Jaringan Syaraf Tiruan

Slides:



Advertisements
Presentasi serupa
LOGIKA Viska Armalina ST., M.Eng.
Advertisements

PENGANTAR KECERDASAN BUATAN atau ARTIFICIAL INTELLIGENCE (AI)
Materi 1 Pengantar Kecerdasan Buatan
Fakultas Ilmu Komputer, Universitas Narotama
PENGANTAR KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)
Selamat Datang di MA 2151 Matematika Diskrit Semester I 2008/2009
KECERDASAN BUATAN PENDAHULUAN.
Pengenalan Logika Informatika
Pertemuan Ke-1 Oleh: Vindo Feladi, ST, M.Pd
Topik Khusus 1 Pertemuan I Oleh: Achmad Zakki Falani, S.Kom, M.Kom.
Review Proposisi & Kesamaan Logika
REPRESENTASI PENGETAHUANI
REPRESENTASI PENGETAHUAN
Logic & Learning Method
BY : NI WAYAN SUARDIATI PUTRI, m.pd
REPRESENTASI PENGETAHUAN
REPRESENTASI PENGETAHUAN
PROPORSI (LOGIKA MATEMATIKA)
Pengantar Intelegensia Buatan (IB)
Pengertian Kecerdasan Buatan (Artificial Intelligence)
KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)
REPRESENTASI PENGETAHUAN - LOGIKA
REPRESENTASI PENGETAHUAN
Model Representasi Pengetahuan
PENGANTAR INTELEGENSIA BUATAN (IB) M. Ezar Al Rivan.
Representasi Pengetahuan
REPRESENTASI PENGETAHUAN
PENGANTAR KECERDASAN BUATAN (ARTIFICIAL INTELEGENT)
REPRESENTASI PENGETAHUAN
REPRESENTASI PENGETAHUAN
PENGANTAR KECERDASAN BUATAN
Pertemuan ke 1.
KECERDASAN BUATAN PERTEMUAN 6 dan 7.
Teknologi terkini D. Sinaga, M.Kom.
REPRESENTASI PENGETAHUAN
Matematika Informatika 2
LOGIKA STRUKTUR DISKRIT K-2 Program Studi Teknik Komputer
LOGIKA MATEMATIKA Universitas Telkom
Matematika Diskrit Logika.
Matematika Diskrit Bab 1-logika.
Pertemuan Ke-1 Oleh: Vindo Feladi, ST, M.Pd
Pertemuan # 2 Logika dan Pembuktian
PENGANTAR KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE) dan SISTEM PAKAR
Model Representasi Pengetahuan
Materi 1 Pengantar Kecerdasan Buatan
PENGANTAR PENGANTAR KECERDASAN BUATAN Artificial intelligence
REPRESENTASI PENGETAHUAN
REPRESENTASI PENGETAHUAN
ALGORITMA DAN PEMROGRAMAN
Matematika diskrit Kuliah 1
Artificial Intelegence
Matematika diskrit Logika Proposisi
Reasoning : Propositional Logic
PRESENTASI PERKULIAHAN
PENGANTAR KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)
Oleh : Cipta Wahyudi, S.Kom, M.Eng, M.Si
PENGANTAR PENGANTAR KECERDASAN BUATAN Artificial intelligence
REPRESENTASI PENGETAHUAN - LOGIKA
REPRESENTASI PENGETAHUAN dan Reasoning (Penalaran)
Adalah cabang dari matematika yang mengkaji objek-objek diskrit.
Core Jurusan Teknik Informatika Kode MK/SKS : TIF /2
1.1 Proposisi & Proposisi Majemuk
Grace Lusiana Beeh, S. Kom.
REPRESENTASI PENGETAHUAN
BAB 2 LOGIKA MATEMATIKA.
PENGANTAR KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)
Konsep Kecerdasan Buatan
Teori Bahasa Otomata (1) 2. Searching
Materi Kuliah Matematika Diskrit
Pengenalan Kecerdasan Buatan (Artificial Intelligence / AI )
Transcript presentasi:

Jaringan Syaraf Tiruan Outline

Outline PERTEMUAN MATERI I Pendahuluan, Pengantar kecerdasan buatan II III Representasi pengetahuan IV Pengantar Jaringan Syaraf Tiruan V Pendahuluan :Sejarah Perkembangan Jaringan Syaraf Tiruan, Contoh – contoh aplikasi Jaringan Syaraf Tiruan, pendekatan Biologis Untuk Jaringan Syaraf Tiruan. VI Model Neuron dan Arsitektur Jaringan Syaraf Tiruan VII IX Metode Pembelajaran Jaringan Syaraf Tiruan X

PERTEMUAN XI XII XIII

Pendahuluan, Pengantar kecerdasan buatan

Pengertian Cabang AI Pengertian Kecerdasan buatan atau artificial intelligence merupakan salah satu bagian ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia. 

