Anda di halaman 1dari 3

Probabilitas membahas mengenai kecendurangan.

Dalam teori probabilitas jumlah peluang dari semua


kemungkinan yang dapat terjadi harus sama dengan satu.
Contoh: Seseorang mengalami ketidakpastian mengenai
apakah lamaran pekerjaannya ke sebuah perusahaan
diterima atau tidak. Pada waktu ia menerima surat dari
perusahaan itu, yang memberitahukan bahwa ia diterima,
ketidakpastian itu langsung hilang dan berubah menjadi
kepastian.
Logika Fuzzy membahas mengenai derajat kebenaran.
Dalam teori fuzzy tidak diisyarattkan mengenai jumlah
peluang dari semua kemungkinan yangg dapat terjadi
harus sama dengan satu. Contoh: Seseorang merasa tidak
pasti apakah besok pagi cuacanya akan dingin atau tidak.
Ketidakpastiannya mengenai keadaan cuaca besok pagi
itu adalah keacakan (dengan peluang tertentu akan
terjadi) yang besok pagi akan berubah menjadi
kepastian, sedangkan dinginnya cuaca adalah fuzzy
semantik (dengan fungsi keanggotaan tertentu) yang
besok pagi atau kapanpun tetap merupakan fuzzy.
Contoh Kasus dan Penyelesaiannya
Ada seorang ilmuwan terdampar di sebuah pulau
gersang tanpa air sedikitpun. Pada suatu hari, dia
menemukan dua buah peti, masing-masing peti berisi 50
botol air mineral. Pada peti pertama terdapat tulisan
Peringatan: 1 dari 50 botol ini berisi cairan kimia
mematikan yang warna dan rasanya sama dengan air
mineral. Anda akan mati seketika jika meminumnya.
Pada peti kedua, terdapat tulisan Peringatan: satu plastic
cairan kimia mematikan telah dicampurkan ke dalam 50
botol ini secara tidak merata. Anda tidak akan mati jika
hanya meminum satu botol, tetapi anda akan mati jika
meminum 50 botol tersebut. Karena dehidrasi berat,
ilmuwan membutuhkan satu botol air mineral agar tetap
bertahan hidup. Jika anda sebagai ilmuwan, anda akan
mengambil sebotol minuman peti yang mana? Pada peti
pertama, jenis ketidakpastian yang ada disebut peluang
atau probabilitas. Memilih 1 dari 50 botol memberikan
probabilitas salah memilih botol, meminum cairan, dan
mati sebesar 0,02. Di sini, terdapat ketidakpastian
apakah kita mati atau hidup. Sedangkan pada peti ke
dua, jenis ketidakpastian yang ada
disebutfuzziness (kesamaran): tidak masalah botol mana
yang kita pilih dan kita minum airnya, air tersebut
mungkin hanya membuat kepala kita pusing tetapi kita
masih bisa bertahan hidup. Dalam hal ini, air di dalam
masing-masing botol memiliki kandungan cairan kimia
yang berbeda-beda. Tingkat kandungan inilah yang
disebutfuzziness.
Perbandingan Kecerdasan Buatan dengan Kecerdasan
Alamiah
Keuntungan Kecerdasan Buatan dibanding kecerdasan
alamiah: lebih permanen, memberikan kemudahan
dalam duplikasi dan penyebaran, relatif lebih murah dari
kecerdasan alamiah, Konsisten dan teliti, Dapat
didokumentasi, Dapat mengerjakan beberapa task
dengan lebih cepat dan lebih baik dibanding manusia.
Keuntungan Kecerdasan Alamiah dibanding kecerdasan
buatan: Bersifat lebih kreatif, Dapat melakukan proses
pembelajaran secara langsung, sementara AI harus
mendapatkan masukan berupa simbol dan representasirepresentasi, Fokus yang luas sebagai referensi untuk
pengambilan keputusan sebaliknya AI menggunakan
fokus yang sempit.
Perbandingan AI dengan Pemrograman Konvensional

