MAKALAH KECERDASAN ARTIFICIAL

INTELLIGENCE (AI)

MAKALAH
SISTEM BERBASIS PENGETAHUAN

“ARTIFICIAL INTELIGENCE”

Disusun Oleh :
Riya Ayuning Tiyas (16115095)

KELAS : 3KA23
FAKULTAS ILMU KOMPUTER & TEKNOLOGI INFORMASI

KATA PENGANTAR

Assalamu’alaikum warahmatullahi wabarakatuh

Puji dan syukur kehadirat Tuhan Yang Maha Esa, atas kasih dan karunia-Nya, sehingga
penulis dapat menyelesaikan penulisan tugas makalah ini dengan baik. Makalah ini disusun
untuk memenuhi tugas mata kuliah Sistem Berbasis Pengethuan. Adapun judul makalah ini
“Pengantar Kecerdasan Buatan”. Penulis menyadari sepenuhnya bahwa penulisan tugas ini
masih jauh dari kata sempurna, karena keterbatasan pengetahuan, pengalaman serta referensi
yang penulis miliki. Untuk itu penulis mengharapkan saran dan kritik demi perbaikan pada masa
–  masa yang akan mendatang.
Wassalamu’alaikum warahmatullahi wabarakatuh
 Bekasi, Oktober 2017

DAFTAR ISI

KATAPENGANTAR ....................................................................................................................  
DAFTAR ISI ..................................................................................................................................

BAB I .............................................................................................................................................
PENDAHULUAN .........................................................................................................................
1.1 Latar Belakang ..........................................................................................................................
1.2 Tujuan Penelitian ......................................................................................................................  
1.3 Rumusan Masalah ....................................................................................................................
1.4 Manfaat Penelitian …………………………………………………………………………...

BAB II ...........................................................................................................................................
PEMBAHASAN ...........................................................................................................................
2.1 Arti Kecerdasan …...................................................................................................................
2.2 Sejarah Kecerdasan Buatan (AI) ….………………………………………………..………..
2.3 Definsi Kecerdasan Buatan (AI) .............................................................................................
2.3.1 Sudut Pandang Kecerdasan Buatan ......................................................................................
2.3.2 Dua Bagian Utama Kecerdasan Buatan (AI) ........................................................................
2.3.3 Konsep Kecerdasan Buatan ..................................................................................................
2.4 Tujuan Kecerdasan Buatan ......................................................................................................
2.5 Kelebihan Kecerdasan Buatan

BAB III ........................................................................................................................................  

PENUTUP ....................................................................................................................................  
3.1 Kesimpulan .............................................................................................................................  
3.2 Saran .......................................................................................................................................  
DAFTAR PUSTAKA...................................................................................................................
 BAB I
PENDAHULUAN

1.1    Latar Belakang

Kecerdasan Buatan atau biasa dikenal dengan Artificial Intelligence atau AIdidefinisikan

sebagai kecerdasan entitas ilmiah. Sistem seperti ini umumnya dianggap komputer. Kecerdasan
diciptakan dan dimasukkan ke dalam suatu mesin Komputer agar dapat melakukan pekerjaan
seperti yang dapat dilakukan oleh Manusia. Beberapa macam bidang yang menggunakan
kecerdasan buatan antara lain sistem pakar, Permainan Komputer, Logika Fuzzy, Jaringan Syaraf
Tiruan (Artificial Neural Networks), dan Robot. Banyak hal yang kelihatannya sulit untuk
kecerdasan manusia, tetapi untuk Informatika yang relatif tidak bermasalah. Seperti contoh:
mentransformasikan persamaan, menyelesaikan persamaan integral, membuat permainan catur
atau Backgammon. Di sisi lain, hal yang bagi manusia kelihatannya menuntut sedikit
kecerdasan, sampai sekarang masih sulit untuk direalisasikan dalam Informatika. Seperti contoh:
Pengenalan Obyek/Muka, bermain Sepak Bola.

Walaupun AI memiliki konotasi fiksi ilmiah yang kuat, AI membentuk cabang yang
sangat penting pada ilmu komputer, berhubungan dengan perilaku, pembelajaran dan adaptasi
yang cerdas dalam sebuah mesin. Penelitian dalam AI menyangkut pembuatan mesin untuk
mengotomatisasikan tugas-tugas yang membutuhkan perilaku cerdas. Termasuk contohnya
adalah pengendalian, perencanaan dan penjadwalan, kemampuan untuk menjawab diagnosa dan
pertanyaan pelanggan, serta pengenalan tulisan tangan, suara dan wajah. Hal-hal seperti itu telah
menjadi disiplin ilmu tersendiri, yang memusatkan perhatian pada penyediaan solusi masalah
kehidupan yang nyata. Sistem AI sekarang ini sering digunakan dalam bidang ekonomi, obat-
obatan, teknik dan militer, seperti yang telah dibangun dalam beberapa aplikasi perangkat lunak
komputer rumah dan video game.

1.2    Tujuan penelitian
1.      Untul Mengetahui Definisi Kecerdasan Buatan
2.      Untuk Mengetahui Manfaat dari Kecerdasan Buatan
3.      Mengetahui Sejarah dari Kecerdasan Buatan
1.3    Rumusan masalah
Permasalahan yang ditulis diajukan dalam Penyusunan Tugas ini adalah :

1.      Apa itu Kecerdasan Buatan?

2.      Apa tujuan Kecerdasan Buatan?
3.      Bagaimana Sejarah Kecerdasan Buatan?

1.4    Manfaat penelitian
1.      Memudahkan kita Mengenal Definisi Kecerdasan Buatan.
2.      Memudahkan kita Mengetahui Manfaat serta Kelebihan dari Kecerdasan Buatan.

BAB II
PEMBAHASAN

2.1    Arti Kecerdasan

kemampuan untuk  …
  Belajar atau mengerti dari pengalaman. 
  Memahami pesan yang kontradiktif dan ambigu.
 Menanggapi dengan cepat dan baik atas. 
 Situasi yang baru.
  Menggunakan penalaran dalam memecahkan masalah serta menyelesaikannya dengan efektif
(Winston dan Pendergast, 1994).

2.2    Sejarah Kecerdasan Buatan (AI)

       Kecerdasan Buatan termasuk bidang ilmu yang relatif mudah. Pada tahun 1950-an para
ilmuwan dan peneliti mulai memikirkan bagaimana caranya agar mesin dapat melakukan
pekerjaannya seperti yang bisa dikerjakan oleh manusia. Alan Turing, seoarng matematikawan
Inggris pertama kali mengusulkan adanya tes untuk melihat bisa tidaknya sebuah mesin
dikatakan cerdas. Hasil tes tersebut kemudian di kenal dengan Turing Tes, dimana si mesin
tersebut menyamar seoalah-olah senagai seseorang di dalam suatu permainan yang mampu
memberikan respon terhadap serangkaian pertanyaan yang diajukan. Turing beranggapan bahwa,
 jika mesin dapat membuat seseorang percaya bahwa dirinya mampu berkomuniaksi dengan
orang lain, maka dapat dikatakan bahwa mesin tesebut pintar (seperti layaknya manusia).

       Kecerdasan Buatan sendiri di munculkan oleh seorang profesor dari Massachusetts Institute
of Technology yang bernama John McCarthy pada tahun 1956 pada Darthmouth Conference
yang dihadiri oleh para peneliti AI. Pada konferensi tersebut juga di definisikan tujuan utama
dari Kecerdasan Buatan, yaitu: mengetahui dan memodelkan  proses-proses berfikir manusia dan
mendesain agar rapat menirukan kelakuan manusia tersebut.
Beberapa program AI yang mulai dibuat pada tahun 1956-1966, antara lain:
1.    Logic Theorist, diperkenalkan pada Dartmouth Conference, program ini dapat membuktikan
teorema-teorema matematika.
2.    Sad Sam, diprogram oleh Robert K. Lindsay (1960). Program ini mengetahui kalimat-kalimat
sederhana yang ditulis dalam bahasa Inggris dan mampu memberikan jawaban dari fakta-fakta
yang di dengar dalam sebuah percakapan.
3.    ELIZA, diprogram oleh Joseph Wnbaum (1967). Program ini mampu melakukan terapi terhadap
pasien dengan memberikan beberapa pertanyaan.

2.3    Definisi Kecerdasan Buatan (AI)

     Merupakan kawasan penelitian, aplikasi dan instruksi yang terkait dengan pemrograman
komputer untuk melakukan sesuatu hal - yang dalam pandangan manusia adalah – cerdas (H. A.
Simon [1987]).
     Sebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat
dilakukan lebih baik oleh manusia (Rich and Kinight [1991]).

2.3.1 Sudut Pandang Kecerdasan Buatan

Pengertian kecerdasan buatan dapat di pandang dari  berbagai  sudut pandang, antara lain :
     Sudut Pandang Kecerdasan
Kecerdasan buatan mampu membuat mesin menjadi cerdas (berbuat seperti yang dilakukan
manusia).
      Sudut Pandang Penelitian
Kecerdasan buatan adalah studi bagaimana membuat komputer dapat melakukan sesuatu sebaik
yang dilakukan manusia.
      Sudut Pandang Bisnis
Kecerdasan buatan adalah kumpulan peralatan yang sangat powerful dan metodologis dalam
menyelesaikan masalah bisnis.
      Sudut Pandang Pemrogram
Kecerdasan buatan meliputi studi tentang pemrograman simbolik, problem solving, dan
pencarian (searching).
 2.3.2 Dua Bagian Utama Kecerdasan Buatan (AI)

         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).

