Penegertian Artifical Intellegence, sejarahnya dan juga membahas perkembangan teknologi informasi khususnya terkait dengan kecerdasan buatan.

1. KECERDASAN
BUATAN
(ARTIFICIAL
INTELLIGENCE)
PENGANTAR KECERDASAN BUATAN
Teknologi Informasi Digital Pengantar
CHAPTER 7
D4 Ilmu Akuntansi Bisnis
YUDI SANTOSO, S.KOM, M.M.

2. JUJUR DAN BOHONG

3. PEMBAHASAN
• Pengantar Kecerdasan Buatan
- Definisi kecerdasan buatan
- Kecerdasan buatan vs kecerdasan alami
- Sejarah kecerdasan buatan
- Perkembangan dan aplikasinya

4. PENGANTAR
• Bisakah mesin berpikir?
• Jika bisa, bagaimana caranya?
• Dan jika tidak bisa, kenapa tidak?
• Dan apa yang dikatakan sebagai pikiran (mind)?

5. ARTI KECERDASAN
kemampuan untuk …
• belajar atau mengerti dari pengalaman,
• memahami pesan yang kontradiktif dan ambigu,
• menanggapi dengan cepat dan baik atas
situasi yang baru,
• menggunakan penalaran dalam memecahkan masalah
serta menyelesaikannya dengan efektif
(Winston dan Pendergast, 1994)

6. APA ITU AI?
• Merupakan kawasan penelitian, aplikasi dan instruksi
yang terkait dengan pemrograman komputer untuk
melakukan sesuatu hal - yang dalam pandangan manusia
adalah – cerdas (H. A. Simon [1987])
• Sebuah studi tentang bagaimana membuat komputer
melakukan hal-hal yang pada saat ini dapat dilakukan
lebih baik oleh manusia (Rich and Kinight [1991])

7. DETAIL KECERDASAN BUATAN
• Sudut Pandang Kecerdasan
Kecerdasan buatan mampu membuat mesin
menjadi cerdas (berbuat seperti yang dilakukan
manusia)
• Sudut Pandang Penelitian
Kecerdasan buatan adalah studi bagaimana
membuat komputer dapat melakukan sesuatu
sebaik yang dilakukan manusia

8. • Sudut Pandang Bisnis
Kecerdasan buatan adalah kumpulan peralatan yang
sangat powerful dan metodologis dalam
menyelesaikan masalah bisnis
• Sudut Pandang Pemrogram
Kecerdasan buatan meliputi studi tentang
pemrograman simbolik, problem solving, dan
pencarian (searching)

9. 2 BAGIAN UTAMA AI
• Basis Pengetahuan (knowledge base)
berisi fakta-fakta, teori, pemikiran dan hubungan
komponen satu dengan yang lainnya
• Motor Inferensi (inference engine)
Kemampuan menarik kesimpulan berdasar
pengalaman. Berkaitan dengan representasi dan
duplikasi proses tersebut melalui mesin (misalnya,
komputer dan robot).

10. KONSEP KECERDASAN BUATAN
• TuringTest
Metode Pengujian Kecerdasan (AlanTuring).
Proses uji ini melibatkan seorang penanya (manusia)
dan dua obyek yang ditanyai.
• Pemrosesan Simbolik
Sifat penting dari AI adalah bahwa AI merupakan
bagian dari ilmu komputer yang melakukan proses
secara simbolik dan non-algoritmik dalam
penyelesain masalah.

11. • Heuristic
Suatu strategi untuk melakukan proses pencarian
(search) ruang problem secara efektif, yang
memandu proses pencarian yang kita lakukan di
sepanjang jalur yang memiliki kemungkinan sukses
paling besar.

