A. STRATEGI PENCARIAN BERBENTUK / HEURISTIC SEARCH STRATEGY

    Pencarian dengan algoritma ini menggunakan knowledge yang spesifik kepada permasalahan yang dihadapi disamping dari definisi masalahnya itu sendiri. Metode ini mampu menemukan solusi secara lebih efisien daripada yang bisa dilakukan pada metode uninformed strategy. 

1. Greedy Best First Search
   Metode pencarian ini melakukan ekspansi node yang memiliki jarak terdekat dengan goal. Namun, ekspansi yang dilakukan pada metode ini menggunakan evaluasi node hanya dengan melihat kepada fungsi heuristiknya. Dengan kata lain, yang dibandingkan untuk penentuan ekspansi node adalah nilai estimasi/prediksinya saja.
   f(n) = h(n)
2. A* Search
   Bentuk dari Best First Search yang paling dikenal adalah algoritma pencarian A* (dibaca dengan “A-star”). Sedikit berbeda dengan Greedy yang hanya melihat kepada nilai h(n), pencarian dengan A* melihat kepada kombinasi nilai dari pathnya yaitu g(n) dengan nilai estimasi yaitu h(n).
   f(n) = g(n) + h(n)
3. SMA* atau Simplified Memory Bounded A*
   SMA* atau Simplified Memory Bounded A* adalah algoritma pencarian jalur terpendek berdasarkan dari algoritma A*. Keuntungan utama dari algo SMA* adalah dia menggunakan bounded memory, sementara algo A* mungkin membutuhkan memori exponensial. Semua karakteristik di algo SMA* diturunkan dari A*.
   
   Seperti A *, algoritma SMA* memperluas cabang yang paling menjanjikan menurut heuristik. Apa yang membuat SMA * terpisah adalah SMA* memangkas simpul yang ekspansinya telah diungkapkan kurang menjanjikan dari yang diharapkan. Pendekatan ini memungkinkan algoritma untuk mengeksplorasi cabang dan backtrack untuk mengeksplorasi cabang lain.
   
   Ekspansi dan pemangkasan simpul didorong karena SMA* menjaga dua nilai f untuk setiap simpul. Simpul x menyimpan nilai f(x) yang memperkirakan biaya mencapai tujuan dengan mengambil jalan melalui simpul tersebut. Semakin rendah nilai, semakin tinggi prioritas. Seperti di A * nilai ini diinisialisasi dengan h (x) + g (x), tetapi kemudian akan diperbarui untuk mencerminkan perubahan estimasi ketika anak-anaknya diperluas. Sebuah simpul yang sudah diperluas sepenuhnya akan memiliki nilai f setidaknya setinggi dari suksesornya. Selain itu, simpul menyimpan nilai f dari suksesor terbaik yang telah dilupakan. Nilai ini dikembalikan jika suksesor yang telah dilupakan itu dinyatakan sebagai suksesor paling menjanjikan.
   
   SMA* merupakan algoritma yang:
   
   
   1. Bekerja dengan heuristic, seperti A*
   2. Selesai jika memori yang diperbolehkan cukup tinggi untuk menyimpan solusi terdangkal
   3. Optimal jika memori yang diperbolehkan cukup tinggi untuk menyimpan solusi optimal terdangkal, jika tidak dia akan mengembalikan solusi terbaik yang ada di memori
   4. Menjauhi pernyataan yang diulang-ulang selama batas memori memperbolehkannya
   5. Menggunakan semua memori yang ada
   6. Memperbesar batas memori dari algoritma hanya akan mempercepat perhitungan
   7. Ketika memori cukup ada untuk memuat seluruh pohon pencarian, maka perhitungan mempunyai kecepatan yang optimal 
    

B. FUNGSI HEURISTIK

     Heuristik adalah sebuah teknik yang mengembangkan efisiensi dalam proses pencarian (pencarian yang lebih simple). Namun kemungkinan juga dapat mengngorbankan kelengkapan (complateness).
Fungsi Heuristic digunakan untuk mengevaluasi keadaan-keadaan problema individual dan menentukan seberapa jauh hal tersebut dapat digunakan untuk mendapatkan solusi yang diinginkan

C. ALGORITMA PENCARIAN LOKAL  DAN MASALAH OPTIMISASI

1. HILL CLIMBING SEARCHMetode ini hampir sama dengan metode pembangkitan dan pengujian, hanya saja proses pengujian dilakukan dengan menggunakan fungsi heuristic. Pembangkitan keadaan berikutnya tergantung pada feedback dari prosedur pengetesan. Tes yang berupa fungsi heuristic ini akan menunjukkan seberapa baiknya nilai terkaan yang diambil terhadap keadaan-keadaan lainnyayang mungkin.
   
