Kecerdasan Buatan

1. Apa itu data mining ?

Pendahuluan Perkembangan data mining(DM) yang pesat tidak dapat lepas dari perkembangan teknologi informasi yang memungkinkan data dalam jumlah besar terakumulasi. Sebagai contoh, toko swalayan merekam setiap penjualan barang dengan memakai alat POS(point of sales). Database data penjualan tsb. bisa mencapai beberapa GB setiap harinya untuk sebuah jaringan toko swalayan berskala nasional. Perkembangan internet juga punya andil cukup besar dalam akumulasi data. Tetapi pertumbuhan yang pesat dari akumulasi data itu telah menciptakan kondisi yang sering disebut sebagai rich of data but poor of information karena data yang terkumpul itu tidak dapat digunakan untuk aplikasi yang berguna. Tidak jarang kumpulan data itu dibiarkan begitu saja seakan-akan kuburan data (data tombs). Investasi yang besar di bidang IT untuk mengumpulkan data berskala besar ini perlu dijustifikasi dengan didapatnya nilai tambah dari kumpulan data ini.,

Kebutuhan dari dunia bisnis yang ingin memperoleh nilai tambah dari data yang telah mereka kumpulkan telah mendorong penerapan teknik-teknik analisa data dari berbagai bidang seperti statistik, kecerdasan buatan dsb pada data berskala besar itu. Ternyata penerapan pada data berskala besar memberikan tantangan-tantangan baru yang akhirnya memunculkan metodologi baru yang disebut data mining ini. Bermula dari penerapan di dunia bisnis, sekarang ini data mining juga diterapkan pada bidang-bidang lain yang memerlukan analisa data berskala besar seperti bioinformasi dan pertahanan negara.

Dalam tulisan ini, penulis mencoba memperkenalkan data mining dengan membandingkannya dengan bidang ilmu yang sudah ada, dan juga memberikan beberapa ilustrasi tentang teknik-teknik yang umum dipakai di data mining,

Definisi

Ada beberapa definisi dari data mining yang dikenal di buku-buku teks data mining. Diantaranya adalah :

 

  • Data mining adalah serangkaian proses untuk menggali nilai tambah dari suatu kumpulan data berupa pengetahuan yang selama ini tidak diketahui secara manual.

 

  • Data mining adalah analisa otomatis dari data yang berjumlah besar atau kompleks dengan tujuan untuk menemukan pola atau kecenderungan yang penting yang biasanya tidak disadari keberadaannya

Menarik untuk diingat bahwa kata mining sendiri berarti usaha untuk mendapatkan sedikit barang berharga dari sejumlah besar material dasar. Dari definisi-definisi itu, dapat dilihat ada beberapa faktor yang mendefinisikan data mining :

  1. data mining adalah proses otomatis terhadap data yang dikumpulkan di masa lalu
  2. objek dari data mining adalah data yang berjumlah besar atau kompleks
  3. tujuan dari data mining adalah menemukan hubungan-hubungan atau pola-pola yang mungkin memberikan indikasi yang bermanfaat

Sejarah Data mining bukanlah suatu bidang yang sama sekali baru. Salah satu kesulitan untuk mendefinisikan data mining adalah kenyataan bahwa data mining mewarisi banyak aspek dan teknik dari bidang-bidang ilmu yang sudah mapan terlebih dulu. Gambar 1 menunjukkan bahwa data mining memiliki akar yang panjang dari bidang ilmu seperti kecerdasan buatan (artificial intelligent), machine learning, statistic, database dan juga information retrieval.

Gambar 1

Beberapa teknik yang sering disebut-sebut dalam literatur data mining seperti classification, neural network, genetic algorithm dll. sudah lama dikenal di dunia kecerdasan buatan. Statistik memberikan kontribusi pada data mining dengan teknik-teknik untuk menyeleksi data dan evaluasi hasil data mining selain teknik-teknik data mining seperti clustering. Yang membedakan persepsi terhadap data mining adalah perkembangan teknik-teknik data mining untuk aplikasi pada database skala besar. Sebelum populernya data mining, teknik-teknik tersebut pada umunya diterapkan untuk data skala kecil saja. Selain itu beberapa teknik dari bidang database untuk transformasi data juga merupakan bagian integral dari proses data mining.

