Uswatun Hasanah : analisis studi kasus
Nama : Uswatun Hasanah
Nim
: 12413423784
Off.
: KK
ANALYSIS SWOT ARTFICIAL INTELLEGENCE
1. Pendahuluan
A. Definisi kecerdasan buatan (Artificial Intelligence)
Artificial Intelligence atau Kecerdasan Buatan adalah suatu sistem informasi yang
berhubungan dengan penangkapan, pemodelan dan penyimpanan kecerdasan manusia
dalam sebuah sistem teknologi informasi sehingga sistem tersebut memiliki kecerdasan
seperti yang dimiliki manusia. Sistem ini dikembangkan untuk mengembangkan metode
dan sistem untuk menyelesaikan masalah, biasanya diselesaikan melalui aktifivitas
intelektual manusia, misal pengolahan citra, perencanaan, peramalan dan lain-lain,
meningkatkan kinerja sistem informasi yang berbasis komputer.
Kecerdasan buatan didefinisikan sebagai kecerdasan yang ditunjukkan oleh suatu entitas
buatan.
Kecerdasan buatan (Artificial Intelligence) adalah bagian dari ilmu komputer yang
mempelajari bagaimana membuat mesin (komputer) dapat melakukan pekerjaan seperti
dan sebaik yang dilakukan oleh manusia bahkan bisa lebih baik daripada yang dilakukan
manusia.
Menurut John McCarthy, 1956, AI: untuk mengetahui dan memodelkan proses-proses
berpikir manusia dan mendesain mesin agar dapat menirukan perilaku manusia. Cerdas =
memiliki pengetahuan + pengalaman, penalaran (bagaimana membuat keputusan dan
mengambil tindakan), moral yang baik. Manusia cerdas (pandai) dalam menyelesaikan
permasalahan karena manusia mempunyai pengetahuan & pengalaman. Pengetahuan
diperoleh dari belajar. Semakin banyak bekal pengetahuan yang dimiliki tentu akan lebih
mampu menyelesaikan permasalahan. Tapi bekal pengetahuan saja tidak cukup,
manusia juga diberi akal untuk melakukan penalaran, mengambil kesimpulan
berdasarkan pengetahuan & pengalaman yang dimiliki. Tanpa memiliki kemampuan
untuk menalar dengan baik, manusia dengan segudang pengalaman dan pengetahuan
tidak akan
dapat menyelesaikan masalah dengan baik. Demikian juga dengan
kemampuan menalar yang sangat baik,namun tanpa bekal pengetahuan dan pengalaman
yang memadai,manusia juga tidak akan bisa menyelesaikan masalah dengan baik.
Agar mesin bisa cerdas (bertindak seperti & sebaik manusia) maka harus diberi bekal
pengetahuan & mempunyai kemampuan untuk menalar.
B. Sejarah
Pada awal abad 17, René Descartes mengemukakan bahwa
tubuh hewan bukanlah apa-apa melainkan hanya mesin-mesin yang
rumit. Blaise Pascal menciptakan mesin penghitung digital mekanis
pertama pada 1642. Pada 19, Charles Babbage dan Ada Lovelace
bekerja pada mesin penghitung mekanis yang dapat diprogram. Tahun
1950-an adalah periode usaha aktif dalam AI. Program AI pertama
yang bekerja ditulis pada 1951 untuk menjalankan mesin Ferranti Mark
I di University of Manchester (UK): sebuah program permainan naskah
yang ditulis oleh Christopher Strachey dan program permainan catur
yang ditulis oleh Dietrich Prinz. John McCarthy membuat istilah
"kecerdasan buatan " pada konferensi pertama yang disediakan untuk
pokok persoalan ini, pada 1956. Dia juga menemukan bahasa
pemrograman Lisp.
Alan Turing memperkenalkan "Turing test" sebagai sebuah cara
untuk mengoperasionalkan test perilaku cerdas. Joseph Weizenbaum
membangun ELIZA, sebuah chatterbot yang menerapkan psikoterapi
Rogerian.
Selama
mendemonstrasikan
tahun
1960-an
kekuatan
dan
1970-an,
pertimbangan
Joel
Moses
simbolis
untuk
mengintegrasikan masalah di dalam program Macsyma, program
berbasis pengetahuan yang sukses pertama kali dalam bidang
matematika.
Marvin
Minsky
dan
Seymour
Papert
menerbitkan
Perceptrons, yang mendemostrasikan batas jaringan syaraf sederhana
dan Alain Colmerauer mengembangkan bahasa komputer Prolog. Ted
Shortlife mendemonstrasikan kekuatan sistem berbasis aturan untuk
representasi pengetahuan dan inferensi dalam diagnosa dan terapi
medis yang kadangkala disebut sebagai sistem pakar pertama. Hans
Moravec mengembangkan kendaraan terkendali komputer pertama
untuk mengatasi jalan berintang yang kusut secara mandiri.
Pada tahun 1980-an, jaringan syaraf digunakan secara meluas dengan
algoritma perambatan balik, pertama kali diterangkan oleh Paul John Werbos
pada 1974. Tahun 1990-an ditandai perolehan besar dalam berbagai bidang
AI dan demonstrasi berbagai macam aplikasi. Lebih khusus Deep Blue,
sebuah komputer permainan catur, mengalahkan Garry Kasparov dalam
sebuah pertandingan 6 game yang terkenal pada tahun 1997. DARPA
menyatakan bahwa biaya yang disimpan melalui penerapan metode AI untuk
unit penjadwalan dalam Perang Teluk pertama telah mengganti seluruh
investasi dalam penelitian AI sejak tahun 1950 pada pemerintah AS.
C. Bidang-Bidang yang menerapkan kecerdasan buatan(Artificial Intelligence)
Secara garis besar bidang-bidang kecerdasan buatan meliputi:
1. Formal tasks (matematika, games)
2. Mundane task (perception, robotics, natural language, common sense, reasoning)
3. Expert tasks (financial analysis, medical diagnostics, engineering, scientific analysis, dll)
1. Game Playing
Game Playing (permainan game) merupakan bidang AI yang sangat populer berupa
permainan antara manusia melawan mesin yang mempunyai intelektual untuk berpikir.
Bermain dengan komputer memang menarik, bahkan sampai melupakan tugas utama yang
lebih penting. Komputer dapat bereaksi dan menjawab tindakan-tindakan yang diberikan
oleh lawan mainnya.
