Pertemuan 10
(Review)
Faktor Kepastian
Sistem Penalaran Fuzzy Mamdani
Pembelajaran Mesin ID3
Husni
Lunix96@gmail.com
http://Komputasi.wordpress.com
• Sistem Pakar
– Semua pengetahuan/rule, berasal dari Pakar
– Tidak ada pembelajaran, hanya penalaran
– Peran manusia DOMINAN
• Pembelajaran
– Data/Informasi (database), bukan dari pakar, tetapi
dari rangkuman peristiwa (fakta) yang terjadi.
– Ada pembelajaran, 2 fase: pelatihan & testing
– Tidak ada campur tangan langsung dari Manusia
Contoh: Prediksi dengan CF
• Diketahui bahwa hari ini Hujan, Curah hujan hari ini rendah
(dengan CF 0.8), Temperatur hari ini dingin (dengan CF 0.9).
Pakar harus memprediksi apakah cuaca besok.
Basis pengetahuan berisi rules berikut:
• Rule 1: IF Hari ini Hujan
THEN Besok Hujan {CF=0.5}
• Rule 2: IF Hari ini Kering
THEN Besok Kering {CF=0.5}
• Rule 3: IF Hari ini Hujan
AND Curah Hujan Rendah
THEN Besok Kering {CF=0.6}
• Rule 4: IF Hari ini Hujan
AND Curah Hujan Rendah
AND Temperatur Dingin
THEN Besok Kering {CF=0.7}
• Rule 5: IF Hari ini Kering
AND Temperatur panas
THEN Besok Hujan {CF=0.65}
• Rule 6: IF Hari ini Hujan
AND Temperatur Panas
AND Langit Mendung
THEN Besok Hujan {CF=0.55}
Penyelesaian
• Buat Pohon Penalaran yang memperlihatkan
apa yang diprediksi, yaitu Cuaca Besok: Hujan
atau Kering.
• Hitung CF dari bagian THEN (konsekuen) dari
setiap Rule
• Hitung CF dari “Besok Hujan” dan “Besok
Kering”
• CF yang lebih besar menunjukkan bahwa
Hipotesis itu lebih “pasti” terjadi.
Hipotesis Besok Hujan
Hipotesis Besok Kering
0.56
Contoh: Prediksi dengan Fuzzy
• Gunakan COA/COG
Contoh: Penentuan Beasiswa dengan
Penalaran Fuzzy
• Ada 100 beasiswa. Jumlah kandidat ada 5000.
• Nilai kelayakan (NK) penerima beasiswa
ditentukan berdasarkan IPK dan Penghasilan
Orang Tua (POT) per bulan.
• Si A: IPK 3.00, Penghasilan Ortu 10 Jt per bulan
• Si B: IPK 2.99, POT 1 jt per bulan.
• Siapa yang lebih berhak menerima Beasiswa, A
atau B?
1: Fuzzification