Archives

Fuzzy Logic untuk Pengering Biji Kakao

Download!!!

Read More..
Category:   Leave a Comment
Prediksi

Download!!!

Read More..
Category:   Leave a Comment
Pengenalan Pola

Download!!

Read More..
Category:   Leave a Comment
Tugas Multilayer

Soal :

Anda diminta untuk membuat JST untuk menirukan fungsi berikut:


Suatu fungsi dengan 5 masukan dan 3 keluran


  • Tentukan berapa layer yang ada gunakan? Serta berapa neuron pada setiap layernya? Gambarkan interkoneksinya ?
  • Tuliskan semua notasinya ?
  • Berapa jumlah seluruh bobot yg akan diatur ?
  • Tuliskan pers matematiknya?


Jawab :

3 Layer ; Layer Input = 5 Neuron, Layer Hidden = 3 Neuron, Layer Output = 3 Neuron

Gambar Interkoneksi multilayer dan Notasinya




Input :
P1=1, P2=0, P3=1, P4=0, P5=1

Bobot Hidden Layer :
W11, W12, W13, W14, W15 = 1
W21, W22, W23, W24, W25 = -1
W31, W32, W33, W34, W35 = -1

Bobot Output Layer :
V11, V12, V13 = 1
V21, V22, V23 = -1
V31, V32, V33 = -1

Persamaan Matematis dalam Excel :

Download Excel

Read More..
Category:   Leave a Comment
Tugas 3 Multilayer Perceptron

Perceptron dapat digunakan untuk memecahkan suatu masalah fungsi Logika AND dan OR. Namun ternyata saat digunakan untuk memecahkan fungsi XOR maupun XNOR, hal itu tidak dapat dilakukan dengan percerptron layer tunggal. 
Oleh sebab itu, dalam menecahkan permasalahan tersebut digunakan Perceptron Multilayer.

Download Program Multilayer Percetron

Read More..
Category:   Leave a Comment
Tugas 2

Tugas :
Buat program dengan menggunakan excel atau bhs pemrograman lainya untuk menirukan fungsi perseptron. Perlihatkan contoh pelatihan perseptron untuk mengenali fungsi logika and,or,exor and xnor
Langkah - Langkah:
Pertama - Inisialisasi Awal
Menentukan masukan  x1dan x2 dalam tabel kebenaran.
Menentukan bobot w1 , w2 dengan interval antara [-0,5  --  0,5].     misal : w1 (1) = 0,3  dan w2 (2)  =  0,1
Menentukan Bias (b).  Misal (b) = 0,2
Menentukan Kecepatan Pembelajaran ( n ) .    Misal n = 0,1

Kedua - Menghitung Output
Output (a)  = [(x1 . w1) + (x2 . w2)] - b
Menentukan Fungsi Hardlimit ( 0 / 1 ).   a>=0 bernilai 1 ;  a<0 bernilai 0
Menentukan Fungsi Sebenarnya secara logika sesuai gerbang yang digunakan dalam tabel kebenaran.

Ketiga - Menghitung error
Error (e) = Fungsi sebenarnya - fungsi hardlimit


Keempat - Mengupdate Bobot tiap Iterasi
Bobot Baru = Bobot Lama + Penambahan Bobot
Penambahan Bobot = n * xi * e    .    Dimana : n = kecepatan pembelajaran, x = input 1 atau 2, e = error


Kelima - Lakukan Iterasi Beberapa Kali untuk mencapai nilai yang mendekati target







Download file Excel Perceptron untuk Logika OR, AND, XOR, dan XNOR
Disini!!!!



Read More..
Category:   Leave a Comment
Tugas Mandiri dan Kelompok

Tugas Kuliah Kecerdasan Buatan

Semester Genap TA 2010/2011   Feb 2011-Juni 2011


Tugas Mandiri

No Tgl Tugas Tgl Selesai Judul Tugas
1 10 Pebruari 2011 17 Pebruari 2011 Membuat pernyataan kesungguhan dalam belajar, jujur dan konsisten dalam bertindak serta membuat jadwal belajar dibuku tulis hardcover
2 17-Feb-2011 24-Feb-2011 Merangkum materi tentang kecerdasan buatan dari blog kelompok
3 3-March-2011 10-March-2011 Membuat multilayer perseptron, tuliskan notasi, hubungan antar koneksi dan menghitung forward dengan memberi nilai bobot, tentukan aktivasi fungsinya
4

Menurunkan fungsi sigmoid dan macam-macam fungsi aktifasi(minimal 3 macam)
5

Merangkum tahapan pembelajaran JST, dan bagaimana JST dapat belajar
6

Merangkum aplikasi-aplikasi JST
7

Merangkum konsep fuzzy logic
8

Merancang aplikasi fuzzy logic




Tugas Kelompok

No Tgl Tugas Tgl Selesai Judul Tugas
1 17-Feb-2011 24-Feb-2011 Membuat blog untuk setiap kelompok, dengan anggota max 5 orang, anggota dipilh sendiri, dengan nama blog untuk kelas b: ai-b-(nama kelompok) nama kelompok singkatan nama depan anggotanya dimulai dari ketua, sekretaris dan angota. nama blog untuk kelas A: ai-A-(nama kelompok). Blog berisi materi pertemuan pertama dan kedua, meliputi, konsep kecerdasan buatan, bidang-bidnag yang termasuk kecerdasan buatan dan aplikasi kecerdasan buatan, semua saduran harus dituliskan referensinya, buat pula anggota berserta tugasnya masing-masing
2 24-Feb-2011 3-March-2011 Buat program dengan menggunakan excel atau bhs pemrograman lainya untuk menirukan fungsi perseptron. Perlihatkan contoh pelatihan perseptron untuk mengenali fungsi logika and,or,exor and xnor
3

