download

Intelegensia Semu
Organisasi menggunakan teknologi intelegensia semu untuk menangkap pengetahuan individu maupun
kelompok dan untuk mengatur dan mengembangkan dasar pengetahuannya.
Intelegensia Semu
Usaha untuk mengembangkan sistem berbasis komputer yang dapat mengadopsi prilaku seperti manusia,
dengan kemampuan belajar bahasa, menyelesaikan tugas-tugas fisik, menggunakan alat-alat yang bisa
melibatkan persepsi dan mengemulasikan keahlihan manusia dan pengambilan keputusan.
Keluarga dari Integensia Semu
Artificial
Intelligence
Natural
Language
Robotics
Perceptive
System
Expert
System
Intelligent
Machines
Alasan organisasi tertarik dengan Intelegensia Semu
1. Menjaga adanya kemungkinan kehilangan orang-orang ahli dari organisasi akibat pensiun,
pengunduran diri, atau meninggalnya seseorang ahli.
2. Menyimpan informasi dalam bentuk yang aktif
3. Menciptakan mekanisme kerja yang tidak terpengaruh terhadap beberapa kelemahan mahasiswa seperti
lelah dan khawatir, juga dapat untuk menggantikan pekerjaan yang berbahaya.
4. Menghilangkan pekerjaan rutin dan tidak memuaskan yang biasa dilakukan orang
5. menambah basis pengetahuan organisasi dengan usulan solusi untuk masalah tertentu yang terlalu berat
dan komplek untuk dianalisa oleh manusia dalam waktu yang singkat
Capturing knowledge : Sistem Pakar
Sistem Pakar
Sistem informasi yang memecahkan masalah dengan menangkap pengetahuan untuk suatu masalah tertentu
dan sumber yang terbatas dari keahlian seorang manusia. Expert system dapat membantu pengambilan
keputusan dengan menanyakan pertanyaan yang relevan dan menjelaskan alasan pengambilan tindakan
tertentu.
Cara kerja Sistem Pakar
1. Sistem Pakar mempunyai model dari pengetahuan manusia yang digunakannya yang mana dimodel dan
ditampilkan dalam bentuk yang dapat diproses oleh komputer, biasa disebut knowledge base. Dua cara
untuk memodelkan keahlian dan pengetahuan seseorang yaitu dengan :
Dasar aturan (rule base) : sebuah program intelegensia semua yang mempunyai pernyataan
berbentuk if-then atau aturan yang terhubung dan berulang dalam jumlah yang besar sebagai dasar
pengetahuan dalam sistem
Knowledge frames : sebuah metode untuk mengorganisasikan pengetahuan dari sistem pakar
kedalam potongan besar, hubungannya berdasarkan karakteristik yang diberikan yang ditentukan
oleh pengguna
2. Sistem Pakar juga mempunyai lingkup pemrograman yang disebut AI Shell.
3. Sistem pakar juga mempunyai strategi untuk mencari data ke dalam rule base yang ada biasa
disebut Inference engine. Dua strategi yang umum dipakai yaitu :
Forward Chaining : strategi pencarian yang dimulai dari informasi yang dimasukkan oleh
pengguna dan dicari dalam rule base yang ada hingga sampai pada kesimpulan
Backward Chaining : Strategi pencarian yang bertindak seperti pemecah masalah yang
dimulai dengan hipotesa, pencarian informasi hingga hipotesa tersebut terbukti maupun tidak.
Gambaran Knowledge base dengan rule
A => B
If INC > 50,000
Ask about car payment
Else EXIT
B => C
If car payment < 10% of income
Ask about mortgage payment
Else EXIT
C => D
If mortgage payment < 20% of income
Grant credit
Else EXIT
D => E
If D ask about years employed
G => H
If years < 4
Ask about other debt
E => F
If years > 4
Grant 10,000 line
Else Do G
H => F
If other debt < 5% of income
Do F
Else Do I
D
Grant credit line
F
Limit 10,000
I
Limit 3,000
Gambaran Knowledge base dengan frame
Car Frame
Is-a
Vehicle
Wheels
4
Motor
Gas / Diesel
Action
Rolls, Moves
Tank Frame
Is-a
Treads
Vehicle
4
Motor
Diesel / Turbine
Action
Rolls, Moves
Motor Frame
Is-a
Machine
Fuel
Gas/Diesel, Electric
Power
BTU, Horsepower
Use
Vehicle, or Stationary power
Gambaran Inference Engines dalam Sistem Pakar
Income Rules
If Inc > $100,000
then life ins.
