HO-1 KTB401 Kecerdasan Buatan

Slides:



Advertisements
Presentasi serupa
KECERDASAN BUATAN VISKA ARMALINA, S.T., M.Eng..
Advertisements

Pengenalan Kecerdasan Buatan Oleh : Saatul Ihsan.
Materi 1 Pengantar Kecerdasan Buatan
(Jaringan Syaraf Tiruan) ANN (Artificial Neural Network)
PENGANTAR KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)
KECERDASAN BUATAN PENDAHULUAN.
Sistem Pengambil Keputusan
Topik Khusus 1 Pertemuan I Oleh: Achmad Zakki Falani, S.Kom, M.Kom.
ARTIFICIAL INTELLEGENT
PENGERTIAN KECERDASAN BUATAN
Assalamu’ Alaikum Wr. Wb. Ricky Novrica. AD(098) Andika Noviantoro(126) Wahyu Iman. E(101) Qhoirul Wibisono(143) Zulfrizal F(119)
TEKNOLOGI KECERDASAN ARTIFISIAL DALAM BISNIS
3 SKS Samuel Wibisono, drs.MT.. Out Come Setelah mengikuti pertemuan ini mahasiswa diharapkan dapat menjelaskan: latar belakang munculnya cabang keilmuan.
PERANGKAT MANAJEMEN PENGETAHUAN
ALGORITMA GENETIKA.
Jaringan Syaraf Tiruan (JST)
PENGENALAN JARINGAN SYARAF TIRUAN (JST)
Pengantar Intelegensia Buatan (IB)
Pengertian Kecerdasan Buatan (Artificial Intelligence)
KONSEP DASAR AI PERTEMUAN MINGGU KE-1.
ARTIFICIAL INTELLIGENCE
Informatics Theory & Programming (ITP) Informatics Eng. Dept. – IT Telkom.
Pengenalan Sistem Pakar
ARTIFICIAL INTELLIGENCE
Pertemuan 10 Neural Network
1 Pertemuan 26 NEURO FUZZY SYSTEM Matakuliah: H0434/Jaringan Syaraf Tiruan Tahun: 2005 Versi: 1.
PENGENALAN KECERDASAN KOMPUTASIONAL
Kuliah Sistem Fuzzy Pertemuan 12 “Algoritma Genetika”
Konsep Neural Network Learning Pertemuan 3
QUIS SISTEM PAKAR.
Artificial Intelligence Oleh Melania SM
PENGANTAR KECERDASAN BUATAN (ARTIFICIAL INTELEGENT)
PENGENALAN KECERDASAN KOMPUTASIONAL
PENGANTAR KECERDASAN BUATAN
Teknologi terkini D. Sinaga, M.Kom.
Imam Cholissodin | Algoritma Evolusi Teknik Optimasi Imam Cholissodin |
KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)
BAB 12 SISTEM CERDAS LANJUTAN
Paralelisasi dan Distribusi
Evolutionary Programming (EP)
PENGANTAR KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE) dan SISTEM PAKAR
Materi 1 Pengantar Kecerdasan Buatan
PENGANTAR PENGANTAR KECERDASAN BUATAN Artificial intelligence
Pertemuan 13 ALGORITMA GENETIKA
KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)
Oleh : Muhammad Ruswandi Djalal
JARINGAN SYARAF TIRUAN SISTEM BERBASIS PENGETAHUAN
GENETICS ALGORITHM Nelly Indriani W. S.Si., M.T KECERDASAN BUATAN.
Aplikasi Kecerdasan Komputasional
Pendahuluan Dr. Suyanto, S.T., M.Sc. HP/WA:
Pertemuan 14 Algoritma Genetika.
Kecerdasan Buatan (AI/ Artificial Intelligence)
Artificial Intelligence (AI)
KECERDASAN BUATAN (ARTIFICIAL INTELGENCE-AI)
PENGANTAR KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)
ALGORITMA GENETIKA.
Pertemuan 13 Algoritma Genetika.
KECERDASAN BUATAN.
PENGANTAR PENGANTAR KECERDASAN BUATAN Artificial intelligence
ARTIFICIAL INTELEGENCE
Jaringan Syaraf Tiruan
Artificial Neural Network
Introduction to Soft computing
PENGERTIAN KECERDASAN BUATAN
Kecerdasan Buatan Pokok Bahasan Pendahuluan Definisi Kecerdasan Buatan
KECERDASAN BUATAN By Serdiwansyah N. A..
Artificial Intelligence
Pertemuan 15 ALGORITMA GENETIKA
PENGANTAR KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)
KONTRAK PERKULIAHAN.
Transcript presentasi:

HO-1 KTB401 Kecerdasan Buatan Opim S Sitompul Opim S Sitompul

Intelligent Systems Intelligent Systems dapat dibangun dari basis pengetahuan deklaratif eksplisit yang kemudian dioperasikan oleh mekanisme reasoning formal dan umum. Knowledge representation dan reasoning (studi tentang cara-cara formal untuk mengekstraksi informasi dari pengetahuan yang direpresentasikan secara simbolik) adalah sangat penting dalam studi AI. Opim S Sitompul

Hubungan AI – Intelligent Systems Berkonsentrasi pada knowledge representation dan reasoning sebagai tema dari sebarang sistem yang merefleksikan kecerdasan Sistem dapat berperilaku cerdas apabila memiliki: mekanisme formal untuk merepresentasikan pengetahuan menerapkan teknik-teknik inferensi yang memodelkan sistem-sistem berbasis komputasi dan konvensional. Opim S Sitompul

Expert Systems Untuk membuat sebuah program yang cerdas, berikan padanya banyak pengetahuan spesifik dan berkualitas tinggi tentang bidang permasalahan. Proses membangun expert system disebut knowledge engineering. Interaksi antara knowledge engineer dan satu atau lebih pakar manusia dalam satu bidang masalah tertentu. Knowledge engineer mengekstraksi dari pakar manusia itu prosedur, strategi, dan rule of thumb untuk penyelesaian masalah dan mengubahnya menjadi expert systems. Opim S Sitompul

Fuzzy Systems Teknik analisis sistem tradisional terlalu teliti untuk kebanyakan masalah dunia nyata yang kompleks. Fuzzy Logic (1965-1975) oleh L. A. Zadeh: Fuzzy multistage decision making Fuzzy similiarity relations Fuzzy restrictions Linguistic hedges Opim S Sitompul

S. Assilian dan E.H. Mamdani (UK, 1974) Fuzzy Logic Controller – mengendalikan steam generator E.H. Mamdani dan N. Baaklini (1975) Fuzzy control rules dapat diatur secara otomatis dengan strategi fuzzy linguistic adaptive. Blue Circle Cement and Sira (Denmark, 1976) Aplikasi industri pertama dari fuzzy logic: cement kiln controller yang menyertakan ‘know-how’ dari operator berpengalaman untuk meningkatkan efisiensi clinker melalui butiran-butiran yang lebih halus. Opim S Sitompul

Matsushita Electrical Industrial Co (1990) Fuji Electric (Japan, 1985) Sistem pemurnian air – general purpose fuzzy-logic controller bernama FRUITAX. Matsushita Electrical Industrial Co (1990) Fuzzy controlled automatic washing machine bernama ‘Asai go Day Fuzzy’ Opim S Sitompul

Artificial Neural Network McCulloch and Pitts Model formal pertama dari sebuah neuron komputasi elementer Menyertakan semua elemen perlu yang dibutuhkan untuk melaksanakan operasi-operasi logik dan berfungsi sebagai elemen komputasi arithmetic-logic. Donald Hebb Skema pembelajaran untuk meng-update koneksi-koneksi neuron disebut Hebbian learning rule. Opim S Sitompul

Selama tahun 1950an dibangun dan diuji neurocomputer pertama. Frank Rosenblatt (1958) menemukan elemen seperti neuron pertama yang disebut perceptron. Sebuah mesin yang dapat dilatih untuk mampu belajar mengklasifikasikan pola-pola tertentu dengan memodifikasi koneksi diantara elemen-elemen ambang. Opim S Sitompul

