BLIND SEARCH & HEURISTIC SEARCH

      1. BLIND SEARCH

Blind Search merupakan pencarian asal ketemu. Jika solusi sudah ketemu, maka pencarian akan dihentikan. Jika dibuat skemanya, pencarian buta hanya mengenal tiga bagian, [masalah]-[pencarian]-[solusi]. Misalkan dalam kotak ada 3 kelereng warna merah, 3 biru, dan 3 kuning. Masalahnya adalah, ambillah satu kelereng yang berwarna merah. Solusi, setelah melakukan pencarian, kemudian didapat satu kelereng warna merah, nah, itulah solusinya.

• Pencarian Melebar Pertama (Breadth - Search First)

Merupakan 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 simpul-simpul yang tadi dikunjungi, demikian seterusnya. algoritma BFS menggunakan graf sebagai media representasi persoalan, tidak sulit untuk mengaplikasikan algoritma ini dalam persoalan-persoalan teori graf.

Dalam algoritma BFS, simpul anak yang telah dikunjungi disimpan dalam suatu antrian. Antrian ini digunakan untuk mengacu simpul-simpul yan bertetangga dengannya yang akan dikunjungi kemudian sesuai urutan pengantrian. Metode ini memiliki keuntungan dan kekurangan, yaitu :

Keuntungan

• Tidak akan menemui jalan buntu
• Jika ada satu solusi, maka breadth first akan menemukannya. Dan jika ada lebih dari satu solusi, maka solusi minimum akan ditemukan.

Kekurangan

• Membutuhkan memori yang cukup banyak, karena menyimpan semua node dalam satu pohon.
• Membutuhkan waktu yang cukup lama karena akan menguji n level untuk mendapatkan solusi pada level yang ke-(n+1).

Contoh Implementasi Breadth - First Search :

• Diketahui sebuah kota, dengan memiliki inisial seperti yang ditunjukkan dibawah ini. Jarak antar kota dibentuk dengan sebuah graph terlihat dibawah:

Pertanyaan :

• Sebutkan rute yang akan ditempuh untuk mencapai kota no. 8. Titik awal perjalanan adalah kota no. 1. Gunakan algoritma BFS!

Maka dengan menggunakan algoritma BFS, rute tercepat yang didapat adalah sebagai berikut :

1 – 2 – 3 – 4 – 5 – 6 – 7 – 8

Rute tersebut didapat dari pencarian secara melebar. Hal; tersebut dapat dijabarkan sebagai berikut :

• Pertama-tama, pointer menunujuk pada daun yang ada sebelah kanan, yaitu no.2 (1 – 2)
• Setelah itu, proses dilanjutkan pada tetangga no.2 yaitu no.3 (1-2-3) dan selanjutnya mengarah pada tetangga terdekat, yakni no.4 (1-2-3-4)
• Pointer mencari teteangga no.4, namun karna tidak ada, maka pointer kembali ke kota no.2 dan masuk ke daun berikutnya, yakni no.5.
• Proses diulang hingga pointer menunjuk angka 8.

• Pencarian Mendalam Pertama (Depth - Search First)

Pencarian dengan metode Depth First Search (DFS) dilakukan dari node awal secara mendalam hingga yang paling akhir (dead-end) atau sampai ditemukan. Dengan kata lain, simpul cabang atau anak yang terlebih dahulu dikunjungi. Sebagai ilustrasinya dapat dilihat pada gambar dibawah ini :

Berdasarkan gambar, proses pencarian dilakukan dengan mengunjungi cabang terlebih dahulu hingga tiba di simpul terakhir. Jika tujuan yang diinginkan belum tercapai maka pencarian dilanjutkan ke cabang sebelumnya, turun ke bawah jika memang masih ada cabangnya. Begitu seterusnya hingga diperoleh tujuan (goal). Operasi semacam ini dikenal dengan sebutanbacktracking. Metode ini memiliki keuntungan dan kekurangan, yaitu :

Keuntungan :

• Membutuhkan memori yang relatif kecil, karena hanya node-node pada lintasan yang aktif saja yang disimpan.
• Secara kebetulan, metode DFS akan menemukan solusi tanpa harus menguji lebih banyak lagi dalam ruang keadaan, sehingga tidak memboros waktu untuk melakukan sejumlah besar keadaan ‘dangkal’ dalam permasalahan graf/pohon.

Kelemahan :

• Memungkinkan tidak ditemukannya tujuan yang diharapkan.
• Hanya akan mendapatkan satu solusi pada setiap pencarian.

Contoh Depth - First Search :

Studi Kasus : 

• Pada suatu hari ada seorang petani yang mempunyai seekor kambing dan serigala.Pada saat itu ia baru saja panen sayuran. Karena membutuhkan uang, petani tersebut hendak menjual kambing, serigala, dan sayurannya ke pasar Johar. Untuk sampai di pasar Johar, ia harus menyeberangi sebuah sungai.

Permasalahannya : 

• Di sungai itu hanya tersedia satu perahu saja yang bisa memuat petani dan satu penumpang lainnya (kambing, srigala, atau sayuran). Jika ditinggalkan oleh petani tersebut, maka sayuran akan dimakan oleh kambing dan kambing akan dimakan oleh serigala.