2.3.3  Konsep Kecerdasan Buatan

Ada beberapa konsep yang harus dipahami dalam kecerdasan buatan, diantaranya:
      Turing Test
Metode Pengujian Kecerdasan (Alan Turing). Proses uji ini melibatkan seorang penanya
(manusia) dan dua obyek yang ditanyai.
      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 melakukan
proses secara simbolik dan non-algoritmik dalam penyelesain masalah.

2.4    Tujuan Kecerdasan Buatan

1.    Membuat komputer lebih cerdas
2.    Mengerti tentang kecerdasan
3.    Membuat mesin lebih berguna

2.5    Kelebihan kecerdasan buatan

                   Lebih bersifat permanen.
                    Lebih mudah diduplikasi & disebarkan.
                    Lebih murah.
         Dapat mengerjakan beberapa task lebih cepat dan lebih baik dibanding manusia.

2.5.1 Kelemahan AI
       Tidak kreatif; manusia kreatif dan luwes, AI harus melalui ‘sistem yang dibangun’
      Penggunaan pengalaman; manusia langsung, AI harus dengan input-input simbolik
      AI sangat terbatas untuk masalah tertentu saja (domain sempit), manusia memiliki domain luas  
 BAB III
PENUTUP

       Pada bab ini merupakan akhir dari penulisan tugas ini. Dan dalam bab ini akan dibahas
mengenai kesimpulan yang dapat diambil dari hasil penelitian, dan saran-saran yang mungkin
agar penelitian ini untuk diperbaiki dan dikembangkan di masa yang akan datang.

3.1  Kesimpulan

   Adapun kesimpulan dari hasil penelitian ini, antara lain :

1.      Sebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat
dilakukan lebih baik oleh manusia.
   Tujuan kecerdasan buatan:
      1.  Membuat komputer lebih cerdas
      2.  Mengerti tentang kecerdasan
      3.  Membuat mesin lebih berguna
    Kelebihan kecerdasan buatan:
       1.  Lebih bersifat permanen.
       2.  Lebih mudah diduplikasi & disebarkan.
       3.  Lebih murah.

3.2  Saran
Setiap hasil karya tentunya masih jauh dari sempurna dan masih ada hal-hal yang perlu
dikembangkan. Berdasarkan pengamatan lebih lanjut, terdapat beberapa yang masih terbuka
untuk dapat diteliti antara lain dalam prakteknya, untuk memproduksi dokumen yang lengkap
dan konsisten. Untuk itu penulis berharap di masa yang akan datang, ada yang menyempurnakan
kebutuhan makalah ini, sehingga menjadi sebuah sistem informasi yang lengkap.

Daftar Pustaka :  

Rich, E dan Knight, K. (1991). Artificial Intelligence (second edition).McGraw-Hill
https://www.scribd.com/doc/190446799/Makalah-Pengertian-Kecerdasan-Buatan-Definisi-
Artificial-Intelligence-Sejarah

http://digilib.mercubuana.ac.id/manager/n!@file_skripsi/Isi1788343083201.pdf
BAB I

PENDAHULUAN

Kemajuan teknologi yang pesat, berpengaruh pada perkembangan perangkat mobile s
aat ini, sehingga penggunaan perangkat mobile semakin memasyarakat. Perkembanga
n ini sangatlah membantu dalam menyajikan informasi yang cepat dan efisien dengan p
engaksesan informasi melalui perangkat mobile tersebut. Walaupun perangkat mobile 
merupakan small device dengan layar penyajian yang sangat terbatas, tetapi penyajian 
informasinya pun tidak kalah optimal layaknya informasi yang diakses dari personal co
mputer, tergantung bagaimana cara penyajiannya. Selain perkembangan teknologi pera
ngkat mobile, telah berkembang pula keilmuan yang mampu mengadopsi cara berpikir 
manusia. Menurut Turban, ilmu yang mempelajari cara membuat komputer dapat bertin
dak dan memiliki kecerdasan seperti manusia disebut kecerdasan buatan (Arhami, 200
5). Sistem Pakar adalah salah satu bagian dari Artificial Intelligence (kecerdasan buata
n) yang membuat penggunaan secara luas knowledge yang khusus untuk peyelesaian 
masalah tingkat manusia yang pakar (Arhami, 2005). Berikut merupakan keunggulan si
stem pakar dibandingkan seorang pakar, yaitu:

1. Sistem pakar bisa digunakan setiap hari menyerupai sebuah mesin, sedangkan 
pakar tidak mungkin bekerja terus-menerus setiap hari tanpa beristirahat.
2. Sistem pakar merupakan suatu software yang dapat diperbanyak dan kemudian 
dibagikan ke berbagai lokasi maupun tempat yang berbeda, sedangkan seorang 
pakar hanya bekerja pada satu tempat dan pada saat yang bersamaan
3. Pengetahuan yang disimpan pada sistem pakar tidak bisa hilang/lupa, sedangka
n pengetahuan seorang pakar manusia lambat laun akan hilang karena meningg
gal, usia yang semakin tua, maupun menderita suatu penyakit.
4. Kemampuan memecahkan masalah pada suatu sistem pakar tidak dipengaruhi o
leh faktor dari luar seperti intimidasi, perasaan kejiwaan, faktor ekonomi ataupun 
perasaan tidak suka. Sebaliknya seorang pakar dapat dipengaruhi faktor-faktor l
uar, dengan kata lain seorang pakar boleh jadi tidak konsisten.
5. Biaya menggaji seorang pakar lebih mahal bila dibandingkan dengan penggunaa
n program sistem pakar (dengan asumsi bahwa program sistem pakar itu sudah 
ada).
Mesin inferensi merupakan komponen yang mengandung pola pikir penalaran yang dig
unakan oleh pakar dalam menyelesaikan suatu masalah. Terdapat dua pendekatan unt
uk mengontrol mesin inferensi dalam sistem pakar yang berbasis aturan, yaitu pelacaka
n ke belakang (backward chaining) dan pelacakan ke depan (forward chaining). Menur
ut Schnupp, metode inferensi pelacakan ke belakang cocok digunakan untuk memecah
kan masalah diagnosis (Arhami, 2005). Pendekatan ini dimotori oleh tujuan dalam pelac
akannya (goal driven), merupakan cara yang efisien untuk memecahkan masalah yang 
dimodelkan sebagai masalah pemilihan terstruktur. Pelacakan dimulai dari tujuan, dan s
elanjutnya dicari aturan yang memiliki tujuan tersebut untuk kesimpulannya. Selanjutny
a proses pelacakan menggunakan premis untuk aturan tersebut sebagai tujuan baru da
n mencari aturan lain dengan tujuan baru sebagai kesimpulannya. Proses berlanjut sam
pai semua kemungkinan ditemukan.

BAB II

DASAR-DASAR KECERDASAN BUATAN

(ARTIFICIAL INTELLIGENCE)

1. Dasar Artificial Intelligence
Kecerdasan Buatan (bahasa Inggris: Artificial Intelligence atau AI) didefinisikan sebagai 
kecerdasan entitas ilmiah. Sistem seperti ini umumnya dianggap komputer. Kecerdasan 
diciptakan dan dimasukkan ke dalam suatu mesin (komputer) agar dapat melakukan pe
kerjaan seperti yang dapat dilakukan manusia. Beberapa macam bidang yang menggun
akan kecerdasan buatan antara lain sistem pakar, permainan komputer (games), logika 
fuzzy, jaringan syaraf tiruan dan robotika.
Banyak hal yang kelihatannya sulit untuk kecerdasan manusia, tetapi untuk Informatika 
relatif tidak bermasalah. Seperti contoh: mentransformasikan persamaan, menyelesaika
n persamaan integral, membuat permainan catur atau Backgammon. Di sisi lain, hal ya
ng bagi manusia kelihatannya menuntut sedikit kecerdasan, sampai sekarang masih sul
it untuk direalisasikan dalam Informatika. Seperti contoh: Pengenalan Obyek/Muka, ber
main sepak bola.
Walaupun AI memiliki konotasi fiksi ilmiah yang kuat, AI membentuk cabang yang sang
at penting pada ilmu komputer, berhubungan dengan perilaku, pembelajaran dan adapt
asi yang cerdas dalam sebuah mesin. Penelitian dalam AI menyangkut pembuatan mes
in untuk mengotomatisasikan tugas-tugas yang membutuhkan perilaku cerdas. Termas
uk contohnya adalah pengendalian, perencanaan dan penjadwalan, kemampuan untuk 
menjawab diagnosa dan pertanyaan pelanggan, serta pengenalan tulisan tangan, suara 
dan wajah. Hal-hal seperti itu telah menjadi disiplin ilmu tersendiri, yang memusatkan p
erhatian pada penyediaan solusi masalah kehidupan yang nyata. Sistem AI sekarang in
i sering digunakan dalam bidang ekonomi, obat-obatan, teknik dan militer, seperti yang t
elah dibangun dalam beberapa aplikasi perangkat lunak komputer rumah dan video ga
me.

