#SIP Tugas 10 Merancang Design Sistem Informasi Psikologi

Nama                    : Laras Sati

Kelas                    : 4PA08

NPM                    : 14512161

Mata Kuliah         : Sistem Informasi Psikologi

Merancang Design Sistem Informasi Psikologi

(Tes Kepribadian Berdasakan Golongan Darah)

Design sistem pakar dalam tampilan aplikasi desktop

            Langkah pertama adalah buka lembar kerja visual basic 6, lalu soft code pada aplikasi microsoft visual basic 6 kemudian klik standart exel lalu klik open untuk memulai mendesign sistem pakarnya.

            Berikutnya akan muncul sebuah project 1 yang dimana digunakan untuk merancang login. Lalu akan keluar lembar kerja form login dimana untuk mengedit design yang diinginkan. Disana terdapat tulisan “Tes Kepribadian Berdasarkan Golongan Darah” pada tampilan awal dalam memulai aplikasi yang akan dikerjakan. Kemudian terdapat username dan password yang harus diisi. Lalu jika semua telah dilengkapi maka klik login untuk memulai, jika ingin berhenti klik cancel.

            Selanjutnya akan muncul tampilan berikutnya dalam design program dalam tes kepribadian berdasarkan golongan darah. Jika ingin memulai klik start tetapi jika ingin membatalkan maka klik exit.

            Kemudian akan muncul pada lembar kerja adalah tentang golongan darah yang harus di pilih. Pilihlah golongan darah yang sesuai dengan diri subjek dalam pengisian. Di sana terdapat 4 macam tipe golongan darah yaitu A, B, AB, dan O. Jika sudah selesai mengklik golongan darah maka langkah selanjutnya adalah mengklik next yang tertera pada lembar kerja.

            Selanjutnya akan ada hasil yang sesuai dengan indikasi golongan darah yang sudah di pilih tadi. Yaitu hasil tentang penjelasan kepribadian golongan darah A, B, AB, dan O.

#SIP Tugas 9 AI dan Sistem Pakar

Nama                    : Laras Sati

Kelas                    : 4PA08

NPM                    : 14512161

Mata Kuliah         : Sistem Informasi Psikologi

AI dan Sistem Pakar

Hubungan Artificial Intelligen dengan Sistem Pakar

            Menurut Turban pada tahun 1995, Sistem pakar adalah program komputer yang menirukan seorang pakar dengan keahlian pada suatu wilayah pengetahuan tertentu. Permasalahan yabng di tanganin seorang pakar jelas bukan hanya alogaritma, namun lebih dari itu seorang pakar biasanya menyelesaikan masalah yang lebih rumit dan pemahamannya sulit utuk di pahami. Sistem pakar juga demikian, bukan hanya berisi alogaritma namun juga pengetahuan dan aturan.

            Sistem pakar biasanya sering digunakan dalam bidang ekonomi, kepentingan bisnis, keungan, tegnologi dan kedokteran. Pada dasarnya sistem pakar di terapkan untuk mendukung aktivitas pemecahan masalah. Ternyata banyak aktivitas pemecahan masalah yang dilakuakn sistem pakar diantaranya decicion makning (pembuat keputusan), knowledge fusing (pemaduan pengetahuan), designing (mendisain), planning (perencanaan), forecasting (perakitan), regulating (pengaturan), controlling (pengendalian), diagnosing (mendiagnosa), prescribing (perumusan), explaining (penjelasan), adbvising (pemberian nasihat), dan tutoring (pelatihan). Selain itu sistem pakar juga bisa menjadi asistem seorang pakar (atau saingan).

Definisi sistem pakar

Dalam wikipedia, Sistem pakar adalah suatu program komputer yang mengandung pengetahuan dari satu atau lebih pakar manusia mengenai suatu bidang spesifik. Jenis program ini pertama kali dikembangkan oleh periset kecerdasan buatan pada dasawarsa 1960-an dan 1970-an dan diterapkan secara komersial selama 1980-an.