Metode Tsukamoto: Pertama kali diperkenalkan oleh


Tsukamoto. Setiap konsekuen (kesimpulan) pada setiap
aturan IF-THEN harus direpresentasikan dengan suatu
himpunan fuzzy dengan fungsi keanggotaan monoton.
Hasilnya, output hasil inferensi dari setiap aturan
diberikan secara tegas (crisp) berdasarkan -predikat,
kemudian menghitung rata-rata terbobot. Contoh:
metode Tsukamoto : Sebuah perusahaan makanan
kaleng akan memproduksi makanan jenis ABC. Dari
data 1 bulan terakhir, permintaan terbesar hingga
mencapai 5000 kemasan/hari, dan permintaan terkecil
sampai 1000 kemasan/hari. Persediaan barang digudang
paling banyak sampai 600 kemasan/hari, dan paling
sedikit sampai 100 kemasan/hari. Dengan segala

keterbatasannya, sampai saat ini, perusahaan baru


mampu memproduksi barang maksimal 7000
kemasan/hari, serta demi efisiensi mesin dan SDM tiap
hari diharapkan perusahaan memproduksi paling tidak
2000 kemasan. Apabila proses produksi perusahaan
tersebut menggunakan 4 aturan sebagai berikut: Rule 1:
IF permintaan TURUN and persediaan BANYAK
THEN produksi barang BERKURANG. Rule 2: IF
permintaan TURUN and persediaan SEDIKIT THEN
produksi barang BERKURANG. Rule 3: IF permintaan
NAIK and persediaan BANYAK THEN produksi barang
BERTAMBAH. Rule 4: IF permintaan NAIK and
persediaan SEDIKIT THEN produksi barang
BERTAMBAH. Berapa kemasan makanan jenis ABC
yang harus diproduksi, jika jumlah permintaan sebanyak
4000 kemasan, dan persediaan di gudang masih 300
kemasan ? (Gunakan fungsi keanggotaan LINEAR)
Ada 3 variabel yang digunakan: PERMINTAAN: 1000
5000, x = 4000 PERSEDIAAN: 100 - 600, y = 300
PRODUKSI: 2000 7000, z = ? PERMINTAAN,
terdiri dari 2 himpunan fuzzy: TURUN dan NAIK

kemasan/hari. Persediaan barang digudang paling


banyak sampai 600 kemasan/hari, dan paling sedikit
sampai 100 kemasan/hari. Dengan segala
keterbatasannya, sampai saat ini, perusahaan baru
mampu memproduksi barang maksimal 7000
kemasan/hari, serta demi efisiensi mesin dan SDM tiap
hari diharapkan perusahaan memproduksi paling tidak
2000 kemasan. Apabila proses produksi perusahaan
tersebut menggunakan 4 aturan sebagai berikut: Rule 1:
IF permintaan TURUN and persediaan BANYAK
THEN produksi barang = permintaan persediaan.
Rule 2: IF permintaan TURUN and persediaan
SEDIKIT THEN produksi barang = permintaan. Rule
3: IF permintaan NAIK and persediaan BANYAK
THEN produksi barang = permintaan. Rule 4: IF
permintaan NAIK and persediaan SEDIKIT THEN
produksi barang = 1.25*permintaan persediaan.
Berapa kemasan makanan jenis ABC yang harus
diproduksi, jika jumlah permintaan sebanyak 4000
kemasan, dan persediaan di gudang masih 300 kemasan
? (Gunakan fungsi keanggotaan LINEAR)

Metode Sugeno: Diperkenalkan oleh Takagi-SugenoKang, tahun 1985.Bagian output (konsekuen) sistem
tidak berupa himpunan fuzzy, melainkan konstanta
(orde nol) atau persamaan linear (orde satu).Model
Sugeno Orde Nol: IF (x1 is A1) (x2 is A2) (xn is
An) THEN z=k. Model Sugeno Orde Satu: IF (x1 is A1)
(x2 is A2) (xn is An) THEN z= p1 * x1 + + p2 *
x2 + q. Contoh: Sebuah perusahaan makanan kaleng
akan memproduksi makanan jenis ABC. Dari data 1
bulan terakhir, permintaan terbesar hingga mencapai
5000 kemasan/hari, dan permintaan terkecil sampai 1000

