Softskill

SISTEM CERDAS

A. Definisi

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

B. Katakteristik sistem 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.

C. Contoh Sistem Cerdas dalam Bisnis

Solution X100-C .

Mesin ini memiliki kapasitas memory yang besar dan dilengkapi dengan fitur canggih, seperti: USB Flash Disk, Web Server, Schedule Bell, SMS Message, Workcode, Function Key, dll. Mesin ini juga dilengkapi dengan Layar TFT LCD 3 Inch Full Color yang dapat menampilkan Photo Karyawan. Design Casing Belakang Mesin ini dirancang agar dapat menyembunyikan kabel dan panel belakangnya terbuat dari Besi yang sangat kokoh sehingga membuat mesin ini tampak lebih Rapi, Mewah dan Elegan.

Specifications:

*Standalone, Tidak membutuhkan komputer

*Kapasitas User: 20.000 Sidikjari

*Kapasitas Log: 200.000 Transaksi

*Komunikasi PC: TCP/IP (RJ45), USB Disk

*Waktu respon: <= 1 detik

*Dilengkapi Fitur: TFT LCD Full Color 3 Inch, PhotoID, Web Server, Schedule Bell, SMS Message, Workcode, Function Key.

*Free Software: ATTENDANCE + PAYROLL 2.1

Alat ini tidak hanya membuat pekerjaan anda lebih mudah namun juga lebih efektif

AI (Artificial Intelegent)

A. Definisi

AI adalah teknik dan ilmu untuk membuat suatu mesin menjadi cerdas, terutama untuk program komputer. Kecerdasan yang dimaksud adalah kecerdasan seperti yang dimiliki manusia, sehingga sebuah komputer dapat mengambil tindakan untuk menyelesaikan masalah dengan pemikiran seperti seorang manusia.

B. Sejarah AI

SEJARAH KECERDASAN BUATAN

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.

Kembalinya jaringan saraf tiruan (1986 – sekarang)

Meskipun bidang ilmu komputer menolak jaringan saraf tiruan setelah diterbitkannya buku ‘Perceptrons’ karangan Minsky dan Papert, tetapi para ilmuwan masih mempelajari bidang ilmu tersebut dari sudut pandang yang lain, yaitu fisika. Ahli fisika seperti Hopfield (1982) menggunakan teknik-teknik mekanika statistika untuk menganalisa sifat-sifat penyimpanan dan optimasi pada jaringan saraf. Para ahli psikolog, David Rumhelhart dan Geoff Hinton melanjutkan penelitian mengenai model jaringan saraf pada memori. Pada tahun 1985-an sedikitnya empat kelompok riset menemukan algoritma Back-Propagation. Algoritma ini berhasil diimplementasikan ke dalam ilmu bidang komputer dan psikologi

C. Contoh AI

Flying Drones

Drone sudah mengirimkan produk ke rumah pelanggan — meskipun dalam mode uji coba. Mereka menunjukkan sistem pembelajaran mesin yang kuat yang dapat menerjemahkan lingkungan ke dalam model 3D melalui sensor dan kamera video.

Sensor dan kamera dapat melihat posisi drone di ruangan dengan menyambungkannya ke langit-langit. Algoritma generasi lintasan memandu drone tentang bagaimana dan kemana harus bergerak. Dengan menggunakan sistem Wi-Fi, kita dapat mengendalikan drone dan menggunakannya untuk tujuan tertentu — pengiriman produk, pembuatan video, atau pelaporan berita

DEFINISI & KONSEP AGEN CERDAS

Pengertian Agen Cerdas

Agen cerdas (Artificial Intelligence) 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.

Konsep Agen Cerdas dan lingkungan

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

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.

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

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

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.

CONTOH AGEN CERDAS

   

   1. LAPTOP

PEAS-nya adalah :

Goal : dapat di bawa kemana saja (portabel), lebih efektif.

Environment : Sekolah,Kantor , Toko Elektronik.

Action : Menjalankan prosedur yang diinginkan user seperti menggambar, editing ,gaming , dll.

Percept : keyboard.

Dalam hal ini, agen cerdasnya berupa sebuah laptop yang dapat melakukan berbagai prosedur komputasi yang dibutuhkan user . Dengan adanya alat ini, maka dapat mempermudah pengguna untuk mengerjakan kegiatan yang berhubungan dengan komputer dimana saja.

    

      2. TAKSI OTOMATIS

PEAS-nya adalah :

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.

Dalam hal ini, agen cerdasnya berupa sebuah mesin taksi otomatis  yang dapat yang dapat mempermudah manusia dalam bidang transportasi.Mesin ini memiliki tujuan dalam modernisasi transportasi taksi tanpa harus ada supir serta ramah lingkungan.