‘Kecerdasan buatan’ ini bukan hanya ingin mengerti apa itu sistem kecerdasan, tapi jug
a mengkonstruksinya.

Tidak ada definisi yang memuaskan untuk ‘kecerdasan’:

Kecerdasan Buatan adalah salah satu cabang Ilmu pengetahuan yang berhubungan de
ngan pemanfaatan mesin untuk memecahkan persoalan yang rumit dengan cara yang l
ebih manusiawi. Hal ini biasanya dilakukan dengan mengikuti/mencontoh karakteristik d
an analogi berpikir dari kecerdasan/Inteligensia manusia, dan menerapkannya sebagai 
algoritma yang dikenal oleh komputer. Dengan suatu pendekatan yang kurang lebih flek
sibel dan efisien dapat diambil tergantung dari keperluan, yang mempengaruhi bagaima
na wujud dari perilaku kecerdasan buatan. AI biasanya dihubungkan dengan Ilmu Komp
uter, akan tetapi juga terkait erat dengan bidang lain seperti Matematika, Psikologi, Pen
gamatan, Biologi, Filosofi, dan yang lainnya. Kemampuan untuk mengkombinasikan pe
ngetahuan dari semua  bidang ini pada akhirnya akan bermanfaat bagi kemajuan dalam 
upaya menciptakan suatu kecerdasan buatan.

Pengertian lain dari kecerdasan buatan adalah bagian ilmu komputer yang membuat ag
ar mesin komputer dapat melakukan pekerjaan seperti dan sebaik yang dilakukan manu
sia. Pada awal diciptakannya, komputer hanya difungsikan sebagai alat hitung saja. Na
mun seiring dengan perkembangan zaman, maka peran komputer semakin mendomina
si kehidupan manusia. Komputer tidak lagi hanya digunakan sebagai alat hitung, lebih d
ari itu, komputer diharapkan untuk dapat diberdayakan untuk mengerjakan segala sesu
atu yang bisa dikerjakan oleh manusia.

Manusia bisa menjadi pandai dalam menyelesaikan segala permasalahan di dunia ini k
arena manusia mempunyai pengetahuan dan pengalaman Pengetahuan diperoleh dari 
belajar. Semakin banyak bekal pengetahuan yang dimiliki oleh seseorang tentu saja dih
arapkan akan lebih mampu dalam menyelesaikan permasalahan. Namu bekal pengetah
uan saja tidak cukup, manusia juga diberi akal untuk melakukan penalaran, mengambil 
kesimpulan berdasarkan pengetahuan dan pengalaman yang mereka miliki. Tanpa me
miliki kemampuan untuk menalar dengan baik, manusia dengan segudang pengalaman 
dan pengetahuan tidak akan dapat menyelesaikan masalah dengan baik. Demikian pul
a dengan kemampuan menalar yang sangat baik, namun tanpa bekal pengetahuan dan 
pengalaman yang memadai, manusia juga tidak akan bisa menyelesaikan masalah den
gan baik.

Agar komputer bisa bertindak seperti dan sebaik manusia, maka komputer juga harus di
beri bekal pengetahuan dan mempunyai kemampuan untuk menalar. Untuk itu AI akan 
mencoba untuk memberikan beberapa metoda untuk membekali komputer dengan ked
ua komponen tersebut agar komputer bisa menjadi mesin pintar.

1. Sejarah Kecerdasan Buatan
Kecerdasan buatan merupakan bidang ilmu komputer yang sangat penting di era kini d
an masa yang akan datang untuk mewujudkan sistem komputer yang cerdas.  Bidang i
ni telah berkembang sangat pesat di 20 tahun terakhir seiring dengan kebutuhan peran
gkat cerdas pada industry dan rumah tangga.

Kata “intelligence” berasal dari bahasa Latin “intelligo” yang berarti “saya paham”.  Bera
rti dasar dari intelligence ialah kemampuan untuk memahami dan melakukan aksi.  Seb
enarnya, area Kecerdasan Buatan (Artificial Intelligence) atau disingkat dengan AI,  ber
mula dari kemunculan komputer sekitar th 1940-an, meskipun sejarah perkembanganny
a dapat dilacak sejak zaman Mesir kuno. Pada masa ini, perhatian difokuskan pada ke
mampuan komputer mengerjakan sesuatu yang dapat dilakukan oleh manusia.  Dalam 
hal ini, komputer tersebut dapat meniru kemampuan kecerdasan  dan perilaku  manusia
.

Pada awal abad 17, René Descartes mengemukakan bahwa tubuh hewan bukanlah ap
a-apa melainkan hanya mesin-mesin yang rumit. Blaise Pascal menciptakan mesin pen
ghitung digital mekanis pertama pada 1642. Pada 19, Charles Babbage dan Ada Lovela
ce bekerja pada mesin penghitung mekanis yang dapat diprogram.
Bertrand Russell dan Alfred North Whitehead menerbitkan Principia Mathematica, yang 
merombak logika formal. Warren McCulloch dan Walter Pitts menerbitkan “Kalkulus Log
is Gagasan yang tetap ada dalam Aktivitas” pada 1943 yang meletakkan pondasi untuk 
jaringan syaraf.
Tahun 1950-an adalah periode usaha aktif dalam AI. Program AI pertama yang bekerja 
ditulis pada 1951 untuk menjalankan mesin Ferranti Mark I di University of Manchester (
UK): sebuah program permainan naskah yang ditulis oleh Christopher Strachey dan pro
gram permainan catur yang ditulis oleh Dietrich Prinz. John McCarthy membuat istilah “
kecerdasan buatan ” pada konferensi pertama yang disediakan untuk pokok persoalan i
ni, pada 1956. Dia juga menemukan bahasa pemrograman Lisp. Alan Turing memperke
nalkan “Turing test” sebagai sebuah cara untuk mengoperasionalkan test perilaku cerda
s. Joseph Weizenbaum membangun ELIZA, sebuah chatterbot yang menerapkan psiko
terapi Rogerian.
Selama tahun 1960-an dan 1970-an, Joel Moses mendemonstrasikan kekuatan pertimb
angan simbolis untuk mengintegrasikan masalah di dalam program Macsyma, program 
berbasis pengetahuan yang sukses pertama kali dalam bidang matematika. Marvin Min
sky dan Seymour Papert menerbitkan Perceptrons, yang mendemostrasikan batas jarin
gan syaraf sederhana dan Alain Colmerauer mengembangkan bahasa komputer Prolog
. Ted Shortliffe mendemonstrasikan kekuatan sistem berbasis aturan untuk representasi 
pengetahuan dan inferensi dalam diagnosa dan terapi medis yang kadangkala disebut s
ebagai sistem pakar pertama. Hans Moravec mengembangkan kendaraan terkendali ko
mputer pertama untuk mengatasi jalan berintang yang kusut secara mandiri.
Pada tahun 1980-an, jaringan syaraf digunakan secara meluas dengan algoritma peram
batan balik, pertama kali diterangkan oleh Paul John Werbos pada 1974. Tahun 1990-
an ditandai perolehan besar dalam berbagai bidang AI dan demonstrasi berbagai maca
m aplikasi. Lebih khusus Deep Blue, sebuah komputer permainan catur, mengalahkan 
Garry Kasparov dalam sebuah pertandingan 6 game yang terkenal pada tahun 1997. D
ARPA menyatakan bahwa biaya yang disimpan melalui penerapan metode AI untuk uni
t penjadwalan dalam Perang Teluk pertama telah mengganti seluruh investasi dalam pe
nelitian AI sejak tahun 1950 pada pemerintah AS.
Tantangan Hebat DARPA, yang dimulai pada 2004 dan berlanjut hingga hari ini, adalah 
sebuah pacuan untuk hadiah $2 juta di mana kendaraan dikemudikan sendiri tanpa ko
munikasi dengan manusia, menggunakan GPS, komputer dan susunan sensor yang ca
nggih, melintasi beberapa ratus mil daerah gurun yang menantang.
Sejarah Penting Pengembangan  Bidang Kecerdasan Buatan
No. Tahun Deskripsi

1 1206 Robot humanoid pertama karya Al-Jazari

2 1796 Boneka penuang the dari jepang bernama Karakuri

3 1941 Komputer elektronik pertama

4 1949 Komputer dengna program tersimpan pertama

5 1956 Kelahiran dari Artificial Intelligence pada Dartmouth conference

6 1958 Bahasa LISP dibuat

7 1963 Penelitian intensif departemen pertahanan Amerika

8 1970 Sisem pakaer pertama diperkenalkan secara luas

9 1972 Bahasa Prolog diciptakan

10 1986 Perangkat berbasis AI dijual luas mencapai $425 juta

11 1994 AC berbasis Neuro fuzzy dijual

Sistem kecerdasan buatan untuk Pesawat komersial BOEING 900-ER ramai d
12 2010 akan

13 2011 Service Robot untuk restoran berhasil dibuat di Indonesia

14 2012 Sistem Pakar Troubleshooting Komputer berbasis Fuzzy dan Self Learning

15 2012 Sistem immune pada Deteksi spam diciptakan
Saat ini, hampir semua perangkat komputer dan perangkat elektronika canggih menera
pkan kecerdasan buatan untuk membuat sistem lebih handal. Di masa yang akan datan
g, diperkirakan semua perangkat elektronika dan komputer menjadi jauh lebih cerdas k
arena  telah ditanamkan berbagai metode kecerdasan buatan.

