Kecerdasan Buatan

Pertemuan 10

(Review)

Faktor Kepastian
Sistem Penalaran Fuzzy Mamdani
Pembelajaran Mesin ID3
Husni
Lunix96@gmail.com
http://Komputasi.wordpress.com

S1 Teknik Informatika, STMIK AMIKOM, 2013

 Outline

• Sistem Pakar & Pembelajaran

• Faktor Kepastian / Certainty Factor (CF)
• Penalaran Fuzzy Model Mamdani
 Sistem Pakar & Pembelajaran

• 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

• Pabrik Tekstil memproduksi pakaian Merk Tertentu.

• Dalam 1 bulan terakhir, permintaan terbesar mencapai 5000
potong per hari, permintaan terkecil 1000 potong per hari.
• Persediaan barang di gudang tiap bulan paling banyak 600
potong dan persediaan terkecil 100 potong.
• Perusahaan ini hanya mampu memproduksi pakaian paling
banyak 7000 potong per hari.
• Dengan alasan tertentu, pabrik harus memproduksi
setidaknya 2000 potong pakaian.
• Berapa potong pakaian yang harus diproduksi apabila ada
permintaan 4000 potong dan persediaan adalah 300
potong.
 Aturan yang tersedia

• [R1] : IF Permintaan TURUN And Persediaan

BANYAK THEN Produksi BERKURANG
• [R2] : IF Permintaan TURUN And Persediaan
SEDIKIT THEN Produksi BERKURANG
• [R3] : IF Permintaan NAIK And Persediaan
BANYAK THEN Produksi BERTAMBAH
• [R4] : IF Permintaan NAIK And Persediaan
SEDIKIT THEN Produksi BERTAMBAH
 1: Fuzzification
• Input :
1. Permintaan[1000 5000]
{TURUN NAIK}
2. Persediaan[100 600]
{SEDIKIT BANYAK}
• Output:
Jumlah Produksi[2000 7000]
{BERKURANG BERTAMBAH}
Input: Permintaan & Persediaan
Output: Jumlah Produksi
 2: Inferensi Model Mamdani

• Perhatikan Aturan yang digunakan berdasarkan input

yang diberikan pada Masalah
• Berapa potong pakaian jenisX, Y dan Z yang harus
diproduksi apabila terdapat permintaan sejumlah
4000 potong dan persediaan di gudang terdapat300
potong.
• 4000 : termasuk dalam kategori turun dan naik
• 300 : termasuk dalam kategori banyak dan sedikit
• Jadi, Semua Aturan/ Rule digunakan
 Penerapan Rule R1

• IF Permintaan TURUN And Persediaan BANYAK THEN

Produksi BERKURANG
 Penerapan Rule R2

• IF Permintaan TURUN And Persediaan SEDIKIT THEN

Produksi BERKURANG
 Penerapan Rule R3

• IF Permintaan NAIK And Persediaan BANYAK

THEN Produksi BERTAMBAH
 Penerapan Rule R4
• IF Permintaan NAIK And Persediaan SEDIKIT
THEN Produksi BERTAMBAH
 Agregasi

• Gabungkan semua hasil. Jika ada yang GANDA, ambil

nilai MAX.
 3: Defuzzification

• 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

• Misal input IPK dibagi menjadi 3: Buruk (0 –

2.75), Cukup (2 – 3.25), Bagus (2.75 – 4)
 1: Fuzzification

• Misal input Penghasilan Ortu (POT) dibagi

menjadi 4: Kecil, Sedang, Besar, Sangat besar.
 A: IPK 3.00 POT 10 juta
• µIPKBagus(3.00) = (3-2.75)/(3.25-2.75) = 0.5
• µIPKCukup(3.00) = -(3-3.25)/(3.25-2.75) = 0.5
• µPOTBesar(10) = -(10-12)/(12-7) = 2/5=0.4
• µPOTSgtBesar(10) = (10-7)/(12-7) = 3/5=0.6
 B: IPK 2.99 POT 1 juta
• µIPKBagus(2.99) = (2.99-2.75)/(3.25-2.75) = 0.48
• µIPKCukup(2.99) = -(2.99-3.25)/(3.25-2.75) = 0.52
• µPOTSedang(1) = 0
• µPOTKecil(1) = 1
 2: Inferensi

• Pakar memberikan aturan Nilai Kelayakan

(NK) penerima beasiswa berikut:
Kecil Sedang Besar Sangat Besar
Buruk Rendah Rendah Rendah Rendah
Cukup Tinggi Rendah Rendah Rendah
Bagus Tinggi Tinggi Tinggi Rendah

• Hanya ada 2: Rendah dan Tinggi. Misal:

menggunakan fungsi Trapesium
 2: Inferensi

• Gunakan Tabel Aturan, Fungi Keanggotaan

Input dan Output untuk NK dari A dan B.
Semakin besar NK maka semakin layak
menerima beasiswa.
 A: IPK=Bagus(0.5), IPK=Cukup(0.5)
POT=Besar(0.4), POT=SgtBesar(0.6)
• IPK=Cukup(0.5) AND POT=Besar(0.4) THEN NK=Rendah(0.4)
• IPK=Cukup(0.5) AND POT=SgtBesar(0.6) THEN NK=Rendah(0.5)
• IPK=Bagus(0.5) AND POT=Besar(0.4) THEN NK=Tinggi(0.4)
• IPK=Bagus(0.5) AND POT=SgtBesar(0.6) THEN NK=Rendah(0.5)

NK=Rendah(0.4) NK=Rendah(0.5)  NK=Rendah(0.5)

 B: IPK=Bagus(0.48), IPK=Cukup(0.52)
POT=Kecil(1), POT=Sedang(0)

• IPK=Cukup(0.52) AND POT=Kecil(1) THEN NK=Tinggi(0.52)

• IPK=Cukup(0.52) AND POT=Sedang(0) THEN NK=Rendah(0)
• IPK=Bagus(0.48) AND POT=Kecil(1) THEN NK=Tinggi(0.48)
• IPK=Bagus(0.48) AND POT=Sedang(0) THEN NK=Tinggi(0)

NK=Tinggi(0.52)  NK=Tinggi(0.48)  NK=Tinggi(0)

 3: Defuzzification

• Gunakan COA untuk menghitung nilai crisp dari NK untuk

A dan B.

NK akhir dari A: IPK 3, POT 10 jt:

• Y* = ((10+20+30+40+50+60)*0.5 + (70+80+90+100) *
0.4)/(6*0.5 + 4 * 0.4)
• (105 + 136)/4.6 = 52.39
 3: Defuzzification
• Gunakan COA untuk menghitung nilai crisp dari NK untuk
A dan B.

NK akhir dari B: IPK 2.99, POT 1 jt:

• Y* = (70+80) * 0.52/(2*0.52)
• (150) * 0.52/1.04 = 75

• Artinya, NK dari B jauh lebih tinggi daripada NK dari A.

Sehingga B lebih berhak menerima beasiswa.