Metode Mamdani: Diperkenalkan oleh Mamdani dan


Assilian (1975). Ada 4 tahapan dalam inferensi
Mamdani (termasuk metode yang lain):1.Pembentukan
himpunan fuzzy (fuzzyfication) : Variabel input dan
output dibagi menjadi satu atu lebih himpunan fuzzy.
2.Penerapan fungsi implikasi: Fungsi implikasi yang
digunakan adalah MIN. 3. Komposisi (penggabungan)
aturan : Inferensi diperoleh dari kumpulan dan korelasi
antar aturan. Ada 3 macam: MAX, ADDITIVE, dan
probabilistik OR (probor). 4. Penegasan
(defuzzyfication): Input disini adalah suatu himpunan
fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy,
outputnya adalah nilai tegs (crisp). Metode defuzzifikasi:
Centroid (Center of Mass), dan Mean of Maximum
(MOM). Metode Komposisi Aturan: MAX: Solusi
himpunan diperoleh dengan cara mengambil nilai
maksimum aturan, kemudian menggunakannya untuk
memodifikasi daerah fuzzy, kemudian menerapkannya
ke output dengan operator OR. Dirumuskan: sf[xi]
max(sf[xi], kf[xi]). Dimana: sf[xi] adalah nilai

keanggotaan solusi fuzzy sampai aturan ke-i. kf[xi]


adalah nilai keanggotaan konsekuen fuzzy sampai aturan
ke-i . Additive (sum): Solusi fuzzy diperoleh dengan
melakukan bounded-sum pada semua output daerah
fuzzy. Dirumuskan:sf[xi] min(1, sf[xi]+ kf[xi]).
Probabilistik OR (probor): Solusi fuzzy diperoleh
dengan cara melakukan product terhadap semua output
daerah fuzzy. Dirumuskan:sf[xi] (sf[xi] + kf[xi]) (sf[xi] * kf[xi])
Contoh inferensi fuzzy model Mamdani: Rule: 1: IF x is
A3 OR y is B1THEN z is C1. Rule: 2: IF x is A2 AND
y is B2 THEN z is C2. Rule: 3 IF x is A1 THEN z is C3

individu[obyek]2).Misalnya proposisi:Mobil berada


dalam garasi. Dinyatakan menjadi :Di dalam (mobil,
garasi). Di dalam = produk (keterangan). Mobil =
Argumen (obyek). Garasi = Argumen (obyek)
Adalah simbol yang mengijinkan untuk menyatakan
suatu rangkaian atau cakrawala variabel dalam suatu
ekspresi logika. Dua pengukuran kuantitas, yaitu:
Kuantitas universal ()Untuk semua . Kuantitas
eksistensial ()Ada / terdapat. Contoh:Semua sapi
berkaki empat . (x)[Sapi(x), berkaki empat(x)].
Beberapa sapi berwarna putih . (x)[Sapi(x), berwarna
putih(x)]
Contoh;
1.Andi adalah seorang mahasiswa . 2.Andi masuk
jurusan elektro 3.Setiap mahasiswa elektro pasti
mahasiswa teknik 4.Kalkulus adalah matakuliah yang
sulit 5.Setiap mahasiswa teknik pasti akan suka kalkulus
atau akan membencinya 6.Setiap mahasiswa pasti akan
suka terhadap beberapa matakuliah 7.Mahasiswa yang
tidak pernah hadir kuliah pada matakuliah sulit, maka
mereka pasti tidak suka terhadap matakuliah tersebut
8.Andi tidak pernah hadir kuliah matakuliah kalkulus
1.mahasiswa(Andi) 2.elektro(Andi) 3.x : elektro(x)
teknik(x) 4.sulit(Kalkulus) 5.x : teknik(x)
suka(x,kalkulus) benci(x,kalkulus) 6.x : y :
mahasiswa(x):MK(y) : suka(x,y) 7.x : y :
mahasiswa(x):MK(y): sulit(y) hadir(x,y)
suka(x,y) 8.hadir(andi,kalkulus).
Pertanyaan :Apakah andi suka matakuliah kalkulus ?
Gunakan penalaran backward :

Contoh: metode Mamdani: Sebuah perusahaan makanan


kaleng akan memproduksi makanan jenis ABC. Dari
data 1 bulan terakhir, permintaan terbesar hingga
mencapai 5000 kemasan/hari, dan permintaan terkecil
sampai 1000 kemasan/hari. Persediaan barang digudang
paling banyak sampai 600 kemasan/hari, dan paling
sedikit sampai 100 kemasan/hari. Dengan segala
keterbatasannya, sampai saat ini, perusahaan baru
mampu memproduksi barang maksimal 7000
kemasan/hari, serta demi efisiensi mesin dan SDM tiap
hari diharapkan perusahaan memproduksi paling tidak
2000 kemasan. Apabila proses produksi perusahaan
tersebut menggunakan 4 aturan sebagai berikut: Rule 1
IF permintaan TURUN and persediaan BANYAK
THEN produksi barang BERKURANG. Rule 2 IF
permintaan TURUN and persediaan SEDIKIT THEN
produksi barang BERKURANG. Rule 3 IF permintaan
NAIK and persediaan BANYAK THEN produksi barang
BERTAMBAH. Rule 4 IF permintaan NAIK and
persediaan SEDIKIT THEN produksi barang
BERTAMBAH. Berapa kemasan makanan jenis ABC
yang harus diproduksi, jika jumlah permintaan sebanyak
4000 kemasan, dan persediaan di gudang masih 300
kemasan ? (Gunakan fungsi keanggotaan LINEAR)

