Final Exam

EXPERT SYSTEM
Nama : Felicia Aurelia Suwandi
NIM : 2201794321
Kelas : LA05

I. Essay
1. [LO 1 & LO 2, 5 poin] Jelaskan bagaimana sebuah expert system mereplikasi
pengetahuan seorang expert dalam sebuah bidang tertentu.
Jawab:
Sebuah expert system dapat mereplikasi pengetahuan seorang expert di
sebuah bidang tertentu terjadi karena expert system melakukan pemrosesan
terhadap pengetahuan. Expert system tidak melakukan pemrosesan data, namun
langsung tertuju pada pengetahuan yang dimiliki seorang pakar.
Pengetahuan yang digunakan oleh sebuah expert system dapat berupa
serangkaian informasi mengenai gejala – diagnose, sebab – akibat, aksi – reaksi,
dll. Pengetahuan yang dipakai oleh expert system memiliki model representasi
diantaranya yaitu Semantic Nets, Frame, Production Rule, Predicate Logic. Secara
diagram, dapat dijelaskan modelnya sebagai berikut:

2. [LO 1 & LO 2, 5 poin] Jelaskan fungsi dari setiap komponen expert system berikut:
a. Knowledge base.
b. Inference engine.
c. User Interface
Jawab:
a. Knowledge Base
Knowledge Base merupakan representasi dari sebuah pengetahuan yang
dimiliki oleh pakar. Pengetahuan dasar ini akan digunakan untuk membuat
sebuah expert system dengan pengetahuan dasar ini sebagai pedoman
pengetahuan didalam nya. Knowledge Base akan terbagi menjadi 2:
 - Fakta yang merupakan informasi tentang situasi, teori dari suatu
permasalahan yang ingin dipecahkan dan informasi mengenai objek.
- Heuristic yang menjadi informasi tentang bagaimana cara untuk
membangkitkan sebuah fakta

b. Inference Engine
Inference Engine merupakan sebuah proses inferensi untuk memutuskan
rule – rule apa yang akan digunakan sesuai dengan permasalahan yang terjadi.
Setiap knowledge base, pasti mampu untuk memecahkan beberapa
permasalahan yang berbeda namun tentunya dibutuhkan beberapa aturan
(rule) untuk memecahkan setiap permasalahan. Untuk itu, inference engine
akan membaca setiap permasalahan yang ada dan akan menentukan rule apa
yang sesuai untuk memecahkan masalah tersebut.
Dengan kata lain, inference engine melakukan analisis data dari
permasalahan dan menarik kesimpulan berdasarkan rule yang dimiliki.

c. User Interface
User Interface merupakan bagian dari expert system yang digunakan
untuk menerima dan mengendalikan input / output. Dalam tugasnya, user
interface dapat dikatakan sebagai penampung masukan atau permasalahan
yang dikatakan oleh user non-pakar untuk mendapatkan fakta – fakta
permasalahan yang dibutuhkan untuk kemudian diserahkan dan di proses oleh
inference engine (menentukan rule yg dibutuhkan untuk menangani masalah
tersebut) dan kemudian user interface juga akan menampilkan output yang
merupakan kesimpulan dan solusi yang telah diberikan oleh expert system.
Dengan kata lain, user interface bekerja sebagai media komunikasi antara
user pengguna dan expert system.

3. [LO 1 & LO 2, 5 poin] Jelaskan syarat apa saja yang harus dipenuhi oleh komponen
User Interface sebuah expert system supaya mendukung komunikasi antara
pemakai dengan expert system.
Jawab:
Syarat yang harus dipenuhi oleh user interface dalam sebuah expert system:
1. Mudah dimengerti dan dapat digunakan oleh pengguna. Design UI tidak boleh
menimbulkan ke-ambigu-an yang dapat membingungkan pengguna dalam
menggunakannya.
2. Format input dari user harus sama dengan format input pada inference engine
agar dapat di proses
3. UI harus terdiri dari 4 bagian yang memiliki fungsinya masing – masing
diantaranya : UI untuk pengisian tabel variable, UI untuk pengisian tabel
konklusi, UI untuk pengisian tabel rules dan UI untuk tanya jawab yang
menerima inputan dari user.
4. UI tabel variable akan digunakan untuk mengisi variable list yang diperlukan
dalam pemrosesan data
 5. UI tabel rules akan digunakan untuk memasukan knowledge base didalamnya
dengan menggunakan data yang terdapat pada variable dan konklusi yang
dimasukan ke dalam tabel variable dan konklusi.
6. UI tanya jawab akan melakukan proses tanya jawab antara pengguna dan
expert system. Diusahakan UI yang terbentuk untuk mengisi tanya jawab
adalah berupa pilihan, sehingga user dapat memilih jawaban dari pilihan yang
tersedia. Hal ini bertujuan untuk menghindari terjadinya kesalahan dalam user
memasukan jawaban sehingga dapat menyebabkan kesalahan juga ketika
melakukan pengecekan rules yang ada didalam knowledge base melalui
interface engine.