   Algoritma:
   
   1. Cari operator yang belum pernah digunakan; gunakan operator ini untuk mendapatkan keadaan yang baru.
   
   a) Kerjakan langkah-langkah berikut sampai solusinya ditemukan atau sampai tidak ada operator baru yang akan diaplikasikan pada keadaan sekarang : Cari operator yang belum digunakan; gunakan operator ini untuk mendapatkan keadaan yang baru.
   
   b) Evaluasi keadaan baru tersebut :
   
   • Jika keadaan baru merupakan tujuan, keluar
   • Jika bukan tujuan, namun nilainya lebih baik daripada keadaan sekarang, maka jadikan keadaan baru tersebut menjadi keadaan sekarang.
   • Jika keadaan baru tidak lebih baik daripada keadaan sekarang, maka lanjutkan iterasi.
2. SIMULATED ANNEALING SEARCHSimulated annealing adalah salah satu algoritma untuk untuk optimisasi yang bersifat generik. Berbasiskan probabilitas dan mekanika statistik, algoritma ini dapat digunakan untuk mencari pendekatan terhadap solusi optimum global dari suatu permasalahan. Masalah yang membutuhkan pendekatan SA adalah masalah-masalah optimisasi kombinatorial,
   di mana ruang pencarian solusi yang ada terlalu besar, sehingga hampir tidak mungkin ditemukan solusi eksak terhadap permasalahan itu. Annealing adalah satu teknik yang dikenal dalam bidang metalurgi, digunakan dalam mempelajari proses pembentukan kristal dalam suatu materi. Agar dapat terbentuk susunan kristal yang sempurna, diperlukan pemanasan sampai suatu tingkat tertentu, kemudian dilanjutkan dengan pendinginan yang perlahan-lahan dan terkendali dari materi tersebut. Pemanasan materi di awal proses annealing, memberikan kesempatan pada atom-atom dalam materi itu untuk bergerak secara bebas, mengingat tingkat energi dalam kondisi panas ini cukup tinggi. Proses pendinginan yang perlahan-lahan memungkinkan atom-atom yang tadinya bergerak bebas itu, pada akhirnya menemukan tempat yang optimum, di mana energi internal yang dibutuhkan atom itu untuk mempertahankan posisinya adalah minimum.
3. LOCAL BEAM SEARCH
   Local Beam Search adalah sebuah algoritma pencarian heuristik yang mengeksplor sebuah graf dengan cara meng- expand node anak yang paling “menjanjikan” (yang paling optimal) dalam sebuah memori yang terbatas. Algoritma ini merupakan optimisasi dari algortima pencarian breadth-first search dan best-first search dalam hal penggunaan memori.
   Algoritma ini pada setiap langkahnya seakan-akan memotong/memangkas node-node anak yang dianggap “kurang menjanjikan” (kurang optimal) untuk mengurangi kebutuhan memori penyimpanan yang akan digunakan.
   Pemotongan atau pemangkasan node anak ini ditentukan berdasarkan nilai heuristik yang spesifik terhadap permasalah yang dihadapi. Node-node anak yang disimpan sebagai kandidat node untuk di- expand inilah yang disebut dengan beam.
   Local Beam Search menggunakan algoritma breadth-first search untuk menelusuri
   (men- generate ) kemungkinan node yang akan di- expand (node-node anaknya), lalu mengurutkannya berdasarkan nilai heuristik masing-masing. Algoritma local beam search ini hanya mengambil/meng- expand node-node anaknya dengan jumlah tertentu saja dilihat dari nilai heuristik yang paling optimum (disebut dengan beam width ). Node-node yang berada pada urutan kurang dari beam width inilah yang nantinya akan di- expand . Semakin banyak beam width , maka semakin sedikit node-node anak yang akan dieliminasi. Untuk kasus dengan nilai beam width sama dengan tak terhingga ( infinite ), maka algoritma ini sama saja dengan algoritma breadth-first search .
4. GENETIC ALGORITHM
   Genetic Algorithm adalah Teknik pencarian yang di dalam ilmu komputer untuk menemukan penyelesaian perkiraan untuk optimisasi dan masalah pencarian. Algoritme genetik adalah kelas khusus dari algoritme evolusioner dengan menggunakan teknik yang terinspirasi oleh biologi evolusioner seperti warisan, mutasi, seleksi alam dan rekombinasi (atau crossover)
   • Mutasi : Mencoba kombinasi proses secara acak dan mengevaluasi hasilnya. 
   • Crossover : Mengombinasi bagian dari hasil yang baik dengan harapan dapat memperoleh hasil yang lebih baik. 
   • Seleksi : memilih proses-proses yang baik dan membuang yang jelek.
   
