KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)

Presentasi berjudul: "KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)"— Transcript presentasi:

1 KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)
Pertemuan 8 SISTEM FUZZY 1

2 Pendahuluan Manusia cenderung menggunakan bahasa dapat dipahami secara umum, bukan bahasa matematika yang mementingkan akurasi. Misalkan, kita mengatakan: "Benda itu sangat berat" daripada "Benda itu beratnya 1500 kg."

3 Teori fuzzy set atau himpunan samar dikemukakan pertama oleh Lotfi Zadeh 1965.
Teori Fuzzy sets  merepresentasikan dan menangani masalah ketidak pastian berarti keraguan, ketidak tepatan, kekurang lengkapan informasi dan kebenaran yang bersifat sebagian.

4 Representasi fakta  istilah ambigu atau samar (fuzzy)
Representasi fakta  istilah ambigu atau samar (fuzzy). Misalnya, “sangat berat” dapat memiliki arti berbeda-beda, seberapa berat? Fuzzy system adalah suatu sistem yang menggunakan himpunan fuzzy untuk memetakan suatu inputan menjadi ouput tertentu (black box). Misalnya, jika anda mengetahui seberapa layanan pada restaurant tersebut, anda dapat menentukan berapa jumlah tip yang layak diberikan kepada pelayan.

5 Pemetaan input output dengan fuzzy

6 Di dunia nyata seringkali menghadapi masalah yang informasinya sangat sulit diterjemahkan ke dalam rumus atau angka karena informasi bersifat kualitatif (tidak bisa di ukur secara kuantitatif).

7 Fuzzines dan Probabilitas
Sama-sama menangani ketidak pastian tetapi perbedaan terdapat pada masalah jenis ketidak pastian yang ditangani.

8 “Ada seorang yang terdampar pada sebuah pulau gersang tanpa air
“Ada seorang yang terdampar pada sebuah pulau gersang tanpa air. Pada suatu hari ia menemukan dua buah peti masing-masing peti berisi 50 botol air mineral”. Pada peti pertama terdapat tulisan peringatan ” 1 dari 50 botol ini berisi cairan kimia mematikan yang warna dan rasa seperti air mineral, anda akan mati seketika ketika meminumnya.”. Pada peti kedua ” Satu plastik cairan kimia mematikan telah dicampurkan ke dalam 50 botol, tetapi anda mati ketika meminum 50 botol tersebut”. Karena dehidrasi berat orang tersebut hanya membutuhkan 1 botol air agar tetap hidup.

9 Variabel Linguistik (Linguistic Variable)
Istilah-istilah yang merepresentasikan fakta yang samar disebut sebagai variabel linguistik. contoh-contoh lain dari variabel linguistik beserta nilai tipikal yang mungkin. Variabel Linguistik Nilai Tipikal suhu panas, dingin ketinggian pendek, cukup, tinggi kelajuan sangat lambat, lambat, cepat

10 Dalam sistem pakar fuzzy (fuzzy expert system), variabel linguistik digunakan pada aturan-aturan fuzzy (fuzzy rules). Perhatikan contoh di bawah ini: R1 IF Kelajuan rendah THEN Buat akselerasi menjadi tinggi R2 IF Suhu udara rendah AND Tekanan cukup THEN Buat kelajuan menjadi rendah

11 Jangkauan (range) nilai yang mungkin dalam variabel linguistik disebut sebagai universe of discourse (semesta pembicaraan). Sebagai contoh "kelajuan" dalam R1 dapat memiliki range antara 0 sampai 200 km/jam. Karena "kelajuan rendah" menempati sebagian segmen dari universe of discourse.

12 Himpunan Fuzzy (Fuzzy Set)
Ilustrasi fuzzy dan crisp set. himpunan orang muda. output berupa derajad kemudaan Fungsi keanggotaan (membership function).

13 Fuzzy sets Masalah pemberian beasiswa
Kita ingin memutuskan apakah seorang mahasiswa layak mendapatkan beasiswa atau tidak. Misalkan : 2 parameter, yaitu IP dan tes psikologi (TP). A memiliki IP=3,00 dan TP = 8,00 sedang B memiliki IP =2,99 dan TP = 8,5. Universitas membuat aturan bahwa mahasiswa yg layak mendapatkan beasiswa adalah mahasiswa yng memiliki IP >= 3,00 dan TP>=8,00.

14 Dgn aturan tsb maka A mendapat beasiswa
Dgn aturan tsb maka A mendapat beasiswa. Aturan seperti itu dirasa tidak adil, knp B yg selisih Ip nya hanya 0,01 dan Tp nya jauh lebih besar tidak mendapat beasiswa. Dalam kasus ini Universitas telah membuat aturan yang jelas dan membedakan secara tegas. Dalam bhs inggris dsb crisp yg diartikan sbg clear dan distinct.

15 Apa itu crisp set Himpunan yang membedakan anggota dan non anggotanya dengan batasan yang jelas dsb crisp set . Misal C={x|x integer,x>2}.

16 Definisi himpunan fuzzy

17 Alasan digunakan logika fuzzy
Konsep logika fuzzy mudah di mengerti Logika fuzzy sangat fleksibel Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat Logika fuzzy mampu memodelkan fungsi-fungsi non linier yang sangat kompleks

18 Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara konvensional Logika fuzzy didasarkan pada bahasa alami

19 Atribut himpunan Fuzzy
Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami, seperti Muda, parobaya , tua Numeris, yaitu suatu nilai yang menunjukkan ukuran dari suatu variabel, seperti 20,25,10,dsb

20 Hal-hal yang perlu dipahami
Variabel fuzzy Merupakan variabel yang hendak dibahas dalam suatu sistem fuzzy, contoh umur,temperatur,permintaan,dsb Himpunan Fuzzy merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy Misal variabel umur memiliki 3 himpunan fuzzy, muda, parobaya, tua

21 Semesta Pembicaraan keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy Cth semesta pembicaraan untuk variabel umur [0 90]

22 Domain Keseluruhan nilai yang diijinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy Misal Muda [ 0,35]