SISTEM PAKAR DIAGNOSA GEJALA KECANDUAN GAME ONLINE DENGAN MENGGUNAKA METODE CERTAINTY FACTOR

SISTEM PAKAR DIAGNOSA GEJALA KECANDUAN GAME ONLINE

DENGAN MENGGUNAKA METODE CERTAINTY FACTOR

• 1.Latar Belangkang 

 Sistem pakar dipandang sebagai cara penyimpanan pengetahuan pakar pada bidang

tertentu dalam program komputer sehingga keputusan dapat diberikan dalam melakukan

penalaran secara cerdas. Dalam penerapannya sistem pakar mempunyai beberapa metode, salah satunya adalah metode certainty factor. Salah satu implementasi yang dapt diterapkan dengan menggu-nakan sistem pakar dalam bidang kesehatan yaitu sistem pakar umtuk melakukan diagnosa gejala kecanduan game online. Dalam melakukan diagnosa terdapat

langkah-langkah yang harus dijalankan agar kita bisa memastikan hasil diagnosa dengan baik.

Namun dalam penelitian ini penulis hanya mengumpulkan data-data yang kemu-dian akan dianalisa menggunakan system pakar untuk menentukan hasil diagnosa. Diagnosa dapat

dilakukan untuk mengetahui apakah seseorang mengalami suatu penyakit, misalnya penyakit psikis seperti kecanduan game online. Dewasa ini game online sedang marak di masyarakat, peminatnya tidak pandang bulu mulai dari anak-anak sampai orang dewasa. Dalam memainkannya terkadang seseorang tidak mengenal waktu sehingga seringkali lupa akan waktu, misalnya saja jam 2 pagi itu sewajarnya dipakai orang untuk tidur, tapi ternyata tidak untuk sebagian komunitas yang dalam hal ini sebagai gamers online sejati, malah digunakan untuk bermain game. Hal ini yang kemudian benar-benar membuat orang ketagihan untuk terus larut dalam situasi ini. Fenomena ini sudah lama terjadi tapi sepertinya belum mendapat perhatian yang serius. Kecanduan game online adalah kesenangan saat bermain game karena memberi rasa kepuasan tersendiri, sehingga ada perasaan untuk mengulang lagi kegiatan menyenangkan yang ditawarkan ketika bermain game online  

• 2.Metode Yang Dipakai 

Sebagai metode yang digunakan untuk diagnosa gejala kecanduan game online menggunakan metode certainty factor memberikan cara yang mendasar dalam memasukkan informasi eksternal ke dalam proses analisa data.

• 3.Landasan Teori 

Metode Certainty Factor

Faktor kepastian (certainty factor) 

diperkenalkan oleh shortliffe buchanan dalam

pembuatan MYCIN (Wesley, 1984). Certainty 

Factor (CF) merupakan nilai parameter MYCIN

untuk menunjukkan besarnya kepercayaan. Factor 

Kepastian (certainty Factor) menyatakan

kepercayaan dalam sebuah kejadian (fakta atau 

hipotesis) berdasarkan bukti atau penilaian pakar 

(Tuban, 2005). 

Certainty Factor menggunakan suatu nilai 

untuk mengasumsikan derajat keyakinan seorang 

pakar terhadap suatu data. Certainty Factor 

memperkenalkan konsep keyakinan dan 

ketidakyakinan yang kemudian diformulakan dalam

rumusan dasar sebagai berikut :

CF [P,E] = MB [P,E] – MD [P,E]

Berikut ini adalah deskripsi beberapa

kombinasi Certainty Factor terhadap berbagai

kondisi :

1. Certainty Factor untuk kaidah dengan premis

tunggal (single premis rules) :

CF(H,E) = CF(E) * CF(rule)

= CF(user) * CF(pakar)

2. Certainty Factor untuk kaidah dengan premis

majemuk (multiple premis rules) :

CF (A AND B) = Minimum (CF (a), CF (b)) *

CF (rule

CF (A OR B) = Maximum (CF (a), CF (b)) *

CF (rule)

3. Certainty Factor untuk kaidah dengan

kesimpulan yang serupa (similarly concluded

rules) :

CFCOMBINE (CF1, CF2) = CF1 + CF2 * (1 – CF1)

Kecanduan Game Online

Kecanduan bermain game secara berlebihan dikenal dengan istilah Game Addiction (Grant, J.E. & Kim, S.W. (2003). Artinya seorang anak seakanakan tidak ada hal yang ingin dikerjakan selain bermain game, dan seolah-olah game ini adalah hidupnya. Hal semacam ini sangat riskan bagi perkembangan si anak yang perjalanan hidupnya masih panjang. Seorang psikiater menyatakan orang yang kecanduan game lebih sulit ditangani daripada pasien yang kecanduan pornografi.