   Algoritme Genetik pertama kali dikembangkan oleh John Holland pada tahun 1970-an di New York, Amerika Serikat. Dia beserta murid-murid dan teman kerjanya menghasilkan buku berjudul "Adaption in Natural and Artificial Systems" pada tahun 1975.
   
   Algoritme Genetik khususnya diterapkan sebagai simulasi komputer dimana sebuah populasi representasi abstrak (disebut kromosom) dari solusi-solusi calon (disebut individual) pada sebuah masalah optimisasi akan berkembang menjadi solusi-solusi yang lebih baik. Secara tradisional, solusi-solusi dilambangkan dalam biner sebagai string '0' dan '1', walaupun dimungkinkan juga penggunaan penyandian (encoding) yang berbeda. Evolusi dimulai dari sebuah populasi individual acak yang lengkap dan terjadi dalam generasi-generasi. Dalam tiap generasi, kemampuan keseluruhan populasi dievaluasi, kemudian multiple individuals dipilih dari populasi sekarang (current) tersebut secara stochastic (berdasarkan kemampuan mereka), lalu dimodifikasi (melalui mutasi atau rekombinasi) menjadi bentuk populasi baru yang menjadi populasi sekarang (current) pada iterasi berikutnya dari algoritme.

D. AGEN PENCARIAN ONLINE DAN  LINGKUNGAN YANG TIDAK DIKETAHUI 

     Agen yang berupa perangkat lunak, atau bisa disebut agen cerdas, adalah perangkat lunak yang dapat bertindak seperti orang yang mampu berinteraksi dengan lingkungan. Contoh:

1. Agen sistem operasi digunakan untuk membantu penggunaan sistem operasi digunakan untuk membantu penggunaan sistem operasi. Contoh, microsoft memiliki sejumlah agen yang dinamakan wizard pada sistem operasi yang di buatnya; misalnya Windows NT. Agen ini digunakan antara lain untuk menambah nama pemakai, mengelola grup pemakai, dan manajemen berkas.
2. Agen spreadsheet digunakan untuk membuat program spreadsheet menjadi lebih mudah digunakan oleh pemakai. Contoh, Office Assistant pada excel dapat “mengamati” pemakaidan jika terjadi sesuatu yang perlu untuk dibantu, agen cerdas akan memberikan saran. 
3. Agen untuk perdagangan elektronis digunakan untuk membantu pemakai yang akan melakukan belanja secara online.

Sumber :
http://socs.binus.ac.id/2013/04/23/uninformed-search-dan-informed-search/
http://fitribby.blogspot.co.id/2014/10/algoritma-pencarian-simplified-memory.html
https://rinnooberta.wordpress.com/2013/10/29/pencarian-heuristik/
https://www.coursehero.com/file/21999190/Local-Beam-Search/
https://id.wikipedia.org/wiki/Algoritma_genetik
http://tekomp13unpad.blogspot.co.id/2013/09/kecerdasan-buatan.html

A. AGEN PEMECAH PERMASALAHAN

Kecerdasan Buatan di ciptakan untuk memecahkan masalah di berbagai bidang yaitu :
Untuk membangun system yang mampu menyelesaikan masalah, perlu dipertimbangkan 4 hal :

1. Mendefinisikan masalah dengan tepat
   
   • Spesifikasi yang tepat mengenai keadaan awal
   • Solusi yang diharapkan 
2. Menganalisis masalah serta mencari beberapa teknik penyelesaian masalah yang sesuai 
3. Merepresentasikan pengetahuan yang perlu untuk menyelesaikan masalah 
4. Memilih teknik penyelesaian masalah yang terbaik

B. PENCARIAN SEBAGAI SOLUSI PEMECAHAN MASALAH
Searching di dalam AI (Artificial Intelligence) adalah salah satu motode penyelesaian masalah dengan pencarian solusi pada suatu permasalahan yang dihadapi.
Teknik searching sendiri terbagi menjadi dua, yaitu:

1. Blind searching
   Blind Searching adalah model pencarian buta atau pencarian yang tidak memiliki inforamasi awal, model pencarian ini memiliki tiga ciri – ciri utama yaitu:
   
   • Membangkitkan simpul berdasarkan urutan
   • Kalau ada solusi maka solusi akan ditemukan 
   • Hanya memiliki informasi tentang node yang telah dibuka (node selanjutnya tidak diketahui). Blind Searching sendiri dibagi menjadi tiga macam yaitu : 
   1. BFS (Breadth First Search) 
   2. DFS (Depth-first Search) 
   3. UCS (Uniform Cost Search) 
    
