ARTIFICIAL INTELLIGENCE
|
|
- Bambang Oesman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 ARTIFICIAL INTELLIGENCE Team teaching: Sri Winiarti, Andri Pranolo, dan Anna Hendri SJ Andri Pranolo W : apranolo.tif.uad.ac.id M : E : andri.pranolo@tif.uad.ac.id Informatics Engineering, Universitas Ahmad Dahlan, Yogyakarta
2 POKOK BAHASAN 1. Masalah, Ruang Keadaan, dan Pencarian 2. Refresentasi Pengetahuan 3. Metode Inferensi 4. Penalaran (Penentuan Ketidakpastian dan Keyakinan) 5. Sistem Pakar 6. Pengolahan Bahasa Alami 7. Jaringan Syaraf Tiruan 8. Logika Fuzzy 9. Algoritma Genetika
3 12 NOVEMBER 2015 Pokok Bahasan : Metode Inferensi dan penalaran dengan metode bayes Outcome: Mahasiswa memahami bagaimana metode inferensi dapat memecahkan masalah dalam Kecerdasan Buatan Referensi: [1] Kusumadewi, S. Artificial Intelligence: Teknik dan Aplikasinya, Graha Ilmu, Yogyakarta, 2003 [2] Komputer Masa Depan, Pengenalan Artificial Intelligence, Suparman & Marlan, Andi Offset, 2007 [3] Konsep Kecerdasan Buatan: Anita Desiani & Muhammad Arhami, Andi Offset, 2006 [4] Artificial Intelligence, Searching, Reasoning, Planning, and Learning, Suyanto, Penerbit Informatika, 2007 [5] Bahan-bahan dari Internet
4 JENIS-JENIS PENALARAN 1. Penalaran monotonis Penelaran yang sifatnya statis, tidak bisa berubah faktanya Ciri: Konsisten Pengetahuannya lengkap
5 2. Penalaran Non Monotonis Suatu penalaran dimana adanya penambahan fakta baru mengakibatkan konsistenan disebut dengan penalaran Non Monotonis. Ciri : Mengandung ketidakpastian; adanya perubahan pada pengetahuan. Adanya penambahan fakta baru dapat mengubah konklusi yang sudah terbentuk Untuk mengatasi ketidakpastian pada penalaran non monotonis, maka digunakan penalaran statistik.
6 1. TEOREMA BAYES Bentuk Th. Bayes : P(Hi E)= p(e Hi)*p(Hi) n Σ k=1 p(e Hk)*p(Hk) Dengan P(Hi E) = probabilitas hiposesis Hi, benar jika diberikan evidence E. P(E Hi) =probabilitas munculnya evidence E, jika diketahui hipotesis Hi benar P(Hi)=probabilitas hipotesis Hi (menurut hasil sebelumnya ) tanpa memandang evidence apapun. n = jumlah hipotesis yang mungkin.
7 CONTOH KASUS Si Joko mengalami gejala bintik-bintik diwajahnya. Dokter menduga bahwa Ia terkena cacar dengan : 1. Probabilitas munculnya bintik-bintik diwajah, jika Si Joko terkena cacar; p(bintik2 Cacar)= 0,8. 2. Probabilitas Si Joko cacar tanpa memandang gejala apapun; P(Cacar Cacar) = 0,4. 3. Probabilitas munculnya bintik-bintik di wajah, jika Si Joko Alergi; P(Bintik2 Alergi)= 0,3. 4. Probabilitas Si Joko alergi tanpa memandang gejala apapun; p(alergi Alergi) = 0,7. 5. Probabilitas munculnya bintik-bintik di wajah, jika Si Joko jerwatan; P(Bintik2 Jerawatan)= 0,9. 6. Probabilitas Si Joko jerawatan tanpa memandang gejala apapun; p(jerawatan Jerawatan) = 0,5.
8 Maka diperoleh : a) Probabilitas Si Joko terkena cacar karena bintik-bintik di wajahnya adalah : P(Cacar Bintik2) = P(Bintik2 Cacar)* P(Cacar) P(Bintik2 Cacar)* P(Cacar)+ (Bintik2 Alergi)* P(Alergi)+ P(Bintik2 Jerawatan)* P(Jerawatan) P(Cacar Bintik2) = (0.8) * (0.4) = 0.32 = (0.8) * (0.4)+ (0.3)*(0.7) + (0.9) * (0.5) 0.98 b) Probabilitas Si Joko terkena alergi karena bintik-bintik di wajahnya adalah : P(Alegi Bintik2) = P(Bintik2 Alergi)*P(Alergi) P(Bintik2 Cacar)* P(Cacar)+ P(Bintik2 Alergi)* P(Alergi)+ P(Bintik2 Jerawatan)* P(Jerawatan) P(Alegi Bintik2) = (0.3) * (0.7) = 0.21 = (0.8) * (0.4)+ (0.3)*(0.7) + (0.9) * (0.5) 0.98 b) Probabilitas Si Joko terkena jerawatan karena bintik-bintik di wajahnya adalah : P(Alegi Bintik2) = P(Bintik2 jerawatan)*p(jerawatan) P(Bintik2 Cacar)* P(Cacar)+ P(Bintik2 Alergi)* P(Alergi)+ P(Bintik2 Jerawatan)* P(Jerawatan) P(Alegi Bintik2) = (0.8) * (0.4) = 0.45 = (0.8) * (0.4)+ (0.3)*(0.7) + (0.9) * (0.5) 0.98
9 2. LOGIKA KABUR (FUZZY LOGIC) DEFINISI : SUATU CARA YANG TEPAT UNTUK MEMETAKAN SUATU RUANG INPUT KE DALAM SUATU RUANG OUTPUT. CONTOH : 1) Manager pergudangan mengatakan pada manager produksi seberapa banyak persediaan barang pada akhir minggu ini, kemudian manager produksi akan menetapkan jumlah barang yang harus diproduksi besok hari. 2) Pelayanan restoran memberikan pelayanan terhadap tamu, kemudian tamu akan memberikan tip yang sesuai atas baik tidaknya pelayanan yang diberikan.
