KECERDASAN BUATAN - “CONFIDENCE FACTOR UNIONS METHOD”

KECERDASAN BUATAN  

  “CONFIDENCE FACTOR UNIONS METHOD”

1.      Latar Belakang

         Sistem pakar adalah program komputer yang menggunakan teknologi artificial intelligence (AI) untuk mensimulasikan penghakiman dan perilaku manusia atau organisasi yang memiliki pengetahuan dan pengalaman ahli di bidang tertentu. Biasanya, sistem pkar menggabungkan basis pengetahuan yang berisi pengalaman akumulasi dan mesin inferensi atau aturan - seperangkat aturan untuk menerapkan basis pengetahuan pada setiap situasi tertentu yang dijelaskan ke program. Kemampuan sistem dapat ditingkatkan dengan penambahan basis pengetahuan atau seperangkat aturan. Sistem saat ini mungkin mencakup kemampuan belajar mesin yang memungkinkan mereka memperbaiki kinerjanya berdasarkan pengalaman, sama seperti manusia.

2.      Pembahasan

         Dalam keidupan nyata banyak hal yang belum dapat di pastika 100% kebenarannya, karena kata-kata bukan cara yang mutlak untuk mewakili makna. Untuk menghadapai hal semacam itu sekarang ada metode yang digunakan untuk menentukann factor kepastian atau confidence factor.

         Faktor Ketidakpastian yaitu hasil yang  tidak pasti disebakan oleh dua faktor yaitu aturan yang tidak pasti dan jawaban, pengguan yang tidak pasti atas suatu pertanyaan yang diajukan oleh sistem. Misalnya dapat dilihat pada sistem diagnosis penyakit, dimana sistem pakar tidak dapat mendefinisikan hubungan antara gejala dan penyebab. Metode dalam faktor Ketidakpastian yaitu metode probabilitas karena ketidakmampuan seorang pakar merumus kan suatu aturan secara pasti.

   

CONFIDENCE FACTOR UNION METHODS

         Confidence factor union methods adalah suatu alternative pendekatan untuk menentukan confidence factor dari beberapa aturan.

         C(cf) = cf1 + cf2 – cf1 * cf2

Dimana

                         C(cf) = Hasil akhir dari factor kepastian (cf)

                         cf1    = Nilai Faktor kepastian (cf) dari aturan 1

                         cf2    = Nilai Faktor kepastian (cf) dari aturan 2

Contoh :

         cf1 = 0.2

         cf2 = 0.5

C(cf) = 0.2 + 0.5 – 0.2 * 0.5 = 0.6

Bila ada aturan ketiga dengan cf3 = 0.5, maka ;

-        C(cf) = 0.6 + 0.5 – 0.6 * 0.5 = 0.8

·         CF merupakan alternatif cara penalaran Sistem Pakar selain Teorema Bayes

·         Certainty factor (cf) adalah nilai untuk mengukur keyakinan pakar.

·         Nilai tertinggi adalah +1.0 (pasti benar / Definitely), terendah -1.0 (pasti salah / Definitely not).

·         Nilai positif merepresentasikan derajat keyakinan, nilai negatif merepresentasikan derajat ketidakyakinan.

·         Misal, jika pakar menyatakan beberapa evidence adalah hampir pasti benar (almost certainly), maka nilai cf 0.8 akan diberikan pada evidence ini

Knowledge base terdiri dari sejumlah aturan yang mempunyai sintaks dasar :

IF <evidence>

THEN <hypothesis> {cf}

Dimana cf merepresentasikan keyakinan hipotesis H jika diberikan evidence E telah terjadi.

3.      Penutup

 a.      Kesimpulan :

Confidence factor union methods adalah suatu alternative pendekatan untuk menentukan confidence factor dari beberapa aturan.

b.      Saran : 

Selanjutnya untuk mendalami materi Artificial Intelligence : Confidence Factor Union Methods dengan membaca sumber-sumber yang tersedia di buku maupun internet , dan melakukan praktikum mandiri.