Deskripsi :

• P = Petani
• Sy = Sayuran
• K = Kambing
• Sg = Serigala

Ruang Keadaan :

• Untuk daerah asal dan daerah seberang digambarkan. (P, Sy, K, Sg)

Keadaan Awal :

• Daerah Asal = (P, Sy, K, Sg)
• Daerah seberang = (0, 0, 0, 0)

Tujuan :

• Daerah Asal = (0, 0, 0, 0)
• Daerah seberang = (P, Sy, K, Sg)

Metode Penyelesaian :

• Menggunakan algoritma DFS :
• Masukkan simpul akar ke dalam antrian Q. Jika simpul akar = simpul solusi, maka stop.
• Jika Q kosong, tidak ada solusi. Stop.
• Ambil simpul v dari kepala (head) antrian. Jika kedalaman simpul v sama dengan batas kedalaman maksimum, kembali ke langkah 2
• Bangkitkan semua anak dari simpul v. Jika v tidak mempunyai anak lagi, kembali ke langkah 2. Tempatkan semua anak dari v di awal antrian Q. Jika anak dari simpul v adalah simpul tujuan, berarti solusi telah ditemukan, kalau tidak, kembali lagi ke langkah 2.

      2. HEURISTIC SEARCH

Heuristic Search adalah pencarian bersyarat (terbimbing). Artinya, solusi yang diperoleh adalah solusi yang terbaik, bukan solusi sekali ketemu. Bagian-bagiannya adalah [masalah]-[pencarian]-[syarat]-[solusi]. Misal contoh masalah pada kasus di atas, Ambillah kelereng merah yang tidak pecah dan tidak lonjong. Sehingga ketika ketemu kelereng merah dan ada pecahnya, itu masih bukan solusi karena tidak sesuai dengan syarat (tidak pecah dan tidak lonjong).

• Generate & Test

Metode ini merupakan penggabungan antara depth-first search dengan pelacakan mundur (backtracking), yaitu bergerak kebelakang menuju pada suatu keadaan awal.

Prosedur : 

• Bangkitkan suatu kemungkinan solusi (membangkitkan suatu tititk tertentu atau lintasan tertentu dari keadaan awal). 
• Uji untuk melihat apakah node tersebut benar-benar merupakan solusinya dengan cara membandingkan node terebut atau node akhir dari suatu lintasan yang dipilih dengan kumpulan tujuan yang diharapkan. 
• Jika solusi ditemukan, keluar. Jika  tidak, ulangi kembali langkah pertama.

Contoh : “Travelling Salesman Problem (TSP)”.

• Seorang salesman ingin mengunjungi n kota. Jarak antara tiap-tiap kota sudah diketahui. Kita ingin mengetahui ruter terpendek dimana setaip kota hanya boleh dikkunjungi tepat  1 kal i. Misalkan ada 4 kota dengan jarak antara tiap-tiap kota seperti gambar di bawah ini :

• Penyelesaian dengan metode Generate and Test

• Hill Climbing

Hill Climbing (mendaki bukit) merupakan salah satu variasi metode buat dan uji (Generate and Test) dimana umpan balik yang berasal dari prosedur uji digunakan untuk memutuskan arah gerak dalam ruang pencarian (search).

Dalam prosedur buat dan uji yang murni, respon fungsi uji hanyalah ya atau tidak. Dalam prosedur Hill Climbing, fungsi uji dikombinasikan dengan fungsi heuristik yang menyediakan pengukuran kedekatan suatu keadaan yang diberikan dengan tujuan (goal).

Prosedur :

• Cari operator yang belum pernah digunakan; gunakan operator ini untuk mendapatkan keadaan yang baru.
• Evaluasi keadaan baru tersebut : 
• Jika keadaan baru merupakan tujuan, keluar 
• Jika bukan tujuan, namun nilainya lebih baik dari pada keadaan sekarang, maka jadikan keadaan baru tersebut menjadi keadaan sekarang. 
• Jika keadaan baru tidak lebih baik daripada keadaan sekarang, maka lanjutkan iterasi.
• Dalam Hill Climbing, memiliki 3 masalah yang mungkin : 
• Algoritma akan berhenti kalau mencapai nilai optimum local 
• Urutan penggunaan operator akan sangat berpengaruh pada penemuan solusi 
• Tidak diijinkan untuk melihat satupun langkah sebelumnya.

Contoh : “Travelling Salesman Problem (TSP)”.

