Pages

Pages

Pages - Menu

Pages - Menu

Wednesday, November 20, 2013

Makalah Tugas 3

KECERDASAN BUATAN





Makalah
Diajukan untuk Melengkapi Tugas Mata Kuliah Bahasa Indonesia 1

Oleh
Dyan Aulia Purwanto
12111299
3KA03


Jurusan Sistem Informasi
Fakultas Ilmu Komputer
Universitas Gunadarma
Depok 2013 


KATA PENGANTAR
Puji syukur kehadirat Tuhan Yang Maha Esa yang telah memberikan kita berbagai macam nikmat, sehingga aktifitas hidup yang kita jalani ini akan selalu membawa keberkahan, baik kehidupan di alam dunia ini, lebih-lebih lagi pada kehidupan akhirat kelak, sehingga semua cita-cita serta harapan yang ingin kita capai menjadi lebih mudah dan penuh manfaat.

Terima kasih sebelum dan sesudahnya kami ucapkan kepada Dosen serta teman-teman sekalian yang telah membantu, baik bantuan berupa moriil maupun materil, sehingga makalah ini terselesaikan dalam waktu yang telah ditentukan. Kami menyadari sekali, di dalam penyusunan makalah ini masih jauh dari kesempurnaan serta banyak kekurangan-kekurangnya, baik dari segi tata bahasa maupun dalam hal penyampaian kepada dosen serta teman-teman sekalian, yang kadangkala hanya menturuti egoisme pribadi, untuk itu besar harapan kami jika ada kritik dan saran yang membangun untuk lebih menyempurnakan makalah-makalah kami dilain waktu.

Harapan yang paling besar dari penyusunan makalah ini adalah, mudah-mudahan apa yang kami susun ini penuh manfaat, baik untuk pribadi, teman-teman, serta orang lain yang ingin mengambil atau menyempurnakan lagi atau mengambil hikmah dari judul ini sebagai tambahan dalam menambah referensi yang telah ada.

Depok, 19 November 2013

Dyan Aulia Purwanto

DAFTAR ISI
KATA PENGANTAR………………………………………………………………………. II
DAFTAR ISI………………………………………………………………………………..        III
DAFTAR TABEL…………………………………………………………………………… V
DAFTAR GAMBAR………………………………………………………………………..       VI
BAB 1…………………………………………………………………………………………. 1
PENDAHULUAN……………………………………………………………………………. 1
1.1 LATAR BELAKANG MASALAH                                                                                         1
1.2 RUMUSAN MASALAH                                               2
1.3 TUJUAN PENULISAN 3
BAB 2…………………………………………………………………………………………. 4
PEMBAHASAN……………………………………………………………………………... 4
2.1 DEFINISI KECERDASAN BUATAN (AI)                                                                         4
2.2 SEJARAH PERKEMBANGAN KECERDASAN BUATAN                                                 5
2.2.1 Jaman “batu” (1943-1956)………………………………………………………… 6
2.2.2 Awal antusias, harapan besar (1952-1969)………………………………………         6
2.2.3 Masa Gelap (1966-1973)…………………………………………………………… 6
2.2.4 Renaissance (1969-1979)…………………………………………………………… 7
2.2.5 Era Industrial (1980-sekarang)…………………………………………………….         7
2.2.6 Kembalinya neural networks (1986-sekarang)…………………………………..         7
2.2.7 Kematangan (1987-sekarang)……………………………………………………… 7
2.2.8 Agent Cerdas (1995-sekarang)……………………………………………………..
2.3 KECERDASAN BUATAN DALAM BERBAGAI PERSPEKTIF                                         9
2.4 TUJUAN, ARAH DAN KARAKTERISTIK KECERDASAN BUATAN                       11
2.4.1 Tujuan dari Kecerdasan Buatan………………………………………………….       11
2.4.2 Arah AI……………………………………………………………………………….12
2.4.3 Karakteristik Kecerdasan Buatan………………………………………………...       13
2.5 KONSEP KECERDASAN BUATAN                                                                               13
2.5.1 TURING TEST – Metode Pengujian Kecerdasan………………………………       13
2.5.2 PEMROSESAN SIMBOLIK……………………………………………………….   13
2.5.3 HEURISTIC…………………………………………………………………………. 14
2.5.4 PENARIKAN KESIMPULAN (INFERENCING)……………………………….       14
2.5.5 PENCOCOKKAN POLA (PATTERN MATCHING)…………………………...       14
2.6 SUB DISIPLIN ILMU DALAM KECERDASAN BUATAN                                               15
2.7 LINGKUP KECERDASAN BUATAN PADA APLIKASI KOMERSIAL                       23
2.8 KECERDASAN BUATAN DALAM PAHAM PEMIKIRAN                                       24
2.9 PENGELOMPOKKAN KECERDASAN BUATAN                                                       25
2.10 KELEBIHAN DAN KEKURANGAN KECERDASAN BUATAN                               28
2.10.1 Kelebihan Kecerdasan Buatan……………………………………………………       28
2.10.2 Kekurangan Kecerdasan Buatan…………………………………………………       29
2.11 PERBANDINGAN ANTARA KOMPUTASI KECERDASAN BUATAN DENGAN KOMPUTASI KONVENSIONAL                                                                                           30
BAB 3………………………………………………………………………………………...    32
PENUTUP…………………………………………………………………………………...     32
3.1 KESIMPULAN                                                                                                               32
3.2 SARAN                                                                                                                               32
DAFTAR PUSTAKA……………………………………………………………………….       33
DAFTAR TABEL
TABEL 2.1 SEJARAH PENTING PENGEMBANGAN  BIDANG KECERDASAN BUATAN…………………………………………………………………….. 8
TABEL 2.2 PERBANDINGAN KOMPUTASI KECERDASAN BUATAN VS KOMPUTASI KONVENSIONAL……………………………………….. 30
TABEL 2.3 PERBEDAAN KOMPUTASI KECERDASAN BUATAN VS KOMPUTASI KONVENSIONAL………………………………………………………… 31
DAFTAR GAMBAR
GAMBAR 2.1 KECERDASAN BUATAN…………………………………………………. 4
GAMBAR 2.2 JOHN MCCARTHY, DIKENAL SEBAGAI BAPAK AI……………….. 9
GAMBAR 2.3 KECERDASAN BUATAN………………………………………………... 10
GAMBAR 2.4 TASK DOMAIN OF ARTIFICAL INTELLIGENCE………………….. 11
GAMBAR 2.5 PENERAPAN KONSEP KECERDASAN BUATAN DI KOMPUTER.. 15
GAMBAR 2.6 DOMAIN AREA AI……………………………………………………….. 16
GAMBAR 2.7 MODEL SISTEM PAKAR……………………………………………….. 18
GAMBAR 2.8 PENERAPAN NLP PADA AUTOMATED ONLINE ASISTENT BERBASIS WEB………………………………………………………….. 18
GAMBAR 2.9 AL-JAZARI’S PROGRAMMABLE AUTOMATA (TAHUN 1206)…... 19
GAMBAR 2.10 KARAKURI, RANCANGAN ROBOT DARI JEPANG ABAD 16 YANG MAMPU MENUANG AIR TEH……………………………... 19
GAMBAR 2.11 CONTOH MODEL VISUAL PERCEPTION PADA ROBOT……….. 20
GAMBAR 2.12 CONTOH ROBOTIKA BERBASIS KAMERA……………………….. 21
GAMBAR 2.13 MODEL PERSEPSI VISUAL PADA COMPUTER VISION………… 22
GAMBAR 2.14 CONTOH PENERAPAN COMPUTER VISION UNTUK IDENTIFIKASI WAJAH…………………………………………………. 22
GAMBAR 2.15 GAMES TINGKAT LANJUT YANG MENERAPKAN AI…………... 23

