Artificial Intelligence. uthie 1

Ukuran: px
Mulai penontonan dengan halaman:

Download "Artificial Intelligence. uthie 1"

Transkripsi

1 Artificial Intelligence uthie 1

2 Cabang-cabang AI 1. Logical AI Logika (matematis) yang merepresentasikan sekumpulan fakta dan tujuan ---> RUANG KEADAAN: Graph Tree uthie 2

3 Cabang-cabang AI 2. Search Pencarian keadaan baru dari keadaan sekarang yang akan menentukan pergerakan: Blind Search Depth-First Search Breadth-Firsh Search Heuristic Search Generate & Test Hill Climbing Best-First search Simulated-Annealing Tabu Search Algoritma Genetika

4 Cabang-cabang AI 3. Representation Representasi fakta-fakta (pengetahuan) dalam ruang keadaan: Logika (proposisi & predikat) Tree Jaringan Semantik Frame Naskah Kaidah Produksi

5 Cabang-cabang AI 4. Pattern Recognition Pengenalan & pencocokan suatu pola terhadap sekumpulan pola. Pengolahan Bahasa Alami Jaringan Syaraf Tiruan

6 Cabang-cabang AI 5. Inference Kemampuan untuk menarik kesimpulan berdasarkan pengetahuan. Forward Reasoning Backward Reasoning Fuzzy Inference System (FIS)

7 Cabang-cabang AI Learning from Experience Melakukan proses pembelajaran (pelatihan) dari pengetahuan atau pengalaman yang ada pada basis pengetahuan. Jaringan Syaraf Tiruan

8 Bagaimana AI bekerja? Bagian terpenting AI: Knowledge base (basis pengetahuan), berisi fakta-fakta, teori, pemikiran dan hubungan antara satu dengan lainnya. Inference engine, yaitu kemampuan menarik kesimpulan berdasarkan pengalaman.

9 Bagaimana AI bekerja? ARTIFICIAL INTELLIGENCE Input: MASALAH Knowledge Base Inference Engine Output: SOLUSI

10 Analogi dengan kecerdasan manusia Basis Pengetahuan: Kumpulan pengetahuan & pengalaman yang dimiliki oleh manusia. Contoh: Jika saya makan cabe > 5 buah, maka tidak lama kemudian perut saya akan terasa sakit. Jika kuliah mulai jam 7, dan saya berangkat dari rumah jam 6.45, maka saya akan terlambat. Jika x=3.75, maka y=100.

11 Analogi dengan kecerdasan manusia Inferensi: Kemampuan manusia untuk menalar berdasarkan pengetahuan/pengalaman yang dimiliki, apabila muncul suatu fakta. Contoh: Pengetahuan: Jika saya makan cabe > 5 buah, maka tidak lama kemudian perut saya akan terasa sakit. Fakta: Saya baru saja makan cabe 15 buah. Kesimpulan: Tidak lama lagi perut saya akan sakit.

12 Bentuk penalaran Penalaran Deduktif Penalaran dimulai dari premis yang bersifat umum, untuk mendapatkan konklusi yang khusus. Contoh: Premis1: Jika hari hujan, maka saya tidak datang. Premis2: Hari ini turun hujan. Konklusi: Hari ini saya tidak datang.

13 Bentuk penalaran Penalaran induktif: Penalaran dimulai dari premis-premis yang bersifat khusus, untuk mendapatkan konklusi yang bersifat umum. Contoh: Premis1: Ikan mujaer bernafas dengan insang. Premis2: Ikan mas koki bernafas dengan insang. Premis3: Ikan bawal bernafas dengan insang. Premis4: Ikan kakap bernafas dengan insang. Premis5: Ikan paus bernafas dengan paru-paru. Konklusi: Ikan adalah hewan yang bernafas dg insang Konklusi tidak benar!!!!!

14 Penalaran induktif sangat rentan terhadap ketidakpastian. Suatu penalaran dimana adanya penambahan fakta baru mengakibatkan ketidakkonsistenan disebut dengan Penalaran Non Monotonis. Ciri-ciri dari Penalaran Non Monotonis adalah: Mengandung ketidakpastian; Adanya perubahan pada pengetahuan. Adanya penambahan fakta baru dapat mengubah konklusi yang sudah terbentuk. Misalkan S adalah konklusi dari D, bisa jadi S tidak dibutuhkan sebagai konklusi D + fakta-fakta baru. Sedangkan Penalaran Monotonis memiliki ciri-ciri: Konsisten; Pengetahuannya lengkap.

15 Teknik Pemecahan Masalah AI Conventional Hard Computing Precise Models Logika penalaran berbentuk simbol Pencarian & Pemodelan masalah dilakukan secara numeris (tradisional) Soft Computing Approximate Models Penalaran melalui pendekatan Pendekatan fungsional & Pencarian random

16 Soft Computing Soft computing adalah koleksi dari beberapa metodologi yang bertujuan untuk mengeksploitasi adanya toleransi terhadap ketidaktepatan, ketidakpastian, dan kebenaran parsial untuk dapat diselesaikan dengan mudah, robustness, dan biaya penyelesaiannya murah. Definisi ini pertama kali diungkapkan oleh Prof. Lotfi A. Zadeh pada tahun 1992.

17 Komponen Soft Computing Approximate reasoning: Fuzzy System; Probabilistic Reasoning; Functional Approximation/ Randomized Search: Neural Network (Jaringan Syaraf) Evolutionary Algorithm (Algoritma evolusioner).

