Pengantar teknologi sisten cerdas Tugas 4

Pengantar Teknologi Sistem Cerdas.

 

Nama :Irma Fazriyah/15114461

Kelas: 3KA26

Dosen: Imam Ahmad Tri Nugroho S.T, MM.SI

TUGAS 4

1.PENGERTIAN AI (Artificial Integent)

Kecerdasan Buatan / Sistem Cerdas / Intelegensi Buatan / Artificial Intelligence merupakan cabang terpenting dalam dunia komputer. Komputer bukan hanya sebagai alat hitung, tetapi diharapkan dapat diberdayakan \untuk mengerjakan segala sesuatu yang bisa dikerjakan manusia. Manusia mempunyai pengetahuan, pengalaman dan kemampuan untuk menalar dengan baik. Agar komputer bisa bertindak seperti dan sebaik manusia, maka komputer juga harus diberi bekal pengetahuan dan mempunyai kemampuan untuk menalar.
Konsep Kecerdasan Buatan

•     Turing Test : Metode pengujian kecerdasan. Proses uji ini melibatkan seorang penanya (manusia) dan dua obyek yang ditanyai.

•     Pemrosesan Simbolik : Sifat penting dari AI adalah AI merupakan bagian ilmu komputer yang melakukan proses secara simbolik dan non-algoritmik dalam penyelesaian masalah.

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

•     Inferensi (Penarikan Kesimpulan) : AI mencoba membuat mesin memiliki kemampuan berpikir atau mempertimbangkan (reasoning), termasuk didalmnya prose (inferencing) berdasarkan fakta-fakta dan aturan dengan menggunakan metode heuristik, dll.

•     Pencocokkan Pola (Pattern Matching) : Berusaha untuk menjelaskan obyek, kejadian (events) atau proses, dalam hubungan logic atau komputasional.

2.PERBEDAAN KECERDASAN ALAMI DAN BUATAN

Keuntungan Kecerdasan Buatan : 

•  Kecerdasan buatan lebih bersifat permanen. Kecerdasan alami akan cepat mengalami perubahan. Hal ini dimungkinkan karena sifat manusia yang pelupa. Kecerdasan buatan tidak akan berubah sepanjang sistem komputer dan program tidak mengubahnya.

•  Kecerdasan buatan lebih mudah diduplikasi dan disebarkan. Mentransfer pengetahuan manusia dari satu orang ke orang lain butuh proses dan waktu lama. Disamping itu suatu keahlian tidak akan pernah bisa diduplikasi secara lengkap. Sedangkan jika pengetahuan terletak pada suatu sistem komputer, pengetahuan tersebuat dapat ditransfer atau disalin dengan mudah dan cepat dari satu komputer ke komputer lain

• Kecerdasan buatan lebih murah dibanding dengan kecerdasan alami. Menyediakan layanan komputer akan lebih mudah dan lebih murah dibanding dengan harus mendatangkan seseorang untuk mengerjakan sejumlah pekerjaan dalam jangka waktu yang sangat lama.

•  Kecerdasan buatan bersifat konsisten. Hal ini disebabkan karena kecerdasan busatan adalah bagian dari teknologi komputer. Sedangkan kecerdasan alami senantiasa berubah-ubah.

•  Kecerdasan buatan dapat didokumentasikan. Keputusan yang dibuat komputer dapat didokumentasikan dengan mudah dengan melacak setiap aktivitas dari sistem tersebut. Kecerdasan alami sangat sulit untuk direproduksi.

• Kecerdasan buatan dapat mengerjakan pekerjaan lebih cepat dibanding dengan kecerdasan alami

• Kecerdasan buatan dapat mengerjakan pekerjaan lebih baik dibanding dengan kecerdasan alami.

Keuntungan kecerdasan alami:

•  Kreatif. Kemampuan untuk menambah ataupun memenuhi pengetahuan itu sangat melekat pada jiwa manusia. Pada kecerdasan buatan, untuk menambah pengetahuan harus dilakukan melalui sistem yang dibangun

•  Kecerdasan alami memungkinkan orang untuk menggunakan pengalaman secara langsung. Sedangkan pada kecerdasan buatan harus bekerja dengan input-input simbolik

•  Pemikiran manusia dapat digunakan secara luas, sedangkan kecerdasan buatan sangat terbatas.

