Pengetahuan dan Penalaran (Agen Logika) Materi 4

Pengetahuan Berbasis Agent Logika

Representasi pengetahuan adalah cara untuk menyajikan pengetahuan yang diperoleh ke dalam suatu skema/diagram tertentu sehingga dapat diketahui relasi antara suatu pengetahuan dengan pengetahuan yang lain dan dapat dipakai untuk menguji kebenaran penalarannya. Logika sebagai Bahasa Representasi Pengetahuan memliki pengertian Logika sebagai bhasa formal untuk memrepresentasikan fakta sedemikian sehinga kesimpulan (fakta baru,jawaban) dapat ditarik. Ada banyak metode inference yang diketahui sehingga kata bias mebangun  agent Wumpus Wold dengan logika. Memanfaatkan perkembangan logika oleh ahli metematika, filsafat selama ratusan tahun. 

Inferensi merupakan proses atau algoritma yang “merunkan” fakta baru dari fakta-fakta yang lama. Reasong bukan dilakukan pada fakta di dunia (berdasarkan semantic), melainkan representasi fakta dalam bahasa representasi pengetahuan si agent (secara sintaks). Otak manusia melakukan proses reasoning dalam suatu bentuk sintak dapat di ilustrasikan. Agen berbasis pengetahuan menggunakan inferensi dan knowledge base untuk menghasilkan informasi baru atau untuk mengambil keputusan. 

Logika

Logika didefinisikan sebagai ilmu untuk berpikir dan menalar dengan benar sehingga didapatkan kesimpulan yang absah.

Tujuan dari logika: memberikan aturan-aturan penalaran sehingga orang dapat menentukan apakah suatu kalimat bernilai benar atau salah.

Representasi Logika dibagi menjadi dua:

Propositional Logic (Logika Proposisi)

Suatu Proposisi merupakan suatu statemen atau pernyataan yang menyatakan benar (TRUE) atausalah (FALSE). Dalam Propositional Logic fakta dilambangkan dengan simbol misalnya P, Q dan R.Lambang-lambang tersebut dihubungkan dengan relasi-relasi logika

Dengan menggunakan operator logika:

Tabel Kebenaran Logika

Predicate Logic (Logika Predikat)

Pada logika predikat proposisi dibedakan menjadi argumen (obyek) dan predikat (keterangan). Secara umum penulisan proposisi dalam logika predikat dapat dinyatakan sebagai berikut:

Predikat (argumen-1, argumen-2,..., argumen-3)

Contoh: Proposisi: “Bu Atika mencintai Pak Agus Setiawan”

Dalam logika predikat disajikan dalam bentuk:

Mencintai (Bu Atika, Pak Agus Setiawan)

      P         Argumen-1            Argumen-2

1. Logika Proposisi

Proposisi adalah suatu pernyataan yang dapat bernilai Benar atau Salah. Simbol-simbol seperti P dan Q menunjukkan proposisi. Dua atau lebih proposisi dapat digabungkan dengan menggunakan operator 

logika : 

a.Konjungsi : ∧ (and)        

b. Disjungsi : ∨ (or)           

c. Negasi : ¬ (not)             

d.Implikasi : Æ (if then)    

e. Ekuivalensi : ↔ (if and only if)

2. Logika Predikat

Representasi Fakta Sederhana

Misal diketahui fakta-fakta sebagai berikut :

Andi adalah seorang laki-laki : A

Ali adalah seorang laki-laki : B

Amir adalah seorang laki-laki : C

Anto adalah seorang laki-laki : D

Agus adalah seorang laki-laki : E

Jika kelima fakta tersebut dinyatakan dengan menggunakan proposisi, maka akan terjadi pemborosan, dimana beberapa pernyataan dengan predikat yang sama akan dibuat dalam proposisi yang berbeda. Logika predikat digunakan untuk merepresentasikan hal-hal yang tidak dapat direpresentasikan dengan menggunakan logika proposisi. Pada logika predikat kita dapat merepresentasikan fakta-fakta sebagai suatu pernyataan yang disebut dengan wff (well –formed formula). Logika predikat merupakan dasar bagi bahasa AI seperti bahasa pemrograman PROLOG Pada contoh diatas, dapat dituliskan :

laki-laki(x) 

dimana x adalah variabel yang disubstitusikan dengan Andi, Ali, Amir, Anto, Agus, dan laki-laki yang lain. Dalamlogika predikat, suatu proposisi atau premis dibagi menjadi 2 bagian, yaitu argumen (objek) dan predikat (keterangan). Argumen adalah individu atau objek yang membuat keterangan. Predikat adalah keterangan yang membuat argumen dan predikat.

Misal terdapat pernyataan sebagai berikut :

1.Andi adalah seorang mahasiswa

2.Andi masuk jurusan Elektro

3.Setiap mahasiswa elektro pasti mahasiswa teknik

4.Kalkulus adalah matakuliah yang sulit

5.Setiap mahasiswa teknik pasti akan suka kalkulus atau akan membencinya

6.Setiap mahasiswa pasti akan suka terhadap suatu matakuliah

7.Mahasiswa yang tidak pernah hadir pada kuliah matakuliah sulit, maka mereka pasti tidak suka terhadap matakuliah tersebut.

8.Andi tidak pernah hadir kuliah matakuliah kalkulus

Logika Proposisi/Logika Sederhana

Sistem logis paling sederhana. Kita harus mendefinisikan sehimpunan simbol proposisi, misal: P, Q. Kemudian definisikan semantik dari simbol tersebut.

Contoh:

P berarti “Minggu adalah hari libur”.

Q berarti “Sekarang adalah hari minggu”.

Himpunan operator digunakan dalam proses penalaran terhadap nilai-nilai kebenaran.

