Secara umum logika fuzzy sugeno adalah suatu logika yang digunakan untuk menghasilkan keputusan tunggal/crisp saat defuzzyfikasi, penggunaannya tergantung dari domain masalah yang terjadi
Secara umum logika fuzzy sugeno adalah suatu logika yang digunakan untuk menghasilkan keputusan tunggal/crisp saat defuzzyfikasi, penggunaannya tergantung dari domain masalah yang terjadi
Estetika Humanisme Diskusi Modul Part Ke-7.pdfHendroGunawan8
Anger management adalah belajar mengenali tanda-tanda pada diri saat marah dan mengambil tindakan yang “sehat” dalam meluapkan kemarahan.
Secara sederhana, dapat diartikan bahwa anger management adalah mengendalikan rasa marah, bukan mencegah atau menahan rasa marah.
Estetika Humanisme Diskusi Video Sesi Ke-7.pdfHendroGunawan8
Anger Management adalah suatu kemampuan atau teknik untuk melakukan tindakan mengatur pikiran, perasaan, nafsu amarah dengan cara yang tepat dan posistif serta dapat diterima di lingkungan, sehingga dapat mencegah sesuatu yang buruk atau merugikan diri sendiri dan orang lain.
Jaringan VOIP Ringkasan Modul Pertemuan Ke-6.pdfHendroGunawan8
Cisco Unified Communications (UC) adalah sistem komunikasi berbasis IP yang mengintegrasikan produk dan aplikasi suara, video, data, dan mobilitas. Ini memungkinkan komunikasi yang lebih efektif dan aman dan dapat mengubah cara kita berkomunikasi
Di dalam pengolahan citra, sebuah citra sering dilakukan proses penapisan (image filtering) untuk memperoleh citra sesuai dengan tujuan yang diinginkan.
Diskusi Modul Sistem Pakar Sesi Ke-6 - Salin.pdfHendroGunawan8
Metode Fuzzy Mamdani merupakan salah satu bagian dari Fuzzy Inference System yang berguna untuk penarikan kesimpulan atau suatu keputusan terbaik dalam permasalahan yang tidak pasti
Mindfulness adalah sikap berkesadaran penuh akan peristiwa yang sedang dijalani saat ini, dengan penuh perhatian, memiliki tujuan yang jelas, dan tanpa menghakimi.
Logika Fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh pada tahun 1965. Teori ini banyak diterapkan di berbagai bidang, antara lain representasi pikiran manusia ke dalam suatu sistem. Banyak alasan mengapa penggunaan logika Fuzzy ini sering dipergunakan antara lain, konsep logika Fuzzy yang mirip dengan konsep berpikir manusia. Sistem Fuzzy dapat merepresentasikan pengetahuan manusia ke dalam bentuk matematis dengan lebih menyerupai cara berpikir manusia ke dalam bentuk matematis. Selain itu, informasi berupa pengetahuan dan pengalaman mempunyai peranan penting dalam mengenali perilaku sistem di dunia nyata.
Kecerdasan emosional (Emotional Intelligence ) merupakan konsep baru yang dikembangkan oleh Daniel Goleman dalam karyanya pada tahun 1995 berjudul “Emotional Intelligence”.
Diskusi PPT Sistem Pakar Sesi Ke-4 Simple Naïve Bayesian Classifier .pdfHendroGunawan8
Simple Naïve Bayesian Classifier merupakan salah satu metode pengklasifikasi berpeluang sederhana yang berdasarkan pada penerapan Teorema Bayes dengan asumsi antar variabel penjelas saling bebas (independen).
UNTUK DOSEN Materi Sosialisasi Pengelolaan Kinerja Akademik DosenAdrianAgoes9
sosialisasi untuk dosen dalam mengisi dan memadankan sister akunnya, sehingga bisa memutakhirkan data di dalam sister tersebut. ini adalah untuk kepentingan jabatan akademik dan jabatan fungsional dosen. penting untuk karir dan jabatan dosen juga untuk kepentingan akademik perguruan tinggi terkait.
