Nama: Rizkya Amini

NPM: 1655201110013

MK: Kecerdasan Buatan (AI)

Laporan Resume 3 Materi

1. Logika Fuzzy
1. Pengertian Logika Fuzzy
Konsep Logika Fuzzy ini dikenalkan pada tahun 1962 oleh Prof. Lotfi
Astor Zadeh. Logika Fuzzy adalah metodologi sistem control
pemecahan masalah, yang cocok untuk diimplementasikan pada
sistem, mulai dari sistem yang sederhana, sistem kecil, embedded
system, jaringan PC, multi-channel atau workstation berbasis akuisisi
data, dan sistem kontrol. Metodologi ini dapat diterapkan pada
perangkat keras, perangkat lunak, atau kombinasi keduanya. Dalam
logika klasik dinyatakan bahwa segala sesuatu bersifat biner, yang
artinya adalah hanya mempunyai dua kemungkinan, “Ya atau Tidak”,
“Benar atau Salah”, “Baik atau Buruk”, dan lain lain. Karena itu,
semua ini dapat bernilai keanggotaan 0 atau 1. Tetapi, dalam logika
fuzzy memungkinkan nilai keanggotaan berada antara 0 dan 1.
Artinya, bisa saja suatu keadaan mempunyai dua nilai “Ya dan Tidak”,
“Benar dan Salah”, “Baik dan Buruk” secara bersamaan, namun besar
nilainya tergantung pada bobot keanggotaan yang dimilikinya. Logika
fuzzy dapat digunakan di berbagai bidang, seperti pada sistem
diagnosis penyakit (dalam bidang kedokteran); pemodelan sistem
pemasaran, riset operasi (dalam bidang ekonomi); kendali kualitas air,
prediksi adanya gempa bumi, klarifikasi dan pencocokan pola (dalam
bidang teknik).
2. Dasar-dasar Logika Fuzzy
Himpunan Fuzzy:
1. Linguistik, yaitu nama suatu kelompok yang mewakili suatu
keadaan tertentu dengan menggunakan bahasa alami, misalnya
dingin, sejuk, pannas mewakili variabel temperatur. Contoh lain
misalnya muda, parobaya, tua, mewakili variabel umur.
2. Numeris, yaitu suatu nilai yang menunjukkan ukuran dari suatu
variabel, misalnya 10, 35, 40, dan sebagainya.

3. Operasi Himpunan Fuzzy

1. Operasi Gabungan (Union).
Operasi gabungan yang sering disebut dengan operator OR.
2. Operasi Irisan (Intersection).
Operasi irisan yang sering disebut dengan operator AND.
3. Operasi Komplemen (Complement).
Operasi komplemen ini sering disebut NOT.

4. Cara Kerja Logika Fuzzy.

1. Fuzzyfikasi
Yaitu proses untuk mengubah input sistem yang mempunyai nilai
tegas menjadi variabel linguistik menggunakan fungsi keanggotaan
yang disimpan dalam basis pengetahuan fuzzy.
2. Pembentukan basis pengetahuan fuzzy.
3. Mesin inferensi
Yaitu proses untuk mengubah input fuzzy menjadi output fuzzy
dengan cara mengikuti aturan-aturan yang telah ditetapkan pada
basis pengetahuan fuzzy.
4. Defuzzyfikasi.

5. Beberapa metode pada logika fuzzy

 1. Metode Tsukamoto
2. Metode Mamdani
3. Metode Sugeno

6. Contoh Aplikasi Logika Fuzzy

1. Sistem Kontrol Frekuensi Putar Kipas Angin.
2. Sistem Pendukung Keputusan Produksi Tahu-Gimbal.
3. Basis Data untuk Rekomendasi Penerima Beasiswa.