BAB 1
PENDAHULUAN
1.1 Latar Belakang Masalah
Kecerdasan Buatan sebenarnya sudah dimulai sejak musim panas tahun 1956. pada waktu itu sekelompok pakar komputer, pakar dan peneliti dari disiplin ilmu lain dari berbagai akademi, industri serta berbagai kalangan berkumpul di Dartmouth College untuk membahas potensi komputer dalam rangka menirukan atau mensimulasi kepandaian manusia. Beberapa ilmuwan yang terlibat adalah Allen Newel, Herbert Simon, Marvin Miskey, Oliver Selfridge dan John McCarthy.
Sejak saat itu, para ahli mulai bekerja keras untuk membuat, mendiskusikan, merubah dan mengembangkan sampai mencapai titik kemajuan yang penuh. Mulai dari laboratorium sampai kepada pelaksanaan kerja nyata. Pada mulanya Kecerdasan Buatan hanya ada di universitas-universitas dan laboratorium-laboratorium penelitian, dan hanya sedikit sekali – jika ada – produk praktis yang sudah dikembangkan.
Menjelang akhir tahun 1970-an dan awal tahun 1980-an, mulai dikembangkan secara penuh dan hasilnya secara berangsur-angsur mulai dipasarkan. Saat ini, sudah banyak hasil penelitian yang sedang dan sudah dikonversikan menjadi produk nyata yang membawa keuntungan bagi pemakainya.
Kecerdasan buatan (Artificial intelegence) merupakan salah satu cabang ilmu computer yang membuat agar mesin atau computer dapat melakukan pekerjaan seperti dan sebaik yang dilakukan manusia. Kecerdasan buatan dapat diterapkan ke berbagai bidang seperti Sistem Pakar (Expert System), Pengolahan Bahasa Alami (Natural Language Processing), Pengenalan Ucapan (Speech Recognition), Robotika dan Sistem Sensor, Computer Vision, serta yang paling menarik penerapanya adalah untuk permainan (game).
Kecerdasan Buatan (bahasa Inggris: Artificial Intelligence atau AI) didefinisikan sebagai kecerdasan entitas ilmiah. Sistem seperti ini umumnya dianggap komputer. Kecerdasan diciptakan dan dimasukkan ke dalam suatu mesin (komputer) agar dapat melakukan pekerjaan seperti yang dapat dilakukan manusia. Beberapa macam bidang yang menggunakan kecerdasan buatan antara lain system pakar, permainan komputer (games), logika fuzzy, jaringan syaraf tiruan dan robotika.
Banyak hal yang kelihatannya sulit untuk kecerdasan manusia, tetapi untuk Informatika relatif tidak bermasalah. Seperti contoh: mentransformasikan persamaan, menyelesaikan persamaan integral, membuat permainan catur atau Backgammon. Di sisi lain, hal yang bagi manusia kelihatannya menuntut sedikit kecerdasan, sampai sekarang masih sulit untuk direalisasikan dalam Informatika. Seperti contoh: Pengenalan Obyek / Muka, bermain sepak bola.
Walaupun AI memiliki konotasi fiksi ilmiah yang kuat, AI membentuk cabang yang sangat penting pada ilmu komputer, berhubungan dengan perilaku, pembelajaran dan adaptasi yang cerdas dalam sebuah mesin. Penelitian dalam AI menyangkut pembuatan mesin untuk mengotomatisasikan tugas-tugas yang membutuhkan perilaku cerdas. Termasuk contohnya adalah pengendalian, perencanaan dan penjadwalan, kemampuan untuk menjawab diagnosa dan pertanyaan pelanggan, serta pengenalan tulisan tangan, suara dan wajah. Hal-hal seperti itu telah menjadi disiplin ilmu tersendiri, yang memusatkan perhatian pada penyediaan solusi masalah kehidupan yang nyata. Sistem AI sekarang ini sering digunakan dalam bidang ekonomi, obat-obatan, teknik dan militer, seperti yang telah dibangun dalam beberapa aplikasi perangkat lunak komputer rumah dan video game.

1.2 Rumusan Masalah
Berdasaran topic tentang TI, Rumusan masalah yang dapat diajukan adalah:
1. Apa saja definisi dari Kecerdasan Buatan menurut para ahli?
2. Bagaimana sejarah perkembangan dari Kecerdasan Buatan?
3. Apa saja perspektif dari Kecerdasan Buatan?
4. Apa saja tujuan, arah dan karakteristik dari Kecerdasan Buatan?
5. Bagaimana konsep dari Kecerdasan Buatan?
6. Apa saja sub disiplin ilmu dalam Kecerdasan Buatan?
7. Bagaimana lingkup Kecerdasan Buatan pada aplikasi komersial?
8. Bagaimana Kecerdasan Buatan dalam paham pemikiran?
9. Apa saja pengelompokan dalam Kecerdasan Buatan?
10. Apa saja kelebihan dan kekurangan dari Kecerdasan Buatan?
11. Apa saja yang membandingkan antara Komputasi Kecerdasan Buataan dengan Komputasi Konvensional?




1.3 Tujuan Penulisan
Berkenaan dengan rumusan masalah di atas, tujuan penulisan tentang TI adalah:
1. Mengetahui definisi Kecerdasan Buatan dari berbagai sumber.
2. Mengetahui sejarah dari Kecerdasan Buatan.
3. Mengetahui Kecerdasan Buatan dalam berbagai perspektif.
4. Mengetahui tujuan, arah dan karakteristik dari Kecerdasan Buatan.
5. Mengetahui konsep dari Kecerdasan Buatan.
6. Mengetahui sub disiplin ilmu dalam Kecerdasan Buatan.
7. Mengetahui lingkup Kecerdasan Buatan pada aplikasi komersial.
8. Mengetahui AI dalam paham pemikiran.
9. Mengetahui pengelompokan dalam Kecerdasan Buatan.
10. Mengetahui kelebihan dan kekurangan dari Kecerdasan Buatan.
11. Mengetahui perbandingan antara Komputasi Kecerdasan Buatan dengan Komputasi Konvensional.


BAB 2
PEMBAHASAN
2.1 Definisi Kecerdasan Buatan (AI)
Kecerdasan Buatan atau Artificial Intelligence merupakan salah satu bagian ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan manusia. Pada awal diciptakannya, komputer hanya difungsikan sebagai alat hitung saja. Namun seiring dengan perkembangan jaman, maka peran komputer semakin mendominasi kehidupan umat manusia. Komputer tidak lagi hanya digunakan sebagai alat hitung, lebih dari itu, komputer diharapkan untuk dapat diberdayakan untuk mengerjakan sesuatu yang bisa dikerjakan oleh manusia.









Gambar 2.1 Kecerdasan Buatan

Manusia bisa menjadi pandai dalam menyelesaikan segala permasalahan di dunia ini karena manusia mempunyai pengetahuan dan pengalaman. Pengetahuan diperoleh dari cara mempelajarinya. Semakin banyak bekal pengetahuan yang dimiliki oleh seseorang tentu saja diharapkan akan lebih mampu dalam menyelesaikan permasalahan. Namun bekal pengetahuan saja tidak cukup, manusia juga diberi akal untuk melakukan penalaran, mengambil kesimpulan berdasarkan pengetahuan dan pengalaman yang mereka miliki. Tanpa memiliki kemampuan untuk menalar dengan baik, manusia dengan segudang pengalaman dan pengetahuan tidak akan dapat menyelesaikan masalah dengan baik. Demikian juga dengan kemampuan menalar yang sangat baik, namun tanpa dibekali pengetahuan dan pengalaman yang memadai, manusia juga tidak akan bisa menyelesaikan masalah dengan baik (Sri Kusumadewi, 2003).
Sedangkan menurut para ahli lainnya, kecerdasan buatan dapat diartikan sebagai berikut:
1. H.A Simon (1987)
Kecerdasan buatan (artificial intelligence) merupakan kawasanpenelitian, aplikasi dan instruksi yang terkait dengan pemrograman komputer untuk melakukan sesuatu hal yang -dalam pandangan manusia adalah- cerdas.

2. Rich and Knight (1991)
Kecerdasan Buatan (AI) merupakan sebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik oleh manusia.

3. Encyclopedia Britannica
Kecerdasan Buatan (AI) merupakan cabang dari ilmu komputer yang dalam merepresentasi pengetahuan lebih banyak menggunakan bentuk simbol-simbol daripada bilangan, dan memproses informasi berdasarkan metode heuristic atau dengan berdasarkan sejumlah aturan.

4. Buku Sri Kusumadewi
Kecerdasan buatan atau artificial intelligence merupakan salah satu bagian ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia (Buku Sri Kusumadewi).

2.2 Sejarah Perkembangan Kecerdasan Buatan
Pada tahun 1950-an para ilmuwan dan peneliti mulai memikirkan bagaiman cara supaya mesin dapat melakukan pekerjaan seperti yang biasa dilakukan oleh manusia. Alan Touring (seorang matematikawan Inggris), pertama kali mengusulkan adanya tes untuk melihat bisa atau tidaknya sebuah mesin dikatakan cerdas. Hasil tes tersebut kemudian dikenal dengan nama “Touring Test”, dimana si mesin tersebut menyamar seolah-olah sebagai seseorang di dalam suatu permainan yang mampu memberikan respon terhadap serangkaian pertanyaan yang diajukan. Touring beranggapan bahwa, jika mesin dapat membuat seseorang percaya bahwa dirinya mampu berkomunikasi dengan orang lain, maka dapat dikatakan bahwa mesin itu cerdas (seperti layaknya manusia).
2.2.1 Jaman “batu” (1943-1956)
Awal kerja JST dan logika
Teori Logika (Alan Newell and Herbert Simon)
Kelahiran AI: Dartmouth workshop - summer 1956
Profesor dari Massachusetts Institute of Technology John McCarthy’s memberi nama bidang: artificial intelligence. Pada Dartmouth Conference yang dihadiri oleh para peneliti AI

2.2.2 Awal antusias, harapan besar (1952-1969)
McCarthy (1958)
a) mendefinisikan Lisp
b) menemukan time-sharing
c) Advice Taker
Pembelajaran tanpa pengetahuan
Pemodelan JST
Pembelajaran Evolusioner
Samuel’s checkers player: pembelajaran
Metode resolusi Robinson.
Minsky: the microworlds (e.g. the block’s world)
Banyak demonstrasi kecil ttg perilaku “intelligent”
Prediksi over-optimistic Simon

2.2.3 Masa Gelap (1966-1973)
AI tidak mengalami perkembangan: ledakan perkembangan combinatorial
Fakta bahwa suatu program bisa mendapatkan suatu solusi secara prinsip tidak berarti bahwa program memuat beberapa mekanisme yang dibutuhkan untuk mendapatkannya secara praktis
Kegagalan dari pendekatan terjemahan bahasa alami berbasis pada grammars sederhana dan kamus kata
Penterjemahan kembali yang popular English->Russian->English
Penemuan untuk pemrosesan bahasa natural dihentikan
Kegagalan perceptron untuk belajar dari fungsi sederhana sebagaimana disjunctive/eksclusive OR
Penelitian pada JST dihentikan
Realisasi dari kesukaran dalam proses learning dan keterbatasan dari metode yang dieksplorasi
Konsep pembelajaran simbolik (Winston’s influential thesis, 1972)

2.2.4 Renaissance (1969-1979)
Perubahan pada paradigma penyelesaian
Dari penyelesaian masalah berbasis “search-based” menjadi  penyelesaian masalah berbasis pengetahuan
Sistem pakar pertama
Dendral: menginferensi struktur molecular dari informasi yang disediakan oleh spektrometer massa
Mycin: diagnoses blood infections
Prospector: merekomendasikan eksplorasi pengeboran pada lokasi geologi yang menyediakan suatu deposit mineral molybdenum

2.2.5 Era Industrial (1980-sekarang)
Sukses pertama Sistem Pakar secara komersial
The many AI companies
Eksplorasi dari strategi pembelajarqan yqang bermacam-macam (Explanation-based learning, Case-based Reasoning, Genetic algorithms, Neural networks, etc.)