2. Heuristic searching
   Heuristic Search merupakan metode pencarian yang memperhatikan nilai heuristik (nilai perkiraan).Teknik pencarian heuristik (heuristic searching) merupakan suatu strategi untuk melakukan proses pencarian ruang keadaan (state space) suatu problema secara selektif, yang memandu proses pencarian yang kita lakukan di sepanjang jalur yang memiliki kemungkinan sukses paling besar, dan mengesampingkan usaha yang bodoh dan memboroskan waktu. Heuristik adalah sebuah teknik yang mengembangkan efisiensi dalam proses pencarian, namun dengan kemungkinan mengorbankan kelengkapan (completeness). Heuristic Search memperkirakan jarak menuju Goal (yang disebut dengan fungsi heuristik). Fungsi heuristik ini digunakan untuk mengevaluasi keadaan-keadaan problema individual dan menentukan seberapa jauh hal tersebut dapat digunakan untuk mendapatkan solusi yang diinginkan. Jenis-jenis Heuristic Searching :
   
   • Generate and Test
   • Hill Climbing
   • Best First Search
   • Alpha Beta Prunning
   • Means-End-Anlysis
   • Constraint Satisfaction

C. STRATEGI PENCARIAN YANG TIDAK BERBENTUK 

1. Breadth First Search (BFS) Pencarian dengan Breadth First Search menggunakan teknik dimana langkah pertamanya adalah root node diekspansi, setelah itu dilanjutkan semua successor dari root node juga di-expand. Hal ini terus dilakukan berulang-ulang hingga leaf (node pada level paling bawah yang sudah tidak mempunyai successor lagi).
   
2. Uniform Cost Search (UCS)
   Pencarian dengan Breadth First Search akan menjadi optimal ketika nilai pada semua path adalah sama. Dengan sedikit perluasan, dapat ditemukan sebuah algoritma yang optimal dengan melihat kepada nilai tiap path di antara node-node yang ada. Selain menjalankan fungsi algoritma BFS, Uniform Cost Search melakukan ekspansi node dengan nilai path yang paling kecil. Hal ini bisa dilakukan dengan membuat antrian pada successor yang ada berdasar kepada nilai path-nya (node disimpan dalam bentuk priority queue).
   
3. Depth First Search (DFS)
   Teknik pencarian dengan Depth First Search adalah dengan melakukan ekspansi menuju node yang paling dalam pada tree. Node paling dalam dicirikan dengan tidak adanya successor dari node itu. Setelah node itu selesai diekspansi, maka node tersebut akan ditinggalkan, dan dilakukan ke node paling dalam lainnya yang masih memiliki successor yang belum diekspansi.
   
    
4. Depth Limited Search
   Pencarian menggunakan DFS akan berlanjut terus sampai kedalaman paling terakhir dari tree. Permasalahan yang muncul pada DFS adalah ketika proses pencarian tersebut menemui infinite state space. Hal ini bisa diatasi dengan menginisiasikan batas depth pada level tertentu semenjak awal pencarian. Sehingga node pada level depth tersebut akan diperlakukan seolah-olah mereka tidak memiliki successor.
5. Iterative Deepening Depth First Search
   Iterative deepening search merupakan sebuah strategi umum yang biasanya dikombinasikan dengan depth first tree search, yang akan menemukan berapa depth limit terbaik untuk digunakan. Hal ini dilakukan dengan secara menambah limit secara bertahap, mulai dari 0,1, 2, dan seterusnya sampai goal sudah ditemukan.
   
6. Bidirectional Search
   Pencarian dengan metode bidirectional search adalah dengan menjalankan dua pencarian secara simultan, yang satu dikerjakan secara forward dari initial state menuju ke goal, sedangkan yang satu lagi dikerjakan secara backward mulai dari goal ke initial state. Yang kemudian diharapkan bahwa kedua pencarian itu akan bertemu di tengah-tengah.

SUMBER :
http://najibzot.blogspot.co.id/p/teknik-searching-kecerdasan-buatan-di.html
http://socs.binus.ac.id/2013/04/23/uninformed-search-dan-informed-search/
https://aiukswkelasekelompok4a.wordpress.com/2009/02/06/masalah-ruang-keadaan-dan-pencarian/

A. PENGERTIAN KECERDASAN BUATAN (ARTIFICIAL INTELEGENCE)

Kecerdasan Buatan yang ditambahkan kepada suatu sistem yang bisa diatur dalam konteks ilmiah atau Intelegensi Artifisial (bahasa Inggris: Artificial Intelligence atau hanya disingkat AI) didefinisikan sebagai kecerdasan entitas ilmiah. Sistem seperti ini umumnya dianggap komputer. Kecerdasan buatan diciptakan dan dimasukkan ke dalam suatu mesin (komputer) agar dapat melakukan pekerjaan seperti yang dilakukan manusia. Ada beberapa macam bidang yang menggunakan kecerdasan buatan antara lain sistem pakar, permainan komputer (games), logika fuzzy, jaringan syaraf tiruan dan robotika.

