Pages

Subscribe:
Selamat Datang Di Blog MK =Kecerdasan Buatan= Mahasiswa TI Semester 7 UBI Banyuwangi

Labels

Jumat, 14 Desember 2012

Materi Minggu 8

Untuk Belajar Materi Mata Kuliah AI Minggu ke 8 Silahkan Download Disini (PPT) atau Disini (WoRD)

Jumat, 30 November 2012

Sedikit Mengenai Sejarah Kecerdasan Buatan

Kecerdasan buatan, Pertama kali ditemukan oleh seorang profesor dari Massachusetts Institute of Technology yang bernama John McCarthy pada tahun 1956 pada Dartmouth Conference yang dihadiri oleh para peneliti AI. Pada konferensi tersebut juga didefinisikan tujuan utama dari kecerdasan buatan, yaitu mengetahui dan memodelkan proses-proses berpikir manusia dan mendesain mesin agar dapat menirukan kelakuan manusia tersebut.



* Beberapa program AI yang mulai dibuat pada tahun 1956-1966 antara lain :

1. Logic Theorist, diperkenalkan pada Dartmouth Conference, program ini dapat membuktikan teorema-teorema matematika.
2. Sad Sam, diprogram oleh Robert K. Lindsay (1960). Program ini dapat mengetahui kalimat-kalimat sederhana yang ditulis dalam bahasa Inggris dan mampu memberikan jawaban dari fakta-fakta yang didengar dalam sebuah percakapan.
3. ELIZA, diprogram oleh Joseph Weinzenbaum (1967). Program ini mampu melakukan terapi terhadap pasien dengan memberikan beberapa pertanyaan.


Kecerdasan Buatan dengan Menggunakan Komputer Sebagai Sarana

Makin pesatnya perkembangan teknologi menyebabkan adanya perkembangan dan perluasan lingkup yang membutuhkan kehadiran kecerdasan buatan. Karakteristik cerdas sudah mulai dibutuhkan di berbagai disiplin ilmu dan teknologi. Kecerdasan buatan tidak hanya merambah di berbagai disiplin ilmu yang lain. Irisan antara psikologi dan kecerdasan buatan melahirkan sebuah area yang dikenal dengan nama cognition & psycolinguistics. Irisan antara teknik elektro dengan kecerdasan buatan melahirkan berbagai ilmu seperti pengolahan citra, teori kendali, pengenalan pola, dan robotika.

Persoalan-persoalan yang mula-mula ditangani kecerdasan buatan adalah pembuktian teorema dan permainan (game). Seorang periset kecerdasan buatan yang bernama Samuel menuliskan program permainan catur yang tidak hanya sekedar bermain catur, namun program tersebut juga dibuat agar dapat menggunakan pengalamannya untuk meningkatkan kemampuannya. Sementara itu, Newell, seorang ahli teori logika berusaha membuktikan teorema-teorema matematika.

Adanya irisan penggunaan kecerdasan buatan di berbagai disiplin ilmu tersebut menyebabkan cukup rumitnya untuk mengklasifikasikan kecerdasan buatan menurut disiplin ilmu yang menggunakannya. Untuk memudahkan hal tersebut, maka pengklasifikasian lingkup kecerdasan buatan didasarkan pada output yang diberikan yaitu pada aplikasi komersial (meskipun sebenarnya kecerdasan buatan itu sendiri bukan merupakan medan komersial).

Lingkup utama dalam kecerdasan buatan adalah :

1. Sistem Pakar (Expert System).
Di sini komputer digunakan sebagai sarana untuk menyimpan pengetahuan para pakar. Dengan demikian komputer akan memiliki keahlianuntuk menyelesaikan permasalahan dengan meniru keahlian yang dimiliki oleh pakar.
2. Pengolahan Bahasa Alami (Natural Language Processing).
Dengan pengolahan bahasa alami ini diharapkan user dapat berkomunikasi dengan komputer dengan menggunakan bahasa sehari-hari.
3. Pengenalan Ucapan (Speech Recognition).
Melalui pengenalan ucapan diharapkan manusia dapat berkomunikasi dengan komputer menggunakan suara.
4. Robotika & Sistem Sensor (Robotics & Sensory Systems).
5. Computer Vision.
dapat menginterpretasikan gambar atau obyek-obyek tampak melalui komputer.
6. Intelligent Computer-Aided Instruction.
Komputer dapat digunakan sebagai tutor yang dapat melatih dan mengajar.
7. Game Playing.
Bermain Game dapat Maksimalkan Kerja Otak Logika & Mnemonic

Seiring dengan perkembangan teknologi, muncul beberapa teknologi yang juga bertujuan untuk membuat agar komputer menjadi cerdas, sehingga dapat menirukan kerja manusia sehari-hari.

Teknologi ini juga mampu mengakomodasi adanya ketidakpastian dan ketidaktepatan data input. Dengan didasari pada teori himpunan, maka pada tahun 1965 muncul Logika Fuzzy. Kemudian pada tahun 1975 John Holland mengatakan bahwa setiap problem berbentuk adaptasi (alami maupun buatan) secara umum dapat diformulasikan dalam terminologi genetika. Algoritma Genetika ini merupakan simulasi proses evolusi Darwin dan operasi genetika atas kromosom.

