WIDJI DADI SURAHMAT – 1122469818 – ASSIGNMENT #7

  1. Pertanyaan:

    Pelajari materi berikut: goo.gl/81Royn

    Bagaimana proses penyelesaian masalah jalur terpendek S ke G menggunakan SMA* dengan memory yang dapat menampung maksimal 5 node?

    Pelajari tentang Simulated Anneling dan Pencarian Tabu. Jelaskan disertai contoh.

    Cari artikel ilmiah yang berkaitan dengan Simulated Anneling dan Pencarian Tabu.

  2. Status :
    Tercapai 100%
  3. Keterangan :
    Saya sudah menyelesaikan Quis Assignment #7 ini. Sesuai dengan intruksi yang diberikan.
  4. Pembuktian :
    Jawaban :
    1.(a) Buka node 1 , diperoleh node 2 dengan f = 12. Simpan ke memory.
    (b) Memory masih dapat menerima satu node. Buka node 1 dan
    dapatkan node 3 dan masukkan ke memory. Memory penuh dan tidak
    ditemukan node tujuan.
    Proses selanjutnya:
    – update f dari node 1 dengan f minimum dari anaknya (12/node 2)
    – Buka node 2
    – Keluarkan node daun dengan f paling tertinggi (node 3)
    – Ingat f dari node 3 (13).
    (c) Buka node 4, masukkan ke memory. Bukan tujuan. Selanjutnya:
    – Ingatkan node 3 ke dalam node 1
    – Memory penuh
    – Node 4 bukanlah node tujuan, tandai infinite.
    (d) Lakukan :
    – Keluarkan node 4 dan tambahkan node 5
    – node 2 mengingat node 5
    – update f dari node 2 dengan f minimum dari anak-anaknya
    – update f dari node 1
    Node 5 adalah tujuan. Tetapi masih ada nilai 13 dalam memory,
    lebih kecil daripada f node tujuan yang diperoleh. Selanjutnya buka
    node yang diingat.
    (e) Node 3 dibuka lagi, kemudian:
    – Lepaskan node 2 dan tambahkan node 6
    – Ingatkan node 2 ke dalam node 1
    – Node 6 adalah tujuan dan node dengan biaya f terkecil.
    – SELESAI (gambar f).
    2. SIMULATED ANNEALING (SA)

    Simulated Annealing adalah suatu algoritma optimasi yang mensimulasikan proses annealing pada pembuatan materi yang terdiri dari butir kristal atau logam. Algoritma untuk untuk optimisasi yang bersifat generik. Berbasiskan probabilitas dan mekanika statistik, algoritma ini dapat digunakan untuk mencari pendekatan terhadap solusi optimum global dari suatu permasalahan. Masalah yang membutuhkan pendekatan SA adalah masalah-masalah optimisasi kombinatorial, di mana ruang pencarian solusi yang ada terlalu besar, sehingga hampir tidak mungkin ditemukan solusi eksak terhadap permasalahan itu.

    Annealing adalah satu teknik yang dikenal dalam bidang metalurgi, digunakan dalam mempelajari proses pembentukan kristal dalam suatu materi. Agar dapat terbentuk susunan kristal yang sempurna, diperlukan pemanasan sampai suatu tingkat tertentu, kemudian dilanjutkan dengan pendinginan yang perlahan-lahan dan terkendali dari materi tersebut. Pemanasan materi di awal proses annealing, memberikan kesempatan pada atom-atom dalam materi itu untuk bergerak secara bebas, mengingat tingkat energi dalam kondisi panas ini cukup tinggi. Proses pendinginan yang perlahan-lahan memungkinkan atom-atom yang tadinya bergerak bebas itu, pada akhirnya menemukan tempat yang optimum, di mana energi internal yang dibutuhkan atom itu untuk mempertahankan posisinya adalah minimum.
    Secara umum ada 3 hal pokok pada simulated annealing, yaitu:
    a.       Nilai awal untuk temperatur (T0).
    Nilai T0 biasanya ditetapkan cukup besar (tidak mendekati nol), karena jika T mendekati 0 maka gerakan simulated annealing akan sama dengan hill climbing. Biasanya temperatur awal ini ditetapkan sebesar 2 kali panjang suatu jalur yang dipilih secara acak.
    b.      Kriteria yang digunakan untuk memutuskan apakah temperatur sistem seharusnya dikurangi.
    c.       Berapa besarnya pengurangan temperatur dalam setiap waktu.

    TABU SEARCH (Pencarian Tabu)
    Tabu Search merupakan suatu metode optimasi yang menggunakan short-term memory untuk menjaga agar proses pencarian tidak terjebak pada nilai optimum lokal. Metode ini menggunakan Tabu List untuk menyimpan sekumpulan solusi yang baru saja dievaluasi.
    Selama proses optimasi, pada setia piterasi, solusi yang akan dievaluasi akan dicocokkan terlebih dahulu dengan isi Tabu List untuk melihat apakah solusi tersebut sudah ada pada Tabu List.
    Apabila solusi tersebut sudah ada pada Tabu List, maka solusi tersebut tidak akan dievaluasi lagi pada iterasi berikutnya.Apabila sudah tidak ada lagi solusi yang tidak menjadi anggota Tabu List, maka nilai terbaik yang baru saja diperoleh merupakan solusi yang sebenarnya.
    Algoritma:
    1. Tetapkan:
    X = Matriks input berukuran nxm & MaxItr = maksimum iterasi.
    2. S = bangkitkan solusi secara random.
    3. GlobalMin   = FCost(S).
    4. Best             = S.
    5. TabuList      = [].
    6. Kerjakan dari k =1 sampai MaxItr:
    –BestSoFar     = FCost(S).
    –BestMove      = S.
    –Kerjakan dari i=1 sampai (n-1)
    CONTOH TABU SEARCH

    3. artikel ilmiah yang berkaitan dengan Simulated Anneling dan Pencarian Tabu

     

WIDJI DADI SURAHMAT – 1122469818 – ASSIGNMENT #6

  • Pertanyaan:
    Pelajari laporan penelitian yang berjudul Perbandingan Algoritma Greedy dan Algoritma Dijkstra untuk menentukan Lintasan Terpendek berikut ini:
    https://goo.gl/AQmcXY