Akhir-akhir ini ada beberapa bidang ilmu seperti information retrieval yang juga terlibat dalam proses data mining untuk mengekstrak sumber data bagi data mining dari sumber-sumber seperti teks dan website. Walaupun data mining memiliki sumber dari beberapa bidang ilmu, data mining berbeda dalam beberapa aspek dibandingkan dengan bidang ilmu seperti berikut :

  • statistik : model statistik dipersiapkan oleh para ahli statistik, sedangkan data mining mengembangkan statistik untuk menangani data berjumlah besar secara otomatis –
  • expert system (sistem cerdas) : model pada expert system dibuat berupa aturan-aturan berdasar pada pengalaman-pengalaman para ahli
  • data warehouse (DWH) : sering terjadi kerancuan antara data mining dan data warehouse karena keduanya sering dipakai bersamaan. Pada umumnya data warehouse lebih merujuk pada tempat untuk menyimpan data yang terkonsolidasi sedangkan data mining bisa dianggap sebagai perkakas untuk menganalisa otomatis nilai dari data itu
  • OLAP : seperti data warehouse, OLAP juga sering dibahas bersama data mining. Tetapi OLAP memiliki tujuan untuk memastikan hipotesa yang sudah diformulasikan terlebih dulu oleh penggunanya.

2. Kecerdasan Buatan Angkatan Udara AS (USAF) kini tengah m,engembangkan sistem kendali penerbangan untuk pesawat militer dan rudal dengan kecerdasan buatan atau artificial intelligence. Tujuannya adalah membantu kestabilan terbang pada saat-saat krisis, sehingga pilot lebih mudah dalam mengatasi kerusakan pada pesawat serta mengurangi kemungkinan jatuhnya korban. Sistem pengendalian yang didasarkan pada jejaring teknologi neural ini dikembangkan bersama dengan Georgia Institute of Technology di Atlanta. Sistem ini sekarang telah siap untuk diuji-cobakan pada beberapa jenis pesawat tak berawak USAF, seperti UCV atau pesawat tempur tanpa awak serta pesawat angkasa VentureStar. UCV adalah proyek dari badan riset USAF untuk membuktikan kemungkinan pemakaian pesawat tak berawak untuk melakukan serangan udara. Menurut USAF, sistem neural untuk kendali penerbangan ini menawarkan kestabilan yang nyaris sempurna dan langsung pada saat timbul kerusakan atau kegagalan pada sistem kendali konvensional. Sistem itu secara otomatis juga menyesuaikan diri dengan perubahan lingkungannya, seperti berat pesawat, kerusakan sayap dan sebagainya. Pengembangan sistem ini telah dimulai sejak 1996, dan sampai tahun lalu telah menghabiskan biaya 2,5 juta dollar. (rb)


Osprey Marinir Jatuh

V-22 Osprey V-22 Osprey – Boeing

Sebuah pesawat V-22 Osprey Korps Marinir AS jatuh tanggal 8 April lalu di Arizona, menewaskan ke-19 anggota marinir yang berada di dalamnya, termasuk empat awak pesawat helikopter kepresidenan AS. Ini merupakan kecelakaan Osprey yang ketiga kalinya. Satu di antaranya pada tahun 1992 menewaskan tujuh penumpangnya. Kecelakaan Osprey terakhir yang sempat menimbulkan perhatian Presiden Bill Clinton, oleh berbagai kalangan dinilai sebagai contoh klasik dari suatu program militer yang tidak dapat dihentikan. Pesawat dengan sistem tilt-rotor ini dapat mengudara maupun mendarat seperti helikopter (vertikal), namun kecepatan dan daya muatnya jauh lebih besar. Sejak awal, pengembangan pesawat ini telah menimbulkan pro-kontra, khususnya antara Pentagon yang tidak menyetujui program Osprey dengan Kongres yang mendukung program tersebut. Para pejabat pertahanan menyatakan, biaya pesawat ini terlalu besar dan pesawat ini pun terlalu eksperimental sifatnya. Namun Kongres menang, dan sejak enam bulan lalu Korps Marinir yang memang menginginkan pesawat berkemampuan seperti itu mulai mengoperasikan lima pesawat. Pesawat ini telah dikembangkan selama 18 tahun dengan ongkos besar sekali. Setiap pesawat harganya sekitar 60 juta dollar AS, sehingga potensi komersialnya tipis. Dengan jatuhnya Osprey tersebut, untuk sementara Korps Marinir menghentikan penerbangan keempat pesawat lainnya sampai diketahui persis sebab musabab kecelakaan tersebut. (rb