2. General Problem Solving
Bidang AI ini berhuungan dengan pemecahan masalah terhadap suatu situasi yang akan
diselesaikan oleh komputer. Permasalahan yang diungkapkan dalam suatu cara yang
sedemikian rupa sehingga komputer dapat mengertinya.semua deskripsi-deskripsi yang
diinginkan juga diberikan kepada komputer. Biasanya permasalahaan tersebut dapat
diselesaikan secara trial and error sampai solusi yang diinginkan didapatkan.
Suatu program paket yang cukup populer di kompuer mikro untuk pemecahan masalah
secara trial and error adalah EUREKA yang ditulis oleh Borland.
3. Natural Language Recognition
Studi mengenai AI mencoba supaya komputer dapat mengerti bahasa alamiah yang
diketikkan lewat keyboard. Bahasa alamiah (natural language) adalah bahasa sehari-hari
yang dipergunakan oleh orang untuk berkomunikasi. Komputer yang dapat menerjemahkan
satu bahasa ke bahasa lainnya merupakan contoh penerapan AI di bidang ini. Biasanya
komputer yang khusus untuk AI dan dapat digunakan pada bidang ini diantaranya adalah IPL
(Information Processing language), LISP, INTERLISP, SAIL, PLANNER, KRL dan
PROLOG.
4. Speech Recognition
Bidang ini juga masih dikembangkan dan terus dilakukan penelitiannya. Kalau bidang ini
berhasil dengan baik dan sempurna, alangkah hebatnya komputer. Kita dapat berkomunikasi
dengan komputer hanya dengan bicara, kita bisa mengetik sebuah buku hanya dengan bicara,
dan selanjutnya komputer yang akan menampilkan tulisan hasil pembicaraan kita. Akan
tetapi bidang ini masih belum sempurna seperti yang diharapkan. Hal ini dikarenakan jenis
suara manusia berbeda-beda.
Suatu alat recognizer dapat ditambahkan pada komputer mikro sehingga dapat digunakan
untuk speech recognition, diantaranya yaitu:
-
Voice Recognition Module (VRM) buatan Interstate Electronic.
-
Voice Data Entry System (VDEC) buatan Interstate Electronic.
-
SpeechLab buatan Heuristics Inc.
-
Voice Entry Terminal (VET) buatan Scott Instruments.
-
Cognivox buatan Voicetek.
5. Visual Recognition
Bidang ini merupakan kemampuan suatu komputer yang dapat menangkap signal
elektronik dari suatu kamera dan dapat memahami apa yang dilihat tersebut. Penerapan AI
ini misalnya pada komputer yang dipasang di peluru kendali, sehingga peluru kendali dapat
diprogram untuk selalu mengejar sasarannya yang tampak di kamera.
Pada era globalisasi saat ini, bidang Visual Recognition dapat kita jumpai pada komputerkomputer laptop terbaru. Mula-mula komputer dipasang alat untuk mendeteksi sidik jari
(fingerprints password). Sekarang ini sudah banyak digunakan face detector, sehingga untuk
mengakses sebuah laptop yang sudah dipasangi password dari gambar wajah orang
pemiliknya, maka orang lain dengan wajah yang berbeda tidak akan dapat membuka laptop
tersebut. Misalkan pada laptop LENOVO 3000 Y410 keluaran IBM.
6. Robotics
Robot berasal dari kata Robota, dari bahasa Chekoslavia yang berarti tenaga kerja. kata
ini digunakan oleh dramawan Karel Capek pada tahun 1920 pada sandiwara fiksinya, yaitu
R.U.R (Rossum’s Universal Robots).
Robot adalah suatu mesin yang dapat diarahkan untuk mengerjakan bermacam-macam tugas
tanpa campur tangan lagi dari manusia. Secara ideal robot diharapkan dapat melihat,
mendengar, menganalisa lingkungannya dan dapat melakukan tindakan-tindakan yang
terprogram. Dewasa ini robot digunakan untuk maksud-maksud tertentu dan yang paling
banyak adalah untuk keperluan industri. Diterapkannya robot untuk industri terutama untuk
pekerjaan 3D yaitu Dirty, Dangerous, atau difficult (kotor, berahaya dan pekerjaan yang
sulit).
Sistem sensor, seperti sistem vision, sistem tactile, dan sistem pemrosesan sinyal jika
dikombinasikan dengan AI, dapat dikategorikan kedalam suatu sistem yang luas yang disebut
sistem robotik.
7. Expert System (Sistem Pakar)
Kemampuan, keahlian dan pengetahuan tiap orang berbeda-beda. Komputer dapat
diprogram untuk berbuat seperti orang yang ahli dalam bidang tertentu. Komputer yang
demikian dapat dijadikan seperti konsultan atau tenaga ahli di bidang tertentu yang dapat
menjawab pertanyaan dan memberikan nasehat-nasehat yang dibutuhkan. Sistem demikian
disebut Expert System (Sistem Pakar).
Komponen Sistem pakar terbagi menjadi empat bagian, yaitu:
a. Knowledge base ( basis pengetahuan)
Knowledge Base merupakan inti dari program sistem pakar karena basis
pengetahuan itu merupakan presentasi pengetahuan atau knowledge representation basis
pengetahuan adalah sebuah basis data yang menyimpan aturan-aturan tentang suatu
domain knowledge/pengetahuan tertentu. Basis pengetahuan ini terdiri dari kumpulan
objek beserta aturan dan atributnya (sifat atau cirinya). Contoh : If hewan merupakan
sayap dan bertelur then hewan jenis burung.
b. Working Memory (basis data atau memori kerja)
Working memory adalah bagian yang mengandung semua fakta-fakta baik fakta
awal pada saat sistem beroperasi maupun fakta-fakta pada saat pengambilan kesimpulan
sedang dilaksanakan selama sistem pakar beroperasi basis data berada di adalam memori
kerja.
c. Inference Engine (mesin inferensia)
Inference Engine adalah bagian yang menyediakan mekanisme fungsi berfikir dan
pola-pola penalaran sistem yang digunakan oleh seorang pakar.
d. User interface
Antarmuka pemakai adalah bagian penghubung antara program sistem pakar
dengan pemakai. Pada bagian memungkinkan pengguna untuk memasukkan instruksi dan
informasi ke dalam sistem pakar serta menerima penjelasan dan kesimpulan.
