UAS Kecerdasan Buatan

Nama : Rahma W. Batjun

Nim : 20170801254

Soal :
1. A. Jelaskan definisi Jaringan Syaraf Tiruan (JST) ?
B. Sebutkan contoh penerapannya?
2. A. Sebutkan 3 macam fungsi aktivasi yang bisa digunakan dalam JST?
B. Apa manfaat fungsi aktivasi tersebut?
3. Hitung secara manual melatih perseptron untuk fungsi AND dan Xor dengan w1=0.1 dan
w2=0.2, mengatur bias/threshold b=0.2, mengatur kec pembelajaran ŋ =1 dengan fungsi
aktivasi-> step
4. Suatu perusahaan minuman akan memproduksi minuman CBD. Dari data 1 bulan
terakhir, permintaan terbesar hingga mencapai 4000 botol/hari, dan permintaan terkecil
sampai 800 botol/hari. Persediaan barang digudang terbanyak sampai 800 botol/hari, dan
terkecil pernah sampai 300 botol/hari. Dengan segala keterbatasannya, sampai saat ini,
perusahaan baru mampu memproduksi barang maksimum 8000 botol/hari, serta demi
efisiensi mesin dan SDM tiap hari diharapkan perusahaan memproduksi paling tidak
2000 botol. Apabila proses produksi perusahaan tersebut menggunakan 4 aturan fuzzy
sbb :
[R1] IF Permintaan TURUN And Persediaan BANYAK THEN Produksi Barang
BERKURANG;
{R2] IF Permintaan TURUN And Persediaan SEDIKIT THEN Produksi Barang
BERKURANG;
[R3] IF Permintaan NAIK And Persediaan BANYAK THEN Produksi Barang
BERTAMBAH;
[R4] IF Permintaan NAIK And Persediaan SEDIKIT THEN Produksi Barang
BERTAMBAH;
Berapa botol minuman CBD yang harus diproduksi, jika jumlah permintaan sebanyak
2000 botol, dan persediaan di gudang masih 200 botol?
Jawaban :
1. A. Jaringan Syaraf Tiruan (JST) adalah sistem komputerisasi sebagai pemroses informasi
yang memiliki karater mirip dengan jaringan syaraf biologi pada saat menangkap
informasi dari ‘dunia luar’. Maksud sebenarnya dari JST adalah berusaha membuat
sebuah model sistem komputasi informasi yang dapat menirukan rangkaian cara kerja
jaringan syaraf biologis.
B. Jaringan Saraf Tiruan metode Backpropagation dapat digunakan untuk merancang
aplikasi inteligent tutoring system, Penerapan JST untuk memprediksi jumlah
pengangguran di Provinsi Kalimantan Timur dengan menggunakan algoritma
pembelajaran backpropagation berdasarkan pada data survey lapangan sebagai tolak ukur
perlu tidaknya ditinjau kembali peningkatan lapangan pekerjaan yang bersesuaian,
Penerapan model integrasi jaringan syaraf tiruan (JST) dan sistem pakar untuk
mengidentifikasi penyakit pencernaan dengan pengobatan cara herbal, Jaringan Saraf
Tiruan Backpropagation Untuk Memprediksi Peyakit THT Di Rumah Sakit Mardi
Rahayu Kudus, dan penerapan jaringan saraf tiruan untuk pengendali ketiga elektroda
pada mesin EAF (industri baja) secara terpadu yang ditujukan untuk menanggulangi
masalah tidak efisiennya pemakaian energi listrik dan elektroda pada mesin EAF
(Electric Arc Furnace) tersebut, pengenalan pola-pola unik dalam penambangan data
(data mining).
2. Tiga fungsi aktivasi beserta manfaatnya :
-. Fungsi Biner dengan Threshold : untuk mengubah input yang masuk ke dalam jaringan.
-. Fungsi Hard Limit Fungsi Undak Biner (Hard Limit) : untuk menkonversi input dari
suatu variabel yang bernilai kontinu ke suatu output Biner.
-. Fungsi Linear (identitas) : untuk menyelesaikan
permasalahan dunia nyata yang kompleks.
3. AND
X1 X2 Fd

0 0 0

0 1 0

1 0 0

1 1 1

 Langkah pertama : Inisialisasi Awal

 o Mengatur bobot w1, w2 interval [-0.5 – 0.5], w1=0.1 dan w2=0.2, mengatur
bias/threshold b=0.2, mengatur kec pembelajaran ŋ =1 dengan fungsi
aktivasi> step
 Langkah kedua : menghitung keluaran

n (1) = p1(1).w(1) + p2(1).w2(1) – b

n(1) = ( 0 x 0.1) + (0 x 0.2) – 0.2
n(1) = -0.2 (negative) maka α (1) = 0 ΔΔŋ
 langkah ketiga : menghitung error
e(k) = t(k) – α(k)
e(1) = 0 – 0 = 0
 langkah ke empat : mengatur bobot
- Mengupdate bobot perceptron
Wi(k+1) = wi(k) + Δwi(k)
W1(2) = 0.1 (1) + Δw1(1)
Δw1(1) = ŋ x pi(1) x e(1) = 1 x 0 x 0 = 0
maka w1(2) = 0.1(1) + 0 = 0.1 ( tidak berubah )

wi(k+1) = wi(k) + Δwi(k)

w2(2) = 0.2(1) + Δw2(1)
Δw2(1) = ŋ x pi(1) x e(1) = 1 x 0 x 0 = 0
maka w2(2) = 0.2(1) + 0 = 0.2 (tidak berubah )
 Langkah Ke-lima (Pengulangan)
Naikkan iterasi k dengan 1 ( k = k + 1 ), kembalilah ke Langkah ke dua dan ulangi
proses sampai keluaran = target or mendekati target.