NAMA:RINDA DEWI HARTATIK
0955201046

Teknologi Masa Kini & Masa Depan

Teknologi Masa Kini & Masa Depan

Pernahkah Anda membayangkan bagaimana teknologi telekomunikasi 10 tahun ke depan? Teknologi telekomunikasi mengalami kemajuan yang sangat pesat beberapa tahun terakhir ini, dan akan semakin melesat perkembangannya dalam 10 tahun mendatang. Industri-industri telekomunikasi saling berlomba untuk menciptakan alat atau aplikasi canggih untuk memudahkan pekerjaan manusia. Aplikasi telekomunikasi di masa kini dan masa mendatang didominasi oleh penerapan artificial intelligent (kecerdasan buatan), dan teknologi semantic web. Definisi kecerdasan buatan menurut H. A. Simon [1987] adalah “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”.
Salah satu bentuk yang ditawarkan oleh artificial intelligence dalam teknologi komunikasi adalah A-Life (Artificial Life). A-life merupakan salah satu studi teknologi komunikasi berbasis Artificial Intelligence yang membahas tentang sistem kehidupan buatan dan prosesnya dalam teknologi komunikasi komputer. Salah satu contohnya adalah dalam game komputer. Contoh game komputer Artificial life adalah The Sims. Pemain dari The Sims dapat menentukan warna kulit, bentuk badan yang diinginkan, sifat/kepribadian yang dapat di-adjust, jenis pekerjaan yang diinginkan secara virtual. Pemainnya juga dapat menentukan bagaimana cara tokoh The Sims-nya bersosialisasi, serta mengatur mood The Sims. Biasanya, pemain akan tenggelam dalam permainan tersebut, terlibat secara mendalam di dunia virtualnya.
The Sims
Contoh artificial intelligent yang merupakan computer vision  adalah Xbox 360 Kinect Project Natal keluaran Microsoft dimana dalam memainkan game atau aplikasi didalamnya tidak diperlukan alat kendali apapun. Game Xbox 360 Kinect akan mengenali gerak tubuh, suara, menscan benda/objek nyata untuk dipilih dan dimainkan di Xbox 360.  Game Xbox 360 dapat dimainkan serta berinteraksi dengan orang-orang di lokasi berbeda pada saat bersamaan serta dapat menjadi tim atau lawan main dengan pemain di lokasi berbeda. Selain untuk game, Xbox juga terdapat aplikasi untuk memilih dan memutar film, bahkan dapat berinteraksi dengan teman (video conference), serta dapat juga melakukan simulasi pemilihan baju. Mungkin masih banyak aplikasi lain yang ada didalam Xbox 360 Kinect. Sungguh teknologi telekomunikasi yang luar biasa.
Xbox Kinect
Bagaimana jika di masa mendatang ada teknologi “rumah pintar” dan segala peralatan elektronik yang ada didalam rumah tersebut dapat dikontrol secara terpusat dan bahkan dapat melakukan tugasnya secara otomatis?.  Anda tentu tidak akan merasa direpotkan dengan pekerjaan rumah jika semua peralatan elektronik dirumah dapat melakukan tugasnya secara otomatis, dan Anda dapat melakukan hal lain diluar rumah serta Anda dapat mengetahui keadaan rumah Anda melalui handphone atau peralatan komunikasi lain.  Kini dengan teknologi elektronik terbaru yang dinamakan “smart home”, Anda bisa mengkontrol alat-alat elektronik Anda hanya dengan satu pengontrol pusat, ataupun Anda bisa mengontrolnya ketika Anda tidak berada di rumah. Hanya dengan mengakses ke unit kontrol utama sistem “smart home”, dimanapun Anda berada, Anda bisa menyala atau mematikan alat-alat elektronik seperti lampu, pemanas air, kulkas, TV dan microwave, Anda juga bisa mengaktifkan sistem keamanan, atau mengatur alat temperatur seperti AC atau pemanas udara, dan juga bisa melihat keadaan luar dan dalam rumah lewat kamera keamanan (CCTV) Anda.
Smart Home
Ericsson mengeluarkan video di YouTube berjudul “The Social Web of Thing” berdurasi 4 menit 8 detik. Video tersebut menceritakan bagaimana David (penghuni rumah) dapat berkomunikasi dengan rumah melalui device yang saling terhubung melalui jaringan internet. Device rumah dapat memantau aktivitas David diluar rumah dan tahu bagaimana menyambut David ketika David sampai dirumah. Device rumah David melakukan tugasnya secara otomatis. Contohnya : Vacuum cleaner menyedot debu karpet sendiri, tungku perapian menyala otomatis ketika David tiba dirumah dan cuaca diluar sedang hujan.
Gambar dari video “The Social Web of Things”
Ericsson memberikan tema “everything is connected” di dalam videonya yang berjudul  “The Social Web of Thing”. Didalam video tersebut diceritakan bahwa teknologi telekomunikasi masa depan dimana semua device atau peralatan elektronik akan saling terhubung/terkoneksi dan bisa saling “berkomunikasi” antara satu peralatan ke peralatan lain. Tahun 2020, vendor layanan asal Swedia –  Ericsson memperkirakan lebih dari 50 miliar peralatan akan saling terhubung satu sama lain,  dan bagaimana hal tersebut dapat mengubah cara masyarakat berinteraksi dan berbisnis. Dengan mobile broadband dan ketersediaan akses koneksi internet dimana-mana, serta dikombinasikan dengan penurunan harga untuk modul komunikasi,dan layanan konektivitas maka membuat model bisnis menjadi lebih efisien dan efektif dan meningkatkan gaya hidup untuk individu dan masyarakat.
Saat ini banyak industri-industri yang menerapkan teknologi “cerdas” didalam produknya, misalnya : Toyota akan membuat mobil listrik yang dilengkapi dengan cloud computing. Mobil yang dilengkapi komputer yang terhubung ke internet dan layanan cloud computing, pengendara dapat mendapatkan informasi terbaru. Tidak hanya untuk dirinya, tapi juga kebutuhan teknis untuk mobilnya. Pemilik mobil masa depan Toyota bisa mengelola kehidupannya dari komputer di mobil dan perangkat genggam. Misalnya, komputer bisa memberikan rekomendasi kapan pengguna harus isi ulang baterai yang hampir habis atau maintenance dan masalah teknis di mobil. Saat tidak di dalam mobil, ia juga bisa mendapatkan peringatan dari ponsel yang terhubung ke sistem informasi di mobil. Mobilnya juga dilengkapi kontrol ke alat-alat rumah tangga sehingga bisa membuka pagar otomatis, menyalakan AC di rumah beberapa menit sebelum tiba, dan sebagainya.
Selain Toyota, industri yang menerapkan technologi “cerdas” di produknya adalah Samsung. Samsung mengeluarkan produk  Samsung RF4289 Wi-Fi Refrigerator. Kulkas keluaran Samsung ini dilengkapi dengan aplikasi wi-fi dengan 8-inch LCD touchscreen,  akses cepat ke “aplikasi dapur yang relevan” seperti Google kalender, WeatherBug , resep Epicurious, berita AP, Pandora musik, dan Picasa foto. Anda juga dapat meninggalkan catatan untuk keluarga. Touchscreen nirkabel tersedia pada kedua sisi-sisi RSG309 oleh-dan RF4289 empat pintu model pintu prancis.
Samsung RF4289 Wi-Fi Refrigerator
Pada tahun 2020  Ericsson memperkirakan lebih dari 50 miliar peralatan akan saling terhubung satu sama lain. Tentu saja untuk menghubungkan lebih dari 50 miliar peralatan tersebut dibutuhkan jaringan koneksi wireless broadband yang realiable dan coverage range yang merata, sehingga peralatan dapat saling terhubung dengan peralatan lain dilokasi manapun.  Jaringan telekomunikasi yang terbaru saat ini adalah jaringan 4G LTE. Layanan 4G berbasis Long Term Evolution (LTE) komersial pertama dan terbesar di dunia diklaim telah diluncurkan oleh TeliaSonera dan Ericsson di Stockholm, Swedia. Ericsson selalu menjadi yang pertama untuk mendemokan sebuah teknologi seperti live demo 4G/LTE dengan kecepatan 1 Gbps, microwave backhaul dengan kecepatan 2,5 gigabytes, dan demo 84 Mbps HSPA. LTE merupakan teknologi komunikasi bergerak generasi berikutnya yang didesain untuk memindahkan jumlah data yang sangat besar. Teknologi ini dikatakan sebagai cara yang hemat dan efisien, dengan mengoptimalkan penggunaan pita frekuensi dan mengangkat kecepatan akses seringan serat di udara. LTE didefinisikan dalam standar 3GPP (Third Generation Partnership Project) Release 8 dan juga merupakan evolusi teknologi 1xEV-DO sebagai bagian dari roadmap standar 3GPP2. Teknologi ini diklaim dirancang untuk menyediakan efisiensi spektrum yang lebih baik, peningkatan kapasitas radio, latency dan biaya operasional yang rendah bagi operator serta layanan mobile broadband kualitas tinggi untuk para pengguna. Perubahan siginifikan dibandingkan standar sebelumnya meliputi 3 hal utama, yaitu air interface, jaringan radio serta jaringan core. Untuk masalah pita spektrum yang sangat berpengaruh dengan kinerja jaringan, LTE dapat beroperasi pada standar IMT-2000 (450, 850, 1800, 1900, 2100 MHz) maupun pada pita spektrum baru seperti 700 MHz dan 2,5 GHz.
Samsung  meluncurkan Samsung Craft, dengan klaim sebagai handset komersial pertama di dunia yang mendukung teknologi 4G Long Term Evolution (LTE). Samsung Craft dirilis di Amerika Serikat oleh operator telekomunikasi setempat, MetroPCS. MetroPCS sudah membangun jaringan LTE di negeri Paman Sam yang nantinya bakal dinikmati oleh pengguna Samsung Craft.
Konsep mobil masa depan yang diberi label “LTE Connected Car” ditampilkan di paviliun Experience Canada pada G-8 dan G-20 Summit – International Media Center, 23 – 25 Juni 2010 di Kanada. Mobil ini memadukan konsep navigasi, hiburan, diagnostik, serta layanan lainnya yang semua dimungkinkan berkat kemampuan jaringan 4G berbasis LTE. LTE Connected Car mendemonstrasikan pengalaman-pengalaman menarik bagi para pengguna yang semuanya dimungkinkan berkat adanya LTE, mobil futuristik ini dirancang oleh Toyota Motor Sales USA serta didukung oleh perusahaan lain seperti Atlantic Records, BuzzMedia, Chumby, GameStreamer, Intamac, Kabillion, dan QNX Software Systems. LTE Connected Car bekerja dan beroperasi seperti mobil standar pada umumnya, namun memiliki kecepatan inter-konektivitas yang tinggi. Masing-masing penumpang dapat menciptakan personalisasi dan pengalaman multimedia melalui empat buah touch screen yang dapat dikontrol secara independen. Berkat konsep cloud computing, kemampuan streaming konten seperti TV, video, audio dan data, dapat dilakukan dalam jumlah tak terbatas. Semuanya dapat dilakukan lewat satu sentuhan.
Saat ini teknologi 4G LTE sulit masuk ke Indonesia, hal ini dikarenakan pemerintah belum mengatur relugasi dan frekuensi LTE. Namun Telkomsel dan XL sudah melakukan ujicoba di Tanah Air. Telkomsel menggandeng Huawei melakukan uji coba LTE di Jakarta tahun lalu. Sedangkan XL Axiata melakukan uji coba pada bulan Desember tahun lalu bersama mitra vendor Ericsson.

NAMA: TAUFIQURROHMAN
NIM    :  0955201053

Selasa, 27 November 2012

ROBOTIKA


oleh:
MOH FATHUR ROZI
0955201030
2.1 Pengertian ROBOTIKA
Istilah robot berawal bahasa Cheko robota yang berarti pekerja yang tidak mengenal lelah atau bosan. Sedangkan secara terminologi, arti yang paling tepat dengan istilah robot mengandung pengertian System atau alat yang digunakan untuk menggantikan kinerja manusia secara otomatis.
Robot yang dibuat manusia tidak boleh bertentangan dengan Laws of Robotics yang dikemukakan oleh Isaac Asimov. Di kalangan umum pengertian robot selalu dikaitkan dengan “makhluk hidup” berbentuk orang maupun binatang yang terbuat dari logam dan bertenaga listrik (mesin). Sementara itu dalam arti luas robot Adalah suatu alat yang dalam batas-batas tertentu dapat bekerja sendiri (otomatis) sesuai dengan perintah yang sudah diberikan oleh perancangnya. Dengan pengertian ini sangat erat hubungan antara robot dan otomatisasi sehingga dapat dipahami bahwa hampir setiap aktivitas kehidupan modern makin tergantung pada robot dan otomatisasi.

2.2 Sejarah Perkembangan ROBOTIKA
Perkembangan robotika pada awalnya bukan dari disiplin elektronika melainkan bersal dari ilmuwan biologi dan pengarang cerita novel maipun pertunjukan drama pada sekitar abad XVIII. Para ilmuwan biologi pada saat itu ingin menciptakan makhluk yang mempunyai karakteristik seperti yang mereka inginkan dan menuruti segala apa apa yang mereka perintahkan, dan sampai sekarang makhluk yang mereka ciptakn ter5sebut tidak p[ernah terwujud menjadi nyata, tapi matrak menjadi bahan pada novel-novel maipun naskah sandiwara pangung maupun film.
Baru sekitar abad XIX robot mulai dikembangkan oleh insinyur teknik, pada saat itu berbekal keahlian mekanika untuk membuat jam mekanik mereka membuat boneka tiruan manusia yang bisa bergerak pada bagian tubuhnya.
Pada tahun 1920 robot mulai berkembnag dari disilin ilmu elektronika, lebih spesifiknyas pada cabang kajian disiplin ilmu elektronika yaitu teknik kontrol otomatis, tetapi pada masa-masa itu komputer yang merupakan komponoen utama pada sebuah robot yang digunakan untuk pengolaan dat masukan dari sensor dan kendali aktuator belum memiliki kemmpuan komutasi yang cepat selain ukuran fisik komputer pada masa itru masih cukup besar.
Robot-robot cerdas mulai berkembang peats seiring berkembagnya komputer pada sekitar tahun1950-an. Dengan semakin cepatya kemampuan komputasi komputer dan semakin kecilnya ukuran fisiknya,maka robot-robot yang dbuat semakin memiliki kecerdasan yang cukup baik untuk melakukan pekerjan-pekerjan yang biasa dilakukan olaeh manusia. Pada awal diciptakaanya, komputer sebagai alat hitung saja, perkembangan algoritma pemrograman menjadikan komputer sebagai instrumentasi yang memiliki kemammpauankemampuan seperti otak manusia. Artificial intelegent atau kecerdasan buatan adalah algoritma pemrograman yang membuat komputer memiliki kecerdasan seperti manusia yang mampu menalar, mengambil kesimpilan dan keputusan berdasarkan pengalaman yang dimiliki.

