TUGAS 7

1. Spesifikasi sistem

sistem kendali yang dibuat adalah sistem kendali yang digunakan untuk pengatuuran kecepatan roda berdasarkan permukaan jalan (halus, rata, kasar) dan kondisi jalan (basah, kering, sedang)

2. input dan output

input : - permukaan jalan (halus, rata, kasar)
- kondisi jalan (basah, kering, sedang)

output : kecepatan putar roda

3. fuzzyfication

proses fuzzyfication ditunjukkan dalam gambar berikut






4. Membership function





5. Rule Base



6. Kesimpulan

Saat pr0gram di jalankan maka di dapat :

tugas 5

1. Makalah aplikasi JST
http://journal.uii.ac.id/index.php/Snati/article/view/1359/1140

2. Pembahsan Kelompok

PENERAPAN JARINGAN SYARAF TIRUAN UNTUK MENDETEKSI POSISI
WAJAH MANUSIA PADA CITRA DIGITAL
Salah satu bagian penting dalam proses pengenalan wajah adalah mendeteksi posisi wajah. Dalam makalah ini kami merancang dan mengimplementasikan sistem pendeteksi posisi wajah dengan menggunakan jaringan syaraf tiruan. Sistem ini dilatih dengan menggunakan contoh-contoh wajah yang diberikan. Algoritma Quickprop dan metode active learning digunakan untuk mempercepat proses pelatihan sistem. Dari hasil eksperimen dengan menggunakan 23 file citra berisi 149 wajah, sistem pendeteksi wajah ini memberikan hasil detection rate 71,14% dan false positive 62.

Sistem ini menggunakan jaringan syaraf tiruan (JST) dengan jenis multi-layer perceptron. Bagian detektor wajah menggunakan arsitektur jaringan syaraf yang sama dengan yang digunakan untuk training. Bobot penghubung yang
digunakan diambil dari bobot terakhir yang dihasilkan pada proses training. Hasil deteksi akan diputuskan sebagai wajah jika output dari JST lebih dari 0, dan diputuskan sebagai non-wajah jika output JST kurang dari atau sama dengan 0.

Ada tahap-tahap penting Dalam mendeteksi wajah ini, yaitu:

1.Preprocessing
tahap-tahap preprocessing berikut:
• Histogram Equalization, untuk memperbaiki kontras citra.
• Masking, yaitu menghilangkan bagian sudutsudut citra untuk mengurangi variasi citra sehingga memperkecil dimensi data.
• Normalisasi, yaitu mengkonversi nilai intensitas grayscale citra sehingga memiliki range antara – 1 sampai dengan 1.

2. Merging
Pada saat dilakukan deteksi wajah pada citra, biasanya sebuah wajah akan terdeteksi pada beberapa lokasi yang berdekatan. Lokasi-lokasi ini disebut dengan kandidat wajah. Untuk itu perlu dilakukan proses penggabungan (merging), yaitu menyatukan lokasi kandidat-kandidat wajah yang berdekatan.


3. Kesimpulan


Dari penelitian ini dapat diambil kesimpulan bahwa jaringan syaraf tiruan dengan jenis multi layer perceptron dapat digunakan untuk melakukan deteksi wajah pada citra digital.

tugas 6

Fuzzy Logic

Fuzzy Logic (Logika Fuzzy) atau biasa juga disebut dengan Logika Samar merupakan suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output didasari oleh konsep himpunan fuzzy.



Gambar : Pemetaan input-output
Diantara input dan output terdapat black box. Di dalam black box terdapat proses yang tidak diketahui, bisa didekati dengan pendekatan sistem linear, ekonometri, interpolasi, sistem pakar atau logika fuzzy, dan lain-lain. Namun, seperti yang diungkapkan Lotfi Zadeh: ”Dalam hampir setiap kasus, cara fuzzy lebih cepat dan lebih murah”.

FUZZIFICATION
Proses ini berfungsi untuk merubah suatu besaran analog menjadi fuzzy input.
Secara diagram blok dapat anda lihat pada gambar 3. Prosesnya adalah sebagai berikut: suatu besaran analog dimasukkan sebagai input (crisp input), lalu input tersebut dimasukkan pada batas scope / domain sehingga input tersebut dapat dinyatakan dengan label (dingin, panas, cepat, dll) dari membership function. Membership function ini biasanya dinamakan membership function input. Dari membership function kita bisa mengetahui berapa degree of membership function-nya.




