Nama : M. Rian Santoso
Kelas : 3KA32
NPM : 16114811
Logika Program : Klik Disini
Program yang dibuat : Klik Disini
Minggu, 13 November 2016
Rabu, 02 November 2016
Heuristic Search
1.1. Pencarian Heuristik
Heuristic search adalah suatu istilah yang
berasal dari bahasa Yunani yang berarti menemukan/menyingkap. Heuristik adalah
suatu perbuatan yang membantu kita menemukan jalan dalam pohon pelacakan yang
menuntut kita kepada suatu solusi masalah. Heuristik dapat diartikan juga
sebagai suatu kaidah yang merupakan metoda/prosedur yang didasarkan kepada
pengalaman dan praktek, syarat, trik atau bantuan lainnya yang membantu
mempersempit dan memfokuskan proses pelacakan kepada suatu tujuan tertentu.
George Poyla (dalam
Kristanto. A, 2003) mendefinisikan heuristik sebagai ”studi tentang sebuah
metode dan aturan discovery serta invention” dalam pencarian state
space, heuristik didefinisikan sebagai aturan untuk memilih cabang-cabang
dalam ruang keadaan yang paling tepat untuk mencapai solusi permasalahan yang
dapat diterima .
Pemecahan masalah AI
menggunakan heuristik dalam dua situasi dasar (Setiawan. S, 1993), yaitu :
1. Permasalahan
yang mungkin tidak mempunyai solusi yang pasti disebabkan oleh ambiguitas
(keraguan/ketidakpastian) mendasar dalam pernyataan permasalahan atau data yang
tersedia, contohnya diagnosa kedokteran.
2. Permasalahan
yang boleh jadi memiliki solusi pasti, tetapi biaya komputasinya untuk
mendapatkan solusi tersebut mungkin sangat tinggi. Dalam banyak problema
(misalnya saja catur), pertumbuhan state space adalah secara kombinatorial
eksplosif dengan bayak state yang mungkin meningkat secara eksponensial
atau faktorial dengan kedalaman pencarian. Dalam hal ini, exhaustive,
yakni teknik pencarian brute force seperti pencarian mendalam pertama
dan pencarian meluas pertama mungkin gagal menemukan solusi sehingga heuristik
akan menangani kerumitan permasalahan ini dengan panduan pencarian pada
sepanjang lintasan yang memeberi harapan melewati state. Dengan mengeliminasi
state yang tidak memberi harapan dan turunannya dari ruang tersebut maka
algoritma heuristik dapat mengalahkan ledakan kombinatorial dan menemukan
penyelesaian yang dapat diterima.
Pencarian terbimbing (heuristic
search) dibutuhkan karena pencarian buta (blind search) tidak selalu
dapat diterapkan dengan baik, hal ini disebabkan waktu aksesnya yang cukup lama
serta besarnya memori yang diperlukan. Dalam pencarian ruang keadaan, heuristik
dinyatakan sebagai aturan untuk melakukan pemilihan cabang-cabang dalam ruang
keadaan yang paling tepat untuk mencapai solusi permasalahan yang dapat
diterima.
Heuristik dapat
digunakan pada beberapa kondisi berikut ini (Siswanto, 2010):
1. Mengatasi combinatorial explosion.
Ada masalah yang kemungkinan arah penyelesaiannya berkembang pesat
(bersifat faktorial) sehingga menimbulkan combinatorial explosion.
Heuristik merupakan cara untuk menentukan kemungkinan arah penyelesaian masalah
secara efisien.
2. Solusi paling optimal mungkin tidak diperlukan.
Dalam suatu keadaan, mungkin lebih baik mendapatkan solusi yang
mendekati optimal dalam waktu yang singkat daripada solusi yang paling optimal
dalam waktu yang lama.
3. Pada umumnya hasilnya cukup baik.
Sekalipun tidak optimal, tetapi biasanya mendekati optimal. Membantu pemahaman bagi orang yang
menyelesaikan persoalan.
4. Banyak alternatif heuristik yang dapat diterapkan dalam suatu
percobaan. Orang yang menyelesaikan persoalan tersebut akan lebih mengerti
persoalannya jika mencoba heuristik yang diterapkannya.
Salah satu contoh dari
heuristik yang baik untuk tujuan umum yang berguna untuk beragam kombinasi
permasalahan adalah the nearest neighbour heuristic, yang bekerja dengan
cara menyeleksi alternatif yang paling tinggi secara lokal pada setiap
langkahnya. Untuk permasalahan perjalanan salesman, prosedur-prosedur yang
harus dilakukan adalah sebagai berikut :
1.
Memilih sebuah kota awal (starting cities)
2.
Melihat kota berikutnya, kemudian melihat semua kota yang
belum dikunjungi dan memilih salah satu kota yang paling dekat dengan kota yang
dipilih pada saat itu.
3.
Ulangi langkah 2 sampai semua kota dikunjungi.
Sebuah fungsi heuristik
mengevaluasi keadaan permasalahan tersendiri dan menentukan bagaimana
diperlukan fungsi ini dalam memecahkan suatu permasalahan. Sebuah fungsi
heuristik adalah sebuah fungsi yang memetakan keadaan permasalahan, yang
mendeskripsikan daya tarik dan digambarkan dalam sebuah angka (Pearl, 1984).
Fungsi heuristik yang
dirancang dengan baik dapat berperan dalam sebuah bagian yang penting untuk
memandu secara efisien proses pencarian menuju ke sebuah solusi. Tabel 2.1
menunjukkan beberapa fungsi heuristik sederhana untuk beberapa permasalahan.
Kadang kala sebuah nilai tinggi dari fungsi heuristik mengindikasikan
sebuah posisi yang baik secara relatif (terlihat pada catur dan tic tac toe),
di lain waktu sebuah nilai rendah mengindikasikan sebuah situasi yang
menguntungkan (terlihat pada perjalanan salesman). Program yang menggunakan
nilai (value) dari fungsi dapat mengusahakan minimal atau maksimal secara
tepat.
Tujuan dari sebuah fungsi heuristik adalah untuk memandu proses
pencarian tujuan yang menguntungkan dengan menganjurkan jalur yang mana yang
diikuti pertama kali ketika tersedia lebih dari satu tujuan. Setelah proses
berlangsung, akan bisa dihitung sebuah fungsi heuristik yang sempurna dengan
cara melakukan sebuah pencarian yang lengkap dari simpul dalam pertanyaan dan
menentukan apakah fungsi ini menuju ke sebuah solusi yang baik.
Sayangnya, seperti semua kaidah penemuan lainnya, heuristik juga dapat
salah. Heuristik hanyalah panduan informasi untuk menebak langkah berikutnya
yang harus diambil dalam menyelesaikan suatu permasalahan, dan sering dilakukan
berdasarkan eksperimen/percobaan atau secara intuisi. Oleh karena menggunakan informasi
yang terbatas, heuristik jarang dapat memprediksi tingkah laku yang eksak dari
ruang keadaan saat dilakukan pencarian. Heuristik dapat membimbing algoritma
pencarian untuk mendapatkan solusi suboptimal atau gagal menemukan solusi
apapun, karena tidak ada solusi yang dapat menuju keadaan akhir.
Heuristik dan perancangan algoritma untuk mengimplementasikan pencarian
heuristik telah menjadi inti permasalahan penelitian AI. Game playing dan
pemecahan teorema (theorem solving) adalah dua aplikasi paling tua dari AI,
kedua-duanya memerlukan heuristik untuk memangkas ruang dari solusi yang
mungkin.
1). PEMBANGKITAN dan PENGUJIAN (Generate and Test)
1). PEMBANGKITAN dan PENGUJIAN (Generate and Test)
- Metode ini merupakan penggabungan antara depth-first search dengan pelacakan mundur (backtracking), yaitu bergerak ke belakang menuju pada suatu keadaan awal.
- Algoritma :
- Contoh : “Travelling Salesman Problem (TSP)”
1. Bangkitkan suatu kemungkinan solusi (membangkitkan suatu tititk tertentu atau lintasan tertentu dari keadaan awal).
2. Uji untuk melihat apakah node tersebut benar-benar merupakan solusinya dengan cara membandingkan node terebut atau node akhir dari suatu lintasan yang dipilih dengan kumpulan tujuan yang diharapkan.
3. Jika solusi ditemukan, keluar. Jika tidak, ulangi kembali langkah pertama.
*) Seorang salesman ingin mengunjungi n kota. Jarak antara tiap-tiap kota sudah diketahui. Kita ingin mengetahui ruter terpendek dimana setaip kota hanya boleh dikkunjungi tepat 1 kali. Misalkan ada 4 kota dengan jarak antara tiap-tiap kota seperti berikut ini :
Alur pencarian dengan Generate and Test
Pencarian ke-
|
Lintasan
|
Panjang Lintasan
|
Lintasan terpilih
|
Panjang Lintasan terpilih
|
1
|
ABCD
|
19
|
ABCD
|
19
|
2
|
ABDC
|
18
|
ABDC
|
18
|
3
|
ACBD
|
12
|
ACBD
|
12
|
4
|
ACDB
|
13
|
ACBD
|
12
|
5
|
ADBC
|
16
|
ACBD
|
12
|
Dst…..
|
2) PENDAKIAN BUKIT (Hill Climbing)
- Metode ini hampir sama dengan metode pembangkitan dan pengujian, hanya saja proses pengujian dilakukan dengan menggunakan fungsi heuristic. Pembangkitan keadaan berikutnya tergantung pada feedback dari prosedur pengetesan. Tes yang berupa fungsi heuristic ini akan menunjukkan seberapa baiknya nilai terkaan yang diambil terhadap keadaan-keadaan lainnyayang mungkin.