2. Kecerdasan
Dari kamus, arti kecerdasan adalah: kemampuan untuk mengerti/memahami (The facul
ty of understanding). Perilaku cerdas dapat ditandai dengan:

1. Belajar atau mengerti dari pengalaman
2. Memecahkan hal yang bersifat mendua atau kontradiktif
3. Merespon situasi baru dengan cepat (fleksibel)
4. Menggunakan alasan untuk memecahkan problem secara efektif
5. Berurusan dengan situasi yang membingungkan
6. Memahami dengan cara biasa/rasional
7. Menerapkan pengetahuan untuk memanipulasi lingkungan
8. Mengenali elemen penting pada suatu situasi
Sebuah ujian yang dapat dilakukan untuk menentukan apakah sebuah komputer/ mesin 
menunjukkan perilaku cerdas didesain oleh Alan Turing. Tes Turing menyatakan sebua
h mesin dikatakan pintar hanya apabila seorang pewawancara (manusia) yang berbicar
a dengan orang lain dan mesin yang dua-duanya tidak terlihat olehnya, tidak mampu m
enentukan mana yang manusia dan mana yang mesin, meskipun dia telah berulang-
ulang melontarkan pertanyaan yang sama.

1. Perbandingan Kecerdasan Buatan dengan Kecerdasan Manusia
Menurut Kaplan, diutarakan oleh Turban, McLean dan Wetherbe tahun 1999, pada hala
m 478, AI atau Artificial Intelligence mempunyai beberapa kelebihan dibandingkan deng
an kecerdasan alami (Kecerdaran Manusia). Kelebihan tersebut dipaparkan sebagai be
rikut:

1. AI Lebih bersifat Permanen
Berbeda dengan AI, kecerdasan Alami yang dipunyai oleh seseorang tidak dapat disim
pan. Ketika orang tersebut pindah kerja, pengetahuan yang dimilikinya ikut terbawa. AI l
ebih bersifat Permanen karena tetap ada sepanjang sistem komputer dan program masi
h terpelihara.

2. AI Menawarkan Kemudahan untuk digandakan dan disebarkan
Pemindahan pengetahuan dari satu orang ke orang lain memerlukan waktu yang panja
ng dan bahkan mungkin pengetahuan itu tidak dapat diduplikasi secara lengkap. Adapu
n pengetahuan dalam sistem komputer mudah sekali untuk disalin dan dipidahkan ke si
stem lain.

3. AI dapat lebih murah daripada kecerdasan alami
Telah banyak dibuktikan bahwa biaya membeli jasa dengan komputer lebih murah darip
ada biaya untuk membiayai manusia yang melaksanakan tugas yang sama.

4. AI bersifat Konsisten dan Teliti
5. Hal ini berbeda dengan manusia yang sering tak menentu atau tidak konsisten.
 6. AI dapat didokumentasi
Keputusan yang dibuat oleh komputer dapat didokumentasi dengan mudah dengan car
a mencatat semua kegiatan yang dilakukan sistem. Kecerdasan alami sulit untuk didoku
mentasi. Sebagai contoh, seseorang bisa jadi melakukan penyimpulan, tetapi pada saat 
yang lain mungkin tidak dapat melakukan kembali proses penalaran yang membimbing
nya ke kesimpulan ataupun mengingat kembali asumsi-asumsi yang mendasari keputus
an

1. Bidang-bidang Aplikasi AI
2. Pengolahan Bahasa Alami
Natural Language Processing atau Pemrosesan Bahasa Alami merupakan salah satu tu
juan jangka panjang dari Artficial Intelegence(kecerdasan buatan) yaitu pembuatan pro
gram yang memiliki kemampuan untuk memahami bahasa manusia.

Pada prinsipnya bahasa alami adalah suatu bentuk representasi dari suatu pesan yang 
ingin dikomunikasikan antar manusia. Bentuk utama representasinya adalah berupa su
ara/ucapan (spoken language), tetapi sering pula dinyatakan dalam bentuk tulisan. Inti 
dari pemrosesan bahasa alami adalah penguraian kalimat atau sering disebut dengan p
arser. Parser berfungsi untuk membaca kalimat, kata demi kata dan menentukan jenis k
ata apa saja yang boleh mengikuti kata tersebut. Dalam pemahaman suatu bahasa ada 
beberapa bidang yang harus disertakan yaitu morfologi, sintaksis, semantik, pragmatik, 
fonologi, dan pengetahuan tentang dunia sekitar.

Komponen Utama Bahasa Alam

Pengolahan bahasa alami terdiri dari dua bagian utama, yaitu : parser, sistem represent
asi pengetahuan dan pengolahan output.

1. Parser
Suatu sistem yang mengambil kalimat input bahasa alami dan menguraikannya ke dala
m beberapa bagian gramatikal (kata benda, kata kerja, kata sifat, dan lain-lain).

1. Sistem Representasi Pengetahuan
Suatu sistem yang menganalisis output parser untuk menentukan maknanya.

1. Output Translator
Suatu terjemahan yang merepresentasikan sistem pengetahuan dan melakukan langka
h- langkah yang bisa berupa jawaban atas bahasa alami atau output khusus yang sesu
ai dengan program komputer lainnya.

c.1    Kategori Aplikasi Pengolahan Bahasa Alami
Teknologi Natural Language Processing (NLP) atau Pemrosesan Bahasa Alami adalah 
teknologi yang memungkinkan untuk melakukan berbagai macam pemrosesan terhada
p bahasa alami yang biasa digunakan oleh manusia. Sistem ini biasanya mempunyai m
asukan dan keluaram berupa bahasa tulisan (teks). NLP mempunyai aplikasi yang sang
at luas. Beberapa diantara berbagai kategori aplikasi NLP adalah sebagai berikut:

c.1.1  Natural Language Translator, yaitu translator dari satu bahasa alami ke bahasa al
ami lainnya, misalnya translator bahasa Inggris ke bahasa Indonesia, Bahasa Indonesia 
ke Bahasa Jawa dan sebagainya. Translator bahasa alami bukan hanya kamus yang m
enerjemahkan kata per kata, tetapi harus juga mentranslasikan sintaks dari bahasa asal 
ke bahasa tujuannya.

c.1.2  Translator bahasa alami ke bahasa buatan, yaitu translator yang mengubah perin
tah-perintah dalam bahasa alami menjadi bahasa buatan yang dapat dieksekusi oleh m
esin atau komputer. Sebagai contoh, translator yang memungkinkan kita memberikan p
erintah bahasa alami kepada komputer. Dengansistem seperti ini, pengguna sistem dap
at memberikan perintah dengan bahasa sehari-hari, misalnya, untuk menghapus semua 
file, pengguna cukup memberikan perintah ”komputer, tolong hapus semua file !” Transl
ator akan mentranslasikan perintah bahasa alami tersebut menjadi perintah bahasa for
mal yang dipahami oleh komputer, yaitu ”dir *.* ”.

c.1.3  Text Summarization, yaitu suatu sistem yang dapat ”membuat ringkasan” hal-hal 
yang penting dari suatu wacana yang diberikan.

Dalam dunia kecerdasan buatan pengolahan bahasa alami merupakan aplikasi terbesar 
setelah sistem pakar. Banyak para ahli Artificial Intelligence berpendapat bahwa bidang 
yang penting yang dapat dipecahkan oleh Artificial Intelligence adalah Natural Languag
e Processing (Pengolahan Bahasa Alami).

2. Visi Komputer
Contoh bidang lain pengembangan kecerdasan buatan adalah Penerapan Computer Vi
sion. Visi komputer adalah ilmu dan teknologi mesin yang melihat, di mana dalam hal in
i berarti bahwa mesin mampu mengekstrak informasi dari gambar yang diperlukan untu
k menyelesaikan tugas tertentu. Visi komputer berkaitan dengan teoridi balik sistem bua
tan bahwa ekstrak informasi dari gambar. Data gambar dapat mengambil banyak bentu
k, seperti urutan video, pandangan dari beberapa kamera, atau data multi-dimensi dari 
scanner medis.

Contoh aplikasi dari visi komputer mencakup sistem untuk :

 Pengendalian proses (misalnya, sebuah robot industri atau kendaraan otonom).
  Mendeteksi peristiwa (misalnya, untuk pengawasan visual atau orang       menghi
tung).
 Mengorganisir informasi (misalnya, untuk pengindeksan database foto dan gamb
ar urutan).
 Modeling benda atau lingkungan (misalnya, inspeksi industri, analisis citra medis 
atau model topografi).
 Interaksi (misalnya, sebagai input ke perangkat untuk interaksi komputer-
manusia).
Begitu banyak hasil kajian Computer Vision yang ada selama ini. Hal itu mendatangkan 
banyak manfaat untuk kepentingan manusia. Diantaranya terletak pada bidang militer. 
Contohnya  implementasi penguncian objek musuh pada pesawat jet dan teknologi rad
ar pada rudal, pengenalan kondisi tentara musuh. Teknologi kecerdasan buatan dapat 
diimplementasikan pada sistem yang mensimulasikan kondisi-kondisi perang yang mun
gkin akan terjadi di lapangan, mengatur strategi serta mengkalkulasi kemungkinan bebe
rapa strategi terhadap kondisi medan perang secara simultan dan menampilkan hasilny
a.

