ARTIFICIAL INTELLIGENCE: PENCARIAN LANJUTAN

 SISTEM PADA AI

Input yg diberikan pada sistem adalah berupa masalah. Sistem harus dilengkapi dengan sekumpulan pengetahuan yang ada pada basis pengetahuan. Sistem harus memiliki motor inferensi agar mampu mengambil kesimpulan berdasarkan fakta atau pengetahuan. Output yang diberikan berupa solusi masalah sebagai hasil dari inferensi.

MASALAH DAN RUANG MASALAH

4 hal yang harus dilakukan agar sistem menyelesaikan masalah terpisah :

1.  Mendefinisikan masalah dengan tepat
• Spesifikasi yang tepat mengenai keadaan awal
• Solusi yang diharapkan
2. Menganalisa masalah serta mencari beberapa teknik penyelesaian masalah yang sesuai
3. Membatasi dan menghadirkan pengetahuan yang diperlukan untuk menyelesaikan masalah
4. Pilih teknik penyelesaian terbaik dan aplikasikan pada masalah

Untuk Mendefinisikan Suatu Masalah Sebagai Ruang Masalah

Beberapa hal yang harus dilakukan :

1. Definisikan ruang stata yang memuat semua konfigurasi yg mungkin dari objek yang terkait (dan mungkin beberapa yg tidak mungkin). Hal ini, tentu saja mungkin untuk mendefiniskan ruang stata dengan jumlah stata yang tidak terbatas.
2. Tentukan satu atau beberapa stata yang menyatakan keadaan awal dari masalah, disebut initial states.
3. Tentukan satu atau beberapa stata yang dapat diterima sebagai keadaan akhir (solusi), disebut goal states.
4. Tentukan sejumlah aturan yang menentukan aksi yang diperkenankan, hal ini mencakup beberapa hal sbb : 
• Apa asumsi non stata yang ditampilkan dalam deskripsi masalah non formal ? Akan menentukan yg termasuk dan tidak termasuk stata.
• Seberapa luas aturan harus dibuat ? Dapat menentukan aturan diberlakukan untuk stata mana saja.
• Berapa banyak pekerjaan yang diperlukan untuk menyelesaikan masalah harus disusun dan dimasukkan ke dalam aturan ? Akan menentukan jumlah baris aturan.

CARA MEMPRESENTASIKAN MASALAH

Beberapa Cara untuk Mempresentasikan ruang masalah yaitu :

• Graph Keadaan

• Pohon Pelacakan

• Pohon AND/OR

KONSEP PENCARIAN

Pencarian merupakan suatu proses mencari solusi dari suatu permasalahan melalui sekumpulan kemungkinan ruang keadaan (state space). Ruang keadaan sendiri yaitu suatu ruang yang berisi semua keadaan yang mungkin.

Untuk mengukur perfomansi metode pencarian, terdapat empat kriteria yang dapat digunakan :

1. Completeness : Apakah metode tersebut menjamin penemuan solusi jika solusinya memang ada?
2. Time complexity : Berapa lama waktu yang diperlukan? 
3. Space complexity : Berapa banyak memori yang diperlukan?
4. Optimality : Apakah metode tersebut menjamin menemukan solusi yang terbaik jika terdapat beberapa solusi berbeda?

METODE PENCARIAN HEURISTIK

Pencarian terbimbing (heuristic search). Heuristic searching merupakan metode pencarian yang memperhatikan nilai heuristik (nilai perkiraan). Heuristik adalah sebuah teknik yang mengembangkan efisiensi dalam proses pencarian, namun dengan kemungkinan mengorbankan kelengkapan (completeness).

• Generate-and-Test

Teknik Generate-and-Test adalah teknik yang paling mudah dibandingkan teknik search yang lain, namun relatif lebih lama dalam mendapatkan solusi.

Algoritma Generate-and-Test :

1. Bentuk solusi yang mungkin.

Untuk beberapa masalah, ini berarti membentuk poin terpisah dari area permasalahan. Pada masalah lain, ini berarti membentuk jalur dari stata awal. 

2. Lakukan test untuk melihat apakah poin yang ditemui adalah solusi dengan membandingkan poin yang dipilih atau poin terakhir dari jalur yang dipilih dengan kumpulan stata tujuan 

3. Jika solusi sudah ditemukan, quit. Jika belum kembali ke langkah 1.

Kebaikan dan Keburukan Generate-and-Test 

Jika penurunan solusi yang mungkin dilakukan secara sistematis, maka procedure diatas akan dapat menemukan solusi suatu saat, jika memang ada. Tapi sayangnya jika ruang permasalahan sangat luas maka saat ditemukannya solusi akan menjadi sangat lama. Cara terbaik menerapkan generate-and-test yang sistematis adalah pada tree dari depth-first search dengan backtracking, yaitu kembali ke stata sebelumnya bila ditemui stata yg sudah pernah di test atau memodifikasi prosedurnya untuk menelusuri stata pada bentuk graph.

• Hill Climbing

   Teknik Hill Climbing adalah pengembangan dari teknik Generate-and-Test, dengan penambahan adanya umpan balik dari prosedur test yang sudah digunakan untuk membantu memilih arah mana yang harus ditelusuri pada setiap area search.

   Pada prosedur Generate-and-Test yang murni, fungsi test hanya ditanggapi dengan Ya atau Tidak. Tetapi pada Hill Climbing fungsi test ditambahkan dengan fungsi heuristic atau fungsi objectif yang memungkinkan perkiraan seberapa dekat simpul yang ditelusuri terhadap goal state.

    Hill-climbing sering kali digunakan jika fungsi heuristic yang baik tersedia untuk mengevaluasi stata, tapi ketika tidak ada lagi pengetahuan yang dapat digunakan. Sebagai contoh, anda berada disuatu kota yang belum pernah anda kunjungi tanpa memiliki peta. Tujuannya menuju gedung tertinggi yang terlihat dari tempat anda berada. 