- Algoritma:
- Contoh: TSP dengan Simple Hill Climbing Disini ruang keadaan berisi semua kemungkinan lintasan yang mungkin. Operator digunakan untuk menukar posisi kota-kota yang bersebelahan. Apabila ada n kota, dan kita ingin mencari kombinasi lintasan dengan menukar posisi urutan 2 kota, maka kita akan mendapatkan sebanyak n!/2!(n-2)
1. Cari operator yang belum pernah digunakan; gunakan operator ini untuk mendapatkan keadaan yang baru.
a) Kerjakan langkah-langkah berikut sampai solusinya ditemukan atau sampai tidak ada operator baru yang akan diaplikasikan pada keadaan sekarang : Cari operator yang belum digunakan; gunakan operator ini untuk mendapatkan keadaan yang baru.
b) Evaluasi keadaan baru tersebut : – Jika keadaan baru merupakan tujuan, keluar – Jika bukan tujuan, namun nilainya lebih baik daripada keadaan sekarang, maka jadikan keadaan baru tersebut menjadi keadaan sekarang. – Jika keadaan baru tidak lebih baik daripada keadaan sekarang, maka lanjutkan iterasi.
Selasa, 25 Oktober 2016
Metode Pencarian
1.1.
Breadth-First
Search (BFS)
Breadth-first
search (BFS) melakukan proses searching pada semua
node yang berada pada level atau hirarki yang sama terlebih dahulu sebelum
melanjutkan proses searching pada node di level berikutnya. Urutan proses
searching BFS ditunjukkan dalam Gambar 2.1 adalah: A,B,C,D,E,F, ...
Breadth-first
search adalah algoritma yang melakukan pencarian secara melebar yang
mengunjungi simpul secara preorder yaitu mengunjungi suatu simpul kemudian
mengunjungi semua simpul yang bertetangga dengan simpul tersebut terlebih
dahulu. Selanjutnya, simpul yang belum dikunjungi dan bertetangga dengan
simpulsimpul yang tadi dikunjungi , demikian seterusnya. Jika graf berbentuk
pohon berakar, maka semua simpul pada aras d dikunjungi lebih dahulu sebelum
simpul-simpul pada ras d+1.
Algoritma
ini memerlukan sebuah antrian q untuk menyimpan simpul yang telah dikunjungi.
Simpulsimpul ini diperlukan sebagai acuan untuk mengunjungi simpul-simpul yang
bertetanggaan dengannya. Tiap simpul yang telah dikunjungu masuk ke dalam
antrian hanya satu kali. Algoritma ini juga membutuhkan table Boolean untuk
menyimpan simpul yang te lah dikunjungi sehingga tidak ada simpul yang
dikunjungi lebih dari satu kali.
1.1.1. Cara Kerja Algoritma
BFS
Dalam algoritma
BFS, simpul anak yang telah dikunjungi disimpan dalam suatu antrian. Antrian
ini digunakan untuk mengacu simpul-simpul yang bertetangga dengannya yang akan
dikunjungi kemudian sesuai urutan pengantrian.
Untuk
memperjelas cara kerja algoritma BFS beserta antrian yang digunakannya, berikut
langkah-langkah algoritma BFS:
1.
Masukkan simpul ujung
(akar) ke dalam antrian
2.
Ambil simpul dari awal
antrian, lalu cek apakah simpul merupakan solusi
3.
Jika simpul merupakan
solusi, pencarian selesai dan hasil dikembalikan.
4.
Jika simpul bukan
solusi, masukkan seluruh simpul yang bertetangga dengan simpul tersebut (simpul
anak) ke dalam antrian
5.
Jika antrian kosong dan
setiap simpul sudah dicek, pencarian selesai dan mengembalikan hasil solusi
tidak ditemukan
6.
Ulangi pencarian dari
langkah kedua
Contohnya
terlihat dibawah ini:
Maka
penyelesaiannya adalah:
Gambar (a)
BFS(1): 1, 2, 3, 4, 5, 6, 7, 1.
Gambar (b)
BFS(1): 1, 2, 3, 4, 5, 6, 7, 1
Gambar (c)
BFS(1): 1, 2, 3, 4, 5, 6, 7, 8, 9
1.1.2. Contoh Pencarian
Lintasan Terpendek Dengan BFS
Adapun contoh
untuk mencari lintasan terpendek dengan menggukan algoritma BFS adalah sebagai
berkut:
Diketahui sebuah
kota, dengan memiliki inisial seperti yang ditunjukkan dibawah ini. Jarak antar
kota dibentuk dengan sebuah graph terlihat dibawah:
Pertanyaan:
sebutkan rute yang akan ditempuh untuk mencapai kota no. 8. Titik awal
perjalanan adalah kota no. 1. Gunakan algoritma BFS!
Maka dengan
menggunakan algoritma BFS, rute tercepat yang didapat adalah sebagai berikut:
1 – 2 – 3 – 4 –
5 – 6 – 7 – 8
Rute tersebut
didapat dari pencarian secara melebar. Hal; tersebut dapat dijabarkan sebagai
berikut:
·
Pertama-tama, pointer
menunujuk pada daun yang ada sebelah kanan, yaitu no.2 (1 – 2)
·
Setelah itu, proses
dilanjutkan pada tetangga no.2 yaitu no.3 (1-2-3) dan selanjutnya mengarah pada
tetangga terdekat, yakni no.4 (1-2-3-4).
·
Pointer mencari
teteangga no.4, namun karna tidak ada, maka pointer kembali ke kota no.2 dan
masuk ke daun berikutnya, yakni no.5.
·
Proses diulang hingga
pointer menunjuk angka 8
1.2.
Depth-First
search (DFS)
Depth-first search (DFS) adalah proses searching sistematis buta yang melakukan ekpansi
sebuah path (jalur) menuju penyelesaian masalah sebelum melakukan ekplorasi
terhadap path yang lain. Proses searching mengikuti sebuah path tunggal sampai
menemukan goal atau dead end. Apabila proses searching menemukan dead-end, DFS
akan melakukan penelusuran balik ke node terakhir untuk melihat apakah node tersebut
memiliki path cabang yang belum dieksplorasi. Apabila cabang ditemukan, DFS
akan melakukan cabang tersebut. Apabila sudah tidak ada lagi cabang yang dapat
dieksplorasi, DFS akan kembali ke node parent dan melakukan proses searching
terhadap cabang yang belum dieksplorasi dari node parent sampai menemukan
penyelesaian masalah. Urutan proses searching DFS ditunjukkan dalam Gambar 1.5
adalah: A, B, E,F, G, C, ... Figure
Pencarian
dilakukan pada satu node dalam setiap level dari yang paling kiri. Jika pada
level yang paling dalam, solusi belum ditemukan, maka pencarian dilanjutkan
pada node sebelah kanan. Node yang kiri dapat dihapus dari memori. Jika pada
level yang paling dalam tidak ditemukan solusi, maka pencarian dilanjutkan pada
level sebelumnya. Demikian seterusnya sampai ditemukan solusi. Jika solusi
ditemukan maka tidak diperlukan proses backtracking (penelusuran balik untuk
mendapatkan jalur yang dinginkan).
1.2.1.
Kelebihan
dan Kelemahan DFS
Kelebihan
DFS adalah:
• Pemakain
memori hanya sedikit, berbeda jauh dengan BFS yang harus menyimpan semua node
yang pernah dibangkitkan.
• Jika
solusi yang dicari berada pada level yang dalam dan paling kiri, maka DFS akan
menemukannya secara cepat.
Kelemahan DFS adalah:
• Jika
pohon yang dibangkitkan mempunyai level yang dalam (tak terhingga), maka tidak
ada jaminan untuk menemukan solusi (Tidak Complete).
• Jika
terdapat lebih dari satu solusi yang sama tetapi berada pada level yang
berbeda, maka pada DFS tidak ada jaminan untuk menemukan solusi yang paling
baik (Tidak Optimal)..
1.2.2.
Cara
Kerja DFS
Pencarian
rute terpendek dilakukan dengan cara membuat simpul-simpul yang menjadi titik
awal, titik-titik yang akan dilalui dan juga titik akhir sebagai akhir dari
tujuan atau sebagai simpul yang dicari.
Dalam
algoritma DFS, simpul yang telah dikunjungi disimpan dalam suatu tumpukan
(stack). Antrian ini digunakan untuk mengacu simpul-simpul yang akan dikunjungi
sesuai urutan tumpukan (masuk terakhir, keluar pertama) dan mempermudah proses
runut-balik jika simpul sudah tidak mempunyai anak (simpul pada kedalaman
maksimal).
