Showing posts with label Sistem Pakar. Show all posts
Showing posts with label Sistem Pakar. Show all posts

Tugas
SOAL !! 

KASUS -1 :
Suatu perusahaan SEPATU akan memproduksi jenis sport. Pada 3 bulan terakhir biaya produksi untuk sepatu jenis tersebut rata-rata sekitar Rp. 15.500,- ker box, dan maksimum mencapai Rp. 100.000,- per box. Banyaknya permintaan per hari rata-rata mencapai 30000 box dan maksimum hingga mencapai 60000 box. Sampai saat ini, perusahaan baru mampu memproduksi barang maksimum 100000 box per hari. Apabila proses produksi perusahaan tersebut menggunakan 3 aturan Fuzzy sbb :

[R1] IF Biaya produksi RENDAH and permintaan NAIK THEN produksi barang BERTAMBAH;
[R2] IF Biaya produksi sesuai STANDAR THEN produksi barang NORMAL
[R3] IF Biaya produksi TINGGI and Permintaan TURUN THEN Produksi Barang BERKURANG;

Berapa jumlah sepatu jenis sport yang harus diproduksi, jika biaya untuk memproduksi jenis sepatu tersebut diperkirakan sejumlah Rp. 80.000,- per box, dan permintaan diperkirakan mencapai 25000 box per hari

KASUS-2;
Suatu perusahaan alat elektronik setiap harinya mampu memproduksi DVD rata-rata 70000 keping. Setiap hari, rata-rata menerima permintaan juga sekitar 700000 keping, dan dalam 3 bulan terakhir permintaan tertinggi sebesar 95000 keping. Keping DVD yang masih tersedia di gudang, setiap harinya rata-rata 95000 keping sedangkan kapasitas gudang maksimum hanya dapat menampung 17000 keping. Apabila system produksinya menggunakan aturan Fuzzy sebagai berikut : [R1] IF permintaan TURUN and persediaan BANYAK THEN produksi barang = 30000;
[R2] IF permintaan NAIK and persediaan SEDIKIT THEN produksi barang = 1,25 * permintaan persediaan;
[R3] IF permintaan NAIK and persediaan BANYAK THEN produksi barang = permintaan persediaan;
Tentukan berapa jumlah barang yang harus diproduksi hari ini jika permintaan sebanyak 72000 keping, dan persediaan yang masih ada di gudang sebanyak 10000 keping.


jawaban .. 



Permintaan 






Biaya : 
12:26 AM | Category: | 0 comments

Problem dengan Fuzzy

Latihan Problem Fuzzy

Soal 1  :

• Himpunan fuzzy tentang suhu udara di Surabaya (dengan universe of discourse antara 20 sampai 40 derajad celcius) dispesifikasikan ke dalam tiga subset yaitu: rendah, sedang dan tinggi.

• Fungsi keanggotaan dari masing‐masing subset dengan parameternya ditentukan pada tabel di bawah ini :



• Gambarkan himpunan fuzzy tersebut!


Jawab :






Soal 2 :

• Jika diketahui dua buah himpunan fuzzy SUHU dan KELEMBABAN seperti dibawah ini :


• Bagaimanakah hasil operasi AND, OR dan NOT untuk kedua himpunan fuzzy di atas?

Jawab :
5:03 PM | Category: | 0 comments

Deskripsi Proyek
Mengatasi Masalah Penyakit Sehari - hari dengan  acupressure
Metode acupressure merupakan salah satu cara pengobatan yang metode dan konsepnya sama persis dengan metode akupunktur. Perbedaannya hanya terletak pada sarana/ alat yang digunakan untuk pengobatan. Metode akupuntur menggunakan jarum akupunktur sedangkan metode acupressure menggunakan pijatan / tekanan jari sebagai sarana pengobatan.
Pada saat ini metode acupressure telah banyak digunakan oleh masyarakat luas. Dan metode ini terbukti dapat mengatasi berbagai macam masalah kesehatan. Metode ini menggunakan titik-titik tubuh manusia. Pada dasarya pengobatan dengan metode ini digunakan untuk membantu melancarkan peredaran darah sehingga masalah kesehatan yang timbul dapat teratasi. Titik pada tubuh manusia ada banyak dan bemiacam-macam dengan fungsi dan kegunaan yang berbeda- beda. Untuk mengatasi suatu penyakit biasanya digimakan lebih dari satu titik Sehingga pengobatan dengan menggunakan metode acupressure ini sulit dilakukan. Selain itu, masyarakat pada umumnya juga tidak mengetahui fungsi dari titik-titik tubuh itu sendiri.
Dengan melihat semakin besar minat masyarakat terhadap pengobatan dengan metode acupressure dan melihat jumlah titik tumbuh manusia yang banyak dan bervariasi kegunaannya, serta minimnya pengetahuan seputar tentang titik- titik tubuh manusia itu, maka dirasa perlu sebuah aplikasi komputer yang dapat memberi solusi terhadap hal tersebut. Pembuatan Sistem Pakar untuk Mengatasi Masalah Kesehatan dengan Metode Accupresure diharapkan dapat membantu user dalam mengatasi masalah kesehatan sehari - hari dengan metode acupressure tanpa harus mendalami ilmu acupressure.
12:22 AM | Category: | 0 comments