2. Analysis kasus kecerdasan buatan (Artificial Intelligence)
Judul : Case studies using Artificial Intelligence (A.I) Tools
IPI (Institute of Pharmaceutical Innovation) University of Bradford
Optimalisasi proses produksi
Sebuah perusahaan farmasi sudah menjalin kerja sama dengan IPI, untuk menginvestigasi
perubahan potensial terhadap formulasi dan prosesnya untuk meningkatkan daya tahan produk
tablet (pel). Mereka mengatasi masalah dengan efisiensi produksi skala besar yang secara relatif
kecepatan kompresi lambat dibutuhkan untuk memproduksi tablet yang memuaskan terkait
spesifikasi yang dibutuhkan dengan karakteristik keras dan rapuh.
IPI sudah melakukan kajian-kajian kompresi pada sampel-sampel yang tersedia menggunakan
laboratorium formulasi skala kecil untuk menilai efek skala dan kekuatan kompresi dalam
membedakan formulasi.
Analisis awal menampilkan hasil informatif tentang tindakan formulasi alternatif. Introgasi data
lebih jauh dilakukan untuk lebih memahami tentang kondisi produksi yang dibutuhkan untuk
memproduksi tablet yang tahan lama.
IPI merekomendasikan data-mining terhadap hasil-hasil eksperimen ini, bersama-sama dengan
data milik pabrik, menggunakan A.I. tools (algoritma jaringan saraf tiruan dan genetik) untuk
menghasilkan pola dan relasi yang bermakna dari data itu, yang mana client dapat menggunakan
keunggulannya.
A.I. Tools-Rule Generation
Studi kasus pada latihan data-mining
Menggunakan AI software dari Intelligensys latihan data-mining dilakukan untuk menghasilkan
rule dari data eksperimen yang disediakan oleh perusahaan farmasi multinasional besar.
Perusahaan itu terkejut dengan rule-rule yang dihasilkan, seperti mereka tidak konsisten dengan
persepsinya sendiri tentang proses produksinya. Sehingga perusahaan mengulangi pekerjaan dan
hasil eksperimennya yang sudah menyatakan bahwa pengetahuan yang sudah dihasilkan dari AI
tools itu benar. Ini karena tujuan data-mining untuk menggali pengetahuan yang tersembunyi
dari data, dan pengetahuan ini mungkin baru bagi formulator dan di luar bidang keahlian dan
pengalamannya. Tanpa menggunakan AI tool ini, pengetahuan yang tersembunyi dalam data
dapat dengan mudah hilang dan tidak dikapitalisir.
A.I Tools – Pemodelan dan Optimalisasi Jaringan Saraf Tiruan
Studi Kasus
Bulan yang lalu IPI diundang untuk mengunjungi perusahaan di Cina untuk mempresentasikan
kemampuan IPI dalam menggunakan tools Kecerdasan Buatan (Artificial Intelligence) untuk
mengatasi masalah dalam desain sistem formulasi. Setelah demonstrasi A.I software, klien
diminta IPI untuk menganalisis salah satu dataset yang dimilikinya, yaitu hasil sederetan
sembilan eksperimen (dengan variabel input dan output). Dataset ini diserahkan ke dalam
software dan jaringan saraf tiruan yang dibangun kemudian. Berdasarkan kajian optimalisasi
jaringan saraf tiruan yang dilakukan menggunakan algoritma genetik untuk menghasilkan
formulasi optimal dan kondisi pemrosesan. Hasil yang diperoleh dari software itu berada dalam
range yang sama seperti hasil-hasil yang diperoleh dari metode-metode analisis yang dimiliki
klien. Klien merasa bahwa “tool itu hebat”, seperti hasil yang diperoleh dari software tools dari
IPI yang dihasilkan dalam waktu yang lebih singkat daripada metode analisis yang sedang
digunakan perusahaan itu.
Tool Pemodelan dan Simulasi
Dengan memodelkan dan mensimulasikan proses, pabrik memperoleh pemahaman yang lebih
baik tentng proses tanpa harus benar-benar menjalankan proses itu secara real time. Ini dapat
berhasil dalam menggunakan sumber data yang terbatas dengan lebih efektif dan efisien serta
membantu untuk mereduksi cost dan waktu untuk memproduksi produk-produk terbaru.
IPI, dalam hubungannya dengan Intelligensys salah satu partner perangkat lunaknya, sedang
mengembangkan produk-produk software yang didesain untuk mensimulasikan proses-proses
produksi. Produk terkini mencakup prediksi cracking pada film coatings; optimalisasi pengisian
kapsul (dan sistem pembungkusan obat lainnya), dan memodelkan pengemasan powder untuk
mensimulasikan kompaksi tablet.
Tablet Cracking Simulator
Cracking simulator mampu mensimulasikan propagasi crack dalam bahan-bahan viscoelastic.
Simulator ini mampu memodelkan propagasi crack dalam bahan-bahan keropos yang sudah
terkompeksi seperti sistem polymer yang sudah terisi yang memungkinkan para peneliti
mensimulasikan cracking tablet seperti tablet film coating. Cracking bisa sangat berpengaruh
pada pelepasan ingradient aktif terutama jika tablet itu sudah dilapisi dengan enterosoluble or
sustained release film.
Dengan fungsi visualisasi, simulator itu memungkinkan para peneliti memandang bagaimana
crack berpropagasi, pada kecepatan berapa dan ke tingkat apa cracking terjadi melintasi kotak
simulasi itu. Cracking simulator ini telah divalidasi dari micrograf elektron bahan sebenarnya
dalam sejumlah kasus dan sudah diaplikasikan untuk memahami isu-isu penting dalam formulasi
obat dan telah digunakan dalam berbagai bahan, contohnya: aspirin, microcrystalline cellulose,
dan untuk pigment-filled tablet film coatings.
Simulator Pengemasan Powder
IPI dan Intelligensys mampu menawarkan software simulasi pemesanan tepat guna yang
mengintegrasikan analisis dan visualisasi untuk memungkinkan anda menguji fitur sistem
pengemasan. Software ini berguna dalam mengatasi masalah yang melibatkan pengemasan
particulate dan partikel untuk membantu memahami tindakan particulate dalam bahan-bahan,
contohnya; bagaimana mereka mengemas dan bagaimana ini mempengaruhi mikrostruktur dan
end-use properties. Software ini mampu mengatasi masalah yang berhubungan dengan
variabilitas dalam proses pengisian, contohnya: mengestimasi volume, beban bahan, dan
menggabungkan permasalahan, dll.
