Menyelesaikan Masalah Melalu Proses Pencarian/Searching

1.) Agen Pemecah Permasalahan

      Dalam membangun sebuah sistem AI, perlu dipertimbangkan 4 hal, yaitu:
1. Mendefinisikan masalah dengan tepat. Pendefinisian ini mencakup deskripsi masalah dengan baik
2.Menganalisis masalah tersebut serta mencari beberapa teknik penyelesaian masalah yang sesuai
3. Mempresentasikan pengetahuan yang perlu untuk menyelesaikan masalah tersebut
4. Memilih teknik penyelesaian masalah terbaik.

      Dalam menentukan teknik penyelesaian terbaik dalam AI memang tidak mudah, untuk itu ada beberapa teknik penyelesaian masalah yang perlu kita pahami, antara lain:

1. Searching

Teknik penyelesaian masalah yang mempresentasikan masalah kedalam ruang keadaan (state) dan secara sistematis melakukan pembangkitan dan pengujian state-state dari initial state sampai ditemukan suatu goal state.


2. Reasoning

Teknik penyelesaian masalah yang mempresentasikan masalah kedalam logic (Mathematical Tools yang digunakan untuk merepresentasikan dan memanipulasi fakta dan aturan)


3. Planning

Memecah masalah dalam sub-sub masalah yang lebih kecil, menyelesaikan sub-sub masalah satu demi satu, kemudian menggabungkan solusi-solusi dari sub masalah tersebut menjadi sebuah solusi lengkap.


4. Learning

Program komputer yang secara otomatis sanggup belajar dan meningkatkan performancenya melalui pengalaman

2.) Pencarian Sebagai Solusi Pemecahan Masalah

      Metode pencarian dikatakan penting untuk solusi menyelesaikan permasalahan karean setiap keadaan menggambarkan langkah langkah untuk menyelesaikan permasalahan.Metode pencarian dikatakan penting untuk perencanaan karena dalam sebuah permainan akan menentukan apa yang harus dilakukan,dimana setiap keadaan menggambarkan kemungkinan posisi pada suatu saat.


3.) Strategi Pencarian yang tidak berbentuk/uniformed search strategi

   Blind Searching adalah model pencarian buta atau pencarian yang tidak memiliki inforamasi awal, model pencarian ini memiliki tiga ciri – ciri utama yaitu:

- Membangkitkan simpul berdasarkan urutan
- Kalau ada solusi maka solusi akan ditemukan
- Hanya memiliki informasi tentang node yang telah dibuka (node selanjutnya tidak diketahui).

• Breadth-First search

          Breadth-first search adalah algoritma yang melakukan pencarian secara melebar yang mengunjungi simpul secara preorder yaitu mengunjungi suatu simpul kemudian mengunjungi semua simpul yang bertetangga dengan simpul tersebut terlebih dahulu. Selanjutnya, simpul yang belum dikunjungi dan bertetangga dengan simpulsimpul yang tadi dikunjungi , demikian seterusnya.

          Algoritma ini memerlukan sebuah antrian q untuk menyimpan simpul yang telah dikunjungi. Simpul simpul ini diperlukan sebagai acuan untuk mengunjungi simpul-simpul yang bertetanggaan dengannya. Tiap simpul yang telah dikunjungu masuk ke dalam antrian hanya satu kali. Algoritma ini juga membutuhkan table Boolean untuk menyimpan simpul yang te lah dikunjungi sehingga tidak ada simpul yang dikunjungi lebih dari satu kali.

Untuk memperjelas cara kerja algoritma BFS beserta antrian yang digunakannya, berikut langkah-langkah algoritma BFS:
a.Masukkan simpul ujung (akar) ke dalam antrian
b.Ambil simpul dari awal antrian, lalu cek apakah simpul merupakan solusi
c.Jika simpul merupakan solusi, pencarian selesai dan hasil dikembalikan.
d,Jika simpul bukan solusi, masukkan seluruh simpul yang bertetangga dengan simpul tersebut (simpul anak) ke dalam antrian
e.Jika antrian kosong dan setiap simpul sudah dicek, pencarian selesai dan mengembalikan hasil solusi tidak ditemukan
f.Ulangi pencarian dari langkah kedua

Maka penyelesaiannya adalah:

Gambar (a) BFS(1): 1, 2, 3, 4, 5, 6, 7, 1.