18 Sistem Fuzzy Konsepnya menggunakan teori himpunan. Menggunakan derajat keanggotaan fuzzy untuk menunjukkan seberapa besar suatu nilai masuk dalam suatu himpunan fuzzy. Bidang kajian: Fuzzy Inference System Fuzzy Clustering Fuzzy Database Fuzzy Mathematical Programming Dll.

19 Jaringan Syaraf Tiruan Menggunakan algoritma pembelajaran untuk mendapatkan bobot-bobot yang optimum. Jenis pembelajaran: supervised learning, dan unsupervised learning. Algoritma pembelajaran yang sudah dikembangkan, dan paling sering diaplikasikan: Perceptron Radial Basis Backpropagation (sederhana & lanjut) Self Organizing Learning Vector Quantization dll

20 Algoritma Evolusioner Menggunakan pendekatan teori evolusi. Dipelopori oleh algoritma genetika. Terutama digunakan untuk optimasi. Algoritma yang sudah dikembangkan: Algoritma Genetika Ant System Fish Schooling Bird Flocking Particle Swarm

21 Probabilistic Reasoning Mengakomodasi adanya faktor ketidakpastian. Teori-teori yang berkembang: Teorema Bayes Certainty Factor (statistic reasoning) Teorema Dempster-Shafer (statistic reasoning)

22 Hybrid System Setiap komponen dalam Soft computing tidak saling berkompetisi, melainkan justru saling melengkapi. Hybrid system merupakan perpaduan antar komponen dalam soft computing.

23 Beberapa Hybrid Systems Neuro-fuzzy Systems Jaringan syaraf digunakan untuk membangkitkan fungsi keanggotaan suatu sistem fuzzy. Jaringan syaraf digunakan secara serial dengan sistem fuzzy. Jaringan syaraf berperan pada saat preprocessing dan postprocessing. ANFIS (Adaptive Network-based Fuzzy Inference System). Jaringan syaraf digunakan untuk mengimplementasikan Fuzzy inference System.

24 Beberapa Hybrid Systems Neural Fuzzy Systems Digunakan untuk akuisisi pengetahuan dan pembelajaran. Jaringan syaraf diinisialisasi dengan pengetahuan pakar dalam bentuk simbol, kemudian dilatih berdasarkan input-output sistem nyata. Pengetahuan dalam bentuk simbol yang diperoleh dari pelatihan tersebut kemudian direpresentasikan dalam logika fuzzy. Fuzzy Neural Network Lapisan-lapisan pada jaringan syaraf, melakukan operasi-operasi: fuzzifikasi dan defuzzy, dari input dan output crisp.

25 Beberapa Hybrid Systems Fuzzy Genetic Algorithms Kemampuan optimasi dari GA digunakan untuk memilih aturan-aturan terbaik untuk fuzzy inference system. Neuro-genetic Systems GA digunakan sebagai sarana untuk mengukur performansi pembelajaran dari jaringan syaraf.

26 Menggunakan AI, KAPAN???? Masalah: Carilah nilai minimum dari: y=x 2 +2x-3; pada kawasan [-10 10]. Dengan mudah dapat diselesaikan secara analitis. Solusi eksak, Nilai Minimum = -4, terletak pada x=-1. Untuk masalah sederhana yang bisa diselesaikan secara analitis, selesaikanlah secara ANALITIS.

27 120 f(x)=x 2 +2x y minimum x

28 Masalah: Carilah akar persamaan: f(x)= sin(x)cos(x)-2x+3sin(x)ln(x)+5sin(2x 2-5x) / cos(x 3-2x), dekat dengan 3. Sangat sulit untuk diselesaikan secara analitis, gunakan pendekatan METODE NUMERIS: (Metode biseksi, regulafalsi, secant, Newton). Hasil=3,0846.

29 300 sin(x)cos(x)-2x+3sin(x)ln(x)+5sin(2x 2-5x)/cos(x 3-2x) y=0, x dekat dengan y x

30 Masalah: Carilah nilai minimum dari: f(x)= sin(x)cos(x)-2x+3sin(x)ln(x)+5sin(2x 2-5x) /cos(x 3-2x), dekat pada kawasan [1 5]. Sangat sulit untuk diselesaikan secara analitis. Secara numeris memungkinkan, namun kumungkinan diperoleh nilai minimum lokal sangat tinggi. Cara terbaik gunakan pendekatan ARTIFICIAL INTELLIGENCE (Simulated Annealing, Algoritma Genetika). Nilai minimum= , pada x=133

31 300 sin(x)cos(x)-2x+3sin(x)ln(x)+5sin(2x 2-5x)/cos(x 3-2x) y minimum global x

32 Bekal ilmu yang harus disiapkan untuk lebih memudahkan mempelajari Soft Computing: ALJABAR KALKULUS LOGIKA KOMPUTASI NUMERIS SOFT COMPUTING

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

1- INTRODUCTION TO ARTIFICIAL INTELLIGENCE. Shofwatul Uyun, S.T. MKom.

1- INTRODUCTION TO ARTIFICIAL INTELLIGENCE. Shofwatul Uyun, S.T. MKom. 1- INTRODUCTION TO ARTIFICIAL INTELLIGENCE Kecerdasan Buatan Program Studi Teknik Informatika Universitas Islam Negeri Sunan Kalijaga Shofwatul Uyun, S.T. MKom. 1 AGENDA PENGERTIAN Artificial Intelligence?

