Archive for 2021

Representasi Pengetahuan

    • Representasi Pengetahuan




      Pembahasan
          Representasi pengetahuan adalah bidang kecerdasan buatan (AI) yang didedikasikan untuk merepresentasikan informasi tentang dunia dalam bentuk yang dapat digunakan oleh sistem komputer untuk menyelesaikan tugas-tugas kompleks seperti mendiagnosis kondisi medis atau berdialog dalam bahasa alami. Representasi pengetahuan menggabungkan temuan dari psikologi tentang bagaimana manusia memecahkan masalah dan merepresentasikan pengetahuan untuk merancang formalisme yang akan membuat sistem yang kompleks lebih mudah untuk dirancang dan dibangun. 

      Format dan Contoh-Contoh Representasi Pengetahuan Secara Visual 
          Format representasi visual memiliki berbagai macam bentuk dan mewakili karakteristik pengetahuan tertentu. Dengan perkembangan teknologi komputer saat ini, selain menggambar menggunakan media kertas dan alat tulis, dapat juga menggunakan bantuan aplikasi perangkat lunak komputer. Eppler & Burkhard (2004) membagi format gambar menjadi enam bentuk, yaitu: sketsa heuristik, diagram konseptual, metafora visual, animasi pengetahuan, peta pengetahuan, dan bagan ilmiah. 

      Dalam representasi pengetahuan, ada dua hal yang harus diperhatikan, yakni:
      1. FaktaFakta adalah objek yang direpresentasikan. Ini menerangkan tentang benda yang ada dalam domain masalah. Fakta dapat berupa keterangan atau kalimat dalam bahasa alami, logika atau benda.
      2. Formulayakni bentuk representasi yang dapat dimanipulasi dalam proses pemecahan soal. Bentuk ini harus dapat menggambarkan hubungan antar komponen domain masalah.
      Kelebihan dan Kekurangan Representasi Pengetahuan Secara Visual
          Beberapa studi empiris menunjukkan bahwa representasi visual lebih unggul daripada representasi sekuensial verbal dalam tugas yang berbeda, yaitu untuk menggambarkan hubungan, untuk mengidentifikasi pola, untuk menyajikan gambar secara umum ataupun secara detail, untuk mendukung penyelesaian masalah dan untuk mengkomunikasikan berbagai jenis pengetahuan (Burkhard, 2004). Namun, Menyajikan data / informasi dalam bentuk visual tidak menjamin bahwa itu akan berguna. Visualisasi hanya berguna jikadigunakan dengan benar dan dapat berbahaya jika digunakan dengan buruk. Bresciani et al (dalam Kumar, 2016) mempelajari berbagai bahaya risiko visualisasi dan mengklasifikasikan kekurangan visualisasi terhadap kognitif, emosional dan sosial. Berikut ini merupakan kekurangan dari visualisasi yang dirangkum oleh Kumar (2016) berdasarkan ketiga kategori tersebut menurut perspektif desainer atau pengguna:

      1.Visualisasi mungkin ambigu, membingungkan, tidak jelas, tidak akurat, menyesatkan dan tidak konsisten karena duplikasi data, penyederhanaan berlebihan, penggunaan logika, label & warna yang digunakan untuk presentasi sulit untuk ditafsirkan.

      2.Visualisasi mungkin tidak fokus, makna tersembunyi, tidak tersirat dan tidak merata karena teknis, pengembangan logis dan fungsional serta kendala yang diinginkan gagal dalam memberikan makna jelas.

      3.Visualisasi mungkin berlebihan, komputasional kompleks, multidimensi, multi-nilai, heterogen, dan multi[1]sumber data yang gagal memberikan hasil real-time dan interaktif.

      4.Visualisasi mungkin tidak dapat diterima secara universal karena tidak tersedianya format visual standar seperti penggunaan simbol, label, warna, skrip dll yang digunakan untuk visualisasi serta domain masalah yang beragam.