1. 1
Kecerdasan Buatan
Diskusi Sesi 4
Nama : Hendro Gunawan
NIM : 200401072103
Kelas : IT501
Representasi Pengetahuan
Gambar 1. Representasi pengetahuan
4.1 Basis Pengetahuan
Langkah pertama untuk membangun kecerdasan buatan adalah bagaimana membangun sebuah
knowledge base.
Selanjutnya kita akan bisa menggunakan mesin inference untuk memproses menjadi output.
Gambar 2. Basis Pengetahuan
Knowledge enginering: proses of collecting and organizing the knowledge.
Knowledge representation: process of hoe knowledge is represented to form a knowledge base.
Bagaimana merepresentasikan pengetahuan ke dalam basis pengetahuan dan menguji kebenaran
penalaran.
Cara-cara lama:
2. 2
List, digunakan pada LISP.
Predicate Calculus, digunakan pada Prolok .
Tree, untuk heuristic search.
Karakteristik RP:
Dapat diprogramkan.
Dapat digunakan untuk penalaran, menggambarkan kesimpulan sebagai fungsi kecerdasan.
Harus terdiri dari struktur data dan prosedur untuk penafsiran.
Hal yang berhubungan dengan RP:
Object pengetahuan itu sendiri.
Event: kejadian-kejadian dalam dunia nyata dan hubungannya.
Performa: bagaimana melakukan suatu tugas tertentu.
Meta knowledge: pengetahuan tentang pengetahuan yang direpresentasikan.
4.2 Penggunaan Pengetahuan
Acuisition: mengintegrasikan informasi baru ke dalam pengetahuan sistem.
Terdapat dua level:
1. Menyusun fakta ke dalam database.
2. Pembuatan fungsi untuk mengintegrasikannya dengan cara “belajar dan mengadaptasikannya”
terlebih dahulu.
Retrieval: mengingat kembali, menyusun ulang pengetahuan berdasarkan hubungan pengetahuan
terhadap masalah.
1. Linking: mengekstrak informasi baru tersebut.
2. Lumping: mengelompokkan hasil ekstraksi pengetahuan baru tersebut ke dalam struktur yang
lebih besar seperti yang dibutuhkan dalam menyelesaikan masalah.
Reasoning: pengetahuan digunakan untuk menalar suatu permaslahan.
1. Formal reasoning: menggunakan logika proporsional.
2. Procedural reasoning: menggunakan aturan produksi (IF_THEN).
3. Analogical reasoning: sangat sulit.
Jika suatu permasalahan dideskripsikan dengan menggunakan representasi yang tepat, maka dapat
dipastikan bahwa permasalahan tersebut dapat diselesaikan.
4.3 Klasifikasi Kategori RP
Menurut Mylopoulus dan Levesque: (declarative)
Representasi Logika: menggunakan logika formal. Digunakan pada PROLOG.
Representasi prosedural: menggambarkan prosedur sebagai kumpulan instruksi untuk
memecahkan masalah. Digunakan dalam pemrograman: IF_THEN.
Representasi Network: menggambarkan pengetahuan sebagai Graph dan Tree.
3. 3
Representasi Tersetruktur: memperluas konsep Representasi Network dengan membuat node-
nodenya menjadi struktur data yang komplekss. Contoh: script, frame, dan object.
4.4 Logika
Adalah representasi pengetahuan yang paling tua.
Proses menarik kesimpulan dari fakta yang sudah ada.
Input: premis-premis dan Output: kesimpulan.
Terdiri dari: sintaks (simbol), semantik (fakta), dan proses.
Pengambilan keputusan (inferensi).
Proses penalaran:
Deduktif (umum-khusus)
Induktif (khusus-umum)
Logika:
Logika Preposisi: and, or, not, implikasi, dan ekuivalensi
Logika Prediktif: representasi fakta dalam bentuk well formed formula.