4. [LO 1 & LO 2, 5 poin] Jelaskan masing-masing dua buah contoh penggunaan expert
system pada bidang health care (medis) dan pendidikan.
Jawab:
a. Health Care (medis)
- Pembuatan sebuah expert system untuk mendiagnosa penyakit
kehamilan yang umum terjadi di kalangan masyarakat.
Dalam pembuatan expert system ini, akan diambil fakta – fakta
atau beberapa rules yang merupakan gejala yang umumnya timbul ketika
seseorang mengalami sakit, contoh : mual, pusing, mudah Lelah, demam,
tekanan darah tinggi, sakit bagian perut, sering merasa gelisah, sesak
nafas, mudah marah, kulit kemerahan, telinga berdengung, dll.
Selain itu, kita juga dapat mengambil rules berupa beberapa
penyakit yang umum dan sering terjadi ketika seseorang dalam fase hamil,
diantaranya: Anemia kehamilan, kehamilan ganda, rubella, toxoplasma,
keguguran, dll.
Setelah mengambil fakta / rules tersebut, kita akan memiliki dasar
knowledge base yang merupakan pengetahuan yang dimiliki oleh seorang
pakar (missal: dokter kandungan) untuk mendiagnosa penyakit user
melalui gejala yang dimilikinya. Beberapa knowledge base yang menjadi
contoh diantaranya adalah:
 Jika user mual, muntah, mudah Lelah, sesak nafas, pucat,
kehilangan nafsu makan -> terdiagnosa Anemia kehamilan
 Jika user merasa krama tau sakit di perut, mengalami
pendarahan, otot perut tegang, lemas, mimisan -> terdiagnosa
keguguran
 Dll…
Dengan demikian, program ini sudah memiliki “ilmu/pengetahuan” yang
dimiliki oleh pakar dan dapat dinyatakan sebagai expert system yang
berperan di bidang medis.

- Pembuatan sebuah program untuk menentukan pengambilan keputusan

penanganan pertama ketika user mengalami kondisi darurat medis dan
jauh dari kalangan tenaga medis
 Dalam pembuatan expert system ini, akan diambil fakta – fakta
atau beberapa rules yang merupakan kejadian darurat yang mungkin
terjadi secara mendadak saat kita sedang jauh dari jangkauan tenaga
medis dan membutuhkan pertolongan pertama, contoh : serangan jantung
dadakan, kecelakaan, pendarahan luka yang tak kunjung berhenti,
keracunan makanan, alergi, kejang, asma, dll.
Selain itu, kita juga dapat mengambil rules berupa hal – hal apa saja
yang dapat menjadi penolong pertama ketika seseorang mengalami
keadaan darurat tertentu, diantaranya yaitu: pemberian nafas buatan, ikat
bagian yang terjadi pendarahan dengan kencang menggunakan kain,
minum obat anti histamin, gunakan tabung oksigen, Tarik nafas yang
Panjang, jangan disentuh dan biarkan sampai penderita lebih tenang,
muntahkan makanan, dll.
Setelah mengambil fakta / rules tersebut, kita akan memiliki dasar
knowledge base yang merupakan pengetahuan yang dimiliki oleh seorang
pakar untuk menyarankan hal apa yang dapat kita lakukan sesuai dengan
kondisi darurat yang terjadi, contoh:
 Jika mengalami kambuh asma -> dapat melakukan Tarik nafas
Panjang dan perlahan, menggunakan tabung oksigen.
 Jika seseorang mengalami kejang -> jangan disentuh dan
biarkan sampai penderita lebih tenang & berhenti kejang
 Jika seorang mengalami alergi dadakan -> minum obat
antihistamin untuk meredakan gatal
 Dll…
Dengan demikian, program ini sudah memiliki “ilmu/pengetahuan” yang
dimiliki oleh pakar dan dapat dinyatakan sebagai expert system yang
berperan di bidang medis.