2.2.6 Kembalinya neural networks (1986-sekarang)
Penggalian kembali algoritma learning back propagation untuk neural networks yang pertama dikenalkan dalam tahun 1969 oleh Bryson and Ho
Banyak aplikasi sukses dari Neural Networks
Kehilangan respek terhadap sulitnya membangun sistem pakar (macetnya knowledge acquisition)

2.2.7 Kematangan (1987-sekarang)
Perubahan dalam cakupan dan metodologi penelitian bidang Kecerdasan Buatan
Membangun di atas teori yang ada, bukan cuma mengusulkan teori baru
Berbasis klaim pada theorema dan eksperimen, bukan pada intuisi
Menunjukkan relevansi ke aplikasi nyata, bukan pada contoh “mainan”

2.2.8 Agent Cerdas (1995-sekarang)
Realisasi yang pada mulanya dipisahkan dalam sub dari Kecerdasan Buatan (speech recognition, problem solving and planning, robotics, computer vision, machine learning, knowledge representation, etc.) perlu direorganisasi bilamana hasil-hasilnya diikat bersama-sama kedalam suatu desain agent tunggal
Suatu proses reintegrasi dari sub-area yang berbeda dari KB untuk membentuk “whole agent”
“Agent perspective” of AI
Agent architectures (e.g. SOAR, Disciple)
Multi-agent systems
Agent untuk aplikasi tipe-tipe yang berbeda, web agents

Tabel 2.1 Sejarah penting pengembangan  bidang Kecerdasan Buatan
No. Tahun Deskripsi
1 1206 Robot humanoid pertama karya Al-Jazari
2 1796 Boneka penuang teh dari jepang bernama Karakuri
3 1941 Komputer elektronik pertama
4 1949 Komputer dengan 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












Gambar  2.2 John McCarthy, dikenal sebagai bapak AI

2.3 Kecerdasan Buatan dalam Berbagai Perspektif
Dari perspektif Kecerdasan (Intelligence)
AI adalah bagaimana membuat mesin yang “cerdas” dan dapat melakukan hal-hal yang sebelumnya dapat dilakukan oleh manusia.
Dari perspektif bisnis
AI adalah sekelompok alat bantu (tools) yang berdaya guna, dan metodologi yang menggunakan tool-tool tersebut guna menyelesaikan masalah-masalah bisnis.
Dari perspektif pemrograman (Programming)
AI termasuk didalamnya adalah studi tentang pemrograman simbolik, pemecahan masalah, proses pencarian (search).









Gambar 2.3 Kecerdasan Buatan

a. Umumnya program AI lebih fokus pada simbol-simbol daripada pemrosesan numerik (huruf, kata, angka untuk merepresentasikan obyek, proses dan hubungannya).
b. Pemecahan masalah -> pencapaian tujuan
c. Search -> jarang mengarah langsung ke solusi. Proses search menggunakan beberapa teknik.
d. Bahasa pemrograman AI:
i. LISP, dikembangkan awal tahun 1950-an, bahasa
ii. pemrograman pertama yang diasosiasikan dengan AI.
iii. PROLOG, dikembangkan pada tahun 1970-an.
iv. Bahasa pemrograman berorientasi obyek (Object Oriented Programming (Objective C, C++, Smalltalk, Java)
Dari perspektif penelitian (research)
a. Riset tentang AI dimulai pada awal tahun 1960-an, percobaan pertama adalah membuat program permainan (game) catur, membuktikan teori, dan general problem solving (untuk tugastugas sederhana)
b. “Artificial intelligence” adalah nama pada akar dari studi area.



















Gambar 2.4 Task Domain of Artifical Intelligence

2.4 Tujuan, Arah dan Karakteristik Kecerdasan Buatan
2.4.1 Tujuan dari Kecerdasan Buatan
a) Tujuan Kecerdasan Buatan menurut Winston dan Prendergast (1984):
1. Membuat mesin menjadi lebih pintar (tujuan utama)
2. Memahami apa itu kecerdasan (tujuan ilmiah)
3. Membuat mesin lebih bermanfaat (tujuan entrepreneurial)

b) Tujuan Kecerdasan Buatan menurut Lenat dan Feigenbaum (1992):
1. Memahami kognisi manusia
Mencoba untuk mendapatkan pengetahuan ingatan manusia yang mendalam, kemampuan problem solving, belajar, membuat keputusan, dll.

2. Otomatisasi biaya-efektif
Menggantikan manusia dalam tugas-tugas intelegensi, mempunai program yang performanya sebaik manusia dalam mengerjakan pekerjaan.

3. Penguatan intelegensi biaya-efektif
Membangun system untuk membantu manusia berpikir lebih baik, lebih cepat, lebih dalam, dll. Contoh: system untuk membantu diagnose penyakit.

4. Intelegensi manusia super
Membangun program yang mempunai kemampuan untuk melebihi intelegensi manusia.

5. Problem-solving umum
System penyelesaian berbagai masalah yang luas, system ini mempunyai kelebaran pikiran.

6. Wacana koheran
Komunikasi dengan manusia menggunakan bahasa alami, contoh: dialog cerdas yang ada dalam Turing Test.

7. Belajar (induksi)
System sebaiknya dapat untuk memperoleh data sendiri dan tahu bagaimana memperolehnya, system dapat menyamaratakan, membuat hipotesis, penerapan atau pembelajaran secara heuristic, membuat alasan dengan analogi.

8. Otonomi
Mempunyai system intelegensi yang beraksi atas inisiatif sendiri. Harus bereaksi dengan dunia nyata.

9. Informasi
Simpan informasi dan mengetahui cara untuk mengambil informasi.

2.4.2 Arah AI
Mengembangkan metode dan system untuk menyelesaikan masalah AI:
1. Tanpa mengikuti cara manusia menyelesaikannya (system pakar / expert systems).
2. Melalui pemodelan cara berpikirnya manusia, atau cara bekerjanya otak manusia (neural networks).

2.4.3 Karakteristik Kecerdasan Buatan
Karakteristik didasarkan pada pandangan bahwa AI ada 4 kategori, yaitu:
1. System yang dapat berpikir seperti manusia (Thinking Humanly) (Bellman, 1978)
2. System yang dapat bereaksi seperti manusia (Acting Humanly) (Rich and Knight, 1991)
3. System yang dapat berpikir secara rasional (Thinking Rationally) (Winston, 1992)
4. System yang dapat bertingkah laku secara rasional (Acting Rationally) (Nilson, 1998)

2.5 Konsep Kecerdasan Buatan
2.5.1 TURING TEST – Metode Pengujian Kecerdasan
Turing Test merupakan sebuah metode pengujian kecerdasan yang dibuat oleh Alan Turing.
Proses uji ini melibatkan seorang penanya (manusia) dan dua obyek yang ditanyai. Yang satu adalah seorang manusia dan satunya adalah sebuah mesin yang akan diuji.
Penanya tidak bisa melihat langsung kepada obyek yg ditanyai.
Penanya diminta untuk membedakan mana jawaban komputer dan mana jawaban manusia berdasarkan jawaban kedua obyek tersebut.
Jika penanya tidak dapat membedakan mana jawaban mesin dan mana jawaban manusia maka Turing berpendapat bahwa mesin yang diuji tersebut dapat diasumsikan CERDAS.

2.5.2 PEMROSESAN SIMBOLIK
Komputer semula didisain untuk memproses bilangan / angka-angka (pemrosesan numerik).
Sementara manusia dalam berpikir dan menyelesaikan masalah lebih bersifat simbolik, tidak didasarkan kepada sejumlah rumus atau melakukan komputasi matematis.
Sifat penting dari AI adalah bahwa AI merupakan bagian dari ilmu komputer yang melukan proses secara simbolik dan non-algoritmik dalam penyelesaian masalah.

2.5.3 HEURISTIC
Istilah Heuristic diambil dari bahasa Yunani yang berarti menemukan.
Heuristic merupakan suatu strategi untuk melakukan proses pencarian (search) ruang problema secara selektif, yang memandu proses pencarian yang kita lakukan disepanjang jalur yang memiliki kemungkinan sukses paling besar.

