kecerdasan buatan
DESCRIPTION
Artificial IntiligentTRANSCRIPT
-
TUGAS TAMBAHAN KECERDASAN BUATAN
NIM : 14060050
Nama : Sandi Sundari
1. Logika Fuzzy
Fuzzy secara bahasa diartikan sebagai kabur atau samar samar. Suatu nilai dapat
bernilai besar atau salah secara bersamaan. Dalam fuzzy dikenal derajat keanggotaan yang
memiliki rentang nilai 0 (nol) hingga 1(satu). Berbeda dengan himpunan tegas yang
memiliki nilai 1 atau 0 (ya atau tidak). Logika Fuzzy merupakan seuatu logika yang
memiliki nilai kekaburan atau kesamaran (fuzzyness) antara benar atau salah. Dalam teori
logika fuzzy suatu nilai bisa bernilai benar atau salah secara bersama. Namun berapa besar
keberadaan dan kesalahan suatu tergantung pada bobot keanggotaan yang dimilikinya.
Logika fuzzy memiliki derajat keanggotaan dalam rentang 0 hingga 1. Berbeda dengan
logika digital yang hanya memiliki dua nilai 1 atau 0.
Logika Fuzzy, yang dalam bahasa Indonesia dapat diartikan sebagai Logika Kabur
atau Logika Samar, dapat dikatakan sebagai logika baru yang sudah lama. Hal ini karena
ilmu tentang logika fuzzy secara modern dan metodis ditemukan pada tahun 1965, namun
konsep logika fuzzy sudah melekat pada diri manusia, sejak manusia ada. Konsep logika
fuzzy dapat dengan mudah kita temukan pada perilaku manusia dalam kesehariannya,
misalnya:
a. Pedal gas kendaraan akan kita tekan dengan tekanan tertentu sesuai kecepatan yang
kita inginkan. (Berapa besar tekanan yang kita berikan?)
b. Kita cenderung memberi hadiah kepada seseorang dengan nilai tertentu sesuai
dengan manfaat orang tersebut kepada kita. (Berapa besar nilai hadiah yang akan
kita berikan?)
c. Kita akan marah kepada orang yang merugikan kita. (Berapa besar kemarahan kita?)
Kita tidak bisa menjawab dengan pasti pertanyaan-pertanyaan yang muncul di atas. Inilah
beberapa contoh kasus yang bisa dijelaskan menggunakan konsep logika fuzzy. Sebagai
contoh adalah robot yang menggunakan fuzzy logic dapat memprediksikan kapan ia harus
bertindak atau menghindar saat ada halangan di depannya dengan hanya ada peringatan
awas dan tanpa ada hitungan matematis yang diberikan oleh user. Sedangkan robot yang
menggunakan alogaritma pemrograman konvensional tidak akan dapat memutuskan sendiri
untuk menghindar dari halangan yang ada di depannya.
-
Perangkat lunak kecerdasan buatan membuat baik penggunaan logika fuzzy di
daerah yang tidak memiliki aturan yang jelas atau nilai-nilai absolut. Dalam setiap kasus di
mana jawabannya akan kadang-kadang atau mungkin, logika fuzzy sangat membantu.
a. Dalam Kredit: logika fuzzy dapat digunakan untuk membantu mengevaluasi kredit
peminjam. Kadang-kadang, peminjam yang memiliki skor kredit yang rendah harus
diberikan kredit, jika mereka memiliki atribut positif lainnya, seperti pendapatan
yang stabil dan aset yang cukup. Baca lebih lanjut di Aplikasi Logika Fuzzy untuk
Perbankan dan Pinjaman.
b. Dalam Robotika: Logika Fuzzy sangat berguna dalam membantu robot memutuskan
apa yang harus dilakukan dengan input sensorik. Setiap jenis kontak akan
memerlukan respon yang berbeda, tergantung pada sejumlah faktor.
c. Dalam Business: Aplikasi Logika Fuzzy dapat membantu eksekutif mengevaluasi
keputusan berdasarkan sejumlah kriteria. Aplikasi logika fuzzy dapat digunakan
untuk berbagai solusi AI. Jenis algoritma pengolahan informasi bisa sangat sulit
untuk membuat, tetapi hasilnya sangat besar.
2. Script program yang berfungsi untuk implementasi decision tree (kasus
penerimaan pasangan lamaran hidup).
-
3. Soal Materi E-Learning Kecerdasan
Buatan A. Jelaskan istilah berikut ini.
a. Fungsi Keanggotaan (membership function) adalah suatu kurva yang menunjukkan
pemetaan titik-titik input data ke dalam nilai keanggotaannya (sering juga disebut
dengan derajat keanggotaan) yang memiliki interval antara 0 sampai 1. Salah satu cara
yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui
pendekatan fungsi. Ada beberapa fungsi yang bisa digunakan.
Representasi Linear: Pada representasi linear, pemetaan input ke derajat keanggotannya digambarkan sebagai suatu garis lurus. Bentuk ini paling sederhana
dan menjadi pilihan yang baik untuk mendekati suatu konsep yang kurang jelas.
