Kecerdasan Buatan. Pertemuan 10. (Review) Faktor Kepastian Sistem Penalaran Fuzzy Mamdani Pembelajaran Mesin ID3. Husni

Transkripsi

1 Kecerdasan Buatan Pertemuan 10 (Review) Faktor Kepastian Sistem Penalaran Fuzzy Mamdani Pembelajaran Mesin ID3 Husni S1 Teknik Informatika, STMIK AMIKOM, 2013

2 Outline Sistem Pakar & Pembelajaran Faktor Kepastian / Certainty Factor (CF) Penalaran Fuzzy Model Mamdani

3 Sistem Pakar & Pembelajaran Sistem Pakar Semua pengetahuan/rule, berasal dari Pakar Tidak ada pembelajaran, hanya penalaran Peran manusia DOMINAN Pembelajaran Data/Informasi (database), bukan dari pakar, tetapi dari rangkuman peristiwa (fakta) yang terjadi. Ada pembelajaran, 2 fase: pelatihan & testing Tidak ada campur tangan langsung dari Manusia

4 Contoh: Prediksi dengan CF Diketahui bahwa hari ini Hujan, Curah hujan hari ini rendah (dengan CF 0.8), Temperatur hari ini dingin (dengan CF 0.9). Pakar harus memprediksi apakah cuaca besok. Basis pengetahuan berisi rules berikut: Rule 1: IF Hari ini Hujan Rule 2: Rule 3: THEN Besok Hujan {CF=0.5} IF Hari ini Kering THEN Besok Kering {CF=0.5} IF Hari ini Hujan AND Curah Hujan Rendah THEN Besok Kering {CF=0.6}

5 Rule 4: Rule 5: Rule 6: IF Hari ini Hujan AND Curah Hujan Rendah AND Temperatur Dingin THEN Besok Kering {CF=0.7} IF Hari ini Kering AND Temperatur panas THEN Besok Hujan {CF=0.65} IF Hari ini Hujan AND Temperatur Panas AND Langit Mendung THEN Besok Hujan {CF=0.55}

6 Penyelesaian Buat Pohon Penalaran yang memperlihatkan apa yang diprediksi, yaitu Cuaca Besok: Hujan atau Kering. Hitung CF dari bagian THEN (konsekuen) dari setiap Rule Hitung CF dari Besok Hujan dan Besok Kering CF yang lebih besar menunjukkan bahwa Hipotesis itu lebih pasti terjadi.

7 Hipotesis Besok Hujan

8 Hipotesis Besok Kering 0.56

9 Contoh: Prediksi dengan Fuzzy Pabrik Tekstil memproduksi pakaian Merk Tertentu. Dalam 1 bulan terakhir, permintaan terbesar mencapai 5000 potong per hari, permintaan terkecil 1000 potong per hari. Persediaan barang di gudang tiap bulan paling banyak 600 potong dan persediaan terkecil 100 potong. Perusahaan ini hanya mampu memproduksi pakaian paling banyak 7000 potong per hari. Dengan alasan tertentu, pabrik harus memproduksi setidaknya 2000 potong pakaian. Berapa potong pakaian yang harus diproduksi apabila ada permintaan 4000 potong dan persediaan adalah 300 potong.

10 Aturan yang tersedia [R1] : IF Permintaan TURUN And Persediaan BANYAK THEN Produksi BERKURANG [R2] : IF Permintaan TURUN And Persediaan SEDIKIT THEN Produksi BERKURANG [R3] : IF Permintaan NAIK And Persediaan BANYAK THEN Produksi BERTAMBAH [R4] : IF Permintaan NAIK And Persediaan SEDIKIT THEN Produksi BERTAMBAH

11 1: Fuzzification Input : 1. Permintaan[ ] {TURUN NAIK} 2. Persediaan[ ] {SEDIKIT BANYAK} Output: Jumlah Produksi[ ] {BERKURANG BERTAMBAH}

12 Input: Permintaan & Persediaan

13 Output: Jumlah Produksi

14 2: Inferensi Model Mamdani Perhatikan Aturan yang digunakan berdasarkan input yang diberikan pada Masalah Berapa potong pakaian jenisx, Y dan Z yang harus diproduksi apabila terdapat permintaan sejumlah 4000 potong dan persediaan di gudang terdapat300 potong : termasuk dalam kategori turun dan naik 300 : termasuk dalam kategori banyak dan sedikit Jadi, Semua Aturan/ Rule digunakan

