KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)

Posted on December 21, 2013

 

1. Pengertian Kecerdasan Buatan

Menurut Winston dan Pendergast (1994) kecerdasan adalah 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.

1. Pengertian Aplikasi dan Instruksi (AI)

Menurut H. A. Simon (1987) merupakan kawasan penelitian, aplikasi dan instruksi yang terkait dengan pemrograman komputer untuk melakukan sesuatu hal ‐ yang dalam pandangan manusia adalah – cerdas.

Sebuah studi tentang bagaimana membuat komputer melakukan hal‐hal yang pada saat ini dapat dilakukan lebih baik oleh manusia (Rich and Kinight [1991]).

Kategori definisi AI dikelompokkan menjadi 4 macam, yaitu systems that think like humans, systems that think rationally, systems that act like humas, dan systems that act rationally.

Ada dua bagian utama AI. Yang pertama adalah Basis pengetahuan (knowledge base). Basis Pengetahuan (knowledge base) ialah berisi fakta‐fakta, teori, pemikiran dan hubungan komponen satu dengan yang lainnya. Yang kedua adalah motor inferensi (inference engine). Motor Inferensi (inference engine) adalah kemampuan menarik kesimpulan berdasar pengalaman. Berkaitan dengan representasi dan duplikasi proses tersebut melalui mesin (misalnya, komputer dan robot).

1. Detail Kecerdasan Buatan

Detail kecerdasan buatan dibagi menjadi 4 sudut pandang, yaitu:

1. Sudut Pandang Kecerdasan. Kecerdasan buatan mampu membuat mesin menjadi cerdas (berbuat seperti yang dilakukan manusia).
2. Sudut Pandang Penelitian. Kecerdasan buatan adalah studi bagaimana membuat komputer dapat melakukan sesuatu sebaik yang dilakukan manusia.
3. Sudut Pandang Bisnis. Kecerdasan buatan adalah kumpulan peralatan yang sangat powerful dan metodologis dalam menyelesaikan masalah bisnis.
4. Sudut Pandang Pemrograman. Kecerdasan buatan meliputi studi tentang pemrograman simbolik, problem solving, dan pencarian (searching).
5. Konsep Kecerdasan Buatan
   1. Turing Test. Metode Pengujian Kecerdasan (Alan Turing). Proses uji ini melibatkan seorang penanya (manusia) dan dua obyek yang ditanyai.
   2. Pemrosesan Simbolik. Sifat penting dari AI adalah bahwa AI merupakan bagian dari ilmu komputer yang melakukan proses secara simbolik dan non‐algoritmik dalam penyelesaian masalah.
   3. Heuristic. Suatu strategi untuk melakukan proses pencarian (search) ruang problem secara efektif, yang memandu proses pencarian yang kita lakukan di sepanjang jalur yang memiliki kemungkinan sukses paling besar.
   4. Inferensi (Penarikan Kesimpulan). AI mencoba membuat mesin memiliki kemampuan berpikir atau mempertimbangkan (reasoning), termasuk didalamnya proses (inferencing) berdasarkan faktafakta dan aturan dengan menggunakan metode heuristik, dll.
   5. Pencocokan Pola (Pattern Matching). Berusaha untuk menjelaskan obyek, kejadian (events) atau proses, dalam hubungan logik atau komputasional.
6. Tujuan Kecerdasan Buatan
7. Membuat komputer lebih cerdas
8. Mengerti tentang kecerdasan
9. Membuat mesin lebih berguna
   1. Kecerdasan Buatan VS Kecerdasan alami

Kecerdasan Buatan

–       Bersifat permanen

–       Lebih mudah diduplikasi dan ditransfer

–       Lebih murah

–       Konsisten

–       Dapat didokumentasi

–       Lebih cepat

–       Teliti

Kecerdasan Alami

–       Cepat mengalami perubahan

–       Proses transfer antar manusia membutuhkan proses yang lama

–       Lebih mahal

–       Sering berubah (sifat manusia)

–       Sulit didokumentasikan

–       Lebih lambat

–       Kurang teliti

1. Kelebihan Kecerdasan Alami Dibanding AI

–       Bersifat lebih kreatif

–       Dapat melakukan proses pembelajaran secara langsung, sementara AI harus mendapatkan masukan berupa simbol dan representasi-representasi

–       Menggunakan fokus yang luas sebagai referensi untuk pengambilan keputusan. Sebaliknya, AI menggunakan fokus yang sempit

1. Sejarah Kecerdasan Buatan

Jaman Batu (1943-1956)

Pada awal kerja JST dan logika. Pada teori logika (Alan Newell and Herbert Simon). Kelahiran AI: Dartmouth workshop ‐ summer 1956. John McCarthy’s memberi nama bidang: artificial intelligence.

