Tugas 3 Softskill Pengantar Teknologi Sistem Cerdas # Metode dalam AI

BAB I PENDAHULUAN
Latar Belakang

Kecerdasan Buatan (Artificial Intelligence)

Definisi Kecerdasan Buatan :
“ Kecerdasan buatan (artificial intelligence) merupakan kawasan penelitian, aplikasi dan instruksi yang terkait dengan pemrograman komputer untuk melakukan sesuatu hal yang -dalam pandangan manusia adalah- cerdas” (H. A. Simon [1987] )
“Kecerdasan Buatan (AI) merupakan sebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik oleh manusia.” (Rich and Knight [1991])
“Kecerdasan Buatan (AI) merupakan cabang dari ilmu komputer yang dalam merepresentasi pengetahuan lebih banyak menggunakan bentuk simbol-simbol daripada bilangan, dan memproses informasi berdasarkan metode heuristic atau dengan berdasarkan sejumlah aturan” (Encyclopedia Britannica)
Metoda-metodanya meliputi:
Sistem pakar: menerapkan kapabilitas pertimbangan untuk mencapai kesimpulan. Sebuah sistem pakar  dapat memproses sejumlah besar informasi yang diketahui dan menyediakan kesimpulan-kesimpulan berdasarkan pada informasi-informasi tersebut.
Kecerdasan komputasional melibatkan pengembangan atau pembelajaran iteratif (misalnya penalaan parameter seperti dalam sistem koneksionis. Pembelajaran ini berdasarkan pada data empiris dan diasosiasikan dengan AI non-simbolis, AI yang tak teratur dan perhitungan lunak.
Kecerdasan Buatan dikelompokkan menjadi 4 macam, yaitu :

•    Systems that think like humans.
•    Systems that act like humans.
•    Systems that think rationally.
•    Systems that act rationally.

Jenis kecerdasan buatan yang sering kita temui, yaitu:
Jaringan Syaraf Buatan (Artificial Neural Networks), Merupakan sekelompok jaringan saraf (neuron) buatan yang menggunakan model matematis atau komputasi untuk pemrosesan informasi berdasarkan pendekatan terhubung pada komputasi. Pada kebanyakan kasus, JST merupakan sistem adaptif yang merubah strukturnya berdasarkan informasi eksternal maupun internal yang mengalir melalui jaringan tersebut.

Detail Kecerdasan Buatan :
•    Sudut Pandang Kecerdasan : Kecerdasan buatan mampu membuat mesin menjadi cerdas(berbuat seperti yang dilakukan manusia)
•    Sudut Pandang Penelitian : Kecerdasan buatan adalah studi bagaimana membuat computer dapat melakukan sesuatu sebaik yang dilakukan manusia.
•    Sudut Pandang Bisnis : Kecerdasan buatan adalah kumpulan peralatan yang sangat powerful dan metodologis dalam menyelesaikan masalah bisnis.