    Fungsi heuristic adalah hanya masalah jarak antara lokasi anda berada dengan letak gedung tertinggi dan bagaimana menemukan jarak yang terdekat atau cara tercepat menuju gedung tertinggi.

    Penyelesaian masalah diatas dimulai dengan meninjau karakteristik masalah, apakah solusi yang pertama ditemukan dapat diterima sebagai solusi yang baik ? (mutlak atau relatif ?) Karena tidak ada peta dan tidak ada pengalaman memilih jalan (tidak ada pengetahuan) maka dipilih saja jalan yang arahnya menuju solusi sampai kita tiba di tujuan tanpa mengulangi atau mencoba lagi jalur yang lain dan kita terima itu sebagai solusi terbaik (dgn mengabaikan kemungkinan lain). Jadi adalah masuk akal menerapkan hill-climbing ketika tidak ada alternatif yang dapat diterima untuk memilih atau menuju pada suatu stata.

Algoritma Simple Hill Climbing :

1. Evaluasi initial state. Jika ini goal state maka return dan keluar. Jika bukan maka lanjutkan dengan initial state sebagai current state.
2. Ulangi langkah berikut sampai menemukan solusi atau sampai tidak ada lagi operator yang dapat digunakan pada current state
• Pilih operator yang belum digunakan pada current state dan gunakan untuk menghasilkan/menuju stata baru
• Evaluasi stata baru.
• Jika ini goal state maka return dan keluar
• Jika bukan goal state tetapi lebih baik dari current state maka jadikan stata baru sebagai current state
• Jika tidak lebih baik dari current state lanjutkan perulangan

• Best-First-Search 

Teknik Best-First-Search adalah teknik search yang menggabungkan kebaikan yang ada dari teknik Depth-First-Search dan Breadth-First-Search. Tujuan menggabungkan dua teknik search ini adalah untuk menelusuri satu jalur saja pada satu saat, tapi dapat berpindah ketika jalur lain terlihat lebih menjanjikan dari jalur yang sedang ditelusuri. Untuk mendapatkan jalur yang menjanjikan adalah dengan memberikan skala prioritas pada setiap stata saat dihasilkan dengan fungsi heuristic.

Untuk menggunakan Best-First-Search, kita memerlukan dua daftar simpul, yaitu :

1. OPEN
• berisi simpul yang dihasilkan dari fungsi heuristic tapi belum dievaluasi, memilki antrian prioritas dimana elemen dengan prioritas tertinggi adalah yang memiliki nilai paling baik yang dihasilkan fungsi heuristic. 
2. CLOSED 
• berisi simpul yang sudah dievaluasi. Kita perlu tetap menyimpan simpul-simpul ini dalam memori jika kita ingin melakukan search pada Graph, sehingga jika kita menemui suatu simpul kita bisa memeriksa apakah simpul ini sudah pernah dieavaluasi atau belum.

Algoritma Best-First-Search :

1. Mulai dengan OPEN hanya berisi initial state
2. Sampai goal ditemukan atau tidak ada lagi simpul yang tersisa dalam OPEN, lakukan :  
• Pilih simpul terbaik dalam OPEN
• Telusuri successor-nya
• Untuk tiap successor, lakukan :
• Jika belum pernah ditelusuri sebelumnya, evaluasi simpul ini, tambahkan kedalam OPEN dan catat parentnya.
• Jika sudah pernah ditelusuri, ganti parent nya jika jalur baru lebih baik dari sebelumnya.

ARTIFICIAL INTELLIGENCE: PENCARIAN,METODE BFS-DFS

KONSEP PENCARIAN

Pencarian merupakan suatu proses mencari solusi dari suatu permasalahan melalui sekumpulan kemungkinan ruang keadaan (state space). Ruang keadaan sendiri yaitu suatu ruang yang berisi semua keadaan yang mungkin.

Untuk mengukur perfomansi metode pencarian, terdapat empat kriteria yang dapat digunakan :

1. Completeness : Apakah metode tersebut menjamin penemuan solusi jika solusinya memang ada?
2. Time complexity : Berapa lama waktu yang diperlukan? 
3. Space complexity : Berapa banyak memori yang diperlukan?
4. Optimality : Apakah metode tersebut menjamin menemukan solusi yang terbaik jika terdapat beberapa solusi berbeda?

TEKNIK PENCARIAN

Teknik searching pada AI dibagi menjadi 2 yaitu :

1. Pencarian buta (blind search). Blind searching adalah model pencarian buta atau pencarian yang tidak memiliki informasi awal. Ada beberapa algoritma pencarian buta diantaranya BFS (Breadth First Search), DFS (Depth First Search), dan UCS (Uniform Cost Search). Model pencarian ini memiliki tiga ciri-ciri utama yaitu :
• Membangkitkan simpul berdasarkan urutan
• Jika ada solusi maka solusi akan ditemukan
• Hanya memiliki informasi tentang node yang telah dibuka, (node selanjutnya tidak diketahui
2. Pencarian terbimbing (heuristic search). Heuristic searching merupakan metode pencarian yang memperhatikan nilai heuristik (nilai perkiraan). Heuristik adalah sebuah teknik yang mengembangkan efisiensi dalam proses pencarian, namun dengan kemungkinan mengorbankan kelengkapan (completeness). Jenis-jenis heuristic searching :
• Generate and Test
• Hill Climbing
• Best First Search
• Alpha Beta Prunning
• Means-End-Analysis
• Constraint Satisfaction

KARAKTERISTIK MASALAH

Pencarian heuristic adalah metode yang sangat umum yang dapat diterapkan dalam begitu banyak masalah, meliputi begitu banyak variasi teknik yang spesifik, dimana masing-masing efektif untuk penyelesaian masalah tertentu yang lebih spesifik. Untuk memilih metode mana (atau kombinasi metode mana) yang akan digunakan untuk menyelesaikan masalah, penting untuk menganalisa masalah pada beberapa dimensi kunci atau karakteristik, sebagai berikut :