Sistem Cerdas Pengertian Cabang AI Sistem cerdas (intelligent system) adalah sistem yang dibangun dengan menggunakan teknik-teknik artificial intelligence.

Sudut pandang Kecerdasan Kecerdasan Buatan akan membuat mesin menjadi ‘cerdas’ (mampu berbuat seperti apa yang dilakukan oleh manusia) Sudut pandang penelitian. Kecerdasan Buatan adalah suatu studi bagaimana membuat agar komputer dapat melakukan sesuatu sebaik yang dikerjakan oleh manusia

Sudut pandang Kecerdasan Sudut pandang bisnis. Kecerdasan buatan adalah kumpulan peralatan yang sangat powerful dan metodologis dalam menyelesaikan masalah-masalah bisnis. Sudut pandang pemrograman. Kecerdasan buatan meliputi studi tentang pemrograman simbolik, penyelesaian masalah (problem solving) dan pencarian (searching).

tanda kecerdasan belajar atau memahami dari pengalaman menemukan inti dari pesan yang ambigu atau bertentangan merespon dengan cepat dan tepat pada situasi baru menggunakan pertimbangan dalam memecahkan persoalan atau mengarahkan tindakan secara efektif

tanda kecerdasan menghadapi situasi yang membingungkan memahami dan menyimpulkan dengan cara rasional biasa menerapkan pengetahuan untuk memanipulasi lingkungan berfikir dan mempertimbangkan

Keuntungan Kecerdasan buatan Kecerdasan buatan lebih bersifat permanen Kecerdasan buatan lebih mudah diduplikasi & disebarkan Kecerdasan buatan lebih murah dibanding dengan kecerdasan alami Kecerdasan buatan bersifat konsisten

Keuntungan Kecerdasan buatan Kecerdasan buatan dapat didokumentasi Kecerdasan buatan dapat mengerjakan pekerjaan lebih cepat dibanding dengan kecerdasan alami Kecerdasan buatan dapat mengerjakan pekerjaan lebih baik dibanding dengan kecerdasan alami

Keuntungan Kecerdasan Alami Kreatif Kecerdasan alami memungkinkan orang untuk menggunakan pengalaman secara langsung. Sedangkan pada kecerdasan buatan harus bekerja dengan input-input simbolik. Pemikiran manusia dapat digunakan secara luas, sedangkan kecerdasan buatan sangat terbatas

 Cabang-cabang AI Logical AI Logika (matematis) yang merepresentasikan sekumpulan fakta dan tujuan ---> RUANG KEADAAN: Graph Tree Pengertian Cabang AI 

Search Pencarian keadaan baru dari keadaan sekarang yang akan menentukan pergerakan: Blind Search Depth-First Search Breadth-Firsh Search Heuristic Search Generate & Test Hill Climbing Best-First search Simulated-Annealing Tabu Search Algoritma Genetika Pengertian Cabang AI 

Representation Representasi fakta-fakta (pengetahuan) dalam ruang keadaan: Logika (proposisi & predikat) Tree Jaringan Semantik Frame Naskah Kaidah Produksi Pengertian Cabang AI 

Pengertian Cabang AI Pattern Recognition Pengenalan & pencocokan suatu pola terhadap sekumpulan pola. Pengolahan Bahasa Alami Jaringan Syaraf Tiruan 

Pengertian Cabang AI Inference Kemampuan untuk menarik kesimpulan berdasarkan pengetahuan. Forward Reasoning Backward Reasoning Fuzzy Inference System (FIS) 

Learning from Experience Pengertian Cabang AI Learning from Experience Melakukan proses pembelajaran (pelatihan) dari pengetahuan atau pengalaman yang ada pada basis pengetahuan. Jaringan Syaraf Tiruan

Representasi pengetahuan Pertemuan IV

REPRESENTASI PENGETAHUAN (KNOWLEDGE REPRE-SENTATION) Dimaksudkan untuk menangkap sifat-sifat penting masalah dan membuat infomasi dapat diakses oleh prosedur pemecahan masalah. Bahasa representasi harus dapat membuat seorang programmer mampu mengekspresikan pengetahuan untuk mendapatkan solusi suatu masalah.

REPRESENTASI PENGETAHUAN 1. Representasi Logika Representasi ini menggunakan ekspresi-ekspresi dalam logika formal untuk merepresentasikan basis pengetahuan. 2.Representasi Prosedural Menggambarkan pengetahuan sebagai sekumpulan instruksi untuk memecahkan suatu masalah. Dalam sistem yang berbasis aturan, aturan if-then dapat ditafsirkan sebagai sebuah prosedur untuk mencapai tujuan pemecahan masalah.