Operator Logika

Operator Dasar

– And, Dan ∧

– Or, Atau ∨

– Not, Tidak￢

– Implies, Maka, Menyebabkan ⇒

– Iff(if and only if), Jika dan hanya jika ⇔

Contoh Logika Proposisi:

–        R: Sekarang Hujan

–        D: Sekarang Gelap

–        C: Sekarang Dingin

• Pola Penalaran (reasoning pattern) pada logika proposi

Resolusi

Diperkenalkan oleh Robinson (1965). Resolusi merupakan kaidah inferensi utama dalam bahasa PROLOG.PROLOG menggunakan notasi “quantifier-free”.•PROLOG didasarakan pada logika predikat urutan pertama. Sebelum resolusi diaplikasikan, wff harus berada dalam bentuk normal atau standard.

Tiga tipe utama bentuk normal : conjunctive normal form, clausal form dan subset Horn clause. Resolusi diaplikasikan ke dalam bentuk normal wff dengan menghubungkan seluruh elemen dan quantifier yang dieliminasi.

• Inferensi Proposisi Yang Efektif

Algoritma Runut-balik (Backtracking) 

Runut-balik (backtracking) adalah algoritma yang berbasis DFS (pencarian mendalam) untuk mecari solusi persoalan secara lebih mangkus. Backtracking yang merupakan perbaikan dari algoritma bruteforce secara sistematis mencari solusi persoalan di antara semua kemungkinan solusi yang ada. Dengan metode ini, kita tidak perlu memeriksa semua kemungkinan solusi yang ada, hanya pencarian yang mengarah pada solusi saja yang dipertimbangkan. Akibatnya, waktu pencarian dapat dihemat. Backtracking secara harfiah dinyatakan dalam algoritma rekursif, Kadang-kadang disebutkan pula bahwa runut-balik merupakan bentuk tipikal dari algoritma rekursif. Saat ini algoritma runut-balik banyakn diterapkan untuk program games(seperti permainan tic-tac-toe, menemukan jalan keluar dalams ebuah labirin, catur, dll.) dan masalah-masalah pada bidang kecerdasan buatan.

• Iterferensi Proporsi yang Efektif :

Algoritma Backtracking, Algoritma Pencarian Lokal.

Algoritma backtrack pertama kali diperkenalkan oleh D.H. Lehmer pada tahun 1950[10]. Dalam perkembangan algoritma ini, beberapa ahli seperti Rwalker, Golomb, dan Baumert menyajikan uraian umum tentang backtrack dan penerapannya dalam berbagai persoalan dan aplikasi. Algoritma backtracking adalah sebuah algoritma yang berbasis depth-first search (DFS) dalam pencarian solusi pada pohon ruang status yang dibangun secara dinamis. Algoritma ini membangun solusi parsial (partial solution) dari sebuah kandidat solusi dan mengevaluasi solusi parsial tersebut pada suatu waktu. Jika solusi parsial yang dibangun tidak memenuhi syarat, maka kandidat solusi tersebut tidak akan dibangun lebih lanjut dan dilakukan backtrack ke kandidat solusi lain yang memenuhi syarat. Algoritma backtracking dilakukan secara berulangulang hingga menemukan sebuah solusi yang sesuai dengan syarat.

Langkah-langkah pencarian solusi pada algoritma backtracking adalah sebagai berikut.

1. Solusi dicari dengan membentuk lintasan dari akar ke daun. Simpul yang telah dilahirkan dinamakan simpul hidup dan simpul hidup yang diperluas dinamakan simpul-E (Expand node).
2. Jika lintasan yang diperoleh dari perluasan simpul-E tidak mengarah ke solusi, maka simpul itu akan menjadi simpul mati yang tidak dapat diperluas lagi.
3. Jika posisi terakhir ada di simpul mati, maka pencarian dilakukan dengan membangkitkan simpul anak yang lainnya dan jika tidak ada simpul anak maka dilakukan backtracking ke simpul induk.
4. Pencarian dihentikan jika kita telah menemukan solusi atau tidak ada simpul hidup yang dapat ditemukan.

• Algoritma Pencarian Lokal

Pencarian lokal terdiri dari:

Hill-Climbing Search

• Pemilihan state berdasarkan nilai objektifnya  

Genetic Algorithm

• Pemilihan state berdasarkan aturan seleksi alam yang diterapkan pada state collection (sering disebut sebagai populasi)

• Agen Berbasis Logika Proposisi

o   Merupakan logika yang paling sederhana. Sebuah sentence dinyatakan sebagai simbol proposional P1, P2, dst.

o   Sintaks dari logika proposisi

§  Jika S adalah kalimat, ⌐S adalah kalimat (negasi)

§  Jika  S1 dan S2 adalah kalimat, S1 Ʌ S2 adalah kalimat (conjunction)

§  Jika  S1 dan S2 adalah kalimat, S1 V S2 adalah kalimat (disjunction)

§  Jika Jika  S1 dan S2 adalah kalimat, S1 → S2 adalah kalimat (implication)

§  Jika  S1 dan S2 adalah kalimat, S1 ↔ S2 adalah kalimat (biconditional)

Heuristik Search dan Eksplorasi ( Perteuan ke 3 )

Pencarian Berbentuk Heuristik dan Eksplorasi

Pada strategi best-forst search, cost sebenarnya yaitu dari simpul awal ke simpul n, dinotasikan dengan g(n) dan fungsi heuristic yang digunakan yaitu perkiraan/etimasi nilai dari simpul n ke simpul tujuan dinotasikan dengan h(n). Algoritma yang menggunakan metode best-first search, yaitu  :

• Greedy Best-First Search
• Algoritma A*

Beberapa istilah yang sering digunakan pada metode best-first search :

1. Start node, adalah sebuah terminology untuk posisi awal sebuah pencarian.
2. Current node, adalah simpul yang sedang dijalankan (yang sekarang) dalam algoritma pencarian jalan terpendek.
3. Kandidat (successor), adalah simpul-simpul yang berjasen dengan current node, dengan kata lain simpul-simpul yang akan diperiksa berikutnya.
4. Simpul (node), merupakan representasi dari area pencarian.
5. Open list, adalah tempat menyimpan data simpul yang mungkin diakses dari starting node maupun simpul yang sedang dijalankan.
6. Closed list, adalah tempat menyimpan data simpul yang juga merupakan bagian dari jalur terpendek yang telah berhasil didapatkan.
7. Goal node, yaitusimpul tujuan.
8. Parent, adalah current node dari suksesor/kandidat.