If life ins.
send sales rep
If Inc > $50,000
then term ins.
If term ins.
send brochure
If sales rep or term ins.
or FinAdv
then search dbase
Other Accounts
If not on dbase,
then add prospect file
Real Estate Rules
If REstate
then further contact
If REstate > $1,000,000
then send FinAdv
If FinAdv
then prepare sales kit
Membangun sebuah sistem pakar
Beberapa prinsip pembanguan sebuah sistem pakar
Membangun sistem pakar harus melalui proses yang iteratif pada setiap fase sampai selesai,
terutama untuk sistem pakar dimana lingkungannya sering berubah.
Team pengembangan sistem pakar harus mempunyai minimal 1 orang ahli sebagai dasar
pengetahuan
Harus mempunyai Knowledge engineer yaitu spesialis yang bisa mengubah informasi dari ahli atau
seorang professional kedalam rule base atau frame
Sistem atau masalah yang dibangun dengan sistem pakar harus layak atau sesuai dengan kebutuhan
misalnya dari segi biaya
Kalau memungkinkan membangun sebuah prototype kecil sebelum membangun sebuah sistem
pakar yang lengkap
Sistem pakar sebaiknya diuji atau dites oleh ahli yang sesuai dengan bidang sistem pakar tersebut
Kelemahan sistem pakar
Hanya kelompok masalah tertentu saja yang dapat diselesaikan menggunakan sistem pakar
Kebanyakan sistem pakar membutuhkan usaha pengembangan yang besar, luas dan mahal
Knowledge base dari sebuah sistem pakar biasanya rapuh dan sulit mengikuti perkembangan
Sistem pakar hanya bisa menampilkan bentuk yang terbatas dari sebuah pengetahuan
Alternatif yang kurang dari sistem pakar menyebabkan ketidakcocokan dengan masalah managerial
yang dihadapi
Organizational Intelligence : Case Based Reasoning
Teknologi intelegensia semu yang menampilkan pengetahuan berupa sebuah basis data yang terdiri dari
kasus-kasus dan pemecahannya. Case based reasoning akan terus bertambah dengan bertambahnya kasus
yang ditangani sehingga semakin lama akan semakin baik dan semakin berkembang
Sistem kerja Case Based Reasoning
User menggambarkan masalah
Sistem mencari ke database untuk
kasus yang sama
Database
Kasus
Sistem bertanya ke user
pertanyaan tambahan untuk
memperkecil cakupan pencarian
Sistem mencari dan memberikan solusi
penyelesaian yang paling mendekati
Sistem menyimpan
masalah dan
penyelesaian yang
Sistem memperbaiki solusi untuk
penyelesaian lebih baik untuk
NO
Berhasil ?
YES
Model case based reasoning untuk web-based customer-service system
Neural Network
Neural network terdiri dari hardware atau software yang dibuat dengan mengemulasikan bentuk proses
dari otak secara biologi.
Gambar neuron secara biologi
Jaringan intelegensia neural dengan dua neurons
Pattern sebuah neural network
Neural Network
Input Layer
Hidden Layer
Output Layer
Pendapatan
Hutang
Umur
Resiko
Kredit Baik
Resiko
Kredit Jelek
Record
Pembayaran
Perbedaan Neural Networks dan sistem pakar
Neural tidak memodel kepintaran manusia, tidak memprogram solusi, tidak membantu
memecahkan masalah tertentu melainkan meletakkan kepintaran tersebut kedalam komputer dalam
pembentukan secara umum dimana komputer dapat belajar sendiri.