Sebut saja deteksi tentara musuh atau kendaraan dan bimbingan rudal. Hal ini membut
uhkan sistem canggih untuk panduan mengirim rudal-rudal ke daerah target yang spesif
ik dan pemilihan target yang dibuat ketika rudal mencapai daerah berdasarkan data citr
a yang diperoleh secara lokal. Konsep modern militer, seperti “kesadaran medan peran
g”, menunjukkan bahwa berbagai sensor, termasuk sensor gambar, menyediakan kaya 
setinformasi tentang adegan tempur yang dapat digunakan untuk mendukung keputusa
n strategis. Dalam hal ini, pengolahan otomatis data yang digunakan untuk mengurangi 
kompleksitas dan informasi sekering dari sensor ganda untuk meningkatkan keandalan.

3. Pengenalan Percakapan
Pengenalan percakapan (voice/speech recognition) adalah suatu proses yang memung
kinkan komputer dapat mengeali suara. Teknologi seperti ini membuat khayalan didala
m suatu cerita dengan suara dapat diwujudkan.

Penerapan pengenalan percakapan  antara lain digunakan untuk melakukan pengetika
n dokumen melalui suara dan untuk analisis suara dalam program pembelajaran bahas
a asing, untuk menentukan pengucapan kata oleh seseorang sesuai dengan penutur as
li atau tidak. Saat ini teknologi sintesis suara juga telah banyak digunakan. Sintesis suar
a adalah teknologi yang memungkinkan komputer dapat berbicara. Penerapan pada be
rbagai perusahaan dapat dilihat pada tabel ini.

Aplikasi Teknologi Suara

(sumber : Turban, McLean, dan Wetherbe, 1991, hal. 492.)
Perusahaan Aplikasi

Scandinavian Airlines Menjawab permintaan informasi tentang reservasi dan jadwa

Citibank Memberikan berbagai informasi kepada pemegang kartu.

Hospital Corporation Of America Mengirimkan dan menerima data pasien dengan suara.

Weidner Insurance Melaksanakan riset pemasaran dan telemarketing.

Perusahaan Mobil Mengaktifkan radio, pemanas, dan lain-lain dengan menggun
4. Robotika
Robotika adalah/ Robotika yaitu/ Robotika merupakan/ yang dimaksud Robotika / arti R
obotika/ definisi Robotika.

Robotika berasal dari kata robot yang artinya perangkat elektronik yang dapat deprogra
m untuk melakukan otomasi terhadap suatu tugas yang biasanya dilakukan oleh manus
ia. Jadi robotika yaitu studi yang berhubungan dengan pembuatan robot.

Berikut ini adalah Contoh Robot:

 Scrubmate.
Merupakan robot pembersih kamar mandi yang diciptakan oleh Joe Engleberger. Robot 
ini dilengkapi dengan control terkomputerisasi, mempunyai sensor mata ultrasonic serta 
dilengkapi dengan peralatan pembersih.

 Sojourner
Merupakan kendaraan robot beroda enam. Robot ini digunakan NASA tahun 1997 dala
m eksplorasi di planet Mars. Robot ini dilengkapi dengan mata laser dan dapat mengam
bil sampel atmosfir dan tanah dan mengirimkan data dan foto ke bumi.

 SICO.
Robot SICO ini dikenal dengan “The Robot Therapist”. Robot ini diciptakan oleh Robert 
Doornick. Robot SICO pernah digunakan di rumah sakit di New York yang berfungsi unt
uk membantu anak-anak yang mempunyai masalah emosi.

Demikian yang dapat saya sampaikan dalam postingan kali ini tentang Pengertian Robo
tika semoga dapat bermanfaat.
 5. Sistem Pakar
Secara umum, sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan m
anusia ke komputer yang dirancang untuk memodelkan kemampuan menyelesaikan ma
salah seperti layaknya seorang pakar. Dengan sistem pakar ini, orang awam pun dapat 
menyelesaikan masalahnya atau hanya sekedar mencari suatu informasi berkualitas ya
ng sebenarnya hanya dapat diperoleh dengan bantuan para ahli di bidangnya. Sistem p
akar ini juga akan dapat membantu aktivitas para pakar sebagai asisten yang berpenga
laman dan mempunyai asisten yang berpengalaman dan mempunyai pengetahuan yan
g dibutuhkan. Dalam penyusunannya, sistem pakar mengkombinasikan kaidah-kaidah p
enarikan kesimpulan (inference rules) dengan basis pengetahuan tertentu yang diberika
n oleh satu atau lebih pakar dalam bidang tertentu. Kombinasi dari kedua hal tersebut di
simpan dalam komputer, yang selanjutnya digunakan dalam proses pengambilan keput
usan untuk penyelesaian masalah tertentu.

Ciri-Ciri Sistem Pakar

Sistem pakar yang baik harus memenuhi ciri-ciri sebagai berikut :

 Memiliki informasi yang handal.
 Mudah dimodifikasi.
 Dapat digunakan dalam berbagai jenis komputer.
 Memiliki kemampuan untuk belajar beradaptasi.
Keuntungan Sistem Pakar

Secara garis besar, banyak manfaat yang dapat diambil dengan adanya sistem pakar, a
ntara lain :

1. Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli.
2. Bisa melakukan proses secara berulang secara otomatis.
3. Menyimpan pengetahuan dan keahlian para pakar.
4. Meningkatkan output dan produktivitas.
5. Meningkatkan kualitas.
6. Mampu mengambil dan melestarikan keahlian para pakar (terutama yang termas
uk keahlian langka).
7. Mampu beroperasi dalam lingkungan yang berbahaya.
8. Memiliki kemampuan untuk mengakses pengetahuan.
9. Memiliki reabilitas.
10. Meningkatkan kapabilitas sistem komputer.
11. Memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan me
ngandung ketidakpastian.
12. Sebagai media pelengkap dalam pelatihan.
13. Meningkatkan kapabilitas dalam penyelesaian masalah.
14. Menghemat waktu dalam pengambilan keputusan
Kelemahan Sistem Pakar

Di samping memiliki beberapa keuntungan, sistem pakar juga memiliki beberapa kelem
ahan, antara lain :

1. Biaya yang diperlukan untuk membuat dan memeliharanya sangat mahal.
2. Sulit dikembangkan. Hal ini tentu saja erat kaitannya dengan ketersediaan pakar 
di bidangnya.
3. Sistem Pakar tidak 100% bernilai benar.
Alasan Pengembangan Sistem Pakar, sistem pakar sendiri dikembangkan lebih lanjut d
engan alasan :

 Dapat menyediakan kepakaran setiap waktu dan di berbagai lokasi.
 Secara otomatis mengerjakan tugas-tugas rutin yang membutuhkan seorang pak
ar.
 Seorang pakar akan pensiun atau pergi.
 Seorang pakar adalah mahal.
 Kepakaran dibutuhkan juga pada lingkungan yang tidak bersahabat.
Modul Penyusun Sistem Pakar

Menurut Staugaard (1987) suatu sistem pakar disusun oleh tiga modul utama yaitu :

1. Modul Penerimaan Pengetahuan (Knowledge Acquisition Mode) Sistem berada p
ada modul ini, pada saat ia menerima pengetahuan dari pakar. Proses mengump
ulkan pengetahuan-pengetahuan yang akan digunakan untuk pengembangan sis
tem, dilakukan dengan bantuan knowledge engineer. Peran knowledge engineer 
adalah sebagai penghubung antara suatu sistem pakar dengan pakarnya.
2. Modul Konsultasi (Consultation Mode)
Pada saat sistem berada pada posisi memberikan jawaban atas permasalahan yang di
ajukan oleh user, sistem pakar berada dalam modul konsultasi. Pada modul ini, user be
rinteraksi dengan sistem dengan menjawab pertanyaan-pertanyaan yang diajukan oleh 
sistem.

3. Modul Penjelasan (Explanation Mode)
Modul ini menjelaskan proses pengambilan keputusan oleh system (bagaimana suatu k
eputusan dapat diperoleh).

Struktur Sistem Pakar, komponen utama pada struktur sistem pakar menurut Hu et al (1
987) meliputi:

1. Basis Pengetahuan (Knowledge Base)
Basis pengetahuan merupakan inti dari suatu sistem pakar, yaitu berupa representasi p
engetahuan dari pakar. Basis pengetahuan tersusun atas fakta dan kaidah. Fakta adala
h informasi tentang objek, peristiwa, atau situasi. Kaidah adalah cara untuk membangkit
kan suatu fakta baru dari fakta yang sudah diketahui.