Awal Antusias, Harapan Besar (1952-1969)

Pada tahun 1958, McCarthy mendefinisikan Lisp, menemukan time‐sharing, dan advice taker. McCarthy juga belajar tanpa pengetahuan, pemodelan JST, pembelajaran Evolusioner

Samuel’s checkers player: pembelajaran metode resolusi robinson. Berbeda dengan Minsky: the microworlds (e.g. the block’s world). Banyak demonstrasi kecil ttg perilaku “intelligent”. Prediksi over‐optimistic Simon.

Masa Gelap (1966-1973)

AI tidak mengalami perkembangan: ledakan perkembangan combinatorial. Fakta bahwa suatu program bisa mendapatkan suatu solusi secara prinsip tidak berarti bahwa program memuat beberapa mekanisme yang dibutuhkan untuk mendapatkannya secara praktis.

Kegagalan dari pendekatan terjemahan bahasa alami berbasis pada grammars sederhana dan kamus kata. Penterjemahan kembali yang popular English‐>Russian‐>English. Penemuan untuk pemrosesan bahasa natural dihentikan.

Kegagalan perceptron untuk belajar dari fungsi sederhana sebagaimana disjunctive/eksclusive OR.

Penelitian pada JST dihentikan. Realisasi dari kesukaran dalam proses learning dan keterbatasan dari metode yang dieksplorasi. Konsep pembelajaran simbolik (Winston’s influential thesis, 1972).

Renaissance (1969-1979)

–       Perubahan pada paradigma penyelesaian: Dari penyelesaian masalah berbasis “search‐based” menjadi penyelesaian masalah berbasis pengetahuan.

–       Sistem pakar pertama

–       Dendral: menginferensi struktur molecular dari informasi yang disediakan oleh spektrometer massa.

–       Mycin: diagnoses blood infections

–       Prospector: merekomendasikan eksplorasi pengeboran pada lokasi geologi yang menyediakan suatu deposit mineral molybdenum.

Era Industrial (1980-sekarang)

–       Sukses pertama Sistem Pakar secara komersial.

–       Many AI companies.

–       Eksplorasi dari strategi pembelajaran yang bermacam‐macam (Explanation‐based learning, Case‐based Reasoning, Genetic algorithms, Neural networks, etc.).

Kembalinya Neural Networks (1986-sekarang)

–       Penggalian kembali algoritma learning back propagation p p g untuk neural networks yang pertama dikenalkan dalam tahun 1969 oleh Bryson and Ho.

–       Banyak aplikasi sukses dari Neural Networks.

–       Kehilangan respek terhadap sulitnya membangun sistem pakar (macetnya knowledge acquisition).

Kematangan (1987-sekarang)

–       Perubahan dalam cakupan dan metodologi penelitian bidang Kecerdasan Buatan

–       Membangun di atas teori yang ada, bukan cuma mengusulkan teori baru;

–       Berbasis klaim pada theorema dan eksperimen, bukan pada intuisi;

–       Menunjukkan relevansi ke aplikasi nyata, bukan pada contoh “mainan”.

Agent Cerdas (1995-sekarang)

–       Realisasi yang ada pada mulanya dipisahkan dalam sub dari kecerdasan buatan (speech recognition, problem solving and planning, robotics, computer vision, machine learning, knowledge representation, etc) Perlu direorganisasi bilaman hasil-hasilnya diikat bersama-sama kedalam suatu desain agent tunggal.

–       Suatu proses reintegrasi dari sub-area yang berbeda dari KB untuk membentuk “whole agent”

–       “agent perspective” of AI

–       Agent architecture (e. g. SOAR, Disciple);

–       Multi-agent systems;

–       Agent untuk aplikasi tipe-tipe yang berbeda, web agents.