Beberapa tokoh yang mendefinisiskan sistem pakar diantaranya, Martin dan Oxman pada tahun 1988,mendefinisikan “sistem pakar sebagai sistem berbasis komputer yang menggunakan pengetahuan, fakta dan teknik penalaran dalam memecahkan masalah yang biasanya hanyadapat di pecahkan oleh seorang pakar”. William Stubblefield dan George F. Lugger tahun 1993, menjelaskan bahwa s ”istem pakar adalahsuatu program yang dapat menirukan seorang pakar”. E Fraim Turban, menjelaskan bahwa “sistem pakar adalah sebuah program yang mengkomputerisasikan laporan yang mencoba untuk menirukan proses pemikiran dan pengetahuan dari pakar-pakar dalam menyelesaikan masalah”. Garratano dan Riley tahun 1989, menjelaskan bahwa ”sistem pakar adalah suatu sistem komputer yang bisa menyamai atau meniru kemampuan seorang pakar”.

Ciri-ciri Sistem Pakar

1.        Terbatas pada domain keahlian tertentu (bidang yang spesifik),

2.        Dapat memberikan penalaran untuk data yang tidak pasti dan lengkap,

3.        Dapat mengemukakan rangkaian alasan – alasan yang diberikan dengan cara yang bisa dipahami,

4.        Berdasarkan aturan atau rule tertentu,  Dirancang untuk dapat dikembangkan secara bertahap agar bisa menghasilkan informasi yang lebi baik dan akurat,

5.        Pengetahuan dan mekanisme penalaran jelas terpisah, Keluarnya bersifat anjuran.

6.        Outpunya bersifat mesihat atau anjuran, tergentung dari dialog user.

7.        Knowladge base dan inference engine terpisah.

Keuntungan Sistem Pakar  vs Kelemahan Sistem Pakar

Keuntungan	kelemahan
Membuat orang yang masih awam dapat bekerja seperti layaknya seorang pakar	Membuat nilai seorang pakar akan berkurang, karena keahliannya di gantikan teknlogi
Meningkatkan produktifitas akibat meningkatnya kualitas hasil kerja	Sulit dikembangkan, kerena ketersediaan pakar dibidangnya kurang
Menghemat waktu kerja	Sistem pakar tidak 100% bernilai benar
Menyederhanakan pekerjaan	Sistem pakar sulit untuk dibuat
Memperluas jangkauan dari keahlian seorang pakar	memerlukan pertimbangan dan kesimpulan berdasarkan data yang tidak lengkap
Bisa melakukan proses secara berulang dan otomatis.	Mengidentifikasi aturan inferensi yang diperlukan tergantung pada kerjasama dari seorang ahli
Menyimpan pengetahuan dan keahlian para pakar	Sistem pakar tidak dapat melakukan observasi, hanya berdasarkan teknik wawancara.
Mampu mengambil dan melestarikan keahlian para pakar	Biaya yang diperlukan untuk membuat dan memeliharanya sangat mahal
Memiliki kemampuan untuk mengakses pengetahuan
Memiliki reliabilitas

Jenis-jenis Sistem Pakar

1.         Interpretasi          : Menghasilkan deskripsi situasi berdasarkan data sensor.

2.        Prediksi                : Memperkirakan akibat yang mungkin dari situasi yang diberikan.

3.        Diagnosis             : Menyimpulkan kesalahan sistem berdasarkan gejala (symptoms).

4.        Disain                   : Menyusun objek-objek berdasarkan kendala.

5.        Planning               : Merencanakan tindakan

6.        Monitoring           : Membandingkan hasil pengamatan dengan proses perencanaan. 

7.        Debugging           : Menentukan penyelesaian dari kesalahan sistem.

8.        Reparasi               : Melaksanakan rencana perbaikan.

9.        Instruction            : Diagnosis, debugging, dan reparasi kelakuan pelajar.

10.    Control                 : Diagnosis, debugging, dan reparasi kelakuan sistem.

Contoh Sistem Pakar 

1.        MYCIN               : Diagnosa penyakit

2.        DENDRAL         : Mengidentifikasi struktur molekular campuran yang tak dikenal

3.        XCON & XSEL  : Membantu konfigurasi sistem komputer besar

4.        SOPHIE               : Analisis sirkit elektronik

5.        Prospector            : Digunakan di dalam geologi untuk membantu mencari dan                                                  menemukan deposit.

6.        FOLIO                 : Menbantu memberikan keutusan bagi seorang manajer dalam hal stok                                 broker dan investasi.