Resume 3
TEKNIK INFERENSI


Defenisi Inferensi:  Proses yang digunakan dalam Sistem Pakar untuk menghasilkan informasi baru dari informasi yang telah diketahui .

Dalam sistem pakar, proses inferensi dilakukan dalam suatu modul yang disebut Inference Engine (Mesin inferensi) .  Ketika representasi pengetahuan  (RP) pada bagian  knowledge base telah lengkap, atau paling tidak telah berada pada level yang cukup akurat, maka RP tersebut telah siap digunakan. Inference engine merupakan modul yang berisi program tentang bagaimana mengendalikan proses reasoning.


REASONING 

 Definisi : Proses bekerja dengan pengetahuan, fakta dan strategi pemecahan masalah, untuk mengambil suatu kesimpulan. (Berpikir dan mengambil kesimpulan).
Inferencing dengan Rules : FORWARD dan BACKWARD CHAINING 

Deductive Reasoning

􀁠 Kita menggunakan reasoning deduktif untuk mendeduksi
informasi baru dari hubungan logika pada informasi yang
telah diketahui.
􀁠 Contoh:
􀁠  TEKNIK  INFERENSI


Defenisi Inferensi:  Proses yang digunakan dalam Sistem Pakar untuk menghasilkan informasi baru dari informasi yang telah diketahui .

Dalam sistem pakar, proses inferensi dilakukan dalam suatu modul yang disebut Inference Engine (Mesin inferensi) .  Ketika representasi pengetahuan  (RP) pada bagian  knowledge base telah lengkap, atau paling tidak telah berada pada level yang cukup akurat, maka RP tersebut telah siap digunakan. Inference engine merupakan modul yang berisi program tentang bagaimana mengendalikan proses reasoning.


REASONING 
Definisi : Proses bekerja dengan pengetahuan, fakta dan strategi pemecahan masalah, untuk mengambil suatu kesimpulan. (Berpikir dan mengambil kesimpulan).
Inferencing dengan Rules : FORWARD dan BACKWARD CHAINING 

Deductive Reasoning
􀁠 Kita menggunakan reasoning deduktif untuk mendeduksi
informasi baru dari hubungan logika pada informasi yang
telah diketahui.
􀁠 Contoh:
􀁠 Implikasi : Saya akan basah kuyup jika berdiri ditengahtengah
hujan deras
􀁠 Aksioma : Saya berdiri ditengah-tengah hujan deras
􀁠 Konklusi : Saya akan basah kuyup
IF A is True AND IF A IMPLIES B is True, Then B is True

BACKWARD CHAINING 
Pendekatan goal-driven, dimulai dari ekspektasi apa yang diinginkan terjadi (hipotesis), kemudian mengecek pada sebab-sebab yang mendukung (ataupun kontradiktif) dari ekspektasi tersebut. Jika suatu aplikasi menghasilkan tree yang sempit dan cukup dalam, maka gunakan backward chaining.   Beberapa sifat dari backward chaining:
Good for Diagnosis.
Looks from present to past.
Works from consequent to antecedent.
Is goal-driven, top-down reasoning.
Works backward to find facts that support the hypothesis.
Pada komputer, program dimulai dengan tujuan (goal) yang diverifikasi apakah bernilai TRUE atau FALSE 

o  Kemudian melihat pada suatu rule yang mempunyai GOAL tersebut pada bagian konklusinya. 
o  Mengecek pada premis dari rule tersebut untuk menguji apakah rule tersebut terpenuhi (bernilai TRUE) 
o  Pertama dicek apakah ada assertion-nya  

Jika pencarian disitu gagal, maka ES akan mencari rule lain yang memiliki konklusi yang sama dengan rule pertama tadi.
Tujuannya adalah membuat rule kedua terpenuhi (satisfy).

