Ringkasan Sistem Cerdas, AI, Konsep Agen Cerdas, Contoh Agen Cerdas

SISTEM CERDAS

Sistem cerdas adalah sistem yang dapat mengadopsi sebagaian kecil dari tingkat kecerdasan manusia untuk berinteraksi dengan keadaan eksternal suatu sistem.

Biasanya suatu “sistem cerdas” dapat dibagi menjadi beberapa bagian:

1.                   Basis pengetahuan knowledge-base adala berisi pengetahuan yang spesifik mengenai  domain tertentuyang mana basis pengetahuan ini dapat diperbaharui sesuai dengan tingkat kemampuan seorang expert terhadap pemecahan suatu masalah,

2.                   Mesin inferensi Inference Engine adalah sustu program yang bertugas mengolah data  masukan sesuai pengetahuan dalam basis pengetahuan, menurut kaidah-kaidah tertentu.

3.                   Bagian kendali/user interface: bagian yang berkomunikasi langsung dengan pengguna user sistem. Ada dua macam- macam mesin inferensi, yaitu yang bersifat pasti deterministik dan  probabilistik.

KARAKTERISTIK SISTEM CERDAS

Karakteristik system cerdas :

a.       Memiliki fasilitas informasi yang handal

b.       Mudah dimodifikasi

c.        Dapat digunakan dalam berbagai jenis komputer

d.       Memilki kemampuan untuk belajar beradaptasi.

e.       Bekerja secara sistematis berdasarkan pengetahuan dan mekanisme tertentu.

f.         Dapat menalar data-data yang tidak pasti dan memberikan beberapa alasan pemilihan.

g.       Dikembangkan secara bertahap dan terbatas pada bidang keahlian tertentu saja.

h.       Outputnya yang dihasilkan sesuai dengan apa yang kita harapkan.

 CONTOH SISTEM CERDAS DALAM BISNIS

Sistem Cerdas dalam Bisnis :

• Falcon: Software Deteksi penipuan kartu kredit, menawarkan perbaikan 30-70% daripada metode yang telah ada (contoh neural network).

• MetLife insurance menggunakan tool ekstraksi informasi otomatis dari aplikasi MITA contoh language technology).

• Rekomendasi personal (Personalized) daftar saluran TV berbasis Internet, (contoh intelligent agent).

AI (ARTIFICIAL INTELLIGENCE)

Artificial Intelligence atau AI adalah kemampuan dari sebuah komputer untuk berfikir seperti manusia bahkan lebih baik dibandingkan manusia .

SEJARAH AI

·         Era komputer elektronik (1941).

·         Masa persiapan AI (1943-1956).

·         Awal perkembangan (1952-1969).

·         Perkembangan AI melambat (1966-1974).

·         Sistem berbasis pengetahuan (1969-1979).

·         AI menjadi sebuah industry (1980-1988).

CONTOH AI

a.       SIRI. SIRI adalah salah satu voice assistants yang dibuat oleh perusahaan Apple

b.      Alexa. Alexa adalah salah satu voice assistants milik perusahaan Amazon yang disematkan dalam alat pintar seperti smart-lamp, smart-speaker, smart-watch, smart-tv dan smartphone.

Definisi dan Konsep Agen Cerdas

Agen adalah segala sesuatu yang dapat dipandang sebagai entitas pada suatu lingkungan yang mengamati melalui alat sensor dan bertindak melalui alat aktuator.

Sifat Agent

1.      Rasional

2.      Autonomy

3.      Reactivity

Konsep Perancangan Agen Cerdas

a.       Agen adalah segala sesuatu yang dapat dipandang sebagai entitas pada suatu lingkungan yang mengamati melalui alat sensor dan bertindak melalui alat aktuator.

b.      Sebagai perbandingan, agen manusia memiliki alat sensor: mata, telinga, dan organ sensor lainnya; alat actuator: tangan, kaki, mulut, dan bagian tubuh lain sebagai alat gerak.

c.       Sedangkan pada agen robot: kamera dan inframerahi untuk sensor, danlengan, serta berbagai motor sebagaiaktuator.

d.      Agen menerima (percept) sensor dari lingkungan. Keseluruhan percept yang diterima agen pada suatu selang waktu disebut percept sequence.