4.5 Ilustrasi Representasi Pengetahuan Sedara Logik (Representasi Logika)
Secara sedrehana fajkta adalah sebagai berikut:
Helder adalah anjing
Fakta tersebut dapat direpresentasikan secara logika, yaitu:
Anjing (helder)
Kita juga dapat merepresentasikan secara logik fakta lain, yaitu bahwa semua anjing mempunyai
ekor.
∀𝑥 : anjing(x)? mempunyai_ekor(x)
Kemudian secara deduktif dari mekanisme logika ini kita bisa mendapatkan representasi baru:
Mempunyai_ekor(anjing)
Dengan menggunakan fungsi mapping secara backward, kita dapat menn-generate suatu kalimat
yang berbunyi
Helder mempunyai ekor
4.6 Contoh Kasus Representasi Pengetahuan
Cobalah representasi pengetahuan dari silsilah keluarga berikut ini
4. 4
4.7 Hasil Representasi
Anak laki(Hari, Agus). dibaca sebagai anak laki-laki dari Hari adalah Agus.
Anaklaki(Agus, Budi).
Anakperempuan(Budi, Ria)
Anakperempuan(Budi, Ita).
Anaklaki(Ani, Rudi).
Catatan
Kita dapat mengunakan kalimat apapun sebagai predikat.
Ide dasar untuk membuat notasi adalah
Predicate (argument, argument).
4.8 Simple Query on Knowledge Database
Adalah bagaimana mencari suatu pengetahuan dari representasi yang ada.
Contoh:
Anakperempuan(Agus,P).
Hasilnya adalah P = Ani yang menadakan bahwa Ani adalah anak perempuan dari Agus.
Contoh lain:
Anaklaki(OT,AL).
Hasil: OT = Hari AL = Agus
OT = Agus AL = Budi
OT = Ani AL = Rudi
Contoh lain:
Anaklaki(P,budi), anakperempuan(P,D).
Untuk menanyakan saudara perempuan dari Budi
5. 5
Hasil : P = Agus D = Ani
4.9 Meng-extend Hubungan Antara Knowledge
Kita dapat menambahkan hubungan antara knowledge, misalnya antara anak laki dan anak perempuan
diextend menjadi hubungan orangtua.
Orangtua(C,P): -anaklaki)P, C).
Orangtua(C<P): -anakperempuan(P, C)
4.10 Recursive Description of Relationship
Jika ingin mencari turunan, berikut cara merepresentasikannya:
Turunan(OT, TR): -orangtua(TR, OT). anak
Turunan(OT, TR): -orangtua(TR, P), orangtua(P, OT). cucu
Turunan(OT, TR): -orangtua(TR, P), orangtua(P, GP), orangtua (GP, OT). cicit
Fakta di atas dapat diekprsikan dengan proses rekursif sebagai berikut:
Turunan(OT, TR): -orangtua(TR, OT). anak
Turunan(OT, TR): -orangtua(TR, P),turunan(OT, P).
4.11 Diskusi
Pengetahuan (knowledge) adalah sesuatu yang hadir dan terwujud dalam jiwa dan pikiran seseorang
karena adanya reaksi, sentuhan, dan hubungan dengan lingkungan dan alam sekitarnya. Definisi lain
dari pengetahuan adalah fakta atau keadaan yang timbul karena suatu pengalaman.
6. 6
Contoh: penegtahuan tentang binatang, sifat-sifat dan perilakunya. Pengetahuan tentang penyakit,
gejala-gejala, dan pengobatannya. Pengetahuan tentang tanaman, jenis-jenisnya dan cara hidupnya,
dan lain-lain.
Cabang ilmu yang mempelajari penegtahuan disebut “epistemology”
Terima Kasih
Referensi
Cian Ramadhona Hassolthine, S. M. (2023, November 9). Kecerdasan Buatan. Diambil kembali dari
Edlink Universitas Siber Asia: https://kuliah.unsia.ac.id/panel/classes/563114
T.Sutojo, S. d. (2011). Kecerdasan Buatan. Yogyakarta: ANDI.
Website;
https://www.slideshare.net/HendroGunawan8/kecerdasan-buatan-diskusi-4pdf