2.3 Sistem Mekanik Dalam Robot
Manipulator robot adalah sistem mekanik yang menunjukkan pergerakan dari robot. mekanik ini terdiri dari susunan link(rangka) dan joint (engsel) yang mampu menghasilkan gerakan yang terkontrol. Hanya dua tipe dasar dari jenis yang digunakan pada industri yaitu:
• Revolute joint (R) yaitu perputaran pada sumbu tertentu
• Prismatic joint (P) yaitu pergeseran sepanjang sumbu tertentu
Dengan dua tipe joint di atas maka dapat dibuat manipulator dengan dua, tiga bahkan enam
derajat kebebasan adalah jumlah arah yang independen, dimana end effector (berupa griper/tool)
dapat bergerak.Secara umum struktur robot dapat dibedakan menurut sumbu koordinat yang digunakan, yaitu:
• Robot Kartesian yang terdiri dari 3 sumbu linier
• Robot Silindris yang terdiri dari 2 sumbu linier dan 1 sumbu rotasi
• Robot Spheris yang terdiri dari 1 sumbu linier dan 2 sumbu rotasi
• Robot Artikulasi yang terdiri dari 3 sumbu rotasi

2.4 Jenis –jenis Bentuk Robot
1. Robot Mobile
Robot Mobil atau Mobile Robot adalah konstruksi robot yang ciri khasnya adalah mempunyai aktuator berupa roda untuk menggerakkan keseluruhan badan robot tersebut, sehingga robot tersebut dapat melakukan perpindahan posisi dari satu titik ke titik yang lain. Robot mobil ini sangat disukai bagi orang yang mulai mempelajari robot. Hal ini karena membuat robot mobil tidak memerlukan kerja fisik yang berat. Untuk dapat membuat sebuah robot mobile minimal diperlukan pengetahuan tentang mikrokontroler dan sensor-sensor elektronik.Base robot mobil dapat dengan mudah dibuat dengan menggunakan plywood /triplek, akrilik sampai menggunakan logam ( aluminium ). Robot mobil dapat dibuat sebagai pengikut garis ( Line Follower ) atau pengikut dinding ( Wall Follower ) ataupun pengikut cahaya.

2. Robot jaringan
Robot jaringan adalah pendekatan baru untuk melakukan kontrol robot menggunakan jaringan internet dengan protokol TCP/IP. Perkembangan robot jaringan dipicu oleh kemajuan jaringan dan internet yang pesat. Dengan koneksi jaringan, proses kontrol dan monitoring, termasuk akuisisi data bila ada, seluruhnya dilakukan melalui jaringan. Keuntungan lain, koneksi ini bisa dilakukan secara nirkabel.Di Indonesia, pengembang robot jaringan belum banyak, meski pengembang dan komunitas robot secara umum sudah banyak. Hal ini disebabkan tuntutan teknis yang jauh lebih kompleks. Salah satu robot jaringan yang sudah berhasil dikembangkan adalah LIPI Wireless Robot (LWR) yang dikembangkan oleh Grup Fisika Teoritik dan Komputasi– GFTK LIPI.Seperti ditunjukkan di LWR, seluruh proses kontrol dan monitoring bisa dilakukan melalui perambah internet. Lebih jauh, seluruh sistem dan protokol yang dikembangkan untuk LWR ini telah dibuka sebagai open-source dengan lisensi GNU Public License (GPL) di SourceForge dengan nama openNR.

3. Robot Manipulator ( tangan )
Robot ini hanyak memiliki satu tangan seperti tangan manusia yang fungsinya untuk memegang atau memindahkan barang, contoh robot ini adalah robot las di Industri mobil, robot merakit elektronik dll.

4. Robot Humanoid
Robot yang memiliki kemampuan menyerupai manusia, baik fungsi maupun cara bertindak, contoh robot ini adalah Ashimo yang dikembangkan oleh Honda. Robot adalah sebuah alat mekanik yang dapat melakukan tugas fisik, baik menggunakan pengawasan dan kontrol manusia, ataupun menggunakan program yang telah didefinisikan terlebih dulu (kecerdasan buatan). Robot biasanya digunakan untuk tugas yang berat, berbahaya, pekerjaan yang berulang dan kotor. Biasanya kebanyakan robot industri digunakan dalam bidang produksi. Penggunaan robot lainnya termasuk untuk pembersihan limbah beracun, penjelajahan bawah air dan luar angkasa, pertambangan, pekerjaan “cari dan tolong” (search and rescue), dan untuk pencarian tambang. Belakangan ini robot mulai memasuki pasaran konsumen di bidang hiburan, dan alat pembantu rumah tangga, seperti penyedot debu, dan pemotong rumput.

5. Robot Berkaki
Robot ini memiliki kaki seperti hewan atau manusia, yang mampu melangkah, seperti robot serangga, robot kepiting dll.

6. Flying Robot (Robot Terbang)
Robot yang mampu terbang, robot ini menyerupai pesawat model yang deprogram khusus untuk memonitor keadaan di tanah dari atas, dan juga untuk meneruskan komunikasi.

7. Under Water Robot (Robot dalam air)
Robot ini digunakan di bawah laut untuk memonitor kondisi bawah laut dan juga untuk mengambil sesuatu di bawah laut.Ada beberapa unjuk kerja robot yang perlu diketahui, antara lain:
• Resolusi adalah perubahan gerak terkecil yang dapat diperintahkan oleh sistem kontrol pada lingkup kerja manipulator.
• Akurasi adalah besarnya penyimpangan/deviasi terhadap masukan yang diketahui
• Repeatability adalah kemampuan robot untuk mengembalikan end effector (pemegang/griper) pada posisinya semula
• Fleksibilitas merupakan kelebihan yang dimiliki oleh robot secara umum jika dibandingkan dengan mesin konvensional. Hal ini pun tergantung kepada pemprogram dalam merencanakan pola geraknya.

2.5 contoh-contoh sistem kontrol pada robot
Membuat robot tak lepas dari namanya sistem kontrol. Yang umum dipakai ada 3, yaitu:
1. ON-OFF
2. PID
3. Penerapan Soft Computing
Sistem kontrol digunakan untuk mengontrol pergerakan / navigasi robot. Kita ambil contoh robot line follower. Misal kita ingin menerapkan sistem kontrol ON-OFF pada robot dengan 2 sensor garis. Sistem kontrol yang diterapkan adalah switching aktuator (motor DC) ON dan OFF berdasarkan kondisi sensor kiri dan kanan, yaitu set motor kanan ON dan motor kiri OFF saat sensor kiri mendapatkan garis, demikian sebaliknya untuk sensor kanan. Pergerakan akan terlihat zigzag jika hanya menggunakan dua sensor ini dan hanya diterakan sistem kontrol ON-OFF.
Dengan menerapkan sistem kontrol PID kita bisa memperbaiki pergerakan robot menjadi lebih smooth. Sistem kontrol PID adalah mekanisme umpan balik berulang tertutup. Kontrol PID digunakan untuk mengkoreksi error dari pengukuran variabel proses (dalam kasus ini adalah sensor) agar output sistem sesuai dengan nilai set point melalui perhitungan parameter Proportional (P) + Integral (I) + Derivative (I). Silahkan googling dan wikiing untuk mengetahui PID lebih jauh. Contoh kasus penerapan PID pada robot line follower bisa di baca di sini. Dadank juga pernah membuat robot semar mesem dengan penerapan PID sederhana, silahkan tilik di sini. Sedangkan penerapan soft computing bisa berupa fuzzy logic dan NN (dua ini yang lazim digunakan untuk KRCI). Penerapan soft computing cocok untuk granular data yang kompleks, misal data dari banyak sensor ultrasonic untuk mengontrol aktuator. Jika mapping data sensor dengan PWM motor dengan cara sederhana sudah tidak bisa diterapkan, maka penerapan “komputasi halus” perlu diterapkan. Untuk masalah soft computing lebih spesifik mungkin bisa dibahas dithread selanjutnya.
• Autonomous Robot System-ARS
Untuk membiarkan sistem robot mandiri (ARS) bekerja pada dunia nyata, kontrol dan sistem sensor harus memperhatikan tantangan yang diakibatkan oleh keitdakpastian observasi terhadap lingkungan dan kondisi tugasnya. Oleh karena itu, harus diperhatikan seberapa jauh kebutuhan sistem kontrol yang akan digunakan untuk mendesaian sistem robot mandiri. Ada beberapa aspek yang harus diperhatikan, diantaranya :

• Sistem kontrol robot bersifat sensor driven
Satu masalah yang dihadapi pada lingkungan yang tidak terstruktur adalah tidak mungkin memperkirakan hasil dari tiap aksi secara tepat. Kondisi ini juga menunjukkan sedikitnya kemungkinan menemukan deret aksi yang akan memecahkan tugas yang diberikan berdasarkan semua kemungkinan yang telah diperhitungkan sebelumnya.
Oleh karena itu sistem kontrol robot harus dikendalikan sensor(sensor driven) dan mengijinkan robot untuk bereaksi terhadap kejadian (event) yang tidak diharapkan secara on line. Pendekatan kontrol reaktif seperti ini dapat menjadi robust dengan mempertimbangkan gangguan yang terbatas dan dapat memperbaiki diri secara mandiri terhadap gangguan yang tak dapat dimodelkan tanpa memerlukan perencanaan ulang. Hal ini memberikan respon level rendah yang lebih fleksibel terhadap situasi baru dan mengijinkan robot untuk melakukan tugas pada konsidi munculnya noise pada sensor dan terjadinya perubahan kondisi lingkungan.

• Arsitektur kontrol yang adpatif
Untuk mengatasi perubahan yang besar pada lingkungan saat run-time sebagaimana juga perubahan pada misi/tugas yang terus menerus, ARM harus mampu mengubah kebijakan kontrolnya untuk menyesuaikan dengan semua kondisi baru. Secara umum, hal ini membutuhkan arsitekrut sistem kontrol adapatif. Bergantung pada kondisi operasi, variasi yang luas dari mekanisme machine-learning dapat digunakan untuk melakukan adaptasi. Pada misi yang mengijinkan pengawasan oleh operator luar, metode pengajaran dapat dilakukan dan juga dengan memodifikasi strategi kontrol yang telah diprogram sebelumnya untuk melakukan tugas yang diperlukan. Namun, pada banyak aplikasi diluar, guidance tidak tersedia. Pada situasi ini, sistem belajar mandir yang lebih baik sehingga strategi kontrol dapat menyesuaikan dengan kontek lingkungan tanpa masukan guru. Aplikasi yang seperti ini, berkisar dari aplikasi di daerah terpencil atau lingkungan berbahaya yang tidak memfasilitasi kehadiran manusia, sampai pada aplikasi untuk urusan rumah tangga yang bekerja sesuai dengan keinginan pemilik tanpa melakukan akses ke robot yang telah dilatih oleh operator/guru.

• Memenuhi batasan keamanan
Spesifikasi dasar untuk arsitektur kontrol untuk keperluan ARS adalah ia memenuhi batasan keamanan tertentu untuk menghindari kegagalan besar dan tak dapat diperbaiki. Hal ini khususnya penting ketika tugas baru dilatihkan tanpa pengawasan dan ketika pengaruh perbedaan aksi harus ditentukan melaui uji coba. Namun, mekansime untuk memenuhi kebutuhan keamanaa dapat dimanfaatkan untuk sistes teleoperasi yang besar yang dapat membantu mengurangi resiko kerusakan dan kegagalan menyeluruh karena kesalahan operator. Arsitektur kontrol untuk sistem robot seyogyanya menyediakan mekanisme yang membatasi sistem behavior agar dapat mengakomodasi kebutuhan keamanan dan kekokohan. Oleh kerena itulah dibituhkan sarana/alat yang dapat membatasi proses belajar dengan tujuan untuk menghindari aksi yang dapat mengganggu sifat-sifat kritis dari sistem behavior.

• Kemampuan Belajar
Sifat arsitektur yang lain yang mendukung autonomy dan adaptasi adalah kemampuan untuk menggabungkan pengatahuan awal atau pengetahuan yang diperoleh untuk mempercepat proses belajar. Untuk membuat adaptasi mandiri lebih praktis, pembelajaran harus menghasilkan kebijakan sensorimotor yang bermanfaat untuk sebagian besar tugas. Untuk mencapai efisiensi dan fleksibiltas yang demikian, arsitektur kontrol haurs mengijinkan robot untuk memperoleh keuntungan dari semua informasi luar yang tersedia pada kontek tertentu.
Penggunaan yang efektif dari pengetahuan kontrol luar dapat menghasilkan mode operasi yang berbeda. Khususnya, jika pengetahuan awal tersedia cukup, dimungkinkan untuk menentukan kebijakan kontrol yang tepat sebelumnya, mengurangi kebutuhan belajar secara on-line. Jika tidak ada informasi yang tersedia, arsitektur kontrol harus mampu menentukan kebijakan kontrol secara mandiri (autonomously). Untuk sepenuhnya menggunakan pengetahuan kontrol, sistem kontrol seharunya mendukung operasi pada berbagai tingkatan otonomi, dari terprogram penuh yang perilakunya sebagain dikendalikan oleh operator sampai ke otonomi penuh, berjalan secara bebas, terbebas dari intervensi.


Selasa, 20 November 2012


PENERAPAN VISI KOMPUTER
PADA BIDANG PERTAHANAN DAN KEAMANAN MILITER



H O S N A N
0955201022


Didalam ilmu computer, banyak ahli yang berkonsentrasi pada pengembangan kecerdasan buatan atau Artificial Intelligence (AI), banyak implementasi kecerdasan buatan dalam bidang computer antara lain adalah Decision Support System (Sistem Pendukung Keputusan), Robotic Natural Language (Bahasa Alami), Neural Network (Jaringan Saraf) dan lain-lain

Pengertian kecerdasan buatan yaitu suatu studi khusus di mana tujuannya adalah membuat komputer berpikir dan bertindak seperti manusia.
Contoh bidang lain pengembangan kecerdasan buatan adalah Penerapan Computer Vision. Visi komputer adalah ilmu dan teknologi mesin yang melihat, di mana dalam hal ini berarti bahwa mesin mampu mengekstrak informasi dari gambar yang diperlukan untuk menyelesaikan tugas tertentu. Visi komputer berkaitan dengan teoridi balik sistem buatan bahwa ekstrak informasi dari gambar. Data gambar dapat mengambil banyak bentuk, seperti urutan video, pandangan dari beberapa kamera, atau data multi-dimensi dari scanner medis.
Contoh aplikasi dari visi komputer mencakup sistem untuk :
·         Pengendalian proses (misalnya, sebuah robot industri atau kendaraan otonom).
·         Mendeteksi peristiwa (misalnya, untuk pengawasan visual atau orang menghitung).
·         Mengorganisir informasi (misalnya, untuk pengindeksan database foto dan gambar urutan).
·         Modeling benda atau lingkungan (misalnya, inspeksi industri, analisis citra medis atau model topografi).
·         Interaksi (misalnya, sebagai input ke perangkat untuk interaksi komputer-manusia).

Begitu banyak hasil kajian Computer Vision yang ada selama ini. Hal itu mendatangkan banyak manfaat untuk kepentingan manusia. Diantaranya terletak pada bidang militer. Contohnya  implementasi penguncian objek musuh pada pesawat jet dan teknologi radar pada rudal, pengenalan kondisi tentara musuh. Teknologi kecerdasan buatan dapat diimplementasikan pada sistem yang mensimulasikan kondisi-kondisi perang yang mungkin akan terjadi di lapangan, mengatur strategi serta mengkalkulasi kemungkinan beberapa strategi terhadap kondisi medan perang secara simultan dan menampilkan hasilnya.
Sebut saja deteksi tentara musuh atau kendaraan dan bimbingan rudal. Hal ini membutuhkan sistem canggih untuk panduan mengirim rudal-rudal ke daerah target yang spesifik dan pemilihan target yang dibuat ketika rudal mencapai daerah berdasarkan data citra yang diperoleh secara lokal. Konsep modern militer, seperti “kesadaran medan perang”, menunjukkan bahwa berbagai sensor, termasuk sensor gambar, menyediakan kaya setinformasi tentang adegan tempur yang dapat digunakan untuk mendukung keputusan strategis. Dalam hal ini, pengolahan otomatis data yang digunakan untuk mengurangi kompleksitas dan informasi sekering dari sensor ganda untuk meningkatkan keandalan.

Minggu, 11 November 2012

KECERDASAN BUATAN DALAM ROBOTIK



KECERDASAN BUATAN DALAM ROBOTIK


Kecerdasan Buatan (Artificial Intelligence) dalam robotik adalah suatu algorithma (yang dipandang) cerdas yang diprogramkan ke dalam kontroler robot. Pengertian cerdas di sini sangat relatif, karena tergantung dari sisi mana sesorang memandang.
Para filsuf diketahui telah mulai ribuan tahun yang lalu mencoba untuk memahami dua pertanyaan mendasar: bagaimanakah pikiran manusia itu bekerja, dan, dapatkah yang bukan-manusia itu berpikir? (Negnevitsky, 2004). Hingga sekarang, tak satupun mampu menjawab dengan tepat dua pertanyaan ini. Pernyataan cerdas yang pada dasarnya digunakan untuk mengukur kemampuan berpikir manusia selalu menjadi perbincangan menarik karena yang melakukan penilaian cerdas atau tidak adalah juga manusia. Sementara itu, manusia tetap bercita-cita untuk menularkan �kecerdasan manusia� kepada mesin.
Dalam literatur, orang pertama yang dianggap sebagai pionir dalam mengembangkan mesin cerdas (intelligence machine) adalah Alan Turing, sorang matematikawan asal Inggris yang memulai karir saintifiknya di awal tahun 1930-an. Di tahun 1937 ia menulis paper tentang konsep mesin universal (universal machine). Kemudian, selama perang dunia ke-2 ia dikenal sebagai pemain kunci dalam penciptaan Enigma, sebuah mesin encoding milik militer Jerman. Setelah perang, Turing membuat �automatic computing engine�. Ia dikenal juga sebagai pencipta pertama program komputer untuk bermain catur, yang kemudian program ini dikembangkan dan dimainkan di komputer milik Manchester University. Karya-karyanya ini, yang kemudian dikenal sebagai Turing Machine, dewasa ini masih dapat ditemukan aplikasi-aplikasinya. Beberapa tulisannya yang berkaitan dengan prediksi perkembangan komputer di masa datang akhirnya juga ada yang terbukti. Misalnya tentang ramalannya bahwa di tahun 2000-an komputer akan mampu melakukan percakapan dengan manusia. Meski tidak ditemukan dalam paper-papernya tentang istilah �resmi�: artificial intelligence, namun para peneliti di bidang ini sepakat untuk menobatkan Turing sebagai orang pertama yang mengembangkan kecerdasan buatan.
Secara saintifik, istilah kecerdasan buatan � untuk selanjutnya disebut sebagai AI (artificial intelligence) � pertama kali diperkenalkan oleh Warren McCulloch, seorang filsuf dan ahli perobatan dari Columbia University, dan Walter Pitts, seorang matematikawan muda pada tahun 1943, (Negnevitsky, 2004). Mereka mengajukan suatu teori tentang jaringan saraf tiruan (artificial neural network, ANN) � untuk selanjutnya disebut sebagai ANN � bahwa setiap neuron dapat dipostulasikan dalam dua keadaan biner, yaitu ON dan OFF. Mereka mencoba menstimulasi model neuron ini secara teori dan eksperimen di laboratorium. Dari percobaan, telah didemonstrasikan bahwa model jaringan saraf yang mereka ajukan mempunyai kemiripan dengan mesin Turing, dan setiap fungsi perhitungan dapat dapat diselesaikan melalui jaringan neuron yang mereka modelkan.
Kendati mereka meraih sukses dalam pembuktian aplikasinya, pada akhirnya melalui eksperimen lanjut diketahui bahwa model ON-OFF pada ANN yang mereka ajukan adalah kurang tepat. Kenyataannya, neuron memiliki karakteristik yang sangat nonlinear yang tidak hanya memiliki keadaan ON-OFF saja dalam aktifitasnya. Walau demikian, McCulloch akhirnya dikenal sebagai orang kedua setelah Turing yang gigih mendalami bidang kecerdasan buatan dan rekayasa mesin cerdas. Perkembangan ANN sempat mengalami masa redup pada tahun 1970-an. Baru kemudian pada pertengahan 1980-an ide ini kembali banyak dikaji oleh para peneliti.
Sementara itu, metoda lain dalam AI yang sama terkenalnya dengan ANN adalah Fuzzy Logic (FL) � untuk selanjutnya ditulis sebagai FL. Kalau ANN didisain berdasarkan kajian cara otak biologis manusia bekerja (dari dalam), maka FL justru merupakan representasi dari cara berfikir manusia yang nampak dari sisi luar. Jika ANN dibuat berdasarkan model biologis teoritis, maka FL dibuat berdasarkan model pragmatis praktis. FL adalah representasi logika berpikir manusia yang tertuang dalam bentuk kata-kata.
Kajian saintifik pertama tentang logika berfikir manusia ini dipublikasikan oleh Lukazewicz, seorang filsuf, sekitar tahun 1930-an. Ia mengajukan beberapa representasi matematik tentang �kekaburan� (fuzziness) logika ketika manusia mengungkapkan atau menyatakan penilaian terhadap tinggi, tua dan panas (tall, old, & hot). Jika logika klasik hanya menyatakan 1 atau 0, ya atau tidak, maka ia mencoba mengembangkan pernyataan ini dengan menambahkan faktor kepercayaan (truth value) di antara 0 dan 1.
Di tahun 1965, Lotfi Zadeh, seorang profesor di University of California, Berkeley US, mempublikasikan papernya yang terkenal, �Fuzzy Sets�. Penelitian-penelitian tentang FL dan fuzzy system dalam AI yang berkembang dewasa ini hampir selalu menyebutkan paper Zadeh itulah sebagai basis pijakannya. Ia mampu menjabarkan FL dengan pernyataan matematik dan visual yang relatif mudah untuk dipahami. Karena basis kajian FL ini kental berkaitan dengan sistem kontrol (Zadeh adalah profesor di bidang teknik elektro) maka pernyataan matematiknya banyak dikembangkan dalam konteks pemrograman komputer.
Metoda AI lain yang juga berkembang adalah algorithma genetik (genetic algorithm, GA) � untuk selanjutnya disebut sebagai GA. Dalam pemrograman komputer, aplikasi GA ini dikenal sebagai pemrograman berbasis teori evolusi (evolutionary computation, EC) � untuk selanjutnya disebut sebagai EC. Konsep EC ini dipublikasikan pertama kali oleh Holland (1975). Ia mengajukan konsep pemrograman berbasis GA yang diilhami oleh teori Darwin. Intinya, alam (nature), seperti manusia, memiliki kemampuan adaptasi dan pembelajaran alami �tanpa perlu dinyatakan: apa yang harus dilakukan�. Dengan kata lain, alam memilih �kromosom yang baik� secara �buta�/alami. Seperti pada ANN, kajian GA juga pernah mengalami masa vakum sebelum akhirnya banyak peneliti memfokuskan kembali perhatiannya pada teori EC.
GA pada dasarnya terdiri dari dua macam mekanisme, yaitu encoding dan evaluation. Davis (1991) mempublikasikan papernya yang berisi tentang beberapa metoda encoding. Dari berbagai literatur diketahui bahwa tidak ada metoda encoding yang mampu menyelesaikan semua permasalahan dengan sama baiknya. Namun demikian, banyak peneliti yang menggunakan metoda bit string dalam kajian-kajian EC dewasa ini.
Aplikasi AI dalam kontrol robotik dapat diilustrasikan sebagai berikut,


Gambar 4.1: Kontrol robot loop tertutup berbasis AI
Penggunaan AI dalam kontroler dilakukan untuk mendapatkan sifat dinamik kontroler �secara cerdas�. Seperti telah dijelaskan di muka, secara klasik, kontrol P, I, D atau kombinasi, tidak dapat melakukan adaptasi terhadap perubahan dinamik sistem selama operasi karena parameter P, I dan D itu secara teoritis hanya mampu memberikan efek kontrol terbaik pada kondisi sistem yang sama ketika parameter tersebut di-tune. Di sinilah kemudian dikatakan bahwa kontrol klasik ini �belum cerdas� karena belum mampu mengakomodasi sifat-sifat nonlinieritas atau perubahan-perubahan dinamik, baik pada sistem robot itu sendiri maupun terhadap perubahan beban atau gangguan lingkungan.
Banyak kajian tentang bagaimana membuat P, I dan D menjadi dinamis, seperti misalnya kontrol adaptif, namun di sini hanya akan dibahas tentang rekayasa bagaimana membuat sistem kontrol bersifat �cerdas� melalui pendekatan-pendekatan AI yang populer, seperti ANN, FL dan EC atau GA.
Gambar 4.1 mengilustrasikan tentang skema AI yang digunakan secara langsung sebagai kontroler sistem robot. Dalam aplikasi lain, AI juga dapat digunakan untuk membantu proses identifikasi model dari sistem robot, model lingkungan atau gangguan, model dari tugas robot (task) seperti membuat rencana trajektori, dan sebagainya. Dalam hal ini konsep AI tidak digunakan secara langsung (direct) ke dalam kontroler, namun lebih bersifat tak langsung (indirect).
Kecerdasan Buatan





Istilah kecerdasan buatan sebenarnya berasal dari bahasa Inggris: “Artificial Intelligence”. Jika diartikan tiap kata, artificial artinya buatan, sedangkan intelligence adalah kata sifat yang berarti cerdas. Jadi artificial intelligence maksudnya adalah sesuatu buatan atau suatu tiruan yang cerdas. Cerdas di sini kemungkinan maksudnya adalah kepandaian atau ketajaman dalam berpikir, seperti halnya otak manusia dalam menyelesaikan suatu masalah.
Secara awam kecerdasan buatan diterjemahkan sebagai sebuah sistem saraf, atau sensor atau otak yang diciptakan oleh sebuah mesin. Sebenarnya kecerdasan buatan merujuk kepada mesin yang mampu untuk berpikir, menimbang tindakan yang akan diambil, dan mampu mengambil keputusan seperti yang dilakukan oleh manusia.
Alan Turing, ahli matematika berkebangsaan Inggris yang dijuluki bapak komputer modern dan pembongkar sandi Nazi dalam era Perang Dunia II tahun 1950, dia menetapkan definisi Artificial Intelligent : Jika komputer tidak dapat dibedakan dengan manusia saat berbincang melalui terminal komputer, maka bisa dikatakan komputer itu cerdas, mempunyai intelegensi.
Kecerdasan buatan itu sesuatu yang diciptakan oleh manusia, untuk menggantikan manusia. Jadi bisa jadi kecerdasan buatan itu merupakan suatu ancaman.

Walau pun menyadari bahwa kecerdasan buatan bisa jadi adalah suatu ancaman untuk manusia, tapi manusia masih saja mengembangkan apa yang disebut dengan kecerdasan buatan. Manusia masih saja mencoba mengembangkan / mendapatkan sesuatu (teknologi) yang baru, yang dapat berpikir seperti manusia. Hal ini terjadi karena adanya ketidakpuasan dalam diri manusia, manusia ingin mendapatkan sesuatu dengan cara yang lebih mudah. Lagipula memang ada keterbatasan-keterbatasan dalam diri manusia, seperti otak manusia yang hanya mampu berpikir dengan frekuensi kira-kira 100 Hz dan karena manusia mempunyai rasa capai. Bandingkan dengan komputer sekarang yang mampu mengolah data dengan frekuensi 4 GHz. Komputer juga tidak mempunyai rasa capai walau pun harus mengolah data yang sama berulang-ulang.

Walaupun terasa sangat futuristik dan terlihat berbahaya, karena mesin nantinya akan memiliki kecerdasan dan emosi, para pakar AI menganggap pengembangan disiplin ilmu ini penting karena bisa diterapkan di Internet nantinya. Misalnya saja, di masa mendatang ketika Anda mengunjungi sebuah situs agen perjalanan, maka di layar komputer akan muncul wajah seorang wanita yang sangat sempurna karena semuanya berupa ciptaan komputer. Uniknya, Anda akan mampu bercakap-cakap dengan wanita artifisial ini, seperti layaknya Anda berbicara dengan staff wanita beneran di counter biro perjalanan. Kalau ini tercapai, maka pelayanan dapat diberikan 100% online, dengan akurasi yang sangat tinggi. Terutama dari konsistensi, keramahan, kecepatan dan akurasi pelayanan. Lain kalau kita menggunakan staff manusia asli yang konsistensinya tidak bisa akurat karena terpengaruh kepada kondisi fisik dan emosi saat itu.
Saat ini sudah banyak teknologi kecerdasan buatan yang dihasilkan dan dipakai oleh manusia. Misalnya saja pada robot Asimo yang bisa menari dan berjalan, atau pada permainan komputer yang dirancang untuk membuat manusia berpikir keras untuk mengalahkannya. Contoh lain ada di industri otomotif. Adanya teknologi komputer yang mampu mengolah data dengan cepat dipakai untuk memberikan peringatan pada pengemudi mobil untuk menghindari terjadinya tabrakan.Yak… begitulah sedikit cerita tentang Kecerdasan Buatan.
PENERAPAN kecerdasan buatan menggunakan algoritma minimax pada permainan tik-tak





Kecerdasan buatan dapat diterapkan atau dimplementasikan kedalamberbagai bentuk aplikasi. Bentuk implementasi yang paling mudah untuk diukurtingkat keberhasilan dan cukup digemari oleh sebagain besar publik yaitu padagames atau permainan. Permainan yang digunakan sebagai mediapengimplementasian pada kasus ini adalah permaian Tik-tak atau dalam bahasaInggris dikenal dengan nama Tic-tac-toe. Tik-tak adalah salah satu permainanlogika yang cukup populer dimasyarakat kita juga masyarakat internasional.Meskipun dimasing-masing daerah permainan ini memiliki nama yang berbedabeda,namun pola dan aturan permainan tetap sama.Algoritma yang digunakan pada kecerdasan buatan tersebut menggunakanalgoritma Minimax. Minimax menurut beberapa pakar kecerdasan buatanmerupakan salah satu algoritma yang sering digunakan dalam penerapankecerdasan buatan pada permainan, khususnya permainan logika, antara lainCatur, Go, Othello, dan sebagainya.Proses utama algoritma Minimax yaitu pencarian nilai terbaik berdasarkannilai-nilai yang telah diberikan pada tiap-tiap langkah. Nilai-nilai tersebutdibangkitkan berdasarkan basis pengetahuan yang dimiliki oleh algoritmatersebut. Dengan penerapan algoritma Minimax sebagai pondasi suatu kecerdasanbuatan pada permainan Tik-tak, maka diharapkan akan dihasilkan suatupermainan yang interaktif. Dalam permainan ini, dua pemain dapat salingbertanding menggunakan dua unit komputer yang dihubungkan oleh jaringanlokal.Alat bantu pada implementasi kasus ini menggunakan jaringan lokal danpemrograman Visual Basic 6.0.
PENGEMBANGAN PERANGKAT LUNAK KECERDASAN BUATAN DENGAN MENGGUNAKAN METODE FORWARD CHAINING (Studi Kasus Mendiagnosa Keadaan Bayi Dalam Kandungan)





Kecerdasan buatan adalah kemampuan komputer untuk berpikir dengan intelegensia. Ini tercapai dengan mempelajari bagaimana manusia mengingat dan berpikir ketika sedang mengambil keputusan dan memecahkan masalah.
Kecerdasan buatan yang dibangun mempunyai beberapa komponen yang saling berhubungan untuk membangun sistem yaitu basis pengetahuan, mesin inferensi, antarmuka pemakai. Persoalan yang dipecahkan dalam sistem ini adalah bagaimana cara menyusun aturan yang terdiri atas beberapa premis dan konklusi dari fakta-fakta yang tersedia, sehingga dihasilkan suatu solusi, dengan menggunakan mesin inferensi yaitu forward chaining, selain itu sistem ini juga menggunakan suatu penalaran knowledge base yaitu penalaran rule-based reasoning.
Penelitian ini membahas tentang pendiagnosaan keadaaan bayi dalam kandungan yang menggunakan teknik inferensi forward chaining, yang memulai penalarannya mulai dari sekumpulan fakta-fakta menuju sebuah hipotesa (solusi). Sistem yang dikembangkan memberikan keleluasaan pada perekayasa pengetahuan untuk memasukkan himpunan aturan pada basis pengetahuan dan diperolehnya suatu solusi berdasarkan basis pengetahuan yang ada.
Apa Itu AI





Istilah AI (Artificial Intelegent) atau bahasa kitanya adalah kecerdasan buatan merupakn bidang ilmu yang memang baru berkembang th 90-an dan aplikasinya dah banyak diterapkan orang mulai dari games komputer, sistem kontrol cerdas, robotik, malah sampai ke pemecahan masalah bidang ekonomi dll.
Kita di lab Komputasi dan Otomasi Industri (LAB CIA) jurusan pend. teknik elektro upi sudah membangun suatu suatu research group khusus mengkaji bidang ini. Tentunya saat ini butuh orang-orang terutama mahasiswa yang ingin memperdalam ilmu ini kita terbuka buat siapapun yang merasa tertantang. terutama mhs dari mipa dan teknik.
Untuk tutorial kita akan adakan sesuai permintaan anda kapan siapnya mudah-mudahan cocok dengan jadwal aktifitas kita. Sebagai langkah awal kita akan perkenalkan tentang Expert system (sistem Pakar), Jaringan Syaraf Tiruan (JST/ Neural Network), Logika Fuzzy (Fuzzy Logic) dan Algoritma Genetika (Genetic Algorithm).
Selanjutnya kita arahkan anda minatnya ke mana. karena ngak mungkin dalam waktu singkat akan menguasai semuanya. Sebagai langkah praktis kita perkenalkan juga beberapa toolbox yang ada di MATLAB.Dasar ilmu untuk mendalaminya hanya matematika dan computer programming.
Berkomunikasi dengan Teknologi






Mendengarkan robot atau komputer berbicara, sudah bukan hal yang asing lagi untuk zaman ini. Namun, berbicara dengan komputer atau robot seperti layaknya dengan manusia? Belum tentu! Bukan berarti tidak mungkin.
Perangkat yang Dibutuhkan
Perangkat utama yang dibutuhkan dalam menunjang aplikasi berkomunikasi ini tentu saja perangkat multimedia, terutama audio.Kemampuan mendengarkan akan banyak diperoleh dari mikrofon yang digunakan sebagai media input. Dan kemampuan menyampaikan informasi akan dibantu dengan speaker sebagai media output.
Untuk fitur Text to speech atau voice command yang diberikan Windows XP, sebenarnya persyaratan yang diminta sangat minim, artinya dengan perangkat audio yang paling sederhana Anda sudah dapat menikmati fasilitas ini. Namun, memilih mikrofon dan speaker yang baik tidak akan ada salahnya. Dengan speaker yang bersih dan baik, Anda dapat mendengar pesan yang disampaikan oleh komputer dengan lebih jelas. Sebaliknya dnegan mikrofon yang bersih dan tidak terlalu banyak noise, pesan yang diterima komputer juga akan lebih jelas.
Pada sebuah komputer yang sederhana, pengolahan audio ini akan banyak dibantu perangkat yang dinamakan sound card. Namun biar bagaimanapun, tergantung pada sistem dan aplikasi yang digunakan. Artinya, kemampuan berkomunikasi sebuah komputer atau robot memiliki banyak keterkaitan dnegan keseluruhan sistem dari komputer atau robot itu sendiri.
Contohnya saja sebuah komputer ber-operating system Windows XP mengaktifkan fitur Text to Speech-nya. Maka karena kemampuan sistem hanya mampu mengakomodasi bahasa Inggris, biar pun perangkat yang digunakan sudah sangat canggih atau keluaran terbaru, tetap saja komputer tidak akan dapat menyampaikan atau membaca tulisan yang diketik dalam bahasa Indonesia.
Di Masa yang akan Datang
Perkembangan teknologi yang memungkinkan sebuah komputer dapat dengan lancar berkomunikasi dengan manusia telah berkembang sangat jauh. Meskipun tidak sehebat perkembangan motorik yang dapat dilakukan oleh robot. Namun setidaknya, mengalami perkembangan yang sangat positif. Misalnya saja, saat ini bila Anda membeli sebuah robot Aibo keluaran Sony. Maka Anda dapat memberikan 100 lebih macam perintah pada anjing elektrik tersebut dengan suara Anda. Meskipun kemungkinan si anjing pintar tersebut menuruti perintah Anda sangat tipis. Tapi, ia dapat mengerti apa yang Anda katakan.
Lain Aibo lain pula dengan Asimo, robot berbentuk menyerupai astronot buatan Honda. Robot yang merupakan kepanjangan dari Advanced Step in Innovative Mobility ini memiliki kemampuan kominikasi yanglebih canggih. Ia tidak hanya dapat bereaksi ketika
namanya dipanggil, namun ia juga dapat mengerti jenis suara lain selain suara manusia, serta bereaksi terhadapnya. Misalnya ketika mendengar ada sesuatu yang jatuh atau tertabrak ia tidak hanya dapat mengerti apa yang sedang terjadi, namun dapat langsung bereaksi dengan menengok ke arah suara tersebut.
Kemampuan komunikasi tersebut sering disebut juga dengan sebutan danya Artificial Intelegent (kepintaran buatan). Tidak menutup kemungkinan kemampuan kedua robot ini akan terus berkembang menjadi lebih baik lagi.
Sebenarnya apa manfaat yang dapat diperoleh dari kemampuan komunikasi ini? Banyak sekali! Salah satu di antaranya yang paling sederhana adalah dengan adanya kemampuan komunikasi ini sebuah robot atau komputer akan lebih mudah dioperasikan. Sebab mayoritas manusia tidak memiliki kendala dalam mengungkapkan sesuatu secara verbal.
Tenaga yang dibutuhkan untuk berkomunikasi secara verbal juga akan lebih sedikit. Misalnya saja, bila Anda akan mendikte sebuah surat bisnis. Anda tidak perlu lagi membutuhkan seorang sekretaris, komputer akan langsung mengerjakannya untuk Anda. Begitu pula dalam hal membuat notulen rapat.
Atau mungkin dalam pengoperasian perangkat pabrik yang sangat rumit. Bila semua kerumitan itu dapat diterjemahkan ke dalam bentuk verbal tentu akan sangat mudah dilakukan, bukan? Masalah keamanan bukan lagi menjadi kendala. Dengan otorisasi suara serta password seperti layaknya komputer biasa, maka keberadaan teknologi ini akan membuat sistem lebih unggul.
Sebagai salah satu contoh adalah penerapan voice command pada salah satu mobil produksi Audi, yaitu Audi A8 yang menjadikan voice command sebagai fitur optional. Dengan adanya fitur ini, seorang pengendara tidak akan direpotkan lagi dalam mengoperasikan perangkat audio atau hanya sekadar mencari nomor telepon seseorang dalam phonebook ponselnya yang terhubung ke kendaraan. Bahkan dengan adanya voice command akses pada GPS juga dapat dipermudah.
Fungsi lain yang tidak kalah menarik adalah kemungkinan besar untuk menjadi robot atau komputer sebagai teman yang paling logis. Kemampuan mengolah informasi dan komunikasi verbal dapat disatukan sehingga dapat membantu membuat keputusan-keputusan yang logis dan mudah dimengerti manusia. seperti halnya sebuah robot yang berlari mengambil obat, hanya karena mendengar asma majikannya kambuh.
Namun rasanya, untuk semua ini kita masih harus menunggu agak sedikit lama. Mengingat untuk sampai ke sana masih diperlukan proses yang panjang.
Setidaknya untuk waktu yang cepat ini komputer Anda dapat mengerti bahasa yang Anda pergunakan. Hal ini tentu akan sangat berarti besar untuk sebagian kalangan masyarakat. Salah satu contohnya adalah mereka yang memang memiliki kendala melihat atau kendala bergerak sehingga sulit untuk menggunakan keyboard komputer.

Syma Aji Purbowiyoto
0955201052

Selasa, 06 November 2012

PETMAN (ROBOT MILITER AMERIKA)



Teknologi robot makin menggila saja. Mengekor Jepang yang makin mengembangkan kecerdasan buatan untuk robot-robotnya, Amerika tak mau ketinggalan. Akhir 2011 lalu, angkatan darat AS menguji robot untuk kepentingan militer bernama PETMAN robot.
ASIMO, QRIO, EMIEW, Actroid, AIBO, itulah sederet nama-nama robot yang lahir dari otak cerdas orang Jepang. Itu masih belum semua. Tak usah kaget, angka kelahiran robot di Jepang adalah termasuk yang paling tinggi di dunia. Bahkan, robot Jepang sudah diekspor ke Amerika.
Jepang memang rajin tapi USA bukan berarti tidak bisa. Lebih jarang rilis, justru sekali rilis membuat kejutan. Termasuk robot PETMAN. Nah kawan, robot satu ini dibuat untuk menguji pakaian khusus milik militer USA. Apa yang istimewa ? Meski, nggak bisa berkomunikasi, robot ini memiliki kemampuan gerak yang hampir sempurna.

Aspek keseimbangan, itulah keunggulan PETMAN. Dalam demostrasi filmnya, robot ini mampu berjalan menaiki tangga, putar tubuh kanan kiri, berjongkok dan kembali berdiri, berjalan di atas ekskalator, dan melakukan senam. Bahkan saat berjalan lalu ia didorong ke samping, PETMAN tidak terguling. Robot ini mampu kembali ke posisi semula. Sekilas, hampir sempurna mirip gerak manusia.
Karena bertujuan untuk pengujian pakaian militer, PETMAN juga mampu mensimulasikan kondisi fisiologi manusia melalui pengendalian suhu, kelembaban, dan pengeluaran keringan. Jadi, saat kepanasan pun robot ini bisa mengeluarkan peluh.
Sebagai tambahan, PETMAN dikembangkan oleh Boston Dynamic, Measurement Technologies Northwest, Oak Ridge National Lab, dan MRIGlobal. Yang jelas, semuanya USA punya lah, kawan.

By : EKO RIDAYANTO (0955201015)

Selasa, 30 Oktober 2012


doni aspriawan (0955201011)


Aplikasi Kecerdasan Buatan Untuk Identifikasi Sidik Jari Minyak Bumi

 
Mendengar kata ‘kecerdasan buatan’ mungkin bagi sebagian orang akan terdengar ‘menyeramkan’, atau bagi beberapa orang lainnya akan langsung teringat film Matrix atau I-Robot. Itu tidak bisa disalahkan, karena memang kecerdasan buatan hampir selalu mempunyai konotasi fiksi ilmiah, meskipun pada kenyataannya kecerdasan buatan bukanlah suatu khayalan, tapi memang benar-benar ada dalam kehidupan kita sehari-hari dan kita juga sering menggunakannya.
Kecerdasan Buatan, yang dalam bahasa Walanda disebut sebagai Artificial Intelligence atau AI didefinisikan sebagai kecerdasan yang ditunjukkan oleh suatu entitas buatan. Sistem seperti ini umumnya dianggap komputer. Kecerdasan diciptakan dan dimasukkan ke dalam suatu mesin (komputer) agar dapat melakukan pekerjaan seperti yang dapat dilakukan manusia.
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 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.
Aplikasi Kecerdasan Buatan di Laboratorium Minyak Bumi
Ada banyak jenis kecerdasan buatan, setidaknya ada lima jenis kecerdasan buatan yang sering kita temui, yaitu :
  1. Jaringan Syaraf Buatan (Artificial Neural Networks),
    Dalam industri minyak bumi AI ini dapat digunakan untuk membuat pola waktu, misal produksi suatu sumur minyak pada waktu tertentu.
  2. Logika Fuzzy (Fuzzy Logics),Logika ini untuk menentukan nilai diantara dua keadaan biner (1 dan 0). Logika inilah yang saya pakai untuk identifikasi suatu minyak bumi sama (1) atau tidak (0) yang akan dibahas lebih lanjut.
  3. Algoritma Genetik (Genetic Algorithms),Algoritma Genetik biasanya digunakan dibidang kedokteran, misal untuk menganalisis DNA.
  4. Robotika (Robotics),AI ini banyak digunakan di pabrik. Biasanya dibuat untuk melakukan kegiatan otomatisasi, misal dalam PLC (Programmable Logic Control).
  5. Permainan Komputer (Games),AI jenis ini yang paling disukai oleh anak-anak saya, misal untuk memainkan game Age of Mythology atau Counter Strike… :)
Dari contoh-contoh diatas, yang akan saya bahas kali ini adalah Logika Fuzzy, yaitu untuk menentukan apakah suatu minyak bumi sama atau tidak berdasarkan hasil analisis spektrum minyak bumi menggunakan Spektrofotometer FTIR (Fourier Transform Infra Red) yang saya lakukan di Laboratorium Molekuler LEMIGAS , Jakarta selama bulan Januari – Februari 2006 yang lalu.
Pengolahan data secara digital menggunakan komputer sudah dilakukan sejak tahun 1960. Dengan adanya revolusi teknologi komputer saat ini sudah mampu melakukan pengambilan keputusan seperti manusia (human-like decisions). Pada dasarnya mesin komputer hanya mengenal bahasa biner untuk mengambil keputusan, seperti “ada (1)” dan “tidak ada (0)”, hidup dan mati, betul dan salah, sama dan beda, dan lain-lain. Ketika dihadapkan pada kondisi yang memerlukan pertimbangan subjektif yang tidak pasti, seperti “agak mirip” atau “sedikit berbeda” mesin sudah tidak dapat melakukan pengambilan keputusan lagi. Untuk itu perlu dilakukan transformasi terlebih dahulu melalui suatu metoda khusus yang disebut kecerdasan buatan (artificial intellegence).
Cara kerja kecerdasan buatan pada dasarnya meniru cara kerja syaraf manusia dalam mengambil keputusan dimana didalamnya terdapat beberapa pertimbangan subjektif berdasarkan kriteria, seperti seberapa mirip suatu minyak bumi dengan minyak bumi lainnya atau berapa perbedaan yang diperbolehkan untuk menentukan bahwa suatu minyak bumi sama atau berbeda.
Perangkat lunak yang dapat digunakan untuk membuat suatu kecerdasan buatan dapat menggunakan bahasa pemrograman atau lembar kerja (spreadsheet) seperti Lotus, Microsoft Excel, C++, Basic, dBase, Microsoft Access, Microsoft Visual Basic, Delphi dan lain-lain. Pada percobaan yang saya lakukan, metoda yang akan digunakan adalah menggunakan Logika Fuzzy pada Microsoft Visual Basic 6.
Statistika
Untuk membandingkan kemiripan identitas suatu minyak bumi secara digital perlu dilakukan perhitungan secara statistika. Dalam metoda yang dipakai untuk mengidentifikasi kemiripan suatu minyak bumi secara digital adalah dengan melihat presisi atau simpangan bakunya. Simpangan baku inilah yang menjadi variabel bebas untuk dijadikan kriteria kemiripan suatu minyak bumi.
Presisi adalah istilah yang digunakan untuk menyatakan kecocokan hasil dari pengujian / pengukuran dari suatu sampel yang diuji/diukur. Salah satu cara menentukan presisi adalah dengan jalan menghitung harga simpangan baku. Dalam analisis sidik jari minyak bumi, ukuran kesamaan suatu minyak bumi menggunakan simpangan baku relatif (Relative Standard Deviation, RSD). Cara menghitung RSD bisa kan ? Soalnya saya susah nulis rumus disini. :(
Pada percobaan yang dilakukan saat identifikasi sidik jari minyak bumi, perhitungan presisi digunakan ketika menentukan batasan atau kriteria kemiripan rasio hasil normalisasi serapan spektrum infra merah minyak bumi contoh terhadap terhadap rasio hasil normalisasi serapan spektrum infra merah minyak bumi pembanding. Batasan presisi ini dijadikan kriteria pertama ( K1 ) berupa variabel bebas sehingga  operator bisa memilih sendiri batasan kemiripan minyak bumi.
Metoda Identifikasi Spektrum Infra Merah
Contoh spektrum infra merah minyak bumi 
Contoh spektrum infra merah minyak bumi
Bila diamati sekilas, spektrum minyak bumi pada gambar disamping ini tampak mirip antara satu dengan yang lainnya. Hal ini terjadi karena yang terukur oleh spektrofotometer infra merah adalah gugus-gugus CH3, CH2, dan gugus aromat yang memang selalu ada dalam setiap minyak bumi. Jika gambar tersebutdiperbesar dan diamati  lebih cermat akan tampak perbedaan, yaitu intensitas absorbsi gugus-gugus dari setiap minyak bumi akan berbeda. Perbedaan  ini kemudian menjadi dasar untuk dipakai sebagai pembeda suatu spektrum dengan spektrum lainnya.
Konsep dasar dari pengenalan pola atau pattern recognition adalah membandingkan sifat-sifat spesifik suatu contoh terhadap sifat-sifat spesifik yang kemungkinan terdapat juga dalam pembanding. Ada dua metoda untuk membandingkan spektum infra merah senyawa hidrokarbon, yaitu :
1. Metoda manual atau tumpang tindih (overlay method)
Identifikasi spektrum menggunakan metoda overlay 
Identifikasi spektrum menggunakan metoda overlay
Metoda ini dilakukan dengan cara menumpukkan hasil cetak spektrum infra merah kemudian menumpukkan dua atau lebih hasil cetak tersebut diatas meja kaca yang diberi lampu. Dari tumpukan hasil cetak spektrum infra merah tersebut kemudian dicari kecocokan spektrum contoh terhadap spektrum minyak bumi pembanding. Metoda ini memiliki kelemahan yaitu pada cara pengamatan spektrum dan menentukan batasan kemiripannya, karena penentuan kesamaan suatu spektrum cara tersebut sangat subjektif, artinya pemahaman sama atau tidak dari tiap orang akan berbeda.
2. Metoda perbandingan data analisis
Metoda cara ini relatif lebih teliti dibandingkan metoda tumpang tindih (overlay method), karena yang dibandingkan adalah data atau angka hasil pembacaan alat spektrofotometer.
Pada pengenalan pola minyak bumi, sifat spesifik yang dibandingkan adalah spektrum serapan infra merah pada bilangan gelombang tertentu dengan menggunakan Spektrofotometer FTIR. Metoda pengenalan pola cara tersebut digunakan karena gugus-gugus dalam hidrokarbon bila diberi energi dari sinar infra merah akan memberikan spektrum pada bilangan gelombang yang spesifik. Spektrum infra merah tersebut akan menggambarkan keberadaan gugus metil, metilena dan aromat yang selalu ada dalam minyak bumi.
Analisis menggunakan Spektrofotometer FTIR digunakan karena kecepatan analisisnya jauh lebih cepat dibandingkan metoda dispersi, yaitu lima detik. Sedangkan jika menggunakan spektrofotometer infra merah dispersi waktu yang dibutuhkan sekitar 10 – 15 menit. Selain itu kelebihan utamanya adalah karena ketelitian Spektrofotometer FTIR lebih tinggi dibandingkan dispersi.
Berbagai pita absorbsi dapat digunakan untuk tujuan identifikasi. Dari hasil pengamatan spektrum infra merah minyak bumi yang dianalisis dipilih sepuluh pita absorbsi kunci yang masih signifikan11), yaitu pada bilangan gelombang identifikasi 720, 747, 810, 874, 1034, 1168, 1309, 1375, 1456 dan 1600 cm-1. Spektrum infra merah dari bilangan gelombang tersebut diatas kemudian diukur.
Untuk membandingkan dua angka maka digunakan perhitungan selisih dari kedua angka tersebut. Pada dasarnya dua angka dikatakan mempunya nilai yang sama jika selisih kedua angka tersebut adalah nol. Tetapi karena angka-angka tersebut merupakan hasil dari pengukuran, maka walaupun kedua angka tersebut berasal dari contoh yang sama maka angka-angka hasil pengukuran tersebut tidak akan tepat sama. Ketidaksamaan ini berasal dari keterulangan (repeatability) dari setiap pengukuran serta karena adanya perubahan sifat-sifat contoh oleh pengaruh pelapukan (weathering).
Besarnya nilai keterulangan ini digunakan sebagai kriteria untuk menentukan apakah kedua deret angka tersebut mempunyai nilai yang sama, yaitu kriteria simpangan baku ( K1 ).
Hasil pembandingan angka-angka dalam satu deret angka identitas kemudian dijumlahkan. Bila nilai penjumlahan tersebut sama dengan banyaknya angka yang dibandingkan atau dengan kata lain banyaknya puncak absorbsi infra merah yang dibandingkan, maka dua deret angka tersebut mempunyai nilai yang sama. Dalam hal tertentu, terutama karena faktor pelapukan minyak bumi, satu atau dua puncak absorbsi infra merah akan mengalami pengurangan cukup banyak, sehingga yang mempunyai nilai yang sama dengan puncak-puncak serapan dari minyak bumi pembanding tidak lagi sebanyak jumlah puncak semula. Untuk itu maka nilai penjumlahan harga-harga NP dapat dipilih sebanyak 100% seluruhnya atau lebih kecil. Dengan memilih nilai penjumlahan NP ini dapat dilihat minyak-minyak pembanding yang yang sama (match) dengan contoh.
Pengamatan
Berikut adalah data hasil pemeriksaan yang yang saya lakukan dan sudah sudah dinormalisasikan. Tabel ini terdiri dari hasil pembacaan spektrum infra merah minyak bumi pembanding dan minyak bumi “X” yang tidak diketahui.
Luas area spektrum infra merah minyak bumi pembanding dan contoh
Luas area spektrum infra merah minyak bumi pembanding dan contoh
Data hasil normalisasi contoh kemudian dibandingkan terhadap hasil normalisasi minyak bumi pembanding pada tabel diatas dengan kriteria ( K1 ) yaitu nilai simpangan baku relatif (RSD ; Relative Standard Deviation) = 5%.  Semakin kecil kriteria K1 yang ditentukan maka pencocokan akan semakin akurat.
Interpretasi
Flowchart identifikasi spektrum infra merah minyak bumi 
Flowchart identifikasi
Dengan berbekal flowchart disamping ini mari kita coba untuk menginterprertasikan data diatas. Perhatikan langkah-langkah berikut, karena disinilah kunci dari interpretasi spektrum infra merah minyak bumi.
Kriteria suatu rasio absorbsi serapan infra merah pada bilangan gelombang tertentu dinyatakan sama jika nilai RSD <= 5%. Jika nilai RSD <= 5% diberi notasi 1, sedangkan jika nilai RSD > 5% maka diberi notasi 0. Dengan demikian akan diperoleh data seperti pada tabel nilai pembanding berikut.
Tabel nilai pembanding (NP)
Tabel nilai pembanding (NP)
Sampai disini minyak bumi contoh belum dapat disimpulkan kesamaan atau kemiripannya, karena masih harus memenuhi variabel K2, yaitu kriteria jumlah hasil normalisasi serapan pada bilangan gelombang kunci. Untuk dapat menentukan hal tersebut maka hasil pencocokan rasio serapan pada setiap bilangan gelombang kunci kemudian dijumlahkan. Jika jumlah nilai pembanding lebih besar atau sama dengan kriteria kecocokan nilai pembanding yang ditentukan pada K2 maka minyak bumi tersebut dinyatakan cocok atau sama.  Kriteria besarnya simpangan baku relatif ( K1 ) dan jumlah kecocokan nilai pembanding ( K2 ) dapat dirubah, karena merupakan variabel bebas.
Jika ditentukan bahwa spektrum suatu minyak bumi pada bilangan gelombang tertentu adalah sama bila memiliki simpangan baku dari rasio hasil normalisasi luas puncak lebih kecil dari 5 % ( K1 = 5% ) maka data yang didapat adalah seperti pada tabel nilai pembanding diatas. Selanjutnya jika contoh minyak bumi ”X” dikatakan identik bila memiliki jumlah nilai pembanding ( NP ) atau kesamaan jumlah luas puncak pada bilangan gelombang tertentu berdasarkan K1 adalah 9 ( K2 = 9 ), maka dapat disimpulkan bahwa contoh minyak bumi ”X” identik dengan minyak bumi ”Cinta”.
Identifikasi minyak bumi contoh ”X” terhadap minyak bumi pembanding relatif lebih mudah dilakukan, karena tidak banyak mengalami perubahan berarti. Perubahan fisik yang mungkin terjadi pada minyak bumi adalah karena pelapukan (weathering).
Khusus untuk identifikasi minyak bumi menggunakan spektrofotometer infra merah ini saya sudah membuat program kecerdasan buatan kecil, yaitu OilSniffer v1.00 (betha). Program ini saya buat menggunakan Microsoft Visual Basic 6.
OilSniffer v1.00 (betha) 
OilSniffer v1.00 (betha)
Meskipun dengan menggunakan metoda spektrofotometer infra merah (FTIR) ini sudah dapat diketahui jenis minyak bumi contoh, tetapi hasilnya belum merupakan kesimpulan mutlak, karena masih harus di counter dengan metoda lainnya, seperti kromatografi gas, spektrofometer massa, spektrofotometer serapan atom, spektroflorometer. Untuk itu agar hasilnya lebih akurat ada baiknya semua metoda tersebut dilakukan.
Daftar Pustaka :
  1. Ewing, Galen W., 1985, “Instrumental Methods of Chemical Analysis ; Fifth Edition“, McGraw-Hill Book Company, New York.
  2. Giwangkara S, EG., 2006, “Aplikasi Logika Syaraf Fuzzy Pada Analisis Sidik Jari Minyak Bumi Menggunakan Spetrofotometer Fourier Transform – Infra Red (FT-IR)”, Sekolah Tinggi Energi dan Mineral, Cepu – Jawa Tengah.
  3. Rajasekaran, S. dan G.A. Vijayalakshmi Pai, 2003, “Neural Network, Fuzzy Logic, and Genetic Algoritms ; Syntesis and Application“, Prentice-Hall of India, New Delhi.
  4. Wikipedia, http://en.wikipedia.org/wiki/Artificial_intellegence