      5.Para pengguna dan pengembang alat visualisasi membutuhkan berbagai jenis pengetahuan dan keahlian seperti teknis, wawasan, visualisasi interaktif, pemahaman masalah dan domain. Kurangnya pengetahuan dalam mengembangkan dan menggunakan alat visualisasi tidak hanya menghasilkan inferensi yang salah tetapi mungkin berakibat fatal untuk pengambilan keputusan strategis tertentu.

      Banyak cara untuk menyatakan representasi pengetahuan dan setiap cara mempunyai kelebihan dan kelemahan masing-masing.
      Beberapa cara atau teknik representasi pengetahuan antara lain :Logika,Frame,Schema,Jaringan Semantik,Kaidah produksi (Production rules),List, digunakan pada LISP,Tree, untuk heuristic search,dan lain-lain.

    • Posted by Muvan12
    • 0 Comments
    • Readmore . . .
    • Add Comment

Model Expert System

    • Model Expert System 




      Model Sistem Pakar

      Model system pakar terdiri dari empat bagian utama:

      1. User Interface memungkinkan pemakai beinteraksi dengan system pakar.

      Input system pakar, format interface paling popular saat ini graphical user interface yang menyajikan tampilan window.

      Output system pakar, pemecahan ini dilengkapi dengan dua jenis penjelasan:

      a. Penjelasan atas pertanyaan

      b. Penjelasan atas penyelesaian masalah

      2. Knowledge Base

      Memuat fakta-fakta yang menjeolaskan area masalah dan juga tekhnik menerangkan masalah yang menjelaskan bagaimana fakta-fakta tersebut cocok satu dengan yang lain dalam urutan yang logis.

      3. Aturan

      Aturan menentukan apa yang harus dilakukan dalam situasi tertentu dan terdiri dari dua bagian: suatu kondisi yang mungkin benar, mungkin tidak ada tindakan yang harus diambil jika kondisinya benar.

      4. Development Engine

      Pakar dan analis sistem menggunakan ini untuk menciptakan sistem pakar.

      User Interface 

          Memungkinkan manager untuk memasukkan intruksi dan informasi kedalam sistem pakar dan menerima informasi dari sistempakar. Intruksi tersebut  menentukan parameter yang mengarahkan sistem pakar melalui proses panalaran.  Informasi tersebut berupa nilai yang diberikan pada variable tersebut.

      Input sistem Pakar

          Format interface yang sangat populer saat ini adalah graphical user interface, yang menampilkan tampilan windows.

      Output Sistem Pakar

          Sistem pakar dirancang untuk menyarankan pemecahan. Pemecahan ini dilengkapi dengan penjelasasn.

        Ada 2 jenis penjelassan  :

      •  Penjelasan atas pertanyaan. sistem pakar akan memeinta manager untuk memasukkan sejumlah informasi. Manager menanyakan mengapa informasi itu diperlukan dan sistem pakar menyediakan penjelasanya.
      • Penjelasan atas masalah. Setelah sistem pakar memberikan pemecahan masalah, manager dapat meminta penyelesaian bagaimana itu dicapai. sistem pakar akan menampilkan tiap langkah-langkah penalaran yang menuju penyelesaian.

      Knowledge Base 

          Memuat fakta-fakta yang menjelaskan area masalah dan menerangkan bagaimana bagaimana fakta-fakta tersebut bisa cocok satu dengan yang lain dengan urutan yang logis. Problem Domain digunakan unutk menjelaskan area masalah.

      Aturan

          Teknik penyelesaian masalah yang populer adalh penggunaan aturan. Aturan menentukan apa yang harus dilakukan dalam situasi & terdiri dari 2 bagian: suatu kondisi yang mungkin benar, mungkin tidak dan tindakan yang harus diambil jika kodisinya benar.

      Inference Engine

          Adalah bagian dari sistem pakar yg melakukan penalaran dgn menggunakan isi knowledge base berdasarkan urutan.

      Development Engine

          Pada proses ini melibatkan perangkat aturan. Ada 2 pendekatan dasar :

      1.  Bahasa Pemrograman
      2. Shell sistem pakar

      Shell sistem pakar membuat kecerdasan buatan terjangkau oleh perusahaan yang tidak    memiliki SD yang diperlukan untuk mengembangkan  sistem sendiri dengan menggunakan bahassa pemrograman. Ini merupakan cara terpopuler bagi perusahaan yang menerapkan sistem berbasis pengetahuan.