Pasalnya, para pecandu game ini malu

menceritakan ‘aibnya’. Apakah ini berarti lebih

memalukan?

Terdapat 3 jenis kecanduan game online yang

didapat dari seorang pakar yaitu kecanduan ringan

(kritereria antara 0.1 s/d 0.39), kecanduan sedang

(kriteria antara 0.4 s/d 0.79), dan kecanduan berat

(kriteria antara 0.8 s/d 1), rule based dapat dilihat

seperti tabel dibawah ini:

Tabel 1 : Kriteria

Keterangan:

E1= Sering mengakses game lewat internet (online

game)

E2= Pola hidup mulai tidak teratur atau terganggu

E3= Malas jika disuruh mengerjakan sesuatu selain

game

E4= Sangat antusias jika ditanya mengenai game

E5= Tidak bisa konsentarasi saat melakukan suatu

pekerjaan kecuali bermain game

E6 = Terlihat sering mengantuk

E7 = Mudah emosional

E8 = Rela mengeluarkan banyak uang demi game

E9 = Terputus dari kehidupan sosial

E10 = Sering menirukan karakter game

A = Kecanduan ringan

B = Kecanduan sedang

C = Kecanduan berat

• 
  

   4.Pembahasan

Berdasarkan informasi tersebut maka pada

kasus ini disusun sebanyak 3 kaidah produksi atau

rule base yang berkaitan dengan kriteria kecanduan

game online, kaidah-kaidah tersebut adalah sebagai

berikut :

Aturan 1

IF Sering kewarnet

AND Pola hidup mulai tidak teratur atau

terganggu

AND Malas jika disuruh mengerjakan sesuatu

selain game

THEN KECANDUAN RINGAN

Aturan 2

IF Sangat antusias jika ditanya mengenai game

AND Tidak bisa konsentarasi saat melakukan

suatu pekerjaan

AND Terlihat sering mengantuk

AND Mudah emosional

THEN KECANDUAN SEDANG

Aturan 3

IF Rela mengeluarkan banyak uang demi game

AND Terputus dari kehidupan sosial

AND Sering menirukan karakter game

THEN KECANDUAN BERAT

Adapun logika metode certainty factor pada

sesi konsultasi sistem, pengguna konsultasi diberi

pilihan jawaban yang masing-masing memiliki

bobot sebagai berikut :

1. Tidak : 0

2. Sedikit yakin : 0,5

3. Cukup yakin : 0,7

4. Yakin : 0,8

5. Sangat yakin : 1

Nilai 0 menunjukkan bahwa pengguna

konsultasi menginformasikan bahwa seseorang

tersebut tidak mengalami kecanduan seperti yang

ditanyakan oleh sistem. Semakin pengguna

konsultasi yakin pada jenis kecanduan tersebut,

maka semakin tinggi pula hasil persentase

keyakinan yang diperoleh. Proses penghitungan

prosentase keyakinan diawali dengan pemecahan

sebuah kaidah yang memiliki premis majemuk,

menjadi kaidah-kaidah yang memiliki premis

tunggal. Kemudian masing-masing aturan baru

dihitung CF nya, sehingga diperoleh nilai CF untuk

masing-masing aturan, kemudian nilai CF tersebut

dikombinasikan.

Sebagai contoh, dari hasil interview dengan

seorang gamer diperoleh hasil kriteria atau ciri-ciri

sebagai berikut:

- Tidak bisa konsentrasi saat melakukan suatu

pekerjaan kecuali bermain game

- Sangat antusias jika ditanya tentang game

- Terlihat sering mengantuk

- Mudah emosional

Hasil kriteria ini akan dianalisa/diproses

dengan menggunakan metode certainty factor.