7.        DELTA                : Pemeliharaan lokomotif listrik disel

Komponen Sistem Pakar

1.        Sub-sistem Penambah Pengetahuan.

2.        Basis Pengetahuan, merupakan suatu jenis basis data yang dipergunakan untuk manajemen pengetahuan. Basis data ini menyediakan fasilitas untuk kleksi,organisasi dan pengambilan pengetahuan terkomputerisasi.

3.        Mesin Inferensi, merupakan elemen inti dari sistem intelejensia buatan.

BlackBoard, merupakan memori atau lokasi untuk bekerja dan menyimpan hasil sementara. Biasanya berupa sebuah basis data Interface.

4.        Subsistem Penjelasan, merupakan kemampuan untuk menjejak (tracing) bagaimana suatu kesimpulan dapat diambil merupakan hal yang sangat penting untuk transfer pengetahuan dan pemecahan masalah. Komponen subsistem penjelasan harus dapat menyediakannya yang secara interaktif menjawab pertanyaan pengguna .

5.        Subsistem Penyaring Pengetahuan. Seorang pakar mempunyai sistem penghalusan pengetahuan, artinya, mereka bisa menganalisa sendiri performa mereka, belajar dari pengalaman, serta meningkatkan pengetahuannya untuk konsultasi berikutnya. Pada Sistem Pakar, swa-evaluasi ini penting sehingga dapat menganalisa alasan keberhasilan atau kegagalan pengambilan kesimpulan serta memperbaiki basis pengetahuannya.

ELIZA

            ELIZA salah diperkenalkan oleh Joseph Weizenbaum tahun 1966. ELIZA merupakan  program komputer dan sebuah contoh awal dari primitif pengolahan bahasa alami . ELIZA dioperasikan oleh tanggapan pengolahan pengguna untuk script, yang paling terkenal yang DOKTER,simulasi dari psikoterapis Rogerian . Menggunakan informasi hampir tidak ada tentang pemikiran manusia atau emosi, DOKTER terkadang memberikan mengejutkan mirip manusia interaksi.

PARRY

            PARRY adalah sebuah contoh awal dari sebuah chatterbot, oleh psikiater Kenneth Colby. Parry Colby, Hilf, Webber dan Kraemer tahun 1972, mensimulasikan seorang pasien, dan menyebut program ini PARRY, karena ia mesimulasikan seorang pasian paranoid. Mereka memilih seorang paranoid sebagai subyek karena beberapa teori menyebutkan bahwa proses dan sistem paranoia memanga ada, perbedaan respon psikotis dan respon normalnya cukup hebat, dan mereka bisa menggunakan penilaian dari seorang ahli untuk mengecek keakuratan dari kemampuan pemisahan antara respon simulasi komputer dan respon manusia.

            Program menerapkan model mentah dari perilaku skizofrenia paranoid berdasarkan konsep, konseptualisasi, dan keyakinan. Hal ini juga diwujudkan strategi percakapan, dan dengan demikian, PARRY adalah sebuah program yang jauh lebih serius dan maju daripada ELIZA. Itu digambarkan sebagai "ELIZA dengan sikap"

            Pada awal tahun 1970, PARRY diuji dengan menggunakan variasi dari Turing Test.  Sekelompok psikiater yang berpengalaman menganalisis kombinasi pasien nyata dan komputer yang menjalankan PARRY melalui teleprinter . Kelompok lain dari 33 psikiater ditunjukkan transkrip percakapan. Kedua kelompok kemudian diminta untuk mengidentifikasi mana dari "pasien" yang manusia dan yang program komputer. Psikiater mampu membuat identifikasi yang benar hanya 48 persen dari waktu .

NETtalk

            NETtalk adalah jaringan saraf tiruan. Yang merupakan adalah hasil penelitian yang dilakukan pada pertengahan 1980 oleh Terrence Sejnowski dan Charles Rosenberg. Maksud di balik NETtalk adalah untuk membangun model sederhana yang mungkin menjelaskan kompleksitas tugas-tugas belajar tingkat kognitif manusia, dan pelaksanaannya sebagai model koneksionis yang juga bisa belajar untuk melakukan tugas yang sebanding.

            NETtalk adalah sebuah program yang belajar mengucapkan teks bahasa Inggris yang ditulis dengan menjadi teks yang ditampilkan sebagai masukan dan pencocokan transkripsi fonetik untuk perbandingan.NETtalk progam ini jenisnya cukup berbeda, berdasarkan pada jaring jaring neuron, sehinnga dinamakan NETtalk. Dalam program ini, NETtalk membaca tulisan dan mengucapkannya keras- keras.  Para penulis mencatat bahwa belajar membaca melibatkan mekanisme kompleks yang melibatkan banyak bagian dari otak manusia.