Banyak hal yang kelihatannya sulit untuk kecerdasan manusia, tetapi untuk Informatika relatif tidak bermasalah. Seperti contoh: menyelesaikan persamaan integral, mentransformasikan persamaan, membuat permainan catur atau Backgammon. Di sisi lain, hal yang bagi manusia kelihatannya menuntut sedikit kecerdasan, sampai sekarang masih sulit untuk direalisasikan dalam Informatika. Seperti contoh: Pengenalan Obyek/Muka, bermain sepak bola.

Walaupun AI memiliki konotasi fiksi ilmiah yang kuat, AI membentuk cabang yang sangat penting pada ilmu komputer, berhubungan dengan perilaku, pembelajaran dan adaptasi yang cerdas dalam sebuah mesin. Penelitian dalam AI menyangkut pembuatan mesin untuk mengotomatisasikan tugas-tugas yang membutuhkan perilaku cerdas. Termasuk contohnya pengendalian, perencanaan dan penjadwalan, kemampuan untuk menjawab diagnosa dan pertanyaan pelanggan, serta pengenalan tulisan tangan, suara dan wajah. Hal-hal seperti itu telah menjadi disiplin ilmu tersendiri, yang memusatkan perhatian pada penyediaan solusi masalah kehidupan yang nyata. Sistem AI sekarang ini sering digunakan dalam bidang ekonomi, obat-obatan, teknik dan militer, seperti yang telah dibangun dalam beberapa aplikasi perangkat lunak komputer rumah dan video game.

B. BIDANG ILMU YANG MENJADI DASAR KECERDASAN BUATAN

Bidang ilmu yang menjadi dasar kecerdasaan buatan yaitu ada 3 komponen
SISTEM CERDAS BERBASIS PENGETAHUANSistem cerdas berbasis pengetahuan adalah sistem yang memiliki kemampuan menyerap kepakaran seorang ahli. Sistem ini ditunjukkan padabasis pengetahuan yang berisi informasi kepakaran. Informasi kepakaran dijabarkan sebagai algoritma cerdas, dan komponen prakondisi isyarat yang mengatur kerja sensor-sensor. Algoritma cerdas inilah yang memutuskan aksi-aksi yang tepat untuk setiap keadaan/status sistem.

SISTEM LOGIKA SAMAR (FUZZY LOGIC SYSTEM)Logika Fuzzy, membahas tentang “bagaimana manusia merasa?, bagaimana perasaan manusia bekerja?” Logika Fuzzy disebut logika yang samar (ambigu/ketidakjelasan) atau suatu konsep perasa. Artinya logika yang memiliki nilai yang tidak hanya "benar" atau "salah", tetapi dapat bernilai diantara benar dan salah sebagai contoh “sedang”, “cukup” dan sebagainya. Logika Fuzzy digunakan agar mesin diharapkan dapat mempunyai unsur-unsur perasaan seperti manusia sehingga mesin tersebut dapat mempunyai keinginan, serta mengambil keputusan dengan perasaan layaknya manusia.
SISTEM BERBASIS JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORK)Jaringan syaraf tiruan terinspirasi dari sistem pengorganisasian otak manusia yang terdiri dari beratus milyar sel syaraf dengan tipe yang bervariasi. Neuron adalah sel syaraf khusus yang menghantarkan isyarat elektris. Sekitar 10% dari keseluruhan sel adalah neuron, atau ada sekitar 10 milyar neuron di dalam otak manusia. Setiap neuron berinteraksi dengan neuron yang lain melalui kontak yang disebut sinapsis. Rata-rata setiap neuron menerima isyarat dari sekian ribu sinapsis. Jadi otak dibangun dari jaringan neuron dalam jumlah sangat besar.Artificial Neural Network, membahas tentang “bagaimana sel syaraf otak manusia bekerja?” Artificial Neural Network dapat diartikan “Jaringan Syaraf Tiruan” merupakan studi tentang meniru cara kerja sel syaraf otak dimana dapat mengendalikan tindakan, tingkah laku sesuai dengan keadaan lingkungan, menghasilkan suatu respon seperti gerakan tubuh dan mimic wajah.

C. SEJARAH KECERDASAN BUATAN

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 abad 19, Charles Babbage dan Ada Lovelace bekerja pada mesin penghitung mekanis yang dapat diprogram.