Untuk
memperjelas cara kerja algoritma DFS beserta tumpukan yang digunakannya,
berikut langkah-langkah algoritma DFS:
1. Masukkan
simpul ujung (akar) ke dalam tumpukan
2. Ambil
simpul dari tumpukan teratas, lalu cek apakah simpul merupakan solusi
3. Jika
simpul merupakan solusi, pencarian selesai dan hasil dikembalikan.
4. Jika
simpul bukan solusi, masukkan seluruh simpul yang bertetangga dengan simpul
tersebut (simpul anak) ke dalam tumpukan
5. Jika
tumpukan kosong dan setiap simpul sudah dicek, pencarian selesai dan
mengembalikan hasil solusi tidak ditemukan
6. Ulangi
pencarian dari langkah kedua
Minggu, 02 Oktober 2016
FUZZY LOGIC (LOGIKA FUZZY)
Jadi Logika Fuzzy digunakan untuk :
1.Fuzzy Logic suatu teknik yang digunakan untuk menangani ketidakpastian masalah-masalah yang memiliki banyak jawaban.
2. Untuk merepresentasikan masalah yang mengandung ketidakpastian ke dalam suatu bahasa formal yang dipahami komputer.
Contoh Aplikasi Logika fuzzy :
1. Pengontrol kereta bawah tanah disendai, Jepang.
2. Pengatur mekanisme otofocus pada kamera
3. Sistem pengeraman mobil (nissan)
4. Penghematan konsumsi daya listrik pada AC
5. Otomatisasi kecepatan putar mesin cuci terhadap tebal-tipis atau banyak-sedikit jenis pakaian dalam mesin cuci
6. Penentuan prestasi mahasiswa berdasarkan great IPK
7. Kontrol jumlah produksi barang berdasarkan permintaan konsumen
8. Penentuan karyawan terbaik berdasarkan indeks kinerja
9. Kontrol kecepatan kendaraan berdasarkan cuaca terkini
Konsep dan Pengertian fuzzy logic :
– Fuzzy adalah sebuah cara memetakan ruang-input ke dalam ruang output
– Fuzzy pada dasarnya sudah terbawa sejak lahir, seperti pertanyaan tentang “seberapa besar ?, seberapa kecil?, secepat apa ? dll”.
– Yang terpenting adalah “The way of thinking-Terhadap Permasalahan” di lingkungan sekitar.
Contoh-Contoh problem yang dapat dipetakan dengan fuzzy:
1. Manager-gudang mengatakan kepada manager produksi “kita telah mendapat pesanan lebih besar dalam minggu ini. Tolong dicekkan, berapa banyak jumlah persediaan kita di gudang. Dan berapa besara barang yang harus akan diproduksi”.
2. Seseorang mengatakan kepada kita “Seberapa sejuk ruangan yang saudara inginkan ? Saya akan mengatur putaran kipas dalam ruang ini.
3. Bilaseseorangmengatakan “Jikasaatinicuacanyacerahdanpanas, sayaakanmengemudidengancepat“
Arsitektur Logika Fuzzy :
1. Fuzzifikasi, Proses konversi input-input (masukan) yang bersifat tegas (crips) ke dalam bentuk (fuzzy) variabel linguistik menggunakan fungsi keanggotaan
2. Sistem Inferensi, Proses pengkonversian input-fuzzy menggunakan aturan-aturan “If-Then” menjadi Output-Fuzzy
3. Defuzzifikasi, Proses konversi Output-Fuzzy dari sistem inferensi ke dalam bentuk tegas (crips) menggunakan fungsi keanggotaan serupa (sebelumnya) menjadi sebuah nilai
Hal Dasar Dalam Logika fuzzy :
A. Himpunan Tegas (Crisp Set)
– Himpunan yang membedakan anggota dan non anggotanya dengan batasan yang jelas disebut crisp set.
– Misalnya, jika C={x | x integer, x > 2}, maka anggota C adalah 3, 4, 5, dan seterusnya.
– Sedangkan yang bukan anggota C adalah 2, 1, 0, -1, dan seterusnya
A. Himpunan Tegas (Crisp Set)
– Himpunan yang membedakan anggota dan non anggotanya dengan batasan yang jelas disebut crisp set.
– Misalnya, jika C={x | x integer, x > 2}, maka anggota C adalah 3, 4, 5, dan seterusnya.
– Sedangkan yang bukan anggota C adalah 2, 1, 0, -1, dan seterusnya
B. Himpunan Fuzzy (Fuzzy Set)
– Fuzzy set merupakan dasar dari fuzzy logic dan fuzzy systems.
– Suatu fuzzy set A di dalam Universe (semesta) U didefinisikan sebagai suatu fungsi keanggotaan u-A[x] (sebut miu A), yang memetakan setiap objek di U menjadi suatu nilai real dalam interval [0,1].
– Nilai-nilai u-A[x] menyatakan derajat keanggotaan x di dalam A.
Contoh Himpunan Tegas dapat dilihat pada sebagai berikut :– Fuzzy set merupakan dasar dari fuzzy logic dan fuzzy systems.
– Suatu fuzzy set A di dalam Universe (semesta) U didefinisikan sebagai suatu fungsi keanggotaan u-A[x] (sebut miu A), yang memetakan setiap objek di U menjadi suatu nilai real dalam interval [0,1].
– Nilai-nilai u-A[x] menyatakan derajat keanggotaan x di dalam A.
1. Misalkan, x = {5, 10, 20, 30, 40, 50, 60, 70, 80} adalah crisp set Usia dalam satuan tahun.
2. Balita, Dewasa, Muda, dan Tua adalah empat fuzzy set yang merupakan subset dari x
Pada tabel di atas, terdapat 4 buah fuzzy set dengan anggota dan derajat keanggotaannya sebagai berikut :
– Balita = {}.
– Dewasa = {20, 30, 40, 50, 60, 70, 80}, di mana derajat keanggotaannya dinyatakan oleh u-Dewasa = {0.8, 1, 1, 1, 1, 1, 1}.
– Muda = {5, 10, 20, 30, 40, 50}, di mana derajat keanggotaannya dinyatakan oleh u-muda = {1, 1, 0.8, 0.5, 0.2, 0.1}
– Tua = {20, 30, 40, 50, 60, 70, 80}, di mana derajat keanggotaannya dinyatakan oleh u-Tua = {0.1, 0.2, 0.4, 0.6, 0.8, 1, 1}
C. Fungsi Keanggotaan (Membership Function)
– Di dalam fuzzy sistems, fungsi keangotaan memainkan peranan yang sangat penting untuk merepresentasikan masalah dan menghasilkan keputusan yang akurat.
– Terdapat banyak sekali fungsi keanggotaan yang bisa digunakan, Tetapi disini akan dibahas 4 fungsi keanggotaan, yaitu
1. Fungsi Sigmoid, fungsi dan bentuknya seperti pada gambar di bawah :– Di dalam fuzzy sistems, fungsi keangotaan memainkan peranan yang sangat penting untuk merepresentasikan masalah dan menghasilkan keputusan yang akurat.
– Terdapat banyak sekali fungsi keanggotaan yang bisa digunakan, Tetapi disini akan dibahas 4 fungsi keanggotaan, yaitu
– Sesuai dengan namanya, fungsi ini berbentuk kurva sigmoidal seperti huruf S.
– Setiap nilai x (anggota crisp set) dipetakan ke dalam interval [0,1].
2. Fungsi Phi
– Pada fungsi keanggotaan ini, hanya terdapat satu nilai x yang memiliki derajat keanggotaan yang sama dengan 1, yaitu ketika x=c.
– Nilai-nilai di sekitar c memiliki derajat keanggotaan yang masih mendekati 1
3. Fungsi Segitiga
– Sama seperti fungsi phi, pada fungsi ini juga terdapat hanya satu nilai x yang memiliki derajat keanggotaan sama dengan 1, yaitu ketika x=b.
– Tetapi, nilai-nilai di sekitar b memiliki derajat keanggotaan yang turun cukup tajam menjauhi 1
4. Fungsi Trapesium
– Berbeda dengan fungsi segitiga, pada fungsi ini terdapat beberapa nilai x yang memiliki derajat keanggotaan sama dengan 1, yaitu ketika b ≤ x ≤ c.
– Tetapi derajat keanggotaan untuk a < x < b dan c < x ≤ d memiliki karakteristik yang sama dengan fungsi segitiga
5. Fungsi Linier (naik & turun)
Bentuk ini adalah bentuk paling sederhana dan menjadi pilihan yang baik untuk mendekati konsep yang kurang jelas. Representasi fungsi ini ada 2 macam, linier naik dan linier turun
6. Fungsi Kurva Bentuk Bahu
– Fungsi pada dasarnya adalah gabungan antara fungsi segitiga dan fungsi linier.
– Kurva bentuk bahu sering digunakan dalam penyelesaian permasalahan fuzzy, baik yang model linier maupun model sigmoid
CONTOH KASUS Dan PENYELESAIANNYA
Kita ambilkembalikesalahsatupermasalahansebelumnya, yaitu Bila seseorang mengatakan “Jika saat ini cuacanya cerah dan panas, saya akan mengemudi dengan cepat“.
