lgoritma Genetik?

Algoritma genetic adalah suatu metoda pencarian (search) acak yang didasarkan atas prinsip evolusi yang terjadi di alam.

Dalam proses evolusi, individu secara terusmenerus mengalami perubahan gen untuk menyesuaikan dengan lingkungan hidupnya. Hanya individu yang kuat yang mampu bertahan, sehingga dalam proses evolusi dapat diharapkan diperoleh individu yang terbaik. Proses seleksi alamiah ini melibatkan perubahan gen yang terjadi pada individu melalui proses perkembangbiakan untuk mendapatkan keturunan yang lebih baik.

Genetik?

Cabang biologi yang mempelajari tentang keturunan dan variasi mahluk hidup Informasi genetik manusia tesimpan dalam sel tepatnya di kromosom. Dalam sel manusia kromosom bentuknya berpasangan dan terdapat 23 pasang Kromosom ini terbentuk dari bagian-bagian yang disebut gen Gen inilah yang mengatur properti dan karateristik suatu individu

eg: Warna mata, jenis rambut

Genetik?

Gen akan menentukan sifat individu dan keturunan berikutnya

Kumpulan dari gen yang terdapat dalam sebuah populasi akan menentukan jumlah variasi keturunan yang dimungkinkan

Sejarah

Landasan teoritis untuk Algoritma genetik ini diajukan oleh John Holland dalam bukunya yang berjudul "Adaption in Natural and Artificial Systems" pada tahun 1975, yang kemudian dikembangkan lebih lanjut oleh muridnya David Goldberg.

Proses genetika dari organisme-organisme biologi yang berdasar pada teori evolusi Charles Drawin

Dasar Algoritma Genetik -Populasi-

Populasi adalah kumpulan kromosom (chromosome). Kromosom ini dibentuk dari komponen-komponen penyusun yang disebut sebagai gen dan nilainya dapat berupa bilangan numerik, biner, simbol ataupun karakter tergantung dari permasalahan yang ingin diselesaikan.

Dasar Algoritma Genetik -Populasi-

Dasar Algoritma Genetik -Individu-

Individu merupakan ku mpulan gen dalam sistem algoritma genetik bisa dikatakan sama dengan kromosom. Gen ini bisa biner, float, dan kombinatorial.

Individu dalam algoritma genetik dapat juga menyatakan salah satu kemungkinan solusi yang dicari.

Misalkan dalam travel salesman problem individu dapat menyatakan suatu jalur terpendek yang akan ditempuh.

Dasar Algoritma Genetik -Individu-

Dasar Algoritma Genetik -Nilai Fitness-

Sebelum algoritma ini dijalankan, masalah apa yang ingin dioptimalkan itu harus dinyatakan dalam fungsi tujuan, yang dikenal dengan fungsi fitness.

Jika nilai fitness semakin besar, maka sistem yang dihasilkan semakin baik Kromosom dengan nilai fitness yang tinggi ini akan memberikan probabilitas yang tinggi

untuk bereproduksi pada generasi selanjutnya. Sehingga untuk setiap generasi pada proses evolusi, fungsi fitness yang mensimulasikan

seleksi alam, akan menekan populasi kearah fitness yang meningkat.

Prinsip Kerja

Prinsip Kerja

Membangkitkan populasi awal, Populasi awal ini dibangkitkan secara random sehingga didapatkan solusi awal. Populasi itu sendiri terdiri dari sejumlah kromosom yang merepresentasikan solusi yang diinginkan.

Membentuk generasi baru, Dalam membentuk digunakan tiga operator yang telah disebut di atas yaitu operator reproduksi/seleksi, perkawinan silang dan mutasi. Proses ini dilakukan berulangulang sehingga didapatkan jumlah kromosom yang cukup untuk membentuk generasi baru dimana generasi baru ini merupakan representasi dari solusi baru.

Prinsip Kerja

Evaluasi solusi, Proses ini akan mengevaluasi setiap populasi dengan menghitung nilai fitness setiap kromosom dan mengevaluasinya sampai terpenuhi kriteria berhenti. Bila kriteria berhenti belum terpenuhi maka akan dibentuk lagi generasi baru dengan mengulangi langkah 2.