Greedy Best First Search

Greedy Best First Search fungsi evaluasi tidak bergantung pada cost sebelumnya, tetapi hanya bergantung pada fungsi heuristic itu sendiri.jika pada algoritma pencarian yang dilakukan bergantung pada cost sebenarnya dari sebuah simpul yaitu g(n), pada Greedy Best First Search fungsi evaluasi hanya bergantung pada fungsi heuristic h(n) yang mengestimasikan arah yang benar, sehingga pencarian jalur dapat berlangsung dengan sangat secapt. Secara matematis fungsi evaluasi pada greedy search diberikan oleh :

f(n) = h(n)

Salah satu algoritma yang termasuk kedalam kategori informed search adalah Greedy Best First Search yang dikenal juga dengan Greedy Search. Secara harfiah greedy artinya rakus atau tamak, sifat yang berkonotasi negative. Sesuai dengan arti tersebut, prinsip greedy adalah mengambil keputusan yang dianggap terbaik hanya untuk saat itu saja yang diharapkan dapat memberikan solusi terbaik secara keseluruhan. Oleh karena itu, pada setiap langkah harus dibuat keputusan yang terbaik dalam menentukan pilihan. Keputusan yang telah diambil pada suatu langkah tidak dapat diubah lagi pada langkah selanjutnya.

Algoritma A* (A Star)

Algoritma A* adalah algoritma yang menggabungkan Dijkstra dan algoritma Greedy Best First Search. Selain menghitung biaya yang diperlukan untuk berjalan dari simpul satu ke simpul lainnya, algoritma A* juga menggunakan fungsi heuristicuntuk memprioritaskan pemeriksaan simpul-simpul pada arah yang benar, sehingga algoritma A* mempunyai efisiensi waktu yang baik dengan tidak mengorbankan perhitungan biaya sebenarnya.

 Algoritma Pencarian Lokal dan Masalah Optimisasi

• Metode Hill Climbing Search

Metode ini hampir sama dengan metode pembangkitan dan pengujian, hanya saja proses pengujian dilakukan dengan menggunakan fungsi heuristik. Pembangkitan keadaan berikutnya sangat tergantung pada feedback dari prosedur pengetesan. Tes yang berupa fungsi heuristik ini akan menunjukkan seberapa baiknya nilai terkaan yang diambil terhadap keadaan-keadaan lainnya yang mungkin (Sri Kusumadewi 2003, h. 34).

• Simulated Annealing Search

Suatu algoritma optimasi yang mensimulasikan proses annealing pada pembuatan materi yang terdiri dari butir keristal/logam. Algoritma unt untuk optimalisasi yang bersifat generic.

Secara umum ada 3 hal pokok pada simulated annealing, yaitu:

1. Nilai awal Unt temperature (T0). Nilai T0 biasanya ditetapkan cukup besar (tidak mendekati 0), karena jika T mendekati 0 maka gerakan simulated annealing akan sama dengan hill climbing. Biasanya temperature awal ini ditetapkan sebesar 2 kali panjang suatu jalur yang dipilih secara acak.
2. Kriteria Yang dipakai unt memutuskan apakah temperature sistem seharusnya dikurangi.
3. Berapa besarnya pengurangan temperature dalam setiap waktu.

• Local Beam Search

Algoritma pencarian heuristik yangmerupakan optimasi dari pencarian best-first search yang mengurangikebutuhan memorinya. Dalam Beam Search, hanya jumlah solusiparsial terbaik yang telah ditetapkan yang disimpan sebagai kandidat. Beam Search memiliki keuntungan yang berpotensi mengurangi perhitungan dan waktu pencarian. Selain itu, pemakaian memori daripencarian ini jauh lebih sedikit daripada metode yang mendasari mtode pencarian ini.  Kelemahan utama Beam Search adalah metode pencarian ini mungkin  tidak dapat mencapai tujuan/hasil yang optimaldan bahkan mungkin tidak mencapai tujuan sama sekali. Padakenyataannya, algoritma beam search berakhir untuk dua kasus:  nodetujuan yang diperlukan tercapai, atau node tujuan tidak tercapai dantidak ada node tersisa untuk dieksplorasi.

Beam Search membutuhkan tiga komponen sebagai inputnya, yaitu :

1. Masalah yang akan di selesaikan Biasanya di tampilkan dalam bentuk grafik dan berisi kumpulan node yang tiap satu atau lebih node mengarah ke goal/hasil.
2. Kumpulan aturan-aturan heuristik untuk pemangkasan Adalah aturan-aturan spesifik yang mengarah ke ruang masalah dan memangkas node yang tidak menguntungkan dari memori yang berhubungan dengan ruang masalah.
3. Memori dengan kapasitas yang terbatas Adalah memori tempat menyimpan beam, dimana ketika memori dalam keadaan penuh dan node akan di tambahkan ke beam, maka node yang nilainya paling besar yang dihapus, jadi  tidak  akan melebihi memori yang tersedia.

• Genetic Algorithm

Genetic Algorithm (GA) adalah teknik pencarian dalam bidang komputasi untuk menemukan solusi benar atau pendekatan untuk masalah optimasi dan pencarian. Teknik dalam GA didasarkan pada biologi evolusioner seperti pewarisan, mutasi, seleksi dan crossover.