• Dapatkah masalah disederhanakan kedalam kelompok terpisah yang lebih kecil atau subprogram yang lebih mudah ?
• Dapatkah satu tahap penyelesaian solusi diabaikan atau setidaknya tidak dilakukan jika terbukti tidak layak ?
• Apakah ruang lingkup masalah dapat diprediksi ?
• Dapatkah dinyatakan sebuah solusi yang baik untuk penyelesaian masalah tanpa membandingkannya dengan solusi lain yang mungkin ?
• Solusi yang diinginkan adalah sebuah stata atau jalur menuju stata ?
• Apakah sejumlah pengatahuan mutlak diperlukan untuk menyelesaikan masalah atau pengetahuan hanya diperlukan untuk membatasi pencarian ?
• Dapatkah komputer yang diberikan permasalahan langsung memberikan solusi atau pemecahan masalah memerlukan interaksi antara komputer dan manusia ?

TEKNIK SEARCH

• Arah search Dapat dilakukan : Maju, bermula dari keadaan awal (start state) Mundur, diawali dari keadaan tujuan (goal state)
• Topologi proses search Ada dua macam penggambaran problem, yaitu dalam bentuk : 
1. Pohon (tree)
2. Graf (graph) : Graf berarah dan Graf tidak berarah

METODE BREADTH-FIRST-SEARCH

Algoritma Breadth-First-Search :

1. Bentuk variabel dengan nama NODE-LIST dan jadikan sebagai initial state.
2. Sampai goal state ditemukan atau NODE-LIST kosong, lakukan : 
• Ambil elemen pertama dari NODE-LIST, sebut E. jika NODE-LIST kosong, quit.
• Untuk tiap cara dimana tiap aturan(fungsi) dapat cocok dengan stata di E, lakukan : 
• Gunakan aturan(fungsi) untuk menuju stata baru
• Jika stata baru adalah goal state, quit return stata ini 
• Jika bukan, tambahkan stata baru di akhir NODE-LIST.

METODE DEPTH-FIRST-SEARCH

Algoritma Depth-Fisrt-Search : 

1. Jika initial state adalah goal state, quit dan return success 
2. Jika bukan, lakukan dibawah ini sampai dicapai sinyal success atau gagal
• Tentukan successor, E dari initial state. Jika tidak ada lagi successor, maka sinyal gagal
• Jalankan Depth-Fisrt-Search dengan E sebagai initial state
• Jika success dihasilkan, sinyal success. Jika tidak maka ulangi langkah 

ARTIFICIAL INTELLIGENCE:SISTEM,MENDEFINISIKAN MASALAH,SISTEM PRODUKSI,STRATEGI KENDALI,CONTOH KASUS

SISTEM PADA AI

Input yg diberikan pada sistem adalah berupa masalah. Sistem harus dilengkapi dengan sekumpulan pengetahuan yang ada pada basis pengetahuan. Sistem harus memiliki motor inferensi agar mampu mengambil kesimpulan berdasarkan fakta atau pengetahuan. Output yang diberikan berupa solusi masalah sebagai hasil dari inferensi.

4 hal yang harus dilakukan agar sistem menyelesaikan masalah terpisah :

1.  Mendefinisikan masalah dengan tepat
• Spesifikasi yang tepat mengenai keadaan awal
• Solusi yang diharapkan
2. Menganalisa masalah serta mencari beberapa teknik penyelesaian masalah yang sesuai
3. Membatasi dan menghadirkan pengetahuan yang diperlukan untuk menyelesaikan masalah
4. Pilih teknik penyelesaian terbaik dan aplikasikan pada masalah

MENDEFINISIKAN MASALAH SEBAGAI PENCARIAN RUANG STATA

Beberapa hal yang harus dilakukan :

1. Definisikan ruang stata yang memuat semua konfigurasi yg mungkin dari objek yang terkait (dan mungkin beberapa yg tidak mungkin). Hal ini, tentu saja mungkin untuk mendefiniskan ruang stata dengan jumlah stata yang tidak terbatas.
2. Tentukan satu atau beberapa stata yang menyatakan keadaan awal dari masalah, disebut initial states.
3. Tentukan satu atau beberapa stata yang dapat diterima sebagai keadaan akhir (solusi), disebut goal states.
4. Tentukan sejumlah aturan yang menentukan aksi yang diperkenankan, hal ini mencakup beberapa hal sbb : 
• Apa asumsi non stata yang ditampilkan dalam deskripsi masalah non formal ? Akan menentukan yg termasuk dan tidak termasuk stata.
• Seberapa luas aturan harus dibuat ? Dapat menentukan aturan diberlakukan untuk stata mana saja.
• Berapa banyak pekerjaan yang diperlukan untuk menyelesaikan masalah harus disusun dan dimasukkan ke dalam aturan ? Akan menentukan jumlah baris aturan.

SISTEM PRODUKSI

Sistem produksi terdiri dari :

1. Sejumlah aturan, dimana tiap aturan memiliki sis kiri yang menyatakan bentuk yang dapat digunakan dan sisi kanan yang menyatakan hasil operasi jika aturan diaplikasikan.
2. Satu atau lebih pengetahuan/database yang berisi informasi apapun yang berkaitan dgn tiap masalah. Beberapa bagian database mungkin tetap sedangkan yang lain ditambahkan sesuai dengan masalah yang dihadapi. Informasi dalam database dapat tersusun dalam banyak cara berbeda.
3. Strategi kendali yang akan menentukan perintah dalam aturan yang mana yang akan dibandingkan dengan database dan cara menyelesaikan konflik yang muncul ketika ada lebih dari satu aturan yang cocok.
4. Penggunaan aturan.

