Sistem cerdas di KPN Telecom digunakan untuk mengatur 35.000 workstation dengan berbagai konfigurasi agar tetap berfungsi dengan baik. Sistem ini menangkap, mengatur, dan mengotomatisasi instalasi serta perawatan workstation untuk mengurangi biaya pemeliharaan yang memakan waktu. Sistem berbasis pengetahuan ini berhasil menurunkan biaya dan meningkatkan kualitas layanan.

1. Pengantar Kecerdasan
Buatan
Business Intelligence and Knowledge Management
SISTEM INFORMASI MANAJEMEN

2. Sketsa
Sistem Cerdas di KPN Telecom
• Perusahaan telekomunikasi utama yg
menawarkan jaringan fix-line di Belanda
• Layanan data/IP di Eropa Barat
• Layanan mobile di Belanda, Jerman, dan
Belgia
• Karyawan 38.000
• Pelanggan fix: 7,9 juta; Mobile: 13,4 juta;
Internet: 1,4 juta
• Bagimana operasional berjalan dengan
efisien dan dengan biaya minimum

3. Sistem Cerdas di KPN Telecom
Masalah:
• Bagaimana mengatur 35.000 workstation tetap
bekerja dg benar
• Konfigurasi hardware dan software yg berbeda-beda
• Panggilan layanan perbaikan oleh pelanggan terus
menerus
• Maintenance sangat memakan waktu dan dapat
menimbulkan rasa frustasi
• Sebagian pengetahuan pemeliharaan yg substansial
hilang karena pergantian atau pensiun karyawan

4. Sistem Cerdas di KPN Telecom
Solusi:
• Mengembangkan Sistem berbasis aturan
Archimides
• Menangkap, mengatur dan mengotomatisasi
instalasi dan perawatan 35.000 workstation
• Knowledge base dan antarmuka pengguna
yg mudah digunakan
• Unit pemroses bahasa alami (natural
language) yg dapat berkomunikasi dg
pengguna

5. Hasil
• Implementasi yang sukses
• Penurunan substansial dalam pengaturan SDM
• Kualitas pelayanan yang baik
• Masalah maintenance yang ruwet dapat diatasi
dan memberikan efisiensi serta biaya murah

6. • Dalam beberapa situasi keputusan, dukungan
dari manajemen data dan model masih belum
cukup
• Dukungan tambahan dari sistem pakar untuk
menggantikan pakar manusia, dengan
menyediakan pengetahuan yg diperlukan
• Situasi tersebut menggunakan pengetahuan
kualitatif ketimbang model matematis
• Sistem berbasis pengetahuan  kecerdasan
buatan (Artificial Intelligence)

7. KONSEP & DEFINISI
KECERDASAN BUATAN

8. A Mental Exercise:
Why Artificial Intelligence
First let’s try some alternatives:
• Fake intelligence
• Synthetic intelligence
• Imitation intelligence
• Simulated intelligence

9. Definisi Kecerdasan Buatan (1)
H. A. Simon [1987]:
• “Kecerdasan buatan (artificial intelligence)
merupakan kawasan penelitian, aplikasi dan
instruksi yang terkait dengan pemrograman
komputer untuk melakukan sesuatu hal yang
dalam pandangan manusia adalah cerdas”

10. Definisi Kecerdasan Buatan (2)
Rich and Knight [1991]:
• “Kecerdasan Buatan (AI) merupakan
sebuah studi tentang bagaimana
membuat komputer melakukan hal-hal
yang pada saat ini dapat dilakukan
lebih baik oleh manusia.”

11. Definisi Kecerdasan Buatan (3)
Encyclopedia Britannica:
“Kecerdasan Buatan (AI) merupakan
cabang dari ilmu komputer yang dalam
merepresentasi pengetahuan lebih
banyak menggunakan bentuk simbol-
simbol daripada bilangan, dan
memproses informasi berdasarkan
metode heuristic atau dengan
berdasarkan sejumlah aturan”

12. Other Definition
• AI is a collection of hard problems which can
be solved by humans and other living things,
but for which we don’t have good algorithms
for solving.
• e. g., understanding spoken natural language,
medical diagnosis, circuit design, learning, self-
adaptation, reasoning, chess playing, proving math
theories, etc.