Buat program JST, untuk memprediksi suatu perkembanganTerdiri dari: -1. Diagram Alir Program
-2. Masukan dan target yang ingin dicapai (berikut keterangnya)
-3. Tahapan Pembelajaran (inisialisasi awal, learning rate, activation function, dll)
-4. Program
-5. Hasil Program
-6. Kesimpulan
4

Buat program JST, untuk mengenali pola segitiga, segiempat dan lingkaran, terdiri dari: -1.Diagram alir program
-2. Masukan dan target yang ingin dicapai (berikut keterangnya)
-3. Tahapan Pembelajaran (inisialisasi awal, learning rate, activation function, dll)
-4. Program
-5. Hasil Program
-6. Kesimpulan
5

Mencari dan membahas aplikasi JST yang ada didalam literatur or internet ( pengembangan JST yang akan anda buat) Meliputi:
1. Makalah aplikasi JST
2. Pembahsan Kelompok
3. Kesimpulan
6

Makalah Tentang Fuzzy Logic meliputi: 1. Konsep Dasar Fuzzy Logic
2. Blog Diagram Fuzzy Logic Control
3. Keterangan setiap Blok
4. Fuzzification
5. Membership Function
6. Rule base
7. Defuzzicication
7

Merancang fuzzy logic control untuk aplikasi khusus, buat dengan menggunakan matlab, Mulai dari:
1. Spesifikasi Sistem yang akan di rancang
2. masukan dan keluarannya
3. Proses Fuzzification
4. Membership Fungsinya
5. Rule base
6. Proses Defuzzification
7. Kesimpulan
8

Mencari dan membahas aplikasi Fuzzy Logic Control yang ada didalam literatur or internet Meliputi:
1. Makalah Aplikasi Fuzzy Logic Control
2. Pembahaan Kelompok
3. Kesimpulan

Read More..
Category:   Leave a Comment
Logika Berpikir 2 : Mengisi Galon

Terdapat dua buah galon ukuran 3 liter dan 4 liter.
Bagaimana cara memperoleh isi pada salah satu galon tepat 2 liter.????


Jawaban :

1. Isikan air pada galon ukuran 3liter hingga penuh
2. Tuangkan air ke galon ukuran 4liter. Isi galon 3liter (kurang 1liter)
3. Isi kembali galon ukuran 3liter hingga penuh.
4. Tuangkan air ke galon ukuran 4liter untuk memenuhi kekurangan 1liter sebelumnya
5. Sisa air pada galon ukuran 3liter setelan dituangkan adalah " 2 Liter "

Read More..
Logika Berpikir 1 : Desa Kejujuran dan Kebohongan

Terdapat dua buah desa, yakni Desa Kejujuran dimana setiap penduduknya selalu berkata jujur dan desa kebohongan dimana setiap penduduknya akan selalu berkata bohong.
Suatu ketika kita ingin menuju Desa Kejujuran. Di tengah perjalanan, terdapat pertigaan meuju desa kejujuran atau kebohongan.
Kita hanya diperbolehkan bertanya satu kali pada seseorang di pertigaan tersebut. sedangkan kita tidak tahu apakah dia jujur atau berbohong.

Bagaimana cara kita bertanya untuk mengetahui arah ke desa Kejujuran?????

Jawaban ::



"Dapatkah Anda menunjukkan arah menuju Desa Anda??"

Apabila orang tersebut berasal dari Desa Kejujuran, dia pasti akan menunjuk ke arah Desa Kejujuran. Sedangkan apabila dia berasal dari Desa Kebohongan, dia akan menunjukkan arah yang berlawanan dengan asal desanya, dia akan menunjuk desa Kejujuran.
Dengan demikian arah manapun yang ditunjuk oleh orang tersebut akan mengarah ke Desa Kejujuran

Read More..
Bidang – bidang kecerdasan buatan

Beberapa Bidang dalam Kecerdasan Buatan antara lain : 
1.Sistem Pakar
2.Algoritma Genetika
3.Logika Fuzzy
4.Jaringan Syaraf Tiruan
5.Robotika
1. Sistem Pakar 
Sistem pakar adalah suatu program komputer yang dirancang untuk mengambil keputusan seperti keputusan yang diambil oleh seorang atau beberapa orang pakar. Menurut Marimin (1992), sistem pakar adalah sistem perangkat lunak komputer yang menggunakan ilmu, fakta, dan teknik berpikir dalam pengambilan keputusan untuk menyelesaikan masalah-masalah yang biasanya hanya dapat diselesaikan oleh tenaga ahli dalam bidang yang bersangkutan.