STRATEGI KENDALI

Strategi kendali diperlukan untuk memutuskan aturan mana yang akan digunakan dalam lanjutan proses pencarian untuk mendapatkan penyelesaian masalah.

Syarat suatu strategi kendali yang baik adalah :

1. Menggerakkan stata (menjalankan proses) menuju solusi
2. Harus sistematik

Kedua syarat itu akan melahirkan banyak metode pencarian.

CONTOH KASUS

Diberikan dua bejana air, dengan kapasitas 4 liter dan 3 liter, yang keduanya tidak memiliki skala/ batas ukuran. Ada sejumlah tak terbatas air yang dapat diisikan kedalam bejana. Bagaimana cara mengisikan tepat 2 liter air ke dalam bejana berukuran 4 liter?

Definisi ruang stata kasus Bejana Air

Definisi ruang stata untuk kasus bejana air dapat dinyatakan sebagai pasangan bilangan bulat

(x,y); x=0,1,2,3 atau 4 dan y=0,1,2 atau 3

Dimana x menyatakan volume air pada bejana 4 liter dan y menyatakan volume air pada bejana 3 liter. Stata awal (initial state) : (0,0) dimana kedua bejana kosong.

Stata akhir (goal state) : (2,n) dimana bejana pertama berisi 2 liter dan bejana kedua bisa berisi berapa saja.

Sistem Produksi Bejana Air

Penyelesaian Kasus Bejana Air

Hasil Analisa Masalah

Permasalahan dapat dipecahkan dengan menggunakan aturan produksi yang dikombinasikan dengan pendekatan strategi kendali untuk menelusuri ruang masalah sampai ditemukan jalur dari initial state ke goal state. Sehingga proses pencarian menjadi penting untuk menyelesaikan masalah. Pencarian adalah mekanisme umum yang dapat digunakan ketika tidak ada metode langsung lain yang diketahui.

ARTIFICIAL INTELLIGENCE

Pada halaman ini,masih membahas mengenai kecerdasan buatan atau Artificial Intelligence (AI). Namun yang akan dibahas adalah teknik pada AI,model/tingkatan model,karakteristik sukses serta potensi manusia. Berikut penjelasan dari masing-masing topik tersebut.

TEKNIK ARTIFICIAL INTELLIGENCE

1.       Searching

Teknik searching pada AI dibagi menjadi 2 yaitu :

·         Pencarian buta (blind search)

Blind searching adalah model pencarian buta atau pencarian yang tidak memiliki informasi awal, model pencarian ini memiliki tiga ciri-ciri utama yaitu :

v  Membangkitkan simpul berdasarkan urutan

v  Jika ada solusi maka solusi akan ditemukan

v  Hanya memiliki informasi tentang node yang telah dibuka, (node selanjutnya tidak ddiketahui)

Ada beberapa algoritma pencarian buta diantaranya BFS (Breadth First Search), DFS (Depth First Search), dan UCS (Uniform Cost Search).

·         Pencarian terbimbing (heuristic search).

Heuristic searching merupakan metode pencarian yang memperhatikan nilai heuristik (nilai perkiraan). Heuristik adalah sebuah teknik yang mengembangkan efisiensi dalam proses pencarian, namun dengan kemungkinan mengorbankan kelengkapan (completeness).

Jenis-jenis heuristic searching :

v  Generate and Test

v  Hill Climbing

v  Best First Search

v  Alpha Beta Prunning

v  Means-End-Analysis

v  Constraint Satisfaction

 

2.       Use of Knowledge (Penggunaan Pengetahuan)

menyediakan cara penyelesaian masalah yang lebih kompleks dengan mengekploitasi struktur dari objek yang terkait dengan masalah tsb.

3.       Abstraction

menyediakan cara untuk memilah/memisahkan keterangan dan variasi yang penting dari sekian banyak yang tidak penting dimana akan mempercepat penyelesaian masalah.

MODEL-MODEL AI

1.       Mencoba memecahkan masalah yang tidak pantas sebagai definisi dari sebuah tugas AI.

Contoh : Elementary Perceiver and Memorizer (EPAM) [Feigenbaum, 1963] yang dapat mengingat pasangan terkait dari suku kata, dimana bila dimasukkan satu suku kata komputer tinggal mencarinya dalam memori kata mana yang mengandung suku kata yang dimaksud, yang pertama kali ditemukan maka itulah jawabannya, bagi manusia tidak semudah itu karena manusia selalu berfikir tentang arti dari kata yang dimaksud sesuai dengan konteks, sehingga masalah spt ini tidak menarik bagi manusia dan jarang dilakukan, namun hal semacam ini sering dilakukan dalam psychotest untuk mengetahui kemampuan mengingat seseorang.

2.       Mencoba kemampuan model manusia.

Contoh : program PARRY yang ditulis Colby, 1975, yang mengekploitasi perilaku paranoid manusia berdasarkan percakapan yang dilakukan, sehingga dengan menganalisa hasil percakapan, seorang psikolog dapat menyimpulkan apakan sesorang termasuk paranoid atau tidak.

TINGKATAN-TINGKATAN AI

1.       Program Kelas Pertama

Program yang termasuk kelas ini menggunakan algoritma dan mekanisme yang mudah dan sederhana untuk dilakukan oleh komputer tetapi biasanya sulit dan tidak menarik untuk dilakuakan oleh manusia. Program ini mencoba menyelesaikan masalah dengan cara yang tidak persis benar dengan definisi kita tentang AI

2.       Program Kelas Kedua

Program ini berupaya memodelkan kemampuan manusia dalam melakukan sesuatu, yang berarti program pada kelas ini lebih mendekati kepada definisi tentang AI, yang berarti menjadi tidak mudah bagi komputer.

Alasan dibuatnya model seperti ini :

·         Untuk membuktikan teori psychology tentang kemampuan manusia.