13. A Framework
“The automation of activities
that we associate with human
thinking…”
Bellman 1978
“The study of mental faculties
through the use of
computational models”
Charniak & McDermott
“The study of how to make
computers do things at which at
the moment people are better.
Rich&Knight
“The branch of CS that is
concerned with the automation
of intelligent behavior.” Lugar &
Stubblefield

14. Our Framework
Getting computers to do the right thing based
on their circumstances and what they know.
• No presuppositions about how they should be
designed to do the right thing
• I.e. not limited to how people do it
• Evaluation is based on performance, not on
how the task is performed

15. Tujuan dari kecerdasan buatan
Winston dan Prendergast [1984]:
1. Membuat mesin menjadi lebih pintar
(tujuan utama)
2. Memahami apa itu kecerdasan (tujuan
ilmiah)
3. Membuat mesin lebih bermanfaat (tujuan
entrepreneurial)

16. Ciri “Cerdas”
• Mampu belajar dari pengalaman
• Memahami pesan-pesan yang ambigous atau
kontradiktif
• Merespon secara cepat dan benar terhadap
situasi baru
• Melakukan reasoning (pertimbangan) untuk
menyelesaikan masalah

17. More …
• Mampu menghadapi situasi yang
membingungkan
• Memahami dan menyimpulkan dengan
rasional biasa
• Menerapkan pengetahuan untuk
memanipulasi lingkungan
• Berpikir dan mempertimbangkan
• Mengenali kepentingan relatif elemen yg
berbeda dalam suatu situasi

18. TURING TEST
• Turing Test merupakan sebuah metode pengujian kecerdasan
yang dibuat oleh Allen Turing.
• Proses uji ini melibatkan seorang penanya (manusia) dan dua
obyek yang ditanyai. Manusia dan Mesin
• Penanya tidak bisa melihat langsung kepada obyek yg ditanyai
• Penanya diminta untuk membedakan mana jawaban komputer
dan mana jawaban manusia berdasarkan jawaban kedua obyek
tersebut.
• Jika penanya tidak dapat membedakan mana jawaban mesin
dan mana jawaban manusia maka Turing berpendapat bahwa
mesin yang diuji tersebut dapat diasumsikan CERDAS.

19. Contoh Mesin Cerdas
Komputer Cerdas mengalahkan Grand
Master Catur
• Tahun 1997, Deep Blue, sistem komputer
dengan AI mengalahkan juara dunia catur
Gary Kasparov (pecatur terbaik yg pernah
ada). Dalam pertandingan 6 game
• Deep Blue, mesin IBM RS/6000 SP, mampu
memeriksa 200 juta langkah per detik
atau 50 milyar posisi dalam 3 menit

20. Perspektif Kecerdasan
• Dari perspektif
Kecerdasan
(Intelligence) AI
adalah bagaimana
membuat mesin
yang “cerdas” dan
dapat melakukan
hal-hal yang
sebelumnya dapat
dilakukan oleh
manusia

21. Perspektif Bisnis
•Dari perspektif bisnis, AI
adalah sekelompok alat bantu
(tools) yang berdaya guna,
dan metodologi yang
menggunakan tool-tool
tersebut guna menyelesaikan
masalah-masalah bisnis.

22. Perspektif Pemrograman
•Dari perspektif pemrograman
(Programming), AI termasuk
didalamnya adalah studi
tentang pemrograman
simbolik, pemecahan
masalah, proses pencarian
(search)

23. • Umumnya program AI lebih fokus pada
simbol-simbol daripada pemrosesan
numerik (huruf, kata, angka untuk
merepresentasikan obyek, proses dan
hubungannya).
• Pemecahan masalah -> pencapaian tujuan
• Search -> jarang mengarah langsung ke
solusi. Proses search menggunakan
beberapa teknik.

24. Bahasa pemrograman AI
• LISP, dikembangkan awal tahun 1950-an,
bahasa pemrograman pertama yang
diasosiasikan dengan AI.
• PROLOG, dikembangkan pada tahun 1970-an.
• Bahasa pemrograman berorientasi obyek
(Object Oriented Programming (Objective C,
C++, Smalltalk, Java)
• Saat ini banyak tools & bahasa pemrograman
yang dikembangkan untuk AI, termasuk juga
AI berbasis web (internet)

25. Sejarah AI
Awal kelahiran AI (1943 – 1956)
• Pitts and McCulloch (1943): simplified mathematical
model of neurons (resting/firing states) can realize all
propositional logic primitives (can compute all Turing
computable functions)
• Allen Turing: Turing machine and Turing test (1950)
• Claude Shannon: information theory; possibility of
chess playing computers
• Tracing back to Boole, Aristotle, Euclid (logics,
syllogisms)

26. Sejarah AI …
Early enthusiasm (1952 – 1969)
• 1956 Dartmouth conference
• John McCarthy (Lisp-AI programming language);
• Marvin Minsky (first neural network machine);
• Alan Newell and Herbert Simon (GPS);Emphasize
on intelligent general problem solving
• Resolution by John Robinson (basis for automatic
theorem proving);
• heuristic search (A*, AO*, game tree search)

27. Emphasis on knowledge (1966 – 1974)
• domain specific knowledge is the key to
overcome existing difficulties
• knowledge representation (KR) paradigms
• declarative vs. procedural representation

28. Knowledge-based systems (1969 – 1999)
• DENDRAL: the first knowledge intensive system
(determining 3D structures of complex chemical
compounds)
• MYCIN: first rule-based expert system (containing
450 rules for diagnosing blood infectious diseases)
• EMYCIN: an ES shell
• PROSPECTOR: first knowledge-based system that
made significant profit (geological ES for mineral
deposits)

29. • AI became an industry (1980 – 1989)
• wide applications in various domains
• commercially available tools
• Current trends (1990 – present)
• more realistic goals
• more practical (application oriented)
• distributed AI and intelligent software agents
• resurgence of neural networks and emergence
of genetic algorithms

30. AI vs Pemrograman Konvensional

31. Karakteristik AI
• Numeric versus Symbolic
• Algorithmic versus Non algorithmic

32. Pemrosesan Simbolik
• Komputer semula didisain untuk memproses
bilangan/angka-angka (pemrosesan numerik).
• Sementara manusia dalam berpikir dan menyelesaikan
masalah lebih bersifat simbolik, tidak didasarkan
kepada sejumlah rumus atau melakukan komputasi
matematis.
• AI merupakan bagian dari ilmu komputer yang
memerlukan proses secara simbolik dan non-
algoritmik dalam penyelesaian masalah
32

33. AI Represents Knowledge as Sets of
Symbols
• Simbol adalah sebuah string (kumpulan karakter)
yang mengartikan sebuah konsep/benda/kondisi
dunia nyata
• Misalnya:
• Product
• Defendant
• 0.8
• Chocolate
33

34. HEURISTIC
• Istilah Heuristic diambil dari bahasa
Yunani yang berarti menemukan
• Heuristic merupakan suatu strategi untuk
melakukan proses pencarian (search)
ruang problema secara selektif, yang
memandu proses pencarian yang kita
lakukan di sepanjang jalur yang memiliki
kemungkinan sukses paling besar.

35. INFERENCING
PENARIKAN KESIMPULAN (INFERENCING)
• AI mecoba membuat mesin memiliki
kemampuan berpikir atau
mempertimbangkan (reasoning)
• Kemampuan berpikir (reasoning) termasuk
didalamnya proses penarikan kesimpulan
(inferencing) berdasarkan fakta-fakta dan
aturan dengan menggunakan metode
heuristik atau metode pencarian lainnya.

36. AI vs Natural Intelligence
Keuntungan Kecerdasan Buatan dibanding kecerdasan
alamiah:
• lebih permanen
• memberikan kemudahan dalam duplikasi dan penyebaran
• relatif lebih murah dari kecerdasan alamiah
• Konsisten dan teliti
• Dapat didokumentasi
• Dapat mengerjakan beberapa task dengan lebih cepat dan
lebih baik dari manusia

37. AI vs Natural Intelligence
Keuntungan Kecerdasan Alamiah dibanding
kecerdasan buatan
• Bersifat lebih kreatif
• Dapat melakukan proses pembelajaran secara
langsung, sementara AI harus mendapatkan
masukan berupa simbol dan epresentasi-
representasi
• Fokus yang luas sebagai referensi untuk
pengambilan keputusan sebaliknya AI
menggunakan fokus yang sempit

38. • Komputer dapat:
• mengumpulkan informasi tentang obyek,
• kegiatan (events),
• proses
• dan dapat memproses sejumlah besar informasi
dengan lebih efisien dari yang dapat dikerjakan
manusia,
• Tetapi manusia dapat melakukan hal yang sulit untuk
diprogram pada komputer, yaitu:
• mengenali (recognize) hubungan antara hal-hal tersebut,
• menilai kualitas, dan
• menemukan pola yang menjelaskan hubungan tersebut.