REPRESENTASI PENGETAHUAN 3. Representasi Network Menyatakan pengetahuan sebagai sebuah graf dimana simpul-simpulnya menggambarkan obyek atau konsep dalam masalah yang dihadapi, sedangkan lengkungannya menggambarkan hubungan antar mereka. Contohnya adalah jaringan semantik.

REPRESENTASI PENGETAHUAN 4.Representasi Terstruktur Memperluas network dengan cara membuat setiap simpulnya menjadi sebuah struktur data kompleks yang berisi tempat-tempat bernama slot dengan nilai-nilai tertentu. Nilai-nilai ini dapat merupakan data numerik atau simbolik sederhana, pointer ke bingkai (frame) lain, atau bahkan merupakan prosedur untuk mengerja kan tugas tertentu. Contoh : skrip (script), bingkai (frame) dan obyek (object).

Representasi Pengetahuan Logika Pohon Jaringan Semantik Frame Naskah (script) Kaidah Produksi

LOGIKA

Klasifikasi Logika Terdapat 5 jenis logika: Logika Proposisi (proportional logic) Logika Predikat (first-order logic) Logika Temporal (temporal logic) Teori probabilitas (probability theory) Logika Fuzzy (fuzzy logic)

Penalaran Deduktif Penalaran Induktif

Penalaran Deduktif Penalaran dimulai dari prinsip umum untuk mendapatkan konklusi yang lebih khusus. Contoh: Premis Mayor : Jika hari hujan, saya tidak akan berangkat kuliah. Premis Minor : Hari ini hujan turun. Konklusi : Hari ini saya tidak akan berangkat kuliah.

Penalaran Induktif Penalaran dimulai dari fakta-fakta khusus untuk mendapatkan kesimpulan umum. Contoh: Premis-1 : Aljabar adalah pelajaran yang sulit. Premis-2 : Geometri adalah pelajaran yang sulit. Premis-3 : Kalkulus adalah pelajaran yang sulit. Konklusi : Matematika adalah pelajaran yang sulit. Munculnya premis baru bisa mengakibatkan gugurnya konklusi yang sudah diperoleh.

Teori Logika Logika Proposisi Logika paling sederhana dengan satu proposisi (fakta) yang bisa bernilai benar atau salah tapi tidak kedua-duanya. Simbol proposisi bisa dihubungkan dengan Boolean Connectives sehingga membentuk suatu kalimat Berkorespondensi dengan 1 dan 0 dalam dunia digital.

“Gajah lebih besar daripada kucing.” Contoh Proposisi “Gajah lebih besar daripada kucing.” Ini suatu pernyataan ? yes Ini suatu proposisi ? yes Apa nilai kebenaran dari proposisi ini ? true

Apa nilai kebenaran dari proposisi ini ? false Contoh Proposisi (2) “1089 < 101” Ini pernyataan ? yes Ini proposisi ? yes Apa nilai kebenaran dari proposisi ini ? false

Ini pernyataan ? yes Ini proposisi ? no Contoh proposisi (3) “y > 15” Ini pernyataan ? yes Ini proposisi ? no Nilai kebenarannya bergantung pada nilai y, tapi nilai ini tidak spesifik. Kita katakan tipe pernyataan ini adalah fungsi proposisi atau kalimat terbuka.

“Bulan ini Februari dan 24 < 5.” Contoh proposisi (4) “Bulan ini Februari dan 24 < 5.” Ini pernyataan ? yes Ini proposisi ? yes Nilai kebenaran dari proposisi tersebut ? false

“Jangan tidur di kelas.” Contoh proposisi (5) “Jangan tidur di kelas.” Ini pernyataan ? no Ini permintaan. Ini proposisi ? no Hanya pernyataan yang dapat menjadi proposisi.

Apa nilai kebenaran proposisi tersebut ? probably false Contoh proposisi (6) “Jika gajah berwarna merah, mereka dapat berlindung di bawah pohon cabe.” Ini pernyataan ? yes Ini proposisi ? yes Apa nilai kebenaran proposisi tersebut ? probably false

“x < y jika dan hanya jika y > x.” Contoh proposisi (7) “x < y jika dan hanya jika y > x.” Ini pernyataan ? yes Ini proposisi ? yes … sebab nilai kebenarannya tidak bergantung pada nilai x dan y. Apa nilai kebenaran dari proposisi tsb ? true

Menggabungkan proposisi Seperti dalam contoh sebelumnya, satu atau lebih proposisi dapat digabung membentuk sebuah proposisi majemuk (compound proposition). Selanjutnya, notasi proposisi diformalkan dengan menggunakan alfabet seperti p, q, r, s, dan dengan memperkenalkan beberapa operator logika.

