Selasa, 08 November 2011

Resume Pertemuan 7

Sistem Fuzzy

Fuzzy system adalah suatu sistem yang menggunakan himpunan fuzzy untuk memetakan memetakan suatu inputan menjadi ouput tertentu (black box). Misalnya jika anda mengetahui seberapa layanan pada restaurant tersebut, anda dapat menentukan menentukan berapa jumlah tip yang layak diberikan kepada pelayan.

 Variabel linguistik = sebuah variabel yang memiliki nilai berupa kata-kata dalam bahasa alamiah bukan angka. Mengapa menggunakan kata/kalimat daripada angka ? karena peranan linguistik memang kurang spesifik dibandingkan angka, namun informasi yang disampaikan lebih informatif. Contoh:
 jika “KECEPATAN” adalah variabel linguistik, maka  nilai linguistik untuk variabel kecepatan adalah, misalnya “LAMBAT”, “SEDANG”, “CEPAT”. Hal ini sesuai dengan  kebiasaan manusia sehari-hari alam menilai sesuatu,  misalnya: “Ia mengendarai mobil dengan cepat”, tanpamemberikan nilai berapa kecepatannya.

Dalam sistem pakar fuzzy (fuzzy expert system), variabel linguistik digunakan pada aturan‐aturan fuzzy (fuzzy rules).
  • R1 IF Kelajuan rendah THEN Buat akselerasi menjadi tinggi
  • R2 IF Suhu udara rendah AND Tekanan cukup THEN Buat kelajuan menjadi rendah


Himpunan fuzzy berbeda berbeda dengan himpunan klasik.
• Himpunan klasik memiliki batasan yang jelas (crisp set), karena itu keanggotaan dari himpunan klasik dapat dinyatakan hanya dalam dua macam yaitu: menjadi anggota himpunan atau tidak.
• Sedangkan pada himpunan fuzzy, keanggotaan suatu elemen pada suatu himpunan lebih lanjut dinyatakan denggan derajjad keanggotaannya. Tahapan membangun sistem fuzzy tergantung metode yang digunakan, karena banyak teori/metode untuk membangun sistem fuzzy. Namun secara garis besar dapat disimpulkan sebagai berikut


Fuzzifikasi adalah mengambil masukan nilai crisp dan menentukan derajat dimana nilai-nilai tersebut menjadi anggota dari setiap himpunan fuzzy yang sesuai.

Inferensi yaitu mengaplikasikan aturan pada masukan fuzzy yang dihasilkan dalam proses fuzzyfikasi mengevaluasi tiap aturan dengan masukan yang dihasilkan dari proses fuzzyfikasi dengan mengevaluasi hubungan atau derajat keanggotaan anteceden/premis setiap aturan. Derajat keanggotaan/nilai kebenaran dari premis digunakan untuk menentukan nilai kebenaran bagian consequent/kesimpulan.

Proses penentuan Output Crisp Tergantung teori/metode yang digunakan

Sabtu, 29 Oktober 2011

Resume Pertemuan 5

Semantic Networks and Frame

Semantic Networks
   Semantic (associative) networks adalah salah satu bentuk representasi knowledge-base dalam bentuk diagram.
   Diagram tersebut terdiri atas node dan arc. Node merepresentasikan sebuah konsep, sedangkan arc merepresentasikan sebuah relasi.




Representasi pengetahuan dengan menggunakan Semantic Networks masih memiliki beberapa kelemahan, antara lain:
   memungkinkan terjadinya interpretasi yang berbeda-beda pada semantic networks yang akan membawa pada kesalahan dalam proses pengambilan kesimpulan.
   Relasi yang menghubungkan antar node tidak dapat mengandung semua informasi, tidak menggambarkan apakah relas tersebut merupakan sub-class atau anggota.


Frame
   Pada era 70 dan 80 an, semantic networks berubah bentuk menjadi model representasi frame.
   Sebuah frame memiliki seperangkat slot. Sebagai contoh perhatikan diagram struktur keluarga di bawah ini: 


dapat direpresentasikan dalam bentuk frame sebagai berikut:
   Frame Adam:
   sex: Laki-laki
   teman-hidup: Ana
   anak: (Jeremy Jordan Ellen)