2.5.4 PENARIKAN KESIMPULAN (INFERENCING)
AI mecoba membuat mesin memiliki kemampuan berpikir atau mempertimbangkan (reasoning).
Kemampuan berpikir (reasoning) termasuk didalamnya proses penarikan kesimpulan (inferencing) berdasarkan fakta-fakta dan aturan dengan menggunakan metode heuristik atau metode pencarian lainnya.

2.5.5 PENCOCOKKAN POLA (PATTERN MATCHING)
AI bekerja dengan metode pencocokan pola (pattern matching) yang berusaha untuk menjelaskan obyek, kejadian (events) atau proses, dalam hubungan logik atau komputasional.

Untuk melakukan aplikasi kecerdasan buatan ada 2 bagian utama yang sangat dibutuhkan (Gambar 2.5), yaitu:
1. Basis Pengetahuan (Knowledge Base), berisi fakta-fakta, teori, pemikiran dan hubungan antara satu dengan lainnya.
2. Motor Inferensi (Inference Engine), yaitu kemampuan menarik kesimpulan berdasarkan pengalaman.








Gambar 2.5 Penerapan Konsep Kecerdasan Buatan di Komputer

2.6 Sub Disiplin Ilmu dalam Kecerdasan Buatan
Persoalan-persoalan yang mula-mula ditangani oleh Kecerdasan Buatan adalah pembuktian teorema dan permainan (game). Seorang periset Kecerdasan Buatan yang bernama Samuel menuliskan program permainan catur yang tidak hanya sekedar bermain catur, namun program tersebut juga dibuat agar dapat menggunakan pengalamannya untuk meningkatkan kemampuannya. Sementara itu, Newell, seorang ahli teori logika berusaha membuktikan teorema-teorema matematika.
Makin pesatnya perkembangan teknologi menyebabkan adanya perkembangan dan perluasan lingkup yang membutuhkan kehadiran Kecerdasan Buatan. Karakteristik cerdas sudah mulai dibutuhkan di berbagai disiplin ilmu dan teknologi. Kecerdasan Buatan tidak hanya merambah di berbagai disiplin ilmu yang lain. Irisan antara psikologi dan Kecerdasan Buatan melahirkan sebuah area yang dikenal dengan nama cognition dan psycolinguistics. Irisan antara teknik elektro dengan Kecerdasan Buatan melahirkan berbagai ilmu seperti: pengolahan citra, teori kendali, pengenalan pola dan robotika.
Dewasa ini, Kecerdasan Buatan juga memberikan kontribusi yang cukup besat di bidang manajemen. Adanya system pendukung keputusan dan Sistem Informasi Manajemen juga tidak lepas dari andil Kecerdasan Buatan.
Adanya irisan penggunaan Kecerdasan Buatan di berbagai disiplin ilmu tersebut menyebabkan cukup rumitnya untuk mengklasifikasikan Kecerdasan Buatan menurut disiplin ilmu yang menggunakannya. Untuk memudahkan hal tersebut, maka pengklasifikasian lingkup Kecerdasan Buatan didasarkan pada output yang diberikan yaitu pada aplikasi komersial (meskipun sebenarnya Kecerdasan Buatan itu sendiri bukan merupakan medan komersial).
Secara garis besar bidang ilmu yang dipelajari dalam bidang  AI bisa dilihat pada gambar di bawah ini:












Gambar 2.6 Domain Area AI

Penjelasan dari lingkup utama dalam Kecerdasan Buatan adalah:
1. System Pakar (Expert System). Disini computer digunakan sebagai sarana utnuk menyimpan pengetahuan para pakar. Dengan demikian computer akan memiliki keahlian untuk menyelesaikan permasalahan dengan meniru keahlian yang dimiliki oleh pakar. Bidang ilmu ini mempelajari bagaimana membangun sistem atau komputer yang memiliki keahlian untuk memecahkan masalah dan menggunakan penalaran dengan meniru atau mengadopsi keahlian yang dimiliki oleh pakar. Dengan sistem ini, permasalahan yang seharusnya hanya bisa diselesaikan oleh para pakar/ahli, dapat diselesaikan oleh orang biasa/awam. Sedangkan, untuk para ahli, sistem pakar juga akan membantu aktivitas mereka sebagai asisten yang seolah-olah sudah mempunyai banyak pengalaman.Sedangkan definisi lain dari  sistem pakar adalah sistem berbasis komputer yang Menurut Turban,  Sistem Pakar dapat ditampilkan dengan dua lingkungan, yaitu lingkungan pengembangan dan lingkungan konsultasi (runtime). Lingkungan pengembangan digunakan oleh ES builder untuk membangun komponen dan memasukkan pengetahuan ke dalam basis pengetahuan. Lingkungan konsultasi digunakan oleh user nonpakar untuk memperoleh pengetahuan dan nasihat pakar. Lingkungan ini dapat dipisahkan setelah sistem lengkap.

Tiga komponen utama yang tampak secara virtual di setiap sistem pakar adalah:
Basis pengetahuan
Merupakan representasi pengetahuan dari seorang pakar yang diperlukan untuk memahami, memformulasikan dan memecahkan masalah. Terdiri dari 2 elemen dasar yaitu:
1. Fakta yang berupa informasi tentang situasi permasalahan, teori dari area permasalahan atau informasi tentang objek.
2. Spesial heuristik yang merupakan informasi tentang cara bagaimana membangkitkan fakta.

Mesin inferensi
Membuat inferensi yang memutuskan rule-rule  mana yang akan digunakan.

Antarmuka pengguna
Merupakan bagian dari sistem pakar yang berfungsi sebagai pengendali masukan dan keluaran. User interface melayani user selama proses konsultasi mulai dari tanya-jawab untuk mendapatkan fakta-fakta yang dibutuhkan oleh inference engine sampai menampilkan output yang merupakan kesimpulan dan solusi.

Informasi dari pakar harus dijadikan pengetahuan bagi system pakar yang akan kita kembangkan.  Pengetahuan dari system pakar selanjutnya dapat direpresentasikan dengan beberapa cara. Salah satu yang paling umum untuk merepresentasikan pengetahuan dalam bentuk aturan  IF-THEN, misalnya:
IF the car doesn’t run and
The fuel gauge reads empty
THEN fill the gas tank




Gambar 2.7 Model Sistem Pakar

2. Pengolahan Bahasa Alami (Natural Language Processing). Dengan pengolahan bahasa alami ini diharapkan user dapat berkomunikasi dengan computer dengan mengunakan bahasa sehari-hari. NLP mempelajari bagaimana bahasa alami itu diolah sedemikian hingga user dapat berkomunikasi dengan komputer. Konsentrasi ilmu ini adalah interaksi antara komputer dengan bahasa natural yang digunakan manusia, yakni bagaimana komputer melakukan ekstraksi informasi dari input yang berupa natural language dan atau menghasilkan output yang juga berupa natural language, misalnya pada system Automated online assistant seperti gambar 2.8 dan deteksi email spam yang cerdas.









Gambar 2.8 Penerapan NLP pada automated online asistent berbasis web

3. Pengenalan Ucapan (Speech Recognation). Melalui pengenalan ucapan diharapkan manusia dapat berkomunikasi dengan menggunakan suara.

4. Robotika dan Sistem Sensor (Robotics and Sensory System). Bidang ilmu inilah yang mempelajari bagaimana merancang robot yang berguna bagi industry dan mampu membantu manusia, bahkan yang nantinya bisa menggantikan fungsi manusia. Robot mampu melakukan beberapa task dengan berinteraksi dengan lingkungan sekitar. Untuk melakukan hal tersebut, robot diperlengkapi dengan actuator seperti lengan, roda, kaki, dll. Kemudian, robot juga diperlengkapi dengan sensor, yang memampukan mereka untuk menerima dan bereaksi terhadap environment mereka Al-Jajari (1136-1206) seorang ilmuwan Islam pada dinasti Artuqid yang dianggap pertama kali menciptakan robot humanoid dimana berfungsi sebagai 4 musisi, hebat kan? Bahkan pada tahun 1796 sudah dihasilkan boneka mekanik bernama Karakuri yang mampu menuangkan air teh atau menulis karakter Kanji yang dibuat oleh Hisashige Tanaka.






Gambar 2.9 Al-Jazari’s programmable automata (Tahun 1206)










Gambar 2.10 Karakuri, rancangan robot dari Jepang abad 16 yang mampu menuang air teh

Ada beberapa istilah penting di dalam robot vision yang saling berhubungan, diantaranya computer vision, machine vision dan robot vision.  Computer vision merupakan teknologi paling penting di masa yang akan datang dalam pengembangan robot yang interaktif.  Computer Vision merupakan bidang pengetahuan yang berfokus pada bidang sistem kecerdasan buatan  dan berhubungan dengan akuisisi  dan pemrosesan image. Machine vision merupakan proses menerpakan teknologi untuk inspeksi automatis berbasis image, kontrol proses dan pemanduan robot pada berbagai aplikasi industri dan rumah tangga.  Robot vision merupakan pengetahuan mengenai penerapan computer  vision pada robot.  Robot   membutuhkan informasi vision untuk memutuskan aksi apa yang akan dilakukan.  Penerapan saat ini vision pada robot antara lain sebagai alat bantu navigasi robot, mencari obyek yang diinginkan, inspeksi lingkungan dan lainnya.  Vision pada robot menjadi sangat penting karena informasi yang diterima lebih detail dibanding hanya sensor jarak atau sensor lainnya.  Misalnya dengan vision, robot dapat mengenal apakah obyek yang terdeteksi merupakan wajah orang atau bukan.  Lebih jauh lagi, sistem vision yang canggih pada robot membuat robot dapat membedakan wajah A dengan wajah B secara akurat (Face recognition system menggunakan metode PCA, LDA dan lainnya).  Proses pengolahan dari input image dari kamera hingga memiliki arti bagi robot  dikenal sebagai visual perception, dimulai dari akuisisi image, image preprocessing untuk memperoleh image yang diinginkan dan bebas noise misalnya, ekstrasi fitur hingga interpretasi seperti ditunjukkan pada gambar 2.11. Misalnya saja untuk identifikasi pelanggan dan penghindaran multiple moving obstacles berbasis vision, atau untuk menggerakan servo sebagai aktuator untuk mengarahkan kamera agar tetap mengarah ke wajah seseorang (face tracking).