3. Realisasi Robot dan Pengiriman Tim

pada Kontes Robot Cerdas Indonesia (KRCI) 2005

 

Pendahuluan

Kemajuan ilmu pengetahuan dan teknologi yang terjadi dengan cepat akhir-akhir ini menyebabkan banyaknya produk-produk industri yang semakin canggih yang tersebar secara luas dimasyarakat dunia.. Salah satu tujuan dari pendidikan tinggi adalah untuk menumbuhkan, mengembangkan dan menguasai iptek melalui mahasiswa dalam rangka meningkatkan kemampuan, harga diri bangsa serta taraf hidup masyarakat secara luas.

Kontes Robot Cerdas Indonesia (KRCI) 2005 yang diselenggarakan oleh Direktorat Pembinaan Penelitian dan Pengabdian Masyarakat, Direktorat Jendral Pendidikan Tinggi, Departemen Pendidian Nasional merupakan wahana untuk mendorong kemampuan kreativitas mahasiswa menggunakan ilmu pengetahuan yang dipelajarinya dalam membuat suatu sistem dalam bentuk desain robot cerdas yang ditujukan untuk menemukan dan memadamkan api lilin yang diletakkan dalam suatu bentuk lapangan menyerupai bangunan rumah tinggal.

Tim mahasiwa dari Fakultas Teknik, Universitas Lampung telah dua kali mengirimkan proposal berupa rancangan robot dalam kegiatan KRCI 2004 dan KRCI 2005. Dan atas rahmat Allah SWT, proposal kedua yang dikirimkan untuk kegiatan KRCI 2005 telah lolos dalam penyeleksian tahap pertama dan diharuskan merealisasikan rancangan robot untuk mengikuti penyeleksian tahap berikutnya.

 

Landasan Kegiatan

Landasan dari pelaksanaan kegiatan ini adalah :

  • Tridharma Perguruan Tinggi.

  • Pengumuman pada URL http://www.dikti.org/p3m/ dari Direktorat Pembinaan Penelitian dan Pengabdian Masyarakat tertanggal 31 Januari 2005 nomor 043/D3.5/U/2005 yang men yatakan bahwa tim The Vision , perwakilan dari Universitas Lampung , lolos dalam seleksi tahap pertama KRCI 2005.

 

Tujuan Kegiatan

Tujuan dari pelaksanaan kegiatan ini adalah :

 

  • Mengaplikasikan pengetahuan yang diperoleh tentang sistem kontrol dan elektronika ke dalam suatu desain robot.
  • Memenuhi syarat dari Direktorat Pembinaan Penelitian dan Pengabdian Masyarakat sebagai calon peserta KRCI 2005 untuk merealisasikan rancangan robot.
  • Membuat suatu robot yang bukan hanya untuk diikutsertakan dalam KRCI 2005 namun juga robot akan digunakan sebagai objek penelitian lebih lanjut dalam sistem instrumentasi cerdas, pengontrolan otomatis dan kecerdasan buatan di Fakultas Teknik, Universitas Lampung.
  • Memperkenalkan Universitas Lampung kepada khalayak ramai tentang penguasaannya terhadap teknologi robotika.

Nama Kegiatan

Nama dari kegiatan ini adalah :

Realisasi Robot dan Pengiriman Tim pada Kontes Robot Cerdas Indonesia (KRCI) 2005.

Jadwal Kegiatan Jadwal dari kegiatan ini adalah :

No

Jenis Kegiatan

Waktu

Tempat

Keterangan

1 Pembuatan robot 11 Februari 2005 s.d. minggu II Maret 2005 Laboratorium Teknik Digital, Jurusan Teknik Elektro , Univ. Lampung  
2 Visitasi Minggu II Maret 2005 Belum ditentukan oleh panitia Visitasi merupakan presentasi laporan kemajuan realisasi robot.ke panitia KRCI 2005
3 Penyempurnaan robot Minggu II Maret 2005 s.d. 13 Mei 2005 Laboratorium Teknik Digital, Jurusan Teknik Elektro , Univ. Lampung  
4 Pendaftaran ulang Minggu IV April 2005 Sekretariat Panitia KRCI 2005, Jakarta  
5 Seminar KRI/KRCI 2005 Minggu II Mei 2005 Universitas Indonesia , Depok  
6 Pelaksanaan KRCI 2005 14 -15 Mei 2005 Balairung Universitas Indonesia , Depok  

Jadwal pembuatan robot hingga dilakukannya visitasi adalah sebagai berikut:

No.