Proses tersebut berlajut sampai semua kemungkinan yang ada telah diperiksa atau sampai rule inisial yang diperiksa (dg GOAL) telah terpenuhi 

o  Jika GOAL terbukti FALSE, maka GOAL berikut yang dicoba. 

 
FORWARD CHAINING 

 Forward chaining merupakan grup dari multipel inferensi yang melakukan  pencarian dari suatu masalah kepada solusinya. 
·  Jika klausa premis sesuai dengan situasi (bernilai TRUE), maka proses akan meng-assert konklusi 
·  Forward Chaining adalah data driven karena inferensi dimulai dengan informasi yg tersedia dan baru konklusi diperoleh .

•  Beberapa Sifat forward chaining: 
–  Good for monitoring, planning, and control 
–  Looks from present to future. 
–  Works from antecedent to consequent. 
–  Is data-driven, bottom-up reasoning. 
–  Works forward to find what solutions follow from the facts. 
–  It facilitates a breadth-first search. 
–  The antecedents determine the search. 
–  It does not facilitate explanation. 

Jika suatu aplikasi menghasilkan tree yang lebar dan tidak dalam, maka gunakan

 forward chaining. : Saya akan basah kuyup jika berdiri ditengah-tengah hujan deras

􀁠 Aksioma : Saya berdiri ditengah-tengah hujan deras
􀁠 Konklusi : Saya akan basah kuyup
IF A is True AND IF A IMPLIES B is True, Then B is True

BACKWARD CHAINING 

 Pendekatan goal-driven, dimulai dari ekspektasi apa yang diinginkan terjadi (hipotesis), kemudian mengecek pada sebab-sebab yang mendukung (ataupun kontradiktif) dari ekspektasi tersebut. Jika suatu aplikasi menghasilkan tree yang sempit dan cukup dalam, maka gunakan backward chaining.   Beberapa sifat dari backward chaining:
Good for Diagnosis.
Looks from present to past.
Works from consequent to antecedent.
Is goal-driven, top-down reasoning.
Works backward to find facts that support the hypothesis.

Pada komputer, program dimulai dengan tujuan (goal) yang diverifikasi apakah bernilai TRUE atau FALSE 
o  Kemudian melihat pada suatu rule yang mempunyai GOAL tersebut pada bagian konklusinya. 
o  Mengecek pada premis dari rule tersebut untuk menguji apakah rule tersebut terpenuhi (bernilai TRUE) 
o  Pertama dicek apakah ada assertion-nya  
Jika pencarian disitu gagal, maka ES akan mencari rule lain yang memiliki konklusi yang sama dengan rule pertama tadi.

Tujuannya adalah membuat rule kedua terpenuhi (satisfy).
Proses tersebut berlajut sampai semua kemungkinan yang ada telah diperiksa atau sampai rule inisial yang diperiksa (dg GOAL) telah terpenuhi 
o  Jika GOAL terbukti FALSE, maka GOAL berikut yang dicoba. 

 
FORWARD CHAINING 

 Forward chaining merupakan grup dari multipel inferensi yang melakukan  pencarian dari suatu masalah kepada solusinya. 
·  Jika klausa premis sesuai dengan situasi (bernilai TRUE), maka proses akan meng-assert konklusi 
·  Forward Chaining adalah data driven karena inferensi dimulai dengan informasi yg tersedia dan baru konklusi diperoleh .

•  Beberapa Sifat forward chaining: 
–  Good for monitoring, planning, and control 
–  Looks from present to future. 
–  Works from antecedent to consequent. 
–  Is data-driven, bottom-up reasoning. 
–  Works forward to find what solutions follow from the facts. 
–  It facilitates a breadth-first search. 
–  The antecedents determine the search. 
–  It does not facilitate explanation. 

Jika suatu aplikasi menghasilkan tree yang lebar dan tidak dalam, maka gunakan forward chaining.

6:58 AM | Category: | 0 comments

Resume 2
Teori Rule - Based Systems

Berdasarkan aturan sistem itu sendiri menggunakan teknik sederhana: Ini dimulai dengan
dasar-aturan, yang  berisi semua pengetahuan yang sesuai dikodekan ke dalam Jika-Maka
aturan, dan memori kerja, yang mungkin atau tidak mungkin awalnya berisi data, pernyataan atau awalnya dikenal informasi.
Sistem ini memeriksa semua kondisi aturan (IF) dan menentukan subset, set konflik, aturan yang
kondisinya puas didasarkan pada memori kerja. Dari set konflik, salah satu dari aturan-aturan
dipicu (dipecat). Dimana yang dipilih didasarkan pada strategi resolusi konflik. Saat aturan dipecat, setiap
tindakan yang ditentukan dalam ayat KEMUDIAN yang dilakukan. Tindakan ini bisa memodifikasi memori kerja, aturan-dasar sendiri, atau melakukan hal-hal lain programmer sistem memutuskan untuk memasukkan. Ini loop dari menembak aturan dan melakukan tindakan berlanjut sampai salah satu dari dua kondisi terpenuhi: tidak ada aturan yang lebih dengan kondisi "puas" atau sebuah aturan yang dipecat dalam tindakan menentukan program harus diakhiri.