Hal-hal yang harus dilakukan untuk menggunakan algoritma genetika:

1. Mendefinisikan individu, dimana individu menyatakan salah satu solusi (penyelesaian) yang mungkin dari permasalahan yang diangkat.
2. Mendefinisikan nilai fitness, yang merupakan ukuran baik tidaknya sebuah individu atau baik tidaknya solusi yang didapatkan.
3. Menentukan proses pembangkitan solusi awal. Hal ini biasanya dilakukan dengan menggunakan pembangkitan acak seperti random walk.
4. Menentukan proses seleksi yang akan digunakan.
5. Menentukan proses perkawinan silang (cross over) dan mutasi gen yang akan digunakan.

Referensi : https://bellavira.blogspot.com

Penyelesaian Masalah Melalu Proses Pencarian Searching (Materi 2 )

Agent Penyelesaian Masalah 

• Searching teknik penyelesaian masalah yang mempresentasikan masalah kedalam ruang keadaan (state) dan secara sistematis melakukan pembangkitan dan pengujian state-state dari initial state sampai ditemukan suatu goal state.
• Reasoning Teknik penyelesaian masalah yang mempresentasikan masalah kedalam logic (Mathematical Tools yang digunakan untuk merepresentasikan dan memanipulasi fakta dan aturan)
• Planning Memecah masalah dalam sub-sub masalah yang lebih kecil, menyelesaikan sub-sub masalah satu demi satu, kemudian menggabungkan solusi-solusi dari sub masalah tersebut menjadi sebuah solusi lengkap.
• Learning Program komputer yang secara otomatis sanggup belajar dan meningkatkan performancenya  melalui pengalaman

Strategi Pencarian yang tidak berbentuk :

1. Uninformed Search Algorithm Algoritma yang tidak memberikan informasi tentang permasalahan yang ada, hanya sebatas definisi dari algoritma tersebut.
2. Informed Search Algorithm Walaupun dengan menggunakan Uninformed Search Algorithm, banyak permasalahan dapat dipecahkan, namun tidak semuanya dari algoritma tersebut dapat menyelesaikan masalah dengan efisien
3. Breadth First Search (BFS) Pencarian dengan Breadth First Search menggunakan teknik dimana langkah pertamanya adalah root node diekspansi, setelah itu dilanjutkan semua successor dari root node juga di-expand. Hal ini terus dilakukan berulang-ulang hingga leaf (node pada level paling bawah yang sudah tidak mempunyai successor lagi)
4. Uniform Cost Search (UCS) Pencarian dengan Breadth First Search akan menjadi optimal ketika nilai pada semua path adalah sama. Dengan sedikit perluasan, dapat ditemukan sebuah algoritma yang optimal dengan melihat kepada nilai tiap path di antara node-node yang ada. Selain menjalankan fungsi algoritma BFS, Uniform Cost Search melakukan ekspansi node dengan nilai path yang paling kecil. 
5. Depth First Search (DFS) Teknik pencarian dengan Depth First Search adalah dengan melakukan ekspansi menuju node yang paling dalam pada tree. Node paling dalam dicirikan dengan tidak adanya successor dari node itu. Setelah node itu selesai diekspansi, maka node tersebut akan ditinggalkan, dan dilakukan ke node paling dalam lainnya yang masih memiliki successor yang belum diekspansi.
6. Depth Limited Search Pencarian menggunakan DFS akan berlanjut terus sampai kedalaman paling terakhir dari tree. Permasalahan yang muncul pada DFS adalah ketika proses pencarian tersebut menemui infinite state space. Hal ini bisa diatasi dengan menginisiasikan batas depth pada level tertentu semenjak awal pencarian. Sehingga node pada level depth tersebut akan diperlakukan seolah-olah mereka tidak memiliki successor
7. Iterative Deepening Depth First Search Iterative deepening search merupakan sebuah strategi umum yang biasanya dikombinasikan dengan depth first tree search, yang akan menemukan berapa depth limit terbaik untuk digunakan. Hal ini dilakukan dengan secara menambah limit secara bertahap, mulai dari 0,1, 2, dan seterusnya sampai goal sudah ditemukan.
8. Bidirectional Search Pencarian dengan metode bidirectional search adalah dengan menjalankan dua pencarian secara simultan, yang satu dikerjakan secara forward dari initial state menuju ke goal, sedangkan yang satu lagi dikerjakan secara backward mulai dari goal ke initial state. Yang kemudian diharapkan bahwa kedua pencarian itu akan bertemu di tengah-tengah.

Referensi : http://socs.binus.ac.id/2013/04/23/uninformed-search-dan-informed-search/
Link Download : https://drive.google.com/open?id=1wcaSjAIsuEkjyt5yTm-GJssIVCBm6O2Z

Pengenalan Kecerdasan Buatan (Materi 1)

Artificial Intelligence

Merupakan mesin yang belajar dari pengalaman, menyesuaikan diri dengan inputan baru dan melakukan tugas seperti manusia. Jadi kecerdasan buatan ini dimasukkan ke dalam computer agar dapat menjalankan pekerjaan yang dikerjakan manusia.

Beberapa Bidang dalam Kecerdasan Buatan antara lain :