Visualisasi sangat berguna, representasi 2D serta 3D bisa diperoleh. Visualisasi digabungkan
dengan wawasan kuat yang memberikan analisis terhadap order lokal, tindakan dalam batasan,
dan kepadatan pengemasan secara keseluruhan.
Pengetahuan yang diperoleh dapat menyokong aspek-aspek desain formulasi contoh desain dan
pengisian kapsul, parameter rasio dan distribusi.
Simulator Kompaksi Tablet
Pemodelan kemasan powder memungkinkan simulasi kompaksi tablet. Simulator kompaksi
tablet sekarang sedang dikembangkan di AstraZeneca untuk mensimulasikan kompaksi
particulate pada produksi berskala besar. Paket simulasi ini akan mampu mengalamatkan
variabilitas sistem multi-particulate dan mengkalkulasikan tekanan dalam sistem untuk
menghasilkan pengetahuan seperti bagaimana kompaksi akan berjalan selama produksi skala
besar.
Software simulasi kompaksi tablet ini dapat digunakan untuk:
-
Menghindari kegagalan mekanik (penyumbatan, laminasi)
-
Kondisi proses optimal contohnya: rate, pemborosan, apkiran
-
Scale up
Menghindari kebutuhan eksperimen yang membutuhkan waktu banyak (bahan dan
personil, waktu ke pasar, dll.)
Sistem Pakar
Sistem pakar menyediakan formulator peluang yang bertujuan untuk menangkap pengetahuan
dalam semua bentuk dokumen yang ada. Mereka mentransformasikan cara ini di mana perusahan
farmasi memanaje dan menggunakan data dan know-how formulasi.
IPI sudah membangun partnership dengan KnowledgeBench, sebuah perusahaan software, untuk
menawarkan sistem pakar yang memanaj informasi dan mengoptimalisasi pembuatan keputusan
pada semua tahapan proses formulasi.
KnowledgeBench merupakan meja kerja informasi cerdas, menawarkan framework pendukung
keputusan terintegrasi penuh yang mencakup semua aspek perkembangan produk.
KnowledgeBench didesain untuk membawa kualitas, kontrol dan efektivitas yang lebih baik
untuk perkembangan produk baru dan ini diperoleh dengan mengetahui defisiensi pendekatan
yang sangat sesuai dari sebelumnya, dan memungkinkan proses tingkat atas untuk dipetakan dan
kemudian didukung melalui:
pendukung keputusan maju (untuk mengenkapsulasi dan memodelkan proses-proses
keputusan di dalam organisasi)
-
manajemen pengetahuan
-
datamining dan
workflow berorientasi tujuan untuk menyediakan informasi yang ditargetkan dan
petunjuk pada semua aspek lifescycle perkembangan produk baru.
Manfaat melibatkan layanan IPI didukung dengan KnowledgeBench platform yang mencakup:
-
penangkapan data untuk disatukan ke dalam sistem pakar
-
manajemen pengetahuan
-
ketersediaan dan proteksi pengetahuan
-
konsistensi dalam pembuatan keputusan
-
akses terhadap produk software yang didesain untuk mensimulasikan proses produksi
mengidentifikasi peluang-peluang untuk memperbaiki formulasi, contohnya ekstensi line
produk
-
mengatasi permasalahan formulasi/proses
-
menangkap pengetahuan yang mungkin hilang ketika pergantian staf.
3. Analysis SWOT kecerdasan buatan (Artificial Intelligence)
STRENGTHS
1) Lebih bersifat permanen, sedangkan kec. alami akan cepat mengalami perubahan. Faktor
sifat manusia yang pelupa.
2) Lebih mudah diduplikasi dan disebarkan, sedangkan mentransfer pengetahuan manusia
dari satu orangg ke orangg lain membutuhkan proses yg sangat lama.
3) Lebih murah dibanding dengan kec. alami.
4) Menyediakan layanan komputer akan lebih mudah dan lebih murah dibandingkan dengan
mendatangkan seseorang untuk mengerjakan sejumlah pekerjaan dalam jangka waktu
lama.
5) Bersifat konsisten, karena merupakan bagian dari teknologi komputer sdgkan kec. alami
akan senantiasa berubah-ubah
6) Dapat didokumentasikan, keputusan yang dibuat oleh komputer dapat didokumentasikan
dengan mudah melalui log systemnya sedangkan kec. alami sangat sulit untuk
direproduksi.
7) Dapat mengerjakan pekerjaan lebih cepat Dapat mengerjakan pekerjaan lebih baik.
WEAKNESSES
1)
Kurang memberikan kesempatan kepada orang lain untuk membuka peluang bisnis,
usaha, layanan computer sejenis karena setiap orang di prediksi lebih memilih untuk
melakukan sendiri jika dalam jumlah yang kecil atau dalam kapasitas yang terjangkau.
2)
Rawan rusak.
3)
Mahal dalam proses pembuatannya.
4)
Memerlukan daya listrik.
5)
Struktur kontrolnya terpisah dari pengetahuan.
OPPORTUNITIES
1)
AI mempenyuai peluang yang besar dalam perkembangan mempermudah dan
mengatasi masalah dalam kehidupan manusia.
2)
AI mempuyai aplikasi yang terus berkembang dan evolusi seiring dengan
perkembangan teknologi yang semakin canggih.
3)
AI memiliki program yang memperkuat pikiran dan mendorong kreativitas
generasi muda.
4)
AI berkembang dan meneliti tren-tren teknologi lokal terbaru, dan mewujudkan
teknologi-teknologi yang menawarkan keuntungan terbesar.
THREATS
1)
AI memiliki aplikasi dan bagian yang gagal atau error dalam suatu kondisi tertentu.
2)
Ancaman Pemain Baru (Threat of New Entrants).
3)
Ancaman Pengganti (Threat of substitutes).
4)
Daya Tawar Pelanggan (Bargaining power of buyers).
5)
Daya Tawar Pemasok (Bargaining power of suppliers).