• Disini ruang keadaan berisi semua kemungkinan lintasan yang mungkin. Operator digunakan untuk menukar posisi kota-kota yang bersebelahan. Apabila ada n kota, dan kita ingin mencari kombinasi l intasan dengan menukar posisi urutan 2 kota, maka kita akan mendapatkan sebanyak :

• atau sebanyak 6 kombinasi (lihat gambar dibawah). Fungsi heuristic yang digunakan adalah panjang lintasan yang terjadi

Daftar Pustaka

http://www.elangsakti.com/2013/03/bahasan-fundamental-tentang-blind.html

http://anthonilockheart.blogspot.co.id/2013/04/depth-first-search-dfs-breath-first.html

http://fryunfirst.blogspot.co.id/2015/06/pencarian-heuristik-heuristic-search.html

REPRESENTASI PENGETAHUAN

Representasi pengetahuan adalah cara untuk menyajikan pengetahuan yang diperoleh ke dalam suatu skema/diagram tertentu sehingga dapat diketahui relasi antara suatu pengetahuan dengan pengetahuan yang lain dan dapat dipakai untuk menguji kebenaran penalarannya.

Representasi pengetahuan sistem cerdas bertujuan untuk menyelesaikan suatu masalah. Sebuah sistem cerdas sistem  tidak hanya butuh pengetahuan yang cukup tetapi juga perlu memiliki kemampuan penalaran. Basis pengetahuan dan kemampuan untuk menalar merupakan bagian yang penting, karena meskipun sistem mempunyai basis pengetahuan yang banyak tetapi tidak memiliki kemampuan penalaran yang baik tentu akan menjadi percuma saja.

A. FRAME

Frame merupakan kumpulan pengetahuan tentang suatu obyek tertentu, peristiwa, lokasi, situasi, dll (Kusumadewi 2003). Suyanto (2002) menyatakan bahwa frame merupakan kumpulan atribut (slot) dan nilai atribut yang mendeskripsikan suatu entitas, nilai slot dapat berupa :

1. Identifikasi frame
2. Relasi dengan frame lain 
3. Batasan nilai,
4. Nilai
5. Default nilai (dapat diubah) 
6. Prosedur untuk mendapatkan nilai 

Frame biasa dipakai untuk merepresentasikan pengetahuan yang didasarkan pada
karateristik yang sudah dikenal dengan baik, yang dapat berupa pengalaman-pengalaman.

B. SCRIPT

Script secara garis besar sama dengan frame yaitu merupakan kumpulan pengetahuan tentang suatu obyek tertentu, peristiwa, lokasi, situasi, dll (Kusumadewi 2003) yang dipakai untuk merepresentasikan pengetahuan didasarkan pada karateristik yang sudah dikenal dengan baik, yang dapat berupa pengalaman-pengalaman. Untuk menggambarkan suatu peristiwa sript disusun berdasakan elemen-elemen script sebagai berikut :

1. Kondisi  input : yaitu kondisi yang harus dipenuhi sebelum terjadi atau berlaku suatu peristiwa dalam script. 
2. Track : yaitu variasi yang mungkin terjadi dalam suatu script. 
3. Prop : berisi obyek-obyek pendukung yang digunakan selama peristiwa terjadi. 
4. Role : yaitu peran yang dimainkan oleh seseorang dalam peristiwa.
5. Scene : yaitu adegan yang dimainkan yang menjadi bagian dari suatu peristiwa.
6. Hasil : yaitu kondisi yang ada setelah urutan peristiwa dalam script terjadi.

C. SEMANTIC NET

Menurut Kusumadewi (2003), Semantic Net (Jaringan Semantik) merupakan gambaran pengetahuan secara grafis, yang menunjukkan hubungan antar berbagai obyek. Jaringan semantik terdiri dari lingkaran-lingkaran yang menunjukkan obyek-obyek dan informasi tentang obyek-obyek tersebut. Obyek disini dapat berupa benda atau peristiwa. Antara 2 obyek dihubungkan dengan arc yang menunjukkan hubungan antar obyek sebagai berikut :

• Katagori

Obyek yang mempunyai kemiripan karakteristik dapat digolongkan dalam katagori tertentu. Katagori merupakan pengorganisasian obyek yang merupakan representasi pengetahuan yang vital dalam  semantic net. Sebagai contoh: jika ada dua obyek ”elang” dan ”perkutut”, maka kedua obyek tersebut dapat diturunkan dari katagori ”burung”. 

• Obyek

Obyek merupakan individu tersendiri yang mempunyai sifat-sifat karakteristik yang spesifik. Dalam kaitan dengan katagori, jika sebuah obyek diturunkan dari katagori, maka obyek akan mempunyai sifat dari katagori secara keseluruhan dan juga mempunyai sifat spesifik obyek itu sendiri.

D. LOGIKA PROPOSISI

Logika Proposisi disebut juga kalkulus proposisi yang merupakan logika simbolik untuk memanipulasi proposisi. Proposisi merupakan pernytaan yang dapat bernilai benar atau salah.

Logika Proposisi juga menjelaskan tentang :

1. Tautologi, pernyataan gabungan yang selalu bernilai benar.
2. Kontradiksi, pernyataan gabungan yang selalu bernilai salah.
3. Contingent, pernyataan yang bukan tautology ataupun kontradiksi.

Operator logika yang digunakan :

Operator          Fungsi

∧                      Konjungsi (AND/DAN)

∨                      Disjungsi (OR/ATAU)

~                      Negasi (NOT/TIDAK)

->                     Impilikasi/Kondisional (IF..THEN/JIKA..MAKA..)

