Kecerdasan Buatan - SOFT COMPUTING

1. DEFINISI KECERDASAN BUATAN

• H. A. Simon [1987] :

“ Kecerdasan buatan (artificial intelligence) merupakan kawasan penelitian, aplikasi dan instruksi yang terkait dengan pemrograman komputer untuk melakukan sesuatu hal yang -dalam pandangan manusia adalah- cerdas ”

• Rich and Knight [1991]:

“Kecerdasan Buatan (AI) merupakan sebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik oleh manusia.”

• Encyclopedia Britannica:

“Kecerdasan Buatan (AI) merupakan cabang dari ilmu komputer yang dalam merepresentasi pengetahuan lebih banyak menggunakan bentuk simbol-simbol daripada bilangan, dan memproses informasi berdasarkan metode heuristic atau dengan berdasarkan sejumlah aturan”

menurut john McCarthy stanford sebagai kemampuan untuk mencapai sukses dalam menyelesaikan masalah.

Selain itu keserdasan dapat pula didefinisikan sebagai berikut:

1. sutu study yang mengupayakan bagaimana komputer agar dapat berlaku cerdas
2. suatu studi yang mengupayakan supaya komputer dapat menyelesaikan masalah yang sulit
3. teknologi yang mensimulasikan kecerdasan manusia,yaitu bagai mana medefinisikan dan mencoba menyelesaikan persoalan menggunakan komputer dengan meniru manusia menyelesaikan dengan cepat.

Jadi dari definisi di atas dapat saya artikan bahwa kecerdasan buata itu adalah suatu study yang mengupayakan bayaimana computer agar dapat berlaku cerdas dan dapat menyelesaikan masalah yang sulit sepertimana manusia itu menyeleaikan dengan cepan masalah tersebut.

Tujuan dari kecerdasan buatan menurut Winston dan Prendergast [1984]:

1. Membuat mesin menjadi lebih pintar (tujuan utama)

2. Memahami apa itu kecerdasan (tujuan ilmiah)

3. Membuat mesin lebih bermanfaat (tujuan entrepreneurial)

Untuk mrnyelsaikan masalah tersebut diperlukan penakran yang logis.dan musia mempuanyai pemikiran yang logis tersebut dengan cara:

1. berhayal
2. menganalisis
3. memperaktekkan
4. berfikir

Selain dari definisi diatas kecerdasan buatan sapan juga diartikan dari berbagai perpektif sebagai berikut:

1. perpektif kecerdasan :membuat mesin memjadi cerdas(mampu berbuat seperti manusia)
2. perpektif penelitian:suatu study bagaimana computer dapat melaukan sesuatu sebaik yang dikesankan manusia.
3. Perfektif bisnis:kumpulan peralatan yang sangan punerful (metode lgis dalam menyelesaikan masalah – masalah bisni.
4. Perfektif pemograman :melputi studi tetang pemograman simbolit,penyelesain masalah pensarian.

2. SEJARAH KECERDASAN BUATAN

pada tahun 1950-an para ilmuwan dan penelii mualai memikirkan bagaimana agar mesin dapat melakukan pekerjaan seperti yang bisa dikerjakan oleh manusia.Alan turingdeorangmatematikawan inggris yag pertama kalimengusulkan adanya tes untuk melihat bisa tidaknya suatu mesin dikatakan cerdas.hasil tes tersebut dikenal dengan nama turing tesk.turing beranggapan bahwah,jika mesin dapat berlaku selayaknya mausia maka mesin tersebut dapat dikatakan cerdas.

Kecerdasan buata sendiri dimunculkan oleh john McCarthy pad tahun 1956,dia adalah seorang profesor dari MASSACHUSETTS INSTITUTE OF TECHNOLOGY.dalam suatu koperensi yang bernama dartmouth conference yang dihadiri oleh peneliti AI.pada konperensi tersebut juga didefinisikan tujuan dari kecerdasa buatan yaitu: mengetahui dan memodelkan proses – proses berfikir manusia dan mendesain mesin agar dapat meniru kelakuan manusia tersebut.

3. KECERDASAN BUATAN DILIHAT DARI BERBAGAI SUDUT PANDANG

KB dilihat dari berbagai sudut

pandang :

1. Sudut pandang Kecerdasan : mesin menjadi ‘cerdas’ (mampu berbuat apa yang dilakukan oleh manusia)

2. Sudut pandang Penelitian : studi bagaimana membuat agar komputer dapat melakukan sesuatu sebaik yang dilakukan oleh manusia.