Lebih terperinci

BAB 1. Adakalanya proses penalaran mengandung data-data atau informasi yang mengandung

BAB 1. Adakalanya proses penalaran mengandung data-data atau informasi yang mengandung BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Proses penalaran merupakan bagian yang sangat penting dalam sistem cerdas. Adakalanya proses penalaran mengandung data-data atau informasi yang mengandung ketidaktepatan

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

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

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

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

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

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

KECERDASAN BUATAN Artificial intelligence TRI WAHYUDI TIPA 15

KECERDASAN BUATAN Artificial intelligence TRI WAHYUDI TIPA 15 KECERDASAN BUATAN Artificial intelligence TRI WAHYUDI 1530055401001 TIPA 15 DAFTAR isi BAB I pengantar kecerdasan buatan BAB II Bidang Ilmu Ai BAB III Machine Learning BAB I PENGANTAR KECERDASAN BUATAN

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

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

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

RENCANA PEMBELAJARAN SEMESTER (RPS)

RENCANA PEMBELAJARAN SEMESTER (RPS) RENCANA PEMBELAJARAN SEMESTER (RPS) CIG4B3 SOFT COMPUTING Disusun oleh: Syahrul Mubarok PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS INFORMATIKA TELKOM UNIVERSITY LEMBAR PENGESAHAN Rencana Pembelajaran

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

BAB I PENGANTAR KECERDASAN BUATAN

BAB I PENGANTAR KECERDASAN BUATAN BAB I PENGANTAR KECERDASAN BUATAN 1. 1 DEFINISI Kecerdasan buatan (Artificial Intelligence) : Bagian dari ilmu komputer yang mempelajari bagaimana membuat mesin (komputer) dapat melakukan pekerjaan seperti

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

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

mental kita begitu penting bagi kehidupan

mental kita begitu penting bagi kehidupan PENGANTAR KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE) Pendahuluan Manusia memiliki nama ilmiah homo sapiens - manusia yang bijaksana - karena kapasitas mental kita begitu penting bagi kehidupan sehari-hari.

Lebih terperinci

SATUAN ACARA PERKULIAHAN (SAP)

SATUAN ACARA PERKULIAHAN (SAP) SATUAN ACARA PERKULIAHAN (SAP) Nama Mata Kuliah : Kecerdasan Buatan Kode Mata Kuliah : TI 037 Bobot Kredit : 3 SKS Semester Penempatan : VI Kedudukan Mata Kuliah : Mata Kuliah Keahlian Berkarya Mata Kuliah

Lebih terperinci

RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS)

RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) Kode / Nama Mata Kuliah : A11. 54605 / Kecerdasan Buatan Revisi 2 Satuan Kredit Semester : 3 SKS Tgl revisi : Februari 2014 Jml Jam kuliah dalam seminggu

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

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

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

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

BAB I Pengenalan Kecerdasan Buatan (Artificial Inteligent / AI ) Created A.Tohir from Dosen Mr.Zulkifli

BAB I Pengenalan Kecerdasan Buatan (Artificial Inteligent / AI ) Created A.Tohir from Dosen Mr.Zulkifli BAB I Pengenalan Kecerdasan Buatan (Artificial Inteligent / AI ) Created A.Tohir from Dosen Mr.Zulkifli Definisi Kecerdasan Buatan Merupakan salah satu bagian dari ilmu komputer Yang membuat agar mesin

Lebih terperinci

SILABUS MATAKULIAH. Indikator Pokok Bahasan/Materi Strategi Pembelajaran KONTRAK KULIAH DAN PREVIEW MATERI. PENGENALAN KECERDASAN BUATAN a.

SILABUS MATAKULIAH. Indikator Pokok Bahasan/Materi Strategi Pembelajaran KONTRAK KULIAH DAN PREVIEW MATERI. PENGENALAN KECERDASAN BUATAN a. SILABUS MATAKULIAH Revisi : 2 Tanggal Berlaku : Maret 2014 A. Identitas 1. Nama Matakuliah : A11. 54605 / Kecerdasan Buatan 2. Program Studi : Teknik Informatika-S1 3. Fakultas : Ilmu Komputer 4. Bobot

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

BAB 1 PENDAHULUAN. berkembang pesat pada akhir-akhir ini mengingat perkembangan teknologi yang

BAB 1 PENDAHULUAN. berkembang pesat pada akhir-akhir ini mengingat perkembangan teknologi yang BAB 1 PENDAHULUAN 1.1 Latar Belakang Kecerdasan buatan (artificial intelligence) merupakan bidang yang berkembang pesat pada akhir-akhir ini mengingat perkembangan teknologi yang mengarah kepada bidang

Lebih terperinci

BAB I PENDAHULUAN. beberapa dekade ini. Kanker paru merupakan pertumbuhan sel-sel abnormal yang

BAB I PENDAHULUAN. beberapa dekade ini. Kanker paru merupakan pertumbuhan sel-sel abnormal yang BAB I PENDAHULUAN A. Latar Belakang Kanker paru telah menjadi salah satu kanker yang sering terjadi dalam beberapa dekade ini. Kanker paru merupakan pertumbuhan sel-sel abnormal yang tak terkendali pada

Lebih terperinci

TAHUN AKADEMIK 2016/2017. : PENGANTAR INTELEGENSI BUATAN : Betha Nurina Sari, M.Kom. : Open Book via Google Form (90 Menit)

TAHUN AKADEMIK 2016/2017. : PENGANTAR INTELEGENSI BUATAN : Betha Nurina Sari, M.Kom. : Open Book via Google Form (90 Menit) IFT 501 PANITIA UJIAN AKHIR SEMESTER GANJIL FAKULTAS ILMU KOMPUTER UNIVERSITAS SINGAPERBANGSA KARAWANG Jl. H.S. Ronggowaluyo Telukjambe Telp. (0267) 641177 Ex 307 Fax (0267) 641367 Karawang 41361 TAHUN