↔                    Equivalensi/Bikondisional

Kondisional merupakan operator yang analog dengan production rule.

(IF AND ONLY IF / JIKA DAN HANYA JIKA) p ↔q≡(p -> q) ∧(q -> p)

• Contoh

“ Jika hujan turun sekarang maka saya tidak pergi ke pasar”

Kalimat di atas dapat ditulis : p -> q

Dimana : p = hujan turun

q = saya tidak pergi ke pasar

E. LOGIKA PREDIKAT ORDER PERTAMA

Logika Predikat Order Pertama disebut juga kalkulus predikat, merupakan logika yang digunakan untuk merepresentasikan masalah yang tidak dapat direpresentasikan dengan menggunakan proposisi. Logika predikat dapat memberikan representasi fakat-fakta sebagai suatu pernyataan yang mapan (well form).

Logika orde pertama adalah sistem resmi yang digunakan dalam matematika, filsafat, linguistik, dan ilmu komputer. Hal ini juga dikenal sebagai orde pertama predikat kalkulus, semakin rendah kalkulus predikat, teori kuantifikasi, dan logika predikat. Logika orde pertama dibedakan dari logika proposisional oleh penggunaan variabel terukur.

Sebuah teori tentang beberapa topik biasanya logika orde pertama bersama-sama dengan yang ditentukan domain wacana dimana variabel diukur berkisar, finitely banyak fungsi yang memetakan dari domain yang ke dalamnya, finitely banyak predikat didefinisikan pada domain tersebut, dan satu set rekursif dari aksioma yang diyakini terus untuk hal-hal. Kadang-kadang “teori” dipahami dalam arti yang lebih formal, yang hanya satu set kalimat dalam logika orde pertama.

Syarat-syarat symbol dalam logika predikat :

1. Himpunan huruf, baik huruf kecil maupun huruf besar dalam abjad.
2. Himpunan digit (angka) 0,1,2,…9
3. Garis bawah “_”
4. Symbol-simbol dalam logika predikat dimulai dengan sebuah huruf dan diikuti oleh sembarang rangkaian karakter-karakter yang diijinkan.
5. Symbol-simbol logika predikat dapat merepresentasikan variable, konstanta, fungsi atau predikat.

Logika Predikat Order Pertama terdiri dari :

1. Konstanta 
2. Variable 
3. Fungsi
4. Argument 
5. Predikat

• Contoh :

teman(george,allen)

teman(ayah_dari(david),ayah_dari(andrew))

dimana:

argument : ayah_dari(david) adalah george

argument : ayah_dari(andrew) adalah allen

predikat : teman

F. QUANTIFIER UNIVERSAL DAN QUANTIFIER EXSISTENSIAL

• Quantifier Universal

Dalam logika predikat Quantifier Universal merupakan jenis Quantifier sebuah konstanta logis yang ditafsirkan sebagai “diberi” atau “untuk semua”. Ini mengungkapkan bahwa fungsi proposisi dapat dipenuhi oleh setiap anggota dari domain wacana. Dalam istilah lain, itu adalah predikasi dari properti atau hubungan dengan setiap anggota domain. Ini menegaskan bahwa predikat dalam lingkup dari quantifier universal benar dari setiap nilai dari variabel predikat.

Hal ini biasanya dilambangkan dengan berbalik A (∀) operator logika simbol yang bila digunakan bersama-sama dengan variabel predikat, disebut Quantifier Universal  (“∀x”, “∀ (x)”, atau kadang-kadang dengan “(x) “saja). Kuantifikasi Universal berbeda dari kuantifikasi eksistensial (“ada ada”), yang menegaskan bahwa properti atau relasi hanya berlaku untuk setidaknya satu anggota dari domain.

• Contoh :

(∀x) (p) (Jika x adalah seekor kucing -> x adalah binatang).

Kebalikan kalimat “bukan kucing adalah binatang” ditulis :

(∀x) (p) (Jika x adalah seekor kucing -> ~x adalah binatang)

dan dibaca :

“Setiap kucing adalah bukan binatang”.

“Semua kucing adalah bukan binantang”.

• Quantifier Exsistensial

Dalam logika predikat suatu Quantifier Eksistensial adalah jenis Quantifier sebuah konstanta logis yang ditafsirkan sebagai “ada ada,” “ada setidaknya satu,” atau “untuk beberapa.” Ini mengungkapkan bahwa fungsi proposisi dapat dipenuhi oleh setidaknya satu anggota dari domain wacana. Dalam istilah lain, itu adalah predikasi dari properti atau hubungan dengan setidaknya satu anggota dari domain. Ini menegaskan bahwa predikat dalam lingkup dari Quantifier Eksistensial adalah benar dari setidaknya satu nilai darivariabel predikat.

Hal ini biasanya dilambangkan dengan E berubah (∃) operator logika simbol, yang bila digunakan bersama-sama dengan variabel predikat, disebut Quantifier Eksistensial (“∃x” atau “∃ (x)”) Kuantifikasi eksistensial.

• Contoh :

(∀x) (gajah(x) -> berkaki empat(x))

Dibaca : “semua gajah berkaki empat”.

Universal quantifier dapat diekspresikan sebagai konjungsi.

(∃x) (gajah(x) ∧ berkaki tiga(x))

Dibaca : “ada gajah yang berkaki tiga”

Existensial quantifier dapat diekspresikan sebagai disjungsi dari

urutan ai. P(a1) ∨ P(a2) ∨ P(a3) …∨ P(aN)

DAFTAR PUSTAKA

https://ismailakbar12.wordpress.com/2015/06/25/makalah-artifical-intellegent-representasi-pengetahuan/

http://warawiriteknikinformatika.blogspot.co.id/2011/03/representasi-pengetahuan.html

SISTEM PAKAR

A. DEFINISI SISTEM PAKAR

Pakar adalah orang yang memiliki pengetahuan,penilaian,pengalaman,metode khusus, serta kemampuan untuk menerapkan bakat ini dalam memberi nasihat dan memecahkan masalah. Misalnya seorang dokter, penasehat keuangan, pakar mesin mobil, dll.

            Kepakaran (expertise) adalah pengetahuan yang ekstensif (meluas) dan spesifik yang diperoleh melalui rangkaian pelatihan, membaca, dan pengalaman. Pengetahuan membuat pakar dapat mengambil keputusan secara lebih baik dan lebih cepat daripada non-pakar dalam memecahkan problem yang kompleks. Kepakaran mempunyai sifat berjenjang,pakar top memiliki pengetahuan lebih banyak daripada junior.

Berikut ini beberapa pengertian sistem pakar menurut beberapa orang ahli:

1. Menurut William Stubblefield dan George F. Lugger (1993), menjelaskan bahwa sistem pakar adalah suatu program yang dapat menirukan seorang pakar.
2. Menurut E. Fraim Turban (1992), menjelaskan bahwa sistem pakar adalah sebuah program yang mengkomputerisasikan laporan yang mencoba untuk menirukan proses pemikiran dan pengetahuan dari pakar – pakar dalam menyelesaikan masalah.
3. Menurut Garratano dan Riley (1989), menjelaskan bahwa sistem pakar adalah suatu sistem komputer yang bisa menyamai atau meniru kemampuan seorang pakar.

Dari pengertian diatas, maka dapat ditarik kesimpulan bahwa sistem pakar adalah suatu aplikasi dari kecerdasan tiruan yang dapat menyelesaikan masalah dalam bidang tertentu dan dapat bertindak sebagai penasehat seperti seorang pakar dimana solusi atau jalan keluar yang dihasilkan sistem pakar berkualitas seperti seorang pakar.

Sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelasaikan masalah seperti yang biasa dilakukan oleh para ahli. Sistem pakar dikembangkan pertama kali oleh komunitas AI tahun 1960-an. SP yang pertama adalah General Purpose Problem Solver (GPS) yang dikembangkan oleh Newel Simon. Sistem pakar dicipatakan tidak untuk menggantikan kedudukan seorang pakar tetapi memasyarakatkan pengetahuan dan pengalaman pakar tersebut. Tujuan dari sebuah sistem pakar adalah untuk mentransfer kepakaran yang dimiliki oleh seorang pakar kedalam komputer, dan kemudian kepada orang lain (nonexpert).

Bentuk umum sistem pakar adalah suatu program yang dibuat berdasarkan suatu set aturan yang menganalisis informasi ( biasanya diberikan oleh pengguan suatu sistem) mengenai suatu kelas masalah spesifik serta analisis matematis dari masalah tersebut.

Sistem pakar memberikan banyak keuntungan bagi operasi perusahaan dan manajer, tetapi memiliki keterbatasan significan. Artificial intelliegence merupakan suatu aktivitas untuk menyediakan berbagai mesin seperti komputer dengan menampilkan perilaku dengan penalaran yang cerdas apabila diamati sebagai manusia artificial intelliegence menyajika berbagai aplikasi komputer yang canggih untuk menyamai berbagai jenis penalaran manusia.

B. CIRI-CIRI SISTEM PAKAR

1. Terbatas pada domain keahlian tertentu.
2. Dapat memberikan penalaran pada data – data yang tak pasti.
3. Dapat mengemukakan rangkaian alasan – alasan yang diberikannya dengan cara yang dapat dipahami.
4. Berdasarkan pada kaidah atau rule tertentu.
5. Dirancang untuk dapat dikembangkan secara bertahap.
6. Keluarannya bersifat anjuran.

C. KEUNTUNGAN DAN KELEMAHAN SISTEM PAKAR

• Keuntungan

1. Memungkinkan orang awam bisa mengerjakan pekrjaan orang ahli
2. Menyederhanakan pekerjaan dan meningkatnya efesiensi kerja
3. Bisa melakukan proses secara berulang secara otomatis
4. Menyimpan pengetahuan dan keahlian para pakar
5. Meningkatkan output dan produktivitas
6. Menigkatkan kualitas
7. Mampu mengambil dan melestarikan keahlian para pakar
8. Mampu beroperasi dalam lingkungan berbahay
9. Memiliki kemampuan untuk mengakses pengetahuan
10. Memiliki realibilitas
11. Meningkatkan kapabilitas system computer
12. Memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan mengandung ketidakpastian.
13. Sebagai media pelengkap dan pelatihan
14. Meningkatkan kapabilitas dalam menyelasaikan masalah.
15. Menghemat waktu dalam mengambil keputusan.

• Kelemahan

1. Biaya yang di perlukan untuk membuat dan memeliharanya mahal
2. Sulit dikembangkan. Hal ini erat kaitannya dengan ketersedian pakar dalam bidangnya.
3. System Pakar tidak 100% bernilai benar.

D. BENTUK / TIPE SISTEM PAKAR

1. Mandiri, Sistem pakar yang murni berdiri sendiri, tidak digabung dengan software lain, bisa dijalankan pada komputer pribadi, mainframe.
2. Terkait / Tergabung, Dalam bentuk ini sistem pakar hanya merupakan bagian dari program yang lebih besar. Program tersebut biasanya menggunakan teknik algoritma konvensional tapi bisa mengakses sistem pakar yang ditempatkan sebagai subrutin, yang bisa dimanfaatkan setiap kali dibutuhkan.
3. Terhubung, Merupakan sistem pakar yang berhubungan dengan software lain, misalnya : spreadsheet, DBMS, program grafik. Pada saat proses inferensi, sistem pakar bisa mengakses  data dalam spreadsheet atau DBMS atau program grafik bisa dipanggil untuk menayangkan output visual.
4. Sistem Mengabdi, Merupakan bagian dari komputer khusus yang diabdikan kepada fungsi tunggal. Sistem tersebut bisa membantu analisa data radar dalam pesawat tempur atau membuat keputusan intelejen tentang bagaimana memodifikasi pembangunan kimiawi, dan lain-lain.

E. KARAKTERISTIK DAN ELEMEN SISTEM PAKAR

Sistem pakar dibuat dengan tujuan tertentu dan pastinya tujuan tersebut bersifat untuk membantu para pakar dalam menyelesaikan suatu masalah. Berikut adalah karakteristik yang harus dimiliki oleh sebuah sistem pakar :

1. High Performance : Sistem harus mampu memberikan respon berupa saran (advice) dengan tingkat kualitas yang sama dengan seorang pakar atau melebihinya.
2. Adequate Response Time : Sistem juga harus mampu bekerja dalam waktu yang sama baiknya (reasonable) atau lebih cepat dibandingkan dengan seorang pakar dalam menghasilkan keputusan. Hal ini sangat penting terutama pada sistem waktu nyata (real-time).
3. Good Reliability : Sistem harus dapat diandalkan dan tidak mudah rusak / crash.
4. Understanable : Sistem harus mampu menjelaskan langkah-langkah penalaran yang dilakukannya seperti seorang pakar.
5. Flexibility.

F. APLIKASI SISTEM PAKAR

Aplikasi Sistem Pakar Dalam Bidang Robotika

Pada bidang robotika penerapan sistem pakar sangat jelas. Sebagaimana yang kita ketahui selama ini, robot merupaka suatu benda yang dapat bekerja secara otomatis. Baik bekerja berdasarkan program yang sudah diinputkan atau menerima input dalam bentuk sensor (gerak, cahaya, suhu, dan lain-lain).

Salah satu contoh yang sangat familiar di telinga kita adalah telah diciptakannya robot asimo oleh perusahaan otomotif berlabel Honda. Robot yang diciptakan perusahaan ini suatu bentuk implementasi dari sistem pakar. Salah satu tujuan pembangunan proyek ini adalah membangun robot yang pada masa mendatang dapat membantu manusia dalam mengerjakan tugas sehari-hari.

Asimo dirancang dengan sangat canggih menyerupai tingkah laku manusia. Asimo yang terakhir diciptakan dapat membantu tugas manusia dalam beberapa bentuk. Asimo dapat membuatkan minuman. Asimo juga dapat mengisi baterai sendiri, asimo akan men-charge dirinya jika baterai mulai lemah. Asimo yang lain akan meneruskan tugasnya secara bergantian.

Asimo terbaru juga sudah deprogram untuk proses sopan santun. Pada saat berpapasan dengan manusia pada jalan yang sempit, asimo akan mempersilakan manusia berjalan terlebih dahulu. Teknologi canggih lagi dari asimo adalah asimo dapat berjalan pada bidang yang miring dan menyeimbangkan dirinya.Sehingga pada saat membawa suatu barang pada bidang miring asimo dapat menjaga keseimbangannya agar tidak jatuh.

Karya anak bangsa adalah robot penjinak bom yang digunakan oleh gegana. Tetapi robot ini bekerja berdasarkan input dari remote control. Bentuk lain adalah mesin-mesin pada pabrik. Pada barang elektronik seperti mesin cuci, pendingin ruangan, lemari es dan sebagainya. Pada elektronik rata-rata menggunaka fuzzy logic dalam mekanisme kerjanya.

Pada contoh-contoh impementasi di sekitar kita. Kita dapat menyimpulkan bahwa terdapat beberapa keutungan dan kerugian sistem pakar pada bidang ini.