            NETtalk tidak secara khusus model tahapan pengolahan citra dan pengenalan huruf dari korteks visual. Sebaliknya, ia menganggap bahwa surat telah pra-diklasifikasikan dan diakui, dan urutan surat ini terdiri dari kata-kata tersebut kemudian ditampilkan ke jaringan saraf selama pelatihan dan selama pengujian kinerja. Adalah tugas NETtalk untuk belajar asosiasi yang tepat antara pengucapan yang benar dengan urutan tertentu huruf berdasarkan konteks di mana huruf tersebut akan muncul. Dengan kata lain NETtalk belajar untuk menggunakan huruf sekitar fonem saat diucapkan yang memberikan isyarat untuk pemetaan dimaksudkan fonemik nya.

Langkah mendesain sistem pakar

Mengidentifikasi masalah, Tahapan identifikasi merupakan tahapan untuk menganalisa permasalahan yangada. Tujuannya adalah untuk mengidentifikasi, mengkarakterisasi, dan mendefinisikan masalah sistem akan diharapkan untuk memecahkan masalah dan kemudian partisi ke yang sesuai sub-tugas. Dan  Ditentukan batasan masalah yang akan dianalisa, sistem pakar yang terlibat, sumber daya yangdiperlukan dan tujuan yang akan dicapai.

Bagan Langkah Sistem Pakar

            Konseptualisasi fase, Setelah masalah didefinisikan, sumber daya yang diperlukan untuk memperoleh pengetahuan, penerapan sistem, dan pengujian sistem diidentifikasi, dari konsep tersebut  unsur-unsur yang terlibat akan dirinci dan dikaji hubungan antara unsur serta mekanisme pengendalian yang diperlukan untuk mencapai sebuah solusi yang terbaik. Sumber daya yang khas mencakup pengetahuan, waktu, fasilitas komputasi, dan uang. Karena sistem pakar yang mahal dan satu menciptakan membutuhkan waktu yang cukup, studi kelayakan sering dilakukan sebelum pekerjaan berlangsung melampaui titik ini. Selain mengidentifikasi sumber daya, analis sistem pakar atau desainer juga mengidentifikasi tujuan sistem dan tujuan. Hal ini membantu untuk mengidentifikasi dan mendokumentasikan tujuan eksplisit karena pendekatan desain tertentu, seperti pencarian heuristik, luas pencarian, pencarian mendalam, dan penalaran adalah tujuan-driven. dimana pengetahuan dan pakar menentukan konsep yang kemudian dikembangkan menjadi suatu sistem pakar.

            Tahap Formalisasi, Tahap formalisasi melibatkan konsep kunci pemetaan, sub-masalah, dan karakteristik arus informasi diisolasi selama konseptualisasi menjadi representasi yang lebih formal berdasarkan pengetahuan teknik pemecahan masalah dan berbagai alat dan kerangka representasi pengetahuan. Tujuan utama adalah untuk mengidentifikasi ruang solusi (domain dengan koleksi semua kemungkinan solusi), ruang hipotesis (ruang solusi hipotetis), yang mendasari model, dan karakteristik dari data.

            Untuk menentukan struktur ruang hipotesis, para analis sistem atau desainer harus merumuskan konsep (pengetahuan dalam format abstrak yang dapat digunakan untuk memandu proses pencarian atau penalaran) dan menentukan bagaimana mereka bergabung untuk membentuk hipotesis. Konsep memberikan petunjuk tentang sifat dari ruang seperti seolah-olah itu terbatas, jika sebuah hirarki harus dipertimbangkan, jika tingkat tertentu abstraksi dapat diterapkan, dan jika kelas tertentu dari konsep tersebut harus dihasilkan. Teknik pencarian seperti pencarian buta, pencarian heuristik, dan abstrak ruang solusi yang sering digunakan. Penalaran teknik seperti bangunan asumsi, bangunan pembenaran, dan kendala dan teknik tujuanmembantu untuk mengidentifikasi model yang mendasari proses yang digunakan untuk menghasilkan solusi dalam domain.