15 Penerapan Rule R1 IF Permintaan TURUN And Persediaan BANYAK THEN Produksi BERKURANG

16 Penerapan Rule R2 IF Permintaan TURUN And Persediaan SEDIKIT THEN Produksi BERKURANG

17 Penerapan Rule R3 IF Permintaan NAIK And Persediaan BANYAK THEN Produksi BERTAMBAH

18 Penerapan Rule R4 IF Permintaan NAIK And Persediaan SEDIKIT THEN Produksi BERTAMBAH

19 Agregasi Gabungkan semua hasil. Jika ada yang GANDA, ambil nilai MAX.

20 Gunakan COA/COG 3: Defuzzification

21 Contoh: Penentuan Beasiswa dengan Penalaran Fuzzy Ada 100 beasiswa. Jumlah kandidat ada Nilai kelayakan (NK) penerima beasiswa ditentukan berdasarkan IPK dan Penghasilan Orang Tua (POT) per bulan. Si A: IPK 3.00, Penghasilan Ortu 10 Jt per bulan Si B: IPK 2.99, POT 1 jt per bulan. Siapa yang lebih berhak menerima Beasiswa, A atau B?

22 1: Fuzzification Misal input IPK dibagi menjadi 3: Buruk (0 2.75), Cukup (2 3.25), Bagus (2.75 4)

23 1: Fuzzification Misal input Penghasilan Ortu (POT) dibagi menjadi 4: Kecil, Sedang, Besar, Sangat besar.

24 A: IPK 3.00 POT 10 juta µipkbagus(3.00) = (3-2.75)/( ) = 0.5 µipkcukup(3.00) = -(3-3.25)/( ) = 0.5 µpotbesar(10) = -(10-12)/(12-7) = 2/5=0.4 µpotsgtbesar(10) = (10-7)/(12-7) = 3/5=0.6

25 B: IPK 2.99 POT 1 juta µipkbagus(2.99) = ( )/( ) = 0.48 µipkcukup(2.99) = -( )/( ) = 0.52 µpotsedang(1) = 0 µpotkecil(1) = 1

26 2: Inferensi Pakar memberikan aturan Nilai Kelayakan (NK) penerima beasiswa berikut: Kecil Sedang Besar Sangat Besar Buruk Rendah Rendah Rendah Rendah Cukup Tinggi Rendah Rendah Rendah Bagus Tinggi Tinggi Tinggi Rendah Hanya ada 2: Rendah dan Tinggi. Misal: menggunakan fungsi Trapesium

27 2: Inferensi Gunakan Tabel Aturan, Fungi Keanggotaan Input dan Output untuk NK dari A dan B. Semakin besar NK maka semakin layak menerima beasiswa.

28 A: IPK=Bagus(0.5), IPK=Cukup(0.5) POT=Besar(0.4), POT=SgtBesar(0.6) IPK=Cukup(0.5) AND POT=Besar(0.4) THEN NK=Rendah(0.4) IPK=Cukup(0.5) AND POT=SgtBesar(0.6) THEN NK=Rendah(0.5) IPK=Bagus(0.5) AND POT=Besar(0.4) THEN NK=Tinggi(0.4) IPK=Bagus(0.5) AND POT=SgtBesar(0.6) THEN NK=Rendah(0.5) NK=Rendah(0.4) NK=Rendah(0.5) NK=Rendah(0.5)

29 B: IPK=Bagus(0.48), IPK=Cukup(0.52) POT=Kecil(1), POT=Sedang(0) IPK=Cukup(0.52) AND POT=Kecil(1) THEN NK=Tinggi(0.52) IPK=Cukup(0.52) AND POT=Sedang(0) THEN NK=Rendah(0) IPK=Bagus(0.48) AND POT=Kecil(1) THEN NK=Tinggi(0.48) IPK=Bagus(0.48) AND POT=Sedang(0) THEN NK=Tinggi(0) NK=Tinggi(0.52) NK=Tinggi(0.48) NK=Tinggi(0)

30 3: Defuzzification Gunakan COA untuk menghitung nilai crisp dari NK untuk A dan B. NK akhir dari A: IPK 3, POT 10 jt: Y* = (( )*0.5 + ( ) * 0.4)/(6* * 0.4) ( )/4.6 = 52.39

31 3: Defuzzification Gunakan COA untuk menghitung nilai crisp dari NK untuk A dan B. NK akhir dari B: IPK 2.99, POT 1 jt: Y* = (70+80) * 0.52/(2*0.52) (150) * 0.52/1.04 = 75 Artinya, NK dari B jauh lebih tinggi daripada NK dari A. Sehingga B lebih berhak menerima beasiswa.