Lebih terperinci

SATUAN ACARA PERKULIAHAN MATA KULIAH : SISTEM CERDAS (AK014226) FAKULTAS / JURUSAN : TEKNIK KOMPUTER / D3 SKS/SEMESTER : 2/5

SATUAN ACARA PERKULIAHAN MATA KULIAH : SISTEM CERDAS (AK014226) FAKULTAS / JURUSAN : TEKNIK KOMPUTER / D3 SKS/SEMESTER : 2/5 SATUAN ACARA PERKULIAHAN MATA KULIAH : SISTEM CERDAS (AK014226) FAKULTAS / JURUSAN : TEKNIK KOMPUTER / D3 SKS/SEMESTER : 2/5 Minggu Ke Pokok Bahasan Dan TIU 1 Pengenalan Intelegensi Buatan (KB) konsep

Lebih terperinci

SATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA

SATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA Mata Kuliah Kode / SKS Program Studi Fakultas : Sistem Kecerdasan Buatan : AK012229 / 2 SKS : Sistem Komputer : Ilmu Komputer & Teknologi Informasi 1 Pengenalan Intelegensi Buatan (KB) konsep Intelegensi

Lebih terperinci

H. A. Simon [1987] : Rich and Knight [1991]:

H. A. Simon [1987] : Rich and Knight [1991]: H. A. Simon [1987] : Kecerdasan buatan (artificial intelligence) merupakan kawasan penelitian, aplikasi dan instruksi yang terkait dengan pemrograman komputer untuk melakukan sesuatu hal yang - dalam pandangan

Lebih terperinci

SISTEM PAKAR MENGGUNAKAN MESIN INFERENSI FUZZY. Wilis Kaswidjanti. Abstrak

SISTEM PAKAR MENGGUNAKAN MESIN INFERENSI FUZZY. Wilis Kaswidjanti. Abstrak Jurnal Teknik Elektro Vol. No. Juli - Desember 0 9 SISTEM PAKAR MENGGUNAKAN MESIN INFERENSI FUZZY Wilis Kaswidjanti Abstrak Salah satu cara untuk menangani ketidakpastian pada bidang sistem pakar dapat

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Kecerdasan Buatan Kecerdasan buatan atau artificial intelligence merupakan salah satu bagian ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti

Lebih terperinci

GARIS-GARIS BESAR PROGRAM PENGAJARAN (GBPP)

GARIS-GARIS BESAR PROGRAM PENGAJARAN (GBPP) Mata : Kecerdasan Buatan Bobot Mata : 3 Sks GARIS-GARIS BESAR PROGRAM PENGAJARAN (GBPP) Deskripsi Mata : Representasi pengetahuan dan pemecahan persoalan AI; Logika; Uncertainty; Vision Blind Search; Al

Lebih terperinci

SA N BUA BU T A A T N

SA N BUA BU T A A T N MATERI KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE) PENGANTAR by : Suthami A MATERI No 1. Pendahuluan Materi 2. Masalah dan Ruang Keadaan 3. Metode Pelacakan/Pencarian 4. Representasi Pengetahuan 5. Penalaran

Lebih terperinci

PENGANTAR KECERDASAN BUATAN

PENGANTAR KECERDASAN BUATAN PERTEMUAN PERTAMA PENGANTAR KECERDASAN BUATAN SEKOLAH TINGGI TEKNIK HARAPAN TAHUN AJARAN 2017-2018 Fera Damayanti Welcome Dosen Alamat : Fera Damayanti, ST, M.Kom : Jalan Karya Bakti No.26 Tanjung Pura,

Lebih terperinci

BAB 1 PENDAHULUAN. Berbagai cabang ilmunya telah membantu manusia menyelesaikan pekerjaan dengan

BAB 1 PENDAHULUAN. Berbagai cabang ilmunya telah membantu manusia menyelesaikan pekerjaan dengan 1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan ilmu kecerdasan buatan saat ini sudah berkembang pesat. Berbagai cabang ilmunya telah membantu manusia menyelesaikan pekerjaan dengan lebih baik, cepat,

Lebih terperinci

UNIVERSITAS GUNADARMA

UNIVERSITAS GUNADARMA QUIZ PENGANTAR KECERDASAN BUATAN Kelompok : Hasbi Nur Haqi (50407406) (Ketua) M. Isramuddin (50407572) Septo Aditiyo (50407796) Yusup Bachtiar (50407929) Kelas : 4IA03 UNIVERSITAS GUNADARMA 2010 Soal dan

Lebih terperinci

Implementasi Neuro Fuzzy dalam Proses Belajar Mengajar untuk Meningkatkan Prestasi Mahasiswa

Implementasi Neuro Fuzzy dalam Proses Belajar Mengajar untuk Meningkatkan Prestasi Mahasiswa Implementasi Neuro Fuzzy dalam Proses Belajar Mengajar untuk Meningkatkan Prestasi Mahasiswa Nurjayadi Jurusan Manajemen Informatika STMIK Amik Riau nurjayadi@stmik-amik-riau.ac.id Abstrak Proses belajar

Lebih terperinci

BAB III TEORI DASAR SISTEM PAKAR DAN SISTEM KONTROL BERBASIS SISTEM PAKAR 20 BAB III TEORI DASAR SISTEM PAKAR DAN SISTEM KONTROL BERBASIS SISTEM PAKAR

BAB III TEORI DASAR SISTEM PAKAR DAN SISTEM KONTROL BERBASIS SISTEM PAKAR 20 BAB III TEORI DASAR SISTEM PAKAR DAN SISTEM KONTROL BERBASIS SISTEM PAKAR SISTEM PAKAR 20 BAB III TEORI DASAR SISTEM PAKAR DAN SISTEM KONTROL BERBASIS SISTEM PAKAR 3.1 Sistem Pakar Sistem pakar adalah suatu program komputer cerdas yang menggunakan knowledge (pengetahuan) dan