Bila kita perhatikan permasalahan dalam kalimat di atas, MAKA :
Variabel linguistik fuzzy, digunakan untuk merepresentasikan kualitas jangkauan yang lebih spesifik sebagaimana berikut:
1. Temperatur (dingin, sejuk, hangat, panas)
2. Keadaan awan (mendung, agak mendung, cerah)
3. Kecepatan (slow, fast).
TETAPI, Pertanyaannya :
Pertanyaan : “Bagaimana kondisi suhunya ?”
Jawaban : “Sekarang Hangat / Agak Panas”.
Pertanyaan : “Bagimana Maksud “Hangat”-nya itu ?”
PROSES FUZZIFIKASI
Nah, Beirkutnya kita harus mengkonversi variabel lingusitik temperatur/suhu diatas menjad tabel dengan menggunakan fungsi kurva bahu seperti di bawah ini.
kemudian kita buat permisalan bahwa suhu sekarang yang terbaca oleh sensor suhu adalah = 65 derajad.
Selanjutnya adalah kita harus mengkonversi variabel lingusitik keadaan awan diatas menjadi tabel dengan menggunakan fungsi kurva bahu seperti di bawah ini.
Lalu kita buat permisalan bahwa keadaan awan sekarang yang terbaca oleh sensor adalah = 25%.
JADI, Proses Fuzzifikasi telah menghasilkan 4 input_fuzzy, yaitu :
PROSES SISTEM INFERENSI
– Sistem inferensi adalah pemrosesan input-fuzzy menjadi output-fuzzy melalui aturan-aturan (rules).
– Terdapat berbagai cara untuk menentukan aturan fuzzy.
– Misalkan output-fuzzy dipetakan bentuk fungsi keanggotan kecepatan seperti di bawah
Dalam kasus ini, variabel yang mempengaruhi output hanya terdapat 2 variabel saja, Sehingga Matrik_Relasi_Fuzzy yang digunakan untuk menggernerate rule-rule fuzzy berdimensi 2 (D2), sepertri pada gambar di bawah.
Dari tabel dimensi 2 diatas, akan harus dibuat keputusan tentang relasi antara atribut variabel_lingusitik_temperatr dengan variabel_lingusitik_cuaca dalam bentuk kecepatan (Cepat atau Sedang, atau Lambat). Nah, tentu saja keputusan “cepat atau lambat” dalam hal ini seharusnya adalah berdasrkan kebijakan lokal atau berdasarkan hasil penelitian.
Jadi hasil secara kesuluruhan rule-rule berdasarakn tabel berdimensi 2 diatas adalah sebagai berikut :
PROSES DEFUZZYFIKASI
Sumber : https://yusronrijal.wordpress.com/2012/03/27/logika-fuzzy/
SISTEM PAKAR
Berikut ini ada sedikit rangkuman mengenai materi sistem pakar :
Secara umum, sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer yang dirancang untuk memodelkan kemampuan menyelesaikan masalah seperti layaknya seorang pakar. Dengan sistem pakar ini, orang awam pun dapat menyelesaikan masalahnya atau hanya sekedar mencari suatu informasi berkualitas yang sebenarnya hanya dapat diperoleh dengan bantuan para ahli di bidangnya. Sistem pakar ini juga akan dapat membantu aktivitas para pakar sebagai asisten yang berpengalaman dan mempunyai asisten yang berpengalaman dan mempunyai pengetahuan yang dibutuhkan. Dalam penyusunannya, sistem pakar mengkombinasikan kaidah-kaidah penarikan kesimpulan (inference rules) dengan basis pengetahuan tertentu yang diberikan oleh satu atau lebih pakar dalam bidang tertentu. Kombinasi dari kedua hal tersebut disimpan dalam komputer, yang selanjutnya digunakan dalam proses pengambilan keputusan untuk penyelesaian masalah tertentu.
Ciri-Ciri Sistem Pakar
Sistem pakar yang baik harus memenuhi ciri-ciri sebagai berikut :
• Memiliki informasi yang handal.
• Mudah dimodifikasi.
• Dapat digunakan dalam berbagai jenis komputer.
• Memiliki kemampuan untuk belajar beradaptasi.
Keuntungan Sistem Pakar
Secara garis besar, banyak manfaat yang dapat diambil dengan adanya sistem pakar, antara lain :
1. Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli.
2. Bisa melakukan proses secara berulang secara otomatis.
3. Menyimpan pengetahuan dan keahlian para pakar.
4. Meningkatkan output dan produktivitas.
5. Meningkatkan kualitas.
6. Mampu mengambil dan melestarikan keahlian para pakar (terutama yang termasuk keahlian langka).
7. Mampu beroperasi dalam lingkungan yang berbahaya.
8. Memiliki kemampuan untuk mengakses pengetahuan.
9. Memiliki reabilitas.
10. Meningkatkan kapabilitas sistem komputer.
11. Memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan mengandung ketidakpastian.
12. Sebagai media pelengkap dalam pelatihan.
13. Meningkatkan kapabilitas dalam penyelesaian masalah.
14. Menghemat waktu dalam pengambilan keputusan
Kelemahan Sistem Pakar
Di samping memiliki beberapa keuntungan, sistem pakar juga memiliki beberapa kelemahan, antara lain :
1. Biaya yang diperlukan untuk membuat dan memeliharanya sangat mahal.
2. Sulit dikembangkan. Hal ini tentu saja erat kaitannya dengan ketersediaan pakar di bidangnya.
3. Sistem Pakar tidak 100% bernilai benar.
Alasan Pengembangan Sistem Pakar, sistem pakar sendiri dikembangkan lebih lanjut dengan alasan :
• Dapat menyediakan kepakaran setiap waktu dan di berbagai lokasi.
• Secara otomatis mengerjakan tugas-tugas rutin yang membutuhkan seorang pakar.
• Seorang pakar akan pensiun atau pergi.
• Seorang pakar adalah mahal.
• Kepakaran dibutuhkan juga pada lingkungan yang tidak bersahabat.
Modul Penyusun Sistem Pakar
Menurut Staugaard (1987) suatu sistem pakar disusun oleh tiga modul utama yaitu :
1. Modul Penerimaan Pengetahuan (Knowledge Acquisition Mode) Sistem berada pada modul ini, pada saat ia menerima pengetahuan dari pakar. Proses mengumpulkan pengetahuan-pengetahuan yang akan digunakan untuk pengembangan sistem, dilakukan dengan bantuan knowledge engineer. Peran knowledge engineer adalah sebagai penghubung antara suatu sistem pakar dengan pakarnya.
2. Modul Konsultasi (Consultation Mode)
Pada saat sistem berada pada posisi memberikan jawaban atas permasalahan yang diajukan oleh user, sistem pakar berada dalam modul konsultasi. Pada modul ini, user berinteraksi dengan sistem dengan menjawab pertanyaan-pertanyaan yang diajukan oleh sistem.
3. Modul Penjelasan (Explanation Mode)
Modul ini menjelaskan proses pengambilan keputusan oleh system (bagaimana suatu keputusan dapat diperoleh).
Struktur Sistem Pakar, komponen utama pada struktur sistem pakar menurut Hu et al (1987) meliputi :
1. Basis Pengetahuan (Knowledge Base)
Basis pengetahuan merupakan inti dari suatu sistem pakar, yaitu berupa representasi pengetahuan dari pakar. Basis pengetahuan tersusun atas fakta dan kaidah. Fakta adalah informasi tentang objek, peristiwa, atau situasi. Kaidah adalah cara untuk membangkitkan suatu fakta baru dari fakta yang sudah diketahui.
2. Mesin Inferensi (Inference Engine)
Mesin inferensi berperan sebagai otak dari sistem pakar. Mesin inferensi berfungsi untuk memandu proses penalaran terhadap suatu kondisi, berdasarkan pada basis pengetahuan yang tersedia. Di dalam mesin inferensi terjadi proses untuk memanipulasi dan mengarahkan kaidah, model, dan fakta yang disimpan dalam basis pengetahuan dalam rangka mencapai solusi atau kesimpulan. Dalam prosesnya, mesin inferensi menggunakan strategi penalaran dan strategi pengendalian. Strategi penalaran terdiri dari strategi penalaran pasti (Exact Reasoning) dan strategi penalaran tak pasti (Inexact Reasoning). Exact reasoning akan dilakukan jika semua data yang dibutuhkan untuk menarik suatu kesimpulan tersedia, sedangkan inexact reasoning dilakukan pada keadaan sebaliknya.Strategi pengendalian berfungsi sebagai panduan arah dalam melakukan prose penalaran. Terdapat tiga tehnik pengendalian yang sering digunakan, yaitu forward chaining, backward chaining, dan gabungan dari kedua teknik pengendalian tersebut.
3. Basis Data (Data Base)
Basis data terdiri atas semua fakta yang diperlukan, dimana fakta fakta tersebut digunakan untuk memenuhi kondisi dari kaidah-kaidah dalam sistem. Basis data menyimpan semua fakta, baik fakta awal pada saat sistem mulai beroperasi, maupun fakta-fakta yang diperoleh pada saat proses penarikan kesimpulan sedang dilaksanakan. Basis data digunakan untuk menyimpan data hasil observasi dan data lain yang dibutuhkan selama pemrosesan.
