≡ q
B	B	B
B	S	S
S	B	S
S	S	B

Disjungsi eksklusif

Tabel kebenaran untuk p XOR q (juga ditulis p ⊕ q, Jpq, or p ≠ q) adalah dibawah ini:

**Disjungsi eksklusif**
p	q	p ⊕ q
B	B	S
B	S	B
S	B	B
S	S	S

Implikasi

Biimplikasi

Jumlah kemungkinan hasil adalah

2n, dimana n adalah jumlah pernyataan dasar yang ada (p, q, r, dsb). Namun, p dan ~p (negasi p) tidak dihitung sebagai pernyataan yang berbeda.

Gerbang Logika

Gerbang logika

Gerbang logika atau gerbang logik adalah suatu entitas dalam elektronika dan matematika Boolean yang mengubah satu atau beberapa masukan logik menjadi sebuah sinyal keluaran logik. Gerbang logika terutama diimplementasikan secara elektronis menggunakan diode atau transistor, akan tetapi dapat pula dibangun menggunakan susunan komponen-komponen yang memanfaatkan sifat-sifat elektromagnetik (relay), cairan, optik dan bahkan mekanik.

Gerbang elektronika

Untuk membangun sistem logika yang berfungsi secara penuh, relay, tabung hampa, atau transistor dapat digunakan. Contoh gerbang logika yaitu logika resistor-transistor (resistor-transistor logic / RTL), logika diode–transistor (diode-transistor logic / DTL), logika transistor-transistor (transistor-transistor logic / TTL), dan logika complementary metal–oxide–semiconductor (CMOS).