Pengantar teknologi sistem cerdas : Artificial Intelligence

 DEFINISI AI

Kecerdasan Buatan (Artificial Intelligence) merupakan salah satu bagian dari ilmu komputer yang mempelajari bagaimana membuat mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan manusia bahkan bisa lebih baik daripada yang dilakukan manusia.

SEJARAH AI

Kecerdasan buatan sebenarnya sudah dimulai sejak musim panas tahun 1956. pada waktu itu sekelompok pakar komputer, pakar dan peneliti dari disiplin ilmu lain dari berbagai akademi, industri serta berbagai kalangan berkumpul di Dartmouth College untuk membahas potensi komputer dalam rangka menirukan atau mensimulasi kepandaian manusia. Beberapa ilmuwan yang terlibat adalah Allen Newel, Herbert Simon, Marvin Miskey, Oliver Selfridge, dan John McCarthy. Sejak saat itu, para ahli mulai bekerja keras untuk membuat, mendiskusikan, merubah dan mengembangkan sampai mencapai titik kemajuan yang penuh. Mulai dari laboratorium sampai pada pelaksanaan kerja nyata.

        Pada mulanya kecerdasan buatan hanya ada di universitas dan laboratorium penelitian, dan hanya sedikit sekali – jika ada produk praktis yang sudah dikembangkan. Menjelang akhir tahun 1970-an dan awal tahun 1980-an, mulai dikembangkan secara penuh dan hasilnya secara berangsur-angsur mulai dipasarkan. Saat ini, sudah banyak hasil penelitian yang sedang dan sudah dikonversikan menjadi produk nyata yang membawa keuntungan bagi pemakainya.

KONSEP AI

1. Meniru beberapa fungsi otak manusia.
2. Komputer diberitahu tentang suatu masalah.
3. Programnya dapat ditulis dalam semua bahasa pemrograman termasuk bahasa pemrograman khusus untuk aplikasi Kecerdasan Buatan seperti Prolog dan LISP.
4. Dapat dibuatkan hardware khusus dan dapat pula dijalankan pada semua jenis komputer
5. Komputer diberi pengetahuan tentang suatu wilayah subyek masalah tertentu dengan ditambah kemampuan inferensi.
6. Didasarkan pada representasi dan manipulasi simbol.
7. Pengolahan objek bersifat kuantitif.

STUDI KASUS

Prototip model multiagen untuk komputasi kinerja proyek perusahaan ini pada dasarnya telah dibangun dengan menggunakan bahasa pemrograman java dan Agent Jadex versi 0.96, yang bersifat open source dan bebas digunakan untuk tujuan penelitian. Beberapa komponen package library java yang juga bersifat open source digunakan untuk pemrosesan data seperti ChartDirector dan jsGantt untuk pembuatan grafik atau chart. Antarmuka pada sisi pengguna dibangun dengan bahasa pemrogram Javascript versi prototype window (juga bersifat open source). Tampilan antarmuka dalam bentuk window dapat lebih memudahkan pengguna untuk mengatur dan melihat beberapa infomasi proyek perusahaan secara bersamaan, tanpa perlu berpindah antar halaman web. Sedangkan untuk menangani komunikasi client-server digunakan perangkat lunak Glassfish dan Tomcat server sebagai web server.

Gambar 6: Bagian kode program agen aPerformancesProgress.agent.xml

Sebagai contoh, pada Gambar 6 diperlihatkan kode program dari file ADF (agent definition file, bahasa Jadex) dari agen aPerformancesProgress. Agen ini memiliki lima buah achieve goal, yaitu gShowProgress, gShowProjectPerformance, gDisplaySGraph, gDetailGanttProjects, gDisplay ReportStaff. Sedangkan bagian kode program java dari plan pShowProjectProgress diperlihatkan pada Gambar 7.

Gambar 7: Bagian kode program  pShowProjectProgress.java

Pada Gambar 8 ditunjukkan tampilan dalam halaman web sebuah hasil pengujian dari prototip yang telah dibangun. Hasil ini untuk menunjukkan kemampuan dari agenagen dalam berkoordinasi untuk menyediakan informasi kinerja kemajuan dari seluruh proyek yang sedang dilaksanakan oleh perusahaan. Pada window Project Performances terlihat nilai kinerja yang dicapai oleh setiap proyek dalam bentuk bar chart dan tabel. Sebagai contoh Project Company High Internet (dengan nilai CPI 0.77 dan SPI 0.67 yang berarti berjalan normal), Project School Speedy I (dengan nilai CPI 1.03 dan SPI 0.96 yang berarti berkinerja cukup baik), dan Project Banana 2.0 (dengan nilai CPI 0.43 dan SPI 0.58 yang berarti berkinerja tidak bagus). Sedangksn pada window Grafics S terlihat nilai kinerja komulatif dalam periode waktu bulanan untuk Project School Speedy I dalam bentuk kurva S.

Gambar 8: Tampilan hasil kinerja proyek-proyek dalam grafik barchar dan kurva-S

Kesimpulan yang didapat, penelitian ini telah berhasil membangun sebuah prototip aplikasi cerdas berbasis model sistem multiagen dan dapat dijalankan didalam lingkungan web. Terdapat lima agen cerdas yang dapat bekerjasama telah dikembangkan dengan tujuan agar mampu melakukan proses komputasi kinerja kemajuan dari pelaksanaan proyek-proyek perusahaan. Seperti agen-ekstrator, agen-pelacak-status, agenmonitor, agen-pengendali, dan agen-analisis-kinerja. Berdasarkan pada beberapa data simulasi dan hasil pengujian terhadap prototip yang dibangun menunjukan bahwa sistem multiagen telah mampu melakukan komputasi numeris untuk nilai-nilai kinerja kemajuan dari pelaksanaan proyekproyek perusahaan. Informasi kinerja yang diperoleh ditampilkan dalam bentuk grafik barchart dan grafik S.

Sumber :

Dahria, Muhammad. 2008. Kecerdasan Buatan (Artificial Intelligence). Jurnal SAINTIKOM.

Amrizal, Victor. Aini, Qurrotul. 2013. Kecerdasan Buatan. Jakarta. Halaman Moeka.

Azhari. Subanar. Wardoyo, Retantyo. Hartati, Sri. 2009. SISTEM AGEN CERDAS BERBASIS WEB UNTUK KOMPUTASI INFORMASI KINERJA DARI PELAKSANAAN PROYEK-PROYEK PERUSAHAAN. Jurnal Ilmiah Teknologi Informasi.