12. Metode heuristik merupakan suatu teknik yang dirancang untuk memecahkan suatu
permasalahan dalam pencarian dan digunakan untuk menemukan suatu solusi yang
dapat dibuktikan dengan benar.
• Inferensi (Penarikan Kesimpulan)  AI mencoba
membuat mesin memiliki kemampuan berpikir atau
mempertimbangkan (reasoning), termasuk
didalamnya proses (inferencing) berdasarkan fakta-
fakta dan aturan dengan menggunakan metode
heuristik, dll
• Pencocokan Pola (Pattern Matching)  Berusaha
untuk menjelaskan obyek, kejadian (events) atau
proses, dalam hubungan logik atau komputasional

13. “STATE OFTHE ART” AI
• Deep Blue mengalahkan Kasparov, juara dunia Catur.
• PEGASUS, suatu sistem memahami ucapan yang mampu
menangani transaksi seperti mendapatkan informasi tiket udara
termurah.
• MARVEL: suatu sistem pakar real-time memonitor arus data dari
pesawatVoyager dan setiap anomali sinyal.
• Sistem robot mengemudikan sebuah mobil dengan kecepatan
yang cepat pada jalan raya umum.
• Suatu diagnostik sistem pakar sedang mengkoreksi hasil diagnosis
pakar yang sudah punya reputasi.
• Agent pintar untuk bermacam-macam domain yang bertambah
pada laju yang sangat tinggi .
• Subjek materi pakar mengajar suatu learning agent penalarannya
dalam pusat penentuan gravitasi.

14. TUJUAN KECERDASAN BUATAN
• Membuat komputer lebih cerdas
• Mengerti tentang kecerdasan
• Membuat mesin lebih berguna

15. KECERDASAN BUATAN
VS
KECERDASAN ALAMI

16. Kelebihan kecerdasan buatan
• Lebih bersifat permanen.
• Lebih mudah diduplikasi & disebarkan.
• Lebih murah.
• Bersifat konsisten dan teliti karena kecerdasan buatan adalah
bagian dari teknologi komputer sedangkan kecerdasan alami
senantiasa berubah-ubah .
• Dapat didokumentasi.Keputusan yang dibuat komputer
dapat didokumentasi dengan mudah dengan cara melacak
setiap aktivitas dari sistem tersebut. Kecerdasan alami sangat
sulit untuk direproduksi.
• Dapat mengerjakan beberapa task lebih cepat dan lebih baik
dibanding manusia .

17. Kelebihan kecerdasan alami
1. Kreatif : manusia memiliki kemampuan untuk menambah
pengetahuan, sedangkan pada kecerdasan buatan untuk
menambah pengetahuan harus dilakukan melalui sistem
yang dibangun.
2. Memungkinkan orang untuk menggunakan pengalaman
atau pembelajaran secara langsung. Sedangkan pada
kecerdasan buatan harus mendapat masukan berupa input-
input simbolik.
3. Pemikiran manusia dapat digunakan secara luas, sedangkan
kecerdasan buatan sangat terbatas.

18. SEJARAH
KECERDASAN BUATAN
PERKEMBANGAN DAN
APLIKASINYA

19. SEJARAH KECERDASAN BUATAN
• Awal kerja JST (Jaringan SyarafTiruan) dan logika
• Teori Logika (Alan Newell and Herbert Simon)
• Kelahiran AI: Dartmouth workshop - summer 1956
• John McCarthy’s memberi nama bidang: Artificial
Intelligence
Jaman “batu” (1943-1956)

20. Awal antusias, harapan besar
(1952-1969)
• McCarthy (1958)
- mendefinisikan Lisp
- menemukan time-sharing
- AdviceTaker
• Pembelajaran tanpa pengetahuan
• Pemodelan JST
• Pembelajaran Evolusioner
• Samuel’s checkers player: pembelajaran
• Metode resolusi Robinson.
• Minsky: the microworlds (e.g. the block’s world).
• Banyak demonstrasi kecil ttg perilaku “intelligent”
• Prediksi over-optimistic Simon

21. Masa Gelap (1966-1973)
• AI tidak mengalami perkembangan: ledakan
perkembangan combinatorial
• Fakta bahwa suatu program bisa mendapatkan suatu
solusi secara prinsip tidak berarti bahwa program
memuat beberapa mekanisme yang dibutuhkan
untuk mendapatkannya secara praktis.
• Kegagalan dari pendekatan terjemahan bahasa alami
berbasis pada grammars sederhana dan kamus kata.
• Penterjemahan kembali yang populer
English->Russian->English
• Penemuan untuk pemrosesan bahasa natural
dihentikan.