MEMBERSHIP FUZZY
Tahun 1965, Profesor L.A. Zadeh memperkenalkan teori himpunan fuzzy, yang secara tidak langsung mengisyaratkan bahwa tidak hanya teori probabilitas saja yang dapat merepresentasikan ketidakpastian. Teori himpunan fuzzy adalah merupakan perluasan dari teori logika Boolean yang menyatakan tingkat angka 1 atau 0 atau pernyataan benar atau salah, sedang pada teori logika fuzzy terdapat tingkat nilai, yaitu :
1. satu (1), yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan, atau
2. nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan.
Contoh 1:
Jika diketahui:
S = {1,2,3,4,5,6} adalah semesta pembicaraan
A = {1,2,3}
B = {3,4,5}
Maka, bisa dikatakan bahwa :
• Nilai keanggotaan 2 pada himpunan A, , karena .
• Nilai keanggotaan 3 pada himpunan A, , karena .
• Nilai keanggotaan 2 pada himpunan B, , karena


RULE EVALUATION
Proses ini berfungsi untuk untuk mencari suatu nilai fuzzy output dari fuzzy input. Prosesnya adalah sebagai berikut: suatu nilai fuzzy input yang berasal dari proses fuzzification kemudian dimasukkan kedalam sebuah rule yang telah dibuat untuk dijadikan sebuah fuzzy output. Gambar diagram bloknya
dapat anda lihat pada gambar 5.




DEFUZZIFICATION
proses ini berfungsi untuk menentukan suatu nilai crisp output. Prosesnya adalah sebagai berikut: suatu nilai fuzzy output yang berasal dari rule evaluation diambil kemudian dimasukkan ke dalam suatu membership function output. Bentuk bangun yang digunakan dalam membership function output adalah bentuk singleton yaitu garis lurus vertikal ke atas, seperti yang ditunjukkan pada gambar 7. Besar nilai fuzzy output dinyatakan sebagai degree of membership function output. Nilai-nilai tersebut dimasukkan ke dalam suatu rumus yang dinamakan COG (Center Of Gravity) untuk mendapatkan hasil akhir yang disebut crisp output. Crisp output adalah suatu nilai analog yang akan kita butuhkan untuk mengolah data pada sistem yang telah dirancang.




KESIMPULAN
Fuzzy Logic (Logika Fuzzy) atau biasa juga disebut dengan Logika Samar merupakan suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output didasari oleh konsep himpunan fuzzy.
FUZZIFICATION berfungsi untuk merubah suatu besaran analog menjadi fuzzy input.

DEFUZZIFICATION berfungsi untuk menentukan suatu nilai crisp output. Prosesnya adalah sebagai berikut: suatu nilai fuzzy output yang berasal dari rule evaluation diambil kemudian dimasukkan ke dalam suatu membership function output.

tugas 8

1. Makalah aplikasi JST :
http://www.elektro.undip.ac.id/transmisi/jun05/wahyudijun05.PDF

2. pembahasan kelompok

IMPLEMENTASI FUZZY LOGIC CONTROLLER
PADA SISTEM PENGEREMAN KERETA API

Kereta api merupakan salah satu alat transportasi darat yang banyak diminati karena lebih ekonomis, nyaman dan cepat. Pada saat pengereman kereta api berlangsung, sering menimbulkan adanya hentakan yang mendadak, sehingga akan dapat mengurangi kenyamanan. Permasalahan tersebut dapat diatasi dengan melakukan pengaturan pada sistem pengereman, salah satu cara yang dapat dilakukan adalah Dengan menggunakan sistem kontrol logika fuzzy. Penggunaan kontroller logika fuzzy dapat mengurangi gaya hentakan yang terjadi pada saat pengereman, tetapi jarak tempuh henti dari saat pengereman lebih jauh jika dibandingkan dengan menggunakan pengereman konvensional.

