b. Motor Inferensi Inference Engine, yaitu kemampuan menarik
kesimpulan berdasarkan pengalaman.
Gambar 2.1 Penerapan Konsep Kecerdasan Buatan di Komputer
Kecerdasan buatan tidak hanya dominan di bidang ilmu komputer informatika, namun juga sudah merambah di berbagai disiplin ilmu yang lain. Interseksi antara psikologi
dan kecerdasan buatan melahirkan sebuah area yang dikenal dengan nama cognition psycolinguistics. Interseksi antara teknik elektro dengan kecerdasan buatan melahirkan
berbagai ilmu seperti: pengolahan citra, teori kendali, pengenalan pola dan robotika. Secara garis besar bidang ilmu yang dipelajari dalam bidang AI bisa dilihat
pada Gambar 2.2 berikut ini :
Gambar 2.2 Domain Area
Basis Pengetahuan
Motor Inferensi
Input: masalah,
pertanyaan, Output:
jawaban, solusi,
Komputer
1. Natural Language Processing NLP
NLP mempelajari bagaimana bahasa alami itu diolah sedemikian hingga user dapat berkomunikasi dengan komputer. Konsentrasi ilmu ini adalah interaksi
antara komputer dengan bahasa natural yang digunakan manusia, yakni bagaimana komputer melakukan ekstraksi informasi dari input yang berupa
natural language dan atau menghasilkan output yang juga berupa natural language.
2. Computer Vision
Cabang ilmu ini erat kaitannya dengan pembangunan artimakna dari image ke obyek secara fisik. Yang dibutuhkan di dalamnya adalah metode-metode untuk
memperoleh, melakukan proses, menganalisis dan memahami image. Apabila cabang ilmu ini dikombinasikan dengan Artificial Intelligence secara umum
akan mampu menghasilkan sebuah visual intelligence system. 3.
Robotika dan Sistem Navigasi Bidang ilmu inilah yang mempelajari bagaimana merancang robot yang berguna
bagi industri dan mampu membantu manusia, bahkan yang nantinya bisa menggantikan fungsi manusia. Robot mampu melakukan beberapa task dengan
berinteraksi dengan lingkungan sekitar. Untuk melakukan hal tersebut, robot diperlengkapi dengan actuator seperti lengan, roda, kaki, dll.
4. Game Playing
Game biasanya memiliki karakter yang dikontrol oleh user, dan karakter lawan yang dikontrol oleh game itu sendiri. Di mana kita harus merancang aturan-
aturan yang nantinya akan dikerjakan oleh karakter lawan. Game akan menjadi menarik apabila karakter lawan non-player bereaksi dengan baik terhadap apa
yang dilakukan oleh player. Hal ini akan memancing penasaran user dan membuat game menarik untuk dimainkan. Tujuan intinya adalah membuat non-
player memiliki strategi yang cerdas untuk mengalahkan player. Pada bidang ini, AI dibutuhkan, yaitu untuk merancang dan menghasilkan game yang fun
serta antarmuka antara man-machine yang cerdas dan menarik untuk dimainkan. 5.
Sistem Pakar Bidang ilmu ini mempelajari bagaimana membangun sistem atau komputer
yang memiliki keahlian untuk memecahkan masalah dan menggunakan penalaran dengan meniru atau mengadopsi keahlian yang dimiliki oleh pakar.
Dengan sistem ini, permasalahan yang seharusnya hanya bisa diselesaikan oleh para pakarahli, dapat diselesaikan oleh orang biasaawam. Sedangkan, untuk
para ahli, sistem pakar juga akan membantu aktivitas mereka sebagai asisten yang seolah-olah sudah mempunyai banyak pengalaman Budiharto, 2012.
2.2. Algoritma Greedy
Algoritma greedy merupakan metode yang paling populer untuk memecahkan masalah optimasi. Secara harfiah, greedy berarti tamak atau rakus. Prinsip dari algoritma greedy
adalah mengambil setiap kesempatan yang ada saat itu juga, tanpa memperhatikan konsekuensi ke depannya.
