Nama : Andiko Pridiantoko Putro

NPM : 03.2019.1.07605

Jurusan : Teknik Elektro

Matkul : Sistem Cerdas

Kelas : P

TUGAS MINGGU KE 1
Pengertian Expert System (Sistem Pakar)

Dalam kecerdasan buatan, Expert System (sistem pakar ) adalah sistem komputer yang
meniru kemampuan pengambilan keputusan seorang pakar manusia. Sistem pakar
dirancang untuk memecahkan masalah yang kompleks dengan penalaran melalui tubuh
pengetahuan, diwakili terutama sebagai aturan jika-maka daripada melalui kode prosedural
konvensional. Sistem pakar pertama dibuat pada 1970-an dan kemudian berkembang biak
pada 1980-an. Sistem pakar adalah salah satu bentuk perangkat lunak kecerdasan buatan
(AI) pertama yang benar-benar sukses. Sistem pakar dibagi menjadi dua subsistem: mesin
inferensi dan basis pengetahuan. Basis pengetahuan mewakili fakta dan aturan. Mesin
inferensi menerapkan aturan pada fakta yang diketahui untuk menyimpulkan fakta baru.
Mesin inferensi juga dapat menyertakan kemampuan penjelasan dan debugging.

Contoh Aplikasi dan Pengembangannya (Contoh) Sistem Pakar

1. Dipmeter Advisor: Digunakan oleh Schlumberger untuk analisis data dalam
pengeboran minyak.
2. XCON & XSEL : Membantu konfigurasi sistem komputer besar. Dikembangkan oleh
Digital Equipment Corporation (DEC) dan Carnegie Mellon Universitas (CMU), akhir
’70 an. Untuk sistem komputer DEC VAC 11 1780

Penerapan expert system atau sistem pakar pada bidang medical

Pada bidang kedokteran, sistem pakar digunakan untuk mendiagnosis penyakit sesuai
dengan gejala, dan berdasarkan itu Greader dapat memberikan solusi dalam
menyembuhkan penyakit tersebut. Dalam bidang ini, dilakukan analisis berdasarkan jenis
penyakit menggunakan algoritma program yang sudah dikembangkan oleh tim dan ahli
dalam mengatasi penyakit seseorang.
Penerapan expert system atau sistem pakar pada bidang manajerial
Pada bidang manajerial, sistem pakar melakukan analisis, sintesa, dan integrasi untuk
membangun perusahaan dengan analisis pada expert system.
Pengertian Software Agent (Agen Perangkat Lunak)
Dalam ilmu komputer, Software Agent (agen perangkat lunak) adalah program komputer
yang bertindak untuk pengguna atau program lain dalam hubungan keagenan, yang berasal
dari bahasa Latin agere (untuk melakukan): perjanjian untuk bertindak atas nama
seseorang. "Tindakan atas nama" semacam itu menyiratkan wewenang untuk memutuskan
tindakan mana, jika ada, yang tepat. Agen bahasa sehari-hari dikenal sebagai bot, dari robot.
Mereka dapat diwujudkan, seperti ketika eksekusi dipasangkan dengan tubuh robot, atau
sebagai perangkat lunak seperti chatbot yang dijalankan di telepon (misalnya Siri) atau
perangkat komputasi lainnya. Agen perangkat lunak mungkin otonom atau bekerja sama
dengan agen atau orang lain. Agen perangkat lunak yang berinteraksi dengan orang
(misalnya chatbots, lingkungan interaksi manusia-robot) mungkin memiliki kualitas seperti
manusia seperti pemahaman bahasa alami dan ucapan, kepribadian atau mewujudkan
bentuk humanoid (lihat Asimo).
Konsep terkait dan turunan termasuk agen cerdas (khususnya menunjukkan beberapa aspek
kecerdasan buatan, seperti penalaran), agen otonom (mampu memodifikasi metode untuk
mencapai tujuan mereka), agen terdistribusi (dieksekusi pada komputer yang berbeda
secara fisik), multi-agen sistem (agen terdistribusi yang bekerja sama untuk mencapai tujuan
yang tidak dapat dicapai oleh satu agen yang bertindak sendiri), dan agen bergerak (agen
yang dapat memindahkan eksekusi mereka ke prosesor yang berbeda).
Contoh Aplikasi Software Agent
Manufacturing: Parunak mempelopori proyek penelitian yang dia sebut YAMS (Yet Another
Manufacturing System), dimana dia berusaha mengaplikasikan protokol contract net untuk
proses kontrol di manufacturing. Untuk mengatasi masalah kompleks dalam proses
manufacturing, YAMS mengadopsi pendekatan MAS, dimana setiap pabrik dan komponen
dari pabrik adalah direpresentasikan sebagai agent. Aplikasi lain yang menggunakan
teknologi agent dalam area ini adalah: konfigurasi dan desain untuk product manufacturing,
pendesainan secara kolaboratif, pengontrolan dan penjadwalan operasi manufacturing, dsb.
Electronic Commerce
Tema riset kearah desain dan implementasi untuk mengotomatisasi jual-beli, termasuk
didalamnya adalah implementasi strategi dan interaksi dalam jual-beli, tawar-menawar,
teknik pembayaran, dsb. merealisasikan sistem pasar elektronik dalam sistem yang disebut
dengan KASBAH. Dalam sistem ini disimulasikan buyer agent dan seller agent yang
melakukan transaksi jual-beli, tawar-menawar, dan masing-masingagent mempunyai
strategi jual beli untuk mendapatkan yang termurah atau teruntung. Aplikasi agent lainnya
adalah BargainFinder, JANGO, MAGMA, dsb.

