ARTIFICIAL INTELLEGENCE & SISTEM PAKAR

Apa itu Artificial Intellegence(AI)?

Artificial Intellegence(AI) adalah sebuah sistem alat yang dibuat oleh manusia dengan harapan bahwa sistem terseut dapat berfikir seperti manusia atau lebih cerdas dari manusia. Biasanya sistem tersebut memiliki kemampuan menerima informasi baru agar sistem tersebut lebih cerdas lagi.

Tujuan dari AI ini adalah agar memudahkan manusia dalam memecahkan masalah.

Sejarah Artificial Intellegence

Kecerdasan buatan atau Artificial Intelligence (AI) istilah yang mungkin akan mengingatkan kita akan kehebatan optimus prime dalam film The Transformers. Kecerdasan buatan memang kerap diidentikkan dengan kemampuan robot yang dapat berperilaku seperti manusia. Definisi Kecerdasan Buatan, Berbagai definisi diungkapkan oleh para ahli untuk dapat memberi gambaran mengenai kecerdasan buatan beberapa diantaranya :

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 (H. A. Simon [1987]).

Kecerdasan Buatan (AI) merupakan sebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik oleh manusia (Rich and Knight [1991]).

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 (Encyclopedia Britannica).

Jenis-Jenis Artificial Intellegence

1.      Sistem pakar

2.      Pengolahan Bahasa Alami(Natural Language Processing)

3.      Pengenalan Ucapan (Speech Recognition)

4.      Robotika & Sistem Pakar

5.      Computer Vision

6.      Intelligent Computer-Aided Instruction

7.      Game Playing.

8.      Soft Computing

Merupakan sistem yang memiliki keahlian seperti manusia pada domain tertentu, mampu beradaptasi dan belajar agar dapat bekerja lebih baik jika terjadi perubahan lingkungan. Metodologi-metodologi yang digunakan dalam Soft computing adalah :

a.       Logika Fuzzy/Fuzzy Logic (mengakomodasi ketidaktepatan).

b.      Jaringan Syaraf Tiruan/Neurall Network (menggunakan pembelajaran).

c.       Probabilistic Reasoning (mengakomodasi ketidakpastian).

d.      Algoritma Genetika/Evolutionary Computing (optimasi).

Contoh Artificial Intellegence

Pengaplikasian AI memang banyak bentuknya pada bidang tertentu, salah satunya dalam bidang pendidikan. Pada bidang  pendidikan adalah Sistem Tutor Cerdas atau Intelligent Tutoring System(ITS) merupakan sebuah teknologi pembelajaran yang dinamis dan dapat menyesuaikan isi atau output program sesuai dengankebutuhan dari objek sasaran menggunakan keahliannya dalam metode pembelajaran dan materiyang diajarkan.

Sistem Pakar

Apa itu Sistem Pakar?

Sistem pakar adalah sistem yang berusaha membuat cara bekerja komputer sama dengan cara bekerja manusia sehingga orang awampun dapat menemukan informasi yang dibutuhkan. Dalam penyusunannya, sistem pakar mengkombinasikan kaidah-kaidah penarikan kesimpulan (inference rules) dengan basis pengetahuan tertentu yang diberikan oleh satu atau lebih pakar dalam bidang tertentu. Kombinasi dari kedua hal tersebut disimpan dalam komputer, yang selanjutnya digunakan dalam proses pengambilan keputusan untuk penyelesaian masalah tertentu.

Alasan Pengembangan Sistem Pakar, sistem pakar sendiri dikembangkan lebih lanjut dengan alasan :
• Dapat menyediakan kepakaran setiap waktu dan di berbagai lokasi.
• Secara otomatis mengerjakan tugas-tugas rutin yang membutuhkan seorang pakar.
• Seorang pakar akan pensiun atau pergi.
• Seorang pakar adalah mahal.
• Kepakaran dibutuhkan juga pada lingkungan yang tidak bersahabat.