Jenis Lingkungan Agen Cerdas

·         Sepenuhnya teramati vs Sebagian teramati

·         Deterministik vs Stokastic

·         Episodik vs Sekuensial

·         Statis vs Dinamis

·         (Lingkungan semidinamis jika lingkungan itu sendiri tidak berubah dengan berlalunya waktu namun skor kinerja agen berubah)

·         Diskrit vs Kontinu

·         Agen tunggal vs agen multi

Contoh Agen Cerdas

Agent : Medical diagnosis system

Sebuah agent Medical diagnosis system yang mendiagnosa pasien secara otomatis. Task Environment :

·         Performance measure: pasien sembuh, biya murah tidak menyalahi hukum.

·         Environment: pasien, rumah sakit, suster, dokter.

·         Actuators: layar monitor (pertanyaan, tes, diagnosa, treatment, petunjuk).

·         Sensors: keyboard (masukan gejala penyakit, jawaban pasien).

Agent : Taksi Otomatis

Sebuah agent taksi otomatis yang menerima penumpang dan mengantarkannya ke tujuan. Task Environment :

·         Performance measure: keamanan, kecepatan, legalitas, kenyamanan perjalanan, keuntungan.

·         Environment: jalanan, lampu merah, lalulintas, pejalan kaki, cuaca.

·         Actuators: stir arah, gas, rem, klakson, sinyal kiri/kanan.

·         Sensors: kamera, sonar, speedometer, GPS, odometer, accelerometer, mesin sensor, keyboard.

http://whitetartarsauce.blogspot.com/2018/11/definisi-dan-konsep-agen-cerdas.html

http://whitetartarsauce.blogspot.com/2018/11/contoh-agen-cerdas.html

http://whitetartarsauce.blogspot.com/2018/09/ai-artificial-intelligence.html

http://whitetartarsauce.blogspot.com/2018/09/sistem-cerdas.html

Contoh Agen Cerdas

Contoh Agen Cerdas

Agent : Medical diagnosis system

Sebuah agent Medical diagnosis system yang mendiagnosa pasien secara otomatis. Task Environment :

·         Performance measure: pasien sembuh, biya murah tidak menyalahi hukum.

·         Environment: pasien, rumah sakit, suster, dokter.

·         Actuators: layar monitor (pertanyaan, tes, diagnosa, treatment, petunjuk).

·         Sensors: keyboard (masukan gejala penyakit, jawaban pasien).

Agent : Taksi Otomatis

Sebuah agent taksi otomatis yang menerima penumpang dan mengantarkannya ke tujuan. Task Environment :

·         Performance measure: keamanan, kecepatan, legalitas, kenyamanan perjalanan, keuntungan.

·         Environment: jalanan, lampu merah, lalulintas, pejalan kaki, cuaca.

·         Actuators: stir arah, gas, rem, klakson, sinyal kiri/kanan.

·         Sensors: kamera, sonar, speedometer, GPS, odometer, accelerometer, mesin sensor, keyboard.

Agent: Robot Pabrik Penjamin Mutu

Sebuah robot yang melakukan pemisahan komponen yang bermutu tinggi pada  ban berjalan ke dalam kotak berbeda

·         Performance measure: presentase jumlah komponen yang diletakkan pada kotak yang benar.

·         Environment: ban berjalan, komponen yang diuji, kotak.

·         Actuators: gerak lengan dan tangan robot.

·         Sensors: kamera, sensor fisik.

Sumber :

https://evangelinosite.wordpress.com/2017/10/21/agent-konsep-agent-definisi-serta-contoh/

http://yogipratama97.blogspot.com/2016/10/pengenalan-intelligent-agents.html

Definisi dan Konsep Agen Cerdas

Apa itu Agen Cerdas ??