1. Sistem Pakar Sistem pakar adalah suatu program komputer yang dirancang untuk mengambil keputusan seperti keputusan yang diambil oleh seorang atau beberapa orang pakar. Menurut Marimin (1992), sistem pakar adalah sistem perangkat lunak komputer yang menggunakan ilmu, fakta, dan teknik berpikir dalam pengambilan keputusan untuk menyelesaikan masalah-masalah yang biasanya hanya dapat diselesaikan oleh tenaga ahli dalam bidang yang bersangkutan.
2. Algoritma Genetika adalah suatu algoritma pencarian yang meniru mekanisme dari genetika alam. Algoritma Genetika ini banyak dipakai pada aplikasi bisnis, teknik maupun pada bidang keilmuan.Algoritma ini dapat dipakai untuk mendapatkan solusi yang tepat untuk masalah optimal dari satu variabel atau multi variabel. Sebelum Algoritma ini dijalankan, masalah apa yang ingin dioptimalkan itu harus dinyatakan dalam fungsitujuan, yang dikenal dengan fungsi fitness. Jika nilai fitness semakin besar, maka sistem yang dihasilkan semakin baik. Operasi yang dilakukan adalah reproduksi, crossover, dan mutasi untuk mendapatkan sebuah solusi menurut nilai fitnessnya.
3. Logika Fuzzy ( logika samar ) merupakan logika yang berhadapan langsung dengan konsep kebenaran sebagian, dimana logika klasik menyatakan bahwa segala hal dapat di ekspresikan dalam binary 0 atau 1. logika fuzzy memungkinkan nilai keanggotaan antara 0 dan 1. Karena alasan diatas maka pada penelitian ini akan dibuat perancangan perangkat lunak dan perangkat keras robot avoider dengan mengunakan aplikasi Fuzzy Logic sebagai kendali system.
4. JST merupakan sistem adaptif yang dapat mengubah strukturnya untuk memecahkan masalah berdasarkan informasi eksternal maupun internal yang mengalir melalui jaringan tersebut.
   Secara sederhana, JST adalah sebuah alat pemodelan data statistik non-linier. JST dapat digunakan untuk memodelkan hubungan yang kompleks antara input dan output untuk menemukan pola-pola pada data.

Sejarah

Saat ini bidang kecerdasan buatan dalam usahanya menirukan intelegensi manusia, belum mengadakan pendekatan dalam bentuk fisiknya melainkan dari sisi yang lain. Pertama-tama diadakan studi mengenai teori dasar mekanisme proses terjadinya intelegensi. Bidang ini disebut ‘Cognitive Science’. Dari teori dasar ini dibuatlah suatu model untuk disimulasikan pada komputer, dan dalam perkembangannya yang lebih lanjut dikenal berbagai sistem kecerdasan buatan yang salah satunya adalah jaringan saraf tiruan. Dibandingkan dengan bidang ilmu yang lain, jaringan saraf tiruan relatif masih baru. Sejumlah literatur menganggap bahwa konsep jaringan saraf tiruan bermula pada makalah Waffen McCulloch dan Walter Pitts pada tahun 1943. Dalam makalah tersebut mereka mencoba untuk memformulasikan model matematis sel-sel otak. Metode yang dikembangkan berdasarkan sistem saraf biologi ini, merupakan suatu langkah maju dalam industri komputer.

Agen Intelejen

Jenis Jenis Agen Pada Kecerdasan Buatan – Jenis Jenis Agen Cerdas terdiri dari beberapa agen, berikut ini penjelasannya dari setiap agen.

• Agen refleks sederhana: Agen memilih tindakan berdasarkan persepsi saat ini, mengabaikan sisa sejarah persepsi.
• Agen reflex berbasis model: Agen mempertahankan state internal yang bergantung pada sejarah persepsi, mencerminkan beberapa aspek teramati dari kondisi saat ini.
• Agen berbasis tujuan: Agen memiliki informasi tentang tujuan dan memilih tindakan untuk mencapai tujuan
• Agen berbasis utilitas: Agen menyatakan/menetapkan pengukuran kuantitatif terhadap lingkungan (ranking).
• Pemilihan tindakan yang rankingnya paling tinggi (paling dekat mencapai tujuan).
• Agen berbasis pembelajaran: Agen belajar dari pengalaman, dapat beradaptasi untuk meningkatkan kinerja.

Link : https://drive.google.com/open?id=1XHvVQMh6soy7QqkLR9dGI-kPCrI3GWzA
Rev  : http://artikel-teknologi-informasi.blogspot.com/2012/11/pengertian-agent-pada-ai-artificial.html

IT Service Managament ( SECTION 3 CHAPTER 7)

MANAJEMEN HUBUNGAN BISNIS

PENDAHULUAN DAN RUANG LINGKUP

Keberhasilan jangka panjang dari penyedia layanan TI bergantung pada hubungannya dengan pelanggannya. Seperti dalam banyak aspek kehidupan lainnya, hubungan jangka panjang yang efektif membutuhkan komitmen dan upaya di kedua sisi untuk mengembangkan dan mempertahankan kepercayaan dan pemahaman yang akan mendukung hubungan melalui masa-masa baik dan buruk.

Dalam arti yang luas, hubungan antara pelanggan dan penyedia layanan TI mencakup spektrum penuh interaksi bisnis di antara mereka, dari hal-hal operasional yang berkaitan dengan pemberian layanan dan kinerja operasional, melalui isu-isu taktis, seperti persyaratan pengembangan atau mungkin kasus bisnis baru atau berubah layanan, untuk pengembangan strategi jangka panjang.   

Bab 13 buku ini menjelaskan bagaimana manajemen tingkat layanan (SLM) menyediakan platform untuk mengelola hubungan relatif terhadap masalah taktis tingkat operasional dan bawah. Bab ini menjelaskan bagaimana manajemen hubungan bisnis (BRM) digunakan untuk menyelaraskan kegiatan penyedia layanan dengan kebutuhan pelanggannya dengan mengembangkan, memperkuat dan memelihara hubungan untuk isu taktis tingkat strategis dan lebih tinggi, dan bagaimana BRMberhubungan dengan proses ITIL lainnya . 

MAKSUD DAN TUJUAN

Tujuan utama BRM adalah membangun dan mempertahankan hubungan yang efektif dan produktif antara pelanggan dan penyedia layanan, yang didasarkan pada pemahaman pelanggan dan kebutuhan bisnisnya. Ini berarti lebih dari sekadar bereaksi terhadap persyaratan pelanggan baru. Ini lebih dalam dari ini. Ini adalah tentang memahami pelanggan, strategi dan penggerak bisnisnya dengan cukup untuk dapat mengantisipasi dan memengaruhi persyaratan pelanggan saat keadaan berubah. Seperti yang dikatakan ITIL † “Manajemen hubungan bisnis adalah proses yang memungkinkan manajer hubungan bisnis untuk menyediakan hubungan antara penyedia layanan dan pelanggan pada tingkat strategis dan taktis.” Pelanggan dan penyedia akan memiliki kepentingan bersama untuk memastikan bahwa pelanggan memahami nilai penawaran layanan dan memiliki harapan yang realistis dari mereka. Agar hubungan semacam itu dapat berfungsi, harus ada komitmen, kepercayaan, keterbukaan, dan kejujuran yang jelas di kedua sisi, dan kadang-kadang hal ini akan mengharuskan penyedia layanan bersikap terbuka dan jujur ​​tentang pelanggan, misalnya dalam kaitannya dengan kewajiban pelanggan telah gagal memenuhi.