Kegiatan

Tanggal

Keterangan

1

Pembuatan proposal pencarian dana

5 Feb 2005

 

2

Pengesahan proposal

2 Feb 2005

 

3

Pencarian dana

8, 11 Feb 2005

 

4

Pembuatan arena

9-10 Feb 2005

 

5

Pembuatan rangka robot

9-10 Feb 2005

 

6

Pembelian komponen

12-15 Feb 2005

Lebih cepat, lebih baik

7

Pengujian sistem instrumentasi

16-21 Feb 2005

 

8

Pengujian sistem kontrol

18-22 Feb 2005

 

9

Pengujian sistem keseluruhan

22-25 Feb 2005

 

10

Pembuatan PCB

25-27 Feb 2005

 

11

Testing robot

28 Feb, 1-4 Maret 2005

 

12

Persiapan Visitasi

4-7 Maret 2005

 

13

Visitasi

Minggu ke-2 Maret 2005

Menentukan kelayakan robot untuk mengikuti KRCI 2005
 
 

Rancangan Mekanik

Rancangan mekanik robot ditunjukkan pada gambar 1 hingga gambar 7. Semua ukuran panjang dalam satuan cm.

Chasis atas

Keterangan:

• Right flame navigator

• Left flame navigator

• Motor pemutar kipas

• Rangk. aktuator motor pemutar kipas

• Rangk. pengkondisi sinyal flame navigator

• Rangk. pengkondisi sinyal tone detector

• Rangk. Frequncy to Voltage Converter

• Rangk. pengkondisi sinyal white floor detector

• Rangk. pengkondisi sinyal + kontroler candle detector

• Microphone

• Tombol Power

• Tombol Start Manual

• Tombol Reset

Gambar 1

Peletakan komponen pada chasis atas.

 

Chasis tengah

Keterangan :

• Rangk. unit controler & PWM generator

Gambar 2

Peletakan komponen pada chasis tengah.

 

Chasis Dasar Permukaan Atas

Keterangan:

Right candle detector

Left candle detector

• Kotak baterai

• Power adaptor

Right Proximity detector

Front Proximity detector

Left Proximity detector

Gambar 3

Peletakan komponen pada chasis dasar Permukaan atas.

Chasis Dasar Permukaan Bawah

Keterangan:

• Roda kiri

• Encoder kiri

Gearbox kiri

• Motor DC kiri

• Rangk. H-Bridge

• Rangk. Pengkondisi sinyal encoder

• Motor DC kanan

Gearbox kanan

• Encoder kanan

• Roda kanan

White floor detector

• Caster

Gambar 4

Peletakan komponen pada chasis dasar

permukaan bawah.

 

Tampilan Tiga Dimensi

Gambar 5

Tampilan robot dilihat dari depan

 

Gambar 6

Tampilan robot dilihat dari bawah

 

Gambar 7

4. Robot, Bijak Tetapi Bahaya

PENGETAHUAN robotik dan kecerdasan buatan semakin berkembang pesat dan kadang­kadang kita tidak menyangka kemajuan teknologi yang bakal di­capai oleh kepakaran manusia dan kemodenan ilmu. Pada masa sekarang, kebanyakan robot yang dicipta adalah untuk digunakan dalam sektor industri. Robot-robot diperlukan untuk mengilang pelbagai jenis produk, yang kecil hingga yang besar, daripada barang makanan sehinggalah kepada produk teknologi canggih seperti kereta dan cip peranti elektronik. Robot­robot rutinnya diaplikasikan untuk memateri tin, mengisi sos di dalam botol, menyapu cat pada kereta, memasang skru pada perabot dan pelbagai tugasan industri lain. Segalanya dilakukan secara au­tomatik, minda robot sedia di program untuk melakukan apa-apa sahaja.