Pengertian Fuzzy System

Sistem kontrol fuzzy adalah sistem kontrol berdasarkan logika fuzzy sistem matematika
yang menganalisis nilai input analog dalam bentuk variabel logis yang mengambil nilai
kontinu antara 0 dan 1, berbeda dengan logika klasik atau digital, yang beroperasi pada nilai
diskrit dari baik 1 atau 0 (benar atau salah, masing-masing).
Contoh Aplikasi Fuzzy System
Sistem kontrol fuzzy cocok ketika kompleksitas proses tinggi termasuk ketidakpastian dan
perilaku nonlinier, dan tidak ada model matematika yang tepat tersedia. Aplikasi yang
sukses dari sistem kontrol fuzzy telah dilaporkan di seluruh dunia terutama di Jepang
dengan solusi perintis sejak tahun 80-an.
Beberapa aplikasi yang dilaporkan dalam literatur adalah:

 AC
 Sistem fokus otomatis di kamera
 Peralatan rumah tangga (lemari es, mesin cuci)
 Pengendalian dan optimalisasi proses dan sistem industri
 Sistem penulisan
 Efisiensi bahan bakar di mesin
 Lingkungan
 Sistem pakar
 Pohon keputusan
 Robotika
 Kendaraan otonom
Logika Fuzzy untuk Sistem Pengaturan Suhu Ruangan
Untuk menentukan suhu dalam suatu ruangan, kita dapat menentukannya
menggunakan Logika Fuzzy. Aturan dalam kontrol, mudah didefinisikan menggunakan
kata-kata misalkan :
– jika suhu dalam suatu ruangan dingin maka naikkan suhu penghangat.
– jika suhu dalam suatu ruangan panas maka naikkan suhu pendingin.

Logika Fuzzy untuk Sistem Pengaturan Lampu Lalulintas

Logika fuzzy dalam pengaturan lampu lalulintas amat diperlukan untuk memperlancar
arus lalulintas. Dengan adanya system yang bekerja secara otomatis diharapkan angka
kecelakaan yang disebabkan oleh masalah lampu lalulintas dapat berkurang. Selain itu
dengan adanya lampu lalulintas yang otomatis tentu saja akan mengurangi tugas polisi
lalulintas, sehingga mereka bisa mengerjakan hal-hal lain yang belum teratasi.

Pengertian Web Data Mining

Data mining adalah proses mengekstraksi dan menemukan pola dalam kumpulan data
besar yang melibatkan metode di persimpangan pembelajaran mesin, statistik, dan
sistem database. Data mining adalah subbidang interdisipliner ilmu komputer dan
statistik dengan tujuan keseluruhan untuk mengekstrak informasi (dengan metode
cerdas) dari kumpulan data dan mengubah informasi menjadi struktur yang dapat
dipahami untuk digunakan lebih lanjut. Data mining adalah langkah analisis dari proses
"penemuan pengetahuan dalam database", atau KDD. Selain langkah analisis mentah,
juga melibatkan aspek database dan manajemen data, pra-pemrosesan data,
pertimbangan model dan inferensi, metrik ketertarikan, pertimbangan kompleksitas,
pasca-pemrosesan struktur yang ditemukan, visualisasi, dan pembaruan online.

Contoh Aplikasi Web Data Mining

1. Kesehatan
Data mining memiliki potensi besar untuk memperbaiki sistem kesehatan.
Menggunakan data dan analisis untuk mengidentifikasi praktik terbaik yang
meningkatkan perawatan dan mengurangi biaya. Peneliti menggunakan pendekatan
data mining seperti database multi dimensi, pembelajaran mesin, soft computing,
visualisasi data dan statistik. Pertambangan dapat digunakan untuk memprediksi
volume pasien dalam setiap kategori. Proses dikembangkan yang memastikan bahwa
pasien mendapat perawatan yang tepat di tempat yang tepat dan pada saat yang
tepat. Data mining juga dapat membantu perusahaan asuransi kesehatan untuk
mendeteksi kecurangan dan penyalahgunaan.
2. Analisis Market
Analisis pasar adalah teknik pemodelan berdasarkan teori bahwa jika seorang
membeli kelompok item tertentu, maka cenderung membeli kelompok item lainnya.
Teknik ini memungkinkan pengecer memahami perilaku pembelian pembeli.
Informasi ini dapat membantu pengecer mengetahui kebutuhan pembeli dan
mengubah tata letak toko sesuai dengan itu. Dengan menggunakan analisis
diferensial perbandingan hasil antara toko yang berbeda, antara pelanggan dalam
kelompok demografis yang berbeda dapat dilakukan.
3. Pendidikan
Ada bidang baru yang muncul, disebut Educational Data Mining, berkaitan dengan
metode pengembangan yang menemukan pengetahuan dari data yang berasal dari
lingkungan pendidikan. Tujuan EDM diidentifikasi sebagai prediksi perilaku belajar di
masa depan siswa, mempelajari dampak dukungan pendidikan, dan memajukan
pengetahuan ilmiah tentang pembelajaran. Data mining dapat digunakan oleh
sebuah institusi untuk mengambil keputusan yang akurat dan juga untuk
memprediksi hasil siswa. Dengan hasilnya institusi bisa fokus pada apa yang harus
diajarkan dan bagaimana cara mengajarnya. Pola belajar siswa dapat diambil dan
digunakan untuk mengembangkan teknik mengajar mereka.