6)
Persaingan diantara para pesaing (Rivalry among the existing players).
Nim
: 12413423784
Off.
: KK
ANALYSIS SWOT ARTFICIAL INTELLEGENCE
1. Pendahuluan
A. Definisi kecerdasan buatan (Artificial Intelligence)
Artificial Intelligence atau Kecerdasan Buatan adalah suatu sistem informasi yang
berhubungan dengan penangkapan, pemodelan dan penyimpanan kecerdasan manusia
dalam sebuah sistem teknologi informasi sehingga sistem tersebut memiliki kecerdasan
seperti yang dimiliki manusia. Sistem ini dikembangkan untuk mengembangkan metode
dan sistem untuk menyelesaikan masalah, biasanya diselesaikan melalui aktifivitas
intelektual manusia, misal pengolahan citra, perencanaan, peramalan dan lain-lain,
meningkatkan kinerja sistem informasi yang berbasis komputer.
Kecerdasan buatan didefinisikan sebagai kecerdasan yang ditunjukkan oleh suatu entitas
buatan.
Kecerdasan buatan (Artificial Intelligence) adalah bagian dari ilmu komputer yang
mempelajari bagaimana membuat mesin (komputer) dapat melakukan pekerjaan seperti
dan sebaik yang dilakukan oleh manusia bahkan bisa lebih baik daripada yang dilakukan
manusia.
Menurut John McCarthy, 1956, AI: untuk mengetahui dan memodelkan proses-proses
berpikir manusia dan mendesain mesin agar dapat menirukan perilaku manusia. Cerdas =
memiliki pengetahuan + pengalaman, penalaran (bagaimana membuat keputusan dan
mengambil tindakan), moral yang baik. Manusia cerdas (pandai) dalam menyelesaikan
permasalahan karena manusia mempunyai pengetahuan & pengalaman. Pengetahuan
diperoleh dari belajar. Semakin banyak bekal pengetahuan yang dimiliki tentu akan lebih
mampu menyelesaikan permasalahan. Tapi bekal pengetahuan saja tidak cukup,
manusia juga diberi akal untuk melakukan penalaran, mengambil kesimpulan
berdasarkan pengetahuan & pengalaman yang dimiliki. Tanpa memiliki kemampuan
untuk menalar dengan baik, manusia dengan segudang pengalaman dan pengetahuan
tidak akan
dapat menyelesaikan masalah dengan baik. Demikian juga dengan
kemampuan menalar yang sangat baik,namun tanpa bekal pengetahuan dan pengalaman
yang memadai,manusia juga tidak akan bisa menyelesaikan masalah dengan baik.
Agar mesin bisa cerdas (bertindak seperti & sebaik manusia) maka harus diberi bekal
pengetahuan & mempunyai kemampuan untuk menalar.
B. Sejarah
Pada awal abad 17, René Descartes mengemukakan bahwa
tubuh hewan bukanlah apa-apa melainkan hanya mesin-mesin yang
rumit. Blaise Pascal menciptakan mesin penghitung digital mekanis
pertama pada 1642. Pada 19, Charles Babbage dan Ada Lovelace
bekerja pada mesin penghitung mekanis yang dapat diprogram. Tahun
1950-an adalah periode usaha aktif dalam AI. Program AI pertama
yang bekerja ditulis pada 1951 untuk menjalankan mesin Ferranti Mark
I di University of Manchester (UK): sebuah program permainan naskah
yang ditulis oleh Christopher Strachey dan program permainan catur
yang ditulis oleh Dietrich Prinz. John McCarthy membuat istilah
"kecerdasan buatan " pada konferensi pertama yang disediakan untuk
pokok persoalan ini, pada 1956. Dia juga menemukan bahasa
pemrograman Lisp.
Alan Turing memperkenalkan "Turing test" sebagai sebuah cara
untuk mengoperasionalkan test perilaku cerdas. Joseph Weizenbaum
membangun ELIZA, sebuah chatterbot yang menerapkan psikoterapi
Rogerian.
Selama
mendemonstrasikan
tahun
1960-an
kekuatan
dan
1970-an,
pertimbangan
Joel
Moses
simbolis
untuk
mengintegrasikan masalah di dalam program Macsyma, program
berbasis pengetahuan yang sukses pertama kali dalam bidang
matematika.
Marvin
Minsky
dan
Seymour
Papert
menerbitkan
Perceptrons, yang mendemostrasikan batas jaringan syaraf sederhana
dan Alain Colmerauer mengembangkan bahasa komputer Prolog. Ted
Shortlife mendemonstrasikan kekuatan sistem berbasis aturan untuk
representasi pengetahuan dan inferensi dalam diagnosa dan terapi
medis yang kadangkala disebut sebagai sistem pakar pertama. Hans
Moravec mengembangkan kendaraan terkendali komputer pertama
untuk mengatasi jalan berintang yang kusut secara mandiri.
Pada tahun 1980-an, jaringan syaraf digunakan secara meluas dengan
algoritma perambatan balik, pertama kali diterangkan oleh Paul John Werbos
pada 1974. Tahun 1990-an ditandai perolehan besar dalam berbagai bidang
AI dan demonstrasi berbagai macam aplikasi. Lebih khusus Deep Blue,
sebuah komputer permainan catur, mengalahkan Garry Kasparov dalam
sebuah pertandingan 6 game yang terkenal pada tahun 1997. DARPA
menyatakan bahwa biaya yang disimpan melalui penerapan metode AI untuk
unit penjadwalan dalam Perang Teluk pertama telah mengganti seluruh
investasi dalam penelitian AI sejak tahun 1950 pada pemerintah AS.
C. Bidang-Bidang yang menerapkan kecerdasan buatan(Artificial Intelligence)
Secara garis besar bidang-bidang kecerdasan buatan meliputi:
1. Formal tasks (matematika, games)
2. Mundane task (perception, robotics, natural language, common sense, reasoning)
3. Expert tasks (financial analysis, medical diagnostics, engineering, scientific analysis, dll)
1. Game Playing
Game Playing (permainan game) merupakan bidang AI yang sangat populer berupa
permainan antara manusia melawan mesin yang mempunyai intelektual untuk berpikir.
Bermain dengan komputer memang menarik, bahkan sampai melupakan tugas utama yang
lebih penting. Komputer dapat bereaksi dan menjawab tindakan-tindakan yang diberikan
oleh lawan mainnya.