Agen adalah segala sesuatu yang dapat dipandang sebagai entitas pada suatu lingkungan yang mengamati melalui alat sensor dan bertindak melalui alat aktuator. Agen cerdas merupakan agen yang ditanamkan kecerdasan yang dimiliki oleh seorang manusia sehingga agen tersebut dapat melakukan hal-hal yang memerlukan kecerdasan yang biasanya dilakukan oleh manusia.

Agen cerdas adalah sebuah agen yang menerima persepsi dari lingkungan dan melakukan tindakan.Tujuan utamanya adalah untuk menciptakan kecerdasan buatan sehingga agen tersebut dapat berpikir dan bertindak selayaknya manusia (atau mungkin lebih baik dari pikiran manusia). Ilmu AI dalam permainan umumnya digunakan untuk membuat agen yang dapat mengambil tindakan, memiliki kecerdasan, dan bisa memahami keputusan terhadap kondisi permainan yang dinamis.

Hubungan antara agen dan lingkungan dan digambarkan seperti pada gambar berikut.

·         Fungsi Agen (pada gambar 2.2. berupa kotak dengan tanda tanya) memetakanpercept sequence/percept history ke tindakan (action):

·         [f: P * A à]

·         Program agen berjalan pada arsitektur fisik untuk menghasilkan nilai fungsi f.

·         agen = arsitektur + program

Sifat Agent

a. Rasional

Sebuah agen haruslah mengarah kepada “lakukan hal yang benar”. Berdasarkan kepada apa yang dapat dipahaminya dan tindakan yang dapat dilakukannya. 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 diharapkan memaksimalkan ukuran performance-nya, dengan adanya bukti yang diberikan oleh deretan persepsi dan apapunpengetahuan terpasang yang dimiliki agen itu. Rasionalitas berbeda dari omniscience (tahu segala/all-knowing dengan pengetahuan tak berhingga).

b. Autonomy

Agen dapat melakukan tindakan untuk memodifikasi persepsi masa depan sedemikian hingga dapat memeroleh infoemasi yang berguna (pengumpulan informasi, eksplorasi). Sebuah agen adalah otonom (autonomous) apabila perilakunya ditentukan oleh pengalamannya sendiri (dengan kemampuan belajar dan beradaptasi).

c. Reactivity

Dengan menggabungkan pengetahuan yang dimiliki dengan pengetahuan yang didapat dari lingkungannya, agen dapat menyimpulkan aspek lingkungan yang tersembunyi sebelum melakukan tindakan yang selektif. Agen Berbasis Pengetahuan bersifat fleksibel, mereka dapat beradaptasi dengan perubahan lingkungan dan memperbarui pengetahuan yang relevan.

Konsep Perancangan Agen Cerdas

Rasional dapat didefinisikan sebagai: melakukan hal yang benar. Agen rasional melakukan hal yang benar berdasarkan percept apa yang ditangkap dan tindakan (action) apa yang diambil. Tindakan yang tepat adalah tindakan yang akan menyebabkan agen menjadi yang paling sukses.

Beberapa hal yang perlu ditekankan:

·         Rasionalitas berbeda dari omniscience (serba tahu/mengetahui semua dengan pengetahuan tak terbatas).

·         Agen dapat melakukan tindakan dalam rangka untuk mengubah persepsi masa depan untuk memperoleh informasi yang berguna (pengumpulan informasi, eksplorasi).

·         Sebuah agen dikatakan otonom jika perilaku agen ditentukan oleh pengalaman sendiri (dengan kemampuan untuk belajar dan beradaptasi).