3.SEJARAH Artificial Intelegent

1.       Era Komputer Elektronik (1941)

Pada tahun 1941 telah ditemukan alat penyimpanan dan pemrosesan informasi.

2.       Masa Persiapan AI (1943 – 1956)

Pada tahun 1943, Warren McCulloch dan Walter Pitt mengemukakan tiga hal : pengetahuan fisiologi dasar dan fungsi sel syaraf dalam otak, analisa formal tentang logika proposisi, dan teori komputasi Turing. Mereka berhasil membuat suatu model yaitu sel syaraf tiruan

3.       Awal Perkembangan AI (1952 – 1969)

Pada tahun-tahun pertama perkembangannya, AI mengalami banyak kesuksesan. Diawali dengan kesuksesan Newell dan Simon dengan ssebuah program yang disebut General Problem Solver. Program ini dirancang untuk memulai penyelesaian masalah secara manusiawi.

4.       Perkembangan AI Melambat (1966 – 1974)

•   Perkembangan AI melambat disebabkan adanya 3 kesulitan utama yang dihadapi AI, yaitu :

• Program-program AI yang bermunculan hanya mengandung sedikit atau bahkan tidak mengandung sama sekali pengetahuan (knowledge) pada subjeknya.

•  Ada beberapa batasan pada struktur dasar yang digunakan untuk menghasilkan perilaku intelijensia.

5.       Sistem Berbasis Pengetahuan (1969 – 1979)

Pengetahuan adalah kekuatan pendukung AI.

Contoh :    Dendral Programs yang berfokus pada segi pengetahuan kimia.

6.       AI Menjadi Sebuah Industri (1980 – 1988)

7.       Kembalinya Jaringan Syaraf Tiruan (1986 – sekarang)

4.Empat Dasar Kategori di konsep dasar AI (Kecerdasan Buatan)

• Acting Humanly  yaitu sistem dengan pendekatan menirukan tingkah laku manusia.
• Thinking Humanly yaitu sistem yang menangkap pemikiran psikologis, misalnya melalui eksperimen.
• Thinking Rationally, yaitu sistem dengan penalaran komputasi
• Acting Rationally, yaitu sistem yang melakukan aksi menciptakan suatu robotika cerdas untuk menggantikan tugas manusia

5.DISIPLIN ILMU (AI)

Jenis-Jenis kecerdasan BuatanDalam perkembangannya kecerdasan buatan dapat dikelompokkan sebagai berikut :

• Sistem Pakar (Expert System), komputer sebagai sarana untuk menyimpan pengetahuan para pakar sehingga komputer memiliki keahlian menyelesaikan permasalahan dengan meniru keahlian yang dimiliki pakar.

•  Pengolahan Bahasa Alami (Natural Language Processing), user dapat berkomunikasi dengan komputer menggunakan bahasa sehari-hari, misal bahasa inggris, bahasa indonesia, dan sebagainya.

•  Pengenalan Ucapan (Speech Recognition), manusia dapat berkomunikasi dengan komputer menggunakan suara.

•  Robotika & Sistem Sensor.

•  Computer Vision, menginterpretasikan gambar atau objek-objek tampak melalui komputer.

•  Intelligent Computer-Aided Instruction, komputer dapat digunakan sebagai tutor yang dapat melatih & mengajar.

• Game Playing.

• Soft Computing

6.NATURAL LANGUAGE PROCESSING (NLP)

 

Secara alami, kita (manusia) tidak menggunakan kata-kata tanpa suatu urutan atau struktur. Kita menggunakan kata-kata dalam kalimat, yang memiliki semantik dan dan struktur sintaksis. Teknik-teknik otomatis (seperti teks mining) harus mencari cara untuk melebihi kemampuan interpretasi ‘bag-of-words’ dan menyatukan makin lama makin banyak struktur semantik dalam operasinya.

 Trend saat ini dalam text mining mengarah untuk selalu memasukkan banyak fitur-fitur canggih yang bisa diperoleh dengan menggunakan pemrosesan bahasa alami (natural language processing).Natural language atau Bahasa alami dapat mendapatkan dan memahami informasi yang ambigu bahkan berantakan yang biasa digunakan oleh manusia dan biasanya hanya manusia yang dapat mengerti.

