#Petgame Konsep AI

Deskripsi Umum AI

Sejarah Artificial Intelligence (AI)

Istilah Artificial INtelligence (AI) pertama kali dikemukakan pada tahun 1956 di konferensi Darthmouth. Sejak saat itu, AI terus dikembangkan sebab berbagai penelitian mengenai teori-teori dan prinsip-prinsipnya juga terus berkembang. Meskipun istilah AI baru muncul tahun 1956, tetapi teori-teori yang mengarah ke AI sudah muncul sejak tahun 1941. Secara lengkap, berikut ini tahapan-tahapan sejarah perkambangan AI.

Kecerdasan Buatan “Artificial Intelegence (AI)” merupakan suatu metode atau sistem pada suatu kontroller (komputer atau sejenisnya) yang digunakan dalam mengambil suatu keputusan atau melakukan suatu tindakan. Kecerdasan buatan atau sering disebut Artificial Intelegence (AI) dapat diartikan dalam beberapa pengertian sebagai berikut

1. Suatu cara yang sederhana untuk membuat komputer dapat “berpikir” secara 
2. Bagian dari ilmu komputer yang mempelajari perancangan sistem komputer yang inteligent, yaitu suatu sistem yang meperlihatkan karakteristik yang ada pada tingkah laku manusia, seperti mengerti suatu bahasa, mempelajari,mempertimbangkan dan memecahkan suatu masalah.
3. Suatu studi bagaimana membuat komputer dapat mengerjakan sesuatu, yang pada saat ini, orang dapat mengerjakan lebih baik
4.  Bidang ilmu komputer yang memungkinkannya untuk memahami, bernalar dan bertindak.

Tujuan Dari Kecerdasan Buatan “Artificial Intelegence (AI)” Tujuan penggunaan sistem pengambil keputusan menggunakan kecerdasan buatan atau AI adalah :

1. Untuk mengembangkan metode dan sistem untuk menyelesaikan masalah, masalah yang biasa diselesaikan melalui aktifivitas intelektual manusia, misalnya pengolahan citra, perencanaan, peramalan dan lain-lain, meningkatkan kinerja sistem informasi yang berbasis komputer.
2. Untuk meningkatkan pengertian/pemahaman kita pada bagaimana otak manusia bekerja 

Arah pengembangan dari kecerdasan buatan atau Artificial Intelegence (AI) pada suatu sistem pengambil keputusan memiliki 2 metode sebaga berikut : 

1. Mengembangkan metode dan sistem untuk menyelesaikan masalah pada sistem kecerdasan buatan (AI) tanpa mengikuti cara manusia menyelesaikannya. Arah pengembangan kecerdasan buatan (AI) dengan metode ini adalah sistem pakar / expert systems. 
2. Mengembangkan metode dan sistem untuk menyelesaikan masalah pada sistem kecerdasan buatan (AI) melalui pemodelan yang mengikuti cara berpikirnya manusia, atau cara bekerjanya otak manusia. Arah pengembangan kecerdasan buatan menggunakan metode seperti ini adalah sistem jaringan syaraf tiruan (neural networks).

Bidang-bidang Aplikasi Kecerdasan Buatan “Artificial Intelegence (AI)” Menurut Elaine Rich :
Masalah pada AI (Task Domain) : 

Tugas Keduniaan (Mundane Task) Perception: 

• Vision, Speech Recognition 
• Natural Language: Understanding, Generation, Translation 
• Commonsense Reasoning 
• Robot Control

Tugas Formal (Formal Task) 

• Games (Chess, Backgamon, checkers,Go) 
• Mathematics (Geometry, Logic, Integral, Calculus, Proving properties of programs) 

Tugas Ahli (Expert Tasks) 

• Engineering (Design,Fault Finding, Manufacturing Planning)
• Scientific Analysis, Medical Diagnosis, Financial Analysis 

Menerapkan Kecerdasan Buatan Dalam Game

ada banyak teknik yang diadaptasi dari bidang kecerdasan buatan untuk diterapkan pada game. beberapa diantaranya, yaitu: 

1. Mengejar dan Menghindar

Mengejar dan menghindar merupakan teknik dasar yang diterapkan pada banyak game berbasis kecerdasan buatan dari yang sederhana sampai yang kompleks. apakah itu space shooters, RPG, atau game strategi. metode paling umum pada teknik mengejar dan menghindar ini adalah melakukan pemutakhiran (update) koordinat terhadap objek yang menjadi sasaran. Posisi relatif dan kecepatan dapat dijadikan sebagai parameter pada algoritma mengejar dan menghindar. Metode Line-of-sight yang membutuhkan dasar rumus persamaan garis juga serngkali dijadikan basis metode mengejear dan menghindar.