4. Antarmuka Pemakai (User Interface)
Fasilitas ini digunakan sebagai perantara komunikasi antara pemakai.dengan komputer.
Teknik Representasi Pengetahuan
Representasi pengetahuan adalah suatu teknik untuk merepresentasikan basis pengetahuan yang diperoleh ke dalam suatu skema/diagram tertentu sehingga dapat diketahui relasi/keterhubungan antara suatu data dengan data yang lain. Teknik ini membantu knowledge engineer dalam memahami struktur pengetahuan yang akan dibuat sistem pakarnya. Terdapat beberapa teknik representasi pengetahuan yang biasa digunakan dalam pengembangan suatu sistem pakar, yaitu
a. Rule-Based Knowledge
Pengetahuan direpresentasikan dalam suatu bentuk fakta (facts) dan aturan (rules). Bentuk representasi ini terdiri atas premise dan kesimpulan.
b. Frame-Based Knowledge
Pengetahuan direpresentasikan dalam suatu bentuk hirarki atau jaringan frame.
c. Object-Based Knowledge
Pengetahuan direpresentasikan sebagai jaringan dari obyek-obyek. Obyek adalah elemen data yang terdiri dari data dan metoda (proses).
d. Case-Base Reasoning
Pengetahuan direpresentasikan dalam bentuk kesimpulan kasus (cases).
Inferencing dengan Rule : Forward dan Backward Chaining
Inferensi dengan rules merupakan implementasi dari modus ponen, yang direfleksikan dalam mekanisme search (pencarian). Dapat pula mengecek semua rule pada knowledge base dalam arah forward maupun backward. Proses pencarian berlanjut sampai tidak ada rule yang dapat digunakan atau sampai sebuah tujuan (goal) tercapai. w:st=”on”Ada dua metode inferencing dengan rules, yaitu forward chaining atau data-driven dan backward chaining atau goal-driven.
a. Backward chaining
• Menggunakan pendekatan goal-driven, dimulai dari ekspektasi apa yang diinginkan terjadi (hipotesis), kemudian mengecek pada sebab-sebab yang mendukung (ataupun kontradiktif) dari ekspektasi tersebut.
• Jika suatu aplikasi menghasilkan tree yang sempit dan cukup dalam, maka gunakan backward chaining.
b. Forward chaining
• Forward chaining merupakan grup dari multiple inferensi yang melakukan pencarian dari suatu masalah kepada solusinya.
• Jika klausa premis sesuai dengan situasi (bernilai TRUE), maka proses akan meng-assert konklusi.
• Forward chaining adalah data-driven karena inferensi dimulai dengan informasi yang tersedia dan baru konklusi diperoleh.
• Jika suatu aplikasi menghasilkan tree yang lebar dan tidak dalam, maka gunakan forward chaining.
Contoh Sistem Pakar dan penerapannya
– Sistem Pakar Dalam Perancangan PRIDE(Pinch Roll Interactive Design Expert / Environment). Sistem pakar ini digunakan untuk merancang system pengaturan kertas untuk mesin fotocopy. Sistem ini membuat rancangan dengan representasi pengetahuan tentang rancangan berdasarkan kumpulan goal, metoda perancangan, generator dan aturan-aturan yang terstruktur.
– System Pakar Dalam Perencanaan Wood Trus fabrication Application merupakan contoh system pakar dalam proses perencanaan. System ini dibuat dengan menggunakan shell sitem pakar SPS (Semi Intelligent Process Selector).
– Sistem Pakar Dalam Penjadwalan Sistem pakar juga digunakan dalam penjadwalan, dibawah ini adalah beberapan contoh kegunaan system pakar dalam penjadwalan :
– Contionuous Caster Steel Mill Scheduling Application
System pakar ini berbasis fuzzy logic yang dibuat untuk monitoring on line dan penjadwalan continuous caster steel mill.
Continuous caster stell mill mengolah material seperti scrap, pig iron dan refined ore melalui proses tertentu untuk menghasilkan lempeng baja yang memiliki kulitas dan komposisi sesuai kebutuhan.
-Master Production Scheduling Aplication (MPS)
Sistem pakar ini dikembangkan untuk melakukan penjadwalan produksi master untuk manufaktur Integrated Circuit (IC). Master Production Scheduling (MPS) merupakan aktivitas perencanaan yang sangat luas, yang mengatur dan mengkoordinasi fase-fase berurutan proses penjadwalan manufaktur tertentu.
– Sistem Pakar Dalam Proses Kontrol Beberapa contoh penggunaan system pakar dalam proses control adalah sebagai berikut :
– Aluminium Foil Rolling Flatness control Appilcation
System pakar ini merupakan system pakar yang dibuat mengontrol kekaratan aluminium foil secara otomatis. System ini menyesuaikan bentuk pola target menurut karakteristik material dan kondisi pengoperasiannya.
– Blast Furnace Heat Control Application
System pakar ini dibuat untuk mengontrol tingkat panas blast furnace (tanur).
– Sistem Pakar Dalam Production Planning Dan Production Control Perencanaan produksi dilakukan dalam hal kuantitas, waktu, kapasitas dan biaya pengendalian produksi meliputi penyelesaian pesanan, pengawasan pesanan dan pengamanan kualitas.
Manfaat system pakar dalam proses manufaktur / industry adalaah sebagai berikut :
1) Meningkatkan produktivitas
2) Mengambil alih keahlian yang langka
3) Memudahkan pengoperasian peralatan
4) Kemampuan bekerja dengan informasi yang tidak pasti dan tidak lengkap
2. Sistem Pakar di bidang Manajerial :
1. Analisis
a) Interpretasi
• Analisa pasar untuk komoditi tertentu
• Identifikasi media iklan yang sesuai
• Identifikasi kebutuhan pelatihan
b) Diagnostik
• Diagnosa kelesuan perusahaan dan usaha penyembuhan
2. Sintesa
o Penarikan tenaga kerja
o Strategi penentuan harga
o Strategi pengembangan produk
3. Integrasi
o Prediksi perkembangan nilai pada bursa saham efek
Aplikasi sistem pakar dalam bidang kedokteran yang dibuat dengan proses penelusuran maju (forward chaining) mampu mengenali jenis penyakit pada manusia, terutama jenis penyakit mata. Aplikasi sistem pakar ini dapat menjadi sarana untuk menyimpan pengetahuan tentang penyakit terutama yang berkenaan dengan jenis penyakit mata dari para pakar atau ahlinya. Sistem pakar mampu membantu pasien maupun dokter dalam menyediakan sistem pendukung keputusan dan saran dari pakar.
Pada aplikasi sistem pakar umumnya user akan diminta untuk menjawab pertanyaan sesuai dengan gejala yang dirasakan. Dalam aplikasi ini, user menjawab dengan ya atau tidak. Setelah menjawab beberapa pertanyaan, maka aplikasi akan menghasilkan kesimpulan mengenai jenis penyakit mata yang diderita user. Pada aplikasi sistem pakar lainnya, tidak jarang juga sudah memberikan solusi atau cara penanganan terhadap jenis penyakit yang diderita tersebut.
– Mampu mengambil keputusan
– Langkah-langkah pengambilan keputusan jelas
– Mudah dikembangkan lebih lanjut
– Memberikan solusi tepat waktu
– Menyimpan pengetahuan
1. Penerapan Sistem pakar dalam Industri / Manufaktur
Manufaktur di definisikan sebagai urutan-urutan kegiatan yang saling berhubungan meliputi perancangan, perencanaan, pemilihan material, produksi, pengontrolan kualitas, menajemen serta pemasaran produk. Proses manufaktur yang penyelesaiannya dapat dibantu oleh system pakar antara lain :
– Sistem Pakar Dalam Perancangan PRIDE(Pinch Roll Interactive Design Expert / Environment). Sistem pakar ini digunakan untuk merancang system pengaturan kertas untuk mesin fotocopy. Sistem ini membuat rancangan dengan representasi pengetahuan tentang rancangan berdasarkan kumpulan goal, metoda perancangan, generator dan aturan-aturan yang terstruktur.
– System Pakar Dalam Perencanaan Wood Trus fabrication Application merupakan contoh system pakar dalam proses perencanaan. System ini dibuat dengan menggunakan shell sitem pakar SPS (Semi Intelligent Process Selector).
– Sistem Pakar Dalam Penjadwalan Sistem pakar juga digunakan dalam penjadwalan, dibawah ini adalah beberapan contoh kegunaan system pakar dalam penjadwalan :
– Contionuous Caster Steel Mill Scheduling Application
System pakar ini berbasis fuzzy logic yang dibuat untuk monitoring on line dan penjadwalan continuous caster steel mill.
Continuous caster stell mill mengolah material seperti scrap, pig iron dan refined ore melalui proses tertentu untuk menghasilkan lempeng baja yang memiliki kulitas dan komposisi sesuai kebutuhan.
-Master Production Scheduling Aplication (MPS)
Sistem pakar ini dikembangkan untuk melakukan penjadwalan produksi master untuk manufaktur Integrated Circuit (IC). Master Production Scheduling (MPS) merupakan aktivitas perencanaan yang sangat luas, yang mengatur dan mengkoordinasi fase-fase berurutan proses penjadwalan manufaktur tertentu.