10 ALASAN MENGGUNAKAN FUZZY LOGIC Konsep logika fuzzy mudah dimengerti logika fuzzy sangat fleksibel logika fuzzy mampu memodelkan fungsi- fungsi non linier yang sangat kompleks. logika fuzzy didasarkan kepada bahasa alami logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan
11 PENERAPAN APLIKASI LOGIKA FUZZY Manajemen dan pengambilan Keputusan, seperti manajemen basis data yang didasarkan kepada logika fuzzy,, tata letak pabrik yang didasarkan kepada logika fuzzy, dll Sistem Pakar dalam penentuan suatu penyakit Riset Operasi, seperti penjadwalan dan pemodelan, pengalokasian, dll.
12 HIMPUNAN FUZZY Himpunan tegas (Crisp Set) A didefinisikan : item X yang ada pada himpunan A, yang sering ditulis dengan µa[x], memiliki 2 kemungkinan, yaitu : Satu ( 1 ), yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan Nol ( 0 ), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan
13 CONTOH FUZZY Misal diketahui klasifikasi sebagai berikut: Muda umur < 35 tahun Setengah Baya tahun Tua Umur > 55 Tahun Nilai keanggotaan secara grtafis, himpunan MUDA, PAROBAYA dan TUA, dapat dilihat pada gambar berikut :
14 CONTOH FUZZY MUDA TUA SETENGAH BAYA
15 Dari gambar di atas (HIMPUNAN TEGAS) dapat dilihat : Apabila seseorang berusia 34 tahun, maka ia dikatakan MUDA (µmuda [34] = 1); Apabila seseorang berusia 35 tahun, maka ia dikatakan TIDAK MUDA (µmuda [35] = 0); Apabila seseorang berusia 35 tahun kuran 1 hari, maka ia dikatakan TIDAK MUDA (µmuda [35 th 1 hr] = 0); Apabila seseorang berusia 35 tahun, maka ia dikatakan SETENGAH TUA (µsetengah TUA [35] = 1); Apabila seseorang berusia 34 tahun, maka ia dikatakan TIDAK SETENGAH TUA (µsetengah TUA [34] = 0); Apabila seseorang berusia 35 tahun, maka ia dikatakan SETENGAH TUA (µsetengah TUA [35] = 1); Apabila seseorang berusia 35 tahun kurang 1 hari, maka ia dikatakan TIDAK SETENGAH TUA (µsetengah TUA [35 th 1hr ] = 0);
16 MUDA SETENGAH BAYA TUA UMUR (TAHUN)
17 Pada gambar di atas bentuk HIMPUNAN FUZZY dapat dilihat : 10 Seseorang yang berumur 40 tahun, termasuk dalam himpunan MUDA dengan (µmuda [40] = 0.25); namun dia juga termasuk dalam himpunan SETENGAH TUA dengan (µsetengah TUA [40] = 0.5); Sseorang yang berumur 50 tahun, termasuk dalam himpunan TUA dengan (µtua [50] = 0,25); namun dia juga termasuk himpunan SETENGAH TUA dengan (µsetengah TUA [50] = 0.5);
KETIDAKPASTIAN PROBABILITAS & TEOREMA BAYES
KECERDASAN BUATAN Kuliah ke : 8 PENALARAN KETIDAKPASTIAN PROBABILITAS & TEOREMA BAYES KETIDAKPASTIAN Dalam kenyataan sehari-hari banyak masalah didunia ini tidak dapat dimodelkan secara lengkap dan konsisten.
Lebih terperinciM. Zidny Naf an Gasal 2016/2017
M. Zidny Naf an Gasal 2016/2017 Ketidakpastian Probabilitas Teorema Bayes Dalam kenyataan sehari-hari banyak masalah didunia ini tidak dapat dimodelkan secara lengkap dan konsisten. Suatu penalaran dimana
Lebih terperinciArtificial intelligence
Artificial intelligence Team teaching: Sri Winiarti, Andri Pranolo, dan Anna Hendri SJ Andri Pranolo W : apranolo.tif.uad.ac.id M : 081392554050 E : andri.pranolo@tif.uad.ac.id Informatics Engineering,
Lebih terperinciArtificial Intelegence EKA YUNIAR
Artificial Intelegence EKA YUNIAR Pokok Bahasan Ketidak Pastian Teorema Bayes Faktor Kepastian Ketidakpastian Dalam menghadapi suatu masalah, sering ditemukan jawaban yang tidak memiliki kepastian penuh.
Lebih terperinciKETIDAKPASTIAN MACAM PENALARAN
MACAM PENALARAN KETIDAKPASTIAN 1. Penalaran non monotonis suatu penalaran dimana fakta baru mengakibatkan ketidak konsistenan Ciri: 1. mengandung ketidakpastian 2. adanya perubahan pada pengetahuan 3.