·         Untuk membuat komputer mengerti alasan manusia.

·         Untuk membuat manusia mengerti alasan komputer.

·         Untuk mengekploitasi pengetahuan apa yang dapat kita kumpulkan dari manusia

KRITERIA SUKSES

Metode untuk menentukan apakah sebuah mesin dapat berpikir dikenal dengan sebutan Turing Test. Untuk melakukan test ini diperlukan 2 orang dan 1 mesin. Satu orang bertindak sebagai penanya yang berada pada tempat terpisah dengan orang kedua dan mesin. Penanya dapat bertanya kepada orang kedua atau mesin dengan mengetikkan pertanyaannya dan menerima jawaban dalam bentuk ketikkan juga. Penanya tidak tahu yang mana orang yang mana mesin hanya si A dan si B, yang dilakukan oleh penanya dengan pertanyaan adalah menentukan mana yang orang, mana yang mesin. Tujuan dari test ini adalah mengelabui sipenanya sehingga menganggap mesin sebagai orang, caranya adalah membuat mesin tidak selalu menjawab benar dan menunda waktu menjawab.Jika sang penanya akhirnya menyatakan mesin sebagai orang, maka dapat dikatakan mesin berhasil melewati test, dan dapat dinyakan bahwa mesin dapat berpikir.

POTENSI MANUSIA

1.       Potensi Kecerdasan

·         Kecerdasan Spiritual

·         Kecerdasan Logika - Matematika

·         Kecerdasan Intrapersonal

·         Kecerdasan Musikal

·         Kecerdasan Natural

·         Kecerdasan Badan (Body) -Kinestetik

·         Kecerdasan Interpersonal

·         Kecerdasan Linguistik – Auditorial

·         Kecerdasan Spasial – Visual

 

2.       Potensi Diri

·         Terdiri atas empat elemen yakni,

·         Menerima diri

·         Merumuskan Cita-cita

·         Berinteraksi dengan lingkungan

·         Mencari dan menciptakan pengalaman baru

3.       Membangun Potensi

KECERDASAN BUATAN

    Pada halaman ini,kita akan mempelajari tentang Kecerdasan Buatan yang merupakan simulasi dari kecerdasan yang dimiliki oleh manusia yang dimodelkan di dalam mesin dan diprogram agar bisa berpikir seperti halnya manusia. Berikut pembahasan nya yang meliputi arti dari kecerdasan,konsep,alasan diperlukan nya AI,arsitektur pada intelligence serta contoh penerapannya.

ARTI KECERDASAN 

Kecerdasan adalah perihal cerdas, kesempurnaan akal budi manusia. Kecedasan menurut Howard Gardner adalah :

• Kemampuan untuk memecahkan suatu masalah.
• Kemampuan untuk menciptakan masalah baru untuk dipecahkan.
• Kemampuan untuk menciptakan sesuatu atau menawarkan suatu pelayanan yang berharga dalam suatu kebudayaan masyarakat.

KONSEP DALAM KECERDASAN BUATAN

Berikut ini terdapat beberapa konsep dalam kecerdasan buatan, antara lain sebagai berikut:

1. BUATAN TURING TEST – Metode Pengujian Kecerdasan
• Turing Test merupakan sebuah metode pengujian kecerdasan yang dibuat oleh Alan.
• Proses uji ini melibatkan seorang penanya (manusia) dan dua obyek yang ditanyai.
• Penanya tidak bisa melihat langsung kepada obyek yg ditanyai.
• Penanya diminta untuk membedakan mana jawaban komputer dan mana jawaban manusia berdasarkan jawaban kedua obyek.
• Jika penanya tidak dapat membedakan mana jawaban mesin dan mana jawaban manusia maka Turing berpendapat bahwa mesin yang diuji tersebut dapat diasumsikan.
2. PEMROSESAN SIMBOLIK
• Komputer semula didesain 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.
3. 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 kemung kinan sukses paling besar.
4. 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.
5. 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.

MENGAPA PERLU AI?

• Hampir semua permasalahan dipecahkan dengan bantuan komputer.
• Masalah semakin komplek tidak mungkin manual lagi.
• Tidak ada keterbatasan hardware lagi.
• Keinginan manusia: Komputer bertindak seperti manusia. 

ARSITEKTUR ARTIFICIAL INTELLIGENCE

• Basis Pengetahuan (knowledge base) Berisi fakta-fakta, teori, pemikiran dan hubungan komponen satu dengan yang lainnya.
• Motor Inferensi (inference engine) Kemampuan menarik kesimpulan berdasar pengalaman. Berkaitan dengan representasi dan duplikasi proses tersebut melalui mesin (misalnya, komputer dan robot).

CONTOH PENERAPAN ARTIFICIAL INTELLIGENCE

·         Siri

Siri adalah salah satu asisten pribadi virtual paling populer yang ditawarkan oleh Apple di iPhone dan iPad. Asisten yang diaktifkan sebagai suara perempuan ramah berinteraksi dengan pengguna dalam rutinitas sehari-hari. Dia membantu Anda menemukan informasi, mendapatkan petunjuk arah, mengirim pesan, melakukan panggilan suara, membuka aplikasi, dan menambahkan acara ke kalender.

·         Tesla

Tesla adalah sesuatu yang meniadakan driver manusia. Mobil ini tidak hanya mampu meraih banyak penghargaan tetapi juga fitur seperti mengemudi sendiri, kemampuan prediktif, dan inovasi teknologi mutlak.

·         Cogito

Cogito awalnya didirikan oleh Dr Sandy dan Joshua adalah salah satu contoh terbaik dari aplikasi kecerdasan buatan versi perilaku untuk meningkatkan layanan pelanggan perusahaan. Perusahaan ini adalah sintesis pembelajaran mesin dan ilmu perilaku untuk meningkatkan kolaborasi pelanggan dengan para call center. Cogito digunakan pada jutaan panggilan suara yang dilakukan setiap hari. Contoh penerapan Artificial Intelligence dengan menganalisis suara manusia dan memberikan panduan untuk memberikan pelayanan maksimum.