b. Pendidikan
- Pembuatan expert system dalam upaya untuk meng-kategorikan
perilaku mahasiswa/i sebagai masukan untuk improvisasi dunia
Pendidikan dalam melakukan bimbingan karakter anak bangsa.
Dalam pembuatan expert system ini, akan diambil fakta – fakta
atau beberapa rules yang merupakan bentuk dari perilaku mahasiswa/i
yang banyak ditemukan di masyarakat, contoh : intoleran dengan
perbedaan RAS, menggunakan obat terlarang, memaki teman, bertengkar
dan melukasi orang lain, dll.
Selain itu, kita juga dapat mengambil rules berupa hal – hal apa saja
yang bisa dilakukan dalam dunia pendidikan untuk menghindari terjadinya
karakter anak bangsa yang kurang baik, diantaranya yaitu: penekanan
mengenai toleransi dan perbedaan dalam dunia Pendidikan, praktik untuk
menyayangi sesama makhluk hidup, pemberian sanksi bagi pengguna obat
terlarang, dll.
 Setelah mengambil fakta / rules tersebut, kita akan memiliki dasar
knowledge base yang merupakan pengetahuan yang dimiliki oleh seorang
pakar untuk menyarankan hal apa yang dapat kita lakukan sesuai dengan
perilaku penyimpang yang banyak terjadi dan dilakukan oleh anak bangsa,
contoh:
 Jika data membuktikan bahwa intoleran terhadap perbedaan
RAS banyak terjadi di lingkungan mahasiswa/i -> lakukan
penekanan mengenai toleransi dan perbedaan dalam dunia
Pendidikan.
 Jika data membuktikan banyaknya mahasiswa menggunakan
obat – obatan terlarang -> pemberian sanksi bagi pengguna
obat terlarang.
Dengan demikian, program ini sudah memiliki “ilmu/pengetahuan” yang
dimiliki oleh pakar dan dapat dinyatakan sebagai expert system yang
berperan di bidang Pendidikan khususnya pengembangan karakter
bangsa.

- Pembuatan program expert system yang mampu menjelaskan sebuah

penyelesaian soal kepada siswa
Dengan system kerja yang sama dengan beberapa contoh diatas,
program expert system ini akan berguna bagi siswa untuk mendapatkan
penjelasan dari penyelesain soal yang diberikan kepada siswa. Ketika siswa
sulit memahami tulisan penyelesainnya, siswa dapat menggunakan
aplikasi ini untuk menjelaskan cara dari penyelesaian soal tersebut.
Knowledge base akan berdasar pada pengetahuan para pengajar di
bidang pelajaran yang sesuai, yang kemudian diimplementasikan kedalam
expert system.

5. Salah satu karakteristik dari expert system adalah “incapable of producing

accurate output for inadequate knowledge base and substituting human decision
makers.”
a) Jelaskan faktor apa saja yang menyebabkan adanya ketidakpastian
informasi yang disimpan didalam knowledge base sebuah expert system.
b) Jelaskan teknik apa saja yang dapat dipergunakan oleh perancang expert
system untuk mengatasi ketidak-pastian dari pengetahuan yang
disimpan didalam knowledge base supaya sebuah expert system dapat
menghasilkan output yang dapat diterima oleh user.
Jawab:

a) Faktor yang menjadi penyebab ketidakpastian pada informasi yang disimpan

didalam knowledge base:
- Data yang tidak lengkap atau keambiguan ketika pengambilan data
 - Knowledge base akan berdasar pada pengetahuan para expert, namun
sering ditemukan adanya perbedaan pendapat yang dimiliki oleh para
expert sehingga hasil pada expert system kurang akurat
- Adanya language barrier, yang dimana Bahasa yang digunakan oleh setiap
orang berbeda – beda dan dapat menyebabkan miss-communication
dalam penyampaian informasi.
- Inference engine dengan penerapan yang kurang baik
b) Untuk mengatasi sebuah ketidakpastian pada expert system, umumnya dalam
pembuatannya akan digunakan fuzzy logic atau Bayesian theorem. Fuzzy logic
dapat digunakan untuk melakukan pendekatan model matematis pada sebuah
system yang memegang permasalahan kompleks, karena fuzzy logic dapat
memecahkan permasalahan kompleks menjadi bagian yang kecil sehingga
akan jauh lebih teliti dalam memperkecil kemungkinan ketidakpastiannya.
Selain itu, Bayesian theorem justru akan melakukan perhitungan peluang
suatu permasalahan dengan ketidakpastian yang dimilikinya. Dengan
demikian, 2 metode ini sangat cocok untuk mengatasi ketidakpastian pada
expert system

