ARTIFICIAL INTELLIGENT

Pada dasarnya AI adalah suatu pengetahuan yang membuat komputer dapat meniru kecerdasan manusia sehingga komputer dapat melakukan hal-hal yang dikerjakan manusia dimana membutuhkan suatu kecerdasan; misalkan melakukan Analisa penalaran untuk mengambil suatu kesimpulan atau keputusan atau penerjemahan dari satu bahasa ke bahasa lain. (Sutojo, T; Mulyanto, Edi; Suhartono, 2011)

DEFINISI ARTIFICIAL INTELLIGENT

Artificial intelligence adalah sebuah rancangan program yang memungkinkan komputer melakukan suatu tugas atau mengambil keputusan dengan meniru suatu cara berpikir dan penalaran manusia. (Merta et al., 2015)

Adapun beberapa definisi artificial intelligence adalah sebagai berikut.

A. Definisi artificial intelligence menurut Joga dalah. “Artificial Intelligence didefinisikan sebagai suatu mesin atau alat pintar (biasanya adalah komputer) yang dapat melakukan suatu tugas yang bilamana tugas tersebut dilakukan oleh manusia akan dibutuhkan suatu kepintaran untuk melakukannya”.

B. Definisi artificial intelligence menurut Kus adalah. “Kecerdasan buatan atau artificial intelligence merupakan salah satu bagian ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia”.

C. Definisi artificial intelligence menurut Sar adalah. “Kecerdasan buatan adalah salah satu bidang ilmu komputer yang mendayagunakan komputer sehingga dapat berperilaku cerdas seperti manusia”.

SEJARAH ARTIFICIAL INTELLIGENT

Kecerdasan buatan merupakan bidang ilmu komputer yang sangat penting di era kini dan masa akan datang untuk mewujudkan sistem komputer yang cerdas.  Bidang ini telah berkembang sangat pesat di 20 tahun terakhir seiring dengan kebutuhan perangkat cerdas pada industry dan rumah tangga, oleh karena itu buku ini memaparkan berbagai pandangan modern dan hasil riset terkini  yang perlu dikuasai oleh para akademisi, pelajar dan praktisi lengkap dengan implementasi nyata.

Pada tahun 1958, McCarthy (sosoknya dapat dilihat pada gambar 1.4) di MIT AI Lab mendefinisikan bahasa pemrograman tingkat tinggi yaitu Lisp, yang setelah dipublikasikan pada tahun 1960 mendominasi pembuatan program-program AI pada saat itu. Kemudian, McCarthy membuat program yang dinamakan programs with common sense. Di dalam program tersebut, dibuat rancangan untuk menggunakan pengetahuan dalam mencari solusi. Pada tahun 1959, 

Program komputer General Problem Solver berhasil dibuat oleh Herbert A. Simon, J.C. Shaw, dan Allen Newell. Program ini dirancang untuk memulai penyelesaian masalah secara manusiawi. Pada tahun yang sama Nathaniel Rochester dari IBM dan para mahasiswanya merilis program AI yaitu Geometry theorem prover. Program ini dapat membuktikan suatu teorema menggunakan axioma-axioma yang ada Banyak sekali metode kecerdasan buatan dari yang simple seperti Fuzzy logic, Sistem Pakar (Expert Systems), neural network hingga berhubungan dengan statistik seperti pendekatan Bayesian, Computer Vision, Robot Vision dan Deep Learning. 

Sistem Pakar mampu menyimpan informasi dari para pakar/ahli di suatu bidang dan digunakan pada sistem berbasis komputer yang mampu memutuskan suatu masalah dan memberikan saran layaknya seorang pakar . Berbagai penelitian terus dikembangkan untuk menghasilkan berbagai metode terkini dan handal agar dapat disisipkan pada berbagai perangkat elektronika. Pesatnya pertumbuhan data juga memunculkan istilah Big Data dan Data Science yang menggunakan metode-metode AI untuk memeroleh inti dari data yang berukuran besar tersebut, salah satunya adalah Natural Language Processing (NLP). 

Trend penerapan AI paling banyak tentunya pada perangkat gadget, misalnya kemampuan peranti lunak bernama SIRI yang dapat menerima perintah suara (Speech recognition) dan meresponse (Budiharto, 2018)

KONSEP DASAR ARTIFICIAL INTELLIGENCE

1. Fuzzy Logic(FL). Teknik ini digunakan oleh mesin untuk mengadaptasi bagaimana makhluk hidup menyesuaikan kondisi dengan memberikan keputusan yang tidak kaku 0 atau 1. Sehingga dimunculkan sistem logika fuzzy yang tidak kaku. Penerapan logika fuzzy ini salah satunya adalah untuk sistem pengereman kereta api di Jepang.
2. Evolutionary Computing(EC). Pendekatan ini menggunakan skema evolusi yang menggunakan jumlah individu yang banyak dan memberikan sebuah ujian untuk menyeleksi individu terbaik untuk membangkitkan generasi selanjutnya. 
Seleksi tersebut digunakan untuk mencari solusi dari suatu permasalahan. Contoh dari pendekatan ini adalah Algoritme Genetika yang menggunakan ide mutasi dan kawin silang, Particle Swarm Optimization (PSO) yang meniru kumpulan binatang seperti burung dan ikan dalam mencari mangsa, Simulated Annealing yang menirukan bagaimana logam ditempa, dan masih banyak lagi.
3. Machine Learning (ML) atau pembelajaran mesin merupakan teknik yang paling populer karena banyak digunakan untuk menggantikan atau menirukan perilaku manusia untuk menyelesaikan masalah. Sesuai namanya ML mencoba menirukan bagaimana proses manusia atau makhluk cerdas belajar dan mengeneralisasi. (Ahmad, n.d.)

