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 EmailBlogThis!Berbagi ke TwitterBerbagi ke FacebookBagikan 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

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 EmailBlogThis!Berbagi ke TwitterBerbagi ke FacebookBagikan 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)