Adapun cara kerjanya adalah sebagai berikut:

a. Langkah pertama, menentukan nilai bobot untuk

masing-masing gejala yang telah ditentukan dari

tabel rulebase kriteria;

- CFPakar (Tidak bisa konsentrasi saat

melakukan suatu pekerjaan kecuali bermain

game) = 0.4

- CFPakar (Sangat antusias jika ditanya tentang

game) = 0.45

- CFPakar (Terlihat sering mengantuk)

= 0.6

- CFPakar (Mudah emosional) =0.65

b. Langkah kedua, menentukan nilai bobot

keyakinan gamer mengalami gejala atau kriteria

yang disebutkan, sebagai berikut : 

- Tidak bisa konsentrasi saat melakukan suatu

pekerjaan kecuali bermain game =

Yakin = 0,8

- Sangat antusias jika ditanya tentang game=

Cukup Yakin= 0,7

- Terlihat sering mengantuk

= Yakin = 0.8

- Mudah emosional =Sangat Yakin = 1

c. Langkah ketiga, memecah kaidah awal yang

memiliki premis menjadi kaidah dengan premis

tunggal, sehingga menjadi:

IF Tidak konsentrasi saat melakukan suatu

pekerjaan kecuali bermain game

THEN Kecanduan Sedang

IF Sangat antusias jika ditanya tentang game

THEN Kecanduan Sedang

IF Terlihat sering mengantuk

THEN Kecanduan Sedang

IF Mudah emosional

THEN Kecanduan Sedang

d. Langkah keempat, Menghitung nilai CF dari

Kaidah-kaidah yang baru tersebut (premis

tunggal) dengan mengalikan CFUser Dengan

CFPakar mejadi :

CF 1.1 = 0,4 * 0,8 = 0,32

CF 1.2 = 0,45 * 0,7 = 0,315

CF 1.3 = 0,6 * 0,8 = 0,48

CF 1.4 = 0.65 * 1 = 0,65

e. Langkah yang terakhir adalah

mengkombinasikan nilai CF dari masingmasing

kaidah :

Kombinasikan CF 1.1 dengan CF 1.2:

CFCombine (CF1, CF2)

= CF1 + CF2 *(1-CF1),

CFCombine (CF1.1, CF1.2)

= CF1.1 + CF1.2 * (1 - CF1.1)

= 0,32 + 0,315 * (1 – 0,32)

= 0,32 + 0,2142

= 0,5342 CFold

Kombinasikan CFold dengan CF 1.3 :

CFCombine (CFold, CF1.3)

= CFold + CF1.3 * (1 - CFold)

= 0,5342 + 0,48 * (1 – 0,5342)

= 0,5342 + 0,223584

= 0,757784 CFold

Kombinasikan CFold dengan CF 1.4 :

CFCombine (CFold, CF1.4)

= CFold + CF1.4 * (1 - CFold)

= 0,757784 + 0,65 * (1 – 0,757784)

= 0,757784 + 0,1574404

= 0,9152244 CFold

Prosentase keyakinan

= CFCombine * 100 %

= 0,9152244 * 100 %

= 91,52244 %

Dengan demikian dapat dikatakan bahwa

perhitungan certainty factor yang dilakukan untuk user adalah jenis kecanduan Sedang dengan tingkat keyakinan sistem 91,52244 %.

• 5. Implementasi

Gambar 2 : Form Login

Gambar 3 : Form Konsultasi

     Gambar 4 : Form Hasil Konsultasi

•  6A.Kesimpulan

1. Proses diagnosa gejala kecanduan game online dapat dilakukan dengan mengenali semua

gejala-gejala kecanduan game online dan hasil kriteria yang didapat akan dianalisa dengan

menggunakan metode tertentu.

2. Penerapan Metode Certainty Factor sangat cocok digunakan untuk melakukan diagnosa

gejala kecanduan game online, karna dengan menggunakan metode ini sistem yang dirancang

akan lebih mudah untuk dipahami oleh para penggunanya.

3. Perancangan aplikasi Sistem Pakar diagnosa gejala kecanduan game online dilakukan dengan menggunakan pemograman Visual Studio 2008, dan semua data yang dimasukkan merupakan hasil perhitungan menggunakan metode certainty factor.

• 6B.Saran 

1. Sebaiknya Diadakan Pelatihan Atau Pengarahan Dalam Kecaduan Game Online Bagai Anak - Anak 

2. Peran Orangtua Sangat Penting Untuk Mengawasi Anak - Anak Dalam Bermain Game Online

• Daftar Pustaka 

http://www.ilmuskripsi.com/p/daftar-jurnal-sistem-pakar.html

Sistem Pakar

Sistem Pakar 

1. Pengertian Sistem Pakar

      

     Sistem Pakar Adalah bagian dari kecerdasaan buatan yang berisi kombinasi pemahaman teoritis tentang suatu persoalan dan sekumpulan aturan pemecahan persoalan heuristik yang dikembangkan oleh manusia untuk dapat memecahkan problema pada suatu domain yang spesifik. 