Dalam penyusunannya, sistem pakar mengkombinasikan kaidah-kaidah penarikan kesimpulan (inference rules) dengan basis pengetahuan tertentu yang diberikan oleh satu atau lebih pakar dalam bidang tertentu. Kombinasi dari kedua hal tersebut disimpan dalam komputer, yang selanjutnya digunakan dalam proses pengambilan keputusan untuk penyelesaian masalah tertentu. 

Modul Penyusun Sistem Pakar
Suatu sistem pakar disusun oleh tiga modul utama (Staugaard, 1987), yaitu :
  • Modul Penerimaan Pengetahuan Knowledge Acquisition Mode) 
Sistem berada pada modul ini, pada saat ia menerima pengetahuan dari pakar. Proses mengumpulkan pengetahuan-pengetahuan yang akan digunakan untuk pengembangan sistem, dilakukan dengan bantuan knowledge engineer. Peran knowledge engineer adalah sebagai penghubung antara suatu sistem pakar dengan pakarnya
  • ModulKonsultasi(ConsultationMode) 
Pada saat sistem berada pada posisi memberikan jawaban atas permasalahan yang diajukan oleh user, sistem pakar berada dalam modul konsultasi. Pada modul ini, user berinteraksi dengan sistem dengan menjawab pertanyaan-pertanyaan yang diajukan oleh sistem
  • Modul Penjelasan(Explanation Mode) 
Modul ini menjelaskan proses pengambilan keputusan oleh sistem (bagaimana suatu keputusan dapat diperoleh). 
Struktur Sistem Pakar
Komponen utama pada struktur sistem pakar (Hu et al, 1987) meliputi:
  • Basis Pengetahuan (Knowledge Base) 
Basis pengetahuan merupakan inti dari suatu sistem pakar, yaitu berupa representasi pengetahuan dari pakar. Basis pengetahuan tersusun atas fakta dan kaidah. Fakta adalah informasi tentang objek, peristiwa, atau situasi. Kaidah adalah cara untuk membangkitkan suatu fakta baru dari fakta yang sudah diketahui. Menurut Gondran (1986) dalam Utami (2002), basis pengetahuan merupakan representasi dari seorang pakar, yang kemudian dapat dimasukkan kedalam bahasa pemrograman khusus untuk kecerdasan buatan (misalnya PROLOG atau LISP) atau shell sistem pakar (misalnya EXSYS, PC-PLUS, CRYSTAL, dsb. 
  • Mesin Inferensi (Inference Engine) 
Mesin inferensi berperan sebagai otak dari sistem pakar. Mesin inferensi berfungsi untuk memandu proses penalaran terhadap suatu kondisi, berdasarkan pada basis pengetahuan yang tersedia. Di dalam mesin inferensi terjadi proses untuk memanipulasi dan mengarahkan kaidah, model, dan fakta yang disimpan dalam basis pengetahuan dalam rangka mencapai solusi atau kesimpulan. Dalam prosesnya, mesin inferensi menggunakan 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 penalaran. Terdapat tiga tehnik pengendalian yang sering digunakan, yaitu forward chaining, backward chaining, dan gabungan dari kedua tehnik pengendalian tersebut. 
  • Basis Data (Database) 
Basis data terdiri atas semua fakta yang diperlukan, dimana fakta-fakta tersebut digunakan untuk memenuhi kondisi dari kaidah-kaidah dalam sistem. Basis data menyimpan semua fakta, baik fakta awal pada saat sistem mulai beroperasi, maupun fakta-fakta yang diperoleh pada saat proses penarikan kesimpulan sedang dilaksanakan. Basis data digunakan untuk menyimpan data hasil observasi dan data lain yang dibutuhkan selama pemrosesan. 
  • Antarmuka Pemakai (User Interface) 
Fasilitas ini digunakan sebagai perantara komunikasi antara pemakai dengan sistem. Hubungan antar komponen penyusun struktur sistem pakar dapat dilihat pada Gambar di bawah ini :

2.Algoritma genetika
Algoritma Genetika adalah suatu algoritma pencarian yang meniru mekanisme dari genetika alam. Algoritma Genetika ini banyak dipakai pada aplikasi bisnis, teknik maupun pada bidang keilmuan.Algoritma ini dapat dipakai untuk mendapatkan solusi yang tepat untuk masalah optimal dari satu variabel atau multi variabel. Sebelum Algoritma ini dijalankan, masalah apa yang ingin dioptimalkan itu harus dinyatakan dalam fungsitujuan, yang dikenal dengan fungsi fitness. Jika nilai fitness semakin besar, maka sistem yang dihasilkan semakin baik. Operasi yang dilakukan adalah reproduksi, crossover, dan mutasi untuk mendapatkan sebuah solusi menurut nilai fitnessnya.
Selanjutnya konstruksi dasar dari Algoritma Genetika adalah sebagai berikut:
• Pendefinisian Chromosome
• Pendefinisian Fungsi Fitness
• Membangkitkan Sebuah Populasi Awal
• Reproduksi
• Crossover
• Mutasi

Contoh: Aplikasi Algoritma Genetika Untuk Merancang Fungsi Keanggotaan Pada Kendali Logika Fuzzy.