Rule based systems merupakan  cara untuk menyimpan dan memanipulasi pengetahuan
untuk menginterpretasikan informasi dalam cara yang bermanfaat bagi penggunanya. rule based
system sering digunakan dalam pembuatan applikasi kecerdasan buatan dan penelitian , rule
based sendiri memiliki kelebihan dan keterbatasan yang harus dipertimbangkan dalam
memutuskan apakah itu teknik yang tepat digunakan untuk suatu masalah. Secara keseluruhan,
berdasarkan aturan sistem benar-benar hanya layak untuk suatu masalah. setiap semua
pengetahuan dibidangnya dapat ditulis dalam bentuk jika-maka, dimana setiap aturan dibidang
masalahnya tidak terlalu besar.

Sebuah  Rule - Based Systems yang khas memiliki empat komponen dasar: 

•    Daftar aturan atau basis aturan, yang merupakan jenis spesifik dari basis pengetahuan
.
•    Sebuah mesin infrensi atau semantik reasoner , yang menyimpulkan informasi atau
mengambil tindakan berdasarkan pada interaksi input dan basis aturan. Penerjemah
mengeksekusi program sistem produksi dengan melakukan siklus menyelesaikan pertandingan-
tindakan

•             Pertandingan: Dalam fase pertama, sisi kiri dari semua produksi yang cocok dengan
isi dari memori kerja. Akibatnya konflik set diperoleh, yang terdiri dari instantiations dari semua,
produksi puas. Sebuah Instansiasi produksi adalah ordered list elemen memori kerja yang
memenuhi sisi kiri produksi.

•             Konflik-Resolusi: Pada fase kedua, salah satu instantiations produksi di set konflik
dipilih untuk eksekusi. Jika tidak ada produksi puas, maka menghentikan penerjemah.

•             Undang-Undang: Pada fase ketiga, tindakan produksi yang dipilih dalam tahap
resolusi konflik dijalankan. Tindakan ini dapat mengubah isi dari memori kerja. Pada akhir fase
ini, eksekusi kembali ke tahap pertama.

•             Sementara memori kerja .

•             Sebuah user interface atau koneksi lainnya ke dunia luar melalui mana input dan
output sinyal yang diterima dan dikirim.
  
Menciptakan Rule - Based Systems untuk masalah tertentu ( atau membuat ) :

1.            Satu set fakta untuk mewakili memori kerja awal. Ini harus sesuatu yang relevan
dengan keadaan awal sistem.
2.            Satu set aturan. Ini harus mencakup setiap dan semua tindakan yang harus diambil
dalam ruang lingkup masalah, tapi tidak relevan. Jumlah aturan dalam sistem dapat
mempengaruhi kinerja, sehingga Anda tidak ingin apapun yang tidak diperlukan.
3.            Sebuah kondisi yang menentukan bahwa solusi telah ditemukan atau tidak ada yang
ada. Hal ini diperlukan untuk mengakhiri beberapa aturan berbasis sistem yang menemukan diri
mereka dalam loop tak terbatas sebaliknya.

11:24 PM | Category: | 0 comments

Resume 1
Konsep Dasar Sistem Pakar

Definisi
Sistem pakar adalah suatu program komputer yang dirancang untuk mengambil keputusan seperti keputusan yang diambil oleh seorang atau beberapa orang pakar. Menurut Marimin (1992), sistem pakar adalah sistem perangkat lunak komputer yang menggunakan ilmu, fakta, dan teknik berpikir dalam pengambilan keputusan untuk menyelesaikan masalah-masalah yang biasanya hanya dapat diselesaikan oleh tenaga ahli dalam bidang yang bersangkutan.
Dalam penyusunannya, sistem pakar mengkombinasikan kaidah-kaidah penarikan kesimpulan (inference rules) dengan basis pengetahuan tertentu yang diberikan oleh satu atau lebih pakar dalam bidang tertentu. Kombinasi dari kedua hal tersebut disimpan dalam komputer, yang selanjutnya digunakan dalam proses pengambilan keputusan untuk penyelesaian masalah tertentu.
Pengertian Sistem Pakar (Expert Sistem)

  •  Membuat S/W Expert Systems à program Sebagai penasehat/konsultan pakar


  •  Dapat mengumpulkan dan penyimpan pengetahuan seorang/beberapa orang pakar ke dalam kompputer à u/ semua orang yangcmemerlukan


  •  Tidak u/ menggantikan kedudukan seorang pakar ttp u/ memasyarakatkan pengetahuan & pengalamaan pakar tsb.