2. Mesin Inferensi (Inference Engine)
Mesin inferensi berperan sebagai otak dari sistem pakar. Mesin inferensi berfungsi untu
k memandu proses penalaran terhadap suatu kondisi, berdasarkan pada basis pengeta
huan yang tersedia. Di dalam mesin inferensi terjadi proses untuk memanipulasi dan m
engarahkan kaidah, model, dan fakta yang disimpan dalam basis pengetahuan dalam r
angka mencapai solusi atau kesimpulan. Dalam prosesnya, mesin inferensi menggunak
an strategi penalaran dan strategi pengendalian. Strategi penalaran terdiri dari strategi 
penalaran pasti (Exact Reasoning) dan strategi penalaran tak pasti (Inexact Reasoning)
. Exact reasoning akan dilakukan jika semua data yang dibutuhkan untuk menarik suatu 
kesimpulan tersedia, sedangkan inexact reasoning dilakukan pada keadaan sebaliknya.
Strategi pengendalian berfungsi sebagai panduan arah dalam melakukan prose penalar
an. Terdapat tiga tehnik pengendalian yang sering digunakan, yaitu forward chaining, b
ackward chaining, dan gabungan dari kedua teknik pengendalian tersebut.

3. Basis Data (Data Base)
Basis data terdiri atas semua fakta yang diperlukan, dimana fakta fakta tersebut diguna
kan untuk memenuhi kondisi dari kaidah-kaidah dalam sistem. Basis data menyimpan s
emua fakta, baik fakta awal pada saat sistem mulai beroperasi, maupun fakta-fakta yan
g diperoleh pada saat proses penarikan kesimpulan sedang dilaksanakan. Basis data di
gunakan untuk menyimpan data hasil observasi dan data lain yang dibutuhkan selama 
pemrosesan.

4. Antarmuka Pemakai (User Interface)
Fasilitas ini digunakan sebagai perantara komunikasi antara pemakai.dengan komputer.

Teknik Representasi Pengetahuan

Representasi pengetahuan adalah suatu teknik untuk merepresentasikan basis pengeta
huan yang diperoleh ke dalam suatu skema/diagram tertentu sehingga dapat diketahui r
elasi/keterhubungan antara suatu data dengan data yang lain. Teknik ini membantu kno
wledge engineer dalam memahami struktur pengetahuan yang akan dibuat sistem paka
rnya. Terdapat beberapa teknik representasi pengetahuan yang biasa digunakan dalam 
pengembangan suatu sistem pakar, yaitu

1. Rule-Based Knowledge
Pengetahuan direpresentasikan dalam suatu bentuk fakta (facts) dan aturan (rules). Be
ntuk representasi ini terdiri atas premise dan kesimpulan.
 1. Frame-Based Knowledge
Pengetahuan direpresentasikan dalam suatu bentuk hirarki atau jaringan frame.

1. Object-Based Knowledge
Pengetahuan direpresentasikan sebagai jaringan dari obyek-obyek. Obyek adalah elem
en data yang terdiri dari data dan metoda (proses).

1. Case-Base Reasoning
Pengetahuan direpresentasikan dalam bentuk kesimpulan kasus (cases).

Inferencing dengan Rule : Forward dan Backward Chaining

Inferensi dengan rules merupakan implementasi dari modus ponen, yang direfleksikan 
dalam mekanisme search (pencarian). Dapat pula mengecek semua rule pada knowled
ge base dalam arah forward maupun backward. Proses pencarian berlanjut sampai tida
k ada rule yang dapat digunakan atau sampai sebuah tujuan (goal) tercapai. w:st=”on”A
da dua metode inferencing dengan rules, yaitu forward chaining atau data-driven dan b
ackward chaining atau goal-driven.

1. Backward chaining
 Menggunakan pendekatan goal-driven, dimulai dari ekspektasi apa yang diingink
an terjadi (hipotesis), kemudian mengecek pada sebab-sebab yang mendukung (
ataupun kontradiktif) dari ekspektasi tersebut.
 Jika suatu aplikasi menghasilkan tree yang sempit dan cukup dalam, maka guna
kan backward chaining.
1. Forward chaining
 Forward chaining merupakan grup dari multiple inferensi yang melakukan pencar
ian dari suatu masalah kepada solusinya.
 Jika klausa premis sesuai dengan situasi (bernilai TRUE), maka proses akan me
ng-assert konklusi.
 Forward chaining adalah data-driven karena inferensi dimulai dengan informasi y
ang tersedia dan baru konklusi diperoleh.
 Jika suatu aplikasi menghasilkan tree yang lebar dan tidak dalam, maka gunakan 
forward chaining.
6. Logika Fuzzy ( Kabur )
Fuzzy mungkin merupakan suatu kata yang agak asing bagi kita. Dalam terjemahan me
nurut kosa katanya fuzzy berari kabur. Logika berarti penalaran. Jika digabungkan menj
adi satu kalimat berarti Penalaran Yang Kabur. Benarkah demikian? Mengapa penalara
n yang kabur justru perlu untuk dipelajari?

ALASAN PEMANFAATAN LOGIKA FUZZY
Mengapa kita perlu menggunakan logika fuzzy? Berikut ini adalah beberapa alasan me
ngapa logika fuzzy banyak digunakan saat ini diberbagai kasus. Alasan pemanfaatan lo
gika fuzzy adalah:

Sudah menjadi sifatnya yang kuat selama tidak membutuhkan ketepatan, input yang be
bas derau, dan dapat diprogram untuk gagal dengan aman jika sensor arus balik dimati
kan atau rusak. Control output adalah fungsi control halus meskipun jarak variasi input y
ang cukup besar. Selama fuzzy logic controller memproses aturan – aturan yang dibuat 
user yang memerintah system control target, ia dapat dimodifikasi dengan mudah untuk 
meningkatkan atau mengubah secara drastis performa system. Sensor yang baru dapat 
dengan mudah digabungkan kedalam system secara sederhana dengan menghasilkan 
aturan memerintah yang sesuai.  Fuzzy logic tidak terbatas pada sedikit masukan umpa
n-balik dan satu atau dua output control, tidak juga penting untuk menilai atau menghitu
ng parameter rata – rata perubahan dengan tujuan agar ia diimplementasikan. Sensor d
ata yang menyediakan beberapa indikasi untuk aksi dan reaksi system sudah cukup. H
al ini memungkinkan sensor menjadi murah dan tidak tepat sehingga menghemat biaya 
system keseluruhan dan kompleksitas rendah. Karena operasi – operasi yang berbasis
kan aturan, jumlah input yang masuk akal dapat diproses ( 1 sampai 8 atau lebih ) dan 
banyak output ( 1 sampai 4 atau lebih ) dihasilkan, walaupun pendefinisian rulebase sec
ara cepat menjadi rumit jika terlalu banyak input dan output dipilih untuk implementasi t
unggal selama pendefinisian rules(aturan), hubungan timbal baliknya juga harus didefini
sikan. Akan lebih baik jika memecah system kedalam potongan – potongan yang lebih k
ecil dan menggunakan fuzzy logic controllers yang lebih kecil untuk didistribusikan pada 
system, masing – masing dengan tanggung jawab yang lebih terbatas. Fuzzy Logic dap
at mengontrol system nonlinier yang akan sulit atau tidak mungkin untuk dimodelkan se
cara matematis. Hal ini membuka pintu bagi system control yang secara normal diangg
ap tidak mungkin untuk otomatisasi. Konsep logika fuzzy mudah dimengerti. Konsep ma
tematis yang mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti Logi
ka fuzzy sangat fleksibel Logika fuzzy memiliki toleransi terhadap data-data yang tidak t
epat Logika fuzzy dapat bekerja sama dengan teknik-teknik kendali secara konvensiona
l Logika fuzzy didasarkan pada bahasa alamiah.Sedangkan karakteristik utama dari fuz
zy logic yang ditemukan oleh Prof. Lotfi A. Zadeh adalah sebagai berikut:

Dalam fuzzy logic, penalaran tepat dipandang sebagai suatu kasus terbatas dari penala
ran kira –kira. Dalam fuzzy logic segala sesuatunya adalah masalah derajat.

System logis manapun dapat difuzzifikasi.Dalam fuzzy logic, pengetahuan diinterpretasi
kan sebagai koleksi dari fuzzy yang dipaksakan pada sekumpulan variable.
Kesimpulan dipandang sebagai sebuah proses dari perkembangan pembatas elastis.

BAGAIMANA LOGIKA FUZZY DIGUNAKAN 

Adapun langkah – langkah penggunaan fuzzy logic adalah sebagai berikut:
 1. Definisikan obyektif dan criteria control:
1) Apa yang kita coba control ?

2) Apa yang harus kita lakukan untuk mengontrol system ?

3) Respon seperti apa yang kita butuhkan ?

4) Apa mode kegagalan system yang mungkin ?