7.   Model Bahasa

Model bahasa probabilitas berdasarkan n-gram memulihkan jumlah yang mengejutkan informasi tentang sebuah bahasa. Mereka dapat melakukan baik pada tugas-tugas yang bearagam sebagai identifikasi bahasa, koreksi ejaan, aliran klasifikasi, dan entitas bernama-pengakuan.Model bahasa ini dapat memiliki jutaan fitur, sehingga pilihan fitur dan preprocessing data untuk mengurangi kebisingan adalah penting.

8.   Teks Klasifikasi

Klasifikasi teks dapat dilakukan dengan naif Bayes n-model gram atau dengan algoritma klasifikasi apa pun yang sebelumnya telah dibahas. Kalsifikasi juga dapat dilihat sebagai masalah dalam kompresi data.

ada 3 (tiga) aspek utama pada teori pemahaman mengenai natural language:

1. ·Syntax: menjelaskan bentuk dari bahasa. Syntax biasa dispesifikasikan oleh sebuah grammar. Natural language jauh lebih daripada formal language yang digunakan untuk logika kecerdasan buatan dan program komputer
2. ·Semantics: menjelaskan arti dari kalimat dalam satu bahasa. Meskipun teori semantics secara umum sudah ada, ketika membangun sistem natural language understanding untuk aplikasi tertentu, akan digunakan representasi yang paling sederhana.
3.  Pragmatics: menjelaskan bagaimana pernyataan yang ada berhubungan dengan dunia. Untuk memahami bahasa, agen harus mempertimbangan lebih dari hanya sekedar kalimat. Agen harus melihat lebih ke dalam konteks kalimat, keadaan dunia, tujuan dari speaker dan listener, konvensi khusus, dan sejenisnya.

9.   Pengambilan Informasi

pekerjaan untuk menemukan dokumen yang relevan dengan kebutuhan informasi yang dibutuhkan oleh user, yang paling popular adalah search engine pada World Wide Web. Seorang pengguna Web bisa menginputkan query berupa kata apapun ke dalam sebuah search engine dan melihat hasil dari pencarian yang relevan. Karakteristik dari sebuah sistem IR (Russel & Norvig, 2010) diantaranya adalah:

·         A corpus of documents. Setiap sistem harus memutuskan dokumen yang ada akan diperlakukan sebagai apa. Bisa sebagai sebuah paragraf, halaman, atau teks multipage.

·         Queries posed in a query language. Sebuah query menjelaskan tentang apa yang user ingin peroleh. Query language dapat berupa list dari kata-kata, atau bisa juga menspesifikasikan sebuah frase dari kata-kata yang harus berdekatan

·         A result set. Ini adalah bagian dari dokumen yang dinilai oleh sistem IR sebagai yang relevan dengan query.

·         A presentation of the result set. Maksud dari bagian ini adalah tampilan list judul dokumen yang sudah di ranking.Pengambilan informasi adalah tugas mencari dokumen-dokumen yang relevan sesuai dengan kebutuhan pengguna untuk informasi. Contoh sistem pengambilan informasi adalah pada World Wide Web. Sistem pencarian informasi dapat dicirikan oleh :

10. EKSTRAKSI INFORMASI

Ekstraksi informasi adalah proses memperoleh pengetahuan dengan membaca sekilas teks dan mencari kejadian dari objek kelas tertentu. Dalam rangka meningkatnya kompleksitas dari beberapa dimensi dalam pendekatan ekstrasi informasi: deterministik ke stochastic, domain-spesifik untuk umum, kerajinan tangan untuk belajar, dan skala kecil untuk skala besar.

KESIMPULAN

Keberhasilan dan popularitas sangat bergantung pada perkembangan NLP baik dalam prosses menghasilan maupun memahami bahasa manusia. NLP memungkin ekstraksi berbagai features dari teks tak-terstruktur sehingga berbagai jenis teknik data mining bisa digunakan untuk mengekstrak pengetahuan (pola dan keterkaitan yang baru dan bermanfaat) darinya. Dalam arti tersebut, gampangnya, text mining adalah kombinasi NLP dan data mining.Artificial Intelligence atau kecerdasan buatan merupakan ilmu komputer yang banyak membantu manusia dalam memahami kebutuhan dalam berbagai hal. Dengan mempelajari bagaimana suatu mesin (komputer) dapat melakukan pekerjaan seperti layaknya manusia.