  • Memungkinkan orang lain meningkatkan produktivitas, memperbaiki kualitas keputusan dll.




·         Knowledge base berisi semua fakta, ide, hubungan

·         Motor inferensi bertugas u/ menganalisis pengetahuan dan menarik kesimpulan berdasarkan knowledge base.

·         S/W user interface berfungsi sbg media pemasukan pengetahuan ke dalam (KB)





Sedangkan konsep dasar dalam sistem pakar menurut Turban, 1993 adalah:
1. Keahlian (Expertise)
2. Pakar (Expert)
3. Transfer keahlian
4. Inferensi
5. Rule
6. Kemampuan memberikan penjelasan


Contoh Penggunaan Sistem Pakar

PENGEMBANGAN TEKNOLOGI SISTEM PAKAR

• Akar Sistem Pakar pada banyak disiplin ilmu “cognitive science” yaitu study bagaimana orang memikirkan dlm pemecahan masalah. “cognitive processor” yaitu menemukan aturan yg akan diaktifkan.

Sistem Pakar yang terkenal

1. MYCIN
- Dirancang oleh Edward Feigenbaum (Universitas Stanford) th ’70 an
- Sistem Pakar medical yg dpt mendiagnosa infeksi bakteri & rekomendasi pengobatan antibiotik

2. DENDRAL
- Sistem Pakar struktur molekular & kimia

3. PROSPECTOR
- Membantu ahli geologi yg mencari & menemukan biji deposit (mineral& batubatuan)
- Didesign oleh Sheffield Research Institute,cakhir ‘70an

4. XCON (R1)
- Sistem Pakar konfigurasi sistem komputer dasar
- Dikembangkan oleh Digital Equipment Corporation (DEC) dan Carnegie Mellon Universitas (CMU), akhir ’70 an
- Untuk sistem komputer DEC VAC 11 1780

5. DELTA
- Didesign & dikembangkan oleh General Electric Company
- Sistem Pakar personal maintenance dg mesin lokomotif listrik diesel.

6. YESMVS
- Didesign oleh IBM awal th ‘80an
- Membantu operator komputer & mengontrol sistem operasi MVS (multiple virtual storage)

7. ACE
- Didesign & dikembangkan oleh AT&T Bell Lab awal th ‘80an
- Sistem Pakar troubleshooting pd sistem kabel telpon

Heuristic Search

Teknik pencarian heuristik (heuristic searching) merupakan suatu strategi untuk melakukan proses pencarian ruang keadaan (state space) suatu problema secara selektif, yang memandu proses pencarian yang kita lakukan di sepanjang jalur yang memiliki kemungkinan sukses paling besar, dan mengesampingkan usaha yang 
bodoh dan memboroskan waktu.

• Heuristik adalah sebuah teknik yang mengembangkan efisiensi dalam proses pencarian, namum dengan 

kemungkinan mengorbankan kelengkapan (completeness).
• Untuk dapat menerapkan heuristik tersebut dengan baik dalam suatu domain tertentu, diperlukan suatu 
Fungsi Heuristik.

• Fungsi heuristik ini digunakan untuk mengevaluasi keadaan-keadaan problema individual dan menentukan 
seberapa jauh hal tersebut dapat digunakan untuk mendapatkan solusi yang diinginkan.

• Jenis-jenis Heuristic Searching:

♦ Generate and Test.
♦ Hill Climbing.
♦ Best First Search.
♦ Alpha Beta Prunning.
♦ Means-End-Anlysis.
♦ Constraint Satisfaction

Mengambil Contoh Hill Climbing

Seorang Turis ingin mengunjungi n kota. Jarak antara tiap-tiap kota sudah diketahui. Kita ingin mengetahui rute terpendek dimana setiap kota hanya boleh dikunjungi tepat 1 kali. Misal ada 4 kota dengan jarak antara tiap-tiap kota seperti berikut ini :





Solusi – solusi yang mungkin
dengan menyusun kota-kota dalam urutan abjad, misal : A – B – C – D : dengan panjang lintasan (=19)
A – B – D – C : (=18)
A – C – B – D : (=12)
A – C – D – B : (=13)
dst



2:31 AM | Category: | 0 comments