Lebih terperinciprobabilitas Atau berlaku hubungan : P(E) + P(Ê) = 1
Teorema Bayes Teori Probabilitas probabilitas Misalkan sebuah peristiwa E dapat terjadi sebanyak n kali diantara N peristiwa yang saling eksklusif (saling asing/terjadinya peristiwa yang satu mencegah
Lebih terperinciARTIFICIAL INTELLIGENCE
ARTIFICIAL INTELLIGENCE Team teaching: Sri Winiarti, Andri Pranolo, dan Anna Hendri SJ Andri Pranolo W : apranolo.tif.uad.ac.id M : 081392554050 E : andri.pranolo@tif.uad.ac.id Informatics Engineering,
Lebih terperinciKetidakpastian dan teorema bayes UTHIE
Ketidakpastian dan teorema bayes UTHIE Ketidakpastian Dalam menghadapi suatu masalah, sering ditemukan jawaban yang tidak memiliki kepastian penuh. Ketidakpastian ini bisa berupa probabilitas atau kebolehjadian
Lebih terperinciKETIDAKPASTIAN. 4.1 PROBABILITAS DAN TEOREMA BAYES Bentuk Th. Bayes:
KETIDAKPASTIAN 4 Pada bagian terdahulu kita telah mempelajari teknik penalaran dengan model yang sangat lengkap dan konsisten. Namun, pada kenyataannya, banyak masalah di dunia ini yang tidak dapat dimodelkan
Lebih terperinci4/28/2016. Selasa, 26 April 2016 ^ K10
ب س م ا ه لل الر ح ن الر ح ي السالم عليكم ورحمة هللا وبركاته ب س م ا ه لل الر ح ن الر ح ي السالم عليكم ورحمة هللا وبركاته 1 KETIDAKPASTIAN o Ketidakpastian data - informasi atau data diperoleh tdk lengkap
Lebih terperinciM. Zidny Naf an Gasal 2016/2017
M. Zidny Naf an Gasal 2016/2017 Ketidakpastian Probabilitas Teorema Bayes Dalam kenyataan sehari-hari banyak masalah didunia ini tidak dapat dimodelkan secara lengkap dan konsisten. Premis -1 : Aljabar
Lebih terperinciSILABUS MATAKULIAH. Revisi : 4 Tanggal Berlaku : 04 September 2015
SILABUS MATAKULIAH Revisi : 4 Tanggal Berlaku : 04 September 2015 A. Identitas 1. Nama Matakuliah : Sistem Cerdas 2. Program Studi : Teknik Industri 3. Fakultas : Teknik 4. Bobot sks : 2 SKS 5. Elemen
Lebih terperinciKetidakpastian & Kepastian (REASONING)
Ketidakpastian & Kepastian (REASONING) Ketidakpastian Suatu penalaran dimana adanya penambahan fakta baru mengakibatkan ketidak ketidak konsistenan disebut dengan Penalaran Non Monotonis. Ciri ciri dari
Lebih terperinciKETIDAKPASTIAN MATERI KULIAH Kecerdasan Buatan Kecerdasan
KETIDAKPASTIAN MATERI KULIAH Kecerdasan Buatan Pokok Bahasan Penalaran Non Monoton Probabilitas & Theorema Bayes Faktor Kepastian (Certainty Factor) Teori Dempster Shafer Penalaran Non Monoton Ingat kembali
Lebih terperinciRENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS)
RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) Kode / Nama Mata Kuliah : E124907 / Sistem Cerdas Revisi 4 Satuan Kredit Semester : 2 SKS Tgl revisi : 16 Juli 2015 Jml Jam kuliah dalam seminggu :
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 4 BAB 2 TINJAUAN PUSTAKA 2.1. Pengertian Fuzzy Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang output. Titik awal dari konsep modern
Lebih terperinciKECERDASAN BUATAN LOGIKA FUZZY
KECERDASAN BUATAN LOGIKA FUZZY Pengertian adalah suatu cara untuk memetakan suatu ruang input ke dalam suatu ruang output. Skema logika fuzzy Antara input dan output terdapat suatu kotak hitam yang harus
Lebih terperinciINFERENSI DENGAN KETIDAKPASTIAN. PERTEMUAN 9 Diema Hernyka Satyareni, M.Kom
INFERENSI DENGAN KETIDAKPASTIAN PERTEMUAN 9 Diema Hernyka Satyareni, M.Kom Kompetensi Dasar Mahasiswa dapat menerapkan inferensi dengan ketidakpastian dalam Sistem Intelegensia Materi Bahasan Gambaran
Lebih terperinciARTIFICIAL INTELLIGENCE
ARTIFICIAL INTELLIGENCE Team teaching: Sri Winiarti, Andri Pranolo, dan Anna Hendri SJ Andri Pranolo W : apranolo.tif.uad.ac.id M : 081392554050 E : andri.pranolo@tif.uad.ac.id Informatics Engineering,
Lebih terperinciSoal UAS Pengantar Kecerdasan Buatan. Kelas 3IA01, 03, 05, 07, 11, 13, 14, 17, 18, 19, 21, 22 dan 23
Soal UAS Pengantar Kecerdasan Buatan Kelas 3IA01, 03, 05, 07, 11, 13, 14, 17, 18, 19, 21, 22 dan 23 1. Pengertian kecerdasan menurut Winston dan Pendergast, 1994. Kecuali : a. Kemampuan belajar atau mengerti
Lebih terperinciPEMANFATAN TEOREMA BAYES DALAM PENENTUAN PENYAKIT THT
PEMANFATAN TEOREMA BAYES DALAM PENENTUAN PENYAKIT THT Sri Winiarti Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Ahmad Dahlan Yogyakarta Email : daffal02@yahoo.com ABSTRAK Dalam
Lebih terperinciBAB II TEORI PENUNJANG
BAB II TEORI PENUNJANG 2.1 LOGIKA FUZZY Titik awal dari konsep modern mengenai ketidakpastian adalah paper yang dibuat oleh Lofti A Zadeh, dimana Zadeh memperkenalkan teori yang memiliki obyek-obyek dari
Lebih terperinciPengantar Kecerdasan Buatan (AK045218) Logika Fuzzy
Logika Fuzzy Pendahuluan Alasan digunakannya Logika Fuzzy Aplikasi Himpunan Fuzzy Fungsi keanggotaan Operator Dasar Zadeh Penalaran Monoton Fungsi Impilkasi Sistem Inferensi Fuzzy Basis Data Fuzzy Referensi
Lebih terperinciKECERDASAN BUATAN (Artificial Intelligence) Materi 8. Entin Martiana
Logika Fuzzy KECERDASAN BUATAN (Artificial Intelligence) Materi 8 Entin Martiana 1 Kasus fuzzy dalam kehidupan sehari-hari Tinggi badan saya: Andi menilai bahwa tinggi badan saya termasuk tinggi Nina menilai
Lebih terperinciMATERI KULIAH (PERTEMUAN 12,13) Lecturer : M. Miftakul Amin, M. Eng. Logika Fuzzy. Politeknik Negeri Sriwijaya Palembang
HIMPUNAN FUZZY MATERI KULIAH (PERTEMUAN 2,3) Lecturer : M. Miftakul Amin, M. Eng. Logika Fuzzy Jurusan Teknik Komputer Politeknik Negeri Sriwijaya Palembang Pokok Bahasan Sistem fuzzy Logika fuzzy Aplikasi
Lebih terperinciRENCANA PROGRAM DAN KEGIATAN PEMBELAJARAN SEMESTER (RPKPS)
RENCANA PROGRAM DAN KEGIATAN PEMBELAJARAN SEMESTER (RPKPS) 1. Nama Matakuliah : KECERDASAN BUATAN 2. Kode/SKS : IES5353 / 3 sks 3. Semester : 5 4. Sifat Mata Kuliah : Wajib 5. Prasyarat : Tidak ada 6.
