AI, 9-8-2014, vishtn@gmail.

com
Kecerdasan buatan
Kecerdasan tiruan
System cerdas
1) Terminology, kosakata, asal usul kata
2) Sejarah, klasik dan modern
a. Klasik: labirin, lorong,
i. eliza http://psych.fullerton.edu/mbirnbaum/psych101/Eliza.htm
ii. mycin
http://www.betterhealth.vic.gov.au/bhcv2/bhcmed.nsf/pages/afcemyci/$File/a
fcemyci.pdf
iii. sophie analisis sirkuit elektronik
iv. dendral kimia
v. xcon xsel konfigurasi system computer
vi. folio spk stock n invest
vii. delta iocomotn
b. Modern, kongres 1956, McCarthy
3) Definisi, ada banyak tergantung ruang lingkup yg dipakai
a. Pemikiran, tingkahlaku manusia yg ditiru
4) Ruang lingkup
a. Robotika, KRI, KRCI
i. Asimo, aibo
b. System pakar, expert system
i. http://teamjavaster.com/tutorial-pengenalan-kecerdasan-buatan.html
ii. http://hujan-hitam.blogspot.com/2010/12/ruang-lingkup-kecerdasan-
buatan.html
iii. http://id.wikipedia.org/wiki/Tes_Turing
c. Speech recognition and understanding
i. Voice recognition
d. Soft computing
i. Fuzzy
ii. Jst, jaringan saraf tiruan
iii. Ag, algoritma genetika
iv. Computer vision
5) Motivasi
a. umum
i. Manual-otomatis-cerdas (open-close the door)
ii. Data-Sistem Informasi-Sistem Pengambil Keputusan-Sistem Pakar
b. Khusus
i. http://id.wikipedia.org/wiki/Deep_Blue
ii. Robotika
1. Mekatronik
2. Elektronik
3. Pemrograman
AI
1) Searching
a. System pakar
i. DFS
ii. BFS
2) Reasoning
a. System pakar
3) Filtering
a. fuzzy
4) Learning
a. Jst, jaringa saraf tiruan

SP, Sistem Pakar
sistem yang berusaha mengapdosi pengetahuan manusia ke komputer, agar komputer dapat
menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli.














SDLC http://en.wikipedia.org/wiki/Systems_development_life_cycle
Inference Engine http://www.cs.uky.edu/~lewis/papers/inf-engine.pdf
1) Mesin penyimpul
a. IF anteseden THEN consequenz
b. Jika ^- lebih punya maka ada kesimpulan
c. Lebih and, or, not, table kebenaran aka nada proses yg berbeda
2) Tabel kebenaran
in1 in2 AND OR NOT
0 0 0 0 1
0 1 0 1 1
1 0 0 1 0
user
Inference
engine
expert
Knowledge base
Fact | rule
SP
User
interface
Expert
interface
Expert
enginer
1 1 1 1 0
3) FC, forward chaining, penalaran maju
a. Printer Rusak, bisa FC/BC






4) BC, backward chaining

Syarat membangun Sistem Pakar, bukan program pakar
1) 3 pakar
2) Bahasa yg digunakan
a. Prolos
b. Smalta
c. Lisp http://en.wikipedia.org/wiki/Lisp_(programming_language)
i. Xc
ii. Ml
iii. Cl

Tabel perbandingan system cerdas (SC) dan system pakar (SP)
Perbedaan
SC SP
Software dan Hardware Hanya software
Ruang lingkup luas Ruang lingkup sempit, khusus pakar pada keahlian tertentu
Lebih modern (AI:1967) Lebih ke arh klasik, sudah ada sejak adanya program
Kelompok industry Sendiri skripsi thesis
Induk Sistem Cerdas Bagian dari AI (Subsystem)
Kesamaan
SC SP
Sama2 terletak pada posisi terakhir rangkaian evolusi
Manual-otomatis-cerdas
Data-si-spk-sp
Sama2 melibatkan computer/program




