Sabtu, 01 April 2017

Artificial Intelligence, Decision Making, dan Rule Sistem

Nama                   : Bismantaka Prizna
NPM                    : 52414203
Kelas                    : 3IA22
Mata Kuliah        : Pengantar Teknologi Game #
Nama Dosen        : Rifki Amalia
Tugas                   : Penulisan 2


Pengertian Artificial Intelligence


Artificial Intelligence atau AI dalam bahasa Indonesia artinya Kecerdasan Buatan yaitu kecerdasan yang ditunjukkan oleh suatu entitas ilmiah. Kecerdasan dibuat dan dimasukkan ke dalam suatu mesin/ komputer supaya bisa melakukan pekerjaan seperti yang bisa dikerjakan oleh manusia. Contohnya adalah kemampuan untuk menjawab diagnosa dan pertanyaan pelanggan, perencanaan dan penjadwalan, pengendalian, serta pengenalan tulisan tangan, suara dan wajah. Hal-hal seperti itu telah menjadi disiplin ilmu tersendiri, yang memusatkan perhatian pada penyediaan solusi masalah di kehidupan yang nyata. Terdapat macam-macam bidang yang menggunakan kecerdasan buatan diantaranya yaitu: game komputer, sistem pakar, jaringan syaraf tiruan, logika fuzzy dan robotika.

Kelebihan Artificial Intelligence:


• Artificial Intelligence bersifat konsisten dan teliti .
• Artificial Intelligence lebih bersifat permanent.
• Artificial Intelligence dapat lebih murah daripada kecerdasan alami.
• Artificial Intelligence menawarkan kemudahan untuk digandakan atau disebarkan.
• Artificial Intelligence dapat didokumentasi.


Contoh Penerapan Artificial Intelligence:

• SYSTRAN.
perangkat lunak untuk penerjemahan bahasa.
• Delco Electronics.
Mobil yang dapat mengemudikan sendiri yang menggunakan pendeteksi tepi untuk tetap bertahan di jalan.
• Deep Blue.
program catur 1997 yang mengalahkan Garry Kasparov pecatur dunia .
• Volkswagen AG.
Sistem pengemudi kendaraan otomatis yang diciptakan oleh Jerman.


Decision Making 


Decision Making adalah suatu proses pemikiran dalam rangka penyelesaian/ pemecahan suatu masalah untuk memperoleh hasil akhir guna dilaksanakan. Keputusan yang diambil adalah hasil akhir dari pemilihan sejumlah alternatif yang terbaik, yang paling kecil risikonya. Pengambilan keputusan merupakan salah satu langkah dalam proses keperawatan, dimana dalam  pengambilan keputusan sangat diperlukan proses berpikir. Pengambilan keputusan merupakan hasil  berpikir, hasil usaha intelektual, dimana keputusan yang ada memerlukan tindakan nyata dalam menentukan pilihan dari beberapa alternatif pemecahan masalah yang ada. 


Model-model dalam pembuatan keputusan

Terdapat tiga model yang tercakup dalam pembuatan keputusan, yaitu:


1.       Model Normatif
 Model ini diasumsikan untuk memaksimalkan kepuasan dan memenuhi kebutuhan "asumsi  pengetahuan sempurna” bahwa “pada satu situasi membutuhkan keputusan, semua kemungkinan pilihan dan konsekuensi dan potensial hasil dari masing-masing diketahui”.


Ada tujuh langkah yang teridentifikasi dalam model analisis ini :
1.       Menemukan dan menganalisis masalah
2.       Mengidentifikasi semua alternatif yang memungkinkan
3.       Mengevaluasi pro dan kontra dari masing-masing alternatif
4.       Mengurut alternatif-alternatif
5.       Memilih alternatif yang dapat memaksimalkan kepuasan
6.       Pelaksanaan
7.        Evaluasi


2.       Model Pohon Keputusan

Setiap jalur melalui pohon menyamakan pada urutan yang mungkin dari tindakan dan kejadian– kejadian, masing-masing dengan konsekuensinya sendiri. Kemungkinan dari baikkonsekuensi positif dan negatif dari tindakan dan kejadian diperkirakan dan dicatat padacabang yang tepat.