Lebih terperinciArtificial Intelligence. (Teknik dan Aplikasinya)
Artificial Intelligence (Teknik dan Aplikasinya) Artificial Intelligence (Teknik dan Aplikasinya) Sri Kusumadewi Artificial Intelligence (Teknik dan Aplikasinya) Oleh: Sri Kusumadewi Edisi Pertama Cetakan
Lebih terperinciHimpunan Tegas (Crisp)
Logika Fuzzy Logika Fuzzy Suatu cara untuk merepresentasikan dan menangani masalah ketidakpastian (keraguan, ketidaktepatan, kekuranglengkapan informasi, dan kebenaran yang bersifat sebagian). Fuzzy System
Lebih terperinciSISTEM INFERENSI FUZZY (METODE TSUKAMOTO) UNTUK PENENTUAN KEBUTUHAN KALORI HARIAN OLEH
KECERDASAN BUATAN SISTEM INFERENSI FUZZY (METODE TSUKAMOTO) UNTUK PENENTUAN KEBUTUHAN KALORI HARIAN OLEH AMARILIS ARI SADELA (E1E1 10 086) SITI MUTHMAINNAH (E1E1 10 082) SAMSUL (E1E1 10 091) NUR IMRAN
Lebih terperinciTK36301 PENGANTAR KECERDASAN BUATAN
RENCANA PEMBELAJARAN SEMESTER (RPS) TK36301 PENGANTAR KECERDASAN BUATAN DISUSUN OLEH : APRIANTI PUTRI SUJANA, S.KOM., M.T. PROGRAM STUDI S1 SISTEM KOMPUTER FAKULTAS TEKNIK DAN ILMU KOMPUTER UNIVERSITAS
Lebih terperinciRANCANGAN SISTEM PAKAR DENGAN METODE FORWARD CHAINING DAN HETEROASSOCOATIVE MEMORY UNTUK MENDETEKSI TINGKAT DEPRESI SESEORANG
RANCANGAN SISTEM PAKAR DENGAN METODE FORWARD CHAINING DAN HETEROASSOCOATIVE MEMORY UNTUK MENDETEKSI TINGKAT DEPRESI SESEORANG Jasmir, S.Kom, M.Kom Dosen tetap STIKOM Dinamika Bangsa Jambi Abstrak Depresi
Lebih terperinciLOGIKA FUZZY. By: Intan Cahyanti K, ST
LOGIKA FUZZY By: Intan Cahyanti K, ST Pengertian Adalah suatu cara untuk memetakan suatu ruang input kedalam suatu ruang output. Skema Logika Fuzzy Antara input dan output terdapat suatu kotak hitam yang
Lebih terperinciSILABUS ATIFICIAL INTELIGENCE
Kode Formulir : FM-STMIK MDP-KUL-04.02/R3 SILABUS ATIFICIAL INTELIGENCE A. IDENTITAS MATA KULIAH Program Studi Mata Kuliah Kode Bobot Semester : 6 Mata kuliah prasyarat : - : Sistem Informasi : Artificial
Lebih terperinciArtificial Intelligence. uthie 1
Artificial Intelligence uthie 1 Cabang-cabang AI 1. Logical AI Logika (matematis) yang merepresentasikan sekumpulan fakta dan tujuan ---> RUANG KEADAAN: Graph Tree uthie 2 Cabang-cabang AI 2. Search Pencarian
Lebih terperinciAPLIKASI SISTEM PAKAR BERBASIS ANDROID UNTUK DIAGNOSA AWAL PENYAKIT DAN RACIKAN OBAT TRADISIONAL
APLIKASI SISTEM PAKAR BERBASIS ANDROID UNTUK DIAGNOSA AWAL PENYAKIT DAN RACIKAN OBAT TRADISIONAL Ivan Eroka Yuliadji Binus University, Jakarta, DKI Jakarta, Indonesia Ricky Khoenata Binus University, Jakarta,
Lebih terperinciLOGIKA FUZZY. Kelompok Rhio Bagus P Ishak Yusuf Martinus N Cendra Rossa Rahmat Adhi Chipty Zaimima
Sistem Berbasis Pengetahuan LOGIKA FUZZY Kelompok Rhio Bagus P 1308010 Ishak Yusuf 1308011 Martinus N 1308012 Cendra Rossa 1308013 Rahmat Adhi 1308014 Chipty Zaimima 1308069 Sekolah Tinggi Manajemen Industri
Lebih terperinciSATUAN ACARA PERKULIAHAN(SAP)
SATUAN ACARA PERKULIAHAN(SAP) Nama Mata Kuliah : Kecerdasan Buatan Kode Mata Kuliah : SI 044 Bobot Kredit : 3 SKS Semester Penempatan : 3 Kedudukan Mata Kuliah : Mata Kuliah Prasyarat : - Penanggung Jawab
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pada saat ini, metode kecerdasan buatan (Artificial Intelligence) banyak digunakan dalam berbagai bidang seperti: bisnis, militer, pendidikan, psikologi, permainan
Lebih terperinciAnalisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic
Analisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic Luh Kesuma Wardhani, Elin Haerani Jurusan Teknik Informatika Fakultas Sains dan Teknologi UIN SUSKA Riau