39. AI Computing
• Berdasarkan manipulasi dan representasi
simbolik
• Simbol bisa dalam bentuk huruf, kata, atau
angka, yang merepresentasikan objek,
proses dan hubungannya. Objek bisa
berarti: suatu benda, ide, konsep, kegiatan
(events) atau pernyataan fakta
• Membuat pangkalan pengetahuan simbolik
(symbolic knowledge base)
39

40. AI Computing (cont’d)
• Manipulates symbols to generate advice
• AI reasons or infers with the knowledge base by
search and pattern matching
• Hunts for answers (via algorithms)
40

41. AI Computing (cont’d)
• Caution: AI is NOT magic
• AI is a unique approach to programming
computers
41

42. Does a Computer Really Think?
• WHY?
• WHY NOT?
• Dreyfus and Dreyfus [1988] say NO!
• The Human Mind is Very Complex
• Kurzweil says Soon
42

43. AI Method are Valuable
• Memodelkan bagaimana manusia berpikir
(think)
• Metode untuk mengaplikasikan kecerdasan
manusia
• Memudahkan penggunaan komputer
• Membuat berbagai pengetahuan tersedia
• Mensimulasi sebagian dari pikiran manusia

44. Applied Areas of AI
• Game playing
• Speech and language processing
• Expert reasoning
• Planning and scheduling
• Vision
• Robotics

45. Some Examples
• Playing chess
• Driving on the
highway
• Translating languages
• Recognizing speech
• Diagnosing diseases
• Mowing the lawn

46. Playing Chess
• Environment?
• Board
• Actions?
• Legal moves
• Doing the right thing?
• Moves that lead to wins

47. Recognizing Speech
• Environment
• Audio signal
• Knowledge of user
• Actions
• Choosing word sequences
• Doing the right thing
• Recovering the users words

48. Diagnosing Diseases
• Environment
• Patient information
• Results of tests
• Actions
• Choosing diseases
• Choosing treatments
• Doing the right thing
• Eliminating disease

49. Translation
• Environment
• Source text to be translated
• Actions
• Word sequences in target language
• Doing the right thing?
• Words that achieve the same effect
• Words that are faithful to the source

50. Driving
• Environment
• Restricted access highway
• Actions
• Accelerate, brake, turn, navigate, other controls
• Doing the right thing
• Stay safe, get where you want to go, get there
quickly, don’t get a ticket

51. Lawn Mowing
• Environment
• Lawn
• Actions
• Cut
• Navigate
• Refuel
• Doing the right thing
• Make lawn look good in a timely manner

53. AI Task Domain
• Formal tasks (matematika, games)
• Mundane task (perception, robotics, natural
language, common sense, reasoning)
• Expert tasks (financial analysis, medical
diagnostics, engineering, scientific analysis,
dll)

54. • NATURAL LANGUAGE : Suatu teknologi yang
memberikan kemampuan kepada komputer untuk
memahami bahasa manusia sehingga pengguna
komputer dapat berkomunikasi dengan komputer
dengan menggunakan bahasa sehari -hari.
• ROBOTIK DAN SISTEM SENSOR: Sistem sensor,
seperti sistem vision, sistem mekanik, dan sistem
pemrosesan sinyal jika dikombinasikan dengan AI,
dapat dikategorikan kedalam suatu sistem yang
luas yang disebut sistem robotik.

55. • EXPERT SYSTEM: Sistem pakar (Expert System)
adalah program penasehat berbasis komputer
yang mencoba meniru proses berpikir dan
pengetahuan dari seorang pakar dalam
menyelesaikan masalah -masalah spesifik.

56. Major AI Areas
• Expert Systems
• Natural Language Processing
• Speech Understanding
• Robotics and Sensory Systems
• Computer Vision and Scene
Recognition
• Intelligent Computer-Aided Instruction
• Neural Computing
56

57. Additional AI Areas
• News Summarization
• Language Translation
• Fuzzy Logic
• Genetic Algorithms
• Intelligent Software Agents
57

58. AI pada Produk Komersil
• Anti-lock Breaking Systems
• Video CAMcorders
• Appliances
• Washers
• Toasters
• Stoves
• Data Mining Software
• Help Desk Software
• Subway Control
58

59. The AI Field
• Many Different Sciences & Technologies
• Linguistics
• Psychology
• Philosophy
• Computer Science
• Electrical Engineering
• Hardware and Software
59

60. (More)
• Mechanics
• Hydraulics
• Physics
• Optics
• Others
• Commercial, Government and Military
Organizations
60

61. Plus
• Management and Organization Theory
• Chemistry
• Physics
• Statistics
• Mathematics
• Management Science
• Management Information Systems
61

62. TERIMA KASIH
Pertemuan berikut:
• Manajemen pengetahuan
• Sistem Keamanan Informasi