BAB 2 PEMBAHASAN

FUZZY LOGIC
Logika Fuzzy (Fuzzy Logics), Logika fuzzy adalah salah satu komponen pembentuk soft computing. Logika fuzzy pertama kali diperkenalkan oleh Prof. Lotfi A. Zadeh. Dasar logika fuzzy adalah teori himpunan fuzzy.
Logika Fuzzy memungkinkan nilai keanggotaan antara 0 dan 1, tingkat keabuan dan juga hitam dan putih, dan dalam bentuk linguistik, konsep tidak pasti seperti "sedikit", "lumayan", dan "sangat".
Logika fuzzy dan logika probabilitas secara matematis sama - keduanya mempunyai nilai kebenaran yang berkisar antara 0 dan 1 - namun secara konsep berbeda. Logika fuzzy berbicara mengenai "derajat kebenaran", sedangkan logika probabilitas mengenai "probabilitas, kecenderungan". Karena kedua hal itu berbeda, logika fuzzy dan logika probabilitas mempunyai contoh penerapan dalam dunia nyata yang berbeda.
    Penerapan Fuzzy Logic untuk keamanan dalam berkendara dengan mobil.
Dengan menggunakan fuzzy logic pada system control prosedur keamanan berkendara dengan mobil maka dapat diperoleh sebuah kenyamanan saat berkendara. Karena fuzzy logic mengontrol berbagai aspek tata cara berkendara yang benar dan tidak melanggar peraturan, seperti :
Mengukur jarak antara mobil kita dengan mobil di depan dan mobil di belakang, mengukur dan membatasi kecepatan mobil kita saat berkendara di jalan dalam kota dan jalan tol, mengatur kecepatan mobil dan presisi kendali mobil saat melewati sebuah tikungan (diperhitungkan tingkat kecuraman tikungan), pengaturan kecepatan mobil saat ingin menyalip mobil di depan, dan berbagai hal lainnya yang dapat memberikan kenyamanan serta rasa aman pada manusia dalam berkendara.

    Himpunan Fuzzy memiliki 2 atribut (Kusuma Dewi, 2003), yaitu:
1.    Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami, speerti: MUDA, PAROBAYA, TUA
2.    Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel seperti: 40, 25, 50, dsb.

 Kelebihan dan Kekurangan Logika Fuzzy :

Kelebihan:

    Konsep logika fuzzy mudah dimengerti, konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti
    Logika fuzzy sangat fleksibel
    Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat
    Logika fuzzy mampu memodelkan fungsi-fungsi non-linear yang sangat kompleks
    Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan
    Logika fuzzy dapat bekerja sama dengan teknik-teknik kendali secara konvensional
    Logika fuzzy didasarkan pada bahasa alami

Kekurangan:

    Pemilihan model fuzzy harus tepat. Model fuzzy terdiri dari beberapa model diantaranya ada model Mamdani dan Sugeno, serta masih banyak model lainnya. Setiap model memiliki kriterianya masing-masing, sehingga pemilihan model harus tepat agar cocok dalam menerapkan logika fuzzy tersebut
    Menentukan jumlah nilai linguistik. Tiap variable harus memiliki nilai linguistik, namun untuk menetapkan berapa jumlahnya terkadang hal tersebut sangat rumit untuk dilakukan, karena variable terdiri dari nilai-nilai yang kompleks
    Batas-batas nilai linguistik. Menentukan batasan nilai linguistik juga merupakan hal yang rumit, karena hal ini akan berpengaruh seberapa akurat logika fuzzy tersebut.
    Algoritma Genetik (Genetic Algorithms), Algoritma Genetik biasanya digunakan dibidang kedokteran, misal untuk menganalisis DNA.
Kelebihan Algoritma Genetika
Beberapa hal yang termasuk kelebihan dari Algoritma Genetika adalah sebagai berikut (Haupt dan Haupt, 2004):

    Mengoptimalkan dengan variabel kontinu atau diskrit,
    Tidak memerlukan informasi derivatif,
    Bersamaan pencarian dari sebuah sampling yang luas pada permukaan biaya,
    Berkaitan dengan sejumlah besar variabel,
    Baik untuk komputer paralel,
    Mengoptimalkan permukaan variabel dengan biaya yang sangat kompleks (GA bisa melompat dari minimum lokal),
    Memberikan daftar variabel yang optimal, bukan hanya solusi tunggal,
    Dapat menyandikan variabel sehingga optimasi dilakukan dengan mengkodekan variabel, dan
    Bekerja dengan data numerik yang dihasilkan, data eksperimen, atau analitis fungsi.

