Kapsel I 1 - WEBINAR...dan pencarian (searching) 11/08/2011 Kecerdasan Buatan 9 Kecerdasan Buatan. Basis Pengetahuan ... Game Playing •General Board Game Playing for Education and

11/08/2011 Kecerdasan Buatan 2

Arti Kecerdasan

belajar atau mengerti dari pengalaman

memahami pesan yang kontradiktif dan ambigu

menanggapi dengan cepat dan baik atas situasi yang baru

menggunakan penalaran dalam memecahkan masalah sertamenyelesaikannya dengan efektif

Kemampuan untuk :

(Winston dan Pendergast, 1994)


Apa itu AI?


Berfikir Seperti Manusia

Diperlukan suatu carauntuk mengetahuibagaimana manusiaberfikir

Diperlukanpemahaman tentangbagaimana pikiranmanusia bekerja

Bagaimana caranya?

Melalui introspeksi atau mawas diri; mencoba menangkap bagaimana pikiran kita berjalan

Melalui percobaanpsikologis

Thin

kin

g h

um

anly

C

ara


Uji Turing


Berfikir Rasional

Tradisi logicist dalam AI adalahmembangun program yang menghasilkan solusi berdasarkanlogika

Menjadi dasar bidang logika

Pola struktur argumentasi yang selalu memberi konklusi yang benar bila premis benar

Cara berfikirnya memenuhiaturan logika

Problem:Pengetahuan informal

sukar diuraikan dandinyatakan dalam

bentuk notasi logikaformal

Penyelesaian secaraprinsip vs. praktis

• Bertindak secara rasional artinya bertindak didalam upaya mencapai goal


Bertindak Rasional


Membuat komputer lebihcerdas

Mengerti tentangkecerdasan

Membuat mesin lebihberguna

Tujuan Kecerdasan Buatan

Sudut Pandang Kecerdasan• Kecerdasan buatan mampu membuat mesin menjadi cerdas (berbuat seperti yang

dilakukan manusia)

Sudut Pandang Penelitian• Kecerdasan buatan adalah studi bagaimana membuat komputer dapat melakukan

sesuatu sebaik yang dilakukan manusia

Sudut Pandang Bisnis• Kecerdasan buatan adalah kumpulan peralatan yang sangat powerful dan

metodologis dalam menyelesaikan masalah bisnis

Sudut Pandang Pemrogram• Kecerdasan buatan meliputi studi tentang pemrograman simbolik, problem solving,

dan pencarian (searching)


Kecerdasan Buatan

Basis Pengetahuan(Knowledge Base)

berisi fakta-fakta, teori, pemikiran dan hubungankomponen satu denganyang lainnya

Motor Inferensi(Inference Engine)

Kemampuan menarikkesimpulan berdasarpengalaman.

Berkaitan denganrepresentasi dan duplikasiproses tersebut melaluimesin (misalnya, komputer dan robot).


2 Bagian Utama AI


No Kecerdasan Buatan Kecerdasan Alami

1 Lebih permanen Cepat mengalami Perubahan/Bersifat lebih kreatif

2 Lebih mudah diduplikasi dan disebarkan Tidak mudah diduplikasi dan disebarkan karena

mentransfer pengetahuan manusia dari satu orang

ke orang lain membutuhkan proses yang sangat

lama; dan juga suatu keahlian itu tidak akan pernah

dapat diduplikasi dengan lengkap.

3 Lebih murah Lebih Mahal karena harus mendatangkan seseorang

untuk mengerjakan sejumlah pekerjaan dalam

jangka waktu yang sangat lama.

4 Konsisten Senantiasa berubah-ubah.

5 Dapat didokumentasikan dengan cara

melacak setiap aktivitas dari sistem tersebut.

Kecerdasan alami sangat sulit untuk direproduksi.

PERBEDAAN KECERDASAN BUATAN DENGAN

KECERDASAN ALAMI


No Kecerdasan Buatan Kecerdasan Alami

6 Dapat mengeksekusi tugas tertentu lebih

cepat

Lebih lama dalam mengeksekusi tugas tertentu

7 Dapat menjalankan tugas tertentu lebih baik

dari banyak atau kebanyakan orang.

Memiliki kelemahan dalam menjalankan tugas

tertentu

8 Untuk menambah pengetahuan harus

dilakukan melalui sistem yang dibangun.