3.Logika Fuzzy
Logika Fuzzy ( logika samar ) merupakan logika yang berhadapan langsung dengan konsep kebenaran sebagian, dimana logika klasik menyatakan bahwa segala hal dapat di ekspresikan dalam binary 0 atau 1. logika fuzzy memungkinkan nilai keanggotaan antara 0 dan 1. Karena alasan diatas maka pada penelitian ini akan dibuat perancangan perangkat lunak dan perangkat keras robot avoider dengan mengunakan aplikasi Fuzzy Logic sebagai kendali system.
Perlu diketahui bahwa Teori Himpunan Samar dan Logika Samar sangat berkembang pesat pada saat ini. Banyak sekali masalah-masalah nyata yang lebih tepat diselesaikan menggunakan Teori Himpunan Samar dan Logika Samar. Banyak sekali muncul teori-teori baru pada saat ini misalnya: Topologi Fuzzy, Analisa Fuzzy, Aljabar Fuzzy (Fuzzy Semi Group, Fuzzy Ring, Fuzzy Group, dan sebagainya.
Logika fuzzy telah lama dikenal dan digunakan dalam berbagai bidang oleh para ahli dan insinyur. Penggunaan logika fuzzy pada awalnya digunakan untuk beberapa bidang, seperti sistem diagnosa penyakit (dalam bidang kedokteran); pemodelan sistem pemasaran, riset operasi (dalam bidang ekonomi); kendali kualitas air, prediksi adanya gempa bumi, klasifikasi dan pencocokan pola (dalam bidang teknik). Penggunaan logika fuzzy dalam bidang sistem daya (power system) juga sudah dilakukan, antara lain dalam analisis kemungkinan, prediksi dan pengaturan beban, identifikasi gangguan pada generator dan penjadwalan pemeliharaan generator.


4. Jaringan Syaraf  Tiruan
Jaringan saraf tiruan (JST) (Bahasa Inggris: artificial neural network (ANN), atau juga disebut simulated neural network (SNN), atau umumnya hanya disebut neural network (NN)), adalah jaringan dari sekelompok unit pemroses kecil yang dimodelkan berdasarkan jaringan saraf manusia. JST merupakan sistem adaptif yang dapat mengubah strukturnya untuk memecahkan masalah berdasarkan informasi eksternal maupun internal yang mengalir melalui jaringan tersebut.
Secara sederhana, JST adalah sebuah alat pemodelan data statistik non-linier. JST dapat digunakan untuk memodelkan hubungan yang kompleks antara input dan output untuk menemukan pola-pola pada data.

Sejarah
Saat ini bidang kecerdasan buatan dalam usahanya menirukan intelegensi manusia, belum mengadakan pendekatan dalam bentuk fisiknya melainkan dari sisi yang lain. Pertama-tama diadakan studi mengenai teori dasar mekanisme proses terjadinya intelegensi. Bidang ini disebut ‘Cognitive Science’. Dari teori dasar ini dibuatlah suatu model untuk disimulasikan pada komputer, dan dalam perkembangannya yang lebih lanjut dikenal berbagai sistem kecerdasan buatan yang salah satunya adalah jaringan saraf tiruan. Dibandingkan dengan bidang ilmu yang lain, jaringan saraf tiruan relatif masih baru. Sejumlah literatur menganggap bahwa konsep jaringan saraf tiruan bermula pada makalah Waffen McCulloch dan Walter Pitts pada tahun 1943. Dalam makalah tersebut mereka mencoba untuk memformulasikan model matematis sel-sel otak. Metode yang dikembangkan berdasarkan sistem saraf biologi ini, merupakan suatu langkah maju dalam industri komputer.