6. Sebuah karakteristik lain dari expert system adalah “Experts can make decisions
based on Qualitative and quantitative information”. Jelaskan pengertian dari
karakteristik ini.
Jawab:
Pengertian dari karakteristik tersebut adalah bahwa setiap input yang
masuk dan dapat di proses oleh Expert system dapat berupa data kualitatif
(informasi non-angka yang mencirikan atau mendekati suatu hal yang tidak dapat
dihitung dengan operasi matematika) maupun data kuantitatif (informasi dengan
angka, jumlah, yang dapat dihitung dengan operasi matematika).
Contoh simple data kualitatif dan kuantitatif :
Data kuantitatif : “Harga dari barang itu adalah 50.000”, “Orang itu membeli kue
sebanyak 100 buah”.
Data kualitatif : “Barang itu sudah tidak diperjualbelikan Kembali karena harganya
mahal”, “Orang itu membeli kue yang sangat enak”.

7. [LO 1 & LO 2, 5 poin] Jelaskan pengertian dan kegunaan forward chaining didalam
expert system
Jawab:
Forward chaining adalah sebuah metode dalam pembentukan sebuah
expert system dimana Teknik penalaran dalam pembuatannya akan diawali
dengan proses pencarian sebuah fakta (seperti contoh pada soal nomor 4).
Kemudian, fakta tersebut akan digunakan untuk menguji sebuah kebenaran
terhadap sebuah hipotesis yang dikembangkan.
 Forward chaining juga dapat dikatakan sebagai data driven, karena
inferensi dimulai dengan informasi / fakta yang dimiliki baru kemudian konklusi
nya diperoleh berdasarkan informasi / fakta tersebut.
Kegunaan dari forward chaining diantaranya adalah:
o Forward chaining dapat menarik banyak kesimpulan (lebih dari 1
kesimpulan). Hal ini terjadi karena forward chaining mengambil
kesimpulan berdasarkan fakta yang sudah dimiliki, sehingga fakta
tersebut dapat memberikan kita lebih dari 1 kesimpulan.
o Forward chaining tidak memiliki Batasan untuk data yang
diperoleh. Hal ini membuat forward chaining lebih fleksibel
dibanding dengan backward chaining.

8. [LO 1 & LO 2, 5 poin] Jelaskan pengertian dan kegunaan backward chaining

didalam expert system.
Jawab:
Backward chaining merupakan bentuk kebalikan dari forward chaining.
Backward chaining adalah sebuah metode dalam pembuatan sebuah expert
system dimana pengambilan sebuah keputusan / konklusi diawali dengan
penarikan dari kesimpulan dan kemudian menyusun hipotesis hingga fakta yang
dimiliki memberikan sebuah value dan bukti dari kesimpulan tersebut.
Backward chaining dikatakan sebagai goal-driven, karena proses nya
akan dimulai dari ekspektasi yang diinginkan terjadi (kesimpulan), kemudian
melakukan pengecekan pada fakta – fakta pendukung yang sudah dimiliki
didalam expert system.
Kegunaan backward chaining diantaranya adalah:
o Backward chaining memiliki tujuan untuk membuktikan kebenaran
sebuah kesimpulan / hipotesis yang dimiliki. Hal ini menjadi alasan
kita mengambil kesimpulannya terlebih dahulu dan
membuktikannya menggunakan fakta – fakta yang telah dimiliki.
o Backward chaining juga dapat digunakan untuk sebuah proses yang
menginginkan waktu singkat. Karena backward chaining memiliki
proses yang cenderung lebih ringan karena backward chaining
tidak perlu mengecek seluruh rules yang dimiliki oleh expert
system, hanya perlu mengecek rules yang berhubungan dengan
kesimpulan dan membuktikan kebenarannya (atau bisa juga
kontradiksinya) dengan rules tersebut.
o Backward chaining digunakan dalam inferences engine yang
otomatis dan pembuktian sebuah teori / kesimpulan / hipotesis
o Backward chaining juga dapat digunakan untuk membantu
membongkar masalah kompleks menjadi bagian yang lebih kecil
untuk dapat diselesaikan dengan lebih mudah.