Beberapa kriteria berhenti yang sering digunakan antara lain:

Berhenti setelah dalam beberapa generasi berturut-turut didapatkan nilai ?tness tertinggi tidak berubah.

Berhenti bila dalam n generasi berikut tidak didapatkan nilai fitness yang lebih tinggi.

Beberapa Definisi Penting

Genotype (Gen), sebuah nilai yang menyatakan satuan dasar yang membentuk suatu arti tertentu dalam satu kesatuan gen yang dinamakan kromosom. Dalam algoritma genetika, gen ini bisa berupa nilai biner, float, integer maupun karakter.

Allele, nilai dari gen. Kromosom, gabungan gen-gen yang membentuk nilai tertentu. Individu, menyatakan satu nilai atau keadaan yang menyatakan salah satu solusi yang

mungkin dari permasalahan yang diangkat

Beberapa Definisi Penting

Populasi, merupakan sekumpulan individu yang akan diproses bersama dalam satu siklus proses evolusi.

Generasi, menyatakan satu-satuan siklus proses evolusi.

Nilai Fitness, menyatakan seberapa baik nilai dari suatu individu atau solusi yang didapatkan.

Lebih lengkap semua silakan download di bagian "Download Materi" Diposkan oleh aii1008 di 02.06 Tidak ada komentar: Kirimkan Ini lewat Email BlogThis! Berbagi ke Twitter Berbagi ke Facebook Bagikan ke Pinterest

Pertemuan Logika Fuzzy

Pendahuluan

Pada suatu hari ada seekor kancil sedang meminum air di pinggir sebuah muara sungai. Tiba-tiba seekor buaya datang menyergap dan siap menyantap sang kancil. Namun sang kancil yang terkenal cerdik, mengatakan kepada sang buaya ”Hai raja buaya yang pintar, aku rela menjadi santapanmu asal kamu bisa menjawab pertanyaanku”

"Semua kancil dihutan ini adalah pembohong, apakah saya berkata jujur ?" Kalau si kancil ini jujur artinya penyataan pertama menjadi salah, karena ada satu kancil

yang jujur. Tetapi kalau kancil berbohong artinya pernyataan pertama adalah bohong dan semua

kancil dihutan ini jujur termasuk sang kancil.

Sejarah

Aristoteles : Logika Boolean / Biner

0 atau 1

Benar atau Salah

On atau Off

Gelap atau Terang

Tidak ada samar-samar, abu-abu Dasar dari teknologi digital saat ini Jika menggunakan Logika Biner pertanyaan kancil tidak akan ada habisnya

Logika Fuzzy ?

Logika fuzzy pertama kali diformulasikan dalam sebuah seminar oleh Lot? A Zadeh dari University of Califonia, Berkeley tahun 1965

Metode ini diformulasikan dalam rangka mencari nilai tengah antara bilangan Aristoteles 0 dan 1

Logika fuzzy merupakan peningkatan dari logika boolean Menggantikan kebenaran boolean dengan tingkat kebenaran Dasar logika fuzzy adalah memformulasikan bilangan antara 0 dan 1 atau lebih tepat 0.0

dan 1.0

Alasan Menggunakan Logika Fuzzy

Konsep logika fuzzy mudah dimengerti.konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti.

Logika fuzzy sangat flexibel. Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat. Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman para

pakar secara langsung tanpa harus melalui proses pelatihan. Logika fuzzy dapat bekerja sama dengan teknik-teknik kendali secara konvensional

Aplikasi Logika Fuzzy

Mesin cuci satu tabung

Masukkan baju, tekan tombol

Mengisi air dengan jumlah yang cukup

Mengisi deterjen dan mencuci dengan waktu yang sesuai.

Mesin ini bekerja meniru cara ibu rumahtangga mencuci dengan mesin cuci konvensional.

Jika pakaian lebih kotor maka timer dibuat lebih lama.

Aplikasi Logika Fuzzy

Di sinilah contohnya metode logika fuzzy dipakai, dengan menjawab pernyataan jika dan maka (IF THEN).

Jika pakaian yang dicuci tidak terlalu kotor maka mencuci mestinya harus lebih cepat. Dengan menimbang tingkat kekotoran kain yang direalisasikan dengan mengukur tingkat

kekeruhan air cucian dengan sensor cahaya, mesin dapat memutuskan berapa lama harus mencuci pakaian supaya lebih hemat dan efisien.