Bertrand Russell dan Alfred North Whitehead menerbitkan Principia Mathematica, yang merombak logika formal. Warren McCulloch dan Walter Pitts menerbitkan "Kalkulus Logis Gagasan yang tetap ada dalam Aktivitas " pada 1943 yang meletakkan pondasi untuk jaringan syaraf.



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 tahun 1960-an dan 1970-an, Joel Moses mendemonstrasikan kekuatan pertimbangan 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 Shortliffe 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. Pada tahun 1982, para ahli fisika seperti Hopfield menggunakan teknik-teknik statistika untuk menganalisis sifat-sifat penyimpanan dan optimasi pada jaringan syaraf. Para ahli psikologi, David Rumelhart dan Geoff Hinton, melanjutkan penelitian mengenai model jaringan syaraf pada memori. Pada tahun 1985-an sedikitnya empat kelompok riset menemukan kembali algoritma pembelajaran propagansi balik (Back-Propagation learning). Algoritma ini berhasil diimplementasikan ke dalam ilmu komputer dan psikologi. 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.


Tantangan Hebat DARPA, yang dimulai pada 2004 dan berlanjut hingga hari ini, adalah sebuah pacuan untuk hadiah $2 juta dimana kendaraan dikemudikan sendiri tanpa komunikasi dengan manusia, menggunakan GPS, komputer dan susunan sensor yang canggih, melintasi beberapa ratus mil daerah gurun yang menantang.

D. AGEN INTELEJEN

Dalam kecerdasan buatan, intelligent agent (IA) adalah sebuah entitas otonom yang mengamati dan bertindak atas lingkungan (yaitu membutuhkan agen) dan mengarahkan aktivitasnya untuk mencapai tujuan yaitu rasional. Intelligent agen juga dapat belajar atau menggunakan pengetahuan untuk mencapai tujuan mereka

Agen Intelligent menurut Nikola Kasabov adalah bahwa Agent harus menunjukkan karakteristik berikut.:

• mengakomodasi pemecahan masalah baru aturan bertahap
• beradaptasi online dan real time
•  mampu menganalisis sendiri dalam hal perilaku, kesalahan dan kesuksesan.
• belajar dan meningkatkan melalui interaksi dengan lingkungan (perwujudan)
• belajar dengan cepat dari sejumlah besar data
• memiliki penyimpanan memori berbasis contoh dan kapasitas pengambilan
• memiliki parameter untuk mewakili umur pendek dan jangka panjang memori,
  
  Agent dan Lingkungannya
  Maksudnya adalah melihat/menangkap informasi di lingkungannya melalui sensor, dan beraksi pada lingkungan melalui efektor/aktuator
  Contoh perbandingan :

• agen manusia memiliki alat sensor : mata, telinga, dan organ sensor lainnya alat actuator : tangan, kaki, dan bagian tubuh lain sebagai alat gerak.
• Sedangkan pada agen robot: kamera dan inframerah untuk sensor, dan lengan serta berbagai motor sebagai aktuator.

Konsep Rasionalitas

Rasional dapat didefinisikan sebagai : melakukan hal yang benar. Agen rasional melakukan hal yang benar berdasarkan informasi (percept) apa yang ditangkap dan tindakan (action) apa yang akan diambil.
—Pengukuran kinerja (performance measure) : Sebuah kriteria obyektif untuk mengukur keberhasilan suatu perilaku agen. Pengukuran kinerja haruslah dapat dinyatakan dalam ukuran kuantitatif.
—Goal adalah tujuan utama yang berusaha dicapai oleh agen (prioritas utama)

Lingkungan Alami


Kita akan melihat bagaimana pasangan agen untuk lingkungan. Dalam semua kasus, sifat hubungan antara mereka adalah sama: tindakan yang dilakukan oleh agen pada lingkungan, yang pada gilirannya memberikan persepsi kepada agen. Pertama, kita akan menjelaskan berbagai jenis lingkungan dan bagaimana mereka mempengaruhi desain agen. Kemudian kita akan menjelaskan program-program lingkungan yang dapat digunakan sebagai testbeds untuk program agen.

Sifat-sifat environments :

• Accessible vs. inaccessible.
• Deterministic vs. nondeterministic.
• Episodic vs. nonepisodic.
• Static vs. dynamic.
• Discrete vs. continuous.