– Sistem Pakar Dalam Proses Kontrol Beberapa contoh penggunaan system pakar dalam proses control adalah sebagai berikut :
– Aluminium Foil Rolling Flatness control Appilcation
System pakar ini merupakan system pakar yang dibuat mengontrol kekaratan aluminium foil secara otomatis. System ini menyesuaikan bentuk pola target menurut karakteristik material dan kondisi pengoperasiannya.
– Blast Furnace Heat Control Application
System pakar ini dibuat untuk mengontrol tingkat panas blast furnace (tanur).
– Sistem Pakar Dalam Production Planning Dan Production Control Perencanaan produksi dilakukan dalam hal kuantitas, waktu, kapasitas dan biaya pengendalian produksi meliputi penyelesaian pesanan, pengawasan pesanan dan pengamanan kualitas.
Manfaat system pakar dalam proses manufaktur / industry adalaah sebagai berikut :
1) Meningkatkan produktivitas
2) Mengambil alih keahlian yang langka
3) Memudahkan pengoperasian peralatan
4) Kemampuan bekerja dengan informasi yang tidak pasti dan tidak lengkap
2. Sistem Pakar di bidang Manajerial :
1. Analisis
a) Interpretasi
• Analisa pasar untuk komoditi tertentu
• Identifikasi media iklan yang sesuai
• Identifikasi kebutuhan pelatihan
b) Diagnostik
• Diagnosa kelesuan perusahaan dan usaha penyembuhan
2. Sintesa
o Penarikan tenaga kerja
o Strategi penentuan harga
o Strategi pengembangan produk
3. Integrasi
o Prediksi perkembangan nilai pada bursa saham efek
Aplikasi sistem pakar dalam bidang kedokteran yang dibuat dengan proses penelusuran maju (forward chaining) mampu mengenali jenis penyakit pada manusia, terutama jenis penyakit mata. Aplikasi sistem pakar ini dapat menjadi sarana untuk menyimpan pengetahuan tentang penyakit terutama yang berkenaan dengan jenis penyakit mata dari para pakar atau ahlinya. Sistem pakar mampu membantu pasien maupun dokter dalam menyediakan sistem pendukung keputusan dan saran dari pakar.
Pada aplikasi sistem pakar umumnya user akan diminta untuk menjawab pertanyaan sesuai dengan gejala yang dirasakan. Dalam aplikasi ini, user menjawab dengan ya atau tidak. Setelah menjawab beberapa pertanyaan, maka aplikasi akan menghasilkan kesimpulan mengenai jenis penyakit mata yang diderita user. Pada aplikasi sistem pakar lainnya, tidak jarang juga sudah memberikan solusi atau cara penanganan terhadap jenis penyakit yang diderita tersebut.
– Mampu mengambil keputusan
– Langkah-langkah pengambilan keputusan jelas
– Mudah dikembangkan lebih lanjut
– Memberikan solusi tepat waktu
– Menyimpan pengetahuan
– System pakar bisa memberikan keputusan yang cepat dari masalah-masalah kejiwaan yang dihadapi seseorang tanpa harus didampingi oleh psikolog.
– System pakar bisa membuat pemikiran psikolog lebih ringan karena segala keputusan bisa diperoleh tanpa harus berpikir lebih mendalam.
– Mmbantu pertahanan sebuah instansi atau bahkan Negara.
– Membantu dalam sistem keamanan yang terbatas dapat dilakukan oleh manusia.
– Mengurangi penyalahgunaan alat yang penting .
Aplikasi pengmabilan keputusan berupa resiko-resiko yang dapat terjadi bila melakukan penambangan. Sistem pakar memperhitungkan berapa peluang keberhasilan yang dapat dicapai. Keputusan ini harus sangat akurat dan meliputi seluruh aspek hingga keselamatan warga sekitar. Jangan sampai timbul kesalahan yang disebabkan oleh salah dalam pengambilan keputusan. Lebih baiknya keputusan tingkat pusat tetap dikaji ulang oleh para ahli di bidangnya. Karena terdapat beberapa aspek yang tidak dapat diterapkan pada rule base.
– Akurasi perhitungan menjadikan kegiatan di bidang ini mendapat keuntungan.
– Perhitungan yang rumit dapat terselesaikan dengan cepat.
– Keakuratan perhitungan meminimalisir kesalahan factor manusia.
– Menghasilkan informasi yang mendukung, sehingga tugas para ahli lebih mudah untuk mengkaji ulang.
– Tugas manusia semakin ringan.
– Tugas yang mengancam nyawa dapat diminimalisir dengan memanfaatkan robot.
– Efisiensi waktu.
– Membantu rumah tangga.
– Kemajuan teknologi akan membuat generasi muda untuk berusaha menciptakan robot yang lebih pintar lagi.
Pada simulasi pesawat terbang kita dapat merasakan seperti menerbangkan sebuah pesawat secara nyata. Simulator menerima input dari user lalu diproses dan ditampilkan pada layar yang tersedia. Informasi yang dihasilkan berupa posisi pesawat setelah menerima input dari user. Layaknya menerbangkan pesawat biasa bila kita melakukan kesalahan dalam penerbangan simulasi ini maka dapat menghasilkan informasi berupa kecelakaan dalam konteks visual. Maka dari itu simulator pesawat terbang ini biasanya digunakan untuk pelatihan terbang para calon pilot.
Sumber :
https://3onoikom.wordpress.com/materi-kuliah/sistem-pakar/
https://naynaimah.wordpress.com/2013/12/29/contoh-sistem-pakar-dan-penerapannya/
Secara umum, sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer yang dirancang untuk memodelkan kemampuan menyelesaikan masalah seperti layaknya seorang pakar. Dengan sistem pakar ini, orang awam pun dapat menyelesaikan masalahnya atau hanya sekedar mencari suatu informasi berkualitas yang sebenarnya hanya dapat diperoleh dengan bantuan para ahli di bidangnya. Sistem pakar ini juga akan dapat membantu aktivitas para pakar sebagai asisten yang berpengalaman dan mempunyai asisten yang berpengalaman dan mempunyai pengetahuan yang dibutuhkan. Dalam penyusunannya, sistem pakar mengkombinasikan kaidah-kaidah penarikan kesimpulan (inference rules) dengan basis pengetahuan tertentu yang diberikan oleh satu atau lebih pakar dalam bidang tertentu. Kombinasi dari kedua hal tersebut disimpan dalam komputer, yang selanjutnya digunakan dalam proses pengambilan keputusan untuk penyelesaian masalah tertentu.
Ciri-Ciri Sistem Pakar
Sistem pakar yang baik harus memenuhi ciri-ciri sebagai berikut :
• Memiliki informasi yang handal.
• Mudah dimodifikasi.
• Dapat digunakan dalam berbagai jenis komputer.
• Memiliki kemampuan untuk belajar beradaptasi.
Keuntungan Sistem Pakar
Secara garis besar, banyak manfaat yang dapat diambil dengan adanya sistem pakar, antara lain :
1. Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli.
2. Bisa melakukan proses secara berulang secara otomatis.
3. Menyimpan pengetahuan dan keahlian para pakar.
4. Meningkatkan output dan produktivitas.
5. Meningkatkan kualitas.
6. Mampu mengambil dan melestarikan keahlian para pakar (terutama yang termasuk keahlian langka).
7. Mampu beroperasi dalam lingkungan yang berbahaya.
8. Memiliki kemampuan untuk mengakses pengetahuan.
9. Memiliki reabilitas.
10. Meningkatkan kapabilitas sistem komputer.
11. Memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan mengandung ketidakpastian.
12. Sebagai media pelengkap dalam pelatihan.
13. Meningkatkan kapabilitas dalam penyelesaian masalah.
14. Menghemat waktu dalam pengambilan keputusan
Kelemahan Sistem Pakar
Di samping memiliki beberapa keuntungan, sistem pakar juga memiliki beberapa kelemahan, antara lain :
1. Biaya yang diperlukan untuk membuat dan memeliharanya sangat mahal.
2. Sulit dikembangkan. Hal ini tentu saja erat kaitannya dengan ketersediaan pakar di bidangnya.
3. Sistem Pakar tidak 100% bernilai benar.
Alasan Pengembangan Sistem Pakar, sistem pakar sendiri dikembangkan lebih lanjut dengan alasan :
• Dapat menyediakan kepakaran setiap waktu dan di berbagai lokasi.
• Secara otomatis mengerjakan tugas-tugas rutin yang membutuhkan seorang pakar.
• Seorang pakar akan pensiun atau pergi.
• Seorang pakar adalah mahal.
• Kepakaran dibutuhkan juga pada lingkungan yang tidak bersahabat.
Modul Penyusun Sistem Pakar
Menurut Staugaard (1987) suatu sistem pakar disusun oleh tiga modul utama yaitu :
1. Modul Penerimaan Pengetahuan (Knowledge Acquisition Mode) Sistem berada pada modul ini, pada saat ia menerima pengetahuan dari pakar. Proses mengumpulkan pengetahuan-pengetahuan yang akan digunakan untuk pengembangan sistem, dilakukan dengan bantuan knowledge engineer. Peran knowledge engineer adalah sebagai penghubung antara suatu sistem pakar dengan pakarnya.