Domain penelitian :

– Mundane task

• Persepsi (vision & speech)

• Bahasa alami (understanding, generation & translation)

• Pemikiran yang bersifat commonsense

• Robot control

– Formal task

• Permainan/games

• Matematika (geometri, logika, kalkulus, integral, pembuktian)

– Expert task

• Analisis finansial

• Analisis medikal

• Analisis ilmu pengetahuan

• Rekayasa (desain, pencarian, kegagalan, perencanaan,

manufaktur)

3. Sudut pandang Bisnis : kumpulan peralatan yang sangat powerful dan metodologis dalam menyelesaikan masalah-masalah bisnis

4. Sudut pandang Pemrograman : studi tentang pemrograman simbolik, penyelesaian masalah

(problem solving) dan pencarian (searching).

KECERDASAN ALAMI

Menurut Kaplan, diutarakan oleh Turban, McLean dan Wetherbe tahun 1999, pada halam 478, AI atau Artificial Intelligence mempunyai beberapa kelebihan dibandingkan dengan kecerdasan alami (Kecerdaran Manusia). Kelebihan tersebut dipaparkan sebagai berikut:

1. AI Lebih Bersifat Permanen
2. AI Menawarkan Kemudahan untuk digandakan dan disebarkan
3. AI dapat lebih murah daripada kecerdasan Alami
4. AI bersifat konsisten dan teliti
5. AI dapat didokumentasi

Penjabaran dari kelima kelebihan AI adalah:

- AI Lebih bersifat Permanen
Berbeda dengan AI, kecerdasan Alami yang dipunyai oleh seseorang tidak dapat disimpan. Ketika orang tersebut pindah kerja, pengetahuan yang dimilikinya ikut terbawa. AI lebih bersifat Permanen karena tetap ada sepanjang sistem komputer dan program masih terpelihara.

- AI Menawarkan Kemudahan untuk digandakan dan disebarkan
Pemindahan pengetahuan dari satu orang ke orang lain memerlukan waktu yang panjang dan bahkan mungkin pengetahuan itu tidak dapat diduplikasi secara lengkap. Adapun pengetahuan dalam sistem komputer mudah sekali untuk disalin dan dipidahkan ke sistem lain.

- AI dapat lebih murah daripada kecerdasan alami
Telah banyak dibuktikan bahwa biaya membeli jasa dengan komputer lebih murah daripada biaya 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 didokumentasi dengan mudah dengan cara mencatat semua kegiatan yang dilakukan sistem. Kecerdasan alami sulit untuk didokumentasi.

Sebagai contoh, seseorang bisa jadi melakukan penyimpulan, tetapi pada saat yang lain mungkin tidak dapat melakukan kembali proses penalaran yang membimbingnya ke kesimpulan ataupun mengingat kembali asumsi-asumsi yang mendasari keputusan

SOFT COMPUTING

Dalam beberapa dekade terakhir, perkembangan sistem proses informasi di dalam model kotak hitam, telah membuat prospek evolusi ilmiah menuju kepada perkembangan sistem kecerdasan, dengan memungkinkan dibuat model-model dari fenomena alam secara otomatis oleh mereka sendiri, dan pada akhirnya perumusan mereka merupakan hukum-hukum fisik di dalam batas hubungan-hubungan yang abstrak. Sistem kecerdasan pada dasarnya merupakan suatu sistem yang berusaha meniru cara berfikir manusia. Peniruan cara berfikir tersebut terdiri atas dua bagian yaitu peniruan proses berfikir dan peniruan proses komputasi. Pengembangan suatu sistem yang memiliki kecerdasan komputasional dikenal dengan istilah soft computing. Soft computingberusaha untuk mengintegrasikan beberapa paradigma model perhitungan meliputi artificial neural network, fuzzy logic dan genetic algorithms.

1. PENGERTIAN

Soft Computing adalah kumpulan teknik – teknik perhitungan dalam ilmu komputer, inteligensia semu, machine learning dan beberapa disiplin ilmu teknik lainnya, yang berusaha untuk mempelajari, memodelkan, dan menganalisa fenomena yang sangat rumit : untuk metoda yang lebih konvensional yang tidak memberikan biaya rendah, analitis dan solusi lengkap.

Soft Computing adalah segolongan metoda yang mampu mengolah data dengan baik walaupun didalamnya terdapat ketidakpastian, ketidakakuratan maupun kebenaran parsial (Prof. Lotfi A Zadeh, 1992).

2. SEJARAH

Istilah soft computing dicetus pertama kali pada tahun 1990 sehubungan dengan ide untuk mendirikan BISC (Berkeley Initiative in Soft Computer) oleh Prof. L.A.Zadeh dari BerkeleyUniversity. Soft computing, berbeda dengan conventional (hard) computing, memungkinkan toleransi terhadap input, proses dan output yang bersifat tidak akurat(imprecision), tidak pasti (uncertainty) dan setengah benar (partial truth).