Kreatif, karena kemampuan untuk menambah

ataupun memenuhi pengetahuan itu sangat melekat

pada jiwa manusia.

9 Harus bekerja dengan input-input simbolik. Memungkinkan orang untuk menggunakan

pengalaman secara langsung

10 Sangat terbatas Pemikiran manusia dapat digunakan secara luas

PERBEDAAN KECERDASAN BUATAN DENGAN

KECERDASAN ALAMI


Pohon Kecerdasan Buatan danAplikasinya


Cakupan Kecerdasan Buatan


Sistem Pakar (Expert System)

• Disini komputer digunakan sebagai sarana untukmenyimpan pengetahuan para pakar. Dengan demikiankomputer akan memiliki keahlian untuk menyelesaikanpermasalahan dengan meniru keahlian yang dimiliki olehpakar.

Contoh :

• Fuzzy Expert System for diagnosis of Breast Cancer

• Expert System to Support the Diagnosis of Thyroid Nodules

Aplikasi-aplikasi Kecerdasan Buatan


Contoh Sistem Pakar

https://www.google.com/search?q=contoh+sistem+pakar&source=lnms&tbm=isch&sa=X

&ved=2ahUKEwirgqW4v5DqAhXDH7cAHe2oDgoQ_AUoAXoECA0QAw&biw=1516&bih

=663#imgrc=JT9CNA5Kg6Pr4M

https://www.google.com/search?q=contoh+sistem+pakar&source=lnms&tbm=isch&sa=X&ved=2ahUKEwirgqW4v5DqAhXDH7cAHe2oDgoQ_AUoAXoECA0QAw&biw=1516&bih=663#imgrc=JT9CNA5Kg6Pr4M


Contoh Sistem Pakar

https://www.google.com/search?q=contoh+sistem+pakar&source=lnms&tbm=isch&sa=

X&ved=2ahUKEwirgqW4v5DqAhXDH7cAHe2oDgoQ_AUoAXoECA0QAw&biw=1516&

bih=663#imgrc=JT9CNA5Kg6Pr4M&imgdii=Ob_7td-W4I_8EM

https://www.google.com/search?q=contoh+sistem+pakar&source=lnms&tbm=isch&sa=X&ved=2ahUKEwirgqW4v5DqAhXDH7cAHe2oDgoQ_AUoAXoECA0QAw&biw=1516&bih=663#imgrc=JT9CNA5Kg6Pr4M&imgdii=Ob_7td-W4I_8EM


Pengolahan Bahasa Alami (Natural Language Processing)

• Dengan pengolahan bahasa alami ini diharapkan user dapatberkomunikasi dengan komputer dengan menggunakan bahasasehari-hari.

Contoh :

• On Application of Natural Language Processing in Machine Translation

• Information Processing and Retrieval from CSV File by Natural Language



Contoh Natural Language Processing

https://www.google.com/search?q=contoh+Natural+Language+Processing&source=lnm

s&tbm=isch&sa=X&ved=2ahUKEwiom5zawJDqAhUFbn0KHWSdDBcQ_AUoAnoECAw

QBA&biw=1516&bih=663#imgrc=8ctGd_qSU-ofxM

https://www.google.com/search?q=contoh+Natural+Language+Processing&source=lnms&tbm=isch&sa=X&ved=2ahUKEwiom5zawJDqAhUFbn0KHWSdDBcQ_AUoAnoECAwQBA&biw=1516&bih=663#imgrc=8ctGd_qSU-ofxM


Contoh Natural Language Processing

https://www.google.com/search?q=contoh+Natural+Language+Processing&source=lnm

s&tbm=isch&sa=X&ved=2ahUKEwiom5zawJDqAhUFbn0KHWSdDBcQ_AUoAnoECAw

QBA&biw=1516&bih=663#imgrc=ipiJsPJ-MTDBZM

https://www.google.com/search?q=contoh+Natural+Language+Processing&source=lnms&tbm=isch&sa=X&ved=2ahUKEwiom5zawJDqAhUFbn0KHWSdDBcQ_AUoAnoECAwQBA&biw=1516&bih=663#imgrc=ipiJsPJ-MTDBZM


Pengenalan Ucapan (Speech Recognition)

• Melalui pengenalan ucapan diharapkan manusiadapat berkomunikasi dengan komputer denganmenggunakan suara.

