1. Tujuan
[kembali]- alat
Salah satu cabang ilmu komputer
yang berkembang sangat pesat adalah Artificial Intelligence (AI). Hasil
dari AI telah banyak diterapkan secara komersil diberbagai bidang kehidupan
seperti mesin cuci, kamera, AC, dan kulkas yang telah diberi intelligence
yang menandakan alat tersebut sudah mengadopsi teknologi pintar sehingga
membuat konsumen semakin nyaman dan mudah menggunakannya. Perkembangan teknologi
tersebut sudah semakin pesat bahkan telah menciptakan lengan robot otomatis di Space-Shuttle
yang dibuat NASA dan robot yang dipakai ekspedisi ke Mars. Selain itu, AI
banyak digunakan di dalam bisnis dan industry untuk membantu dalam proses
mengambil Keputusan (Decision Making) yaitu alat bantu (tool)
untuk para manajer ini sering disebut Intelligence Decision Support Systems (IDDS).
Penggunaan alat bantu yang cerdas dapat membantu manajer dalam mengambil Keputusan
yang akurat dan lebih cepat dibandingkan dengan alat alat atau metode
konvensional yang sudah pernah ada sebelumnya.
Usaha manusia untuk membuat mesin pintar (Intelligence Machine) ini memang sudah dimulai sejak puluhan tahun lalu, yaitu pada saat komputer diciptakan dan mulai digunakan secara luas dan banyak digunakan secara luas dibanyak kehidupan manusia. Pada saat itu, timbul keinginan manusia untuk mengubah komputer dari yang hanya sekedar alat pengolah data (data processing) menjadi pengolah informasi (Information Processing). Kemampuan mengolah informasi inilah yang dipercaya sebagai salah satu kemampuan manusia yang perlu ditiru oleh komputer sehingga komputer tidak hanya sekedar dapat berhitung (to Compute) tetapi juga dapat berpikir (to Think) dan membuat Keputusan sulit layaknya manusia pada umumnya atau para ahli pada khususnya. Teknik dalam AI yang biasanya dikembangkan adalah:
1. Sistem Pakar (Expert Systems)
2. Fuzzy Logic
3.Jaringan Saraf Tiruan (Artificial Neural Network)
4. Algoritma Genetika (Genetic Algorithm)
1.1 Sistem
Pakar (Expert Systems)
Sistem Pakar merupakan sistem komputer yang dibuat untuk meniru cara manusia dalam proses menarik kesimpulan (Reasoning) Ketika hendak menyelesaikan suatu masalah. Proses pemecahan masalah ini, manusia biasanya menggunakan fakta dan aturan aturan heuristik yang didapatkan dari pengetahuan, pengalaman atau keahlian yang dimilikinya. Pada sistem pakar, fakta dan aturan ini disimpan dalam komponen yang disebut basis pengetahuan (knowledge base). Selain basis pengetahuan, sistem pakar juga memiliki komponen lain yaitu mesin inferensi (Inference Engine). Mesin inferensi merupakan program komputer yang bertugas memberikan inferensi (penarik kesimpulan) berdasarkan fakta fakta dan aturan aturan yang disimpan dalam knowledge-base. Kesimpulan atau Keputusan yang dibuat bisa bersifat induksi (Inductive Reasoning) atau deduksi (Deductive Reasoning). Pada proses membuat kesimpulan itu, mesin inferensi bisa menggunakan dua pendekatan yaitu forward-chaining dan backward-chaining.
Pada sebuah sistem pakar, fakta dan aturan yang diperoleh dari para pakar (diperoleh dari sumber lain) disimpan di dalam knowledge-base untuk kemudian digunakan oleh inference engine dalam pengambilan Keputusan. Melalui cara ini, keahlian seseorang dapat digunakan oleh orang lain melalui komputer. Selain itu, knowledge-base dari sistem tersebut dari hari ke hari bisa belajar dan menjadi semakin pintar. Sistem pakar telah dibuat untuk beberapa bidang aplikasi seperti MYCIN, sebuah sistem pakar komersial bidang kedokteran untuk mendiagnosis penyakit akibat infeksi darah, INTENIST untuk membantu mendiagnosis berbagai penyakit dalam, dan XCON yang mampu memecahkan masalah pengaturan konfigurasi komputer yang rumit.
1.2 Logika Fuzzy
Logika Fuzzy dapat
mempresentasikan keadaan lebih dari dua status. Misalnya, diantara 0 dan 1 ada
setengah, seperempat, sepertiga, dan sebagainya. Penggunaan logika Fuzzy dikarenakan
banyak persoalan yang samar seperti kita sering menggunakan pernyataan orang
kuat, manusia yang cerdas, buah yang hijau, Perusahaan yang besar, kecepatan
angin tinggi, dan sebagainya untuk mengungkapkan suatu persoalan atau mengategorikan
sesuatu hal. Kata kuat, cerdas, hijau, besar, dan tinggi adalah bentuk yang
membingungkan, Fuzzy, atau samar. Pada kasus ini, logika Fuzzy mampu
melakukan reasoning, karena bersifat kontinu (gradations) dan
tidak bersifat crisp (yang belum diketahui).
1.3 Jaringan
Saraf Tiruan (Artificial Neural Network)
Teknologi ini dibuat
untuk meniru jaringan saraf otak manusia (Neuron). Neuron merupakan
sel otak manusia yang memproses dan menjadi informasi. Otak manusia terdiri
atas jutaan (triliunan) sel neuron yang bertugas menerima rangsang dan mengolahnya
menjadi informasi serta deret huruf berikut ini: “NAMA”, sel sel otak kita
menerima rangsang berupa bentuk huruf seperti N, A, M, A. kemudian keempat
huruf tersebut digabung menjadi satu kata dan selanjutnya kita dapat mengerti.