    1. Apa yang melatar belakangi penelitian tersebut?
    2. Mengapa harus menggunakan Algoritma Greedy dan Algoritma Dijkstra?
    3. Apa yang menjadi kontribusi di dalam penelitian tersebut?
    4. Jelaskan cara kerja algoritma Greedy dan Algoritma Dijkstra dalam laporan penelitian tersebut?
    5. Jelaskan bentuk implementasi algoritma greedy dan algoritma Dijkstra dalam laporan penelitian tersebut?
  • Status :
    Tercapai 100%
  • Keterangan :
    Saya sudah menyelesaikan Quis Assignment #6 ini. Sesuai dengan intruksi yang diberikan.
  • Pembuktian :
    Jawaban :
    1. 
    Dalam kehidupan, sering dilakukan perjalanan dari suatu tempat atau kota ke tempat yang lain dengan mempertimbangkan efisiensi, waktu dan biaya sehingga
    diperlukan ketepatan dalam menentukan jalur terpendek antar suatu kota. Hasil penentuan jalur terpendek akan menjadi pertimbangan dalam pengambilan keputusan untuk menunjukkan jalur yang ditempuh. Hasil yang didapatkan juga membutuhkan kecepatan dan keakuratan dengan bantuan komputer.
    Secara umum, pencarian jalur terpendek dapat dibagi menjadi 2 metode, yaitu: metode konvensional dan metode heuristik. Metode konvensional
    merupakan metode yang menggunakan perhitungan matematik biasa, pada pencarian lintasan terpendek hanya dapat diselesaikan untuk 5 sampai 10 verteks, untuk verteks yang lebih banyak metode heuristik lebih variatif dan waktu perhitungan yang diperlukan lebih singkat, karena metode heuristik menggunakan
    metode pendekatan dan melakukan pencarian. Untuk menggunakan atau memfungsikan sebuah komputer harus terdapat program yang terdistribusi di dalamnya, tanpa program tersebut komputer hanyalah menjadi sebuah kotak yang tak berguna. Program yang terdapat pada komputer sangat bervariasi dan setiap program tersebut pasti menggunakan algoritma. Algoritma merupakan kumpulan perintah untuk menyelesaikan suatu masalah. Perintah-perintahnya dapat diterjemahkan secara bertahap dari awal hingga akhir. Masalah tersebut dapat berupa apapun dengan catatan untuk setiap masalah, memiliki kriteria kondisi awal yang harus dipenuhi sebelum menjalankan algoritma. Algoritma yang akan dipergunakan untuk mencari lintasan terpendek dalam hal ini adalah algoritma Greedy dan algoritma Dijkstra, algoritma Dijkstra merupakan algoritma yang paling terkenal untuk mencari lintasan terpendek yang diterapkan pada graph berarah dan berbobot, di mana jarak antar verteks adalah bobot dari tiap arc pada graph tersebut. Selain algoritma Dijkstra, algoritma Greedy merupakan salah satu metode untuk memecahkan masalah optimasi, juga merupakan program yang dapat memecahkan masalah langkah demi langkah, yang pada setiap langkahnya mengambil pilihan yang terbaik yang diperoleh saat itu tanpa memperhatikan konsekuensi ke depannya dengan gagasan dasar adalah membangun solusi besar diatas solusi kecil.

    2. karena Perbandingan Algoritma Greedy dan Algoritma Dijkstra Algortima Dijkstra dan Algoritma Greedy merupakan algoritma untuk menemukan jarak terpendek dari suatu verteks ke verteks yang lainnya pada suatu graph yang berbobot, di mana jarak antar verteks adalah bobot dari tiap edge atau arc pada graph tersebut. Algoritma Dijkstra dan Greedy merupakan algoritma yang setiap langkahnya mengambil edge atau arc yang berbobot minimum yang menghubungkan sebuah verteks yang sudah terpilih dengan sebuah verteks lain yang belum terpilih.

    3. Dengan membandingkan algoritma Greedy dan algoritma Dijkstra dapatlah diketahui metode mana yang baik untuk menentukan maksimal lintasan terpendek dari suatu titik ke titik yang lain. Hal ini dapat diaplikasikan dalam peta suatu daerah, sistem saluran air PDAM, sistem aliran listrik PLN dan sebagainya.

    4. algoritma Dijkstra merupakan algoritma untuk menemukan jarak terpendek dari suatu verteks ke verteks yang lainnya pada suatu graph yang berbobot dengan menggunakan strategi Greedy. Algoritma ini menyelesaikan masalah mencari sebuah lintasan terpendek (sebuah lintasan yang mempunyai panjang minimum) dari verteks a ke verteks z dalam graph berbobot, bobot tersebut adalah bilangan positif jadi tidak dapat dilalui oleh edge(arc) negatif, jika dilalui oleh edge(arc) negatif, maka penyelesaian yang diberikan adalah infiniti. Seymour Lipschutz dan Marc Lars dalam bukunya ”Matematika Diskrit 2”, definisi graph adalah bahwa sebuah graph terdiri dari 2(dua) bagian yaitu: sebuah himpunan V=V(G) memiliki elemen-elemen yang dinamakan verteks. Kemudian sebuah kumpulan E=E(G) atau A=A(G), merupakan pasangan tak berurut dari verteks-verteks yang berbeda dinamakan edge(arc). Sedangkan multigraph G=G(V,E) terdiri dari suatu himpunan V(verteks) dan suatu himpunan E(edge) kecuali E mengandung multiple edge, yaitu beberapa edge(arc) dengan menghubungkan titiktitik ujung yang sama, dan E mungkin mengandung satu atau lebih loop, yaitu sebuah edge yang titik-titik ujungnya adalah verteks yang sama.

    5. mengimplementasikannya dengan bahasa pemograman yang berbeda dan menggunakan algoritma yang berbeda.