Gambar 2.11 Contoh model visual perception pada robot

Contoh nyata model service robot berbasis vision  (vision-based service robot) yang dikembangkan penulis bernama Srikandi III yang menggunakan 2 buah kamera (stereo vision) seperti gambar di bawah, dimana robot dapat mengirimkan order pesanan minuman ke pelanggan:







(a)                                          (b)
Gambar 2.12 Contoh robotika berbasis kamera
Pada pengembangan selanjutnya, menanamkan kecerdasan buatan yang komplek pada robot sehingga  mampu mengenal dan memahami suara manusia, perhatian terhadap berbagai gerak lawan bicara dan mampu memberikan response alami yang diberikan robot ke manusia merupakan tantangan ke depan untuk membangun robot masa depan.

5. Computer Vision, mencoba untuk dapat menginterpretasikan gambar atau objek – objek tampak melalui computer. Cabang ilmu ini erat kaitannya dengan pembangunan arti/makna dari image ke obyek secara fisik. Yang dibutuhkan didalamnya adalah metode-metode untuk memperoleh, melakukan proses, menganalisa dan memahami image. Apabila cabang ilmu ini dikombinasikan dengan Artificial Intelligence secara umum akan mampu menghasilkan sebuah visual intelligence system. Akuisisi dan pemrosesan informasi berupa vision dapat ditampilkan pada gambar 2.13. 










Gambar 2.13 Model persepsi visual pada computer vision









Gambar 2.14 Contoh penerapan computer vision untuk identifikasi wajah

6. Intelligent Computer-aided Instruction. Computer dapat digunakan sebagai tutor yang dapat melatih dan mengajar.

7. Game playing. Game biasanya memiliki karakter yang dikontrol oleh user, dan karakter lawan yang dikontrol oleh game itu sendiri. Dimana kita harus merancang aturan-aturan yang nantinya akan dikerjakan oleh karakter lawan. Game akan menjadi menarik apabila karakter lawan (non-player) bereaksi dengan baik terhadap apa yang dilakukan oleh player. Hal ini akan memancing penasaran user dan membuat game menarik untuk dimainkan. Tujuan intinya adalah membuat non-player memiliki strategi yang cerdas untuk mengalahkan player. Pada bidang ini, AI dibutuhkan, yaitu untuk merancang dan menghasilkan game yang fun serta antarmuka antara man-machine yang cerdas dan menarik untuk dimainkan.











Gambar 2.15 Games tingkat lanjut yang menerapkan AI

Seiring dengan perkembangan teknologi, muncul beberapa teknologi yang juga bertujuan untuk membuat agar computer menjadi cerdas sehingga dapat menirukan kerja manusia sehari – hari.
Teknologi ini juga mampu mengakomodasi adanya ketidakpastian dan ketidaktepatan data input. Dengan didasari pada teori himpunan, maka pada tahun 1965 muncul Logika Fuzzy. Kemudian pada tahun 1975 John Holland mengatakan bahwa setiap problem berbentuk adaptasi (alami maupun buatan) secara umum dapat diformulasikan dalam terminology genetika. Algoritma Genetika ini merupakan simulasi proses evolusi Darwin dan operasi genetika atas kromosom.

2.7 Lingkup Kecerdasan Buatan Pada Aplikasi Komersial
Sejalan dengan berkembangnya permasalahan manusia, maka manusia harus menggunakan sumber daya secara efisien. Untuk melakukan hal tersebut, maka kita membutuhkan bantuan dengan kualitas yang tinggi dari computer. Dalam kehidupan manusia, computer dapat membantu dalam bidang:
Pertanian, computer dapat mengontrol robot yang melakukan control terhadap hama, pemangkasan pohon, pemilihan hasil panen.
Pabrik, computer dapat mengontrol robot yang harus mengerjakan pekerjaan berbahaya dan membosankan, inspeksi dan melakukan maintenance pekerjaan.
Kesehatan, computer dapat membantu untuk mendiagnosa penyakit, melakukan monitoring kondisi pasien, memberikan treatment yang cocok.
Pekerjaan Rumat Tangga, computer dapat memberikan nasihat dalam memasak dan berbelanja, membantu membersihkan lantai, memotong rumput, mencuci pakaian dan melakukan maintenance terhadap pekerjaan.

2.8 Kecerdasan Buatan dalam Paham Pemikiran
Secara garis besar, AI terbagi ke dalam dua faham pemikiran yaitu AI Konvensional dan Kecerdasan Komputasional (CI, Computational Intelligence). AI konvensional kebanyakan melibatkan metoda-metoda yang sekarang diklasifiksikan sebagai pembelajaran mesin, yang ditandai dengan formalisme dan analisis statistik. Dikenal juga sebagai AI simbolis, AI logis, AI murni dan AI cara lama (GOFAI, Good Old Fashioned Artificial Intelligence). Metoda-metodanya meliputi:
1. Sistem pakar: menerapkan kapabilitas pertimbangan untuk mencapai kesimpulan. Sebuah sistem pakar dapat memproses sejumlah besar informasi yang diketahui dan menyediakan kesimpulan-kesimpulan berdasarkan pada informasi-informasi tersebut.
2. Petimbangan berdasar kasus
3. Jaringan Bayesian
4. AI berdasar tingkah laku: metoda modular pada pembentukan sistem AI secara manual
Kecerdasan komputasional melibatkan pengembangan atau pembelajaran iteratif (misalnya penalaran parameter) seperti dalam sistem koneksionis. Pembelajaran ini berdasarkan pada data empiris dan diasosiasikan dengan AI non-simbolis, AI yang tak teratur dan perhitungan lunak. Metoda-metoda pokoknya meliputi:
1. Jaringan Syaraf: sistem dengan kemampuan pengenalan pola yang sangat kuat
2. Sistem Fuzzy: teknik-teknik untuk pertimbangan di bawah ketidakpastian, telah digunakan secara meluas dalam industri modern dan sistem kendali produk konsumen.
3. Komputasi Evolusioner: menerapkan konsep-konsep yang terinspirasi secara biologis seperti populasi, mutasi dan “survival of the fittest” untuk menghasilkan pemecahan masalah yang lebih baik.
Metoda-metoda ini terutama dibagi menjadi algoritma evolusioner (misalnya algoritma genetik) dan kecerdasan berkelompok (misalnya algoritma semut). Dengan sistem cerdas hibrid, percobaan-percobaan dibuat untuk menggabungkan kedua kelompok ini. Aturan inferensi pakar dapat dibangkitkan melalui jaringan syaraf atau aturan produksi dari pembelajaran statistik seperti dalam ACT-R. Sebuah pendekatan baru yang menjanjikan disebutkan bahwa penguatan kecerdasan mencoba untuk mencapai kecerdasan buatan dalam proses pengembangan evolusioner sebagai efek samping dari penguatan kecerdasan manusia melalui teknologi.

2.9 Pengelompokkan Kecerdasan Buatan
Berikut ini pengkelompokan kecerdasan buatan menjadi beberapa kelompok antara lain:
1. Bidang Komputer dan Sains
Para Peneliti kecerdasan buatan telah membuat banyak alat untuk memecahkan beberapa masalah yang dapat dikategorikan paling rumit pada bidang komputer dan sains. Kebanyakan dari penemuan mereka telah diambil alih oleh cabang ilmu komputer dan sains dan tidak lagi menjadi bagian dari bidang ilmu kecerdasan buatan. Namun, bidang ilmu kecerdasan buatan tetap saja sulit untuk dilepaskan dari bidang ilmu ini, dikarenakan banyak bagian dari kecerdasan buatan yang digunakan dalam bidang komputer dan sains ini. Salah satu contohnya adalah konsep jaringan syaraf tiruan yang digunakan untuk mengkalkulasi probabilitas kondisi-kondisi yang akan terjadi pada masa yang akan datang. Beberapa daftar aplikasi yang sebelumnya dikembangkan oleh para peneliti kecerdasan buatan adalah GUI (Graphical User Interface), Kalkulasi koordinat mouse pada layar monitor, manajemen penyimpanan otomatis, pemrograman dinamis serta pemrograman orientasi objek.