            Sistem fase desain, Selama fase desain sistem (kadang-kadang disebut fase desain logis) analis atau desainer menentukan bagaimana sistem akan memenuhi persyaratan diidentifikasi selama tiga fase sebelumnya. Biasanya, laporan dan output lainnya sistem harus menghasilkan didefinisikan terlebih dahulu. Fase ini mirip dengan tahap desain dalam siklus pengembangan sistem kehidupan tradisional. Catatan, bagaimanapun, bahwa skema representasi yang digunakan untuk menggambarkan pengetahuan berbeda dari metodologi tradisional.

            Sistem tahap pengembangan, Sebuah prototipe sistem pakar dibuat selama pengembangan sistem (atau desain fisik) tahap. Tahap ini mirip dengan tahap pengembangan dalam siklus hidup pengembangan sistem tradisional.

            Pengujian dan tahap evaluasi, Selama fase ini, sistem prototipe dievaluasi. Fase ini sejajar tahap pengujian dalam siklus hidup pengembangan sistem tradisional. Namun, di samping alat-alat pengujian dan teknik yang dijelaskan dalam Bagian VII, sistem pakar menggunakan teknik pengujian dinamis untuk memverifikasi penalaran atau proses inferensi.

            Prototipe revisi fase, Sistem pakar berkembang dari waktu ke waktu, menyerukan revisi hampir konstan, seorang ahli sifat sistem berbagi dengan prototipe kebanyakan. Berdasarkan hasil dari tahap pengujian atau evaluasi, konsep dan hubungan yang halus, ruang solusi, model, dan karakteristik data reformalized, dan sistem ini didesain ulang.

Referensi

Ø  Herianto, T. (1993).teknik pemograman turmbo Prolog. Yogyakarta: AndiOffset.

Ø  Kusrini, R. (2006).Sistem pakar dan teori aplikasi. Yogyakarta: AndiOffset.

Ø  Fattah, H,A.(2009).Rekayasa sistem pengenalan wajah. Yogyakarta: AndiOffset.

Ø  McLeod, Jr., Raymond., Schell, George.P. (2008). Sistem Informasi Manajemen. Jakarta : Salemba Empat

Ø  Ma’arif, M. S., Tanjung, H.(2003). Manajemen Operasi. Jakarta :Gramedia

Ø  Solso, R. L., Maclin, O. H., Maclin, M. K. (2009). Psikologi Kognitif. Jakarta: Erlangga

Ø  Matthews, Robert. (2008). 25 gagasan Besar sains yang mengubah dunia kita. Jakarta : Serambi Ilmu Semesta

#SIP Tugas 8 Artificial Intelligence

Nama                    : Laras Sati

Kelas                    : 4PA08

NPM                    : 14512161

Mata Kuliah        : Sistem Informasi Psikologi

Artificial Intelligence

Sejarah Artificial intelligence

            Artificial intelligence sebenarnya sudah ada lama sekali (jaman Yunani gitu). Pada 19 dan 20 abad, makhluk buatan telah menjadi fitur umum dalam fiksi, seperti dalam Mary Shelley 's Frankenstein atau Karel Capek 's RUR (Universal Robots Rossum 's). Pamela McCorduck berpendapat bahwa semua ini adalah contoh dari dorongan kuno , saat ia menjelaskan hal itu, "untuk menempa para dewa". Kisah-kisah tentang makhluk dan nasib mereka mendiskusikan banyak harapan yang sama, ketakutan dan kekhawatiran etis yang disajikan oleh kecerdasan buatan. (untuk lebih mudah nonton film Tron dan Avenger, rumor tentang dewa-dewa Yunani menjadi sangat modern dan keren).