9. [LO 1 & LO 2, 5 poin] Jelaskan perbedaan fungsi keanggotaan dalam himpunan

(crisp set) dan himpunan fuzzy (fuzzy set).
 Jawab:
Perbedaan fungsi keanggotaan himpunan crisp (crisp set) dan himpunan
fuzzy (fuzzy set):
Crisp Set Fuzzy Set
Crisp set mendefinisikan nilai didalam Fuzzy set mendefinisikan nilai didalam
himpunannya adalah 0 dan 1 himpunannya adalah diantara 0
sampai 1 dan termasuk juga dengan 0
dan 1 itu sendiri.
Dikatakan sebagai classical set atau Fuzzy set akan menentukan degree
himpunan klasik himpunannya yang mana yang
merupakan bagian “true”
Menampilkan seluruh anggota Menampilkan sebagian anggota
himpunan himpunan
Pengaplikasian crisp set biasa Fuzzy set dalam pengaplikasiannya
digunakan untuk desain digital biasanya digunakan pada fuzzy
controller
Crisp set menghasilkan value function Fuzzy set menghasilkan value function
yang terdiri dari dua nilai yang tidak terbatas nilainya
Seluruh keanggotaan crisp set Sebagian keanggotaan fuzzy set
memiliki arti sepenuh nya true or false memiliki arti true to false (benar
(benar/salah), dengan nilai 0 dan 1 hingga salah), dengan nilai 0 sampai 1
Contoh nyata sederhana dari crisp set: Contoh nyata sederhana dari fuzzy set:
“Anak itu berusia 5 tahun” “Anak itu berusia sekitar 5 tahun”

10. [LO 1 & LO 2, 5 poin] Jelaskan apa perbedaan dari proses fuzzification dan
defuzzification didalam sebuah sistem berbasis fuzzy logic.
Jawab:
Perbedaan dari proses fuzzification dan defuzzification dalam system berbasis
fuzzy logic:
Fuzzification defuzzification
Pengubahan data tepat (precise Data yang tidak tepat (imprecise data)
data) menjadi data yang tidak tepat diubah menjadi data yang tepat (precise
(imprecise data) data)
Fuzzification merupakan metode Pemetaan yang dilakukan oleh
untuk mengubah crisp quantity defuzzification akan mengubah hasil
menjadi fuzzy quantity fuzzy menjadi crisp
Terdiri dari beberapa method, Terdiri dari beberapa method, yaitu :
diantaranya yaitu : intuition, maximum membership principle,
inference, rank, ordering, angular centroid method, weighted average
fuzzy sets, neural network method, center of sums
Dapat menggunakan aturan IF – Menggunakan metode center of gravity
THEN untuk memfuzifikasi crisp untuk mencari pusat himpunan
value
II. CASE
1. Jawab:
Sesuai dengan data yang diberikan pada soal, maka:

𝑇𝑒𝑚𝑝𝑒𝑟𝑎𝑡𝑢𝑟𝑒 (𝑇):
1, 𝑥 ≤ 22
25−𝑥
𝜇𝑙𝑜𝑤 (𝑥 ) = { 3 , 22 ≤ 𝑥 ≤ 25

𝑥 − 22
, 22 ≤ 𝑥 ≤ 25
3
𝜇𝑜𝑝𝑡𝑖𝑚𝑎𝑙 (𝑥) = 28 − 𝑥
, 25 ≤ 𝑥 ≤ 28
3
{
𝑥 − 25
, 25 ≤ 𝑥 ≤ 28
𝜇ℎ𝑖𝑔ℎ (𝑥 ) = { 3
1, 28 ≤ 𝑥 ≤ 30

𝑇𝐷𝐼𝐹
1, − 1 ≤ 𝑥 ≤ −0.9
𝜇𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑒 (𝑥) = {−0.9𝑥, − 0.9 ≤ 𝑥 ≤ 0