4. Rekayasa Manufaktur
Manufaktur
Pengetahuan adalah aset terbaik yang dimiliki perusahaan manufaktur. Alat data
mining bisa sangat berguna untuk menemukan pola dalam proses manufaktur yang
kompleks. Data mining dapat digunakan dalam perancangan tingkat sistem untuk
mengekstrak hubungan antara arsitektur produk, portofolio produk, dan data
kebutuhan pelanggan. Ini juga bisa digunakan untuk memprediksi perkembangan
produk span time, cost, dan dependencies antar tugas lainnya.
CRM
Customer Relationship Management adalah tentang mengakuisisi dan
mempertahankan pelanggan, juga meningkatkan loyalitas pelanggan dan
menerapkan strategi yang berfokus pada pelanggan. Untuk menjaga hubungan yang
benar dengan pelanggan bisnis perlu mengumpulkan data dan menganalisa
informasi. Di sinilah data mining berperan. Dengan teknologi data mining, data yang
terkumpul dapat digunakan untuk analisis. Daripada bingung di mana fokus untuk
mempertahankan pelanggan, para pencari solusi mendapatkan hasil yang disaring.

Fraud Detection (Deteksi Penipuan)

Miliaran dolar telah hilang akibat aksi penipuan. Metode tradisional deteksi
kecurangan memakan waktu dan kompleks. Data mining membantu dalam
memberikan pola yang berarti dan mengubah data menjadi informasi. Setiap
informasi yang valid dan berguna adalah pengetahuan. Sistem deteksi kecurangan
yang sempurna harus melindungi informasi semua pengguna. Metode yang diawasi
mencakup pengumpulan catatan sampel. Catatan ini tergolong curang atau tidak
palsu. Sebuah model dibangun dengan menggunakan data ini dan algoritma dibuat
untuk mengidentifikasi apakah rekaman itu salah atau tidak.

Intrusion Detection
Setiap tindakan yang akan membahayakan integritas dan kerahasiaan sumber daya
adalah gangguan. Langkah-langkah defensif untuk menghindari gangguan mencakup
otentikasi pengguna, hindari kesalahan pemrograman, dan perlindungan informasi.
Data mining dapat membantu memperbaiki deteksi intrusi dengan menambahkan
tingkat fokus pada deteksi anomali. Ini membantu analis membedakan aktivitas dari
aktivitas jaringan biasa sehari-hari. Data mining juga membantu mengekstrak data
yang lebih relevan dengan masalah.

Pengertian Turing Machine (Mesing Turing)

Mesin Turing adalah model matematika komputasi yang mendefinisikan mesin
abstrak yang memanipulasi simbol pada pita sesuai dengan tabel aturan. Terlepas
dari kesederhanaan model, mengingat algoritma komputer apa pun, mesin Turing
yang mampu mensimulasikan logika algoritma itu dapat dibangun.

Cara Kerja Turing Machine ( Mesin Turing)

Sebuah mesin turing terdiri atas barisan sel tersusun berupa pita yang dapat
bergerak maju mundur, komponen aktif baca/tulis pita yang memiliki status
perhitungan serta dapat mengubah/menulisi sel aktif yang ada di pita tadi, dan suatu
kumpulan instruksi bagaimana komponen baca/tulis ini harus melakukan modifikasi
terhadap sel aktif pada pita, serta bagaimana menggerakkan pita tersebut. Pada
setiap langkah dalam komputasi, mesin ini akan dapat mengubah isi dari sel yang
aktif, mengubah status dari komponen baca/tulis, dan mengubah posisi pita ke kiri
atau ke kanan.

Prinsip Kerja Mesin Turing

1.Lihat state semula dan simbol yang ditunjuk head
2.Berdasarkan fungsi transisinya,tentukan:
-state berikutnya
-Lakukan penulisan ke pita
-Gerakkan head ke kanan dan ke kiri
3.Bila dari pasangan state dan simbol yang ditunjuk head tidak ada lagi fungsi
transisinya,berarti mesin turing berhenti
4.Bila mesin turing berhenti di dalam state final (F) , berarti input diterima.
Sebaliknya jika mesin berhenti tidak pada state akhir,maka berarti inputan tersebut
ditolak.