artificial intelligence -...
TRANSCRIPT
![Page 1: Artificial Intelligence - elearning.amikom.ac.idelearning.amikom.ac.id/index.php/download/materi...Penalaran induktif sangat rentan terhadap ketidakpastian. Suatu penalaran dimana](https://reader031.vdocuments.us/reader031/viewer/2022041123/5d29ff7c88c9936e158c4d50/html5/thumbnails/1.jpg)
Artificial Intelligence
uthie 1
![Page 2: Artificial Intelligence - elearning.amikom.ac.idelearning.amikom.ac.id/index.php/download/materi...Penalaran induktif sangat rentan terhadap ketidakpastian. Suatu penalaran dimana](https://reader031.vdocuments.us/reader031/viewer/2022041123/5d29ff7c88c9936e158c4d50/html5/thumbnails/2.jpg)
Cabang-cabang AI
uthie 2
1. Logical AI
– Logika (matematis) yang merepresentasikan sekumpulan fakta dan tujuan ---> RUANG KEADAAN:
• Graph
• Tree
![Page 3: Artificial Intelligence - elearning.amikom.ac.idelearning.amikom.ac.id/index.php/download/materi...Penalaran induktif sangat rentan terhadap ketidakpastian. Suatu penalaran dimana](https://reader031.vdocuments.us/reader031/viewer/2022041123/5d29ff7c88c9936e158c4d50/html5/thumbnails/3.jpg)
Cabang-cabang AI
2. Search
– Pencarian keadaan baru dari keadaan sekarang yang akan menentukan pergerakan:
• Blind Search
– Depth-First Search
– Breadth-Firsh Search
• Heuristic Search
– Generate & Test
– Hill Climbing
– Best-First search
– Simulated-Annealing
– Tabu Search
– Algoritma Genetika
![Page 4: Artificial Intelligence - elearning.amikom.ac.idelearning.amikom.ac.id/index.php/download/materi...Penalaran induktif sangat rentan terhadap ketidakpastian. Suatu penalaran dimana](https://reader031.vdocuments.us/reader031/viewer/2022041123/5d29ff7c88c9936e158c4d50/html5/thumbnails/4.jpg)
Cabang-cabang AI
3. Representation
–Representasi fakta-fakta (pengetahuan) dalam ruang keadaan:
• Logika (proposisi & predikat)
• Tree
• Jaringan Semantik
• Frame
• Naskah
• Kaidah Produksi
![Page 5: Artificial Intelligence - elearning.amikom.ac.idelearning.amikom.ac.id/index.php/download/materi...Penalaran induktif sangat rentan terhadap ketidakpastian. Suatu penalaran dimana](https://reader031.vdocuments.us/reader031/viewer/2022041123/5d29ff7c88c9936e158c4d50/html5/thumbnails/5.jpg)
Cabang-cabang AI
4. Pattern Recognition
–Pengenalan & pencocokan suatu pola terhadap sekumpulan pola.
• Pengolahan Bahasa Alami
• Jaringan Syaraf Tiruan
![Page 6: Artificial Intelligence - elearning.amikom.ac.idelearning.amikom.ac.id/index.php/download/materi...Penalaran induktif sangat rentan terhadap ketidakpastian. Suatu penalaran dimana](https://reader031.vdocuments.us/reader031/viewer/2022041123/5d29ff7c88c9936e158c4d50/html5/thumbnails/6.jpg)
Cabang-cabang AI
5. Inference
–Kemampuan untuk menarik kesimpulan berdasarkan pengetahuan.
• Forward Reasoning
• Backward Reasoning
• Fuzzy Inference System (FIS)
![Page 7: Artificial Intelligence - elearning.amikom.ac.idelearning.amikom.ac.id/index.php/download/materi...Penalaran induktif sangat rentan terhadap ketidakpastian. Suatu penalaran dimana](https://reader031.vdocuments.us/reader031/viewer/2022041123/5d29ff7c88c9936e158c4d50/html5/thumbnails/7.jpg)
Cabang-cabang AI
Learning from Experience
◦ Melakukan proses pembelajaran (pelatihan) dari pengetahuan atau pengalaman yang ada pada basis pengetahuan.