    • Posted by Muvan12
    • 0 Comments
    • Readmore . . .
    • Add Comment

Pengenalan Expert System (Sistem Pakar)

    •  Expert System (Sistem Pakar)




      Pengertian Sistem Pakar

          Sistem pakar (expert system) adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli, dan sistem pakar yang baik dirancang agar dapat menyelesaikan suatu permasalahan tertentu dengan meniru kerja dari para ahli (Kusumadewi, 2003:109). Pakar yang dimaksud disini adalah orang yang mempunyai keahlian khusus yang dapat menyelesaikan masalah yang tidak dapat diselesaikan orang awam. Contohnya dokter, mekanik, psikolog, dan lain-lain.

          Sistem pakar pertama kali dikembangkan oleh komunitas AI pada pertengahan tahun 1960. Sistem pakar yang muncul pertama kali adalah General Purpose Problem Solver (GPS) yang dikembangkan oleh Newel & Simon (Turban, 1995).



      Jenis-jenis Expert System

      a. Interpretasi : Menghasilkan deskripsi situasi berdasarkan data sensor.
      b. Prediksi : Memperkirakan akibat yang mungkin dari situasi yang diberikan.
      c. Diagnosis : Menyimpulkan kesalahan sistem berdasarkan gejala.
      d. Design : Menyusun objek-objek berdasarkan kendala.
      e. Planning : Merencanakan tindakan.
      f. Monitoring : Membandingkan hasil pengamatan dengan proses perencanaan.
      g. Debugging : Menentukan penyelesaian dari kesalahan sistem.
      h. Reparasi : Melaksanakan rencana perbaikan.
      i. Instruction : Diagnosis, debugging dan reparasi kelakuan pelajar.
      j. Control : Diagnosis, debugging dan reparasi kelakuan sistem.

      Tujuan Sistem Pakar

          Sistem pakar (expert system) sendiri merupakan paket perangkat lunak atau paket program komputer yang ditujukan sebagai penyedia nasihat dan sarana bantu dalam memecahkan masalah di bidang-bidang spesialisasi tertentu seperti sains, perekayasaan, matematika, kedokteran, pendidikan dan sebagainya. Sistem pakar merupakan merupakan subset dari Artificial Intelegence (Arhami, 2005).


      Contoh Sistem Pakar

      1. Sistem Pakar dalam Industri

      Ada beberapa contoh sistem pakar yang saat ini digunakan dalam bidang industri. Di antara sistem pakar tersebut adalah sistem pakar perancangan PRIDE atau Pinch Roll Interactive Design Expert yang digunakan untuk mengatur kertas dalam mesin fotokopi. Selain itu ada Alumunium Foil Rolling Flatness Control Application yang digunakan untuk mengukur tingkat karat dalam satu alumunium Oil secara otomatis. Dan masih banyak lagi.

      1. Sistem Pakar dalam Manajerial

      Selain bidang industri, sistem pakar juga sudah merambah dunia manajerial saat ini. Beberapa fungsi sistem pakar dalam bidang manajerial adalah sebagai alat analisis. Sistem pakar mampu menganalisa komoditi tertentu dalam satu pasar secara otomatis. Selain itu, ada fungsi diagnostik yang membuat sistem pakar mampu mendeteksi adanya penurunan kinerja perusahaan sekaligus menyediakan solusi bagi perusahaan tersebut.

      1. Sistem Pakar dam Kedokteran

      Saat ini, pendeteksian penyakit menjadi lebih mudah karena sistem pakar mampu mengenali penyakit sejak dini dan penderita bisa mendapatkan perawatan secara langsung. Penyakit yang bisa dengan mudah dideteksi biasanya setiap penyakit yang berhubungan dengan mata karena sistem pakar bisa berinteraksi langsung dengan penderita.