2. Metode pengujian Sistem Cerdas

Contoh jurnal  “Perancangan Sistem Pendukung Keputusan Penentuan Prioritas Produk Unggulan Daerah Menggunakan Metode Weighted Product (WP)”
METODA
MADM adalah suatu metode yang digunakan untuk mencari alternatif paling optimal dari sejumlah
alternatif optimal dengan kriteria tertentu. Inti dari MADM adalah menentukan nilai bobot untuk
setiap atribut, kemudian dilanjutkan dengan proses perangkingan yang akan menyeleksi alternatif
yang sudah diberikan.

Metode Weighted Product
Metode weighted product memerlukan proses normalisasi karena metode ini mengalikan hasil
penilaian setiap atribut. Hasil perkalian tersebut belum bermakna jika belum dibandingkan (dibagi)
dengan nilai standart. Bobot untuk atribut manfaat berfungsi sebagai pangkat positif dalam proses
perkalian, sementara bobot biaya berfungsi sebagai pangkat negative.
Metode weighted product menggunakan perkalian untuk menghubungkan rating atribut, dimana rating
setiap atribut harus dipangkatkan dulu dengan bobot yang bersangkutan. Proses ini sama halnya
dengan proses normalisasi. Preferensi untuk alternative Si diberikan sebagai berikut :
Si = 

n
j
wj
ij X
1
dimana :
S : Preferensi alternatif dianologikan sebagai vektor S
X : Nilai kriteria
W : Bobot kriteria/subkriteria
i : Alternatif
j : Kriteria
n : Banyaknya kriteria
dimana j j W 1 .W adalah pangkat bernilai positif untuk atribut keuntungan dan bernilai negatif
untuk atribut biaya.

CONTOH APLIKASI YANG SUDAH DIBUAT:


Berdasarkan gambar captureoutput sistem pendukung keputusan penentuan prioritas produk unggulan
daerah tersebut didapatkan grafik Vektor V dimana produk yang mempunyai nilai tertinggi termasuk
dalam Produk Unggulan Daerah (Produk B) dan yang lainnya disebut produk potensial.
1. Aplikasi metode weighted product dimulai dengan menginputkan kriteria dan subkriteria yang dibagi dalam dua bagian yaitu kriteria yang bernilai keuntungan dan biaya, dan setelah itu
dilanjutkan dengan perhitungan vektor S dan vektor V.
2. Jika nilai kriteria dan subkriteria yang diinputkan sama maka nilai vektor V pada setiap
alternatif mempunyai nilai yang sama juga.
3. Hasil perhitungan Weighted Product yang diterapkan akan menghasilkan keluaran dengan nilai
intensitas tertinggi yang layak disebut Produk Unggulan daerah dan yang lainnya disebut
sebagai produk potensial daerah

BAB III KESIMPULAN

Logika fuzzy sangat berguna dalam pembuatan sistem cerdas, karena dengan menggunakan logika ini kita dapat melakukan proses-proses yang memiliki nilai ganda pada hasil tafsirannya, seperti benar atau tidak, tergantung dari nilai input dan ruang lingkup variable logika fuzzy tersebut, dan penerapannya telah kita nikmati saat ini seperti rem mobil, kontrol kendali mesin cuci, dan kontrol daya listrik AC. Untuk itu bagi para pengembang aplikasi-aplikasi sistem cerdas logika fuzzy patut kita pelajari, setidaknya secara basis dan umumnya, karena logika fuzzy mudah dipelajari, dan bersifat fleksibel, serta bahasanya umum (tidak kompleks).


SUMBER:

http://newbiegameku.blogspot.co.id/2014/03/macam-macam-ai-algoritma-pendukung.html
http://technologies-it.blogspot.co.id/p/blog-page.html
http://informatika.web.id/algoritma-genetika.htm
https://aninsaf.wordpress.com/
https://scholar.google.co.id/scholar?q=Perancangan+Sistem+Pendukung+Keputusan+Penentuan+Prioritas+Produk+Unggulan+Daerah+Menggunakan+Metode+Weighted+Product+%28WP%29%E2%80%9D&btnG=&hl=en&as_sdt=0%2C5