Tahun	Kejadian
awal abad 17	René Descartes mengemukakan bahwa tubuh hewan bukanlah apa-apa melainkan hanya mesin-mesin yang rumit
Abad 17	Filsuf-filsuf seperti Aristoteles dan Plato telah berfikir tentang Maid and Brain.
1642	Blaise Pascal menciptakan mesin penghitung digital mekanis pertama
Abad 19	Charles Babbage dan Ada Lovelace bekerja pada mesin penghitung mekanis yang dapat diprogram.
1943	Warren McCulloch dan Walter Pitts menerbitkan "Kalkulus Logis Gagasan yang tetap ada dalam Aktivitas " dan meletakkan pondasi untuk jaringan syaraf.
1950-an	periode usaha aktif dalam AI
1951	Program AI pertama yang bekerja untuk menjalankan mesin Ferranti MarkI di University of Manchester (UK): sebuah program permainan naskah yang ditulis oleh Christopher Strachey dan program permainan catur yang ditulis oleh Dietrich Prinz.
1955	John McCarthy , yang menciptakan istilah AI, dan mendefinisikan sebagai "ilmu dan teknik membuat mesin cerdas."
1956	John McCarthy membuat istilah "kecerdasan buatan " pada konferensi pertama di kampus Dartmouth College,  kemudian  John McCarthy , Marvin Minsky, Allen Newell dan Herbert Simon , menjadi pemimpin penelitian AI selama beberapa dekade.
1960-an,	penelitian di AS tengah gencar didanai oleh Departemen Pertahanan dan laboratorium telah didirikan di seluruh dunia. Pendiri AI yang sangat optimis tentang masa depan bidang baru
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
1974	Paul John Werbos pertama kali menerangkan  jaringan syaraf dengan algoritma perambatan balik. proyek-proyek yang lebih produktif, baik pemerintah AS dan Inggris dipotong off semua penelitian eksplorasi diarahkan dalam AI
1980-an	penelitian AI dihidupkan kembali oleh keberhasilan komersial sistem pakar ,sebuah bentuk program AI yang disimulasikan pengetahuan dan kemampuan analisis dari satu atau lebih pakar manusia.
1985	Pasar untuk AI telah mencapai lebih dari satu miliar dolar. Jepang generasi kelima komputer proyek terinspirasi pemerintah AS dan Inggris untuk mengembalikan dana untuk penelitian akademis di lapangan
1987	Mesin Lisp pasar runtuh, AI sekali lagi jatuh ke dalam kehinaan, dan, kedua lebih lama
1990-an	perolehan besar dalam berbagai bidang AI dan demonstrasi berbagai macam aplikasi
1997	Deep Blue, sebuah komputer permainan catur, mengalahkan Garry Kasparov dalam sebuah pertandingan 6 game yang terkenal
awal abad 21	AI mencapai keberhasilan yang terbesar, meskipun agak di belakang layar. Kecerdasan buatan digunakan untuk logistik, data mining , diagnosa medis . dan banyak daerah lain di seluruh industri teknologi
2004-sekarang	sebuah pacuan kendaraan dikemudikan sendiri tanpa komunikasi dengan manusia, menggunakan GPS, komputer dan susunan sensor yang canggih, melintasi beberapa ratus mil daerah gurun yang menantang.

Klasifikasi Artificial Intelligen yang cerdas

            Artificial intelligen sendiri mirip manusia, mereka memiliki standar untuk menjadi “kecerdasan buatan”. Jadi tidak semua mesin bisa di bilang pintar. Misalnya, Program dikatakan cerdas apa bila program tersebut dapat menarik kesimpulan tertentu dari sejumlah data atau fakta yang diketahui. Namun, disamping itu, kata program kurang cocok untuk menjadi definisi AI (artificial intelligence) lebih cocok di definisikan dengan kata “pemikir”.

Jadi ada tiga elemen untuk menentukan progran cerdas atau tidak, program yang dapat menarik kesimpulan yang logis dari sejumlah fakta. Contoh paling mudah adalah game, saat kita bermain game melawan komputer maka ada pilihan tingkatan kesulitan dan program dapat memilih langkah yang paling baik (sesuai tingkatan kesulitan) untuk melawan manusia dalam game. Program tersebut harus dapat memperbaharui pengetahuan, seperti fakta (data) dan alur berfikir (aturan).

Contoh yang paing mudah hight score pada games, akan selalau berubah jika kita memainkan game tersebut. Program dapat mengingat apa yang pernah dialaminya, mungkin AI yang mempunyai kemampuan ini dibilang sudah masternya.  Contohnya, saat menggunakan internet seperti Google Crome, kali kita menekan  CTRL + H makan akan muncul History, yaitu sejarah pencarian data kita di internet.

Tujuan Artificial Intelligence

Membuat komputer lebih cerdas, misalnya mengenbangkan fungsi komputer, bukan hanya untuk tempat mengetik namun juga dapat menjadi pemutar musik mp3.