2. Finansial
Pada bidang finansial, penggunaan kecerdasan buatan ditujukan pada pengorganisasian operasi, investasi saham, dan memanajemen properti. Sebuah sistem yang memiliki kecerdasan buatan dapat mengkalkulasi inflasi maupun deflasi yang akan terjadi di masa depan serta dapat mengkalkulasi probabilitas naik turunnya harga saham sehingga dapat digunakan untuk menentukan investasi secara detail. Menggunakan jaringan syaraf tiruan yang dapat mendeteksi adanya perubahan-perubahan harga saham pada masa yang akan datang, membuat sistem kecerdasan buatan ini sangat layak digunakan dalam bidang Finansial.

3. Kesehatan
Pada bidang kesehatan, sistem kecerdasan buatan telah digunakan, salah satunya adalah algoritma genetika yang memungkinkan simulasi proses evolusi dan rekayasa genetika diuji coba tanpa memerlukan “korban” makhluk hidup. Algoritma ini juga dapat digunakan untuk pencocokan DNA yang sering digunakan dan saat ini mungkin populer untuk mengidentifikasi identitas seseorang. Konsep sistem pakar yang juga merupakan salah satu cabang ilmu dari kecerdasan buatan juga digunakan untuk mendiagnosa penyakit yang diderita oleh pasien sehingga memudahkan kerja dokter.

4. Industri
Pada bidang Industri penggunaan mesin sudah merupakan hal yang umum. Mesin biasanya digunakan dalam industri untuk pekerjaan yang membahayakan manusia dan yang sulit untuk dilakukan manusia. Sebagai contoh memindahkan barang yang mempunyai berat ber ton-ton, pemotongan besi dan baja. Bahkan dalam industri manufaktur, pekerjaan yang membutuhkan tingkat ketelitian tinggi dan konsistensi sudah diambil alih oleh mesin. Hal ini dikarenakan manusia mempunyai konsentrasi yang tidak tetap dan stamina yang cepat habis. Kondisi seperti ini yang berbahaya, baik bagi pekerja tersebut, pabrikan, dan konsumen tentunya. Oleh karena itu, sistem kecerdasan buatan telah diimplementasikan secara nyata pada bidang industri ini. Satu lagi impementasi dari sistem kecerdasan buatan pada bidang industri, yakni Quality Control yang dilakukan menggunakan sistem image processing.

5. Transportasi
Pada bidang transportasi kecerdasan buatan sudah diimplementasikan pada banyak hal seperti sistem kontrol perpindahan gigi otomatis pada gearbox mobil bertransmisi otomatis yang menggunakan Fuzzy Logic sebagai salah satu cabag ilmu kecerdasan buatan. Penentuan rute tercepat juga dapat dilakukan oleh decision support system yang juga merupakan salah satu cabang dari kecerdasan buatan yang menggunakan GPS sebagai alat bantu navigasinya. Baru-baru ini juga telah dikembangkan sistem kecerdasan buatan yang dapat mengemudi secara otomatis serta melakukan parkir serial tanpa bantuan manusia sama sekali.

6. Telekomunikasi
Pada Bidang telekomunikasi, sistem kecerdasan buatan juga banyak digunakan antara lain untuk pencarian heuristik tentang tenaga kerja mereka, mengatur penjadwalan puluhan ribu pekerjanya, serta menentukan jumlah gaji sesuai dengan kualitas kerja mereka. Semuanya dilakukan secara otomatis dengan kecerdasan buatan yang telah diimplementasikan ke dalam sistemnya.

7. Pengembangan Game
Perkembangan Game yang pesat pada masa ini juga membutuhkan sesuatu yang berbeda pada rule permainannya. Sebuah sistem game, jika sudah dimainkan sampai tuntas oleh seorang player, maka ketika player yang sama memulai lagi permainan dari awal, maka rule permainannya akan sama. Namun berbeda untuk game-game yang telah ada saat ini. Sistem dalam game, dapat belajar mengenali pola permainan dari player dan ketika player tersebut memulai permainan kembali, maka sistem ini akan menggunakan rule yang berbeda untuk pemain yang sama ini. Sehingga game menjadi lebih menarik dan menantang untuk dimainkan.

8. Pengembangan Mainan(Robotika)
Peralatan permainan seperti AIBO dan ASIMO, robot anjing cerdas dan robot yang menyerupai manusia yang dapat berinteraksi dengan manusia menjadi salah satu favorit alat bermain yang telah menggunakan kecerdasan buatan pada sistemnya. AIBO dan ASIMO ini dapat berinteraksi dengan manusia melalui suara, fitur speech recognition di dalamnya, robot ini dapat mengerti apa yang diucapkan manusia dan menanggapinya.

9. Musik
Evolusi di bidang musik hampir selalu terkena dampak dari teknologi yang ada pada zamannya. Sebagai contoh, era musik digital yang memungkinkan sebuah suara dapat direkan dan diputar ulang. Dengan mengimplementasikan kecerdasan buatan, proses penciptaan komposisi lagu, pemrosesan suara, dan teori-teori tentang musik dapat dilakukan. Pengolahan suara adalah fokus dari pengembangan kecerdasan buatan di bidang music ini.

10. Militer
Pada bidang militer, teknologi kecerdasan buatan dapat diimplementasikan pada sistem yang mensimulasikan kondisi-kondisi perang yang mungkin akan terjadi di lapangan, mengatur strategi serta mengkalkulasi kemungkinan beberapa strategi terhadap kondisi medan perang secara simultan dan menampilkan hasilnya.

11. Penerbangan
Simulasi penerbangan pada pelatihan calon pilot sebelum benar-benar terbang dilakukan menggunakan perangkat yang telah mengimplementasikan kecerdasan buatan di dalamnya. Perangkat ini dapat memberikan beragam simulasi kondisi penerbangan dengan puluhan variabel yang kompleks. Pelatihan calon pilot menerbangakan pesawat menggunakan simulator ini sangat efisien, selain mengurangi biaya untuk penerbangan yang sebenarnya, resiko kecelakaan para calon pilot juga dapat diminimalisir.

12. Otomotif
Proses perancangan dan desain chassis serta body otomotif pada saat ini sudah semakin canggih. Computational Fluid Dynamics atau sering disebut dengan CFD saja, telah digunakan dalam proses perancangan dan pengujian. CFD menghitung variabel-variabel yang digunakan dalam perancangan mobil. Salah satunya adalah komputasi aliran arus udara yang melalui mobil dengan ribuan jalur udara yang mengelilingi seluruh body mobil.

2.10 Kelebihan dan Kekurangan Kecerdasan Buatan
2.10.1 Kelebihan Kecerdasan Buatan
1. 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.

2. 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.
3. 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.

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

5. 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.

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

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

2.10.2 Kekurangan Kecerdasan Buatan
1. Kurang memberikan kesempatan kepada orang lain untuk membuka peluang bisnis, usaha, layanan computer sejenis karena setiap orang di prediksi lebih memilih untuk melakukan sendiri jika dalam jumlah yang kecil atau dalam kapasitas yang terjangkau.
2. Rawan rusak
3. Mahal dalam proses pembuatannya
4. Memerlukan daya listrik
5. Struktur kontrolnya terpisah dari pengetahuan

2.11 Perbandingan Antara Komputasi Kecerdasan Buatan Dengan Komputasi Konvensional
Perbandingan antara AI dengan pemrograman konvensional adalah seperti tabel berikut ini:

Tabel 2.2 Perbandingan Komputasi Kecerdasan Buatan VS Komputasi Konvensional
Dimensi Kecerdasan Buatan Pemrograman Konvensional
Pemrosesan (Processing) Mengandung konsep-konsep simbolik Algoritmik
Sifat Input Bisa tidak lengkap / Tidak harus lengkap Harus lengkap
Pencarian (Search) Kebanyakan bersifat heuristik Biasanya didasarkan pada algoritmik
Keterangan (Explanation) Disediakan Biasanya tidak disediakan
Fokus (Major Interest) Pengetahuan Data & informasi
Struktur Kontrol dipisahkan dari pengetahuan Kontrol terintegrasi dengan informasi (data)
Sifat output Kuantitatif / Tidak harus lengkap Kualitatif  / Harus lengkap
Pemeliharaan (Maintenance) & update Relatif mudah, karena menggunakan modul - modul Umumnya sulit dilakukan
Kemampuan menalar Ya (Terbatas tetapi dapat ditingkatkan) Tidak ada
Hardware Workstation dan PC Semua Tipe