2. General Problem Solving
Bidang AI ini berhuungan dengan pemecahan masalah terhadap suatu situasi yang akan
diselesaikan oleh komputer. Permasalahan yang diungkapkan dalam suatu cara yang
sedemikian rupa sehingga komputer dapat mengertinya.semua deskripsi-deskripsi yang
diinginkan juga diberikan kepada komputer. Biasanya permasalahaan tersebut dapat
diselesaikan secara trial and error sampai solusi yang diinginkan didapatkan.
Suatu program paket yang cukup populer di kompuer mikro untuk pemecahan masalah
secara trial and error adalah EUREKA yang ditulis oleh Borland.
3. Natural Language Recognition
Studi mengenai AI mencoba supaya komputer dapat mengerti bahasa alamiah yang
diketikkan lewat keyboard. Bahasa alamiah (natural language) adalah bahasa sehari-hari
yang dipergunakan oleh orang untuk berkomunikasi. Komputer yang dapat menerjemahkan
satu bahasa ke bahasa lainnya merupakan contoh penerapan AI di bidang ini. Biasanya
komputer yang khusus untuk AI dan dapat digunakan pada bidang ini diantaranya adalah IPL
(Information Processing language), LISP, INTERLISP, SAIL, PLANNER, KRL dan
PROLOG.
4. Speech Recognition
Bidang ini juga masih dikembangkan dan terus dilakukan penelitiannya. Kalau bidang ini
berhasil dengan baik dan sempurna, alangkah hebatnya komputer. Kita dapat berkomunikasi
dengan komputer hanya dengan bicara, kita bisa mengetik sebuah buku hanya dengan bicara,
dan selanjutnya komputer yang akan menampilkan tulisan hasil pembicaraan kita. Akan
tetapi bidang ini masih belum sempurna seperti yang diharapkan. Hal ini dikarenakan jenis
suara manusia berbeda-beda.
Suatu alat recognizer dapat ditambahkan pada komputer mikro sehingga dapat digunakan
untuk speech recognition, diantaranya yaitu:
-
Voice Recognition Module (VRM) buatan Interstate Electronic.
-
Voice Data Entry System (VDEC) buatan Interstate Electronic.
-
SpeechLab buatan Heuristics Inc.
-
Voice Entry Terminal (VET) buatan Scott Instruments.
-
Cognivox buatan Voicetek.
5. Visual Recognition
Bidang ini merupakan kemampuan suatu komputer yang dapat menangkap signal
elektronik dari suatu kamera dan dapat memahami apa yang dilihat tersebut. Penerapan AI
ini misalnya pada komputer yang dipasang di peluru kendali, sehingga peluru kendali dapat
diprogram untuk selalu mengejar sasarannya yang tampak di kamera.
Pada era globalisasi saat ini, bidang Visual Recognition dapat kita jumpai pada komputerkomputer laptop terbaru. Mula-mula komputer dipasang alat untuk mendeteksi sidik jari
(fingerprints password). Sekarang ini sudah banyak digunakan face detector, sehingga untuk
mengakses sebuah laptop yang sudah dipasangi password dari gambar wajah orang
pemiliknya, maka orang lain dengan wajah yang berbeda tidak akan dapat membuka laptop
tersebut. Misalkan pada laptop LENOVO 3000 Y410 keluaran IBM.
6. Robotics
Robot berasal dari kata Robota, dari bahasa Chekoslavia yang berarti tenaga kerja. kata
ini digunakan oleh dramawan Karel Capek pada tahun 1920 pada sandiwara fiksinya, yaitu
R.U.R (Rossum’s Universal Robots).
Robot adalah suatu mesin yang dapat diarahkan untuk mengerjakan bermacam-macam tugas
tanpa campur tangan lagi dari manusia. Secara ideal robot diharapkan dapat melihat,
mendengar, menganalisa lingkungannya dan dapat melakukan tindakan-tindakan yang
terprogram. Dewasa ini robot digunakan untuk maksud-maksud tertentu dan yang paling
banyak adalah untuk keperluan industri. Diterapkannya robot untuk industri terutama untuk
pekerjaan 3D yaitu Dirty, Dangerous, atau difficult (kotor, berahaya dan pekerjaan yang
sulit).
Sistem sensor, seperti sistem vision, sistem tactile, dan sistem pemrosesan sinyal jika
dikombinasikan dengan AI, dapat dikategorikan kedalam suatu sistem yang luas yang disebut
sistem robotik.
7. Expert System (Sistem Pakar)
Kemampuan, keahlian dan pengetahuan tiap orang berbeda-beda. Komputer dapat
diprogram untuk berbuat seperti orang yang ahli dalam bidang tertentu. Komputer yang
demikian dapat dijadikan seperti konsultan atau tenaga ahli di bidang tertentu yang dapat
menjawab pertanyaan dan memberikan nasehat-nasehat yang dibutuhkan. Sistem demikian
disebut Expert System (Sistem Pakar).
Komponen Sistem pakar terbagi menjadi empat bagian, yaitu:
a. Knowledge base ( basis pengetahuan)
Knowledge Base merupakan inti dari program sistem pakar karena basis
pengetahuan itu merupakan presentasi pengetahuan atau knowledge representation basis
pengetahuan adalah sebuah basis data yang menyimpan aturan-aturan tentang suatu
domain knowledge/pengetahuan tertentu. Basis pengetahuan ini terdiri dari kumpulan
objek beserta aturan dan atributnya (sifat atau cirinya). Contoh : If hewan merupakan
sayap dan bertelur then hewan jenis burung.
b. Working Memory (basis data atau memori kerja)
Working memory adalah bagian yang mengandung semua fakta-fakta baik fakta
awal pada saat sistem beroperasi maupun fakta-fakta pada saat pengambilan kesimpulan
sedang dilaksanakan selama sistem pakar beroperasi basis data berada di adalam memori
kerja.
c. Inference Engine (mesin inferensia)
Inference Engine adalah bagian yang menyediakan mekanisme fungsi berfikir dan
pola-pola penalaran sistem yang digunakan oleh seorang pakar.
d. User interface
Antarmuka pemakai adalah bagian penghubung antara program sistem pakar
dengan pemakai. Pada bagian memungkinkan pengguna untuk memasukkan instruksi dan
informasi ke dalam sistem pakar serta menerima penjelasan dan kesimpulan.