Pengukuran kinerja: Sebuah kriteria obyektif untuk mengukur keberhasilan suatu perilaku agen

Misalnya, mengukur kinerja dari agen vacuum-cleaner:

·         Jumlah kotoran dibersihkan,

·         Jumlah waktu yang dibutuhkan,

·         Jumlah listrik yang dikonsumsi,

·         Jumlah kebisingan yang dihasilkan, dll

Pengukuran kinerja haruslah dapat dinyatakan dalam ukuran kuantitatif. Kata “jumlah” mengindikasikan suatu ukuran kuantitatif/terukur. Untuk setiap urutan persepsi (percept sequence) yang ada, agen rasional harus memilih tindakan yang diharapkan untuk memaksimalkan ukuran kinerjanya.

Tujuan (Goal): Setelah menentukan criteria obyektif (seperti diatas), pilih salah satu tujuan untuk menjadi fokus utama dari agen. Goal adalah tujuan utama yangberusaha dicapai oleh agen (prioritas utama)

Konsep utama perancangan agen cerdas/rasional dapat dilakukan dengan bantuan PEAS yang merupakan singkatan dari:Performance measurement, Environment, Actuators, Sensors. PEAS harus ditentukan sebelum desain agen cerdas. Berdasarkan informasi PEAS, kita benar dapat merancang agen untuk memenuhi tujuan yang ingin dicapai.Sebagai contoh, misalnya tugas merancang sebuah sopir taksi otomatis. Definisikan PEAS agen cerdas tersebut seperti berikut:

·         Performance Measure: Aman, cepat, legal, perjalanan nyaman, memaksimalkan keuntungan

·         Environment: Jalan, lalu lintas lainnya, pejalan kaki, pelanggan

·         Aktuator: Setir, pedal gas, rem, sinyal, klakson

·         Sensor: Kamera, sonar, speedometer, GPS, odometer, sensor mesin, keyboard

Jenis Lingkungan Agen Cerdas

Jenis lingkungan tempat agen cerdas bekerja dapat ditinjau dari beberapa aspek (berikut aspek yang menjadi lawannya,) bergantung lingkungan dimana agen tersebut berada. Aspek-aspek lingkungan adalah:

·         Sepenuhnya teramati vs Sebagian teramati: Lingkungan sepenuhknya teramati jika sensor mendeteksi semua aspek yang relevan dengan pilihan action. Sebuah sensor agen memberikan akses ke keadaan lengkap lingkungan pada setiap titik waktu. Lingkungan sebagian teramati karena sensor berisik dan tidak akurat.

·         Deterministik vs Stokastic: Keadaan berikutnya lingkungan sepenuhnya ditentukan oleh keadaan saat ini dan tindakan yang dilakukan oleh agen. (Jika lingkungan deterministik kecuali untuk tindakan agen lain, maka disebut lingkungan strategis).

·         Episodik vs Sekuensial: Pengalaman agen dibagi menjadi “episode” atom (setiap episode terdiri dari: agen mengamati (percept) dan kemudian melakukan tindakan tunggal), dan pilihan tindakan di setiap episode hanya bergantung pada episode itu sendiri.

·         Statis vs Dinamis: Lingkungan berubah, agen tidak perlu terus mencari pada lingkungan untuk memutuskan sesuatu. Pada lingkungan dinamis terus meminta agen apa yang ia ingin lakukan.

·         (Lingkungan semidinamis jika lingkungan itu sendiri tidak berubah dengan berlalunya waktu namun skor kinerja agen berubah)

·         Diskrit vs Kontinu: Jumlah state/tindakan untuk mencapai goal terbatas (diskrit), persepsi yang jelas dan tindakan yang terhingga. (misalnya, catur – diskrit, mengemudi taksi – kontinyu).

·         Agen tunggal vs agen multi: Seorang agen yang beroperasi dengan sendirinya dalam suatu lingkungan.

Sumber :
http://w3ight.blogspot.com/2013/11/mendeskripsikan-agen-cerdas.html
http://www.weare.id/pengertian-agen-cerdas/

Membuat Garis Vertikal, Horizonta, dan Diagonal Menggunakan Dev C++ w/ OpenGL

Apa itu OpenGL?