Definisi
Suatu jaringan saraf tiruan memproses sejumlah besar informasi secara paralel dan terdistribusi, hal ini terinspirasi oleh model kerja otak biologis. Beberapa definisi tentang jaringan saraf tiruan adalah sebagai berikut di bawah ini.
Hecht-Nielsend (1988) mendefinisikan sistem saraf buatan sebagai berikut:
"Suatu neural network (NN), adalah suatu struktur pemroses informasi yang terdistribusi dan bekerja secara paralel, yang terdiri atas elemen pemroses (yang memiliki memori lokal dan beroperasi dengan informasi lokal) yang diinterkoneksi bersama dengan alur sinyal searah yang disebut koneksi. Setiap elemen pemroses memiliki koneksi keluaran tunggal yang bercabang (fan out) ke sejumlah koneksi kolateral yang diinginkan (setiap koneksi membawa sinyal yang sama dari keluaran elemen pemroses tersebut). Keluaran dari elemen pemroses tersebut dapat merupakan sebarang jenis persamaan matematis yang diinginkan. Seluruh proses yang berlangsung pada setiap elemen pemroses harus benar-benar dilakukan secara lokal, yaitu keluaran hanya bergantung pada nilai masukan pada saat itu yang diperoleh melalui koneksi dan nilai yang tersimpan dalam memori lokal".
Menurut Haykin, S. (1994), Neural Networks: A Comprehensive Foundation, NY, Macmillan, mendefinisikan jaringan saraf sebagai berikut:
“Sebuah jaringan saraf adalah sebuah prosesor yang terdistribusi paralel dan mempuyai kecenderungan untuk menyimpan pengetahuan yang didapatkannya dari pengalaman dan membuatnya tetap tersedia untuk digunakan. Hal ini menyerupai kerja otak dalam dua hal yaitu: 1. Pengetahuan diperoleh oleh jaringan melalui suatu proses belajar. 2. Kekuatan hubungan antar sel saraf yang dikenal dengan bobot sinapsis digunakan untuk menyimpan pengetahuan.
Dan menurut Zurada, J.M. (1992), Introduction To Artificial Neural Systems, Boston: PWS Publishing Company, mendefinisikan sebagai berikut:
“Sistem saraf tiruan atau jaringan saraf tiruan adalah sistem selular fisik yang dapat memperoleh, menyimpan dan menggunakan pengetahuan yang didapatkan dari pengalaman”.
DARPA Neural Network Study (1988, AFCEA International Press, p. 60) mendefinisikan jaringan syaraf buatan sebagai berikut :
Sebuah jaringan syaraf adalah sebuah sistem yang dibentuk dari sejumlah elemen pemroses sederhana yang bekerja secara paralel dimana fungsinya ditentukan oleh stuktur jaringan, kekuatan hubungan, dan pegolahan dilakukan pada komputasi elemen atau nodes.

5. Robotika
Robotika adalah salah satu wacana teknologi untuk menuju peradaban yang lebih maju. Kebanyakan orang selalu beranggapan bahwa robot adalah kemajuan teknologi yang mampu menggeser tingkah laku seseorang untuk melakukan suatu tindakan. Dengan kemajuan yang pesat, maka kebutuhan akan SDM akan merosot tajam. Layaknya revolusi pada bangsa Eropa.

Sangat disayangkan selali bila titik ikon kemajuan teknologi tersebut tidak seiring dengan cepat nya pemahaman masyarakat pada umumnya yang selalu meng-analogikan robot adalah biang kerok hilangnya tenaga buruh untuk memacu pertumbuhan perekonomian.

Hal ini layaknya dua sisi perbedaan yang tidak akan bisa menyatu sama lain. Tapi bisa dicermati kembali, bila orang pelukis ternama akan tergusur karena kemampuan sebuah robot pelukis yang bisa membuat lukisan yang sama. Sebuah robot yang mampu untuk memahat patung yang hampir mirip pula. Seluruh ilustrasi tersebut memang sepintas robot bisa menguasai semua, tapi sangat disayangkan hasil kerja robot adalah tak lebih dari sebuah alat cetak dan seonggok besi aluminium dan komponen elektronika yang dirakit pada papan PCB. Sebuah lukisan dari Afandi tentunya akan bernilai ratusan juta beda ukuran dengan lukisan robot yang paling-paing laku di jual 10 ribuan di pinggir jalan.

Robot Bukanlah Pemegang Kekuasaan
Istilah robot yang dahulu kala berjulukan Robota, tak lain adalah kata lain dari seorang buruh. Lain halnya dengan seorang manusia yang diciptakan se-sempurna mungkin oleh sang Pencipta. Sampai kapanpun robot adalah pembantu manusia. Bila sang teknokrat menciptakan robot untuk menjadi penguasa dunia, semoga saja dia tidak berumur panjang. Namun robot adalah sarana untuk membangun peradaban yang lebh maju dan memberikan kemudahan bagi manusia sebagai penciptanya. Dengan hasil demikian maka seluruh kajian tentang robotika menjadi lebih memasyarakat diseluruh elemen masyarakat. Dan buakan menjadi momok yang harus ditakuti.

Robotika sebagai Ikon dan Kajian Ke-ilmuan
Robot adalah simbol dari kamajuan dari sebuah teknologi, karena didalam nya mencakup seluruh elemen keilmuan. Elektronika, Mekanika, Mekatronika, Kinematika, Dimamika, dan lain sebagainya. Hal ini menjadi suatu alasan yang sangat tepat untuk mengash ilmu didalam nya. Ikon pendidikan akan menjadi semakin termasyur bila selalu mengutamakan teknologi didalam nya. Sebuah ikon ini sangat penting untuk membangun semangat kemajuan, karena hal ini akan menjadi sebuah patokan awal dari sebuah perjuangan untuk selalu dilanjutkan kepada generasi penerus.