 Mengerti tentang kecerdasan, yang dimaksud dari kecerdasan adalah kemampuan untuk belajar dan mengerti dari pemahaman, memahami pesan yang kontradisi dan ambigu, menanggapi dengan cepat dan baik atas situasi yang baru, menggunakan penalaran dalam memecahkan masalah serta menyelesaikannya secara efektif.

 Membuat mesin lebih berguna, misalnya menggunakan internet, tanpa internet komputer hanya berfungsi sebagai tempat kerja atau alat mengetik, nbamun dengan menggunakan internet komputer bisa sekaligus digunakan untuk mencari informasi.

Sebenarnya tujuan dasar AI adalah untuk membantu pekerjaan manusia. Namun, bukan hanya itu, kecerdasan buatan adalah wujud dari kepintaran manusia. AI sendiri di ciptakan mengikuti cara berfikir manusia., yaitu input bagi manusia menerima informasi, prosessing bagi manisia memproses, adap tasi, asimilasi atau akomodasi, kemudian output bagai manusia itu seperti ide, pendapat atau penyelesaian masalah. Melihat dari ciri-ciri ini saja sudah sangat terlihat kecerdasan AI adalah tiruan dari kecerdasan (kognisi) Manusia.

Klasifikasi program Artificial Intelligence

1.        Permainan games, contoh gampangnya catur, soliter, spiders, dan lain-lain.

2.        Theorem proving and  automated reasioning (Pembuktian teorema dan penalaran terotomatis). Contohnya program Simon’s Logic Theorist yang memiliki manfaat untuk membuktikan suatu dalil matatematis dari sejumlah aksioma.

3.        Expert System (Sistem pakar), seperti software DENDRAL yanbg berguna untuk menetapkan struktur suatu molekul arganik dari data spektroskopi massa dan rumus kimianya. /shock

4.        Natural language Understanding and semantic medeling (Pemrosesan bahasa Alami dan peniru semantik), seperti penerjemahan dari satu bahasa ke bahasa lain.

5.        Human performence modeling (Peniru prilaku manusia), peranghkat lunak yang dapat meniru prilaku manusia dewasa ini dipakai oleh para psikolog untuk menganalisis teori Freud dan berbbagai teori psikologi lainnya.

6.        Robotic and planning (Robotika dan perencanaan), seperti robot-robot untuk industri. (lihat film Cyborg She)

Hubungan Artificial Intelligence dengan Kognisi Manusia

Kognisi manusia adalah aktifitas mental yang menggambarkan pemerolehan, penyimpanan, transformasi dan menggunakan pengetahuan. Pengenalan pola seperti menafsirkan rupa-rupa garis dan baris yang membentuk huruf dan kata. Otak manusia secara aktif mengolah info yang diterima dan mengubah dalam bentuk dan kategori yang baru.

Secara etimologis  kognisi yang bahasa inggrisnya “Cognitive” berasal dari kata cognition artinya adalah pengertian, mengerti. Beberapa tokoh penting juga ikut mengutarakan definisi menurut fersinya masing-masing diantaranya Gagne yang mengatakan “Koginisi merupakan proses yang terjadi secara internal di dalam pusat susunan saraf pada waktu manusia sedang berpikir”. Neisser, mengatakan “cognition (kognisi) adalah perolehan, penataan, dan penggunaan pengetahuan”

Dalam wikipedia sendiri kognisis manusia di definisikan sebagai kepercayaan seseorang tentang sesuatu yang didapatkan dari proses berpikir tentang seseorang atau sesuatu. Proses yang dilakukan adalah memperoleh pengetahuan dan memanipulasi pengetahuan melalui aktivitas mengingat, menganalisis, memahami, menilai, menalar, membayangkan dan berbahasa. Kapasitas atau kemampuan kognisi biasa diartikan sebagai kecerdasanatau inteligensi. Selain itu banyak bidang ilmu yang mempelajari kognisi beragam, seperti  psikologi, filsafat,  komunikasi, neurosains, serta kecerdasan buatan (AI).

