ARTIFICIAL INTELLIGENCE

Ukuran: px
Mulai penontonan dengan halaman:

Download "ARTIFICIAL INTELLIGENCE"

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

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 terperinci

M. Zidny Naf an Gasal 2016/2017

M. 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 terperinci

Artificial intelligence

Artificial 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 terperinci

Artificial Intelegence EKA YUNIAR

Artificial 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 terperinci

KETIDAKPASTIAN MACAM PENALARAN

KETIDAKPASTIAN 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 terperinci

probabilitas Atau berlaku hubungan : P(E) + P(Ê) = 1

probabilitas 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 terperinci

ARTIFICIAL INTELLIGENCE

ARTIFICIAL 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 terperinci

Ketidakpastian dan teorema bayes UTHIE

Ketidakpastian 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 terperinci

KETIDAKPASTIAN. 4.1 PROBABILITAS DAN TEOREMA BAYES Bentuk Th. Bayes:

KETIDAKPASTIAN. 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 terperinci

4/28/2016. Selasa, 26 April 2016 ^ K10

4/28/2016. 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 terperinci

M. Zidny Naf an Gasal 2016/2017

M. 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 terperinci

SILABUS MATAKULIAH. Revisi : 4 Tanggal Berlaku : 04 September 2015

SILABUS 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 terperinci

Ketidakpastian & Kepastian (REASONING)

Ketidakpastian & 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 terperinci

KETIDAKPASTIAN MATERI KULIAH Kecerdasan Buatan Kecerdasan

KETIDAKPASTIAN 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 terperinci

RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS)

RENCANA 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 terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 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 terperinci

KECERDASAN BUATAN LOGIKA FUZZY

KECERDASAN 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 terperinci

INFERENSI DENGAN KETIDAKPASTIAN. PERTEMUAN 9 Diema Hernyka Satyareni, M.Kom

INFERENSI 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 terperinci

ARTIFICIAL INTELLIGENCE

ARTIFICIAL 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 terperinci

Soal 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 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 terperinci

PEMANFATAN TEOREMA BAYES DALAM PENENTUAN PENYAKIT THT

PEMANFATAN 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 terperinci

BAB II TEORI PENUNJANG

BAB 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 terperinci

Pengantar Kecerdasan Buatan (AK045218) Logika Fuzzy

Pengantar 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 terperinci

KECERDASAN BUATAN (Artificial Intelligence) Materi 8. Entin Martiana

KECERDASAN 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 terperinci

MATERI KULIAH (PERTEMUAN 12,13) Lecturer : M. Miftakul Amin, M. Eng. Logika Fuzzy. Politeknik Negeri Sriwijaya Palembang

MATERI 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 terperinci

RENCANA PROGRAM DAN KEGIATAN PEMBELAJARAN SEMESTER (RPKPS)

RENCANA 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 terperinci

Artificial Intelligence. (Teknik dan Aplikasinya)

Artificial 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 terperinci

Himpunan Tegas (Crisp)

Himpunan 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 terperinci

SISTEM INFERENSI FUZZY (METODE TSUKAMOTO) UNTUK PENENTUAN KEBUTUHAN KALORI HARIAN OLEH

SISTEM 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 terperinci

TK36301 PENGANTAR KECERDASAN BUATAN

TK36301 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 terperinci

RANCANGAN 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 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 terperinci

LOGIKA FUZZY. By: Intan Cahyanti K, ST

LOGIKA 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 terperinci

SILABUS ATIFICIAL INTELIGENCE

SILABUS 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 terperinci

Artificial Intelligence. uthie 1

Artificial 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 terperinci

APLIKASI 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 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 terperinci

LOGIKA FUZZY. Kelompok Rhio Bagus P Ishak Yusuf Martinus N Cendra Rossa Rahmat Adhi Chipty Zaimima

LOGIKA 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 terperinci

SATUAN ACARA PERKULIAHAN(SAP)

SATUAN 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

Analisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic

Analisis 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 terperinci

IMPLEMENTASI FUZZY RULE BASED SYSTEM UNTUK KLASIFIKASI BUAH MANGGA

IMPLEMENTASI 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 terperinci

adalahkelompok profesi terbesar dan berperan vital dalam sistem tersebut yang menyebabkan ABSTRAK

adalahkelompok 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

Pengenalan Kecerdasan Buatan (KB)

Pengenalan 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 terperinci

SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ

SPK 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 terperinci

Erwien Tjipta Wijaya, ST.,M.Kom

Erwien 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 terperinci

Kecerdasan Buatan (Artificial Intelligence) Muhammad Dahria

Kecerdasan 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 terperinci

SATUAN 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 ) (**) 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 terperinci

Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) REPRESENTASI EMOSI MENGGUNAKAN LOGIKA FUZZY PADA PERMAINAN BONNY S TOOTH BOOTH

Jurnal 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 terperinci

FUZZY MULTI-CRITERIA DECISION MAKING

FUZZY 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 terperinci

BAB II TINJAUAN TEORITIS

BAB 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 terperinci

Sistem Pakar untuk Mendiagnosa Penyakit Kucing Menggunakan Metode Backward Chaining

Sistem 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 terperinci

L ctur er: M. Mift Mi ak ft ul Am A i m n i,,s. Kom om,. M. M. ng.

