Modul 1 pengenalan kecerdasan buatan
-
Upload
ahmad-haidaroh -
Category
Education
-
view
1.614 -
download
12
description
Transcript of Modul 1 pengenalan kecerdasan buatan
Ir. Ahmad Haidaroh, M.Kom.STIKOM Artha Buana.
Artificial Intelligence
Sekilas Kecerdasan BuatanKonsep-konsep kecerdasan buatanMetode-metode untuk membangun sebuah
sistem cerdas
2STIKOM Artha Buana
Pengertian Kecerdasan Buatan
3STIKOM Artha Buana
Pengertian Kecerdasan BuatanKecerdasan yang ditunjukkan oleh entitas (Entitas
adalah orang, tempat, objek, kejadian, atau konsep tentang data
yang tercatat) buatanStudi dan desain agen cerdasCerdas pengetahuan + pengalaman +
penalaranAgen cerdas :
autonomous bereaksi terhadap lingkungannyamengambil tindakan yang memaksimalkan
kesempatan untuk sukses / berhasil
4STIKOM Artha Buana
Jenis Kecerdasan BuatanWeak AI – mesin
bertindak seakan-akan mempunyai kecerdasan (contoh smartphone-call by voice, seacrh by voice, find & replace)
Strong AI – mesin berpikir dan bertindak seperti manusia (robot pabrik, pengenalan pola kunci ruangan dg mata, suara, dll)
5STIKOM Artha Buana
Agen Cerdas
6STIKOM Artha Buana
Permaian & Matematika dg peraturan yg harus dipatuhi
Bidang2 profesional analisis finansial, Analisis medical, Analisis pengetahuan dan Rekayasa
AI digunakan untuk melakukan hal-hal yang sifatnya duniawi untuk melakukankegiatan yang dapat membantu manusia
7STIKOM Artha Buana
Lingkup Utama AISistem pakarBahasa alamiPengenalan ucapanRobotika & sistem sensorComputer vision Game playingIntelligent computer-aided instruction
8STIKOM Artha Buana
Penerapan Kecerdasan BuatanMenyelesaikan persamaanPermainan caturPengenalan wajahBahasa alamiDll
9STIKOM Artha Buana
Soft ComputingMenangani ketidakpastian
Jaringan Syaraf TiruanFuzzy logic
10STIKOM Artha Buana
Konsep dan Definisi Dalam AI
Turing TestSeorang penanya dan 2 objek
yang ditanyaiPenanya tidak melihat langsung
kepada obyek yang ditanyai Penanya diminta untuk
membedakan jawaban komputer / jawaban manusia berdasarkan jawaban kedua obyek tersebut
Jika tidak dapat membedakan (manusia yg mana & mesin yg mana) - CERDAS
11STIKOM Artha Buana
Konsep dan Definisi Dalam AIPemrosesan simbolik
12STIKOM Artha Buana
Konsep dan Definisi Dalam AIHeuristic
Mencari dari beberapa solusi yang adaBerbasis pengalaman (mencoba tiap solusi)Trial and error
Memilih solusi yang optimal
13STIKOM Artha Buana
Konsep dan Definisi Dalam AIPenarikan Kesimpulan (inferencing)
Kemampuan berpikir / mempertimbangkan (reasoning)
Menarik kesimpulan berdasarkan fakta dan aturan
14STIKOM Artha Buana
AI vs Human BrainAI Human Brain
Permanen Y N
Transferable Y N
Cost Murah Mahal
Consistent Y Bisa berubah
Documentable Y N
Time-consuming Fast Not fast
Creativity N Y
Experience N Y
Case-dependent Y N15STIKOM Artha Buana
Ketentuan KuliahAbsen : minimal 75% kehadiran (11x masuk
dari 14x pertemuan)
Persentase PenilaianTugas : 35%UTS : 25%UAS : 30%Kehadiran : 10%
16STIKOM Artha Buana
Logika FuzzyLogika Fuzzy adalah peningkatan dari logika
Boolean yang berhadapan dengan konsep kebenaran sebagian. Saat logika klasik menyatakan bahwa segala hal dapat diekspresikan dalam istilah biner (0 atau 1, hitam atau putih, ya atau tidak), logika fuzzy menggantikan kebenaran boolean dengan tingkat kebenaran.
Logika Fuzzy memungkinkan nilai keanggotaan antara 0 dan 1, tingkat keabuan dan juga hitam dan putih, dan dalam bentuk linguistik, konsep tidak pasti seperti "sedikit", "lumayan", dan "sangat". Logika ini berhubungan dengan set fuzzy dan teori kemungkinan. Logika fuzzy diperkenalkan oleh Dr. Lotfi Zadeh dari Universitas California, Berkeley pada 1965.
BACK17STIKOM Artha Buana
Contoh Penggunaan Logika Fuzzy
18STIKOM Artha Buana
1. Manajer pergudangan mengatakan pada manajer produksi seberapa banyak persediaan barang pada akhir minggu ini, kemudian manajer produksi akanmenetapkan jumlah barang yang harus diproduksi esok hari.
2. Pelayan restoran memberikan pelayanan terhadap tamu, kemudian tamu akan memberikan tip yang sesuai atas baik tidaknya pelayan yang diberikan;
3. Anda mengatakan pada saya seberapa sejuk ruangan yang anda nginkan, saya akan mengatur putaran kipas yang ada pada ruangan ini.
4. Penumpang taksi berkata pada sopir taksi seberapa cepat laju kendaraan yang diinginkan, sopir taksi akan mengatur pijakan gas taksinya.
Contoh Penggunaan Logika Fuzzy
BACKBACK19STIKOM Artha Buana
Jaringan Syaraf TiruanJaringan saraf tiruan (JST) (artificial neural
network (ANN), atau juga disebut simulated neural network (SNN), atau umumnya hanya disebut neural network (NN)), adalah jaringan dari sekelompok unit pemroses kecil yang dimodelkan berdasarkan jaringan saraf manusia. JST merupakan sistem adaptif yang dapat mengubah strukturnya untuk memecahkan masalah berdasarkan informasi eksternal maupun internal yang mengalir melalui jaringan tersebut.
Secara sederhana, JST adalah sebuah alat pemodelan data statistik non-linier. JST dapat digunakan untuk memodelkan hubungan yang kompleks antara input dan output untuk menemukan pola-pola pada dataContoh JSTContoh JST
BACK20STIKOM Artha Buana
Contoh JST
BACK21STIKOM Artha Buana
Agen Cerdasperangkat lunak yang dapat bertindak seperti orang yangmampu berinteraksi dengan lingkungan
BACK 22STIKOM Artha Buana