2. Jaringan Saraf Tiruan (JST)

1. Pengertian JST.
Jaringan saraf tiruan adalah paradigma pengolahan informasi yang
terinspirasi oleh sistem saraf secara biologis, seperti proses
informasi pada otak manusia. Elemen kunci dari paradigma ini
adalah struktur dari sistem pengolahan informasi yang terdiri dari
sejumlah besar elemen pemrosesan yang saling berhubungan
(neuron), bekerja serentak untuk menyelesaikan masalah tertentu.
Cara kerja JST seperti cara kerja manusia, yaitu belajar melalu
contoh. Sebuah JST dikonfigurasikan untuk aplikasi tertentu,
seperti pengenalan pola atau klasifikasi data, melalui proses
pembelajaran. Belajar dalam sistem biologis melibatkan
penyesuaian terhadap koneksi synaptic yang ada antara neuron.
Hal ini berlaku juga untuk JST.
2. Kelebihan dan Kekurangan JST.
 Kelebihan:
 Belajar Adaptive: Kemampuan untuk mempelajari
bagaimana melakukan pekerjaan berdasarkan data yang
diberikan untuk pelatihan atau pengalaman awal.
  Self-Organization: Sebuah JST dapat membuat
organisasi sendiri atau representasi dari informasi yang
diterimanya selama waktu belajar.
 Real Time Operation: Perhitungan JST dapat dilakukan
secara paralel sehingga perangkat keras yang dirancang
dan diproduksi secara khusus dapat mengambil
keuntungan dari kemampuan ini.
 Kelemahan:
- Tidak efektif jika digunakan untuk melakukan operasi-
operasi numerik dengan presisi tinggi.
- Tidak efisien jika digunakan untuk melakukan operasi
algoritma aritmatik, operasi logika, dan simbolis.
- Untuk beroperasi JST butuh pelatihan sehingga bila
jumlah datanya besar, waktu yang digunakan untuk
proses pelatihan sangat lama.
3. Aplikasi JST
 JST dalam Kehidupan sehari-hari
JST telah berhasil diterapkan di banyak industri. Yaitu
cocok digunakan untuk peramalan kebutuhan, termasuk
peramalan penjualan, control proses industri, penelitian
pelanggan, validasi data, manajemen risiko, dan target
pemasaran. Juga dugunakan untuk pemulihan
telekomunikasi dari perangkat lunak yang rusak, deteksi
tambang bawah laut, analisa tekstur, dan pengenalan
objek tiga dimensi.
 JST dakam Dunia Kedokteran
- Permodelan dan Diagnosis Sistem Kardiovaskular
- Hidung Elektronik
- Dokter Instan
 JST dalam Bisnis
 4. Arsitektur Jaringan
 Lapisan Input (Input Layer)
 Lapisan Tersembunyi (Hidden Layer)
 Lapisan Output (Output Layer)

Perilaku dari JST ditentukan oleh bobot dan input-output fungsi aktivasi
yang ditetapkan. Beberapa fungsi aktivasi yang sering digunakan dalam
JST adalah Fungsi Undah Biner Hard Limit, Fungsi Undak Biner
Threshold, Fungsi Bipolar Symetric Hard Limit, Fungsi Bipola dengan
threshold, Fungsi Linear, Fungsi Saturating Linear, dll.

3. Algoritma Genetika Dasar

1. Pengertian
Algoritma genetika adalah teknik pencarian heuristik yang didasarkan
pada gagasan evolusi seleksi alam dan genetik. Algoritma ini
memanfaatkan proses seleksi alamiah yang dikenal dengan proses
evolusi. Dalam proses evolusi, individu secara terus-menerus
mengalami perubahan gen untuk menyesuaikan dengan lingkungan
hidupnya. “Hanya individu-individu yang kuat yang mampu
bertahan”.
2. Aplikasi Algoritma Genetik
- Optimasi
- Pemrograman Otomatis
- Machine Learning
- Model Ekonomi
- Model Sistem Imunisasi
- Model Ekologi
- Interaksi Antara Evolusi dan Pembelajaran
3. Komponen-komponen Utama Algoritma Genetika
- Teknik Encoding/Decoding Gen dan Individu
 - Membangkitkan Populasi Awal
- Nilai Fitness
- Elitisme
- Seleksi
- Cross-Over (Pindah Silang)
- Mutasi
- Penggantian Populasi

DAFTAR PUSTAKA

Sutojo, T., Mulyanto, E., & Suhartono, D. (2011). KECERDASAN BUATAN. Semarang: Penerbit
ANDI Yogyakarta, UDINUS Semarang.