NAMA	NADIA AYU LESTARI ARIFIN
NPM	1144002
KELAS	3C
PRODI	TEKNIK INFORMATIKA
KAMPUS	POLITEKNIK POS INDONESIA

NadiaaaAR

Referensi
Video

§  Scan Plagiarisme  :

1. Searchenginereports 

2. Smallseotools

Kecerdasan Buatan - Natural Language Process

KECERDASAN BUATAN

“NATURAL LANGUAGE PROCESS”

1.      Latar Belakang

         Pengembangan aplikasi NLP sangat menantang karena komputer secara tradisional mengharuskan manusia untuk "berbicara" kepada mereka dalam bahasa pemrograman yang tepat, tidak ambigu dan sangat terstruktur atau, mungkin melalui sejumlah perintah suara yang jelas-jelas. Pidato manusia, bagaimanapun, tidak selalu tepat - seringkali ambigu dan struktur linguistik dapat bergantung pada banyak variabel kompleks, termasuk bahasa gaul, dialek daerah dan konteks social, Pendekatan saat ini terhadap NLP didasarkan pada pembelajaran mesin, sejenis kecerdasan buatan yang meneliti dan menggunakan pola dalam data untuk memperbaiki pemahaman program sendiri. Sebagian besar penelitian yang dilakukan pada pemrosesan bahasa alami berkisar pada pencarian, terutama pencarian perusahaan.

2.      Pembahasan

         Natural Language Processing (NLP) mengacu pada metode AI untuk berkomunikasi dengan 

sistem cerdas dengan menggunakan bahasa alami seperti bahasa Inggris. Pengolahan Bahasa Alami

diperlukan bila Anda menginginkan sistem cerdas seperti robot untuk melakukansesuai instruksi 

Anda, bila Anda ingin mendengar keputusan dari sistem pakar klinis berbasis dialog, dll.

Bidang NLP melibatkan pembuatan komputer untuk melakukan tugas yang bermanfaat dengan bahasa

alami yang digunakan manusia. Input dan output dari sistem NLP bisa berupa 

·   Pidato

·   Teks tertulis

Tugas NLP yang umum dalam program perangkat lunak saat ini meliputi:

·   Segmentasi kalimat, pemberian tag dan parsing part-of-speech.

·   Analisis mendalam

·   Dinamakan ekstraksi entitas.

·   Co-referensi resolusi.

Keuntungan dari pemrosesan bahasa alami dapat dilihat saat mempertimbangkan dua pernyataan berikut: 

"Asuransi komputasi awan harus menjadi bagian dari setiap perjanjian tingkat layanan" dan "SLA yang 

baik memastikan tidur malam lebih mudah - bahkan di awan." Jika Anda menggunakan pemrosesan bahasa

nasional untuk pencarian, program ini akan mengenali bahwa komputasi awan adalah entitas, bahwa awan 

adalah bentuk singkat dari komputasi awan dan bahwa SLA adalah akronim industri untuk perjanjian tingkat layanan.

a)      Komponen NLP Ada dua

-       Pemahaman Bahasa Alami (NLU) Pengertian melibatkan tugas-tugas berikut - Pemetaan input yang 

diberikan dalam bahasa alami menjadi representasi yang berguna. Menganalisis berbagai aspek bahasa. 

-       Natural Language Generation (NLG) Ini adalah proses menghasilkan ungkapan dan kalimat bermakna

 dalam bentuk bahasa alami dari beberapa representasi internal. Ini melibatkan - Perencanaan teks 

- Ini termasuk mengambil konten yang relevan dari basis pengetahuan. Perencanaan kalimat 

- Termasuk memilih kata-kata yang dibutuhkan, membentuk ungkapan bermakna, mengatur nada kalimat. 

Text Realization - Ini adalah pemetaan rencana kalimat ke dalam struktur kalimat

-       NLU lebih sulit dari NLG

b)     Kesulitan dalam NLU

-       NL memiliki bentuk dan struktur yang sangat kaya.

-       Ini sangat ambigu. Ada berbagai tingkat ambiguitas 

-       Ketidakjelasan leksikal - Pada tingkat yang sangat primitif seperti word-level. Misalnya, memperlakukan

     kata "papan" sebagai kata benda atau kata kerja? Tingkat Sintaks ambiguitas 

-       Kalimat dapat diuraikan dengan berbagai cara. Misalnya, "Dia mengangkat kumbang dengan topi merah."

-       Apakah dia menggunakan topi untuk mengangkat kumbang atau dia mengangkat kumbang yang memiliki 

     tutup merah? Referential ambiguity 

-       Mengacu pada sesuatu yang menggunakan kata ganti. Misalnya, Rima pergi ke Gauri. Dia berkata, "Saya lelah." 