4. Ada 3 Variable fuzzy yang akan dimodelkan, yaitu :

 Permintaan; terdiri atas 2 himpunan fuzzy, yaitu NAIK dan TURUN
 Fungsi keanggotaan variable permintaan :

1 , x ≤ 800
µPmtTURUN [x]=
{
4000−x
3200
, 800 ≤ x ≤ 4000
0 , x ≥ 4000

0 , x ≤ 4000
µPmt NAIK [ x ] =
{
x−800
3200
, 800 ≤ x ≤ 4000
1 , x ≥ 4000

Kita bisa mencari nilai keanggotaan :

µPmtTURUN [ 2000 ] = ( 4000-2000)/3200 = 0,625

µPmt NAIK [ 2000 ] = ( 2000 – 800 ) / 3200 = 0,375

 Persediaan ; terdiri atas 2 himpunan fuzzy, yaitu SEDIKIT dan BANYAK

Fungsi keanggotaan variable persediaan :

1 , x ≤300
µPsdSEDIKIT [y]=
{
800− y
500
, 3 00 ≤ y ≤ 80 0
0 , x ≥ 8 00
 0 , x ≤ 300
µPsd BANYAK [y]=
{
y −300
500
, 300 ≤ y ≤ 800
1 , x ≥800

Kita bisa mencari nilai keanggotaan :

µPsdSEDIKIT [ 200 ] = ( 800- 300 )/ 500 = 1,2
µPsd BANYAK [ 200 ] = ( 200 – 300 ) / 500 = -0,2

 Produk Barang; terdiri atas 2 himpunan fuzzy , yaitu BERKURANG dan

BERTAMBAH
Fungsi keanggotaan variable produksi barang :

1 , x ≤8000
µProbrgBERKURANG [ z ] =
{
8000−z
6000
, 2000 ≤ y ≤ 8000
0 , x ≥ 8000

0 , x ≤ 8000
µProbrgBER TAMBAH [z]=
{
z−800
6000
, 2000 ≤ y ≤ 8000
1 , x ≥8000
 Cari nilai z untuk setiap aturan dengan menggunakan fungsi MIN pada
aplikasi fungsi implikasinya :
[ R1 ] IF Permintaan TURUN and persedian BANYAK THEN Produksi
Barang BERKURANG
α- Predikat 1=μ PmtTURUN ∩ PsdBANYAK
= min ( μ PmtTURUN [ 2000 ] , μ PmtT BANYAK [ 200 ]
= min ( 0, 625; -0,2 )
= -0,2
Lihat himpunan produksi barang BERKURANG
( 8000 – z ) / 6000 = -0,2
z 1 = 8000 - ( 6000 * -0,2 )
z 1= 9200
[ R2 ] IF Permintaan TURUN and persedian SEDIKIT THEN Produksi
Barang BERKURANG
α- Predikat 2 =μ PmtTURUN ∩ Psd SEDIKIT
= min ( μ PmtTURUN [ 2000 ] , μ Pmt SEDIKIT [ 200 ]
= min ( 0, 625; 1,2 )
= 0,625
Lihat himpunan produksi barang BERKURANG
( 8000 – z ) / 6000 = 0,625
z 2 = 8000 - ( 6000 * 0,625 )
z 2= 4250
[ R3 ] IF Permintaan NAIK and persedian BANYAK THEN Produksi
Barang BERTAMBAH
α- Predikat 3 =μ Pmt NAIK ∩ PsdBANYAK
= min ( μ Pmt NAIK [ 2000 ] , μPmtTBANYAK [ 200 ]
= min ( 0, 375; -0,2 )
= -0,2
Lihat himpunan produksi barang BERTAMBAH
( z – 2000 ) / 6000 = -0,2
z 3 = 2000 + ( 6000 * -0,2 )
z 3= 800
[ R4 ] IF Permintaan NAIK and persedian SEDIKIT THEN Produksi
Barang BERTAMBAH
α- Predikat 3 =μ PmtNAIK ∩ Psd SEDIKIT
= min ( μ PmtNAIK [ 2000 ] , μ PmtT SEDIKIT [ 200 ]
= min ( 0, 375; 1,2 )
= 0,375
Lihat himpunan produksi barang BERTAMBAH
( z – 2000 ) / 6000 = 0,375
z 4 = 2000 + ( 6000 * 0,375 )
z 4 = 4250

kita dapat mencari berapakah nilai z, yaitu:

α Pred 1∗z 1 +α Pred 2∗z 2+ α Pred 3∗z 3 +α Pred 4∗z 4

z=
α Pred 1+ α Pred 2+ α Pred 3 +α Pred 4

( (−0,2 )∗9200 ) + ( 0,625∗4250 ) + ( (−0,2 )∗800 ) + ( 0,375∗4250 )

z=
(−0,2 ) +0,625+ (−0,2 )+ 0,375
225 0
z=
0,6

z = 3750
Jadi jumlah minuman CBD yang harus diproduksi adalah sebanyak 3750
kemasan.