Sumber: 
http://ukyku.files.wordpress.com
http://id.wikipedia.org/wiki/Logika_fuzzy
http://www.scribd.com/doc/9675672/Algoritma-Genetika
http://id.wikipedia.org/wiki/Jaringan_saraf_tiruan
http://www.articlesbase.com/technology-articles/robotika-robotika-732648.html

Tugas Anggota :
Ibnu Nadhir : Mencari Data
Davina Olivia : Mencari Data
Rendi Agung Wijaya : Mengentry Data ke Blog
Ricky Fernando : Mencari Bahan & Mengentry Data ke Blog

Read More..
Category:   2 Comments
Aplikasi Kecerdasan Buatan

Bidang Komputer dan Sains
Para Peneliti kecerdasan buatan telah membuat banyak alat untuk memecahkan beberapa masalah yang dapat dikategorikan paling rumit pada bidang komputer dan sains. Kebanyakan dari penemuan mereka telah diambil alih oleh cabang ilmu komputer dan sains dan tidak lagi menjadi bagian dari bidang ilmu kecerdasan buatan. Namun, bidang ilmu kecerdasan buatan tetap saja sulit untuk dilepaskan dari bidang ilmu ini, dikarenakan banyak bagian dari kecerdasan buatan yang digunakan dalam bidang komputer dan sains ini. Salah satu contohnya adalah konsep jaringan syaraf tiruan yang digunakan untuk mengkalkulasi probabilitas kondisi-kondisi yang akan terjadi pada masa yang akan datang. Beberapa daftar aplikasi yang sebelumnya dikembangkan oleh para peneliti kecerdasan buatan adalah GUI (Graphical User Interface), Kalkulasi koordinat mouse pada layar monitor, manajemen penyimpanan otomatis, pemrograman dinamis serta pemrograman orientasi objek.


Finansial
Pada bidang finansial, penggunaan kecerdasan buatan ditujukan pada pengorganisasian operasi, investasi saham, dan memanajemen properti. Sebuah sistem yang memiliki kecerdasan buatan dapat mengkalkulasi inflasi maupun deflasi yang akan terjadi di masa depan serta dapat mengkalkulasi probabilitas naik turunnya harga saham sehingga dapat digunakan untuk menentukan investasi secara detail. Menggunakan jaringan syaraf tiruan yang dapat mendeteksi adanya perubahan-perubahan harga saham pada masa yang akan datang, membuat sistem kecerdasan buatan ni sangat layak digunakan dalam bidang Finansial.

Kesehatan
Pada bidang kesehatan, sistem kecerdasan buatan telah digunakan, slah satunya adalah algoritma genetika yang memungkinkan simulasi proses evolusi dan rekayasa genetika diuji coba tanpa memerlukan “korban” makhluk hidup. Algoritma ini juga dapat digunakan untuk pencocokan DNA yang sering digunakan dan saat ini mungkin populer untuk mengidentifikasi identitas seseorang. Konsep sistem pakar yang juga merupakan salah satu cabang ilmu dari kecerdasan buatan juga digunakan untuk mendiagnosa penyakit yang diderita oleh pasien sehingga memudahkan kerja dokter.

Industri
Pada bidang Industri penggunaan mesin sudah merupakan hal yang umum. Mesin biasanya digunakan dalam industri untuk pekerjaan yang membahayakan manusia dan yang sulit untuk dilakukan manusia. sebagai contoh memindahkan barang yang mempunyai berat ber ton-ton, pemotongan besi dan baja. bahkan dalam industri manufaktur, pekerjaan yang membutuhkan tingkat ketelitian tinggi dan konsistensi sudah diambil alih oleh mesin. Hal ini dikarenakan manusia mempunyai konsentrasi yang tidak tetap dan stamina yang cepat habis. Kondisi seperti ini yang berbahaya, baik bagi pekerja tersebut, pabrikan, dan konsumen tentunya. Oleh karena itu, sistem kecerdasan buatan telah diimplementasikan secara nyata pada bidang industri ini.
Satu lagi impementasi dari sistem kecerdasan buatan pada bidang industri, yakni Quality Control yang dilakukan menggunakan sistem image processing.

Transportasi
Pada bidang transportasi kecerdasan buatan sudah diimplementasikan pada banyak hal seperti sistem kontrol perpindahan gigi otomatis pada gearbox mobil bertransmisi otomatis yang menggunakan Fuzzy Logic sebagai salah satu cabag ilmu kecerdasan buatan. Penentuan rute tercepat juga dapat dilakukan oleh decision support system yang juga merupakan salah satu cabang dari kecerdasan buatan yang menggunakan GPS sebagai alat bantu navigasinya. Baru-baru ini juga telah dikembangkan sistem kecerdasan buatan yang dapat mengemudi secara otomatis serta melakukan parkir serial tanpa bantuan manusia sama sekali.

Telekomunikasi
Pada Bidang telekomunikasi, sistem kecerdasan buatan juga banyak digunakan antara lain untuk pencarian heuristik tentang tenaga kerja mereka, mengatur penjadwalan puluhan ribu pekerjanya, serta menentukan jumlah gaji sesuai dengan kualitas kerja mereka. Semuanya dilakukan secara otomatis dengan kecerdasan buatan yang telah diimplementasikan ke dalam sistemnya.

Pengembangan Game
Perkembangan Game yang pesat pada masa ini juga membutuhkan sesuatu yang berbeda pada rule permainannya. Sebuah sistem game, jika sudah dimainkan sampai tuntas oleh seorang player, maka ketika player yang sama memulai lagi permainan dari awal, maka rule permainannya akan sama. namun berbeda untuk game-game yang telah ada saat ini. sistem dalam game, dapat belajar mengenali pola permainan dari player dan ketika player tersebut memulai permainan kembali, maka sistem ini akan menggunakan rule yang berbeda untuk pemain yang sama ini. sehingga game menjadi lebih menarik dan menantang untuk dimainkan.