Persamaan dan Perbedaan Konsep Komputasi Antara Kecerdasan Buatan dengan Komputasi Konvensional
Persamaannya:
1. Sama-sama mengolah simbol-simbol yang dapat berupa huruf, kata, atau bilangan yang digunakan untuk menggambarkan obyek, proses, dan saling hubungannya. Obyek dapat berupa orang, benda, ide, pikiran, peristiwa atau pernyataan suatu fakta.
2. Menggunakan komputer digital untuk melaksanakan operasi.
Perbedaannya:
Tabel 2.3 Perbedaan Komputasi Kecerdasan Buatan VS Komputasi Konvensional
KOMPUTASI KONVENSIONAL KECERDASAN BUATAN
Menggunakan fungsi otak manusia. Meniru beberapa fungsi otak manusia.
Komputer diperintahkan untuk menyelesaikan suatu masalah. Komputer diberitahu tentang suatu masalah.
Hanya dapat ditulis dalam bahasa pemrograman biasa seperti Assembler, C/C++, Fortran, Basic dan Pascal. Programnya dapat ditulis dalam semua bahasa pemrograman termasuk bahasa pemrograman khusus untuk aplikasi Kecerdasan Buatan seperti Prolog dan LISP.
Dapat dijalankan pada semua jenis komputer tetapi tidak dibuatkan hardware khusus. Dapat dibuatkan hardware khusus dan dapat pula dijalankan pada semua jenis komputer.
Komputer diberikan data dan program yang berisi spesifikasi langkah demi langkah bagaimana cara data itu digunakan dan diolah untuk menghasilkan solusi. Komputer diberi pengetahuan tentang suatu wilayah subyek masalah tertentu dengan ditambah kemampuan inferensi.
Didasarkan pada suatu algoritma yang dapat berupa rumus matematika atau prosedur berurutan yang tersusun jelas. Didasarkan pada repesentasi dan manipulasi simbol.
Pengolahan obyek bersifat kwalitatif. Pengolahan obyek bersifat kwantitatif.
BAB 3
PENUTUP
3.1 Kesimpulan
Kecerdasan buatan merupakan upaya-bidang ilmu komputer (computer science) yang khusus ditujukan untuk membuat perangkat lunak dan perangkat keras yang sepenuhnya bisa menirukan beberapa fungsi otak manusia. Atau cabang ilmu komputer yang mempelajari otomatisasi tingkah laku cerdas (intelligent).
Komputer dapat digunakan untuk mengumpulkan informasi tentang obyek, kegiatan (events), proses dan dapat memproses sejumlah besar informasi dengan lebih efisien dari yang dapat dikerjakan manusia. Namun di sisi lain, menusia dengan menggukan insting dapat melakukan hal yang sulit diprogram pada komputer, yaitu kemampuan mengenali (recognize) hubungan antara hal-hal tersebut, menilai kualitas dan menemukan pola yang menjelaskan hubungan tersebut.

3.2 Saran
Dalam hal ini proses pembelajaran kecerdasan buatan kita harus banyak mengetahui teknik-teknik apa saja yang harus digunakan dalam menyelesaikan sebuah masalah yang rumit menjadi sangat detail dan memiliki aturan yang berlaku dalam membuat suatu pendekatan-pendekatan pada saat kita berinteraksi dalam sebuah computer.
DAFTAR PUSTAKA
(2012, 06 06). Retrieved from Binus.ac.id: http://socs.binus.ac.id/2012/06/06/mengenal-kecerdasan-buatan-kini-dan-akan-datang/ (26 oktober 2013)
Fauset, L. (2000). Fundamental of Neural Network. Prentice Hall.
Giaratanno, J. C. (205). Expert Systems Principles and Programming. 
KECERDASAN BUATAN. (n.d.). http://id.wikipedia.org/wiki/Kecerdasan_buatan (26 Oktober 2013).
KONSEP DASAR AI. (n.d.). Jurnal Mercubuana, http://journal.mercubuana.ac.id/data/KONSEP_DASAR_AI.pdf.
Kurniawan, M. (2010, 11). Retrieved from Blgspot.com: http://wawcvb.blogspot.com/2010/11/perkembangan-kecerdasan-buatan.html
Kusumadewi, S. (2003). Artificial Intelligence. Yogyakarta: Graha Ilmu.
Lonk, M. (2010, 12). Retrieved from Blogspot.com: http://call-lonk.blogspot.com/2010/12/sejarah-kecerdasan-buatan.html
Rahman. (2013, 04). Retrieved from Blogsopt.com: http://rahmanarruworlds.blogspot.com/2013/04/kelebihan-dan-kekurangan-kecerdasan.html
Rehulina. (2009, 08 05). Retrieved from Wordpress.com: http://rehulina.wordpress.com/2009/08/05/pengertian-kecerdasan-buatan/
Russel, S., & Norwig, P. (2009). Artificial Intelligence: A Modern Approach. Pearson.
Setiawan, S. (1993). Artificial Intelligence. Andi Offset: Yogyakarta.
Suparman. (1991). Mengenal Artificial Intelligence. Yogyakarta: Andi Offset.
Turban, E. (1995). Decision Support and Expert Systems. 
Tyas. (n.d.). Artificial Intelligence dalam Berbagai Perspektif. http://informatika.web.id/artificial-intelligence-dalam-berbagai-perspektif.htm (26 Oktober 2013).
Tyas. (n.d.). Definisi Kecerdasan Buatan. http://informatika.web.id/definisi-kecerdasan-buatan.htm (26 Oktober 2013).
Tyas. (n.d.). Kecerdasan Buatan. http://informatika.web.id/kecerdasan-buatan.htm (26 Oktober 2013).
Tyas. (n.d.). Tujuan Kecerdasan Buatan. http://informatika.web.id/tujuan-kecerdasan-buatan.htm (26 Oktober 2013).
Warwick, K. (2012). Artificial Intelligence: The Basics. Routledge.

Resensi Tugas 2

1. Data Publikasi
        a. Judul Artikel : 3 Jurus Sukses Menggunakan Sapi Potong
        b. Penulis : Rahmat, SPt dan Bagus Harianto
        c. Penerbit           : PT. AgroMedia Pustaka
        d. No. / Tanggal  : AP 9732.2012
        e. No. Halaman : vi + 100
        f. Tema : Peternakan


2.  Ringkasan
Sebagai salah satu komoditas utama penyuplai kebutuhan protein hewani dalam negeri, pasar penyerapan sapi potong masih terbuka lebar. Permintaannya terus beranjak naik setiap tahunnya. Dalam menjalankan usaha penggemukkan sapi potong sebaiknya calon peternak atau peternak bergabung dalam asosiasi atau kelompok ternak sapi potong, baik yang ada di daerah masing – masing maupun skala nasional. Langkah ini dinilai memiliki banyak keuntungan, mengingat dalam suatu kelompok ternak biasanya terdapat pihak – pihak yang dapat menunjang kelancaran usaha.

Adanya kelompok ternak atau asosiasi dapat membantu peternak untuk mengtahui berbagai informasi, seperti tren harga di berbagai daerah, ketersediaan pasokan bakalan, hingga kebijakan pemerintah yang sedang berjalan. Selain itu, asosiasi juga memudahkan peternak dalam memberikan masukkan kepada pemerintah mengenai kebijakan pasar peternakan sapi potong yang tentunya harus berpihak kepada rakyat. Jika tahap ini berjalan dengan baik, maka kemajuan bersama dunia peternakan sapi potong menjadi lebih tertata. Peternak pun tentunya bakal lebih sejahtera. Beberapa peternak ada yang menggabungkan usaha penggemukkan dengan usaha pembibitan sehingga kebutuhan bakalan bisa diperoleh sendiri. Cara ini patut dicontoh, tentunya disesuaikan dengan kemampuan finansial yang ada. Dengan system ini, peternak setidaknya tidak perlu khawatir untuk mendapatkan bakalan. 

Keberhasilan usaha penggemkkan sapi potong, terutama dalam hal menggenjot pertambahan bobot sapi, tidak terlepas dari tiga kunci sukses yang biasa disebut sebagai “segitiga produksi”. Kunci sukses yang pertama adalah memilih bakalan berkualitas. Karena itu, pahamilah jenis – jenis sapi potong berkualitas unggul dan ciri – ciri bakalan yang baik. Peternak sapi potong sebaiknya membeli bakalan dari peternak atau breeder yang lokasinya tidak jauh dari lokasi eternakan sehingga dapat menghemat biaya pengiriman bakalan. Namun, jika tidak terdapat bakalan berkualitas di lokasi yang cukup dekat, “pemburuan” bisa dilanjutkan ke daerah lain yang tentunya memiliki bakalan berkualitas sehingga usaha penggemukkan yang dijalankan bisa maksimal.

Membeli bakalan sapi potong, baik di pasar ternak maupun di tempat lain, harus berdasarkan harga timbangan. Jika belum memiliki pengalaman dalam memilih sapi bakalan yang berkualitas, ajaklah orang terpercaya yang lebih berpengalaman dan memang sudah ahli dibidangnya. Pasalnya, salah memilih bobot sapi di pasar ternak dapat menyebabkan salah memperikirakan harga per kilogram. Bahkan, bukan tidak mungkin bakalan yang dipilih merupakan jenis sapi yang pertumbuhannya lambat, sehingga proses penggemukkan pun menjadi tidak optimal.

“Segitiga produksi” yang kedua adalah memberikan pakan berkualitas yang sesuai dengan kebutuhan sapi. Walupun bakalan yang dipilih merupakan bibit unggul, tetapi pakan yang diberikan berkualitas jelek, maka pertambahan bobot sapi menjadi tidak maksimal. Karena itu, perhatikanlah kualitas dan kuantitas pakan yang diberikan. Prinsip penggunaan bahan pakan yang diterapkan adalah berpasangan. Tidak semua bahan baku cocok untuk dipadukan. Misalnya, bahan pakan yang memiliki sumber protein tinggi sebaiknya dipadukan dengan bahan lain yang memiliki sumber energy tingi pula. Jika tidak, serapan pakan tersebut menjadi kurang maksimal. Pembuatan pakan untuk ternak ruminansia – termasuk sapi potong – dapat dilakukan dengan dua cara, yaitu manual dan otomatis. Prinsip pembuatannyapada umumnya sama seperti yang dilakukan para peternak, yaitu menggunakan konsep piramida. Bahkan pakan yang jumlahnya paling banyak diletakkan di bagian paling bawah, kemudian di atasnya ditambahkan bahan pakan yang jumlahnya lebih seikit. Begitu seterusnya hingga bahan pakan yang jumlahnya paling sedikit diletakkan di bagian paling atas.