Diagram blok yang di pakai dalam aplikasi ini adalah :




Pada pengereman kereta api dengan menggunakan kontrol logika fuzzy, gaya pengereman kereta api berdasarkan hasil keluaran proses pengendali logika fuzzy dengan masukan pengendali logika fuzzy adalah kecepatan kereta api pada saat itu. Pemberian
gaya pengereman ke roda kereta api dilakukan secara bertahap terhadap kecepatan kereta api pada saat itu. Akibat dari pemberian gaya pengereman ke roda kereta api secara bertahap adalah waktu tempuh kereta api untuk berhenti lebih lama jika dibandingkan dengan pemberian gaya pengereman ke roda kereta api secara maksimal


KESIPUMLAN

1. Pengereman roda prototip kereta api dengan menggunakan kontrol logika fuzzy lebih lembut (soft), jika dibandingkan tanpa controller (konvensional).

2. Jarak dan waktu yang diperlukan utuk menghentikan kereta api tempuh dengan menggunakan pengendalian kontrol logika fuzzy lebih panjang.

Tugas 2

ini adalah tugas 2 kelompok kami,.
silahkan donwload di sini

TUGAS 1

1. Definisi Kecerdasan Buatan

· H. A. Simon [1987] :

“ 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”

· Rich and Knight [1991]:

“Kecerdasan Buatan (AI) merupakan sebuah studi tentang bagaimana

membuat komputer melakukan hal-hal yang pada saat ini dapat

dilakukan lebih baik oleh manusia.”

· Encyclopedia Britannica:

“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”

Tujuan dari kecerdasan buatan menurut Winston dan Prendergast [1984]:

1. Membuat mesin menjadi lebih pintar (tujuan utama)

2. Memahami apa itu kecerdasan (tujuan ilmiah)

3. Membuat mesin lebih bermanfaat (tujuan entrepreneurial)

2. DOMAIN PENELITIAN DALAM KECERDASAN BUATAN

a. Formal tasks (matematika, games)

b. Mundane task (perception, robotics, natural language, common sense,reasoning)

c. Expert tasks (financial analysis, medical diagnostics, engineering,scientific analysis, dll)

d. NATURAL LANGUAGE

Suatu teknologi yang memberikan kemampuan kepada komputer untuk memahami bahasa manusia sehingga pengguna komputer dapat berkomunikasi dengan komputer dengan menggunakan bahasa sehari -hari.

e. ROBOTIK DAN SISTEM SENSOR

Sistem sensor, seperti sistem vision, sistem tactile, dan sistem pemrosesan sinyal jika dikombinasikan dengan AI, dapat dikategorikan kedalam suatusistem yang luas yang disebut sistem robotik.

f. EXPERT SYSTEM

Sistem pakar (Expert System) adalah program penasehat berbasis komputer

yang mencoba meniru proses berpikir dan pengetahuan dari seorang pakar

dalam menyelesaikan masalah-masalah spesifik.

g. Fuzzy Logic

Merupakan pemecahan masalah sistem kontrol dengan metodologi yang cocok untuk implementasi

sistem mulai dari yang sederhana, kecil, mikro-kontroler tertanam pada jaringan multi-channel PC

atau workstation berbasis akuisisi data dan sistem kontrol.

3. Aplikasi Kecerdasan Buatan

1. Menganalisa kondisi ginjal dengn menggunakan Jaringan saraf Tiruan.

2. komputer sebagai sarana untuk menyimpan pengetahuan para pakar sehingga komputer memiliki keahlian menyelesaikan permasalahan dengan meniru keahlian yang dimiliki pakar.

3. user dapat berkomunikasi dengan komputer menggunakan bahasa sehari-hari, misal bahasa inggris, bahasa indonesia, bahasa jawa, dll

4. menginterpretasikan gambar atau objek-objek tampak melalui komputer

Sumber :

http://www.unimmer.ac.id/download/Kecerdasan_buatan.pdf

http://wsilfi.staff.gunadarma.ac.id/Downloads/files/4338/1-AI.pdf

Kami DARI... ARISAN...!!!

Blog ini hanya untuk keperluan kelancaran mata kuliah kecerdasan buatan.
Nama Kelompok : Arisan
Anggota :
1. Dinar Bhakti Wahyudi
2. Dwika Aprilana
3. Anggun Jeniusman
4. Arief Pradipta
5. M. Ridwan H

Jika ada kesamaan dalam menulis nama, tempat, dan postingan
bukan merupakan hal yang direkayas.

Semoga blog ini bermanfaat bagi kita semua.