         Sistem Pakar merupakan perangkat lunak yang digunakan untak memecahkan masalah yang biasanya diselesaikan oleh seorang pakar.Aturan - aturannya di dalam memberitahu program , bagaimana ia memberlakukan informasi - informasi yang tersimpan.

berdasarkan itu program memberikan solusi - solusi atau bantuan pengambilan keputusan mengenai permasalahan tertentu,mirip dengan saran seorang pakar.

2. Tujuan Sistem Pakar 

Pada dasarnya sistem pakar diterapkan untuk mendukung aktivitas pemecahan masalah. Beberapa aktivitas pemecahan masalah yang dimaksud seperti (Lestari, 2012):

1. Interpretasi. Membuat kesimpulan atau deskripsi dari sekumpulan data mentah. Pengambilan keputusan dari hasil observasi, termasuk pengenalan ucapan, analisis citra, interpretasi sinyal, dll. 
2. Prediksi. Memproyeksikan akibat-akibat yang dimungkinkan dari situasi-situasi tertentu. Contoh: prediksi demografi, prediksi ekonomi, dll. 
3. Diagnosis. Menentukan sebab malfungsi dalam situasi kompleks yang didasarkan pada gejala-gejala yang teramati diagnosis medis, elektronis, mekanis, dll. 
4. Perancangan (desain). Menentukan konfigurasi komponen-komponen sistem yang cocok dengan tujuan-tujuan kinerja tertentu yang memenuhi kendala-kendala tertentu. Contoh: perancangan layout sirkuit, bangunan.
5. Perencanaan. Merencanakan serangkaian tindakan yang akan dapat mencapai sejumlah tujuan dengan kondisi awal tertentu. Contoh: perencanaan keuangan, militer, dll. 
6. Monitoring. Membandingkan hasil pengamatan dengan kondisi yang diharapkan. Contoh: computer aided monitoring system. 
7. Debugging. Menentukan dan menginterpretasikan cara-cara untuk mengatasi malfungsi. Contoh: memberikan resep obat terhadap kegagalan. 
8. Instruksi. Mendeteksi dan mengoreksi defisiensi dalam pemahaman domain subjek. Contoh: melakukan instruksi untuk diagnosis dan debugging.
9. Kontrol. Mengatur tingkah laku suatu environment yang kompleks. Contoh: melakukan kontrol terhadap interpretasi, prediksi, perbaikan dan monitoring kelakukan sistem.

3. Manfaat Sistem Pakar 

    

Secara garis besar, banyak manfaat yang dapat diambil dengan adanya sistem pakar ahli antara lain:

1. Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli.
2. Bisa melakukan proses secara berulang secara otomatis.
3. Menyimpan pengetahuan dan keahlian dari para pakar.
4. Meningkatkan output dan produktivitas.
5. Meningkatkan kualitas.
6. Mampu mengambil dan melestarikan keahlian para pakar (terutama termasuk yang keahlian langka).
7. Mampu beroperasi dalam lingkungan yang berbahaya.
8. Memiliki kemampuan untuk mengakses pengetahuan.
9. Memiliki reabilitas.
10. Meningkatkan kapabilitas sistem komputer.
11. Memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan mengandung ketidak pastian.
12. Sebagai media pelengkap dalam pelatihan.
13. Meningkatkan kapabilitas dalam menyelesaikan masalah.
14. Menghemat waktu dalam mengambil keputusan.

4. Penerapan Sistem Pakar Di Berbagai Bidang 

       

     1. Sistem Pakar Dalam Bidang Kedokteran

Di dunia kedokteran, sudah banyak bermunculan aplikasi sistem pakar. Sistem pakar ini mampu mendiagnosis berbagai jenis penyakit pada manusia, baik penyakit mata, THT (telinga, hidung, tenggorokan), mulut, organ dalam (jantung, hati, ginjal), maupun AIDS (Hamdani, 2010). Dengan adanya sistem pakar ini, orang awam mampu mendeteksi adanya penyakit pada dirinya berdasarkan gejala-gejala yang dirasakan oleh orang tersebut dengan menjawab pertanyaan pada aplikasi seperti halnya konsultasi ke dokter.