·         Alexa

Alexa diluncurkan oleh Amazon, yang semakin pintar dan menambahkan fitur baru. Ini adalah produk revolusioner yang dapat membantu Anda mencari informasi di web, mengatur janji, berbelanja, mengontrol lampu, switch, termostat, menjawab pertanyaan, membaca audiobook, melaporkan lalu lintas dan cuaca, memberikan info tentang bisnis lokal, memberikan skor dan jadwal olahraga , dan lainnya menggunakan Layanan Suara Alexa.

·         Pandora

Pandora adalah salah satu solusi teknologi artificial intelligence yang paling populer dan sangat detil. Ini juga disebut DNA musik. Tergantung pada 400 karakteristik musik, tim musisi ahli secara individual menganalisis lagu tersebut. Sistem ini juga bagus dalam merekomendasikan rekam jejak untuk merekomendasikan lagu yang tidak pernah diperhatikan, meskipun disukai orang.

·         Nest Learning Thermostat (Google)

Nest adalah salah satu startup contoh penerapan Artificial Intelligence paling terkenal dan sukses dan diakuisisi oleh Google pada tahun 2014 seharga $ 3,2 miliar. Nest Learning Thermostat menggunakan algoritme perilaku untuk menghemat energi berdasarkan perilaku dan jadwal Anda. Ini menggunakan proses pembelajaran mesin yang sangat cerdas yang mempelajari suhu yang Anda suka dan program itu sendiri dalam waktu sekitar satu minggu. Selain itu, secara otomatis akan mati untuk menghemat energi, jika tidak ada orang di rumah.  

PERTEMUAN 10:ROUTE - KONFIGURASI DASAR DENGAN CISCO PACKET TRACER

APA ITU ROUTING?

Routing merupakan sebuah mekanisme pengiriman paket data yang ditransmisikan dari satu network ke network yang lain. Pada sebuah router, biasanya mempunyai sebuah tabel routing atau lebih yang menyimpan informasi jalur routing yang akan digunakan ketika ada pengiriman data yang melewati router. Pada kasus tertentu untuk menuju ke suatu tujuan, router tidak hanya memiliki satu gateway, misalnya karena router harus menghubungkan banyak jaringan yang memiliki segmen yang berbeda

Mari Membuat Konfigurasi Dasar dengan Ketentuan :

1. Buatlah skema jaringan troubleshoot. 2. Gunakan IP Address 172.168.10.1/24 pada Router. 3. Pastikan PC1, PC2 dan PC3 dapat berkomunikasi dengan router.

MEMBUAT SKEMA JARINGAN

Langkah-Langkah :

• Silahkan klik icon “ROUTER” seperti yang ditunjukan pada gambar lalu pilih router yang akan kalianpakai. Jika sudah letakan router tersebut pada layar.

• Klik icon “SWITCH” untuk menambahkan switch pada skema. Pilih yang ingin digunakan lalu letakan pada layar (disamping router tadi).

• Klik icon “END-DEVICE” untuk menambahkan PC, tambahkan sebanyak 3 kali dan susun dengan rapih pada layar.

•  Untuk menghubungkan ROUTER,SWITCH, dan PC silahkan klik icon ”CONNECTIONS” lalu pilih gambar garis hitam dan letakan pada layar dengan menghubungkan PC pada Switch dan Switch pada Router. Pada saat menghubungkan perangkat, pilih option FastEthernet.

• Skema yang terbentuk 

MENGGUNAKAN IP ADDRESS 172.168.10.1/24 PADA ROUTER.

Langkah-langkah :

• klik PC > Config > FastEthernet0 lalu masukan IP Address dan Subnetmask.

• Lakukan langkah yang sama pada PC 1 & PC 2 namun dengan angka IP paling belakang yang di ubah.      
• Untuk memberikan IP pada router langkah yang dilakukan sama seperti nomor 1.

MEMASTIKAN PC 0,PC 1, & PC 2 DAPAT TERKONEKSI DENGAN ROUTER 

Langkah-langkah :

• Klik icon “Add Sample PDU” yang bergambar amlop surat tertutup, kemudian letakan pada PC 0 yang ada di skema.
• Klik lagi icon bergambar amplop tadi namun letakan pada ROUTER. Jika berhasil maka akan ada tulisan “Successful” pada pojok kanan bawah. Silahkan ulangi langkah 1 dan 2 untuk PC 1 & PC 2.

MACAM-MACAM TOPOLOGI JARINGAN

Sebelum mempelajari lebih lanjut mengenai macam-macam topologi jaringan, kita harus mengetahui pengertian topologi itu sendiri.

APA ITU TOPOLOGI?

Secara sederhana, pengertian topologi jaringan komputer adalah metode yang digunakan untuk menghubungkan satu komputer dengan komputer lainnya. Struktur atau jaringan yang digunakan untuk menghubungkan satu komputer dengan komputer lainnya bisa dengan menggunakan kabel ataupun tanpa kabel (nirkabel).

Pemilihan topologi jaringan didasarkan pada skala jaringan, biaya, tujuan, dan pengguna. Topologi pertama kali yang digunakan adalah topologi bus. setiap topoologi memiliki kekurangan dan kelebihannya masing-masing.

MACAM-MACAM TOPOLOGI BESERTA KELEBIHAN DAN KEKURANGAN NYA

TOPOLOGI RING

Metode ini menghubungkan antar komputer dengan cara membentuk rangkaian seperti sebuah lingkaran. Jenis topologi jaringan ini umumnya hanya menggunakan LAN card agar masing-masing komputer terkoneksi. Ciri khusus topologi ring adalah menggunakan kabel tipe UTP dan Patch Cable membentuk jaringan menyerupai lingkaran sederhana yang terdiri dari beberapa node disusun secara seri.  Pergerakan data berjalan satu arah sehingga tidak ada kemungkinan untuk bertabrakan.