Aplikasi Logika Fuzzy

ABS pada sistem pengereman mobil Patern recognition untuk mengenal tulisan tangan pada mobile device Image Processing Aplikasi Robotic Traffic light yang modern bisa juga dibuat dengan metode fuzzy logic sehingga dapat

bekerja sepintar pak polisi lantas. Jika beban kendaraan di satu ruas persimpangan lebih padat, maka lampu hijaunya akan

menyala lebih lama

Skema Dasar Logika Fuzzy

http://3.bp.blogspot.com/_49Xo0s0RCnQ/TFKPaXFhYVI/AAAAAAAAAGU/zl_WRSPkltM/s1600/Fuzzy.JPG

Skema Dasar Logika Fuzzy

Input fuzzy berupa bilangan crisp (tegas) yang dinyatakan dalam himpunan input. Fuzzifikasi merupakan proses untuk mengubah bilangan crisp menjadi nilai keanggotaan

dalam himpunan fuzzy. Fuzzy inference system merupakan bagian pengambilan kesimpulan (reasoning) dan

keputusan. Knowledge base berisi aturan-aturan yang biasanya dinyatakan dengan perintah! IF

THEN Defuzzification merupakan proses untuk merubah nilai output fuzzy menjadi nilai crisp.

Himpunan Crisp

Nilai keanggotaan suatu item x dalam suatu himpunan A, yang sering ditulis dengan uA[x], memiliki 2 kemungkinan yaitu :

Satu (1), yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan, atau

Nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan.

Lebih lengkap semua silakan download di bagian "Download Materi" Diposkan oleh aii1008 di 01.35 Tidak ada komentar: Kirimkan Ini lewat Email BlogThis! Berbagi ke Twitter Berbagi ke Facebook Bagikan ke Pinterest

Selasa, 27 Juli 2010

Pertemuan 6

Sistem Pakar (Expert System)

Para Ahli mengemukakan apa itu Sitem Pakar (Expert System):

1. Martin & Oxman 1998

Sistem berbasais komputer yang menggunakan pengetahuan, fakta, dan teknik penalaran dalam memecahkan masalah yang biasanya hanya dapat dipecahkan oleh seorang pakar dalam bidang tersebut.

2. Durkin

Program komputer yang dirancang untuk memodelkan kemampuan penyelesaian masalah yang dilakukan oleh sistem pakar.

3. Giarratano & Riley

Sistem komputer yang bisa menyamai atau meniru kemampuan seorang pakar

.

Sistem Pakar (Expert System)

Sistem yang menggunakan pengetahuan manusia yang terekam dalam komputer untuk memecahkan persoalan yang membutuhkan keahlian manusia.

Sistem informasi berbasi komputer yang menggunakan pengetahuan untuk mencapai performa keputusan tingkat tinggi dalam domain persoalan yang sempit.

Area Sistem Pakar

Sistem pakar diterapkan untuk mendukung pemecahan masalah, antara lain:

Pembuatan Keputusan (Decision Making) Pemanduan Pengetahuan (Knowledge Fusing) Pembuatan Desain (Designing) Perencanaan (Planning) Prakiraann (Forecasting) Pengaturan (Regulating) Diagnosis (Diagnosing) Perumusan (Prescribing) Penjelasan (Explaining) Pemberian Nasihat (Advising) Pelatihan (Tutoring)

Contoh Sistem Pakar

MYCIN

Diagnosa penyakit miningitis dan infeksi

FOLIO

Membantu memberikan keputusan bagi seseorang manajer dalam hal stok broker dan investasi

XCON & XSEL

Membantu konfigurasi sistem komputer besar

DELTA

Pemeliharaan lokomotif listrik disel

DENDRAL

Mengidentifikasi struktur molekular campuran yang tak kenal

Ciri-ciri Sistem Pakar

Terbatas pada bidang yang spesifik Berdasarkan pada rute atau kaidah tertentu Outputnya bersifat nasihat atau anjuran Output tergantung dari dialog dengan user

Keuntungan Sistem Pakar

Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli Menyimpan pengetahuan dan keahlian para pakar Meningkatkan outpu dan produktivitas Menghemat waktu dalam pengambilan keputusan Menigkatkan kualitas