WIDJI DADI SURAHMAT – 1122469818 – ASSIGNMENT #5

  • Pertanyaan:
    Pelajari materi berikut ini:
    http://ti402.ilearning.me/materi-kuliah/pertemuan-3/
    Selanjutnya, tentukan rute terpendek dari barcelona ke Bucharest menggunakan Algoritma Greedy.

  • Status :
    Tercapai 100%
  • Keterangan :
    Saya sudah menyelesaikan Quis Assignment #5 ini. Sesuai dengan intruksi yang diberikan.
  • Pembuktian :
    Jawaban :

    1. Tentukan jalur terpendek dari Barcelona ke Buchrest,
    Kota dan Jarak langsung ke Bucharest
    Amsterdam 2280 Lyon 1660
    Athens 1300 Madrid 3300
    Barcelona 2670 Milan 1750
    Belgrade 630 Munich 1600
    Berlin 1800 Oslo 2870
    Bordeaux 2100 Palermo 1280
    Budapest 900 Paris 2970
    Copenhagen 2250 Prague 1490
    Dublin 2530 Rome 1140
    Glasgow 2470 Sofia 390
    Helsinki 2820 Stockholm 2890
    Lisbon 3950 Vienna 1150
    London 2590 Warsaw 946
    Jarak Langsung Antar Kota
    Oslo-Helsinki 970 Rome-Milan: 681 Madrid -Barcelona 628
    Helsinki-Stockholm 400 Milan-Budapest 789 Madrid-Lisbon 638
    Oslo-Stockholm 570 Vienna-Budapest 217 Lisbon-London 2210
    Stockholm-Copenhagen 522 Vienna-Munich 458 Barcelona-Lyon 644
    Copenhagen-Warsaw 668 Prague-Vienna 312 Paris-London 414
    Warsaw-Bucharest 946 Prague-Berlin 354 London-Dublin 463
    Bucharest-Athens 1300 Berlin-Copenhagen 743 London-Glasgow 667
    Budapest-Bucharest 900 Berlin-Amsterdam 648 Glasgow-Amsterdam 711
    Budapest-Belgrade 316 Munich-Lyon 753 Budapest-Prague 443
    Belgrade-Sofia 330 Lyon-Paris 481 Barcelona-Rome 1471
    Rome-Palermo 1043 Lyon-Bordeaux 542 Paris-Bordeaux 579
    Palermo-Athens 907 Glasgow-Dublin 306

    Temukan jalur terpendek Barcelona – Bucharest!
    • Solusi Greedy: Barcelona – Rome – Palermo – Athens –
    Bucharest, dengan biaya 1471+1043+907+1300 = 4,721
    Gambar jalur terpendek Barcelona – Bucharest
    Penjelasannya :
    – Mulai dari Barcelona. Tujuan? Bukan. Buka node-node yang tersambung dengan Barcelona. Diperoleh Madrid, Lyon dan Rome.
    – Dari 3 node baru, pilih yang terdekat dengan Bucharest, yaitu Rome.
    – Apakah Rome tujuan? Bukan. Buka node-node yang mungkin. Diperoleh Milan dan Palermo.
    – Mana yang terdekat dengan Bucharest? Palermo.
    – Buka node Palermo. Diperoleh Athens.
    – Apakah Athens tujuan? Bukan. Buka node anaknya, diperoleh Bucharest.
    – Apakah Bucharest tujuan? Ya. Selesai.

WIDJI DADI SURAHMAT – 1122469818 – ASSIGNMENT #4

  • Pertanyaan :

    Pelajari materi yang ada disini:
    http://ti402.ilearning.me/materi-kuliah/pertemuan-2/

    • Mana jalur terbaik?

     

    • Gunakan pohon (tree) untuk menyelesaikan  masalah di atas dengan pendekatan BFS, DFS,  dan DFS dengan kedalaman Iteratif.
    • Buatlah program untuk mengimplementasikan  pencarian BFS, DFS, DFS dengan kedalaman  Iteratif dan Dua arah.
  • Status :
    Tercapai 100%
  • Keterangan :
    Saya sudah menyelesaikan Quis Assignment #4 ini. Sesuai dengan intruksi yang diberikan.
  • Pembuktian :
    Jawaban :
    1. Jalur Terbaik

    2. pohon (tree) : BFS, DFS, DFS dengan kedalaman iteratif
    3. BFS
    Langkah 1. Bentuk antrian Q dan masukkan status awal (misal: Root).
    Langkah 2. Sampai Q kosong atau status tujuan ditemukan
    do:
    Langkah 2.1 Apakah elemen pertama dalam Q adalah tujuan?
    Langkah 2.2 IF Iya, Selesai dan Return Status ini
    Langkah 2.3 IF Tidak
    Langkah 2.3.1 Hapus elemen pertama dalam Q.
    Langkah 2.3.2 Bangkitkan status-status baru (successor).
    Langkah 2.3.3 Tambahkan status-status baru itu ke akhir Q.
    Langkah 3. IF tujuan dicapai, SUKSES; else GAGAL.

    DFS
    Langkah1. Bentuk antrian Q dan masukkan status awal (misal: Root).
    Langkah 2. Sampai Q kosong atau status tujuan ditemukan
    do:
    Langkah 2.1 Apakah elemen pertama dalam Q merupakan tujuan?
    Langkah 2.2 IF Iya, Selesai dan Return status ini
    Langkah 2.3 IF bukan
    Langkah 2.3.1 Hapus elemen pertama dalam Q.
    Langkah 2.3.2 Bangkitkan status-status baru (successor ).
    Langkah 2.3.3 Tambahkan status baru (urut terbaru) ke
    depan Q.
    Langkah 3. IF tujuan dicapai, SUKSES; else GAGAL.

    DFS Kedalaman Iteratif

    Kembalikan solusi atau gagal;
    Input masalah;
    l = 0
    While tidak ada solusi, do
    Terapkan DFS (masalah, kedalaman) dari status
    awal sampai ke dalam l
    If tujuan ditemukan
    Then Selesai dan Return Solusi,
    Else naikkan batas kedalaman l=l+1 atau inc(l)
    End.