Struktur Agent
Tugas AI adalah untuk merancang sebuah agent yaitu sebuah fungsi yang mengimplementasikan pemetaan agen dari persepsi terhadap tindakan. Program ini akan berjalan pada beberapa jenis perangkat komputasi, yang disebut arsitektur. Secara umum, arsitektur membuat persepsi dari sensor yang tersedia untuk program, menjalankan program, dan umpan pilihan program aksi terhadap efektor seperti yang dihasilkan.
Hubungan antara agen, arsitektur, dan program dapat disimpulkan :

•  Mapping : Hubungan antara Percepts and Action.
• Tugas dari AI adalah men-design Agent Program : merupakan sebuah function yang mengimplementasikan agent mapping dari percepts to action.
• Architecture menerima percepts dari sensor, menjalankan program, melakukan aksi yang dipilih action ke effectors.
• Agent = Architecture + Program
•  PAGE = Percepts, Actions, Goal(s) and Environment. Untuk mendesain agen cerdas harus menentukan PEAS terlebih dahulu yaitu :

1. P: Performance measure (ukurankinerja)
2. E: Environment (lingkungan)
3. A: Actuators (yang bisa melakukan aksi)
4. S: Sensors (sensor untuk mendapatkan persepsi dari lingkungan)

Sumber :

https://id.wikipedia.org/wiki/Kecerdasan_buatan

https://evaniashab.wordpress.com/2017/01/15/pengantar-teknologi-sistem-cerdas/

https://www.academia.edu/9144491/Agen_Cerdas

http://agen-unikama.blogspot.co.id/2013/11/pengertian-agent-pada-ai-artificial.html

http://naufaly.blogspot.co.id/

http://just-my-homework.blogspot.co.id/2016/11/pengantar-teknologi-sistem-cerdas.html

Profesi dibidang TI

JAMES GOSLING O.C., Ph.D



Merupakan salah satu tokoh yang berprofesi  dibidang TI ia adalah adalah seorang pengembang perangkat lunak. menurut saya ia masuk ke kelompok pertama profesi bidang TI yaitu :

Kelompok Pertama, adalah mereka yang bergelut di dunia perangkat lunak (software) baik mereka yang merancang sistem operasi, database maupun sistem aplikasi. Pada lingkungan kelompok ini terdapat pekerjaan-pekerjaan seperti misalnya :

• System analyst: orang yang bertugas menganalisa sistem yang akan diimplementasikan, mulai dari menganalisa sistem yang ada, tentang kelebihan dan kekurangannya, sampai studi kelayakan dan desain sistem yang akan dikembangkan.
• Programmer: orang yang bertugas mengimplementasikan rancangan sistem analis yaitu membuat program (baik aplikasi maupun sistem operasi) sesuai sistem yang dianalisa sebelumnya.
• Web designer: orang yang melakukan kegiatan perecanaan, termasuk studi kelayakan, analisis dan desain terhadap suatu proyek pembuatan aplikasi berbasis web.
• Web programmer: orang yang bertugas mengimplementasikan rancangan web designer yaitumembuat program berbasis web sesuai desain yang telah dirancang sebelumnya.

Kenapa James Gosling masuk kategori pertama ?
karna James Gosling adalah adalah seorang pengembang perangkat lunak , ia juga terkenal sebagai bapak bahasa pemrograman java. karna itulah saya kira ia masuk ke profesi bidang TI kelompok pertama dibidang Perangkat Lunak. selain itu ia juga bekerja untuk Sun Microsystems sejak 1984

Berikut adalah sulasan tentang James Gosling.

REVIEW TECHNOLOGY

Klo kemarin ngebahas tentang komputer generasi pertama  sampai generasi ke 4
sekarang kita akan ngebahas tentang perkembangan teknologi dari video diatas
divideo tersebut ada 4 teknologi yang digunakan namun saya akan bahas 3 yaitu Allbe1, BuddyGuard, dan UMS
nah setelah saya tonton video tersebut allbe 1 sangant bermanfaat bisa kita gunakan sebagai Infrared Alarm , Uv Monitor, Fitnes Tracker , GPS , Thermometer bisa juga sebagai keamanan
misalnya jika kita memasukan allbe ke salah satu laci atau kotak perhiasan jika ada yang membukanya dan allbe1 mendetek bukan pelmiliknya maka akan mengirimkan Alarm ke handphone pemilik.
selain itu bisa sebagai GPS jika anak tersasar bisa kita lacak.

yang ke 2
Buddy Guard
Teknology ini menurut saya perkembangan dari CCTV ya jika ada perampok / pencuri device ini akan menscan wajah orang yang memasuki ruangan karna device ini dilengkapi Motion detector jika setelah discan bukan pemiliknya yang masuk maka device akan mengirimkan Flare ke data pusat dan orang pusat akan memanggilkan polisi. sebaliknya jika yang di scan ternyata pemiliknya maka device akan Masuk mode Sleep.