Lebih terperinci

4/7/2016. fakultas ilmu komputer program studi. informatika. Apakah

4/7/2016. fakultas ilmu komputer program studi. informatika. Apakah ب س م ا ه لل الر ح ن الر ح ي ب س م ا ه لل الر ح ن الر ح ي السالم عليكم ورحمة هللا وبركاته fakultas ilmu komputer program studi informatika Apakah 1 Renungan??? Bisakah mesin berpikir? Jika bisa, bagaimana

Lebih terperinci

BAB 2 TINJAUAN TEORI. Artificial Intelligence. Jika diartikan Artificial memiliki makna buatan,

BAB 2 TINJAUAN TEORI. Artificial Intelligence. Jika diartikan Artificial memiliki makna buatan, BAB 2 TINJAUAN TEORI 2.1 Kecerdasan Buatan Kecerdasan buatan adalah sebuah istilah yang berasal dari bahasa Inggris yaitu Artificial Intelligence. Jika diartikan Artificial memiliki makna buatan, sedangkan

Lebih terperinci

BAB I PENDAHULUAN. Uang adalah alat pembayaran dalam transaksi jual beli barang atau jasa. Pada

BAB I PENDAHULUAN. Uang adalah alat pembayaran dalam transaksi jual beli barang atau jasa. Pada BAB I PENDAHULUAN A. Latar Belakang Uang adalah alat pembayaran dalam transaksi jual beli barang atau jasa. Pada dasarnya ada dua jenis uang yang beredar di masyarakat, yaitu uang kartal dan uang giral.

Lebih terperinci

SATUAN ACARA PERKULIAHAN MATA KULIAH INTELIGENSI BUATAN (TK) KODE / SKS : KK / 4 SKS

SATUAN ACARA PERKULIAHAN MATA KULIAH INTELIGENSI BUATAN (TK) KODE / SKS : KK / 4 SKS SATUAN ACARA PERKULIAHAN MATA KULIAH INTELIGENSI BUATAN (TK) KODE / SKS : KK-014420 / 4 SKS Minggu Pokok Bahasan dan 1 1. Konsep dasar AI 2 memahami konsep dasar AI 2. Penyelesaian Masalah berdasarkan

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

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Artificial Intelligence (AI) Artificial Intelligence (AI) atau kecerdasan buatan merupakan salah satu bidang ilmu komputer yang mempelajari bagaimana cara agar komputer dapat

Lebih terperinci

BAB I PENDAHULUAN. Universitas Sumatera Utara

BAB I PENDAHULUAN. Universitas Sumatera Utara BAB I PENDAHULUAN 1.1 Latar Belakang Setelah berkembangnya AI (Artifical Intelligence), banyak sekali ditemukan sejumlah algoritma yang terinspirasi dari alam. Banyak persoalan yang dapat diselesaikan

Lebih terperinci

KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE) By :Suthami A.

KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE) By :Suthami A. KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE) By :Suthami A. Definisi Kecerdasan buatan (Artificial Intelligence) : Bagian dari ilmu komputer yang mempelajari bagaimana membuat mesin (komputer) dapat melakukan

Lebih terperinci

PENERAPAN ALGORITMA GENETIKA UNTUK MENYELESAIKAN PERMASALAHAN PENJADWALAN DOSEN DENGAN FUZZY

PENERAPAN ALGORITMA GENETIKA UNTUK MENYELESAIKAN PERMASALAHAN PENJADWALAN DOSEN DENGAN FUZZY PENERAPAN ALGORITMA GENETIKA UNTUK MENYELESAIKAN PERMASALAHAN PENJADWALAN DOSEN DENGAN FUZZY Arief Kelik Nugroho Fakultas Teknik, Universitas PGR Yogyakarta e-mail : ariefkeliknugroho@gmail.com Abstrak

Lebih terperinci

SISTEM PAKAR DENGAN BEBERAPA KNOWLEDGE BASE MENGGUNAKAN PROBABILITAS BAYES DAN MESIN INFERENSI FORWARD CHAINING

SISTEM PAKAR DENGAN BEBERAPA KNOWLEDGE BASE MENGGUNAKAN PROBABILITAS BAYES DAN MESIN INFERENSI FORWARD CHAINING SISTEM PAKAR DENGAN BEBERAPA KNOWLEDGE BASE MENGGUNAKAN PROBABILITAS BAYES DAN MESIN INFERENSI FORWARD CHAINING Agus Sasmito Aribowo 1), Siti Khomsah 2) 1) Teknik Informatika. UPN Veteran Yogyakarta Jl.

Lebih terperinci

Jurnal Elektro ELTEK Vol. 2, No. 1, April 2011 ISSN:

Jurnal Elektro ELTEK Vol. 2, No. 1, April 2011 ISSN: Perbandingan Penggunaan Metode Radial Basis Function Network () Dari Metode Fuzzy Neural Netwotk () Dalam Memperkirakan Beban Jangka Pendek di GI. Gondang Wetan Pasuruan Rory Asrial, Almizan Abdullah,

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 Kecerdasasan

Lebih terperinci

BAB 2 LANDASAN TEORI. fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses

BAB 2 LANDASAN TEORI. fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses 8 BAB 2 LANDASAN TEORI 2.1 Teori Neuro Fuzzy Neuro-fuzzy sebenarnya merupakan penggabungan dari dua studi utama yaitu fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses

Lebih terperinci

EXPERT SYSTEM DENGAN BEBERAPA KNOWLEDGE UNTUK DIAGNOSA DINI PENYAKIT-PENYAKIT HEWAN TERNAK DAN UNGGAS

EXPERT SYSTEM DENGAN BEBERAPA KNOWLEDGE UNTUK DIAGNOSA DINI PENYAKIT-PENYAKIT HEWAN TERNAK DAN UNGGAS EXPERT SYSTEM DENGAN BEBERAPA KNOWLEDGE UNTUK DIAGNOSA DINI PENYAKIT-PENYAKIT HEWAN TERNAK DAN UNGGAS Agus Sasmito Aribowo Teknik Informatika. UPN Veteran Yogyakarta Jl. Babarsari no 2 Tambakbayan 55281

Lebih terperinci

Sistem Pakar Metode Inferensi 1. Kelas A & B Jonh Fredrik Ulysses, ST

Sistem Pakar Metode Inferensi 1. Kelas A & B Jonh Fredrik Ulysses, ST Sistem Pakar Metode Inferensi 1 Kelas A & B Jonh Fredrik Ulysses, ST jonh.fredrik.u@gmail.com Pengantar Bab ini akan mendiskusikan berbagai macam metode penalaran atau inferensi. Topik ini merupakan topik

Lebih terperinci

Jaringan Syaraf Tiruan dengan Pembelajaran Algoritma Genetika dan Diversitas untuk Deteksi Kelas Penyakit

Jaringan Syaraf Tiruan dengan Pembelajaran Algoritma Genetika dan Diversitas untuk Deteksi Kelas Penyakit Jaringan Syaraf Tiruan dengan Pembelajaran Algoritma Genetika dan Diversitas untuk Deteksi Kelas Penyakit Abidatul Izzah 1), Ratih Kartika Dewi 2) 1)2) Jurusan Teknik Informatika ITS Surabaya Jl. Teknik

Lebih terperinci

STMIK EL RAHMA YOGYAKARTA Dibuat Oleh Revisi ke Tanggal dibuat Diperiksa oleh

STMIK EL RAHMA YOGYAKARTA Dibuat Oleh Revisi ke Tanggal dibuat Diperiksa oleh KONTRAK KULIAH Program studi : Teknik Informatika Kode Mata Kuliah : IKK112115 Mata kuliah : Kecerdasan Buatan SKS : 3 SKS Semester : 5 Jenis Mata Kuliah : Wajib Kelompok MK : IKK STMIK EL RAHMA YOGYAKARTA

Lebih terperinci

Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas

Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas Zulfikar Sembiring Jurusan Teknik Informatika, Fakultas Teknik, Universitas Medan Area zoelsembiring@gmail.com Abstrak Logika Fuzzy telah banyak

Lebih terperinci

LEMBAR TUGAS MAHASISWA ( LTM )

LEMBAR TUGAS MAHASISWA ( LTM ) LEMBAR TUGAS MAHASISWA ( LTM ) SISTEM PAKAR Program Studi Teknik Informatika Program Strata Satu (S1) Tahun 2015 NIM NAMA KELAS :. :.. :. SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER NUSAMANDIRI Jakarta

Lebih terperinci

BAB I PENDAHULUAN. kehidupan sehari-hari dan juga merupakan disiplin ilmu yang berdiri sendiri serta

BAB I PENDAHULUAN. kehidupan sehari-hari dan juga merupakan disiplin ilmu yang berdiri sendiri serta BAB I PENDAHULUAN A. Latar Belakang Matematika adalah cabang ilmu pengetahuan yang dapat digunakan dalam kehidupan sehari-hari dan juga merupakan disiplin ilmu yang berdiri sendiri serta tidak merupakan

Lebih terperinci

PERANCANGAN SYSTEM PAKAR GENERIC MENGGUNAKAN BINARY TREE

PERANCANGAN SYSTEM PAKAR GENERIC MENGGUNAKAN BINARY TREE PERANCANGAN SYSTEM PAKAR GENERIC MENGGUNAKAN BINARY TREE Luky Agus Hermanto, ST., MT. Jurusan Teknik Informatika Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya Jl. Arif Rahman Hakim

Lebih terperinci

Menurut Kaplan, AI mempunyai beberapa kelebihan dibandingkan dengan kecerdasan alami

Menurut Kaplan, AI mempunyai beberapa kelebihan dibandingkan dengan kecerdasan alami KECERDASAN BUATAN (AI/Artificial Intelligence) Menurut Kaplan, AI mempunyai beberapa kelebihan dibandingkan dengan kecerdasan alami (kecerdasan manusia). Kelebihan AI yaitu : AI lebih bersifat permanent

Lebih terperinci

IMPLEMENTASI LOGIKA FUZZY UNTUK PENENTUAN PEMINATAN DENGAN MENGGUNAKAN METODE SUGENO PADA SMA N 1 PEMALI

IMPLEMENTASI LOGIKA FUZZY UNTUK PENENTUAN PEMINATAN DENGAN MENGGUNAKAN METODE SUGENO PADA SMA N 1 PEMALI IMPLEMENTASI LOGIKA FUZZY UNTUK PENENTUAN PEMINATAN DENGAN MENGGUNAKAN METODE SUGENO PADA SMA N 1 PEMALI Aryansah Teknik Informatika STMIK ATMA LUHUR PANGKALPINANG Jl. Jend. Sudirman, Selindung Lama, Pangkalpinang,