Aplikasi sistem pakar dalam bidang kedokteran yang dibuat dengan proses penelusuran maju (forward chaining) mampu mengenali jenis penyakit pada manusia, terutama jenis penyakit mata. Aplikasi sistem pakar ini dapat menjadi sarana untuk menyimpan pengetahuan tentang penyakit terutama yang berkenaan dengan jenis penyakit mata dari para pakar atau ahlinya. Sistem pakar mampu membantu pasien maupun dokter dalam menyediakan sistem pendukung keputusan dan saran dari pakar.

Pada aplikasi sistem pakar umumnya user akan diminta untuk menjawab pertanyaan sesuai dengan gejala yang dirasakan. Dalam aplikasi ini, user menjawab dengan ya atau tidak. Setelah menjawab beberapa pertanyaan, maka aplikasi akan menghasilkan kesimpulan mengenai jenis penyakit mata yang diderita user. Pada aplikasi sistem pakar lainnya, tidak jarang juga sudah memberikan solusi atau cara penanganan terhadap jenis penyakit yang diderita tersebut.

    2. Sistem Pakar Dalam Bidang Psikologi

Salah satu implementasi yang diterapkan sistem pakar dalam bidang psikologi, yaitu untuk sistem pakar menentukan jenis gangguan perkembangan pada anak. Anak-anak merupakan fase yang paling rentan dan sangat perlu diperhatikan satu demi satu tahapan perkembangannya. Contoh satu bentuk gangguan perkembangan adalah conduct disorder. Conduct disorder adalah satu kelainan perilaku dimana anak sulit membedakan benar salah atau baik dan buruk, sehingga anak merasa tidak bersalah walaupun sudah berbuat kesalahan. Dampaknya akan sangat buruk bagi perkembangan sosial anak tersebut. Oleh karena itu dibangun suatu sistem pakar yang dapat membantu para pakar/psikolog anak untuk menentukan jenis gangguan perkembangan pada anak dengan menggunakan metode Certainty Factor (CF).

     3. Implementasi Sistem Pakar di Bidang Ekonomi

Sistem pakar sangat berguna di bidang ekonomi, terutama dalam hal pengambilan keputusan untuk memulai suatu investasi usaha. Apalagi pada saat sekarang orang awam banyak kurang memahami pasar modal sehingga mereka cenderung menggunakan intuisi daripada analisa dalam berinvestasi. Kondisi ini mengakibatkan mereka harus menghadapi resiko yang tinggi dalam berinvestasi. Untuk meminimumkan resiko tersebut diperlukan suatu alat seperti sistem pakar yang mampu menganalisa sesuai dengan keadaan yang terjadi di pasar modal, sehingga investor menjadi lebih yakin dalam berinvestasi. 

         A. Mampu mengambil keputusan

         B. Langkah-langkah pengambilan keputusan jelas

         C. Mudah dikembangkan lebih lanjut

         D. Memberikan solusi tepat waktu

         E. Menyimpan pengetahuan

    

      4. Implementasi Sistem Pakar di Bidang Sosial Budaya

System pakar sangat erat kaitannya dengan social budaya. Bidang social yang sangat berkaitan dengan system pakar adalah psikologi. Karena ilmu psikologi bisa memanfaatkan system pakar untuk memberikan solusi dari beberapa sifat yang dimiliki oleh seseorang tanpa menggunakan psikolog. Hal tersebut sangat membantu karena estimasi waktu untuk pemikiran solusi bagi seseorang bisa dilakukan sesingkat mungkin.

- System pakar bisa memberikan keputusan yang cepat dari masalah-masalah kejiwaan yang dihadapi seseorang tanpa harus didampingi oleh psikolog.

- System pakar bisa membuat pemikiran psikolog lebih ringan karena segala keputusan bisa diperoleh tanpa harus berpikir lebih mendalam.

    

       5. Implementasi Sistem Pakar di Bidang Hankam

Bentuk implementasi system pakar di bidang ini antara lain pada radar. Fungsi radar secara umum ialah mendeteksi keberadaan benda di lingkungan dimana radar berada. Jarak jangkauan radar bermacam-macam. Semakin berkembangnya teknologi kemampuan radar semakin canggih. Radar saat ini dapat mendeteksi keberadaan awak yang tidak dikenal, dan menampilkan informasi yang mendukung tentang benda yang ditangkap pada radar.

- Membantu pertahanan sebuah instansi atau bahkan Negara.