Contoh :

• BIOLOGICALLY INSPIRED SPEECH EMOTION RECOGNITION

• Robust Speech Recognition in the presence of noise using medical data



Contoh Speech Recognition

https://www.google.com/search?q=contoh+Speech+Recognition&source=lnms&tbm=is

ch&sa=X&ved=2ahUKEwjVpZ2vwpDqAhVc8XMBHVTNA6AQ_AUoAXoECAwQAw&bi

w=1516&bih=663#imgrc=UDA5mangCMjJgM

https://www.google.com/search?q=contoh+Speech+Recognition&source=lnms&tbm=isch&sa=X&ved=2ahUKEwjVpZ2vwpDqAhVc8XMBHVTNA6AQ_AUoAXoECAwQAw&biw=1516&bih=663#imgrc=UDA5mangCMjJgM


Contoh Speech Recognition

https://www.google.com/search?q=contoh+Speech+Recognition&source=lnms&tbm=is

ch&sa=X&ved=2ahUKEwjVpZ2vwpDqAhVc8XMBHVTNA6AQ_AUoAXoECAwQAw&bi

w=1516&bih=663#imgrc=R-TDmBRcpyM2AM

https://www.google.com/search?q=contoh+Speech+Recognition&source=lnms&tbm=isch&sa=X&ved=2ahUKEwjVpZ2vwpDqAhVc8XMBHVTNA6AQ_AUoAXoECAwQAw&biw=1516&bih=663#imgrc=R-TDmBRcpyM2AM


Computer Vision

• Mencoba untuk dapat menginterpretasikan gambar atau obyek-obyek tampak melalui komputer.

Contoh :

• Application of computer vision and color image segmentation for yield prediction precision

• Object Identification For Computer Vision using Image Segmentation



Contoh Computer Vision

https://www.google.com/search?q=contoh+Computer+Vision&source=lnms&tbm=isch&

sa=X&ved=2ahUKEwjt94ijxJDqAhULYysKHcl-

C2sQ_AUoAXoECA0QAw&biw=1516&bih=663#imgrc=2fJFeY1Ze19rjM

https://www.google.com/search?q=contoh+Computer+Vision&source=lnms&tbm=isch&sa=X&ved=2ahUKEwjt94ijxJDqAhULYysKHcl-C2sQ_AUoAXoECA0QAw&biw=1516&bih=663#imgrc=2fJFeY1Ze19rjM


Contoh Computer Vision

https://www.google.com/search?q=contoh+Computer+Vision&source=lnms&tbm=isch&

sa=X&ved=2ahUKEwjt94ijxJDqAhULYysKHcl-

C2sQ_AUoAXoECA0QAw&biw=1516&bih=663#imgrc=jWdsmC341q4bqM

https://www.google.com/search?q=contoh+Computer+Vision&source=lnms&tbm=isch&sa=X&ved=2ahUKEwjt94ijxJDqAhULYysKHcl-C2sQ_AUoAXoECA0QAw&biw=1516&bih=663#imgrc=jWdsmC341q4bqM


Robotika & Sistem Sensor (Robotics & Sensory Systems).

• sBotics: Simulation applied for the practical component of the Brazilian Robotics Olympiad.

• Robotics for Medical Applications.

Game Playing

• General Board Game Playing for Education and Research in Generic AI Game Learning.

• An Empirical Evaluation of Two General Game Systems: Ludiiand RBG



Contoh Robotics & Sensory Systems

https://www.google.com/search?q=contoh+Robotics+%26+Sensory+Systems&source=l

nms&tbm=isch&sa=X&ved=2ahUKEwj7scuMxZDqAhXc73MBHS3XBL0Q_AUoAXoEC

AwQAw&biw=1516&bih=663#imgrc=dhH9bjhqA4uxnM

https://www.google.com/search?q=contoh+Robotics+%26+Sensory+Systems&source=lnms&tbm=isch&sa=X&ved=2ahUKEwj7scuMxZDqAhXc73MBHS3XBL0Q_AUoAXoECAwQAw&biw=1516&bih=663#imgrc=dhH9bjhqA4uxnM