Lebih terperinci

1 BAB I PENDAHULUAN. 1.1 Latar Belakang

1 BAB I PENDAHULUAN. 1.1 Latar Belakang 1 BAB I PENDAHULUAN 1.1 Latar Belakang Listrik pada abad ini sudah merupakan kebutuhan primer yang tidak bisa tergantikan. Karena pentingnya listrik ini, sistem yang menyuplai dan mengalirkan listrik ini

Lebih terperinci

BAB I PENDAHULUAN. Peramalan (forecasting) adalah kegiatan untuk meramalkan apa yang akan

BAB I PENDAHULUAN. Peramalan (forecasting) adalah kegiatan untuk meramalkan apa yang akan BAB I PENDAHULUAN A. Latar Belakang Peramalan (forecasting) adalah kegiatan untuk meramalkan apa yang akan terjadi pada masa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang akan

Lebih terperinci

MEMBANGUN TOOLBOX ALGORITMA EVOLUSI FUZZY UNTUK MATLAB

MEMBANGUN TOOLBOX ALGORITMA EVOLUSI FUZZY UNTUK MATLAB MEMBANGUN TOOLBOX ALGORITMA EVOLUSI FUZZY UNTUK MATLAB Syafiul Muzid 1, Sri Kusumadewi 2 1 Sekolah Pascasarjana Magister Ilmu Komputer, Universitas Gadjah Mada, Yogyakarta e-mail: aakzid@yahoo.com 2 Jurusan

Lebih terperinci

Team project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP

Team project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis

Lebih terperinci

JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman Online di:

JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman Online di: JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 31-40 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS DATA RUNTUN WAKTU DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM

Lebih terperinci

Bab I Pengantar Artificial Intelligence

Bab I Pengantar Artificial Intelligence Program Studi : Teknik Informatika STMIK Muhammadiyah Jakarta Bab I Pengantar Artificial Intelligence Abdul Jamil, S.Kom., MM Pengertian Kecerdasan Buatan (Artificial Intelligence) kecerdasan Buatan Adalah

Lebih terperinci

RENCANA PEMBELAJARAN SEMESTER (RPS)

RENCANA PEMBELAJARAN SEMESTER (RPS) RENCANA PEMBELAJARAN SEMESTER (RPS) CIG4C3 EVOLUTIONARY COMPUTATION Disusun oleh: Untari Novia Wisesty Syahrul Mubarok PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS INFORMATIKA TELKOM UNIVERSITY LEMBAR

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

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

OPTIMASI DAN HEURISTIK DALAM PENDEKATAN SISTEM. Arif Rahman

OPTIMASI DAN HEURISTIK DALAM PENDEKATAN SISTEM. Arif Rahman OPTIMASI DAN HEURISTIK DALAM PENDEKATAN SISTEM Arif Rahman INDUSTRIAL ENGINEERING..is concerned with the design, improvement, and installation of integrated systems of men, materials, information, energy,

Lebih terperinci

SWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION. Taufan Mahardhika 1

SWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION. Taufan Mahardhika 1 SWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION Taufan Mahardhika 1 1 Prodi S1 Kimia, Sekolah Tinggi Analis Bakti Asih 1 taufansensei@yahoo.com Abstrak Swarm

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

Penerapan Adaptive Neuro Fuzzy Inference System Dalam Memprediksi Volume Pemakaian Air Bersih

Penerapan Adaptive Neuro Fuzzy Inference System Dalam Memprediksi Volume Pemakaian Air Bersih Penerapan Adaptive Neuro Fuzzy Inference System Dalam Memprediksi Volume Pemakaian Air Bersih Niska Ramadani Dosen Universitas Dehasen Bengkulu niskaramadani@gmail.com ABSTRAK Pertumbuhan penduduk harus

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

Kode/SKS : TEL 212/2 Prasyarat : -

Kode/SKS : TEL 212/2 Prasyarat : - Nama MatakuIiah : Teknik Neuro Fuzzy Kode/SKS : TEL 212/2 Prasyarat : - Status Mata Kuliah : Wajib Umum Deskripsi Singkat Mata Kuliah : Mata kuliah Teknik Neuro Fuzzy mempelajari penerapan kecerdasan dan

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

Kecerdasan Buatan B Artificial Inttelligent CEH3I3 PRODI SISTEM KOMPUTER UNIVERSITAS TELKOM BANDUNG 2017

Kecerdasan Buatan B Artificial Inttelligent CEH3I3 PRODI SISTEM KOMPUTER UNIVERSITAS TELKOM BANDUNG 2017 Kecerdasan Buatan B Artificial Inttelligent CEH3I3 PRODI SISTEM KOMPUTER UNIVERSITAS TELKOM BANDUNG 2017 PENDAHULUAN (Pengenalan Silabus dan Kontrak Belajar) Pengenalan Matakuliah Matakuliah Bobot : Kecerdasan

Lebih terperinci

MANAGEMENT INFORMATION SYSTEMS Raymond McLeod, Jr. and George Schell

MANAGEMENT INFORMATION SYSTEMS Raymond McLeod, Jr. and George Schell MANAGEMENT INFORMATION SYSTEMS Raymond McLeod, Jr. and George Schell Sistem Pakar Disajikan dalam Kuliah SIM Program Sarjana Magister Universitas Gunadarma Oleh Lily Wulandari 1 Pendahuluan Subsistem CBIS

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari hari, selalu dilakukan perjalanan dari satu titik atau lokasi ke lokasi yang lain dengan mempertimbangkan efisiensi waktu dan biaya sehingga