- Membantu dalam sistem keamanan yang terbatas dapat dilakukan oleh manusia.

- Mengurangi penyalahgunaan alat yang penting .

      

      6. Implemetasi Sistem Pakar di Bidang Ilmu Pengetahuan

 Impementasi sistem pakar di bidang robotika Pada bidang robotika penerapan sistem pakar sangat jelas. Sebagaimana yang kita ketahui selama ini, robot merupaka suatu benda yang dapat bekerja secara otomatis. Baik bekerja berdasarkan program yang sudah diinputkan atau menerima input dalam bentuk sensor (gerak, cahaya, suhu, dll).

- Tugas manusia semakin ringan.

- Tugas yang mengancam nyawa dapat diminimalisir dengan memanfaatkan robot.

- Efisiensi waktu.

- Membantu rumah tangga.

- Kemajuan teknologi akan membuat generasi muda untuk berusaha menciptakan robot yang lebih pintar lagi.

5. Kesimpulan 

Sistem Pakar merupakan perangkat lunak yang digunakan untak memecahkan masalah yang biasanya diselesaikan oleh seorang pakar.Aturan - aturannya di dalam memberitahu program , bagaimana ia memberlakukan informasi - informasi yang tersimpan.

berdasarkan itu program memberikan solusi - solusi atau bantuan pengambilan keputusan mengenai permasalahan tertentu,mirip dengan saran seorang pakar.

   Sumber :
 
    http://entin.lecturer.pens.ac.id/Kecerdasan%20Buatan/Buku/Bab%206%20Sistem%20Pakar.pdf
    http://www.kajianpustaka.com/2016/10/pengertian-tujuan-dan-struktur-sistem-pakar.html
    http://informatika.web.id/sistem-pakar-expert-system.htm
    https://www.academia.edu/11523074/Sistem_Pakar?auto=download
   

Pengantar Teknologi Sistem Cerdas

1.Pengertian Teknologi Sistem Cerdas

   Teknologi sistem cerdas adalah teknologi apa pun yang membantu manusia dalam membuat, mengubah, menyimpan, mengomunikasikan dan/atau menyebarkan informasi.
ilmu komputer yang membuat agar mesin komputer dapat melakukan pekerjaan seperti dan sebaik yang dilakukan manusia.

2.Pengertian Kecerdasan Buatan/ Artificial Intelligence 

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

3.Perbedaan Intelligence Kecerdasan Buatan dan Alami

1                                        Keuntungan Kecerdasan Buatan

a.       Kecerdasan buatan lebih bersifat permanen. Kecerdasan alami akan cepat mengalami perubahan. Hal ini dimungkinkan karena sifat manusia yang pelupa. Kecerdasan buatan tidak akan berubah sepanjang sistem komputer dan program tidak mengubahnya.

b.      Kecerdasan buatan lebih mudah diduplikasi dan disebarkan. Mentransfer pengetahuan manusia dari satu orang ke orang lain butuh proses dan waktu lama. Disamping itu suatu keahlian tidak akan pernah bisa diduplikasi secara lengkap. Sedangkan jika pengetahuan terletak pada suatu sistem komputer, pengetahuan tersebuat dapat ditransfer atau disalin dengan mudah dan cepat dari satu komputer ke komputer lain

c.       Kecerdasan buatan lebih murah dibanding dengan kecerdasan alami. Menyediakan layanan komputer akan lebih mudah dan lebih murah dibanding dengan harus mendatangkan seseorang untuk mengerjakan sejumlah pekerjaan dalam jangka waktu yang sangat lama.

d.      Kecerdasan buatan bersifat konsisten. Hal ini disebabkan karena kecerdasan busatan adalah bagian dari teknologi komputer. Sedangkan kecerdasan alami senantiasa berubah-ubah.

e.       Kecerdasan buatan dapat didokumentasikan. Keputusan yang dibuat komputer dapat didokumentasikan dengan mudah dengan melacak setiap aktivitas dari sistem tersebut. Kecerdasan alami sangat sulit untuk direproduksi.

f.       Kecerdasan buatan dapat mengerjakan pekerjaan lebih cepat dibanding dengan kecerdasan alami

g.      Kecerdasan buatan dapat mengerjakan pekerjaan lebih baik dibanding dengan kecerdasan alami.