Pengadukan bahan pakan dilakukan hingga keseluruhan bahan tercampur sempurna (sehomogen mungkin). Selanjutnya, pakan dikemas dalam karung untuk segera diambil atau dikirim ke pemesan atau disimpan dalam gudang pakan untuk digunakan sendiri. Kalaupun ingin menerapkan peracikan pakan secara otomatis, maka dibutuhkan alat berupa mixer (mesin pencampuran atau pembuat pakan), bisa yang berbentuk horizontal maupun vertical. Keunggulan alat ini ialah pencampuran akan lebih sempurna, takaran bisa lebih tepat, proses lebih cepat dan tenaga kerja yang dibutuhkan lebih sedikit. Namun, biaya yang dibutuhkan untuk membeli mesin ini cukup besar. Jika usaha peternakan yang dijalankan masih skala kecil, peracikan pakan sebaiknya dilakukan secara manual. Berikut tahapan pencampuran bahan pakan racikannya:
Tebarkan pollard untuk bagian dasar campuran pakan sesuai dosis tertera, lalu ratakan dengan sempurna.
Tuangkan dedak padi di atasnya, ratakan.
Masukkan aci ke atas campuran pakan, ratakan.
Tambahkan onggok di atasnya, ratakan.
Masukkan bungkil kelapa, ratakan.
Taburkan mineral secara merata, disusul urea dan terakhir garam.
Aduk keseluruhan bahan pakan, lalu masukkan ke dalam karung yang telah dipersiapkan.
Timbang pakan racikan sesuai kebutuhan dan kapasitas karung, lalu tulis keterangan bobot pakan di bagian sisi depan karung.
Ikat rapat dengan tali rapia, lalu simpan di gudang pakan.

Proses penggemukkan sapi potong pada dasarnya tidak terlepas dari manajemen pemeliharaan yang diterapkan sejak persiapan kandang seelum bakalan datang, perlakuan terhadap bakalan yang baru datang, pemeliharaan sehari – hari hingga panen. Kondisi sapi yang tidak nyaman (stress) atau sikat tentunya menyebabkan nafsu makan berkurang, bahkan hilang. Akibatnya, pencapaian hasil pertambahan bobot sapi menjadi terhambat. Beberapa hal yang dapat menyebabkan sapi stress sebagai berikut:
1. Tali Kekang Terlalu Kencang
Tali kekang yang terlalu kencang bisa mengakibatkan sapi tidak dapat bergerak leluasa, bahkan menyebabkan rasa sakit di bagian hidungnya. Akibatnya, sapi menjadi stress dan nafsu makannya menurun. Hal ini lambat laun akan berpengaruh terhadap pertumbuhan sapi yang menjadi tidak optimal.

2. Mental Sapi Terganggu
Sapi yang kondisi mentalnya terganggu, jika ditempatkan dalam satu kandang dengan sapi lain tentunya merasa tidak nyaman. Akibatnya, nafsu  makannya menjadi berkurang. Ciri sapi atau bakalan dengan kondisi seperti ini biasanya memiliki bulu agak lembap atau terasa kurang kering jika diraba. Sebagian peternak – terutama peternak yang sudah lama berkecimpung di dunia pemeliharaan sapi – meyakini sapi dengan kondisi seperti ini biasanya merupakan anakan dari pejantan yang masih muda.

3. Kualitas dan Rasa Pakan Kurang Sesuai dengan Kebutuhan atau Keinginan Sapi
Jenis pakan tertentu, seperti rumput legum, memang kurang disukai ternak. Kalaupun dimakan, jika konsumsinya lebih dari 40% justru dapat menyebabkan kembung. Selain rumput, konsentrat yang sudah kadaluwarsa dan kurang berkualitas juga tidak disukai ternak. Jadi, jangan sembarangan memberi makan pada ternak. Syarat pakan ternak yang diberikan intinya berkualitas, tidak berkompetisi dengan kebutuhan makan manusia, mudah didapat dan tidak berbahaya bagi ternak.

Apabila pertambahan bobot sapi potong sudah sesuai dengan potensi genetiknya, maka usaha penggemukkan dianggap berjalan baik. Namun, apabila pertambahan bobot harian berada di bawah kisaran angka potensial yang ada, harus segera dicari penyebabnya. Baik dari pakan yang diberikan sudah memenuhi persyaratan protein ataupun tingkat kecernaan atau bakalan terserang penyakit yang menyebabkan pertambahan bobot terhambat.

Saat ini, pemerintah tengah menggalakkan pembatasan kuota impor sapi dan daging sapi. Terbukti, pada tahun 2012 terjadi penurunan kuota impor sapi potong yang cukup signifikan dibandingkan dengan tahun sebelumnya. Pada tahun 2011 impor daging sapi mencapai 156,8 ribu ton. Sementara itu, pada tahun 2012 setara dengan 283 ribu ekor sapi bakalan dan 34 ribu ton daging sapi beku. Sementara itu, pada tahun 2011 kuota impor berupa 395 ribu ekor sapi bakalan dan 80 ribu ton daging sapi beku.

Di satu pihak, tentunya hal ini bersifat positif karena pemerintah mulai berpikir untuk berpihak kepada masyarakat. Namun, di sisi lain para peternak dan pelaku usaha harus berpikir ekstra keras. Pasalnya, penyediaan kebutuhan sapi dalam negeri belum bisa diandalkan. Impor sapi potong memang tidak semestinya ditutup secara total. Hanya saja, kuota atau jumlah sapi yang diimpor harus disesuaikan dengan kebutuhan dalam negeri yang belum terpenuhi, sehingga tidak merusak harga jual sapi potong dalam negeri yang dampaknya justru menyulitkan peternak sapi dalam negeri terutama peternak rakyat untuk mendapatkan keuntungan dari usaha yang dijalankan.

Namun, tanpa adanya impor sapi potong juga dapat memberikan efek bagi peternak dan masyarakat. Kurangnya pasokan sapi potong justru menyebabkan harga jual daging sapi menjadi terlalu tinggi, sehingga semakin sulit dijangkau. Kondisi ini tentu semakin menurunkan tingakt konsumsi daging sebagai salah satu komponen pemenuhan kebutuhan protein hewani. Kondisi lain, besarnya permintaan sapi potong yang tidak diimbangi dengan pasokan bakalan yang memadai akan menyebabkan terjadinya pemotongan sapi – sapi betina produktif. Pada akhirnya, justru semakin mengurangi potensi pertambahan populasi sapi potong, bahkan menurunkan potensi genetic sapi potong yang dibudidayakan.

Idealnya, pembatasan kuota impor sapi potong harus ditindaklanjuti dengan peningkatan program – program pembibitan sapi potong dalam negeri. Dengan demikian, lambat – laun masyarakat tidak lagi bergantung pada impor sapi potong. Selain itu, program jangka pendeknya juga harus menerapkan system efisiensi. Artinya, dalam usaha penggemukkan sapi potong diharpkan menggunakan pakan yang berkualitas dan manajemen penggemukkan yang baik agar kualitas dan persentase karkas yang dihasilkan cukup tinggi, tetapi harga perkilogram di tingkat pedagang tidak terlalu tinggi.

Memang bukan tugas mudah dan cepat untuk membuat negeri ini swasembada daging sapi, terlebih jika tidak ada kesamaan visi – misi dan koordinasi yang baik antara pemerintah, stakeholder dan peternak. Namun, program ini juga mustahil berjalan tanpa adanya dukungan sepenuh hati dari pemerintah kepada peternak rakyat.

3.  Keunggulan
Untuk desain sampul dari buku ini sangat bagus, dari segi warna, gambar, tulisan dan peletakkannya enak dipandang mata.
Isinya tidak membosankan, dikarenakan terdapat banyak gambar dan topiknya langsung menjurus ke pokok judul dari buku ini.
Terdapat langkah – langkah dalam pengembangan biakkan.
Terdapat prakiraan budget / biaya yang diperlukan dalam pembiakkan.
Menerangkan mengenai kiat – kiat sukses dalam menggemukkan sapi potong.

4.  Kelemahan
Tidak semua gambar pada setiap halaman tersebut berwarna.

5.  Pendapat Akhir / Saran
Menurut saya isi dari buku ini sangatlah bagus, dikarenakan di dalamnya terdapat berbagai langkah-langkah, cara penanganan, hingga pengembangbiakan sapi untuk bisa dijadikan bisnis yang sangat menguntungkan dan berguna. Tidak hanya itu terdapat juga manfaat – manfaat yang bisa ditarik setelah membaca buku ini, seperti halnya bisa memberikan pengarahan dan pembelajaran kepada masyarakat – masyarakat yang tinggal di desa untuk bisa mengembangkan peternakan sapi dalam hal pengelolaan sapi tersebut hingga manajemen pemasarannya, agar pengetahuan masyarakat di desa lambat laun terus berkembang dari waktu ke waktu. Untuk sarannya bagi penulis adalah lebih mengembangkan lagi tentang bisnis peternakan agar dapat di aplikasikan ke kehidupan nyata.

6.  Lampiran