2. Analysis kasus kecerdasan buatan (Artificial Intelligence)
Judul : Case studies using Artificial Intelligence (A.I) Tools
IPI (Institute of Pharmaceutical Innovation) University of Bradford
Optimalisasi proses produksi
Sebuah perusahaan farmasi sudah menjalin kerja sama dengan IPI, untuk menginvestigasi
perubahan potensial terhadap formulasi dan prosesnya untuk meningkatkan daya tahan produk
tablet (pel). Mereka mengatasi masalah dengan efisiensi produksi skala besar yang secara relatif
kecepatan kompresi lambat dibutuhkan untuk memproduksi tablet yang memuaskan terkait
spesifikasi yang dibutuhkan dengan karakteristik keras dan rapuh.
IPI sudah melakukan kajian-kajian kompresi pada sampel-sampel yang tersedia menggunakan
laboratorium formulasi skala kecil untuk menilai efek skala dan kekuatan kompresi dalam
membedakan formulasi.
Analisis awal menampilkan hasil informatif tentang tindakan formulasi alternatif. Introgasi data
lebih jauh dilakukan untuk lebih memahami tentang kondisi produksi yang dibutuhkan untuk
memproduksi tablet yang tahan lama.
IPI merekomendasikan data-mining terhadap hasil-hasil eksperimen ini, bersama-sama dengan
data milik pabrik, menggunakan A.I. tools (algoritma jaringan saraf tiruan dan genetik) untuk
menghasilkan pola dan relasi yang bermakna dari data itu, yang mana client dapat menggunakan
keunggulannya.
A.I. Tools-Rule Generation
Studi kasus pada latihan data-mining
Menggunakan AI software dari Intelligensys latihan data-mining dilakukan untuk menghasilkan
rule dari data eksperimen yang disediakan oleh perusahaan farmasi multinasional besar.
Perusahaan itu terkejut dengan rule-rule yang dihasilkan, seperti mereka tidak konsisten dengan
persepsinya sendiri tentang proses produksinya. Sehingga perusahaan mengulangi pekerjaan dan
hasil eksperimennya yang sudah menyatakan bahwa pengetahuan yang sudah dihasilkan dari AI
tools itu benar. Ini karena tujuan data-mining untuk menggali pengetahuan yang tersembunyi
dari data, dan pengetahuan ini mungkin baru bagi formulator dan di luar bidang keahlian dan
pengalamannya. Tanpa menggunakan AI tool ini, pengetahuan yang tersembunyi dalam data
dapat dengan mudah hilang dan tidak dikapitalisir.
A.I Tools – Pemodelan dan Optimalisasi Jaringan Saraf Tiruan
Studi Kasus
Bulan yang lalu IPI diundang untuk mengunjungi perusahaan di Cina untuk mempresentasikan
kemampuan IPI dalam menggunakan tools Kecerdasan Buatan (Artificial Intelligence) untuk
mengatasi masalah dalam desain sistem formulasi. Setelah demonstrasi A.I software, klien
diminta IPI untuk menganalisis salah satu dataset yang dimilikinya, yaitu hasil sederetan
sembilan eksperimen (dengan variabel input dan output). Dataset ini diserahkan ke dalam
software dan jaringan saraf tiruan yang dibangun kemudian. Berdasarkan kajian optimalisasi
jaringan saraf tiruan yang dilakukan menggunakan algoritma genetik untuk menghasilkan
formulasi optimal dan kondisi pemrosesan. Hasil yang diperoleh dari software itu berada dalam
range yang sama seperti hasil-hasil yang diperoleh dari metode-metode analisis yang dimiliki
klien. Klien merasa bahwa “tool itu hebat”, seperti hasil yang diperoleh dari software tools dari
IPI yang dihasilkan dalam waktu yang lebih singkat daripada metode analisis yang sedang
digunakan perusahaan itu.
Tool Pemodelan dan Simulasi
Dengan memodelkan dan mensimulasikan proses, pabrik memperoleh pemahaman yang lebih
baik tentng proses tanpa harus benar-benar menjalankan proses itu secara real time. Ini dapat
berhasil dalam menggunakan sumber data yang terbatas dengan lebih efektif dan efisien serta
membantu untuk mereduksi cost dan waktu untuk memproduksi produk-produk terbaru.
IPI, dalam hubungannya dengan Intelligensys salah satu partner perangkat lunaknya, sedang
mengembangkan produk-produk software yang didesain untuk mensimulasikan proses-proses
produksi. Produk terkini mencakup prediksi cracking pada film coatings; optimalisasi pengisian
kapsul (dan sistem pembungkusan obat lainnya), dan memodelkan pengemasan powder untuk
mensimulasikan kompaksi tablet.
Tablet Cracking Simulator
Cracking simulator mampu mensimulasikan propagasi crack dalam bahan-bahan viscoelastic.
Simulator ini mampu memodelkan propagasi crack dalam bahan-bahan keropos yang sudah
terkompeksi seperti sistem polymer yang sudah terisi yang memungkinkan para peneliti
mensimulasikan cracking tablet seperti tablet film coating. Cracking bisa sangat berpengaruh
pada pelepasan ingradient aktif terutama jika tablet itu sudah dilapisi dengan enterosoluble or
sustained release film.
Dengan fungsi visualisasi, simulator itu memungkinkan para peneliti memandang bagaimana
crack berpropagasi, pada kecepatan berapa dan ke tingkat apa cracking terjadi melintasi kotak
simulasi itu. Cracking simulator ini telah divalidasi dari micrograf elektron bahan sebenarnya
dalam sejumlah kasus dan sudah diaplikasikan untuk memahami isu-isu penting dalam formulasi
obat dan telah digunakan dalam berbagai bahan, contohnya: aspirin, microcrystalline cellulose,
dan untuk pigment-filled tablet film coatings.
Simulator Pengemasan Powder
IPI dan Intelligensys mampu menawarkan software simulasi pemesanan tepat guna yang
mengintegrasikan analisis dan visualisasi untuk memungkinkan anda menguji fitur sistem
pengemasan. Software ini berguna dalam mengatasi masalah yang melibatkan pengemasan
particulate dan partikel untuk membantu memahami tindakan particulate dalam bahan-bahan,
contohnya; bagaimana mereka mengemas dan bagaimana ini mempengaruhi mikrostruktur dan
end-use properties. Software ini mampu mengatasi masalah yang berhubungan dengan
variabilitas dalam proses pengisian, contohnya: mengestimasi volume, beban bahan, dan
menggabungkan permasalahan, dll.