2(𝑥 + 0.5), −0.5 ≤ 𝑥 ≤ 0

𝜇𝑧𝑒𝑟𝑜 (𝑥 ) = {
2(0.5 − 𝑥 ), 0 ≤ 𝑥 ≤ 0.5

𝑥, 0≤𝑥≤1
𝜇𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑒 (𝑥) = {
2 − 𝑥, 1≤𝑥≤2
1 − 𝑥, 1≤𝑥≤2
𝜇𝑙𝑎𝑟𝑔𝑒 (𝑥) = { 1, 2 ≤ 𝑥 ≤ 3

a. Diketahui :
T = 25C
Tdif = -0,5C
Ditanya : Output SC?
Jawab:
Dengan T = 25C, kita bisa menhitung dengan persamaan diatas menjadi:
25 − 𝑥 25 − 25
𝜇𝑙𝑜𝑤 (𝑥 ) = = =0
3 3
𝟐𝟖 − 𝒙 𝟐𝟖 − 𝟐𝟓
𝝁𝒐𝒑𝒕𝒊𝒎𝒂𝒍 (𝒙) = = =𝟏
𝟑 𝟑
𝑥 − 25 25 − 25
𝜇ℎ𝑖𝑔ℎ (𝑥) = = =0
3 3
 𝑀𝑒𝑛𝑔𝑔𝑢𝑛𝑎𝑘𝑎𝑛 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡𝑦 𝝁𝒐𝒑𝒕𝒊𝒎𝒂𝒍 (𝒙) = 𝟏

Dengan Tdif = -0,5C, kita bisa melakukan perhitungan diatas dengan cara:
𝝁𝒏𝒆𝒈𝒂𝒕𝒊𝒗𝒆 (𝒙) = −𝟎. 𝟗𝒙 = −𝟎, 𝟗(−𝟎, 𝟓) = 𝟎, 𝟒𝟓
𝜇𝑧𝑒𝑟𝑜 (𝑥 ) = 2(𝑥 + 0.5) = 2(−0,5 + 0,5) = 0
𝑀𝑒𝑛𝑔𝑔𝑢𝑛𝑎𝑘𝑎𝑛 𝜇𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑒 (𝑥 ) = 0,45

𝐷𝑒𝑛𝑔𝑎𝑛 𝑝𝑒𝑛𝑔𝑔𝑢𝑛𝑎𝑎𝑛 𝜇𝑜𝑝𝑡𝑖𝑚𝑎𝑙 (𝑥 ) = 1 𝑝𝑎𝑑𝑎 𝑇 𝑑𝑎𝑛 𝜇𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑒 (𝑥 )

= 0,45 𝑝𝑎𝑑𝑎 𝑇𝑑𝑖𝑓, 𝑚𝑎𝑘𝑎 𝑎𝑘𝑎𝑛 𝑑𝑖𝑑𝑎𝑝𝑎𝑡𝑘𝑎𝑛 𝒐𝒖𝒕𝒑𝒖𝒕 𝑺𝑪 𝒅𝒊𝒂𝒏𝒕𝒂𝒓𝒂 𝟒𝟎
− 𝟔𝟎 (𝟒𝟎 ≤ 𝒙 ≤ 𝟔𝟎)
𝑥 − 40
, 40 ≤ 𝑥 ≤ 60
20
𝜇𝑚𝑒𝑑𝑖𝑢𝑚 (𝑥) = 80 − 𝑥
, 60 ≤ 𝑥 ≤ 80
20
{

b. Diketahui :
T = 23C
Tdif = 0,5C
Ditanya : Output SC?
Jawab:
Dengan T = 25C, kita bisa menhitung dengan persamaan diatas menjadi:
𝟐𝟓 − 𝒙 𝟐𝟓 − 𝟐𝟑 𝟐
𝝁𝒍𝒐𝒘 (𝒙) = = = = 𝟎, 𝟔𝟔𝟔𝟕
𝟑 𝟑 𝟑
28 − 𝑥 28 − 23 5
𝜇𝑜𝑝𝑡𝑖𝑚𝑎𝑙 (𝑥 ) = = = = 0,333
3 3 3
𝑀𝑒𝑛𝑔𝑔𝑢𝑛𝑎𝑘𝑎𝑛 𝝁𝒍𝒐𝒘 (𝒙) = 𝟎, 𝟔𝟔𝟔𝟕

Dengan Tdif = -0,5C, kita bisa melakukan perhitungan diatas dengan cara:
𝜇𝑧𝑒𝑟𝑜 (𝑥 ) = 2(𝑥 + 0.5) = 2(0,5 − 0,5) = 0
𝝁𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒆 (𝒙) = (𝒙) = 𝟎, 𝟓
𝑀𝑒𝑛𝑔𝑔𝑢𝑛𝑎𝑘𝑎𝑛 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡𝑦 𝜇𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑒 (𝑥 ) = 0,5