Lebih terperinciIMPLEMENTASI FUZZY RULE BASED SYSTEM UNTUK KLASIFIKASI BUAH MANGGA
IMPLEMENTASI FUZZY RULE BASED SYSTEM UNTUK KLASIFIKASI BUAH MANGGA Subhan Hartanto Sistem Informatika, Universitas Pembangunan Panca Budi Jl. Jend Gatot Subroto, Simpang Tj., Medan Sunggal, Kota Medan,
Lebih terperinciadalahkelompok profesi terbesar dan berperan vital dalam sistem tersebut yang menyebabkan ABSTRAK
1 Evaluasi Kinerja Pelayanan Perawat Menggunakan Fuzzy Inference System (FIS) Mamdani ( Studi Kasus : Puskesmas Bonang 1 Demak) ARIS MUTHOHAR Program Studi Teknik Informatika S1, Fakultas Ilmu Komputer,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Sistem Pendukung Keputusan Sebuah aplikasi berupa Sistem Pendukung Keputusan (Decision Support System) mulai dikembangkan pada tahun 1970. Decision Support Sistem (DSS) dengan
Lebih terperinciPengenalan Kecerdasan Buatan (KB)
Pengenalan Kecerdasan Buatan (KB) Pengertian Kecerdasan Buatan VS Kecerdasan Alami Komputasi KB VS Komputasi Konvensional Sejarah KB Lingkup KB Soft Computing Referensi Luger & Stubblefield - bab 1 Sri
Lebih terperinciSPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ
SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ P.A Teknik Informatika Universitas Ahmad Dahlan Yogyakarta Kampus 3 UAD, Jl. Prof. Soepomo rochmahdyah@yahoo.com Abstrak Perkembangan teknologi
Lebih terperinciErwien Tjipta Wijaya, ST.,M.Kom
Erwien Tjipta Wijaya, ST.,M.Kom PENDAHULUAN Logika Fuzzy pertama kali dikenalkan oleh Prof. Lotfi A. Zadeh tahun 1965 Dasar Logika Fuzzy adalah teori himpunan fuzzy. Teori himpunan fuzzy adalah peranan
Lebih terperinciKecerdasan Buatan (Artificial Intelligence) Muhammad Dahria
Kecerdasan Buatan (Artificial Intelligence) Muhammad Dahria Abstrak Kecerdasan Buatan (Artificial Intelligence) merupakan salah satu bagian dari ilmu komputer yang mempelajari bagaimana membuat mesin (komputer)
Lebih terperinciSATUAN ACARA PERKULIAHAN MATA KULIAH : PENGANTAR KECERDASAN BUATAN (AK ) (**) FAKULTAS / JURUSAN : TEKNIK INFORMATIKA / S-1 SKS/SEMESTER : 2/8
SATUAN ACARA PERKULIAHAN MATA KULIAH : PENGANTAR KECERDASAN BUATAN (AK-045218) (**) FAKULTAS / JURUSAN : TEKNIK INFORMATIKA / S-1 SKS/SEMESTER : 2/8 Minggu Pokok Bahasan Ke Dan TIU 1 Pengenalan (KB) 2
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) REPRESENTASI EMOSI MENGGUNAKAN LOGIKA FUZZY PADA PERMAINAN BONNY S TOOTH BOOTH
68 REPRESENTASI EMOSI MENGGUNAKAN LOGIKA FUZZY PADA PERMAINAN BONNY S TOOTH BOOTH Septiani Nur Hasanah 1, Nelly Indriani Widiastuti 2 Program Studi Teknik Informatika. Universitas Komputer Indonesia. Jl.
Lebih terperinciFUZZY MULTI-CRITERIA DECISION MAKING
Media Informatika, Vol. 3 No. 1, Juni 2005, 25-38 ISSN: 0854-4743 FUZZY MULTI-CRITERIA DECISION MAKING Sri Kusumadewi, Idham Guswaludin Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas
Lebih terperinciBAB II TINJAUAN TEORITIS
BAB II TINJAUAN TEORITIS 2.1. Pengertian Fuzzy Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang output. Titik awal dari konsep modern mengenai ketidakpastian
Lebih terperinciSistem Pakar untuk Mendiagnosa Penyakit Kucing Menggunakan Metode Backward Chaining
Sistem Pakar untuk Mendiagnosa Penyakit Kucing Menggunakan Metode Backward Chaining Mardiah Fadhli Politeknik Caltex Riau Jl. Umbansari No.1, telp/fax: 0761 53939/0761 554224 e-mail: rika@pcr.ac.id Abstrak
Lebih terperinciL ctur er: M. Mift Mi ak ft ul Am A i m n i,,s. Kom om,. M. M. ng.