2. Modul Konsultasi (Consultation Mode)
Pada saat sistem berada pada posisi memberikan jawaban atas permasalahan yang diajukan oleh user, sistem pakar berada dalam modul konsultasi. Pada modul ini, user berinteraksi dengan sistem dengan menjawab pertanyaan-pertanyaan yang diajukan oleh sistem.
3. Modul Penjelasan (Explanation Mode)
Modul ini menjelaskan proses pengambilan keputusan oleh system (bagaimana suatu keputusan dapat diperoleh).
Struktur Sistem Pakar, komponen utama pada struktur sistem pakar menurut Hu et al (1987) meliputi :
1. Basis Pengetahuan (Knowledge Base)
Basis pengetahuan merupakan inti dari suatu sistem pakar, yaitu berupa representasi pengetahuan dari pakar. Basis pengetahuan tersusun atas fakta dan kaidah. Fakta adalah informasi tentang objek, peristiwa, atau situasi. Kaidah adalah cara untuk membangkitkan suatu fakta baru dari fakta yang sudah diketahui.
2. Mesin Inferensi (Inference Engine)
Mesin inferensi berperan sebagai otak dari sistem pakar. Mesin inferensi berfungsi untuk memandu proses penalaran terhadap suatu kondisi, berdasarkan pada basis pengetahuan yang tersedia. Di dalam mesin inferensi terjadi proses untuk memanipulasi dan mengarahkan kaidah, model, dan fakta yang disimpan dalam basis pengetahuan dalam rangka mencapai solusi atau kesimpulan. Dalam prosesnya, mesin inferensi menggunakan strategi penalaran dan strategi pengendalian. Strategi penalaran terdiri dari strategi penalaran pasti (Exact Reasoning) dan strategi penalaran tak pasti (Inexact Reasoning). Exact reasoning akan dilakukan jika semua data yang dibutuhkan untuk menarik suatu kesimpulan tersedia, sedangkan inexact reasoning dilakukan pada keadaan sebaliknya.Strategi pengendalian berfungsi sebagai panduan arah dalam melakukan prose penalaran. Terdapat tiga tehnik pengendalian yang sering digunakan, yaitu forward chaining, backward chaining, dan gabungan dari kedua teknik pengendalian tersebut.
3. Basis Data (Data Base)
Basis data terdiri atas semua fakta yang diperlukan, dimana fakta fakta tersebut digunakan untuk memenuhi kondisi dari kaidah-kaidah dalam sistem. Basis data menyimpan semua fakta, baik fakta awal pada saat sistem mulai beroperasi, maupun fakta-fakta yang diperoleh pada saat proses penarikan kesimpulan sedang dilaksanakan. Basis data digunakan untuk menyimpan data hasil observasi dan data lain yang dibutuhkan selama pemrosesan.
4. Antarmuka Pemakai (User Interface)
Fasilitas ini digunakan sebagai perantara komunikasi antara pemakai.dengan komputer.
Teknik Representasi Pengetahuan
Representasi pengetahuan adalah suatu teknik untuk merepresentasikan basis pengetahuan yang diperoleh ke dalam suatu skema/diagram tertentu sehingga dapat diketahui relasi/keterhubungan antara suatu data dengan data yang lain. Teknik ini membantu knowledge engineer dalam memahami struktur pengetahuan yang akan dibuat sistem pakarnya. Terdapat beberapa teknik representasi pengetahuan yang biasa digunakan dalam pengembangan suatu sistem pakar, yaitu
a. Rule-Based Knowledge
Pengetahuan direpresentasikan dalam suatu bentuk fakta (facts) dan aturan (rules). Bentuk representasi ini terdiri atas premise dan kesimpulan.
b. Frame-Based Knowledge
Pengetahuan direpresentasikan dalam suatu bentuk hirarki atau jaringan frame.
c. Object-Based Knowledge
Pengetahuan direpresentasikan sebagai jaringan dari obyek-obyek. Obyek adalah elemen data yang terdiri dari data dan metoda (proses).
d. Case-Base Reasoning
Pengetahuan direpresentasikan dalam bentuk kesimpulan kasus (cases).
Inferencing dengan Rule : Forward dan Backward Chaining
Inferensi dengan rules merupakan implementasi dari modus ponen, yang direfleksikan dalam mekanisme search (pencarian). Dapat pula mengecek semua rule pada knowledge base dalam arah forward maupun backward. Proses pencarian berlanjut sampai tidak ada rule yang dapat digunakan atau sampai sebuah tujuan (goal) tercapai. w:st=”on”Ada dua metode inferencing dengan rules, yaitu forward chaining atau data-driven dan backward chaining atau goal-driven.
a. Backward chaining
• Menggunakan pendekatan goal-driven, dimulai dari ekspektasi apa yang diinginkan terjadi (hipotesis), kemudian mengecek pada sebab-sebab yang mendukung (ataupun kontradiktif) dari ekspektasi tersebut.
• Jika suatu aplikasi menghasilkan tree yang sempit dan cukup dalam, maka gunakan backward chaining.
b. Forward chaining
• Forward chaining merupakan grup dari multiple inferensi yang melakukan pencarian dari suatu masalah kepada solusinya.
• Jika klausa premis sesuai dengan situasi (bernilai TRUE), maka proses akan meng-assert konklusi.
• Forward chaining adalah data-driven karena inferensi dimulai dengan informasi yang tersedia dan baru konklusi diperoleh.
• Jika suatu aplikasi menghasilkan tree yang lebar dan tidak dalam, maka gunakan forward chaining.
Contoh Sistem Pakar dan penerapannya
- 1. Penerapan Sistem pakar dalam Industri / Manufaktur
– Sistem Pakar Dalam Perancangan PRIDE(Pinch Roll Interactive Design Expert / Environment). Sistem pakar ini digunakan untuk merancang system pengaturan kertas untuk mesin fotocopy. Sistem ini membuat rancangan dengan representasi pengetahuan tentang rancangan berdasarkan kumpulan goal, metoda perancangan, generator dan aturan-aturan yang terstruktur.
– System Pakar Dalam Perencanaan Wood Trus fabrication Application merupakan contoh system pakar dalam proses perencanaan. System ini dibuat dengan menggunakan shell sitem pakar SPS (Semi Intelligent Process Selector).
– Sistem Pakar Dalam Penjadwalan Sistem pakar juga digunakan dalam penjadwalan, dibawah ini adalah beberapan contoh kegunaan system pakar dalam penjadwalan :
– Contionuous Caster Steel Mill Scheduling Application
System pakar ini berbasis fuzzy logic yang dibuat untuk monitoring on line dan penjadwalan continuous caster steel mill.
Continuous caster stell mill mengolah material seperti scrap, pig iron dan refined ore melalui proses tertentu untuk menghasilkan lempeng baja yang memiliki kulitas dan komposisi sesuai kebutuhan.
-Master Production Scheduling Aplication (MPS)
Sistem pakar ini dikembangkan untuk melakukan penjadwalan produksi master untuk manufaktur Integrated Circuit (IC). Master Production Scheduling (MPS) merupakan aktivitas perencanaan yang sangat luas, yang mengatur dan mengkoordinasi fase-fase berurutan proses penjadwalan manufaktur tertentu.
– Sistem Pakar Dalam Proses Kontrol Beberapa contoh penggunaan system pakar dalam proses control adalah sebagai berikut :
– Aluminium Foil Rolling Flatness control Appilcation
System pakar ini merupakan system pakar yang dibuat mengontrol kekaratan aluminium foil secara otomatis. System ini menyesuaikan bentuk pola target menurut karakteristik material dan kondisi pengoperasiannya.
– Blast Furnace Heat Control Application
System pakar ini dibuat untuk mengontrol tingkat panas blast furnace (tanur).
– Sistem Pakar Dalam Production Planning Dan Production Control Perencanaan produksi dilakukan dalam hal kuantitas, waktu, kapasitas dan biaya pengendalian produksi meliputi penyelesaian pesanan, pengawasan pesanan dan pengamanan kualitas.
Manfaat system pakar dalam proses manufaktur / industry adalaah sebagai berikut :
1) Meningkatkan produktivitas
2) Mengambil alih keahlian yang langka
3) Memudahkan pengoperasian peralatan
4) Kemampuan bekerja dengan informasi yang tidak pasti dan tidak lengkap
2. Sistem Pakar di bidang Manajerial :
1. Analisis
a) Interpretasi
• Analisa pasar untuk komoditi tertentu
• Identifikasi media iklan yang sesuai
• Identifikasi kebutuhan pelatihan
b) Diagnostik
• Diagnosa kelesuan perusahaan dan usaha penyembuhan
2. Sintesa
o Penarikan tenaga kerja
o Strategi penentuan harga
o Strategi pengembangan produk
3. Integrasi
o Prediksi perkembangan nilai pada bursa saham efek
- Sistem Pakar Dalam Bidang Kedokteran
Aplikasi sistem pakar dalam bidang kedokteran yang dibuat dengan proses penelusuran maju (forward chaining) mampu mengenali jenis penyakit pada manusia, terutama jenis penyakit mata. Aplikasi sistem pakar ini dapat menjadi sarana untuk menyimpan pengetahuan tentang penyakit terutama yang berkenaan dengan jenis penyakit mata dari para pakar atau ahlinya. Sistem pakar mampu membantu pasien maupun dokter dalam menyediakan sistem pendukung keputusan dan saran dari pakar.