    Dua arah (Bidirectional)
    • Ada 3 arah pencarian:
    – forward (maju);
    – backward (mundur);
    – bidirectional (dua arah)
    • Pada pencarian dua arah, node-node diexpand dari
    status awal ke tujuan secara bersamaan (simultan)
    • Pada setiap tahap dicek apakah node-node yang
    dijumpai sudah dibangkitkan oleh yang lain.
    • Jika Iya, maka gabungan jalur adalah solusinya.
    • Dua pencarian dapat bekerja paralel: satu dari asal
    ke tujuan, satu dari tujuan ke awal
    • Saat keduanya bertemu, diperoleh jalur yang baik.

WIDJI DADI SURAHMAT – 1122469818 – ASSIGNMENT #3

  • Pertanyaan :
    Kerjakan halaman 12 pada buku pegangan Artificial Intelligence karangan Suyanto,

    1. Menurut Anda, seberapa penting bidang ilmu AI untuk kehidupan manusia ? berikan justifikasi Anda.
    2. Untuk mempercepat perkembangan AI sehingga menghasilkan produk-produk yang berguna bagi manusia, menurut Anda definisi AI seperti apa yang paling tepat?
    3. Selain yang telah disebutkan diatas, sebutkan produk-produk AI lainnya yang menggunakan teknik searching, reasoning, planning, dan learning. Berikan penjelasan Anda.
    4. Melihat perkembangan AI, hardware dan software saat ini, mungkinkah semua tahapan-tahapan prediksi yang dibuat Ray Kurzweil akan bisa diwujudkan? Berikan alasan Anda.
  • Status :
    Tercapai 100%
  • Keterangan :
    Saya sudah menyelesaikan Quis Assignment #3 ini. Sesuai dengan intruksi yang diberikan.
  • Pembuktian :
    Jawaban :
    1. 
    Menurut saya, Kecerdasan Buatan atau kecerdasan yang ditambahkan kepada suatu sistem yang bisa diatur dalam konteks ilmiah atau Intelegensi Artifisial Sistem seperti ini umumnya dianggap komputer. Kecerdasan diciptakan dan dimasukkan ke dalam suatu mesin (komputer) agar dapat melakukan pekerjaan seperti yang dapat dilakukan manusia. Beberapa macam bidang yang menggunakan kecerdasan buatan antara lain sistem pakar, permainan komputer (games), logika fuzzy, jaringan syaraf tiruan dan robotika. Banyak hal yang kelihatannya sulit untuk kecerdasan manusia, tetapi untuk Informatika relatif tidak bermasalah. Seperti contoh: mentransformasikan persamaan, menyelesaikan persamaan integral, membuat permainan catur atau Backgammon. Di sisi lain, hal yang bagi manusia kelihatannya menuntut sedikit kecerdasan, sampai sekarang masih sulit untuk direalisasikan dalam Informatika. Seperti contoh: Pengenalan Obyek/Muka, bermain sepak bola. Walaupun AI memiliki konotasi fiksi ilmiah yang kuat, AI membentuk cabang yang sangat penting pada ilmu komputer, berhubungan dengan perilaku, pembelajaran dan adaptasi yang cerdas dalam sebuah mesin. Penelitian dalam AI menyangkut pembuatan mesin untuk mengotomatisasikan tugas-tugas yang membutuhkan perilaku cerdas. Termasuk contohnya adalah pengendalian, perencanaan dan penjadwalan, kemampuan untuk menjawab diagnosa dan pertanyaan pelanggan, serta pengenalan tulisan tangan, suara dan wajah. Hal-hal seperti itu telah menjadi disiplin ilmu tersendiri, yang memusatkan perhatian pada penyediaan solusi masalah kehidupan yang nyata. Sistem AI sekarang ini sering digunakan dalam bidang ekonomi, obat-obatan, teknik dan militer, seperti yang telah dibangun dalam beberapa aplikasi perangkat lunak komputer rumah dan video game. Kecerdasan buatan ini bukan hanya ingin mengerti apa itu sistem kecerdasan, tetapi juga mengkonstruksinya.

    2. Definisi AI yang tepat untuk saat ini adalah acting rationally dengan pendekatan rational agent. hal ini berdasarkan pemikiran bahwa komputer bisa melakukan penalaran secara logis dan juga bisa melakukan aksi secara rasional berdasarkan hasil penalaran tersebut.

    3. – Searching, produk yang membahas bagaimana memecahkan suatu masalah dengan teknik searching atau pencarian. langkah pertama adalah mendefinisikan ruang masalah, langkah kedua adalah mendefinisikan atauran produksi yang digunakan untuk mengubah suatu state ke state lainnya. langkah terakhir adalah memilih metode pencarian yang tepat sehingga dapat menemukan solusi terbaik dengan usaha minimal.
    – Reasoning, membahas teknik reasoning atau penalaran yakni teknik penyelesaian masalah dengan cara mereprentasikan masalah ke dalam basis pengetahuan  atau knowledge base menggunakan logic atau bahasa formal atau bahasa yang dipahami komputer.
    – Planning, membahsa teknik untuk menyelesaikan masalah – masalah yang dapat di dekomposisi atau decomposable problems.
    – Learning, membahas tiga metode learning yaitu decision tree learning, jaringan syaraf tiruan, dan algoritma genetika.

    4. Dapat diwujudkan, karena pada masa mendatang AI ditantang untuk membuat suatu kecerdasan yang hampir menyamai kecerdasan manusia, Ray Kurzweil telah memprediksi bahwa hal itu akan mungkin terwujud melalui tahapan – tahapan prediksi yang dibuatnya secara bertahap hingga tahun 2099.

WIDJI DADI SURAHMAT – 1122469818 – ASSIGNMENT #2

  • Pertanyaan :
    Pelajari materi yang ada disini http://ti402.ilearning.me/materi-kuliah/pertemuan-1/

    • Akseslah wikipedia.org. Tuliskan pengertian dan contoh aplikasi dari:
      • Expert System
      • Natural Language Interface to Database
      • Software Agent (khusus Web)
      • Fuzzy System
      • Web Data Mining
    • Jelaskan cara kerja Mesin Turing!
    • Jelaskan Sejarah AI menurut Gambar berikut!