3.       Model deskriptif

Simon mengembangkan model ini didasarkan pad asumsi bahwa pembuat keputusan adalah seorang yang melihat masalah secara rasional dalam membuat solusi yang bisa dilakukanyang didasarkan pada informasi yang diketahuinya.Langkah dalam model deskriptif meliputi :
1.Menetapkan tujuan yang dapat diterima
2.Menguraikan persepsi sibjektif tentang masalah
3.Mengidentifikasi alternatif yang bisa diterima
4.Mengevaluasi setiap alternatif
5.Menyeleksi alternatif
6.Menerapkan keputusan
7.Evaluasi

Rule Sistem Peraturan Sistem


Sistem berbasis aturan (Rule Based System) adalah suatu program komputer yang memproses informasi yang terdapat di dalam working memory dengan sekumpulan aturan yang terdapat di dalam basis pengetahuan menggunakan mesin inferensi untuk menghasilkan informasi baru.
Sebuah Rule-Based System dapat dibentuk dengan menggunakan sebuah assertions set, yang secara kolektif membentuk working memory, dan sebuah rule set yang menentukan aksi pada assertions set.  RBS secara relatif adalah model sederhana yang bisa diadaptasi ke banyak masalah. Namun, jika ada terlalu banyak peraturan, pemeliharaan sistem akan rumit dan terdapat banyak failure dalam kerjanya.


Untuk membuat sistem berbasis aturan, anda harus memiliki :


1.       Sekumpulan fakta yang mewakili working memory. Ini dapat berupa suatu keadaan yang relevan dengan keadaan awal sistem bekerja.


2.       Sekumpulan aturan. Aturan ini mencakup setiap tindakan yang harus diambil dalam ruang lingkup permasalahan yang dibutuhkan.


3.       Kondisi yang menentukan bahwa solusi telah ditemukan atau tidak (none exist). Hal ini berguna untuk menghindari looping yang tidak akan pernah berakhir.


Teori sistem berbasis aturan ini menggunakan tekhnik yang sederhana, yang dimulai dengan dasar aturan yang berisi semua pengetahuan dari permasalahan yang dihadapi yang kemudian dikodekan ke dalam aturan IF-THEN dan sebuah tempat penyimpanan (basis data) yang mengandung data, pernyataan dan informasi awal. Sistem akan memeriksa semua aturan kondisi (IF) yang menentukan subset, set konflik yang ada. Jika ditemukan, maka sistem akan melakukan kondisi THEN. Perulangan atau looping ini akan terus berlanjut hingga salah satu atau dua kondisi bertemu, jika aturan tidak diketemukan maka sistem tersebut harus keluar dari perulangan (terminate).

Untuk mengelola rules , terdapat 2 pendekatan yaitu :

·         Forward Chaining : dimana rules diproses berdasarkan sejumlah fakta yang ada, dan didapatkan konklusi sesuai dengan fakta-fakta tersebut. Pendekatan forward chaining disebut juga data driven.


·         Backward Chaining : dimana diberikan target (goal), kemudian rulesyang aksinya mengandung goal di-trigger. Backward chaining ini cocok untuk menelusuri fakta yang masih belum lengkap, disebut jugagoal driven.


Strategi Rule Based System :


·         First Applicable : Ini adalah strategi yang paling sederhana tetapi berpotensi menimbulkan masalah besar, yaitu akan terjadinya looping yang tak terbatas pada kondisi yang sama.


·         Random : Meskipun tidak menggunakan prediksi atau first applicable control, metode ini cukup memberikan keuntungan, yaitu dapat diprediksi (seperi game yang membutuhkan strategi). Sebuah strategi acak akan memilih aturan acak tunggal dari sebuah set konflik. Kemungkinan lain untuk strategi acak adalah dengan sistem berbasis aturan fuzzy (fuzzy rule based system) dimana masing-masing aturan memiliki probabilitas sebuah kondisi akan lebih mungkin terjadi daripada yang lainnya.


·         Most Spesific : Strategi ini berdasarkan pada jumlah kondisi aturan. Hal ini didasari pada asumsi jika ia memiliki sebagian besar kondisi maka memiliki relevansi ke data yang ada.


·         Least Recently Used : Menyimpan data yang terakhir dipakai untuk selanjutnya dipakai kembali ke dalam permasalahan jika memang problem yang dihadapi sama.



Sumber
http://technologies-it.blogspot.co.id/2014/06/rule-based-system.htmlhttp://www.temukanpengertian.com/2013/08/pengertian-artificial-intelligence.htmlhttp://www.academia.edu/8292012/Decision_making

Tidak ada komentar:

Posting Komentar