Pengembangan Mainan
Peralatan permainan seperti AIBO dan ASIMO, robot anjing cerdas dan robot yang menyerupai manusia yang dapat berinteraksi dengan manusia menjadi salah satu favorit alat bermain yang telah menggunakan kecerdasan buatan pada sistemnya. AIBO dan ASIMO ini dapat berinteraksi dengan manusia melalui suara, fitur speech recognition di dalamnya, robot ini dapat mengerti apa yang diucapkan manusia dan menanggapinya.

Musik
Evolusi di bidang musik hampir selalu terkena dampak dari tekbologi yang ada pada zamannya. Sebagai contoh, era musik digital yang memungkinkan sebuah suara dapat direkan dan diputar ulang. dengan mengimplementasikan kecerdasan buatan, proses penciptaan komposisi lagu, pemrosesan suara, dan teori-teori tentang musik dapat dilakukan. Pengolahan suara adalah fokus dari pengembangan kecerdasan buatan di bidang music ini.

Militer
Pada bidang militer, teknologi kecerdasan buatan dapat diimplementasikan pada sistem yang mensimulasikan kondisi-kondisi perang yang mungkin akan terjadi di lapangan, mengatur strategi serta mengkalkulasi kemungkinan beberapa strategi terhadap kondisi medan perang secara simultan dan menampilkan hasilnya.

Penerbangan
Simulasi penerbangan pada pelatihan calon pilot sebelum benar-benar terbang dilakukan menggunakan perangkat yang telah mengimplementasikan kecerdasan buatan di dalamnya. perangkat ini dapat memberikan beragam simulasi kondisi penerbangan dengan puluhan variabel yang kompleks. Pelatihan calon pilot menerbangakan pesawat menggunakan simulator ini sangat efisien, selain mengurangi biaya untuk penerbangan yang sebenarnya, resiko kecelakaan para calon pilot juga dapat diminimalisir.

Otomotif
Proses perancangan dan desain chassis serta body otomotif pada saat ini sudah semakin canggih. Computational Fluid Dynamics atau sering disebut dengan CFD saja, telah digunakan dalam proses perancangan dan pengujian. CFD menghitung variabel-variabel yang digunakan dalam perancangan mobil. Salah satunya adalah komputasi aliran arus udara yang melalui mobil dengan ribuan jalur udara yang mengelilingi seluruh body mobil.



Sumber : 
http://weenata.wordpress.com/2010/03/06/aplikasi-kecerdasan-buatan/
http://taminteckom.wordpress.com/2010/12/08/aplikasi-kecerdasan-buatan-ai/

Tugas Anggota :
Ibnu Nadhir : Mencari Data
Davina Olivia : Mencari Data
Rendi Agung Wijaya : Mengentry Data ke Blog
Ricky Fernando : Mencari Bahan & Mengentry Data ke Blog

Read More..
Konsep Kecerdasan Buatan

Definisi Kecerdasan Buatan

• H. A. Simon [1987] :
“ Kecerdasan buatan (artificial intelligence) merupakan kawasan penelitian, aplikasi dan instruksi yang terkait dengan pemrograman komputer untuk melakukan sesuatu hal yang -dalam pandangan manusia adalah- cerdas”
• Rich and Knight [1991]:
“Kecerdasan Buatan (AI) merupakan sebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik oleh manusia.”
• Encyclopedia Britannica:
“Kecerdasan Buatan (AI) merupakan cabang dari ilmu komputer yang dalam merepresentasi pengetahuan lebih banyak menggunakan bentuk simbol-simbol daripada bilangan, dan memproses informasi berdasarkan metode heuristic atau dengan berdasarkan sejumlah aturan”


KONSEP DASAR ARTIFICIAL INTELLIGENCE (AI)
  • Kecerdasan Buatan dapat didefinisikan sabagai cabang Ilmu Komputer yang mempelajari otomatisasi tingkahlaku cerdas (Intelligent).
  • Kecerdasan Buatan dapat memungkinkan komputer untuk berfikir.
  • Kecerdasan Buatan dapat menirukan proses belajar manusia sehingga informasi baru dapat diserap dan digunakan sebagai acuan di masa yang akan datang.
Asumsi Dasar:
Physical Symbol System Hypothesis (PSSH) : Suatu proses pengolahan informasi dapat diasumsikan sebagai pengolahan atau manipulasi simbolsimbol, dimana informasi dilambangkan sebagai simbol-simbol.
Asumsi tersebut melahirkan apa yang dinamakan Symbolic Processing (ditemukan oleh Newell & Simon)
 

Perbedaan antara Kecerdasan Buatan (Komputer) dengan Kecerdasan Alami (Manusia)
Kecerdasan Buatan :
· Bersifat permanen
· Mudah diduplikasi dan disebarluaskan
· Dapat lebih murah daripada manusia cerdas
· Konsisten dan menyeluruh
· Dapat didokumentasikan
Kecerdasan Alami :
· Bersifat kreatif
· Menggunakan pengalaman panca indra secara langsung
· Menalar berdasarkan pemahaman yang luas dari pengalaman
· Memiliki tingkat ketrampilan yang luas mulai dari pemula, pemula lanjut, kompeten, profisien, dan ahli (expert)