  • Status :
    Tercapai 100%
  • Keterangan :
    Saya sudah menyelesaikan Quis Assignment #2 ini. Sesuai dengan intruksi yang diberikan.
  • Pembuktian :
    Jawaban :
    1. Expert System

    Sistem pakaradalah suatu program komputer yang mengandung pengetahuan dari satu atau lebih pakar manusia mengenai suatu bidang spesifik. Jenis program ini pertama kali dikembangkan oleh periset kecerdasan buatan pada dasawarsa 1960-an dan 1970-an dan diterapkan secara komersial selama 1980-an. Bentuk umum sistem pakar adalah suatu program yang dibuat berdasarkan suatu set aturan yang menganalisis informasi (biasanya diberikan oleh pengguna suatu sistem) mengenai suatu kelas masalah spesifik serta analisis matematis dari masalah tersebut. Tergantung dari desainnya, sistem pakar juga mampu merekomendasikan suatu rangkaian tindakan pengguna untuk dapat menerapkan koreksi. Sistem ini memanfaatkan kapabilitas penalaran untuk mencapai suatu simpulan. Contoh : MYCIN : diagnosa penyakit, Dendral : mengidintifikasikan struktur molekul campuran kimia yang tidak dikenal, XCON & XSEL : konfigurasi sistem komputer besar, Prospector : bidang biologi

    2. Natural Language Interface to Database

    Penggunaan bahasa alami, bahasa keseharian seperti bahasa Indonesia dalam era internet sekarang bukan lagi merupakan domain ilmu sosial saja namun juga ilmu eksak seperti komputasi dengan tujuan interoperabilitas (Wicaksana,dkk, 2005). Semakin banyak dan beragamnya asal pengguna komputer dari berbagai negara yang terhubung dalam internet dan semakin besarnya data yang ada menjadikan kemudahan untuk mendapatkan data sesuai yang diharapkan oleh pengguna adalah sebuah keniscayaan. Sebagai contoh misalkan seorang pengguna internet dari Indonesia akan mengharapkan dapat menggunakan bahasa ibunya untuk mendapatkan informasi. Natural Language Processing (NLP) sebagai salah satu bidang ilmu komputer yang mempelajari interaksi komputer dengan bahasa yang digunakan secara umum dalam kehidupan sehari-hari. Pengembangan teknik yang bertujuan bagaimana komputer memahami bahasa alami manusia dipelajari dalam NLP. Bahasa alami yang digunakan oleh manusia dari berbagai negara akan memiliki perbedaan dalam bentuk penulisan dan pengucapan. NLP dapat digunakan untuk melakukan pengambilan kembali informasi (information retrieval) (Lewis dan Jones, 1996), baik dengan menggunakan penulisan ataupun diucapkan. Penelitian ini melakukan implementasi NLP untuk mendapatkan informasi dari data yang tersimpan dalam sistem basis data relasional. Gagasan menggunakan bahasa alami ( Natural Language )  selain SQL  telah mendorong pengembangan baru jenis pengolahan data yang disebut dengan Natural language Interface To Database . Natural Language Interface to Database  adalah sebuah langkah menuju perkembangan dari system database cerdas ( Intelligent Database System ) untuk meningkatkan pengguna dalam melakukan kemudahan dalam penggunaan database .Contoh : Ada banyak aplikasi yang dapat mengambil keuntungan dari NLIDB. Di PDA dan ponsel lingkungan, tampilan layar tidak selebar komputer atau laptop. Mengisi formulir yang memiliki banyak bidang dapat membosankan: satu mungkin harus menavigasi melalui layar, untuk menggulir, untuk mencari nilai-nilai scroll Box, dll Sebaliknya, dengan NLIDB, satu-satunya pekerjaan yang perlu dilakukan adalah dengan mengetikkan pertanyaan serupa dengan SMS.

    3. Software Agent (khusus Web)
    Software Agent adalah entitas perangkat lunak yang didedikasikan untuk tujuan tertentu yang memungkinkan user untuk mendelegasikan tugasnya secara mandiri, selanjutnya software agent nantinya disebut agent saja. Agent bisa memiliki ide sendiri mengenai bagaimana menyelesaikan suatu pekerjaan tertentu atau agenda tersendiri. Agent yang tidak berpindah ke host lain disebut stationary agent.

    4. Fuzzy System
    FL memungkinkan kita mengekspresikan pengetahuan
    dalam terminologi bahasa yang samar-samar, Fleksibilitas dan kekuatan dari sistem samar sudah banyak diguanakan. Misal: penyederhanaan aturan
    dalam sistem kendali dimana ditemukan ketidaktepatan).
    Aplikasi dari fuzzy systems:
    – Kendali dari proses fabrikasi (manufacturing)
    – Alat-alat rumah-tangga, seperti AC, mesin cuci, dan kamera
    – Digunakan dalam kombinasi dengan metodologi sistem
    cerdas lain untuk mengembangkan sistem hybrid fuzzyexpert,
    neuro-fuzzy, atau fuzzy-GA.

    5. Web Data Mining
    Data mining adalah sofrware yang digunakan untuk menemukan pola pola tersembunyi maupun hubungan-hubungan yang terdapai dalam database yang besar dan menghasilkan aturan-aturan yang di gunakan untuk memperkirakun pcrilaku di masa medatang. Data mining sering dikatakan berurusan dengan “penemuan pengetahuan” dalam database. Suatu aturan yang dihasilkan oleh data mining misalnya: “Kebanyakan pembeli mobil Forsa adalah wanita berusia di atas 30 tahun”. Pendekatan data mining juga ada yang melalui visualisasi data. Pada sistem seperti ini, pemakai akan dibantu untuk menemukan sendiri pola dari sejumlah data berukuran besar dengan didasarkan visualisasi oleh data mining.
    Berikut ini beberapa contoh aplikasi data mining pada beberapa bidang seperti: Pemasaran, Bank dan Asuransi.