3. SOFT COMPUTING SEBAGAI SOLUSI

Metoda soft computing menempati posisi yang menarik dalam perkembangan metoda komputasi dan pemecahan masalah pada saat ini. Hal ini karena ditawarkan solusi yang menarik dan kemudahan implementasi dari metoda ini untuk memecahkan masalah-masalah yang tadinya sangat sulit dipecahkan dengan komputer dengan menggunakan metoda komputasi konvensional.

Dengan adanya toleransi terhadap imprecision, uncertainty dan partial truth, diharapkan akan dapat menciptakan suatu system yang cerdas (intelligent systems), handal (robustness), mudah diproses atau dijalankan (tractability) dan membutuhkan biaya yang lebih murah (low solution cost). Karakteristik ini menempatkan soft computing sebagai salah satu solusi yang dapat digunakan untuk memecahkan berbagai masalah yang terdapat pada domain dunia nyata (real-world domain).

Disekeliling kita terdapat banyak contoh dari berbagai masalah yang berkarakteristik demikian, antara lain :

• bagaimana kita mampu membaca berbagai macam corak tulisan tangan, atau bahkan pada tulisan itu ada sebagian yang terhapus
• bagaimana membuat AC agar mengatur sendiri suhunya secara otomatis, sehingga udara didalam ruangan terasa nyaman
• bagaimana mengenali sesorang, padahal tidak seluruh wajahnya dapat terlihat

Solusi berbagai masalah yang terdapat pada domain ini tidak mudah dihitung dengan berbagai model analitik yang ada. Diperlukan solusi yang seolah memiliki kecerdasan sehingga mampu menyelesaikan masalah – masalah yang sedemikian kompleks itu. Disinilah soft computing menjadi suatu solusi atas permasalahan tersebut.

Metoda soft computing diinspirasikan oleh cara manusia memecahkan suatu masalah. Namun pendekatan soft computing ini berbeda dengan metoda Artificial Intelligence yang menggunakan pendekatan simbolik. Pada pendekatan simbolik yang bertumpu pada Physical Symbol System (PSS), jawaban suatu masalah harus berdasarkan dari keadaan yang konsisten dari data yang ada (Newel and Simon, 1976) karena Physical Symbol System tak dapat memberikan solusi bila keadaan chaos. Dengan kata lain knowledge base yang menjadi basis dari pencarian solusi harus bersifat koheren, konsisten, dan reasonable (Delgrande and Mylopulos, 1986).

Pada sistem konvensional, jawaban akan diberikan apabila seluruh syarat dari permasalahan terpenuhi. Ini menyebabkan sebagian besar dari pendekatan simbolik akan berakhir pada sistem yang bersifat semi-decidable. Sistem tidak akan memberikan jawaban bila seluruh kondisi yang diketahui tidak dipenuhi. Bila keadaan tidak terpenuhi, atau jawaban tidak tertemukan sistem ini akan memberikan jawaban yang bersifat negatif, sifat inilah yang dikenal dengan sifat semi-decidable dari sistem ini.

4. PENCARIAN SOLUSI DENGAN METODA SOFT COMPUTING

Metoda soft computing, tidak menggunakan satu algoritma yang pasti untuk memecahkan suatu masalah. Suatu teknik hanyalah mendeskripsikan interaksi antar sub sistem, bukanlah langkah pemecahan permasalahan secara detail.

Pada problem space, untuk problem yang ingin dipecahkan, telah diketahui contoh penyelesaian, yang biasanya dilakukan oleh human. Informasi yang bersifat pemetaan dari masalah ke solusi inilah yang akan diberikan kepada perangkat soft computing. Dengan memberikan sistem secara terus menerus melalui proses pelatihan maupun optimasi, solusi untuk seluruh problem space dapat ditemukan. Jadi dalam perancangan sistem, tidak perhan didefinisikan bagaimana solusi tersebut dicapai, yang ada hanyalah contoh-contoh, ataupun aturan-aturan kecil dari sistem tersebut.

5. METODA SOFT COMPUTING

Mengacu pada definisi yang diberikan oleh Zadeh, metoda – metoda dalam soft computing dapat dikategorikan ke dalam tiga kategori besar:

• Fuzzy Logic
• Artificial Neural Network
• Probabilistic Reasoning

Kemudian ditambah dengan :

• Genetic Algorithm
• Evolutionary Computation
• Belief Network
• Chaos Theory

Metoda – metoda ini sebenarnya bukanlah sesuatu yang baru yang diadakan setelah konsep soft computing yang dirumuskan. Yang terjadi justru sebaliknya. Metoda – metoda Fuzzy Logic, Artificial Neural Network, Probabilistic Reasoning maupun Genetic Algorithm telah ada lebih dahulu. Fuzzy Logic telah berkembang sejak tahun 1965. Konsep – konsep dasar Neural Networktelah digali sejak tahun 1940an. Demikian halnya dengan Probabilistic Reasoning dan Genetic Algorithm yang bukan merupakan hal baru. Oleh karena itu, Zadeh menyebut soft computingsebagai reinkarnasi dari metoda – metoda diatas

.