22. • Kegagalan perceptron untuk belajar dari fungsi
sederhana sebagaimana disjunctive/eksclusive OR.
• Penelitian pada JST dihentikan.
• Realisasi dari kesukaran dalam proses learning dan
keterbatasan dari metode yang dieksplorasi
• Konsep pembelajaran simbolik (Winston’s
influential thesis, 1972)

23. Renaissance (1969-1979)
• Perubahan pada paradigma penyelesaian:
• Dari penyelesaian masalah berbasis “search-
based” menjadi penyelesaian masalah berbasis
pengetahuan.
• Sistem pakar pertama
• Dendral: menginferensi struktur molecular dari informasi
yang disediakan oleh spektrometer massa.
• Mycin: diagnoses blood infections
• Prospector: merekomendasikan eksplorasi pengeboran
pada lokasi geologi yang menyediakan suatu deposit
mineral molybdenum.

24. Era Industrial
(1980-sekarang)
• Sukses pertama Sistem Pakar secara
komersial.The Many AI companies.
• Eksplorasi dari strategi pembelajaran yang
bermacam-macam (Explanation-based learning,
Case-based Reasoning, Genetic algorithms, Neural
networks, etc.)

25. Kembalinya neural networks
(1986-sekarang)
• Penggalian kembali algoritma learning back propagation
untuk neural networks yang pertama dikenalkan dalam
tahun 1969 oleh Bryson and Ho.
• Banyak aplikasi sukses dari Neural Networks.
• Kehilangan respek terhadap sulitnya membangun sistem
pakar (macetnya knowledge acquisition).

26. Kematangan
(1987-sekarang)
• Perubahan dalam cakupan dan metodologi
penelitian bidang Kecerdasan Buatan:
• Membangun di atas teori yang ada, bukan cuma
mengusulkan teori baru berbasis klaim pada
theorema dan eksperimen, bukan pada intuisi;
• menunjukkan relevansi ke aplikasi nyata, bukan
pada contoh “mainan”.

27. Agent Cerdas (1995-sekarang)
• Realisasi yang pada mulanya dipisahkan dalam sub dari
Kecerdasan Buatan (speech recognition, problem solving
and planning, robotics, computer vision, machine
learning, knowledge representation, etc.) perlu
direorganisasi bilamana hasil-hasilnya diikat bersama-
sama kedalam suatu desain agent tunggal.
• Suatu proses reintegrasi dari sub-area yang berbeda dari
KB untuk membentuk “whole agent”:
• “agent perspective” ofAI
• agent architectures (e.g. SOAR, Disciple);
• multi-agent systems;
• agent untuk aplikasi tipe-tipe yang berbeda, web agents.

28. DOMAINYANG SERING DIBAHAS
• MundaneTask
- Persepsi (vision & speech)
- Bahasa alami (understanding, generation & translation)
- Pemikiran yang bersifat commonsense
- Robot control
• FormalTask
- Permainan / Games
- Matematika (Geometri, logika, kalkulus integral, pembuktian)

29. • ExpertTask
- Analisis finansial
- Analisis medikal
- Analisis ilmu pengetahuan
- Rekayasa (design, pencarian kegagalan, perencanaan
manufaktur)

30. SUMMARY
• Kecerdasan buatan terdiri dari knowledge base
dan motor inference.
• Digunakan untuk membantu menyelesaikan
permasalahan manusia.
• Kecerdasan buatan mengalami perkembangan
terus menerus sampai saat ini.
• Semakin banyak objek yang mampu diselesaikan
oleh kecerdasan buatan / Ai.

31. LANJUTAN DEFINISI
KECERDASAN
BUATAN

32. • H. A. Simon [1987] :
“ Kecerdasan buatan (artificial intelligence) merupakan
kawasan penelitian, aplikasi dan instruksi yang terkait
dengan pemrograman komputer untuk melakukan
sesuatu hal yang -dalam pandangan manusia adalah-
cerdas”
• Rich and Knight [1991]:
“Kecerdasan Buatan (AI) merupakan sebuah studi tentang
bagaimana membuat komputer melakukan hal-hal yang
pada saat ini dapat dilakukan lebih baik oleh manusia.”