Mekanisme cara belajar
manusia belajar dan berpikir ini dicoba ditiru oleh para ahli untuk membuat
mesin yang bisa belajar dan berpikir seperti layaknya manusia. Artificial
Neural Network terdiri atas beberapa neuron tiruan terdiri atas beberapa
jaringan input dan satu jaringan output. Setiap kelompok neuron
dihubungkan dengan beberapa kelompok neuron lainnya hingga beberapa
lapis (layer). Input data diterima oleh beberapa neuron
pada lapisan pertama (Input Layer), kemudian diolah oleh beberapa neuron
pada lapisan lapisan tersembunyi (Hidden Layer) dengan menggunakan
beberapa macam fungsi Aktivasi secara sekaligus (parallel). Selanjutnya hasil
pengolahan Hidden Layer diberikan kepada neuron-neuron lapisan
terakhir (Output Layer). Neuron terakhir inilah yang memberikan
informasi yang kita perlukan untuk membuat aksi, Tindakan, ataupun Keputusan.
Struktur ini membuat JST
mampu melakukan proses pembelajaran dengan menggunakan contoh (Learning by
Examples) seperti sistem kemudi otomatis (Car’s Auto Pilot Systems)
dengan menggunakan JST. Pada sistem ini JST diajarkan untuk menaikkan dan
menurunkan kecepatan secara halus sehingga pengendara dapat berkendara dengan
nyaman. JST dilatih dengan memberikan contoh berapa kecepatan yang seharusnya
dipakai, termasuk kecepatan mobil kita sekarang, kecepatan mobil di depan kita,
jarak antara kedua mobil, kondisi jalan, dan sebagainya. JST juga memiliki
kemampuan mengenali atau membaca pola (Pattern Recognition). JST dapat
dibuat dengan berbagai macam jenis Software
seperti NeuralWare, MatLab, dan bahasa pemrograman Pascal atau
C++. Hal sangat kritis dalam pembuatan
JST adalah penentuan bentuk fungsi Aktivasi dan penentuan jumlah Neuron
pada lapisan tersembunyi (Hidden Layer).
1.4 Algoritma
Genetika (Genetic Algorithm)
Banyak persoalan dalam
kehidupan manusia yang dikategorikan sebagai masalah Searching yaitu masalah
untuk mencari satu pilihan yang paling baik diantara beberapa kemungkinan yang
ada. Contohnya, seseorang ingin pergi berlibur ke suatu tempat. Banyak pilihan
jenis pesawat, mobil, hotel, atau restoran yang tersedia. Tentu saja ia harus
memutuskan satu kombinasi dari beberapa kombinasi yang tersedia untuk memuaskan
keinginannya. Kadang kadang pertimbangan dipersulit karena adanya pertimbangan
lain yang diperhitungkan. Contohnya, pada satu sisi ia ingin menghemat uang
sedangkan pada sisi lain ia ingin penerbangan yang nyaman.
Istilah Searching dilakukan untuk mencari suatu objek dalam sekumpulan objek yang ada. Dalam masalah optimasi, objek yang dicari adalah solusi optimal atau terbaik untuk masalah yang dihadapi. Sebagai contoh untuk masalah penjadwalan produksi, teknik Searching digunakan untuk mencari jadwal produksi yang optimal yaitu jadwal yang dapat memberikan biaya yang paling kecil atau yang biasanya meminimalkan waktu pembuatan barang.
Ada beberapa teknik Searching yang dapat digunakan dalam bidang optimasi, diantaranya adalah Hill-Climbing Search, Gradient Search, Simulated Annealing, dan Genetic Algorithm. Hill-Climbing dan Gradient Search merupakan teknik Searching tradisional yang menggunakan teori kalkulus dalam usahanya mencari titik maksimum atau titik minimum suatu fungsi dalam suatu Search Space. Teknik ini cocok untuk digunakan jika turunan fungsi yang dioptimasi dapat ditentukan terlebih dahulu. Simulated Annealing menggunakan teknik Searching yang hampir sama dengan teknik Gradient Search. Perbedaan utamanya terletak, pada parameter pengukuran kesuksesan hasil Searching. Pada Simulated Annealing ukuran yang digunakan adalah temperature. Penggunaan temperatur sebagai parameter Searching ini adalah untuk meniru teknik yang dipakai para ahli metalurgi dalam membuat metal dengan sifat tertentu. Prinsip Searching untuk Simulated Annealing seperti membuat metal jika temperature tinggi perlu dibuat Langkah yang lebih besar. Jika temperature rendah yang diperlukan Langkah kecil saja untuk menuju titik optimal. Berbeda dengan teknik algoritma genetika melakukan Searching dengan melakukan simulasi proses evaluasi makhluk hidup. Prinsip utamanya yaitu meniru proses seleksi alam dan prinsip prinsip ilmu genetika. Pada seleksi alam individu individu bersaing untuk mempertahankan hidup dan melakukan reproduksi. Individu individu yang lebih fit akan memiliki peluang untuk terus bertahan hidup dan melakukan reproduksi. Kemudian selanjutnya dilakukan pindah silang (Crossover) serta mutasi. Proses ini terjadi pada individu yang melakukan reproduksi sehingga menghasilkan individu baru. Proses seleksi dan reproduksi silang (pindah silang dan mutasi) ini berlangsung berulang kali sampai mendapatkan individu terbaik.
1. Prosedur Kerja
Tidak ada komentar:
Posting Komentar