2. Pola Pergerakan

Pola pergerakan merupakan cara yang sederhana untuk memberikan ilusi kecerdasan pada sebuah game. Game Galaga adalah contoh klasik penerapan pola pergerakan ini, dimana pesawat musuh dapat bergerak secara melingkat atau mengikuti pola garis lurus yang ditentukan. Contoh lain penerapan pola pergerakan adalah pada game first-person shooter yang menampilkan monster yang sedang berpatroli pada jalur tertentu, pada game simulasi pertempuran pesawat dimana pesawat musuh dapat melakukan manuver-manuver di udara yang menyulitkan kita mengejar, atau karakter-karakter non-player (figuran) seperti kambing yang sedang berjalan membutuhkan teknik pola pergerakan ini. Metode standar untuk menerapkan pola pergerakan adalah dengan cara menyimpan pola tersebut dalam suatu array. Array tersebut terdiri dari serangkaian koordinat atau perintah pergerakan dengan pola tertentu untuk mengontrol koordinat dari objek. Dengan metode ini, bisa didapatkan pola-pola pergerakan seperti melingkar, garis lurus, zig-zag atau bahkan kurva tak beraturan.

3. Jaringan saraf tiruan (neural network)

Neural network cukup baik ketika diterapkan pada kasus-kasus yang sifatnya non-linier atau mengambil keputusan yang tidak dapat dilakukan dengan metode tradisional. Penerapannya seringkali pada game-game yang memerlukan kemampuan adaptif atau belajar dari pengalaman

4. Algoritma Genetis (genetic algorithm)

Algoritma genetis sedikit banyak dipengaruhi oleh teori evolusi yang dicetuskan Darwin, yaitu bahwa spesies akan terus menerus beradaptasi dengan lingkungannya dan ciri khasnya yang terletak pada kromosom, akan diturunkan pada generasi berikutn

Pengertian Decision Making

Keputusan (decision) adalah membuat pilihan di antara beberapa kemungkinan. Sedangkan pengambilan keputusan (decision making) menunjuk pada proses yang terjadi sampai keputusan itu tercapai. Pengambilan keputusan merupakan konsep pokok dari politik dan menyangkut keputusan- keputusan yang diambil secara kolektif serta mengikat seluruh masyarakat. Keputusan – keputusan itu dapat menyangkut tujuan masyarakat maupun menyangkut kebijakan – kebijakan untuk mencapai tujuan itu. Oleh karena itu, setiap proses membentuk kebijakan umum atau kebijakan pemerintah adalah hasil dari suatu proses mengambil keputusan, yaitu memilih di antara beberapa alternative, yang akhirnya ditetapkan sebagai kebijaksanaan pemerintah.

Decission Tree ( Pohon Keputusan)

Secara sederhana Decision Tree ini merupakan sebuah metode klasifikasi yang dibangun untuk mendapatkan sebuah kesimpulan dari sejumlah data. Penarikan kesimpulan dibuat dalam bentuk pohon, dimana nantinya hasil kesimpulan berbentuk hirarki pohon yaitu dari akar, batang dan daun yang merepresentasikan hasil keputusan didapat.

Kelebihan Pohon Keputusan

Kelebihan dari metode pohon keputusan adalah:

• Daerah pengambilan keputusan yang sebelumnya kompleks dan sangat global, dapat diubah menjadi lebih simpel dan spesifik.
• Eliminasi perhitungan-perhitungan yang tidak diperlukan, karena ketika menggunakan metode pohon keputusan maka sample diuji hanya berdasarkan kriteria atau kelas tertentu.
• Fleksibel untuk memilih fitur dari internal node yang berbeda, fitur yang terpilih akan membedakan suatu kriteria dibandingkan kriteria yang lain dalam node yang sama. Kefleksibelan metode pohon keputusan ini meningkatkan kualitas keputusan yang dihasilkan jika dibandingkan ketika menggunakan metode penghitungan satu tahap yang lebih konvensional    

Kekurangan Pohon Keputusan

• Terjadi overlap terutama ketika kelas-kelas dan criteria yang digunakan jumlahnya sangat banyak. Hal tersebut juga dapat menyebabkan meningkatnya waktu pengambilan keputusan dan jumlah memori yang diperlukan.
• Pengakumulasian jumlah eror dari setiap tingkat dalam sebuah pohon keputusan yang besar.
• Kesulitan dalam mendesain pohon keputusan yang optimal.

Konsep Dasar Pohon Keputusan

Bagian awal dari pohon keputusan ini adalah titik akar (root), sedangkan setiap cabang dari pohon keputusan merupakan pembagian berdasarkan hasil uji, dan titik akhir (leaf) merupakan pembagian kelas yang dihasilkan. Pohon keputusan mempunyai 3 tipe simpul yaitu: 

1. Simpul akar, dimana tidak memiliki cabang yang masuk dan memiliki cabang lebih dari satu, terkadang tidak memiliki cabang sama sekali. Simpul ini biasanya berupa atribut yang paling memiliki pengaruh terbesar pada suatu kelas tertentu. 

2. Simpul internal, dimana hanya memiliki 1 cabang yang masuk, dan memiliki lebih dari 1 cabang yang keluar. 

3. Simpul daun, atau simpul akhir dimana hanya memiliki 1 cabang yang masuk, dan tidak memiliki cabang sama sekali dan menandai bahwa simpul tersebut merupakan label kelas. 

