Logika Fuzzy

Logika fuzzy pertama kali diformulasikan dalam sebuah seminar oleh Lotfi A Zadeh dari University of Califonia, Berkeley tahun 1965. Metode ini diformulasikan dalam rangka mencari nilai tengah antara bilangan Aristoteles 0 dan 1. Logika fuzzy merupakan peningkatan dari logika boolean (Menggantikan kebenaran boolean dengan tingkat kebenaran).

Alasan Menggunakan Logika Fuzzy

• Konsep matematis pada logika fuzzy muda di pahami
• Fleksibel

Sistem Pakar

Sistem yang menggunakan pengetahuan manusia yang terekam dalam komputer untuk memecahkan persoalan yang membutuhkan keahlian manusia Sistem informasi berbasis komputer yang menggunakan pengetahuan pakar untuk mencapai performa keputusan tingkat
tinggi dalam domain persoalan yang sempit

Menurut pakarnya pengertian sistem pakar adalah :

Menurut Martin dan Oxman 1998

Sistem pakar merupakan Sistem berbasis komputer yang menggunakan pengetahuan, fakta, dan teknik penalaran dalam memecahkan masalah yang biasanya hanya dapat dipecahkan oleh seorang pakar dalam bidang tersebut.

Menurut Durkin

Sistem pakar merupakan Program komputer yang dirancang untuk memodelkan kemampuan penyelesaian masalah yang dilakukan oleh seorang pakar.

Representasi Pengetahuan

Pengetahuan

Diklarifikasikan Menjadi 3 yaitu:

1. Procedural Knowledge
2. Declarative Knowledge
3. Tacit Knowledge

Pengetahuan merupakan kunci utama dari AI (sistem pakar)

Analogi dari pengetahuan sebagai berikut:

• Algoritma + Struktur Data = Program
• Pengetahuan + Inferensi = Sistem Pakar

Representasi Pengetahuan

Representasi Pengetahuan adalah metode yang digunakan untuk mengodekan pengetahuan dalam sebuah sistem pakar. Dimaksudkan untuk menangkap sifat-sifat penting problema dari sebuah sistem pakar dan juga membuat informasi itu dapat di akses oleh procedure pemecahan problema.

Dua bagaian dasar sistem kecerdasan buatan (menurut Turban):

• Basis pengetahuan
• Inference Engine

Karakteristik representasi pengetahuan:

• Dapat diprogram dengan bahasa komputer dan disimpan dalam memori
• Fakta dan pengetahuan lain yang terkandung di dalamnya dapat digunakan untuk melakukan penalaran

Masalah Ruang Keadaan dan Pencarian (3)

Pencarian Heuristik

Ada 4 metode pencarian heuristic:

1. Pembangkit & Pengujian (Generate and Test)

2. Pendakian Bukit (Hill Climbing)

3. Pencarian Terbaik Pertama (Best First Search)

4. Simulated Annealing

Pencarian Terbaik Pertama (Best First Search)

• Metode best-first search ini merupakan kombinasi dari metode depth-first search dan metode breadth-first search dengan mengambil kelebihan dari kedua metode tersebut.

• Apabila pada pencarian dengan metode hill climbing tidak diperbolehkan untuk kembali ke node pada level yang lebih rendah meskipun node pada level yang lebih rendah tersebut memiliki nilai heuristik yang lebih baik, lain halnya dengan metode best-first search ini.

• Pada metode best-first search, pencarian diperbolehkan mengunjungi node yang ada di level yang lebih rendah, jika ternyata node pada lebih yang lebih tinggi ternyata memiliki nilai heuristik yang lebih buruk.

Penentuan node berikutnya adalah node yang terbaik yang pernah dibangkitkan

Masalah, Ruang Keadaan, dan Pencarian(2)

Metode Pelacakan dan Pencarian

Untuk mengukur perfomansi metode pencarian,
terdapat empat kriteria yang dapat digunakan :

1. Completeness : apakah metode tersebut menjamin penemuan solusi jika solusinya memang ada?
2. Time complexity : berapa lama waktu yang diperlukan?
3. Space complexity : berapa banyak memori yang diperlukan
4. Optimality : apakah metode tersebut menjamin menemukan solusi yang terbaik jika terdapat beberapa solusi berbeda?

Dua teknik Pelacakan dan Pencarian

Dua teknik pencarian dan pelacakan

1. Pencarian buta (blind search)

• Pencarian melebar pertama (Breadth – First Search)

• Pencarian mendalam pertama (Depth – First Search)

2. Pencarian terbimbing (heuristic search)

• Pendakian Bukit (Hill Climbing)

• Pencarian Terbaik Pertama (Best First Search)

Pencarian Melebar Pertama (Breadth-first Search)

Semua node pada level n akan dikunjungi terlebih dahulu sebelum level n+1. Mulai dari akar terus ke level 1 dari kiri ke kanan.Kemudian ke level selanjutnya hingga solusi ditemukan

Masalah, Ruang Keadaan, dan Pencarian(1)

Masalah

¨      Untuk membangun sistem yang mampu menyelesaikan masalah, perlu dipertimbangkan 4 hal:

1. Mendefinisikan masalah dengan tepat

• Spesifikasi yang tepat mengenai keadaan awal

• Solusi yang diharapkan

1. Menganalisis masalah serta mencari beberapa teknik penyelesaian masalah yang sesuai
2. Merepresentasikan pengetahuan yang perlu untuk menyelesaikan masalah
3. Memilih teknik penyelesaian masalah yang terbaik

Masalah Sebagai Ruang Keadaan

¨      Untuk menghadapi dan menyelesaikan suatu masalah, perlu ditentukannya :

1. Posisi awal dari suatu masalah
2. Aturan – aturan yang berlaku secara legal atau formal
3. Adanya tujuan yang akan diselesaikan dari suatu masalah itu

Kecerdasan Buatan (Artificial Intelegent)

Definisi:

AI : Artificial Intelegent Kecerdasan Buatan
• Tujuan membuat mesin yang dapat menyamakan / lebih baik dari pekerjaan yang dilakukan manusia secara spesifik.
• John Mc Carthy (1956), AI :
Memodelkan proses – proses yang dilakukan oleh manusia dan mendesign mesin agar dapat menirukan tingkah manusia.
• Cerdas : memiliki pengetahuan dan pendalaman yang lebih, moral yang baik
Data : berbentuk mentahan dan belum diproses
Pengetahuan : hasil informasi yang telah diolah.
• Mesin harus bisa membuat suatu alternatiff yang dapat memberikan kenyamanan (penalaran yang baik oleh mesin)
• Gambaran sistematis dari mesin

Input/masalah Basis Pengetahuan Motor Inferensi ouput/solusi

• Basis pengetahuan : pengetahuan – pengetahuan yang mendasari pembuatan suatu masalah / input
• Motor inferensi : algoritma untuk mengolah pengetahuan

Kecerdasan Buatan VS kecerdasan Alami

• Kelebihan Kecerdasan Buatan :
1. Bersifat Permanen
2. Mudah diduplikasikan dan disebarkan
3. Lebih murah
4. Dapat didokumentasikan