Yang Terakir yang ingin Saya Bahas adalah UMS
saya sangat tertarik dengan device ini yang pertama karna untuk keamanan dan sangat simple (portable) seperti misalkan kita memasang device ini di Pintu nah jika ada orang yang masuk maka device akan mengirimkan Email ke Pemilik Rumah dan Menguupload ke Social Media lokasi yang sedang dimasuki orang asing.. Karna portable device ini bisa di copot jadi jika kita panik misalnya ada orang yang sedang mengawasi kita tinggal pencet tombol yang ada di device otomatis device akan mengirim email ke kontak temaan anda yang ada di email dan akan mengupload lokasi anda.

Jadi Perkembangan Teknologi sangat bermanfaat bagi kehidupan sehari hari tergantung dari kita yang menggunakannya.

Perkembangan Komputer

Disini gw akan bahas sedikit tentang Salah satu materi presentasi gw Link ada dibawah.
Materinya yaitu tentang Masa Elektronik (1940 M - Sekarang) & INTERNET OF THINGS (IOT)
oke langsung aja.

1. PERKEMBANGAN KOMPUTER
   Pada masa ini menurut gw jaman mulai berkembangnya komputerisasi berbeda pada zaman sebelumnya. pada zaman ini peralatannya bekerja menggunakan elektronik penuh dan tidak dibantu lagi oleh tangan manusia.
   pada masa pra mekanik manusia hanya berkomunikasi dengan menggunakan gambar atau menurut gw sama kaya bahasa isyarat mungkin atau dengan sebuah gambar tapi pada masa sekarang peralatannya full elektronik. Pada tahun 1944 Prof. Howard Aiken dari Universitas Harvard melakukan operasi aritmetika dan logika secara otomatis. Dan sampai sekarang para ilmuwan telah menemukan berbagai macam penemuan lain salah satunya komputer. Komputer yang ditemukan oleh para ilmuwan dimulai dari komputer generasi pertama sampai generasi keempat. 

•  KOMPUTER GENERASI PERTAMA 1940 - 1959
   Komputer generasi pertama dikenal ukurannya yang sangat besar dikenal sebagai komputer generasi dinosaurus ( buset gede juga).Komputer ini menggunakan Tabung Hampa dan programnya menggunakan bahasa mesin (jadi gw akuin orang dulu jago jago wkwkwk)
• KOMPUTER GENERASI KE 2 1959 - 1964
  Muncul pada era 1960 an ukurannya lebih kecil daripada komputer generasi pertama kira kira hanya selemari (kalo Zaman sekarang tetep ae kegedean). pada komputer ini komponennya menggunakan transistor dan programnya menggunakan bahasa assembly Language
• KOMPUTER GENERASI KE 3 1964 - AWAL TAHUN 80 AN
  Nah pada Komputer generasi ke 3 ukuranya pun mulai menyusut lagi dan tidak menggunakan komponen transistor. jack kilby insinyur di texas instrument yang mengembangkan komponen Integrated Circuit (IC) yang berbentuk lempengan atau chip dan programnya pun mulai agak mudah menggunakan High Level Language yaitu Cobol, Fortran, Basic.
• KOMPUTER GENERASI 4
  Komputer generasi keempat adalah komputer yang kita temui pada saat ini. Komputer yang dalam komponen elektriknya masih menggunakan mikrochip walaupun ukurannya dan bahan yang digunakan berbeda. Ukurannya lebih kecil membuat ukuran komputerpun lebuh sederhana.
            Dampak dari ide cemerlang Kilby yang telah mengembangkan teknologi IC dapat dirasakan dengan hadirnya komputer komputer dalam bentuk yang lebih cerdas, bekerja lebih cepat dan handal, mempunyai kapasitas memori yang sangat besar serta keunggulan-keunggulan lainnya, meski bentuk maupun volumenya justru semakin kecil.atau kecil kecil cabe rawit wkwkwkwk...
• KOMPUTER GENERASI KE 5
  Mungkin Masa yang akan datang hehehehe.....

       2. INTERNET OF THINGS (IOT)
           Internet of Things adalah sebuah konsep dimana semua benda di sekeliling kita dapat
           berkomunikasi satu sama lain menggunakan jaringan internet. Internet of things muncul
           pertama kali pada tahun.1999 oleh Kevin Ashton.
           contoh sederhana dari internet of things yaitu kulkas yang dapat kita buka dengan Scan
           wajah  atau  senyum di depan kulkas itu. dan kulkas itu bisa memberitahu jika persediaan 
           makanan habis lewat Email... mantep banget klo punya kulkas kaya gini wkwkwkwk.

Berikut Link Presentasi Yang telah kami buat

https://prezi.com/vxpqvthiisqv/inovasi-sistem-informasi-amp-teknologi-informasi-modern/

Sumber :
https://wikamukhlisin1311021102.wordpress.com/2015/03/23/sejarah-komputer-generasi-1-4/
http://slideplayer.info/slide/4878410/