Visualisasi sangat berguna, representasi 2D serta 3D bisa diperoleh. Visualisasi digabungkan
dengan wawasan kuat yang memberikan analisis terhadap order lokal, tindakan dalam batasan,
dan kepadatan pengemasan secara keseluruhan.
Pengetahuan yang diperoleh dapat menyokong aspek-aspek desain formulasi contoh desain dan
pengisian kapsul, parameter rasio dan distribusi.
Simulator Kompaksi Tablet
Pemodelan kemasan powder memungkinkan simulasi kompaksi tablet. Simulator kompaksi
tablet sekarang sedang dikembangkan di AstraZeneca untuk mensimulasikan kompaksi
particulate pada produksi berskala besar. Paket simulasi ini akan mampu mengalamatkan
variabilitas sistem multi-particulate dan mengkalkulasikan tekanan dalam sistem untuk
menghasilkan pengetahuan seperti bagaimana kompaksi akan berjalan selama produksi skala
besar.
Software simulasi kompaksi tablet ini dapat digunakan untuk:
-
Menghindari kegagalan mekanik (penyumbatan, laminasi)
-
Kondisi proses optimal contohnya: rate, pemborosan, apkiran
-
Scale up
Menghindari kebutuhan eksperimen yang membutuhkan waktu banyak (bahan dan
personil, waktu ke pasar, dll.)
Sistem Pakar
Sistem pakar menyediakan formulator peluang yang bertujuan untuk menangkap pengetahuan
dalam semua bentuk dokumen yang ada. Mereka mentransformasikan cara ini di mana perusahan
farmasi memanaje dan menggunakan data dan know-how formulasi.
IPI sudah membangun partnership dengan KnowledgeBench, sebuah perusahaan software, untuk
menawarkan sistem pakar yang memanaj informasi dan mengoptimalisasi pembuatan keputusan
pada semua tahapan proses formulasi.
KnowledgeBench merupakan meja kerja informasi cerdas, menawarkan framework pendukung
keputusan terintegrasi penuh yang mencakup semua aspek perkembangan produk.
KnowledgeBench didesain untuk membawa kualitas, kontrol dan efektivitas yang lebih baik
untuk perkembangan produk baru dan ini diperoleh dengan mengetahui defisiensi pendekatan
yang sangat sesuai dari sebelumnya, dan memungkinkan proses tingkat atas untuk dipetakan dan
kemudian didukung melalui:
pendukung keputusan maju (untuk mengenkapsulasi dan memodelkan proses-proses
keputusan di dalam organisasi)
-
manajemen pengetahuan
-
datamining dan
workflow berorientasi tujuan untuk menyediakan informasi yang ditargetkan dan
petunjuk pada semua aspek lifescycle perkembangan produk baru.
Manfaat melibatkan layanan IPI didukung dengan KnowledgeBench platform yang mencakup:
-
penangkapan data untuk disatukan ke dalam sistem pakar
-
manajemen pengetahuan
-
ketersediaan dan proteksi pengetahuan
-
konsistensi dalam pembuatan keputusan
-
akses terhadap produk software yang didesain untuk mensimulasikan proses produksi
mengidentifikasi peluang-peluang untuk memperbaiki formulasi, contohnya ekstensi line
produk
-
mengatasi permasalahan formulasi/proses
-
menangkap pengetahuan yang mungkin hilang ketika pergantian staf.
3. Analysis SWOT kecerdasan buatan (Artificial Intelligence)
STRENGTHS
1) Lebih bersifat permanen, sedangkan kec. alami akan cepat mengalami perubahan. Faktor
sifat manusia yang pelupa.
2) Lebih mudah diduplikasi dan disebarkan, sedangkan mentransfer pengetahuan manusia
dari satu orangg ke orangg lain membutuhkan proses yg sangat lama.
3) Lebih murah dibanding dengan kec. alami.
4) Menyediakan layanan komputer akan lebih mudah dan lebih murah dibandingkan dengan
mendatangkan seseorang untuk mengerjakan sejumlah pekerjaan dalam jangka waktu
lama.
5) Bersifat konsisten, karena merupakan bagian dari teknologi komputer sdgkan kec. alami
akan senantiasa berubah-ubah
6) Dapat didokumentasikan, keputusan yang dibuat oleh komputer dapat didokumentasikan
dengan mudah melalui log systemnya sedangkan kec. alami sangat sulit untuk
direproduksi.
7) Dapat mengerjakan pekerjaan lebih cepat Dapat mengerjakan pekerjaan lebih baik.
WEAKNESSES
1)
Kurang memberikan kesempatan kepada orang lain untuk membuka peluang bisnis,
usaha, layanan computer sejenis karena setiap orang di prediksi lebih memilih untuk
melakukan sendiri jika dalam jumlah yang kecil atau dalam kapasitas yang terjangkau.
2)
Rawan rusak.
3)
Mahal dalam proses pembuatannya.
4)
Memerlukan daya listrik.
5)
Struktur kontrolnya terpisah dari pengetahuan.
OPPORTUNITIES
1)
AI mempenyuai peluang yang besar dalam perkembangan mempermudah dan
mengatasi masalah dalam kehidupan manusia.
2)
AI mempuyai aplikasi yang terus berkembang dan evolusi seiring dengan
perkembangan teknologi yang semakin canggih.
3)
AI memiliki program yang memperkuat pikiran dan mendorong kreativitas
generasi muda.
4)
AI berkembang dan meneliti tren-tren teknologi lokal terbaru, dan mewujudkan
teknologi-teknologi yang menawarkan keuntungan terbesar.
THREATS
1)
AI memiliki aplikasi dan bagian yang gagal atau error dalam suatu kondisi tertentu.
2)
Ancaman Pemain Baru (Threat of New Entrants).
3)
Ancaman Pengganti (Threat of substitutes).
4)
Daya Tawar Pelanggan (Bargaining power of buyers).
5)
Daya Tawar Pemasok (Bargaining power of suppliers).
6)
Persaingan diantara para pesaing (Rivalry among the existing players).