POLITEKNIK NEGERI SRIWIJAYA Jurusan Teknik Komputer Program Studi D3 Teknik Komputer Lecturer: M. Miftakul Amin, S. Kom., M. Eng. Intelegensi Buatan Sesi 1 Pengantar Intelegensi Buatan 2015 Intelegensi
Lebih terperinciRANCANG BANGUN SISTEM PENGUNDIAN SEPAKBOLA MENGGUNAKAN LOGIKA FUZZY
RANCANG BANGUN SISTEM PENGUNDIAN SEPAKBOLA MENGGUNAKAN LOGIKA FUZZY Irving Vitra Paputungan, Denni Irawan Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia Jl. Kaliurang
Lebih terperinciSISTEM PAKAR ANALISIS PENYAKIT LUPUS ERITEMATOSIS SISTEMIK PADA IBU HAMIL MENGGUNAKAN METODE FORWARD CHAINING
SISTEM PAKAR ANALISIS PENYAKIT LUPUS ERITEMATOSIS SISTEMIK PADA IBU HAMIL MENGGUNAKAN METODE FORWARD CHAINING Sry Yunarti Program Studi Sistem Informasi STMIK Profesional Makassar yeye_rumbu@yahoo.co.id
Lebih terperinciKBKF63307 INTELIGENSI BUATAN
RENCANA PEMBELAJARAN SEMESTER (RPS) KBKF63307 INTELIGENSI BUATAN Disusun oleh: PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER (FILKOM) UNIVERSITAS PUTRA INDONESIA YPTK PADANG LEMBAR PENGESAHAN
Lebih terperinciAPLIKASI SISTEM PAKAR DIAGNOSA PENYAKIT GINJAL DENGAN METODE DEMPSTER-SHAFER
APLIKASI SISTEM PAKAR DIAGNOSA PENYAKIT GINJAL DENGAN METODE DEMPSTER-SHAFER Aprilia Sulistyohati, Taufiq Hidayat Laboratorium Sistem Informasi dan Perangkat Lunak Jurusan Teknik Informatika Fakultas Teknologi
Lebih terperinciPENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI
PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI Much. Djunaidi Jurusan Teknik Industri Universitas Muhammadiyah Surakarta Jl. Ahmad Yani Tromol Pos 1 Pabelan Surakarta email: joned72@yahoo.com
Lebih terperinciBAB II KAJIAN PUSTAKA. mengikuti sertifikasi, baik pendidikan gelar (S-1, S-2, atau S-3) maupun nongelar (D-
BAB II KAJIAN PUSTAKA A. Kualifikasi Akademik Ditjendikti - kemendiknas, (2010) menyatakan bahwa kualifikasi akademik adalah ijazah pendidikan tinggi yang dimiliki oleh guru pada saat yang bersangkutan
Lebih terperinciSeminar Tugas Akhir. Perancangan Sistem Pakar Fuzzy Untuk Pengenalan Dini Potensi Terserang Stroke Berbasis Web
Seminar Tugas Akhir Perancangan Sistem Pakar Fuzzy Untuk Pengenalan Dini Potensi Terserang Stroke Berbasis Web Oleh: Harmuda Pandiangan 1209 100 089 Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciGBPP. SPMI-DARMAJAYA/GBPP/ Garis Besar Program Pembelajaran Mata Kuliah Fuzzy Logic
GARIS BESAR PROGAM PEMBELAJARAN (GBPP) GBPP Revisi : Tanggal : Dikaji Ulang Oleh : Dikendalikan Oleh : Disetujui Oleh : Revisi ke Tanggal SPMI-DARMAJAYA/GBPP/ Garis Besar Progra Pebelajaran Mata Kuliah
Lebih terperinciBAB V PENALARAN. Untuk mengatasi ketidakpastian maka digunakan penalaran statistik.
BAB V PENALARAN 5.1 KETIDAKPASTIAN Dalam enyataan sehari-hari banya masalah didunia ini tida dapat dimodelan secara lengap dan onsisten. Suatu penalaran dimana adanya penambahan fata baru mengaibatan etidaonsistenan,
Lebih terperinci: Sistem Pendukung Keputusan, Siswa berprestasi, Tsukamoto
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SISWA BERPRESTASI BERBASIS WEB DENGAN METODE TSUKAMOTO PADA SMA INSTITUT INDONESIA Eko Purwanto Program Studi Teknik Informatika, Fakultas Ilmu Komputer Universitas
Lebih terperinciPenentuan Jumlah Produksi Kue Bolu pada Nella Cake Padang dengan Sistem Inferensi Fuzzy Metode Sugeno
Penentuan Kue Bolu pada Nella Cake Padang dengan Sistem Inferensi Fuzzy Metode Sugeno Shenna Miranda #1, Minora Longgom Nasution *2, Muhammad Subhan #3 #1 Student of Mathematics department State University
Lebih terperinci1. Pendahuluan RANCANG BANGUN SISTEM PENGENDALI SUHU RUANGAN MENGGUNAKAN FUZZY LOGIC
Ethos (Jurnal Penelitian dan Pengabdian Masyarakat): 207-212 RANCANG BANGUN SISTEM PENGENDALI SUHU RUANGAN MENGGUNAKAN FUZZY LOGIC 1 Iksal, 2 Saefudin, 3 Ilham Aswad 1 Jurusan Sistem Komputer Universitas
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan perekonomian yang terjadi saat ini menjadikan persaingan bisnis semakin kompetitif, konsumen semakin kritis dalam memilih produk berkualitas tinggi sehingga
Lebih terperinciJOBSHEET SISTEM CERDAS REASONING 2. Fuzzifikasi
JOBSHEET SISTEM CERDAS REASONING 2 Fuzzifikasi S1 PENDIDIKAN TEKNIK ELEKTRO JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS NEGERI MALANG 2016 PRAKTIKUM SISTEM CERDAS - REASONING JOBSHEET 2 - FUZZIFIKASI
Lebih terperinciARTIFICIAL INTELLIGENCE / AI (Kecerdasan Buatan)
ARTIFICIAL INTELLIGENCE / AI (Kecerdasan Buatan) Definisi : - Awalnya komputer difungsikan sebagai alat hitung. - Seiring dengan perkembangan jaman, komputer diharapkan dapat diberdayakan untuk mengerjakan
Lebih terperinciVII. LOGIKA FUZZY. Antara input dan output terdapat suatu kotak hitam yang harus memetakan input ke output yang sesuai. Misal : Ruang Input