𝐷𝑒𝑛𝑔𝑎𝑛 𝑝𝑒𝑛𝑔𝑔𝑢𝑛𝑎𝑎𝑛 𝜇𝑙𝑜𝑤 (𝑥 ) = 0,6667 𝑝𝑎𝑑𝑎 𝑇 𝑑𝑎𝑛 𝜇𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑒 (𝑥 )

= 0,5 𝑝𝑎𝑑𝑎 𝑇𝑑𝑖𝑓, 𝑚𝑎𝑘𝑎 𝑎𝑘𝑎𝑛 𝑑𝑖𝑑𝑎𝑝𝑎𝑡𝑘𝑎𝑛 𝒐𝒖𝒕𝒑𝒖𝒕 𝑺𝑪 𝒅𝒊𝒂𝒏𝒕𝒂𝒓𝒂 𝟎
− 𝟓𝟎 (𝟎 ≤ 𝒙 ≤ 𝟓𝟎)
1, 0 ≤ 𝑥 ≤ 30
50 − 𝑥
𝜇𝑙𝑜𝑤 (𝑥 ) = { , 30 ≤ 𝑥 ≤ 50
20
0, 𝑜𝑡ℎ𝑒𝑟𝑤𝑖𝑠𝑒
2. Jawab:
Diketahui:
Proporsi pembeli minuman ringan A,B,C adalah 0,3 ; 0,3 dan 0,4 pada t=0.
Ditanya:
a. Proporsi pembeli minuman ringan A,B,C pada t = 5
b. Mulai dari mingggu keberapa proporsi pembeli minuman ringan A,B,C tidak
berubah?

Jawab:
0,5 0,25 0,25
a. 𝑃 = (0,5 0,4 0,1 )
0,2 0,4 0,4
𝜋(𝑡 = 0) = [0,3 0,3 0,4]

0,5 0,25 0,25

𝜋(1) = 𝜋(0). 𝑃 = [0,3 0,3
0,4] (0,5 0,4 0,1 )
0,2 0,4 0,4
𝜋(1) = [0,35 0,355 0,265]

0,5 0,25 0,25

( ) ( )
𝜋 2 = 𝜋 1 . 𝑃 = [0,35 0,355 0,265] (0,5 0,4 0,1 )
0,2 0,4 0,4
( )
𝜋 2 = [0,4205 0,343 0,2365]

0,5 0,25 0,25

𝜋(3) = 𝜋(2). 𝑃 = [0,4205 0,343 0,2365] (0,5 0,4 0,1 )
0,2 0,4 0,4
( )
𝜋 3 = [0,42905 0,336925 0,234025]

0,5 0,25 0,25

𝜋(4) = 𝜋(3). 𝑃 = [0,42905 0,336925 0,234025] (0,5 0,4 0,1 )
0,2 0,4 0,4
𝜋(4) = [0,4297925 0,3356425 0,234565]

0,5 0,25 0,25

𝜋(5) = 𝜋(4). 𝑃 = [0,4297925 0,3356425 0,234565] (0,5 0,4 0,1 )
0,2 0,4 0,4
𝜋(5) = [0,4296305 0,33553113 0,23483838]

Proporsi pembelian minuman A,B,C pada t = 5 adalah:

A = 0,4296305
B = 0,33553113
C = 0,23483838

b. Dari perhitungan yang telah kita lakukan diatas, dapat dilihat bahwa proporsi
minuman sudah tidak berubah sejak minggu ke 3. Apabila kita lihat, nilai
proporsi minggu ketiga sampai minggu seterusnya akan menghasilkan angka
pembulatan yang sama.
𝜋(3) = [0,42905 0,336925 0,234025] = [𝟎, 𝟒𝟑 𝟎, 𝟑𝟑 𝟎, 𝟐𝟑]
𝜋(4) = [0,4297925 0,3356425 0,234565] = [𝟎, 𝟒𝟑 𝟎, 𝟑𝟑 𝟎, 𝟐𝟑]
𝜋(5) = [0,4296305 0,33553113 0,23483838] = [𝟎, 𝟒𝟑 𝟎, 𝟑𝟑 𝟎, 𝟐𝟑]