State Machine

Finite state machine adalah suatu perangkat atau model perangkat yang memiliki sejumlah state dan pada satu waktu dapat berada dalam salah satu state tersebut. Dia dapat memproses input dan menghasilkan transisi dari state satu ke state lain atau menghasilkan output berupa aksi.

Contoh pengunaan finite state machine cukup banyak. Contoh yang gampang adalah demo aplikasi Animasi 2D dengan Direct3D. Di demo tersebut karakter spiderman dapat berjalan, memukul, menendang dan sebagainya. Berjalan, memukul dan menendang adalah beberapa state dimana spiderman dapat berada. State berjalan, memukul dan menendang di atas menghasilkan output berupa aksi yakni animasi berjalan, memukul dan animasi menendang.

Rule Based System

Rule based system dikatakan sebagai sistem yang digunakan sebagai cara untuk menyimpan dan memanipulasi pengetahuan untuk diwujudkan dalam suatu informasi yang dapat membantu dalam menyelesaikan berbagai permasalahan. Berbagai aplikasi dapat dihasilkan dari konsep ini misalnya aplikasi dalam bidang medis. Pada bidang medis salah satunya adalah aplikasi yang dapat membantu seorang dokter dalam mengidentifikasikan suatu permasalahan kesehatan berdasarkan gejala yang telah diketahui.

Path Finding

Pathfinding adalah proses pencarian path tercepat dari titik asal ke titik tujuan dengan menghindari berbagai halangan sepanjang path yang ditempuh. Secara umum pathfinding dapat dibedakan menjadipathfinding statik dan dinamik.Metode pathfinding paling mudahditemui pada game-game bertipe strategi dimana kita menunjuk satu tokoh untuk digerakkan ke lokasi tertentu dengan mengklik lokasi yang hendak dituju. Si tokoh akan segera bergerak ke arah yang ditentukan, dan secara “cerdas” dapat menemukan jalur terpendek ataupun menghindari dari rintangan-rintangan yang ada. Salah satu algoritma pathfindin yang cukup umum dan yang paling banyak digunakan utnuk mencari jarak terpendek secara efisien adalah algoritma A* (baca: A star). Secara umum, algoritma A* adalah mendefinisikan area pencarian menjadi sekumpulan node-node (tiles). Titik awal dan titik akhir ditentukan terlebih dulu untuk mulai penelusuran pada tiap-tiap node yang memungkinkan untuk ditelusuri. Dari sini, akan diperoleh skor yang menunjukkan besarnya biaya untuk menempuh jalur yang ditemukan, ditambah dengan nilai heuristik yang merupakan nilai biaya estimasi dari node yang ada menuju tujuan akhir. Iterasi akan dilakukan hingga akhirnya mencapai target yang dituju. 

Way Point 

Waypoint adalah sekumpulan koordinat yang mengidentifikasi sebuah titik di peta.

Way point digunakan untuk kepentingan navigasi terestrial. Koordinat-koordinat itu biasanya menyertakan longitude, latitude, dan kadang altitude untuk keperluan navigasi di udara.Waypoint dibagi menjadi dua jenis, yaitu waypoint fly by dan waypoint fly over. Waypoint fly by tidak melewati lokasi di atas way point namun tetap menuju ke arah tujuan, sedangkan waypoint fly over melewati lokasi di atas way point. Setelah satu waypoint terlewati, maka pilot harus menetapkan waypoint berikutnya yang disebut dengan waypoint aktif.

Tactic & Strategic AI 

Strategic Deciders adalah komponen yang secara konseptual di tingkat tertinggi abstraksi. Komponen ini harus memutuskan strategi untuk karakter yang didasarkan pada kondisi saat ini dan memori. Pada tingkat berikutnya, Tactic Deciders merencanakan bagaimana membuat strategi yang dipakai sekarang dapat berjalan dengan baik. Executors atau pelaksana kemudian menerjemahkan keputusan dari tactical deciders untuk perintah tingkat  rendah (low-level commands) sesuai dengan batasan yang digunakan oleh permainan atau simulasi. Komponen coordinators memahami hubungan antar aktuator dan mungkin kembali memberikan perintah tingkat rendah lebih lanjut. Akhirnya, aktuator melakukan tindakan yang diinginkan.

sumber :

http://elektronika-dasar.web.id/kecerdasan-buatan-artificial-intelegence-ai/
http://www.belajarkecerdasanbuatan.com/2015/07/sejarah-artificial-intelligence-ai.html
http://www.lepank.com/2012/07/pengertian-keputusan-decision.html
http://tutorcollection.com/konsep-pohon-keputusan-decision-tree-data-mining/
http://demo.pohonkeputusan.com/tugas-akhir/admin/media.php?module=lain-lain&act=tentang_pohon_keputusan&ckattempt=1
http://fairuzelsaid.upy.ac.id/index.php/2015/11/02/data-mining-konsep-pohon-keputusan/
http://v3.juhara.com/id/artikel/pemrograman-delphi/16-object-oriented-finite-state-machine
http://www.tanyapedia.com/apa-itu-waypoint
http://nakbelog.com/knowledge/menerapkan-kecerdasan-buatan-dalam-game/