VII. LOGIKA FUZZY 8 Logika fuzzy adalah suatu cara untuk memetakan suatu ruang input ke dalam suatu ruang output. Skema logika fuzzy : Ruang output Ruang input Variabel input KOTAK HITAM Variabel output
Lebih terperinciPENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI
PENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI Ahmad Mufid Program Studi Sistem Komputer Fakultas Teknik Universitas Sultan Fatah (UNISFAT) Jl. Sultan Fatah No. 83 Demak Telpon
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Sekarang ini hampir semua perusahaan yang bergerak di bidang industri dihadapkan pada suatu masalah yaitu adanya tingkat persaingan yang semakin kompetitif. Hal ini
Lebih terperinciBAB I PENDAHULUAN. Sebuah toko komputer ingin membangun suatu database yang isinya tidak
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Sebuah toko komputer ingin membangun suatu database yang isinya tidak hanya komponen-komponen dasar komputer, tetapi juga informasi yang dapat membantu dalam
Lebih terperinciSISTEM PAKAR PENENTUAN JENIS PENYAKIT HATI DENGAN METODE INFERENSI FUZZY TSUKAMOTO (Study Kasus di RS PKU Muhammadiyah Yogyakarta)
SISTEM PAKAR PENENTUAN JENIS PENYAKIT HATI DENGAN METODE INFERENSI FUZZY TSUKAMOTO (Study Kasus di RS PKU Muhammadiyah Yogyakarta) Ardi Pujiyanta, Ari Pujiantoro Program Studi Teknik Informatika Universitas
Lebih terperinciFUZZY LOGIC CONTROL 1. LOGIKA FUZZY
1. LOGIKA FUZZY Logika fuzzy adalah suatu cara tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Teknik ini menggunakan teori matematis himpunan fuzzy. Logika fuzzy berhubungan dengan
Lebih terperinciJURNAL SISTEM PREDIKSI INVENTORY BARANG MENGGUNAKAN METODE FUZZY TSUKAMOTO PREDICTION INVENTORY ITEMS USING FUZZY TSUKAMOTO
JURNAL SISTEM PREDIKSI INVENTORY BARANG MENGGUNAKAN METODE FUZZY TSUKAMOTO PREDICTION INVENTORY ITEMS USING FUZZY TSUKAMOTO Oleh: Reza Hadi Subiantoro 12.1.03.02.0224 Dibimbing oleh : 1. Fatkur Rhohman,
Lebih terperinciARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA
ARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA Rima Liana Gema, Devia Kartika, Mutiana Pratiwi Universitas Putra Indonesia YPTK Padang email: rimalianagema@upiyptk.ac.id ABSTRAK
Lebih terperinciPendapatan Masyarakat Disekitar Kampus dengan Adanya Mahasiswa Menggunakan Fuzzy
Pendapatan Masyarakat Disekitar Kampus dengan Adanya Mahasiswa Menggunakan Fuzzy Asrianda 1 Teknik Informatika Kampus Bukit Indah Lhokseumawe email : asrianda@unimal.ac.id ABSTRAK Bertambahnya permintaan
Lebih terperinciSISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB
JURNAL MATRIX VOL. 3, NO. 1, MARET 2013 39 SISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB I Ketut Suwintana Jurusan Akuntansi Politeknik Negeri Bali Kampus Bukit Jimbaran Bali Telp. +62 361 701981 Abstrak:.Logika
Lebih terperinciJurnal Teknologi Elektro, Universitas Mercu Buana ISSN :
PERANCANGAN SIMULASI KENDALI VALVE DENGAN ALGORITMA LOGIKA FUZZY MENGGUNAKAN BAHASA VISUAL BASIC Triyanto Pangaribowo Program Studi Teknik Elektro, Fakultas Teknik Universitas Mercu Buana Jakarta Email
Lebih terperinciPilihlah satu jawaban yang paling tepat untuk pertanyaan-pertanyaan dibawah ini
Mata Kuliah : Kecerdasan Buatan Sifat : Hari / Tanggal : Waktu : Kelompok : Dosen : Pilihlah satu jawaban yang paling tepat untuk pertanyaan-pertanyaan dibawah ini 1. Pernyataan yang benar tentang system
Lebih terperinciSistem Pakar Penentuan Selera Konsumen Terhadap Menu Kopi Dengan Metode Fuzzy Logic
Sistem Pakar Penentuan Selera Konsumen Terhadap Menu Kopi Dengan Metode Fuzzy Logic Mukhamad Soleh Nim : A11.2009.05051 Program Studi Teknik Informatika Fakultas Ilmu Komputer Universitas Dian Nuswantoro,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Beras merupakan salah satu kebutuhan pokok manusia yang sangat penting dalam kelangsungan hidupnya. Untuk memenuhi kebutuhan beras, setiap manusia mempunyai cara-cara
Lebih terperinciSIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI
SIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI Nofriadi * 1), Havid Syafwan 2) 1) Program Studi Sistem Informasi, STMIK Royal Kisaran Jl. Prof. M. Yamin 173 Kisaran, Sumatera
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Era persaingan yang semakin ketat pada saat sekarang ini telah menyebabkan perusahaan-perusahaan yang bergerak di bidang industri khususnya dalam bidang industri makanan
Lebih terperinciPERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)
PERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) L K Widyapratiwi 1, I P A Mertasana 2, I G D Arjana 2 1 Mahasiswa Teknik Elektro, Fakultas