 Struktur Sistem Pakar, komponen utama pada struktur sistem pakar menurut Hu et al (1987) meliputi:

1. Basis Pengetahuan (Knowledge Base)
Basis pengetahuan merupakan inti dari suatu sistem pakar, yaitu berupa representasi pengetahuan dari pakar. Basis pengetahuan tersusun atas fakta dan kaidah. Fakta adalah informasi tentang objek, peristiwa, atau situasi. Kaidah adalah cara untuk membangkitkan suatu fakta baru dari fakta yang sudah diketahui.

2. Mesin Inferensi (Inference Engine)
Mesin inferensi berperan sebagai otak dari sistem pakar. Mesin inferensi berfungsi untuk memandu proses penalaran terhadap suatu kondisi, berdasarkan pada basis pengetahuan yang tersedia. Di dalam mesin inferensi terjadi proses untuk memanipulasi dan mengarahkan kaidah, model, dan fakta yang disimpan dalam basis pengetahuan dalam rangka mencapai solusi atau kesimpulan. Dalam prosesnya, mesin inferensi menggunakan strategi penalaran dan strategi pengendalian. Strategi penalaran terdiri dari strategi penalaran pasti (Exact Reasoning) dan strategi penalaran tak pasti (Inexact Reasoning). Exact reasoning akan dilakukan jika semua data yang dibutuhkan untuk menarik suatu kesimpulan tersedia, sedangkan inexact reasoning dilakukan pada keadaan sebaliknya.Strategi pengendalian berfungsi sebagai panduan arah dalam melakukan prose penalaran. Terdapat tiga tehnik pengendalian yang sering digunakan, yaitu forward chaining, backward chaining, dan gabungan dari kedua teknik pengendalian tersebut.

3. Basis Data (Data Base)
Basis data terdiri atas semua fakta yang diperlukan, dimana fakta fakta tersebut digunakan untuk memenuhi kondisi dari kaidah-kaidah dalam sistem. Basis data menyimpan semua fakta, baik fakta awal pada saat sistem mulai beroperasi, maupun fakta-fakta yang diperoleh pada saat proses penarikan kesimpulan sedang dilaksanakan. Basis data digunakan untuk menyimpan data hasil observasi dan data lain yang dibutuhkan selama pemrosesan.

4. Antarmuka Pemakai (User Interface)
Fasilitas ini digunakan sebagai perantara komunikasi antara pemakai.dengan komputer.

Teknik Representasi Pengetahuan
Representasi pengetahuan adalah suatu teknik untuk merepresentasikan basis pengetahuan yang diperoleh ke dalam suatu skema/diagram tertentu sehingga dapat diketahui relasi/keterhubungan antara suatu data dengan data yang lain. Teknik ini membantu knowledge engineer dalam memahami struktur pengetahuan yang akan dibuat sistem pakarnya. Terdapat beberapa teknik representasi pengetahuan yang biasa digunakan dalam pengembangan suatu sistem pakar, yaitu

a. Rule-Based Knowledge
Pengetahuan direpresentasikan dalam suatu bentuk fakta (facts) dan aturan (rules). Bentuk representasi ini terdiri atas premise dan kesimpulan.
b. Frame-Based Knowledge
Pengetahuan direpresentasikan dalam suatu bentuk hirarki atau jaringan frame.
c. Object-Based Knowledge
Pengetahuan direpresentasikan sebagai jaringan dari obyek-obyek. Obyek adalah elemen data yang terdiri dari data dan metoda (proses).
d. Case-Base Reasoning
Pengetahuan direpresentasikan dalam bentuk kesimpulan kasus (cases).