Pada aplikasi sistem pakar umumnya user akan diminta untuk menjawab pertanyaan sesuai dengan gejala yang dirasakan. Dalam aplikasi ini, user menjawab dengan ya atau tidak. Setelah menjawab beberapa pertanyaan, maka aplikasi akan menghasilkan kesimpulan mengenai jenis penyakit mata yang diderita user. Pada aplikasi sistem pakar lainnya, tidak jarang juga sudah memberikan solusi atau cara penanganan terhadap jenis penyakit yang diderita tersebut.
- Sistem Pakar Dalam Bidang Psikologi
- Implementasi Sistem Pakar di Bidang Ekonomi
– Mampu mengambil keputusan
– Langkah-langkah pengambilan keputusan jelas
– Mudah dikembangkan lebih lanjut
– Memberikan solusi tepat waktu
– Menyimpan pengetahuan
Manufaktur di definisikan sebagai urutan-urutan kegiatan yang saling berhubungan meliputi perancangan, perencanaan, pemilihan material, produksi, pengontrolan kualitas, menajemen serta pemasaran produk. Proses manufaktur yang penyelesaiannya dapat dibantu oleh system pakar antara lain :
– Sistem Pakar Dalam Perancangan PRIDE(Pinch Roll Interactive Design Expert / Environment). Sistem pakar ini digunakan untuk merancang system pengaturan kertas untuk mesin fotocopy. Sistem ini membuat rancangan dengan representasi pengetahuan tentang rancangan berdasarkan kumpulan goal, metoda perancangan, generator dan aturan-aturan yang terstruktur.
– System Pakar Dalam Perencanaan Wood Trus fabrication Application merupakan contoh system pakar dalam proses perencanaan. System ini dibuat dengan menggunakan shell sitem pakar SPS (Semi Intelligent Process Selector).
– Sistem Pakar Dalam Penjadwalan Sistem pakar juga digunakan dalam penjadwalan, dibawah ini adalah beberapan contoh kegunaan system pakar dalam penjadwalan :
– Contionuous Caster Steel Mill Scheduling Application
System pakar ini berbasis fuzzy logic yang dibuat untuk monitoring on line dan penjadwalan continuous caster steel mill.
Continuous caster stell mill mengolah material seperti scrap, pig iron dan refined ore melalui proses tertentu untuk menghasilkan lempeng baja yang memiliki kulitas dan komposisi sesuai kebutuhan.
-Master Production Scheduling Aplication (MPS)
Sistem pakar ini dikembangkan untuk melakukan penjadwalan produksi master untuk manufaktur Integrated Circuit (IC). Master Production Scheduling (MPS) merupakan aktivitas perencanaan yang sangat luas, yang mengatur dan mengkoordinasi fase-fase berurutan proses penjadwalan manufaktur tertentu.
– Sistem Pakar Dalam Proses Kontrol Beberapa contoh penggunaan system pakar dalam proses control adalah sebagai berikut :
– Aluminium Foil Rolling Flatness control Appilcation
System pakar ini merupakan system pakar yang dibuat mengontrol kekaratan aluminium foil secara otomatis. System ini menyesuaikan bentuk pola target menurut karakteristik material dan kondisi pengoperasiannya.
– Blast Furnace Heat Control Application
System pakar ini dibuat untuk mengontrol tingkat panas blast furnace (tanur).
– Sistem Pakar Dalam Production Planning Dan Production Control Perencanaan produksi dilakukan dalam hal kuantitas, waktu, kapasitas dan biaya pengendalian produksi meliputi penyelesaian pesanan, pengawasan pesanan dan pengamanan kualitas.
Manfaat system pakar dalam proses manufaktur / industry adalaah sebagai berikut :
1) Meningkatkan produktivitas
2) Mengambil alih keahlian yang langka
3) Memudahkan pengoperasian peralatan
4) Kemampuan bekerja dengan informasi yang tidak pasti dan tidak lengkap
2. Sistem Pakar di bidang Manajerial :
1. Analisis
a) Interpretasi
• Analisa pasar untuk komoditi tertentu
• Identifikasi media iklan yang sesuai
• Identifikasi kebutuhan pelatihan
b) Diagnostik
• Diagnosa kelesuan perusahaan dan usaha penyembuhan
2. Sintesa
o Penarikan tenaga kerja
o Strategi penentuan harga
o Strategi pengembangan produk
3. Integrasi
o Prediksi perkembangan nilai pada bursa saham efek
- Sistem Pakar Dalam Bidang Kedokteran
Aplikasi sistem pakar dalam bidang kedokteran yang dibuat dengan proses penelusuran maju (forward chaining) mampu mengenali jenis penyakit pada manusia, terutama jenis penyakit mata. Aplikasi sistem pakar ini dapat menjadi sarana untuk menyimpan pengetahuan tentang penyakit terutama yang berkenaan dengan jenis penyakit mata dari para pakar atau ahlinya. Sistem pakar mampu membantu pasien maupun dokter dalam menyediakan sistem pendukung keputusan dan saran dari pakar.
Pada aplikasi sistem pakar umumnya user akan diminta untuk menjawab pertanyaan sesuai dengan gejala yang dirasakan. Dalam aplikasi ini, user menjawab dengan ya atau tidak. Setelah menjawab beberapa pertanyaan, maka aplikasi akan menghasilkan kesimpulan mengenai jenis penyakit mata yang diderita user. Pada aplikasi sistem pakar lainnya, tidak jarang juga sudah memberikan solusi atau cara penanganan terhadap jenis penyakit yang diderita tersebut.
- Sistem Pakar Dalam Bidang Psikologi
- Implementasi Sistem Pakar di Bidang Ekonomi
– Mampu mengambil keputusan
– Langkah-langkah pengambilan keputusan jelas
– Mudah dikembangkan lebih lanjut
– Memberikan solusi tepat waktu
– Menyimpan pengetahuan
- 6. Implementasi Sistem Pakar di Bidang Sosial Budaya
– System pakar bisa memberikan keputusan yang cepat dari masalah-masalah kejiwaan yang dihadapi seseorang tanpa harus didampingi oleh psikolog.
– System pakar bisa membuat pemikiran psikolog lebih ringan karena segala keputusan bisa diperoleh tanpa harus berpikir lebih mendalam.
- Implementasi Sistem Pakar di Bidang Hankam
– Mmbantu pertahanan sebuah instansi atau bahkan Negara.
– Membantu dalam sistem keamanan yang terbatas dapat dilakukan oleh manusia.
– Mengurangi penyalahgunaan alat yang penting .
- 8. Implementasi sistem pakar di bidang eksplorasi alam
Aplikasi pengmabilan keputusan berupa resiko-resiko yang dapat terjadi bila melakukan penambangan. Sistem pakar memperhitungkan berapa peluang keberhasilan yang dapat dicapai. Keputusan ini harus sangat akurat dan meliputi seluruh aspek hingga keselamatan warga sekitar. Jangan sampai timbul kesalahan yang disebabkan oleh salah dalam pengambilan keputusan. Lebih baiknya keputusan tingkat pusat tetap dikaji ulang oleh para ahli di bidangnya. Karena terdapat beberapa aspek yang tidak dapat diterapkan pada rule base.
– Akurasi perhitungan menjadikan kegiatan di bidang ini mendapat keuntungan.
– Perhitungan yang rumit dapat terselesaikan dengan cepat.
– Keakuratan perhitungan meminimalisir kesalahan factor manusia.
– Menghasilkan informasi yang mendukung, sehingga tugas para ahli lebih mudah untuk mengkaji ulang.
- 9. Implemetasi Sistem Pakar di Bidang Ilmu Pengetahuan
– Tugas manusia semakin ringan.
– Tugas yang mengancam nyawa dapat diminimalisir dengan memanfaatkan robot.
– Efisiensi waktu.
– Membantu rumah tangga.
– Kemajuan teknologi akan membuat generasi muda untuk berusaha menciptakan robot yang lebih pintar lagi.
- 10. Impementasi sistem pakar di bidang pemodelan
Pada simulasi pesawat terbang kita dapat merasakan seperti menerbangkan sebuah pesawat secara nyata. Simulator menerima input dari user lalu diproses dan ditampilkan pada layar yang tersedia. Informasi yang dihasilkan berupa posisi pesawat setelah menerima input dari user. Layaknya menerbangkan pesawat biasa bila kita melakukan kesalahan dalam penerbangan simulasi ini maka dapat menghasilkan informasi berupa kecelakaan dalam konteks visual. Maka dari itu simulator pesawat terbang ini biasanya digunakan untuk pelatihan terbang para calon pilot.
Sumber :
https://3onoikom.wordpress.com/materi-kuliah/sistem-pakar/
https://naynaimah.wordpress.com/2013/12/29/contoh-sistem-pakar-dan-penerapannya/
Langganan:
Postingan (Atom)