                                             Keuntungan kecerdasan alami

a.       Kreatif. Kemampuan untuk menambah ataupun memenuhi pengetahuan itu sangat melekat pada jiwa manusia. Pada kecerdasan buatan, untuk menambah pengetahuan harus dilakukan melalui sistem yang dibangun

b.      Kecerdasan alami memungkinkan orang untuk menggunakan pengalaman secara langsung. Sedangkan pada kecerdasan buatan harus bekerja dengan input-input simbolik

c.       Pemikiran manusia dapat digunakan secara luas, sedangkan kecerdasan buatan sangat terbatas.

4.Sejarah Kecerdasan Buatan

A.Pada tahun 1950-an para ilmuwan dan peneliti mulai memikirkan bagaimana caranya agar mesin dapat melakukan pekerjaannya seperti yang bisa dikerjakan oleh manusia.

B.Alan Turing, seorang matematikawan Inggris, pertama kali mengusulkan adanya tes untuk melihat bisa tidaknya sebuah mesin dikatakan cerdas. Hasil tes tersebut kemudian dikenal dengan Turing Test, dimana si mesin tersebut menyamar seolah-olah sebagai seseorang di dalam suatu permainan yang mampu memberikan respon terhadap serangkaian pertanyaan yang diajukan. Turing beranggapan bahwa, jika mesin dapat membuat seseorang percaya bahwa dirinya mampu berkomunikasi dengan orang lain, maka dapat dikatakan bahwa mesin tersebut cerdas (seperti layaknya manusia).

C.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.

D.Pada tahun 1980-an, jaringan syaraf digunakan secara meluas dengan algoritma perambatan balik, pertama kali diterangkan oleh Paul John Werbos pada 1974. Tahun 1990-an ditandai perolehan besar dalam berbagai bidang AI dan demonstrasi berbagai macam aplikasi. Lebih khusus Deep Blue, sebuah komputer permainan catur, mengalahkan Garry Kasparov dalam sebuah pertandingan 6 game yang terkenal pada tahun 1997. DARPA menyatakan bahwa biaya yang disimpan melalui penerapan metode AI untuk unit penjadwalan dalam Perang Teluk pertama telah mengganti seluruh investasi dalam penelitian AI sejak tahun 1950 pada pemerintah AS.

Tantangan Hebat DARPA, yang dimulai pada 2004 dan berlanjut hingga hari ini, adalah sebuah pacuan untuk hadiah $2 juta di mana kendaraan dikemudikan sendiri tanpa komunikasi.

Sejarah Penting Pengembangan  Bidang Kecerdasan Buatan

No.	Tahun	Deskripsi
1	1206	Robot humanoid pertama karya Al-Jazari
2	1796	Boneka penuang the dari jepang bernama Karakuri
3	1941	Komputer elektronik pertama
4	1949	Komputer dengna program tersimpan pertama
5	1956	Kelahiran dari Artificial Intelligence pada Dartmouth conference
6	1958	Bahasa LISP dibuat
7	1963	Penelitian intensif departemen pertahanan Amerika
8	1970	Sisem pakaer pertama diperkenalkan secara luas
9	1972	Bahasa Prolog diciptakan
10	1986	Perangkat berbasis AI dijual luas mencapai $425 juta
11	1994	AC berbasis Neuro fuzzy dijual
12	2010	Sistem kecerdasan buatan untuk Pesawat komersial BOEING 900-ER ramai digunakan
13	2011	Service Robot untuk restoran berhasil dibuat di Indonesia
14	2012	Sistem Pakar Troubleshooting Komputer berbasis Fuzzy dan Self Learning
15	2012	Sistem immune pada Deteksi spam diciptakan

5.Contoh Teknologi Sistem Cerdas
   1.Sistem pakar (expert system) : komputer sebagai sarana untuk menyimpan pengetahuan para         pakar sehingga komputer memiliki keahlian menyelesaikan permasalahan dengan meniru keahlian     yang dimiliki pakar
   2. Robotika dan Sistem Sensor
   3. Computer vision : menginterprestasikan gambar atau objek - objek tampak melalui komputer
   4. Intelligent computer-aided instruction : komputer dapat digunakan sebagai tutor yang dapat
       melatih dan mengajar
   5. Game Playing

6. Kesimpulan 
Teknologi yang mensimulasikan kecerdasan manusia, yaitu bagaimana mendefinisikan dan mencoba
menyelesaikan persoalan menggunakan komputer dengan meniru bagaimana manusia menyelesaikan dengan cepat.
 
Sumber 1
Sumber 2