OpenGL adalah suatu spefikasi grafik yang low-level yang menyediakan fungsi untuk pembuatan grafik primitif termasuk titik, garis, dan lingkaran dan digunakan untuk keperluan-keperluan pemrograman grafis.

OpenGL juga merupakan suatu antarmuka pemrograman aplikasi (application programming interface (API) yang tidak tergantung pada piranti dan platform yang digunakan, sehingga OpenGL dapat berjalan pada sistem operasi Windows, UNIXdan sistem operasi lainnya.

Dengan menggunakan DevC++ OpenGL kita dapat membuat program untuk menggambar garis horizontal, vertikal, dan diagonal.
Untuk codingan serta logikanya bisa menuju link di bawah.

Logikanya
codingannya

Berikut adalah beberapa screenshot programnya:

AI (ARTIFICIAL INTELLIGENCE)

AI (ARTIFICIAL INTELLIGENCE)

A.    DEFINISI

Artificial Intelligence atau AI adalah kemampuan dari sebuah komputer untuk berfikir seperti manusia bahkan lebih baik dibandingkan manusia . Dalam bahasa Indonesia Artificial Inteligence atau AI artinya Kecerdasan Buatan , biasanya sebuah sistem AI memiliki kemampuan untuk memperoleh informasi baru yang akan dikumpulkan agar sistem AI menjadi lebih cerdas lagi .

Ada beberapa definisi tetang Artificial intelligence (AI, Kecerdasan buatan) menurut beberapa ahli seperti berikut :

·         Minsky, 1989 : Kecerdasan buatan adalah suatu ilmu yang mempelajari cara membuat komputer melakukan sesuatu seperti yang dilakukan oleh manusia.

·         H. A. Simon, 1987 : Kecerdasan buatan merupakan kawasan penelitian, aplikasi dan instruksi yang terkait dengan pemrograman komputer untuk melakukan sesuatu hal yang dalam pandangan manusia adalah cerdas.

·         Ensiklopedi Britannica : Kecedasan buatan sebagai cabang ilmu komputer yang merepresentasi pengetahuan lebih banyak menggunakan symbol-simbol daripada bilangan, dan memproses informasi berdasarkan metode heuristic atau berdasarkan jumlah aturan.

·         Stuart J. Russell & Peter Norvig, 2003 : Kecerdasan buatan adalah perangkat komputer yang dapat memahami lingkungannya dan dapat mengambil tindakan yang memaksimalkan peluang kesuksesan di lingkungan tersebut untuk beberapa tujuan.

Artificial Intelligence biasanya berbentuk mesin atau software , tujuan dari AI ini adalah untuk menggantikan peran manusia agar sebuah pekerjaan atau pemecahan suatu masalah dapat lebih mudah dan efisien .

Jika dilihat dari jaman sekarang artificial intelegence bisa kita lihat di mana-mana, contohnya seperti google.ai, iphone dengan siri ainya yang bisa membantu penggunanya, tesla yang terdapat pada mobil electric, dan lain-lain.

B.     SEJARAH AI

·         Era komputer elektronik (1941)

Ditemukannya pertama kali alat penyimpanan dan pemrosesan informasi yang disebut komputer elektronik. Penemuan ini menjadi dasar pengembangan program yang mengarah ke AI.

·         Masa persiapan AI (1943-1956)

Tahun 1943, Warren McCulloch dan Walter Pitts berhasil membuat suatu model saraf tiruan di mana setiap neuron digambarkan sebagai ‘on’ dan ‘off’. Mereka menunjukkan bahwa setiap fungsi dapat dihitung dengan suatu jaringan sel saraf dan bahwa semua hubungan logis dapat diimplementasikan dengan struktur jaringan yang sederhana.

Pada tahun 1950, Norbert Wiener membuat penelitian mengenai prinsip-prinsip teori feedback. Contoh terkenal adalah thermostat.

Pada tahun 1956, John McCarthy meyakinkan Minsky, Claude Shannon, dan Nathaniel Rochester untuk membantunya melakukan penelitian dalam bidang automata, jaringan saraf, dan pembelajaran intelijensia. Mereka mengerjakan proyek ini selama 2 bulan di Universitas Dartmouth. Hasilnya adalah program yang mampu berpikir non-numerik dan menyelesaikan masalah pemikiran, yang dinamakan Principia Mathematica. Hal ini menjadikan McCarthy disebut sebagai father of Artificial Intelligence/ Bapak Kecerdasan Buatan.

·         Awal perkembangan (1952-1969)

Pada tahun 1958, McCarthy di MIT AI Lab mendefinisikan bahasa pemrograman tingkat tinggi yaitu LISP, yang sekarang mendominasi pembuatan program-program AI. Kemudian, McCarthy membuat program yang dinamakan programs with common sense. Di dalam program tersebut, dibuat rancangan untuk menggunakan pengetahuan dalam mencari solusi.

Pada tahun 1959, Program komputer General Problem Solver berhasil dibuat oleh Herbert A. Simon, J.C. Shaw, dan Allen Newell. Program ini dirancang untuk memulai penyelesaian masalah secara manusiawi. Pada tahun yg sama Nathaniel Rochester dari IBM dan para mahasiswanya merilis program AI yaitu geometry theorem prover. Program ini dapat mebuktikan suatu teorema menggunakan axioma-axioma yang ada.

Pada tahun 1963, program yang dibuat James Slagle mampu menyelesaikan masalah integral tertutup untuk mata kuliah Kalkulus.

Pada tahun 1968, program analogi buatan Tom Evan menyelesaikan masalah analogi geometri yang ada pada tes IQ.

·         Perkembangan AI melambat (1966-1974)

Perkembangan AI melambat disebabkan adanya beberapa kesulitan yang di hadapi seperti  Program-program AI yang bermunculan hanya mengandung sedikit atau bahkan tidak mengandung sama sekali pengetahuan pada subjeknya, banyak terjadi kegagalan pada pembuatan program AI, terdapat beberapa batasan pada struktur dasar yang digunakan untuk menghasilkan perilaku intelijensia.

·         Sistem berbasis pengetahuan (1969-1979)

Pada tahun 1960an, Ed Feigenbaum, Bruce Buchanan, dan Joshua Lederberg merintis proyek DENDRAL yaitu program untuk memecahkan masalah struktur molekul dari informasi yang didapatkan dari spectometer massa. Dari segi diagnosa medis juga sudah ada yang menemukan sistem berbasis Ilmu pengetahuan, yaitu Saul Amarel dalam proyek computer ini biomedicine. Proyek ini diawali dari keinginan untuk mendapatkan diagnosa penyakit berdasarkan pengetahuan yang ada pada mekanisme penyebab proses penyakit.

·         AI menjadi sebuah industry (1980-1988)

Industralisasi AI diawali dengan ditemukannya sistem pakar yang dinamakan R1 yang mampu mengkonfigurasi sistem-sistem komputer baru. Program tersebut mulai dioperasikan di Digital Equipment Corporation (DEC), McDermott, pada tahun 1982. Pada tahun 1986, program ini telah berhasil menghemat US$ 40 juta per tahun.

Pada tahun 1988, kelompok AI di DEC menjalankan 40 sistem pakar. Hampir semua perusahaan besar di USA mempunyai divisi Ai sendiri yang menggunakan ataupun mempelajari sistem pakar. Booming industry Ai juga melibatkan perusahaan-perusahaan besar seperti Carnegie Group, Inference, IntelliCorp, dan Technoledge yang menawarkan software tools untuk membangun sistem pakar. Perusahaan hardware seperti LISP Machines Inc., Texas Instruments, Symbolics, dan Xerox juga turut berperan dalam membangun workstation yang dioptimasi untuk pembangunan program LISP. Sehingga, perusahaan yang sejak tahun 1982 hanya menghasilkan beberapa juta US dollar per tahun meningkat menjadi 2 milyar US dollar per tahun pada tahun 1988.

C.     CONTOH AI

a.      SIRI

SIRI adalah salah satu voice assistants yang dibuat oleh perusahaan Apple untuk produk smartphone, laptop, dan desktop mereka. Interface SIRI adalah komputer dengan aktivasi suara yang ramah dan kita berinteraksi dengannya pada kegiatan sehari – hari. SIRI dapat membantu untuk mencari informasi, memberikan arahan, membuat penjadwalan, mengirim pesan dan masih banyak lagi. SIRI menggunakan teknologi machine learning untuk dapat semakin pintar dan memprediksi lebih baik dalam memahami bahasa kita melalui pertanyaan dan permintaan.

b.      Alexa

Alexa adalah salah satu voice assistants milik perusahaan Amazon yang disematkan dalam alat pintar seperti smart-lamp, smart-speaker, smart-watch, smart-tv dan smartphone. Alexa dibuat untuk menjadi inti dari integrase rumah cerdas (smart home). Alexa dapat menafsirkan pembicaraan dari berbagai sudut sebuah ruangan (ruangan dimana Alexa berada) dan menerjemakannya menjadi perintah yang dapat membantu kita menjelajah web untuk informasi, membuat jadwal, mengatur alarm, mendengarkan musik dan jutaan hal lainnya.

c.       Tesla

Tesla adalah salah satu perusahaan Otomatif yang menanamkan AI pada beberapa produk mobilnya. Salah satu fitur AI terkenal pada mobil tesla yaitu memungkinkan mobil dikemudikan secara otomatis. Selain itu software pada mobil Tesla dapat diupdate secara over-the-air.

d.      Pengenal wajah Facebook

Facebook menggunakan sembilan lapisan dalam jaringan saraf dengan lebih dari 120 juta parameter untuk menandai orang dalam foto secara otomatis. Jaringan saraf tersebut dilatih menggunakan lebih dari 4 juta data gambar wajah, dan memiliki tingkat akurasi 97%.

 Sumber : 

https://ngelag.com/apa-itu-artificial-intelligence-atau-ai/

https://evangelinosite.wordpress.com/2017/09/28/artificial-intelligence-definisi-sejarah-dan-contoh-kecerdasan-buatan/

SISTEM CERDAS

          SISTEM CERDAS

A.    DEFINISI

Apa itu system cerdas ?

Sistem cerdas adalah sistem yang dapat mengadopsi sebagaian kecil dari tingkat kecerdasan manusia untuk berinteraksi dengan keadaan eksternal suatu sistem. Sebagian kecil dari tingkat kecerdasan itu antara lain: kemampuan untuk dilatih, mengingat kembali kondisi yang pernah dialami, mengolah data-data untuk memberikan aksi yang tepat sesuai yang telah diajarkan, dan kemampuan menyerap kepakaran seorang ahli melalui perintah yang dituliskan dalam sebuah bahasa pemrograman tertentu. Sub-bab berikut membahas secara singkat tiga buah sistem cerdas yang dimaksud.

SISTEM CERDAS BERBASIS PENGETAHUAN

Sistem cerdas berbasis pengetahuan adalah sistem yang memiliki kemampuan menyerap kepakaran seorang ahli. Sistem ini ditunjukkan pada Gambar 2.1 memiliki sebuah blok utama berupa basis pengetahuan yang berisi informasi kepakaran. Informasi kepakaran dijabarkan algoritma cerdas, dan komponen prakondisi isyarat yang mengatur kerja sensor-sensor. Algoritma cerdas inilah yang memutuskan aksi-aksi yang tepat untuk setiap keadaan/status sistem.

Contoh kepakaran yang bisa disimpan oleh sistem ini antara lain adalah kepakaran untuk menghindari rintangan-rintangan, kepakaran untuk menginjeksi pupuk dengan takaran yang tepat, memisahkan obyek-obyek sesuai dengan klasifikasi tertentu, atau kepakaran untuk mengenal dengan baik kondisi obyek hasil pertanian yang hendak dipanen. Kepakaran ini tentunya harus didukung oleh sensor dengan presisi yang memadai.

Biasanya suatu “sistem cerdas” dapat dibagi menjadi beberapa bagian:

1.      1.Basis pengetahuan knowledge-base adala berisi pengetahuan yang spesifik mengenai  domain tertentuyang mana basis pengetahuan ini dapat diperbaharui sesuai dengan tingkat kemampuan seorang expert terhadap pemecahan suatu masalah,

2.      2.Mesin inferensi Inference Engine adalah sustu program yang bertugas mengolah data  masukan sesuai pengetahuan dalam basis pengetahuan, menurut kaidah-kaidah tertentu.

3.      3.Bagian kendali/user interface: bagian yang berkomunikasi langsung dengan pengguna user sistem. Ada dua macam- macam mesin inferensi, yaitu yang bersifat pasti deterministik dan  probabilistik.

B.     KARAKTERISTIK SISTEM CERDAS

Karakteristik system cerdas :

a.      Memiliki fasilitas informasi yang handal

b.      Mudah dimodifikasi

c.       Dapat digunakan dalam berbagai jenis komputer

d.      Memilki kemampuan untuk belajar beradaptasi.

e.      Bekerja secara sistematis berdasarkan pengetahuan dan mekanisme tertentu.

f.        Dapat menalar data-data yang tidak pasti dan memberikan beberapa alasan pemilihan.

g.      Dikembangkan secara bertahap dan terbatas pada bidang keahlian tertentu saja.

h.      Outputnya yang dihasilkan sesuai dengan apa yang kita harapkan.

Mempunyai satu atau lebih sifat:

·         Mampu mengekstrak dan menyimpan pengetahuan

·         Proses penalaran seperti manusia

·         Pembelajaran dari pengalaman (atau Training)

·         Berurusan dengan ekspresi tidak tepat/teliti dari fakta

·         Menemukan solusi melalui proses mirip evolusi alami

Tren Terkini? Interaksi yang lebih canggih dengan pengguna melalui:

·         Pemahaman bahasa Alami

·         Pengenalasan dan Sintesis bicara (speech)

·         Analisis citra (image)

Kebanyakan sistem cerdas saat ini berbasis pada

·         Sistem pakar berbasis aturan

·         Satu /lebih metodologi dalam soft computing.

C.     CONTOH SISTEM CERDAS DALAM BISNIS

Sistem Cerdas dalam Bisnis :

• Falcon: Software Deteksi penipuan kartu kredit, menawarkan perbaikan 30-70% daripada metode yang telah ada (contoh neural network).

• MetLife insurance menggunakan tool ekstraksi informasi otomatis dari aplikasi MITA contoh language technology).

• Rekomendasi personal (Personalized) daftar saluran TV berbasis Internet, (contoh intelligent agent).

• FASTrak-Apt: teknologi perencanaan konstruksi apartemen, Hyundai, (contoh proyek ase Based Reasoning).

• US Occupational Safety & Health Administration (OSHA) menggunakan “penasehat akar” untuk membantu mengidentifikasi kebakaran & bahaya keselamatan lain pada tempat kerja (contoh expert system).

sumber :

http://hanggaaksara.blogspot.com/2016/10/pengertian-sistem-cerdas-berbasis.html

http://sherlianna.blogspot.com/2016/09/sistem-cerdas-dan-kegunaanya.html

https://www.coursehero.com/file/pq1bpk/Sistem-Cerdas-dalam-Bisnis-Contoh-Falcon-Software-Deteksi-penipuan-kartu-kredit/

https://willyluga.wordpress.com/2017/09/22/pengantar-teknologi-sistem-cerdas/