	Komputer Berbasis silikon (jenis von Neumann)	Otak berbasis karbon (manusia)
Kecepatan proses	Dalam nanodetik	Dalam milidetik sampai beberapa detik
Jenis	Rangkaian prosesor (kebanyakan)	Prosesor parallel (kebanyakan)
Kapasitas Penyimpanan	Sangat besar, untuk informasi berkode digital	Sangat besar, untuk informasi visual dan linguistik
Kerjasama	Sangat patuh	Cukup kooperatif
Kemampuan belajar	Sesuai aturan yang ditetapkan	konseptual
Fitur unggulan	Mampu memproses data yang banyak dalam waktu yang singkat, efisian dalam biaya, sudah teratur, mudah dirawat, dan bisa ditebak	Mampu membuat penilaian, kesimpulan, dan penyamarataan dengan mudah. Pergerakannya; memiliki bahasa, percakapan, vision dan emosi
Fitur terburuk	Tidak mampu belajar sendiri dengan cepat; memliki kesulitan dengan tugas kognitif manusia yang rumit, seperti pemahaman bahasa dan produksi.	Memiliki kapasitas penyimpanan dan pemrosesan informasi yang terbatas; pelupa dan cukup mahal dalam pemenuhan permintaan makanan, tidur, suhu udara.

Kognisi Manusia dan Artificial Intelligence

Dari definisi kognitif manusia di atas, akan ditemukan hubungan antara kognisi manusia dan AI. Untuk menjelaskan mengenai kognisis manusia yang rumit saja terkadang dosen lebih mudah menjelaskan  jika menghubungkannya dengan artificial intelligence, karena AI memang benar dibuat serupa dengan kognisi manusia namun dengan fersi yang lebih sederhana.

Kognisis manusia sangat mempengaruhi perkembangan AI, karena untuk mencapai standar kecerdasan buatan yang berkualitas memerlukan pemahaman mengenai kognisis manusia. Sehingga AI tidak akan mudah lepas dari kognisi manusia, terutama di bagian arsitektur komputer. Hal ini sudah pernah di bahas pada tugas sebelumnya. Untuk mengetahui lebih dalam hubungan anatar arsitektur komputer dan kognisis manusia silahkan buka tugas saya yang sebelumnya.

 Namun kedepannya, hubungan AI dan kognisis manusia akan saling mempengaruhi, karena perkembangan kognisis manusia sekarang ini telah di pengaruhi oleh kecerdasan buaatn yang kian berkembang. Misalnya saja, dulu manusia untuk memeperoleh informasi sangat susah, sehingga manusia hanya sering menggunakan fisik atau tenaga, namun manusia saat ini sangat mudah mencari informasi sehingga kognisis manusia dulu dan sekarang saja sudah jauh berbeda. Istilah para orang tua “anak lebih pandai dari orang tua” karena terkadang anak-anak mereka lebih pandai karena memiliki informasi yang sangat banya akibat berkembangnya AI ini. Jadi kedepannya kognisis manusia juga bisa dipengaruhi oleh AI, bahkan mungkin bukan hanya kognisi namun fisik pun bisa berpengaruh.

Ada bidang ilmu lain yang mempelajari hubungan antara kognisi manusia dan komputer atau AI, yaitu kognitif sain (dalam bahasa Inggriscognitive scaince). Sebenarnya kognitif sain adalah ilmu interdisipliner antara Filsafat (yang merupakan induk dari ilmu-ilmu),Psikologi  atau kognisi, AI, Antropologi, Linguistik, dan neurosain (ilmu tentang syaraf). Dan adanya cabang ilmu ini sangat mendorong kemajuan AI dan bidang-bidang lain tentunya.

Referensi

Ø  Herianto, T. (1993).teknik pemograman turmbo Prolog. Yogyakarta: AndiOffset.

Ø  Kusrini, R. (2006).Sistem pakar dan teori aplikasi. Yogyakarta: AndiOffset.

Ø  Fattah, H,A.(2009).Rekayasa sistem pengenalan wajah. Yogyakarta: AndiOffset.

Ø  McLeod, Jr., Raymond., Schell, George.P. (2008). Sistem Informasi Manajemen. Jakarta : Salemba Empat

Ø  Ma’arif, M. S., Tanjung, H.(2003). Manajemen Operasi. Jakarta :Gramedia

Ø  Solso, R. L., Maclin, O. H., Maclin, M. K. (2009). Psikologi Kognitif. Jakarta: Erlangga

Ø  Matthews, Robert. (2008). 25 gagasan Besar sains yang mengubah dunia kita. Jakarta : Serambi Ilmu Semesta