33. Encyclopedia Britannica:
“Kecerdasan Buatan (AI) merupakan cabang dari ilmu
komputer yang dalam merepresentasi pengetahuan
lebih banyak menggunakan bentuk simbol-simbol
daripada bilangan, dan memproses informasi
berdasarkan metode heuristic atau dengan
berdasarkan sejumlah aturan”

34. TUJUAN DARI
KECERDASAN BUATAN
1. Membuat mesin menjadi lebih pintar (tujuan utama)
2. Memahami apa itu kecerdasan (tujuan ilmiah)
3. Membuat mesin lebih bermanfaat (tujuan entrepreneurial)

35. ARAH AI
• Mengembangkan metode dan sistem untuk
menyelesaikan masalah AI tanpa mengikuti cara
manusia menyelesaikannya (sistem pakar / expert
systems)
• Mengembangkan metode dan sistem untuk
menyelesaikan masalah AI melalui pemodelan cara
berpikirnya manusia, atau cara bekerjanya otak
manusia (neural networks).

36. AI DAPAT DIPANDANG
DALAM BERBAGAI PERSPEKTIF
• Dari perspektif Kecerdasan (Intelligence)
AI adalah bagaimana membuat mesin yang “cerdas” dan
dapat melakukan hal-hal yang sebelumnya dapat
dilakukan oleh manusia
• Dari perspektif bisnis
AI adalah sekelompok alat bantu (tools) yang berdaya
guna, dan metodologi yang menggunakan tool-tool
tersebut guna menyelesaikan masalah-masalah bisnis.
• Dari perspektif pemrograman (Programming),
AI termasuk didalamnya adalah studi tentang
pemrograman simbolik, pemecahan masalah, proses
pencarian (search)

37. Sistem yang berpikir
seperti manusia
Thinking humanly
Sistem yang berpikir
secara rasional
Thinking rationally
Sistem yang bertindak
seperti manusia
Acting humanly
Sistem yang bertindak
secara rasional
Acting rationally

38. BERFIKIR SEPERTI
MANUSIA
1.Diperlukan suatu cara untuk mengetahui
bagaimana manusia berfikir
2.Diperlukan pemahaman tentang
bagaimana pikiran manusia bekerja
Bagaimana caranya?
1.Melalui introspeksi atau mawas diri;
mencoba menangkap bagaimana pikiran
kita berjalan
2.Melalui percobaan psikologis

39. UJITURING DARIAI
BERTINDAK SEPERTI
MANUSIA

40. BERFIKIR
RASIONAL
• Cara berfikirnya memenuhi aturan logika yang
dibangun oleh Aristotles
• Pola struktur argumentasi yang selalu memberi konklusi
yang benar bila premis benar
• Menjadi dasar bidang logika
• Tradisi logicist dalam AI adalah membangun program
yang menghasilkan solusi berdasarkan logika
• Problem:
• Pengetahuan informal sukar diuraikan dan dinyatakan
• dalam bentuk notasi logika formal
• Penyelesaian secara prinsip vs. praktis

41. BERTINDAK
RASIONAL
• Bertindak secara rasional artinya bertindak didalam upaya
mencapai goal
• Didalam lingkungan yang rumit tidaklah mungkin
mendapatkan rasionalisasi sempurna yang selalu melakukan
sesuatu dengan benar
• Rasionalisasi terbatas

43. Perbedaan antara Pemrograman AI dan
Konvensional
AI Komputasi
Konvensional
Representasi dan
Manipulasi simbol
Algoritama
Memberitahu
komputer tentang
suatu masalah
Memerintah
komputer untuk
menyelesaikan
masalah
Komputer diberi
pengetahuan dan
kemampuan
inferensi
Memberi data
kepada komputer
dan program

44. Wilayah AI
AI diterapkan didunia bisnis dalam bentuk sistem pakar,
jaringan saraf tiruan, algoritme genetik, dan agen cerdas.
• Sistem Pakar (expert system) adalah program komputer
yang berusaha untuk mewakili pengetahuan keahlian
manusia dalam bentuk heuristik. Istilah heuristik berasal
dari kata yunani eureka, yang berarti menemukan.
Heuristik adalah aturan yang menjadi patokan atau aturan
untuk menebak dengan baik.
• Jaringan Saraf Tiruan (Neutral Networks) meniru fisiologi
otak manusia. Jaringan ini mampu menemukan dan
membedakan pola, sehingga membuatnya amat berguna
dalam bisinis siwilayah pengenalan suara dan pengenalan
karakter optis.