BRM harus mencapai sejumlah tujuan jika hubungan itu untuk memberikan. Ini harus jelas didasarkan pada pemahaman yang cukup tentang pelanggan sehingga penyedia layanan dapat mengembangkan kemampuan dan sumber dayanya untuk merespon dalam kerangka waktu yang dapat diterima untuk kebutuhan dan prioritas perubahan pelanggan, dan, jika relevan, untuk membantu pelanggan mengembangkan persyaratan dalam menanggapi. Penyedia layanan akan dapat mengantisipasi, setidaknya sejauh mana, bagaimana kebutuhan pelanggan dapat berubah dengan keadaan, mengidentifikasi bagaimana layanan baru atau berubah atau penawaran teknologi baru dapat membantu pelanggan merespons secara efektif untuk mengubah atau meningkatkan kinerja. Penyelarasan yang ketat antara penyedia layanan dan pelanggan, dan wawasan yang diberikan penyedia layanan ini, akan memungkinkan penyedia layanan untuk mengidentifikasi konflik nyata atau potensial antara berbagai bagian dari organisasi pelanggan itu sendiri dan membantu menyelesaikan atau memitigasi mereka. Tempat BRM menuntut baik penyedia layanan maupun pelanggan. BRM harus terus menunjukkan nilai dari hubungan tidak hanya melalui memenuhi tujuan yang dibahas di atas, tetapi juga dengan memastikan bahwa penyedia layanan memenuhi kewajibannya untuk kinerja dan kualitas layanan, mencapai tingkat kepuasan pelanggan yang tinggi dalam proses, antara lain oleh memberikan respons yang efektif terhadap pujian dan keluhan.

PRINSIP-PRINSIP UMUM

Dasar untuk BRM

Penyebaran BRM didasarkan pada argumen bahwa baik penyedia layanan dan pelanggan akan memperoleh manfaat dari hubungan yang berusaha menyelaraskan kegiatan penyedia layanan dengan kebutuhan bisnis berkembang pelanggan dan meningkatkan pemahaman pelanggan tentang penawaran penyedia layanan dan nilai mereka untuk bisnis pelanggan. Ini bertentangan dengan pandangan bahwa hubungan pemasok-pelanggan pada dasarnya bersifat permusuhan. BRM membutuhkan komitmen, sehingga kedua belah pihak harus menilai nilai BRM sebelum mengerahkan sumber daya untuk itu. Masalah utama bagi pelanggan adalah apakah hubungan bisnis cukup penting untuk menjadikannya berharga. Hubungan antara pelanggan dan penyedia layanan komoditas di pasar yang kompetitif akan memiliki panggilan yang lebih sedikit untuk manajemen yang terstruktur daripada layanan yang kompleks dan kepentingan strategis bagi pelanggan. Penyedia layanan juga akan ingin fokus pada pelanggan utama atau pelanggan yang memiliki kepentingan strategis bagi mereka.

Kepuasan pelanggan

Kepuasan pelanggan adalah perhatian utama untuk BRM karena begitu banyak proses SM lainnya. Namun, kepuasan pelanggan untuk BRM kurang tentang memberikan layanan kepada target yang disepakati untuk garansi dan utilitas daripada memastikan bahwa pelanggan menerima layanan yang mendukung tujuan bisnisnya. Fokus untuk BRM adalah pada desain dan penyediaan layanan yang menambahkan nilai nyata kepada pelanggan dengan biaya yang masuk akal baik dalam hubungan dengan nilai yang diberikan layanan dan biaya layanan serupa dari pesaing.

Manajemen hubungan bisnis dan manajemen tingkat layanan

Perbedaan fokus antara BRM dan proses lainnya diilustrasikan oleh perbedaan antara BRM dan manajemen tingkat layanan (SLM). Kedua proses tersebut berkaitan dengan hubungan jangka panjang dengan pelanggan dan dengan memastikan bahwa pelanggan senang dengan apa yang disampaikan. Fokus dari SLM adalah tentang menempa perjanjian dengan pelanggan pada tingkat layanan yang akan disampaikan untuk layanan tertentu dan, dengan memastikan tingkat layanan ini terpenuhi, untuk mencapai tingkat kepuasan pelanggan yang dapat diterima. Ini berarti memastikan bahwa semua proses SM, yang mendukung kontrak dan perjanjian tingkat operasional mendukung pencapaian SLA. BRM membangun hubungan dengan pelanggan yang fokus pada isu-isu strategis dan tingkat yang lebih tinggi, berusaha untuk menyediakan layanan yang selaras dengan kebutuhan bisnis pelanggan dan berada dalam kemampuan penyedia layanan untuk menyampaikan. Kepuasan pelanggan adalah ukuran utama keberhasilan BRM, tetapi ini adalah kepuasan pelanggan yang dinyatakan dalam hal nilai layanan kepada pelanggan.