Contoh Robotics & Sensory Systems

https://www.google.com/search?q=contoh+Robotics+%26+Sensory+Systems&source=l

nms&tbm=isch&sa=X&ved=2ahUKEwj7scuMxZDqAhXc73MBHS3XBL0Q_AUoAXoEC

AwQAw&biw=1516&bih=663#imgrc=AhoSG5TnjIsJbM

https://www.google.com/search?q=contoh+Robotics+%26+Sensory+Systems&source=lnms&tbm=isch&sa=X&ved=2ahUKEwj7scuMxZDqAhXc73MBHS3XBL0Q_AUoAXoECAwQAw&biw=1516&bih=663#imgrc=AhoSG5TnjIsJbM


Contoh Game Playing

https://www.google.com/search?q=contoh+game+playing&tbm=isch&ved=2ahUKEwiGt5jJxpDqAhVXnEsFHdHaDaUQ2-

cCegQIABAA&oq=contoh+Game+pla&gs_lcp=CgNpbWcQARgBMgQIABAYMgQIABAYOgIIADoECAAQHjoGCAAQCBAeUN0hWJ

sxYPlDaABwAHgAgAE2iAG3AZIBATSYAQCgAQGqAQtnd3Mtd2l6LWltZw&sclient=img&ei=IBbuXoanMde4rtoP0bW3qAo&bih=663

&biw=1516#imgrc=oB_yKXisRS1utM

https://www.google.com/search?q=contoh+game+playing&tbm=isch&ved=2ahUKEwiGt5jJxpDqAhVXnEsFHdHaDaUQ2-cCegQIABAA&oq=contoh+Game+pla&gs_lcp=CgNpbWcQARgBMgQIABAYMgQIABAYOgIIADoECAAQHjoGCAAQCBAeUN0hWJsxYPlDaABwAHgAgAE2iAG3AZIBATSYAQCgAQGqAQtnd3Mtd2l6LWltZw&sclient=img&ei=IBbuXoanMde4rtoP0bW3qAo&bih=663&biw=1516#imgrc=oB_yKXisRS1utM


Contoh Game Playing

https://www.google.com/search?q=contoh+game+artificial+intelligence&source=lnms&tbm=isch&sa=X&ved=2ahUKEwjJ99rYx5DqA

hVRbSsKHQRuB5YQ_AUoAnoECAwQBA&biw=1516&bih=663#imgrc=gZulNBzIGB8heM

https://www.google.com/search?q=contoh+game+artificial+intelligence&source=lnms&tbm=isch&sa=X&ved=2ahUKEwjJ99rYx5DqAhVRbSsKHQRuB5YQ_AUoAnoECAwQBA&biw=1516&bih=663#imgrc=gZulNBzIGB8heM


https://github.com/libracoder/machine-learning-roadmap-2019

Machine Learning Roadmap

https://github.com/libracoder/machine-learning-roadmap-2019

LATAR BELAKANG


Rekomendasi

Semakin banyak dan beragam jumlah produk

yang dipasarkan

Analisa dan mengekstrak pengetahuan

Mengalami kebingungan dan menyita waktu

Recommender Systems


Recommender Systems

• Sistem rekomendasi merupakan program yang mencoba untuk merekomendasikan produk atau jasa yang paling cocok untuk pengguna tertentu.

• Rekomendasi dilakukan secara individu atau bisnis dengan memprediksi minat pengguna terhadap produk.

• Pengembangan sistem rekomendasi bertujuan untuk mengurangi informasi yang berlebihan dengan mengambil informasi yang paling relevan dari sejumlah besar data, sehingga mampu memberikan layanan dengan baik.


Tujuan Recommender Systems


Recommender Systems


Recommender Systems

Recommender

System

Content Based

Filtering

Demographic

Filtering

Collaborative

Filtering Hybrid Filtering

Memory Based

Approach

Model Based

Approach

Rating Based Ranking Based


Content Based Filtering

https://www.google.com/search?q=conten+based&tbm=isch&ved=2ahUKEwii19SerZTqAhVuA7cAHbjvCHAQ2-

cCegQIABAA&oq=conten+based&gs_lcp=CgNpbWcQAzIGCAAQChAYOgIIADoGCAAQBxAeOgQIABBDOgUIABCxAzoECAAQHjoGCAAQBRAeUMz-