Artificial Intelligence (Inteligensi/Kecerdasan Buatan)


merupakan salah satu bidang dari ilmu komputer yang
membahas tentang kemungkinan komputer untuk dapat
berlaku secara intelligen seperti halnya manusia.

Logika Predikat : Suatu logika yang lebih canggih yang


seluruhnya menggunakan konsep dan kaidah
proporsional yang sama .Disebut juga kalkulus predikat,
yang memberi tambahan kemampuan untuk
merepresentasikan pengetahuan dengan sangat cermat
dan rinci. Memungkinkan memecah statemen ke dalam
bagian komponen yang disebut obyek, karakteristik
obyek atau beberapa keterangan obyek . Suatu proposisi
atau premis dibagi menjadi dua bagian Argumen (atau
obyek):Individu atau obyek yang membuat keterangan.
Predikat (keterangan):Keterangan yang membuat
argumen dan predikat .
Dalam suatu kalimat, predikat dapat berupa kata kerja
atau bagian kata kerja .PREDIKAT (individu[obyek]1,

KECERDASAN BUATAN DENGAN KECERDASAN


ALAMI
Kecerdasan Alami : kecerdasan yang dimiliki oleh manusia.
Keuntungan kecerdasan buatan secara komersil : 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 & program tidak
mengubahnya.2.Kecerdasan buatan lebih mudah diduplikasi &
disebarkan. Mentransfer pengetahuan manusia dari satu orang ke
orang lain membutuhkan proses yang sangat lama; dan juga
suatu keahlian itu tidak akan pernah dapat diduplikasi dengan
lengkap. Oleh karena itu, jika pengetahuan terletak pada suatu
sistem komputer, pengetahuan tersebut dapat disalin dari
komputer tersebut dan dapat dipindahkan dengan mudah ke
komputer yang lain.3.Kecerdasan buatan lebih murah dibanding
dengan kecerdasan alami. Menyediakan layanan komputer akan
lebih mudah & lebih murah dibandingkan dengan harus
mendatangkan seseorang untuk mengerjakan sejumlah pekerjaan
dalam jangka waktu yang sangat lama.4.Kecerdasan buatan
bersifat konsisten. Hal ini disebabkan karena kecerdasan buatan
adalah bagian dari teknologi komputer. Sedangkan kecerdasan
alami akan senantiasa berubah-ubah.5.Kecerdasan buatan dapat
didokumentasi. Keputusan yang dibuat oleh komputer dapat
didokumentasi dengan mudah dengan cara 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.Keuntungan kecerdasan
alami :1.Kreatif. Kemampuan untuk menambah ataupun
memenuhi pengetahuan itu sangat melekat pada jiwa manusia.
Pada kecerdasan buatan, untuk menambah pengetahuan harus
dilakukan melalui sistem yang dibangun. 2. Kecerdasan alami
memungkinkan orang untuk menggunakan pengalaman secara
langsung. Sedangkan pada kecerdasan buatan harus bekerja
dengan input-input simbolik. 3.Pemikiran manusia dapat
digunakan secara luas, sedangkan kecerdasan buatan sangat
terbatas.
Kompoutasi konvensional : computer hanya diperuntukkan
sebagai alat hitung.

Metode Hill Climbing


SIMPLE
Algoritma akan berhenti kalau mencapai nilai optimum
local. Urutan penggunaan operator akan sangat
berpengaruh pada penemuan solusi. Tidak diijinkan
untuk melihat satupun langkah sebelumnya.
Steepest-Ascent
Local optimum: keadaaan semua tetangga lebih buruk
atau sama dengan keadaan dirinya. Plateu: keadaan semu
tetangga sama dengan keadaan dirinya. Ridge: local
optimum yang lebih disebabkan karena ketidakmampuan
untuk menggunakan 2 operator sekaligus.