Operator Logika Negasi (NOT) Konjungsi - Conjunction (AND) Disjungsi - Disjunction (OR) Eksklusif Or (XOR) Implikasi (JIKA – MAKA) Bikondisional (JIKA DAN HANYA JIKA) Tabel kebenaran dapat digunakan untuk menunjukkan bagaimana operator-operator tsb menggabungkan proposisi-proposisi.

Operator Uner, Simbol:  Negasi (NOT) Operator Uner, Simbol:  P P true false

Operator Biner, Simbol:  Conjunction (AND) Operator Biner, Simbol:  P Q PQ true false

Conjunction (AND) Hasil yang diperoleh akan bernilai benar jika kedua proposisi bernilai benar, dan akan bernilai salah jika salah satu dari kedua proposisi bernilai salah.

Operator Biner, Simbol:  Disjunction (OR) Operator Biner, Simbol:  P Q PQ true false

Disjunction (OR) Hasil yang diperoleh akan bernilai benar jika salah satu dari kedua proposisi bernilai benar, dan akan bernilai salah jika kedua proposisi bernilai salah

Operator Biner, Simbol:  Exclusive Or (XOR) Operator Biner, Simbol:  P Q PQ true false

Implikasi (JIKA - MAKA) Implikasi p  q adalah proposisi yang bernilai salah jika p benar dan q salah, dan bernilai benar jika lainnya. false true PQ Q P

Implikasi p  q Jika p, maka q Jika p, q p mengakibatkan q p hanya jika q p cukup untuk q Syarat perlu untuk p adalah q q jika p q ketika p q diakibatkan p q setiap kali p q perlu untuk p Syarat cukup untuk q adalah p

P  Q P : Besok cuaca cerah Q : Aku akan datang ke rumahmu.

Contoh Implikasi Implikasi “Jika hari ini hari Jumat maka 2+3 > 7.” bernilai benar untuk semua hari kecuali hari Jumat, walaupun 2+3 > 7 bernilai salah. Kapan pernyataan berikut bernilai benar? “Jika hari tidak hujan maka saya akan pergi ke Lembang.”

Bikondisional (JIKA DAN HANYA JIKA) Operator Biner, Simbol:  P Q PQ true false

Pernyataan dan Operasi Pernyataan-pernyataan dapat digabungkan dengan operasi untuk membentuk pernyataan baru. P Q PQ  (PQ) (P)(Q) true false

Pernyataan yang Ekivalen Q (PQ) (P)(Q) (PQ)(P)(Q) true false Pernyataan (PQ) dan (P)(Q) ekivalen secara logika, karena (PQ)(P)(Q) selalu benar.

Soal latihan Misal nya p : dia tampan q : dia tinggi Tulislah setiap pernyataan berikut ke dalam bentuk simbol logika proposisi dengan menggunakan simbol p dan q Dia tinggi dan tampan Dia tinggi tetapi tidak tampan Tidak benar bahwa dia pendek atau tampan Dia tidak tinggi maupun tampan Dia tinggi, atau dia pendek dan tampan Tidak benar bahwa dia pendek atau tidak tampan

Buat Tabel kebenaran ¬(¬P V ¬Q) ¬(¬P  Q) (P  Q) Λ ¬(P V Q) (¬P Λ (¬Q Λ R)) V (Q Λ R) V (P Λ R)

Tautologi dan Kontradiksi Tautologi adalah pernyataan yang selalu benar. Contoh: R(R) (PQ)(P)(Q) Jika ST suatu tautologi, kita tulis ST. Jika ST suatu tautologi, kita tulis ST.

Tautologi dan Kontradiksi (2) Kontradiksi adalah pernyataan yang selalu bernilai salah. Contoh: R(R) ((PQ)(P)(Q)) Negasi dari suatu tautologi adalah suatu kontradiksi, negasi dari kontradiksi adalah suatu tautologi.

Contoh Tunjukkan tautologi : (P Λ Q)  Q T Q  (P v Q) F P Q P Λ Q

Konversi, Kontrapositif, & Invers q  p disebut konversi dari p  q q  p disebut kontrapositif dari p  q p  q disebut invers dari p  q

Ekspresi Logika Contoh 4. Ubah ke dalam ekspresi logika: “Anda mempunyai akses internet hanya jika anda mahasiswa Matematika ITB atau anda bukan mahasiswa TPB” Solusi. Misal a : “Anda punya akses internet” m: “Anda mhs Matematika ITB” f : “Anda mhs TPB” a  (m   f)

Ekspresi Logika (2) Soal 1. Ubah kedalam ekspresi logika. “Anda tidak boleh naik roller coaster jika tinggi anda kurang dari 100 cm, kecuali usia anda sudah melebihi 16 th.” “Saya akan ingat tentang kuliah besok hanya jika kamu mengirim sms.” “Pantai akan erosi ketika ada badai”