Walaupun semua konsep dan teori diatas adalah untuk memproses system dan menyelesaikan masalah yang bersifat uncertainty, keberadaan semua konsep dan teori tersebut seharusnya tidak dilihat sebagai suatu persaingan (competitive) tetapi lebih dilihat sebagai saling melengkapi (complementary). Tidak ada satu konsep atau teoripun yang bersifat perfect, powerful, dangeneral untuk menyelesaikan semua masalah dalam real-world application, sehingga penggunaan suatu konsep atau teori bergantung dan disesuaikan dengan jenis dan karakteristik dari permasalahan dan aplikasinya. Bahkan, untuk dapat membentuk suatu complicated system yang cerdas (intelligent system), harus diperlukan suatu hybrid system melalui penggabungan beberapa konsep dan teori dari soft computing .

Lebih lanjut lagi, dalam konsep soft computing, metoda – metoda ini ibarat pilar , slaing mendukung dan bekerjasama dalam memecahkan suatu permasalahan. Keunggulan yang diperoleh dari kerjasama metoda – metoda itu lebih ditekankan daripada keunggulan individual salah satu daripadanya. Kekurangan satu metoda akan ditutup dengan kelebihan metoda lainnya. Keunggulan satu metoda disumbangkan, sehingga segi – segi positif dari metode yang ada tersebut dapat dimanfaatkan secara optimal ().

6 . TUJUAN SOFT COMPUTING

Tujuan soft computing adalah terbentuknya High Machine Intelligence Quotient (HMIQ), suatu system yang mampu mengolah informasi seperti cara berpikir manusia, mempunyai kemampuan untuk menyelesaikan permasalahan non-linier dan tidak ada model matematisnya (tractability), serta dapat diimplementasikan dengan biaya rendah.

Adapun tujuan metode soft computing adalah :

1. Non-linearitas dan kompleksitas problema. Kemampuan menyelesaikan problematika yang sulit dan tidak bisa diselesaikan dengan metoda biasa
2. Kemampuan memanipulir parameter yang tidak pasti ( sesuatu yang tidak bisa diukur secara pasti, misalnya mengukur kadar cinta )
3. Kemampuan men-generalisir solusi
4. Kemampuan klasifikasi dan kuantifikasi data, misalnya dengan lebih mudahnya pengerjaan kasus regresi linier dengan teknologi ini daripada dengan fuzzy logic.
5. Kemampuan mengatasi keterbatasan data, misalnya pada dunia statistic.

PEMOGRAMAN KOVENSIONAL

dimensi	Intelegensi buatan	Pemograman konvensional
pemrosesan	Mengantung konseb – konseb simbolik	algotitma
Sifat input	Bisa tidak lengkp	Harus lengkap
pencarian	Kebnyakan bersifat heuristik	Biasaya didasarkan pada algoritma
keterangan	disediakan	Biasany tidak disediakan
fokos	pengetahuan	Data dan informasi
struktur	Kontrol dipisahkan dari pengetahuan	Kontrol terintegrasi dengan informasi
Sifat output	kuatitatif	kualitatif
Pemilihan dan update	Relatif murah	sulit
Kemampuan menalar	ya	tidak

PERBANDINGAN ANTARA AI DAN PROGRAM KONVENSIONAL

Program komputer konvensional prosesnya berbasis algoritma, yakni formula matematis atau prosedur sekuensial yang mengarah kepada suatu solusi. Algoritma tersebut dikonversi ke program komputer yang memberitahu komputer secara pasti instruksi apa yang harus dikerjakan. Algoritma yang dipakai kemudian menggunakan data seperti angka, huruf, atau kata untuk menyelesaikan masalah.

Perangkat lunak AI berbasis representasi serta manipulasi simbolik. Di sini simbol tersebut berupa huruf, kata, atau angka yang merepresentasikan obyek, proses dan hubungan keduanya. Sebuah obyek bisa jadi seorang manusia, benda, pikiran, konsep, kejadian, atau pernyataan suatu fakta. Menggunakan simbol, kita dapat menciptakan basis pengetahuan yang berisi fakta, konsep, dan hubungan di antara keduanya. Kemudian beberapa proses dapat digunakan untuk memanipulasi simbol tersebut untuk menghasilkan nasehat atau rekomendasi untuk penyelesaian suatu masalah.