Jaringan Syaraf Tiruan
![Page 8: Artificial Intelligence - elearning.amikom.ac.idelearning.amikom.ac.id/index.php/download/materi...Penalaran induktif sangat rentan terhadap ketidakpastian. Suatu penalaran dimana](https://reader031.vdocuments.us/reader031/viewer/2022041123/5d29ff7c88c9936e158c4d50/html5/thumbnails/8.jpg)
Bagaimana AI bekerja ?
Bagian terpenting AI:
◦ Knowledge base (basis pengetahuan), berisi fakta-fakta, teori, pemikiran dan hubungan antara satu dengan lainnya.
◦ Inference engine, yaitu kemampuan menarik kesimpulan berdasarkan pengalaman.
![Page 9: Artificial Intelligence - elearning.amikom.ac.idelearning.amikom.ac.id/index.php/download/materi...Penalaran induktif sangat rentan terhadap ketidakpastian. Suatu penalaran dimana](https://reader031.vdocuments.us/reader031/viewer/2022041123/5d29ff7c88c9936e158c4d50/html5/thumbnails/9.jpg)
Bagaimana AI bekerja ?
Knowledge Base
InferenceEngine
Input:MASALAH
Output:SOLUSI
ARTIFICIAL INTELLIGENCE
![Page 10: Artificial Intelligence - elearning.amikom.ac.idelearning.amikom.ac.id/index.php/download/materi...Penalaran induktif sangat rentan terhadap ketidakpastian. Suatu penalaran dimana](https://reader031.vdocuments.us/reader031/viewer/2022041123/5d29ff7c88c9936e158c4d50/html5/thumbnails/10.jpg)
Analogi dengan kecerdasan manusia
Basis Pengetahuan:
◦ Kumpulan pengetahuan & pengalaman yang dimiliki oleh manusia.
◦ Contoh:
Jika saya makan cabe > 5 buah, maka tidak lama kemudian perut saya akan terasa sakit.
Jika kuliah mulai jam 7, dan saya berangkat dari rumah jam 6.45, maka saya akan terlambat.
Jika x=3.75, maka y=100.
![Page 11: Artificial Intelligence - elearning.amikom.ac.idelearning.amikom.ac.id/index.php/download/materi...Penalaran induktif sangat rentan terhadap ketidakpastian. Suatu penalaran dimana](https://reader031.vdocuments.us/reader031/viewer/2022041123/5d29ff7c88c9936e158c4d50/html5/thumbnails/11.jpg)
Analogi dengan kecerdasan manusia
Inferensi:◦ Kemampuan manusia untuk menalar berdasarkan
pengetahuan/pengalaman yang dimiliki, apabila muncul suatu fakta.
◦ Contoh:
Pengetahuan: Jika saya makan cabe > 5 buah, maka tidak lama kemudian perut
saya akan terasa sakit.
Fakta: Saya baru saja makan cabe 15 buah.
Kesimpulan: Tidak lama lagi perut saya akan sakit.
![Page 12: Artificial Intelligence - elearning.amikom.ac.idelearning.amikom.ac.id/index.php/download/materi...Penalaran induktif sangat rentan terhadap ketidakpastian. Suatu penalaran dimana](https://reader031.vdocuments.us/reader031/viewer/2022041123/5d29ff7c88c9936e158c4d50/html5/thumbnails/12.jpg)
Bentuk penalaran
Penalaran Deduktif
◦ Penalaran dimulai dari premis yang bersifat umum, untuk mendapatkan konklusi yang khusus.
◦ Contoh:
Premis1: Jika hari hujan, maka saya tidak datang.