Portofolio pelanggan

Agar efektif, BRM harus menjaga informasi terbaru tentang pelanggannya. Perlu dipahami siapa pelanggan sebenarnya, terutama di organisasi pelanggan yang lebih besar di mana pelanggan dan pengambil keputusan yang sebenarnya mungkin tidak sama dengan pengguna layanan utama. Untuk memahami nilai layanan kepada organisasi pelanggan dan dampak perubahan layanan, penyedia layanan memerlukan informasi yang solid tentang pengguna layanan dan bagaimana bisnis pelanggan bergantung pada layanan yang mereka terima. Penyedia membutuhkan informasi untuk menilai nilai pelanggan tertentu untuk bisnisnya sendiri berdasarkan pada arus pemakaian dan pendapatan yang lalu dan diprediksi. Ini akan memengaruhi keputusan BRM pada sumber daya yang akan diberikan oleh penyedia untuk BRM bagi pelanggan tertentu. Pengetahuan tentang strategi pelanggan dan rencana bisnis memungkinkan BRM memposisikan dirinya, dalam hal sumber daya dan kemampuan, untuk menangani perubahan permintaan pelanggan. BRM harus mengumpulkan dan menyimpan semua informasi ini dalam portofolio pelanggan, basis informasi yang secara logis berisi informasi pelanggan yang cukup untuk memberikan BRM yang efektif.

Portofolio perjanjian pelanggan

Bagian dari informasi yang diperlukan pada pelanggan menyangkut perjanjian antara penyedia layanan dan pelanggan. Ini adalah sumber utama informasi yang diperlukan oleh BRM dan dapat dianggap logis sebagai komponen portofolio pelanggan. Namun, dalam prakteknya, yang terbaik dikelola oleh manajemen tingkat layanan, yang membawa tanggung jawab untuk menegosiasikan dan mempertahankan SLA untuk memastikan bahwa semua kontrak pelanggan dan perjanjian lainnya dikelola secara terpusat untuk memastikan bahwa penyedia layanan tidak melakukan komitmen yang tidak dapat dipenuhi. . Untuk penyedia layanan internal perjanjian akan non-kontrak, sedangkan untuk penyedia layanan eksternal perjanjian akan kontraktual. Tergantung pada sifat dan skala penyedia layanan, perjanjian mungkin merupakan perjanjian standar yang diterapkan untuk semua pelanggan atau perjanjian yang dinegosiasikan secara terpisah dengansetiap pelanggan.

KEGIATAN UTAMA

Kegiatan utama BRM berkaitan dengan:• memahami pelanggan dan tujuan bisnisnya dan bagaimana ini diterjemahkan ke dalam persyaratan layanan;• membantu pelanggan merumuskan persyaratan untuk layanan baru dan mengembangkan kasus bisnis pelanggan untuk investasi di dalamnya;

• mengidentifikasi perubahan yang dapat mempengaruhi penggunaan atau persyaratan layanan oleh pelanggan;

• mengidentifikasi perkembangan teknologi dan hal-hal terkait yang dapat memberikan peluang untuk layanan yang lebih baik atau menurunkan biaya bagi pelanggan;

• memastikan bahwa pengiriman dan pengoperasian layanan, termasuk, misalnya, transisi ke operasi penuh, terus mengenali dan memenuhi kebutuhan bisnis pelanggan;

• mengukur tingkat kepuasan pelanggan dengan proses BRM dan kinerja penyedia layanan secara keseluruhan;

• berurusan dengan laporan layanan, keluhan, komentar, dan umpan balik lainnya untuk memastikan penyediaan yang efektif dan peningkatan berkelanjutan dari layanan yang diberikan.

Proses SM lainnya melalui siklus hidup

BRM pada dasarnya bergantung pada dan berinteraksi dengan banyak proses SM lain karena melakukan berbagai aktivitasnya selama siklus hidup layanan. Ketergantungan dan keterkaitan ini diilustrasikan pada Gambar 7.1.

HUBUNGAN DENGAN PROSES MANAJEMEN LAYANAN LAINNYA

Pentingnya BRM dari portofolio pelanggan dan portofolio kesepakatan pelanggan telah dibahas sebelumnya dalam bab ini. Selain ini, BRM memanfaatkan hal berikut:

• Portofolio layanan TI (lihat Bab 10): Ini digunakan oleh BRM untuk mencatat informasi tentang peluang baru untuk pelanggan BRM, sebagai sumber informasi untuk membantu BRM mengevaluasi layanan baru atau berubah dan untuk melacak kemajuan dan status pengembangan layanan untuk pelanggan.
• Portofolio proyek: Ini memberikan informasi secara lebih rinci tentang status proyek yang direncanakan atau sedang berjalan sehubungan dengan layanan baru atau yang diubah untuk pelanggan.
• Portofolio aplikasi: Ini memberikan informasi tentang aplikasi IT yang ada, fungsionalitas yang mereka sediakan, orang-orang yang mengembangkannya dan orang-orang yang mendukung dan mengelolanya.

Manajemen portofolio layanan

BRM akan bekerja sama erat dengan manajemen portofolio layanan, menggunakan informasi yang disimpan dalam portofolio layanan untuk mengidentifikasi cara terbaik untuk memanfaatkan penawaran layanan yang ada atau memanfaatkan perkembangan dalam pipa untuk memenuhi kebutuhan pelanggan. Jika portofolio layanan yang ada tidak dapat memenuhi kebutuhan pelanggan, maka perlu dikembangkan penawaran layanan baru. BRM akan bekerja dengan pelanggan untuk mengartikulasikan persyaratan strategis dan hasil yang diinginkan, menentukan pola kegiatan bisnis, mengidentifikasi pemangku kepentingan, mengembangkan kasus bisnis dan memastikan bahwa pendanaan yang memadai tersedia. Ini akan bekerja dengan manajemen portofolio layanan secara internal untuk menentukan apakah penyedia layanan memiliki sumber daya dan kemampuan untuk menyampaikan.