45. • Algoritme genetik (genetic algorithms) menerapkan proses
“yang terkuat yang selamat” untuk memungkinkan para
pemecah masalah agar menghasilkan solusi masalah yang
semakin lebih baik. sebagai contoh, bankir investasi dapat
menggunakan nya untuk memilih portfolio investasi yang
terbaik bagi kliennya.
• Agen cerdas (intelligent agent) digunakkan untuk melakukan
tugas yang berkaitan dengan komputer yang berulang-ulang.
Salah satu contoh adalah data, dimana penemuan
pengetahuan memungkinkan sistem gudang data untuk
mengidentifikasi hubungan data yang sebelumnya tidak di
kenal.

46. KONFIGURASI
SISTEM PAKAR
Sistem pakar tediri dari empat bagian
utama antaralain :
1.Antarmuka Pengguna
2.Basis Pengetahuan (knowledge basis)
3.Mesin Inferensi (inference engine)
4.Mesin Pengembangan

47. 1. Antarmuka Pengguna
Memungkinkan manajer untuk memasukan instruksi dan
informasi kedalam sistem pakar yang menerima informasi
dari sistem tersebut. Intruksi ini menentukan parameter yang
mengarahkan sistem pakar dalam prosespemikirannya. Input
informasi berbentuk nilai yang dikaitkan dengan penjelasan.
Terdapat dua penjelasan : penjelasan dari pertanyaan yang
diberikan manajer dan penjelasan mengenai solusi masalah

48. 2. Basis Pengetahuan
(knowledge basis).
Berisikan fakta yang menggambarkan masalah serta tekhnik
penggambaran pengetahuan yang menjelaskan bagaimana
fakta bersentuhan secara logis. Istilah Domain masalah
(problaim domain) digunakan untuk menggambarkan area
permasalahan.

49. 3. Mesin Inferensi (inference engine)
Bagian dari sistem pakar yang melakukan pemikiran dengan
cara menggunakan isi basis pengetahuan dalam urutan
tertentu. Selama konsultasi, mesin inferensi memeriksa
aturan-aturan basis peengetahuan satu demi satu, dan jika
persyaratan satu aturan benar, maka suatu tindakan
dilaksanakan. Dalam terminologi sistem pakar, aturan
diberhentikan jika tindakan diambil.

50. 4. Mesin Pengembangan
Sistem pengembangan, yang digunakan untuk membuat
sistem pakar. Ada dua pendekatan yang tersedia : bahasa
pemograman dan kerangka sistem pakar. Kerangka sistem
pakar (expert system shell) adalah prosesor siap pakai dan
dapat disesuaikan untuk masalah tertentu dengan cara
menambahkan basis pengetahuan yang sesuai. Cara pikir
berbasis kasus (casebased reasoning – CBR) pendekatan ini
menggunakan data historis sebagai dasar untuk
pengidentifikasian masalah dan merekomendasikan solusi.

51. Contoh Artifical Intelegence
dan Sistem Pakar
• Pembuatan produk makanan dan minuman seperti Coca cola
dan Mie Instan yang ditangani mesin produksi
• Pembuatan Mobil dalam prosesnya dibantu oleh robot
mekanik untuk mempercepat proses pembuatannya.

52. Contoh Artifical Intelegence dan Sistem Pakar

53. Daftar Pustaka
• Sri Kusumadewi,Artificial Intelligence (Teknik dan
Aplikasinya), Graha Ilmu, 2003,Yogyakarta
• William Siler and James J. Buckley, “Fuzzy Expert System
and Fuzzy Reasoning”, Wiley-Interscience, 2005
• Laurene Fauset, “Fundamental of Neural Network”,
Prentice Hall, 2000