1. Tentukan hubungan antara input dan output serta memilih jumlah minimum varia
ble input pada mesin fuzzy logic(secara khusus error dan rata – rata perubahan 
error)
1) Dengan menggunakan struktur berbasis aturan dari fuzzy logic, jabarkan permasalah
an control ke dalam aturan IF X AND Y THEN Z yang mendefinisikan respon output sys
tem yang diinginkan untuk kondisi input system yang diberikan. Jumlah dan kompleksita
s dari rules bergantung pada jumlah parameter input yang diproses dan jumlah variable 
fuzzy yang bekerjasama dengan tiap – tiap parameter. Jika mungkin, gunakan setidakn
ya satu variable dan turunan waktunya. Walaupun mungkin untuk menggunakan sebua
h parameter tunggal yang error saat itu juga tanpa mengetahui rata – rata perubahanny
a, hal ini melumpuhkan kemampuan system untuk meminamalisasi keterlampauan untu
k sebuah tingkat input.

2) Buat fungsi keanggotaan yang menjelaskan nilai input atau output yang digunakan  d
idalam rules

3) Buat rutinitas proses awal dan akhir yang penting jika diimplementasikan dalam soft
ware, sebaliknya program rules kedalam mesin hardware fuzzy logic.

7. Jaringan Saraf  Tiruan
Jaringan syaraf tiruan (artifical neural network) adalah sistem komputasi yang arsitektur 
dan operasinya diilhami dari pengetahuan tentang sel syaraf biologis di dalam otak. Jari
ngan syaraf tiruan merupakan salah satu representasi buatan dari otak manusia yang s
elalu mencoba menstimulasi proses pembelajaran pada otak manusia tersebut .

Adapun cara belajar jaringan saraf tiruan sebagai berikut:

Ke dalam jaringan saraf tiruan diinputkan informasi yang sebelumnya telah diketahui ha
sil keluarannya. Penginputan informasi ini dilakukan lewat node-node atau unit-unit inpu
t. Bobot-bobot antar koneksi dalam
suatu arsitektur diberi nilai awal dan kemudian jaringan saraf tiruan dijalankan. Bobot-
bobot ini bagi jaringan digunakan untuk belajar dan mengingat suatu informasi. Pengatu
ran bobot dilakukan secara terus-menerus dan dengan menggunakan criteria tertentu s
ampai diperoleh keluaran yang diharapkan. Ada banyak alas an mengapa jaringan sara
f tiruan perlu dipelajari, antara lain:

1. Ada banyaknya teknik (algoritma) jaringan saraf tiruan yang tersedia. Teknik-
teknik yang ada saat ini memiliki arsitektur yang sangat beragam dan canggih. In
i berbeda jauh dengan arsitektur jaringan saraf tiruan pada masa-masa awal per
kembangan jaringan saraf tiruan> Pada waktu itu model yang ada sangat sederh
ana sehingga aplikasinya pun terbatas.
2. Adanya computer digital berkecepatan tinggi. Hal semakin mempermudah prose
s simulasi jaringan saraf tiruan.
3. Aplikasi yang sangat luas.Bidang-bidang penelitian yang memanfaatkan jaringan 
saraf tiruan diantaranya:
 Aeorospace
Autopilot pesawat terbang, simulasi jalur penerbangan, system kendali pesawat,perbaik
an autopilot dan simulasi komponen pesawat.

 Otomoti
Sistem kendali otomatis mobil.

 Keuangan dan Perbankan
Pendeteksian uang palsu, evaluator aplikasi kredit, pengidentifikasian pola-pola data pa
sar saham.

 Pertahanan (Militer)
Pengendali senjata, pendeteksi bom, penelusuran target, pembedaan objek, pengendali 
sensor, sonar, radar, dan pengolahan sinyal citra yang meliputi kompresi data, ektrasksi 
bagian istimewa dan penghilangan derau, pengenalan sinyal atau citra.

 Elektronik
Pembuatan perangkat keras yang bias mengimplementasikan jaringan saraf tiruan seca
ra efisien (pendesainan VLSI), machine vision, pengontrol gerakan dan penglihatan rob
ot, sintesis suara.

 Broadcast
Pencarian klip berita melalui pengenalan wajah.

Lapisan – lapisan penyusun jaringan saraf tiruan dapat dibagi menjadi tiga, yaitu:
 1. Lapisan input
Node-node di dalam lapisan input disebut unit-unit input. Unit-unit input menerima input 
dari dunia luar. Input yang dimasukkan merupakan penggambaran dari suatu masalah.

2. Lapisan tersembunyi
Node-node di dalam lapisan tersembunyi disebut unit-unit tersembunyi. Output dari lapi
san ini tidak secara langsung dapat diamati.

3. Lapisan output
Node-node pada lapisan output disebut unit-unit output. Keluaran atau output dari lapis
an ini merupakan output jaringan saraf tiruan terhadap suatu permasalahan.

Jaringan saraf tiruan dibagi ke dalam 3 macam arsitektur, yaitu:

1. Jaringan lapisan tunggal
Jaringan yang memiliki arsitektur jenis ini hanya memiliki satu buah lapisan bobot konek
si. Jaringan lapisan-tunggal terdiri dari unit-unit input yang menerima sinyal dari dunia lu
ar, dan unit-unit output dimana kita bias membaca respons dari jaringan saraf tiruan ter
sebut.

2. Jaringan multilapis
Merupakan jaringan dengan satu atau lebih lapisan tersembunyi. Multilayer net ini memi
liki kemampuan lebih dalam memcahkan masalah bila dibandingkan dengan single-
layer net, namun pela-tihannya mungkin lebih rumit.

3. Jaringan kompetitif
Jaringan ini sekumpulan neuron bersaing untuk mendapatkan hak menjadi aktif.

Istilah-istilah Jaringan Saraf Tiruan

Berikut ini beberapa istilah jaringan saraf tiruan yang sering ditemui:

 Neuron atau Node atau Unit: Sel saraf tiruan yang merupakan elemen pengolaha
n jaringan saraf tiruan. Setiap neuron menerima data input, memroses input ters
ebut (melakukan sejumlah perkalian dengan melibatkan summation function dan 
fungsi aktivasi), dan mengirim-kan hasilnya berupa sebuah output.
 Jaringan: Kumpulan neuron yang saling terhubung dan membentuk lapisan.
 Input atau Masukan: Berkorespon dengan sebuah atribut tunggal dari sebuah p
ola atau data lain dari dunia luar. Sinyal-sinyal input ini kemudian diteruskan ke l
apisan selanjutnya.
  Output atau Keluaran: Solusi atau hasil pemahaman jaringan terhadap data inp
ut.Tujuan pembangunan jaringan saraf tiruan sendiri adalah untuk mengetahui nil
ai output.
 Lapisan Tersembunyi (hidden layer): Lapisan yang tidak secara langsung beri
nteraksidengan dunia luar. Lapisan inimrmemperluas kemampuan jaringan saraf 
tiruan dalam menghadapi masalah-masalh yang kompleks.
 Bobot:Bobot dalam jaringan saraf tiruan merupakan nilai matematis dari koneksi
, yangmentransfer data dari satu lapisan ke lapisan lainnya. Bobot ini digunakan 
untuk mengatur jaringan sehingga jaringan saraf tiruan bias menghasilkan output 
yang diinginkan sekaligus bertujuan membuat jaringan tersebut belajar.
 Summation Function:Fungsi yang digunakan untuk mencari rata-rata bobot dari 
semuaelemen input. Yang sederhana adalah dengan mengalikan setiap nilai inp
ut (Xj) denganbobotnya (Wij) dan menjumlahkannya (disebut penjumlahan berbo
bot, atau Si).
 Fungsi Aktivasi atau Fungsi Tranfer: Fungsi yang menggambarkan hubungan 
antara tingkat aktivasi internal (summation function) yang mungkin berbentuk lini
er atau nonlinier. Beberapa fungsi aktivasi jaringan saraf tiruan diantaranya: hard 
limit, purelin,dan sigmoid. Yang popular digunakan adalah fungsi sigmoid yang m
emiliki beberapa varian: sigmoid logaritma, sigmoid biner, sigmoid bipolar, dan si
gmoid tangent.
 Paradigma Pembelajaran:Cara berlangsungnya pembelajaran atau pelatihan ja
ringan saraf tiruan, apakah terawasi (supervisod learning), tidak terawasi (unsup
ervised learning), atau merupakan gabungan keduanya (hybrid).
1. Pada pembelajaran terawasi, kumpulan input yang digunakan, output-outputnya t
elah diketahui.Perbedaan antara output-output actual dengan output-output yang 
diinginkan digunakan untuk mengoreksi bobot jaringan saraf tiruan agar jaringan 
saraf tiruan dapat menghasilkan jawaban sedekat (semirip) mungkin dengan jaw
aban yang benar yang telah diketahui oleh jaringan saraf tiruan.
2. Pada pembelajaran tak terawasi, atau pembelajaran tanpa guru, jaringan saraf tir
uan mengorganisasi dirinya sendiri untuk membentuk vector-vektor input yang se
rupa, tanpa menggunakan data atau contoh-contoh pelatihan. Struktur menggun
akana dasar data atau korelasi antara pola-pola data yang diekplorasi. Paradigm
a pembelajaran ini mengorganisasipola-pola ke dalam kategori-kategori berdasar
kan korelasi yang ada.
Aturan Pembelajaran: Aturan kerja secara umum dari teknik/ algoritma jaringan saraf tir
uan. Ada 4 tipe dasar aturan pembelajaran, yaitu aturan pengoreksian kesalahan (error 
correcting), aturan Boltzmann, aturan Hebbian, dan aturan pembelajarankompetitif (com
petitive learning).