Cara kerja Topologi Ring :

• Setiap node pada sentral memiliki penguat sinyal di kedua sisinya. Sehingga, setiap perangkat saling bekerja sama untuk menguatkan sinyal. Alat bernama token akan membantu saat proses penerimaan dan penerusan sinyal.
• Token juga berfungsi sebagai pengantar data jika dibutuhkan oleh suatu node.

Kelebihan Topologi Ring:

• Biaya untuk instalasinya cenderung murah.
• Proses instalasi dan konfigurasi cukup mudah.
• Implementasinya mudah dilakukan.
• Untuk level rangkaian sederhana, topologi ring termasuk lebih bagus daripada pilihan lain seperti topologi jaringan bus.
• Penggunaan kabel yang hemat.
• Kecepatan aliran data lebih tinggi. 
• Tidak memiliki risiko collision karena aliran data berjalan dengan satu arah.

Kekurangan Topologi Ring:

• Jika terjadi masalah, troubleshooting jaringan ini terhitung rumit.
• Pada jaringan ini tabrakan arus data sangat rentan terjadi.
• Koneksi pada jaringan akan terputus jika salah satu koneksi bermasalah.
• Kecepatan aliran data tergantung dari banyaknya jumlah node di dalam jaringan. Jadi, tipe topologi ini tidak cocok digunakan untuk sistem yang memiliki banyak jaringan.
• Sinyal semakin lemah jika node yang dituju jaraknya cukup jauh.
• Proses untuk menambah atau mengurangi perangkat jaringan memengaruhi keseluruhan sistem.

TOPOLOGI STAR

Topologi jaringan berbentuk star atau bintang adalah jaringan dari beberapa komputer yang memiliki koneksi dengan node yang berada di jaringan pusat. Seperti namanya susunan pada topologi STAR sama seperti lambang bintang yang biasa kita buat. 

Cara kerja Topologi Star:

• Beberapa jaringan komputer terhubung dengan pusat (hub atau switch) dimana jaringan pusat tersebut berfungsi sebagai server sentral.
• Perangkat pusat hub atau switch akan menyimpan daftar Content Addressable Memory (CAM) pada memorinya. CAM akan menyimpan semua alamat perangkat komputer yang terhubung dengan switch.

Kelebihan Topologi Star:

• Mudah untuk dirancang.
• Memiliki fleksibilitas yang tinggi karena proses penambahan atau pengurangan jaringan komputer tidak akan mengganggu arus informasi.
• Lebih mudah untuk menemukan sumber permasalahan jika terdapat gangguan di salah satu node.
• Jaringan topologi ini tetap berjalan baik walaupun salah satu komputer client bermasalah.
• Tingkat keamanan data pada topologi ini cukup baik.
• Kita dapat menggunakan beberapa tipe kabel di dalam jaringan yang sama dengan hub yang dapat mengakomodasi tipe kabel yang berbeda.

Kekurangan Topologi Star:

• Perangkat pusat menjadi penentu utama keberlangsungan seluruh sistem. Sehingga, kerusakan jaringan pusat akan menyebabkan keseluruhan sistem komunikasi menjadi terhambat.
• Biaya yang dikeluarkan untuk membangun jaringan instalasi jenis ini cukup tinggi karena membutuhkan banyak kabel. Setiap satu jaringan komputer dihubungkan langsung menuju server pusat dan membutuhkan server dengan performa tinggi.
• Jumlah terminal terbatas, tergantung dari port yang ada pada hub.
• Lalulintas data yang padat dapat menyebabkan jaringan bekerja lebih lambat.

TOPOLOGI TREE

Topologi jaringan berbentuk tree (pohon) merupakan bentuk gabungan dari sistem topologi bus dan star, di mana jaringan topologi bus menjadi konektor utama beberapa topologi star. Jika diibaratkan dengan bentuk seperti pohon, topologi bus adalah batang utama yang menghubungkan beberapa topologi star sebagai rantingnya. 

Kelebihan Topologi Tree:

• Sesuai dengan kebutuhan jaringan komputer dalam skala besar. 
• Pengembangan jaringan dapat dilakukan dengan mudah.
• Jika salah satu stasiun sekunder mengalami kerusakan, tidak akan mengganggu keseluruhan sistem.
• Arus informasi data dilakukan secara point to point.
• Susunan topologi ini terpusat secara hirarki sehingga pengaturan data menjadi lebih mudah.

Kekurangan Topologi Tree:

• Seluruh jaringan akan tergantung dengan kabel penghubung utama.
• Peran hub cukup penting sehingga jika terjadi kerusakan, akan menyebabkan pengaruh yang besar pada sistem topologi.
• Sistem hierarki membuat jaringan yang berada di hierarki bawah menjadi terpengaruh dengan kerusakan sistem yang berada di atasnya.
• Perawatan jaringan cukup susah untuk dilakukan.
• Biaya yang diperlukan untuk membangun topologi model ini cukup mahal.
• Instalasi topologi tree cukup susah untuk dilakukan.
• Memiliki kemungkinan besar untuk terjadi collision di kabel utama.

TOPOLOGI MESH

Topologi jaringan mesh atau jala adalah sistem topologi di mana koneksi antar komputer saling terhubung secara langsung satu sama lain. Koneksi antar komputer secara langsung seperti ini disebut dedicated link. Jenis topologi jaringan komputer ini biasanya digunakan pada jaringan yang memiliki perangkat komputer sedikit. Pada topologi ini, koneksi antar komputer terhubung secara langsung sehingga meningkatkan kecepatan proses transfer data karena tidak ada perantara.