Premis2: Hari ini turun hujan.
Konklusi: Hari ini saya tidak datang.
![Page 13: Artificial Intelligence - elearning.amikom.ac.idelearning.amikom.ac.id/index.php/download/materi...Penalaran induktif sangat rentan terhadap ketidakpastian. Suatu penalaran dimana](https://reader031.vdocuments.us/reader031/viewer/2022041123/5d29ff7c88c9936e158c4d50/html5/thumbnails/13.jpg)
Bentuk penalaran
Penalaran induktif:◦ Penalaran dimulai dari premis-premis yang bersifat
khusus, untuk mendapatkan konklusi yang bersifat umum.
◦ Contoh: Premis1: Ikan mujaer bernafas dengan insang.
Premis2: Ikan mas koki bernafas dengan insang.
Premis3: Ikan bawal bernafas dengan insang.
Premis4: Ikan kakap bernafas dengan insang.
Konklusi: Ikan adalah hewan yang bernafas dg insang
Premis5: Ikan paus bernafas dengan paru-paru.
Konklusi tidak benar!!!!!
![Page 14: Artificial Intelligence - elearning.amikom.ac.idelearning.amikom.ac.id/index.php/download/materi...Penalaran induktif sangat rentan terhadap ketidakpastian. Suatu penalaran dimana](https://reader031.vdocuments.us/reader031/viewer/2022041123/5d29ff7c88c9936e158c4d50/html5/thumbnails/14.jpg)
Penalaran induktif sangat rentan terhadap ketidakpastian.
Suatu penalaran dimana adanya penambahan fakta baru mengakibatkan ketidakkonsistenan disebut dengan “Penalaran Non Monotonis”.
Ciri-ciri dari Penalaran Non Monotonis adalah:◦ Mengandung ketidakpastian;◦ Adanya perubahan pada pengetahuan.◦ Adanya penambahan fakta baru dapat mengubah
konklusi yang sudah terbentuk.◦ Misalkan S adalah konklusi dari D, bisa jadi S tidak
dibutuhkan sebagai konklusi D + fakta-fakta baru.
Sedangkan Penalaran Monotonis memiliki ciri-ciri:◦ Konsisten;◦ Pengetahuannya lengkap.
![Page 15: Artificial Intelligence - elearning.amikom.ac.idelearning.amikom.ac.id/index.php/download/materi...Penalaran induktif sangat rentan terhadap ketidakpastian. Suatu penalaran dimana](https://reader031.vdocuments.us/reader031/viewer/2022041123/5d29ff7c88c9936e158c4d50/html5/thumbnails/15.jpg)
Teknik Pemecahan Masalah AI
Conventional Hard Computing
Soft Computing
Precise Models
Logika penalaran berbentuk simbol
Pencarian & Pemodelan masalah dilakukan secara
numeris (tradisional)
Approximate Models
Penalaran melaluipendekatan
Pendekatan fungsional &Pencarian random
![Page 16: Artificial Intelligence - elearning.amikom.ac.idelearning.amikom.ac.id/index.php/download/materi...Penalaran induktif sangat rentan terhadap ketidakpastian. Suatu penalaran dimana](https://reader031.vdocuments.us/reader031/viewer/2022041123/5d29ff7c88c9936e158c4d50/html5/thumbnails/16.jpg)
Soft Computing
Soft computing adalah koleksi dari beberapa metodologi yang bertujuan untuk mengeksploitasi adanya toleransi terhadap ketidaktepatan, ketidakpastian, dan kebenaran parsial untuk dapat diselesaikan dengan mudah, robustness, dan biaya penyelesaiannya murah.
Definisi ini pertama kali diungkapkan oleh Prof. Lotfi A. Zadeh pada tahun 1992.