• Keuntungannya antara lain :

1. Tugas manusia semakin ringan.
2. Tugas yang mengancam nyawa dapat diminimalisir dengan memanfaatkan robot.
3. Efisiensi waktu.
4. Membantu rumah tangga.
5. Kemajuan teknologi akan membuat generasi muda untuk berusaha menciptakan robot yang lebih pintar lagi.

• Kerugiannya antara lain:

1. Manusia akan semakin malas, dengan era yang serba otomatis.
2. Pengurangan SDM jika pabrik-pabrik menggunakan mesin serba otomatis.
3. Jika tidak dapat mengambil positif dari teknologi robot ini maka akan membuat kehidupan yang ketergantungan.

DAFTAR PUSTAKA

http://kaerrika.blogspot.co.id/2016/01/makalah-sistem-pakar.html

http://dederusmanasi.blogspot.co.id/2013/09/contoh-makalah-sistem-pakar_25.html

Grafik Komp. & Pengolahan Citra (Membuat Garis Horizontal, Vertikal, Diagonal)

Link download file PDF : https://drive.google.com/open?id=0Bz30l0WbFThJZEx0bEd6SkZUck0

PEAS

Definisi PEAS

PEAS adalah singkatan dari Perfomance Measure, Environment, Actuators, Sensors dimana harus dispesifikasikan terlebih dahulu mengenai rancangan intelligent agent.

• P (performance measure) : komponen keberhasilan si agent.
• E (environment) : kodisi di sekitar agent.
• A (actuators) : segala sesuatu yang dapat dilakukan si agent.
• S (sensors) : segala sesuatu yang menjadi input si agent.

Contoh PEAS, Taksi Otomatis merupakan Sebuah agent taksi otomatis yang menerima penumpang dan mengantarkannya ke tujuan : 

• Performance measure: sampai tujuan, tidak melanggar aturan lalu lintas, perjalanan nyaman, hemat bensin.
• Environment: jalan, lalu lintas, pejalan kaki, pelanggan.
• Actuators: arah stir, gas, rem, klakson, sinyal kiri atau kanan.
• Sensors: video, speedometer, GPS, keyboard.

Intelligence Agents

Definisi Intelligence Agents

Agent adalah sesuatu yang dapat mengesan (perceiving) lingkungan (environment) nya melalui sensors dan bertindak (acting) terhadap lingkungan tersebut melalui actuators. Program agent berjalan pada arsitektur fisik untuk menghasilkan  f. Kemudian Fugsi dari agent adalah memetakan dari sejarah persepsi dalam tindakan ( Actions ).

Agen manusia :

• Sensor: mata, telinga, dan organ tubuh lain;
• Actuator: tangan, kaki, mulut, dan bagian tubuh lain.

Agen robotik :

• Sensor: kamera dan infrared range finders;
• Actuator: berbagai macam motor

Konsep Intelligence Agents (Rasional)

Rasionalitas adalah sebuah aksi, keyakinan atau keinginan yang rasional jika kita harus memilih. Rasionalitas merupakan konsep normatif yang mengacu pada kesesuaian seseorang dengan alasan seseorang unutk percaya, atau tindakan seseorang dengan alasan seseorang untuk bertindak.

Kemudian hubungan rasionalias dengan agen adalah sebuah agen haruslah mengarah kepada "lakukan hal yang benar" , berdasarkan kepada apa yang dapat di pahaminya dan tindakan yang dapat di lakukannya. Tindakan yang benar adalah tindakan yang akan menyebabkan agen tersebut paling berhasil.

Agen rasional, untuk setiap deretan persepsi yang mungkin , sebuah agen rasional hendaklah memilih satu tindakan yang di harapkan memaksimalkan ukuran performancenya , dengan adanya bukti yang di berikan oleh deretan presepsi dan apapun pengetahuan terpasang yang di miliki agen itu.

Pengukuran performance adalah sebuah kriteria objektif untuk keberhasilan sebuah perilaku agen. Contohnya  ukuran perfomance dari sebuah agen vacuum-cleaner dapat berupa besarnya jumlah debu yang di bersihkan , jumlah waktu yang di habiskan , jumlah listrik yang di konsumsi , jumlah kebisingan yang dihasilkan dsb.

Rasional tergantung pada 4 hal yaitu:

• Kemampuan yang terukur
• Pengetahuan lingkugan sebelumnya/terdahulu
• Tindakan
• Urutan persepsi (sensors)

Relational agent harus memilih tindakan yang diharapkan dapat memaksimalkan kemampuan dengan memberikan bukti yang dihasilkan dari urutan persepsi dan pengetahuan yang dimiliki oleh agent.

Contoh Intelligence Agents

Koki Cerdas ini merupakan suatu robot yang dapat memasak makanan secara otomatis. Cara kerja alat ini adalah manusia dapat memilih menu serta porsi makanan yang disediakan robot tersebut, kemudian memasukkan bahan – bahan yang diperlukan.  Robot kemudian akan menerjemahkannya dan mengambil peralatan serta bahan-bahan dari tempat yang telah disediakan sebelumnya. Peralatan memasak berupa kompor bertenaga baterai (tanpa api), panci, wajan, dsb.  Jika bahan-bahan tidak mencukupi atau terdapat peralatan yang tidak layak pakai maupun rusak, maka robot akan mengirimkan peringatan kepada user.