Gambar (b) BFS(1): 1, 2, 3, 4, 5, 6, 7, 1

Gambar (c) BFS(1): 1, 2, 3, 4, 5, 6, 7, 8, 9

• Uniform Cost Search

           Adalah algoritma Seach Tree (graph) yang digunakan untuk menyelesaikan beberapa persoalan . Algoritma ini memulai pencarian dari root node, kemudian dilanjutkan ke node-node selanjutnya. Dimana node tersebut dipilih yang memilki harga (cost) terkecil dari root node. Algoritma ini merupakan modifikasi dari Bread First Search (BFS).

            Dalam implementasi algoritma ini , melibatkan semua node yang berhubungan dengan root node, dan meletakannya dalam priority queue untuk mencapai node tujuan. Dimana node – node yang dipilih merupakan node yang berharga terkecil.

Ilustrasi jalannya algoritma Uniform Cost Search dapat digambarkan sebagai berikut :

• Depth First Search

          Adalah salah satu algoritma yang digunakan untuk pencarian jalur. Contoh yang dibahas kali ini adalah mengenai pencarian jalur yang melalui semua titik. Algoritma ini mirip dengan Algoritma BFS (Breadth First Search) yang sudah dijelaskan sebelumnya. Jika Algoritma BFS (Breadth First Search) melakukan perhitungan secara terurut dari urutan pertama sampai urutan terakhir, maka algoritma ini melakukan kebalikannya, yaitu melakukan perhitungan secara terurut dari urutan terakhir. Setelah menghabiskan semua kemungkinan dari titik terakhir, barulah mundur ke titik-titik sebelumnya sampai pada titik pertama. 

• Depth Limited Search

          Adalah salah satu algoritma yang digunakan untuk pencarian jalur. Contoh yang dibahas kali ini adalah mengenai pencarian jalur yang melalui semua titik.

          Algoritma ini merupakan variasi dari Algoritma DFS (Depth First Search) yang sudah dijelaskan sebelumnya. Jika Algoritma DFS (Depth First Search) melakukan perhitungan (yang dimulai dengan titik terakhir) dengan cara menghabiskan semua tingkatan / kedalaman dari sebuah titik, maka algoritma ini memiliki batasan dimana perhitungan pada sebuah titik hanya dihitung sampai pada kedalaman tertentu. Setelah semua kemungkinan pada kedalaman itu sudah habis, kemudian akan dilanjutkan pada titik berikutnya.

• Bidirectional Search

          Pencarian dengan metode bidirectional search adalah dengan menjalankan dua pencarian, pencarian maju (dari start ke goal) dan pencarian mundur (dari goal ke start). Ketika dua arah pencarian telah membangkitkan simpul yang sama, maka solusi telah ditemukan, yaitu dengan cara menggabungkan kedua jalur yang bertemu.

• Iterative Deeping Depts Search

         Metode Iterative Deepening A* Iterative-Deepening A* (IDA*) search algorithm adalah pengembangan dari A*search algorithm yang dikombinasikan dengan iterative deepening search. IDA* search algorithm merupakan best-first searches yang optimal dalam hal solution cost, time, dan space. Prinsip algoritma iterative deepening search adalah melakukan depth-limited search secara bertahap dengan nilai l yang incremental . Contoh cara kerja iterative deepening search dapat dilihat pada gambar di bawah ini:

Sumber : 

https://onbuble.wordpress.com/2011/05/26/6/

https://banyurachman.wordpress.com/2015/09/21/sekilas-tentang-uniform-cost-search-iterative-deepening-search/

https://piptools.net/algoritma-dfs-depth-first-search/

https://piptools.net/algoritma-dls-depth-limited-search/

http://najibzot.blogspot.co.id/p/teknik-searching-kecerdasan-buatan-di.html

http://rosyid.lecturer.pens.ac.id/kecerdasaran%20komputasional/Bab%204%20Algoritma%20Pencarian.pdf

http://tiindonesia.blogspot.co.id/2013/02/teknik-pemecahan-masalah-dalam-ai.html

http://jakaseptiadi.blogspot.co.id/2015/09/bi-directional-search-bds-depth-limited.html

Pengenalan Teknologi Sistem cerdas

1.) Pengertian Kecerdasan Buatan

      Kecerdasan buatan/ Articial Intelligence yang ditambahkan kepada suatu sistem yang dapat diatur dalam konteks ilmiah. Sistem seperti ini umumnya dianggap komputer.Tujuan dari Artificial Intelligence (AI) / Kecerdasan Buatan adalah bagaimana membuat sebuah mesin bisa berfikir sama halnya dengan manusia yang bisa berfikir. AI digunakan untuk menjawab problem yang tidak dapat diprediksi dan tidak bersifat algoritmik atau prosedural. Kecerdasan diciptakan dan dimasukkan ke dalam suatu mesin (komputer) agar dapat melakukan pekerjaan yang kita inginkan. Beberapa macam bidang yang menggunakan kecerdasan buatan antara lain sistem pakar, games, robotika.