Lebih terperinci

ANALISA KEBUTUHAN WAKTU PADA PROSES PENYELESAIAN TRAVELING SALESMAN PROBLEM

ANALISA KEBUTUHAN WAKTU PADA PROSES PENYELESAIAN TRAVELING SALESMAN PROBLEM ANALISA KEBUTUHAN WAKTU PADA PROSES PENYELESAIAN TRAVELING SALESMAN PROBLEM Hari Murti 1, R. Soelistijadi 2, Sugiyamto 3 Program Studi Sistem Informasi, Fakultas Teknologi Informasi, Universitas Stikubank

Lebih terperinci

Mengenal Artificial Intelligence, Machine. Learning, Neural Network, dan Deep Learning

Mengenal Artificial Intelligence, Machine. Learning, Neural Network, dan Deep Learning Mengenal Artificial Intelligence, Machine Learning, Neural Network, dan Deep Learning Abu Ahmad www.teknoindonesia.com E-mail: abuahmad@promotionme.com Abstract Dengan semakin canggihnya teknologi dan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Jaringan Syaraf Tiruan Artificial Neural Network atau Jaringan Syaraf Tiruan (JST) adalah salah satu cabang dari Artificial Intelligence. JST merupakan suatu sistem pemrosesan

Lebih terperinci

ABSTRAK. Kata kunci : sistem pakar, forward chaining, dempster shafer.

ABSTRAK. Kata kunci : sistem pakar, forward chaining, dempster shafer. ABSTRAK Sistem pakar merupakan sistem berbasis komputer yang menggunakan pengetahuan, fakta dan teknik penalaran dalam memecahkan masalah yang biasanya hanya dapat dipecahkan oleh seorang pakar dalam bidang

Lebih terperinci

PROGRAM STUDI SISTEM KOMPUTER

PROGRAM STUDI SISTEM KOMPUTER Pengesahan Nama Dokumen : SILABUS INTELEGENSIA BUATAN No Dokumen : FIK-SK-S1 No Revisi : 00 Diajukan oleh Revisi : 1 Hal : 1 / 7 Ir. Hastha Sunardi, MT (Dosen Pengampu) Diperiksa oleh Ir. Dedy Hermanto,

Lebih terperinci

SATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA

SATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA Mata Kuliah Kode / SKS Program Studi Fakultas : Sistem : IT012234 / 2 SKS : Sistem Komputer : Ilmu Komputer & Teknologi Informasi 1 Review Sistem Mahasiswa mengingat mbali konsep serta ruang lingkup dan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 12 BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah penjadwalan secara umum adalah aktifitas penugasan yang berhubungan dengan sejumlah kendala, sejumlah kejadian yang dapat terjadi pada suatu periode waktu

Lebih terperinci

KECERDASAN BUATAN ARTIFICIAL INTELLIGENCE. Copyright: Anik Handayani FT-UM

KECERDASAN BUATAN ARTIFICIAL INTELLIGENCE. Copyright: Anik Handayani FT-UM KECERDASAN BUATAN ARTIFICIAL INTELLIGENCE Copyright: Anik Handayani FT-UM ARTIFICIAL INTELLIGENCE Mata Kuliah:Kecerdasan Buatan (Artificial Intelligence/AI) Deskripsi Mengenai Kecerdasan Buatan Kecerdasan

Lebih terperinci

PENGANTAR KECERDASAN BUATAN. Aturan Umum

PENGANTAR KECERDASAN BUATAN. Aturan Umum PENGANTAR KECERDASAN BUATAN Aturan Umum PENILAIAN Tugas ; resume paper, jurnal 4 kali = 20% Quiz ; 2 kali = 10% Ujian Tengah Semester = 30% Ujian Akhir Semester = 40% INDEX Nilai 80 NA 100 A 68 NA 79 B

Lebih terperinci

BAB II LANDASAN TEORI. Landasan teori atau kajian pustaka yang digunakan dalam membangun

BAB II LANDASAN TEORI. Landasan teori atau kajian pustaka yang digunakan dalam membangun BAB II LANDASAN TEORI Landasan teori atau kajian pustaka yang digunakan dalam membangun sistem informasi ini, terdapat teori-teori ilmu terkait yang digunakan untuk membantu menyelesaikan permasalahan

Lebih terperinci

Expert System. Siapakah pakar/ahli. Pakar VS Sistem Pakar. Definisi

Expert System. Siapakah pakar/ahli. Pakar VS Sistem Pakar. Definisi Siapakah pakar/ahli Expert System Seorang pakar atau ahli adalah: seorang individu yang memiliki kemampuan pemahaman superior dari suatu masalah By: Uro Abdulrohim, S.Kom, MT Definisi Program komputer

Lebih terperinci

UKDW BAB 1 PENDAHULUAN

UKDW BAB 1 PENDAHULUAN BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Sebagian besar aplikasi atau sistem informasi dibangun tanpa integrasi dengan sistem pakar atau sistem cerdas yang dapat membantu dalam pengolahan data dan

Lebih terperinci

SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT SALURAN PENCERNAAN MENGGUNAKAN METODE DEMPSTER SHAFER

SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT SALURAN PENCERNAAN MENGGUNAKAN METODE DEMPSTER SHAFER SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT SALURAN PENCERNAAN MENGGUNAKAN METODE DEMPSTER SHAFER 1 Yasidah Nur Istiqomah (07018047), 2 Abdul Fadlil (0510076701) 1 Program Studi Teknik Informatika 2 Program

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

ALGORITMA PENCARIAN (1)

ALGORITMA PENCARIAN (1) ALGORITMA PENCARIAN (1) Permasalahan, Ruang Keadaan, Pencarian Farah Zakiyah Rahmanti Diperbarui 2016 Overview Deskripsi Permasalahan dalam Kecerdasan Buatan Definisi Permasalahan Pencarian Breadth First

Lebih terperinci