Inferencing dengan Rule : Forward dan Backward Chaining
Inferensi dengan rules merupakan implementasi dari modus ponen, yang direfleksikan dalam mekanisme search (pencarian). Dapat pula mengecek semua rule pada knowledge base dalam arah forward maupun backward. Proses pencarian berlanjut sampai tidak ada rule yang dapat digunakan atau sampai sebuah tujuan (goal) tercapai. w:st=”on”Ada dua metode inferencing dengan rules, yaitu forward chaining atau data-driven dan backward chaining atau goal-driven.

a. Backward chaining
• Menggunakan pendekatan goal-driven, dimulai dari ekspektasi apa yang diinginkan terjadi (hipotesis), kemudian mengecek pada sebab-sebab yang mendukung (ataupun kontradiktif) dari ekspektasi tersebut.
• Jika suatu aplikasi menghasilkan tree yang sempit dan cukup dalam, maka gunakan backward chaining.

b. Forward chaining
• Forward chaining merupakan grup dari multiple inferensi yang melakukan pencarian dari suatu masalah kepada solusinya.
• Jika klausa premis sesuai dengan situasi (bernilai TRUE), maka proses akan meng-assert konklusi.
• Forward chaining adalah data-driven karena inferensi dimulai dengan informasi yang tersedia dan baru konklusi diperoleh.
• Jika suatu aplikasi menghasilkan tree yang lebar dan tidak dalam, maka gunakan forward chaining.

Sumber : 
https://ngelag.com/apa-itu-artificial-intelligence-atau-ai/
http://web.if.unila.ac.id/purmanailuswp/2015/09/13/pengertian-artificial-intelligence-kecerdasan-buatan/
https://www.academia.edu/8035591/Contoh_penerapan_AI

KLASIFIKASI DATA SEKUNDER (SECONDARY DATA)

Ø  Pengertian Data Sekunder(Secondary Data)

Data Sekunder (Secondary Data) adalah data yang didapat melalui perantara media atau secara tidak langsung, maksudnya adalah data tersebut kita dapatkan melalui buku, catatan, atau bukti yang telah ada. Data sekunder juga bisa didefinisikan sebagai data yang dikumpulkan dengan maksud untuk menyelesaikan tujuan lain, bukan tujuan yang sedang dihadapi.

Kriteria data sekunder :

a.       Spesifikasi dan Metodologi

Dilakukan pengumpulan data, respon rate, sampel teknik, ukuran sampel, dan analisis data.

b.      Eror dan Ketetapan

Pada saat mengukur keteapan dilakukan dengan membandingkan dengan sumber yang berbeda.

c.       Kemutahiran

Pada saat mengumpulkan dibutuhkan jeda waktu antara pengumpulan dengan publikasi. Frekuensi data yang berisi sensus data secara periodik di update.

d.      Tujuan

Mengapa data perlu dikumpulkan? Karena untuk menentukan relevansi data.

e.      Dasar/Isi data

Disini akan dijelaskan tentang pendefinisian variabel kunci, unit pengukuran, dan kategori penggunaan.

f.        Kemandirian

Yang dibutuhkan pada kemandirian adalah kealian, kredibility, dan reputasi.

Kegunaan data sekunder:

a.       Pemahaman masalah : Data sekunder dapat digunakan sebagai sarana pendukung dalam memahami masalah yang akan diteliti, misalnya dalam perusahaan, terdapat data adminitratif yang dapat digunakan sebagai pemicu untuk memahami masalah yang dihadapi.

b.      Penjelasan masalah : bermanfaat untuk memperjelas masalah dan menjadi lebih operasional dalam penelitian, hal ini sangat bermanfaat untuk memahami persoalan yang akan diteliti.

c.       Formulasi alternative : kita memerlukan beberapa alternative sebelum mengambil keputusan, data sekunder berfungsi untuk memunculkan beberapa alternative lain yang mendukung dalam menyelesaikan masalah yang akan diteliti.

d.      Solusi masalah : disamping memberi manfaat dalam membantu mendefinisikan, data sekunder juga bermanfaat untuk memunculkan penyelesaian masalah yang akan diteliti.