    6. Cara kerja Mesin Turing

    1.Lihat state semula dan simbol yang ditunjuk head
    2.Berdasarkan fungsi transisinya,tentukan:
    -state berikutnya
    -Lakukan penulisan ke pita
    -Gerakkan head ke kanan dan ke kiri
    3.Bila dari pasangan state dan simbol yang ditunjuk head tidak ada lagi fungsi transisinya,berarti mesin turing berhenti
    4.Bila mesin turing berhenti di dalam state final (F) , berarti input diterima. Sebaliknya jika mesin berhenti tidak pada state akhir,maka berarti inputan tersebut ditolak.

    7. Sejarah AI
    Kecerdasan Buatan (artificial intelligence) merupakan inovasi baru di bidang ilmu pengetahuan. Mulai ada sejak muncul komputer modern, yakni pada 1940 dan 1950. Kemampuan mesin elektronika baru menyimpan sejumlah besar info, memproses dengan kecepatan sangat tinggi menandingi kemampuan manusia. Ilmu pengetahuan komputer ini khusus ditujukan dalam perancangan otomatisasi tingkah laku cerdas dalam sistem kecerdasan komputer. Pada sistem ini memperlihatkan sifat-sifat khas yang dihubungkan dengan kecerdasan dalam kelakuan yang sepenuhnya dapat menirukan beberapa fungsi otak manusia, seperti pengertian bahasa, pengetahuan, pemikiran, pemecahan, dan masalah. Pentingnya kecerdasan buatan menjadi nyata bagi negara-negara yang berperan sejak tahun 1970. Para pemimpin negara yang mengakui potensialnya kecerdasan buatan mengharap mendapat persetujuan jangka panjang untuk sumber-sumber yang memerlukan dana intensif. Jepang adalah yang pertama kali melakukan itu. Negara ini mengembangkan program yang sangat berambisi dalam penelitian kecerdasan buatan. Sebagai bidang ilmu pengetahuan komputer, kecerdasan buatan sebenarnya sudah mulai diselidiki pada 1930-an dan 1940-an. Pada saat itu, banyak cendekiawan mengembangkan ide-ide baru mengenai komputasi. 12 Logika matematika menjadi bidang aktif dari penyelidikan kecerdasan buatan, karena sistem logika deduktif telah berhasil diimplementasikan dalam program-program komputer. Seorang ahli matematika bernama Alan Turing, yang memiliki sumbangan besar dalam pengembangan teori kemampuan penghitungan (computability), mengusulkan tes untuk melihat bisa atau tidaknya mesin memberikan respon terhadap seangkaian pertanyaan (agar mesin dapat dikatakan cerdas). Uji yang dilakukan adalah dengan mengukur kinerja (performance) mesin cerdas. Uji Alan Turing menjadi dasar bagi banyak strategi yang digunakan dengan menilai program-program kecerdasan buatan. Pada awalnya, kecerdasan buatan hanya ada di universitas-universitas dan laboratorium penelitian, serta hanya sedikit produk yang dihasilkan dan dikembangkan. Menjelang akhir 1970-an dan 1980-an, mulai dikembangkan secara penuh dan hasilnya berangsur-angsur dipublikasikan di khalayak umum. Permasalahan di dalam kecerdasan buatan akan selalu bertambah dan berkembang seiring dengan laju perkembangan zaman menuju arah globalisasi dalam setiap aspek kehidupan manusia, yang membawa persoalan-persoalan yang semakin beragam pula. Program kecerdasan buatan lebih sederhana dalam pengoperasiannya, sehingga banyak membantu pemakai. Program konvensional dijalankan secara prosedural dan kaku, rangkaian tahap solusinya sudah didefinisikan secara tepat oleh pemrogramnya. 13 Sebaliknya, pada program kecerdasan buatan untuk mendapatkan solusi yang memuaskan dilakukan pendekatan trial and error, mirip seperti apa yang dilakukan oleh manusia.

UAS 2016/2017

Pertanyaan:

Seorang marketing ingin mengunjungi n kota. Jarak antara tiap-tiap kota sudah diketahui. Kita ingin mengetahui rute terpendek dimana setiap kota hanya boleh dikunjungi tepat 1 kali. Misalkan ada 4 kota dengan jarak antara tiap-tiap kota seperti berikut ini :

Dengan contoh kasus diatas carilah :

1. Dengan metode Generate and Test

2. Dengan metode simple hill climbing

Status:
Tercapai

Ketarangan:
Telah dikerjakan

Pembuktian:

 

Essay : Frame

Pertanyaan:

1. Apa yang kamu ketahui tentang Frame?

2. Sebutkan hirarki dalam sebuah frame.

3. Apa yang dimaksud dengan script

4. Sebutkan elemen script

5. Buatlah sebuah contoh script

Status:
Tercapai

Keterangan:
Saya telah kerjakan

Pembuktian:

1. Frame dipandang sebagai struktur data static yang digunakan untuk merepsentasikan situasi situas iyang telah dipahami dan stereotype. Frame digunakan untuk merepresentasikan pengetahuan stereo type atau pengetahuan yang didasarkan kepada karakteristik yang sudah dikenal yang merupakan pengalaman masalalu. Frame berupa kumpulan slot-slot (representasi entitas sebagai struktru objek) yang merupakan atribut untuk mendeskrip sikan pengetahuan berupa kejadian, lokasi, situasi ataupun elemen-elemenlain. Frame digunakan untuk representasi pengetahuan deklaratif.

2. Hirarki dalam sebuah frame:
– Spesialisasi
– Level yang tersedia
– Perangkat yang digunakan
– Model

3. Script merupakan representasi terstruktur yang menggambarkan urutan stereotip dari kejadian-kejadian dalam sebuah kontek skhusus. Script mirip dengan frame, perbedaannya : Frame menggambarkan objek, sedangkan Script menggambarkan urutan peristiwa. Dalam menggambarkan urutan peristiwa, script menggunakan serangkaian slot yang berisi informasi tentang orang, objek dan tindakan-tindakan yang terjadi dalam suatu peristiwa.

