TUGAS 4 PENGANTAR TEKNOLOGI SISTEM CERDAS

PENGANTAR TEKNOLOGI SISTEM CERDAS

ARTIFICIAL INTELLIGENCE & NATURAL LANGUAGE PROCESSING

Oleh :

Eny Rahayu Sutrisno

13114585

3KA26

FAKULTAS ILMU KOMPUTER & TEKNOLOGI INFORMASI

UNIVERSITAS GUNADARMA

PTA 2016/2017

 A.   Artificial Intelligence

Intelligence atau Intelegensia dapat diartikan sebagai seseorang yang pandai melaksanakan pengetahuan yang dimilikinya. Artificial Intelligence atau AI merupakan cabang ilmu komputer yang bertujuan untuk membuat sebuah aplikasi yang mampu menirukan cara kerja otak manusia, dengan menerima input pengetahuan dari pakar dalam bentuk fakta – fakta, teori, prosedur dan aturan.

Referensi :

Suparman, 1991. Mengenal Artificial Intelligence. Yogyakarta: Penerbit Andi Offset.

B.   Kecerdasan Buatan vs Kecerdasan Alami

Kelebihan kecerdasan buatan :

1.      Lebih permanen.

2.      Memberikan kemudahan dalam duplikasi dan penyebaran.

3.      Relatif lebih murah dari kecerdasan alamiah.

4.      Konsisten dan teliti.

5.      Dapat didokumentasi.

6.      Dapat mengerjakan beberapa task lebih cepat dan lebih baik dibanding manusia.

                                                              

Kelebihan kecerdasan alami :

1.      Bersifat lebih kreatif.

2.      Dapat melakukan proses pembelajaran secara langsung, sementara AI harus mendapatkan masukan berupa symbol dan representasi.

3.      Fokus yang luas sebagai referensi untuk pengambilan keputusan, sebaliknya AI menggunakan fokus yang sempit.

Referensi :

Desiani, Anita & Arhami, Muhammad, 2006. Konsep Kecerdasan Buatan. Yogyakarta : Penerbit Andi Offset.

 

C.   Sejarah Kecerdasan Buatan

·         Cikal Bakal Kecerdasan Buatan (1943 – 1955)

·         Lahirnya Kecerdasan Buatan (1956)

·         Awal Perkembangan Kecerdasan Buatan (1952-1969)

·         Perkembangan Kecerdasan Buatan Mulai Melambat (1966-1974)

·         Sistem Berbasis Pengetahuan (1969-1979)

·         Kecerdasan Buatan Menjadi Sebuah Industri (1980-1988)

·         Kembalinya Jaringan Syaraf Tiruan (1986 – sekarang)

Referensi :

Russell, Stuart & Norvig, Peter, 2003. Artificial Intelligence, A Modern Approach, [online], (http://xgxy.cug.edu.cn/rjgcx/lzw/AI/AIMA-Second-Edition.pdf, diakses pada 9 Oktober 2016).

D.   Konsep Dasar Artificial Intelligence

a.       Acting Humanly : Pendekatan Uji Turing

b.      Thinking Humanly : Pendekatan Model Kognitif

c.       Thinking Rationally : The Laws of Thought Approach

d.      Acting Rationally : The Rational Agent Approach

Referensi :

Desiani, Anita & Arhami, Muhammad, 2006. Konsep Kecerdasan Buatan. Yogyakarta : Penerbit Andi Offset.

E.   Disiplin Ilmu Artificial Intelligence

a.       Natural Languange Processing (NLP)

b.      Expert System (ES)

c.       Pattern Recognition (PR)

d.      Robotic

Referensi :

Abraham, David., Permana, Indra W., Nugraha, Rangga A., Alvian, Moch. & Hanif, 2015. Penyelesaian Masalah 8-Puzzle dengan Algoritma Steepest-Ascent Hill Climbing, [online], (http://jurnal.untirta.ac.id/index.php/jis/article/download/465/354, diakses pada 27 September 2016).

F.   Natural Language Processing (Pemrosesan Bahasa Alami)

1.1 MODEL BAHASA

Bahasa formal, seperti bahasa pemrograman Java atau Python, telah tepat mendefinisikan model bahasa. Model bahasa kita adalah sebuah perkiraan. Kita mulai dengan perkiraan yang paling sesederhana mungkin dan naik dari sana. Pada model bahasa dibagi menjadi beberapa bagian, yaitu :

1.1.1 Model karakter N-gram

1.1.2 Merapikan Model n-gram

1.1.3 Evaluasi Model

1.1.4 Model kata N-gram

1.2 KLASIFIKASI TEKS

Klasifikasi teks juga dikenal sebagai kategorisasi. Identifikasi bahasa dan klasifikasi genre adalah contoh dari klasifikasi teks.

 1.2.1 Klasifikasi oleh kompresi data

 Sebuah algoritma kompresi lossless mengambil urutan simbol, mendeteksi pola yang diulang di dalamnya, dan menulis deskripsi dari urutan yang lebih padat daripada yang asli. Algoritma Kompresi bekerja dengan membangun kamus dari subsequences teks, dan kemudian mengacu pada entri dalam kamus.

1.3 PENGAMBILAN INFORMASI

Pengambilan informasi (IR) merupakan pencarian informasi berupa dokumen-dokumen yang relevan dengan kebutuhan pengguna informasi sehingga dapat memenuhi keinginan user. Pada pengambilan informasi dibagi menjadi beberapa bagian, yaitu :

1.3.1 Fungsi Penilaian IR

1.3.2 Sistem Evaluasi IR

1.3.3 Penyempurnaan IR

1.3.4 Algoritma PageRank

1.3.5 The HITS algorithm ( Algoritma HITS )

1.3.6 Question answering

1.4 EKSTRASI INFORMASI

Ekstrasi Informasi adalah proses memperoleh pengetahuan dengan membaca sekilas teks dan mencari kejadian dari kelas objek dan hubungan antara objek – objek. Tugasnya adalah untuk mengesktrak contoh alamat dari halaman Web, dengan bidang database untuk jalan, kota, negara, dan kode pos; atau contoh badai dari laporan cuaca, suhu, kecepatan angin, dan curah hujan. Pada ekstrasi informasi dibagi menjadi beberapa bagian , yaitu :

1.4.1 Finite-state automata untuk ekstraksi informasi

1.4.2. Model Probabilistik Untuk Ekstraksi Informasi(Informasi Turunan)

1.4.3 Bidang acak bersyarat untuk ekstraksi informasi

1.4.4 Ekstraksi ontologi dari korporasi besar

1.4.5 Konstruksi template otomatis

1.4.6 Pembacaan mesin

Kesimpulan

   Artificial Intelligence atau AI biasa dikenal dengan Kecerdasan Buatan adalah salah satu cabang ilmu pengetahuan yang berhubungan dengan pemanfaatan mesin untuk memecahkan persoalan yang rumit dengan cara yang lebih manusiawi. Pada kecerdasan buatan ini bertujuan untuk membuat aplikasi yang mampu menirukan cara kerja otak manusia atau setara dengan ahli.

   Natural Language Processing atau NLP dalam bahasa Indonesia Pemrosesan Bahasa Alami adalah cabang ilmu computer dan linguistik yang mengkaji interaksi antara computer dengan bahasa alami manusia. NLP merupakan cabang dari Artificial Intelligence (Kecerdasan Buatan) dan bersingguhan dengan linguistik komputasional. Kajian NLP ini terdiri dari Model Bahasa, Klasifikasi Teks, Pengambilan Informasi, dan Ekstrasi Informasi.