1. Aturan Pengoreksian Error
Prinsip dasar dari aturan pembelajaran pengoreksian error adalah memodifikasi bobot-
bobot koneksi dengan menggunakan sinyal kesalahan (output target – output actual)unt
uk mengurangi besarnya kesalahan secara bertahap.

1. Aturan Pembelajaran Boltzmann
Mesin Bolztmann merupakan jaringan saraf tiruan balik yang simetris, terdiri dari nit-unit 
biner (+1 dan -1, masing – masing untuk on dan off). Dengan kesimetrisannya, bobot p
ada koneksi dari unit I ke unit j sama dengan bobot koneksi dari unit j ke unit I (Wij = Wji
). Setiap neuron pada

1. Aturan Hebbian
Kekuatan koneksi antara 2 buah neuron akan meningkat jika kedua neuron memiliki tin
gkah laku yang sama (keduanya memiliki aktivasi positif atau keduanya memiliki aktivas
i negative).

1. Aturan Pembelajaran Kompetitif
Unit –unit output pada aturan pembelajaran kompetititf ini hanya harus saling bersaing u
ntuk beraktivasi. Jadi hanya satu unit output yang aktif pada satu waktu. Fenomena ini 
dikenal sebagai winner-take-all. Bobot-bobotnya diatur setelah satu node pemenang ter
pilih.

8. Algoritma Genetika
Algoritma genetika adalah algoritma pencarian (search algorithm) yang menggunakan p
rinsip seleksi alam dalam ilmu genetika untuk mengembangkan solusi terhadap permas
alahan (Haupt dan Haupt, 2004). Algoritma Genetika merupakan kelas algoritma pencar
ian stokastik berdasarkan evolusi biologi (Negnevitsky M., 2005).

Kemunculan Algortima Genetika diinspirasikan dari teori-teori dalam ilmu biologi, sehing
ga banyak istilah dan konsep biologi yang digunakan dalam Algoritma Genetika. Sesuai 
dengan namanya, proses-proses yang terjadi dalam Algoritma Genetika sama dengan 
apa yang terjadi pada evolusi biologi.

Ide dasar algoritma genetika adalah mengelola suatu populasi individu yang mereprese
ntasikan kandidat solusi sebuah permasalahan. Secara umum algoritma genetika memil
iki lima komponen dasar (Michalewicz, 1996) yaitu:

1. Representasi genetik dari solusi-solusi masalah.
2. Cara membentuk populasi awal dari solusi-solusi.
3. Fungsi evaluasi yang me-rate (rating) solusi-solusi berdasarkan fitness mereka.
4. Operator-operator genetik yang merubah komposisi genetik dari offspring selama 
reproduksi.
5. Nilai-nilai untuk parameter algoritma genetika.
6. Algoritma me-maintain populasi individu-individu untuk setiap generasi. Masing-
masing individu menyatakan solusi yang potensial untuk masalah yang dihadapi. 
Masing-masing individu di-evaluasi untuk memberi ukuran fitness-nya. Nilai fitne
ss adalah nilai yang menunjukkan drajat ketangguhan kromosom dalam beradap
tasi terhadap masalah.
 7. Salah satu aplikasi algoritma genetika adalah pada permasalahan optimasi, yaitu 
mendapatkan suatu nilai solusi optimal terhadap suatu permasalahan yang mem
punyai banyak kemungkinan solusi. Daya tarik algoritma genetika terletak pada k
esederhanaan dan pada kemampuan untuk mencari solusi yang baik dan cepat 
untuk masalah yang komplek.
Kelebihan Algoritma Genetika

Beberapa hal yang termasuk kelebihan dari Algoritma Genetika adalah sebagai berikut 
(Haupt dan Haupt, 2004):

 Mengoptimalkan dengan variabel kontinu atau diskrit,
 Tidak memerlukan informasi derivatif,
 Bersamaan pencarian dari sebuah sampling yang luas pada permukaan biaya,
 Berkaitan dengan sejumlah besar variabel,
 Baik untuk komputer paralel,
 Mengoptimalkan permukaan variabel dengan biaya yang sangat kompleks (GA b
isa melompat dari minimum lokal),
 Memberikan daftar variabel yang optimal, bukan hanya solusi tunggal,
 Dapat menyandikan variabel sehingga optimasi dilakukan dengan mengkodekan 
variabel, dan
 Bekerja dengan data numerik yang dihasilkan, data eksperimen, atau analitis fun
gsi.
 Algoritma genetika berangkat dari himpunan solusi yang dihasilkan secara acak 
yang disebut populasi. Sedangkan setiap individu dalam populasi disebut kromos
om yang merupakan representasi dari solusi dan masing-masing dievaluasi tingk
at ketanggguhannya (fitness) oleh fungsi yang telah ditentukan. Melalui proses s
eleksi alam atas operator genetik, gen-gen dari dua kromosom (disebut parent) d
iharapkan akan menghasilkan kromosom baru dengan tingkat fitness yang lebih t
inggi sebagai generasi baru atau keturunan (offspring) berikutnya. Kromosom-
kromosom tersebut akan mengalami iterasi yang disebut generasi (generation). 
Pada setiap generasi, kromosom dievaluasi berdasarkan nilai fungsi fitness (Gen 
dan Cheng, 2000). Setelah beberapa generasi maka algoritma genetika akan ko
nvergen dapat kromosom terbaik, yang merupakan solusi optimal (Goldberg, 198
9).
9. Sistem Al Hibrida
Sistem Al Hibrida atau terkadang dinamakan sistem cerdas hibrida (hybrid intellegent sy
stem) adalah sistem yang menggabungkan beberapa teknologi Ai untuk dimanfaatkan a
tau memadukan keunggulan masing-masing teknologi. Istilah seperti ini Soft Computing 
(Jang, Sun, dan Mizutani, 1997), yang menggabungka AAN, logika kabur, algoritma gen
etika dan teknik AI konvensional, merupakan contoh sistem AI hibrid. Neurofuzzy merup
akan contoh lain yang menggabungkan pemakaian AAN dan logika kabur. Sistem yang 
terakhir disebutkan ini banyak digunakan oleh perusahaan Jepang seprti Matsushita da
n Sharp yang diterapkan pada mesin cuci dan kulkas.
 10. Agen Cerdas
Dalam kecerdasan buatan , agen cerdas (IA) adalah sebuah entitas otonom yang men
gamati dan bertindak atas suatu lingkungan (yaitu ini adalah agen ) dan mengarahkan a
ktivitasnya untuk mencapai tujuan (yakni yang rasional). Intelligent agen juga dapat bela
jar atau menggunakan pengetahuan untuk mencapai tujuan mereka. Mereka mungkin s
angat sederhana atau sangat kompleks : mesin refleks seperti termostat adalah sebuah 
agen cerdas.seperti manusia, sebagai sebuah komunitas manusia bekerja bersama me
nuju tujuan.
Agen Intelligent sering digambarkan secara skematis sebagai sistem fungsional abstrak 
mirip dengan program komputer. Untuk alasan ini, agen cerdas kadang-kadang disebut 
agen cerdas abstrak s (AIA) Untuk membedakan mereka dari dunia nyata implementa
sinya sebagai sistem komputer, sistem biologis, atau organisasi. Beberapa definisi dari 
agen cerdas mereka menekankan otonomi , sehingga lebih memilih cerdas agen oton
om jangka s. Yang lain (terutama Russell & Norvig (2003) ) perilaku goal-directed diang
gap sebagai inti dari kecerdasan dan sebagainya lebih suka istilah yang dipinjam dari e
konomi , ” agen rasional “.
Agen Cerdas dalam kecerdasan buatan berhubungan erat dengan agen di ekonomi , da
n versi dari paradigma agen cerdas yang dipelajari dalam ilmu kognitif , etika , filsafat al
asan praktis , serta di banyak interdisiplinersosio-kognitif pemodelan dan sosial simulasi 
komputer.
Intelligent agen juga berhubungan erat dengan agen perangkat lunak (program perangk
at lunak otonom yang melaksanakan tugas atas nama pengguna). Dalam ilmu kompute
r , agen cerdas istilah dapat digunakan untuk merujuk kepada agen perangkat lunak ya
ng memiliki kecerdasan tertentu, terlepas jika tidak agen rasional oleh dan Norvig Defini
si Russell. Sebagai contoh, program otonom digunakan untuk bantuan operator atau da
ta mining (kadang-kadang disebut sebagai bot)
DAFTAR PUSTAKA

Achmad, Balza. 2006. Diktat Mata Kuliah Kecerdasan Buatan. Yogyakarta: Universitas 
Gadjah Mada.

Fauset, Laurene. 2000. Fundamental of Neural Network. Prentice Hall.

Kusumadewi, Sri. 2003. Artificial Intelligence (Teknik dan Aplikasinya. Yogyakarta: Gra
ha Ilmu.

Siler, William and J. Buckley, James. 2005. Fuzzy Expert System and Fuzzy Reasonin
g. Wiley-Interscience.