Alat ini sangat efektif untuk memudahkan pekerjaan manusia.Jika sedang lapar tapi malas memasak, robot ini dapat digunakan. Ibu-ibu yang sibuk dan tidak punya banyak waktu dapat menggunakan alat ini untuk menyiapkan masakan keluarganya. Yang diperlukan user adalah menempatkan peralatan serta bahan-bahan untuk memasak dengan benar.

Artificial Intelligence

Definisi Artificial Intelligence

Artificial Intelligence atau yang lebih sering disingkat dengan AI merupakan kecerdasan buatan/bikinan atau sebuah kecerdasan yang ditanamkan dalam sistem yang dapat dikelola dalam konteks ilmiah atau Artificial Intelligence (inteligensi artifisial). AI bisa juga diartikan sebagai kecerdasan yang berwujud ilmiah. Sistem yang dibenamkan AI biasanya adalah sistem yang berkaitan dengan komputer atau robot. Tujuan AI adalah untuk memecahkan persoalan dunia nyata (bersifat praktis) dan memahami intelijensia (bersifat memahami).

AI sendiri dibuat dan dibenamkan dalam mesin komputer supaya ia bisa mengerjakan pekerjaan layaknya manusia. Hal ini tentu saja akan mempermudah dan mempersingkat suatu pekerjaan agar lebih praktis dan efisien dalam menghemat waktu pengerjaan. Namun begitu, bukan berarti AI adalah robot yang selalu bekerja membantu manusia. Tetapi AI juga termasuk dalam pelbagai bidang seperti sistem expert, logika fuzzy, video games (permainan), robotika dan syaraf tiruan.

Ada beberapa hal yang agak susah dilakukan oleh manusia tetapi gampang oleh AI. Misalnya adalah mudahnya AI dalam mengubah rupa persamaan, membereskan persamaan integral, membuat games, mencetak dokumen, memutar video dan sebagainya. Sementara itu, ada juga beberapa hal yang mudah dilakukan manusia tetapi agak sulit direalisasikan dalam dunia informatika. Hal ini misalnya adalah, begitu mudahnya manusia mengenali wajah seseorang, bermain olahraga sepak bola dan sebagainya.

Meski Artificial Intelligence mempunyai konotasi fiksi ilmiah kuat yang membentuk cabang yang terbilang pokok didalam ilmu komputer, termasuk yang bersangkut paut dengan perilaku, pembelajaran serta adaptasi cerdas sebuah mesin. Penelitian dalam AI sangat berkaitan dengan proses pembikinan mesin guna mengotomatisasikan pekerjaan yang memerlukan kecerdasan. Misalnya adalah :

• Pengendalian.
• Perencanaan.
• Penjadwalan.
• Kemampuan dalam menjawab diagnosis atau pertanyaan.
• Pengenalan wajah, suara dan tulisan.

Sejarah Artificial Intelligence

Berbagai litelatur mengenai kecerdasan buatan menyebutkan bahwa ide mengenai kecerdasan buatan diawali pada awal abad 17 ketika Rene Descartes mengemukakan bahwa tubuh hewan bukanlah apa-apa melainkan hanya mesin-mesin yang rumit. Kemudian Blaise Pascal yang menciptakan mesin penghitung digital mekanis pertama pada 1642. Selanjutnya pada abad 19, Charles Babbage dan Ada Lovelace bekerja pada mesin penghitung mekanis yang dapat diprogram.

Perkembangan terus berlanjut, Bertrand Russell dan Alfred North Whitehead menerbitkan Principia Mathematica, yang merombak logika formal. Warren McCulloch dan Walter Pitts menerbitkan “Kalkulus Logis Gagasan yang tetap ada dalam Aktivitas” pada 1943 yang meletakkan pondasi awal untuk jaringan syaraf.

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 pada tahun 1956, selain itu 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 diyakini sebagai sistem pakar pertama. Hans Moravec mengembangkan kendaraan terkendali komputer pertama untuk mengatasi jalan yang mempunyai rintangan secara mandiri.

Contoh Artificial Intelligence

Game biasanya memiliki karakter yang dikontrol oleh user, dan karakter lawan yang dikontrol oleh game itu sendiri. Dimana kita harus merancang aturan-aturan yang nantinya akan dikerjakan oleh karakter lawan. Game akan menjadi menarik apabila karakter lawan (non-player) bereaksi dengan baik terhadap apa yang dilakukan oleh player. Hal ini akan memancing penasaran user dan membuat game menarik untuk dimainkan. Tujuan intinya adalah membuat non-player memiliki strategi yang cerdas untuk mengalahkan player. Pada bidang ini,  AI dibutuhkan, yaitu untuk merancang dan menghasilkan game yang fun serta antarmuka antara man-machine yang cerdas dan menarik untuk dimainkan.