BFi5vwVgjsIFaABwAHgAgAGXBYgBwhaSAQkyLjUuNC0zLjGYAQCgAQGqAQtnd3Mtd2l6LWltZw&sclient=img&ei=bxTwXuLjKe6G3LUPuN-

jgAc&bih=714&biw=1518#imgrc=bPpmCVwbIDN32M

https://www.google.com/search?q=conten+based&tbm=isch&ved=2ahUKEwii19SerZTqAhVuA7cAHbjvCHAQ2-cCegQIABAA&oq=conten+based&gs_lcp=CgNpbWcQAzIGCAAQChAYOgIIADoGCAAQBxAeOgQIABBDOgUIABCxAzoECAAQHjoGCAAQBRAeUMz-BFi5vwVgjsIFaABwAHgAgAGXBYgBwhaSAQkyLjUuNC0zLjGYAQCgAQGqAQtnd3Mtd2l6LWltZw&sclient=img&ei=bxTwXuLjKe6G3LUPuN-jgAc&bih=714&biw=1518#imgrc=bPpmCVwbIDN32M


Collaborative Filtering

https://www.google.com/search?q=collaborative+filtering&tbm=isch&ved=2ahUKEwit5K_KrZTqAhXS0XMBHZ44BF8Q2-

cCegQIABAA&oq=collaborative+filtering&gs_lcp=CgNpbWcQAzICCAAyBAgAEB4yBAgAEB4yBAgAEB4yBAgAEB4yBAgAEB4yBAgAEB4yBAgAEB4yBAgAE

B4yBAgAEB46BAgAEEM6BQgAELEDUP22E1iq5xNgnOoTaABwAHgAgAHyAogB9xSSAQgxNS40LjIuMpgBAKABAaoBC2d3cy13aXotaW1n&sclient=img&ei

=yxTwXu3SFdKjz7sPnvGQ-AU&bih=714&biw=1518#imgrc=uSQg0XLfOETSbM

https://www.google.com/search?q=collaborative+filtering&tbm=isch&ved=2ahUKEwit5K_KrZTqAhXS0XMBHZ44BF8Q2-cCegQIABAA&oq=collaborative+filtering&gs_lcp=CgNpbWcQAzICCAAyBAgAEB4yBAgAEB4yBAgAEB4yBAgAEB4yBAgAEB4yBAgAEB4yBAgAEB4yBAgAEB4yBAgAEB46BAgAEEM6BQgAELEDUP22E1iq5xNgnOoTaABwAHgAgAHyAogB9xSSAQgxNS40LjIuMpgBAKABAaoBC2d3cy13aXotaW1n&sclient=img&ei=yxTwXu3SFdKjz7sPnvGQ-AU&bih=714&biw=1518#imgrc=uSQg0XLfOETSbM


Permasalahan utama Collaborative Filtering

cold start

sparsity

Scalability


RATING BASED

Lika, et al Bobadilla, et alCold start

Klasifikasi & Similariti

C4.5, Bayes & Nearest Neighbors

Cold startNeural Networks (NN)

& Jaccard

Peningkatan akurasi prediksi

rating

a. Adanya peran pengembang yang tidak

terdifinisi dengan jelas dan kurang terukur dalam

penentuan bobot.

b. Hanya menggunakan informasi demografi

Meningkatkan akurasi

a. Hilangnya informasi rinci penilaian

pengguna (informasi non numeris : P dan N)

b. Rekomendasi terbatas pada genre tertentu


RANKING BASED

Wu, et al Das, et alHybrid

user-based collaborative filtering (CF), graph-based method and social-based CF + CombSUM,

CombMED dan Borda

Clustering & Ranking(DBSCAN & Borda)

Model hybrid mampumeningkatkan kinerja rekomendasi

Borda count akurasinya lebih rendah dari baseline (CombSUM,

CombMED)

Mengurangi waktu proses danmempertahankan kualitas

rekomendasi

Pemilihan genre secara random sehingga menurunkan kulitas

rekomendasi

Penggunaan metode aggregasi Borda sebatas dikombinasikan dengan metode lain

RANKING BASED


Model Pengembangan MetodeBerbasis Ranking


Tahapan Pengujian


Hasil Evaluasi

Metode

Evaluasi

NDCG

Running Time

(detik)

Big O

Copeland 0,35 708,94 O(n3)

Borda 0,43 0,10 O(n3)

WP-Rank 0,51 2,51 O(n3)

NRF 0,53 0,02 O(n3)

Documents

Kapsel I 1 - WEBINAR...dan pencarian (searching) 11/08/2011 Kecerdasan Buatan 9 Kecerdasan Buatan. Basis Pengetahuan ... Game Playing •General Board Game Playing for Education and