4. Elemen Script:
Kondisimasukan: menggambarkan situasi yang harus dipenuhi sebelum terjadi suatu peristiwa yang ada dalam script.
– Prop : mengacu kepada objek yang digunakan dalam urutan peristiwa yang terjadi.
– Role : mengacu kepada orang-orang yang terlibat dalam script.
– Hasil: kondisi yang ada sesudah peristiwa dalam script berlangsung
– Track : mengacu kepada variasi yang mungkin terjadi dalamscript tertentu.
– Scene : menggambarkan urutan peristiwa aktural yang terjadi.

5. Contoh Script:
“Games Mari Bros”
– Jalur (track) : Castle
– Peran (Roles) : Mario atau Luigi (Pahlawan), Bowser(Musuh), Putri Peach (Korban)
– Pendukung (Prop) : Tower/Castle, Star Coin Signs, Bintang, Jamur, Block, Tiang Bendera, Coin,   Bunga Bergigi, Pipa, Awan Jalan, Kura-kura Terbang, dll
– Kondisi Masukan : Berjalan, Melompat, Berlari, Menembak, Berenang
– Adegan (Scene) :
1. Mario Berjalan
2. Mario Mengambil Jamur
3. Mario Melawan Musuh
4. Mario Mengambil Cin
5. Mario Mengambil Bintang
6. Mario Melompat
7. Mario Berenang8. Mario Melawan Raja
9. Mario Menyelamatkan Putri

UTS PKB 2016/2017

Pertanyaan:

1. Sebutkan dan Jelaskan 5 sub disiplin ilmu dari AI.

2. Apa yang di maksud dengan AI.

3. Sebutkan komponen-komponen dari AI beserta fungsinya masing-masing.

4. Apa yang membedakan antara komputer berbasis AI dengan komputer biasa, jelaskan dan berikan contohnya.

5. Sebutkan 5 kekurangan dan kelebihan dari sistem pakar.

6. Sebutkan 5 area permasalahan sistem pakar.

7. Sebutkan 5 kekurangan dan kelebihan dari AI.

8. Sebutkan contoh dari aplikasi yang menggunakan konsep AI,.

9. Berikan contoh kasus yang menggunakan aplikasi berbasis AI, jelasakan.

10. Jelaskan perbedaan dari pengetahuan priori dan posteriori.

Status:
Tercapai

Keterangan:
Saya telah mengerjakan UTS tersebut

Pembuktian:
1. sub disiplin ilmu dari AI:

  1. Sistem Pakar (Expert System). Di sini komputer digunakan sebagai sarana untuk menyimpan pengetahuan para pakar. Dengan demikian komputer akan memiliki keahlian untuk menyelesaikan permasalahan dengan meniru keahlian yang dimiliki oleh pakar.
  2. Pengolahan Bahasa Alami (Natural Language Processing). Dengan pengolahan bahasa alami ini diharapkan user dapat berkomunikasi dengan komputer dengan menggunakan bahasa sehari-hari.
  3. Pengenalan Ucapan (Speech Recognition). Melalui pengenalan ucapan diharapkan manusia dapat berkomunikasi dengan komputer menggunakan suara.
  4. Robotika & Sistem Sensor (Robotics & Sensory Systems). Suatu program yg diaplikasikan pada sebuah mesin robot untuk membantu serta menggantikan kinerja manusia agar lebih cepat. Karena mesin tidak kenal lelah dan bosan.
  5. Computer Vision, mencoba untuk dapat menginterpretasikan gambar atau obyek-obyek tampak melalui komputer.
  6. Intelligent Computer-Aided Instruction. Komputer dapat digunakan sebagai tutor yang dapat melatih dan mengajar.
  7. Game Playing.

2. 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.

3. Komponen-komponen AI:
Sistem Pakar (Expert Systemi) : program konsultasi (advisory) yang mencoba menirukan proses penalaran seorang pakar/ahli dalam memecahkan masalah yang rumit. Sistem Pakar ini merupakan aplikasi AI yang paling banyak.
Pemrosesan Bahasa Alami (Natural Language Processing) : Pemrosesan ini memberi kemampuan pengguna komputer untuk berkomunikasi dengan komputer dalam bahasa mereka sendiri (bahasa manusia).
Pemahaman Ucapan/Suara (Speech/Voice Understanding) : teknik agar komputer dapat mengenali dan memahami bahasa ucapan.
Sistem Sensor dan Robotika : Robot yang cerdas biasanya 6  mempunyai perangkat sensor, seperti kamera, yang mengumpulkan informasi mengenai operasi dan lingkungannya. Kemudian bagian AI robot tersebut menerjemahkan informasi tadi dan merespon serta beradaptasi jika terjadi perubahan lingkungan.
Komputer Visi : Merupakan kombinasi dari pencitraan, pengolahan citra, pengenalan pola serta proses pengambilan keputusan. Tujuan utama dari komputer visi adalah untuk menerjemahkan suatu pemandangan. Komputer visi banyak dipakai dalam kendali kualitas produk industri.
Intelligent Tutoring/Intelligent Computer – Aided Instruction : komputer yang mengajari manusia. Sistem ini juga mendukung pembelajaran bagi orang yang mempunyai kekurangan fisik atau kelemahan belajar.
Mesin Belajar (Machine Learning) : Machine Learning berhubungan dengan sekumpulan metode untuk mencoba mengajari/melatih komputer untuk memecahkan masalah atau mendukung usaha pemecahan masalah dengan menganalisa kasus-kasus yang telah terjadi.