Cara kerja Topologi Mesh:

• Setiap node dalam jaringan komputer terhubung secara langsung ke node yang dituju dengan menggunakan kabel.
• Proses transfer data antar perangkat komputer berlangsung lebih cepat karena terhubung langsung dengan menggunakan kabel.

Kelebihan Topologi Mesh:

• Dengan dedicated link, data yang ditransfer mengalir lebih cepat ke komputer yang dituju.
• Kerusakan salah satu komponen tidak akan memengaruhi komponen jaringan yang lain.
• Keamanan data terjamin dibandingkan dengan topologi jenis lainnya.
• Mudah mengidentifikasi sumber kerusakan jika terjadi gangguan.
• Bandwidth limit nya cukup besar.

Kekurangan Topologi Mesh:

• Menggunakan banyak kabel dan port I/O.
• Proses instalasi jaringan cukup susah untuk dibangun.
• Biaya yang diperlukan menjadi lebih tinggi.

TOPOLOGI HYBRID

Topologi jaringan jenis hybrid merupakan gabungan dari dua atau lebih jenis topologi jaringan yang berbeda. Biasanya, topologi seperti ini digunakan pada perusahaan yang mengambil alih perusahaan lain.

Kelebihan Topologi Hybrid:

• Fleksibel dan efisien karena dapat memadukan tipe jaringan topologi yang berbeda tanpa perlu melakukan perombakan.
• Penambahan koneksi lain pada topologi ini menjadi sangat mudah.
• Tipe jaringan bisa disesuaikan dengan tujuan tertentu.
• Kecepatan jaringan cukup stabil. 

Kekurangan Topologi Hybrid:

• Biaya pengelolaan dan perawatan menjadi cukup tinggi karena skema topologi gabungan cukup rumit.
• Instalasi jaringan cukup susah untuk dibangun.
• Jaringan tipe ini membutuhkan perangkat jaringan yang cukup banyak, yaitu hub, switch, router, access point, LAN card, dan wireless card.

TOPOLOGI BUS

 

Topologi bus adalah topologi jaringan yang lebih sederhana. Pada umumnya topologi jaringan ini dilakukan pada installasi jaringan berbasis kabel coaxial. Topologi ini memakai kabel coaxial pada sepanjang node client dan konektor. Jenis konektor yang digunakan adalah BNC, Terminator, dan TBNC. Jenis topologi ini biasanya digunakan untuk jaringan komputer perusahaan dengan skala kecil. Karakteristik khusus topologi bus yaitu penggunaan kabel tunggal yang terbentang di sepanjang jaringan dan berfungsi sebagai kabel utama (backbone).

Cara kerja Topologi Bus:

• Setiap perangkat komputer terhubung dengan kabel utama (backbone) dimana masing-masing komputer dapat saling berkirim dan menerima paket data.
• Proses pengiriman paket data antar komputer hanya dapat dilakukan ketika kabel utama dalam keadaan bebas dimana komputer lain sedang tidak melakukan pertukaran data.
• Pengiriman data dari suatu komputer ke komputer lainnya dilakukan dengan menggunakan sinyal yang tersebar di kabel jaringan. Hanya komputer dengan IP atau alamat MAC yang sama dengan yang dituju yang akan menerima sinyal.

Kelebihan Topologi Bus:

• Tidak memerlukan sumber daya kabel yang banyak.
• Biayanya juga lebih murah dibanding dengan topologi lainnya.
• Tidak terlalu rumit jika kita ingin menambah jangkauan jaringan.

Kekurangan Topologi Bus:

• Sering terjadi tabrakan arus data.
•  Proses pengiriman dan penerimaan data kurang efisien.
• Topologi bus yang lama sulit untuk dikembangkan.
• Jika ada masalah pada kabel, misalnya terputus, maka komputer workstation akan terganggu.

TOPOLOGI PEER TO PEER

Topologi peer to peer adalah bentuk jaringan komputer yang sangat sederhana karena hanya menghubungkan 2 komputer dengan menggunakan sebuah kabel. Pada umumnya topologi peer to peer memakai satu kabel saja untuk menghubungkan kedua komputer agar bisa saling berbagai data.

Kelebihan Topologi Peer to Peer:

•  Biaya installasi sangat murah.
• Proses installasi mudah.
• Setiap komputer dapat berperan sebagai server atau client.

Kekurangan Topologi Peer to Peer:

• Topologi ini sangat sulit dikembangkan.
• Security dalam topologi ini sering bermasalah.
• Proses troubleshooting termasuk rumit.

TOPOLOGI LINIER

Topologi linier atau sering disebut dengan topologi bus berurut atau topologi runtut. Topologi ini umumnya hanya memakai satu kabel utama sebagai konektor masing-masing titik sambungan pada setiap komputer. Karakteristik khusus pada jenis topologi ini adalah penggunaan konektor BNC dan kabel RJ 58 dimana skema jaringannya mirip seperti topologi bus.

Kelebihan Topologi Linier:

•   Mudah dikembangkan.
• Tata letak topologi linier sederhana dan mudah.
• Topologi ini tidak membutuhkan kendali sentral.
• Efisien dalam pemakaian kabel sehingga biaya yang dikeluarkan menjadi rendah. 
• Proses penambahan atau pengurangan terminal tidak mengganggu sistem yang sedang berjalan.

Kekurangan Topologi Linier:

• Security data tidak terjamin.
• Potensi untuk terjadi collision cukup tinggi. Karena itulah, topologi jenis ini hanya sesuai untuk jaringan komputer dalam skala kecil.
• Jika ada penambahan jumlah pengguna, proses transfer data akan menjadi lamban.
• Wajib menggunakan perangkat tambahan seperti repeater untuk koneksi jarak jauh dan terminator.
• Ada batasan maksimal jumlah node yang bisa tersambung dalam satu sistem topologi.