Bernard Widrow and Marcian Hoff (1960) Memperkenalkan ADALINE, learning rule yang disebut Widrow-Hoff learning rule. Aturan tersebut meminimalkan error jumlah kuadrat sewaktu prooses training melibatkan klasifikasi pola. Aplikasi ADALINE dan MADALINE diantaranya: Pattern recognition, Weather forecasting, Adaptive control Sun-Ichi Amari Unsupervised learning network Paul Werbos (1974) New training scheme of layered networks Bryson and Kelley Multilayer feed-forward systems Opim S Sitompul

Genetic Algorithm dan Evolutionary programming Evolusi dapat digunakan sebagai sebuah alat optimisasi untuk masalah-masalah keteknikan. Konsepnya adalah membangun sebuah populasi kandidat penyelesaian untuk satu masalah menggunakan operator-operator yang terinspirasi oleh variasi genetika alam dan seleksi alam. Rechenberg (1960an) memperkenalkan ‘strategi evolusi’ Metode untuk mengoptimisasi parameter-parameter bernilai real untuk peralatan seperti airfoils. Fogel, Owen and Walsh mengembangkan teknik evolutionary programming Kandidat penyelesaian untuk satu tugas tertentu disajikan sebagai finite-state machine yang dibangun dengan memutasikan state transition diagram secara acak dan memilih yang paling fit. Strategi evolusi, evolutionary algorithm dan genetic algorithm merupakan tulang punggung bidang komputasi evolusioner. Opim S Sitompul

Genetic algorithm ditemukan oleh John Holland dkk (1960an) di University of Michigan. Berbeda dengan strategi evolusi dan evolutionary programming, tujuan semula Holland bukanlah mendesain algoritma untuk menyelesaikan masalah tertentu. Tetapi mempelajari fenomena adaptasi yang terjadi di alam dan mengembangkan cara dimana mekanisme adaptasi alamiah boleh digunakan ke dalam sistem komputer. Sasaan GA Holland adalah sebuah metode berpindah dari satu populasi kromosom ke sebuah populasi baru dengan menggunakan sejenis seleksi alam beserta operator-operator genetika seperti crossover, mutasi, dan inversi. Opim S Sitompul

Swarm Intelligent Systems Ada dua metode populer yang terinspirasi dari swarm: Ant colony optimization (ACO) Particle swarm optimization (PSO) ACO terinspirasi dari perilaku semut (ants) dan diaplikasikan pada masalah optimisasi diskrit. ACO ditemukan oleh ilmuan Itali bernama Marco Dorigo. PSO adalah teknik optimisasi stokastik berbasis populasi PSO dikembangkan oleh Dr Eberhart dan Dr Kennedy (1995) yang terinspirasi oleh perilaku sosial gerombolan burung atau sekelompok ikan. Opim S Sitompul

Swarm intelligence adalah spesialisasi dalam bidang self-organizing system (adaptasi). Cara kerja: Misalkan rute segerombolan semut terblok. Gerombolan ini mencari rute terpendek baru (ciri robustness) Semut-semut ini dapat ditambah atau dikeluarkan tanpa mengganggu sistem secara total disebabkan sifat alamiah terdistribusinya. Jenis adaptasi dari sebuah sistem ini adalah reliable. Opim S Sitompul

Peranan Intelligent Systems Manusia memiliki kemampuan untuk menyimpan dan mengeluarkan informasi dalam jumlah yang sangat besar secara efisien yang memungkinkannya: menyelesaikan masalah-masalah kompleks, mencapai keputusan, dan menghubungkan pemikiran dan ide-nya dengan cara yang non-linier dan asosiatif. Opim S Sitompul

Untuk menjadi cerdas, sistem komputer hendaklah memiliki subset dari: Perilaku logis Kemampuan menyelesaikan masalah kompleks Sifat alamiah responsif dan adaptif Kemampuan memberikan navigasi program non-linier Cara efektif menggunakan informasi yang ada Ramah-pengguna dan sangat interaktif Kehandalan Opim S Sitompul