1. Lingkup Kecerdasan Buatan

• Sistem Pakar (Expert System). Komputer memiliki keahlian menyelesaikan masalah seperti kemampuan pakar.
• Pengolahan Bahasa Alami (Natural Language Processing). Diharapkan user dapat berkomunikasi dengan komputer menggunakan bahasa sehari‐hari.
• Pengenalan Ucapan(Speech Recognition). User dapat berkomunikasi dengan komputer menggunakan suara.
• Robotika dan System Sensor (Robotics and Sensoric System)
• Computer Vision
• Intellegence Computer – aided Instruction: Komputer dijadikan tutor untuk melatih dan mengajar.
• Game Playing

1. Domain yang Sering dibahas

• Mundane Task

– Persepsi (vision & speech)

– Bahasa alami (understanding, generation & translation)

– Pemikiran yang bersifat commonsense

– Robot control

• Formal Task

– Permainan / Games

– Matematika (Geometri, logika, kalkulus integral, pembuktian)

• Expert Task

– Analisis finansial

– Analisis medical

– Analisis ilmu pengetahuan

– Rekayasa (design, pencarian kegagalan, perencanaan, dan manufaktur)

1. Contoh Kecerdasan Buatan

–       AI Robot

–       Game

–       Fitur Facebook; (People You May Know, Iklan)

–       Twitter; (Trending topics)

–       Google PageRank

–       Online advertisement

–       Recommended Article

E-commerce

Posted on December 21, 2013

E-commerce adalah segala bentuk transaksi perdagangan/ perniagaan barang atau jasa secara elektronik dengan memanfaatkan jaringan komputer, salah satunya adalah internet.

–       Tujuan

1. Orang yang ingin membeli barang atau transaksi lewat internet hanya membutuhkan akses internet dan interfacenya menggunakan web browser.
2. Membangun konsep pasar bukan sekedar tempat jual beli dan sebagai pusat informasi (release, product review, konsultasi, dan lain-lain)
3. Pengelolaan yang berorientasi pada pelayanan, kombinasi konsepsi pelayanan konvensional dan virtual : Responsif (respon yang cepat dan ramah), dinamis, informatif dan komunikatif.

–       Jenis

1. Business to consumer (B2C) : pelanggan berhubungan langsung dengan produsen/ pabrik, menghindari perantara.
2. Business to business (B2B)  : Pesertanya terdiri dari produsen-produsen
3. Consumer to consumer (C2C) :Pesertanya adalah individu, dengan satu pihak sebagai pembeli dan pihak lainnya sebagai penjual.

–       Model proses dalam E-commerce

1. Pencarian dan identifikasi
2. Seleksi dan negosiasi
3. Pembayaran produk dan jasa secara elektronik
4. Produk dan jasa pengiriman
5. Layanan after-sales

–       3 komponen penting penentu keberhasilan e-commerce :

1. Content
2. Commerce
3. Comunity

–       E-commerce software :

1. Catalog management
2. Product configuration
3. Shopping cart facilities
4. E-commerce transaction processing
5. Web traffic data analysis

–       Sistem pembayaran elektronik :

• Digital certificate
• Certificate authority (CA)
• Secure Sockets Layer (SSL)
• Eletronic cash
• Electronic wallet

–       Penipuan

• Phising
• Penipuan pelelangan online
• Spam
• Pyramid schemes
• Investment fraud
• Stock sams

–       Invasi terhadap privasi konsumen

1. Online profiling
2. Clickstream data
3. Safe harbor priciples

–       Kelebihan E-commerce :

1. Menurunkan biaya operasionalm menaikkan profit
2. Mengurangi penggunaan waktu, meningkatkan produktivitas
3. Meningkatkan layanan ke pelanggan (untuk beberapa kasus)
4. Fleksibilitas, pembeli dapat berbelanja tanpa terbatas kondisi ruang dan waktu

–       Kekurangan E-commerce :

1. Membutuhkan keahlian komputer
2. Resiko kebocoran data personal
3. Berdasarkan pada kepercayaan (terkadang meragukan)
4. Kehilangan kesempatan bisnis karena gangguan pelayanan

–       Tips memproteksi privasi saat online :

1. Jangan pernah memberikan nformasi pribadi, terutama nomor identitas anda
2. Sebelum registrasi ke sebuah website periksa dulu kebijakan privasinya
3. Berhati-hatilah dalam mengirim e-mail, mengirim pesan ke group, atau berbicara di chat room
4. Update software browser anda
5. Pertimbangan untuk membeli digital ID untuk mennggantikan informasi asli anda

–