BRM perlu bekerja sama dengan tim desain layanan untuk memastikan bahwa layanan yang dirancang terus memberikan utilitas dan garansi yang ditetapkan, bekerja sama dengan tim proyek untuk memperjelas atau memperluas persyaratan dan menyelesaikan konflik. Selama tahap ini, BRM akan bekerja dengan ketersediaan dan manajemen kapasitas untuk membantu mereka memahami apa yang dibutuhkan pelanggan dan mengapa, terus bekerja dengan pelanggan untuk mengembangkan dan memperbaiki pola aktivitas bisnis dan untuk mengartikulasikan dan menyetujui persyaratan untuk pemulihan bencana / kelangsungan bisnis. Bekerja bersama manajemen tingkat layanan, BRM juga akan berperan dalam pengembangan perjanjian tingkat layanan dan mendapatkan komitmen pelanggan untuk proses SLM. BRM memiliki peran penting untuk dimainkan dalam memastikan persyaratan pelanggan untuk kelangsungan bisnis dipahami dengan benar dan dimasukkan ke dalam Manajemen Kelangsungan Layanan TI.

Ubah manajemen, perencanaan dan dukungan transisi, manajemen pengetahuan, dan rilis dan manajemen penyebaran

BRM akan memastikan bahwa permintaan perubahan diajukan atas nama pelanggan dan bahwa kepentingan pelanggan terwakili sepenuhnya dalam proses manajemen perubahan. BRM juga akan terlibat dalam memastikan pelanggan berada pada kondisi kesiapan yang cukup untuk menerima layanan baru, tidak hanya dalam hal menyetujui dan memvalidasi rencana dan kriteria uji penerimaan pengguna dan menyediakan sumber daya yang diperlukan untuk melakukan tes, tetapi juga dalam hal membuat perubahan yang diperlukan untuk proses dan prosedur melalui manajemen perubahan bisnis. Ini akan terlibat dengan pelanggan dalam mengembangkan pelatihan dan rencana pendidikan, dan termasuk pelanggan dalam pengembangan rencana manajemen pengetahuan. BRM juga akan bekerja sama dengan pelanggan dalam kaitannya dengan rilis dan manajemen penyebaran untuk memastikan bahwa pelanggan memahami rencana rilis dan penyebaran, dampaknya terhadap operasi dan risiko yang terkait. BRM perlu mengkonfirmasi bahwa ada cukup

‘Go live’ dan dukungan kehidupan awal, pelatihan telah cukup dan sesuai dengan tujuan dan bahwa pelanggan memiliki informasi lengkap tentang kesalahan yang diketahui dan memahami bagaimana hal ini dapat mempengaruhi pengoperasian layanan baru.

Peningkatan layanan berkelanjutan

Pengukuran kepuasan pelanggan adalah kegiatan utama untuk BRM selama siklus hidup. Pengukuran kepuasan pelanggan, manajemen tingkat layanan dan

proses peningkatan tujuh langkah semua akan mengidentifikasi peluang untuk peningkatan layanan, seperti juga pertemuan antara pelanggan dan BRM untuk meninjau laporan layanan. Diskusi pada tingkat yang lebih strategis akan mengidentifikasi area-area di mana layanan perlu dimodifikasi, diganti atau diakhiri sebagai tanggapan terhadap penggerak perubahan eksternal, seperti undang-undang dan peraturan baru, persaingan yang berkembang atau berbagai kondisi ekonomi.

Manajemen keuangan untuk layanan TI

BRM membantu manajemen keuangan untuk layanan TI untuk memahami bagaimana pelanggan menilai nilai yang mereka dapatkan dari layanan TI dan apa yang mereka siapkan untuk membayarnya. BRM membantu pelanggan memahami kebijakan, biaya, risiko, dan masalah keuangan penyedia layanan TI lainnya, dan menjelaskan bagaimana biaya penyedia layanan diterjemahkan ke dalam biaya pelanggan. Secara kritis, BRM dapat membantu pelanggan memahami implikasi keuangan dari keputusan perencanaan jangka panjang. 

METRICS

Kinerja BRM diukur dalam kaitannya dengan kegiatan utamanya dan indikator kinerja utama mencerminkan hal ini:• Mendokumentasikan tujuan bisnis pelanggan dan hasil bisnis yang diinginkan yang disepakati dengan pelanggan dan cocok untuk dimasukkan ke dalam portofolio layanan.• Persyaratan yang lengkap dan ditandatangani untuk layanan baru dan kasus bisnis pelanggan untuk penggunaannya.• Mendokumentasikan bukti identifikasi perubahan yang mungkin berdampak pada layanan yang disampaikan dan penyedia layanan menanggapi mereka.• Peluang untuk memanfaatkan perkembangan teknologi baru dan inovasi lainnya diidentifikasi, dinilai bekerja sama dengan pelanggan, didokumentasikan dan dicatat dalam portofolio layanan.• Bukti yang terdokumentasi yang memberikan layanan secara efektif dan efisien memenuhi kebutuhan pelanggan.• Penilaian rutin terhadap kepuasan pelanggan yang menunjukkan tingkat kepuasan yang tinggi, misalnya, melalui bisnis berulang dan rekomendasi positif kepada pelanggan potensial lainnya.• Bukti yang terdokumentasi bahwa peningkatan layanan berkelanjutan dicapai dalam menanggapi dan melalui analisis laporan layanan, keluhan, komentar, dan umpan balik lainnya.

PERAN

Peran kunci dalam BRM, yang mungkin atau mungkin tidak ditugaskan untuk satu orang, adalah pemilik proses hubungan bisnis dan manajer proses hubungan bisnis. Yang pertama bertanggung jawab untuk kinerja yang tepat dari proses BRM dalam kaitannya dengan tujuan dan kebijakan yang disepakati dan standar untuk operasinya. Yang kedua dari dua peran ini berkaitan dengan manajemen operasional proses BRM.Apakah cocok untuk dua peran ini untuk digabungkan dalam satu orang tergantung pada skala organisasi dan strukturnya dalam kaitannya dengan proses SM lainnya. Organisasi penyedia layanan yang lebih besar mungkin memiliki beberapa manajer hubungan bisnis, mungkin digambarkan sebagai manajer akun, yang akan melaporkan kepada manajer proses BRM dan memiliki tanggung jawab untuk satu pelanggan utama atau untuk sekelompok pelanggan.