![Page 17: Artificial Intelligence - elearning.amikom.ac.idelearning.amikom.ac.id/index.php/download/materi...Penalaran induktif sangat rentan terhadap ketidakpastian. Suatu penalaran dimana](https://reader031.vdocuments.us/reader031/viewer/2022041123/5d29ff7c88c9936e158c4d50/html5/thumbnails/17.jpg)
Komponen Soft Computing
Approximate reasoning:
◦ Fuzzy System;
◦ Probabilistic Reasoning;
Functional Approximation/ Randomized Search:
◦Neural Network (Jaringan Syaraf)
◦ Evolutionary Algorithm (Algoritma evolusioner).
![Page 18: Artificial Intelligence - elearning.amikom.ac.idelearning.amikom.ac.id/index.php/download/materi...Penalaran induktif sangat rentan terhadap ketidakpastian. Suatu penalaran dimana](https://reader031.vdocuments.us/reader031/viewer/2022041123/5d29ff7c88c9936e158c4d50/html5/thumbnails/18.jpg)
Sistem Fuzzy
• Konsepnya menggunakan teori himpunan.
• Menggunakan derajat keanggotaan fuzzy untuk menunjukkan seberapa besar suatu nilai masuk dalam suatu himpunan fuzzy.
• Bidang kajian:– Fuzzy Inference System
– Fuzzy Clustering
– Fuzzy Database
– Fuzzy Mathematical Programming
– Dll.
![Page 19: Artificial Intelligence - elearning.amikom.ac.idelearning.amikom.ac.id/index.php/download/materi...Penalaran induktif sangat rentan terhadap ketidakpastian. Suatu penalaran dimana](https://reader031.vdocuments.us/reader031/viewer/2022041123/5d29ff7c88c9936e158c4d50/html5/thumbnails/19.jpg)
Jaringan Syaraf Tiruan
• Menggunakan algoritma pembelajaran untuk mendapatkan bobot-bobot yang optimum.
• Jenis pembelajaran: supervised learning, dan unsupervised learning.
• Algoritma pembelajaran yang sudah dikembangkan, dan paling sering diaplikasikan:– Perceptron– Radial Basis– Backpropagation (sederhana & lanjut)– Self Organizing – Learning Vector Quantization– dll
![Page 20: Artificial Intelligence - elearning.amikom.ac.idelearning.amikom.ac.id/index.php/download/materi...Penalaran induktif sangat rentan terhadap ketidakpastian. Suatu penalaran dimana](https://reader031.vdocuments.us/reader031/viewer/2022041123/5d29ff7c88c9936e158c4d50/html5/thumbnails/20.jpg)
Algoritma Evolusioner
• Menggunakan pendekatan teori evolusi.
• Dipelopori oleh algoritma genetika.
• Terutama digunakan untuk optimasi.
• Algoritma yang sudah dikembangkan:– Algoritma Genetika
– Ant System
– Fish Schooling
– Bird Flocking
– Particle Swarm
![Page 21: Artificial Intelligence - elearning.amikom.ac.idelearning.amikom.ac.id/index.php/download/materi...Penalaran induktif sangat rentan terhadap ketidakpastian. Suatu penalaran dimana](https://reader031.vdocuments.us/reader031/viewer/2022041123/5d29ff7c88c9936e158c4d50/html5/thumbnails/21.jpg)
Probabilistic Reasoning
• Mengakomodasi adanya faktor ketidakpastian.
• Teori-teori yang berkembang:
– Teorema Bayes
– Certainty Factor (statistic reasoning)
– Teorema Dempster-Shafer (statistic reasoning)
![Page 22: Artificial Intelligence - elearning.amikom.ac.idelearning.amikom.ac.id/index.php/download/materi...Penalaran induktif sangat rentan terhadap ketidakpastian. Suatu penalaran dimana](https://reader031.vdocuments.us/reader031/viewer/2022041123/5d29ff7c88c9936e158c4d50/html5/thumbnails/22.jpg)
Hybrid System
• Setiap komponen dalam Soft computing tidak saling ‘berkompetisi’, melainkan justru saling ‘melengkapi’.