Representasi Kurva Segitiga: Kurva Segitiga pada dasarnya merupakan gabungan antara 2 garis (linear)
Representasi Kurva Trapesium: Kurva Segitiga pada dasarnya seperti bentuk
segitiga, hanya saja ada beberapa titik yang memiliki nilai keanggotaan 1
Representasi Kurva Bentuk Bahu: Daerah yang terletak di tengah-tengah suatu variabel yang direpresentasikan dalam bentuk segitiga, pada sisi kanan dan kirinya akan naik dan
turun (misalkan: DINGIN bergerak ke SEJUK bergerak ke HANGAT dan bergerak ke
PANAS). Tetapi terkadang salah satu sisi dari variabel tersebut tidak mengalami
perubahan. Sebagai contoh, apabila telah mencapai kondisi PANAS, kenaikan
temperatur akan tetap berada pada kondisi PANAS. Himpunan fuzzy bahu, bukan
segitiga, digunakan untuk mengakhiri variabel suatu daerah fuzzy. Bahu kiri bergerak
dari benar ke salah, demikian juga bahu kanan bergerak dari salah ke benar. b. Ada 2 fungsi Sigmoid diantaranya:
Fungsi sigmoid biner adalah Fungsi ini digunakan untuk jaringan syaraf yang dilatih dengan menggunakan metode backpropagation. Fungsi sigmoid biner
memiliki nilai pada range 0 sampai 1. Oleh karena itu, fungsi ini sering digunakan
untuk jaringan syaraf yang membutuhkan nilai output yang terletak pada interval 0
sampai 1. Namun, fungsi ini bisa juga digunakan oleh jaringan syaraf yang nilai
outputnya 0 atau 1. y=f(x)= 1/(1+e^(-sx) ) dengan dengan: f'(x)= sf(x)[1-f(x)]
Fungsi sigmoid bipolar adalah Fungsi sigmoid bipolar hampir sama dengan fungsisigmoid biner, hanya saja output dari fungsi ini memiliki range antara -1 sampai 1.
c. Algoritma genetika memberikan suatu pilihan bagi penentuan nilai parameter dengan
meniru cara reproduksi genetik, pembentukan kromosom baru serta seleksi alami
seperti terjadi pada mahluk hidup.
-
Inisialisasi populasi awal dilakukan untuk menghasilkan solusi awal dari suatu
permasalahan algoritma gen etika. Inisialisasi ini dilakukan secara acak sebanyak jumlah
kromosom/populasi yang diinginkan. Selanjutnya dihitung nilai fitness d an seterusnya
dilakukan seleksi dengan menggunakan metode roda roullete, tournament atau ranking.
Kemudian dilakukan perkawinan silang (crossover) dan mutasi. Setelah mel alui beberapa
generasi maka algoritma ini akan berhenti sebanyak generasi yang diinginkan.
AG bekerja dengan pe ngkodean dari himpunan solusi permasalahan berdasarkan parameter yang telah ditetapkan dan bukan parameter itu sendiri. Se bagai contoh
untuk mendapatkan minimum dari fungsi f(x)=y=x4+2x
3+5, AG tidak secara
langsung mencari nilai x atau y, tetapi terlebih dahulu merepresentasikan x dalam
bentuk string biner.
AG melakukan pencaria n pada sebuah populasi dari sejumlah individu-individu yang merupakan solusi permas alahan bukan hanya dari sebuah individu.
AG merupakan informas i fungsi objektif (fitness), sebagai cara untuk mengevaluasi
individu yang mempunya i solusi terbaik, bukan turunan dari suatu fungs i. AG menggunakan aturan-aturan transisi peluang, bukan aturan-aturan deterministik.
B. Tunjukan Input layer dan hidden layer pada jaringan syaraf tiruan
-
C. Apa yang anda ketahui tentang Backpropagation Pengertian Backpropagation merupakan sebuah metode sistematik pada jaringan saraf
tiruan dengan menggunakan algoritma pembelajaran yang terawasi dan biasanya
digunakan oleh perceptron dengan banyak layar lapisan untuk mengubah bobot-bobot
yang ada pada lapisan tersembunyinya. Backpropagation adalah pelatihan jenis
terkontrol dimana menggunakan pola penyesuaian bobot untuk mencapai nilai
kesalahan yang minimum antara keluaran hasil prediksi dengan keluaran yang nyata.
Arsitektur Backpropagation
dimana:
X = Masukan (input).
Vij = Bobot pada lapisan tersembunyi.
Wij = Bobot pada lapisan keluaran.
Voj = Bias pada lapisan tersembunyi
Woj = Bias pada lapisan tersembunyi dan lapisan keluaran.
J = 1,2,3,..,n.
n = Jumlah unit pengolah pada lapisan tersembunyi.
k = Jumlah unit pengolah pada lapisan keluaran.
Y = Keluaran hasil.
Arsitektur algoritma backpropagation terdiri dari tiga layer, yaitu input layer, hidden layer dan
output layer. Pada input layer tidak terjadi proses komputasi, namun terjadi pengiriman sinyal
input X ke hidden layer. Pada hidden dan output layer terjadi proses komputasi terhadap bobot
dan bias dan dihitung pula besarnya output dari hidden dan output layer tersebut berdasarkan
fungsi aktivasi tertentu. Dalam algoritma backpropagation ini digunakan fungsi aktivasi
sigmoid biner, karena output yang diharapkan bernilai antara 0 sampai 1.