MATLAB
Matrix laboratory
5 in 1 fungsi matlab :
o Kalkulator
Printer rusak
Kabel

sekring

PSU

head

mekanik

elektronik

Daya

selang

flexible

box

trafo

stavolt

card

gear

mobo

trans

resist

dioda

o Interpreter, penerjemah per baris
o Compiler, penerjemah sekumpulan baris
o GUI
o Fungsi2 khusus tersedia



LOGIKA FUZZY / FUZZY LOGIC / SET / LOGIKA YANG DISAMARKAN
Bidang ilmu yang baru
1967 : prof. lofti a zadeh dari Berkeley university USA
1980 : diaplikasikan oleh orang jepang
o KRL, tidak terasa stop/jalan
o AC, deteksi jumlah orang dalam ruangan
o Mesin cuci, hemat
o Pijat elektronik, kekuatan dalam pijitan disesuaikan hasil sensor
Fuzzy punya keunggulan dalam hal pengendalian/control
Logika
o Klasik: mengacu pada table kebenaran,
in1 in2 AND OR NOT
0 0 0 0 1
0 1 0 1 1
1 0 0 1 0
1 1 1 1 0
AND ^= nilai minimum
OR ^= nilai maximum
NOT ^= nilai [1-var]
Command window
Ada kursor >>
Current folder
Buatkan folder dulu
Sebaiknya awalnya kosong
Workspace
Semua variable
di catat disini
Command
history
Riwayat
command
o Fuzzy










Nilai fuzzy y = x
M25
0
= 25-20 = x min M25
0
= 1 =0,25 cenderung panas
1 40-20 max-min 4

M0,75

= 40-25 = max x M0,75= 15 =0,75 cenderung dingin
40-20 max-min 20

M35
0
= 40-35 = max x M35
0
= 15 =0,25 cenderung dingin
40-20 max-min 20









Besar >> M25
0
B= 25-10 = x ma x M25
0
= 15 =0,375
50-10 max-min 40

Kecil >> M25
0
K

= 50-25 = max x M25
0
= 25 =0,625
50-10 max-min 40


I : FUZZYFICATION II : PROSES FUZZY III : DEFUZZYFICATION








kecil besar
y=x
30 10
M25
0
B
0.375
40
1
0
DOM, Degree of
membership, derajat
keanggotaan
Nilai fuzzy,
antara 0 dan 1
NOT, 1 - DOM
Linguistic
variable
Besaran yg akan dikonversi, nilai crisp, nilai tegas
20
0
25
0
40
0

y=x
M25
0

PANAS DINGIN
0,75
50 25
M25
0
K
0.625
FIS
Fuzzy rule
IF.THEN..
crisp crisp
fuzzy
fuzzy





Rendah Tinggi



1/2
temperatur
20
0
C X=25 40
0
C
Mahasiswa
0 X=15 20
IF temp dingin (3/4) dan jumlah mhs kecil (1/4) 1= 1/4
THEN putaran kipas rendah
IF temp panas (1/4) dan jumlah mhs kecil (3/4) 2= 1/4
THEN putaran kipas tinggi
Berapakah RPM kipas untuk 15 mhs dan suhu 25
0
C?


3/4
1/4

3/4
1/4

RPM
1000 ??? 4000 5000
1 = 5000 z1 1000 = 5000 z1
4 4000 (5000-1000)

1 = z2-1000 z2 = 2000
4 4000 (5000-1000)

Hasil Akhir = 1z1 + 2z2 = ( * 4000) + ( * 2000) = 1500 = 3000
1 + 2 +
x=0:1:10;
y1=trimf(x,[0 5 10]);
y4=trimf(x,[0 0 5]);
y5=trimf(x,[5 10 10]);
plot(x,y1,x,y4,x,y5);
ylabel('derajat
keanggotaan');
xlabel('derajat celcius');
title('temperatur');
legend('sedang','dingin','pa
nas');