      Adapun perbedaan antara kecerdasan buatan dengan kecerdasan alami adalah kecerdasan buatan lebih bersifat permanen, sedangkan kecerdasan alami dapat berubah (hal ini karena sifat manusia yang pelupa). Kecerdasan buatan lebih mudah disalin dan dipindah daripada kecerdasan alami. Menyediakan layanan computer lebih mudah dan murah daripada mendatangkan seseorang untuk mengerjakan sejumlah pekerjaan dalam waktu yang sangat lama. Kecerdasan buatan bersifat konsisten karena merupakan bagian dari teknologi computer, sedangkan kecerdasan alami dapat berubah-ubah.


2.) Bidang Ilmu yang dijadikan Dasar Kecerdasan Buatan

     Untuk di zaman era modern seperti sekarang ini,kebanyakan yang dijadikan dasar ilmu kecerdasan buatan adalah ilmu komputer,tetapi tidak menutup kemungkinan bidang bidang lain tidak luput dijadikan dasar pembuatan kecerdasan buatan. Karena dalam bidang komputer memegang peranan penting disaat kita menginginkan sesuatu yang seperti kita mau,kita dapat menggunakan komputer sebagai alatnya. Bisa kita ambil contoh seperti robot robot yang telah dibuat dan diprogram sedemikian rupa agar dapat mengerjakan sesuatu atau menjalankan perintah.Kemudian ada alat alat otomatis maupun sensor sensor yang terdapat disekitar kita itu juga karena adanya kemajuan di bidang teknologi,dimana sang pembuat atau programer dapat mengembangkan atau membuat karyanya.

• Bidang Pertanian

Pada bidang Pertanian, dibuat untuk memprediksi kerusakan pada apel yang disebabkan oleh ulat dan memberikan konsultasi untuk mendiagnosa kerusakan pada buah apel dengan menggunakan pengetahuan tentang gejala kerusakan dan lingkungan tanaman.

• Bidang Elektronik 

 Pada bidang Elektronik, dibuat untuk mengidentifikasi masalah pada jaringan televisi, untuk simulasi perancangan DLC (digital logic circuits) dan mengajari pelajar bagaimana cara mengatasi masalah pada sirkuit elektronik.

• Bidang Militer

Pada bidang Militer, dibuat untuk membantu menganalisa perkiraan situasi pertempuran dengan radar memberikan interpretasi taktik laporan sensor intelijen dan memberikan rekomendasi alokasi senjata kepada komandan militer pada saat situasi perang.




3.) Sejarah Kecerdasan Buatan

      Pada awal abad 17, René Descartes mengemukakan bahwa tubuh hewan bukanlah apa-apa melainkan hanya mesin-mesin yang rumit. Blaise Pasal menciptakan mesin penghitung digital mekanis pertama pada 1642. Pada 19, Charles Babbage dan Ada Lovelace bekerja pada mesin penghitung mekanis yang dapat diprogram.

      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 program permainan catur yang ditulis oleh Dietrich Prinz. John McCarthy membuat istilah "kecerdasan buatan " pada konferensi pertama yang disediakan untuk pokok persoalan ini, pada 1956. Dia juga menemukan bahasa pemrograman Lisp. Alan Turing memperkenalkan "Turing test" sebagai sebuah cara untuk mengoperasionalkan test perilaku cerdas. Joseph Weizenbaum membangun ELIZA, sebuah chatterbot yang menerapkan psikoterapi Rogerian.

      Selama tahun 1960-an dan 1970-an, Joel Moses mendemonstrasikan kekuatan pertimbangan simbolis untuk mengintegrasikan masalah di dalam program Macsyma, program berbasis pengetahuan yang sukses pertama kali dalam bidang matematika. Marvin Minsky dan Seymour Papert menerbitkan Perceptrons, yang mendemostrasikan batas jaringan 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 sebagai sistem pakar pertama. Hans Moravec mengembangkan kendaraan terkendali komputer pertama untuk mengatasi jalan berintang yang kusut secara mandiri.
Pada tahun 1980-an, jaringan syaraf digunakan secara meluas dengan algoritma perambatan balik, pertama kali diterangkan oleh Paul John Werbos pada 1974. Pada tahun 1982, para ahli fisika seperti Hopfield menggunakan teknik-teknik statistika untuk menganalisis sifat-sifat penyimpanan dan optimasi pada jaringan syaraf. Para ahli psikologi, David Rumelhart dan Geoff Hinton, melanjutkan penelitian mengenai model jaringan syaraf pada memori. Pada tahun 1985-an sedikitnya empat kelompok riset menemukan kembali algoritma pembelajaran propagansi balik (Back-Propagation learning). Algoritma ini berhasil diimplementasikan ke dalam ilmu komputer dan psikologi. Tahun 1990-an ditandai perolehan besar dalam berbagai bidang AI dan demonstrasi berbagai macam aplikasi. Lebih khusus Deep Blue, sebuah komputer permainan catur, mengalahkan Garry Kasparov dalam sebuah pertandingan 6 game yang terkenal pada tahun 1997. DARPA menyatakan bahwa biaya yang disimpan melalui penerapan metode AI untuk unit penjadwalan dalam Perang Teluk pertama telah mengganti seluruh investasi dalam penelitian 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 dimana kendaraan dikemudikan sendiri tanpa komunikasi dengan manusia, menggunakan GPS, komputer dan susunan sensor yang canggih, melintasi beberapa ratus mil daerah gurun yang menantang.


4.) Agen Intelejen

Segala sesuatu yang dapat dipandang menangkap lingkungan melalui efektor. Sensor adalah bagian yang merangsang tindakan agen, sedangkan efektor adalah bagian yang di gunakan oleh agen untuk melakukan tindakan.

• Agen dan Lingkungannya

          Agen yang berupa perangkat lunak, atau bisa disebut agen cerdas, adalah perangkat lunak yang dapat bertindak seperti orang yang mampu berinteraksi dengan lingkungan. Contoh:

·Agen sistem operasi : Agen sistem operasi digunakan untuk membantu penggunaan sistem operasi digunakan untuk membantu penggunaan sistem operasi. Contoh, microsoft memiliki sejumlah agen yang dinamakan wizard pada sistem operasi yang di buatnya; misalnya Windows NT.

· Agen spreadheet : Agen spreadsheet digunakan untuk membuat program spreadsheet menjadi lebih mudah digunakan oleh pemakai. Contoh, Office Assistant pada excel dapat “mengamati” pemakaidan jika terjadi sesuatu yang perlu untuk dibantu, agen cerdas akan memberikan saran.

· Agen perdagangan elektronis :Agen untuk perdagangan elektronis digunakan untuk membantu pemakai yang akan melakukan belanja secara online.

• Konsep Rasionalitas 

 Dalam kecerdasan buatan / Intelejen agen adalah entitas otonom yang mengamati dan mengerjakan sesuatu hal dengan benar.

• Lingkungan Alami 

 Pengertian Agent adalah segala sesuatu yang dapat sebagaimana yang mengamati lingkungan alami di sekitarnya melalui sensor dan bertindak atas lingkungan yang melalui efektor.Contoh :

Agen Manusia : memiliki mata,telingan,dan organ lain untuk sensor dan tangan,kaki sebagai efektor

• Struktur Agen Tugas 

AI adalah untuk merancang sebuah agent yaitu sebuah fungsi yang mengimplementasikan pemetaan agen dari persepsi terhadap tindakan.Program akan berjalan pada perangkat komputasi yang disebut arsitektur. Arsitektur membuat persepsi dari sensor yang tersedia untuk menjalankan program dan umpan pilihan program aksi terhadap efektor seperti yang dihasilkan. Hubungan antara agen,arsitektur, dan program dapat disimpulkan :

- Mapping : Hubungan antara Percepts dan action.
- Tugas dari AI adalah men-design Agent Program : sebuah function yang mengimplementasikan agent mapping dari percepts dari sensor,menjalan program,melakukan aksi yang dipilih action ke effectors.
-Agent : Architecture + Program






























Sumber :
https://id.wikipedia.org/wiki/Kecerdasan_buatan
Abdiansah - artikelilmiah.com

http://elektro-unimal.blogspot.co.id/2013/05/perbedaan-kecerdasan-buatan-dan.html
http://tekomp13unpad.blogspot.co.id/2013/09/kecerdasan-buatan.html