• Hybrid system merupakan perpaduan antar komponen dalam soft computing.
![Page 23: Artificial Intelligence - elearning.amikom.ac.idelearning.amikom.ac.id/index.php/download/materi...Penalaran induktif sangat rentan terhadap ketidakpastian. Suatu penalaran dimana](https://reader031.vdocuments.us/reader031/viewer/2022041123/5d29ff7c88c9936e158c4d50/html5/thumbnails/23.jpg)
Beberapa Hybrid Systems
• Neuro-fuzzy Systems– Jaringan syaraf digunakan untuk
membangkitkan fungsi keanggotaan suatu sistem fuzzy.
– Jaringan syaraf digunakan secara serial dengan sistem fuzzy. Jaringan syaraf berperan pada saat preprocessing dan postprocessing.
– ANFIS (Adaptive Network-based Fuzzy Inference System). Jaringan syaraf digunakan untuk mengimplementasikan Fuzzy inference System.
![Page 24: Artificial Intelligence - elearning.amikom.ac.idelearning.amikom.ac.id/index.php/download/materi...Penalaran induktif sangat rentan terhadap ketidakpastian. Suatu penalaran dimana](https://reader031.vdocuments.us/reader031/viewer/2022041123/5d29ff7c88c9936e158c4d50/html5/thumbnails/24.jpg)
Beberapa Hybrid Systems• Neural Fuzzy Systems
– Digunakan untuk akuisisi pengetahuan dan pembelajaran.
– Jaringan syaraf diinisialisasi dengan pengetahuan pakar dalam bentuk simbol, kemudian dilatih berdasarkan input-output sistem nyata.
– Pengetahuan dalam bentuk simbol yang diperoleh dari pelatihan tersebut kemudian direpresentasikan dalam logika fuzzy.
• Fuzzy Neural Network
– Lapisan-lapisan pada jaringan syaraf, melakukan operasi-operasi: fuzzifikasi dan defuzzy, dari input dan output crisp.
![Page 25: Artificial Intelligence - elearning.amikom.ac.idelearning.amikom.ac.id/index.php/download/materi...Penalaran induktif sangat rentan terhadap ketidakpastian. Suatu penalaran dimana](https://reader031.vdocuments.us/reader031/viewer/2022041123/5d29ff7c88c9936e158c4d50/html5/thumbnails/25.jpg)
Beberapa Hybrid Systems
• Fuzzy Genetic Algorithms
– Kemampuan optimasi dari GA digunakan untuk memilih aturan-aturan terbaik untuk fuzzy inference system.
• Neuro-genetic Systems
– GA digunakan sebagai sarana untuk mengukur performansi pembelajaran dari jaringan syaraf.
![Page 26: Artificial Intelligence - elearning.amikom.ac.idelearning.amikom.ac.id/index.php/download/materi...Penalaran induktif sangat rentan terhadap ketidakpastian. Suatu penalaran dimana](https://reader031.vdocuments.us/reader031/viewer/2022041123/5d29ff7c88c9936e158c4d50/html5/thumbnails/26.jpg)
Menggunakan AI, KAPAN ????
Masalah:◦ Carilah nilai minimum dari: y=x2+2x-3;
pada kawasan [-10 10].
◦ Dengan mudah dapat diselesaikan secara analitis.
◦ Solusi eksak, Nilai Minimum = -4, terletak pada x=-1.
Untuk masalah sederhana yang bisa diselesaikan secara analitis, selesaikanlah secara ANALITIS.
![Page 27: Artificial Intelligence - elearning.amikom.ac.idelearning.amikom.ac.id/index.php/download/materi...Penalaran induktif sangat rentan terhadap ketidakpastian. Suatu penalaran dimana](https://reader031.vdocuments.us/reader031/viewer/2022041123/5d29ff7c88c9936e158c4d50/html5/thumbnails/27.jpg)
-10 -8 -6 -4 -2 0 2 4 6 8 10-20
0
20
40
60
80
100
120f(x)=x2+2x-3
x
y
minimum
![Page 28: Artificial Intelligence - elearning.amikom.ac.idelearning.amikom.ac.id/index.php/download/materi...Penalaran induktif sangat rentan terhadap ketidakpastian. Suatu penalaran dimana](https://reader031.vdocuments.us/reader031/viewer/2022041123/5d29ff7c88c9936e158c4d50/html5/thumbnails/28.jpg)
Masalah:
◦ Carilah akar persamaan:
f(x)= sin(x)cos(x)-2x+3sin(x)ln(x)+5sin(2x2-5x) / cos(x3-2x),
dekat dengan 3.
◦ Sangat sulit untuk diselesaikan secara analitis, gunakan pendekatan METODE NUMERIS: (Metode biseksi, regulafalsi, secant, Newton).
◦ Hasil=3,0846.
![Page 29: Artificial Intelligence - elearning.amikom.ac.idelearning.amikom.ac.id/index.php/download/materi...Penalaran induktif sangat rentan terhadap ketidakpastian. Suatu penalaran dimana](https://reader031.vdocuments.us/reader031/viewer/2022041123/5d29ff7c88c9936e158c4d50/html5/thumbnails/29.jpg)
1 1.5 2 2.5 3 3.5 4 4.5 5-600
-500
-400
-300
-200
-100
0
100
200
300sin(x)cos(x)-2x+3sin(x)ln(x)+5sin(2x2-5x)/cos(x3-2x)
x
yy=0, x dekat dengan 3
![Page 30: Artificial Intelligence - elearning.amikom.ac.idelearning.amikom.ac.id/index.php/download/materi...Penalaran induktif sangat rentan terhadap ketidakpastian. Suatu penalaran dimana](https://reader031.vdocuments.us/reader031/viewer/2022041123/5d29ff7c88c9936e158c4d50/html5/thumbnails/30.jpg)
Masalah:
◦ Carilah nilai minimum dari:
f(x)= sin(x)cos(x)-2x+3sin(x)ln(x)+5sin(2x2-5x) /cos(x3-2x),
dekat pada kawasan [1 5].
◦ Sangat sulit untuk diselesaikan secara analitis. Secara numeris memungkinkan, namun kumungkinan diperoleh nilai minimum lokal sangat tinggi. Cara terbaik gunakan pendekatan ARTIFICIAL INTELLIGENCE (Simulated Annealing, Algoritma Genetika).
◦ Nilai minimum=-547.3730, pada x=133
![Page 31: Artificial Intelligence - elearning.amikom.ac.idelearning.amikom.ac.id/index.php/download/materi...Penalaran induktif sangat rentan terhadap ketidakpastian. Suatu penalaran dimana](https://reader031.vdocuments.us/reader031/viewer/2022041123/5d29ff7c88c9936e158c4d50/html5/thumbnails/31.jpg)
1 1.5 2 2.5 3 3.5 4 4.5 5-600
-500
-400
-300
-200
-100
0
100
200
300sin(x)cos(x)-2x+3sin(x)ln(x)+5sin(2x2-5x)/cos(x3-2x)
x
y
minimum global
![Page 32: Artificial Intelligence - elearning.amikom.ac.idelearning.amikom.ac.id/index.php/download/materi...Penalaran induktif sangat rentan terhadap ketidakpastian. Suatu penalaran dimana](https://reader031.vdocuments.us/reader031/viewer/2022041123/5d29ff7c88c9936e158c4d50/html5/thumbnails/32.jpg)
Bekal ilmu yang harus ‘disiapkan’ untuk lebih memudahkan mempelajari Soft Computing:
ALJABAR KALKULUS LOGIKA
KOMPUTASI NUMERIS
SOFTCOMPUTING