    • Posted by Muvan12
    • 0 Comments
    • Readmore . . .
    • Add Comment

ARTIFICIAL INTELLIGENCE

    •                PENGERTIAN ARTIFICIAL  INTELLIGENCE

          


          Kecerdasan buatan adalah kecerdasan yang ditambahkan kepada suatu sistem yang bisa diatur dalam konteks ilmiah atau bisa disebut juga intelegensi artifisial(Artificial Intelligence) atau hanya disingkat AI, didefinisikan sebagai kecerdasan entitas ilmiah. Andreas Kaplan dan Michael Haenlein mendefinisikan kecerdasan buatan sebagai “kemampuan sistem untuk menafsirkan data eksternal dengan benar, untuk belajar dari data tersebut, dan menggunakan pembelajaran tersebut guna mencapai tujuan dan tugas tertentu melalui adaptasi yang fleksibel. 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 (games), logika fuzzy, jaringan saraf tiruan dan robotika.




      Pengertian Artificial Intelligence Menurut Para Ahli

      • Menurut Turban (1995), Artificial Intelligence adalah Ilmu yang mempelajari cara membuat komputer dapat bertindak dan memiliki kecerdasan seperti manusia
      • Menurut Ensiklopedi Britannica, Artificial Intelligence adalah Cabang dari ilmu komputer yang dalam merepresentasikan pengetahuan lebih banyak menggunakan bentuk simbol-simbol daripada bilangan dan menggunakan metode heuristic atau dengan berdasarkan sejumlah aturan.


      Bagaimana Artifical Intelligence(AI) Bekerja?

          

          Kecerdasan buatan atau Artificial Intelligence (AI) menggunakan pembelajaran mesin untuk meniru kecerdasan manusia. Komputer harus belajar bagaimana merespons tindakan tertentu, sehingga ia menggunakan algoritma dan data historis untuk membuat sesuatu yang disebut model kecenderungan.
          
          Model kecenderungan kemudian akan mulai membuat prediksi (seperti mencetak lead atau sesuatu).
          AI dapat melakukan lebih dari ini, tetapi itu adalah kegunaan umum dan fungsionalitas untuk pemasaran. Dan meskipun sepertinya mesin siap untuk bangkit dan mengambil alih, manusia masih perlu melakukan banyak pekerjaan.
       
      Terutama, kami menggunakan AI untuk menghemat waktu kami – menambahkan orang ke otomatisasi email dan memungkinkan AI untuk melakukan banyak pekerjaan sementara kami mengerjakan tugas-tugas lain.



      Contoh Kecerdasan Buatan

          Saat ini sudah ada banyak sistem yang menggunakan kecerdasan buatan dan sangat cerdas. Salah satunya adalah teknologi Google seperti yang disebutkan sebelumnya. Selain itu ada juga banyak aplikasi kecerdasan buatan yang menarik seperti :

      • Siri yaitu asisten suara yang dibuat oleh perusahaan Apple dalam ponselnya.
      • Tesla, yang merupakan kecerdasan buatan yang dibuat untuk memperbolehkan mobil berkendara secara otomatis
      • Alexa, Voice assistant dari perusahaan Amazon dan masih banyak lagi lainnya.


      Bagaimana Artificial Intelligence (AI) Digunakan?

          Setiap industri memiliki permintaan yang tinggi akan kemampuan AI – khususnya sistem penjawab pertanyaan yang dapat digunakan untuk bantuan hukum, pencarian paten, pemberitahuan risiko, dan penelitian medis. Penggunaan lain AI mencakup:

      1. Layanan Kesehatan


      2. Manufaktur



      3. Perbankan



      4. Retail




    • Posted by Muvan12
    • 0 Comments
    • Readmore . . .
    • Add Comment

Popular Post

Followers

About Me

Foto Saya
Saya adalah seorang mahasiswa semester 3 di NusaMandiri Margonda

Blogger templates

Diberdayakan oleh Blogger.

Blogger news

Blogroll

- Copyright © 2013 Shiro Activity - Oreshura - Powered by Blogger - Designed by Johanes Djogan -