Lebih terperinciAPLIKASI SISTEM PAKAR UNTUK MENGIDENTIFIKASI PENYAKIT DALAM PADA MANUSIA MENGGUNAKAN METODE FORWARD CHAINING
APLIKASI SISTEM PAKAR UNTUK MENGIDENTIFIKASI PENYAKIT DALAM PADA MANUSIA MENGGUNAKAN METODE FORWARD CHAINING 1 Diah Malis Oktaviani (0089), 2 Tita Puspitasari (0365) Program Studi Teknik Informatika Universitas
Lebih terperinciMENDETEKSI KEBERADAAN NYAMUK AEDES AEGIPTY MENGGUNAKAN METODE FUZZY. Ikhlas Ali Syahbana
MENDETEKSI KEBERADAAN NYAMUK AEDES AEGIPTY MENGGUNAKAN METODE FUZZY Ikhlas Ali Syahbana Jurusan Sistem Informasi STMIK Pringsewu Lampung Jl. Wismarini.09 Pringsewu Lampung Website : www.stmikpringsewu.ac.id
Lebih terperinciPENGARUH IPK DAN MOTIVASI DALAM MEMPREDIKSI KETEPATAN WAKTU KELULUSAN MAHASISWA DENGAN MENGGUNAKAN SISTEM PAKAR BERBASIS ADAPTIVE NEURO FUZZY
Seminar Nasional Sistem Informasi Indonesia, 2-4 Desember 2013 PENGARUH IPK DAN MOTIVASI DALAM MEMPREDIKSI KETEPATAN WAKTU KELULUSAN MAHASISWA DENGAN MENGGUNAKAN SISTEM PAKAR BERBASIS ADAPTIVE NEURO FUZZY
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Logika Fuzzy Logika fuzzy merupakan suatu metode pengambilan keputusan berbasis aturan yang digunakan untuk memecahkan keabu-abuan masalah pada sistem yang sulit dimodelkan
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
RENCANA PEMBELAJARAN SEMESTER (RPS) IKG2J3 KECERDASAN BUATAN Disusun oleh: PROGRAM STUDI ILMU KOMPUTASI FAKULTAS INFORMATIKA TELKOM UNIVERSITY LEMBAR PENGESAHAN Rencana Semester (RPS) ini telah disahkan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Game dan Video Game Menurut kamus Cambridge Advanced Learner Dictionary, game adalah sebuah aktivitas menghibur dan menyenangkan yang dimainkan oleh anak anak. Sedangkan video
Lebih terperinciPenerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi
Penerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi Berdasarkan Data Persediaan dan Jumlah Permintaan Ria Rahmadita Surbakti 1), Marlina Setia Sinaga 2) Jurusan Matematika FMIPA UNIMED riarahmadita@gmail.com
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Logika Fuzzy Fuzzy secara bahasa diartikan sebagai kabur atau samar yang artinya suatu nilai dapat bernilai benar atau salah secara bersamaan. Dalam fuzzy dikenal derajat keanggotan
Lebih terperinciPengenalan Sistem Cerdas. Soft Computing dan Aplikasi AI
Pengenalan Sistem Cerdas Soft Computing dan Aplikasi AI Soft Computing (SC) Merupakan pendekatan inovatif untuk konstruksi komputasi dalam sistem cerdas SC adalah suatu pendekatan yang muncul untuk komputasi
Lebih terperinciAplikasi Fuzzy Metode Mamdani untuk Rekomendasi Pemilihan Minat Grup Riset Mahasiswa
Aplikasi Fuzzy Metode Mamdani untuk Rekomendasi Pemilihan Minat Grup Riset Mahasiswa Astrie Kusuma Dewi 1), Adhistya Erna Permanasari 2), Indriana Hidayah 3) 1), 2), 3) Jurusan Teknik Elektro dan Teknologi
Lebih terperinciPENENTUAN BIAYA DAYA LISTRIK MENGGUNAKAN FUZZY INFERENSI TSUKAMOTO
PENENTUAN BIAYA DAYA LISTRIK MENGGUNAKAN FUZZY INFERENSI TSUKAMOTO David Sekolah Tinggi Manajemen Informatika dan Komputer Pontianak Jln. Merdeka No. 372 Pontianak, Kalimantan Barat David_Liauw@stmikpontianak.ac.id
Lebih terperinciBAB I PENDAHULUAN. sesungguhnya bukanlah penyakit tetapi berupa sindroma (kumpulan gejala) dimana
BAB I PENDAHULUAN 1.1 Latar Belakang Autisme adalah suatu kondisi mengenai seorang yang sejak lahir ataupun saat masa balita, yang membuat dirinya tidak dapat membentuk hubungan social atau komunikasi
Lebih terperinciADLN - Perpustakaan Universitas Airlangga
5 2.2. Cara Kerja Jantung Pada saat berdenyut, setiap ruang jantung mengendur dan terisi darah (disebut diastol). Selanjutnya jantung berkontraksi dan memompa darah keluar dari ruang jantung (disebut sistol).
Lebih terperinciLOGIKA FUZZY DALAM SISTEM PENDUKUNG KEPUTUSAN UNTUK ANALISA PENDISTRIBUSIAN RASKIN ( STUDI KASUS DI KECAMATAN BUKIT SUNDI )
LOGIKA FUZZY DALAM SISTEM PENDUKUNG KEPUTUSAN UNTUK ANALISA PENDISTRIBUSIAN RASKIN ( STUDI KASUS DI KECAMATAN BUKIT SUNDI ) Irzal Arief Wisky Universitas Putra Indonesia YPTK Padang irzal.arief2@gmail.com
Lebih terperinciHimpunan Fuzzy. Sistem Pakar Program Studi : S1 sistem Informasi
Himpunan Fuzzy Sistem Pakar Program Studi : S1 sistem Informasi Outline Himpunan CRISP Himpunan Fuzzy Himpunan CRISP Pada himpunan tegas (crisp), nilai keanggotaan suatu item dalam suatu himpunan A, yang
Lebih terperinciArtificial Intelegence. Eka Yuniar
Artificial Intelegence Eka Yuniar DEFINISI Awalnya komputer difungsikan sebagai alat hitung. Seiring dengan perkembangan jaman, komputer diharapkan dapatdiberdayakan untuk mengerjakan segala sesuatu yang
Lebih terperinci