Kelemahan Sistem Pakar

Biaya yang diperlukan untuk membuat dan memeliharanya sangat mahal Sulit dikembangkan

Ketersedian pakar di bidangnya

Tidak 100% bernilai benar

Konsep Dasar Sistem Pakar

Keahlian

Suatu kelebihan penguasaan pengetahuan di bidang tertentu yang diperloheh dari pelatihan, membaca atau pengalaman

Contoh bentuk pengetahuan

Fakta-fakta dan teori-teori pada lingkup permasalahan tertentu

Procedur-procedur dan aturan-aturan berkenaan dengan lingkup permasalahan tertentu

Strategi-strategi global untuk menyelesaikan masalah

Ahli (Pakar)

Seseorang yang memiliki pengetahuan, penilaian, pengalaman, metode tertentu, kemampuan penerapan keahlian dalam memberikan nasihat untuk pemecahan persoalan

Seseorang yang mampu menjelaskan suatu tanggapan, mempelajari hal-hal baru seputar topik permasalan (domain)

Mengenali & merumuskan permasala

Menyusun kembali pengetahuan jika dipandang perlu

Memcah aturan-aturan jika dibutuhkan

Menentukan relevan tidaknya keahlian mereka

Pengalihan Keahlian

Pengalihan keahlian dari para ahli ke komputer untuk kemudian dialihkan lagi ke orang lain yang bukan ahli

Pengetahuan yang disimpang di komputer disebut dengan nama basis pengetahuan

Aturan

Kemapuan untuk melakukan penalaran dengan menggunakan pengetahuan yang ada untuk menghasilkan suatu kesimpulan atau hasil akhir

Dilakukan permodelan proses berfikir manusias

Disebut meter inferensi (infernce engine)

Kemampuan Menjelaskan

Sebagian besar sistem pakar dibuat dalam bentuk rule-based system

Pengetahuan disimpan dalam bentuk aturan-aturan

Biasanya berbentu IF-THEN

Sistem Pakar VS Sistem Konvesional

Struktur Sistem Pakar

Struktur Sistem Pakar

Basis Pengetahuan

Berisi pengetahuan yang dibutuhkan untuk memahami, memformulasi, dan memecahkan masalah. Basis pengetahuan tersusun atas 2 elemen dasar:

Fakta, misalnya: situasi, kondisi, dan kenyataan dari permasalahan yang ada, serta teori dalam bidang itu

Aturan, yang mengarahkan penggunaan pengetahuan untuk memecahkan masalah yang spesifik dalam bidang yang khusus

Mesin Inferensi

Merupakan otak dari sistem pakar

Juga dikenal sebagai penerjemah aturan (rule interpreter)

Komponen ini berupa program komputer yang menyediakan suatu metodologi untuk memikirkan (reasoning) dan memformulasi kesimpulan

Kerja mesin infernsi meliputi:

Menetukan aturan mana akan aplikasi

Menyajikan pertanyaan kepada pemakai, ketika diperlukan

Menambahkan jawaban ke dalam memori Sistem Pakar

Menyimpulkan fakta baru dari sebuah aturan

Menambah fakta tadi ke dalam memori

Blackboard

Aturan dalam memori yang digunakan untuk merekam kejadian yang sedang berlangsung termasuk keputusan sementar

Antar Pengguna

Media kominkasi antara user dan progam

Pertanyaan – Jawaban

Menu, Formulir, Grafik

Subsistem Penjelasan

Digunakan untuk melacak respon dan memberikan penjelasan tentang kelakuan sistem pakar secara interaktif melalui pertanyaan

Mengapa suatu pertanyaan ditanyakan oleh sistem pakar?

Bagaimana konklusi dicapai?

Rencana apa yang digunakan untuk mendapat solusi

Sistem Penyaring Pengetahuan

Seseorang pakar mempunyai sistem penyaring pengetahuan, artinya:

Menganalisa sendiri performa mereka

Belajar dari pengalaman, serta

Meningkatkan pengetahuannya untuk konsultasi berikutnya

Bagaimana Sistem Pakar Melakukan Inferensi?

Sistem Perantaian Maju (Forward Chaing Systems)

Sistem Perantaian Balik (Bacward Chaing Systems)