L 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 terperinci

RANCANG BANGUN SISTEM PENGUNDIAN SEPAKBOLA MENGGUNAKAN LOGIKA FUZZY

RANCANG 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 terperinci

SISTEM 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 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 terperinci

KBKF63307 INTELIGENSI BUATAN

KBKF63307 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 terperinci

APLIKASI SISTEM PAKAR DIAGNOSA PENYAKIT GINJAL DENGAN METODE DEMPSTER-SHAFER

APLIKASI 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 terperinci

PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI

PENENTUAN 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 terperinci

BAB II KAJIAN PUSTAKA. mengikuti sertifikasi, baik pendidikan gelar (S-1, S-2, atau S-3) maupun nongelar (D-

BAB 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 terperinci

Seminar 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 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 terperinci

GBPP. SPMI-DARMAJAYA/GBPP/ Garis Besar Program Pembelajaran Mata Kuliah Fuzzy Logic

GBPP. 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 terperinci

BAB V PENALARAN. Untuk mengatasi ketidakpastian maka digunakan penalaran statistik.

BAB 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, 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 terperinci

Penentuan Jumlah Produksi Kue Bolu pada Nella Cake Padang dengan Sistem Inferensi Fuzzy Metode Sugeno

Penentuan 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 terperinci

1. Pendahuluan RANCANG BANGUN SISTEM PENGENDALI SUHU RUANGAN MENGGUNAKAN FUZZY LOGIC

1. 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

JOBSHEET SISTEM CERDAS REASONING 2. Fuzzifikasi

JOBSHEET 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 terperinci

ARTIFICIAL INTELLIGENCE / AI (Kecerdasan Buatan)

ARTIFICIAL 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 terperinci

VII. LOGIKA FUZZY. Antara input dan output terdapat suatu kotak hitam yang harus memetakan input ke output yang sesuai. Misal : Ruang Input

VII. 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 terperinci

PENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI

PENENTUAN 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

BAB I PENDAHULUAN. Sebuah toko komputer ingin membangun suatu database yang isinya tidak

BAB 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 terperinci

SISTEM 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) 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 terperinci

FUZZY LOGIC CONTROL 1. LOGIKA FUZZY

FUZZY 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 terperinci

JURNAL 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 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 terperinci

ARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA

ARTIFICIAL 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 terperinci

Pendapatan Masyarakat Disekitar Kampus dengan Adanya Mahasiswa Menggunakan Fuzzy

Pendapatan 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 terperinci

SISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB

SISTEM 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 terperinci

Jurnal Teknologi Elektro, Universitas Mercu Buana ISSN :

Jurnal 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 terperinci

Pilihlah satu jawaban yang paling tepat untuk pertanyaan-pertanyaan dibawah ini

Pilihlah 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 terperinci

Sistem Pakar Penentuan Selera Konsumen Terhadap Menu Kopi Dengan Metode Fuzzy Logic

Sistem 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

SIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI

SIMULASI 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

PERAMALAN 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) 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 terperinci

APLIKASI 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 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 terperinci

MENDETEKSI KEBERADAAN NYAMUK AEDES AEGIPTY MENGGUNAKAN METODE FUZZY. Ikhlas Ali Syahbana

MENDETEKSI 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 terperinci

PENGARUH IPK DAN MOTIVASI DALAM MEMPREDIKSI KETEPATAN WAKTU KELULUSAN MAHASISWA DENGAN MENGGUNAKAN SISTEM PAKAR BERBASIS ADAPTIVE NEURO FUZZY

PENGARUH 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 terperinci

BAB II TINJAUAN PUSTAKA

BAB 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 terperinci

RENCANA PEMBELAJARAN SEMESTER (RPS)

RENCANA 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 terperinci

BAB II TINJAUAN PUSTAKA

BAB 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 terperinci

Penerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi

Penerapan 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

Pengenalan Sistem Cerdas. Soft Computing dan Aplikasi AI

Pengenalan 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 terperinci

Aplikasi Fuzzy Metode Mamdani untuk Rekomendasi Pemilihan Minat Grup Riset Mahasiswa

Aplikasi 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 terperinci

PENENTUAN BIAYA DAYA LISTRIK MENGGUNAKAN FUZZY INFERENSI TSUKAMOTO

PENENTUAN 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 terperinci

BAB I PENDAHULUAN. sesungguhnya bukanlah penyakit tetapi berupa sindroma (kumpulan gejala) dimana

BAB 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 terperinci

ADLN - Perpustakaan Universitas Airlangga

ADLN - 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 terperinci

LOGIKA 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 ) 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 terperinci

Himpunan Fuzzy. Sistem Pakar Program Studi : S1 sistem Informasi

Himpunan 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 terperinci

Artificial Intelegence. Eka Yuniar

Artificial 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