-       Tepat siapa yang lelah? Satu masukan bisa berarti makna yang berbeda. Banyak masukan bisa berarti hal yang sama.

c)      Terminologi NLP

o   Fonologi - Ini adalah studi pengorganisasian yang terdengar sistematis

o   Morfologi - Ini adalah studi tentang konstruksi kata-kata dari unit-unit bermakna primitif.

o   Morpheme - Ini adalah satuan makna primitif dalam bahasa.

o   Sintaks - Ini mengacu pada penyusunan kata-kata untuk membuat sebuah kalimat. Ini juga 

melibatkan penentuan peran struktural kata-kata dalam kalimat dan frasa.

o   Semantik - Hal ini berkaitan dengan arti kata-kata dan bagaimana menggabungkan kata-kata

 menjadi frase dan kalimat yang berarti.

o   Pragmatik - Ini berhubungan dengan menggunakan dan memahami kalimat dalam situasi yang

 berbeda dan bagaimana penafsiran kalimat tersebut akan terpengaruh.

o   Wacana - Ini berkaitan dengan bagaimana kalimat sebelumnya bisa mempengaruhi penafsiran kalimat berikutnya.

o   Pengetahuan Dunia - Ini mencakup pengetahuan umum tentang dunia.

d)     Langkah di NLP

o   Lexical Analysis - Ini melibatkan identifikasi dan analisis struktur kata-kata. Leksikon bahasa berarti kumpulan 

kata dan ungkapan dalam bahasa. Analisis leksikal membagi keseluruhan potongan txt menjadi paragraf, kalimat, dan kata-kata.

o   Syntax Analysis (Parsing) - Ini melibatkan analisis kata-kata dalam kalimat untuk tata bahasa dan mengatur kata-kata 

dengan cara yang menunjukkan hubungan di antara kata-kata. Kalimat seperti "The School goes to boy" ditolak oleh

 penganalisis sintaksis Inggris.

o   Semantics Analysis - Ini menarik arti sebenarnya atau makna kamus dari teks. Teks itu diperiksa untuk keberanian.

 Hal ini dilakukan dengan memetakan struktur dan objek sintaksis dalam domain tugas. Analis semantik mengabaikan

 kalimat seperti "es krim panas".

o   Disclosure Integration - Arti dari setiap kalimat tergantung pada arti kalimat sebelum itu. Selain itu, juga membawa 

makna langsung kalimatnya. 

o   Pragmatics Analysis - Selama ini, apa yang dikatakan diinterpretasikan kembali pada apa yang sebenarnya dimaksudkannya

 Ini melibatkan aspek bahasa yang membutuhkan pengetahuan dunia nyata.

.

e)      SpeechRecognition

merupakan library python untuk melakukan pengenalan suara, dengan dukungan beberapa mesin dan API, online dan offline.

 install terlebih dahulu pyaudio yang digunakan untuk menginput micropone.

         pip install pyaudio

Selanjutnya install PocketSphinx untuk menggunakan Sphinx recognizer.

         pip install wheel

Lalu install Google API Client Library for Python untuk menggunakan Google Cloud Speech API.

         pip install google-api-python-client

Terakhir install SpeechRecognition.

         pip install SpeechRecognition

Hasil Implementasi :

3.      Penutup

a.      Kesimpulan :

Natural Language Processing (NLP) mengacu pada metode AI untuk berkomunikasi dengan sistem cerdas dengan 

menggunakan bahasa alami seperti bahasa Inggris. Pengolahan Bahasa Alami diperlukan bila Anda menginginkan 

sistem cerdas seperti robot untuk melakukansesuai instruksi Anda

b.      Saran : 

Selanjutnya untuk mendalami materi Artificial Intelligence : Natural Language Process 

dengan membaca sumber-sumber yangtersedia di buku maupun internet , dan melakukan praktikum mandiri.

NAMA	NADIA AYU LESTARI ARIFIN
NPM	1144002
KELAS	3C
PRODI	TEKNIK INFORMATIKA
KAMPUS	POLITEKNIK POS INDONESIA

 Github

      Referensi

      Youtube

                     Scan Plagiarisme  :

1.      Searchenginereports

2.      Smallseotools