Merujuk etimologi, perkataan “ro­bot” itu berasal daripada bahasa Czech, iaitu robotovat yang beerti “mengham­bakan diri”. la dicipta oleh seorang pe­nulis bernama Karel Capek pada tahun 1920an. Mengikut istilah saintifiknya pula, sebuah robot merupakan peranti elektro mekanikal ( mesin yang berfungsi dengan kuasa elektrik ) atau biomekani­kal ( berfungsi dengan kuasa biologi ) yang boleh bertindak mengikut program asal manusia. Walau bagaimanapun buat masa ini, belum ada lagi robot yang boleh menghasilkan `spesiesnya’ sendiri tanpa bantuan manusia.

Kerja-kerja robotik selalu­nya melibatkan tugasan tiga D iaitu Dull, Dirty, and Dangerous yang bermaksud Hambar, Kotor, dan Bahaya. Kebiasaannya, robot digunakan untuk melakukan kerja hambar yang berulahg-ulang, seperti menampal la­bel kertas pada tin makanan dalam landasan produksi kilang. Manusia tentu kebosanan jika me­nampal label jenama sardin pada tin berjam-jam hingga beratus ribu karton. Tetapi robot tidak kisah membuat kerja berulang­ulang malah tidak kompelin sepatah pun.

Robot-robot juga kerap digunakan dalam situasi kotor dan berisiko tinggi. Contoh aplikasi robot adalah di dalam kawasan yang menyebarkan gas ba­haya (seperti bencana kebocoran gas sulfur) atau mempunyai atmosfera yang dicemari virus atau bakteria, kawasan asidik atau beralkali tinggi, kawah gunung berapi, ombak kuat, dikerumuni haiwan buas, gurun yang bahang, atau ke kancah peperangan. Robot-robot seperti iRobot Packbot dan Foster-Miller TALON, contohnya, digunakan untuk melupuskan born dalam perang Iraq dan Afghanistan. Kerja-kerja seperti itu, jika dihantar manusia untuk menjadi sukarela tentu tidak ada yang mahu menjadi sukarela kerana ia boleh mengancam nyawa.

Robot juga sering digunakan da­lam projek penerokaan angkasa lepas, seperti projek National Aeronautics and Space Administration ( NASA ) ke Marikh. Satelit Measat Malaysia yang baru-baru ini dilancarkan dioperasi oleh robot dan peranti kawalan. Kelak, apabila angkasawan Malaysia mula dihantar ke angkasa lepas, beliau juga bakal bergantung kepada robot untuk banyak eksperimen angkasa, malah robot dan otak elektro­nik jugalah yang akan membantu beliau bergerak, melupuskan barang buangan, menentukan hala tuju orbit stesen ang­kasa lepas, berkomunikasi dengan bumi, dan mencatu oksigen untuk pernafasan.

Teknologi robotik mutakhir mempunyai banyak ruang untuk diper­kembangkan. Kebarangkaliannya tiada penghujung. Akhir ini, banyak robot ge­nerasi baru dibina untuk meniru bentuk manusia atau binatang, bergerak dan berfikir serta menunjukkan mimik muka. Robot Asimo ciptaan Honda, contoh­nya, boleh berjatan dengan dua kaki dan mengimbangkan tubuhnya. Aibo pula boleh berinteraksi dan bergerak seperti anjing, dan heksapod pula mirip serangga. Kini sudah ada robot yang boleh bermain piano, atau melukis pada kanvas, atau bermain catur, atau menyanyi.

Terdapat juga robot-robot dalam bentuk maya, dipanggil robot internet, atau internetbot. Robot jenis ini yang paling terkenal ialah robot kepunyaan Google (Googlebot), yang menerawang alam maya internet, mengumpul dan merekodkan kata kunci untuk memudahkan pencarian pengguna.

Dalam dunia perubatan juga robot-robot semakin giat digunakan. Sudah wujud robot-robot yang ber­bentuk tangan atau kaki manusia, dengan endoskeleton dilitup prostetik dan dikawal oleh peranti pneumatik atau hidraulik dan dicipta untuk membantu hidup orang yang kudung tangan atau kaki. Tangan atau kaki palsu yang dikawal oleh mekanisme robotik itu kemudiannyadipasangkan ketubuh, dan boleh bertindak seperti tangan atau kaki biasa, dikawal terus oleh sistem saraf atau neuron otak secara semula jadi. Para pesakit yang memakainya sering melaporkan bahawa dengan tangan atau kaki robotik palsu itu, mereka boleh hidup seperti manusia normal yang lain, dan apabila sudah biasa, mereka seperti tidak sedar kehadirannya.