4. Perbedaan komputer berbasis AI dengan komputer biasa:
– AI merepresentasi dan Manipulasi simbol sedangkan komputer biasa dengan algoritma
– AI memberitahu komputer tentang suatu masalah sedangkan komputer biasa Memerintah komputer untuk menyelesaikan masalah
– Pada AI komputer diberi pengetahuan dan kemampuan inferensi sedangkan komputer biasa Memberi data kepada komputer dan program

5. Keuntungan & Kerugian sistem Pakar
Keuntungan sistem Pakar:

  1. Menjadikan pengetahuan dan nasihat lebih mudah didapat.
  2. Meningkatkan output dan produktivitas.
  3. Menyimpan kemampuan dan keahlian seorang pakar.
  4. Meningkatkan penyelesaian masalah yang khusus.
  5. Meningkatkan reliabilitas.
  6. Memberikan respons (jawaban) yang cepat.
  7. Merupakan panduan yang cerdas.
  8. Dapat bekerja dengan informasi yang kurang lengkap dan mengandung ketidakpastian.
  9. Sebagai basis data cerdas, bahwa system pakar dapat digunakan untuk mengakses basis data dengan cara cerdas

Kelemahan sistem pakar:

  1. Masalah dalam mendapatkan pengetahuan di mana pengetahuan tidak selalu bisa didapatkan dengan mudah karena kadangkala pakar dari masalah yang kita buat tidak ada, dan kalaupun ada kadang pendekatan yang dimiliki oleh pakar berbeda-beda.
  2. Untuk membuat suatu system pakar yang benar-benar berkualitas tinggi sangatlah sulit dan memerlukan biaya yang sangat besar untuk pengembangan dan pemeliharaanya.
  3. Boleh jadi system tidak dapat membuat keputusan.
  4. Sulit mendapatkan data jika data yang dikumpulkan tidak lengkap
  5. System pakar tidaklah 100% menguntungkan, walaupun seorang tetap tidak sempurna atau tidak selalu benar. Oleh karena itu perlu diuji ulang secara teliti sebelum digunakan. Sehingga dalam hal ini peran manusian tetap merupakan faktor yang dominan.

6. 5 Area permasalahan sistem pakar:

  • Interpretasi, yaitu pengambilan keputusan atau deskripsi tingkat tinggi dari sekumpulan data mentah termasuk pengawasan, pengenalan ucapan, analisis citra, interpretasi sinyal dan beberapa analisis kecerdasan.
  • Proyeksi, yaitu memprediksi akibat yang dimungkinkan dari situasi tertentu, diantaranya peramalan, prediksi demografis, peramalan ekonomi, prediksi lalu lintas, estimasi hasil, militer, pemasaran atau peramalan keuangan.
  • Diagnosis, yaitu menentukan sebab malfungsi dalam situasi kompleks yang didasarkan pada gejala yang teramati, di antaranya medis, elektronis, mekanis dan diagnosis perangkat lunak.
  • Desain, yaitu menentukan konfigurasi komponen system yang cocok dengan tujuan kinerja tertentu yang memenuhi kendala tertentu diantaranya layout sirkuit dan perancangan bangunan.
  • Perencanaan, yaitu merencanakan serangkaian tindakan yang akan dapat mencapai sejumlah tujuan dengan kondisi awal tertentu diantaranya perencanaan keuangan, komunikasi, militer, pengembangan produk, routing dan manajemen proyek.

7. 5 kelebihan dan 5 kekurangan AI:
Kelebihan:

  • Kecerdasan buatan lebih bersifat permanen. Kecerdasan alami akan cepat mengalami perubahan. Hal ini dimungkinkan karena sifat manusia yang pelupa. Kecerdasan buatan tidak akan berubah sepanjang sistem komputer dan program tidak mengubahnya.
  • Kecerdasan buatan lebih mudah diduplikasi dan disebarkan. Mentransfer pengetahuan manusia dari satu orang ke orang lain butuh proses dan waktu lama. Disamping itu suatu keahlian tidak akan pernah bisa diduplikasi secara lengkap. Sedangkan jika pengetahuan terletak pada suatu sistem komputer, pengetahuan tersebuat dapat ditransfer atau disalin dengan mudah dan cepat dari satu komputer ke komputer lain.
  • Kecerdasan buatan lebih murah dibanding dengan kecerdasan alami. Menyediakan layanan komputer akan lebih mudah dan lebih murah dibanding dengan harus mendatangkan seseorang untuk mengerjakan sejumlah pekerjaan dalam jangka waktu yang sangat lama.
  • Kecerdasan buatan bersifat konsisten. Hal ini disebabkan karena kecerdasan busatan adalah bagian dari teknologi komputer. Sedangkan kecerdasan alami senantiasa berubah-ubah.
  • Kecerdasan buatan dapat didokumentasikan. Keputusan yang dibuat komputer dapat didokumentasikan dengan mudah dengan melacak setiap aktivitas dari sistem tersebut. Kecerdasan alami sangat sulit untuk direproduksi.

Kekurangan:

  • Rawan rusak.
  • Mahal dalam proses pembuatannya.
  • Sulit untuk diproduksi
  • Memerlukan daya listrik.
  • Struktur kontrolnya terpisah dari pengetahuan.

8. Contoh aplikasi AI:
Aplikasi AI Dalam Bidang Keamanan Dan Pertahanan (militer) : Salah satu contoh aplikasi AI yang digunakan pada saat ini yaitu dalam bidang militer. Virtual reality dipakai untuk melakukan simulasi latihan perang, simulasi latihan terjun payung. dan sebagainya. Dimana dengan pemakaian teknologi ini bisa lebih menghemat biaya dan waktu dibandingkan dengan cara konvensional.

9. contoh kasus yang menggunakan aplikasi berbasis AI:
Misal di rumah sakit ada kendala dalam operasi syaraf seseorang maka dari sistem AI bisa dibuat syaraf tiruan untuk meminimalisir resiko gagalnya operasi.

10. Para filsuf menggolongkan pengetahuan ilmiah menjadi dua yaitu a priori dan a posteriori. Pengetahuan a priori diperoleh berdasarkan hasil pemikiran semata dan tidak didasarkan pada pengalaman (metode deduksi). Pendapat ini pertama dikemukakan oleh Kant. Kant menawarkan dua kriteria analisis, yaitu keniscayaan dan universalitas, yang ia klaim tidak dapat dipisahkan satu sama lain. Sedangkan pengetahuan a posteriori adalah pengetahuan yang diperkuat oleh hasil pengalaman (metode induksi). Pernyataan-pernyataan dan argumen dapat menjadi a posteriori jika ditemukan bukti empiris. Dalam sains, bukti empiris dibutuhkan bagi sebuah hipotesis untuk dapat diterima dalam komunitas ilmiah. A posteriori menunjukkan bahwa semua ide dan konsep berasal dari pengalaman dan bahwa kebenaran hanya dapat dibangun berdasarkan pengalaman