Algoritma greedy tidak selalu memperoleh solusi optimum untuk keseluruhan permasalahan yang ditangani, dikarenakan algoritma greedy tidak melakukan operasi
secara exhaustive kepada semua data, dan sering kali tidak mementingkan solusi optimum global. Akan tetapi, algoritma greedy merupakan solusi yang baik digunakan
dikarenakan algoritma greedy bekerja dengan cepat dan sering memberikan perkiraan nilai optimum yang baik di setiap langkahnya. Dan tidak jarang dapat menghasilkan
solusi optimum global pada suatu permasalahan dari pengambilan solusi optimum lokal di setiap langkahnya. Akan tetapi algoritma greedy cukup kuat dan bekerja dengan baik
untuk berbagai masalah Putra, 2009. Elemen-elemen algoritma greedy dalam persoalan optimasi adalah sebagai
berikut: 1.
Himpunan kandidat. Himpunan ini berisi elemen-elemen pembentuk solusi.
2. Himpunan solusi.
Himpunan ini berisi kandidat-kandidat yang terpilih sebagai solusi persoalan. Himpunan solusi merupakan himpunan bagian dari himpunan
kandidat. 3.
Fungsi seleksi. Fungsi seleksi dinyatakan sebagai predikat seleksi merupakan fungsi yang
pada setiap langkah memilih kandidat yang paling mungkin untuk mendapatkan solusi optimal.
4. Fungsi kelayakan.
Fungsi kelayakan dinyatakan sebagai predikat layak merupakan fungsi yang memeriksa apakah suatu kandidat yang dipilih dapat memberikan solusi
yang layak, yaitu kandidat tersebut tidak melanggar aturan yang ada. 5.
Fungsi objektif. Fungsi objektif merupakan fungsi yang memaksimumkan atau
meminimalkan nilai solusi. Pseudo-code algoritma greedy adalah sebagai berikut Chen, 2008 :
Procedure Greedy partial solution S, sub-problem P Begin
generate all candidate choices as list L for current sub- problem P;
while L is not empty OR other finish condition is not met compute the fitness value of each choice in L;
modify S and P by taking the choice with highest fitness value;
update L according to S and P; end while;
return the quality of the resulting complete solution; End
2.3. Permainan Game
Games merupakan salah satu bidang terapan dalam kecerdasan buatan. Penyelesaian games dilakukan dengan cara menelusuri pohon permainan game tree. Pohon
permainan adalah sebuah graf yang memperlihatkan semua kemungkinan keadaan dalam permainan yang dilakukan oleh pemain. Pohon permainan melukiskan node dan
jalan yang mengarah dari keadaan awal menuju tujuan atau keadaan saat game dimenangkan.
Ada beberapa alasan mengapa games merupakan domain yang baik untuk dieksplor dalam bidang kecerdasan buatan Kusumadewi, 2003, yaitu :
1. Sangat mudah untuk menentukan ukuran kesuksesan dan kegagalannya
menang atau kalah. 2.
Tidak membutuhkan terlalu banyak pengetahuan. Permainan dapat diselesaikan dengan melakukan pencarian dari arah start sampai posisi
menang. 3.
Ruang keadaannya mudah direpresentasikan. 4.
Operator-operator yang digunakan tidak terlalu banyak.
5. Sebagian besar game dapat dimodelkan dengan mudah.
6. Sangat mungkin untuk dibandingkan dengan kemampuan manusia.
2.4. Game Summy
Summy merupakan sebuah board game yang dibuat oleh Cwali Corné van Moorsel dan merupakan sejenis game Scrable untuk penjumlahan, pengurangan, perkalian atau
pembagian. Pemain akan mendapatkan poin dengan membuat penjumlahan, pengurangan, perkalian atau pembagian pada gilirannya. Penjumlahan, pengurangan,
perkalian atau pembagian ini dibuat dengan menyusun angka dan operator numerik pada papan permainan. Pemain hanya dapat membuat penjumlahan, pengurangan,
perkalian atau pembagian yang valid untuk memperoleh poin dengan kotak yang mereka miliki dan dikombinasikan dengan kotak yang telah ada pada papan permainan.
Pemain tidak dapat memindahkan kotak yang telah ada pada papan permainan Moorsel, 2014.
Gambar 2.3 Game Summy
Berikut ini merupakan penjumlahan, pengurangan, perkalian atau pembagian yang valid pada game Summy :
1. Harus terdapat satu ‘=’ pada setiap penjumlahan, pengurangan, perkalian
atau pembagian. 2.
Di depan ‘=’ harus ada minimal dua angka dan satu operator aritmetika dan di
belakang ‘=’ harus terdapat satu angka dan tidak ada operator aritmetika. 3.
Bilangan dapat terdiri dari lebih dari satu digit angka.