PENJELASAN DAN CONTOH STUDI KASUS TENTANG INTELLIGENCE AGENT

Agent adalah sesuatu yang dapat memahami (perceiving) lingkungan (environment) nya melalui sensors dan bertindak (acting) terhadap lingkungan tersebut melalui actuators. Sedangkan Agent rasional adalah Untuk setiap deretan persepsi yang mungkin, sebuah agent rasional hendaklah memilih satu tindakan yang diharapkan memaksimalkan ukuran performance-nya, dengan adanya bukti yang diberikan oleh deretan persepsi dan apapun pengetahuan terpasang yang dimiliki agent itu. 

CONTOH STUDI KASUS :AGEN CERDAS ANIMASI WAJAH UNTUK GAME TEBAK KATA

Perancangan Permainan

Game yang dibangun pada tulisan ini berupa model “kata”. Bentuk permainannya adalah pemain disediakan pertanyaan berupa kata budaya dalam mode hidden, selanjutnya pemain menebak setiap huruf yang ada pada kata tersebut. Jumlah kesalahan dalam menebak dibatasi, dalam hal ini empat kali. Jika lebih dari batas kesalahan maka permainan berakhir (game over). Namun jika pemain dapat menebak kata dengan benar, maka skor penilaian bertambah dan sistem game akan menyediakan kata selanjutnya yang harus ditebak, begitu seterusnya

Konsep Dasar Pembangunan Game

Setelah merancang alur permainan yang diinginkan langkah berikutnya adalah menterjemahkannya menjadi konsep dasar pembangunan game. 
Pada gambar dibawah tampak konsep dasar pembangunan berupa dua buah loop yang saling berinteraksi antara sistem game dengan agen cerdas.

Perancangan Diagram Alir (flow chart) 

 Konsep dasar pembangunan game yang telah dibuat selanjutnya menjadi acuan dalam merancang diagram alir

Perancangan Antarmuka 

 Fungsi antarmuka adalah menterjemahkan isi skenario secara visual atau penggambaran secara singkat bentuk karya multimedia.
 

Konstruksi Game 

Coding Coding digunakan untuk memprogram karya multimedia agar menjadi game sesuai yang dikehendaki. Bahasa pemrograman yang digunakan adalah actionscript untuk memprogram game. Selain itu pemrograman juga dilakukan pada database menggunakan format XML (EXtensible Markup Language).

Menyertakan elemen

Salah satu macam elemen yang disertakan pada pembangunan game adalah movie clip. Movie clip merupakan simbol sebagai obyek utama animasi wajah. Dalam bahasa actionscript pada dasarnya setiap movie clip yang disertakan dari library atau melakukan duplikasi movie clip atau membuat movie clip baru melalui fungsi createEmptyMovieClip(), diharuskan mempunyai depth yang unik. Hal ini dikarenakan jika ada movie clip dengan depth yang sama, maka salah satu movie clip tersebut otomatis akan di-remove dan digantikan dengan movie clip yang baru (diasumsikan kedua movie clip tersebut berada dalam timeline utama)

Hasil dan Pembahasan

Ekspresi wajah ‘senang’, ‘kecewa’ beserta komentar-komentarnya digunakan pada pengujian ini.

Kesimpulan 

Pembuatan game “kata” pada tesis ini menggabungkan dua macam kemampuan, yaitu kemampuan teknik pemrograman dan kemampuan seni. Pemrograman digunakan untuk membuat komponen, mengorganisasi, dan mengendalikan komponen game. Sedangkan kemampuan seni dipakai untuk menciptakan tokoh, ekspresi, beserta komentar-komentarnya. Kedua hal tersebut harus seimbang karena jika salah satu tidak optimal maka game menjadi tidak menarik. 

 Kesulitan terbesar selama proses pembuatan terletak pada mengintegrasikan animasi wajah dengan metode FSM terhadap game. Hal ini terjadi karena animasi wajah merupakan output yang akan berjalan ketika mendapat trigger dari game, padahal proses pembuatan masing-masing adalah terpisah. Sedangkan pengolahan ekspresi wajah untuk masing-masing state pada FSM tidak menemui kendala yang berarti karena pembuatannya menggunakan movie clip sebagai kelas untuk mengulang bagianbagian wajah yang tidak mengalami perubahan pada state yang berbeda. 

 Dari pengembangan game yang telah dilakukan, metode FSM dapat digunakan untuk menggambarkan ekspresi animasi wajah dalam mengomentari langkah pemain. Hal tersebut disebabkan animasi wajah merupakan kegiatan yang yang saling berkaitan, artinya ada kegiatan yang harus dikerjakan berurutan atau merupakan hasil dari input kegiatan sebelumnya. 
(Anung Rachman, Vincent Suhartono, 2010) 

DAFTAR PUSTAKA

Ahmad, A. (n.d.). Mengenal Artificial Intelligence, Machine Learning, Neural Network, dan Deep Learning.

Anung Rachman, Vincent Suhartono, Y. P. (2010). Agen Cerdas Animasi Wajahu Ntuk Game Tebak Kata. Teknologi Informasi, 6(April), 1–8.

Budiharto, W. (2018). AI for Beginner. AI for Beginner, 1–11.

Merta, I. P. W., Sunarya, I. M. G., & Arthana, I. K. R. (2015). Handgesture To Text Dengan Metode Artificial Intelligence KNN ( K-Nearest Neighbour ). Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika (KARMAPATI), 4(1), 18–27.

Sutojo, T; Mulyanto, Edi; Suhartono, V. (2011). Kecerdasan Buatan. 211–235.