Source: 

 p_musa.staff.gunadarma.ac.id/.../files/.../KONSEP_DASAR_AI.pdf

 https://lppm.trigunadharma.ac.id/public/fileJurnal/160B2-OK-Jurnal9-MD-Kecerdasan%20Buatan.pdf

https://dkharaditiandi.wordpress.com/2014/02/05/artificial-intelligence-ai/

http://socs.binus.ac.id/2013/06/22/NATURAL-LANGUAGE-PROCESSING/

http://yuliana.lecturer.pens.ac.id/Kecerdasan%20Buatan/ppt/Pengenalan%20AI/Minggu1%20-%20Introduction%20to%20Artificial%20Intelligence.pdf
http://elista.akprind.ac.id/upload/files/4239_01-pertemuan1.pdf
https://rehulina.wordpress.com/2009/08/05/pengertian-kecerdasan-buatan/

Tugas Peng Citra - membuat garis vertikal, horizontal, dan diagonal

Selamat membaca , pada kesempatan kali ini adalah membuat progrram garis. yaitu garis vertikal, horizontal, dan diagonal yang menggunakan bahasa pemrograman java menggunakan NET BEANS versi 6.7

.

untuk selengkapnya silakan download

NAMA: IRMA FAZRIYAH
NPM: 15114461


klik > LaporanPDF Garis

BAB 27

PENDAHULUAN

Permasalahan manajemen adalah bertanggung jawab untuk pengelolaan semua masalah di IT infrastruktur. Proses ini meliputi analisis yang mendasar menghadapi resolusi masalah. Masalah manajemen ini bertanggung jawab melalui manajemen perubahan dan manajemen rilis samai resolusi yang diimplementasikan.

Masalah manajemen memberikan nilai bagi organisasi dengan menghindari, mengurangi dan memitigasi dampak bisnis yang merugikan dari masalah. Hal ini memungkinkan untuk memberikan layanan yang lebih lebih kuat.

MAKSUD DAN TUJUAN

Tujuan dari permasalahan manajemen adalah:

• untuk mencegah terjadinya  masalah dan insiden yang dihasilkan;

• untuk menghentikan terjadinya insiden berulang;

• untuk mengurangi dampak negatif dari insiden yang tidak bisa dicegah.

Persoalan manajemen ini, seperti kebanyakan proses, memiliki aspek reaktif dan proaktif. Dari perspektif reaktif, tujuan dari proses ini adalah untuk mengelola siklus hidup masalah dari identifikasi untuk eliminasi dengan menentukan akar penyebab dan kemudian menerapkan perubahan yang diperlukan untuk mencegah hal yang terulang . Dari perspektif proaktif, tujuan dari proses ini adalah untuk mencegah insiden di masa depan jika memungkinkan atau mengurangi dampak dari insiden yang tidak dapat dicegah.

KONSEP DASAR

MASALAH

Sebuah masalah adalah penyebab dari satu atau lebih insiden.

Model Masalah

Sebuah permasalahan model adalah ide yang mirip dengan model insiden. Model ini menyediakan pendekatan standar untuk mengatasi masalahnya.Perbedaan antara reaktif dan proaktif. Ada dua bagian dari manajemen masalah. Manajemen masalah reaktif merespon insiden dan masalah yang terjadi. Proaktif sisi manajemen masalah berkaitan dengan mencegah insiden dan masalah yang terjadi. Proaktif manajemen masalah sering dipicu oleh peningkatan pelayanan terus-menerus. Sebuah analogi yang baik adalah untuk mempertimbangkan gejolak tersebut. Setiap Fire Service akan menjadi terlibat dalam gejolak tsb. Ini adalah bagian reaktif dari peran mereka.

Semua Fire Service juga terlibat dalam pencegahan kebakaran dengan meningkatkan kesadaran masyarakat dan instalasi juga pengujian alarm asap dan sensor. Ini adalah sisi proaktif.