Tujuan dari kecerdasan buatan menurut Winston dan Prendergast [1984]:
1. Membuat mesin menjadi lebih pintar (tujuan utama)
2. Memahami apa itu kecerdasan (tujuan ilmiah)
3. Membuat mesin lebih bermanfaat (tujuan entrepreneurial)

AI dapat dipandang dalam berbagai perspektif.
• Dari perspektif Kecerdasan (Intelligence)
AI adalah bagaimana membuat mesin yang “cerdas” dan dapat melakukan hal-hal yang sebelumnya dapat dilakukan oleh manusia • Dari perspektif bisnis, AI adalah sekelompok alat bantu (tools) yang berdaya guna, dan metodologi yang menggunakan tool-tool tersebut guna menyelesaikan masalah-masalah bisnis.
• Dari perspektif pemrograman (Programming), AI termasuk didalamnya adalah studi tentang pemrograman simbolik, pemecahan masalah, proses pencarian (search)
o Umumnya program AI lebih fokus pada simbol-simbol daripada pemrosesan numerik (huruf, kata, angka untuk merepresentasikan obyek, proses dan hubungannya).
o Pemecahan masalah -> pencapaian tujuan
o Search -> jarang mengarah langsung ke solusi. Proses search menggunakan beberapa teknik.
o Bahasa pemrograman AI :
§ LISP, dikembangkan awal tahun 1950-an, bahasa pemrograman pertama yang diasosiasikan dengan AI.
§ PROLOG, dikembangkan pada tahun 1970-an.
§ Bahasa pemrograman berorientasi obyek (Object Oriented Programming (Objective C, C++, Smalltalk, Java)
• Dari perspektif penelitian (research)
o Riset tentang AI dimulai pada awal tahun 1960-an, percobaan pertama adalah membuat program permainan (game) catur, membuktikan teori, dan general problem solving (untuk tugas-tugas sederhana)
o “Artificial intelligence” adalah nama pada akar dari studi area.

Keuntungan Kecerdasan Buatan :
1. Kecerdasan buatan lebih bersifat permanen. Kecerdasan alami akan cepat mengalami perubahan. Hal ini dimungkinkan karena sifat manusia yang pelupa. Kecerdasan buatan tidak akan berubah sepanjang sistem komputer dan program tidak mengubahnya.
2. Kecerdasan buatan lebih mudah diduplikasi dan disebarkan. Mentransfer pengetahuan manusia dari satu orang ke orang lain butuh proses dan waktu lama. Disamping itu suatu keahlian tidak akan pernah bisa diduplikasi secara lengkap. Sedangkan jika pengetahuan terletak pada suatu sistem komputer, pengetahuan tersebuat dapat ditransfer atau disalin dengan mudah dan cepat dari satu komputer ke komputer lain
3. Kecerdasan buatan lebih murah dibanding dengan kecerdasan alami. Menyediakan layanan komputer akan lebih mudah dan lebih murah dibanding dengan harus mendatangkan seseorang untuk mengerjakan sejumlah pekerjaan dalam jangka waktu yang sangat lama.
4. Kecerdasan buatan bersifat konsisten. Hal ini disebabkan karena kecerdasan buatan adalah bagian dari teknologi komputer. Sedangkan kecerdasan alami senantiasa berubah-ubah.
5. Kecerdasan buatan dapat didokumentasikan. Keputusan yang dibuat komputer dapat didokumentasikan dengan mudah dengan melacak setiap aktivitas dari sistem tersebut. Kecerdasan alami sangat sulit untuk direproduksi.
6. Kecerdasan buatan dapat mengerjakan pekerjaan lebih cepat dibanding dengan kecerdasan alami
7. Kecerdasan buatan dapat mengerjakan pekerjaan lebih baik dibanding dengan kecerdasan alami.

Sumber :
wsilfi.staff.gunadarma.ac.id/Downloads/files/4338/1-AI.pdf
http://rehulina.wordpress.com/2009/08/05/pengertian-kecerdasan-buatan/
http://journal.mercubuana.ac.id/data/KONSEP_DASAR_AI.pdf



Tugas Anggota :
Ibnu Nadhir : Mencari Data
Davina Olivia : Mencari Data
Rendi Agung Wijaya : Mengentry Data ke Blog
Ricky Fernando : Mencari Bahan & Mengentry Data ke Blog

Read More..
Category:   1 Comment
Identitas Kelompok

NAMA KELOMPOK :

KETUA
IBNU NADHIR
(0915031012)  


SEKRETARIS
DAVINA OLIVIA
(0915031030)
 
ANGGOTA 1
RENDI AGUNG WIJAYA
(0915031069)
 
ANGGOTA 2
RICKY FERNANDO BADJIDEH
(0610310105)
 
ANGGOTA 3
ROBBY SWANDANU
(0615031022)

Read More..
Category:   1 Comment