Nerural tidak dapat memberikan penjelasan kenapa sampai pada suatu kesimpulan sedangkan
sistem pakar selalu ada penjelasan untuk solusinya
Neural tidak memberikan solusi lengkap dari suatu masalah tertentu
Neural lebih baik digunakan hanya sebagai pembantu bagi manusia dalam mengambil keputusan
dan bukan untuk menggantikan
Fuzzy Logic
Rule-based AI that tolerates imprecision by using non-specific terms called membership function to solve
problem
Manfaat fuzzy
Reduce costs
Shorten development time
Beberapa contoh penggunaan fuzzy logic
Sanyo Fisher USA menggunakannya untuk kendali camcorder
Sendai’s subway menggunakannya untuk mengontrol kehalusan kecepatan
Mitsubishi menggunakannya untuk kendali AC
Williams-Sonoma menggunakan untuk pembuatan steamer
Wall Street menggunakannya untuk potential aquisition
Genetic Algorithms
Metode pemecahan masalah yang mengangkat evolusi pemecahan kearah suatu masalah tertentu
menggunakan model hidup dari organisme yang diadaptasi dari lingkungan
Contoh penggunaan Genetic Algorithms
General Electric menggunakannya untuk merancang Turbin jet pesawat
Coors Brewing Company menggunakannya untuk penjadwalan pemenuhan dan pengiriman
pesanan
Angkatan Laut Amerika menggunakannya untuk penjadwalan ujicoba F-16
Hybrid AI System
Integrasi dari berbagai teknologi AI kedalam sebuah aplikasi tunggal untuk mendapatkan keuntungan
dengan fitur-fitur terbaik dari teknologi-teknologi yang ada.
Bidang Hybrid AI System
Biasa difokuskan untuk menghasilkan produk jadi yang siap dipakai pada bidang :
Peralatan rumah tangga
Mesin-mesin pabrikasi
Perlengkapan kantor
Contoh Hybrid AI System
Matsushita mengembangkan mesin cuci dengan teknologi “neurofuzzy”
Bursa saham Nikko mengembangkan sistem ramalan saham dengan teknologi “neurofuzzy”
Intelligent Agents
Program piranti lunak yang mengunakan dasar pengetahuan yang telah dipelajari atau dibangun untuk
mengerjakan tugas-tugas yang khusus, berulang atau dapat diprediksi untuk individu pengguna, proses
bisnis atau software aplikasi.
Prinsip intelligent agents
Diprogram agar dapat mengerjakan tugas atau membuat keputusan sesuai kehendak pengguna,
seperti
o Menghapus junk mail
o Menjadwalkan pertemuan
o Mencari harga tiket termurah diinternet
Biasa dibuat seperti asisten pribadi digital seperti :
o Mengatur tugas-tugas
o Membantu dalam berhubungan dengan orang lain
o Membantu melatih atau mengajar pengguna
o Menghilangkan kesan kerumitan suatu masalah
o Mengawasi kegiatan dan prosedur
Bidang dari Intelligent agent
Sistem operasi
Piranti lunak aplikasi
Sistem e-mail
Mobile computing software
Network tools
Contoh Intelligent agents
Produk
Firefly
BargainFinder
dan
LifestyleFinder
Jango
Smart
NewsReader
AuctionBot
Deskripsi
Membantu pengguna mencari interes dibidang musik dan film
BargainFinder membandingkan harga secara real-time diantara
beberapa toko CD musik yang diinginkan dan memberikan
vendor dengan harga termurahsedangkan lifestyleFinder
merekomendasikan site untuk pengguna berdasarkan informasi
yang diberikan tentang gaya hidupnya
Konsultasi web sites dan memberikan laporan tentang harga
maupun fitur untuk produk seperti buku, pakaian, anggur
maupun komputer
Menyajikan newsgroup berdasarkan interes masing-masing
Vendor
Agents Inc.
Andersen
Consulting
Excite
Intel
Memungkinkan pembeli dan penjual melakukan transaksi University
berdasarkan keinginan (mirip lelang)
Michigan
of

Download Report