Masalah manajemen harus memiliki split yang sama, memastikan bahwa sumber daya terlibat dalam pencegahan masalah jangka panjang serta di sini dan sekarang respon reaktif terhadap masalah dan insiden. Hal ini sering sulit untuk melepaskan sumber daya ke sisi proaktif, terutama ketika tuntutan reaktif yang tinggi, tetapi proaktif pencegahan masalah yang memungkinkan organisasi untuk menjadi lebih dewasa di manajemen layanan mereka.

KEGIATAN UTAMA

Aliran proses manajemen masalah

Aliran proses manajemen masalah diilustrasikan pada Gambar 27.1 dan berisi

langkah-langkah berikut:

•        Proses masukan: proses ini datang kepada problem management  dari sejumlah sumber. Ini termasuk manajemen insiden, manajemen acara dan meja layanan. Selain itu, manajemen masalah proaktif dapat mengidentifikasi masalah. Pemasok dan proses lainnya seperti manajemen rilis, kapasitas manajemen dan manajemen ketersediaan mungkin juga menjadi sadar masalah.

•        Masalah deteksi: Masalah dapat dideteksi dalam banyak cara. Percaya bahwa satu atau lebih insiden yang disebabkan oleh masalah tertentu, daerah kedua dukungan lini dapat mengidentifikasi masalah ketika melakukan penanganan insiden. Masalah juga dapat dideteksi secara otomatis oleh layanan alat manajemen yang digunakan. Masalah manajemen proaktif akan mengidentifikasi masalah sering sebelum insiden terjadi.Demikian juga, lain seperti manajemen rilis dan manajemen ketersediaan akan menyadari masalah.

•   

Masalah logging: Sangat penting bahwa rincian lengkap tentang masalah dicatat.Analisis akan membiarkan ini terjadi dan akan memungkinkan perbandingan yang akan dibuat antara masalah. Semua insiden yang disebabkan oleh masalah harus dikaitkan dengan catatan masalah yang memungkinkan lingkup dan skala dampak yang akan dipastikan dengan mudah.Tanggal dan waktu bahwa semua masalah login harus dicatat dalam laporan perekaman.

•        Masalah kategorisasi: Penting untuk mengkategorikan masalah dan itu adalah direkomendasikan bahwa sistem yang sama digunakan sebagai diadopsi oleh insiden proses manajemen untuk setiap organisasi tertentu. Yang benar dan bermakna dikategorikan untuk diproduksi dan memungkinkan proaktif manajemen masalah untuk mengidentifikasi daerah-daerah untuk berkonsentrasi.

•        Masalah prioritas: Masalah yang harus diprioritaskan dalam cara yang sama seperti insiden. Tabel 27.1 menunjukkan sistem pengkodean prioritas masalah sederhana.Target kali penyelesaian masalah akan telah dialokasikan untuk masing-masing tingkat prioritas.Ini akan telah disepakati dengan bisnis dan dicatat dalam SLA. Salah satu faktor yang akan memberi makan ke dalam dampak dan urgensi masalah adalah tingkat terulangnya.

•        Masalah investigasi dan diagnosis: Tujuan dari penyelidikan dan fase diagnosis adalah untuk memastikan penyebab akar masalah. Prioritas dialokasikan untuk masalah harus mendorong jumlah sumber daya yang bekerja pada investigasi dan diagnosis. Prioritas harus dinilai ulang selama hidup masalah untuk memastikan kebenarannya.

Ada berbagai teknik pemecahan masalah yang dapat digunakan untuk membantu diagnosismasalah. Ini termasuk:

o   Kepner dan Tregoe: Pendekatan logis untuk pemecahan masalah dimulai dengan mendefinisikan dan kemudian menjelaskan masalah. Kemungkinan penyebab ditetapkan, dan kemudian kemungkinan penyebab diuji dan akhirnya penyebab sebenarnya diverifikasi.

o   Analisis Kronologis: Pendekatan ini menetapkan semua hal yang memiliki terjadi di garis waktu. Hal ini membuat lebih jelas untuk melihat apa yang telah terjadi dan memungkinkan fokus pada bagian penting dari timeline.

o   Brainstorming: Mengumpulkan bersama-sama individu kunci yang terlibat dengan masalah di satu tempat dan memetakan semua kemungkinan penyebab (dan potensi kegiatan korektif). Sesi tersebut harus berada di bawah kendali