Robot-robot juga sudah me­masuki pasaran domestik. Selain Aibo, terdapat juga robot anjing yang boleh dijadikan haiwan peliharaan. Syarikat Sweden Electrolux pula telah memasarkan penyedut hampagas yang dipanggil Trilobite. la bukan seperti penyedut hampagas yang lain, Trilobite boleh dibiarkan sendirian di lantai rumah dan ia akan merayap menyedut habuk secara automatik. la akan mengatur rancangan sendiri, mengelak halangan ( perabot atau barang besar di lantai ), dan akan pulang semula ke rumahnya sendiri setelah kerja selesai bagi mengecas kembali baterinya.

Baru-baru ini, Kerajaan Korea Selatan telah menyebarkan wawasan, bahawa sebelum tahun 2020, dalam setiap rumah rakyatnya akan wujud sekurang- kurangnyasatu robot. Mungkin sedekad atau sekurun lagi, robot akan menjadi perkara biasa dengan adanya robot atau android yang berbentuk humanoid, yang boleh diajak berbual, dan boleh berfikir serta berjenaka, marah, dan merajuk. Ramalan-ramalan seperti ini boleh dilihat di dalam fiksyen sains oleh Asimov dan Clarke serta ramai lagi pengkarya sci-fi. Misalnya Doraemon, watak kartun popular rekaan Fujiko Fujio itu juga adalah sebuah robot, bijak berceloteh dan berjenaka dengan temannya Nobita.

Namun begitu, kemajuan tek­nologi robotik yang tidak terkawal boleh membahayakan manusia. Filem Hollywood Terminator arahan James Cameron, contohnya, membayangkan kemusnahan dunia akibat bertarung dengan robot android yang lut senjata. Filem Artificial Inteligence arahan Steven Spielberg pula mem­bayangkan manusia yang me­nindas kaum robot. Sesungguhnya, se­galanya mung­kin berlaku. Pada masa kini, robot dan peranti kawalan elektronik sudah pun digunakan untuk menentu hala tuju bom dan peluru berpandu ketenteraan. Ter­dapat robot yang mengkaji maklumat satelit untuk mengintip pergerakan manusia, dan ada juga robot yang dihantar menjadi perisik.

Mengikut sejarawan, manusia pertama yang terbunuh akibat robot adalah sama ada seorang lelaki Jepun bernama Kenji Urada ( 37 tahun ) ataupun lelaki Amerika bernama Robert Williams dari Michigan ( 25 tahun ). Dalam kes Kenji Urada, beliau bekerja di kilang Kawasaki dan dinyatakan telah masuk ke kandang robot untuk melakukan pembersihan. Akibat tergesa-gesa, beliau terlupa untuk mematikan robot sepenuhnya. Apabila robot itu bergerak, beliau tidak sempat menyelamatkan diri.

Sesungguhnya, merekacipta robot adalah tugas yang sangat kompleks. Se­lain pengetahuan teknikal, banyak etika dan moral yang perlu difikirkan. Con­tohnya, ahli sains boleh mencipta robot yang paling moden tetapi tanpa kawalan dan pemantauan, tidak mustahil kita, manusia sendiri yang akan terperangkap dengan teknologi di masa depan. Selain itu, ahli sains juga boleh mencipta robot yang meniru fizik dan biologi makhluk Tuhan, tetapi sampai bila pun tidak akan mampu menandingi ciptaan Tuhan. Alangkah benar, seluas-luas ilmu janaan manusia, ini hanyalah setitik daripada pengetahuan-Nya.

Sumber: Majalah PC Edisi: Ogos 2006

Top

« Bio Ethanol, Sebagai Bahan Bakar Kendaraan dan Pengendaranya

Proyek Nekat, Proyek Merugi »

 

5. Aplikasi Kecerdasan Buatan Untuk Identifikasi Sidik Jari Minyak Bumi

Ditulis oleh EG Giwangkara S di/pada Oktober 20th, 2006

 

OilSniffer v1.00 (betha)Kecerdasan Buatan ?… wakkks…. !!!😮

[serius_mode=”on”]

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.

Spektrofotometer FTIR

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 bumiBila 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 tersebut diperbesar 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 overlayMetoda 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

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 bumiDengan 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)

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)

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

.

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout / Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout / Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout / Ubah )

Foto Google+

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s


%d blogger menyukai ini: