Definisi Kecerdasan Buatan

 “ Kecerdasan buatan (artificial intelligence) merupakan bagian dari ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia. “ Kusumadewi [2003]: artificial intelligence.

Tujuan Kecerdasan Buatan

Kecerdasan buatan dapat membantu meringankan beban kerja manusia misalnya dalam membuat keputusan, mencari informasi secara lebih akurat, atau membuat komputer lebih mudah digunakan dengan tampilan yang mudah dipahami. Kecerdasan didapat berdasarkan pengetahuan dan pengalaman, untuk itu agar perangkat lunak yang dikembangkan dapat mempunyai kecerdasan maka perangkat lunak tersebut harus diberi suatu pengetahuan dan kemampuan untuk menalar dari pengetahuan yang telah didapat dalam menemukan solusi atau kesimpulan layaknya seorang pakar dalam bidang tertentu yang bersifat spesifik. Dua  bagian utama yg dibutuhkan untuk aplikasi kecerdasan buatan :

1.             Basis pengetahuan (knowledge base): berisi fakta-fakta, teori, pemikiran & hubungan antara satu dengan lainnya. Pengetahuan pun merupakan informasi terorganisasi dan teranalisis agar bisa lebih mudah dimengerti dan bisa diterapkan pada pemecahan masalah dan pengambilan keputusan.

2.             Motor inferensi (inference engine) : kemampuan menarik kesimpulan berdasarkan pengalaman serta pertimbangan yang didasarkan pada fakta dan hubungan-hubungannya yang terkandung dalam basis pengetahuan.

Dengan basis pengetahuan dan kemampuan untuk menarik kesimpulan melalui pengalaman (inferensi), komputer dapat disejajarkan sebagai alat bantu yang bisa digunakan secara praktis dalam memecahkan masalah dan pengambilan keputusan.

      Dengan teknik pelacakan basis pengetahuan untuk mencari fakta dan hubungannya yang relevan, komputer bisa mencapai satu atau lebih solusi alternatif pada masalah yang diberikan. Basis  pengetahuan komputer dan kemampuan inferensi telah meningkatkan daya guna komputer bagi manusia. Kecerdasan buatan telah memberikan suatu kemampuan baru kepada komputer untuk memecahkan masalah yang lebih besar dan lebih luas, tidak hanya terbatas kepada soal-soal perhitungan, penyimpanan, dan pengambilan data atau pengendalian yang sederhana. 

Konsep Kecerdasan Buatan

Ada beberapa konsep yang harus dipahami dalam kecerdasan buatan, yaitu:

1.        Turing test- Metode pengujian kecerdasan

Turing test marupakan sebuah metode pengujian kecerdasan yang dibuat oleh Alan Turing. Proses uji ini melibatkan seseorang penanya (manusia) dan dua obyek yang ditanyai. Yang satu adalah seorang manusia dan satunya adalah sebuah mesin yang akan diuji. Penanya diminta untuk membedakan mana jawaban manusia berdasarkan jawaban kedua obyek tersebut. Jika penanya tidak dapat membedakan mana jawaban mesin dan mana jawaban manusia maka Turing berpendapat bahwa mesin yang diuji tersebut dapat diasumsikan cerdas.

2.        Pemrosesan simbolik

Komputer semula didesain untuk memproses bilangan/ angka-angka (pemrosesan numeric). Sementara manusia dalam berpikir dan menyelesaikan masalah lebih bersifat simbolik, tidak didasarkan pada sejumlah rumus atau melakukan komputasi matematis. Sifat penting dari AI merupakan bagian dari ilmu komputer yang melakukan proses secara simbolik dan non-simbolik dalam penyelesaian masalah.

3.        Heuristik

Istilah heuristik diambil dari bahsa Yunani yang berarti menemukan. Heuristik merupakan suatu strategi untuk melakukan proses pencarian (search) ruang problem secara selektif, yang memandu proses pencarian yang kita lakukan di sepanjang jalur yang memiliki kemungkinan sukses paling besar.

4.        Penarikan kesimpulan

AI mencoba membuat mesin memiliki kemampuan berpikir atau mempertimbangkan (reasoning). Kemampuan berpikir (reasoning) termasuk didalamnya proses penarikan kesimpulan (inferencing) berdasarkan fakta-fakta dan aturan dengan menggunakan metode heuristik atau metode pencarian lainnya.

5.        Pencocokan pola (Pattern matching)

AI bekerja dengan metode pencocokan pola (Pattern matching) yang berusaha untuk menjelaskan obyek, kejadian (events) atau proses, dalam hubungan logika atau komputasional.

 Representasi Pengetahuan

Pengetahuan merupakan kemampuan untuk membentuk model mental yang menggambarkan obyek dengan tepat dan merepresentasikannya dalam aksi yang dilakukan terhadap suatu obyek (Martin dan Oxman, 1988).

Agar pengetahuan dapat digunakan dalam sistem, pengetahuan harus direpresentasikan dalam format tertentu yang kemudian dihimpun dalam suatu basis pengetahuan. Cara sistem pakar merepresentasikan pengetahuan akan mempengaruhi perkembangan, efisiensi, dan perbaikan sistem. Representasi pengetahuan merupakan metode yang digunakan untuk mengodekan pengetahuan dalam sebuah sistem pakar yang berbasis pengetahuan. Perepresentasian dimaksudkan untuk menangkap sifat-sifat penting problema dan membuat informasi itu dapat diakses oleh prosedur pemecahan masalah.

Pengetahuan dapat direpresentasikan dalam bentuk yang sederhana atau kompleks, tergantung dari masalahnya (Schnupp, 1989). Beberapa model representasi pengetahuan yang penting, adalah: logika (logic), jaringan semantik (semantic network), object-atributte-value (OAV), bingkai (frame) dan kaidah produksi (production rule).

Kaidah Produksi (Production Rule)

Kaidah menyediakan cara formal untuk merepresentasikan rekomendasi, arahan, atau strategi. Kaidah produksi dituliskan dalam bentuk jika-maka (if-then). Kaidah if-then menghubungkan anteseden (antecedent) dengan konskuensi yang diakibatkannya. Berbagai struktur kaidah if-then yang menghubungkan obyek atau atribut adalah sebagai berikut:

JIKA premis MAKA konklusi

JIKA masukan MAKA keluaran

JIKA kondisi MAKA tindakan

JIKA anteseden MAKA konsekuen

JIKA data MAKA hasil

JIKA tindakan MAKA tujuan

Premis mengacu pada fakta yang harus benar sebelum konklusi tertentu dapat berubah. Masukan mengacu pada data yang harus tersedia sebelum keluaran dapat diperoleh. Kondisi mengacu pada keadaan yang harus berlaku sebelum tindakan dapat diambil. Anteseden mengacu pada situasi yang terjadi sebelum konsekuensi dapat diamati. Data mengacu pada kegiatan yang harus dilakukan sebelum hasil dapat diharapkan. Tindakan mengacu pada kegiatan yang harus dilakukan sebelum hasil dapat diharapkan (Hanifah, 1998).

Secara umum, dalam bentuk kaidah produksi IF premis THEN konklusi,maka untuk premis yang lebih dari satu dapat dihubungkan dengan operator and atau or. Sedangkan konklusi dapat berupa kalimat tunggal yang dihubungkan dengan and dan dimungkinkan dikembangkan dengan else.

Suatu kaidah biasanya memberikan informasi terkait dengan domain obyek, tetapi dapat juga suatu kaidah berisi operasi tertentu, contohnya :

IF terdapat perintah hitung IPK

THEN IPK= (total nilai/total sks)

Kaidah dapat dibedakan menjadi dua, yaitu kaidah derajat pertama (first order rule) dan kaidah meta (meta rule) (Giarrantano dan Riley, 1994). Kaidah derajat pertama adalah kaidah sederhana yang terdiri dari anteseden dan konsekuen. Misalnya:

JIKA bersin-bersin dan pusing

MAKA terserang penyakit flu

Kaidah meta adalah kaidah yang anterseden atau konsekuenya mengandung informasi tentang kaidah yang lain. Misalnya:

Aturan 1:

                            JIKA           Pusing

                            DAN           Cepat leleh

                            DAN           Sering kesemutan

                            MAKA        Anemia

Aturan 2

                            JIKA           Anemia

                            DAN           Batuk kronis

                            MAKA        TBC

Untuk hasil yang lebih akurat dalam memecahkan masalah dalam suatu domain, biasanya  dibutuhkan aturan yang cukup banyak karena masing-masing aturan berisi detail pengetahuan. Jumlah pengetahuan akan menggambarkan kompleksitas sistem pakar.