Keunggulan data sekunder :

a.       Biaya lebih hemat

Hal ini sangat memudahkan karena tidak perlu memakan biaya, periset cukup datang ke perpustakaan dan mengambil data dari buku yang ada.

b.      Memebantu dalam merumuskan masalah dan menjadi sumber perbandingan.

c.       Daya cakup berskala nasuinal dan internasional

d.      Data dapat diperoleh dari kemampuan periset

Kelemahan data sekunder :

a.       Banyak data sekunder yang tidak dapat memnuhi tujuan proyek

Hal ini dikarenakan faktor unit pengukuran, definisi kelas yang digunakan, dan peredaran publikasi yang tidak sesuai dengan kebutuhan.

b.      Data yang dikumpulkan untuk tujuan berbeda dengan tujuan yang dilakukan.

Maksudnya disini untuk tujuan yang sedang dilakukan kita perlu mencari data dari periset yang data tersebut dulunya bertujuan untuk tujuan lain.

c.       Pengumpulan data membutuhkan waktu yang lama antara pengumpulan dan penerbitannya padahal pengambilan datanya memerlukan informasi yang mutakhir.

Ø  Berdasarkan sumbernya, data sekunder dibagi menjadi 2 yaitu :

a.       Data internal : Data yang menggambarkan situasi dan kondisi dalam suatu organisasi tersebut. Contoh : data pegawai, data produksi, dsb.

b.      Data ekternal : Data yang menggambarkan situasi dan kondisi diluar organisasi. Contoh : data jumlah penggunaan suatu produk pada konsumen, persebara penduduk, dsb.

Ø  Didalam data internal, didapat dari 2 sumber :

a.       Ready to use : data yang siap untuk digunakan tidak perlu diolah lebih lanjut.

b.      Requires further processing : data yang membutuhkan pengolahan lebih lanjut.

Ø  Data ekternal, terdapat 3 sumber data eksternal yaitu :

a.       Database Komputerisasi(Computerized Databases)

Pertama, kita uraikan dulu mulai dari database, database adalah kumpulan datayang disimpan secara sistematis yang dapat diolah dan dimanipulasi menggunakan perangkat lunak sehingga menghasilkan suatu informasi. Sedangkan database komputer adalah database yang ada didalam komputer dimana semua proses dilakukan didalam komputer mulai dari input, proses, dan output.

Database komputer dapat di dapatkan melalui secara online, internet dan offline.

Dalam database terdapat 5 bentuk database :

1.       Bibliographic databasese

Database yang menampilkan nama pengarang, artikelnya, penerbitnya, tahun, volume dan jumlah halaman.

2.       Numeric databases

Database yang menyajikan angka yang ada pada artikel.

3.       Full-text databases

Database yang menyajikan teks artikel secara lengkap

4.       Directory databases

Database yang menyediakan informasi seputar individu, organisasi, dan suatu layanan.

5.       Special-purpose databases

Database yang berisi informasi khusus pada bidang tertentu.

b.      Published Materials

Mengenai bisnis umum bisa diperoleh dari data-data statistik yang pernah dihimpun, guides, directories, indexes.

c.       Layanan Sindikasi(Syndicated Services)

Merupakan sebuah organisasi yang mampu menyediakan data-data yang diperlukan. Syndicated srvice diklasifikasikan berdasarkan satuan pengukurannya, yaitu :

1.       Household/consumer

2.       Institutions.

Sumber :

https://mmunsoed27.files.wordpress.com/2011/.../data-sekunder.pp...

           http://www.kanalinfo.web.id/2016/10/pengertian-data-primer-dan-data-sekunder.html

          http://www.eprints.walisongo.ac.id/761/4/082411129_Bab3.pdf

http://www.organisasi.org/1970/01/klasifikasi-jenis-dan-macam-data-pembagian-data-dalam-ilmu-eksak-sains-statistik-statistika.html

http://www.termasmedia.com/65-pengertian/69-pengertian-database.html